应用非线性振荡理论研究云南局地气温的演变规律

将描述局地气温变化的非线性振荡方程应用到云南省17个测站局地气温演变研究中,根据各测站1958年1月—2000年12月逐旬气温距平资料和反演理论获得具体描述各测站局地气温变化的非线性振荡方程。以经典非线性振荡理论为依据,研究了云南省17个测站的局地气温演变规律。结果表明,云南局地气温系统是弱的非线性系统;其演变的固有周期大致在6～10旬之间;在无外源强迫的条件下,云南局地气温振幅随时间增加总是衰减;考虑外源强迫的作用后,云南局地气温系统在其演变过程中只随外源强迫的振荡而振荡。应用反演获得的描述各测站局地气温变化的有外源强迫非线性振荡方程做出未来云南局地气温演变趋势预报,其平均预报准确率约为78．9％。说明该模型具有良好的预报能力和预报稳定性。     

青藏铁路沿线地面气温演变的非线性振荡规律研究

将描述局地气温变化的非线性振荡方程应用到青藏铁路沿线9个测站(安多、当雄、托托河、班戈、格尔木、那曲、西宁、拉萨及五道梁)局地年气温演变研究中，根据各测站1966—1997年逐年年气温距平资料和反演理论获得具体描述各测站局地气温的非线性振荡方程。在不考虑外源强迫项的情况下，以经典非线性力学理论为依据，研究青藏铁路沿线9个测站的气温演变规律。结果表明，青藏铁路沿线9个测站局地气温系统是明显的非线性系统，其演变周期大致在3～6年之间，气温振幅随时间增加而衰减。其平均预报准确率为75．4％，有较好的预报能力。     

一种非线性动力统计模型及其预报试验

在引入样条函数的基础上,设计了一种新的非线性动力统计模型及其一整套反演方案,并用由昆明和蒙自逐月雨量和温度构成的局地气候系统对此模型进行了检验。计算结果表明：（1）无论是在拟会历史气候的变化方面,还是在预测未来气候的变化方面,此模型均具有较高的精度;（2）此模型具有良好的稳定性,历史气候变化的拟合精度和未来气候变化的预测精度相差较小。     

对流模型在昆明地区降水演变规律中的应用

从描述局地降水距平率系统的对流方程和实际气象观测资料出发,导出并反演了描述昆明局地降水距平率系统的非线性振荡方程.根据非线性振荡理论和昆明地区的非线性振荡方程研究了昆明地区降水距平率系统演变的非线性特征及其演变规律.结果表明昆明局地降水距平率系统为一正阻尼的弱非线性振荡系统,其演变的固有周期为6.5旬,在不受外力强迫作用下,将逐渐趋向于一稳定结点a1(0,0);在存在外力强迫作用下,定性分析表明,昆明局地降水距平率系统在其演变过程中将随外源强迫的振荡而发生振荡.     

动力延伸预报产品在辽宁短期气候预测中的释用

基于1961～2000年辽宁53个测站40 a逐年的月气温距平和月降水距平百分率资料,根据EOF(经验正交函数)展开的空间特征向量分布特征,将前3个主要特征向量时间系数作为预报量,将500 hPa高度场的高度距平、地转涡度作为预报因子,利用多元统计回归分析,建立了一套定点、定量预测辽宁各月气温与降水量的数学模型。利用该模型对2001~2005年辽宁53个测站的月气温距平和月降水距平百分率进行逐月预报试验。结果表明:对气温和降水量的趋势预报的评分均比较好,有87%以上的月气温距平预测结果的评分超过66.0分,各月的平均Ps评分均高于66.0分,年平均为75.5分或以上,总平均为83.1分;有70%的月降水距平百分率预测结果的Ps评分超过60.0分,各月的平均Ps评分都高于53.0分,年平均为58.0分以上,总平均为66.5分。但对异常气候的预测效果不明显。     

热带气旋的路径及登陆预报

用几个非线性数学模型制作热带气旋短期路径预报及热带气旋个数、登陆时段、地段的短期气候预报。5年多的研究和预报试验结果表明：用指数曲线模型制作热带气旋路径预报，准确率较高。24h预报，199次平均误差123km，达到国内先进水平。用多项式等非线性模型，制作登陆我国及登陆广东热带气旋的年、月个数预测，经过3年实际应用检验，准确率达到70％～90％。用非线性预测模型的逐日气压场、逐日雨量场长期预测结果进行分析，制作广东热带气旋登陆时段、地段和南海海面热带气旋出现时间的预报，准确率达到70％～80％，2002年热带气旋的预报，采用长中短期预报相结合，数值预报与统计预报相结合，预报效果较佳。     

湖北省月雨量的相空间投影预报法

考虑到气候系统的非线性特性及有关变量之间的物理关系，应用相空间投影技术来制作月雨量预报。试验表明：该技术对月雨量距平百分率预报的符号相关准确率可达63．8％，对目前的日常长期预报有一定的参考意义。     

月动力延伸预报产品在三峡工程建设服务中的应用

用3种客观评分方法对国家气候中心为三峡库区提供的月动力延伸预报产品（500hPa位势高度场）进行了全面评估，结果表明，延伸预报月平均环流场预报准确率明显高于持续性预报和气候预报，有一定的预报技巧，对三峡工程气象服务有参考价值，从动力统计相结合的角度出发，利用推导的月降水距平与月环流场的关系，建立了三峡库区代表站点月降水距平预报议程，利用月动力延伸预报的500hPa高度场和实际降水场资料反演出月降水距平预报方程的系数，经过1999年降水预报试验，证明效果较好。     

云南降水正态分布特征的初探

利用适合性检验方法，对云南省125个测站1961年一2000年40a逐月降水资料是否符合正态分布进行了检验，并对云南降水正态分布做了区划。研究结果表明，云南在雨季(5—10月)通过显著性检验的测站数明显少于干季(11一次年4月)通过显著性检验的测站数，其中8月份仅4站次通过显著性检验，而12月份高达97站次，占全省总站次的77．6％；即云南雨季降水多符合正态分布，而在于季多符合非正态分布，8月份几乎全省符合正态分布，而12月份大部份测站都不符合正态分布。云南降水量的正态统计分布一方面具有一定的区域性特征，另一方面又具有较强的局地性，不同的月份同一测站降水量的正态性不同。因此，在做有关降水量的分析预报时，很有必要考虑其正态性的统计分布特征。     

有效位能和冷空气活动与台风暴雨增幅的研究

以昆明近百年月雨量时间序列为样本,进行了月雨量的可预报性试验,通过估算和１２年共１４４次的独立预报试验,我们得出：在适当的预报精度的要求下,月雨量的可预报时间尺度约为５个月,于适当嵌入的相空间维数ｍ和在一定的提前预报时间尺度Ｔ内,对月雨量的距平符号预报准确率可达６０％,对于雨季（５－１０月）则可达到６５％。     

集合预报产品释用方法的研究

提出一种动力与统计相结合的集合预报产品的动力统计释用方法，该方法从大尺度大气动力学方程组出发，考虑中期旬尺度的大气环流特征，采用简单的斜压模式，推导出旬降水距平百分率与旬环流形势场的关系，从而建立了旬降水距平百分率预报方程，与相当正压的月降水距平百分率预报方程相比，更符合常规天气预报业务中对实际大气的动力学和天气学意义的考虑，试报结果表明，动力与统计相结合的方法对旬尺度动力延伸集合预报产品的释用具有明显的效果。     

基于季节内振荡的延伸预报试验

2～4周的延伸预报是近年来国际上天气和气候业务预报发展的一个重要方向。本文以江淮梅雨区降水为例, 在利用集合经验模态分解 (EEMD) 及多变量EOF方法获取梅雨区降水及其影响系统低频信号的基础上, 采用最优子集回归方法、 经验波传播 (EWP) 方法及全球海气耦合模式产品, 对梅雨季节内演变的延伸期预报方法进行了预报和试验, 以期为建立延伸期预报业务提供科学依据。试验结果表明: (1) 大气季节内振荡对梅雨区降水的延伸预报具有重要的应用价值, 可能是联系天气过程和异常的重要系统。(2) 通过EEMD方法提取前期降水演变及影响因子的季节内振荡信号, 采用最优子集回归统计学方法对梅雨区逐候降水量演变进行超前30天预报是有可能的。(3) EWP经验动力方法对热带ITCZ活跃异常的未来40天东传可能具有较好的预报效果, 还可能较好地预报出延伸期的梅雨区风场距平演变, 具有一定应用价值。(4) 全球海气耦合动力模式输出产品在延伸期环流形势趋势预报及20天左右的MJO指数预报方面有一定的参考价值。     

一种基于全球动力模式和SMART原理结合的统计降尺度区域季节气候预测方法

针对江苏夏季旱涝和高温热浪等异常气候的预测难题，以江苏夏季站点降水和气温为预测目标，建立了一种基于全球动力模式BCC_CSM1.1（m）和最优可预测气候模态和异常相对倾向（SMART）原理结合的统计降尺度季节气候预测方法。利用历史观测资料和SVD方法提取决定中国夏季降水异常相对倾向的同期热带地区向外长波辐射（Outgoing Longwave Radiation，OLR）和北半球中高纬500 hPa位势高度场异常相对倾向的最优可预测气候模态，并利用逐步回归法构建其与同期江苏站点降水和气温异常相对倾向同期关系的统计降尺度模型；将动力模式对最优可预测气候模态的预测带入统计降尺度模型，实现对区域降水和气温异常相对倾向的预测；最后通过引入观测的近期背景异常实现对降尺度的降水和气温总距平的预测。通过对1991—2019年江苏夏季降水和气温的回报检验表明，本文建立的统计降尺度模型效果较BCC_CSM1.1（m）动力模式的直接预测效果有显著提高，为区域精细化季节气候预测提供了一种有效的手段。     

动力延伸预报产品释用方法的研究

目前以数值形势预报为基础的动力产品释用方法主要有模式输出统计法（ＭＯＳ）和完全预报方法（ＰＰＭ）。由这两种方法建立的预报方程缺乏明确的物理意义,所以文中提出了一种动力与统计相结合的方法。该方法从大尺度大气动力学方程组出发,推导出月降水距平百分率与月环流场的关系,从而建立了月降水距平百分率预报方程,随后利用月动力延伸预报的５００ｈＰａ高度场和实际降水场资料反演出月降水距平百分率预报方程的系数。该方程经过独立样本检验,表明这种方法对利用动力延伸集合预报的环流形势作月降水距平预报具有一定的能力。     

动力延伸预报产品在东北地区月尺度气候预测中的释用及评估

针对东北地区53站的降水距平百分率和温度距平这两个基本业务要素,运用李维京等在1999年提出来的动力统计相结合和典型相关回归这两种方案,对国家气候中心T63动力延伸集合预报的500hPa月平均高度距平进行释用,对释用结果采用PS评分和同号率进行预测效果评估．结果表明：这两种方法有较好的应用价值。     

我国地面降水的分级回归统计降尺度预报研究

利用TIGGE资料中欧洲中期天气预报中心(ECMWF,the European Centre for Medium-Range Weather Forecasts)、日本气象厅(JMA,the Japan Meteorological Agency)、美国国家环境预报中心(NCEP,the National Centers for Environmental Prediction)以及英国气象局(UKMO,the UK Met Office)4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为"观测值",对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。     

Intrinsic mode functions and a strategy for forecasting Indian monsoon rainfall

Summary Indian monsoon rainfall data is shown to be decomposable into six empirical time series, called intrinsic mode functions. This helps one to identify the first empirical mode as a nonlinear part and the remaining as the linear part of the data. The nonlinear part is handled by artificial neural network (ANN) techniques, whereas the linear part is amenable for modeling through simple regression concepts. It is found that the proposed model explains between 75 to 80% of the interannual variability (IAV) of eight regional rainfall series considered here. The model is efficient in statistical forecasting of rainfall as verified on an independent subset of the data series. It is demonstrated that the model is capable of foreshadowing the drought of 2002, with the help of only antecedent data. The statistical forecast of All India rainfall for the year of 2004 is 80.34 cms with a standard deviation of 3.3 cms. This expected value is 94.25% of the longterm climatic average.     

Recent Advances in Predictability Studies in China （1999-2002）

Since the last International Union of Geodesy and Geophysics (IUGG) General Assembly (1999), the predictability studies in China have made further progress during the period of 1999-2002. Firstly, three predictability sub-problems in numerical weather and climate prediction are classified, which are concerned with the maximum predictability time, the maximum prediction error, and the maximum allowable initial error, and then they are reduced into three nonlinear optimization problems. Secondly, the concepts of the nonlinear singular vector (NSV) and conditional nonlinear optimal perturbation (CNOP) are proposed,which have been utilized to study the predictability of numerical weather and climate prediction. The results suggest that the nonlinear characteristics of the motions of atmosphere and oceans can be revealedby NSV and CNOP. Thirdly, attention has also been paid to the relations between the predictability and spatial-temporal scale, and between the model predictability and the machine precision, of which the investigations disclose the importance of the spatial-temporal scale and machine precision in the study of predictability. Also the cell-to-cell mapping is adopted to analyze globally the predictability of climate,which could provide a new subject to the research workers. Furthermore, the predictability of the summer rainfall in China is investigated by using the method of correlation coefficients. The results demonstrate that the predictability of summer rainfall is different in different areas of China. Analysis of variance, which is one of the statistical methods applicable to the study of predictability, is also used to study the potential predictability of monthly mean temperature in China, of which the conclusion is that the monthly mean temperature over China is potentially predictable at a statistical significance level of 0.10. In addition,in the analysis of the predictability of the T106 objective analysis/forecasting field, the variance and the correlation coefficient are calculated to explore the distribution characteristics of the mean-square errors.Finally, the predictability of short-term climate prediction is investigated by using statistical methods or numerical simulation methods. It is demonstrated that the predictability of short-term climate in China depends not only on the region of China being investigated, but also on the time scale and the atmospheric internal dynamical process.