利用多时次资料的EOF迭代温度长期预报

考虑多时次历史资料，基于ＥＯＦ迭代方案，将观测事实与统计方法结合，建立预报因子与预报对象的联系，开展长期预报试验。对四川盆地夏季温度的预报表明：这种容纳多时次资料、基于ＥＯＦ迭代的物理－统计预报方法是一种有效的长期预报途径。     

用前期海温预报四川夏季气温的EOF迭代方案

应用ＥＯＦ迭代方案，考虑时次历史资料，在全球海区海温与四川盆地气温非同步联的工，以海温为预报因子进行了夏季气温的长期预报。结果表明：西太平洋高温区等关键海区海温的导常对未来四川盆地夏季气温变化有重要影响由此建立的引入多时次海温的ＥＯＦ迭代长期温度预报方法，具有较强的预报能力。     

多时次EOF迭代方法在川渝伏旱预测中的应用

应用北太平洋海温资料,分析了川渝地区盛夏雨量与海温的联系,在关键海区海温与川渝伏旱气候非同步联系的基础上,建立了多时次每温ＥＯＦ迭代方法,进行了川渝地区盛夏伏旱的短期气候预测。实际应用表明：以前期多时次海温为预报因子,通过历史独立预报试验建立的多时次ＥＯＦ迭代伏旱预测模型,预见期长,准确率高,并可实现动预测,具有明显的预报技巧和应用价值。     

四川盆地6—8月降水变化的主要特征及预测因子研究

根据四川盆地２２个测站６－８月降水距平百分率，分析了主汛期（６－８月）降水变化的主相关型，ＥＯＦ展开的第一特征向量，得出四川盆地降水变化主要表现为西部和东部的振荡，分析发现，这种振荡与太平洋副高北界关系最为密切，最后提出了预测太平洋副高北界的一种强信号，对业务预报有一定的实用意义。     

多因子的EOF迭代预报方案

本文提出一种基于ＥＯＦ分析的ＥＯＦ迭代预报方案，详细介绍了各有关参数的选取方法，并提出利用主成分分析方法确定拟合时特征场截止阶数，这是预报成功与否的关键。该方案尤其适用于备选因子较多，但因子两两之间又有显著相关时的情形。文中最后利用一实例验证该方案的预报能力。     

黄河上游地区降水对水资源的影响

利用１９５９－１９９７年黄河上游地区降水,流量资料,用ＥＯＦ、ＲＥＯＦ、功率谱等数理统计预报方法,分析黄河上游地区降水与流量之间关系及降水变化趋势,并用逐步回归,最优子集回归方法建立流量预测的最优评估模型。     

华南汛期降水趋势的特征及预报方法的初步研究

近年来,ＥＯＦ分析方法被广泛应用于气象统计分析以及短期气候预测中［１］。本文利用ＥＯＦ对华南前、后汛期降水距平百分率进行分析,提取主要的降水分布形势,然后对各特征场的时间系数序列与前期因子场进行相关分析,建立时间系数的预报方程,从而建立华南汛期降水趋势的客观预报方法。１　资　料　　本文所用降水资料为１９５７～１９９４年华南三省区（广东、广西、海南）分布比较均匀的６５个测站,前汛期（４～６月）和后汛期（７～９月）降水量。初选因子场为前期北半球５００ｈＰａ高度场、１００ｈＰａ高度场、海平面气压场和北…     

优化非线性方法在河南省夏季降水场预报中的应用

在河南省季降水量场（标准化）客观分析￣［２］的基础上，应用优化非线性方法和预报对象与因子时空尺度相匹配原则，对夏季ＥＯＦｓ的前６个特征场建立了与５００ｈＰａ高度之间的优化非线性预报方程，经过集成可以对全省夏季标准化降水量进行长期预报。结果表明，该模型对异常旱涝有较强的预报能力，是一种有效的旱涝长期预测统计方法。     

多时次EOF迭代方法在川渝伏旱预测中的应用

应用北太平洋海温资料,分析了川渝地区盛夏雨量与海温的联系,在关键海区海温与川渝伏旱气候非同步联系的基础上,建立了多时次海温EOF迭代方法,进行了川渝地区盛夏伏旱的短期气候预测.实际应用表明:以前期多时次海温为预报因子,通过历史独立预报试验建立的多时次EOF迭代伏旱预测模型,预见期长,准确率高,并可实现滚动预测,具有明显的预报技巧和应用价值.     

主汛期降水量预测信号及方差权重方法的应用

为了制作四川盆地主汛期降水预报对相似方法作了改进,首先是根据四川盆地主汛期降水的前３个特征向量分别寻找有物理基础的前期信号作为预报因子,然后充分考虑各因子对总降水量贡献大小定义因子场的相似,确定相似年,最后引入“集成”的思想,由５个相似年的降水场得到预测年降水的定量客观预测。最后引入“集成”的思想,由５个相似年的降水场得到预测年降水的定量客观预报。１９８１￣１９９４共１４年的预报结果准确率高于当前     

多时次资料的EOF迭代在云南夏季气候预测中的应用

多时次资料的EOF迭代预测方法能较好地应用历史资料中的信息，并能将经验法则、观测事实和气候规律等引入到实际的短期气候预测过程中，特别是随着我们对影响短期气候变化的物理过程和因子认识的深入，这种预测方法将会得到更加有效地改进和实际应用。本文考虑4个区域月平均海表水温的多时次历史资料，基于EOF迭代方案，建立了云南夏季气候变化的一种多时次EOF迭代预测模型。在对云南分5个区域，每个区域16个气象观测站点的夏季降水和气温趋势的预测中，该模型对云南1995－1999年的夏季6－8月总雨量和平均气温趋势预测检验的最新业务标准评分平均分别达到79．6％和87．0％。该评分成绩表明，这种容纳多时次资料，基于EOF迭代的物理一统计预测方法是一种有效的短期气候预测途径。     

EOF-CCA模型在山东季降水预测中的应用

首先介绍了ＥＯＦ－ＣＣＡ模型的基本原理及建模步骤,阐明了经验正交函数分解（ＥＯＦ）和典型相关分析（ＣＣＡ）两种统计方法在短期气候预测应用中结合的必然性及优越性,并指出该模型可由一个气候场或多个气候场去预报另一个气候场。然后以山东１３站的报隆水量场为预报场,分别以前期整个北半球和东亚区域的５００ｈＰａ月平均们势高场为因子场,建立了位势高度场的前１３个主分量场与季降水场之间的ＥＯＦ－ＣＣＡ模型,最后对     

用青藏高原1～3月OLR作我国夏季降水预报的探讨

对青藏高原１～３月ＯＬＲ与我国夏季降水进行时空综合的ＥＯＦ分析,所得高原ＯＬＲ的时空特征与其单获ＥＯＦ分析的时空特征十分相似,由此,对时空综合ＥＯＦ分析法拟合降水场的收敛速度进行了分析,探讨了用亮原１～３月ＯＬＲ预报我国夏季降水场的可行性,并对预报误差的原因进行了分析。     

EOF和CCA方法在台风路径预报试验中的比较

利用气候持续性因子，并分别考虑了５００ｈＰａ高度场的ＥＯＦ因子和ＣＣＡ因子，分别建立了基于ＥＯＦ因子和基于ＣＣＡ因子的南海台风２４－１２０小时路径预报模式。经过非独立样本和独立样本的预报检验，比较。将两种方法运用于５００ｈＰａ高度场的分析表明，ＣＣＡ方法得出的典型变量权重系数分布虽不能象ＥＯＦ方法的特征向量一样表示出明显的而且平滑的空间场形式，但ＣＣＡ方法浓缩了更多的与台风路径整体相关性最好的原变     

达州伏旱强度预测技术研究之二

应用北太平洋海温资料,分析了达州盛夏雨量和伏旱强度与海温的联系,在北太平洋海温与达州伏旱气候非同步联系的基础上,通过多时次多因子EOF选代方法进行了达州盛夏雨量和伏旱的短期气候预测,独立预报试验和实际应用表明:以前期多时次海温因子,建立达州伏旱EOF迭代预测方法,具有一定预报技巧和明显的应用价值。     

近百年中国四季降水量异常的空间分布特征

根据１８８０年以来的降水量观测记录及史料,建立了我国１１０°Ｅ以东３５个站１８８０～１９９６年完整的四季降水量序列．文中给出了建立序列的方法和四季降水量异常的空间分布特征．由ＲＥＯＦ分析表明,四季的特征向量十分相似．把１８８０～１９９６年四季的降水量级别合在一起作ＲＥＯＦ分析,得到６个降水变化集中区,为全年降水异常分析及预测提供了基本资料．     

中国汛期降水的印度洋SSTA信号特征分析

用ＥＯＦ和ＣＣＡ方法研究了印度洋洋海表温度距平场与中国汛期降水场的遥相关分布特征，结果表明，印度洋ＳＳＴＡ场与中国汛期降水相关明显，海温场异常分布对中国汛期南北经向雨带的变化及中国西北，西南和长江黄河下游地区汛期旱涝的影响明显，揭示了中国汛期旱涝异常分布的印度洋海温变化的强信号现象，说明特定的印度洋海温分布可以作为中国汛期旱涝预报的强信号因子。     

数值预报产品在短期降水分级预报中的应用

和１９９４、９５年７－８月Ｔ６３数值预报产品，结合日本ＦＳＦＥ０２、０３资料，研制出东营市各站汛期短期降水分级ＭＯＳ预报系统。     

日本FSFE02与FSFE03模式降水预报效果分析

日本ＦＳＦＥ０２与ＦＳＦＥ０３模式降水预报效果分析杨宗波（泰安市气象局．２７１０００）日本数值预报产品形势场预报优于我们的主观推断这已被大家所公认，而其物理量因子，尤其是对固定点、固定时段的降水量预报效果如何？大家没有形成共识。本文就这一问题进行了统...     

长江流域年降水预测动力-统计降尺度方法及其应用

基于站点资料、再分析数据和动力气候模式回报数据,利用经验正交函数分解（EOF,Empirical Orthogonal Function）迭代和年际增量方法,探讨了长江流域年尺度降水异常的动力-统计降尺度预测方法及其应用效果。结果表明,基于再分析数据的年尺度环流场,建立的长江流域年尺度降水异常增量的统计降尺度预测方案,其26 a回报检验的距平相关系数（ACC）平均达0.6,证明该方案具有较高的可预报性。进一步利用模式预测的年尺度环流场,建立了年降水异常增量的动力-统计降尺度预测方案,其ACC平均为0.42,显示了较高的回报技巧,远优于模式直接输出的年降水动力预报结果。通过分析调制年降水预报技巧高低的因素发现,赤道中东太平洋年平均海温距平为负值时,预报技巧更高,ACC平均达0.5以上。在拉尼娜发展年或拉尼娜持续年的冷水背景下,利用EOF迭代选取的特征向量偏多时,多尺度的大气环流信息被纳入预测模型中作为预测信号,预测技巧得到了提高。