陕西果业基地伏旱指数及其预报方法

选取陕西苹果(梨)生产基地县中生态环境、气候特点与苹果(梨)产业发展水平具有代表性的10个台站,近40 a(1969—2008年)伏期降水量和无降水日数资料,设计并计算其伏旱指数。将伏旱指数分成强、偏强、中等、偏弱和弱五个等级,并用典型k阶自回归AR(k)预测模式进行独立样本预测试验。结果表明:伏旱指数能够较客观地反映基地县的伏旱强度,且伏旱指数的时空分布特征差异较大。这与这些基地县所处纬度、海拔高度、生态环境和气候背景的差异有关。典型k阶自回归预测模式预测准确及基本准确率在70%左右,预报效果尚好,具有实用价值。     

秦岭及周边地区夏季降水的主模态分析

基于秦岭及周边地区394站气象观测资料、欧洲中期数值预报中心(ECMWF)再分析ERA-Interim数据,利用小波和回归等分析方法,讨论了秦岭及周边地区夏季降水年际变化的主模态以及与其相联系的大气环流异常。结果表明:1)在年际变化的时间尺度上,秦岭及周边地区夏季降水主要表现为秦岭南北降水的气候差异性变化(EOF1)、黄土高原第二地形抬升带与其两侧降水的反位相振荡(EOF2)、秦岭西南部降水正异常和其东北部降水负异常变化(EOF3)和关中平原的地形降水贡献(EOF4)4个模态,其解释方差总贡献为73%,并且具有显著的2~4 a周期,其中EOF3和EOF4还具有4~8 a左右的年际变化周期。2)回归分析表明,EOF1正位相环流特征表现为200 hPa急流偏弱,中纬度槽填塞,西太平洋副热带高压强度偏弱,有来源于东海的水汽输送,使得秦岭北部降水偏多;EOF2和EOF3分别具有显著的蒙古低压和东北冷涡环流特征;EOF4的500 hPa环流异常不显著。3)根据新定义的秦岭季风指数回归分析表明,回归场的季风指数和降水模态的时间系数显著相关,秦岭北部降水偏多(少),南部降水偏少(多),反映了强(弱)季风年的年际转换。反之则具有多态性,不同年份强(弱)秦岭回归季风指数的环流形势存在较大的差异,可能触发多种降水模态和位相振荡。     

青藏高原雪盖与东亚季风异常对华南前汛期降水的影响

应用华南25个站1954~1998年4~6月降水量资料以及有关青藏高原雪盖异常年份资料和东亚季风强度指数, 通过典型旱涝年前期对比诊断与相关分析, 指出青藏高原雪盖对华南前汛期降水的影响相当显著, 前冬春多 (少) 雪年有利于前汛期雨涝 (干旱); 典型旱、涝年前冬500 hPa中高纬环流特征显然不同, 主要表现在典型旱 (涝) 年北半球极涡强度显著偏弱 (强)、东亚大槽强度偏强 (弱); 东亚季风, 特别是冬季风的强弱变化, 对前汛期降水具有较强的指示意义。同时还发现, 在青藏高原西侧的伊朗高原及邻近地区冬季500 hPa高度升降变化, 可作为华南前汛期降水一个强的前期征兆信号。     

近45 a浙江连阴雨时空分布的环流特征及成因

利用1973—2017年浙江省63个常规气象观测站的日降水资料及NCEP/NCAR提供的月平均海温场、风场、高度场和湿度场以及射出长波辐射(OLR)场等再分析资料,运用EOF和距平合成以及t检验等方法,分析了近45 a浙江省2—4月总连阴雨日数的时空分布与全省一致连阴雨分布型的大气环流场及海温场,OLR场等的分布特征,并探讨其成因。结果表明:浙江省2—4月总连阴雨日数空间分布主要有全省一致型、南北相异型两种类型。当欧亚大陆中高纬度为乌拉尔山脊偏强(弱),鄂霍次克海地区槽偏强(弱),副高强度偏强(弱),易发全省一致偏多(少)型连阴雨;浙江上空OLR为负距平区易发生全省一致偏多型连阴雨,浙江上空OLR为正距平区易发生全省一致偏少型连阴雨;全省一致偏多型赤道中东太平洋海温明显偏暖,而全省一致偏少型赤道中东太平洋海温明显偏冷;赤道西太平洋海温为反位相。厄尔尼诺次年,全省一致偏多型连阴雨易发生;拉尼娜次年,全省一致偏少型连阴雨易发生。     

基于连阴雨灾害指数的陕西省苹果生长风险分析

利用陕西省苹果产区近40 a 8月中旬至10月中旬逐日降雨量资料,提出了以连阴雨灾害指数L<,u>(L<,u>=N<,r≥3>/N<,R=0>)(N<,r≥3>为8月中旬至10月中旬雨日连续3 d以上的日数,N<,R=0>为8月中旬至10月中旬无降水日数)量化进行风险分析的方法.用此方法计算了苹果产区各地连阴雨气象灾害指数,分轻度、中度、重度3级对果区各地连阴雨气象灾害指数进行了分级、评价.结果表明,有13个县连阴雨气象灾害指数为轻度,有27个县连阴雨气象灾害指数为中度,有8个县连阴雨气象灾害指数为重度.此计算结果与陕西果区实际连阴雨影响基本一致,表明灾害指数方法是一种较好的风险分析方法.     

陕西苹果基地县９—１０月连阴雨气候特征分析

根据陕西省连阴雨定义,利用陕西省29个苹果生产基地县1961—2008年9—10月降水资料,从连阴雨次数、日数和强度方面分析陕西省苹果基地县9—10连阴雨气候特征。研究发现3项气候特征的分布次序从小（少）到大（多）均为延安果区、渭北东部果区、渭北西部果区和关中西部果区;各果区3项连阴雨气候特征总体呈减少趋势,其中连阴雨日数呈显著减少趋势,连阴雨发生次数和降水强度的减少趋势不明显。     

天气系统预报效果的量化检验方法及应用

对中国天气过程进行了分类,并介绍了一种针对模式对于降水及各种天气系统预报效果的天气学检验方法,将此方法应用于AREM模式对2007年降水个例预报及2005—2007年汛期天气过程的批量预报检验,得出结论如下:(1)此天气学检验方法能够对各类天气系统及降水进行有效的检验,(2)对于中国典型高空槽类降水,AREM模式总体上对高空槽预报较为稳定、强度接近实况,对降水预报稳定性相对较差、强度偏弱,槽预报的较好(差)与降水预报的较好(差)不完全对应,(3)对于梅雨锋类降水,AREM模式对副高预报总体偏西、偏北、偏强,对高空槽、降水预报均总体偏弱,副高预报的较好(差)对应降水预报的较好(差)。     

湖南省汛期强降水的30~60d低频振荡特征及延伸期预报指数研究

基于1986—2015年湖南逐日降水资料、同期美国气象环境预报中心(NCEP)和美国国家大气研究中心(NCAR)再分析资料,通过分析强低频振荡年的汛期强降水特征和低频环流场演变对强降水的影响,建立了湖南省汛期延伸期强降水过程预报指数。结果表明:(1)汛期33%的强降水过程均发生在具有显著30~60 d低频振荡的年份中,且大多位于低频降水峰值阶段。(2)通过对强低频振荡年进行合成发现,在活跃位相,南亚高压偏强偏东,副热带高压偏西偏强,这种环流配置导致中国南方大部分地区的高层环流为辐散,底层环流为辐合,有利于降水的产生。在中断位相,南亚高压呈东西带状分布且其位置偏西、强度偏弱,副热带高压偏东偏弱,使得向湖南地区输送水汽的西南气流减弱,进入降水中断期。(3)基于低频散度场不同位相的变化特征,选取了与低频降水相关的两个关键区,从而建立延伸期预报指数,该指数对低频降水显著年的强降水回报准确率能够达到73%。(4)前期4月黑潮的海温异常(SSTA)可作为湖南省强低频振荡年的预测指标。     

冬季北太平洋涛动异常与东亚冬季风和我国天气气候的关系

用1948-2000年的北半球海平面气压场月平均资料，计算了北太平洋涛动指数和东亚冬季风指数，并研究了北太平洋涛动与东亚冬季风及我国冬季天气气候的关系。研究表明，北太平洋涛动异常变化与我国冬季天气、气候关系密切。强涛动年，东亚冬季风偏弱，我国气温普遍偏高，长江中下游地区降水偏少，而华南降水偏多；而弱涛动指数年，东亚冬季风偏强，我国气温普遍偏低，降水偏少。此外，还指出，强(弱)INPO年大气环流具有弱(强)WP型和强(弱)EU遥相关型。     

陕西汛期降水时空分布及典型旱涝年环流特征

根据陕西省1959~2002年汛期(6~9月)降水资料,采用旋转经验正交(REOF)分解方法,将陕西省按汛期降水划分为4个自然气候区:Ⅰ区包括关中及渭北地区,Ⅱ区为陕北长城沿线地区,Ⅲ区、Ⅳ区分别为陕南东部和陕南西部地区。对各气候区的降水变化特征进行分析,结果表明:汛期降水除陕南东部呈线性增加趋势外,其余各区均呈线性减少趋势。分析陕西省典型旱(涝)年北半球500 hPa环流形势距平场和环流特征量发现:典型旱(涝)年,Nino 3区海温为明显的正(负)距平;西太平洋副热带高压强度偏强(弱),脊线位置偏南(北)、西伸脊点偏东(西),欧亚地区西风环流指数偏弱(强),以经(纬)向环流为主。     

基于20—30d振荡的长江下游地区夏季低频降水延伸期预报方法研究

用长江下游降水低频分量和环流低频主成分,构造多变量时滞回归模型(MLR)和主成分复数自回归模型(PC-CAR)的混合预报模型(MLR/PC-CAR),对长江下游降水低频分量进行延伸期逐日变化预报,延长预报时效。通过2011年6—8月预测试验表明,20—30 d时间尺度的长江下游低频降水预测时效可达50 d左右,采用南半球中高纬度地区850 hPa低频经向风的主成分作为预测因子的模型的预测精度明显高于东亚地区低频经向风作为预测因子的模型。这表明在20—30 d时间尺度上,长江下游降水与南半球中纬度绕球遥相关(SCGT)型有关的主分量的时滞相关更加密切。进一步对于较强20—30 d振荡的多年资料构建的MLR/PC-CAR混合模型预测试验表明,SCGT是预测夏季长江下游低频降水未来50 d变化的显著信号。基于SCGT的发展和演变,对于把握类似长江下游地区2011年6月初旱涝急转和7月中旬持续降水和强降水过程异常变化过程很有帮助,SCGT可以作为夏季长江下游20—30 d低频降水和强降水过程进行延伸期预报的主要可预报性来源之一。     

Wavelet-based combination approach for modeling sub-divisional rainfall in India

Agriculture in India is highly sensitive to climatic variations particularly to rainfall and temperature; therefore, any change in rainfall and temperature will influence crop yields. An understanding of the spatial and temporal distribution and changing patterns in climatic variables is important for planning and management of natural resources. Time series analysis of climate data can be a very valuable tool to investigate its variability pattern and, maybe, even to predict short- and long-term changes in the series. In this study, the sub-divisional rainfall data of India during the period 1871 to 2016 has been investigated. One of the widely used powerful nonparametric techniques namely wavelet analysis was used to decompose and de-noise the series into time–frequency component in order to study the local as well as global variation over different scales and time epochs. On the decomposed series, autoregressive integrated moving average (ARIMA) and artificial neural network (ANN) models were applied and by means of inverse wavelet transform, the prediction of rainfall for different sub-divisions was obtained. To this end, empirical comparison was carried out toward forecast performance of the approaches namely Wavelet-ANN, Wavelet-ARIMA, and ARIMA. It is reported that Wavelet-ANN and Wavelet-ARIMA approach outperforms the usual ARIMA model for forecasting of rainfall for the data under consideration.     

基于卫星降水和WRF预报降水的“6.18”门头沟泥石流事件的回报检验研究

2017年6月18日北京门头沟地区突发泥石流,造成6人伤亡。短时强降水是这起事件的主要诱发因素,但常规气象观测并没有很好地观测到此次降水过程,可见降水数据的准确性对于滑坡泥石流的实时预警及预报至关重要。近年来,卫星遥感估算降水发展迅速,WRF（Weather Research and Forecasting Model）模式关于降水的预报技巧也逐渐提高。本文以自动站降水资料为参考,首先利用定性方法和泰勒图、TS（Threat Score）评分等定量的方法比较了CMORPH（CPC MORPHing technique）、GPM（Global Precipitation Measurement）和PERSIANN-CCS（Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Cloud Classification System）三种卫星降水资料以及不同起报时间的WRF预报降水对此次降水过程的表现能力,然后利用降水数据驱动滑坡泥石流统计预报模型,对此次事件进行了回报,分析不同降水数据在模型中的实际应用效果,最终为滑坡泥石流实时预警和预报系统的构建提供参考。结果表明,三种卫星降水资料基本上能反映出此次降水过程东北—西南向的带状空间分布形态,其中,CMORPH与自动站资料的空间相关性最好,命中率也最高,但对降水量有一定的高估,GPM对平均降水量的时间变化有较好的反映,体现了卫星降水在观测较少地区的良好利用价值,PERSIANN-CCS的表现则相对差些。WRF模式能预报出此次降水的带状空间分布特征,但降水中心的位置与实际有所偏差;此外,预报的最大降水量的峰值出现时间比实际上晚。由于此次降水的强局地性,只有空间分辨率均匀且质量相对较好的CMORPH卫星降水驱动模型可以回报出此次事件,而自动站点资料由于空间分布不均,则没有回报出此次事件,这表明了卫星降水在滑坡泥石流实时预警系统的构建中具有一定的优势。WRF模式降水驱动模型可以提前做出预警,虽然预报的事件发生时间与实际相比偏晚3~5 h,但WRF可以较好地预报72 h内的降水,因而可以延长灾害的可预见期。WRF模式预报降水的时间和空间精度都需要进一步提高,但是仍具有很好的参考意义。     

短时车流量组合预测模型

随着道路车量不断增多,由交通异常事件造成的非正常拥堵情况严重影响了出行者的出行效率和路网的整体运行水平.因此,需要准确及时地检测出非正常拥堵情况,通过诱导、疏通等方式改善拥堵状况.对车流量的准确预测是检测非正常拥堵的有效方法.根据交通流量的不确定性和非线性的特点,将改进的BP神经网络模型和ARIMA模型进行组合,建立组合预测模型.实验结果表明,组合模型的预测结果比单个模型的预测结果理想,且达到较高的预测精度.     

鹰厦铁路降水诱发地质灾害概率预报模型及应用

降水是铁路地质灾害的重要触发因子,由于降水引发的地质灾害对铁路运输安全造成重大的经济损失。鹰厦铁路由于其特殊的地形及气候条件,使该线成为全国地质灾害发生较频繁、较严重的铁路之一。利用南昌铁路局2007—2012年辖区内的地质灾害资料,统计鹰厦铁路地质灾害的时空分布特征。根据不同降水类型造成的铁路地质灾害特点不同,进一步研究铁路地质灾害与降水的关系。引入10 min最大降水量、当日最大小时降水量、连续降水量和前20 d累积降水量等降水量因子,运用因子相关性分析和逻辑回归方法筛选对灾害发生贡献率较大的降水量因子,分区段建立鹰厦铁路地质灾害概率预报模型。运用该模型对2013年5月20—22日一次大暴雨过程诱发的地质灾害进行预报,预报准确率达86%,模型应用效果较理想,可为铁路安全气象服务工作提供技术支持。     

A Methodological Study on Using Weather Research and Forecasting(WRF) Model Outputs to Drive a One-Dimensional Cloud Model简

A new method for driving a One-Dimensional Stratiform Cold （1DSC） cloud model with Weather Research and Fore casting （WRF） model outputs was developed by conducting numerical experiments for a typical large-scale stratiform rainfall event that took place on 4-5 July 2004 in Changchun, China. Sensitivity test results suggested that, with hydrometeor pro files extracted from the WRF outputs as the initial input, and with continuous updating of soundings and vertical velocities （including downdraft） derived from the WRF model, the new WRF-driven 1DSC modeling system （WRF-1DSC） was able to successfully reproduce both the generation and dissipation processes of the precipitation event. The simulated rainfall intensity showed a time-lag behind that observed, which could have been caused by simulation errors of soundings, vertical velocities and hydrometeor profiles in the WRF output. Taking into consideration the simulated and observed movement path of the precipitation system, a nearby grid point was found to possess more accurate environmental fields in terms of their similarity to those observed in Changchun Station. Using profiles from this nearby grid point, WRF-1DSC was able to repro duce a realistic precipitation pattern. This study demonstrates that 1D cloud-seeding models do indeed have the potential to predict realistic precipitation patterns when properly driven by accurate atmospheric profiles derived from a regional short range forecasting system, This opens a novel and important approach to developing an ensemble-based rain enhancement prediction and operation system under a probabilistic framework concept.     

Volatility modeling of rainfall time series

Networks of rain gauges can provide a better insight into the spatial and temporal variability of rainfall, but they tend to be too widely spaced for accurate estimates. A way to estimate the spatial variability of rainfall between gauge points is to interpolate between them. This paper evaluates the spatial autocorrelation of rainfall data in some locations in Peninsular Malaysia using geostatistical technique. The results give an insight on the spatial variability of rainfall in the area, as such, two rain gauges were selected for an in-depth study of the temporal dependence of the rainfall data-generating process. It could be shown that rainfall data are affected by nonlinear characteristics of the variance often referred to as variance clustering or volatility, where large changes tend to follow large changes and small changes tend to follow small changes. The autocorrelation structure of the residuals and the squared residuals derived from autoregressive integrated moving average (ARIMA) models were inspected, the residuals are uncorrelated but the squared residuals show autocorrelation, and the Ljung–Box test confirmed the results. A test based on the Lagrange multiplier principle was applied to the squared residuals from the ARIMA models. The results of this auxiliary test show a clear evidence to reject the null hypothesis of no autoregressive conditional heteroskedasticity (ARCH) effect. Hence, it indicates that generalized ARCH (GARCH) modeling is necessary. An ARIMA error model is proposed to capture the mean behavior and a GARCH model for modeling heteroskedasticity (variance behavior) of the residuals from the ARIMA model. Therefore, the composite ARIMA–GARCH model captures the dynamics of daily rainfall in the study area. On the other hand, seasonal ARIMA model became a suitable model for the monthly average rainfall series of the same locations treated.     

基于模式先验信息的贝叶斯集合降水概率预报试验

为了更好地利用降水预报历史先验概率分布函数信息修订集合概率预报效果,基于贝叶斯原理和贝叶斯降水概率预报模型,分别使用1952—2007年历史观测资料和2009—2011年6月24~120 h中国T213全球集合预报历史资料作为先验信息,对中国不同气候区代表站（广州、南京、武汉和成都）建立贝叶斯降水概率预报模型,对比不同先验信息下集合成员与集成贝叶斯降水概率预报拟合结果差异,分析先验信息对贝叶斯降水概率预报模型的影响,在此基础上,采用模式先验信息的贝叶斯降水概率预报模型,进行2008年6月降水概率预报试验。试验结果表明,由T213集合预报产生的先验信息较历史观测资料产生的先验信息更优,当先验信息的降水概率分布函数曲率最大处偏向降水大值区时,贝叶斯模型的降水预报结果也偏向降水大值区,反之亦然。结果还显示,先验信息对贝叶斯降水概率预报模型有重要影响,若先验信息偏向更多更大降水量时,贝叶斯降水概率预报对有降水的预报更优,若降水先验信息偏向更少更小降水量时,对无雨或微量降水预报效果越好。     

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。