基于卡尔曼滤波的神经网络月平均气温预测模型

利用湛江市近50年来的月平均气温时间序列资料，将卡尔曼滤波与人工神经网络方法相结合，建立了湛江气温的短期气候预测模型。试验结果表明，这种基于卡尔曼滤波的神经网络模型对湛江的平均气温具有较好的预测能力，在平均绝对误差（MAE）小于1．5℃的条件下，实际预报准确率达到91.7％，对短期气候预测的业务工作具有较高的参考价值。     

卡尔曼滤波在短期气候预测中的应用

用PRESS准则和最优子集回归选取预测因子，建立河西走廓东部月平均气温的卡尔曼滤波预测模型，经实际使用发现，该预测方法的精度较高，稳定性较好，为短期气候提供了一种新的思路和方法。     

太阳活动与六盘水市11月月平均气温的关系

太阳活动包括太阳黑子、耀斑、日解、光斑、谱斑、磁爆等几个方面。其中太阳黑子周期活动是造成气候反常的特别因子。据目前所知，太阳活动具有SO一gO年、22年、11年周期，其中以11年周期较为明显。［“我们在做11月气温（T；；）预报时，发现其曲线峰谷也有11年准周期。那么，我市Tll与太阳活动到底有无关系？为此，特做如下工作。l对T；；分档由于我市只有三个站，范围不大，温度变化趋势基本一致，用水城的资料分档与三站平均后分档一样，故这里就用水城的资料来分档（资料样本年代为1957～1990年共34年，采用正常约占SO呢，偏高、偏…     

试用卡尔曼滤波方法作冬季平均气温的短期气候预测

对淄博市１９５２ 年～１９９８ 年的冬季平均气温变化特征进行了分析,建立了冬季平均气温的卡尔曼滤波递推系统。结果表明,卡尔曼滤波方法在气象要素的短期气候预测方面有一定的使用价值,在气候变暖的预报方面有其显著优势。     

月平均气温集成预测方法研究

为了有效综合各种预测方法的预测结果,以陕西3个气候区域1999年7月至2010年6月月平均气温的集成预测为例,利用3种预测方法和国家气候中心业务产品月平均气温预测结果历史评分建立二类6种动态客观集成预测方法进行对比研究,结果表明：（1）各种集成预测方法年评分平均值均高于参加集成的任何一个成员,6种集成预测方法评分平均值比4个成员评分平均值高4.6,比同期陕西发布的业务产品高5.1;各种集成预测方法预测与实况距平符号一致率至少高于其中3个成员,6种集成预测方法预测与实况距平符号一致率平均值比4个成员平均值高4.7%,比陕西业务产品高5.1%。（2）3个气候区域中,榆林集成预测效果最好。6种集成预测方法评分平均值比4个成员评分平均值高5.7,比陕西业务产品高5.7;预测与实况距平符号一致率比4个成员高6.9%,比陕西业务产品高7.3%。（3）第二类集成预测方法预测技巧高于第一类,全年评分平均值高0.5,预测与实况距平符号一致率高0.7%。其中Z_（23）全年评分平均值比4个成员评分平均值高5.1,比陕西业务产品高5.7,预测与实况距平符号一致率比4个成员高6.0%,比陕西业务产品高7.6%,推荐首先选择使用。     

我国月平均气温升高时极端气温的变化

分析了我国１４个代表性测站月平均气温升高时极端气温的变化情况,结果表明：在月平均气温升高１℃时,我国各地月极端气温变化的是显著的,尤其是７月,极端最高气温〉３５℃的频数达４０％以上,而１月极端最低气温小于各界限温度的频数变化较小,一般都在１０％以下,另外,通过做极端气温度的概率模型,由分布函数得知,当月平均气温升高１℃时,极端气温的变化情况与统计分析的结果极为相似。     

用复数自回归模式预报月平均气温

在复数域最小二乘法的基础上, 建立了复数自回归模式。数学推导和实例应用表明:这一复数自回归模式不同于将复数序列中的实部和虚部分开来计算的结果, 将实部和虚部分开来计算的方法不是真正意义的最小二乘法。应用包括一个任意给定的复数序列和全国160个基本气象台站上历年7月月平均气温。采用距平相关系数和均方根误差两种检验标准, 对独立预报结果进行检验, 并与其他3种常用统计模型作比较。结果显示:该复数自回归模式确实具有较好的预报效果。     

青海省月平均气温潜在长期可预报性的估计

讨论了气候信号与气候噪声的相互关系和月平均气温预报正确率的上限问题。用青海省２５个站逐日气温的多年资料，按３种方法估计了气候信号和气候噪声的方差。结果得出，如果以绝对误差小于均方差的０．６８倍作为预报正确的标准，则青海省月平均气温预报正确率的上限约为６６％￣７２％，冬季与夏季差别不大。     

控制镇江月平均气温变化的动力系统的重建及其预报应用

本文运用镇江月平均气温一维时间序列作相空间拓展，和假定相空间状态变量随时间的演化方程含有线性项和二次非线性项，利用最小二乘法求解各项系数，保留其大差贡献较大的项，重建动力系统．并用镇江月平均气温实测值作检验．结果表明，重建的动力方程对月平均气温的演变能作出较好的描写．     

基于多种集合的中国冬季气温逐月滚动预测

利用1979—2015年中国国家气候中心整编的160站月平均气温和NCEP/NCAR全球大气再分析资料,从1979/1980—2008/2009年冬季前期500 h Pa高度场、200 h Pa势函数和850 h Pa势函数场选择预测因子,考虑不同时效因子的组合及其独立性,综合应用多因子回归集合、交叉检验集合、逐月滚动集合,建立了针对中国冬季气温的逐月滚动预测模型,并利用该模型对2010/2011—2014/2015年冬季气温进行了独立预测试验和检验。结果表明,综合运用多种集合可提高短期气候客观定量预测的可行性和稳定性。多因子回归集合能增加可预测站点数,交叉检验集合可减少因统计关系不稳定而产生的对预报效果的影响,逐月滚动集合的应用不仅增加了可预测站点数,而且使预测效果更加稳定。本文建立的预测模型可对中国冬季气温进行长时效的预测,且有一定的预报技巧,对实际的季节预测业务有重要应用价值。     

卡尔曼滤波方法在温度分县预报中的应用

在引进省局推广应用的卡尔曼滤波温度预报方法的基础上,通过2004~2005年的预报试验,在对预报因子不断进行了组合和优化后预报效果稳定,客观预报结果基本接近预报员的主观预报水平。     

卡尔曼滤波方法在温度分县预报中的应用

在引进省局推广应用的卡尔曼滤波温度预报方法的基础上,通过2004～2005年的预报试验,在对预报因子不断进行了组合和优化后预报效果稳定,客观预报结果基本接近预报员的主观预报水平.     

基于集合卡尔曼滤波的土壤温湿度同化试验

以通用陆面模式CLM 3.0(Community Land Model 3.0)为模型算子,基于集合卡尔曼滤波(Ensemble Kalman Filter,En KF)发展了一个土壤温湿度同化系统,主要用于改进模式对土壤温湿度和地表水热通量的模拟精度,并考察集合样本数、同化频率及不同观测量的组合对同化效果的影响。该系统同化了FLUXNET两个站点(阿柔和Bondville)不同土壤深度、不同时间频率的土壤温度和湿度数据。通过对阿柔站不同集合样本数的设计,综合考虑计算成本和计算精度,最终将集合样本数设置为40。通过分析三种同化方案对同化频率的敏感性得出,同化土壤温度最为敏感,同时同化土壤温湿度次之,同化土壤湿度最不敏感。对于阿柔站点,同化系统对不同土壤深度温度和湿度的模拟精度均能提高90%,潜热通量的均方根误差由94.0 W·m~(-2)降为46.3 W·m~(-2),感热通量均方根误差由55.9 W·m~(-2)降为24.6 W·m~(-2)。Bondville站点浅层土壤温度的改进在30%左右,深层土壤温度改进达到60%,对土壤湿度的改进均在70%以上,潜热通量和感热通量的均方根误差分别从57.4 W·m~(-2)和54.4 W·m~(-2)降为51.0 W·m~(-2)和42.5 W·m~(-2)。试验结果表明,同化站点土壤温湿度数据对土壤水热状况及通量的模拟改进非常有效,同时也验证了同化土壤水分遥感产品的可行性和必要性。     

河北省月平均气温分布式模型应用研究

利用1971-2000年河北省及周边126个气象台站的常规观测资料,应用月平均气温分布式模型,实现了起伏地形下河北省月平均气温的分布式模拟,制作出100 m×100 m分辨率的气温空间制图。结果表明：坝上高原和河北省平原地区地势平坦,气温分布比较均匀;燕山山脉和太行山山脉地形复杂,气温受局地地形影响显著。在角度相同的坡地上,偏南坡与偏北坡的气温差异1月>10月>4月>7月。在同一时段,偏南坡与偏北坡的气温差异随坡度的增加而增加;张家口地区多盆地河谷,气温分布均匀且较周围地区高;月平均气温分布式模型在河北省具有良好的模拟精度、时间维和空间维模拟性能及山地扩展性能。     

统计降尺度方法在天津小时降水和气温精细化预报中的应用

基于ECWMF模式预报数据对2018年3—11月降水和2 m温度进行统计降尺度,利用先频率匹配法、再阈值法对插值后的降水订正,利用Kalman滤波型的递减平均统计降尺度法对插值后的温度订正,最终获得逐小时降水量和温度的预报。结果表明：(1)对于晴雨预报准确率,绝大多数预报时效频率匹配法和阈值法均对其有明显提高,前者最大改进幅度可达20%以上。对于相对误差,阈值法对空报现象有较显著改进。对于1 h降雨量大于等于20 mm的短时强降水,频率匹配法订正后的TS评分有明显提高。对2018年“安比”台风事件,除具有以上改进效果外,频率匹配法提高了降水主体形态和量级的预报水平,阈值法对空报站订正正确。(2)对于温度的ECWMF模式预报检验,几乎在任何预报时效内都是3月的绝对误差最大。通过Kalman滤波型的递减平均统计降尺度法后,各月的绝对误差都有不同程度减小。总体上,订正后的绝对误差曲线仍具有订正前的周期性波动,波峰、波谷位置也与订正前基本一致,且绝对误差越大,订正幅度越大。个例分析也表明订正后保留了温度预报空间分布的准确性,且绝对误差有明显下降。     

Integration of synoptic and hydrodynamic monthly air temperature forecasts

The results of experiments on the integration of synoptic and hydrodynamic forecasts of monthly air temperature for the northwestern part of Eurasia for the period of 2011–2015 are presented. The comprehensive comparison of skill scores of individual and integrated forecasts is provided. It is demonstrated that during the cold season hydrodynamic forecasts have the highest skills among the other forecasts. It is revealed that empirical methods are characterized by the forecast skill increase in summer and by its decrease in winter and during the period of spring transformation of atmospheric circulation. In most cases the integration of diverse methods allows combining their benefits and improving the resultant forecast skill. The synchrony was detected in the forecast skill variations. It is shown that the forecast skill mainly depends on the persistence of macrocirculation patterns.     

Modeling monthly meteorological and agronomic frost days,based on minimum air temperature,in Center-Southern Brazil

Although Brazil is predominantly a tropical country, frosts are observed with relative high frequency in the Center-Southern states of the country, affecting mainly agriculture, forestry, and human activities. Therefore, information about the frost climatology is of high importance for planning of these activities. Based on that, the aims of the present study were to develop monthly meteorological (F _MET) and agronomic (F _AGR) frost day models, based on minimum shelter air temperature (T _MN), in order to characterize the temporal and spatial frost days variability in Center-Southern Brazil. Daily minimum air temperature data from 244 weather stations distributed across the study area were used, being 195 for developing the models and 49 for validating them. Multivariate regression models were obtained to estimate the monthly T _MN, once the frost day models were based on this variable. All T _MN regression models were statistically significant (p < 0.001), presenting adjusted R ² between 0.69 and 0.90. Center-Southern Brazil is mainly hit by frosts from mid-fall (April) to mid-spring (October). The period from November to March is considered as frost-free, being very rare a frost day within that period. Monthly F _MET and F _AGR presented significant sigmoidal relationships with T _MN (p < 0.0001), with adjusted R ² above of 0.82. The residuals of the frost day models were random, which means that the sigmoidal models performed quite well for interpreting the frost day variability throughout the study area. The highlands of Santa Catarina, Rio Grande do Sul, São Paulo, and Minas Gerais had in average more than 25 and 13 frosts per year, respectively, for F _MET and F _AGR. The F _MET and F _AGR maps developed in this study for Center-Southern Brazil is a useful tool for farmers, foresters, and researchers, since they contribute to reduce frost spatial and temporal uncertainty, helping in planning project for strategic purposes. Furthermore, the monthly F _MET and F _AGR maps for this Brazilian region are the first zoning of these variables for the country.     

谱模式中截断方式对月长期天气预报影响的数值研究

以１９９２－０４－０１Ｔ１２（ＧＭＴ）北京国家气象中心的客观分析资料为初始场,通过对比分析ＣＣＭ１（Ｒ１５Ｌ７）模式的月数值预报结果,研究了谱模式在不同截断方式下,水平分辨率及网格结构分地月长期烽值预报的影响。结果表明：虽然以上两模式具有相同的垂直结构,以及相近的高斯网格格点数和计算量,但由于Ｒ１５Ｌ７较Ｔ２１Ｌ７有更为合理的水平分辨率分布,具有由高纬长方形（长轴为南北向）经中纬正方形到低纬长方形