福建汛期降水主分量逐步回归预测模型研究

建立福建汛期降水量气候场的主分量逐步回归预测模型,通过预测福建汛期降水量气候场的主分量来实现对福建汛期降水量场的预测。选取北半球500 hPa高度场、太平洋海温场、北半球海平面气压场等含不同区域不同季节的诸多因子场的前若干主分量因子作为预测因子。计算分析了福建汛期降水场的主分量分布特征和分型特点。利用相关筛选和双重检验逐步回归方法,建立福建汛期降水场与多个因子场的关系,建立主分量的预测方程。通过对2012年福建汛期降水的预报,发现该模型对福建汛期降水的趋势和分布有较好的预测能力。     

广东冬季水资源的预测和因子背景场分析

为预报广东冬季水资源量,利用500hPa高度场和太平洋海温场作为气候变化的相关因子场,并应用了主分量逐步回归预测模型进行了计算。利用各标准化主分量的预测结果,按照主分量逐步回归模型进行回算得到预测场。结果表明,2004年和2006年预测结果与实况比较相似;2005年冬季水资源预测值和实测值分布相差较大。为了分析预测因子的影响,对进入广东冬季水资源场前4个主分量预测方程的因子进行分析,并对个别关键因子的背景场做了细致的研究。     

珠江流域夏半年降水的预测

采用珠江流域1954～2003年月降水资料,以及前期太平洋海温场和北半球500 hPa高度场月平均资料,利用主分量逐步回归预测模型,对该流域夏半年(4～9月)降水分布进行主分量计算和预测.结果表明:对前25个主分量的预测就能很好地预测珠江流域夏半年降水的变化,2004～2006年预测结果与实况较接近.预测因子取自500 hPa高度场和海温场的主分量,为降水的预测提供大量有用信息.该方法在实际业务中有一定的应用价值.     

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。     

基于小波分析的组合随机模型及其在径流预测中的应用

提出了一种随机组合预测模型利用Mallat算法对水文时间序列进行多尺度分解,得到对应尺度下的概貌(低频)分量和细节(高频)分量;分别对概貌分量和细节分量建立随机模型进行预测,预测结果的叠加即为原水文变量的预测.将该模型用于黄河三门峡站年径流预测中,并与传统预测模型进行了对比分析,结果表明,建立的组合模型充分利用了现有信息,预测精度高.     

我国夏季气温、降水场的时空特征分析

本文用主分量及转动主分量分析方法对我国夏季气温及降水量场(1951—1985年期间)的时空特征进行了研究。从所提取的空间模式中发现气温的解释方差较降水的大,且具有较好的均匀性;从对应的时间分量分析发现气温与降水均具有2—3年的主要变化周期,与东亚大气环流的关系分析中以气温表现较为密切。 对气温和降水场时空特征的稳定性分析表明,无论在持续性、周期性及与东亚大气环流的关系上,进入70年代后均有较明显的变化。比较表明气温场的稳定性较降水为好。 气温场与降水场相互关系分析发现它们有显著的反相关,表现显著的地区为长江中下游、华南及华北等。     

气候场主分量逐步回归模型预测粤中西部汛期降水

运用热带海温资料、500hPa高度场等建立气候场,对此气候场均取前6个因子,共建立1248个因子的物理因子场。将粤中西部10个县(市)前汛期和后汛期降水量场进行EOF分解,得出前四个主分量;分别用这四个主分量与1248个气候场主分量因子进行相关计算,最后选取10个因子进入逐步回归方程,对前四个主分量进行预测,从而可以预测肇庆市前、后汛期降水的空间分布;再经过反算拟合,得出前、后汛期降水量的预报结果。检验表明,这种方法可以预测区域未来的降水空间分布与降水量,预报效果较好;物理意义上,可以揭示多个气候背景场的空间分布与某区域气候场的空间分布之间的联系,为小区域的短期气候预测提供物理依据。     

气候场主分量逐步回归模型预测粤中西部汛期降水

运用热带海温资料、500hPa高度场等建立气候场,对此气候场均取前6个因子,共建立1248个因子的物理因子场。将粤中西部10个县（市）前汛期和后汛期降水量场进行EOF分解,得出前四个主分量;分别用这四个主分量与1248个气候场主分量因子进行相关计算,最后选取10个因子进入逐步回归方程,对前四个主分量进行预测,从而可以预测肇庆市前、后汛期降水的空间分布;再经过反算拟合,得出前、后汛期降水量的预报结果。检验表明,这种方法可以预测区域未来的降水空间分布与降水量,预报效果较好;物理意义上,可以揭示多个气候背景场的空间分布与某区域气候场的空间分布之间的联系,为小区域的短期气候预测提供物理依据。     

基于PC-CCA方法的气象场资料插补试验

引入主成分典型相关分析（ＰＣ－ＣＣＡ）方法建立缺测气象要素场序列的插补模式,对区域性气象场序列（以长江流域月气温距平场为例）各种时空缺测分布型态作插补试验。结果表明,当插补场站网分布型取包含子场在内的混合站网时,建模样本量达２５年就可有最优插补精度,且性能稳定,效果优良。尤其当距平符号单一且大尺度分量占优势时,插补精度随缺测场变化很小     

奇异交叉谱分析方法在夏季降水预报中的应用

利用奇异交叉谱(SCSA)分析方法，提取1951～2002年夏季(6～8月)河北省降水和北半球2～3月500hPa高度场关键区相互作用的耦合周期信号及其分量序列年际和年代际时变特征。基于SCSA，重建耦合振荡分量序列(RCCS)，并与自回归分析相结合，建立预测模型，对河北省夏季降水趋势进行预测试验。结果表明：2003年以后河北夏季降水将转入一个相对多雨阶段，若将此方案进一步完善，可望在业务中推广应用。     

上海梅汛期候降水异常的低频信号及延伸期预报

提高汛期降水过程的延伸期预报能力是目前天气预报和气候预测发展的重要方向。本文以上海梅汛期降水为例,利用非传统滤波方法提取多变量季节内分量,分析了梅汛期季节内候降水异常及其相联系的延伸期关键低频信号,进一步综合多变量低频信号建立了梅汛期候降水异常延伸期预报方法,并开展了多年的回报和试报检验。结果表明:①梅汛期候降水异常季节内分量具有显著的40～60d低频振荡周期,与降水异常实况具有显著的正相关和较高的符号一致率;②梅汛期季节内候降水异常与超前10～35d的热带及中高纬低频信号有关,主要包括:热带MJO(Madden Julian Oscillation)自阿拉伯海的向东传播、西太平洋副热带高压季节内活动的西北向传播、PNA(Pacific-North American)遥相关型的季节内位相转换以及东北亚冷空气的持续性异常影响;③综合上述多变量低频信号建立了延伸期候降水异常预报模型,对提前10～35d的延伸期候降水异常的季节内分量具有预报技巧,也能较好地预报实际的候降水异常趋势。     

滁州市汛期雨量多尺度时间变化特征及其GA-BP模型预测

利用集合经验模态分解EEMD方法分析了滁州地区汛期雨量的多尺度时间变化特征,以国家气候中心的百余项环流指数作为预报因子并利用主成分分析进行预测因子优化,在此基础上建立基于GA-BP神经网络的汛期雨量气候预测模型,研究结果表明:该地区1961—2017年汛期雨量存在准2 a、4 a的年际尺度及准11 a、16 a的年代际尺度周期变化特征,总体趋势在20世纪80年代之前、20世纪80年代—21世纪及21世纪以来3个时段分别对应增多—减少—增多的趋势;基于GA-BP神经网络的两种方案对滁州地区7个站的预测误差分别为122 mm和144 mm,其中利用主成分分析进行因子优化的方案预测效果更好。     

神经网络在水位预报中的研究

根据各站点降水资料,运用高斯权重客观分析原理计算广西区域的面雨量,以上游面雨量值、水位值与西江流域的梧州水位进行相关分析,找出基于水位的主要预报因子;进一步采用人工神经网络与主成分分析(PCA)相结合的方法进行了西江流域梧州水位的预报方法研究。计算结果表明,该预报方法所构造的预报模型对历史样本拟合精度高,试报效果也较好,可在预报业务中应用。     

1968—2017年湖南省冰雹时空分布特征

基于湖南省92个站点1968—2017年冰雹观测资料,采用回归分析、小波分析、主成分分析等方法,研究了湖南冰雹时空分布特征。结果表明,湖南近50年冰雹天气年际下降趋势显著,近20年来有记录的冰雹天气发生频次明显降低。湖南初次降雹的时间都集中在1—3月。冰雹月季变化显著,一年中以3月冰雹最多,2月的次之,从5月份起雹日骤然减少。春季是降雹最多的季节,占雹灾总数的56.06%,冬季的次之,夏季和秋季冰雹发生频率分别仅为全年的2.53%和0.69%。年冰雹日数主要存在4~5 a和19 a左右的振荡周期,20世纪90年代前还存在明显的9~10 a的振荡周期。各季节冰雹日数振荡周期不一。湖南冰雹空间分布呈自湘西北向湘东南递减的规律,年冰雹日数的空间分布特征与春季、冬季冰雹分布特征相似。湘北和湘中地区冰雹天气年际变化以下降趋势为主,湘南地区其气候趋势变化不明显。对湖南近50年冰雹日数进行主成分分析的前3个主要模态,在空间向量场上分别呈现出全省一致型、地势主导型和南北呼应型。     

华东地区热带气旋汛频数异常时的环流分析

该文是为应用统计释用预报方法对影响华东地区的热带气旋（ATC）汛频数预报所做的前期研究工作。研究发现:（1）影响华东地区的热带气旋汛频数的局地性异常变化是汛平均环流半球性调整的结果;（2）汛平均环流中的大气长波既反映了月平均环流的特征又和汛频数的变化存在着较好的关系,特别在异常年,其天气系统和相关地区也比较稳定;（3） 利用影响华东地区的热带气旋汛频数和环流变化的关系建立了汛频数的统计预报方程。在短期气候数值形势预报准确的基础上,应用统计释用预报方法所得的准确率为70%左右,若能预报出汛平均环流的异常变化,则可确定ATC汛频数的特多年或特少年。     

江西及其临近区域同化系统中不同季节背景误差协方差特征及其对降水预报影响

在不同季节背景下,对比分析多元变量相关的背景误差协方差特征,了解其在天气过程中的作用,可以改进同化系统性能,提高降水数值预报水平。对比分析汛期和非汛期江西及其临近区域多元变量相关的背景误差协方差特征,分别选取2019年汛期和非汛期的2次降水过程,设计2组循环同化试验,探讨多元变量相关的背景误差协方差对江西降水预报效果的影响。结果表明,相较于非汛期,汛期分析变量对风场、温度场和水汽场的贡献值整体上要更大,且汛期各个控制变量的背景场误差更为显著。多元变量试验的降水预报评估效果整体上更好,其汛期预报效果改善更显著。汛期与非汛期的多元变量试验降水预报结果更接近实况,且相对非汛期降水而言,汛期多元变量试验模拟效果更好,模拟的降水分布及强度与实况更为接近。     

西南地区雨季降水的时空分布及预报试验

利用西南三省一市1980—2017年逐日降水资料,采用主成分及旋转主成分分析,对西南雨季降水的空间异常特征进行了研究,并在分区的基础上,探讨了各区降水的时间演变特征,最后运用均生函数建立预测模型,进行预报试验。结果表明:西南地区雨季降水空间差异大,具体可分为6区;各区雨季降水量的时间演变均具有显著年际、年代际变化特征,且近年来西南大部分地区雨季降水量减少、降水异常偏少年出现的频次增多;预报模型对于雨季降水的拟合和预测效果均较好。     

Analysis of drought in the region of Abruzzo (Central Italy) by the Standardized Precipitation Index

The paper presents a comprehensive analysis of drought phenomena in the Region of Abruzzo (Central Italy) using the Standardized Precipitation Index (SPI) computed at different time scales (3, 6, 12, 24 months). The study is based on monthly precipitation data collected from 1951 to 2009 at 69 climatic stations uniformly distributed over the region. According to the trend analysis, most stations are characterized by increments in both drought severity and variability, particularly at the longer time scales. A principal component analysis applied to SPI time series enabled to identify two main patterns: the first more correlated to the coastal areas, the second more correlated to the inland, mountainous areas. However, the spatial patterns become less defined as the time scale increases, making more uncertain the definition of homogenous areas to be used in drought management plans. In most cases, the identified drought patterns have similar negative overall tendencies, but different trend directions in some sub-periods. In particular, the first drought pattern is clearly characterized by a trend reversal (from decreasing to increasing) during the last decade. This temporal evolution, consistent with that observed by large-scale analyses in the corresponding (or near) grid points, was not detected for the second pattern, which is probably influenced by local topographic and/or orographic factors. The results confirm the complexity of drought phenomenon in a typical Mediterranean region and the necessity of high-resolution datasets to capture its temporal and spatial variability.     

基于神经网络奇异谱分析的ENSO指数预测

采用奇异谱分析方法研究了ENSO指数及相关序列, 结果表明奇异谱分析能很好的对原始序列进行信噪分离, 增大了ENSO指数的可预报性.在此基础上, 提出了人工神经网络和奇异谱分析相结合的ENSO指数预测方法, 进行了不同因子组合的预报试验, 预报效果明显优于持续性预报, 超前4季的Nio 3区、 Nio 4区预报相关系数仍高于0.5.     

长江下游地区降水50-80d低频分量的次季节预测研究

用1979-2000年逐日长江下游降水的50-80 d低频分量和全球850 hPa低频纬向风主成分,构建了长江下游降水低频分量的次季节预测的扩展复数自回归模型（ECAR）。这种基于数据驱动建模的气候预测方法,不仅能在复数空间上反映全球环流主要低频主分量和长江下游降水低频分量之间的时滞变化信息,而且能更好地描述气候系统的主要分量在低维空间中的变化规律。对2001-2014年长江下游降水低频分量进行次季节逐日变化回报试验的结果表明,50-80 d时间尺度的长江下游低频降水分量的预测时效可达52 d左右,预报能力明显优于自回归模型（AR）,而且6-8月的预报技巧最高。基于全球环流主要50-80 d振荡型的发展和变化以及与长江下游低频降水相关的时间演变,对于提前50-60 d预报长江下游地区持续多（少）雨过程很有帮助（尤其是夏季）,其中,东亚经向三极子型（EAT）是影响长江下游地区季节内降水变化的最主要的环流因子之一。