BP-CCA方法用于中国冬季温度和降水的可预报性研究和降尺度季节预测

使用变形的典型相关分析(BP-CCA)方法,基于交叉检验的结果建立了东亚冬季500 hPa大尺度环流和中国冬季温度、降水的最优BP-CCA降尺度预测模型,并在此基础上进行了中国冬季温度和降水的可预报性研究,表明用东亚冬季500hPa高度场降维后的大尺度环流来解释中国冬季温度,平均距平相关系数(ACC)为0.7左右,最高可达0.9,解释中国冬季降水的平均ACC为0.3左右,最高可达0.7,温度的可预报性远高于降水,且二者的可预报水平存在明显的区域差异。可预报性研究表明东亚冬季500 hPa大尺度环流异常与中国冬季温度、降水异常有密切的联系,BP-CCA方法可以很好地揭示大尺度环流与温度、降水的内在联系,并且物理意义清晰。在东亚大尺度环流系统中,东亚大槽和西太平洋副热带高压是影响中国冬季温度、降水异常的重要系统。进一步利用国家气候中心海气耦合模式(CGCM/NCC)回报和预测的500 hPa环流场和BP-CCA方法对温度和降水进行降尺度预测应用,对温度和降水的预测效果明显高于模式直接输出的结果,而且对温度预测的改善高于对降水的改善。对模式预测的环流进行EOF(经验正交函数)分析,表明BP-CCA方法对降尺度要素预报的可预报性来源于CGCM/NCC对500 hPa高度场主要大尺度特征的模拟能力较好。     

福建汛期降水主分量逐步回归预测模型研究

建立福建汛期降水量气候场的主分量逐步回归预测模型,通过预测福建汛期降水量气候场的主分量来实现对福建汛期降水量场的预测。选取北半球500 hPa高度场、太平洋海温场、北半球海平面气压场等含不同区域不同季节的诸多因子场的前若干主分量因子作为预测因子。计算分析了福建汛期降水场的主分量分布特征和分型特点。利用相关筛选和双重检验逐步回归方法,建立福建汛期降水场与多个因子场的关系,建立主分量的预测方程。通过对2012年福建汛期降水的预报,发现该模型对福建汛期降水的趋势和分布有较好的预测能力。     

基于海气耦合模式的山西省夏季降水统计降尺度预测研究

基于中国气象局国国家气候中心海气耦合模式(CGCM/NCC)预测产品和山西省50站夏季降水资料,利用典型因子回归的方法(CCA),建立了山西省夏季降水的统计降尺度预测模型。该预测模型选取了CGCM/NCC模式夏季500 h Pa高度场和海平面气压作为预测因子,分别选取了长江中下游地区和热带中东太平洋作为预报关键区。统计降尺度模型对2007~2014年山西省夏季降水的回算较模式原始结果有显著提高,除2008年外,空间距平相似系数(ACC)均通过了0.01的显著性检验,时间相关系数(TCC)在山西省大部分地区都有显著提高,最大可达0.6,降水预测(PS)评分在70分以上。检验结果显示,基于CCA降尺度方法建立的预测模型对山西省夏季降水模态预测的准确率较高且比较稳定,其预测效果远高于CGCM/NCC直接输出降水结果。     

降尺度方法在中国不同区域夏季降水预测中的应用

在中国降水气候分区的基础上,利用降尺度方法进行区域夏季降水预测(RSPP),预测模型建立的基础是寻找影响区域气候的关键因子。降尺度预测模型中使用的资料有国家气候中心海-气耦合模式(CGCM/NCC)回报资料、NCEP/NCAR再分析资料和台站观测资料。为了避免年代际变化特征对季节尺度降水预测的影响,首先对CGCM/NCC模式输出资料、NCEP/NCAR再分析资料、区域平均降水资料去除年代际线性变化趋势,即去除所有预报因子场和预报对象场的长期变化趋势。然后分别计算预报对象和模式资料的预报因子场以及再分析资料的预报因子场的相关系数,把相关系数值同时达到0.05显著性检验水平的区域平均环流特征作为预测因子,保证挑选出的预测因子既能反映实际大气中预测因子与预报对象的关系,同时又是海-气耦合模式预测的高技巧信息。利用最优子集回归作为转换函数的降尺度方法建立区域夏季降水预测模型。交叉检验和独立样本检验结果表明,文中设计的区域夏季降水预测模型对中国大部分地区的夏季降水趋势预测的准确率较高且比较稳定,其预测效果远高于CGCM/NCC直接输出降水结果。进一步对具有较高预测技巧的代表性区域的可预报性来源分析发现,物理意义明确且独立性强的预测因子有助于提高预测准确率。     

亚洲夏季风系统成员与西太平洋副高的相关特征分析

利用500hPa月平均高度距平场派生出涡度变化、经向风切变、纬向风切变等变量场。从1958～2001年6月500hPa月平均高度距平场及其派生变量场中选取预报因子,并将各个场中的因子分别作EOF分解,得到浓缩了初选因子变量大部分信息的综合预报因子,用以建立同月的广西月降水量的BP神经网络预报模型。进而利用2002～2005年月动力延伸集合预报产品及其派生变量,对广西6月降水量作BP神经网络降尺度释用预报。作为对比试验,以相同的预报量,从1957～2000年5～12月及1958～2001年1～4月500hPa月平均高度距平场中选取预报因子,并作相同处理,建立前期综合因子的广西6月降水量BP神经网络预报模型。独立样本试验结果表明,利用同期综合因子建立的BP神经网络降尺度预报模型的拟合精度优于利用前期综合因子建立的预报模型,但预报效果依赖于月动力延伸集合预报产品。     

春粮产量的MSEPx准则预报模型

使用北半球500hPa月平均网格点高度场,北太平洋海域286格点的月平均海表面温度场和经调和权重法分离后的全省春粮气象产量资料,通过对因子场和预报量之间典型相关分析,用求得的典型变量作为预报因子。应用预测均方误差MSEP_x准则建立的预报模型,作1965—1990年全省春粮产量的年景预测。结果表明,该模型的预测精度有明显提高。     

珠江流域夏半年降水的预测

采用珠江流域1954～2003年月降水资料,以及前期太平洋海温场和北半球500 hPa高度场月平均资料,利用主分量逐步回归预测模型,对该流域夏半年(4～9月)降水分布进行主分量计算和预测.结果表明:对前25个主分量的预测就能很好地预测珠江流域夏半年降水的变化,2004～2006年预测结果与实况较接近.预测因子取自500 hPa高度场和海温场的主分量,为降水的预测提供大量有用信息.该方法在实际业务中有一定的应用价值.     

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。     

Downscaling法在贵州冬季气温和降水预测中的应用

基于CGCM模式输出500 hPa位势高度场、NCEP/NCAR再分析500 hPa高度资料、贵州冬季降水和气温历史资料,利用降尺度法,对贵州冬季降水和气温预报的技巧和预测效果进行了预测试验和改进。结果表明,该方法从动力与统计相结合的角度,给出季尺度大气环流与局地降水、气温之间的关系,有明确的动力学背景和天气学意义。20年回算及两年回报试验证明了该关系的合理性;对贵州冬季降水的预测率约70%,而对气温的预测率为65%左右。另外,通过对气温反演方程订正后,其预测率达67%左右;在极端异常年,该方法对降水的预测率变幅不大,而对气温的预测效果影响极大。最后利用该方法对2005年贵州冬季降水和气温趋势进行了展望。     

基于DERF2.0产品的重庆月动力延伸期预测分析及应用

根据2015年国家气候中心实时下发的第二代月动力延伸模式(DERF2.0)逐日资料和历史回算资料,统计构建不同时间起报的月500 hPa高度场格点数据序列,针对重庆2月气温和8月降水量方差和预测难度较大的事实,分别分析2010—2014年逐年1月和7月16日、21日、26日、31日起报的2月和8月500 hPa高度场预报场与同期NCEP资料实况场的分布型。结果表明:预测效果低纬好于中高纬,8月总体好于2月;基于上述滚动的500 hPa预报场,试验了4个关键区和5种统计降尺度方法,对重庆2010—2015年2月气温和2010—2014年8月降水量进行回报预测和检验。结果表明,16日起报的模式场对2月气温有较好的参考价值,配合最好的关键区为本区上空,而降尺度方案中Lamb方法效果最佳,二者结合的预测效果最好;虽然8月降水预测效果不如2月气温,但在预测关键区取自定义关键区时,车氏方法的降尺度方案预测效果相对较好。