河南省汛期气候预测概念模型

在河南省6种雨型的基础上，分析了物理要素海温、季风、西太平洋副高及气候因子和河南省汛期降水的关系，给出了河南省汛期降水的气候预测概念模型。通过逻辑推理，可以具体预测雨型。     

青海省春季降水的概念模型及典型个例分析

本文通过分析1959－1997年青海省春季降水量与同期（或前期）气温、高度场、海温场、环流特征量等之间的关系得出：春季500hPa高度场上，巴尔喀什湖至贝加尔湖地区为槽区、南支槽活跃、赤道东太平洋海温及南赤道西印度洋海温偏低、西太平洋副热带高压脊线位置偏北、青藏高原槽明显时，青海省春季易多雨，相反，则少雨。另外，将1999年春季高空环流形势与青海历年同期少雨形势作了比较。     

广东前汛期月降水异常的强信号研究及预测概念模型

利用NCEP/NCAR再分析资料等较新资料，从500hPa高度场，向外长波辐射（OLR）场，海表温度（SST）场以及表征高，中，低纬大气活动特征的14个大气环流指数四个方面，较为系统地研究广东前汛期月降水异常的前期信号，形成预测概念模型，为月降水的量级（即旱、涝，正常）预测提供多方面的信息和实用的预报工具。     

广西霜冻气候预测的概念模型

在确定广西霜日序列和重霜冻年表的基础上 ,分析了广西霜冻、霜日总数与 5 0 0 h Pa高度场和太平洋温度场的关系 ,应用点聚图确定“概念指标”,初步建立了广西霜冻和霜日的概念模型。     

北太平洋海温的气候跃度及其对中国汛期降水的影响

应用滑动Ｔ检验方法对北太平洋海温１０年际的气候跃变进行了研究，指出在７０年代末至８０年代初确实存在着一次明显的气候跃变，而跃变前后北太产洋海温结构，厄尔尼诺事件的发展过程都明显不同，进而讨论了北太平洋海温跃变前后对我国６－８月汛期降水量的影响，指出海温跃变前我国汛期降水量在东北地区偏少，华北偏多，长江流域偏水，华南偏多，而跃变后则相反。     

湘西自治州汛期降水的气候特征

从季度降水预报业务的需要出发，根据湘西自治州８个测站的降水资料，分析了汛期（４－９）降水的气候特征和变化趋势，以期为预报汛期雨量提供参考。     

2010年我国夏季降水异常气候成因分析及预测

对2010年我国夏季降水实况和预测进行回顾,笔者认为优化多因子汛期降水客观定量化预测方法因子组合中缺少前冬海温和积雪等外强迫因子可能是导致部分地区预测失败的主要原因,通过2010年夏季降水异常的气候成因诊断分析并结合诊断同报的结果论证了这一判断.同时发现前冬海温和积雪异常的气候背景下,亚洲夏季风系统各成员均发生不同程度...     

长江三峡坝区汛期降水的气候背景分析及其与北太平洋海温的关系

对长江坝区汛期降水的气候背景进行了分析后指出：坝区汛期降水异常与ＥＡＡ相关链,特别是东亚这一段遥相关型有明显联系,进而探讨了它与前期北太平洋海水温度的关系。     

全球气候背景下厄尔尼诺对中国东部汛期降水的影响

对厄尔尼诺事件进行了定义，并详细讨论了不同气候背景下的厄尔尼诺过程对中国东部地区汛期降水的影响。分析发现：20世纪50年代以来共发生了14次厄尔尼诺事件；在70年代末、80年代初，赤道太平洋的海温有一个明显升高的趋势；不同气候背景下的厄尔尼诺过程中对中国东部汛期降水存在不同的影响，但是对长江中下游及江淮地区降水的影响是一致的，一般偏少。     

影响陕西汛期降水空间分布的强信号

为了寻找影响陕西省汛期降水空间分布的前期强信号,应用陕西省1959～2003年36个气象代表站汛期(6～9月)降水量标准化资料,进行经验正交EOF分解.根据特征向量分布,确定陕西汛期降水典型分布场为"全省一致"型、"南北振荡"型和由北向南的"两头多(少)、中间少(多)"型.通过分析关键区的海温异常和大气环流变化等因子与EOF分解前3个时间系数的相关性,得到了汛期降水预测的一些重要前期强信号,如西风漂流区海温,Nion 3区海温、北太平洋涛动、东亚冬季风等,对陕西汛期降水分布预测具有明显的预示作用.     

2022年汛期气候趋势预测与展望

中国是自然灾害频发的国家,气象灾害造成的损失占自然灾害造成损失的70%。2020年夏季出现超长梅雨期,长江和淮河发生洪水;2021年夏季,华北雨季开始早,结束晚,期间发生了“21·7”河南地区特大暴雨事件。这些气象灾害都对人民生命财产造成严重损失。因此,有必要提前对气候异常进行预测,以提高国家的防灾减灾能力。2022年3月,中国科学院大气物理研究所开展汛期（6～8月）的全国汛期气候趋势预测会商会。通过综合大气所各个数值模式和统计模型的结果,在未来4～6个月全球短期气候仍处在La Ni?a事件恢复到ENSO正常状态的背景下,预计2022年汛期（6～8月）,东北东部和中部、华北大部分地区、黄河中下游、东南沿海、西北地区中部、西藏大部分地区、西南地区东部和云南大部分地区降水正常略偏多,其中环渤海湾地区降水偏多2～5成,可能发生局地洪涝灾害。全国其他大部分地区降水正常略偏少,其中长江下游地区和新疆北部降水偏少2～5成。预计今年登陆台风数正常略偏多。由于未来ENSO的趋势演变具有一定的不确定性以及夏季降水受到中高纬大气环流季节内变化的影响,因此,此次汛期预测结果具有一定的不确定性。我们将根据2022年春末、夏初大气环流和海洋等因子的实际演变趋势,做进一步补充订正预测。     

淇县汛期旱涝趋势预测模型

利用1966～2001年淇县观测资料,分析了影响汛期降水的因子,并利用冬季气温、春季降水及1月上旬平均气压等因子,建立了淇县汛期旱涝趋势预测模型.该模型对2002和2003年汛期降水趋势试报,结果基本正确.     

超级集合思想在汛期降水预测集成中的应用

借用数值预报中超级集合的思想对参加中国汛期降水预测的各大单位预报结果进行集成，以期得到较好的预测结果。利用线性反演技术进行正反拟合和预报试验．结果表明集合预报效果比较稳定，多数情况下优于单个成员预报。体现了集合的优势，在气候预测业务中有一定的应用价值。     

AREM数值模式对2005年汛期四川的降水预报

应用中国科学院大气物理研究所的AREM模式,对2005年汛期四川进行了实时降水预报。结果表明：（1）AREM预报性能略好于成都区域中心业务运行模式ETA模式,对大雨和暴雨的TS评分,AREM略高于T213预报。（2）从梯度评分看,高度、温度、涡度等要素均为可预报,而地面温度、整层水汽含量和整层水汽通量散度可预报性较低。（3）AREM对5次区域性暴雨有较好的反映,但与实况还存在一定的差异,AREM降水强度预报较实况偏弱。     

广州前汛期暴雨气候特征分析

利用广州站1951～2009年的降水资料和历史天气图资料分析广州在过去59年前汛期（4～6月）暴雨气候变化特征以及暴雨产生的天气形势分类得出以下结论：1）广州前汛期暴雨累积雨量与前汛期降水变化趋势一致,呈逐年增加趋势,前汛期暴雨贡献率呈现波动变化;2）5、6月份的暴雨占前汛期累积雨量的比例呈10年左右的周期变化,未来10年广州可能再次进入5月份暴雨高发期;3）前汛期暴雨频次约占全年暴雨频次52．1％,其小波功率谱呈现4～8年的周期振荡,且在1987～2003年最为显著;4）广州前汛期暴雨偏多的年份,冷暖气团势力相当,在华南地区交汇的机会多,广州暴雨偏多,而暴雨偏少的年份,是极圈附近冷气团过于强盛而海上暖气团过于弱或者冷气团有一定的势力,但是海上暖气团过于强盛,华南地区由单一气团控制,广州暴雨偏少。     

河南汛期暴雨时空分布特征及成因分析

利用1990-2004年河南暴雨资料,分析了河南汛期暴雨空间分布特征,结果表明：豫西山区暴雨日最少,省内淮河流域暴雨日最多,豫北暴雨日次多。上述空间分布特征与地形、西太平洋副热带高压及低值系统影响有关。此外,河南暴雨从5月开始增多,7月最多,8月开始逐渐减少,这一时间分布特征与季风影响有关。河南汛期暴雨,多数发生在副高与高空槽及中低层低值系统相配合的情况下。     

濮阳市汛期特旱、特涝异常年趋势预测方法

通过计算旱涝指数,科学、客观地定出大旱大涝年.通过对太阳活动、ENSO现象、大气环流与濮阳汛期旱涝的相关分析,筛选出相关因子,建立了汛期特旱、特涝异常年及排除特旱、特涝年后的一般降水趋势3重预报方程.方程对特旱年的预报概括率100%,对特涝年的概括率86%,一般降水趋势预报准确率88%.     

濮阳市汛期特旱、特涝异常年趋势预测方法

通过计算旱涝指数，科学、客观地定出大早大涝年。通过对太阳活动、ENS0现象、大气环流与濮阳汛期早涝的相关分析，筛选出相关因子，建立了汛期特旱、特涝异常年及排除特旱、特涝年后的一般降水趋势3重预报方程。方程对特旱年的预报概括率100％，对特涝年的概括率86％，一般降水趋势预报准确率88％。     

预测川渝地区汛期降水量的一种物理统计模型

应用川渝地区20个测站汛期(6～8月)降水距平百分率资料,分析了四川盆地汛期降水分布型及其形成的前期信号,提出了四川盆地汛期降水主要存在"东西振荡"、"一致分布"和"南北振荡"三类分布型.针对这三类典型的降水分布型,得到了川渝地区主汛期降水及其预测强信号的关系:春季西太平洋暖池强度偏强或上年秋冬季青藏高原位势高度场偏高时,当年川渝地区主汛期降水表现为西多东少,反之,则表现为西少东多.即出现了"东西振荡型";1～3月西风带极锋锋区位置偏北或上年冬春季青藏高原地区100hPa位势高度场偏低时,当年川渝地区主汛期降水偏多,反之,则降水偏少.即出现了"一致分布型".上年夏季西风环流强度指数偏强时,当年川渝地区主汛期降水表现为南多北少,反之,则表现为南少北多.即出现了"南北振荡型".利用这些强信号作因子场,在引入"方差权重"思想的基础上,建立了预测川渝地区主汛期降水的一种物理统计模型.通过对1996～2001年共6年的实际业务预报,预测效果令人满意.