场对场预报模型及其对降水的预报试验

用经验正交函数对预报因子场和预报对象场分别进行分解，将正交展开的时间系数作为预报因子和预报对象，提出了一种场对场预报模型，该模型考虑了预报系统的时变性，并利用云南５月份的雨量资料进行了预报试验。结果表明，用这种模型作区域性降水预报有一定的优越性。     

一种场对场的复合门限统计预报模型及其应用

本文根据对数据总体非线性特征可用逐段线性化来逼近的原理，同时在考虑预报系统中预报对旬场和预报因子场的整体性和突跳性的基础上，获得一种场对场的复全门限统计预报模型。应用该模型对具有明显突跳性的云南五月雨量场进行必预报，结果较为理想。     

SVD方法在场分析和预测中的应用

由预报场与因子场的奇异值分解（SVD），可找到影响预报场的主要物理因子，能提取两个场相互作用的主要耦合信号，借助最优化技术，可实现由因子场对预报场的客观预报，以华中汛期降水场为左场，4月北半球500hPa高度场，海平面气压场，北太平洋海温场组成右场，进行SVD分析和预报试验，其结果令人满意。     

前期高度场和海温场变化对贵州冬季冻雨的影响

基于1962~2008年贵州84站冬季冻雨日数、前期北半球500h Pa高度场和西北太平洋海温场资料,利用秩序量三因子最佳子集回归法,开展前期高度场和海温场变化对贵州冬季冻雨的影响分析。结果发现:前期两个场共同作为预报因子比把其中某场单独作为预报因子的相关要好,预报因子最佳时段为同年的4~7月,并存在着较好的"跨季度相关"现象。影响贵州冬季冻雨的最佳预报因子主要集中于高度场和海温场具有重要天气气候意义的关键区域,如暖池附近以及北美洲东北部等区域。     

广东冬季水资源的预测和因子背景场分析

为预报广东冬季水资源量,利用500hPa高度场和太平洋海温场作为气候变化的相关因子场,并应用了主分量逐步回归预测模型进行了计算。利用各标准化主分量的预测结果,按照主分量逐步回归模型进行回算得到预测场。结果表明,2004年和2006年预测结果与实况比较相似;2005年冬季水资源预测值和实测值分布相差较大。为了分析预测因子的影响,对进入广东冬季水资源场前4个主分量预测方程的因子进行分析,并对个别关键因子的背景场做了细致的研究。     

热带气旋路径客观预报的若干问题

对多时刻环境因子与热带气旋路径相关的统计分析表明，初始时刻环境场因子对热带气旋路径的预报能力随预报时效的增长而下降；未来时刻环境因子的预报能力高于初始时刻环境场因子；对于一定预报时效的热带气旋路径，具有较高预报能力环境场因子出现时刻大多不与预报时效同时刻；对于４８￣１２０小时的预报时效，初始时刻后４８－７２小时的环境场因子具有较高的预报能力。对ＮＷＰ产品进行统计释用的热带气旋路径预报模式优于用初如     

逐步引进因子场作相似预报

首先通过数学模型计算出不同样本之间的气象因子场的相似系数和表征气象因子场与天气现象之间关系的相关特征量 ,然后用相似系数和相关特征量作参数 ,以预报拟合率为判据 ,逐个引进因子场 ,组建出最优相似预报方程 ,最终作出准确率较高的客观要素预报。     

前期高度场和海温场变化对我国汛期降水的影响

利用1952～2001年我国160个测站汛期降水和前期500 hPa高度场和太平洋海温场资料以及三因子最佳子集回归求最大复相关系数的方法,把前期不同时间步长、不同时段的高度场和海温场同时作为预报因子与汛期降水求相关.结果发现:前期两个场共同作为预报因子比把其中某场单独作为预报因子的相关要好.并且存在着较好的"隔多季度相关"现象.预报因子具有实际预报意义的最佳时段为上一年的6～9月.影响我国汛期降水的最佳预报因子主要集中于高度场和海温场具有重要天气气候意义的关键区域.汛期降水可预报性在北方和长江以南均较好.     

支持向量机(SVM)及其在场预测中的应用

介绍一种新的非线性回归分析方法--SVM回归.利用EOF能分解数据场和SVM回归分析可建立因子与预报量非线性关系的优势,设计预报方案：（1） 将因子场和预报场分别用方差标准化、EOF场展开,提取两场时间系数;（2） 用SVM回归分析实现因子场时间系数对预报场时间系数非线性预测;（3） 由预测的预报场时间系数与对应空间函数反演原场.用交叉检验的方法,对1960～2003年1月热带海表温度场预报汛期（6～8月）华中区域降水场进行试验.SVM回归44年独立预报平均技巧评分10.4%,较随机预报具有明显的技巧水平,优于经典回归.     

影响相似预报效果的几个因素

本文提出了相似预报中应注意的几个问题，利用3月份降水的预报试验结果，讨论了因子场数、资料范围、样本长度等对相似预报效果的影响，并提出了改进方法。     

Ensemble Prediction of Monsoon Index with a Genetic Neural Network Model

After the consideration of the nonlinear nature changes of monsoon index,and the subjective determination of network structure in traditional artificial neural network prediction modeling,monthly and seasonal monsoon intensity index prediction is studied in this paper by using nonlinear genetic neural network ensemble prediction（GNNEP）modeling.It differs from traditional prediction modeling in the following aspects： （1）Input factors of the GNNEP model of monsoon index were selected from a large quantity of preceding period high correlation factors,such as monthly sea temperature fields,monthly 500-hPa air temperature fields,monthly 200-hPa geopotential height fields,etc.,and they were also highly information-condensed and system dimensionality-reduced by using the empirical orthogonal function（EOF）method,which effectively condensed the useful information of predictors and therefore controlled the size of network structure of the GNNEP model.（2）In the input design of the GNNEP model,a mean generating function（MGF）series of predictand（monsoon index）was added as an input factor;the contrast analysis of results of predic- tion experiments by a physical variable predictor-predictand MGF GNNEP model and a physical variable predictor GNNEP model shows that the incorporation of the periodical variation of predictand（monsoon index）is very effective in improving the prediction of monsoon index.（3）Different from the traditional neural network modeling,the GNNEP modeling is able to objectively determine the network structure of the GNNNEP model,and the model constructed has a better generalization capability.In the case of identical predictors,prediction modeling samples,and independent prediction samples,the prediction accuracy of our GNNEP model combined with the system dimensionality reduction technique of predictors is clearly higher than that of the traditional stepwise regression model using the traditional treatment technique of predictors,suggesting that the GNNEP model opens up a vast range of possibilities for operational weather prediction.     

诊断分析在数值预报产品释用中的探讨

针对地方性天气预报特点，根据现有数值预报产品及实时探空资料的接收情况，作者利用中尺度数值预报模式ＭＭ４引入中尺度信息，提出一个实际可行的夏季降水预报方案，以求提高区域范围内具有明显突发性对流降水的预报能力。作法是用ＭＭ４模式计算逐日物理量诊断场，加入同期的欧洲中心数值预报产品，共计４１个场作为预报因子场；应用典型相关分析法，并结合逐步判别和逐步回归法，计算得出９个分区和８个单站中雨以上降水预报方程。降水预报方程的因子变量多数为中尺度诊断分析场构成的典型团子，可以认为，ＭＭ４模式计算得出的中尺度信息对预报中雨以上降水是有贡献的。     

诊断分析在数值预报产品释用中的探讨

针对地方性天气预报特点，根据现有数值预报产品及实时控空资料的接收情况，作者利用中尺度数值预报模式ＭＭ４引入了中尺度信息，提出了一个实际可行的夏季降水预报方案，以求提高区域范围内具有明显突发性对流降水的预报能力。     

基于偏最小二乘法的前汛期月降水量预测方法

采用偏最小二乘回归建立了前汛期(4-6月)月降水量的预测模型,其中模型的输入因子是通过对3个前期月平均物理量场(海温场、500 hPa温度场和200 hPa高度场)大量的场相关因子采用系统降维的处理方法获得.为实现同时对多个站点的月降水量预测,将多站点的月降水量预测转换成多站点气候场的主分量预测,进一步利用气候场特征向量的近似不变性进行回算,从而得到多站点的逐站月降水量预测结果.对广西37个基本站的前汛期月降水量进行了6年独立样本检验,其预报结果显示该模型具有较好的预报能力.     

A STATISTICAL MODEL FOR PREDICTION OF INTENSITY AND FREQUENCY OF TROPICAL CYCLONES MAKING LANDFALL ON CHINA

Based on NCEP/NCAR reanalysis data and Yearbook of China landfalling tropical cyclones(hereafter CLTC) from 1949 to 2008,correlation between CLTC frequency/intensity and 500 hPa height field and sea surface temperature(SST) fields are investigated and employed for TC statistical prediction.A prediction model for yearly and monthly intensity and frequency of CLTC is established with binomial curve fitting by choosing the gridpoints with high correlation coefficients as composite factors.Good performance of the model in experiments shows that the model could be used in routine forecast.     

区域中尺度模式对西南地区一次强降水过程的预报分析

为了认识区域数值模式对西南地区降水预报能力,探索降水预报误差原因,本文应用MICAP资料,NCEP再分析资料,FY-2E辐射亮温资料,自动站资料,西南涡加密观测资料等,针对2012年7月2～5日西南地区一次强降水过程,分析了西南区域中心运行的WRF模式和GRAPES中尺度模式的预报能力,得到：（1）两模式不同程度反映了本次强降水过程.相对而言,WRF模式的预报略好于GRAPES,得益于WRF模式对对流层中低层温度、水汽、流场等演变的较好反映.（2）两模式预报对流层中低层温度偏差总体呈现正偏差,GRAPES模式呈现较大的温度偏差,正偏差特征更显著.两模式不同程度出现空报降水,特别是在高原东南坡.GRAPES模式空报雨区特征更明显.（3）两模式预报近地层湿度较实况大,都预报高原南坡,特别是高原东南坡风场辐合、水汽场辐合偏强,可能是造成虚假降水的主要原因.（4）较实况,WRF模式预报对流层高层的高压和对流层中低层的低压系统偏强,GRAPES模式预报西南低空急流偏强（可能是引起温度正偏差的原因）,两个模式预报的对流层正涡度较深厚,辐合上升运动强,这些可能是造成降水预报偏差的原因.     

基于组合统计降尺度的华西南部地区冬季气温预测技术研究

利用1982—2017年华西南部地区冬季气温和NCEP再分析资料以及CFS模式实时预测资料，通过SVD诊断分析，选取影响华西南部地区冬季气温的同期关键区大气环流和前期海温及OLR因子场，建立预测与观测场相结合的组合统计降尺度预测模型。该统计降尺度预测模型对1982—2017年的回报结果显示：与观测场的空间相关系数较CFS模式原始预测结果有显著提高，多年均值从-0.06提升到0.38，最高可达0.85。同时，此降尺度预测模型可较好地回报出华西南区冬季气温的空间分布型。     

华南暖区暴雨预报的模式初始场质量敏感性分析北大核心

本文利用高分辨率中尺度数值预报模式WRF和两组再分析资料,在研究不同模式初值对华南暖区暴雨预报质量差异明显的基础上,利用合成初值方法进行了模式初值对暖区暴雨预报的敏感性数值试验研究,讨论了模式初始场关键物理量对暖区暴雨预报质量的影响,重点开展了模式初值湿度场质量对华南暖区暴雨降水预报的敏感性分析。结果表明:模式初始场质量的较小差异,可显著影响本次华南暖区暴雨预报的降水强度、降水落区以及降水发生时间等的质量。初始水汽场对暖区暴雨预报影响最大,也最为敏感,是准确预报对流单体的发生发展以及地面强降水的基础。风场和温度场对暖区暴雨预报的影响相对较小。对流层低层较强的风速辐合是本次暖区暴雨强对流单体触发、生成和加强发展以至产生暖区强降水的物理基础。     

我国冬季持续低温事件预报模型的建立

利用1979—2010年我国冬季522个站点的日平均温度资料,使用基于尺度分离的多元线性回归方法建立预报模型,对我国冬季的持续低温事件的预报做了一定的尝试。将温度按照一定的方法进行尺度分离,分解出年际、月、季节内尺度温度,对各个部分分别进行拟合再相加。挑选特定海区的海温、北极海冰作为年际尺度温度预测因子,多个低频气象场作为季节内温度预测因子,利用1979—2003年资料拟合出各因子回归系数。用重构的冬季温度挑选出持续低温事件并与实际的事件进行对比检验,计算出此方法的TS评分为0.57,再利用2008年初我国南方大范围的持续低温事件检验拟合结果。检验结果表明基于时间尺度分离的多元线性回归方法在持续低温事件的预报中有一定的参考意义。     

应用耦合模式进行2003年度气候预测试验

利用中国科学院大气物理研究所IAP/LASG GOALS 4.0耦合模式,引进外强迫因子(温室气体、太阳活动及硫酸盐气溶胶)变化的影响后进行了2003年度集合预测试验研究.结果表明:GOALS耦合模式预测出了2003年夏季淮河流域的降水正异常,也较好地描述了中国区域大气环流场的变化.说明GOALS 4.0耦合模式在我国的短期气候预报业务中具有一定的预测能力.但该版模式分辨率还嫌太粗,无法细致地描述我国区域的降水分布.