基于模糊时间序列的华南台风登陆时最大风速极值预测模型

利用1995—2017年登陆华南地区的台风登陆时最大风速极值数据,构建基于模糊时间序列的台风登陆时最大风速极值预测模型,并将该模型与传统时间序列ARIMA模型作对比。其预测结果表明,模糊时间序列的平均绝对误差、平均相对误差和均方根误差分别为2.621 m·s-1、0.066和2.727 m·s-1,预测的精确度明显高于传统时间序列ARIMA模型,同时也表明将模糊时间序列应用于登陆时最大风速极值的预测能够获得较理想的预测结果。     

基于深度学习的全球平均表面温度年际信号时间序列的预测北大核心CSCD

利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)有效地分解了全球平均表面温度(Global Mean Surface Temperature,GMST)时间序列,得到其不同尺度的、不同特征的子序列(Intrinsic Mode Function,IMF)。在此基础上,利用在预测长期、复杂、非线性变化的时间序列上具有显著优势的滑动自回归机器学习(Autoregressive Integrated Moving Average,ARIMA)模型和长短期记忆网络(Long Short-Term Memory,LSTM)模型开展GMST年际信号预测研究。结果表明:深度学习模型LSTM能很好地拟合并预测了长程相关性强的子序列(第2~6个IMF),而代表GMST年际尺度变化的IMF1则在一定程度上受到太平洋大西洋多重气候信号的影响和调制,因此进一步将3个气候指数作为预报前兆因子加入预测模型来更准确地预测IMF1的时间演变。通过利用多套GMST数据的对比,最终选定了考虑实时ENSO信息的LSTM(ENSO)模型来提前预测年际GMST信号,并预测2020年将有较大概率会成为史上最热的年份之一。     

深度学习方法在干旱预测中的应用

使用标准化降水蒸散指数作为农业干旱的监测指标,以站点气象要素和大尺度环流要素为驱动变量,建立干旱预测模型,分析评价传统的整合移动平均自回归(ARIMA)时间序列模型以及不同深度神经网络模型(DNN)的预测效果.结果 表明:DNN模型的总体预测能力优于ARIMA模型;同基于长短期记忆网络(LSTM)提出的传统LSTM预测...     

时间序列均生函数模型在降水量预测中的应用

利用高要站1980—2015年冬季(12月—次年2月)的降雨量,构建均生函数模型,并采用粗选因子、逐步引入、逐步剔除等3组回归方案,对降雨量进行模型拟合,2016—2017年冬季降雨量进行模型预测结果的检验。结果表明:3组回归方程均能较好地拟合时间序列的变化趋势,对极值的把握表现较好,对短期气候预测业务有一定的现实意义。     

长沙市API指数时空变化特征及气象条件影响

利用长沙站2007—2012年逐日空气污染指数(Air Pollution Index,API)资料,对逐日空气污染指数、逐日空气质量级别等变化的差异进行了研究,其中包括了长沙空气质量的月变化、季节变化和年变化等,并利用湖南省地面气候背景资料及长沙市地面逐日观测资料,包括日平均气压、日降水量、日最高最低气温等,分析了长沙的API指数变化与气象因子的关系。结果表明:1)长沙2007—2012年每年的首要污染物均为可吸入颗粒物(PM10),其中在秋、冬两季污染尤为严重,API指数每年10月份出现极大值,1月份出现次大值。2)2007—2012年,长沙轻度污染及以上天数有逐年减少的趋势。这可能与长沙市在该时段秋冬季降水偏多、春季连阴雨时间长及夏季气温高等因素有关。3)长沙市API指数与日平均气压呈显著正相关,与日平均、日最高、日最低气温及日平均风速均呈显著负相关。     

基于残差周期修正的辽宁省粮食产量灰色预测

基于1971-2005年辽宁省主要粮食作物水稻和玉米的全区平均单产资料,根据产量数据的多周期和波动性特点,采用周期修正残差值方法,构建了辽宁省粮食产量灰色预测模型,采用正弦曲线拟合残差序列,对模型的残差进行周期修正,预测精度提高。结果表明：预测“十二五”期间,辽宁省水稻在2013年以后出现小幅度下降,而单产绝对值仍处于...     

第九讲 灰色预测模型GM(1,1)与关联分析BASlCB程序

在灰色系统理论中,最富实用的是一阶单变量模型(GM(1,1))和关联分析,为读者便于使用,下面给出两者的BASIC程序。 9.1.GM(1,1)程序 1.功能 对时间序列x(i),通过累加处理,用最小二乘估计求取时间响应方程中的参数a和u,从而求得对x(i)的拟合值和预测值。当拟合的最大误差超过事先给定的精度Q时,自动进行残差订正。当残差列ε不是单调序列时停止运行。     

兰州市冬季天气气候变化及降雪形势分析

利用兰州市1951～2000年冬季(11、12-2月)逐日降雪、气温资料及1990～2000年历年(11、12～2月)的500、700hPa高空环流形势图、地面形势图,分析了兰州市冬季气温、降水变化趋势及24个降雪个例。从而对兰州市降雪天气的形势背景、发生、发展特点有了一定的了解,建立起了较为清晰的预报思路、预报模型、预报个例库。     

基于慢特征分析的哈尔滨市气温预测研究

慢特征分析方法(Slow Feature Analysis,SFA)是从已知的非平稳时间序列中提取缓变信息的有效方法。本文首先通过Logistic非平稳时间序列模型对SFA方法提取慢特征信息的能力进行了检验,然后以哈尔滨市为黑龙江省代表站,对月气温距平序列进行慢特征信号提取及预测研究。结果表明:慢特征分析方法可以有效地提取哈尔滨市气温距平序列中的慢特征信号。提取的慢特征信号能够反映原序列的变化趋势、极值等信息。拟合和预测试验表明,与平稳性模型相比,引入SFA信号后的气温预测模型可以在一定程度上提高预测能力,改善预测效果。对近48个月独立样本预测也得到相同结论。     

基于ARMA-BP集成的藻类叶绿素a预测研究

藻类叶绿素a浓度是反映太湖水体富营养化程度的重要参数指标。以太湖2010—2011年5—10月旬平均叶绿素a浓度和气象资料数据作为建模样本, 通过对气象资料进行主成分分析, 得到4种主要气象因子作为输入, 建立时间序列ARMA预测模型与BP神经网络预测模型, 并对2012年数据进行预测。利用两种模型在线性空间和非线性空间的预测优势, 将叶绿素a数据结构分解为线性自相关主体和非线性残差两部分。首先用ARMA模型预测序列的线性主体, 然后用BP模型对其非线性残差进行估计, 最终集成整个序列的预测结果, 建立了ARMA-BP预测模型。3种模型的预测效果为ARMA-BP＞BP＞ARMA。     

Could the Recent Taal Volcano Eruption Trigger an El Ni?o and Lead to Eurasian Warming?

正The Taal Volcano in Luzon is one of the most active and dangerous volcanoes of the Philippines. A recent eruption occurred on 12 January 2020(Fig. 1a), and this volcano is still active with the occurrence of volcanic earthquakes. The eruption has become a deep concern worldwide, not only for its damage on local society, but also for potential hazardous consequences on the Earth's climate and environment.     

COMPARATIVE ANALYSIS OF VARIOUS DATA OF AIR–SEA TEMPERATURE DIFFERENCE AND ITS VARIATION ACROSS SOUTH CHINA SEA IN THE PAST 35 YEARS

Using the International Comprehensive Ocean-Atmosphere Data Set(ICOADS) and ERA-Interim data, spatial distributions of air-sea temperature difference(ASTD) in the South China Sea(SCS) for the past 35 years are compared,and variations of spatial and temporal distributions of ASTD in this region are addressed using empirical orthogonal function decomposition and wavelet analysis methods. The results indicate that both ICOADS and ERA-Interim data can reflect actual distribution characteristics of ASTD in the SCS, but values of ASTD from the ERA-Interim data are smaller than those of the ICOADS data in the same region. In addition, the ASTD characteristics from the ERA-Interim data are not obvious inshore. A seesaw-type, north-south distribution of ASTD is dominant in the SCS; i.e., a positive peak in the south is associated with a negative peak in the north in November, and a negative peak in the south is accompanied by a positive peak in the north during April and May. Interannual ASTD variations in summer or autumn are decreasing. There is a seesaw-type distribution of ASTD between Beibu Bay and most of the SCS in summer, and the center of large values is in the Nansha Islands area in autumn. The ASTD in the SCS has a strong quasi-3a oscillation period in all seasons, and a quasi-11 a period in winter and spring. The ASTD is positively correlated with the Nio3.4 index in summer and autumn but negatively correlated in spring and winter.     

Analysis of Atmospheric Boundary Layer Height Characteristics over the Arctic Ocean Using the Aircraft and GPS Soundings

正ERRATUM to: Atmospheric and Oceanic Science Letters, 4(2011), 124-130 On page 126 of the printed edition (Issue 2, Volume 4), Fig. 2 was a wrong figure because the contact author made mistake giving the wrong one. The corrected edition has been updated on our website. The editorial office is sincerely sorry for any     

Index to Vol.31

正AN Junling;see LI Ying et al.;(5),1221—1232AN Junling;see QU Yu et al.;(4),787-800AN Junling;see WANG Feng et al.;(6),1331-1342Ania POLOMSKA-HARLICK;see Jieshun ZHU et al.;(4),743-754Baek-Min KIM;see Seong-Joong KIM et al.;(4),863-878BAI Tao;see LI Gang et al.;(1),66-84BAO Qing;see YANG Jing et al.;(5),1147—1156BEI Naifang;     

Information for Contributors

正Journal of Meteorological Research is an international academic journal in atmospheric sciences edited and published by Acta Meteorologica Sinica Press,sponsored by the Chinese Meteorological Society.It has been acting as a bridge of academic exchange between Chinese and foreign meteorologists and aiming at introduction of the current advancements in atmospheric sciences in China.The journal columns include Articles.Note and Correspondence,and research letters.Contributions from all over the world are welcome.     

前寒武纪气候演化中的三个重要科学问题

自地球形成至寒武纪将近40亿年（距今46亿～5.4亿年,通常称为前寒武纪）的气候演变是一个具有特殊难度和挑战性的研究领域,同时也是基础和前沿的研究领域。文章选择了前寒武纪气候演化中的三个重要科学问题进行综述：大气演化、两次全球性的冰川期以及暗弱太阳问题。关于大气演化,本文首先描述了大气成分的演化历史,然后简述了影响大气成分演化的三个基本过程：大气逃逸、两次大气氧含量突然增加、碳酸盐-硅酸盐循环及其对气候系统的负反馈作用。两次全球性的冰川期分别发生在古元古代（距今24亿～21亿年）和新元古代（距今8亿～5.8亿年）,文章简述了其成因以及相关的气候模拟结果。暗弱太阳问题是地球历史气候演化的一个经典问题,论文简要地综述了一些最新的研究成果和观点。     

淮河流域水文极值预测模型研究

为探索气候变化影响下水文极值的非平稳性和预测方法,建立了水文极值非平稳广义极值（GEV）分布的统计预测模型。利用1952-2010年淮河上游流域累计面雨量和流量年最大值资料、同期500 hPa环流特征量资料以及17个CMIP5模式对环流特征量的模拟结果,筛选出对水文极值影响显著的年平均北半球极涡强度指数作为GEV分布参数的预测因子。分析了在RCP2.6、RCP4.5和RCP8.5情景下2006-2050年淮河上游流域水文极值对气候变化的响应。结果表明,10年以下与10年以上重现期的水文极值在非平稳过程中呈现前者下降而后者上升的相反变化趋势;多模型预测的集合平均在未来情景中均呈现上升趋势,情景排放量越大增幅越大,重现期越长增幅也越大。与极值的常态相比,极值的极端态更易受气候变化影响。     

IMPACT OF ATMOSPHERIC LOW-FREQUENCY OSCILLATION ON THE IMMIGRATION OF NILAPARVATA LUGENS(STL) IN HUNAN AND JIANGXI PROVINCES

Various features of the atmospheric environment affect the number of migratory insects, besides their initial population. However, little is known about the impact of atmospheric low-frequency oscillation(10 to 90 days) on insect migration. A case study was conducted to ascertain the influence of low-frequency atmospheric oscillation on the immigration of brown planthopper, Nilaparvata lugens(Stl), in Hunan and Jiangxi provinces. The results showed the following:(1) The number of immigrating N. lugens from April to June of 2007 through 2016 mainly exhibited a periodic oscillation of 10 to 20 days.(2) The 10-20 d low-frequency number of immigrating N. lugens was significantly correlated with a low-frequency wind field and a geopotential height field at 850 h Pa.(3) During the peak phase of immigration, southwest or south winds served as a driving force and carried N. lugens populations northward, and when in the back of the trough and the front of the ridge, the downward airflow created a favorable condition for N. lugens to land in the study area. In conclusion, the northward migration of N. lugens was influenced by a low-frequency atmospheric circulation based on the analysis of dynamics. This study was the first research connecting atmospheric low-frequency oscillation to insect migration.