优选因子场预报方法的研究

统计预报法目前在国内外已经得到广泛利用,其待点是根据历史资料的统计规律,通过外推实现预报,这是所有统计预报法的基础。最初级的统计预报是对单站的历史资料本身的统计规律进行外推预报的,这种预报法既不考虑预报量之间的内在联系,又不考虑外界因子的影响,因此预报效果一般较差。改进的途径是朝着两个方向发展:或者考虑外界因子影响的单站预报;或者考虑预报量间的内部联系的场预报。前一种预报法目前使用最广,它不仅可以考虑多因子的影响,还可对组配的因子进行挑选或筛选,     

关于海洋环保、海洋锋、内波调查方法初探

大家知道,海洋调查的组织原则应该是,以尽可能短的时间,化费最少的人力、财力和物力,收集最有价值的资料。海洋调查应当根据科研和生产的不同要求,海区海况的特点以及历史资料等情况,布设测站,选择观测仪和观测方法。海洋环保、海洋锋以及内波调查研究在国际上十分重视,而且已有较大进展。但在我国起步比较晚,是比较新的研究课题。近几年来,国内有关海洋学者都在进行探索。本文将对它们的调查方法结合我国的海洋实际,进一步介绍和探讨。     

第四节 变性水团分析

所谓水团分析，主要是指划分水团的边界，确定水团的基本特征以及分析研究水团的消长变化规律。本海区大多属于浅海区域。浅海水团易受海洋外部因素的影响，变性显著，因此，浅海水团的分析实际就是水团的变性分析。所谓水团的变性，主要是指水团特征的示性水平从高向低的过渡，并逐渐丧失其示性特征的这一过程。     

中国近海异常海温数值预报模式研究Ⅰ.模式的建立

本文从近海异常海温的定义和形成机制出发,在原有的海表温度数值预报模式的基础上,考虑了上层海洋对强天气强迫的动力响应和浅海效应,前者包括卷入和卷出、冷水抽吸和暖水辐聚,后者包括潮混合和浅海对短波吸收之影响,从而建立了一个以混合层的温、流、深度为变量的中国近海异常海温数值预报模式.     

选编序言

近十几年来,在分析我国近海海域水团与温度、盐度、密度的特征、分布变化以及预报方法研究方面,我国的海洋科学工作者己做了大量的工作,正式发表的论文也相当可观,将散见于各种学报、专著和研究报告中的这些文章,选编之后以专辑出版,无论对从事该领域研究的同行,还是对顾意了解这方面研究进展的其他学者,都是十分有益     

平均场分解初探

本文探讨了经验正交分解的基本原理,对两种平均场分解方法进行了比较。结果表明,利用距平场分解得到的特征向量作为基底分解平均场是可行的。文中给出的实例清楚地显示出几个主要影响因子的分布特征。 文中还讨论了几个与经验正交分解法的有效性有关的理论问题,并定义了两种关系矩阵,通过分析它们之间的关系,间接地导出了时空转换公式。     

渤黄东海近海区海洋水温预报研究概况

一、海洋水温预报的意义开展海洋水温预报,对于加强海防建设,发展海洋渔业生产和开发利用海洋资源,都具有十分重要的意义。海洋水温预报的发展,不仅取决于科学技术上的可能性,而且取决于社会生产对海洋的需要。 1.海水温、盐度的分布和变化与鱼类的行动和分布密切相关,各种鱼类在不同生活时期都有各自的适温性和适盐性,生产实践证明,在不同水团的交汇区(流隔区),往往形成良     

模糊数学方法在南海北部海区水团分析中的应用

本文将模糊数学的多种方法,用于南海北部海区的水团分析.在用模糊聚类方法划分水团时,提出了基于欧氏距离的相似关系,同时提出了基于F-检验而决定水团个数的方法.以模糊聚类划出的水团为基础,再用软划分方法,对水团边界和测样归属进行合理调整.根据上述结果及区域海洋学的分析,在该海区划出了8个水团:沿岸冲淡水团F、近岸混合水团M、暖表层水团WS、表层水团S、表次层混合水团SU、次层水团U、次中层混合水团UI和中层水团I.将各类水团在-S图解上的点集,归结为变形椭圆凸点集、半无界凸点集和单侧凹点集3种类型.分别提出了建立相应隶属函数的方法,并给出了拟合结果.计算了各季节各水团的熵,讨论了高熵和低熵水团的特征及形成原因.计算了各季节不同水团之间的格贴近度,借以讨论水团变性的特点和它们之间的相互关系.可将8个水团归纳为3种类型:径流冲淡型(F),浅海变性型(M、WS、S和SU),深海大洋型(U、UI和I).     

经验正交分解法的基本原理及其在场预报中的应用

经验正交分解与标准正交多项式最初同为因子统计组合的一种有用工具,由于经验正交分解收敛性较好,在场的统计组合过程中,又不必像正交多项式那样要求正规的网格点,使用方便。因此,目前经验正交分解法在因子场统计组合、动力模型参数化,以及因子时间序列分析中已得到广乏应用。然而,这两种统计组合法本身都不能直接构成     

海洋水团的Fisher型逐步判别预报

判别分析是多元分析方法之一。我们将其应用于海洋水团的判别预报。用逐步判别的方法挑选因子，依每个因子的Wilks量进行F—检验，逐步地将判别“能力”强的因子选入。同时将由于其他因子组合而相形见绌者及时剔除。根据矩阵变换的信息．给出了Fisher型逐步判别预报式。将北黄海冷水团强度预报作为示例，给出了筛选因子及建立判别式的全过程。用历史资料检验了预报效果。与习用的Bayes型逐步判别预报进行了对比。