基于滤波技术的上海日最大电力负荷气象预报模型

电力负荷与气象条件密切相关,为建立上海市日最大电力负荷的预报模型,利用2010—2013年上海市日最大电力负荷数据及同期气象资料,分析日最大电力负荷的时间变化特征及其与气象因子的相关性,并基于滤波技术将日最大电力负荷分离为时间趋势项和逐日变化项,用逐步回归方法针对冬季和夏季分别建立预测模型。结果表明：①上海日最大电力负荷的各个节假日效应存在差异,春节节假日效应持续时间最长,影响最大,国庆节假期前半段节假日效应明显大于后半段。夏季的周末效应最强。②采用逐步回归方法建立的气象预报模型效果较好,回代年和预测年的平均预测相对误差均小于5%。     

递减平均法与一元线性回归法对ECMWF温度预报订正能力对比

基于ECMWF细网格模式的定时最高(低)气温预报产品,针对2017年陕西99个国家级气象站的日最高(低)气温预报,检验和比较了递减平均法和一元线性回归法两种方法对气温预报误差的订正效果。结果表明,两种方法都显著地提高了日最高(低)气温的预报准确率,随着预报时效的延长,订正能力逐渐减弱。技巧评分与模式对气温的预报能力有显著的负相关关系,秦岭及其以南地区的日最高气温预报和秦岭以北地区的日最低气温预报的准确率偏低,其技巧评分一般超过40%,极大值超过70%。两种方法都有效降低了系统误差,较小误差范围的站次增多,较大误差范围的站次减少,对日最高气温在预报绝对误差≤2℃误差范围的订正能力较为突出,对日最低气温在预报绝对误差≥3℃误差范围的订正更有优势。一元线性回归法对日最高气温预报的订正能力略优于递减平均法,对日最低气温预报的订正能力不及递减平均法,利用这两种方法对气温预报进行混合订正的效果更佳。     

21世纪前期中国降水预估及其订正

用全球格点分析数据集（CRU TSv4.0）月降水资料和24个CMIP5（Coupled Model Intercomparison Project Phase 5）模式历史模拟数据以及RCP4.5情景下的预估数据,分析了多模式集合平均降水的偏差特征并进行了扣除模式气候漂移和一元对数差分回归订正。结果表明,模式降水在西部和北部明显偏多,东南沿海偏少;冷季（11月至次年4月）在全国大部分地区模式降水偏多,暖季（5～10月）东南沿海季风区偏少。1956～2005年多模式集合平均历史模拟降水偏差中84%属于气候漂移,其余是偏差的非定常模态。扣除气候漂移后,RCP4.5情景下2006～2015年中国模式降水预估偏差减小90%以上,大部分地区降水偏差百分率分布在±5%以内,仅在青藏高原西部和西北中部等地区模式降水偏多10%～40%;暖季降水偏差分布与年降水量类似;冷季偏差较大,北方降水偏多,南方偏少。检验表明,一元线性对数差分回归方程订正后,模式降水对于2006～2015年期间西南和江南中部的干旱少雨气候均能再现,且距平同号率高于多模式集合平均和扣除气候漂移的结果。用该方法对RCP4.5情景下2016～2035年模式预估降水进行订正,结果显示,南方（淮河以南）降水减少5%～20%,河套、内蒙古和华北北部减少20%～40%,东北南部、淮河流域、西北大部增加10%～40%及以上,东南沿海和台湾省降水增加10%～20%。以上降水预估结果说明,在RCP4.5情景下,21世纪前期持续十年的西南干旱会略有缓解,但南方降水偏少格局变化不大,淮河流域和三江源区及其以西等地降水可能明显增加。中国降水异常分布总体呈现南北少、中间多的格局,但北方和西部高山地带的降水预估存在较大的不确定性。     

Spatial Discontinuities in Support for Hydraulic Fracturing: Searching for a “Goldilocks Zone”

Recent research suggests that those located closer to energy development are, on average, more supportive of this development. However, case studies in specific locations reveal additional nuance. In a case study of Bakken Shale residents, Junod et al. identified a “Goldilocks Zone” of unconventional oil and gas development (UOGD) acceptance—an area on the periphery of development that is “just right” because residents feel close enough to receive economic benefits but far enough away to avoid negative impacts. We explore whether this Goldilocks Zone extends nationally by combining geocoded public opinion data (N?=?23,154) with UOGD locations. Using multilevel regression modeling, we find that respondents located within 115?km of newly active UOGD are more supportive of hydraulic fracturing while those located within 115–305?km are comparatively less supportive. While we do not uncover a national-level Goldilocks Zone, our work highlights innovative approaches for examining spatial relationships in energy development opinion.     

河南夏季日最大电力负荷预测模型

利用2005—2009年河南逐日最大电力负荷和气象资料,分析了河南日最大电力负荷的变化特征及其与气象因子的关系。河南日最大电力负荷季节变化呈双峰型,最大的峰值出现在夏季,次峰值在冬季。夏季电力负荷与气温和炎热指数有密切的关系。用逐步回归方法,针对夏季(方案1,不区分工作日和休息日)以及周一至周日(方案2,区分工作日和休息日)分别建立日最大电力负荷预测模型,并对2010年夏季逐日最大电力负荷进行预测,两种预测方案对2010年夏季日最大电力负荷预测的平均相对误差均小于3%,相关系数均达到0.90,两方案在工作日预测结果都较好,但休息日预测误差相对较大。     

新疆区域气候要素小网格推算方法探讨

针对某一个气候要素，将我区100个气象观测站分为若干个气候区，分别对每一个气候区的气候要素和高度、经度、纬度、坡度、坡向5项地理信息要素进行分析，发现其相关关系，建立非线性回归方程，然后在新疆地图上确定一个与行政区划无关的范围，认为该范围内所有网格点上的气候要素与地理信息要素也具有同样的对应关系，进行小网格气候要素推算。     

六盘水市近6a马铃薯全生育期的降水特征及其补充灌溉分析

选取贵州西部六枝特区郎节坝试验区、钟山区大地试验区、水城县前进试验区和盘县坡上试验区共4个不同海拔马铃薯种植区连续6 a(2006—2011年)春薯主要大田生长期(2—9月)逐日降水的观测资料和春薯产量资料,利用降水产量积分回归函数,分析降水变化对春薯产量的影响。结果表明,贵州西部山区降水存在时空分布不均状况,但降水总体呈现出随着海拔高度的升高而增多趋势,同时找出了影响春薯产量不稳定的主要原因。不同区域春薯生长发育过程中的最佳补充灌溉时期不同:郎节坝试验区在播种期到开花期需补充灌溉,大地试验区应分别在播种期和现蕾期到开花期补充灌溉,前进试验区在现蕾期到开花期需补充灌溉,坡上试验区应在开花的始期至盛期补充灌溉。科学、合理的调控措施,有利于提高春薯的产量和质量。     

事件概率回归估计与降水等级预报

该文对比分析概率回归降水等级预报和回归降水等级预报的差异, 2007年秋季至2008年夏季全国平均检验结果表明:概率回归降水等级预报效果好于回归降水等级预报, 尤其是小雨预报, TS评分明显高于回归降水等级预报, 同预报偏差过大情况也有很大改善。进一步分析表明:回归降水等级预报方法在建立小雨预报方程的样本中, 少数较大降水量的样本方差占总方差的百分比过大, 导致预报方程中反映的预报量与预报因子的关系以少数大降水量样本为主, 是造成小雨预报空报过大的原因。与模式降水预报的对比分析表明:概率回归降水等级预报效果好于模式直接降水预报, 模式降水空报较大情况得到改善。     

一种诊断序列非均一性的新方法

提出使用偏最小二乘回归方法进行序列非均一性和区域气候突变诊断的新方法。利用三峡地区16个测站夏季气温1951—2004年期间资料,用此方法对内江站与邻站气温进行分析研究,结果表明,该地气温在1970年代初和1980年代末出现明显的局地非均一性。     

Monthly Changes in the Influence of the Arctic Oscillation on Surface Air Temperature over China

Partial Least Squares Regression （PLSR） is used to study monthly changes in the influence of the Arctic Oscillation （AO） on spring, summer and autumn air temperature over China with the January 500 hPa geopotential height data from 1951 to 2004 and monthly temperature data from January to November at 160 stations in China. Several AO indices have been defined with the 500-hPa geopotential data and the index defined as the first principal component of the normalized geopotential data is best to be used to study the influence of the AO on SAT （surface air temperature） in China. There are three modes through which the AO in winter influences SAT in China. The influence of the AO on SAT in China changes monthly and is stronger in spring and summer than in autumn. The main influenced regions are Northeast China and the Changjiang River drainage area.