模拟的大气角动量函数Ⅰ.季节性分量

大气角动量（ＡＡＭ）变化和地球自转变化密切相关,它们可应用于全球环流模型的检验,根据日本气象厅全球环流模型的输出数据计算出ＡＡＭ函数,将ＡＡＭ函数的模拟值与它的观测值以及地球自转变化序列相比,来检验该模型对大气角动量的模拟,限于篇幅,仅给出ＡＡＭ函数的季节性分量模拟的结果,对于半年项,轴向ＡＡＭ函数的气压项和风项的模拟值都偏高,赤道向ＡＡＭ函数的气压项和风项很小,因而未予考虑;对于周年项,轴向ＡＡ     

基于混沌时间序列的Volterra自适应滤波极移预报方法

针对极移复杂的时变特性, 根据混沌相空间坐标延迟重构理论, 提出一种基于Volterra自适应滤波的极移预报方法. 首先, 利用最小二乘拟合算法分离极移序列中的线性趋势项、钱德勒项和周年项, 获得线性极移、钱德勒极移和周年极移的外推值; 其次, 通过C-C关联积分法对最小二乘拟合残差序列进行相空间重构, 并利用小数据量法计算残差序列的最大Lyapunov指数验证其混沌特性, 在此基础上, 构建Volterra自适应滤波器对残差序列进行预测; 最后, 将线性极移、钱德勒极移和周年极移的外推值以及最小二乘拟合残差的预测值相加获得极移最终预报值. 利用国际地球自转服务局(International Earth Rotation and Reference Systems Service, IERS)提供的极移数据进行1--60d跨度预报, 并将预报结果分别与国际地球定向参数预报比较竞赛(Earth Orientation Parameters Prediction Comparison Campaign, EOP PCC)结果和IERS A公报发布的极移预报产品进行对比, 结果表明: 对于1--30d的短期预报, 该方法的预报精度与EOP PCC最优预报方法相当, 当预报跨度超过30d时, 该方法的预报精度低于EOP PCC最优预报方法, 优于参与EOP PCC的其他方法; 与IERS A公报相比, 该方法的短期预报效果较好, 当预报跨度增加时预报精度低于IERS A公报. 预报结果表明该方法更适合于极移短期预报.     

JMAGCM模拟的大气角动量函数Ⅰ.季节性分量(英文)

大气角动量(AAM) 变化和地球自转变化密切相关,它们可应用于全球环流模型的检验.根据日本气象厅全球环流模型的输出数据计算出AAM 函数,将AAM 函数的模拟值与它的观测值以及地球自转变化序列相比较,来检验该模型对大气角动量的模拟.限于篇幅,仅给出AAM 函数的季节性分量模拟的结果.对于半年项,轴向AAM 函数的气压项和风项的模拟值都偏高,赤道向AAM 函数的气压项和风项很小,因而未予考虑;对于周年项,轴向AAM函数气压项的模拟值偏低,而赤道向AAM 函数气压项的模拟值偏高,轴向AAM 函数的风项模拟得最好,而赤道向AAM 函数的风项模拟得较差.总之,高精度的天文观测的地球自转系列可以作为全球环流模型检验的一种重要参考依据.     

利用奇异谱分析提高极移中长期预报精度

由于空间大地观测数据传输耗时及处理过程复杂, 导致极移测量值的获取存在时延, 无法满足对高精度的极移预报值有重大需求的应用领域. 针对极移复杂的时变特性, 提出一种基于奇异谱分析(singular spectrum analysis, SSA)的预报方法. 首先用SSA分离提取极移时序中的高频组分与低频组分; 其次建立最小二乘(least square, LS)外推与自回归(AutoreGressive, AR)模型对极移高频和低频组分进行组合预报. 结果表明, SSA方法能够准确地分离和提取极移低频和高频组分, 对低频和高频组分组合预报可以显著改善极移的中长期(30--365d)预报精度, 与国际地球自转和参考系服务局(International Earth Rotation and Reference Systems Service, IERS)提供的A公报中的极移预报值相比, SSA方法对极移PMX分量(本初子午线方向)和PMY分量(西90$^\circ$子午线方向)的中长期预报精度改进最高分别可达45.97%和62.44%. 研究结果验证了SSA方法对极移中长期预报改进的有效性.     

海洋角动量对地球自转变化的激发

介绍了海洋角动量模型的现状和发展,以及地球自转变化和海洋之间的关系的一些预研究成果．有关的预研究结果表明,海洋可能是地球自转变化的一个激发源,海洋和地球自转变化之间相互影响、相互作用．但两者之间的关系以及作用机制都有待深入研究。     

不同频段上极移,日长变化与大气角动量变化激发结果的比较

本文用ＪＭＡ大气角动量序列计算了对极移和日长变化的激发量（ｍ＇１、ｍ＇２和ｍ＇３），并分三个频段与天文观测得到的地球自转参数序列（ｍ１、ｍ２和ｍ３）进行了比较．结果表明：在钱德勒和季节性频段上，大气运动确实是固体地球自转变化的主要激发源．     

大气和极移的高频变化比较

采用从1988－1999年的现代技术测定的高精度极移序列EOP（IERS97C04）推导出激发函数χ^m）和美国国家环境预测中心和美国国家大气研究中心（CNEP／NCAR）提供的大气角动量激发函数χp和χib^p，使用几种数据分析方法，分析了大气对极移高频振荡（12－42cpy)激发贡献，复数小波变换和功率谱分析表明，χ^m和χ^p序列在高频段内呈现比较强的谱峰，它们具有相似的谱特征，比较而言，χib^p在这个频率段内比χ^p要弱些，χ^m和χ^p之间的相关系数分别为0．75（逆向）和0．6（顺向），两个序列之间的平方相关谱的估计值分别在0．5－0．9之间（负频）和0．4－0．6（正频），相位谱表明χ^p(AAM)超前x^m一天左右，这些大气是极移高频变化的主要激发源，特别是在逆向运动上具有更大的贡献，由于它们之间位相差和振幅变化的不稳定性，说明可能存在AAM以外的其他激发源，这个问题有待进一步深入研究。χ     

大气角动量函数在日长变化非线性预报中的重要作用

日长变化具有复杂的时变特性,传统的线性时间序列分析方法往往难以取得良好的预报效果.采用非线性人工神经网络技术对日长变化进行预报,网络模型的拓扑结构由最小均方误差法来确定.考虑到日长变化与大气环流运动间的密切关系,在神经网络预报模型中引入轴向大气角动量序列.结果表明,联合日长和大气角动量序列,比起单独采用日长资料,预报精度得到显著的提高.     

极移序列系统差的探讨

利用上海天的SHORDE1软件对约3年左右9MJD49001.1-MJD50109.6)的全球SLR资料进行了归算,并将所得的极移序列和相应历元的国际地球自转服务中心（IERS）给出的极移序列作了比较,分析结果表明,上海天台基于SLR资料的极移序列与IERS极移序列之间存在一定程度的系统偏差,该系统差具有明显的周期性,周期约为427天,振幅为1mas左右。     

大气角动量变化以及对地球自转季节变化的激发

利用日本气象局AMIPⅡ大气数值模式的输出结果，基于BP方法和SP方法计算了1979年至1996年大气角动量变化以及对地球自转季节变化激发的差异。利用最小二乘谐波拟合方法和气候平均图方法，分析了大气角动量的季节变化，并与同时期采用NCEP再分析资料和JMA客观分析资料计算的大气角动量进行比较。     

The Important Role Played by Atmospheric Angular Momentum in the Non-linear Prediction of the Variations in the Length of Day

The variation in the length of day has complicated time-varying characteristics and the traditional method for linear time series analysis is always difficult to obtain good effect of prediction. If the non-linear artificial neural network technique is adopted to predict the variation in the length of day, the topological structure of the network model is determined by the least square error method. By taking into account the close relation between the variation in the length of day and the general circulation of atmosphere, the axial sequence of atmospheric angular momentum is introduced into the forecasting model of neural network. The results show that the forecast accuracy is significantly improved by taking advantage of the combination of the length of day and the atmospheric angular momentum sequence in comparison with the individual adoption of the data of the length of day.     

考虑LS+AR模型基础数据量的极移预报研究

针对目前极移最小二乘(Least Square, LS)+自回归(AutoRegressive, AR)预报模型的单一数据选取方案, 提出分别考虑LS模型数据量和AR残差数据量的组合数据模式, 并对极移预报时单一数据和组合数据预报结果精度进行分析, 探讨模型输入数据量对极移预报精度的影响. 结果表明, 模型输入数据量的变化对极移预报结果影响较大. 采用组合数据预报的方式相比较于单一数据量预报方式精度更高, 特别是针对30--360 d跨度内的中长期预报, 组合数据量的极移预报精度可比单一数据量预报精度有较大改善. 结论证明组合数据在极移预报时具有一定的优势, 可为以后极移预报数据量选取提供一定的借鉴参考意义.