共查询到17条相似文献,搜索用时 140 毫秒
1.
本文利用4个国内外先进的气候模式(国家气候中心、ECMWF、NCEP和JMA)业务预测数据,采用2种多模式集合方法(等权平均和超级集合)、3种降尺度方法(BP-CCA、EOF迭代、高相关回归集成)和3种统计方法(CCA、最优气候值、高相关回归集成)以及降尺度集成和降尺度-统计方法集成,分析了目前季节模式、多模式集合、降尺度、统计方法、降尺度-统计集合等目前常用气候预测技术对新疆夏季降水和冬季气温的业务预测能力。
研究表明,以上技术方法对新疆夏季降水和冬季气温的预测预测能力有较大差别。目前先进的气候业务模式的预测技巧普遍很低,多模式超级集合和降尺度方法的技巧常高于单个模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同时,统计方法和降尺度方法的预测技巧通常较为接近,而对二者进行超级集合可以具有相对很高的预测技巧。此外,现有常用气候预测技术方法对新疆夏季降水和冬季气温的趋势有一定的预测能力,但对气候异常的空间分布基本无预测能力。建议新疆气候预测技术围绕统计和降尺度方法集合发展。 相似文献
2.
利用NCEP/NCAR再分析资料和河南省106个站点夏季降水资料,建立了河南省夏季降水降尺度预测模型。该模型利用模式产品的500 h Pa高度场信息,通过统计降尺度方法,对河南省106个站点的夏季降水进行降尺度预测,实现了气候模式产品在河南省夏季降水预测中的降尺度解释应用,弥补了气候模式空间分辨率较低的缺陷。对该模型的历史回报检验表明,该降尺度模型对河南省夏季降水预测效果较好且较为稳定,尤其对北部、西部和豫南南部地区的效果最好。利用BCC-CGCM1和ECMWF-SYSTEM4模式资料,进行了独立样本的检验,结果表明,两种模式在5月起报的预测效果要优于3月起报的预测效果,BCC-CGCM1模式3月的预测效果要好于ECMWF-SYSTEM4的,两种模式在5月的预测效果相当。目前,此方法实现了可视化开发,并集成了检验方法,已应用于河南省气候预测业务中。 相似文献
3.
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。 相似文献
4.
针对动力气候模式对区域或更小空间尺度内的日降水预测技巧偏低的问题,应用最优子集回归 (OSR) 方法对国家气候中心业务化的月动力气候模式 (DERF) 输出的高度场、风场和海平面气压场进行降尺度处理用于降水预测,旨在提高预测准确率。1982—2006年交叉检验结果表明:OSR方法能显著提高降水预测技巧,其中11~40 d改善效果最为显著。在此基础上,应用一步法和两步法两种统计降尺度方法预测极端降水日数,交叉检验结果表明:两种方法均优于随机预测,冬季两步法预测技巧略高于一步法,夏季一步法略优于两步法。综合认为OSR,OSR结合随机天气发生器 (WG) 两种统计降尺度方法对月尺度降水或极端降水日数的预测均具有较高的技巧,可作为短期气候预测的重要参考信息。 相似文献
5.
BP-CCA方法用于四川盆地夏季日降水量的可预报性研究 总被引:1,自引:0,他引:1
基于BP-CCA方法,首先讨论了多个因子对四川盆地夏季降水降尺度模型的可预报性,然后选取最佳预报因子并进行集合,最终基于T639模式建立最优多因子降尺度预报模型.结果表明,分别以东亚夏季10m纬向风、700hPa纬向风和700hPa相对湿度为预报因子的降尺度模型对四川盆地夏季降水的预报技巧较高,而将三个因子集合的多因子降尺度预报模型具有更好的预报能力.进一步将该方法应用于T639模式预报的预报因子场,发现多因子降尺度模型对降水的预报效果要优于T639模式直接输出的结果. 相似文献
6.
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。 相似文献
7.
多模式集合和降尺度技术是提升模式预测能力的有效工具。该文对国家气候中心多模式解释应用集成预测 (MODES) 技术与业务应用现状进行了综合介绍。MODES采用欧洲中期天气预报中心、东京气候中心、美国国家环境预报中心和中国气象局国家气候中心4个气候业务季节预测模式输出场,利用EOF迭代、变形的典型相关分析、最优子集回归和高相关回归集成4种统计降尺度方法以及等权平均、经典超级集合等集成方法进行全国月及季节降水和气温预测。目前对MODES进行了夏季回报检验和约1年的实时业务应用。回报检验和业务应用表明,MODES对气温有较好的预测能力 (月预测平均PS评分为76),对降水有一定预测技巧 (月预测平均PS评分为68),具有短期气候预测业务应用价值。 相似文献
8.
多模式集合优选方案在淮河流域夏季降水预测中的应用 总被引:3,自引:0,他引:3
基于国家气候中心提供的1981—2010年4种季节气候预测模式的资料,将两种互为补充的降尺度因子挑选方案应用于淮河流域夏季降水预测,利用距平符号一致率ASCR、等级评定PG、距平相关系数ACC方法,评定了每种模式及其所采用的两种降尺度方法对淮河流域夏季降水的预测效果,并采用了一种优选方案进行多模式集合。结果表明,从4种模式的降水预测效果来看,NCEP_CFSv2和TCC_CPS1模式的评分较高,NCC_CGCM1和ECMWF_SYSTEM4模式相对较低;采用2种基于最优子集回归的降尺度方法后,NCC_CGCM1、TCC_CPS1和ECMWF_SYSTEM4模式的降尺度方法相对于模式降水预测为正订正,NCEP_CFSv2模式为负订正;将模式和降尺度预测方案进行优选,其集合平均的评分不仅高于模式降水预测的集合平均,也优于降尺度方法的集合平均,该方法发挥了不同模式的区域性优势,改进了原始集合平均的效果,为提高多模式解释应用水平提供了一种参考性方案。 相似文献
9.
文章采用黄河流域夏季降水数据和BCC-CGCM模式资料,利用匹配域投影降尺度方法对黄河流域夏季降水进行预测,得到以下结论:(1)交叉验证期,匹配域投影降尺度方法对黄河流域夏季降水的预测效果要好于原始模式预测,且较模式直接输出的要素预测稳定;分月预测比夏季整体预测效果要好。(2)匹配域投影降尺度方法对各个区域的预测能力不同,在夏季(6—8月)预测中,预测较好区域比较分散,而分月预测中,预测较好的区域比较集中。月份不同,降尺度方法对于不同地区的预测能力也不同。(3)2009—2013年的独立样本检验表明,匹配域投影降尺度方法对于黄河流域夏季降水的预测效果要明显好于模式直接输出的要素预测。尤其6和7月的降尺度预测较模式直接输出的要素预测有较大提高。 相似文献
10.
降尺度方法是目前弥补气候系统模式预测结果不足的重要手段,为获得具有较高预测技巧的山西盛夏降水客观化预测产品,本文选取1990—2017年6月起报的BCC_CSM气候系统模式输出盛夏结果和同期NCEP/NCAR再分析资料同时与山西盛夏降水异常典型模态具有统计显著的因子,利用逐步回归方法建立了山西盛夏降水降尺度模型。进一步研究发现,降尺度模型的预测能力与BCC_CSM对影响山西盛夏降水关键区海温的预测技巧密切相关。检验回报与观测的时间和空间距平相关系数(TCC和ACC)、回报与观测的距平符号一致率(PC)以及趋势异常综合评分(PS),表明降尺度模型对山西盛夏降水的预测技巧较BCC_CSM输出有明显改进,BCC_CSM模拟降水TCC在山西全区没有通过95%信度检验,降尺度模型回报TCC在山西大部分地区通过95%信度检验,中南部通过99%信度检验;相应的ACC由-0.02提高到0.35,PC由53.3%提高到66.8%,PS由65.6%提高到78.9%。2018年盛夏业务试运行,ACC为0.42,PS为70.8%。 相似文献
11.
基于国家气候中心气候系统模式(Beijing Climate Center Climate System Model,BCC_CSM1.1m)和美国NCEP/NCAR的气候预测模式(The NCEP Climate Forecast System Version 2,CFSv2)分别建立针对长江流域汛期降水的动力与统计相结合的降尺度预测模型,并比较两模式对应模型的预报技巧和差异来源。分别选择两模式2月起报的500 hPa及200 hPa全球位势高度场为预报因子,结合年际增量及经验正交分解(EOF)迭代法建立降尺度模型(分别简称DY_CSM1.1m和DY_CFSv2),研究发现:(1) EOF迭代法中截断解释方差的递增增加了预报因子的协同性和稳定性,从而显著提高预报技巧,并由此确定98%的截断解释方差为模型的最优参数。(2)两模型基于最优参数的预测效果均优于模式原始的降水预测,其中DY_CSM1.1m预测技巧更高,对应29 a距平相关系数(ACC)平均评分可达0.43,尤其在长江干流区域预报效果显著提高。将两模型预测的降水年际增量百分率转换为降水距平百分率时,ACC多年平均评分降为0.27和0.22,仍高于模式原始预测。(3) DY_CSM1.1m的ACC历年评分和长江流域汛期降水年际增量均与西太平洋副热带高压的一系列指数具有高相关性(以西太平洋副高脊线位置指数为例,DY_CFSv2则无此关系),因此BCC_CSM1.1m在西太平洋地区模拟性能优于CFSv2是导致该模式降尺度后预报技巧更高的重要原因,这一点在典型洪涝年1998和2020年中得以佐证。 相似文献
12.
基于中国气象局国国家气候中心海气耦合模式(CGCM/NCC)预测产品和山西省50站夏季降水资料,利用典型因子回归的方法(CCA),建立了山西省夏季降水的统计降尺度预测模型。该预测模型选取了CGCM/NCC模式夏季500 h Pa高度场和海平面气压作为预测因子,分别选取了长江中下游地区和热带中东太平洋作为预报关键区。统计降尺度模型对2007~2014年山西省夏季降水的回算较模式原始结果有显著提高,除2008年外,空间距平相似系数(ACC)均通过了0.01的显著性检验,时间相关系数(TCC)在山西省大部分地区都有显著提高,最大可达0.6,降水预测(PS)评分在70分以上。检验结果显示,基于CCA降尺度方法建立的预测模型对山西省夏季降水模态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。 相似文献
13.
北太平洋维多利亚模态(Victoria Mode, VM)是北太平洋重要的气候模态,对全球降水和气候有着重要影响。本文使用CN05.1格点化观测数据集资料,研究了春季(2—4月)VM模态与我国淮河流域夏季(6—8月)降水的关系,揭示了其内在的可能机制,并在此基础上建立了一个淮河流域夏季降水预测模型。结果表明,春季VM模态与淮河流域夏季降水存在较强的正相关关系,该相关受ENSO影响有限;春季VM模态可以通过海气相互作用在夏季增强赤道西太平洋上空的异常西风,导致影响淮河流域的气旋性环流异常。气旋性环流异常有利于淮河流域上空丰富的水汽供应和异常上升运动。因此,淮河流域夏季降水量增加。 相似文献
14.
基于偏相关的强迫因子选取方法,以长江中下游6—7月降水为例,进行了降水变率的归因分析,并建立了相应的统计降尺度模型。结果表明,影响长江中下游6—7月降水的强迫因子主要有两个:西太平洋850 h Pa的位势高度(W_(PH8))和黑潮延伸区的海表温度(K_(SST))。W_(PH8)反映的是西太平洋副热带高压对长江中下游降水的影响;K_(SST)反映了黑潮延伸区的变率。基于这两个因子的线性降尺度模型能较好地拟合长江中下游6—7月的降水,在独立检验和模式检验阶段,模型体现出了可靠性,因而可用于长江中下游降水的季节预测。 相似文献
15.
Based on hindcasts obtained from the “Development of a European Multimodel Ensemble system for seasonal to inTERannual prediction” (DEMETER) project, this study proposes a statistical downscaling (SD) scheme suitable for global precipitation forecasting. The key idea of this SD scheme is to select the optimal predictors that are best forecast by coupled general circulation models (CGCMs) and that have the most stable relationships with observed precipitation. Developing the prediction model and further making predictions using these predictors can extract useful information from the CGCMs. Cross-validation and independent sample tests indicate that this SD scheme can significantly improve the prediction capability of CGCMs during the boreal summer (June–August), even over polar regions. The predicted and observed precipitations are significantly correlated, and the root-mean-square-error of the SD scheme-predicted precipitation is largely decreased compared with the raw CGCM predictions. An inter-model comparison shows that the multi-model ensemble provides the best prediction performance. This study suggests that combining a multi-model ensemble with the SD scheme can improve the prediction skill for precipitation globally, which is valuable for current operational precipitation prediction. 相似文献
16.
基于集合预报和支持向量机的中期强降雨集成预报试验 总被引:3,自引:1,他引:2
本文基于欧洲中期天气预报中心(ECMWF)和美国国家环境预报中心(NCEP)集合预报资料和支持向量机(SVM)回归方法建立了多模式集成的动力-统计客观预报模型(SVM-多模式集成预报),继而选用2012年5—9月(共计153 d)发生在淮河流域及其以南地区的大雨和暴雨开展了回报试验,并将所得预报结果与ECMWF的控制预报和集合平均预报进行了多角度比对评估。结果表明:在中期预报时效(4~7 d),SVM-多模式集成预报方法对2012年5—9月大雨和暴雨的预报效果最优,尤其对暴雨预报准确率明显提高,其优势主要体现在对强降雨中心分布范围和强度的预报更接近实况。 相似文献
17.
利用海河流域逐日降水历史观测资料、ECMWF集合预报降水预报数据,通过贝叶斯产品处理技术(Bayesian Processor of Output,BPO)对海河流域内289个格点进行BPO建模,将ECMWF集合成员确定性降水预报修订为贝叶斯降水概率预报,结果显示概率密度峰值较确定性预报更加接近实况;再以51个成员的有效信息得分(Informativeness Score,