正交化筛选在降水量资料序列订正中的适用性

采用在均生函数基础上的正交化筛选方法建模,对分布于全国各区域３４个台站的降水量资料序列进行了序列订正的试验与分析。结果表明,年序列的订正效果最好,季降水量序列次之,最差的是月序列的订正。一般说来相对拟合误差随序列的相对标准差的增减而增减。对于年降水量序列而言,除西北９站中的６个站平均相对拟合误差达０．０９以上外,其余各均在０．０８以下,相对拟合误差还随样本年数增加而减少,样本数为１５年以上时,比较     

互助站迁站前后气温序列均一性检验及订正

气象台站的迁移常导致气候序列的非均一性。本文对互助站迁站前后气温序列作均一性检验及订正。采用t检验和SNHT法,对互助站迁站前后的气温序列进行均一性检验,结果表明站址迁移对互助站温度序列均一性的影响非常显著。对差值法、一元线性回归、逐步多元线性回归以及确立订正方程式的参考站平行资料年限对互助站气温序列订正效果进行分析,结果表明用参考站15年平行观测资料建立的逐步多元线性回归订正效果较好。用逐步多元线性回归法对互助站迁站前的气温序列进行订正,经订正后互助站气候倾向率为0.31℃/10a,消除了序列的不均一现象。     

非均一性气温气候序列订正方法的研究

本文采用一元线性回归订正法、逐步多元线性回归订正法、综合订正法和差值订正法对分布在全国２５省区的３５个台站进行了各方法气温资料订正效果等方面的试验研究。结果表明，四种方法中以逐步多元线性回归订正法的抉合误差值最小，其次是一元线性回归订正法，再其次是综合订正法和差值订正法。试验还表明，拟合误差值的大小于确定订正方程式的资料有关，平行资料年数越长越好，至少不宜短于１０年；相关系数越高越好，若将拟合误差     

ECMWF模式地面气温预报的四种误差订正方法的比较研究

采用均方根误差对欧洲中期天气预报中心（ECWMF）确定性预报模式2007年1月至2010年12月的地面气温预报结果进行评估,并分别利用一元线性回归、多元线性回归、单时效消除偏差和多时效消除偏差平均的订正方法,对ECMWF模式地面气温预报结果进行订正。结果表明,4种订正方法都能有效地减小地面气温多个时效预报的误差,改进幅度约为1℃。在短期预报中仅考虑最新预报结果的一元线性回归订正方法要优于考虑多个预报结果的多元集成预报订正方法。在中期预报中考虑多个预报结果的多元集成预报订正方法更优,更稳定。在模式预报误差较大的情况下,多时效集成的订正方法能更稳定地减小误差。     

河北保定气象站长序列气温资料缺测记录插补和非均一性订正

基于多源的气温月值资料,在数据整合和初步质量控制基础上,同时采用标准化序列法和多元线性回归法对河北保定气象站1913-2014 年月平均气温、最高气温和最低气温资料进行了插补。通过交叉检验法分析发现,标准化序列法插补得到的气温序列效果较好,并且气候统计特征与同区域周边站的研究结果更具一致性。利用惩罚最大F 检验（PMF）对插补后序列的均一性进行了检验,结果表明：通过插补得到的保定站百年气温月值序列的均一性相对较好,仅月平均最低气温序列存在2 个显著间断点,分别由同类型仪器的更换和台站迁移导致,研究中采用分位数匹配（QM）对其进行了订正,建立了保定站百年气温月值序列。通过与邻近单站及我国中东部区域均一化百年气温序列的综合对比显示,本文建立的保定站百年气温月值序列与邻近单站的相关性基本达到0.8 以上;从增暖趋势来看,保定站与中东部区域平均序列分别达0.121 ℃/10a、0.204 ℃/10a,基本在同一量级内：这一定程度上说明建立的保定站百年气温序列相对合理。     

多模式资料在成都地区的温度预报研究应用

本文采用2015年3月~2016年2月EC、T639及德国三家高分辨率模式资料与成都地区13区县国家站自动观测的日最高、最低气温资料,利用距离权重平均法对模式资料进行处理,并利用平均差值、多元线性回归方法对单模式、多模式温度预报资料与实况资料进行拟合。对比结果发现:单模式差值订正前后效果有明显改善;多模式线性回归拟合率高于任何一个单模式拟合率,进而通过VB编程完成了成都市多模式资料温度应用平台,应用中表现最好,可以为预报员提供很好的参考依据。      

自动观测替代人工观测对气象要素资料均一性的影响分析及订正

利用t检验法对青海省海西所属7个站气温、气压、相对湿度、平均风速、0~320cm地温年平均值序列进行显著性检验;在人工与自动观测资料对比差值分析的基础上,建立人工与自动观测要素间的回归方程,对年序列差异显著的要素进行回归订正和效果对比分析。结果表明,自动替换人工观测对海西7个站各气象要素年平均值序列均一性产生了不同程度的影响,多个站多个要素不连续;统计人工与自动观测要素资料月平均对比差值,用一元线性回归法进行订正,订正后的序列基本消除了自动观测替换人工观测的差异,实现了观测资料的均一性和延续性。      

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。     

贵阳站气温均一性检验与订正

基于贵阳市辖区8个气象观测站近50a月平均气温资料,结合标准正态检验(SNHT)方法,判断出贵阳站气温存在非均一性.借助参考站历史资料序列,对贵阳站气温非均一性断点后的资料采用多元线性回归进行拟合订正,结果表明:贵阳站自2000年迁站后,气温观测值比迁站前低约1.4℃,该成果有助于在今后的气候业务及科研中更好的沿用贵阳站气温历史序列,也将使贵阳站气象要素资料能够在以后的年代里继续保持连续性.     

西安观测站长序列气温资料缺测记录插补和非均一性检验

以西安观测站1971—2013年日平均气温、最高气温和最低气温序列为研究对象,利用标准序列法和多元线性回归法进行插补实验,计算插补值与实测值的平均误差、平均绝对误差、均方根误差和插补值与实测值误差在0.5℃以内的样本比例,对比分析两种插值方法的相对优劣。结果表明：多元线性回归法插补得到的气温序列效果好于标准序列法,并且气候趋势特征与实际观测值序列更具一致性。采用t检验法、惩罚最大T检验（PMTT）、惩罚最大F检验（PMFT）对西安站1951—2020年平均气温序列的均一性进行检验。依据台站历史沿革数据进行的t检验,在6次台站历史沿革变化中,只有2次造成了年平均气温和年平均最高气温序列间断,分别由观测时次增加和仪器换型导致;年平均最低气温有4次出现间断,分别由台站站址迁移、观测时次增加、仪器换型、缺测值插补造成。PMTT和PMFT检测中发现的4次间断点因无元数据支持,认为属于合理间断点,这2种方法均未检测出因缺测值插补引起的间断点,一定程度上说明采用多元线性回归法对缺测值插补得到的西安站1951—2020年气温序列相对合理,气温序列的均一性较好。     

SWAN系统QPE产品的误差统计及订正方法研究

利用SWAN系统QPE产品资料和自动站降水量,对甘肃省2010~2012年汛期QPE产品的应用效果进行检验。结果表明：QPE产品在0.1~0.9 mm降水量级上存在较小的高估,而在其它降水量级上均表现为低估,且随着降水量级的增加低估的越为明显;对于5.0 mm以下降水,QPE产品估测误差较小,平均误差〈2.0 mm,但对于〉5.0 mm降水会出现估测误差跃增现象,且随着降水强度的增加误差增大,估测产品的效果明显减弱;降水估测值命中率POD1在降水量〈2.5 mm区间效果较好,但随着降水量的增加其命中率迅速减小,而降水估测绝对误差命中率POD2对于〈10.0 mm降水的响应较好,同样地随着降水量的增加其命中率快速减小;海拔高度、经度和纬度是影响甘肃地区QPE产品误差的主要因子,利用影响降水分布较大的3个因子分别建立一元、多元加权回归方程,在此基础上对QPE产品进行订正,通过2012年的应用检验表明该方法对QPE产品的订正效果明显。     

1981-2012年辽宁省春播期土壤相对湿度月尺度数据重建

辽宁省现有测站春播期土壤相对湿度数据存在不连续性及长时间序列缺失问题。以海城站为例,分析现有土壤相对湿度（0-20 cm）与气象因子及临近站点土壤相对湿度的相关关系,构建海城春播期土壤相对湿度统计回归模型,模拟缺测时段春播期土壤相对湿度。进而以此方法重建辽宁省20个观测站1981-2012年春播期土壤相对湿度月尺度数据。结果表明：海城土壤相对湿度与降水量和秋季封冻雨关联较大,相关系数分别超过0.60和0.30,与同期临近站点本溪站土壤相对湿度相关性也超过0.40,依据该3要素构建的4月和5月土壤相湿度统计回归模型复相关系数R2分别达0.79和0.77,模拟结果与实测资料平均相对误差为2.6 %,模拟效果较好;对辽宁省其他数据缺失站点构建的回归模型复相关系数均高于0.50,模型拟合精度优于85 %,拟合值和实测值平均相对误差基本控制在15 %以内,较好完成辽宁省20个测站1981-2012年春播期土壤相对湿度月尺度数据重建。     

激光雨滴谱仪测速误差对雨滴谱分布的影响

该文研究PARSIVEL激光雨滴谱仪的测量误差并提出订正方法。对2014年在广东阳江的PARSIVEL激光雨滴谱仪采集的两次降水过程数据进行分析发现,雨滴下落速度V随粒径D变化与静止大气中雨滴下落末速度随粒径变化的Atlas-Ulbrich曲线分布趋势一致,但D < 1 mm及D > 3 mm的速度偏差较大。其主要原因是大粒径雨滴形变造成速度偏离较大,仪器测量误差造成小粒径测速偏大,激光雨滴谱仪所在高度的大气垂直运动影响雨滴下落速度。根据PARSIVEL激光雨滴谱仪测量原理,基于雨滴形变与粒径关系,给出形变订正后的Atlas-Ulbrich修正曲线,并用于对小粒径测速订正。比较订正前后的雨滴谱分布,订正后的小雨滴浓度明显增加,大雨滴浓度略有减小,订正后浓度参数和斜率参数均增加,形状参数变化不明显。     

浙江省1901—2017年降水序列构建及变化特征分析

基于通过均一性检验的历史观测资料和GPCC格点降水数据,采用逐步回归方法,构建了可以代表浙江省的1901—2017年年降水序列,并通过Morlet小波分析、MK检验、气候趋势等分析了浙江百年降水变化特征。结果表明：浙江68个台站1951—2017年月降水序列数据质量较好,均通过RHtest均一性检验。交叉检验表明,采用逐步回归方法区别台站资料长度建立的最优拟合方程组,能很好地反演浙江68个台站1901—2013年年降水情况。1901—2017年浙江省年降水量无明显线性变化趋势,但存在56 a和35 a两个变化主周期,在1960年前后全省降水由多雨期向少雨期突变。1901—2017年浙江降水气候倾向率呈东北高西南低的分布特征,各地数值分布在-15.6~19.1 mm/10a之间;平均相对变率呈北低南高的分布特征,各地数值分布在11.1%~20.2%之间。     

利用多元回归方法制作景德镇市洪峰水位预报

对1996年、1998年、1999年景德镇地区的降水、洪水情况进行了分析,在雨量和水位的对应关系中选出37个样本,并应用多元回归方法分别建立了12个水位预报方程。从这些方程的预报与拟合效果可以看到,所建立的12个预报方程拟合效果都较理想,拟合结果与实况的相关系数均为0.95以上。应用2006年、2007年2次降水过程中景德镇市中尺度雨量站降水资料和水位资料,对预报方程进行了效果检验,误差基本在0.5 m以内。     

乌鲁木齐市气象塔梯度观测资料质量控制与处理

本文介绍了乌鲁木齐市建成区内5座100 m气象塔地理位置,根据逻辑极值检查、僵值检查、时间一致性检查、空间一致性检查和人工干预检查等组成的一套针对气象塔观测资料的质量控制方法和四点滑动平均插值、要素垂直分布拟合和线性回归方法组成的数据插值方法,对乌鲁木齐市从南至北5座100 m气象塔2012年4月1日至2014年4月30日的资料进行质量控制和数据插值。结果表明:该套方案能很好地找出缺测、错误和可疑的数据,结合人工干预,使得检验结果更为可靠。5座气象塔资料的质量是比较好的,正常数据占总数据的97.17%,其中红光山数据质量最好(正常数据占总数据的99.01%)。非正常数据只是少数情况(占总数据的2.83%),包括缺测和错误数据,其中缺测数据占非正常数据的6.23%(出现在米东和燕南立交),错误数据占非正常数据的93.77%。虚假数据占错误数据的89.99%(大部分为风速、风向),僵值数据占错误数据的5.47%(大部分为气温和湿度).超出逻辑极值数据占错误数据的0.41%(只出现在水塔山气温),不符合一致性数据占错误数据的4.13%(主要为湿度,主要在燕南立交)。利用四点中央插值法、每座气象塔要素垂直分布拟合和不同气象塔之间线性回归方法插值气温和相对湿度的效果较好。     

贵州地区CMORPH卫星降水产品的误差订正

CMORPH卫星反演降水产品具有全天候、全球覆盖的特点,其时空分布相对均匀、独立,但是CMORPH本质上是通过间接手段反演得到,其降水精度无法与地面观测降水精度相比,并且存在一定的系统误差。结合地面自动站降水资料采用概率密度匹配法对贵州地区CMORPH卫星反演降水产品进行系统误差订正,该方法将每个格点的卫星降水累积概率分布曲线和地面降水概率密度分布曲线匹配,获取降水误差订正值;其中误差订正效果受降水累积概率分布拟合曲线的影响,而考虑到降水累积概率分布是非正态分布,因此选用Gamma分布拟合降水累积概率分布曲线。通过对2018年5月三次降水过程的订正结果分析得到如下结论:(1) 逐时的CMORPH卫星反演降水产品存在明显的非独立系统误差,误差范围随降水量级的变化而变化,存在低值高估的特点;(2) 在小时尺度下地面降水的累积概率密度呈指数衰减分布,而CMORPH的降水累积概率密度分布更加复杂,其在中雨、大雨区间内的降水概率较高;(3) 通过概率密度匹配法订正后的CMORPH与订正前相比降水空间结构更加贴近地面降水,强降水中心的量级和范围明显减小,平均绝对误差和均方根误差均减小,其中偏差订正值在0.114~0.468 mm/h,均方根误差订正在0.24~1.49 mm/h之间。经概率密度匹配法订正后的CMORPH卫星反演降水产品精度明显提升,更加接近于实际降水。      

Modeling and mapping temperature and precipitation climate data in Greece using topographical and geographical parameters

This study presents a methodology for modeling and mapping the seasonal and annual air temperature and precipitation climate normals over Greece using several topographical and geographical parameters. Data series of air temperature and precipitation from 84 weather stations distributed evenly over Greece are used along with a set of topographical and geographical parameters extracted with Geographic Information System methods from a digital elevation model (DEM). Normalized difference vegetation index (NDVI) obtained from MODIS Aqua satellite data is also used as a geographical parameter. First, the relation of the two climate elements to the topographical and geographical parameters was investigated based on the Pearson’s correlation coefficient to identify the parameters that mostly affect the spatial variability of air temperature and precipitation over Greece. Then a backward stepwise multiple regression was applied to add topographical and geographical parameters as independent variables into a regression equation and develop linear estimation models for both climate parameters. These models are subjected to residual correction using different local interpolation methods, in an attempt to refine the estimated values. The validity of these models is checked through cross-validation error statistics against an independent test subset of station data. The topographical and geographical parameters used as independent variables in the multiple regression models are mostly those found to be strongly correlated with both climatic variables. Models perform best for annual and spring temperatures and effectively for winter and autumn temperatures. Summer temperature spatial variability is rather poorly simulated by the multiple regression model. On the contrary, best performance is obtained for summer and autumn precipitation while the multiple regression model is not able to simulate effectively the spatial distribution of spring precipitation. Results revealed also a relatively weaker model performance for precipitation than that for air temperature probably due to the highly variable nature of precipitation compared to the relatively low spatial variability of air temperature field. The correction of the developed regression models using residuals improved though not significantly the interpolation accuracy.     

用逐步回归方法预报番禺年降水量

在番禺实测资料的基础上 ,对 5 0年番禺年降水序列进行趋势分析和预测 ,发现 :⑴该序列不存在明显的变化趋势 ;⑵用主分量逐步回归思路所建立预测方程 ,复相关系数高即对样本的拟合误差小 ,预测效果较显著 ;⑶通过对高度场和海温场的分区分季节的场的主分量分析 ,获得广泛影响因素的重要信息