因子的持续和转折对我国盛夏降水预测效果的影响

由于影响我国盛夏（7—8月）降水异常的主要因子前期（或从冬季到夏季）不同的月际演变特征对其后降水异常的影响不同,所以针对影响因子的月际“持续异常”和“转折变化”对盛夏降水异常的预测方法也应该是不同的。本文以国家气候中心整理的78项月环流特征量指数和CPC/NOAA的30项指数为因子,设计了能够反映影响因子的月指数特征量“持续异常”和“转折变化”的两套影响因子库,用“滑动相关—逐步回归—集合分析”方法分别建立预测模型,改进预测方案,这样建立的统计预测模型重点考虑了前期影响因子不同的变化特征。用距平符号一致率（PSS）与空间距平相关系数（ACC）为指标,对比分析不同因子处理方案对我国160站盛夏（7—8月）降水预测效果的影响,结果显示：两种因子选择方案均具有一定的预测能力;相比之下,“转折变化”因子选取方案的预测效果更好;用单站交叉建模序列与实测序列的相关系数为指标,挑选其中相关系数更高的因子选取方案结果作为集合方案预测结果,集合方案的预测效果有进一步提高的潜力。     

用统计集合方法制作全国汛期降水滚动预测试验

以全国160站汛期(6-8月)降水量为预测量,以最新得到的74项环流特征量指数为因子,尝试制作全国160站汛期降水滚动预测.建立模型时考虑了预测量与环流特征量因子序列的显著线性变化趋势,以及预测量与环流因子之间的相关不稳定性,用"滑动相关-逐步回归-集合分析"预测方法,分别建立了2009年全国160站汛期降水量的物理统计集合分析预测模型,并进行了近10年独立样本预测试验分析.结果显示:(1)用物理统计集合分析预测方法,以最新得到的74项环流特征量指数为因子,实现了全国160站汛期降水逐月滚动预测,2009年以在5月份制作的滚动预测效果最好.(2)近10年预测试验的空间距平相关系数Acc、业务评分PS和异常级评分TS均高于国家气候中心近年汛期预测业务平均水平.经过不断改进思路和优化具体建模方案,该方法具有较高的业务应用潜力.     

基于土壤湿度和年际增量方法的我国夏季降水预测试验

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)方法建立集合预测模型,对我国东部夏季降水的年际增量进行预测,进而预测夏季降水。其中,1980~2004年的资料用于历史预测试验,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,并且对独立样本检验的效果进行了评估。结果表明,不同预测因子的组合对我国夏季降水均表现出一定的预测能力:东欧平原、贝加尔湖以北、我国河套地区及长江以南地区的土壤湿度对华北夏季降水预测效果较好;而巴尔喀什湖以北地区、我国西北地区、河套地区以及长江以南地区的土壤湿度对江淮夏季降水有较好预测效果;东欧平原、巴尔喀什湖以北地区以及我国河套地区的土壤湿度对华南降水预测技巧较高。这三组模型预测出的降水变化趋势与相应区域的观测结果较为一致,且预测评分(PS)均超过70分,距平相关系数(ACC)均为正值。研究表明土壤湿度因子中包含了对我国夏季降水有用的预测信号,可以考虑将土壤湿度应用于夏季降水的预测业务中。     

5月青藏高原上空环流与北疆夏季降水的关系

基于1961—2016年5—8月西藏高原环流指数、NCEP再分析资料和新疆96个气象观测站点的降水资料,通过相关分析和合成分析,研究了5月青藏高原上空环流与北疆夏季降水的关系,以及两者之间可能影响的物理机制。结果表明:(1)5月西藏高原环流指数Ⅰ与北疆夏季降水有较好的相关性,相关系数为0.38;(2)5月西藏高原环流指数Ⅰ的强弱变化会影响500hPa的夏季环流特征、夏季地表至300 hPa的水汽通量输送,当指数偏强时,夏季环流形势的配置和水汽输送均有利于北疆夏季降水,反之,则不利于北疆夏季降水;(3)夏季西藏高原环流指数Ⅰ和北疆夏季降水、5月西藏高原环流指数Ⅰ的关系密切,并且5月西藏高原环流指数Ⅰ和青藏高原5月、夏季的感热通量有明显的负相关,通过高原的热力持续性作用,5月西藏高原环流指数Ⅰ的强弱可以影响北疆夏季降水的多少。     

我国东南夏季干旱指数的ECC预测方法

根据中国东南夏季气温和降水显著负相关的特点,构造合适的干旱指数。选取美国NCEP／NCAR再分析月平均海表温度场、北半球500hPa高度场、亚欧大陆表面温度场作为预测因子,取由国家气象中心整理的中国160站月平均降水和温度资料计算出的东南部干旱指数作为预测对象,采用集合典型相关分析方法（ensemble canonical correlation,ECC）预测东南夏季干旱指数。预测与实况之间的空间相关性和时间相关性均表明,该方法优于单因子场典型相关分析（canonical correlation analysis,CCA）预测方法,其中采用超级集合平均法又比等权集合平均法具有更高的预测技巧。     

中国夏季月际—季节平均降水动力和统计结合实时预测模型

中国夏季降水大幅度月际尺度变化往往造成极端旱涝事件交替或转折,但其月际异常会被季节平均掩盖,影响季节尺度气候预测准确度,因此亟需考虑月际气候预测,提升月际—季节尺度气候预测准确度。本文首先采用年际增量和场信息耦合型预测方法研制中国夏季6～8月月际尺度降水动力和统计结合气候预测模型,之后根据月际尺度降水预测,开展季节平均降水预测。首先,基于前期观测信息和美国第二代气候预测系统（CFSv2）预测结果,选取前期12月观测的南太平洋中高纬关键区海温、1月北极关键区海冰密集度以及CFSv2预测系统2月起报的夏季同期关键区海温作为月际尺度降水预测因子,分别研制以上具有物理意义的单预测因子预测模型,并采用奇异值分解（SVD）误差订正方法对其改进;之后,利用多因子择优集合方案,研制预测效能较高且稳定的中国160站夏季月际尺度降水动力和统计结合预测模型,进而基于月际尺度预测开展夏季季节平均气候预测。1983～2022年夏季（6～8月）中国160站逐月降水预测模型的交叉检验结果表明：逐月回报与观测降水距平百分率的时间相关系数通过90%置信水平的站点占比分别为90%,88%,82%,多年平均的空间相关系数分...     

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。     

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。     

基于时空统计降尺度的淮河流域夏季分月降水概率预测

针对淮河流域水资源短缺、洪涝、干旱并存的问题,基于国家气候中心第二代季节气候模式的集合回报数据集(1991—2014年),建立时空相结合的统计降尺度模型,提前1—3个月预测该流域夏季分月降水,应用ROC(relative operating characteristics)评分评估比较了不同集合预测方案的预测技巧。交叉检验结果表明,样本数取18、20、22、28时,集合预测方案对3、4、5月三个起报时次预测的夏季各月降水技巧预测均高于模式预测技巧。2015—2017年的独立样本检验进一步表明该统计降尺度模型能够明显降低3月、5月起报的6月和8月的降水预测偏差。认为可尝试将该降尺度方法应用于淮河流域夏季降水预测及进一步的流域水文预测。     

基于年际增量法的中国西部山区夏季降水统计预测研究

利用中国756个站点观测数据、Nio3区海温指数和74项环流指数等资料,应用EOF分析和相关分析等方法,对中国西部山区夏季(6—8月)降水的时空分布特征及其与ENSO和大尺度环流的相关关系进行分析。结果表明,中国西部山区夏季降水与冬季(上年12月—2月)Nio3区海温具有显著的正相关关系,且两者的相关关系与月份、海拔高度关系密切,并具有年代际变化特征。西部山区降水还与春季(3—5月)西太平洋副热带高压的强度具有显著的正相关关系。将西部山区夏季平均降水作为预测量,前期冬季Nio3区海温和春季西太平洋副热带高压强度作为预测因子,分别对秦岭、巫山山区降水建立预测模型,并利用该预测模型对2009—2018年夏季降水进行独立样本回报检验,发现预测模型对秦岭、巫山山区的预测成功率分别为70%和80%,相对误差绝对值通常小于10%,预测效果良好。     

基于C4.5算法的长江中下游地区夏季降水预测模型研究及应用

为了对长江中下游夏季降水进行短期气候预测,利用国家气候中心提供的74项环流指数和NOAA整编的西太平洋型WP指数、MEI指数、ENSO指数等多种全球环流指数资料,归纳整理了影响长江中下游夏季降水的34个前期春季因子,讨论了前期春季因子与夏季降水的关系,并利用这34个前期春季因子通过数据挖掘中的C4.5算法对1951—2013年(63 a)长江中下游夏季降水,建立判别降水偏多以及偏少的两类决策树预测模型,并分别得到5条和7条综合判别规则。随机选取80%左右历史年份数据作为模型的训练集,两模型的训练集准确率分别为94.12%和93.88%,剩余20%年份数据作为模型测试集,模型的测试预测准确率分别达91.67%和85.71%。模型预测应用也显示结果正确。模型研究和应用显示,基于C4.5算法的长江中下游夏季降水预测模型具有较高的预测准确率,模型构建合理有效,判别规则依据大数据理论,广泛考虑相关因子以及因子的排列组合,智能化选择关键因子,易于客观化、自动化实施,为长江流域汛期降水的短期气候预测提供了新的思路与方法。     

甘肃省伏旱短期气候概率预测

用ＥＯＦ和ＲＥＯＦ将甘肃省信期降水分为７个区域,并在每个区域选取一个代表站,设计出既能反映伏期降水多少,又能反映伏期旱段长度的伏旱强度指数。将伏旱强度与指数与伏旱发生的概率关系起来,通过对大气环流特征指数,地面气象要素等因子的分析,利用逐步回归分析和多级逐步判别分析方法,建立了甘肃省几个代表站的伏期干旱指数和概率预测方程,提出了集成概率预测的概念,最后给出了对伏旱概念率预测进行评估一种方法。     

大洋间SST遥联与亚太夏季风异常的关系

用奇异值分解(Singular Value Decomposition,SVD)方法,给出了四季年代际和年际时间尺度上北大西洋和北太平洋海表温度(Sea Surface Temperature,SST)的显著遥相关.用SVD主模态时间系数构造了海温异常指数Ⅰ,分析了它们与同期亚太夏季风和我国东部夏季降水异常的关系.结果表明:两大洋间的SST遥联在年际、年代际时间尺度上都与亚太夏季风相关,其中,年际尺度的两大洋SST遥联与长江流域的降水存在显著相关.     

河北省塞罕坝地区气温和降水变化的环流特征及关键因子

塞罕坝地区是我国生态文明建设的典范区,本文对塞罕坝地区多年气温和降水的大尺度环流异常进行合成分析,研究其环流特征及关键环流因子。结果表明：1962-2020年塞罕坝地区气温总体呈偏高趋势,春、秋、冬季降水呈偏多趋势,夏季降水呈偏少趋势。大尺度环流背景下,各季节影响塞罕坝地区气温和降水的主要因子不同,通过挑选最优因子分析得出：塞罕坝地区受大气环流指数影响明显,春季太平洋-北美遥相关型指数（PNA）、夏季北大西洋涛动指数（NAO）、秋季西太平洋遥相关型指数（WP）、冬季高原季风指数（PMI）与该地气温和降水有较好的关系。     

支持向量机在短期气候预测中的应用

支持向量机（SVM，Support Vector Machines）是基于统计学习理论框架下的一种新的通用机器学习方法。可以解决样本空间中的高度非线性分类和回归等问题，是一种处理非线性分类和非线性回归的有效方法。气候变化诸多因子的复杂性和非线性决定了预报因子与预报对象问的非线性关系，SVM为解决短期气候预测提供了一种可行的有效途径。利用Nino区海温、南方涛动指数、副高面积指数、亚洲区极涡面积指数等15个预报因子，建立了阳泉夏季降水正、负距平的SVM非线性分类模型，同时也建立了阳泉夏季降水的SVM回归模型，并进行了相应的预报试验，结果显示，对应的SVM分类模型和回归模型均具有良好的预报能力。     

中高纬环流因子与黑龙江省初夏气候异常分析

利用1954-2010年地面气温、降水观测资料和月环流特征量、NCEP高度场再分析资料等,采用常规气候统计方法,分析了黑龙江省初夏6月气温、降水的气候特点,通过初夏6月气温、降水与北半球500 hPa高度场相关分析,建立起与中高纬度环流因子关系。结果表明：黑龙江省初夏气候异常与中高纬度环流异常有关,影响初夏气候异常的中高纬度环流因子主要有亚洲纬向环流指数,阿留申低压指数,亚洲区极涡面积指数,鄂霍次克海的阻塞高压指数等。在此基础上分析大气及中高纬度环流因子的背景,考虑外强迫因子海温的间接作用,掌握中高纬度环流因子的变化,是准确预测黑龙江省初夏气候的关键前提所在。     

梧州市夏季干旱对水稻产量影响分析

利用梧州市5个代表站1961～2008年的气温、降水资料,用降水距平百分率（R指标）的干旱等级划分方法,并引入考虑气温的P指标对干旱等级进行划分,揭示区域内夏旱发生的基本特征。结果表明：梧州夏旱频次高,夏旱存在自身的周期性和连续发生的规律,在地理分布上为中南部重于北部。并据此初步探讨夏季干旱的成因及对水稻产量的影响。     

西北偏湿背景下青海省夏季降水的统计降尺度方法研究

本文研制建立了一个预测青海省夏季降水的动力—统计相结合的组合降尺度预测方法(Hybrid Statistical Downscaling Prediction,HSDP),该方法综合利用了 气候模式 Climate Forecast System 2.0版本(CFSv2)实时预测的高可预报性环流信息及前期观测的与青海夏...