CAR和SVM方法在郑州冬半年大雾气候趋势预测中的试用

以郑州冬半年大雾日数为对象,在分析其气候特征的基础上,尝试大雾日数的气候趋势预测。首先选择气候预测中常用的环流特征量作为因子群,通过相关筛选,选取与预测对象相关系数较大的环流特征量作为预测因子,然后分别采用多变量自回归（CAR）和支持向量基（SVM）回归两种方法,建立郑州冬半年大雾日数预测模型。CAR方法回报正确率为88％,SVM方法回报正确率为82．4％;经2002／2003—2005／2006年4a的独立样本试报,两种方法平均预测准确率（Ts）均为75％。     

通道县40年气候变化及未来5年气候趋势预测方法（摘要）

本文利用气象要素曲线波谱相似原理分析通道县1957～1995年40年气候变化趋势,再用时间序列外推方法诊断预报1996～2000年平均气温,年总雨量及主要农业气象灾害的变化趋势。 绘制40年平均气温变化曲线图,年均气温经历“三暖两冷”交替变化过程,1958～1966年、1977～1979年、1990～1992年为三个暖期,两个冷期是1967～1976年、1980～1984年。 由40年年总雨量绘制的曲线功率波谱图可知,1957～1967年、1974～1975年、1984～1987年为少雨阶段（1959、1961、1965年例外）;1968～1973年、1976～1983年、1988～1994年（1989年例外）均为多雨阶段,有11年左右的大波动和3～4年的小波动。     

1995年短气候预测技术方法评述

以春季低温，盛夏川东高温以及汛期旱涝为预报对象，结合１９９５年业务预报，从天气和统计天气学角度来说明主要预测技术方法和制作思路。     

几种统计预测方法对1998年南京降水的跨季节预测试验及分析

对1998年南京降水分别设计并开展了求和自回归滑动平均（Auto-Regressive Integrated Moving Average,ARIMA）模型预测、经验模态分解（Empirical Mode Decomposition,EMD）预测和基于Hilbert变换（HilbertTransformation,HT）的幅频分离预测等3种跨季节统计预测试验。结果表明：ARIMA模型预测结果存在明显的系统性误差且对夏季的降水突变现象预测困难;EMD分解预测的结果虽在降水演变趋势上有明显提高,但仍未能预测出夏季的强降水突变现象,究其原因可能是对高频分量预测效果不好所致;而基于Hilbert变换的幅频分离预测方法能够对各模态分量的瞬时频率和瞬时振幅实施隔离预测,消除两者的相互影响,显著改善高频模态的预测效果,使得最终预测结果最为理想,不仅具有最高的趋势相关性和最小的偏差,而且还较好地预测出了夏季两次强降水过程。不仅如此,在对2003年的降水预测验证中,基于Hilbert变换的幅频分离预测方法同样具有最好的预测效果,表明该方法预测效果较为稳定,为改进跨季节短期气候统计预测技术提供了一个新思路。     

支持向量机在短期气候预测中的应用

支持向量机（SVM，Support Vector Machines）是基于统计学习理论框架下的一种新的通用机器学习方法。可以解决样本空间中的高度非线性分类和回归等问题，是一种处理非线性分类和非线性回归的有效方法。气候变化诸多因子的复杂性和非线性决定了预报因子与预报对象问的非线性关系，SVM为解决短期气候预测提供了一种可行的有效途径。利用Nino区海温、南方涛动指数、副高面积指数、亚洲区极涡面积指数等15个预报因子，建立了阳泉夏季降水正、负距平的SVM非线性分类模型，同时也建立了阳泉夏季降水的SVM回归模型，并进行了相应的预报试验，结果显示，对应的SVM分类模型和回归模型均具有良好的预报能力。     

支持向量机在三明主汛期短期气候预测中的应用

采用1951～2007年共57年的3—4月阻高面积指数、关键区海温指数、环流特征量等31项产品资料来挑选因子,构造建模样本资料。建立三明地区东南部和西北部主汛期降雨短期气候预报方法。结果显示,通过支持向量机（SVM）方法作出的短期气候预测,具有较高的准确率。     

典型相关系数及其在短期气候 预测中的应用

借助典型相关系数,对场与场的关系进行分析,并由短期气候预测理论与实践以及线性方程组理论,提出了多因子场预测未来要素场的新方法。     

基于SVM方法的乌鲁木齐国际机场多要素预测

利用2000年1月-2010年3月乌鲁木齐国际机场的观测资料,构建逐时能见度、温度、天气现象以及逐日最高温度、最低温度、降水量这六类预报对象的样本空间,使用SVM方法进行交叉验证和预报建模。结果表明建立的预测模型有较好的稳定性,并且对上述预报对象均有较好的预测效果。     

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.     

最佳气候相似法及在短期气候预测中的应用

本文采用了最佳气候找相似的预报方法来制作长期天气预报。由于这种方法使用了地面、高空、太阳活动和海温资料,具有长时段,多要素,综合性强的特点,所以预报较客观,对预报年的年景能作出较为准确的判断。由于不同站点资料代表着不同地区的气候背景,因而能分片制作短期气候预测,为解决目前短期预报中小尺度天气难的问题提供了较为详实的气候背景和可靠的预报依据。此方法虽属统计方法,但与中、短期数值预报有某些相似之处,主要体现在预测因子的同时性和连续性,对要素的预测如同数值预报产品的释用。     

1961—2012年中国冬半年霾日数的变化特征及气候成因分析

利用全国664站1961—2012年逐日霾观测资料、降水量、平均风速和最大风速资料,分析中国霾日数变化特征及其气候成因。结果表明：我国年霾日数分布呈明显东多西少特征,中东部大部地区年霾日数在5～30 d,部分地区超过30 d,西部地区基本在5 d以下。霾日数主要集中在冬半年,冬季最多,秋季和春季次之,夏季最少,12月是霾日数最多的月份,约占全年霾日数的2成。我国中东部地区冬半年平均霾日数呈显著的增加趋势（1.7 d/10a）,霾日数显著增加时段主要在1960年代、1970年代和21世纪初,在1970年代初和21世纪初发生了明显均值突变。从区域分布来看,华南、长江中下游、华北等地霾日数呈增加趋势,而东北、西北东部、西南东部霾日数呈减少趋势。持续性霾过程增加,持续时间越长的霾过程比持续时间短的霾过程增加更为明显。不利的气候条件加剧了霾的出现。霾日数与降水日数在中东部地区基本以负相关为主,中东部冬半年降水日数呈减少趋势（-4 d/10a）,表明降水日数的减少导致大气对污染物的沉降能力减弱。另一方面,霾日数与平均风速和大风日数以负相关为主,而与静风日数则以正相关为主,冬半年平均风速和大风日数减小,静风日数增加,表明风速减小导致空气中污染物不易扩散,从而更易形成霾天气。     

河北省雾的气候特征及趋势研究

为了研究河北省雾的气候特征及变化趋势,用1965-2006年河北省49个代表站的气象观测资料,采用相关分析、趋势分析以及Mann-Kendall检验等统计方法,分析了雾的时空特征、日变化规律和长期变化趋势.结果发现:河北省年平均雾日数为15 d,平原的雾日数多大于20 d,高原、山区、丘陵的雾日一般小于10 d;秋、冬季是雾的多发季节,11月雾发生频率最高为15.7%,除夏季外的其他季节,平原的雾日数一般最多;20世纪70年代初是河北省雾的明显转折点,雾日在1965-1971年处于偏少期,而1971年后经历了偏多一偏少一偏多三个阶段;凌晨5时雾生的频率最高为22.2%,早上8时雾消的频率最高为18.8%,3 h以内的短时雾最易出现;河北省雾日有一定的变化趋势,除了山前平原区站点多数为正趋势外,其他地形区测站则一般呈现为负趋势.     

冬半年天气阶段自动判断系统

本文利用ECMWF 500 hPa北半球格点预报资料,建立了冬半年天气阶段自动判断系统,用来制作未来15 d～20 d的降水趋势预报,在为地方农业生产服务中发挥了重要作用。     

池州地区冬半年固态降水及其环流背景统计特征

基于2003－2018年池州冬半年观测资料,采用T-mode主成分客观分析法（TPCA）等方法进行固态降水与环流背景的统计分析。结果表明：池州172个固态降水日中,固态降水的主要月份占比分别是1月的44.8%、2月的27.9%和12月的16.3%;其中雨雪转换、纯雪和冻雨3类占比分别为55.2%、41.3%和3.5%。环流形势可划分为一槽一脊型（Ⅰ型）,纬向波动型（Ⅱ型）和两槽一脊型（Ⅲ型）,Ⅰ型占比最多,Ⅱ型次之,Ⅲ型较少。Ⅰ～Ⅲ型分别代表北方冷空气从中路、西路和东路南下,池州固态降水过程主要受中路冷空气影响。Ⅰ型气温最低,出现固态降水概率最高,是其它形势3倍以上;Ⅱ型气温最高,出现固态降水概率最低。除Ⅲ型外,纯雪过程中低层温度均较雨雪转换过程低2.0 ℃左右;雨雪转换过程中925 hPa温度与850 hPa基本相同,一般在-4.0～-5.0 ℃之间,而纯雪过程则较850 hPa偏高1.0 ℃左右;雨雪转换过程1000 hPa温度基本在0 ℃附近,纯雪则在0 ℃以下。925 hPa盛行东北风,850 hPa存在气旋性环流,配合700 hPa上12.0 m/s左右急流、水汽通量及水汽通量散度大值中心,有利于池州固态降水的产生。它一般属于大尺度降水,层结稳定,锋区位于700 hPa以下,低层有冷平流,切变线一般位于850～800 hPa之间。     

中国冬半年区域持续性低温事件的前期信号

大气变量物理分解的方法应用于寻找中国区域持续性低温事件的前期信号。1960～2008年的冬半年期间, 总数115次强的区域持续性低温事件的对流层低层出现了天气尺度温度的负值扰动, 而在对流层中高层至平流层出现了天气尺度位势高度的负值扰动。其中, 112次事件分别在850 hPa和300 hPa上出现了温度扰动负值中心和位势高度扰动负值中心。追踪850 hPa层的温度扰动能够提前5～9天预示中国区域持续性低温事件的出现。     

中国不同区域气候条件对冬季雾日形成的差异性分析

雾是一种严重的天气灾害,极大地影响了交通和日常生活,并可能带来巨大的经济损失。利用1958～2007年678个中国地面观测站点的雾日数资料,采用相关系数分析、合成分析等方法分析了冬季雾日数的时空特征,发现冬季多雾地区和年际变率较强地区集中在西南、华北和华南等地区。根据冬季雾日分布特征,将中国划分为3个较为独立的雾区,从水汽条件、大气稳定度及大气环流背景等方面讨论了区域气候条件差异对局地雾形成机制的影响,发现不同区域冬季雾日产生的气候条件有着明显的差异性。结论如下:西南区冬季雾的形成受水汽输送影响较小,受大气稳定度影响较大,且巴尔喀什湖东侧高压脊加强,冷空气南下,西南较易发生雾;华北冬季雾日的形成受水汽输送影响较大,伴随长江中下游水汽异常推进偏北,水汽异常大值中心偏北,且西伯利亚高压、东亚大槽以及东北低压减弱,冷空气活动较弱,华北较易发生雾。华南冬季雾日的形成受水汽输送影响较大,伴随长江中下游水汽异常推进偏弱,水汽异常大值中心偏南,且东亚大槽减弱,华南较易发生雾。     

甘肃冬半年重要天气预报系统简介

用ＥＣＭＦ作为基本资料,对北半球超长波进行分型后,做寒潮中期预报。并对伴随寒潮天气出现的灾害性天气采取逐步逼近的预报方式,制作了冬半年天气服务预报系统,实现了预报客观自动化。     

MJO不同活动中心位置对云南冬半年降水过程的影响

通过对热带对流季节内振荡（MJO）的研究和业务实践应用表明,利用对MJO传播过程来研究延伸期（10~30 d）天气已经成为一种新的、可行的手段。然而,在明确了MJO的活动位置条件下如何依据大气环流条件来把握云南冬季降水过程的延伸期预测,是预报实践中需要解决的重要问题。本文考虑云南冬半年在有北方冷空气南下入侵云南前提下, MJO活动位置（分为“干窗口”和“湿窗口”两种情况）及有无合适的水汽引导环流条件（分为“孟加拉湾一带90°E附近有南支槽系统”和“孟加拉湾至中南半岛西侧一带为反气旋环流”两种情况）主要有4种不同的配置类型,选取MJO影响下前3种不同配置类型的天气过程进行对比分析,期望能为云南冬半年延伸期天气预测过程中较好地把握过程降水及降水强度提供理论依据。分析表明： MJO活动中心进入孟加拉湾及西太平洋热带地区（本文称之为MJO“湿窗口”）以后将会充分激发这些地区的对流活动,MJO活动中心在孟加拉湾及西太平洋热带以外地区（本文称之为MJO“干窗口”）时不能充分激发云南上游热带地区的对流活动。在有北方南下冷空气影响云南的背景情况下,MJO在“湿窗口”时,要使云南出现大范围的降水天气过程必须还要有合适的环流条件（90°E附近南支槽前或西太平洋副热带高压西侧的偏南气流）引导热带地区的水汽进入云南;MJO在“干窗口”时,即便有合适的水汽输送与扰动环流条件,仍然不能造成云南大范围的降水天气过程。由于MJO在激发水汽方面的贡献非常明显,利用MJO的东传规律可以有效地进行云南冬半年降水的延伸期天气预测,并对中短期天气预报业务起到很好的指导作用。