中国西北地区地表干湿变化及影响因素

采用1960～2009年112个观测站逐日气象资料,利用FAO Penman-Monteith模型,计算出西北地区各气象站的潜在蒸散量,由此计算出各站点的湿润指数.采用反距离加权插值、Mann-Kendall检测等方法对全区湿润指数的时空变化特征及影响其变化的气象要素进行了探讨.结果表明:西北地区近50年来有变湿趋势,湿润指数平均每10年增加0.006;季节上以春、冬两个季节的增加趋势最明显.该区湿润指数的空间分布自西北向东南大致呈先减少后增加的趋势.由湿润指数变化的空间差异,将全区划分为3个区域:显著增加区、轻度增加区、持续减少区.影响湿润指数变化的气象要素在不同年代对其影响程度不同,湿润指数与降水量和相对湿度存在明显的正相关性,与日照时数、潜在蒸散量、风速存在显著的负相关性.     

模糊神经网络方法在热带气旋强度预报中的应用研究

以1960-2007年共48年6月份西行进入南海海域的热带气旋样本为基础, 将热带气旋中心附近最大风速作为台风强度, 以气候持续预报因子作为模型输入, 采用模糊神经网络方法, 进行了热带气旋强度预报模型的预报建模研究。结果表明, 对175个独立预报样本模糊神经网络方法的南海热带气旋强度24 h的预报平均绝对误差为3 m·s-1。另外, 根据相同的热带气旋样本及预报因子, 还进一步将该预报方法与国内外普遍采用的气候持续法热带气旋强度预报方法进行对比分析, 结果表明, 气候持续预报方法的预报误差明显偏大, 独立样本强度预报平均绝对误差为4.54 m·s-1。     

广西沿海地形对超强台风“威马逊”影响的数值试验

以在广西沿海登陆的超强台风"威马逊"为研究对象。针对沿海山脉—十万大山,基于区域数值模式WRF3.4.1,开展敏感性数值试验。结果表明,WRF模式能够较好地模拟出台风移动的路径及降水的空间分布特征。十万大山山脉的存在有利于中低层的南北风在山脉周围抬升,而地形抬升作用是导致沿海发生强降水的有利条件之一。移除十万大山地形后,台风中心位置偏西,大气环流的改变使山脉周围水汽辐合减弱,此外,偏南气流由于没有地形的阻挡,因此向北发展,而地形造成的中低层抬升作用也随之消失。水汽辐合的减弱及地形抬升作用的消失共同导致十万大山周围降水减少,最大减幅可达到40mm。     

1960—2015年中国西北地区大气可降水量变化特征

采用中国西北地区1960—2015年113个地面气象站及24个探空站气象资料,建立西北地区大气可降水量与地面水汽压的经验关系式,计算西北地区各气象站点的大气可降水量,结合反距离加权插值、Mann Kendall检验、小波分析等方法,对西北地区近56年大气可降水量的时空分布特征及其与气象要素的关系进行分析。结果表明：近56年中国西北地区大气可降水量总体呈增加趋势,平均每10年增加0.11 mm,大气可降水量的月变化呈明显单峰型;空间分布上,大气可降水量的高值区主要分布在西北东部地区,低值区主要分布在西北中部地区;空间变化上,西北大部分地区大气可降水量呈增加趋势,以陕西南部、甘肃东南部、青海西北部、新疆等地增加趋势明显;西北地区年平均大气可降水量存在明显的突变特征和周期性变化特征,在1983年左右发生突变,主振荡周期为4 a左右;西北地区大气可降水量与平均气温、相对湿度呈正相关性,与平均风速呈负相关性。     

中国大陆1960～2012年持续干旱日数的时空变化特征

采用1960~2012年508个地面观测站逐日降水量资料,分析了中国大陆近53 a四季持续干旱日数变化趋势。结果表明：近53 a来我国大陆春季和冬季持续干旱日数呈明显下降趋势,其中冬季气候倾向率为-0.7 d/10 a,夏季变化趋势比较平稳,秋季呈明显上升趋势。空间变化上持续干旱日数气候倾向率春季在-0.41~0.41 d/10 a之间,大部分地区呈减少趋势;夏季持续干旱日数气候倾向率508个测站中有59%的测站为减少趋势,41%为增加趋势;秋季大部分地区气候倾向率呈增加趋势,统计有302个测站呈上升趋势,占中国大陆总测站数的69%;冬季持续干旱日数气候倾向率在-0.62~0.44 d/10 a之间,统计508个测站中有66%的测站为减少趋势,34%为增加趋势。     

南海热带气旋大风的遗传－神经网络集合预报

利用1980-2012年的南海热带气旋实况资料和NCEP/NCAR再分析资料,将热带气旋定位中心周边6×6格点上的地面风速作为预报对象,以气候持续预报因子和前期风速预报因子作为模型输入,采用遗传—神经网络集合预报方法,进行热带气旋定位中心周边36个格点上的风速预报模型的预报建模研究.分别对2008-2012年7-9月共368个独立预报样本进行遗传-神经网络集合方法的分月预报结果表明,南海热带气旋中心周边风速24h的预报平均绝对误差为2.35m.s-1.另外,本文还进一步将该预报方法与国内外普遍采用的逐步回归预报模型进行对比分析,在相同的预报量和预报因子的条件下的对比分析表明,新预报模型对≥10m.s-1的强风预报结果较逐步回归方法的优势明显,预报性能较好,可为沿海热带气旋大风预报提供新的参考.     

基于主成分分析的人工智能台风路径预报模型

利用主成分分析可以从具有随机噪声干扰的气象场提取主要信号特征,排除随机干扰的能力,论文以1980～2010年共31年6～9月西行进入南海海域的台风样本为基础,综合考虑台风移动路径的气候持续因子和数值预报产品动力预报因子,采用主成分分析的特征提取与逐步回归计算相结合的预报因子信息数据挖掘技术,以进化计算的遗传算法,生成期望输出相同的多个神经网络个体,建立了一种新的非线性人工智能集合预报模型,进行了分月台风路径预报模型的预报建模研究。在预报建模样本、独立预报样本相同的情况下,分别采用人工智能集合预报方法和气候持续法进行了预报试验,试验对比结果表明,前者较后者在6、7、8和9月份台风路径预报中,平均绝对误差分别下降了7.4%、4.8%、12.4%、17.0%。另外,论文进一步在初选预报因子和样本个例相同的情况下,通过比较新模型与直接采用主成分分析方法选因子并分别运用逐步回归和遗传—神经网络集合预报模型进行计算的预报精度差异表明,前者具有更高的预报精度,其原因是该方法挖掘利用了全部备选预报因子的有用预报信息,而且遗传—神经网络集合预报模型的是由多个神经网络个体预报结果合成,集合模型的各个神经网络个体的网络结构,是通过遗传算法的优化计算确定的,因此,该集合预报模型的泛化能力显著提高,在实际天气预报中具有较好的实用性和推广价值。