塔里木盆地夏季降水和海温的关系

基于1961—2015年6—8月新疆塔里木盆地34个站点的逐日降水数据和全球逐月海温数据,分析了塔里木盆地夏季降水和全球海温的关系。结果表明,塔里木盆地夏季降水和冬季及春季的南印度洋中部、赤道东太平洋以及南大西洋西部等区域海温具有良好的正相关关系,当上述区域海温偏暖时,对应塔里木盆地夏季降水偏多。进一步的分析发现,前期海温影响显著的时段主要集中在1月和5月。基于海温和降水数据,通过分析前期不同季节关键区的海温序列与降水序列的相关系数,取了8个关键区的海表温度作为预报因子,得出逐步回归预报方程。预测结果说明该预测方程对塔里木盆地夏季降水具有较好的预测技巧。     

基于聚类分区的中国夏季降水预测模型

文章基于近邻传播客观聚类方法对中国夏季降水进行了气候分区,以中国不同分区的夏季降水为预测对象,使用前期的海温和海平面气压场为预测因子,利用图像标签算法提取高相关封闭区域的预测因子信息。结合最小二乘回归法建立预测模型。采用Ps评分、距平符号一致率和距平相关系数三种评分方法检验了该预测模型,比较了四种不同的因子配置方案的预测能力。研究结果表明,利用冬春季海温的演变特征结合海平面气压的年际变化为预测因子的分区预测模型效果较好,在1982—2009年期间的平均交叉检验平均Ps得分为81.4,距平符号一致率为63%,距平相关系数为0.35,2010—2014期间的独立样本预测检验的平均评分分别为77.1,58%和0.19,且逐年回报效果较为稳定,表明该方法对中国夏季降水有较好的预测效果。研究结果显示,该预测模型能较好地预测出2014年中国夏季降水南多北少的分布特征。     

云南夏季降水异常的影响因子及物理统计预测方法

云南夏季降水年际变化较大,影响因子众多,夏季降水的预测较为困难。使用1965—2017年云南省122个气象观测站的逐日降水资料和NCEP大气环流资料,采用年际增量的方法来预测云南夏季降水。文中基于云南夏季降水年际增量变化规律和影响夏季降水的环流形势及物理过程,选取了6个具有物理意义的预测因子,包括:前期2月南太平洋海温异常、前期2月东亚北部海平面气压异常、前期4月北美500hPa位势高度异常、前期5月太平洋北部海平面气压异常、前期1月印度半岛北部500hPa位势高度异常及前期2月澳洲以南地区200hPa高度场偶极子异常,来建立云南夏季降水预测模型。并对预测模型进行逐年交叉检验和1998—2017年逐年独立样本检验。交叉检验中夏季降水年际增量预测值和观测值的相关系数为0.85,相对均方根误差为8.0%。回报检验中夏季降水年际增量的相对均方根误差为9.1%,63.0%的异常年份预测值能够准确地预报出夏季降水异常。该预测模型有较好的预测能力。     

一种分离时间尺度的统计降尺度模型的建立和应用——以华北汛期降水为例

针对预报量变化中存在受不同物理因子控制的不同时间尺度变率特征, 本文提出了分离时间尺度的统计降尺度模型。应用滤波方法, 将不同尺度的变率分量分开, 在各自对应的时间尺度上利用不同的大尺度气候因子分别建立降尺度模型。华北汛期 (7～8月) 降水具有年际变率和年代际变率, 本文以华北汛期降水为例利用分离时间尺度的统计降尺度模型进行预测研究。采用的预报因子来自海平面气压场、 500 hPa位势高度场、 850 hPa经向风场和海表温度场以及一些已知的大尺度气候指数。利用基于交叉检验的逐步回归法建立模型。结果表明, 年际尺度上, 华北汛期降水与前期6月赤道中东太平洋海温以及同期中国东部的低层经向风密切相关; 年代际尺度上, 在东印度洋—西太平洋暖池海温的作用下, 华北降水与前期6月西南印度洋海平面气压有同步变化关系。年际模型和年代际模型的结果相加得到对总降水量的降尺度结果。1991～2008年的独立检验中, 模型估计的降水和观测降水的相关系数是0.82, 平均均方根误差是14.8%。结合模式的回报资料, 利用降尺度模型对1991～2001年的华北汛期降水进行回报试验。相比于模式直接预测的降水, 降尺度模型预测的结果有明显改进。改进了模式预测中年际变率过小的问题, 与观测降水的相关系数由0.12提高到0.45。     

降尺度方法在中国不同区域夏季降水预测中的应用

在中国降水气候分区的基础上,利用降尺度方法进行区域夏季降水预测(RSPP),预测模型建立的基础是寻找影响区域气候的关键因子。降尺度预测模型中使用的资料有国家气候中心海-气耦合模式(CGCM/NCC)回报资料、NCEP/NCAR再分析资料和台站观测资料。为了避免年代际变化特征对季节尺度降水预测的影响,首先对CGCM/NCC模式输出资料、NCEP/NCAR再分析资料、区域平均降水资料去除年代际线性变化趋势,即去除所有预报因子场和预报对象场的长期变化趋势。然后分别计算预报对象和模式资料的预报因子场以及再分析资料的预报因子场的相关系数,把相关系数值同时达到0.05显著性检验水平的区域平均环流特征作为预测因子,保证挑选出的预测因子既能反映实际大气中预测因子与预报对象的关系,同时又是海-气耦合模式预测的高技巧信息。利用最优子集回归作为转换函数的降尺度方法建立区域夏季降水预测模型。交叉检验和独立样本检验结果表明,文中设计的区域夏季降水预测模型对中国大部分地区的夏季降水趋势预测的准确率较高且比较稳定,其预测效果远高于CGCM/NCC直接输出降水结果。进一步对具有较高预测技巧的代表性区域的可预报性来源分析发现,物理意义明确且独立性强的预测因子有助于提高预测准确率。     

中国夏季降水的组合统计降尺度模型预测研究

现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。     

基于时间尺度分离的中国东部夏季降水预测

基于时间尺度分离,利用NCEP第2代气候预测系统 (CFSv2) 每年4月起报的夏季月平均预测资料, 结合实际观测资料和再分析资料,对江淮流域及华北地区夏季降水距平百分率进行降尺度预测。将预测量和预测因子分为年际分量和年代际分量,在两个时间尺度上分别建立降尺度模型,两个预测分量之和为总预测量。对1982—2008年拟合时段的夏季降水距平百分率的回报结果表明:降尺度预测结果相对于原始模式结果预测技巧显著提高。降尺度预测与实况降水在江淮流域和华北地区的空间相关系数最大值超过0.8,多年平均值也分别提高到0.53和0.51;时间相关在每个站点也显著增强,相关系数为0.38~0.65。对2009—2013年进行独立样本检验,结果表明:降尺度模型能较好地预测出该时段的降水异常空间型态。同时,该模型对2014年夏季降水长江以南偏多、黄淮地区偏少的分布形势也有一定预测能力。     

中国东部冬季降水的动力结合统计预测方法研究

针对中国东部6个气候关键区,首先,通过相关分析指出,冬季降水既与前期气候因子有关,又受同期大气环流的影响。因此,有必要采用动力与统计相结合的方法进行气候预测研究。然后,从实时预测的角度出发,综合考虑前期预测因子的观测信息和具有数值可预测性的同期气候因子的数值模式结果,使用多元线性回归分析方法就各区域平均冬季降水逐一建立了短期气候预测模型,并在预测模型中考虑了模型结果中系统误差的订正。交叉检验分析结果表明,所建立的各区域预测模型普遍具有较好的预测效果,预测优势主要表现在对冬季降水的变化趋势、年际变化、以及异常符号的预测准确率上。就6个区域平均而言,1982—2008年交叉检验结果与实况间的相关系数和距平同号率分别为0.69和78%,表明该预测思想具有可行性。     

影响中国东部夏季降水的前期海温关键区

使用 1 95 1～ 1 994年的全球海温和中国降水资料 ,利用反复求相关的方法 ,确定了前期 3月北太平洋海区 ( 42 .5～ 5 2 .5°N,1 70°E～ 1 70°W)为影响后期中国夏季降水的海温关键区 ,给出了前期 3月海温关键区海温通过影响前期大气环流遥相关波列影响中国夏季降水的可能途径。前期北太平洋海温关键区海温与中国夏季降水的相关性很高且比较稳定 ,不受 1 978年发生的海温年代际变化的影响。     

全球海温异常对中国降水异常的影响

用EOF和SVD方法分析了Climatic Research Unit的1951—2005年全球逐月海温距平场的时空变化特征及其与中国160个测站的月降水距平的时滞和空间耦合关系,讨论全球海温距平场的空间分布和时间演变对我国降水异常的影响,并着重分析了关键区在其特定关键时段内对我国降水异常的影响区域。结果表明,全球海温距平场有三个影响我国降水的关键区,即北太平洋、印度洋和我国南海以及赤道中东太平洋。这三个关键区的海温距平场具有明显的年际和年代际变化特征,突变发生在1976年左右,对我国降水有较为显著的影响,其中北太平洋关键区前期冬季海温对我国7月降水的影响、印度洋及南海前期冬春海温对我国5月降水的影响以及赤道中东太平洋前期冬季海温对我国7月降水的影响显得尤为重要。讨论了这三个关键区前期的海温距平场对我国不同区域不同时期降水影响的耦合关系,为我国区域降水异常预测的不确定性提供了依据。     

基于年际增量法的中国西部山区夏季降水统计预测研究

利用中国756个站点观测数据、Nio3区海温指数和74项环流指数等资料,应用EOF分析和相关分析等方法,对中国西部山区夏季(6—8月)降水的时空分布特征及其与ENSO和大尺度环流的相关关系进行分析。结果表明,中国西部山区夏季降水与冬季(上年12月—2月)Nio3区海温具有显著的正相关关系,且两者的相关关系与月份、海拔高度关系密切,并具有年代际变化特征。西部山区降水还与春季(3—5月)西太平洋副热带高压的强度具有显著的正相关关系。将西部山区夏季平均降水作为预测量,前期冬季Nio3区海温和春季西太平洋副热带高压强度作为预测因子,分别对秦岭、巫山山区降水建立预测模型,并利用该预测模型对2009—2018年夏季降水进行独立样本回报检验,发现预测模型对秦岭、巫山山区的预测成功率分别为70%和80%,相对误差绝对值通常小于10%,预测效果良好。     

基于月动力延伸预报最优信息的中国降水降尺度预测模型

利用国家气候中心月动力延伸预报结果、NCEP/NCAR再分析资料和中国160个站观测资料,通过计算两次相关的方法,获取最优预报信息作为建立降尺度预测模型的预测因子,提取的最优预测因子同时满足既是观测环流要素场影响降水的关键区域,又是模式要素场预报的高技巧区域两个条件.结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型.文中设计了消除预测因子和预测量的线性趋势值后建立预测模型(方案1)和直接利用原始资料建立预测模型(方案2)两种方案.经过独立样本检验,发现这两种方案建立的预测模型都能够提高月尺度降水预测,方案1对月尺度降水预测的距平相关系数平均可达0.35.利用该方案对超前时间分别为0、5、10 d的月动力延伸预报产品进行月降水的降尺度预测表明,模式初值信息不仅影响月动力延伸预报结果,也影响降尺度应用效果,利用超前时间为0和5 d的月动力延伸预报结果进行降水降尺度预测可在业务中参考.此外,降尺度预测模型中选取的预测因子不仪在统计上是显著的,同时也具有清楚的物理意义.     

基于土壤湿度和年际增量方法的中国夏季气温预测试验

本文利用中国160站月平均气温资料和欧洲中心ERA-Interim逐月再分析表层土壤湿度资料,通过相关分析选取欧亚大陆9个关键区的土壤湿度年际增量作为预测因子,采用变形的典型相关分析(BP-CCA)结合集合典型相关分析(ECC)的方法建立集合预测模型,对我国东部夏季气温年际增量进行预测,进而预测夏季气温。其中,1980—2004年的资料用于历史拟合试验,而2005—2014年的资料用于独立样本预测试验。首先利用BP-CCA方法对9个因子分别建立单因子预测模型,然后采用ECC方法对9个预测因子按照不同的组合方式建立集合预测模型,并且分析预测技巧。结果表明,不同预测因子的组合对我国夏季气温的预测能力不同:勒拿河下游地区、中国黄河以南地区、叶尼塞河下游地区、西西伯利亚平原地区以及印度半岛西北部地区的土壤湿度对华北夏季气温预测效果较好;中国黄河以南地区、叶尼塞河下游地区、印度半岛西北部地区、贝加尔湖东北地区以及贝加尔湖以西地区的土壤湿度对江淮夏季气温有较高预测技巧。所建立的两组集合预测模型均显示了较好的实际预测能力:华北气温预测模型预测气温距平的同号率为8/10,平均均方根误差为3.4%;江淮气温预测模型预测气温距平的同号率为7/10,平均均方根误差为2.7%。并且两组模型预测出的华北和江淮气温的预测评分(PS)均超过80分,而国际上通用的距平相关系数(ACC)均在0.3以上。这说明土壤湿度因子中包含对我国夏季气温有用的预测信号,可以考虑将土壤湿度应用于夏季气温预测业务中。     

西北偏湿背景下青海省夏季降水的统计降尺度方法研究

本文研制建立了一个预测青海省夏季降水的动力—统计相结合的组合降尺度预测方法(Hybrid Statistical Downscaling Prediction,HSDP),该方法综合利用了 气候模式 Climate Forecast System 2.0版本(CFSv2)实时预测的高可预报性环流信息及前期观测的与青海夏...     

基于BCC第二代短期气候预测模式系统的中国夏季降水季节预测评估

利用BCC第二代气候预测模式系统1996-2015年提前1～3个月的回报试验结果,评估了模式在季节尺度上预测中国夏季降水空间分布和降水异常的能力,分析了模式预报效果的年际差异,并探讨了模式预测误差产生的可能原因。结果表明,模式对中国夏季降水的季节预测具有一定的技巧,西南至长江中下游南部、黄淮平原西部、东北北部及藏北高原等地区季节预测技巧较高,同时,模式对降水距平预报效果整体较好,其中在长江中下游、黄淮地区、华南地区、西北地区及东北北部距平符号一致率较高。而模式对降水季节预测的偏差主要表现为我国东部降水量强度预测偏小,对夏季降水异常的预报技巧有限,且不同年份模式的预测效果差异较大。模式对夏季西太平洋及印度洋高海温区范围预测偏小,对副热带高压和东亚地区低层水汽辐合的强度预测偏弱,从而导致风场与环流场的配置与观测不一致,使得模式对我国东部夏季降水预测显著偏少。从模式预测效果年际差异来看,当华南地区实况降水量偏多、长江中下游及东北地区降水量偏少时,模式具有较高的预测技巧,反之,模式的预报技巧较低。分析中国东部降水与海温的相关关系发现,夏季西北太平洋、热带西太平洋和北印度洋是影响中国东部夏季降水的关键区域,模式中西北太平洋海温偏低对模式预报技巧具有重要影响,海温场、高度场、风场及水汽通量散度场不同的相互配置导致中国东部夏季降水的分布及强度差异,而模式不能合理把握各物理量场间相互作用过程,从而影响模式的预报效果。因此,改进模式对外强迫因子与降水异常相关关系的预测能力是提高我国夏季降水季节预测技巧的主要途径。     

全国各省市气象科技期刊文章摘要（36）

1中国东部地区夏季降水型年代际年际变化机理与预测研究 《军事气象水文》2009年第4期 张庆云 中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室100081 摘要：根据NCEP／NCAP．再分析资料以及英国气象局哈德莱中心全球10×10格点月平均海表温度距平和中国160站月平均降水资料,利用物理量诊断、EOF分析等方法,探讨夏季东亚季风区大气环流年代际、年际变化特征与大气外强迫因子（海温）异常关系及对中国东部地区夏季降水型的影响。研究表明：东亚夏季季风环流及中国东部地区夏季降水型的年代际变化特征与大气外强迫因子北太平洋中纬度海温的年代际变化趋势密切相关;     

川渝地区主汛期降水的年代际变化与短期气候预测模型的建立

利用1951—2007年川渝地区20个代表站主汛期的降雨量资料、太平洋逐月海温资料和NCAR/NCEP逐月再分析资料,通过EOF等方法,研究了川渝地区主汛期降水的年代际变化,并建立了短期气候预测模型。结果表明,川渝地区主汛期降水主要模态存在明显的年代际变化,不同时段降水异常最主要的模态存在差异,从20世纪90年代初开始,全盆地降水异常一致型是最主要的模态。用前期赤道中东太平洋的海表温度、北大西洋地区的西风强度、西北太平洋极涡强度和东亚大槽强度作为预测因子,建立的降水预测模型对近年川渝地区汛期降水有较强的预测能力。降水主要模态的年代际变化及其所对应的前期预测因子的变化是影响模型预测能力的关键因素。     

利用高原积雪信号改进我国南方夏季降水预测的新方法及其在2014年降水预测中的应用试验

2014年夏季我国南方出现严重洪涝、北方大部干旱,国内绝大多数预测模型在三月起报的汛期预测中均未能抓住位于南方地区的异常雨带,导致预测准确率明显偏低。基于模式对东亚地区夏季海平面气压场的高预报技巧和青藏高原冬季积雪与南方地区夏季降水的高相关性,本文提出一个针对我国夏季降水异常的组合统计降尺度预测新方法（Hybrid Statistical Downscaling Prediction,简称HSDP）,该方法综合利用了气候模式输出的高可预报性环流信息和前期观测的高原积雪异常信号,从而实现对我国南方夏季降水进行动力-统计相结合的改进预报。据此方法建立了一个基于国家气候中心气候预测模式的统计降尺度模型。对我国南方夏季降水进行跨季节预测的交叉检验结果显示,HSDP方法对于南方地区多年平均空间距平相关系数从模式原始预报的-0.006提高到0.24,且在大多数年份均有改进。基于HSDP方法于三月份制作的2014年夏季降水预测,能够很好地抓住南涝北旱的基本形势和我国南方的降水大值区,空间距平相关系数达到0.43。这表明,该方法对于我国夏季降水预测具有较好业务应用前景。     

夏季中国降水型的年代际变化与大气内部动力过程及外强迫因子关系

根据中国160站月平均降水、NCEP/NCAR的再分析资料以及英国气象局哈德莱中心1900～1999年全球1°×1°格点月平均海表温度距平资料,利用物理量诊断、EOF分析等方法,探讨东亚季风区大气环流内部动力过程与大气外强迫因子（海温）年代际变化及对中国夏季降水型的影响。分析发现,中国东部地区、西北地区夏季降水型有各自不同的年代际变化趋势;中国东部夏季降水型及东亚夏季风环流年代际变化趋势与大气外强迫因子北太平洋中纬度海温年代际变化（PDO）关系密切;中国西北地区夏季降水年代际变化与大气内部动力过程中纬度西风带扰动动能年代际减弱有关。     

第二松花江流域夏季降水年际增量预测模型研究

利用1980—2016年第二松花江流域（SSR）夏季（6—8月）平均降水量资料、NCEP/NCAR再分析月平均环流场资料、NOAA的月平均海温场资料，采用年际增量预测方法，通过分析与SSR夏季降水年际增量相关的环流及海温，确定了超前12个月内的6个预测因子，包括：11月东亚200hPa纬向风、12月西藏高原-2指数、12月赤道中东太平洋200hPa纬向风、2月印度洋海温、10月西太平洋暖池海温、4月东亚100hPa经向风。在此基础上利用这 6个预测因子，利用1980—2010资料建立SSR夏季降水年际增量的统计预测模型，最后根据年际增量给出SSR夏季降水的预测结果。经检验，1981—2010年，SSR夏季降水年际增量的预测拟合系数是0.83，SSR夏季降水预测结果拟合系数为0.67，SSR夏季降水预测结果相对均方根误差为15%，均通过了显著性检验；对2011—2016年进行试报实验，该模型也很好的预测出降水的年际增量变化趋势，除2014年以外，SSR夏季降水预测结果相对均方根误差绝对值都控制在23%以内，2016年仅为-9.9%。因此，通过预测降水的年际增量，进而再预测降水的方法，具有一定的预测技巧，可作为有效方法投入实际业务应用。