莱芜月降水量和平均气温的谱分析

对一个时间序列,从时间域上研究序列中的周期振动的方法是谐波分析。但是长度为N的序列的谐波分析只能得到谐波长度为N/k(k=1,2,……,N)的各个谐波分量。而实际序列存在的主要波动周期并不一定包括在上述的周期之内。也就是说,容易漏掉主要周期,而只是采用了一些次要的周期。这也是谐波分析的局限性。而谱分析则从整个序列的频率域上考察其周期振动,分析各频率的贡献如何,借以确定哪些是主要振动频率。从而分析整个序列的周期振动。     

用数值模拟推算水温、蒸发与蒸散量

一、前言当前,已能够对海洋或湖泊的蒸发量作出较为精确的推算,其中,有空气动力学法和热量平衡法,还有正在研究的涡度相关法。但由于不能够对所有的湖泊进行这种实地的观测,因此,才考虑对这些湖泊使用热量平衡法推算水温或蒸发量。现从日本各地主要湖泊的试用来看,其结果大体上是满意的。但现在还不可能较确切地推算出生长着     

两类不同月平均气温空间推算方法的对比

利用全国660个常规气象站40年(1961-2000年)整编气象资料.采用逆距离权重反比法、样条函数法和普通克立格法等常用的3种插值方法,分析了直接插值法和综合余项法对气温插值的影响,提出了去除气温形成中的确定性部分后,以随机项进行插值可提高气温插值精度。并从空间上、时间上对比眲不同插值方法的误差,最后分析了气象站的空间分布密度对插值方法的敏感性。验证结果表明:除个别月份外,综合余项法的各项平均绝对误差均在1℃以内,比直接插值法减小了0.6～1.6℃,精度提高了38%～85%;且综合余项法的精度不依赖于台站密度的大小、插值方法的不同,具有较高的精确性和稳定性,这说明影响空间插值精度的关键因子并非是气象观测站点密度的提高、空问插值方法的改进。     

用多层递阶自回归数学模型作鲁南月、季平均气温和降水量预报

目前应用于长期预报的各种统计方法,其共同点是用固定参数模型来预报动态时变性。实践表明,这种预报方法历史拟合率虽然可以很高,但实报准确率往往比较低,这是因为它所建立的预报关系是定常的,这种定常关系却随时间的推移而不同程度的变化着,同时它又不能预见和处理这种变化和随之而产生的预报误差的缘故。     

莱芜年、月降水量的谐波分析

由于大气和天气过程存在周期现象,所以波谱分析在气象资料、气候、天气分析和预报中越来越受到重视。计算机的普及又为波谱分析的推广创造了良好的条件。本文用谐波分析的方法对莱芜年、月降水量进行了分析和预报。     

广州市单日降水量极值特征、分布拟合与推算

选取最优概率分布函数有助于提高气象要素重现期极值计算的可靠性。基于广州气象站1908—2016年逐日降水资料,构建年最大日降水量序列,采用线性趋势分析方法,研究了广州市年最大日降水量的变化特征,选取皮尔逊-Ⅲ型、对数正态、指数和耿贝尔-Ⅰ分布4种分布函数拟合广州市年最大日降水量序列,并按ω2检验、似然比检验等方法进行拟合优度检验。结果表明,近56年来,广州市年最大日降水量呈不显著的增加趋势。4—9月日最大降水量出现次数较多,6个月的出现次数占全年的93. 6%,其中,前汛期出现次数大于后汛期的。对数正态分布确定为广州市年最大日降水量拟合最优分布函数。对数正态分布估算的广州市50 a一遇的年最大日降水量是240. 1 mm,100 a一遇的是266. 1 mm,150 a一遇估算的是281. 4 mm。观测资料表明,广州平均1. 8 a出现一次150 mm以上的日降水量,而该降水量的估算重现期是1. 9 a,相当吻合。     

中国月平均气温标准差的研究

本文根据我国大约130个台站1951—1980年的记录,研究了月平均气温标准差的时间和空间的分布特征。此外,详细分析了气温标准差与气候锋之间的关系,发现月平均气温标准差的高值区与气候锋的位置重合,从冬到夏作相应的南北移动。     

月平均气温集成预测方法研究

为了有效综合各种预测方法的预测结果,以陕西3个气候区域1999年7月至2010年6月月平均气温的集成预测为例,利用3种预测方法和国家气候中心业务产品月平均气温预测结果历史评分建立二类6种动态客观集成预测方法进行对比研究,结果表明：（1）各种集成预测方法年评分平均值均高于参加集成的任何一个成员,6种集成预测方法评分平均值比4个成员评分平均值高4.6,比同期陕西发布的业务产品高5.1;各种集成预测方法预测与实况距平符号一致率至少高于其中3个成员,6种集成预测方法预测与实况距平符号一致率平均值比4个成员平均值高4.7%,比陕西业务产品高5.1%。（2）3个气候区域中,榆林集成预测效果最好。6种集成预测方法评分平均值比4个成员评分平均值高5.7,比陕西业务产品高5.7;预测与实况距平符号一致率比4个成员高6.9%,比陕西业务产品高7.3%。（3）第二类集成预测方法预测技巧高于第一类,全年评分平均值高0.5,预测与实况距平符号一致率高0.7%。其中Z_（23）全年评分平均值比4个成员评分平均值高5.1,比陕西业务产品高5.7,预测与实况距平符号一致率比4个成员高6.0%,比陕西业务产品高7.6%,推荐首先选择使用。     

蒸散量测定装置

法国的无线电技术工业公司制造的蒸散量测定装置,适用于农学与农业气象研究。这个装置可以测量通过直接蒸发、植物本身蒸发从地面进入大气的水汽量,它还可以测量渗入土壤的水量(渗水量)。因此可以说,蒸散量测定装置模拟着某一地域地表与大气交换的自然关系。蒸散量测定装置有一个或几个大容量的池子,池子底部有排水管。设置排水管是为了模拟渗水。通过测量池子的重量、掺水量、降水量可以发现,无降水时,由于蒸发和渗水,池     

基于卡尔曼滤波的神经网络月平均气温预测模型

利用湛江市近50年来的月平均气温时间序列资料，将卡尔曼滤波与人工神经网络方法相结合，建立了湛江气温的短期气候预测模型。试验结果表明，这种基于卡尔曼滤波的神经网络模型对湛江的平均气温具有较好的预测能力，在平均绝对误差（MAE）小于1．5℃的条件下，实际预报准确率达到91.7％，对短期气候预测的业务工作具有较高的参考价值。     

大连月平均气温短序列订正方法

针对大连地区气象台站少,研究区域气候比较困难的实际,以大连地区7个气象台站作为基本站,以各自所辖的气象哨作为订正站.探讨适合大连地区月平均气温的短序列订正的简便实用方法.构建了12个气象哨与各自基本站之间月平均气温序列订正的一元线性回归方程和差值订正方程,并从统计学和订正误差的角度进行了比较分析.结果表明:两种方法的订正误差无显著性差异,均可以用于大连地区月平均气温的短序列订正.     

河北省月平均气温分布式模型应用研究

利用1971-2000年河北省及周边126个气象台站的常规观测资料,应用月平均气温分布式模型,实现了起伏地形下河北省月平均气温的分布式模拟,制作出100 m×100 m分辨率的气温空间制图。结果表明：坝上高原和河北省平原地区地势平坦,气温分布比较均匀;燕山山脉和太行山山脉地形复杂,气温受局地地形影响显著。在角度相同的坡地上,偏南坡与偏北坡的气温差异1月>10月>4月>7月。在同一时段,偏南坡与偏北坡的气温差异随坡度的增加而增加;张家口地区多盆地河谷,气温分布均匀且较周围地区高;月平均气温分布式模型在河北省具有良好的模拟精度、时间维和空间维模拟性能及山地扩展性能。     

河南省月平均气温变化的时频分析

根据河南省 5 0个站 195 1～ 2 0 0 0年的月平均气温资料 ,采用小波变换等方法分析了近 5 0年来河南省气温变化的时频特征。结果表明 ,河南省气温变化包含不同时间尺度的多层次演变特征 ,具有准 2年、4年、6～ 8年、16年和 2 8年左右的周期振荡 ,其中尤以 16年和 8年左右的周期最为显著 ;长期变化规律为 5 0、6 0年代气温较低 ,70、80年代变化平缓 ,90年代以来气温明显升高且强度较大。     

基于卡尔曼滤波的神经网络月平均气温预测模型

利用湛江市近50年来的月平均气温时间序列资料,将卡尔曼滤波与人工神经网络方法相结合,建立了湛江气温的短期气候预测模型.试验结果表明,这种基于卡尔曼滤波的神经网络模型对湛江的平均气温具有较好的预测能力,在平均绝对误差(MAE)小于1.5℃的条件下,实际预报准确率达到91.7%,对短期气候预测的业务工作具有较高的参考价值.     

月降水量的持续性分析

根据1951—1990年全国160站月降水量资料,通过计算相关系数、相关概率和持续性比,统计分析降水量的月际持续性特点.其结果可为月尺度降水的长期预报提供有关信息和相应的气候概况.     

黑龙江省年降水量和年平均气温序列均一性检验

采用SNHT方法和台站历史沿革信息对黑龙江省62个地面观测站1961～2006年年降水量和年平均气温序列进行了均一性检验。结果表明：台站迁移、仪器更换等是造成黑龙江省年降水量序列非均一性的主要原因;年平均气温序列非均一性主要是由于仪器更换、台站迁移、观测时制变化等原因引起。     

陕西省年、月降水量的理论频数分布

本文对陕西省年、月降水量频数进行了统计检验。检验结果表明:(1)年降水量遵从正态分布;(2)月降水量在做了立方根变换后,有83％的站月遵从正态分布;(3)月降水量中有58％的站遵从γ(Gamma)分布;(4)建议在估算月降水概率时,采用正态分布模型。     

中国秋季月平均气温特征及其异常研究

利用１９５１—１９９０年９—１１月月平均气温标准化距平资料，采用旋转主成分分析方法，研究中国秋季月平均气温的时空异常特征。结果表明，４０年来全国有６个主要气温变化异常区，均表现出程度不同的暖—冷—暖的演变趋势，在气温距平易号的演变过程中，东北突变最早，长江中下游最晚。     

用复数自回归模式预报月平均气温

在复数域最小二乘法的基础上, 建立了复数自回归模式。数学推导和实例应用表明:这一复数自回归模式不同于将复数序列中的实部和虚部分开来计算的结果, 将实部和虚部分开来计算的方法不是真正意义的最小二乘法。应用包括一个任意给定的复数序列和全国160个基本气象台站上历年7月月平均气温。采用距平相关系数和均方根误差两种检验标准, 对独立预报结果进行检验, 并与其他3种常用统计模型作比较。结果显示:该复数自回归模式确实具有较好的预报效果。     

苏州市月降水、平均气温的多元相空间投影相似预报模式

根据相空间理论,用苏州月降水、月平均气温以及副高强度指数、极涡强度指数序列,重构多元相空间。采用投影相似算法建立了苏州月降水、平均气温的预报模型。在建模中依据历史模拟质量和模式稳定度标准,通过对投影次序,投影取点和各相型维数的理论范围进行全程测试,得到最佳预报模式。该模式在1996年业务预报中表现良好。调模过程反应模式优劣与投影次序关系密切,而对取点范围的变化反应不敏感。