黑龙江省长序列气温资料的插补和延伸

气温变化基本规律的分析和未来变化趋势的预测需要连续、可靠的长序列资料。本着这一宗旨,用统计学方法,重新插补和延伸了我省7个站(除黑河地区外每地区1个)的月平均气温资料。这份资料不同于1977年东北低温会战时订正的气温资料。     

日气温数据缺测的插补方法试验与误差分析

对缺测气象观测记录进行插补是建立连续气象数据集的基础.将孤立1日或数日缺测资料进行插补的线性回归模型法应用于连续缺测数月的逐日最高、最低和平均气温的插补,并进行了一系列改进,包括:(1)用滑动选优法确定邻近参考气象站站数和数据样本时间窗的最佳值;(2)在记录缺测站与邻近参考站之间建立逐日气温的线性回归模型,并选取以最小绝对误差(Least Absolute Deviation,LAD)为目标函数求取模型参数的方法,取代以最小均方根误差为目标函数的最小二乘法(Least Squares Estimate,LAD)求解模型参数的方法,可提高计算效率和参数的稳定性;(3)进一步提出将LAD法与DeGaetano标准化序列法插补结果平均的综合插补方法,以减少极端误差.通过对湖北蔡甸气象站1961-2006年插补试验表明:(1)以4个邻近站和年数为8年、日数为15天时间窗的样本资料建模进行插补误差达到最小;(2)逐日最高、最低和平均气温的平均绝对误差分别为0.32℃、0.45℃、0.28℃,误差在±0.8℃以内的频次分别占总数的94.1%、84.8%、96.1%,观测值与插补值月相关系数在0.886以上.插补与观测资料平均值和相关系数分别通过了显著水平为0.05和0.01的检验.     

武汉和宜昌缺测气温资料的插补方法

通过对1951-1997年武汉、宜昌、芷江三地气温的相关分析发现：两两之间月的3种气温(平均、最高、最低)的相关程度均很高，其中冬季月份的相关系数较大，而夏季月份的相关系数较小，3种气温均以武汉-宜昌间的相关系数为最大。该文据此对武汉和宜昌三四十年代所缺月、季、年3种气温资料进行了有效插补。     

开平市日极值气温出现时间分析

利用开平市黄竹坑新气象观测站2007年12月和2008年1～11月的逐日观测资料,统计分析早晨、上午、中午等8个时段日极值气温出现时间在年、季节中的频率特征,发现全年最高及最低气温极值出现最多分别是在下午和早晨;分析高温、寒冷天气中气温日极值出现时间,并对其影响系统进行分析,探索存预报实践中如何更好地服务公众,及时预警...     

基于EMD和BP算法的降水数据插补

为解决气温观测记录缺测的问题,选择反距离权重插值（Inverse Distance Weighted,IDW）、普通克里金插值（Ordinary Kriging,OK）和多元线性回归（Multiple Linear Regression,MLR）三种方法,以湖北省2020年为例,对全省逐日平均气温（T）、最高气温（T_max）和最低气温（T_min）进行空间插补,并采用平均绝对误差（Mean Absolute Error,MAE）对3种方法的插补结果进行检验。结果表明：用MLR插补得到的T_max、T_min、T的MAE最小,分别为0.41℃、0.31℃和0.20℃,其中T的插补误差在1℃以内的站点比例高达100%;相比IDW和OK,MLR插补结果的MAE空间分布均匀,其不仅随海拔高度变化较小,随季节变化也相对较小。单站试验结果表明,当用于MLR模型的样本数量越多、时间离散度越大时,MLR对气温的插补效果越好。总体上,对日气温缺测数据的插补效果,MLR最优,IDW次之,OK最差;对于建立气象站点长时间连续气温数据集而言,MLR更适合解决区域自动气象站日气温数据缺测问题。

     

三种插值方法对区域自动气象站日气温缺测数据插补的适用性研究

为解决气温观测记录缺测的问题,选择反距离权重插值(Inverse Distance Weighted,IDW)、普通克里金插值(Ordinary Kriging,OK)和多元线性回归(Multiple Linear Regression,MLR)三种方法,以湖北省2020年为例,对全省逐日平均气温(T)、最高气温(T_max)和最低气温(T_min)进行空间插补,并采用平均绝对误差(Mean Absolute Error,MAE)对3种方法的插补结果进行检验。结果表明:用MLR插补得到的Tmax、Tmin、T的MAE最小,分别为0.41℃、0.31℃和0.20℃,其中T的插补误差在1℃以内的站点比例高达100%;相比IDW和OK,MLR插补结果的MAE空间分布均匀,其不仅随海拔高度变化较小,随季节变化也相对较小。单站试验结果表明,当用于MLR模型的样本数量越多、时间离散度越大时,MLR对气温的插补效果越好。总体上,对日气温缺测数据的插补效果,MLR最优,IDW次之,OK最差;对于建立气象站点长时间连续气温数据集而言,MLR更适合解决区域自动气象站...     

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。     

标准序列法在日平均气温缺测数据插补中的应用

利用标准序列法,对1971—2000年我国2000多个国家级地面气象站日平均气温进行了插补试验,并用交叉检验方法进行验证,对比了相关性最好和距离最近两种邻近站选取方案的插补结果。试验表明,相关性最好方案的插补精度优于距离最近方案,利用前一方案进行插补时,只需要选择与待插补站日平均气温序列相关性最高的4个邻近站参与计算即可。插补试验结果表明,平均绝对误差约为0.42℃。插补值与实际观测值之间的绝对误差、均方根误差、两者之差在±0.5℃范围内的样本比例,均与邻近站平均距离呈较好的指数关系。     

三种气温插补方法在中国西南地区的应用分析

观测数据的插补是提升气象数据完整性、恢复缺失数据真实性的重要手段。本文采用标准序列、空间回归和随机森林3种插补方法,对中国西南地区5个主要气候区地面气象观测站日平均气温序列数据以及犍为和北碚2个百年站月平均气温序列数据进行插补试验,并选用平均绝对误差、均方根误差以及插补值与观测值偏差分别在±0.8℃和±0.5℃区间的样本占比(P_0.8、P_0.5)等4项指标对插补结果进行评估。结果表明：3种方法对中国西南地区5个气候区站点气温日均值与2个百年站气温月均值插补效果较好,且空间回归方法的插补精度高、适用性最好,在5个气候区的插补精度都高于其他两种方法,在地形较为平坦的四川盆地P_0.8约0.90,在地形最为崎岖的川西南滇北山地P_0.8也在0.60以上,地形对气温插补精度影响明显。选取最优参考站数可有效降低插补误差,2个百年站95%以上的月平均气温样本插补误差可控制在±0.5℃以内。     

深圳日极值气温出现时间的特点

分析2006年深圳竹子林观测站日极值气温出现时间的年、季节的统计特点,发现全年日极值气温多出现在13:00~15:00和05:00~08:00。由于不同季节天空状况、天气系统等因子不尽相同,日极值气温的出现时间在季节上存在差异。在深圳的高温和寒冷天气中,除了台风的下沉增温、冷平流作用外,地气系统的能量交换、热量辐射对温度的影响同样重要。     

基于DEM的江苏气温空间插值研究

以江苏省及周边39个常规气象站点1957—2001年的月平均气温数据和90 m空间分辨率的DEM数据为基础,采用基于DEM的多元线性回归插值方法,分析多年平均气温与海拔、坡度和坡向等地形因子的相关关系,建立适合该区域的多元回归空间插值模型.同时与反距离权重法(IDW)和克里格(Kriging)插值法等传统方法的计算结果进行对比,并用交叉验证方法比较5种插值方法的精度.结果表明:该研究区各月气温递减率在 0.5~0.9 ℃/(100 m) 左右;基于DEM的多元线性回归空间插值方法(MLR)无论从插值效果还是误差精度上,均优于其他传统插值方法.插值结果客观地表达了气温与各地形要素的相关性,反映了气温的空间变异性.     

河北保定百年均一化逐日气温序列的建立及其气候变化特征

基于国家气象信息中心收集整理的保定气象站1919年以来逐日最高和最低气温观测数据,首先,通过数据质量控制剔除原始观测资料中因人工观测或记录、仪器故障及数字化人工录入等导致的错误数据;其次,基于天津百年均一化逐日气温数据,利用标准化序列法对质控后的原始观测数据进行延长插补;进而通过两种途径建立的年和月尺度参考序列,利用惩罚最大t检验(Penalized Maximal T,PMT)和分位数匹配法(Quantile-Matching, QM),修正了插补后保定气象站日最高和最低气温序列中因数据插补、迁站和仪器变更等造成的非均一性影响,由此建立了河北保定1912—2019年均一化最高和最低气温日值序列。分析表明,构建的年平均气温距平序列百年尺度的年代际和趋势变化特点与Berkeley Earth-monthly、CRUTS4.03和GHCNV3基本一致,并且与整个京津冀区域相比,很好地反映出保定地区城市快速发展所带来的增暖变化特点。另外,从百年极端温度变化来看,保定地区1912年以来年和季节极端温度也是呈明显的增暖变化,年和秋季极端最低气温(TNn)的增暖趋势分别为0.340℃/(10 a)...     

短时间序列气温要素空间插值方法精度的比较研究

利用中国气象局国家气象中心的全国1956年和1998年1月和7月平均气温数据,对综合法与ANUSPLIN软件插值精度进行了比较。结果表明:在具有30 a的月平均气温栅格数据库作为背景的前提下,采用综合法对短时间序列平均气温数据进行空间化处理,其方法简单、方便,误差相对较小,是一种较适合的方法。     

三维插值方法在2 m温度评估中的应用

模式地形与实况站点地形高度间固有差异严重影响了2 m温度检验评估精度,传统二维插值方法仅满足预报要素与实况观测间经纬度二维空间上的一致性,而忽略了垂直方向的一致性问题,使得检验评估中预报与观测不在同一三维空间上进行检验,从而引起严重的评估误导.利用模式三维预报变量,结合近地面要素预报产品,建立新的近地面要素三维插值方法,以确保预报与观测在三维空间上保持一致性.利用2013年7月整月24 h预报产品与观测的对比分析发现,新插值方法有效地改进了由于地形误差引起的评估误导问题,在不同地形高度条件下均保持了较为一致的误差分布趋势,显示其评估结论不受地形因素影响,具有更好的实际应用价值.进一步关注新插值方法在复杂地形区不同模拟分辨率条件下的评估改进效果,采用GRAPES区域预报模式（GRAPES-MESO4.0）针对2012年7月个例,对青藏高原复杂地形区进行了不同分辨率（45、15、5和2 km）条件下的60 h模拟敏感分析,结果表明新插值方法在高分辨率条件下（2 km）依然显示出明显的改进优势.     

基于卷积神经网络的长江流域夏季日最高温度延伸期预报方法研究

长江流域是我国夏季高温热浪灾害的多发区之一,该地区日最高温度( T_max) 具有显著的低频( 10～30 d 和 30～60 d 周期) 变化特征,超前-滞后相关分析和气温方程诊断的结果显示,影响长江流域 T_max低频变化的大尺度环流/对流信号包含: 自欧亚大陆东移南下的低频波列,自东北亚向西南方向传播的异常环流,以及由西太平洋向东亚传播的低频对流; 这些低频对流/环流活动通过改变辐射加热过程及绝热过程,导致长江流域 T_max的低频变化。为了客观且有效地辨识和捕捉这些先兆信号,并考虑长江流域T_max与大尺度因子间的非线性作用,本文采用机器学习方法中的卷积神经网络( Convolutional Neural Netw ork,CNN) 对大量历史数据进行训练,并构建了长江流域 T_max的延伸期预报模型。在独立预报阶段,CNN 预报模型对长江流域区域平均 T_max的预报时效达 30 d,提前 5～30 d 预报的 T_max与观测 T     

白洋淀流域未来日最高最低气温变化的统计降尺度分析

大气环流模型（GCMs）预测的气候变化情景空间分辨率低,不能满足气候变化对水资源影响进行评估的需要.利用统计降尺度模型可以解决GCMs预测的气候变化情景空间分辨率低的缺陷.在白洋淀流域应用统计降尺度模型（SDSM）,选取日平均气温作为预报量,根据NCEP再分析数据与站点实测数据序列的相关关系选择合适的预报因子,建立大气环流因子与各站点日最高气温和最低气温之间的统计关系.将数据序列分为1961-1975年和1976-1990年两个时段,对SDSM进行率定和验证.最后将HadCM3输出的未来情景降尺度到站点尺度,模拟白洋淀流域未来时期三个时段2020s（2010-2039年）、2050s（2040-2069年）和2080s（2070-2099年）的日最高气温和最低气温时间序列.结果表明：SDSM在白洋淀流域的模拟效果较好.白洋淀流域日最高气温和最低气温在A2和B2两种情景下均呈现上升趋势,且A2情景下的增幅高于B2情景,山区的增幅高于平原,日最高气温的增幅大于日最低气温.     

A daily temperature dataset over China and its application in validating a RCM simulation

This paper describes the construction of a 0.5°×0.5°daily temperature dataset for the period of 1961- 2005 over mainland China for the purpose of climate model validation. The dataset is based on the in- terpolation from 751 observing stations in China and comprises 3 variables: daily mean,minimum,and maximum temperature.The"anomaly approach"is applied in the interpolation.The gridded climatology of 1971-2000 is first calculated and then a gridded daily anomaly for 1961-2005 is added to the climatologY to o...     

南京市日最高气温对支气管和心血管类疾病就诊人数的影响

融合应用分布滞后非线性模型(Distributed Lag Mon-linear Model,DLNM)与广义相加模型(Generalized Additive Model,GAM),在控制新冠疫情影响、节假日效应、星期效应、长期趋势以及大气污染因子等因素基础上,探究了2018—2020年南京市日最高气温与当地支气管类、心血管类疾病就诊人数的暴露反应关系,包括滞后效应和累积效应。结果表明:对于支气管类疾病,冬季为高风险期,低温的即时效应和累积效应显著;中短期累积作用下,气温越低危险性越大;长期累积作用下,10 ℃左右的危险性最大;高温累积效应不显著,30 ℃左右滞后效应显著。对于心血管类疾病,低温的即时效应和累积效应显著,11~12 ℃左右影响的累积效应和持续性最强;高温的滞后效应显著,温度越高,滞后效应越明显;长期暴露于高温环境的患病风险会快速增加,日最高气温32 ℃左右的暴露累积风险最大。针对这两类疾病,当日最高气温在22~24 ℃范围内,属于人体最舒适温度。     

陕西省春季日最高气温延伸期预报因子初探

利用2001—2010年陕西省89站日最高气温资料和NCEP/NCAR逐日850 h Pa再分析温度、风场资料,通过统计分析发现陕西全省日最高温度变化具有很好的一致性,且在春季存在明显的6~28 d的波动。当6~28 d波动处于正位相时,850 h Pa上陕西地区受偏南气流控制,且温度偏高,而波动处于负位相时,850 h Pa上陕西地区为一高压反气旋控制,且温度明显降低。根据两者的对比,找到影响陕西地面日最高气温6~28 d变化的影响区。通过单点相关的方法,在6~28 d滤波的850 h Pa温度场上找到与影响区温度超前15 d左右相关性好的关键区:65°~70°N,40°~45°E。进一步研究表明,6~28 d低频温度有明显的从关键区向影响区传播的趋势,并且与15 d后陕西地区日最高温度6~28 d变化相符合,对陕西地区春季未来15 d最高温度预报有一定的指示作用。     

基于残余插值的卷积神经网络去马赛克算法

在去马赛克问题中,为了精确插值倾斜边缘并提高结果图像的整体质量,提出一种基于残余插值的卷积神经网络去马赛克算法.针对Bayer格式的颜色滤波阵列,插值绿色平面时,对于红蓝通道信息不全的问题,采用同通道邻近像素值近似代替,综合考虑3个通道的梯度,运用倾斜方向的边缘检测算子,将倾斜边缘分为不同方向的边缘分别插值.在插值完成后,利用深度卷积神经网络,进一步训练插值结果.在标准的IMAX数据集上,与目前流行的算法相比,本文算法视觉上更接近原图,具有更高的峰值信噪比和更短的运行时间.