基于温特斯法的夏季气温预测模型建立及应用

介绍了温特斯法的基本理论及3个平滑方程的递推公式、初始值公式和预测模型公式,并依据其理论,采用VB 6.0编程技术,设计了预测模型软件;同时,将夏季6、7、8月的月平均气温看作具有随机性、线性、季节性变化的时间序列,利用商丘、民权、柘城、永城4个代表站1961～1999年夏季气温样本资料,建立了预测模型.对2000～2002年夏季气温试报结果为,平均预测准确率92%,其中7月份100%,6月份92%,8月份83%.     

基于温特斯法的夏季气温预测模型建立及应用

介绍了温特斯法的基本理论及3个平滑方程的递推公式、初始值公式和预测模型公式，并依据其理论，采用VB6．0编程技术，设计了预测模型软件；同时，将夏季6、7、8月的月平均气温看作具有随机性、线性、季节性变化的时间序列，利用商丘、民权、柘城、永城4个代表站1961～1999年夏季气温样本资料，建立了预测模型。对2000～2002年夏季气温试报结果为，平均预测准确率92％，其中7月份100％，6月份92％，8月份83％。     

温特方法在预测汛期温度中的应用

将汛期5~9月的月平均温度看作具有随机性、线性、季节性变化的时间序列,应用温特法建立遂宁、蓬溪、射洪三站汛期月温度预测模型,并对2004年~2006年5、6月温度进行预报检验,预报效果较好。     

温特方法在预测汛期温度中的应用

将汛期5～9月的月平均温度看作具有随机性、线性、季节性变化的时间序列,应用温特法建立遂宁、蓬溪、射洪三站汛期月温度预测模型,并对2004年～2006年5、6月温度进行预报检验,预报效果较好.     

中亚地区夏季温度的季节预测

根据1979~2016年春季海表温度、土壤温度以及大尺度气候指数与中亚地区夏季温度的相关关系,确定了印度洋东南部海表温度、非洲西北部土壤温度、大西洋多年代际振荡（AMO）和东亚/西俄型（EA/WR）4个春季预测因子,进而建立了中亚地区夏季温度的预测模型。春季印度洋东南部海表温度暖异常、非洲西北部土壤温度暖异常、AMO正异常与EA/WR负异常均对应夏季中亚地区500 hPa位势高度场正异常,为该地区夏季高温发生提供有利条件。预测模型留一法交叉验证产生的1979~2016年中亚地区夏季温度无（有）趋势的时间序列与观测的无（有）趋势的时间序列的相关为0.65（0.74）,表明该预测模型具有良好的预测能力。研究结果有望帮助提高中亚地区夏季温度的预测技巧。     

用均生函数模型做赤峰夏季温度和降水气候预测试验

本方案采用均生函数模型对单一的要素序列作气候趋势预测试验,通过实例计算分析表明,均生函数模型是一种具有使用价值的数学预测模型,对单一的序列做趋势估计有一定的可信度,该方法对夏季气候趋势预测尤其是夏季温度的趋势预测有较好的预测能力。     

北京道面温度特征分析和统计预报研究

分析了北京市道面温度在冬季和夏季不同天气状况下的日变化,利用2012—2015年的道面站温度与北京区域模式输出的气象要素之间的相关关系,以5个道面站为代表站筛选不同相关因子建立多个道面冬季最低温度和夏季最高温度的线性回归统计预测模型,并对2016—2017年冬季、夏季道面温度预测检验。结果表明:在不同天气条件下道面温度与气温变化对比明显;道面温度与气温、辐射、日照时数相关较大;夏季按天气类型建模预测准确度有所提升,在晴到多云状况下,模型预测冬季最低温度误差控制在±2℃内,夏季最高温度误差控制在±3℃左右,其他天气状况下误差增大,冬季预测模型好于夏季预测模型。     

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.     

灰色系统理论在长期预报中的应用

本文应用灰色系统理论,分别建立了南宁市的秋季寒露风、冬季菠萝低温、春季烂秧天气结束期的时间序列的灰色动态(GM)长期预测模型,预测的效果较令人满意。其优点为:①可以减少时间序列的随机性;②可以提高预测精度。     

基于年际增量法的卷积神经网络模型对中国夏季降水的预测研究

将前冬的500 hPa位势高度、向外长波辐射和海表温度的年际增量作为预测因子,建立基于卷积神经网络(Convolutional Neural Network, CNN)的非线性预测模型,对中国160个测站夏季降水展开预测研究,并与基于线性奇异值分解(Singular Value Decomposition, SVD)的预测模型进行效果对比。结果表明：CNN在1981—2020年的交叉检验中所回报的降水平均PS评分和距平相关系数(ACC)分别为74.33和0.12,比SVD高2.15和0.06,说明CNN比SVD在整体上对夏季降水具有更好的预测能力。其中,CNN对SVD预测较好年份的预测效果提升较为明显,对SVD预测较差的年份则改进不大。CNN对中国降水预测存在一定的系统性偏差,订正后CNN对拉尼娜年的降水预测改进较大。结果表明,基于年际增量法的CNN预测模型展示出较好的潜在应用价值。     

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.     

新疆夏季降水和冬季气温预测方法及效果评估

本文利用4个国内外先进的气候模式（国家气候中心、ECMWF、NCEP和JMA）业务预测数据,采用2种多模式集合方法（等权平均和超级集合）、3种降尺度方法（BP-CCA、EOF迭代、高相关回归集成）和3种统计方法（CCA、最优气候值、高相关回归集成）以及降尺度集成和降尺度-统计方法集成,分析了目前季节模式、多模式集合、降尺度、统计方法、降尺度-统计集合等目前常用气候预测技术对新疆夏季降水和冬季气温的业务预测能力。 研究表明,以上技术方法对新疆夏季降水和冬季气温的预测预测能力有较大差别。目前先进的气候业务模式的预测技巧普遍很低,多模式超级集合和降尺度方法的技巧常高于单个模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同时,统计方法和降尺度方法的预测技巧通常较为接近,而对二者进行超级集合可以具有相对很高的预测技巧。此外,现有常用气候预测技术方法对新疆夏季降水和冬季气温的趋势有一定的预测能力,但对气候异常的空间分布基本无预测能力。建议新疆气候预测技术围绕统计和降尺度方法集合发展。     

中国业务动力季节预报的进展

利用动力模式开展季节到年际的短期气候预测 ,是目前国际上气候预测的发展方向。自 1996年以来 ,经过 8a多的研制和发展 ,国家气候中心已建立起第 1代动力气候模式预测业务系统 ,其中包括 1个全球大气 海洋耦合模式 (CGCM )、1个高分辨率东亚区域气候模式 (RegCM_NCC)和 5个简化的ENSO预测模式 (SAOMS) ,可用于季节—年际时间尺度的全球气候预测 ;全球海气耦合模式与区域气候模式嵌套 ,可以提供高分辨率的东亚区域气候模式制做季节预测。CGCM对 1982～ 2 0 0 0年夏季的历史回报试验表明 ,该模式对热带太平洋海表面温度和东亚区域的季节预测具有较好的预测能力。RegCM NCC的 5a模拟基本上能再现东亚地区主要雨带的季节进展。利用嵌套的区域气候模式RegCM NCC对 1991～ 2 0 0 0年的夏季回报表明 ,在预报主要季节雨带方面有一定技巧。 2 0 0 1～ 2 0 0 3年 ,CGCM和RegCM NCC的实时季节预报与观测相比基本合理。特别是 ,模式成功地预报了 2 0 0 3年梅雨季节长江和黄河之间比常年偏多的降水。SAOMS模式系统的回报试验表明 ,该系统对热带太平洋海表面温度距平有一定的预报能力 ,模式超前 6～ 12个月的回报与观测的相关系数明显高于持续预报。 1997～ 2 0 0 3年 ,SAOMS多模式集合实时预报与观测的相关系数达到     

IMPROVEMENT OF OCEAN DATA ASSIMILATION SYSTEM AND CLIMATE PREDICTION BY ASSIMILATING ARGO DATA

The Argo(Array for Real-time Geostrophic Oceanography) data from 1998 to 2003 were used in the Beijing Climate Center-Global Ocean Data Assimilation System(BCC-GODAS). The results show that the utilization of Argo global ocean data in BCC-GODAS brings about remarkable improvements in assimilation effects. The assimilated sea surface temperature(SST) of BCC-GODAS can well represent the climatological states of observational data. Comparison experiments based on a global coupled atmosphere-ocean general circulation model(AOCGM) were conducted for exploring the roles of ocean data assimilation system with or without Argo data in improving the climate predictability of rainfall in boreal summer. Firstly, the global ocean data assimilation system BCC-GODAS was used to obtain ocean assimilation data under the conditions with or without Argo data. Then, the global coupled atmosphere-ocean general circulation model(AOCGM) was utilized to do hindcast experiments with the two sets of the assimilation data as initial oceanic fields. The simulated results demonstrate that the seasonal predictability of rainfall in boreal summer, particularly in China, increases greatly when initial oceanic conditions with Argo data are utilized. The distribution of summer rainfall in China hindcast by the AOGCM under the condition when Argo data are used is more in accordance with observation than that when no Agro data are used. The area of positive correlation between hindcast and observation enlarges and the hindcast skill of rainfall over China in summer improves significantly when Argo data are used.     

福州市夏季电力气象等级预测模型初探

对福州市1999~2002年5~9月日电力负荷与日平均气温、日最高气温、日最低气温、日平均相对湿度和天气状况进行分析,发现气象要素的变化会直接影响到电力负荷的调整。从逐日电力负荷资料中提取气象要素引起电力负荷变化的部分即气象负荷,通过计算气象电力负荷与气象要素之间一系列相关指标,并利用回归分析方法建立福州市夏季气象电力负荷预测模型,利用气象要素预报,可实现对气象电力负荷的预测。预测结果通过检验、分析和判定,最后确定了气象电力负荷等级划分的标准。对2003~2005年福州市夏季逐日气象电力负荷等级进行回代检验,结果表明该预测模型有较好的预报能力。     

Detecting trends that are nonlinear and asymmetric on diurnal and seasonal time scales

Trends in climate time series are often nonlinear and temporally-asymmetric, i.e. the trend is different for different seasons and/or hours of the day. Here a method is developed that allows the nonlinearity and temporal asymmetry of a trend to be investigated simultaneously. First, nonlinear trend components are extracted from a univariate time series, by adapting a nonparametric dimension-reduction method. Then, the nonlinear trend components are substituted into a regression model in which the periodic mean component and the periodic variation in the amplitude of the nonlinear trend are modeled using harmonic functions of the seasonal and diurnal periods. Third, trend patterns in the positive and negative anomalies are investigated, by extending the nonlinear trend model using indicator variables. Fourth, a non-local inferential test is developed to test the statistical significance of the trend patterns. The nonlinear trend model is applied to a simulated time series, as well as to long-term high-resolution temperature records from five Southern Hemisphere sites: Lucas Heights, Sydney Airport, Cape Grim, Macquarie Island and Law Dome. Our method should be generally useful for identifying the effect of both climate-related factors and observation/site-related factors on seasonal and diurnal trends in meteorological data series.     

利用深度神经网络和先兆信号的江苏夏季降水客观预测方法

利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。      

我国季平均气温和降水局地同时相关的时空特征

将1955—1998年我国160站冬、夏季平均气温和总降水量序列分解为年代际和年际变化两个部分，用方差分析、相关分析和奇异值分解方法，分析了两种要素序列的方差构成及要素间局地相关关系的性质、季节变化和地理分布。结果表明:我国冬夏季气温、降水异常序列中，总方差年际变化大于年代际变化，但按自由度均分的方差，年代际变化较年际变化大，尤以气温为甚；单站气温、降水同时相关图上，夏季表现为显著的负相关，显著区主要分布在35°N以南、105°E以东的地区；夏季局地温度、降水也呈显著负相关关系，进一步分析表明，干热、湿凉型异常夏季多发生在江淮和华南两区，但同一年中两区夏季异常型常相反，它由年代际和年际变化中的负相关共同构成。     

洞庭湖区近百年气温序列构建及其变化特征

采用统计方法并结合气象台站历史沿革信息,对1910-2010年洞庭湖区气温观测资料进行均一性检验和订正,并利用洞庭湖区周边气象台站资料对洞庭湖区1951年以前缺测的气温资料进行插补,构成完整的气温序列。基于洞庭湖区完整气温序列,构建洞庭湖区近百年气温序列并分析其变化特征。结果表明：1910-2010年洞庭湖区年平均气温呈显著上升趋势,其中冬季和春季平均气温上升幅度最大,秋季次之,夏季变化趋势不显著;气温变化存在明显的冷暖交替,冷暖期交替比中国地区更频繁;近百年洞庭湖区年和冬季、春季、秋季平均气温均存在一个显著增暖的突变点;小波分析表明,近百年洞庭湖区年和四季平均气温均经历了冷-暖-冷-暖4个阶段的交替。