陆面热力因子应用于中国夏季降水预测的初步试验

基于对中国东部夏季降水与欧亚大陆土壤温度和全球海表温度的相关分析,选取不同关键区的土壤温度和海表温度作为夏季降水的预测因子。利用1961-1990年的资料,分别以土壤温度作为第1组预测因子,海表温度作为第2组预测因子,综合海表温度与土壤温度因子作为第3组预测因子,使用改进的典型相关分析和集合典型相关分析法对中国东部夏季降水场进行预测,建立了相应的预测模型。然后,利用1991—2010年的资料进行了独立样本预测试验。在独立样本预测试验中,综合海表温度与土壤温度因子建立的模型比只用海表温度进行预测的各项预测评分高,说明加入土壤温度因子后预测效果有所提高。基于陆面热力因子的预测模型对夏季降水有一定的技巧,而综合海温与陆面热力因子的预测模型对中国东部夏季降水有较高的预测能力。     

春季海温对中国夏季降水影响的诊断研究和预测试验

文中利用季降水异常集合的典型相关预测模式 ,以全球春季 (3～ 5月 )海温场作为因子场 ,对中国夏季降水场进行了诊断研究 ,并对 1998,1999及 2 0 0 0年这几个典型的中国夏季降水进行了回报试验。结果表明 ,春季海温与中国夏季降水之间存在较好的关系 ,春季海温在较大程度上决定了中国夏季降水雨带及其分布类型。考虑面积因子的集合典型相关预测方案对中国夏季降水具有较强的回报能力 ,此模式不仅能诊断出降水场和海温场中一些比较典型的空间模态和时间变化规律 ,而且可以再现 1998和 2 0 0 0年中国大部分地区的旱涝灾害。揭示了全球春季海温的异常变化在中国夏季 (6～ 8月 )降水异常中的作用。     

中国冬季气温的集合典型相关分析和预报

以欧亚大陆地面温度、北半球500 hPa高度、热带印度洋SST(sea surface temperature)以及北太平洋SST为预报因子,通过典型相关分析(canonical correlation analysis,简称CCA)建立预报关系,然后用集合典型相关分析预报(ensemble canonical correlation prediction,简称ECC)方法预报中国冬季气温,并分析预报技巧及进行独立样本检验.结果表明,不同的预报因子对各个地区有不同的预报技巧,以欧亚大陆地面温度为预报因子预报技巧较高,而ECC模式对中国冬季气温有更好的预报能力,预报技巧高于任何一个单因子场的CCA预报;采用回归法的集合平均比简单的等权集合平均预报技巧更稳定.     

不同区域海温异常对中国夏季旱涝影响的诊断研究和预测试验

利用季降水异常的典型集合相关预测模式, 研究了前期和同期不同季节全球海表温度距平场与中国夏季旱涝的遥相关分布特征以及这种相关型随季节的变化, 揭示了全球海温的异常变化在中国夏季旱涝中的信号特征.研究表明, 全球不同区域海温对我国夏季降水的影响存在着明显的季节差异.全球特定的海温分布可以作为中国夏季旱涝预报的信号因子.选取不同区域及不同时段的海温场作为因子场分别对1998、 1999年这两个典型年份的我国夏季降水进行了诊断研究和预测试验, 并通过不同区域海温的影响权重做集成预测.试验结果表明:不同区域海温的集成预测不仅可以有效地提高预测的准确性, 而且可以揭示不同时段不同区域海温的异常变化在夏季旱涝中的强信号现象.     

ECC方法在中国夏季气温预测研究中的应用

以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。     

我国夏季降水与前期太平洋海温场关系的典型相关分析

对太平洋海温场与我国夏季降水之间的典型相关分析表明,海温场第一典型分布型的季节变化为：秋季东南高西北低、冬季东西低中间高、春夏季西北高东南低。典型主分量的时间变化规律清楚地反映出ＥｌＮｉｎｏ的演变过程。用ＣＣＡ短期气候预测模型对我国夏季降水的预报试验结果显示,我国的降水对因子场的响应存在明显的地区性差别,且预报效果同各区降水指数与典型主分量相关性的高低关系密切。     

四川主汛期降水与西风环流指数的典型相关分析

在气候变化研究中，存在着大量两个变量场之间的相关问题。本文利用场相关理论分析了四川6—8月降水场与16个环流指数的相关关系得到一些有意义的结果1）1—5月的环流因子中，亚洲经向环流指数、西太平洋副高脊线、北半球极涡中心强度是影响四川汛期降水的最显著因子2）1—5月环流指数对四川夏季降水空间分布的影响主要是东西振荡分布3）四川主汛期降水变化的敏感点在康定、雅安和广元、内江4）4月西太平洋副热带高压脊线西伸明显，汛期川西北产生多雨，5月西太平洋副热带高压脊线偏北西伸，则汛期川南多雨6）亚洲经向环流对四川降水的影响主要是一致性分布，而且在相关性上主要是正相关7）前期（1—5月）环流指数与夏季降水场的相关关系中，4月和5月的典型变量时间序列存在11年的周期，其余都无周期。     

用前期大气环流指数预测新疆北部夏季降水的探讨

用1961-2007年新疆北部29站夏季(6-8月)降水资料,计算得到北疆夏季降水指数.以前期的月环流指数为因子,考虑相关系数的不稳定性,用滑动相关法初选因子,采用两级逐步回归的集合方案,尝试对北疆夏季降水指数进行预测.总样本数为47时,北疆夏季降水指数的拟合(预测)序列与原始序列之间的相关系数为0.7248.另外建立了10种不同总样本数的预测模型.经综合分析比较,以最终的统计集合预测效果最好,预测2008年北疆夏季降水将偏少,降水指数为106.9.结果表明:(1)滑动相关-逐步回归-集合预测方法以及在此基础上建立的统计集合预测模型具有一定的预测能力;(2)相关分析与时间序列分析相结合的思路和方法,可在季节、月等不同时间尺度的短期气候预测业务中应用.     

前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估

基于中国587站日最高、最低气温观测资料、月平均的ERA_interim土壤湿度（Soil Moisture,SM）再分析资料及扩展重建的海表面温度（Sea Surface Temperature,SST）资料（ERSST）,对极端气温指数进行了定义,利用变形的典型相关分析和集合典型相关分析方法（Ensemble Canonical Correlation,ECC）,分析了1979-2009年我国夏季极端气温与前期（春、前冬）SM、SST间的线性联系,建立了中国夏季极端气温预测模型,并对独立样本检验的效果进行了评估。结果表明：1）与中国夏季极端气温联系密切的前期SST异常的空间分布为类PDO（Pacific Decadal Oscillation）型,前期土壤湿度异常的区域为华南、青藏高原、东北和西北地区。2）交叉检验结果表明基于前冬预测因子的极端气温预测模型技巧高于春季,基于SM的极端气温预测模型技巧高于SST。3）独立样本检验表明基于前期SM、SST的ECC模型对中国东部夏季极端气温有一定的预测能力。因此,可以在夏季极端气温的预测业务中考虑前期SM、SST的影响。     

不同季节海温与中国夏季降水的时空特征分析

利用季降水异常的典型集合相关降水模式，分析了不同时段和不同区域的海温场与我国夏季（6～8月）降水之间的时空分布特征。结果表明：各大洋区海温存在着明显的季节、年际和年代际变化。与中国夏季降水相联系的印度洋海温的分布特征与季节有关，存在明显的偶极和单极分布形式，这种海温的异常变化对我国夏季纬向或经向雨带有一定的影响，全球特定的海温分布可以作为中国夏季旱涝预报的信号因子。不同季节海温和中国夏季降水在1970年代末都经历了一次突变，说明海温的季节差异对中国夏季降水的影响明显地受到海洋年代际基本态的制约。     

热带印度洋-太平洋热力异常联合模对我国夏季降水的影响

基于我国160个台站的降水资料和西太平洋副热带高压指数,利用典型相关分析和合成分析等方法,研究了热带印度洋-太平洋热力异常联合模对我国夏季降水的影响,并探讨了该联合模与西太平洋副热带高压的关系。结果表明,该联合模对我国夏季降水有一年到半年的超前影响,且以冬季联合模对次年夏季降水的影响最显著。当冬季联合模出现正异常时,次年夏季我国四川地区、长江流域、华北南部降水偏多,而华北北部和江南大部分地区降水偏少;反之亦然。进一步分析表明,冬季热带印度洋-太平洋热力异常联合模对我国夏季降水的影响可能是通过夏季西太平洋副热带高压的变动来实现的。     

干旱指数在山西逐日监测中的适用性研究

综合气象干旱指数(CI)和标准化降水指数(SPI)在逐日监测中往往会出现干旱突然加重的现象,这是由于某时段内每日降水量对当前干旱的发展贡献是等权重的。本文基于线性递减非等权重的方法对CI进行了修正,同时对加权降水量(WAP)进行了标准化(Standard WAP Index,SWI)。以山西为例,通过对比CI修正前后,即CI和CI_new(CI修正后),与SPI和SWI在不连续加重现象(UED)的总体分布、典型事例干旱演变特征以及与土壤湿度相关性等方面的差异,分析了4种干旱指数对山西逐日干旱演变的监测能力。结果表明:1)CI_new出现UED的次数较CI有了明显下降,SWI出现UED的次数也比SPI有了大幅的减少,且SWI在这4种指数中是出现UED次数最少的指数;2)CI_new和SWI较CI和SPI与同期土壤湿度的相关性均有所提高,表明修正后的CI_new和SWI更加符合土壤湿度的变化,更能反映土壤干旱的演变规律。针对干旱发展过程中不连续加重的现象,通过非等权重方法有效地减少了该现象的发生。     

南海地区潜热输送与长江流域夏季降水的关系

利用美国NCEP的1958--2006年高斯网格月平均再分析资料,以及国家气象中心的全国160站1958—2006年月平均降水资料,使用奇异值分解（SVD）方法,分析了南海及周边地区（简称南海地区,0°-20°N、100°-125°E）夏季潜热输送和长江流域夏季降水的相关关系。结果表明,南海地区夏季潜热输送与长江流域夏季降水呈显著负相关,显著相关的区域分别是南海中部和长江以北的川北、陕南地区以及以南的东部地区,潜热输送和降水都在20世纪70年代中期出现突变。典型旱、涝年潜热通量合成分析表明,南海中部潜热输送与降水也呈明显的负相关。     

基于土壤湿度和年际增量方法的中国夏季气温预测试验

本文利用中国160站月平均气温资料和欧洲中心ERA-Interim逐月再分析表层土壤湿度资料,通过相关分析选取欧亚大陆9个关键区的土壤湿度年际增量作为预测因子,采用变形的典型相关分析(BP-CCA)结合集合典型相关分析(ECC)的方法建立集合预测模型,对我国东部夏季气温年际增量进行预测,进而预测夏季气温。其中,1980—2004年的资料用于历史拟合试验,而2005—2014年的资料用于独立样本预测试验。首先利用BP-CCA方法对9个因子分别建立单因子预测模型,然后采用ECC方法对9个预测因子按照不同的组合方式建立集合预测模型,并且分析预测技巧。结果表明,不同预测因子的组合对我国夏季气温的预测能力不同:勒拿河下游地区、中国黄河以南地区、叶尼塞河下游地区、西西伯利亚平原地区以及印度半岛西北部地区的土壤湿度对华北夏季气温预测效果较好;中国黄河以南地区、叶尼塞河下游地区、印度半岛西北部地区、贝加尔湖东北地区以及贝加尔湖以西地区的土壤湿度对江淮夏季气温有较高预测技巧。所建立的两组集合预测模型均显示了较好的实际预测能力:华北气温预测模型预测气温距平的同号率为8/10,平均均方根误差为3.4%;江淮气温预测模型预测气温距平的同号率为7/10,平均均方根误差为2.7%。并且两组模型预测出的华北和江淮气温的预测评分(PS)均超过80分,而国际上通用的距平相关系数(ACC)均在0.3以上。这说明土壤湿度因子中包含对我国夏季气温有用的预测信号,可以考虑将土壤湿度应用于夏季气温预测业务中。     

赤道太平洋对流活动异常对我国夏季降水和气温的影响

利用月平均ＯＬＲ、降水和气温资料,研究了ＥＮＳＯ期间赤道太平洋对流活动与我国夏季降水和气温的关系。结果表明：春季、夏季中、西太平洋对流活动异常与我国夏季江淮地区的降水有密切关系;春季和前一年冬季西太平洋对流活动异常与东北地区夏季降水有显著相关。前一年冬季中、西太平洋对流活动异常与我国降水的显著相关区是不同的,前者为华南、西南地区,后者为东北至内蒙古一带。气温与同期中、西太平洋对流活动的相关不显著。