基于时间尺度分离的斗门开汛日期预测模型

采用小波分析、低通滤波、相关分析、逐步回归以及最优子集回归等方法建立斗门开汛日期的预测模型。将开汛日期序列分解为年际变化和年代际变化2个分量,分别研究其与前期冬季500h Pa高度场、850 h Pa风场、海平面气压场和海温场的相关性,并将显著相关区域作为初选因子。通过逐步回归将因子数限制在10个以内,最后应用最优子集回归建立预测模型。结果表明:这种分离时间尺度的回归预测模型具有较好的拟合效果,计算得出的回归序列与原距平序列相关系数为0.81,两者同号率为77.8%,其中相差±7 d以内年份约占42.2%;相差±15 d以内的年份约占75.6%。最后对2012—2014年开汛日期进行试报,其中2012和2014年试报效果较好,误差分别为-5.89和-10.45 d。     

1961—2007年我国霜冻变化特征

利用1961—2007年我国577个测站的均一化逐日最低气温资料, 根据通用的霜冻气候统计指标计算历年初、终霜冻日期及无霜冻期。结果显示:初、终霜冻日期及无霜冻期标准差和极差北方地区较南方地区偏小; 全国大部地区终霜冻日期的年际间差异比初霜冻日期大, 无霜冻期的年际变化又比终霜冻日期大; 从线性变化趋势看, 近47年, 全国平均终霜冻日期提早2.0d/10a, 初霜冻日期推迟1.3d/10a, 无霜冻期延长3.4d/10a;终霜冻日期提早幅度大于初霜冻日期推迟幅度; 从年代际变化来看, 全国平均终霜冻日期自20世纪80年代起明显提早, 初霜冻日期20世纪90年代开始明显推迟, 全国平均终霜冻日期提早时间明显比初霜冻日期推迟时间长; 同终霜冻期年代际变化一样, 全国平均无霜冻期自20世纪80年代起明显延长。     

西北太平洋热带气旋生成客观预测模型

该文提出一种西北太平洋热带气旋年生成活动的客观预测模型。研究大尺度环境因子对西北太平洋热带气旋年生成频次的作用,使用最小角回归算法对初始14个预测因子进行选择和降维,将资料集分为训练集（1979—2015年）和验证集（2016—2020年）,建立随机森林回归模型预测热带气旋年生成频次。分析环境因子对西北太平洋热带气旋生成位置的作用,使用逐步回归算法筛选影响显著的预测因子,建立局部泊松回归模型预测热带气旋生成空间位置的概率。结果表明:随机森林回归模型可以预测西北热带气旋频次的主要变化和趋势,揭示环境因子对西北太平洋热带气旋年生成频次的影响。局部泊松回归模型对于气旋生成位置概率有一定预测能力。利用随机森林回归模型和局部泊松回归模型模拟1979—2020年西北太平洋热带气旋生成,结果与观测基本一致,可见模型可为热带气旋危险性分析提供参考。     

外强迫因子对宁夏初霜冻日期的影响及其预测

利用1981—2019年宁夏初霜冻日期资料及同期位势高度场、海表面温度(SST)、积雪面积、海冰面积等资料,研究SST、海冰面积、积雪面积等外强迫因子对宁夏初霜冻日期异常偏早、偏晚的影响,在此基础上,建立了初霜冻日期的物理概念模型和客观预测模型。结果表明:(1)偏早(偏晚)年,前期赤道中东太平洋SST持续显著偏暖(冷),SST异常形态为明显的ENSO模态。当前期赤道中东太平洋SST偏暖时,东亚槽偏强,副热带高压偏弱,异常环流形势有利于冷空气活动,初霜冻日期易偏早,反之则偏晚。(2)5—8月北半球积雪面积、1—7月格陵兰海冰面积与初霜冻日期存在持续显著负相关关系。当前期北半球积雪面积或格陵兰海冰面积减少时,东亚槽偏弱,西太平洋副高偏强,不利于冷空气活跃,初霜冻日期易偏晚,反之则偏早。(3)影响宁夏初霜冻日期的主要因子为东亚槽强度、NINO3.4区SST异常、热带南大西洋SST异常、北半球积雪面积、西太平洋副高强度以及格陵兰海冰面积等,基于以上因子用多元回归方程建立的客观化预测模型具有良好的预测效果。     

近40a枣庄霜冻变化特征分析

选取1971—2013年枣庄国家一般气象站逐日最低气温资料,采用线性倾向估计法和异常霜冻指标,分析了枣庄站霜冻的变化趋势和异常发生情况。结果表明：枣庄初霜冻日的线性倾向率约为1.5d/10 a,即约以1.5d/10 a的速度推后;终霜冻日的线性倾向率约为-4.9 d/10 a,即约以4.9 d/10 a的速度提前;无霜冻期的线性倾向率约为6.9d/10 a,即约以6.9d/10a的速度延长。年代际间的变化从20世纪80年代以后也表现为初霜冻开始的日期越来越晚,终霜冻结束的日期越来越早,无霜期表现为逐渐延长的特点。异常霜冻表现为：特早初霜冻和偏早初霜冻各年代均有发生,其中特早初霜冻发生频率为2.3%,偏早初霜冻发生频率为9.3%;特晚终霜冻和偏晚终霜冻主要发生在20世纪70年代,21世纪10年代各有一次,特晚终霜冻发生频率为7%,偏晚终霜冻发生频率为11.6%。     

1962—2015年乌兰察布市霜冻日期变化特征分析

文章基于乌兰察布市11个气象观测站1962—2015年地面最低温度资料,以当年日地面最低温度≤0℃初终日期作为霜冻指标计算历年初、终霜冻日期,利用线性倾向估计法、经验正交函数分解（EOF）和Mann-Kendall法等统计分析方法,分析了乌兰察布市霜冻日期空间分布特征、年际和年代际变化规律及其突变特征。结果表明：1受地形特点影响,各旗县初、终霜日期气候态差异较大;2 54a来,全市初霜冻日期呈偏晚态势,终霜冻日期呈偏早的态势,年际变率大;3初、终霜日期的EOF特征向量空间分布以前两个模态为主,方差贡献率为50%~60%;4初、终霜冻日期在20世纪90年代都发生了显著性突变,突变后初霜日期延迟了6d,终霜则提前了7d。     

转移概率及最大转移概率预报方法在吴忠市霜冻预报中的应用

在简介转移概率及最大转移概率预报原理的基础上,对宁夏吴忠市区1961--2000年初、终霜冻日期各随机序列状态之间的转换规律进行了分析,并结合各序列的初始分布,建立预报模型。应用该方法对1995—2001年的初、终霜冻日期进行了预测,结果表明,该方法对预报波动性较大的随机时间序列具有较强的预报能力。     

基于BP神经网络的海口住宅室内气温预测

利用2014年1月—2015年12月海南海口居民住宅室内小气候观测数据和室外气象要素,基于BP神经网络构建海口住宅室内气温预测模型,通过与统计回归模型相比来综合评估模型的预测效果。结果表明:BP模型预测精度较高,不同季节预测精度存在差异,春秋季精度最高、夏季精度最差,其中地温加入对模型预测精度有较大改进。不同季节采用地温的BP模型对室内气温的预测值与观测值的均方根误差分别为0.25℃、0.62℃、0.26℃和0.52℃,平均绝对误差均小于0.5℃,即误差均在合理范围内。且预测精度(RMSE)较统计回归模型分别提高了26.5%、34.7%、56.7%和25.7%。可见该模型可以满足海口居民住宅室内气温的预测需求,可为室内居住环境、建筑能耗研究提供有效的基础数据。     

淀山湖蓝藻发生程度气象预测模型

为了为淀山湖蓝藻控制提供技术依据,根据1998—2009年淀山湖蓝藻发生程度和同期气象资料,用相关分析方法分析淀山湖蓝藻暴发的气象条件,用逐步判别方法建立淀山湖蓝藻发生程度的气象预测模型。结果表明:主要影响淀山湖蓝藻暴发的气象因子是温度。气象指标为:7—8月平均气温大于等于29℃,6—9月日最高气温大于等于35℃日数大于等于16天,7—8月日照时数大于等于420h,6—8月降水量小于等于420mm;气象预测模型Ⅰ(起报时间6月初)和模型Ⅱ(起报时间8月初)拟合的准确率分别为91.7%和100%;2010年试报,模型Ⅰ预测正确,模型Ⅱ预测值比实际值低1级。建立的淀山湖蓝藻发生程度气象预测模型可应用于业务。     

江西省油菜产量集成预测模型方法研究

基于气象要素建立关键气象因子模型、气候适宜度模型、辐热积模型,并根据模型预测准确率确定权重系数构建江西省油菜产量集成预测模型,对集成模型的预测效果和基础模型进行对比分析。结果表明:1)关键气象因子模型4月中旬预测准确率低于其他模型,三种基础模型的权重系数依次为0.3、0.35、0.35,5月中旬预测准确率基本一致,权重系数依次为0.34、0.33、0.33。2)对于集成模型趋势一致率,1991—2010年回代检验结果5月中旬最高,4月中旬仅次于气候适宜度模型;2011—2015年两个时次预测趋势一致率均为100%,达最高。3)2011—2015年集成模型预测检验RMSE最低,预测准确率均在97%以上。油菜集成模型预测的准确性和稳定性总体优于基础模型,可应用于江西省气象业务服务。     

基于CNN和RF算法的ECMWF降水分级订正预报方法

利用卷积神经网络(CNN)和随机森林回归模型,提出了一种新的欧洲中期天气预报中心(ECMWF)降水订正预报方法。该方法首先根据ECMWF模式对站点雨量预报值所属的等级进行划分,再计算出不同等级相对应的高相关因子矩阵。进一步利用CNN模型对高相关矩阵进行综合特征提取的学习和训练。最后对CNN模型最终输出的特征因子中,选取若干个与预报站点相关性高的特征,并与ECMWF降水量场插值到预报站点的因子一起,作为随机森林回归模型的输入因子进行预报建模。通过对10个预报试验站点未来24h降水量的分级和不分级订正预报试验,结果表明:(1)ECMWF降水量分级订正预报方法的平均绝对偏差和均方根误差分别比利用ECMWF插值到站点的预报方法减小了20%和15%;(2)24h暴雨及以上的降水分级订正预报方法的平均TS评分为0.32,也显著高于EC插值的0.19;(3)与利用同样的预报模型对全样本(不分级)的传统数值预报模式产品订正预报方法相比,本文提出的分级订正预报方法在总体预报精度和暴雨及以上的强降水预报TS评分上均有更高的预报技巧。     

北京地区蚊虫密度变化气象预测方法研究

本文利用蚊虫密度监测数据及气象资料，分析了2009—2019年北京市及其14个区的蚊虫密度与气象条件间的关系，并基于多元回归、支持向量机和随机森林3种经典的机器学习回归方法进行了蚊虫密度预测。结果表明：北京地区蚊虫密度呈周期性的波动，各区多年平均值在0.35~2.54只/(灯·h)之间，高峰值集中出现在7月中旬到8月中旬，与北京地区气温最高和降水最集中的时期非常吻合。采用机器学习方法，尝试了4种输入因子方案，并利用均方根误差和平均绝对百分误差两种方法进行预测效果检验，显示蚊虫数据相对较稳定的地区，如平谷、门头沟、大兴、海淀等地，预测效果相对更优。在3种方法中，支持向量机方法对2019年5月下旬的预测效果非常好，而多元回归与随机森林的预测效果则在2019年5—10月整体上表现得更为稳定。     

自组织网络与广义回归网络耦合的副热带高压指数预测

利用亚洲夏季风系统中各成员变化活动与西太平洋副高存在的不同程度的时延相关性,从1995~ 2004年NCEP/NCAR逐日再分析资料中,提取了亚洲夏季风系统各成员变化活动的特征指标及其对应的超前三候的西太平洋副高(简称副高)面积和脊线指数.在此基础之上,建立了自组织网络与径向基函数网络串级耦合的副高指数预测模型.该模型首先用自组织网络对各指标样本按其自身相似原则进行无监督分类,随后用广义回归网络分别对分类出的各指数样本子集进行有监督的训练建模和预测.模型的预测试验结果表明：副高指数的预测结果与其实际值之间的相关系数达到0.89,明显优于单一的神经网络模型预测效果.     

1954-2005年长江以北地区初霜期变化趋势

采用长江以北地区65个测站1954-2005年秋冬季逐日地面最低温度资料,计算分析长江以北地区初霜出现日期的年代际时空变化特征。结果表明：中国北方地区初霜是由北向南逐渐出现的,初霜发生日期具有明显的年代际变化特征,在20世纪90年代之后,大部分地区初霜日期偏晚的年份逐渐增多。中国北方地区初霜发生日期的早晚与北极涛动的强弱密切相关：当北极涛动处于正位相时,北半球以纬向型环流为主,中国北方大部分地区的初霜期偏晚;反之,当北极涛动处于负位相时,北半球以经向型环流为主,中国北方大部分地区的初霜期偏早。     

1954-2005年长江以北地区初霜期变化趋势

 采用长江以北地区65个测站1954-2005年秋冬季逐日地面最低温度资料,计算分析长江以北地区初霜出现日期的年代际时空变化特征。结果表明：中国北方地区初霜是由北向南逐渐出现的,初霜发生日期具有明显的年代际变化特征,在20世纪90年代之后,大部分地区初霜日期偏晚的年份逐渐增多。中国北方地区初霜发生日期的早晚与北极涛动的强弱密切相关：当北极涛动处于正位相时,北半球以纬向型环流为主,中国北方大部分地区的初霜期偏晚;反之,当北极涛动处于负位相时,北半球以经向型环流为主,中国北方大部分地区的初霜期偏早。     

降雨量及叠加预测方法研究

为了得到精确度较高的降雨量预测值及其叠加预测精度,利用小波神经网络和NARX动态神经网络对降雨趋势和降雨量进行预测,并分析降雨量叠加预测值的误差。研究表明,小波神经网络分析的月降雨量多个变化周期以及总的变化趋势较为准确;NARX动态神经网络预测模型测试误差为0.21%,回归效果图的相关系数R为0.99993,回判和检验误差分别只有0.22%和0.40%;降雨量叠加预测和检验误差较小,均未超过2%,能够满足降雨量不断叠加预测的要求。该方法能为边坡动态稳定性预测提供精确度较高的降雨量预测值。     

辽宁省植被覆盖度时空演变及其对气候因子的响应

基于MODIS-NDVI数据及像元二分模型,对辽宁省植被覆盖度进行估算,并在此基础上探讨了辽宁植被覆盖度时空演变特征及其对气候因子的响应,结果表明：2000-2018年辽宁省植被覆盖度整体呈波动增加趋势,年平均增长速率为0.38%,呈增加趋势的面积占总面积的92.3%;2000年以来,裸地及低覆盖区域占比逐年减小,中低覆盖、中覆盖及高覆盖区域占比分别增加11.35%、11.00%和9.22%;辽宁省植被覆盖度与气候因子的关系表现出明显的空间差异性,其中,西部易旱地区覆盖度与气温呈显著负相关,与降水呈正相关,东部地区覆盖度与气温呈正相关,与降水呈负相关;辽宁植被覆盖度对降水的响应存在一个月的滞后期,对气温的响应无滞后效应。     

基于循环神经网络的单站能见度短临预报试验

由于能见度具有局地性和复杂的非线性变化特征,一直是精细化预报的难点。人工神经网络对复杂变化过程的模拟能力较高,为解决这一难题提供了可能性。本文采用循环神经网络,利用福州气象观测站地面观测数据,建立了福州单站能见度短临预报模型,并就预报能力进行了评估。随机检验结果表明,在1 h、3 h、6 h时效上,循环神经网络的预报与观测的变化趋势一致性较好;均方根误差比基于实况的预报分别减小15.75%、31.66%、41.26%,说明具备较好的预报能力;平均绝对值误差比传统BP神经网络分别减小12.90%、24.45%、 38.99%,表明循环神经网络对能见度预报具有优势,为能见度的精细化短临预报提供了新途径。     

基于MODIS数据的作物苗期干旱监测方法

针对苗期低植被覆盖情况,在原有的归一化植被指数基础上,增加了土壤调节植被指数,将其与条件温度指数结合,通过与地面实测土壤相对湿度进行相关分析,分别建立作物苗期的干旱监测模型,并与热惯量方法和供水植被指数方法进行对比分析,初步得出辽宁省范围内作物苗期进行大范围干旱遥感监测的最适宜模型为土壤调节植被指数一温度模型.     

承德初霜冻预报指标分析及其预报方法

应用常规观测资料与ncep1°×1°再分析资料,对承德市各县区初霜的时空分布特征及南北县区初霜出现时间的稳定性进行了分析,在对117个初霜环流形势分析的基础上,建立了初霜预报的天气概念模型;筛选因子,分县区确立了预报指标;采用概率、指标、数值预报产品相结合的方法及概率区间取值法建立了分县区初霜预报模型;检验表明,该模型对于中重度初霜冻预报准确率可达95%以上,对轻度初霜的预报准确率可达68%以上,无漏报出现。