我国冬季持续低温事件预报模型的建立

利用1979—2010年我国冬季522个站点的日平均温度资料,使用基于尺度分离的多元线性回归方法建立预报模型,对我国冬季的持续低温事件的预报做了一定的尝试。将温度按照一定的方法进行尺度分离,分解出年际、月、季节内尺度温度,对各个部分分别进行拟合再相加。挑选特定海区的海温、北极海冰作为年际尺度温度预测因子,多个低频气象场作为季节内温度预测因子,利用1979—2003年资料拟合出各因子回归系数。用重构的冬季温度挑选出持续低温事件并与实际的事件进行对比检验,计算出此方法的TS评分为0.57,再利用2008年初我国南方大范围的持续低温事件检验拟合结果。检验结果表明基于时间尺度分离的多元线性回归方法在持续低温事件的预报中有一定的参考意义。     

非均一性气温气候序列订正方法的研究

本文采用一元线性回归订正法、逐步多元线性回归订正法、综合订正法和差值订正法对分布在全国２５省区的３５个台站进行了各方法气温资料订正效果等方面的试验研究。结果表明，四种方法中以逐步多元线性回归订正法的抉合误差值最小，其次是一元线性回归订正法，再其次是综合订正法和差值订正法。试验还表明，拟合误差值的大小于确定订正方程式的资料有关，平行资料年数越长越好，至少不宜短于１０年；相关系数越高越好，若将拟合误差     

自动观测替代人工观测对气象要素资料均一性的影响分析及订正

利用t检验法对青海省海西所属7个站气温、气压、相对湿度、平均风速、0~320cm地温年平均值序列进行显著性检验;在人工与自动观测资料对比差值分析的基础上,建立人工与自动观测要素间的回归方程,对年序列差异显著的要素进行回归订正和效果对比分析。结果表明,自动替换人工观测对海西7个站各气象要素年平均值序列均一性产生了不同程度的影响,多个站多个要素不连续;统计人工与自动观测要素资料月平均对比差值,用一元线性回归法进行订正,订正后的序列基本消除了自动观测替换人工观测的差异,实现了观测资料的均一性和延续性。      

乌苏市春季霜冻预报方法的初步探讨

利用乌苏1961—2010年逐日最低气温资料、1991—2012年春季3月15日—4月30日期间霜冻日及其前一日常规气象资料,运用相关分析法和多元线性回归法,建立了乌苏春季霜冻预报方程,用该方程对1991—2011年的霜冻历史资料进行回报检验,拟合率为82.1%,对2011—2012年的霜冻进行试报,拟合率达87.8%,效果较好,可以在乌苏地区的霜冻预报业务中试运行。     

互助站迁站前后气温序列均一性检验及订正

气象台站的迁移常导致气候序列的非均一性。本文对互助站迁站前后气温序列作均一性检验及订正。采用t检验和SNHT法,对互助站迁站前后的气温序列进行均一性检验,结果表明站址迁移对互助站温度序列均一性的影响非常显著。对差值法、一元线性回归、逐步多元线性回归以及确立订正方程式的参考站平行资料年限对互助站气温序列订正效果进行分析,结果表明用参考站15年平行观测资料建立的逐步多元线性回归订正效果较好。用逐步多元线性回归法对互助站迁站前的气温序列进行订正,经订正后互助站气候倾向率为0.31℃/10a,消除了序列的不均一现象。     

不同数学模型在降水量资料序列订正中适用性探讨

采用逐步多元线性回归模型、一元线性回归模型、综合法模型和比值法模型对分布于全国31个台站的降水量资料进行了模型订正效果的试验与分析。结果表明:（1）逐步多元线性回归模型对年降水量序列的订正效果较好,其相对拟合误差总平均在0.08以下,而其它3种模型与月降水量序列的订正效果较差,相对拟合误差总平均在0.11以上;（2）若将年降水量序列相对拟合误差控制在0.10以内,则要求确定订正方程式的平行资料年数为10年或以上,要求订正站与基本站序列的相关系数在0.85以上;（3）较湿润地区拟合误差较小,反之较大。     

热量资源栅格化技术在青海高原地区的应用

应用kriging空间插值法、多元线性回归模式法、三维二次趋势面模式法通过拟合及模拟效果检验,对青海高原气温、积温热量资源要素进行了空间栅格化。结果表明:多元线性回归模式对气温拟合度可达到0.898,模式残差均值达到-0.029℃,残差均方差为1.009,三维二次趋势面模式三项指标分别为0.895℃、-0.175℃、1.150℃。多元线性回归拟合积温中三项指标分别是0.955、-62.4℃、175.4℃,三维二次趋势面法分别是0.969℃、-37.0℃、164.6℃。对检验站资料的分析表明,三种方法对气温的模拟绝对误差平均是1.9℃、0.9℃、0.8℃,相对误差平均值是15.2%、6.7%、6.0%。从分析中可知,kriging空间插值法可以模拟青海高原热量资源的分布趋势,操作简单,但精度稍差,可适用于下垫面均一,范围较小区域。三维二次趋势面模式法模拟结果要略优于多元线性回归模式,两种方法模拟精度差异较小,高原地区应用两种方法均可获得高分辨率的栅格化热量资源资料。     

广西夏季降水的多时间尺度特征及影响因子

利用1951—2011年广西夏季降水站点资料和NCEP/NACR等多种再分析资料,通过相关分析、经验模态分解、统计检验分析了广西夏季降水的多时间尺度特征及其影响因子,利用多元线性回归方法对夏季降水进行拟合和预测试验。结果显示:广西夏季降水具有多时间尺度特征,不同时间尺度对应着环流因子不同时间尺度的分量;在准2年尺度上,主要影响因子为季风槽、低空急流、高空急流、贝加尔湖高度场、南印度洋东部海温。利用对广西夏季降水影响显著的环流因子本征模态函数分量和多元线性回归方法拟合夏季降水,相关系数为0.73,表明广西夏季降水是环流因子多时间尺度共同作用的结果。利用前期冬季南印度洋东部海温异常本征模态函数作为前兆因子预报广西夏季降水,6个独立样本检验显示预测与实况趋势一致,该工作可供利用多时间尺度信息进行区域气候预测参考。     

最优子集回归方法在季节气候预测中的应用

利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。     

2011年地面入射太阳辐射变化及其与敏感因子回归分析

太阳辐射是地球上一切生命的源泉,亦是地球天气、气候系统发生发展和演变的能量来源。利用FY2E卫星遥感产品地面入射太阳辐射资料和地面常规观测资料,对2011年鹤壁市地面入射太阳辐射变化特征分析结果表明：鹤壁市2011年地面入射太阳辐射日曝辐量和月累积量的变化有明显的季节性,其年累积量为5721．38MJ·m^-2,日曝辐量3—4月增加迅速,其中3月份环比增长59％。地面入射太阳辐射总体变化趋势可以用一元多项式进行回归拟合,拟合曲线与实测资料的相关系数达0．8。地面最高温度与地面入射太阳辐射存在明显正相关,地面入射太阳辐射增大,地面最高温度就会升高。地面蒸发量对地面入射太阳辐射高度敏感,地面入射太阳辐射增大,地面蒸发量就会增大。通过对地面入射太阳辐射与地面敏感气象要素的多元回归分析发现,地面入射太阳辐射的二元线性回归预测水平高于一元线性回归预测水平。通过地面气象要素的多元线性回归预测,可估算地面入射太阳辐射值,这为相关研究及业务服务等提供了一种获取地面入射太阳辐射的方法。     

成都精细下垫面信息对城市气象影响的模拟试验

为了提高成都市精细化天气预报水平,使用成都地区精细下垫面土地利用资料,在WRF中耦合了单层城市冠层模式,对2008年7月6 日晴空背景下的成都城市气象特征进行了模拟,并和使用旧土地利用资料、slab模式的模拟结果进行了对比分析.模拟结果表明城区因为不透水下垫面的增加,使得地表蒸发和地表水汽通量显著减小,潜热通量减小,感...     

基于机器学习的复杂地形下短期数值天气预报误差分析与订正

初步研发了一套基于机器学习方法XGBoost且考虑地形特征影响的数值预报多模式集成技术,并与传统的等权重平均和线性回归方法的集成效果进行了对比分析。利用北京地区快速更新循环数值预报系统每天8次循环预报给出的近地面2 m温度、2 m相对湿度、10 m风速、10 m风向数据产品,分别基于机器学习方法XGBoost、等权重平均方法、线性回归方法构建了3种体现地形因子影响的多模式预报时间滞后集成模型。试验对比分析了暖季、冷季每日不同时刻的模式预报集成订正效果。结果表明:分季节试验中,基于XGBoost模型对2 m温度、10 m风速的集成预报结果相对原始最优预报结果误差明显优于其他两种传统方法。XGBoost对2 m温度集成的误差可降低11.02%—18.09%,10 m风速集成误差可降低31.23%—33.22%,10 m风向集成误差可降低4.1%—8.23%。2 m相对湿度的集成预报误差与传统方法接近。基于XGBoost的多模式集成预报模型可以充分“挖掘”不同模式或不同时刻快速更新循环预报优点,有效降低模式的系统性误差,提供准确性更高的多模式集成确定性预报产品。      

成都平原经济区气候特征分析

利用1981～2015年成都平原经济区50个气象站逐月气温和降水观测资料,统计分析了成都平原经济区的气候特征.结果表明:成都平原经济区气温空间分布呈西北低-东南高的特征,其中遂宁、资阳、成都东南部、眉山东部、雅安南部以及乐山东北部气温较高,而峨眉山及绵阳北部龙门山脉气温较低;时间变化上,气温呈显著的上升趋势,在1996...     

成都市太阳辐射时间变化特征及对气候因子的影响

基于成都市1991至2020 年太阳总辐射、直接辐射、散射辐射、气温、蒸发、日照时数等气象资料,采用线性趋势、Maan-KendaⅡ等方法研究太阳辐射的年、月、日变化特征,以及太阳总辐射的变化对气温、蒸发等气候因子的影响。结果表明：太阳总辐射、直接辐射逐年增多趋势明显,线性倾向率分别为29.69、20.25 MJ·m-2/a;太阳总辐射2010 年出现突变,突变年后较突变年前年平均太阳总辐射增多497.22 MJ·m-2。散射系数呈逐年减小趋势,线性倾向率为每10 年减少0.6。太阳总辐射与气温、蒸发、日照时数呈正相关,均通过显著性检验。太阳总辐射每增加10 MJ·m-2/a,年平均气温升高0.006℃,日照时数增加1.7 h,蒸发量增大1.2 mm。对太阳辐射增加的原因分析,人类活动造成的气溶胶含量减少可能是太阳辐射增加的一个原因。     

盆地城市地气温差变化特征及模拟研究——以成都市为例

地气温差对大气边界层热力交换起着极为重要的作用,对局地气候、城市边界层结构和大气污染有着重要影响,因此有必要对城市下垫面地气温差进行相应研究。本文以典型盆地城市成都为例,利用2014年成都市地表温度、气温逐时观测资料分析了该地区地气温差的变化特征,讨论了中尺度数值模式WRF (Weather Research and Forecasting Model)对盆地城市地气温差的模拟能力。结论表明:成都市平均地气温差为2.20℃,多分布在0～2℃区间,与地表温度和气温变化不同,温差春季最大,夏、冬季次之,秋季最小;各季节温差日变化大致相似,均为中午较大,夜间在0℃左右,但极值大小不同。利用WRF对成都市典型夏季晴天地气温差进行了模拟研究,对比分析三种常用陆面过程参数化方案的模拟结果,三种方案模拟的变化趋势均与观测吻合,其中Noah方案能较好的模拟成都市地气温差的变化特征,通过参数化方案的组合方式,改进了模式对地气温差的WRF模拟能力。      

成都地区城市化对气候影响的模拟研究

为了研究成都地区城市化对当地气候的影响,利用不同时期的下垫面土地利用类型数据和耦合单层城市冠层模型(UCM)的WRF（Weather Research and Forecasting）模式对成都夏季和冬季城市化效应进行了模拟研究,得到以下主要结论:1）成都地区城市化使夏季城区上空出现增温区域。城区地表气温升高约2.8°C,边界层高度升高约150 m,冬季地表气温平均升高约0.6°C,边界层高度升高约25 m。夏冬两季气温日较差均减小。2）受城市化影响,成都地区夏季和冬季2 m相对湿度减小,感热通量增加,潜热通量减小,且夏季变化程度强于冬季。3）城市化使地表的粗糙度增加,进而使夏季和冬季风速在城区减小,减小约0.1~0.6 m s?1,但夏季风速减小区域较冬季更大。城市化还使城市上空低层散度减小,辐合作用增强,垂直速度增大,夏季水汽往高层输送明显。4）夏季,城市化作用使日平均和白天时段降水量在城区的迎风区和下风区均增加,夜间降水量在下风区域增加,对迎风区域影响不明显。     

CMIP5多模式对东亚地区地面气温年际变率的回报研究

对CMIP5全球气候模式中年代际回报试验的气温资料及其简单集合平均(Multi-model ensemble mean,EMN)和贝叶斯模式平均的结果(Bayesian Model Averaging,BMA)进行经验正交函数(Empirical Orthogonal Function,EOF)分解和Morlet小波分析,检验评估各个模式及其EMN和BMA对东亚地面气温的方差、气温时空分布特征及周期变化的回报能力。结果表明,10个模式、EMN、BMA都能很好地回报出1981—2010年东亚地面气温的方差分布,其中BMA回报效果最好。EOF分析表明,BMA能较好地回报出东亚地面气温第一模态的时空分布。MIROC5能较好地回报出第二模态的趋势变化,但却不能回报出气温的年际变率。绝大多数模式和EMN、BMA虽然能回报出东亚地面气温的变化趋势,但是对气温年际变率的回报仍然是比较困难的。CMCC-CM对气温变化主模态的3~5 a的周期变化特征回报效果最好,和NCEP资料的结果最为接近。     

2010年7～8月四川三次大暴雨过程区域数值模式能力评估

本文对2010年7月14~19日、7月22~24日、8月17~19日四川出现的3次区域性大暴雨过程,比较分析了成都区域中心及国家气象中心运行的GRAPES模式降水预报情况以及中、高层环流形势,通过天气学检验得出以下结论:(1) G-SC模式预报降水范围偏小、强度偏弱,强降水中心存在较大偏差;G-BJ模式能预报出降水的主要落区,但降水强度偏弱,虚假强水中心偏多;(2) GRAPES模式对青藏高原东侧天气系统的预报能力偏弱,G-BJ对大尺度环流系统的预报能力优于G-SC模式;(3)九龙站和名山站单站探空廓线图显示G-SC模式在对流层高层温度和风速不随高度变化,对流层底层比湿较实况偏小,因此,温度场、风场以及湿度场强度及分布都有待改善;(4)成都区域中心运行的GRAPES模式在初值、高度场强度、近地面温度等方面都具有很大的改进空间,这需要在资料同化、边界层方案、地形处理等方面做工作。      

不同气候带城市气温对老年呼吸系统疾病死亡影响及趋利降风险效应研究

基于元江、成都与西安三个不同气候带城市的逐日疾病死亡数据与同期气象数据，首先采用广义相加模型和分布滞后非线性模型探究了这3座不同气候带城市气温对老年呼吸系统疾病死亡风险的影响，然后使用归因分值（AFs）量化不同气温段对呼吸系统疾病所造成的健康损失，并定量评估三地之间季节性气候趋利可获得的死亡风险降低效应。结果表明：（1）元江、成都与西安地区气温与老年呼吸系统疾病死亡关系大致分别呈“W”、反“J”、反“J”型分布。（2）气温对元江老年人群呼吸系统疾病死亡的影响以高温即时性更为突出，对于成都、西安老年人群而言，则以低温滞后性更为显著。（3）元江、成都与西安由气温造成的AFs分别为9.64%、11.25%和18.26%，其中冷效应对呼吸系统疾病产生的死亡风险更大。将气温进一步细分为4个气温段(极端低温、中等低温、中等高温和极端高温)，中等低温造成的超额死亡累计人数最多，这与其发生频次多密切相关。（4）若元江、成都、西安有意愿有条件的老年居民采取候鸟式季节性气候趋利避暑或避寒康养，可在一定程度上降低由当地季节性不适气候所产生的健康风险。     

成都地区秋、冬季GPS可降水量的时空分析

利用成都地区5个测站地基GPS2007年9月-2008年2月的观测数据,解算出1 min间隔的天顶总延迟,结合自动气象站资料计算出30 min间隔的大气可降水量(GPS-PWV).对月平均的GPS-PWV分析表明:秋、冬季变化趋势从9月开始下降,1月达到最小值,2月又逐渐上升.在大气环流相同的情况下,地理位置相近的站,海拔高的地区大气中的水汽量比海拔低的地区要少,且变化较大;海拔高度相近的站,大气中的水汽含量由南向北减少.日合成分析显示:在静稳天气下,日变化特征显著,具有双峰型特征:白天峰值与气温的最大值相对应;夜间峰值与降水量的峰值相对应;GPS-PWV与地面空气相对湿度白天呈负相关,夜间呈正相关.