回归诊断在城市空气质量预报中的应用研究

城市空气质量回归预报模型的残差分布存在着不对称现象，它是由高杠杆点引起。这些高杠杆试验点的残差存在着统计天气预报意义上的不合理性，导致回归系数L5估计的误差，从而引起预报的误差。针对这些问题提出了城市空气质量的回归诊断预报模型。实例计算说明，回归诊断预报模型要优于常规回归预报模型。进一步分析指出，城市空气质量回归预报模型的不合理性并非个别例子的特殊性所造成，而是由模型的数学特点所决定，因此城市空气质量的回归诊断预报模型具有普遍     

回归诊断在赤霉病预报中的应用

小麦赤霉病回归预报模型的残差分布存在着不对称现象,残差分布不对称现象是由高槓杆点所引起。由于这些试验点的残差存在着数理统计意义上的不合理性,从而导致了回归系数Ls估计的误差。针对这些问题本文提出小麦赤霉病预报的修正回归模型。数学证明和实例说明,修正回归模型要优于常规回归模型。对离散型应变量的农气回归问题,修正回归模型具有普遍意义。     

离散型应变量的回归诊断和离散回归法

本文从大量天气预报实例的普查结果,归纳了离散型应变量的回归残差分布模式。回归诊断表明模式的单向性是由一些高杠杆点引起。对这些高杠杆点的进一步分析可以看到,它们的残差存在着统计预报意义上的不合理性,不合理性又造成回归系数LS估计的误差。针对这些问题,本文提出了离散回归法。     

回归诊断在事件概率回归预报中的应用

针对事件概率回归模型的特点，用残差分析和统计量诊断的方法归纳了回归线差的非称分布现象，揭示了这种现象是由高杠杆占所引起，探讨了概率回归模型的残差不合理性的统计天气预报意义，从而提出适用于概率预报问题的事件概率回归改进模型。分析指出。事件概率回归模型的不合量性并不是个另例了特珠性所造成是由该模型的数学特点所决定，概率回归改进模型要优于普通的概率的回归模型型。     

切变线与杭州地区大到暴雨

梅汛期(6月1日～7月10日)是我市大到暴雨的集中时段,往往引起严重的洪涝灾害。研究指出:切变线在梅汛期是造成我省暴雨的主要天气系统。据我们统计,切变线(涡切、暖切、冷切)亦是造成我区梅汛期大到暴雨的主要天气系统。切变线北侧的冷性高压和南侧的副热带高压的辐合往往引起动力性和热力性不稳定,而500hPa的华西槽东移又促使垂直运动的发展,如700hPa、850hPa配合有低涡东传并配有西南急流,则中低层辐合进一步加强,并有利于水汽源源不断地输送。这些都是形或我区大到暴雨的必要条件。县站用物理意义明确的总温度和气团参数等作判别指标,使大到暴雨落区更具体,这样二者结合是提高大到暴雨预报能力较理想的方法。     

建德梅汛期暴雨特征及预报探讨

引言 本文通过对建德37年降水资料的气候分析,得到了以下重要事实:1.我市是暴雨多发地,而梅汛期暴雨则占全年暴雨的60.8％;2.暴雨发生频次年际变化很大,且年际变化具有一定的阶段性;同时梅汛期总降水量的多寡主要取决于梅汛期暴雨的频次;3.我市梅汛期暴雨以100mm以下的暴雨出现机率最大,约占总数的93％;大暴雨共出现11次且全部出现在七十年代以后;特大暴雨未出现过;4.长林大坑源是我市暴雨的中心,而梅城、凤凰等地则是暴雨的少发地用梅汛期大到暴雨的中期预报模式和短期地县结合预报模式,来制作补充订正预报效果明显。     

时空投影法在上海地区梅汛期降水延伸期预报中的应用

本文基于2001—2010年上海市11个基本气象站的逐日降水量和澳大利亚气象局的逐日大气低频振荡(MaddenJulian Oscillation,MJO)指数(包括RMM1和RMM2)资料,选取MJO指数作为预报因子,上海地区梅汛期降水量作为预报对象,建立了基于时空投影法(spatial-temporal projection model,STPM)的上海地区梅汛期降水延伸期预报模型。利用该模型对近6年(2011—2016年)的梅汛期降水进行回报试验,其预报技巧评估结果表明:该模型对未来10～25 d的降水具有较好预报效果,可较准确地预报出梅汛期3/4左右的降水量级和降水发生时段。其中,预报时效为10～20 d的预报技巧较高,而提前21～25 d的预报技巧略有下降。总体而言,基于MJO活动的STPM预报模型在上海地区梅汛期延伸期降水预报中具有较好的参考价值。     

舟山市污期降水量预报方法

利用基于预测误差平方和（PRESS）准则的逐步回归分析和基于残差平方和（RSS）准则的逐步回归分析建立了舟山市3个县区站汛期（5－9月）降水量的预报模型，并对两种方法的预测结果进行预报集成，经试报才预报检验表明，该模型的预测效果较好。     

四个耦合模式ENSO后报试验的“春季预报障碍”

用CliPAS计划中3个气候模式和中国科学院大气物理研究所耦合模式FGOALS-g短期气候异常回报试验结果,将动力和统计方法相结合,考察了1982—2003年厄尔尼诺/拉尼娜事件发展期和衰减期海表温度春季可预报性障碍现象。结果表明,所考察的耦合模式对ENSO事件预报的误差发展存在明显的季节依赖性,最大误差增长通常发生在春季,发生显著的可预报性障碍现象。进一步分析发现厄尔尼诺事件和拉尼娜事件在发展期的季节预报障碍现象比衰减期明显,以厄尔尼诺事件发展期春季可预报性障碍现象最为显著,拉尼娜事件衰减期季节预报障碍现象不显著。研究还发现,预报误差的增长在ENSO事件冷暖位相具有显著的非对称性,发展期暖位相预报误差强于冷位相,而衰减期冷位相的预报误差比暖位相大。通过回归分析,诊断了海-气相互作用的强度,发现耦合系统在春季最不稳定,使预报误差最易在春季发展,从而导致可预报性障碍。     

基于SVD与机器学习的华南降水预报订正方法

降水是在多种天气系统和复杂物理过程共同影响下形成的,因此降水预报难度较大。由于数值预报模式的局限性,使得模式预报产品存在一定误差。为探讨更加有效的模式预报产品误差订正方法,基于奇异值分解（SVD）与机器学习（多元线性回归、套索回归、岭回归）构建订正模型,对2007—2019年4月1日—6月30日华南前汛期欧洲中期天气预报中心（EC）模式降水预报产品进行误差订正试验。结果表明:基于SVD与机器学习相结合的订正模型能有效降低EC模式降水预报产品在华南的预报误差,均方根误差最大优化率达4.2%,累计超过69%的站点得到不同程度的优化;SVD与机器学习相结合的订正模型能很好地处理因子间共线性问题,具有更好的鲁棒性;而对多个订正模型加权集成,均方根误差优化率达5.7%,累计超过77%的站点得到优化,显然加权集成方法订正效果不仅优于EC模式预报产品,也优于参与集成的任一订正模型。     

基于“配料”的梅雨锋强降水预报方法

在梅雨锋暴雨预报中应用“配料法”，通过降水量的基本公式解释了强降水形成的基本配料，给出了建立配料的基本步骤，同时，通过一次暴雨个例分析，具体阐述了“配料法”在梅雨锋暴雨预报中的应用。结果表明，基于暴雨等强对流天气形成物理机理认识的基础上，所选取的可降水量等动力、热力因子与暴雨有着较好的对应关系，通过分析以上关键物理因子建立的过程，可以给出暴雨潜势预报。     

江淮梅雨锋暴雨过程Q矢量分析及落区预报

应用Ｑ矢量分析方法对２０次伴有暴雨的江淮梅雨锋过程进行分析，揭露了梅雨锋暴雨期对流层低层Ｑ矢量散度场的分布特征以及中、低空主要天气系统和暴雨带之间的时空配置关系，指出了Ｑ矢量散度场对江淮梅雨暴雨的落区有较好的预报意义。     

1995年6月梅雨期暴雨的水汽图像分析

文章利用GMS-5水汽图像及常规资料,分析1995年6月中旬至7月初梅雨期暴雨的水汽图像特征,指出水汽羽与强降水的关系,并概括出梅雨期暴雨的水汽图像概念模型。     

西藏中东部一次强雷暴天气过程的云图特征分析

利用FY-2C红外卫星云图图像和TBB资料,结合地面常规气象观测资料、地面和高空天气图及物理量资料等,运用天气分析诊断方法,对2008年6月28日—7月3日发生在西藏中东部地区的一次强降水雷暴过程的发生、发展和演变的环流特征、卫星云图特征和物理量场特征进行分析,并试图建立预报标准,形成预报思路和预报概念模型。结果表明：本次过程在FY-2C卫星云图、大尺度环流形势场和物理量场上都有明显的特征。TBB低值区、水汽条件、垂直散度场配置、高温高湿、层结不稳定是预报强雷暴天气的着眼点。TBB低值带与强降水雷暴的落区有很好的对应关系。暴雨的发生区往往是TBB的相对低值中心,雨带摆动及强度与TBB低值带的摆动和强度相一致。TBB≤-33℃,应注意强降水的预报。TBB≤-50℃,可能有暴雨出现。TBB≤-60℃,可能出现大暴雨并伴有雷暴天气。TBB≤-33℃的范围越大、强度越强,降水持续的时间越长、降水强度越强。     

广东省前汛期连续暴雨的气候背景及中期环流特征

为了解中期连续暴雨的成因, 进一步做好4—6月广东省致洪连续暴雨的中期预报, 用统计和合成分析方法, 对1961—2001年广东省前汛期连续暴雨过程的气候背景及中期环流特征进行了分析。分析结果表明:广东省6月出现连续暴雨的几率最大; 小波分析和最大熵谱分析表明, 广东省的连续暴雨存在准2~5年和10年左右的周期振荡, 未来几年发生连续暴雨的次数将增多; 用500 hPa候平均高度场资料, 对出现在广东省的前汛期连续暴雨过程的中期环流特征及高、低纬地区的环流演变特点进行了分析归纳, 总结出两类造成连续暴雨过程的中期环流特征的2条指标, 它们的共同特点为:中高纬度具有十分稳定的“西阻”和“东阻”, 中高纬的“东阻”和低纬120°E以东的正距平区相叠加, 使得低纬维持稳定的东高西低形势, 有利于出现连续暴雨过程。在此基础上利用欧洲中心500 hPa高度场未来1~5 d的格点逐日预报资料得到候平均图, 用动力-相似诊断方法作出2003—2005年广东省有无连续暴雨过程的中期趋势预报。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

甘肃省陇东南地区大到暴雨时空分布特征

利用甘肃省陇东南地区31个气象站1967~2001年的逐日降水资料,统计分析了该区大到暴雨时空分布的主要气候及年际、年代际变化特征,根据实际需要确定了该区暴雨及标准,其研究结果将为建立陇东南大到暴雨短期预报提供气候背景。     

CHARACTERISTICS OF MESOSCALE FLOOD-MAKING TORRENTIAL RAIN SYSTEM SIMULATED BY HIGH RESOLUTION LIMITED AREA MODEL—NUMERICAL SIMULATION OF A HEAVY RAIN PROCESS DURING MEIYU SEASON IN 1991*

An experimental work on the transplant of high resolution limited area model(HIRLAM) isfirstly introduced into China.For the implementation,first of all is to adjust a new geographicalcoordination and to remove the instability caused by the Tibetan Plateau,the roof of the world.Then,we have applied this model to simulate a flood-making torrential rain process which occurredin the Changjiang-Huaihe River Valley in July 1991.That revealed the formation,development andmovement of a mesoseale heavy rain system which had made a disastrous flood event in the middleand lower reaches of Changjiang River Valley.The result encourages us to use the HIRLAM for the researches on the Meiyu belt,the salientfeature of precipitation of East Asia,and the numerical prediction of heavy rains in China.