基于时间尺度分离的斗门开汛日期预测模型

采用小波分析、低通滤波、相关分析、逐步回归以及最优子集回归等方法建立斗门开汛日期的预测模型。将开汛日期序列分解为年际变化和年代际变化2个分量,分别研究其与前期冬季500h Pa高度场、850 h Pa风场、海平面气压场和海温场的相关性,并将显著相关区域作为初选因子。通过逐步回归将因子数限制在10个以内,最后应用最优子集回归建立预测模型。结果表明:这种分离时间尺度的回归预测模型具有较好的拟合效果,计算得出的回归序列与原距平序列相关系数为0.81,两者同号率为77.8%,其中相差±7 d以内年份约占42.2%;相差±15 d以内的年份约占75.6%。最后对2012—2014年开汛日期进行试报,其中2012和2014年试报效果较好,误差分别为-5.89和-10.45 d。     

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。     

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%。     

中国降水回归模型设计策略与回报检验

利用中国160站降水记录及欧洲中心ERA-Interim再分析数据等构建了16种线性回归降水预测模型,包括“站点”降水直接/间接预测模型（间接模型是指先预测东亚季风指数,再以此估计站点降水）, 以及“区域-站点”降水直接/间接预测模型,即先预测一个区域的降水再分配到站点。此外,还构建了所有模型集合的降水预测模型。预报因子包括两种ENSO指数、北大西洋涛动（NAO）指数和青藏高原积雪深度等4个因子。模型亦分为3因子和4因子（包括积雪因子）组及对降水取/不取对数组等前处理。2005—2016年的回报试验表明,“站点”模型优于“区域-站点”模型,对降水取对数模型优于不取对数模型。另外,“站点”模型组中的间接降水预测模型优于直接模型,但“区域-站点”组却相反。ERA-Interim积雪深度资料不确定性带来的偏差超过该因子对降水预测的贡献。平均PS评分最高的是3因子的直接站点降水取对数模型（MDS-3Ln）,平均达到71分,高于集合模型（MEM）得分。这些结果表明,线性回归降水模型的设计理念与实际预测效果可能并不一致,其原因是因子的选取或数学处理过程会引入新的不确定性或偏差,必须综合评估各种设计方案的“成本-效益”关系。     

基于年际增量法的广西6月月降水量预测

利用广西87个气象站6月月平均降水量及NCEP/NCAR再分析资料,通过普查1960—2021年广西6月月降水量年际增量与前期500 hPa位势高度场的相关性,选取影响广西6月降水异常相关性较高的前期预测因子,研究其主要影响机制,并采用模糊神经网络与熵度量相结合的方法构建月降水年际增量的集合预报模型,对预测模型进行1960—2013年的拟合检验和2014—2021年的独立样本预报检验。结果发现,该模型的预测准确率较高,独立样本的回报年份同号率为87.5%,拟合平均绝对误差为26.64 mm,拟合平均相对误差为9.06%,预报效果优于利用逐步回归方法构建的预测模型,而且模型性能比较稳定,具有较好的业务应用前景。     

冀州市1955-2009年降水变化特征分析

利用1955--2009年月降水和年降水资料,采用墨西哥帽小波函数,对冀州55年来降水的季节变化和年际变化时间序列进行了小波分析,揭示了冀州降水变化的多时间尺度的复杂结构,分析了不同时间尺度下降水序列变化的周期和突变点,并通过分析小波方差确定一个时间序列中存在的主要周期成分。结果表明：四季、年的降水距平呈现出不同的周期变化;夏季降水距平的信号震荡特征与年降水距平的信号震荡特征比较相似;各季节和年降水均存在8～12a左右时间尺度的周期特征;其次,4～6a左右时间尺度的周期特征也较明显。     

匹配域投影降尺度方法在河南省夏季降水预测中的应用及检验

根据河南省夏季降水数据和BCC-CGCM、ECMWF-SYSTEM4模式资料,利用匹配域投影降尺度方法对河南省夏季降水进行预测,结果表明:1)匹配域投影降尺度方法对河南省夏季降水具有较好的预测能力,且较原始模式稳定。除了河南省中部地区外,其他大部分地区的Ps评分都在60分以上。2)在交叉验证期,两个模式的降尺度预测Ps评分分别比原始模式的提高了20.2%和16.3%,但ECMWF-SYSTEM4模式降尺度预测的平均分达到了71.2分,较BCC-CGCM模式的降尺度预测平均分偏高1.6分。在交叉验证期的26年中,有62%以上的年份,降尺度预测方法都对原始模式有正的订正技巧。3)2009—2013年的独立样本检验表明,匹配域投影降尺度方法比原始模式预测Ps评分提高了40%左右,表明该降尺度方法对夏季降水具有较好的预测能力。4)该方法可以在业务上应用,图形界面程序的研发,更方便了业务应用。     

新疆精河流域河川径流及对气候变化的响应

根据精河流域1957—2012年的气温、降水和径流量等资料,分析了精河流域近55 a来径流量的变化趋势和周期特征,研究了河川径流及对气候变化的响应关系,并建立基于多变量时间序列自回归CAR(Controlled Auto-regressive)径流预测模型。结果表明:(1)精河径流在年内分配不均,季节变化明显,夏季集中,枯水期长且枯季径流量小。6—9月为径流连续最大4个月,占全年径流量的74%。(2)从20世纪80年代开始,河川径流量增加,持续至90年代,在21世纪有减小的趋势,1981—2005年平均年径流总量比1957—1980年增加了3.24%。(3)精河流域年径流量序列在21 a和13 a左右的振荡周期最为明显,其次是32 a和9 a,而其中的21 a和13 a时间尺度上的振荡是全时域的。(4)建立了径流与降水和气温的CAR模型,发现拟合平均相对误差为6.54%,均方根误差为0.039。用CAR模型模拟河流年径流量误差在可接受范围内,可以利用该模型对精河流域年径流量进行预测。     

时间尺度分离在华南夏季极端高温预测中的应用

基于高温日数存在受不同物理因子影响不同时间尺度变率的特征,应用滤波对华南夏季高温日数进行时间尺度分离,得到高温日数的年代际分量和年际分量。统计分析高温日数总量、年代际分量和年际分量在各自对应时间尺度上的影响因子,采用"向前"交叉检验逐步回归法,分别建立高温日数总量、年代际分量和年际分量的回归模型。高温日数总量的回归模型即为高温日数不区分时间尺度的直接回归模型,而两个分量回归模型拟合结果的叠加,即为高温日数时间尺度分离统计模型对总量的拟合。利用十折交叉检验法,对高温日数直接回归模型和时间尺度分离统计模型的拟合结果进行比较:相比高温日数直接回归模型,时间尺度分离统计模型的年代际分量均方根误差由2.6降低到2.3,与观测数据的相关系数由0.69提高到0.73（显著性水平α=0.01）;年际分量均方根误差由3.2降低到2.9,与观测数据的相关系数由0.4（α=0.1）提高到0.48（α=0.01）;高温日数总量均方根误差由4.1降低到3.7,与观测数据的相关系数由0.48提高到0.62（α=0.01）。1979~2010年拟合时段华南夏季高温日数的回报结果表明:两模型回报结果与观测数据均存在明显相关（α=0.01）,直接回归模型的相关系数为0.57,时间尺度分离统计模型提高到0.72。2011~2013年独立检验时段的预测结果表明:直接回归模型预测结果的平均均方根误差为26.4%,时间尺度分离统计模型降低到12.3%。初步结果表明,两模型对华南夏季高温日数均有一定的预测能力,而时间尺度分离统计模型的预测结果有所改进。     

动力延伸预报产品在辽宁短期气候预测中的释用

基于1961～2000年辽宁53个测站40 a逐年的月气温距平和月降水距平百分率资料,根据EOF(经验正交函数)展开的空间特征向量分布特征,将前3个主要特征向量时间系数作为预报量,将500 hPa高度场的高度距平、地转涡度作为预报因子,利用多元统计回归分析,建立了一套定点、定量预测辽宁各月气温与降水量的数学模型。利用该模型对2001~2005年辽宁53个测站的月气温距平和月降水距平百分率进行逐月预报试验。结果表明:对气温和降水量的趋势预报的评分均比较好,有87%以上的月气温距平预测结果的评分超过66.0分,各月的平均Ps评分均高于66.0分,年平均为75.5分或以上,总平均为83.1分;有70%的月降水距平百分率预测结果的Ps评分超过60.0分,各月的平均Ps评分都高于53.0分,年平均为58.0分以上,总平均为66.5分。但对异常气候的预测效果不明显。