SURFER软件在气象主分量分析中的应用

利用和开发SURFER软件的制图分析功能,对气象要素场主分量的分析结果进行图形显示,并且用SCRIPTER对整个制图分析过程编制程序,使整个分析和制图过程成为一个可控制的自动化流程.实例试运行的结果表明,所开发的在SURFER环境下运行的气象要素场主分量分析程序具有分析结果准确,操作简便,效率高的特点,有较大的实用价值.     

气候场的主分量逐步回归预测模型及应用

提出一种气候场的主分量逐步回归预测模型,该模型将气候场的预测变成对该场主分量的预测。提取对气候场变化有重要影响的500 hPa高度、太平洋及印度洋海温和全球海平面气压等含不同区域不同季节的因子场的前若干个含高信息量的优质主分量因子。通过相关筛选和双重检验逐步回归,建立气候场的主分量的预测方程,由此就建立气候场与多个因子场之间的联系,但是模型却仍然保持着两个场相关的特点。根据气候场的特征向量的近似不变性,将其与主分量配合进行反算,从而得到气候场的预测。以广东汛期降水预测作为试验例子,计算了它的主分量,分析了它的时空分布特征及分类,对2003—2005年的分布作预测并与实测分布作比较及进行误差检测,发现预测效能显著。有关预测的年限、区域范围、要素和因子的物理背景等问题有待进一步研究。     

用旋转主分量分析四川降水自然天气季节

本文用旋转主分量及多元最优分割法，探讨了四川4—9月的候降水分布季节变化特征。分析表明，在多年平均气候及逐年之中，降水分布的季节转变皆表现出突变性，这些突变受着季风环流系统（西太洋副高、印缅传槽、西风带气流强弱等）的季节急变影响。     

华北夏季降水地域特征的旋转主分量研究及其相关分析

用旋转主分量(RPC)方法,研究华北降水的空间分布特征.给出了华北降水空间分布的RPC的前10个模态.它们概括了华北地区降水的基本特征及历史上的大旱和大涝年的地域分布.每一种降水模态的时间系数都表现出了长周期的年代际变化的规律.华北发生大旱与大涝的最可能的分布是模态3、4与模态10.如1965、1968和1983年的大旱;1963和1973年的大涝年等.分析了各个模态与太平洋副热带高压强度、东亚环流指数、前冬赤道东太平洋海温、以及江淮流域降水的相关表明:它们之间的相关都有各自的最佳模态.如对赤道东太平洋海温与太平洋副热带高压强度而言,最佳模态的特征是:当海温呈El Nino型和西太副高偏强时,华北降水的最可能分布是东部沿海为强的干旱区,其余地区降水皆偏多.与江淮流域降水和EAP流型的相关则主要以1954、1980及1991年为代表的第1和第9模态为主要形态.它们与华北降水有极好的反相关.     

主分量逐步回归法在桂东南低温阴雨预报的应用

在桂东南低温阴雨天气的特征和类型研究的基础上，应用气候场的主分量逐步回归方法，通过多个气候场的主分量因子相关分析筛选，求得低温阴雨场主分量与高度场、海温场、环流指数以及副高面积指数等因子场主分量之间的联系，而后进行逐步回归预报。     

基于主分量的神经网络水位预报模型应用研究

根据气象和水文资料，以上游面雨量、水位值为预报因子，以西江流域的梧州水位为预报量，发现预报因子与预报量有很好的相关性。采用人工神经网络与主分量分析相结合的方法，建立了梧州水位的预报模型。结果表明，该预报模型对历史样本拟合精度高，试报效果及预报稳定性明显好于传统的神经网络预报模型，可在预报业务中应用。     

华北夏季降水气候场的主分量逐步回归预报模型

由于近几十年来华北干旱频繁发生,给农牧业生产造成很大影响,因此,如何寻找影响华北夏季(6~8月)降水的预报因子就显得至关重要。本研究的目的就是提出气候场的主分量回归预测模型,对1951~2001年华北夏季降水的变化特征进行拟合并预报。研究发现,所选取的70个预报因子分别为高度场、海温场和海平面气压场不同区的前2个主分量,所建立的回归预报方程反映出在夏季来临的前2个月,海平面气压场的变化对华北夏季降水具有一定的影响,特别是海平面气压场的变化在一定程度上反映出ENSO的信号。研究结果也指明ENSO对华北夏季降水的影响具有阶段性,在20世纪70~80年代之间的反相关性较强。     

主分量逐步回归法在桂东南低温阴雨预报的应用

在桂东南低温阴雨天气的特征和类型研究的基础上,应用气候场的主分量逐步回归方法,通过多个气候场的主分量因子相关分析筛选,求得低温阴雨场主分量与高度场、海温场、环流指数以及副高面积指数等因子场主分量之间的联系,而后进行逐步回归预报.     

区域气候模拟研究

区域气候模拟是近几年发展起来的研究有限区域气候及气候变化的方法。由于区域气候模式较好地表示了地形和地表状况,同时包含较详细的陆地过程方案,因而能捕获许多大气环流模式难以分辨的区域尺度温度、降水分布和土壤水分变化特征。此外,区域气候模拟对于了解温室气体强迫可能导致的全球增暖在区域尺度上的特征及生态、环境效应也具有重要的意义。该文总结区域气候模式和模拟试验结果,并指出存在问题及今后研究的重点。     

甘肃省玉米产量的主成分分析

应用自然正交函数方法将甘肃省玉米产量的趋势产量项(Yt)和气候产量项(Yw) 进行展开,展开后的Yt、Yw第一特征向量都表明了Yt、Yw总趋势的一致性,其大值中心表明产量变率较大。通过对各主成分主要时间系数与各站Yt、Yw进行相关分布分析,筛选出全省玉米产量的八个站点,这些站点基本上代表了本省不同类型的农业气候区域的玉米产量水平和生育状况。     

Principal component analysis of tsunami buoy record: Tide prediction and removal

Principal component or Empirical Orthogonal Function (EOF) analysis is applied to tsunameter records by treating them as two-dimensional signals, where the second dimension is created by breaking a single time series into cycles and treating the cycle number as a second dimension. Under certain conditions, principal components calculated from different records are shown to determine the same functional space. Signal decomposition into pre-calculated principal components is used to predict or extract the tidal component of a record. This work shows that EOF processing allows for short-term tidal predictions at tsunami buoy locations with the precision of more advanced methods and with minimal a priori knowledge about tidal dynamics. Also shown is that filtering in EOF domain is sensitive to the non-tidal component of a record and therefore presents a tool for early tsunami detection and quantification.     

华北区域环流型与河北气候的关系

利用Lamb-Jenkinson方法和NCEP/NCAR再分析的1951—2006年月平均海平面气压场资料,对华北区域环流进行分型并分析了对河北气候的影响。结果表明,影响华北的主要环流型有8种（A、SW、NE、W、C、N、ANE、AN）,占全部环流型的64.43%。冬季主要盛行A、NE环流型,夏季主要盛行SW、C环流型,冬季最主要的环流型A和夏季最主要的环流型SW出现次数呈反相变化。河北夏季降水量与SW出现次数呈明显的同相变化,而与A型出现次数呈非常好的反相变化,即冬季A环流型出现多,夏季SW环流型出现就少,夏季降水量就少,反之亦然。冬季的主要环流型在20世纪60年代中期发生了明显改变,夏季环流型在60年代和70年代发生了两次明显改变,之后基本维持改变后的环流型。河北气候与区域环流型变化有很好的对应关系。     

基于主成分分析的人工智能台风路径预报模型

利用主成分分析可以从具有随机噪声干扰的气象场提取主要信号特征,排除随机干扰的能力,论文以1980～2010年共31年6～9月西行进入南海海域的台风样本为基础,综合考虑台风移动路径的气候持续因子和数值预报产品动力预报因子,采用主成分分析的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风路径预报模型的预报建模研究。在预报建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行了预报试验,试验对比结果表明,前者较后者在6、7、8和9月份台风路径预报中,平均绝对误差分别下降了7.4%、4.8%、12.4%、17.0%。另外,论文进一步在初选预报因子和样本个例相同的情况下,通过比较新模型与直接采用主成分分析方法选因子并分别运用逐步回归和遗传—神经网络集合预报模型进行计算的预报精度差异表明,前者具有更高的预报精度,其原因是该方法挖掘利用了全部备选预报因子的有用预报信息,而且遗传—神经网络集合预报模型的是由多个神经网络个体预报结果合成,集合模型的各个神经网络个体的网络结构,是通过遗传算法的优化计算确定的,因此,该集合预报模型的泛化能力显著提高,在实际天气预报中具有较好的实用性和推广价值。     

MM5模式对区域气候模拟的性能试验

利用1998年6月NCEP资料和6月2日00：00地表资料及美国NCAR／PENN州的MM5对1998年6月我国南方降雨过程进行了气候模拟的性能试验，模拟结果表明，MM5基本上可模拟出局地大气环流和区域尺度上的强对流过程造成的雨区，降雨强度和强降水中心位置，但模拟的雨量与实际值相差较大，模拟值再现了我国夏季降水异常的空间分布特点，模式可向区域气候模式发展，但该模式模拟的1998年6月副高强度比其实际值的强度更强，故导致更多的水汽进入降雨区，造成过多的降雨。     

基于主分量神经网络的降水集成预报方法研究

运用人工神经网络与主分量分析(PCA)相结合的方法,对同一降水预报量的各种数值预报产品进行集成预报研究.结果表明:主分量人工神经网络方法所构造的集成预报模型,不仅对历史样本的拟合精度好于个各子预报产品,独立样本的实验预报结果也显示出更好的预报准确率及稳定性.业务应用前景良好.     

航空短期区域气候模式预测系统研究

基于国家气候中心的海气耦合业务预测系统CGCM_1.1的预测资料产品,集成并完善了一个单向嵌套的、中尺度海气耦合的区域气候模式ASRegCM,并以其为数值计算核心,建立了一套航空短期区域气候预测业务系统ASRCPOS。对1983～2002年（共20年）的回报试验结果显示,ASRCPOS业务预测水平较前期统计预测为主业务系统的预测水平有一定程度的提高。尤其是在对连续型变量地面气温的距平,以及对非连续型变量地面降水的距平量级预测能力方面,该动力业务系统预测能力较前期业务系统有所改善。回报结果同时显示,业务系统在异常天气气温的预测方面存在较大的改进空间,对月以下时间尺度预报的解释应用方面仍存在一定的局限。     

平流层下部气温年际异常的旋转主成分分析

利用旋转主成分方法分析了北半球冬季平流层下部月平均气温距平，得到的4个主要的空间分布型，分别表示中纬、低纬的纬向对称异常、太平洋北部暖中心和极区冷中心的异常。还指出中纬异常的时间演变最单调，整个冬季有持续性，年际变化呈现明显的准两年振荡周期(QBD)。