共查询到20条相似文献，搜索用时 746 毫秒
1.
《青海气象》2014,(2)
在国家气候中心的支持下,新疆气候中心完成了FODAS系统的安装和本地化应用工作。包括数据更新,建立本地化制图模板,筛选针对新疆区域的影响因子,完成历年回报检验并逐步开展了FODAS的业务试用工作。利用国家气候中心BCC_CGCM季节预测结果资料、CMAP降水实况资料(1983—2012),采用PS评分对近5年FODAS不同方法的夏季预测产品进行回报检验,并与业务评分进行对比。结果表明:熊开国—固定因子—动力统计订正方法、熊开国—异常因子—动力统计订正方法、系统误差订正和熊开国—固定因子和异常因子的集成方法得分较高,高于夏季降水预测业务评分。总体来看,熊开国方法(方法Ⅰ)的预测效果比杨杰方法(方法Ⅱ)的预测效果要稳定一些。 相似文献
2.
影响我国夏季汛期降水异常的因子繁多,不同因子之间复杂的相互作用制约我国夏季降水季节预测水平。目前动力模式对降水预测技巧水平较低,如何开发客观统计预报方法,提高我国夏季降水预报技巧依然存在挑战。该文基于最小二乘法拟合和交叉检验方法,提出一种搜索预测因子潜在预测技巧的方法（潜在技巧分布图）,并基于该方法开发预测因子自动选择器,建立中国夏季降水异常自动统计预测模型。与传统线性相关分析相比,潜在技巧分布图不受极端气候事件影响,可直观展现具有显著预测技巧的前兆信号,而预测因子自动选择器则能从潜在技巧分布图中自动筛选最优预测因子,获得逐年不同的预测因子,更符合中国夏季降水异常影响因子多样性的客观事实。在完全剔除预测当年信息的回报试验中,该预测模型对1999—2019年中国夏季汛期降水异常的历史回报技巧明显高于动力模式。通过方差订正,历史回报降水的PS评分从71.00分提高到82.10分,显示了该模型的潜在预报潜力。 相似文献
3.
现阶段的动力气候模式尚不能满足东亚区域气候预测的实际需求,这就需要动力和统计相结合的方法,将动力模式中具有较高预测技巧的大尺度环流信息应用到降水等气象要素的统计预测模型当中,以改善后者预测效果。本文中所介绍的组合统计降尺度模型,可将动力气候模式预测的大尺度环流变量和前期观测的外强迫信号作为预测因子来预测中国夏季降水异常。交叉检验结果显示,组合统计降尺度预测模型的距平相关系数较原始模式结果有较大提高。在实时夏季降水预测中,2013～2018年平均的预测技巧相对较高,趋势异常综合检验（PS）评分平均为71.5分,特别是2015～2018年平均的PS评分预测技巧达到72.7分,总体上高于业务模式原始预测和业务发布预测的技巧。该组合统计降尺度模型预测性能稳定,为我国季节预测业务提供了一种有效参考。 相似文献
4.
针对四川汛期候降水距平百分率（PAP）,采用距平相关系数（ACC）、时间相关系数（TCC）、符号一致率（SCR）和趋势异常综合评分（PS）4种预测评分方法对S2S计划中10个模式的预测技巧进行检验评估,并在误差分析的基础上提出“正负概率异常订正”方案对各模式候降水距平百分率预测结果进行订正。结果表明,随着预测时效延长,多数模式的预测技巧快速降低,模式间预测技巧的差距缩小。至第10天左右,各模式进入低技巧时段,预测技巧随时效变化的幅度减小,各模式仅对降水趋势异常有一定预测能力,其中BoM模式明显高于其他模式。除BoM模式外的其他模式对降水年际变化幅度都存在低估,降水距平百分率异常偏差为?33%—?18%,不随预测时效发生太大变化,但空间分布不均。经过误差订正各模式的距平相关系数和符号一致率有所提高,趋势异常综合评分有效提高,并且对次季节尺度的订正效果优于天气尺度。订正后,各模式在次季节尺度的平均趋势异常综合评分均高于76.8, 66.7%的模式评分为79.2—80.2,超过业务评分标准（72.0）近8分。订正效果在4 a独立样本检验中也得到验证。 相似文献
5.
汛期降水预测是短期气候预测的重要内容之一,也是难点之一。近20年来,动力-统计相结合的预测方法在解决这一复杂的科学难题方面取得了一定进展。该文系统地介绍了近年来国家级气候预测业务中关于动力-统计客观定量化预测的原理、最优因子订正和异常因子订正两类预测方案,及动力-统计集成的中国季节降水预测系统 (FODAS1.0)。2009—2012年的汛期降水预测中,动力-统计客观定量化预测方法4年平均PS评分为73,距平相关系数为0.16,体现了较高的预报技巧。但该方法仍存在不足,需通过加强气候因子与降水之间关系的诊断分析、完善短期气候模式的物理过程、改进参数化方案及研发有针对性的区域气候模式等手段,进一步提高模式本身的预报技巧,使动力-统计预测方法在汛期降水预测中发挥更大作用。 相似文献
6.
本文利用4个国内外先进的气候模式（国家气候中心、ECMWF、NCEP和JMA）业务预测数据,采用2种多模式集合方法（等权平均和超级集合）、3种降尺度方法（BP-CCA、EOF迭代、高相关回归集成）和3种统计方法（CCA、最优气候值、高相关回归集成）以及降尺度集成和降尺度-统计方法集成,分析了目前季节模式、多模式集合、降尺度、统计方法、降尺度-统计集合等目前常用气候预测技术对新疆夏季降水和冬季气温的业务预测能力。
研究表明,以上技术方法对新疆夏季降水和冬季气温的预测预测能力有较大差别。目前先进的气候业务模式的预测技巧普遍很低,多模式超级集合和降尺度方法的技巧常高于单个模式,并且最佳的降尺度方法通常技巧高于最佳多模式集合方法。同时,统计方法和降尺度方法的预测技巧通常较为接近,而对二者进行超级集合可以具有相对很高的预测技巧。此外,现有常用气候预测技术方法对新疆夏季降水和冬季气温的趋势有一定的预测能力,但对气候异常的空间分布基本无预测能力。建议新疆气候预测技术围绕统计和降尺度方法集合发展。 相似文献
7.
中国夏季降水大幅度月际尺度变化往往造成极端旱涝事件交替或转折,但其月际异常会被季节平均掩盖,影响季节尺度气候预测准确度,因此亟需考虑月际气候预测,提升月际—季节尺度气候预测准确度。本文首先采用年际增量和场信息耦合型预测方法研制中国夏季6～8月月际尺度降水动力和统计结合气候预测模型,之后根据月际尺度降水预测,开展季节平均降水预测。首先,基于前期观测信息和美国第二代气候预测系统（CFSv2）预测结果,选取前期12月观测的南太平洋中高纬关键区海温、1月北极关键区海冰密集度以及CFSv2预测系统2月起报的夏季同期关键区海温作为月际尺度降水预测因子,分别研制以上具有物理意义的单预测因子预测模型,并采用奇异值分解（SVD）误差订正方法对其改进;之后,利用多因子择优集合方案,研制预测效能较高且稳定的中国160站夏季月际尺度降水动力和统计结合预测模型,进而基于月际尺度预测开展夏季季节平均气候预测。1983～2022年夏季（6～8月）中国160站逐月降水预测模型的交叉检验结果表明：逐月回报与观测降水距平百分率的时间相关系数通过90%置信水平的站点占比分别为90%,88%,82%,多年平均的空间相关系数分... 相似文献
8.
针对江苏夏季旱涝和高温热浪等异常气候的预测难题，以江苏夏季站点降水和气温为预测目标，建立了一种基于全球动力模式BCC_CSM1.1（m）和最优可预测气候模态和异常相对倾向（SMART）原理结合的统计降尺度季节气候预测方法。利用历史观测资料和SVD方法提取决定中国夏季降水异常相对倾向的同期热带地区向外长波辐射（Outgoing Longwave Radiation，OLR）和北半球中高纬500 hPa位势高度场异常相对倾向的最优可预测气候模态，并利用逐步回归法构建其与同期江苏站点降水和气温异常相对倾向同期关系的统计降尺度模型；将动力模式对最优可预测气候模态的预测带入统计降尺度模型，实现对区域降水和气温异常相对倾向的预测；最后通过引入观测的近期背景异常实现对降尺度的降水和气温总距平的预测。通过对1991—2019年江苏夏季降水和气温的回报检验表明，本文建立的统计降尺度模型效果较BCC_CSM1.1（m）动力模式的直接预测效果有显著提高，为区域精细化季节气候预测提供了一种有效的手段。 相似文献
9.
基于CWRF(climate extension of WRF)区域气候模式的动力降尺度预测技术对夏季降水预测存在一定偏差,难以实现准确预测。本文立足于中国区域夏季降水特点,分析与夏季降水相关的气象要素,采用树突(dendrite, DD)网络与人工神经网络(artificial neural networks, ANN)相结合的方法,针对CWRF模式回报的1996—2019年夏季降水量进行订正,检验其订正效果。结果表明：人工树突神经网络(artificial dendritic neural network, ADNN)算法模型订正的中国夏季降水量整体好于CWRF模式历史回报,距平相关系数和时间相关系数较订正前均提高约0.10,均方误差下降约26%,趋势异常综合检验评分提高6.55,表明ADNN机器学习方法能够对CWRF模式夏季降水预测实现一定程度的订正,从而提高该模式降水预测精度。 相似文献
10.
采用1991—2017年BCC_CSM1.1m季节预测模式的月降水预测数据及福建省前汛期（4—6月）66个国家气象站降水资料,利用距平相关系数(ACC)、时间相关系数(TCC)、平均方差技巧评分(MSSS)和趋势异常综合评分(Ps)等评估方法,检验评估了提前0、1、2和5个月模式对福建省前汛期降水的预测能力。采用系统偏差、一元线性回归和EOF-相似误差（EOFL和EOFNL）等4种统计方法对回报结果进行订正,并进行效果检验。BCC_CSM1.1m在不同起报时间对福建省前汛期降水的预测均能抓住降水的前两个主模态：全省一致和南北反向分布的空间特征,但预测的气候平均值较实况存在负偏差。模式在不同起报时间对前汛期降水预测的TCC高技巧区主要位于福建省北部,ACC技巧和Ps评分存在比较大的年际差异,负系统偏差的存在使得MSSS技巧不高。经订正后,模式的预测能力得到明显提升。系统偏差、线性回归、EOF相似误差线性和非线性订正方法提前2个月起报的2011—2017年平均Ps评分分别提高5.9、3.5、6.7和7.8分;不同起报时间线性回归订正的2011—2017年平均ACC技巧分别提高0.02、0.21、0.12和0.11;上述4种方法订正的MSSS评分均有了显著提高,其中系统偏差和线性回归订正后达正技巧。综合而言,线性回归订正较其他3种订正方法表现出更为稳定的订正技巧。 相似文献
11.
多模式集合和降尺度技术是提升模式预测能力的有效工具。该文对国家气候中心多模式解释应用集成预测 (MODES) 技术与业务应用现状进行了综合介绍。MODES采用欧洲中期天气预报中心、东京气候中心、美国国家环境预报中心和中国气象局国家气候中心4个气候业务季节预测模式输出场,利用EOF迭代、变形的典型相关分析、最优子集回归和高相关回归集成4种统计降尺度方法以及等权平均、经典超级集合等集成方法进行全国月及季节降水和气温预测。目前对MODES进行了夏季回报检验和约1年的实时业务应用。回报检验和业务应用表明,MODES对气温有较好的预测能力 (月预测平均PS评分为76),对降水有一定预测技巧 (月预测平均PS评分为68),具有短期气候预测业务应用价值。 相似文献
12.
利用1961—2019年江苏省67个站降水量和气候指数数据集等资料,选取大气环流、海温和积雪等先兆信号的不同组合作为预测因子方案,通过对比不同机器学习方法对江苏省夏季降水开展预测试验。结果表明,深度神经网络（Deep Neural Network,DNN）较传统统计方法和其他机器学习方法有一定优势,深度神经网络结合动态权重集合因子方案对江苏省夏季降水的预测技巧最高,其独立样本检验结果稳定,2015—2019年的平均PS评分为76.0,距平符号一致率为0.62,距平相关系数达0.35,尤其对江苏省中南部的预测技巧更高,具有业务应用价值。不同预测因子方案对比分析表明,大气环流因子在江苏省夏季降水预测中做主要贡献,而海温因子和积雪等其他因子也有正贡献,说明使用综合性预测因子以及集合方案有助于提升季节预测准确率。 相似文献
13.
基于美国国家环境预报中心CFSv2模式1982-2019年2月起报的预测数据和新疆99个气象站的降水资料，利用EOF方法对模式预测结果进行误差订正，并评估了订正前后模式对新疆夏季降水的预测能力。结果表明：CFSv2模式能够预测出新疆夏季降水前三个模态的空间结构，对第一模态时间系数的预测能力较好，对第二、三模态预测较差；对新疆夏季降水的总体预测性能较差，对降水趋势和量级有一定的预测能力；对降水异常偏少年的预测性能好于异常偏多年；空间上对南疆降水预测性能较好，北疆西部较差。EOF订正能够显著提高模式的降水预测能力，改进了主模态方差贡献、第一、二模态空间结构的中心位置和时间系数的预测性能；独立预报评分ACC、Pc、Ps比原始模式分别提高了0.19、18%、12%；对异常年预测性能的提高好于正常年；全疆除东疆外预测性能均有所提高，尤其是北疆西部。 相似文献
14.
采用多尺度时空投影(MSTP)预测思路建立广东月降水和季节降水预测方法。通过EOF分解、小波分析和Lanczos滤波方法进行周期分解, 采用MSTP方法进行预测。借鉴年际增量法, 对预报结果用最小二乘法进行误差订正, 得到降水预测结果。PS预测评分和均方根误差10年独立样本检验(2006—2015年)结果显示:订正后, PS预测评分起伏较小, 68.8%的月降水和季节降水PS预测评分明显提高的年份超过6年, 且有87.5%的月降水和季节降水PS预测平均分达到70以上; 在±0.5个标准差范围内, 订正后均方根误差在40%以上的概率分布明显高于订正前, 订正后的月和季节降水占81.3%, 订正前占31.3%;在±1个标准差范围内, 概率分布在70%以上的月季降水订正前后相差不多, 订正后占56.3%, 订正前占50%。 相似文献
15.
1978～2018年全国夏季降水实时业务预测技巧显示东北地区明显偏低,尤其是近几年在对全国夏季旱涝的总体分布预测效果明显提高的情况下,对东北地区的预测却与实况相反,因此有必要分析该区域预测技巧偏低的原因。利用站点资料、再分析格点数据、实时预测历史数据及统计诊断等方法,探讨了动力气候模式预测能力以及东北夏季降水预测的认识缺陷。通过系统地回顾东北夏季旱涝的气候特征、影响因子及预测方法等方面的研究进展,以及东北夏季降水实时预测检验,得出预测技巧偏低的可能原因:（1）东北初夏降水主要受东北冷涡活动的影响,盛夏主要受西太平洋副热带高压、东北南风和中高纬环流型的共同作用,而业务常用的国内外主要动力气候模式无法准确反映与东北初夏和盛夏降水相联系的关键环流系统;（2）东北夏季降水与全球海温的关系较弱且不稳定,尤其是与ENSO的关系较为复杂,年际关系随年代际变化而波动,即ENSO不是预测东北夏季降水的强信号;（3）东北夏季降水具有明显的季节内、年际和年代际等多时间尺度变率,夏季降水受到多种时间尺度信息的叠加和调控,不同尺度变率的贡献相当,且影响系统不同,导致预测难度较大。最后,进一步探讨了东北夏季降水预测存在的科学问题及可能的解决途径,以期为夏季业务预测提供参考。 相似文献
16.
利用1979—2018年夏季逐日观测和再分析数据，对北半球夏季热带季节内振荡影响我国夏季降水的规律和预测方法开展了研究。首先，利用非传统滤波即异常相对倾向（Anomalous Relative Tendency，ART）方法获取了气象要素的次季节变化分量，并采用EOF分析方法提取了北半球夏季热带主要季节内振荡信号，结果表明向外长波辐射（Outgoing Longwave Radiation，OLR）异常相对倾向EOF前两个模态共同反映了北半球夏季起源于印度洋并向东和向北传播的、具有30~60 d周期的季节内振荡（Boreal Summer Intraseasonal Oscillation，BSISO）信号。回归分析表明，该季节内振荡信号能够导致当地及其北面地区低层风场和位势高度场异常，影响该地区及其北面地区的水汽辐合辐散，从而能引起我国尤其是我国南方地区季节内旱涝变化，并一定程度上反映了我国异常雨带的向北推进过程。而后，将提取的热带主要季节内振荡信号作为预测因子，将降水异常相对倾向作为先行预板对象，利用多元线性回归方法构建了我国夏季旬降水异常相对倾向的预报模型，将预报的旬降水异常相对倾向加上观测已知的降水近期背景距平，从而得到旬降水距平的预报结果。通过历史回报和交叉检验，评估了该模型对梅雨期我国江淮流域降水（包括2020年梅汛期异常降水）的次季节预测能力。 相似文献
17.
利用高原积雪信号改进我国南方夏季降水预测的新方法及其在2014年降水预测中的应用试验 总被引：1，自引：0，他引：1
2014年夏季我国南方出现严重洪涝、北方大部干旱,国内绝大多数预测模型在三月起报的汛期预测中均未能抓住位于南方地区的异常雨带,导致预测准确率明显偏低。基于模式对东亚地区夏季海平面气压场的高预报技巧和青藏高原冬季积雪与南方地区夏季降水的高相关性,本文提出一个针对我国夏季降水异常的组合统计降尺度预测新方法（Hybrid Statistical Downscaling Prediction,简称HSDP）,该方法综合利用了气候模式输出的高可预报性环流信息和前期观测的高原积雪异常信号,从而实现对我国南方夏季降水进行动力-统计相结合的改进预报。据此方法建立了一个基于国家气候中心气候预测模式的统计降尺度模型。对我国南方夏季降水进行跨季节预测的交叉检验结果显示,HSDP方法对于南方地区多年平均空间距平相关系数从模式原始预报的-0.006提高到0.24,且在大多数年份均有改进。基于HSDP方法于三月份制作的2014年夏季降水预测,能够很好地抓住南涝北旱的基本形势和我国南方的降水大值区,空间距平相关系数达到0.43。这表明,该方法对于我国夏季降水预测具有较好业务应用前景。 相似文献
18.
基于CFS预报产品的广东省季节降水统计降尺度预测 总被引：2，自引：0，他引：2
美国国家环境预报中心（NCEP）开发的气候预报系统（CFS）预报数据资料有1981—2008年共28年历史预报数据,有实时的预报产品（含有未来9个月的预报值）。与NCEP资料相比,CFS能较好模拟季风环流的季节变化,能超前几个月模拟出ENSO发展和衰减时期的海温异常发展,可以用于广东季节降水预测。采用CFS预报产品开发基于最优子集回归和多元均生函数的广东季节降水的两种统计降尺度预报方法。经过分析检验,分别选取海平面气压场、风场和位势高度场显著影响区域作为同期预报因子,从多年（2001—2008年）的历史回报检验来看,虽然两种预测模型对于个别季节存在年内预报效果不稳定性,但综合而言,大部分季节降水的气候预测评分总体平均在64分以上。2009/2010年的实时预报检验表明,两种预测模型均达到较好的预测水平,降水预测结果与实况较接近。与基于NCEP观测资料的传统统计方法比较,CFS预报产品具有实时性、更新快等优点。基于CFS预报产品的降尺度统计方法可以超前三个季预报广东降水,丰富了传统统计方法,但预报的稳定性还需进一步改进。 相似文献
19.
基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆（Long Short-Term Memory,LSTM）网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。 相似文献
20.
用前期大气环流指数预测新疆北部夏季降水的探讨 总被引：1，自引：0，他引：1
用1961-2007年新疆北部29站夏季(6-8月)降水资料,计算得到北疆夏季降水指数.以前期的月环流指数为因子,考虑相关系数的不稳定性,用滑动相关法初选因子,采用两级逐步回归的集合方案,尝试对北疆夏季降水指数进行预测.总样本数为47时,北疆夏季降水指数的拟合(预测)序列与原始序列之间的相关系数为0.7248.另外建立了10种不同总样本数的预测模型.经综合分析比较,以最终的统计集合预测效果最好,预测2008年北疆夏季降水将偏少,降水指数为106.9.结果表明:(1)滑动相关-逐步回归-集合预测方法以及在此基础上建立的统计集合预测模型具有一定的预测能力;(2)相关分析与时间序列分析相结合的思路和方法,可在季节、月等不同时间尺度的短期气候预测业务中应用. 相似文献