因子的可预报性和预报模型适用性研究初探

本文从因子场与预报量场之间的整体相关性着手，通过典型相关分析来提取因子信息，用求得的典型变量作为新预报因子，经试用表明，新因子的可预报性比原因子有明显提高。 在预报模型的选择上，本文提出了依据预报模型对历史样本实际预测精度的优劣来衡量预报模型的预测能力，从而选用对历史样本预测精度较高的预报模型作未来预报。     

典型相关分析(CCA)对我国冬季气温的短期气候预测试验

利用典型相关分析(CCA)方法建立统计气候预测模型，对我国冬季气温进行了预测试验，采用历史资料独立样本检验的方法，对预报技巧给出合理的评定。结果表明，使用CCA方法对我国冬季气温进行短期气候预测，有一定的预报技巧，对于特定地区和特定时期优选的因子场组合，可以取得较为满意的预报效果。大部分地区的季平均预报时效在2个季以内时，最佳预报相关系数在0.5以上。季平均的预报水平明显高于月平均的预报。海温场是所有因子场中最好的预报因子，不仅单独海温场的预报效果较好，而且与其他因子场组合后的预报水平还可以得到进一步提高。     

美国小麦产量业务预报方法研究

利用综合诊断指标,研究了预测年美国小麦生长季逐日平均气温和降水量与历史上任意一年对应气象要素的关系。根据小麦产量历史丰歉气象影响指数,建立了基于地面气象要素的美国小麦产量预报模型;研究分析了西太平洋月平均海温、北半球500hPa平均高度场环流资料与美国小麦产量的关系,利用主要影响因子,分别建立了基于海温、环流资料的美国小麦产量预报模型。根据各预报模型的稳定性,利用加权方法建立了美国小麦产量业务预报集合模型。1995～2004年预报检验和2005～2006年预报试验结果表明：集合模型的预报准确率基本都在92％以上,能够满足业务服务的需要。     

月降水量的神经网络混合预报模型研究

以均生函数表征预报量自身周期变化，结合500hPa月平均高度场和月平均海温场预报因子，采用神经网络方法建立了一种新的短期气候预报模型。分别以广西桂北、桂中和桂南6月降水量作为预报对象进行预报试验，结果表明，这种新的预报方法比均生函数回归预报模型及高度场、海温场预报因子的回归预报模型，具有更好的物理基础和预报能力。     

典型相关方法在低纬高原汛期降水预报中的应用试验

利用典型相关方法作云南汛期（6－8月）降水的预报试验，选取有实际预报意义的北半球500hPa场1－4月平均环流特征产量、部分关键区的高度和距平资料及太阳黑子数作为共同影响因子，建立典型相关模型。并取所有的前10个典型变量分别作汛期雨量预报对比。对1998年、1999年的汛期雨量预报结果表明：取前10个典型变量为预报因子作汛期雨量预报的准确率优于取所有典型场为预报因子的预测模型。从实况检验来看，该模型物理意义清晰，效果较好。并作了2000年的汛期预报，其准确率为10／16。     

亚洲夏季风系统成员与西太平洋副高的相关特征分析

利用500hPa月平均高度距平场派生出涡度变化、经向风切变、纬向风切变等变量场。从1958～2001年6月500hPa月平均高度距平场及其派生变量场中选取预报因子,并将各个场中的因子分别作EOF分解,得到浓缩了初选因子变量大部分信息的综合预报因子,用以建立同月的广西月降水量的BP神经网络预报模型。进而利用2002～2005年月动力延伸集合预报产品及其派生变量,对广西6月降水量作BP神经网络降尺度释用预报。作为对比试验,以相同的预报量,从1957～2000年5～12月及1958～2001年1～4月500hPa月平均高度距平场中选取预报因子,并作相同处理,建立前期综合因子的广西6月降水量BP神经网络预报模型。独立样本试验结果表明,利用同期综合因子建立的BP神经网络降尺度预报模型的拟合精度优于利用前期综合因子建立的预报模型,但预报效果依赖于月动力延伸集合预报产品。     

一种月尺度单站预报方法研究

介绍一种月尺度单站预报方法。通过从前期大气环流的高层、中层环流场及中高层温度场的月平均资料中,提取一组影响单站气候要素变化的信号源,组成多元线性回归模型。同时对同一要素的多个测站进行预报。在对全省10个气候区的业务预报中,经过多年应用。该方法逐步成为短期气候预测的关键决策依据。利用该方法,建立全省14个测站的预报模型,并于2008年3月投入业务使用。利用该模型的预报结果,3—12月预测质量大幅提高。     

基于偏最小二乘法的前汛期月降水量预测方法

采用偏最小二乘回归建立了前汛期(4-6月)月降水量的预测模型,其中模型的输入因子是通过对3个前期月平均物理量场(海温场、500 hPa温度场和200 hPa高度场)大量的场相关因子采用系统降维的处理方法获得.为实现同时对多个站点的月降水量预测,将多站点的月降水量预测转换成多站点气候场的主分量预测,进一步利用气候场特征向量的近似不变性进行回算,从而得到多站点的逐站月降水量预测结果.对广西37个基本站的前汛期月降水量进行了6年独立样本检验,其预报结果显示该模型具有较好的预报能力.     

简化典型相关预测模型面雨量中期预报试验

以５天平均的５００ｈＰａ高度场格点高度值为预报因子,三峡地区４个区的候面雨量为预报对象,建立简化的典型相关预报模型,并采用历史资料独立样本检验的方法进行预报试验。对预报效果的分析表明：简化的典型相关预报模型对三峡地区面雨量的中期预报有一定的技巧,预报效果基本睦能达到中期天气预报业务的要求,对预报员有一定的参考价值。     

吉林省夏季分区早涝的前期环流、海温场特征及预报方法

本文利用前一年秋冬季500hPa气压场、海温场、海平面气压场,与典型年合成场计算相似指数。取典型年关键区因子建立预报模型等方法,提前4—6个月对我省夏季东西片旱涝趋势做出预测,试报7年,效果较好。     

吉林省夏季分区旱涝的前期环流、海温场特征及预报方法

本文利用前一年秋冬季500hPa气压场、海温场、海平面气压场,与典型年合成场计算相似指数,取典型年关键区因子建立预报模型等方法,提前4-6个月对我省夏季东西片旱涝趋势做出预测,试报7年,效果较好。     

应用500hPa高度场和太平洋海温格点资料建立统计预报方程的试验

用北半球500hPa月平均位势高度场和太平洋月平均海温场的格点资料,筛选预报因子,建立广西气候要素统计预测模型的方法进行了试验.     

EOF-CCA模型在山东季降水预测中的应用

首先介绍了ＥＯＦ－ＣＣＡ模型的基本原理及建模步骤,阐明了经验正交函数分解（ＥＯＦ）和典型相关分析（ＣＣＡ）两种统计方法在短期气候预测应用中结合的必然性及优越性,并指出该模型可由一个气候场或多个气候场去预报另一个气候场。然后以山东１３站的报隆水量场为预报场,分别以前期整个北半球和东亚区域的５００ｈＰａ月平均们势高场为因子场,建立了位势高度场的前１３个主分量场与季降水场之间的ＥＯＦ－ＣＣＡ模型,最后对     

基于ECC方法的青藏高原冬季气温可预报性研究

选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。     

ECC方法在中国夏季气温预测研究中的应用

以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。     

500hPa月平均高度场球函数谱异常与陕西旱涝的关系

使用NCEP/NCAR再分析资料中的 50 0hPa月平均高度场资料及其主要球函数系数和陕西测站月降水量资料 ,结合陕西分区春、夏季旱涝长期预报的实际问题 ,探讨半球月平均 50 0hPa月平均高度场的球函数系数资料在长期天气预报中的应用的途径。发现基于区域降水指数 (IR)定义的陕西区域春、夏季旱涝指数I与历史实况相符 ,而球函数系数的年际异常具有低维、低阶特性 ,可以利用它们作为预报量、预报因子的参数 ;对春、夏季旱涝指数与同期和前期环流异常的相关分析表明 ,北半球环流异常与陕西各区春、夏旱涝的出现相关联系显著 ,南半球环流异常与陕西春、夏旱涝出现的相关联系总体上不显著。     

试用环流特征因子作丰歉年景预报

近年来,天气和大气环流与典型粮产区粮食产最的相关研究,日渐引起重视,进展比较快。Steyaert采用表征大气环流的大范围气压场,直接建立小麦产量预报模式[1],表明用环流因子预报作物产量是一个值得试验的途径。我们以富饶的太湖平原为典型粮     

几种格点化温度滚动订正预报方案对比研究

为了快速获得更为精准的格点温度预报产品,使用国家信息中心高分辨率、高频次的温度格点多元融合产品和欧洲中期天气预报中心全球模式2 m温度预报场资料,采用8种误差订正方案进行滚动订正预报试验。选择2017年1月1日至2月28日和6月1日至7月31日两个时间段进行两次回报模拟试验,并对订正前后的预报结果进行格点和站点检验分析,结果表明:8种方案对模式直接输出的预报场有正技巧订作用,全格点滑动误差回归模型订正和全格点滑动双因子回归模型订正效果最优,两种方案都能使订正场的格点平均绝对误差在2℃以下,3、6和9 h的格点准确率均在0.9以上。全格点滑动误差回归模型的检验评分略微好于全格点滑动双因子回归模型,表明作为预报模型因子的起报时刻误差场比数值模式因子在短期订正中扮演着更为重要的角色。     

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件.结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型.文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案.经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35.利用该方案对超前时间分别为0、5、10 d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5 d的月动力延伸预报结果进行降水降尺度预测可在业务中参考.此外,降尺度预测模型中选取的预测因子不仪在统计上是显著的,同时也具有清楚的物理意义.     

因子的可预报性研究初探

本文从对历史样本的实际预测效果探讨了因子的可预报性,并从因子场与预报量场之间的整体相关性着手,通过典型相关分析来提取因子信息,用求得的典型变量作为新的预报因子。经试用表明:新因子的可预报性比原因子有明显加强。