淮河流域大气环流型在冬季气温预测中的应用

应用Lamb-Jenkinson大气环流分型方法,根据由1970—2012年NCEP/NCAR逐日海平面气压场计算得到的环流指数,对淮河流域的环流进行分型。分析了冬季主要环流型和气温的分布特征及两者的联系,并以环流指数和主要环流型为预测因子,结合经验正交函数分解(EOF)方法和逐步回归方法,建立了淮河流域冬季气温距平的预测模型。结果表明,淮河流域冬季的主要环流型是东北风型、东风型、反气旋环流型以及东北风、东风配合下的反气旋性环流型,划分的环流型符合实际情况,这些环流型具有显著的年际和年代际变化特征。通过对预测模型进行后报试验和独立预报试验,表明该模型具有一定的预报技巧。     

雷达定量降水动态分级Z-I关系估算方法

利用高时空分辨率的雷达定量降水估测和预报(RQPE和RQPF)对洪水监测、发布洪水警报起重要指导作用，目前国内外对其研究的方法主要采用概率配对法、Z-I关系法和基于Z-I关系的数学算法校正法，这些方法均存在强调某一因素忽略其它因素的问题，并且对短时强降水，尤其是极强降水低估严重。从统计和个例两方面对比分析了四种雷达定量降水方法的误差，致力于寻找一种将雷达回波反射率预报场反演为降水场时误差较小的技术方法，能改进对短时强降水、特别是极强降水严重低估问题的方法，并且该方法也能在业务应用中方便、快速、精确实现。对比研究结果表明：动态分级Z-I关系法是一种对雷达QPE和回波反射率预报场反演降水场都较好的方法，并且改进了对短时强降水、尤其是大于55 mm/h的短时极强降水低估的问题；在业务计算中仅需15秒，能满足6分钟更新一次计算结果的需要，而且不依赖气候统计，便于移植。     

影响潍坊麦收的主要天气系统及气象服务

使用潍坊市1971～2000年降水资料及同期500hPa历史天气图。研究潍坊市麦收关键期不利于麦收的天气形势，制作麦收气象服务分级预报，应用于2003年麦收期的决策气象服务，得到了满意的服务效果。     

陇东黄土高原春末夏初旱的气候特征及预测模型

应用自然正交函数分解(EOF)方法，分析了甘肃省庆阳地区春末夏初干旱的综合评价指数DH的空间分布特征及随时间演变规律；分析了春末夏初干旱对冬小麦和玉米产量的影响；应用逐步回归方法建立了春末夏初干旱的预测模型，业务使用效果良好。     

基于温特斯法的夏季气温预测模型建立及应用

介绍了温特斯法的基本理论及3个平滑方程的递推公式、初始值公式和预测模型公式,并依据其理论,采用VB 6.0编程技术,设计了预测模型软件;同时,将夏季6、7、8月的月平均气温看作具有随机性、线性、季节性变化的时间序列,利用商丘、民权、柘城、永城4个代表站1961～1999年夏季气温样本资料,建立了预测模型.对2000～2002年夏季气温试报结果为,平均预测准确率92%,其中7月份100%,6月份92%,8月份83%.     

低频图在贵州汛期延伸期强降水预测中的应用

本文基于低频图方法对贵州省2011—2015年59次区域性强降水过程对应的500hPa低频流场进行EOF统计分析,建立贵州省强降水过程的统计预测模型,通过外推试验开展贵州2016年汛期延伸期强降水过程预测,利用回算试验的预测准确率评估该方法的本地适用性。结果表明:影响贵州强降水的6个低频关键区分别为贝加尔湖以西地区(40°~70°N,80°~110°E,1区)、贝加尔湖以东地区(40°~70°N,110°~150°E,2区)、中国西南地区东部至华中地区(25°~40°N,100°~120°E,3区)、西太平洋地区(10°~40°N,120°~140°E,4区)、孟加拉湾地区(0°~25°N,70°~100°E,5区)和中国南海地区(0°~25°N,100°~120°E,6区)。当1、4区出现低频反气旋,3、5区出现低频气旋,2、6区有配合其它关键区的低频系统活动的环流配置为贵州省强降水过程预测模型。2016年汛期强降水过程进行预测试验的预测准确率为39.2%,表明低频图方法在贵州省强降水过程预测中的应用效果较好。     

山东省气候年型预测与作物布局决策研究

利用灰色预测中的ＧＭ（１，１）模型，对温度，降水分别进行数列预测和灾变预测，然后通过对比分析得到预测年度温度与降水的季节分布。根据预测的年型特点，结合山东省不同气候年型下作物布局的科研成果，提出预测年度的山东省作物优化布局意见和建议，为农业生产服务。     

基于2种算法的日光温室日均气温预测模型比较研究

为科学精准地为温室大棚生产提供气象服务,2020年11月—2021年5月分别在位于陕西省关中的泾阳县和陕北的延川县选择砖墙和土墙两种主要的生产棚型进行了大棚内外气温的对比观测试验,并采用BP神经网络和多元线性回归分析2种算法对不同棚型和晴空条件下的棚内气温进行了模拟预测研究。结果表明： 利用BP神经网络方法建立的预测模型较多元线性回归分析方法的模拟精度更高,BP神经网络方法对泾阳和延川梁家河试验示范园日光温室内气温预测模型拟合优度R2分别达075和077,均方误差分别为192 ℃和190 ℃;控制条件下,砖墙结构比土墙结构日光温室的气温预测精度更高;多云天气条件下模型的预测精度更高。     

月尺度降水的客观预测方法研究

从短期气候预测业务的实际出发,提出了一个以单站作为预报量的客观预测模型,分析了利用该模型制作预测产品的目的、实现途径以及流程设计。在气候预测业务中,利用该模型制作气候预测产品,能在实际业务中实现动态优化,方便地更换因子,降低业务工作强度。通过实例,详细说明了利用该模型制作月尺度降水产品的全过程,其中包括标准化预测模型数据文件的结构,动态建模过程及在动态建模过程中输出的各项参数的含义,把动态建模过程中的输出参数用于改进模拟质量,以及如何把试报结果分站Ps评分用于业务决策等。针对月动力延伸预报产品样本较少的情况,文中还进行了交叉预报试验。该模型作为气候预测业务工具,具有使用简单、预测质量稳定的特点。     

广东冬季水资源的预测和因子背景场分析

为预报广东冬季水资源量,利用500hPa高度场和太平洋海温场作为气候变化的相关因子场,并应用了主分量逐步回归预测模型进行了计算。利用各标准化主分量的预测结果,按照主分量逐步回归模型进行回算得到预测场。结果表明,2004年和2006年预测结果与实况比较相似;2005年冬季水资源预测值和实测值分布相差较大。为了分析预测因子的影响,对进入广东冬季水资源场前4个主分量预测方程的因子进行分析,并对个别关键因子的背景场做了细致的研究。