用非线性映象法作钦州市月降水量预报的研究

选取反映大气环流作用的500hPa的三个因子场:1956～2001年环流特征量、振幅和位相资料作为预报因子与钦州市1957～2002年5月降水量求相关比,将求得的高相关比因子用非线性映象法制作钦州市1995～2002年5月的降水量预报,试报效果明显。     

典型相关分析在攀枝花市雨季开始期预报的应用

利用典型相关分析作攀枝花市雨季开始期预报试验，选择1965—2001年的海洋特征指数、500hpa环流指数、太阳黑子数作为预报因子，建立典型回归模型。再以典型变量作为预报因子，用逐步回归和最优子集回归分别建立各站的预报模型，用2002—2004年的资料进行检验，对比试验结果表明：逐步回归和最优子集回归预报效果较好，典型回归模型效果较差。     

东营市月降水量与大气环流特征量的相关分析及预报

通过对东营市月降水量与大气环流特征量的相关分析 ,得到了与各月降水量相关显著的环流特征量。以这些特征量为因子制作月降水量预报 ,效果良好。     

用多因子筛选和均生函数序列双重最优子集作降水量预报

把均生函数延拓序列作为因子加入最优子集回归方程，将因子筛选和均生函数分析相结合作最优子集回归双重分析，用于制作钦州市月降水量的预报，预报精度有所提高。     

基于气象因子的水稻产量预报模型

利用四川省南充市1989—2018年气象观测资料和水稻单产数据,分析5月上旬至8月下旬的平均气温、降水量、日照时数与水稻单产的相关性,采用线性回归方法建立基于气象因子的水稻产量预报模型。结果表明,5月下旬降水量、6月中旬平均气温、7月下旬日照时数、8月下旬日照时数和降水量与气象产量显著相关,建立南充水稻产量预报模型,回代检验准确度平均达95.4%,预报准确度达91.2%,2019年模型预报效果良好。     

北半球大气环流的最佳相似识别

采用综合考虑形相似和值相似的相似指数法,通过建立最佳相似识别自动化系统,对1980～1991年共144个相似样本,在预报月雨量、梅雨量趋势中的可预报性进行了检验,结果表明:（1）环流形势相似方法作月降水量预报,以2月和5月关系较好,相似样本比预报月提前一个月;（2）环流形势相似作梅雨趋势预报时,以1月和5月关系较好;（3）环流相似的持续性一般较差,尤其是春、秋两季。     

用多因子筛选和均生函数序列双重最优子集作降水量预报

把均生函数延拓序列作为因子加入最优子集回归方程,将因子筛选和均生函数分析相结合作最优子集回归双重分析,用于制作钦州市月降水量的预报,预报精度有所提高。     

赤峰地区夏季干旱强度预测方法研究

夏季副高偏弱、位置偏南、中纬度盛行纬向环流以及冷涡活动偏少是造成干旱的主要环流特征。选用冬季亚洲地区环流指数、北半球极涡位置以及夏季降水的气候特征这三组预报因子,采用赤峰地区10个旗县站1959—2000年夏季(6—8月)平均降水量资料,依据当地的气候特点把干旱强度划分为轻度干旱和重度干旱,通过三组因子逐级订正的方法预报干旱强度。经过2001—2007年7年的实际应用,证实了该方法对干旱强度具有一定的预测能力。     

投影寻踪回归方法在长江三角洲地区降水量预报中的应用

本文首先利用北半球大气环流、SST场以及环流特征量指数等资料，普查了与长江三角洲地区降水量关系密切的预测因子，并根据投影寻踪回归方法（PPR）建立了该地区降水量预报模型。试验结果表明，该统计方法具有稳健性，对降水量的预测效果较好。     

用因子场客观相似分析法制作湘潭汛期降水预报

为制作湘潭汛期降水量预报,对相似方法作了改进,即将北半球500HPa环流场和北太平洋海温场作为基本背景场,然后用相关普查法寻找预报因子,组成一个预报因子场作相似分析,再做出客观定量预报,系统在计算机上实现,并对1994～1998年进行试报,其结果较好。     

偏最小二乘回归模型在辽宁汛期降水预测中的应用

利用1951~2011年中国160个气象站逐月降水、温度、74项环流指数和NCEP再分析海表温度资料,采用偏最小二乘回归(PLSR)方法,结合均生函数构造预报量周期性因子,建立辽宁省汛期平均降水量及其5站(沈阳、朝阳、营口、丹东和大连)汛期降水量预测模型,并进行预测效果检验分析。结果表明:采用均生函数构造预报量周期性因子,在一定程度上弥补了气候预测统计模型高相关性因子的不足,从而使辽宁汛期平均降水量PLSR模型的试报均方根误差降低约10 mm。PLSR模型由于较好地解决了预报因子之间的多重相关性问题,其预测效果较逐步回归模型有明显提高,对2002~2011年辽宁5站汛期降水量试报的Ps评分平均值为72.6%,比逐步回归模型提高了10.3%。     

用因子场客观相似分析法制作湘潭汛期降水预报

为制作湘潭汛期降水量预报,对相拟方法作了改进,即将北半球500hPa环流场和北太平洋海温场作为基本背景场,然后用相关普查法寻找预报因子,组成一个预报因子场作相似分析,再做出客观定量预报,系统在计耳机上宴现,并对1994～1998年进行试报,其结果较好。     

长江三峡枯水期区域性强降水的一种重要天气形势

利用长江三峡地区６个站１９６１—１９９４年１０月—１月的逐日降水量确定该地区发生区域性强降水的雨日，结合同期的历史天气图分析该地区产生区域性强降水的原因，影响系统和环流形势特征，归纳出长江三峡地区产生区域性强降水的两槽一脊型环流型，并进行逐日反查，概括出两槽一脊环流型产生区域性强降水的前期预报指标。并用１９９５年历史天气图和降水资料进行检验，又在１９９６年１０月、１１月进行试预报，结果说明两槽一脊环流型及相应的前期预报指标是具有预报参考价值的     

2002年5月河南省多雨成因分析

分析了2002年5月多雨期的环流形势演变特征以及河南省出现大范围降水过程时的影响系统、物理量资料等，揭示了2002年5月河南省多雨的天气学成因，得出了5月份强降水预报的一些有意义的结论。     

关于W、E、C型与我国年降水量之间的某些不相关性

当将苏联吉尔斯(Гирс)划分的1891—1972年北半球大气环流型(W、E、C)年频数的资料与我国各区,站的年降水量作了相关分析以后发现,W、E、C 型的年频数与我国各区、站的年降水量之间存在着某些不相关。用 W、E、C 型年频数预报我国年降水量通常仅相当于用气候概率作预报。只有在个别情况下,才能用 W、E、C 型年频数对我国某些地区的年降水量作出不同于气候概率的定性估计。     

单站汛期总降水量、预报因子与环流背景关系的简析

目前,不少人对长江中下游汛期旱涝的前期环流特征等已进行过研究。这里仅就单站汛期降水趋势,预报因子和环流背景的关系进行简单的分析。这几年,制作单站汛期(5—9月)总降水趋势预报时,得到二个较佳因子:3月平均气温(?)和3月平均日较差[即月平均最高气温与月平均最低气温之差(?)]。用这二个因子建立起的判别方程A=(?)对汛期总降水量ΣR有很好的分辨能力。     

安徽省伏旱特征及预报研究

利用安徽省35个代表站1961—2003年6~8月逐日降水量资料及1961—2002年逐月北半球100 hPa和500 hPa高度场、地面气压场及热带太平洋海温场资料,采用EOF和最大熵谱,分析了安徽省伏旱的时空分布特征。结果表明,安徽伏旱有全省型、北部型、南部型及中部型等几种主要空间类型,全省型伏旱发生的主周期为6~8年,次周期为2~3年。将EOF的前三个时间系数作为预报对象,利用相关普查筛选出通过显著性水平检验的前期环流、海温等物理因子,建立预报方程,然后将预报出的时间系数再恢复成降水场,由此建立一套适用于区域干旱的场预报模型。对2001—2003年的预报结果表明,该模型对安徽大部分地区的旱涝趋势有较好的预报能力,但在强度方面还有一定差距。     

钦州市2000年春播期天气特征成因分析及其前兆信号

分析2000年春播期环流形势及其前兆信号得出：南支槽较活跃，冷空气在江南堆积是形成钦州市2月下旬长低温阴雨过程的机制；高空北支槽经向度加大，南支槽不活跃，东亚大槽明显低东造成了4月钦州市降雨量的偏少；前一年9月500hPa环流形势，拉尼娜形象，前一年秋冬季的副高、极涡以及本地气候异常是次年春播天气的前兆信号。同时通过对预报思路的分析和回顾，为以后的预报提供了新思路。     

山西省主要河流流域面雨量预报业务流程

以T213、HLAFS模式、MM5中尺度模式输出的格点资料以及日本降水量格点资料为基础，将影响山西降水的天气动力模型归纳为诊断模型，从中引出多个能够全面反映降水模型特征的综合物理因子；根据各种数值模式输出的降水量预报性能和质量优劣特点，依据数值模式的形势场预报优于要素场预报的现实，构造在不同环流形势背景下，启动不同预报方程的面雨量预报业务流程，有效地遏止了在环流形势调整时预报输出不能快速响应的弱点，提高了点和面雨量预报的准确度。     

四川主汛期降水与西风环流指数的典型相关分析

在气候变化研究中，存在着大量两个变量场之间的相关问题。本文利用场相关理论分析了四川6—8月降水场与16个环流指数的相关关系得到一些有意义的结果1）1—5月的环流因子中，亚洲经向环流指数、西太平洋副高脊线、北半球极涡中心强度是影响四川汛期降水的最显著因子2）1—5月环流指数对四川夏季降水空间分布的影响主要是东西振荡分布3）四川主汛期降水变化的敏感点在康定、雅安和广元、内江4）4月西太平洋副热带高压脊线西伸明显，汛期川西北产生多雨，5月西太平洋副热带高压脊线偏北西伸，则汛期川南多雨6）亚洲经向环流对四川降水的影响主要是一致性分布，而且在相关性上主要是正相关7）前期（1—5月）环流指数与夏季降水场的相关关系中，4月和5月的典型变量时间序列存在11年的周期，其余都无周期。