共查询到19条相似文献，搜索用时 687 毫秒
1.
基于ERA5的逐小时100 m风场数据,利用时间序列K-means聚类方法,将中国沿海冬季风能年际变化划分为四个区域,分别为北中国海(North China Sea,NCS)、东海(East China Sea,ECS)、南海北部(Northern South China Sea,NSCS)及南海南部(Southern South China Sea,SSCS)。四个区域风能的年际变化受不同气候模态的影响,其中NCS风能的年际变化与北极涛动(Arctic Oscillation,AO)有关;ECS风能的年际变化与中部型ENSO及西伯利亚高压有关;SSCS和NSCS的年际变化则和东部型ENSO及大陆高压的南北位置存在联系。鉴于影响各区域风能年际变化的气候模态具有较高的可预测性,进一步评估了多个气候模式对中国沿海风能年际变化的预测技巧。结果表明,气候模式对南中国海的风能年际变化预测技巧更高,这与气候模式对ENSO的高预测技巧有关。气候模式对北方海域风能年际变化的预测技巧较差,这和气候模式不能较好地预测AO和西伯利亚高压有关。 相似文献
2.
基于EMD方法的观测数据信息提取与预测研究 总被引：5，自引：1，他引：4
用统计方法作月、季尺度的短期气候乃至年际尺度的长期气候预测是当前气候预测业务的主要依据,在短时间内这种情况仍然不可能彻底改变。虽然数值预报模式的预测能力达到了7 d的时效,不过要积分到月、季尺度并实现短期气候预测还面临着重重困难。其根本原因是气候系统的混沌分量和非线性/非平稳性等因素在起作用。而现有气候预测的统计方法(主要包括经验统计、数理统计和物理统计等方法)的数学基础却忽略了这些特点,这是因为以现有的科学水平人们不得不假设时间序列是线性和平稳的。实际气候观测序列普遍具有层次性、非线性和非平稳性,这给建立预测方法带来了极大困难。文中构建了一个新的预测模型,即首先利用经验模态分解(em-pirical mode decomposition,EMD)方法将气候序列作平稳化处理,得到一系列平稳分量-本征模函数(intrinsic modefunction,IMF);其次,利用均生函数(mean generate function,MGF)模型获得各分量的初次预测值;最后,在最优子集回归(optimal subset regression,OSR)模型的基础上,通过直接或逐步拟合一部分预测值,构建两种预测方案达到提高预测能力的目的。典型气候序列的预测试验结果表明,具有平稳化的IMF分量,尤其是特征IMF分量有较高的可预测性,它对原序列趋势的预测有重要指示意义。大力开展气候系统机理和气候层次的研究,并建立相应的气候模式是未来发展趋势。该文是这方面的一个初步尝试,相信该模型能为气候预测(评估)开辟一条新的有效途径。 相似文献
3.
《干旱气象》2015,(5)
采用集合经验模态分解(EEMD)和滑动傅里叶分析方法,建立了非线性气候序列的统计预测模型。针对气候要素距平场,对EOF分解得到的各模态时间系数进行EEMD分解,对得到的各IMF分量构建滑动傅里叶(Fourier)分析预报模型,提取出控制当前复杂气候信号的主要傅里叶频谱组合作为IMF分量的主要成分,即确定当前信号的主要波内频率,再将各个IMF分量和剩余项预测结果重构得到各模态时间序列的预测结果,最终通过时空重构得到预测场。将上述思想方法应用于新疆地区风场的预测试验,并采用距平相关系数(ACC),预报技巧(SS)和同号率(R)进行评估,结果表明对于区域性的风速预报,基于上述思想的算法模型能够较好地把握当前气候信号的主要变化频率,较为理想地预测了气候要素时间系数,对新疆地区风速变化的形态分布有较好的估计,使其预报时效在40侯以内均拥有一定的预报技巧,平均SS在0.5以上,36侯以内平均ACC达到0.4以上。 相似文献
4.
降水是中国西北干旱区水资源的重要组成部分,利用合理方法有效认识降水的区域变化规律对指导农业发展尤为重要。基于新疆16个国际交换站1961-2012年降水距平时间序列,利用集合经验模态分解(EEMD)方法,分析了新疆降水变化趋势的多尺度特征,并对其空间差异进行了初步探讨。近50多年来,新疆降水量整体上呈现出非线性的显著增多趋势,且其变化存在明显的年际尺度(3年和6年准周期)和年代际尺度(10年和31年准周期);各周期分量方差贡献率显示年际变化在新疆降水变化中占据主导地位,重构的降水年际变化趋势能精细刻画原始降水序列在研究时期内的波动状况;降水年代际变化揭示了新疆降水在1985年前后气候模态有了显著转换,由原来降水以负相位为主的气候模态转向正相位显著的气候模态;此外,降水变化趋势和转折时间均具有明显的区域差异。EEMD方法有助于加深人们对新疆降水多尺度变化特征的认识,是一种适用于非线性、非平稳信号分析的有效方法。 相似文献
5.
中国北方夏半年最长连续无降水日数的变化特征 总被引：20，自引：2，他引：18
利用1951-2004年中国北方各气象台站夏半年逐日降水资料,建立最长连续无降水日数时间序列,采用经验模态分解(EMD)求出该序列的本征模态函数(IMF),分析原序列内在的多尺度振荡变化.用小波分析原序列的突变.结果表明,连续无降水日数的变化主要是由IMF1、IMF2和IMF3这3个本征模态构成,3-4 a、8-10 a尺度的振荡对整个变化起主要作用.近50年来,最长连续无降水日数呈线性增加趋势;显著增加的年份在1960年和1994年前后,与干旱现象的发生有紧密的联系. 相似文献
6.
基于改进的累积气旋能量指数评估西北太平洋TC活动与ENSO的关系 总被引：1，自引：1，他引：0
采用1977—2008年日本气象厅(JMA)TC最佳路径集资料和美国气候预测中心(CPC)的ENSO资料,设计了一个考虑热带气旋(TC)尺度信息的累积气旋能量指数(SACE),据此分析了西北太平洋TC活动与ENSO之间的关系。结果表明:相比于不考虑尺度效应的ACE,引入TC尺度信息的SACE增加了较大强度、较大尺度TC活动水平的权重,能够更加准确地刻画TC强度及其影响,其与Ni1o指数的相关性进一步增强。SACE能够更好地表征西北太平洋TC活动与ENSO年际变化的关系,其对ENSO位相的依赖性相对于ACE更为敏感,是一个能更好预测ENSO状态的因子。TC强度、生命史、频数以及尺度均对SACE有一定的贡献,但生命史的贡献最大,这一方面说明ENSO主要通过调制TC生命史来影响SACE,另一方面也说明相对于强度、频数和尺度而言,TC生命史更能影响SACE中的ENSO信号。 相似文献
7.
利用美国马里兰大学海洋同化月平均再分析资料(SODA),分离出赤道太平洋次表层海温异常(SOTA)的年际变率和年代际变率,利用经验正交分解(EOF)方法分别得到SOTA年际变率和年代际变率的第一模态和第二模态,重点分析了第二模态在ENSO循环中的作用。结果表明,赤道太平洋年际变率和年代际变率的第一模态为偶极子分布,此分布型是ENSO循环冷暖位相在次表层的同时表现。第二模态以次表层范围较广的海温异常趋势一致分布为显著特征,该模态是ENSO循环演变过程的重要环节。第二模态时间系数与Ni?o-3.4指数具有较好的超前相关性,可作为ENSO事件的预测前兆信号,合成和个例分析验证了这一次表层信号的预测指示作用。 相似文献
8.
9.
10.
江淮梅雨期降水不同尺度异常与SSTA的关系 总被引：2，自引：0，他引：2
利用1959-2000年江淮地区80站的月降水量资料，研究江淮梅雨期（6_7月）不同尺度降水量异常的时间演变规律，分析江淮梅雨不同尺度降水异常与海温异常的关系。结果表明：1）近42a来，江淮梅雨期降水异常呈明显上升趋势，同时存在显著的年际、年代际尺度变化信号。2）对江淮梅雨期降水异常进行时间尺度分离，不同尺度的降水异常序列多（少）雨年份表现出很大的不同。在少雨背景上，年代际变化序列出现多雨期。在多雨背景上，年际变化序列出现明显的少雨年份。3）分析不同时间尺度的江淮梅雨期降水异常序列与SSTA的关系，发现对应的显著相关区域有很大不同，这意味着海温异常对江淮梅雨存在多时空尺度的影响作用。 相似文献
11.
印度洋偶极子（IOD）是热带印度洋秋季最强的年际变率,它会通过大气遥相关来影响世界许多地区的气候。目前耦合气候模式对IOD预报技巧仍非常有限,远低于热带太平洋的厄尔尼诺事件的预报技巧。鉴于深度学习具备高效的数据处理能力,本文使用深度学习中的卷积神经网络（CNN）与人工神经网络中的多层感知机（MLP）处理再分析观测资料,从而进行IOD预报。由于当预报初始时刻为北半球冬春季时,对IOD事件的预报技巧较低。因此,为探索CNN的预报能力,本文仅使用三种（1～3月、2～4月、3～5月）初始时刻的海表温度异常（SSTA）作为CNN的输入数据,来预报其后续七个月的印度洋偶极子指数（DMI）、东极子指数（EIOI）和西极子指数（WIOI）。结果表明:CNN对DMI、EIOI和WIOI的有效预测时效均超过了6个月。与现在耦合动力模式相比,CNN模型能够显著提升DMI和EIOI的预报技巧,但对WIOI的预报技巧提升有限。当预报提前时间为7个月时,CNN模型能够比较准确地预报1994、1997与2019年的IOD事件。由于CNN模型能够更好地抓住印度洋海温的空间结构特征,它对IOD事件的预报技巧比传统神经网络MLP高。 相似文献
12.
Indian Ocean Dipole (IOD) and Equatorial Indian Ocean oscillation (EQUINOO) are important climatic system oscillation events in the Indian Ocean region that affects the Indian summer monsoon rainfall (ISMR). The prime focus of this study is to deliberate the influence of these events on ISMR and an attempt has been made to predict these events for future time scales using a Long short term memory (LSTM) deep learning model. LSTM is a special kind of recurrent neural network (RNN) which specializes in learning long-term dependencies and extracting important features. The features learnt by the model is then ranked using correlational analysis (linear and nonlinear). This approach helps in selecting decisive and imperative set of relevant predictors, which can be employed to predict IOD and EQUINOO. Nonlinear correlational identified predictors are found to forecast with greater precision as to their linear counterparts. The model-calibrated correlation coefficient for IOD and for EQUNIOO was 0.90 and 0.88 respectively at a lead of 5 months. Our proposed model was observed to work at par with the other existing models in terms of various statistical evaluation measures. 相似文献
13.
基于EMD 和集合预报技术的气候预测方法 总被引：3，自引：0，他引：3
气候系统是典型的非平稳性系统,然而对于气候观测数据的处理通常是在时间序列平稳的假定下完成的,比如气温和降水的多步预报,这通常会导致预报准确度较低。为改进该缺陷,首先将非平稳数据序列分解成平稳的、多尺度特征的本征模态函数分量(IMF),再使用数值集合预报与逐步回归分析相结合的方式对每一个IMF 分量构建不同的预报模型,最后线性拟合成预报结果。通过Visual Studio 2008 开发平台使用上述方法建立了一个短期气候预报系统,采用广西区88 个气象站1957—2005 年的2 月距平气温数据进行实际验证。结果表明,相对于普通预测和单一预测方法,加入了EMD 和集合预报技术的方法在仅用历史资料进行多步预测的情况下,对于气候的变化趋势以及突发性气候具有更好的预报能力。 相似文献
14.
海洋表面温度(Sea Surface Temperature,SST)具有非平稳、非线性的特征,直接将处理平稳数据序列的方法应用到非平稳非线性特征明显的序列上显然是不合适的,预测的误差将会很大。为了提高预测精度,更好地解决非平稳非线性序列预测的问题,本文以东北部太平洋(40°N~50°N、150°W~135°W)区域的月平均海洋表面距平温度为例,首先分别应用集合经验模态分解(EEMD)和互补集合经验模态分解(CEEMD)方法将SST分解为不同尺度的一系列模态分量(IMF),再运用BP(Back Propagation)神经网络模型对每一个模态分量进行分析预测,最后将各IMF预测结果进行重构得到SST的预测值。数值试验的结果表明,CEEMD分解精度比EEMD分解精度高,CEEMD提高了基于BP神经网络的预测精度。系列试验统计分析说明应用这种方法对SST的1年预测是有效的。 相似文献
15.
气候系统是一种耗散的、具有多个不稳定源的非线性、非平稳系统。该文利用支持向量机(SVM)算法在处理非线性问题中的优越性和经验模态分解(EMD)算法在处理非平稳信号中的优势,采用将EMD与SVM相结合的短期气候预测方法,并应用到广西季节降水预报中。选取广西88个气象观测站1957—2005年6—8月逐年降水量的距平百分率序列作为试验数据,通过EMD算法将标准化处理后的距平百分率序列分解成多个本征模态函数(IMF)分量和一个趋势分量,在分解中针对EMD算法存在的端点极值问题选择两种方法分别进行处理,对比得出极值延拓法效果更好。对每个分量构建不同的SVM模型进行预测,并通过重构形成最后的预测结果。试验中采用不经EMD处理的反向传播(BP)神经网络和SVM算法进行对比验证,结果表明:相对于直接预测方法,该文提出的方案均方误差最小,能够较为准确地反映出降水序列未来几年的变化趋势,具有更高的预测精度和较好的推广前景。 相似文献
16.
BCC二代气候系统模式的季节预测评估和可预报性分析 总被引：6，自引：3，他引：3
本文利用国家气候中心（BCC）第二代季节预测模式系统历史回报数据,从确定性预报和概率预报两个方面系统地评估了该模式对气温、降水和大气环流的季节预报性能,并与BCC一代气候预测模式的结果进行了对比,重点分析了二代模式的季节可预报性问题。结果显示,BCC二代模式对全球气温、降水和环流的预报性能整体上优于一代模式,特别在热带中东太平洋、印度洋和海洋大陆地区的温度和降水的预报效果改进尤为明显。这些热带地区降水预报的改进,可以通过激发太平洋—北美型（PNA）、东亚—太平洋型（EAP）等遥相关波列提升该模式在中高纬地区的季节预报技巧。分析表明,厄尔尼诺和南方涛动（ENSO）信号在热带和热带外地区均是模式季节可预报性的重要来源,BCC二代模式能够较好把握全球大气环流对ENSO信号的响应特征,从而通过对ENSO预报技巧的改进有效地提升了模式整体的预报性能。从概率预报来看,BCC二代模式对我国冬季气温和夏季降水具备一定的预报能力,特别是对我国东部大部分地区冬季气温正异常和负异常事件预报的可靠性和辨析度相对较高。因此,进一步提高模式对热带大尺度异常信号和大气主要模态的预报能力、加强概率预报产品释用对提高季节气候预测水平具有重要意义。 相似文献
17.
Sapna Sharma John J. Magnuson Gricelda Mendoza Stephen R. Carpenter 《Climatic change》2013,118(3-4):857-870
We investigate the temporal patterns in inter-annual variability in ice breakup dates for Lakes Mendota and Monona, Wisconsin, between 1905 and 2004. We analyze the contributions of long-term trends attributed to climate change, local weather, indices of sunspots, and large-scale climatic drivers, such as the North Atlantic Oscillation (NAO) and El Niňo Southern Ocean Index (ENSO) on time series of lake-ice breakup. The relative importance of the aforementioned explanatory variables was assessed using linear regression and variation partitioning models accounting for cyclic temporal dynamics as represented by Moran Eigenvector Maps (MEM). Model results explain an average of 58 % of the variation in ice breakup dates. A combination of the long-term linear trends, rain and snowfall in the month prior to breakup, air temperature in the winter prior to breakup, cyclic dynamics associated with sunspot numbers, ENSO, and for Lake Mendota, NAO, all significantly influence the timing of ice breakup. Significant cycle lengths were 3.5, 9, 11, and 50 years. Despite their proximity, Lakes Mendota and Monona exhibit differences in how and which explanatory variables were incorporated into the models. Our results indicate that lake ice dynamics are complex in both lakes and multiple interacting processes explain the residuals around the linear warming trends that characterize lake ice records. 相似文献
18.
Ariane Koch-Larrouy Matthieu Lengaigne Pascal Terray Gurvan Madec Sebastien Masson 《Climate Dynamics》2010,34(6):891-904
The sensitivity of the tropical climate to tidal mixing in the Indonesian Archipelago (IA) is investigated using a coupled
general circulation model. It is shown that the introduction of tidal mixing considerably improves water masses properties
in the IA, generating fresh and cold anomalies in the thermocline and salty and cold anomalies at the surface. The subsurface
fresh anomalies are advected in the Indian Ocean thermocline and ultimately surface to freshen the western part of the basin
whereas surface salty anomalies are advected in the Leuwin current to salt waters along the Australian coast. The ~0.5°C surface
cooling in the IA reduces by 20% the overlying deep convection. This improves both the amount and structure of the rainfall
and weakens the wind convergence over the IA, relaxes the equatorial Pacific trade winds and strengthens the winds along Java
coast. These wind changes causes the thermocline to be deeper in the eastern equatorial Pacific and shallower in the eastern
Indian Ocean. The El Nino Southern Oscillation (ENSO) amplitude is therefore slightly reduced while the Indian Ocean Dipole/Zonal
Mode (IODZM) variability increases. IODZM precursors, related to ENSO events the preceding winter in this model, are also
shown to be more efficient in promoting an IODZM thanks to an enhanced wind/thermocline coupling. Changes in the coupled system
in response tidal mixing are as large as those found when closing the Indonesian Throughflow, emphasizing the key role of
IA on the Indo-Pacific climate. 相似文献
19.
Mohamed S. Siam Guiling Wang Marie-Estelle Demory Elfatih A. B. Eltahir 《Climate Dynamics》2014,43(3-4):1011-1023
A significant fraction of the inter-annual variability in the Nile River flow is shaped by El Niño Southern Oscillation (ENSO). Here, we investigate a similar role for the Indian Ocean (IO) sea surface temperature (SST) in shaping the inter-annual variability of the Nile River flow. Using observations of global SST distribution and river flow in addition to atmospheric general circulation model sensitivity experiments, we show that North and Middle IO SSTs play a significant intermediate role in the teleconnection between ENSO and the Nile flow. Applying partial coherency analyses, we demonstrate that the connection between North and Middle IO SSTs and Nile flow is strongly coupled to ENSO. During El Niño events, SST in the North and Middle IO increases in response to the warming in the Tropical Eastern Pacific Ocean and forces a Gill-type circulation with enhanced westerly low-level flow over East Africa and the Western IO. This anomalous low-level flow enhances the low-level flux of air and moisture away from the Upper Blue Nile (UBN) basin resulting in reduction of rainfall and river flow. SSTs in the South IO also play a significant role in shaping the variability of the Nile flow that is independent from ENSO. A warming over the South IO, generates a cyclonic flow in the boundary layer, which reduces the cross-equatorial meridional transport of air and moisture towards the UBN basin, favoring a reduction in rainfall and river flow. This independence between the roles of ENSO and South IO SSTs allows for development of new combined indices of SSTs to explain the inter-annual variability of the Nile flow. The proposed teleconnections have important implications regarding mechanisms that shape the regional impacts of climate change over the Nile basin. 相似文献