一非线性统计—动力气候模式及其降水预报试验

在带有线性反馈的统计－动力气候模式的基础，提出了一种非线性统计－动力气候模式，该模式的实质是用逐段线性化的统计－动力气候模式来描述气候系统的总体非线性特征。试验结果表明，该模式能更客观地预测气候变化。     

一非线性统计－动力气候模式及其降水预报试验

在带有线性反馈的统计－动力气候模式的基础上，提出了一种非线性统计－动力气候模式。该模式的实质是用逐段线性化的统计－动力气候模式来描述气候系统的总体非线性变化特征。试验结果表明，该模式能更客观地预测气候变化     

武汉市区SO2污染浓度预报方法研究

对武汉市ＳＯ２污染浓度建立了三套预报模式，潜势预报模式，预报模式、扩散模式。潜势预报模式是根据天气系统分类，用编码分类法，使模式定量化；统计预报模式具有多因子综合影响的天气意义及统计预报这理化的优点；扩散模式是一种定量动态预报方法。污染浓度预报方法的研究可为控制、防治大气污染提供科学依据，以利于治理、改善大气环境。     

应用综合统计方法预报长江上游短期强降水面雨量

将完全预报方法和模式输出统计方法结合起来，使其优势互补。同时，充分考虑数值预报和经验预报在实际工作中的作用，改善模式输出统计中的因子组成，建立MOS预报方程，提高了统计预报模型性能。2002年6－9月业务试用结果表明，该预报方程对强降水面雨量有较强的预报能力。     

建立适应数值模式变化的统计模型研究数值预报的释用技术

由于数值预报模式的不断更新，老的颈报方程或预报模式被中断使用，致使不少台站停止了数值预报的客观释用，影响了部分预报员制作客观释用方法的积极性。对此我们必须建立适应数值模式变化的统计模型，研究数值预报释用技术，以推动数值预报释用工作。因为数值预报释用是业务天气预报客观化、定量化，进而提高预报准确率的必由之路。传统的mos方法需要至少2年左右的预报量作为统计样本，但现代数值预报发展很快，模式版本的更新是经常的，不可能在每次更新后都专门为mos重算2年的逐日的数值预报，因此必须建立能适应数值模式变化的统计模型…     

统计方法在数值模式中应用的若干新进展

目前,数值模式的准确性不断提高,天气预报和气候预测越来越依靠数值模式。数值模式不仅仅是求解描述大气运动和热力过程的方程组,其中也大量使用了统计方法,统计方法是数值模式的重要组成部分。本文对统计方法在数值模式中应用的最新进展进行了综述。首先,分析了统计方法在数值模式的资料同化、集合预报、次网格尺度物理过程参数化方案、数值产品统计释用、延伸期预报、模式检验等方面的应用。然后阐述了贝叶斯统计在数值模式中应用的新进展。最后,对统计方法在数值模式中应用的未来发展趋势进行了展望。     

提高粮食产量预报模式稳定性及准确性的探讨

运用气候因子预报粮食产量的多元回归模式在应用中表现不够稳定．本文提出用正常气候条件对作物生长最适气候条件的动态供需分布，对入选因子进行生物学意义的合理性检验，使静态的统计预报模式稳定性明显提高，同时使动态统计产量预报评价模式有了明确的生物学意义，本文还提出了多元回归与时间序列分析相结合的三项式产量预报模型和综合预报方法，产量预报模式的稳定性和准确性平均提高４％以上。     

小概率气候事件预测新方法

为了发展我国短期气候预测工作，改善我国中、长期天气预报方法，提高短期气候预测准确率，经“普适线性模式——关于概率分布的模拟和气候数值研究暨气候研究的统计方法学术讨论会”商议，并征得普适线性模式研制者的同意，拟将英国伦敦大学学院统计科学系的“普适线性模式”在我国气象部门推广应用。该模式容纳参数量大，     

台风路径统计预报的改进

应用数值预报产品并采用多种预报方案相结合建立了台风路径的统计释用综合预报模式，从而提高了台风路径预报的技巧。经１９９４年台风季节业务试用，其预报性能比原有的统计预报模式有较大的提高，试验表明，充分利用在预报时可得到的数值预报输出产品的采用多种方案集成是改进台风路径客观的有效途径。     

应用于强对流天气预报的模式探空产品

仿照实测探空，根据数值模式站点预报的气象要素设计了包含十种常用稳定度指数的斜T-InP模式探空图。在综合评估的基础上，设计了一种模式探空的订正和产品的形成方法，并制作产品显示系统，它可以方便地提供地面站点模式探空和交互式模式探空的图形产品。模式探空产品的统计评估和具体强对流天气的个例分析中表明，模式探空产品对强对流天气预报有帮助。     

时间尺度分离在华南夏季极端高温预测中的应用

基于高温日数存在受不同物理因子影响不同时间尺度变率的特征,应用滤波对华南夏季高温日数进行时间尺度分离,得到高温日数的年代际分量和年际分量。统计分析高温日数总量、年代际分量和年际分量在各自对应时间尺度上的影响因子,采用"向前"交叉检验逐步回归法,分别建立高温日数总量、年代际分量和年际分量的回归模型。高温日数总量的回归模型即为高温日数不区分时间尺度的直接回归模型,而两个分量回归模型拟合结果的叠加,即为高温日数时间尺度分离统计模型对总量的拟合。利用十折交叉检验法,对高温日数直接回归模型和时间尺度分离统计模型的拟合结果进行比较:相比高温日数直接回归模型,时间尺度分离统计模型的年代际分量均方根误差由2.6降低到2.3,与观测数据的相关系数由0.69提高到0.73（显著性水平α=0.01）;年际分量均方根误差由3.2降低到2.9,与观测数据的相关系数由0.4（α=0.1）提高到0.48（α=0.01）;高温日数总量均方根误差由4.1降低到3.7,与观测数据的相关系数由0.48提高到0.62（α=0.01）。1979~2010年拟合时段华南夏季高温日数的回报结果表明:两模型回报结果与观测数据均存在明显相关（α=0.01）,直接回归模型的相关系数为0.57,时间尺度分离统计模型提高到0.72。2011~2013年独立检验时段的预测结果表明:直接回归模型预测结果的平均均方根误差为26.4%,时间尺度分离统计模型降低到12.3%。初步结果表明,两模型对华南夏季高温日数均有一定的预测能力,而时间尺度分离统计模型的预测结果有所改进。     

Validation of climate model output using Bayesian statistical methods

The growing interest in and emphasis on high spatial resolution estimates of future climate has demonstrated the need to apply regional climate models (RCMs) to that problem. As a consequence, the need for validation of these models, an assessment of how well an RCM reproduces a known climate, has also grown. Validation is often performed by comparing RCM output to gridded climate datasets and/or station data. The primary disadvantage of using gridded climate datasets is that the spatial resolution is almost always different and generally coarser than climate model output. We have used a Bayesian statistical model derived from observational data to validate RCM output. We used surface air temperature (SAT) data from 109 observational stations in California, all with records of approximately 50 years in length, and created a statistical model based on this data. The statistical model takes into account the elevation of the station, distance from coastline, and the NOAA climate region in which the station resides. Analysis indicates that the statistical model provides reliable estimates of the mean monthly SAT at any given station. In our method, the uncertainty in the estimates produced by the statistical model are directly determined by obtaining probability density functions for predicted SATs. This statistical model is then used to estimate average SATs corresponding to each of the climate model grid cells. These estimates are compared to the output of the RCM to assess how well the RCM matches the observed climate as defined by the statistical model. Overall, the match between the RCM output and the statistical model is good, with some deficiencies likely due in part to the representation of topography in the RCM.     

一种新的统计回归模型及其建模方案

根据经典门限自回归模型的基本思想,引入半截多项式变换,导出了一种新的统计回归模型,并提出了相应的一整套建模方案。这种模型和建模方案的特点是:（1）解决了统计回归分析中逐段线性化模型的检验问题;（2）在确定统计回归模型中各待估参数和变量——包括门限变量、门限值、阶数、时滞和回归系数时显得十分方便、快捷。试验结果表明,根据此方案建立的统计回归模型具有较高的拟合和预报精度,同时具有良好的稳定性。     

东北地区夏季旬土壤水分推算模型的初步探讨

利用东北地区1993—2009年6—8月旬土壤湿度资料,首先采用CAST聚类法对该区域土壤湿度进行气候分区,再以土壤水量平衡原理为依据,在考虑有物理意义的影响因子基础上,分别对每个分区建立统计回归模型,并验证模型的适用性。结果表明:模拟精度在78.8%～88.2%之间,该模型对于东北地区夏季的旬土壤湿度具有一定的推算能力,可以作为一种可应用的模拟方法。     

基于时空统计降尺度的淮河流域夏季分月降水概率预测

针对淮河流域水资源短缺、洪涝、干旱并存的问题,基于国家气候中心第二代季节气候模式的集合回报数据集(1991—2014年),建立时空相结合的统计降尺度模型,提前1—3个月预测该流域夏季分月降水,应用ROC(relative operating characteristics)评分评估比较了不同集合预测方案的预测技巧。交叉检验结果表明,样本数取18、20、22、28时,集合预测方案对3、4、5月三个起报时次预测的夏季各月降水技巧预测均高于模式预测技巧。2015—2017年的独立样本检验进一步表明该统计降尺度模型能够明显降低3月、5月起报的6月和8月的降水预测偏差。认为可尝试将该降尺度方法应用于淮河流域夏季降水预测及进一步的流域水文预测。     

Comparison of regional climate model and statistical downscaling simulations of different winter precipitation change scenarios over Romania

Summary Regional climate model and statistical downscaling procedures are used to generate winter precipitation changes over Romania for the period 2071–2100 (compared to 1961–1990), under the IPCC A2 and B2 emission scenarios. For this purpose, the ICTP regional climate model RegCM is nested within the Hadley Centre global atmospheric model HadAM3H. The statistical downscaling method is based on the use of canonical correlation analysis (CCA) to construct climate change scenarios for winter precipitation over Romania from two predictors, sea level pressure and specific humidity (either used individually or together). A technique to select the most skillful model separately for each station is proposed to optimise the statistical downscaling signal. Climate fields from the A2 and B2 scenario simulations with the HadAM3H and RegCM models are used as input to the statistical downscaling model. First, the capability of the climate models to reproduce the observed link between winter precipitation over Romania and atmospheric circulation at the European scale is analysed, showing that the RegCM is more accurate than HadAM3H in the simulation of Romanian precipitation variability and its connection with large-scale circulations. Both models overestimate winter precipitation in the eastern regions of Romania due to an overestimation of the intensity and frequency of cyclonic systems over Europe. Climate changes derived directly from the RegCM and HadAM3H show an increase of precipitation during the 2071–2100 period compared to 1961–1990, especially over northwest and northeast Romania. Similar climate change patterns are obtained through the statistical downscaling method when the technique of optimum model selected separately for each station is used. This adds confidence to the simulated climate change signal over this region. The uncertainty of results is higher for the eastern and southeastern regions of Romania due to the lower HadAM3H and RegCM performance in simulating winter precipitation variability there as well as the reduced skill of the statistical downscaling model.     

累加阶层线性模型的长三角地区年降雨量预测

将灰色系统模型与阶层线性模型的思想和方法结合起来,拓展了模型的适用范围,给出了累加阶层线性AMM(1,1)模型,并在结合长三角年降雨量的具体实例时进行了模型改进.对原模型与改进后的AMM(1,1)进行比较,验证了模型的实用性,为降雨量的预测提供了一种新途径.     

An estimate of future climate change for western France using a statistical downscaling technique

A statistical downscaling procedure based on an analogue technique is used to determine projections for future climate change in western France. Three ocean and atmosphere coupled models are used as the starting point of the regionalization technique. Models' climatology and day to day variability are found to reproduce the broad main characteristics seen in the reanalyses. The response of the coupled models to a similar CO₂ increase scenario exhibit marked differences for mean sea-level pressure; precipitable water and temperature show arguably less spread. Using the reanalysis fields as predictors, the statistical model parameters are set for daily extreme temperatures and rain occurrences for seventeen stations in western France. The technique shows some amount of skill for all three predictands and across all seasons but failed to give reliable estimates of rainfall amounts. The quality of both local observations and large-scale predictors has an impact on the statistical model skill. The technique is partially able to reproduce the observed climatic trends and inter annual variability, showing the sensitivity of the analogue approach to changed climatic conditions albeit an incomplete explained variance by the statistical technique. The model is applied to the coupled model control simulations and the gain compared with direct model grid-average outputs is shown to be substantial at station level. The method is then applied to altered climate conditions; the impact of large-scale model uncertain responses and model sensitivities are quantified using the three coupled models. The warming in the downscaled projections are reduced compared with their global model counterparts.     

BP-CCA方法用于四川盆地夏季日降水量的可预报性研究

基于BP-CCA方法,首先讨论了多个因子对四川盆地夏季降水降尺度模型的可预报性,然后选取最佳预报因子并进行集合,最终基于T639模式建立最优多因子降尺度预报模型.结果表明,分别以东亚夏季10m纬向风、700hPa纬向风和700hPa相对湿度为预报因子的降尺度模型对四川盆地夏季降水的预报技巧较高,而将三个因子集合的多因子降尺度预报模型具有更好的预报能力.进一步将该方法应用于T639模式预报的预报因子场,发现多因子降尺度模型对降水的预报效果要优于T639模式直接输出的结果.