新疆北部雨季降水对ENSO的响应

分析研究了新疆北部地区近50年（1951－2000年）全年各月降水的气候分布特征和各季降水的年际变化规律，重点揭示了北疆多雨季节（4－7月）及各月降水量对赤道东太平洋的海温SST和南方涛动指数SOI的显著响应关系，并用前期SST和SOI作为预报因子，建立了北疆地区雨季降水量的预报方程，该方程对北疆地区雨季降水量的长期预报有重要的应用价值。     

诊断分析在数值预报产品释用中的探讨

文章针对地方性天气预报特点，根据现有数值预报产品以及实时探空资料的接收情况，利用中尺度数值预报模式ＭＭ４引入中尺度信息，提出一个实际可行的夏季降水预报方案，以求提高区域范围内具有明显突发性对流降水特征天气过程的预报能力。作法是用ＭＭ４模式计算出１９８４—１９８７年７月、８月逐日的零时刻物理量诊断场，格距为１００公里，使用欧洲中心数值预报产品和诊断物理量共计４１个场作为预报因子场；将内蒙古全区划分为９个气候区和８个代表站；应用典型相关分析法，并结合逐步判别法和逐步回归法，得到相应的９个区域和８个单站降水预报方程。９个分区预报方程降水ＣＳＩ指数在９７．６７％以上，８个单站降水预报方程对中雨以上降水ＣＳＩ指数在８０％以上。方程的实际预报能力令人满意。由于所采用的典型相关分析的典型因子绝大部分取自于中尺度诊断分析量，降水预报方程的因子变量多数为中尺度量。换句话说，方程中包含了大量的中尺度信息，８５０百帕零时刻水平Ｕ分量、温度Ｔ，７００百帕位势高度、涡度、湿球位温，５００百帕位势高度、温度Ｔ、涡度和湿球位温场对降水预报方程的贡献最大。     

线性回归集成在汛期降水预报中的应用

长期天气预报以什么作为预报因子更妥些?这里我们仅从某地区长期天气过程的演变,与大气环流中某些影响该地区长期天气过程变化的主要活动系统的变化,及其相互制约上来考虑问题。在500毫巴月平均图上,在亚欧范围内选取前期1—12月份各月500毫巴月平均图上十个关键区作预报因子,以此来表示主要活动系统,某地预报对象到底与前期那个月的500毫巴月平均图上     

聚类分析和数量化方法在台风路径预报中的应用

一、引言聚类分析(Cluster analysis)是数理统计中研究物以类聚的一种方法,它的主要目的是研究事物的分类,在气象上由于各种环流形势非常复杂,仅仅凭经验来判断分类往往是不够的,如果用聚类分析把历史台风样本按照一定的标准客观地分成几类,则既可以“分类归纳出各种客观予报方法,又可以把各个型作为一个“质”的因子,然后通过数量化处理转化成“量”的因子,参加到预报方程中去,本文采用后一种方案,重点在改进预报因子,首先选择反映西风带和付高特征的有关因子,作为聚类分析的标准,然后,使分类因子数量化,同时结合其他数量因子,进行逐步迴归,建立预报方程,初步的试验结果表明,在台风路径的客观预报中,引用聚类分析是有效的,它能够把予报员的实践经验定量的反映到客观予报的模式中去。     

地温在春季降水长期预报中的应用

将地温作为影响长期天气过程的一个物理因子，讨论了不同层次的地温对未来降水的影响，发现前期整层地温或深层地温与春季降水之间有很好的关系，所建立的预报方程取得较好的预报效果。     

试用“MOS”方法做6月逐日晴雨预报

采用MOS方法制做荷泽地区6月份36小时晴雨预报的基本方法是:根据天气学原理结合本地区降水的天气模型,有针对性的选择相关较好的预报因子;对其因子进行聚类分析或制定模糊贴近函数,最后对它们进行数学处理,建立预报方程,做36小时内晴雨预报。     

用500hPa月高度场作月降水预报所提供的可预报性时空分布

研究了用前期2——4个月500hPa高度场预报后期我国160个测站月降水量所提供的可预报性时空分布特征,结果表明：从空间分布上看,可预报性存在着西北高东南低的空间分布特点。从时间变化上看,4、5、6月降水的可预报性没有8、9、11、12、1月降水的可预报性好。同时,探讨了影响这种时空分布变化的可能原因,指出将500hPa高度场作为对我国降水进行月长期预报的唯一因子,会受到时间和空间上的种种限制,为了提高预报效果,还需要考虑海洋等其它预报因子。     

塔里木盆地夏季降水和海温的关系

基于1961—2015年6—8月新疆塔里木盆地34个站点的逐日降水数据和全球逐月海温数据,分析了塔里木盆地夏季降水和全球海温的关系。结果表明,塔里木盆地夏季降水和冬季及春季的南印度洋中部、赤道东太平洋以及南大西洋西部等区域海温具有良好的正相关关系,当上述区域海温偏暖时,对应塔里木盆地夏季降水偏多。进一步的分析发现,前期海温影响显著的时段主要集中在1月和5月。基于海温和降水数据,通过分析前期不同季节关键区的海温序列与降水序列的相关系数,取了8个关键区的海表温度作为预报因子,得出逐步回归预报方程。预测结果说明该预测方程对塔里木盆地夏季降水具有较好的预测技巧。     

(九)A.I.D.的作图法

本讲介绍如何在图上进行A.I.D.的分类筛选预报,它的优点是避免了计算,利用和天气预报中常用的点聚图方法相类似的画法,就可以作出预报。现用一个实例来说明。 考虑长江中下游汉口、九江、芜湖、南京、上海五站平均5—8月降水总量(y),选用了1952—1976年25年资料用五个气象要素作为因子。 因子:x_1是一月0—150°E,45—65°N的纬向指数I_z, x_2是一月份欧洲大型环流型C型天数, x_3是一月份长江流域六站降水量∑R_1月, x_4是一月份长江流域六站温度∑月,     

夏季中雨以上降水短时预报方法

本文应用数值预报产品,天气图实况,单站实时观测资料和卫星云图资料,对济宁地区夏季中雨以上降水过程进行了统计分析,然后建立预报方程。在挑选因子的过程中,着重考虑因子本身的天气学意义,而不仅仅拘泥于因子与预报量之间的拟合率高低。最后选取了5个代表性强,物理意义明确的因子进行了0.1权重回归,建立了0—12小时中雨以上降水预报方程并在1987年夏季进行试报,取得令人满意的结果。     

春季陆面植被对长江流域夏季降水可预报性的影响分析

利用美国全球监测与模型研究中心(GIMMS)1982—2006年逐月归一化植被指数(NDVI)、美国国家海洋和大气局(NOAA)1854—2008年海温资料以及中国国家气候中心(NCC)1951—2006年160站月降水资料,通过旋转经验正交函数分解(REOF)和相关分析获得了长江流域夏季降水预报序列和植被、海温预报因子集。基于最优子集回归方法(OSR),并借助交叉验证(CV)以及空间重建等手段,构建了单独以前期春季海温为预报因子和同时引入前期春季海温与归一化植被指数为因子的两类预报模型,对比分析引入陆面植被因子前后长江流域夏季降水预报效果改善状况,评估春季陆面植被对长江流域夏季降水可预报性的影响及预报效果的稳健性。结果表明:(1)相对于海温因子,春季陆面植被因子对长江流域夏季降水预报具有同样重要性,引入春季归一化植被指数后,长江流域夏季降水预报得到明显改善,相关系数平均由0.49提升到0.66,提高0.17左右,模型解释方差提升平均60%左右,其中单纯海温因子预报效果较差的汉江—淮河地区和淮河流域地区,相关系数更是提高了0.20—0.30,模型解释方差提升1倍左右;(2)交叉验证预报表明,相对于仅考虑海温因子模拟情形,交叉预报相关系数下降较多,模型稳健性较低,引入归一化植被指数后,长江流域夏季降水预报稳健性得到明显提升,长江中下游及其以南的长江三角洲地区、洞庭湖—鄱阳湖地区改善尤为明显;(3)长江流域降水可预报性存在明显的区域差异,嘉陵江流域地区、汉江—洞庭湖地区预报效果最好,汉江—淮河地区、淮河流域地区、长江三角洲地区预报效果最差,但引入归一化植被指数后预报效果提高最明显,而洞庭湖—鄱阳湖地区虽然模拟效果较好,但预报稳健性较低,交叉验证相关系数降幅达到0.27,这也从侧面说明了长江流域夏季降水分区预报的重要性。     

春季陆面植被对长江流域夏季降水可预报性的影响分析北大核心CSCD

利用美国全球监测与模型研究中心(GIMMS)1982—2006年逐月归一化植被指数(NDVI)、美国国家海洋和大气局(NOAA)1854—2008年海温资料以及中国国家气候中心(NCC)1951—2006年160站月降水资料,通过旋转经验正交函数分解(REOF)和相关分析获得了长江流域夏季降水预报序列和植被、海温预报因子集。基于最优子集回归方法(OSR),并借助交叉验证(CV)以及空间重建等手段,构建了单独以前期春季海温为预报因子和同时引入前期春季海温与归一化植被指数为因子的两类预报模型,对比分析引入陆面植被因子前后长江流域夏季降水预报效果改善状况,评估春季陆面植被对长江流域夏季降水可预报性的影响及预报效果的稳健性。结果表明:(1)相对于海温因子,春季陆面植被因子对长江流域夏季降水预报具有同样重要性,引入春季归一化植被指数后,长江流域夏季降水预报得到明显改善,相关系数平均由0.49提升到0.66,提高0.17左右,模型解释方差提升平均60%左右,其中单纯海温因子预报效果较差的汉江—淮河地区和淮河流域地区,相关系数更是提高了0.20—0.30,模型解释方差提升1倍左右;(2)交叉验证预报表明,相对于仅考虑海温因子模拟情形,交叉预报相关系数下降较多,模型稳健性较低,引入归一化植被指数后,长江流域夏季降水预报稳健性得到明显提升,长江中下游及其以南的长江三角洲地区、洞庭湖—鄱阳湖地区改善尤为明显;(3)长江流域降水可预报性存在明显的区域差异,嘉陵江流域地区、汉江—洞庭湖地区预报效果最好,汉江—淮河地区、淮河流域地区、长江三角洲地区预报效果最差,但引入归一化植被指数后预报效果提高最明显,而洞庭湖—鄱阳湖地区虽然模拟效果较好,但预报稳健性较低,交叉验证相关系数降幅达到0.27,这也从侧面说明了长江流域夏季降水分区预报的重要性。     

用T213做咸阳分县分级降水预报

采用MOS释用方法2002年4—10月T213产品与咸阳各县对应月份降水求相关,选取相关性好的格点因子作为预报因子,用最优子集回归方法建立了咸阳分县分级降水预报方程,并用2002年4—10月资料和降水对预报方程的临界值进行订正,同时建立了用因子消空的条件,取得较好的效果。     

南京,上海地区对流及降水甚短期预报的统计方法研究

本文以我国国家气象局发布的B模式数值预报输出,上海气象局计算的物理量及南京单站气象观测资料作为基本的初选因子,用逐步判别法对5月至入梅前南京和上海的对流天气和降水预报建立了不同的预报方程,探讨了预报因子的不同组合,非线性因子的引入以及不同的判别方案对预报准确率的影响,并进行了业务预报试验。结果表明,考虑非线性因子影响并采用“两段筛选”的判别方法获得的预报方程其预报效果最佳。     

诊断分析在数值预报产品释用中的探讨

针对地方性天气预报特点，根据现有数值预报产品及实时探空资料的接收情况，作者利用中尺度数值预报模式ＭＭ４引入中尺度信息，提出一个实际可行的夏季降水预报方案，以求提高区域范围内具有明显突发性对流降水的预报能力。作法是用ＭＭ４模式计算逐日物理量诊断场，加入同期的欧洲中心数值预报产品，共计４１个场作为预报因子场；应用典型相关分析法，并结合逐步判别和逐步回归法，计算得出９个分区和８个单站中雨以上降水预报方程。降水预报方程的因子变量多数为中尺度诊断分析场构成的典型团子，可以认为，ＭＭ４模式计算得出的中尺度信息对预报中雨以上降水是有贡献的。     

聊城地区大暴雨的若干特征

本文对影响我区的十二次大暴雨过程进行了综合分析,找出了产生聊城地区大暴雨的若干特征,试图给预报大暴雨提供一定依据。 一、大暴雨气候特征 统计了1972—1981年6—8月份全区八个台站的降水资料,凡本地区日降水量有一站≥100mm,两站≥50mm,即作为一次全区     

用逐步回归模型预测肇庆市汛期降水

用逐步回归方程对肇庆6县(市)分县汛期降水做预测，选取北半球500hPa高度场和太平洋海温场的若干个主分量作为因子(共1748个)。这些因子包含着气候背景场的主要信息，通过对预报量和预报因子群的相关筛选，选取相关系数最大的因子建立逐步回归模型。结果表明：所建立的预报方程的复相关系数高，对肇庆汛期降水预报效果好。     

利用亮温资料建立降水临近预报方法的研究

通过对太湖地区2009年1—4月TP/WVP-3000型微波辐射计的亮温连续观测资料进行分析,建立降水临近预报方法。结果表明,降水开始前4 h,微波辐射计有7个通道的1级亮温资料存在明显的增长趋势。利用降水个例与无降水个例亮温差值最大、降水个例与无降水个例亮温标准偏差差值最大两个标准,选择合适的通道进行降水临近预报。通过计算得到,第1通道的亮温差值最大,而第5、6通道的亮温标准偏差差值最大,因此可分别将第1、第5和第6通道的亮温观测值作为预报因子。根据判别分析方法,分别在降雨前15 min及前30~330 min(时间间隔为30 min)建立12个预报方程,并通过自身验证对每个时间点预报的准确率进行检验,最后选择降雨前90 min的判别方程用于预报,其预报准确率为87%,空报率为24%,漏报率为13%。     

单站汛期总降水量、预报因子与环流背景关系的简析

目前,不少人对长江中下游汛期旱涝的前期环流特征等已进行过研究。这里仅就单站汛期降水趋势,预报因子和环流背景的关系进行简单的分析。这几年,制作单站汛期(5—9月)总降水趋势预报时,得到二个较佳因子:3月平均气温(?)和3月平均日较差[即月平均最高气温与月平均最低气温之差(?)]。用这二个因子建立起的判别方程A=(?)对汛期总降水量ΣR有很好的分辨能力。     

辽源夏季明显降水过程雨量预报方法研究

通过对辽源地区1994年-2002年过程降水量超过20mm的44个个例进行分析后。总结出副高系统和冷涡系统影响下的形势场特征，分析了降水前期辽源本站要素变化规律以及辽源与东丰两站要素的差异，最后选取T213模式预报产品和本站要素因子，制作夏季明显降水定量预报方程。