北京降水缺测资料恢复的研究

利用１９４１－１９８０年北京降水量资料进行了缺测降水量资料恢复的研究，并单月序列使用非线性函数作降水量正态化的变换，然后用预测残差最小逐步回归及对多月序列使用各月降水量变换序列，各月降水量变换序列与各月气温混合序列为因子作缺测资料恢复和用各月缺测资料前后实测资料作简单内插恢复等三种方案进行试验结果表明，以降水和气温作混合因子使用残差最小逐步回归模型有最好的可性。还使用该方案对１８４１－１９５０年缺     

上海地区最高气温资料的恢复试验

对上海最高气温1924～2001年期间的缺测资料进行了恢复试验,以期通过该个例的研究,探讨我国台站历史资料集中缺测或中断序列的恢复、插补的一般方法.选取使用上海气象观测站的相邻若干台站的最高气温资料,分别用回归分析法、判别分析法和偏最小二乘法,对上海站相应期间缺测资料进行逐年逐月的恢复,并利用交叉检验的均方误差作为恢复效果的评判.结果发现对缺测资料恢复的总效果以偏最小二乘法为最好,因此选用该方法作为资料恢复的主要方法.恢复过程为每次仅恢复某月份、某测站、某年份的缺测资料,恢复后的估计值作为观测值使用,再进行其它缺测资料恢复的新资料集,如此反复地进行,以近期资料开始,逐步向前期资料延拓.这样做的目的是为了使得和后续的观测资料直接连接.     

北京地面气温可预报性及缺测资料恢复的研究

利用１９５１－１９９０年期间北京地面气温资料作未来气温预测可预报性及缺测气温资料恢复的研究，对单月序列使用自回归、选阶自回归、逐步回归和预测残差最小逐步回归及对多月序列使用后两种模型等６种方案进行试验。结果表明，多月序列使用残差最小逐步回归模型有最好的可预报性，且预报方程具有较高的稳定性。本文使用该方案还对１８４１－１９５０年期间的缺测气温资料进行恢复。     

谈谈缺测资料的播补訂正法

中央气象局今年下发的《1951-1980年全国地面基本气候资料统计方法》(下称“统计方法”),是全国统一的气候资料整编工作的准则,必须坚决贯彻执行。我站文革期间某年1-2月,7-9月的气候纪录缺测,给气象工作带来不应有的损失。按“统计方法”,对这几个月缺测资料进行了插补订正,基本上弥补了     

多级逐步判别分析及其在夏季大降水预报中的应用

多级判别分析是统计预报中很重要的一个分支,在当前业务预报中仍不失为一种较为有效的预报方法。多级逐步判别比多级判别分析具有较大的优越性,其基本原理类似于逐步回归。用此方法我们在夏季较大降水预报中进行试验,取得了良好的预报效果;经两种方案比较试验结果表明,四级判别较优于三级判别,多级逐步判别分析具有普遍的应用价值,值得在预报业务化中加以推广应用。     

苏皖地面自动站资料的质量控制及结果分析

利用江苏和安徽2012—2014年151个国家站及2 600个区域站资料,对各类自动站资料的质量及其控制方法进行初步探讨。采用缺测资料统计、气候界限值检查、气候极值检查、内部一致性检查、二次迭代的空间一致性检查、时间一致性检查、持续性检查及综合决策算法分别对国家站和区域站资料进行系统的质量控制,并根据质量控制结果进行可疑站点的标记。结果显示:国家站各要素资料缺测率远低于区域站,且资料质量总体上均明显优于区域站;自动站各要素中温、压要素的质量最好,其次是相对湿度;除了空间一致性检查中风场资料的检查结果差别不大外,其余检查中区域站资料的未通过率均远高于国家站资料;将错误资料及可疑站点信息进行及时反馈,能改善实时资料质量,并为相应测站的检修与维护提供依据。     

不正常自记风日最大挑取方法

多年来在对地、市（县）气象台（站）的资料处理中，时有发现某些台站对不正常自记风日最大挑取处理有不妥当现象，使不该缺测的记录而缺测。为了保证气象资料的准确性，曾在实践中摸索出了比较具体的对不正常自记风日最大的挑取方法。其方法主要围绕如何判定日最大风速是否出现在缺测时间内，及如何判定从实有的自记迹线中挑取的日最大是否有使用价值，并提出了三条具体分析方法。同时对不同实例进行了逐步推理剖析，使该方法更为明     

基于贝叶斯模型的器测、古气候重建与气候模拟数据的融合试验

气象部门馆藏的西部最早的器测气象资料始于20世纪30年代,不能满足建立20世纪以来中国气候变化序列的需求,而古气候重建或气候模拟资料则可以延伸到器测时代以前。为了探讨长序列多源气候资料序列融合方法,采用贝叶斯方法对中国北疆地区8条树轮气温重建资料、器测资料与国际耦合模式比较计划第5阶段（CMIP5）模式模拟资料进行了融合试验。首先利用器测资料对气温代用资料进行校验与网格重建,并以此作为贝叶斯模型的先验分布,然后,用泰勒图选出了该区域气候模拟效果最佳的几个模式;最后将网格重建和气候模拟序列用贝叶斯模型进行了融合试验。结果表明,贝叶斯融合模型能有效提取各种数据来源的有用信息进行融合,融合结果的长期变化（线性）趋势更接近器测气候序列,并在一定程度上提高了序列的精度,减小了结果的不确定性;并且,融合结果能够纠正先验分布及气候模拟数据的明显偏差,为长年代气候序列重建提供了一个可行的思路。      

EOF方法恢复历史气候要素场的研究

本文用自然正交展开，通过对典型场所对应的时间系数的恢复，达到了恢复气候要素场的目的，利用云南６个站已有的５月雨量资料，恢复出１９个站的５月雨量场资料，检验表明，所恢复的记录在一定程度上重视了特殊年份降水量场的特征。     

四川地区自动土壤水分站数据质量控制方法研究

本文利用各类人工、自动土壤水分资料,统计得到不同层次土壤水分各观测要素的气候极值和时变阈值,研发了适用于四川地区自动土壤水分资料的质量控制方法,具体包括站点参数信息检查、数据缺测检查、体积含水量界限值检查、气候极值检查、时间一致性检查(时变检查和持续性检查)。并对2014年21个自动土壤水分站218个S文件进行了检查测试,检查数据约500万个,质控结果显示,数据缺测约占总数据量的1.6%,超过气候极值数据约占总数据量9%,未通过时间一致性检查的数据约占0.5%,超出体积含水量界限值的数据约占0.3%。在所有疑误信息中,超过气候极值所占比例最大,土壤水分各要素历史气候极值有待进一步完善。      

基于支持向量机(SVM)方法的冬季温度预测

选取河南省5个代表站,分别代表河南省5个片,将气候预测中常用的74项环流特征量资料进行归一化处理,分别将其与5个代表站的冬季温度进行相关普查,在筛选预测因子的基础上,利用SVM两类分类和回归方法,建立河南各代表站冬季温度预测推理模型,用2000/2001~2004/2005年4年进行试报,结果显示SVM方法是处理非线性分类和回归等问题的有效方法,做分类和回归预测时,各代表站对应的SVM推理模型均具有良好的预报能力,且对温度预测SVM回归优于SVM分类。     

基于矩阵补全的气象数据推测

传统的气象数据推测大多基于插值方法,而此方法需要近邻台站的完整观测数据,这在很大程度上限制了插值方法的应用。为此,本文提出了一种基于矩阵补全的气象数据推测方法,该方法根据气象数据的近似低秩性来推测缺失数据。首先,选取我国662个气象台站2004—2013年的逐日平均温度和日照时数两种气象要素作为研究对象,通过矩阵奇异值的累积贡献率来检验数据集的近似低秩性。然后设计了两组试验,第1组试验考虑了不同采样概率下各年份的数据推测,第2组试验随机选取某些台站,考虑所选台站数据连续缺测时的推测。最后,使用矩阵补全方法推测缺失数据,采用10a的平均误差作为评价指标。试验结果表明:矩阵补全方法能很好地推测缺失数据,且具有一定的鲁棒性。     

The Relationship between Total Ozone and Local Climate at Kunming Using Dobson and TOMS Data

This paper uses Dobson spectrometer total ozone data,Total Ozone Mapping Spectrometer(TOMS) data and radiosonde reports from Kunming,which is located in southwest China,from 1980 to 2008 to analyze the total ozone-climate relationship.The total ozone decadal long-term trend and abrupt change were studied using enhanced Dobson data whose missing data were amended by the TOMS data.Stepwise linear regression was used for the selection of the key factors that influence total ozone,including temperatures,geopotential heights,depressions of the dew point,wind velocities,and total solar radiation.The relationship between the selected factors and total ozone was analyzed using the methods of stepwise regression and partial least squares regression(PLSR).Results showed that although the PLSR method was slightly better and more reasonable to study the relationship than stepwise regression,while the two regression results were only slightly different.It was also suggested that local climate,especially local circulation and temperature,were important for the variations in total ozone,and the local climate could almost linearly explain 80% of the variance of total ozone.The relationship also indicated that the abrupt change of total ozone in the year 1994 may be related to abrupt local climate change.     

基于Logistic回归和多指标叠加的短时强降水预报模型

利用2001—2011年中国西北地区东部10个特征站地面常规资料和MICAPS系统特征参数资料,分别运用改进的二元Logistic回归法和综合多指标叠加法,通过短时强降水天气学概念模型识别入型、水汽条件消空、敏感物理参数诊断等方法逐级判别,建立了两种短时强降水预报模型,并运用模型试预报2012年该区域的短时强降水过程。结果表明:两种新建预报模型相比平均气候概率模型试预报效果都有明显提高,而且前者高于后者;其中二元Logistic回归模型试预报TS得分高达46.6%,综合多指标叠加模型试预报TS得分19.6%,而平均气候概率模型试预报TS得分仅9. 7%;除西南气流型两者预报效果相当外,不同概念模型下二元Logistic回归模型试预报效果均优于综合多指标叠加模型。     

电厂空冷系统环境气象场要素分析中的几个关键技术

以山西省左权、王曲电厂等为期一年的铁塔气象观测资料和各邻近地面气象站同期观测资料为例,说明如何选取典型年以及相关性较好的对比气象站,通过对电厂空冷梯度的主要气象要素分析,结合选取的对比气象站长时间序列的逐时气象资料,采用相关统计分析并进行回归检验,重建厂址区域风、温场资料,并针对风资料转换中存在的问题进行了探讨.结果表明:在两地风资料相关较差时.利用条件概率结合线性回归以及风矢量相关等方法补充订正厂址区域风资料效果较好.其结果对风、温场历史资料的重建有一定的指导意义.     

低温雨雪过程的粒子群-神经网络预报模型

利用逐日气温和降水量数据、NCEP/NCAR再分析资料以及预报场资料,通过分析提取我国南方区域持续性低温雨雪过程及其预报因子,使用粒子群-神经网络方法建立非线性的统计集合预报模型 (PSONN-EPM),对我国南方区域持续性低温雨雪过程进行预报试验。结果表明:以过程的冷湿程度及影响范围为标准,将低温雨雪过程分为一般过程和严重过程,并建立不同的预报模型效果较好。通过10 d独立样本预报试验看,基于粒子群-神经网络方法建立的集合预报模型比基于逐步回归方法建立的预报模型的预报平均相对误差小,对严重过程预报能力高于对一般过程预报,且这种非线性统计集合建模方法在建模过程中不需要调整神经网络参数,在实际预报业务中值得尝试。     

用预报残差最小的逐步回归方法作黄河上游旱涝预测试验

本文提出用预报残差最小的逐步回归方法作预报,较之传统的逐步回归具有计算简便、适应于小型计算机计算等优点。在作黄河上游旱涝预测试验中表明有较好的效果。