共查询到17条相似文献，搜索用时 109 毫秒
1.
选取前期9、6和3个月欧亚大陆地表温度、东北半球500 h Pa高度场、热带印度洋海表面温度和西太平洋海表面温度作为预报因子,使用变形的典型相关分析(BP-CCA)方法,并选取各因子预报效果最好的时期作为关键时期,建立起各因子和青藏高原冬季气温之间的统计降尺度模型。之后用交叉验证和集合典型相关分析(ECC)方法评估模型实际预报能力。进一步用独立样本检验来评估模型更长时间尺度的年际变化预测效果。结果表明,BP-CCA方法能很好地识别出不同因子影响青藏高原的空间模态。其中,温度积雪反照率的正反馈机制体现了欧亚大陆地表温度的可预报性;东北半球500 h Pa高度场环流型不利于高纬的冷空气入侵高原地区;热带印度洋海表面温度反映出典型的印度洋偶极子对高原气温的调控作用;西太平洋海表面温度通过控制副热带高压的位置,从而影响高原冬季气温。各因子预报场和观测场的相关系数在交叉检验和独立样本检验中分别约为0.5和0.3,均有一定的预报技巧。而利用ECC方法能综合各因子所提供的预报信息,从而得出更为可信和稳定的预报。 相似文献
2.
我国东南夏季干旱指数的ECC预测方法 总被引：2，自引：0，他引：2
根据中国东南夏季气温和降水显著负相关的特点,构造合适的干旱指数。选取美国NCEP／NCAR再分析月平均海表温度场、北半球500hPa高度场、亚欧大陆表面温度场作为预测因子,取由国家气象中心整理的中国160站月平均降水和温度资料计算出的东南部干旱指数作为预测对象,采用集合典型相关分析方法（ensemble canonical correlation,ECC）预测东南夏季干旱指数。预测与实况之间的空间相关性和时间相关性均表明,该方法优于单因子场典型相关分析（canonical correlation analysis,CCA）预测方法,其中采用超级集合平均法又比等权集合平均法具有更高的预测技巧。 相似文献
3.
以中国夏季气温为预测对象,选取东亚地区冬季500 h Pa高度场、海平面气压场、地表温度场和850 h Pa温度场为预测因子,采用1951~2009年去趋势处理后的资料,通过变形的典型相关分析(Barnett-Preisendorfer Canonical Correlation Analysis,BP-CCA)方法分别建立单因子预测模型,再利用集合典型相关分析(Ensemble Canonical Correlation,ECC)方法建立集合预测模型,对中国夏季气温进行基于交叉检验方法的预测试验,然后利用2010~2014年的资料对中国夏季气温进行独立样本检验。通过分析BP-CCA模态可知,一对BP-CCA模态的空间型在一定程度上可以反映预报因子场和对象场的遥相关特征。通过基于交叉检验方法的预测试验表明环流场和热力场均能为气温提供预测信息。ECC预测模型综合了各个预报因子的在不同地区的预报技巧,比单因子BP-CCA预测模型有更高、更稳定的预报技巧。独立样本检验表明ECC模型与单因子BP-CCA预测模型相比,对中国夏季气温有更高、更稳定的实际预测能力,对气温季节预测具有参考价值。 相似文献
4.
利用典型相关分析(CCA)方法建立统计气候预测模型，对我国冬季气温进行了预测试验，采用历史资料独立样本检验的方法，对预报技巧给出合理的评定。结果表明，使用CCA方法对我国冬季气温进行短期气候预测，有一定的预报技巧，对于特定地区和特定时期优选的因子场组合，可以取得较为满意的预报效果。大部分地区的季平均预报时效在2个季以内时，最佳预报相关系数在0.5以上。季平均的预报水平明显高于月平均的预报。海温场是所有因子场中最好的预报因子，不仅单独海温场的预报效果较好，而且与其他因子场组合后的预报水平还可以得到进一步提高。 相似文献
5.
基于中国587站日最高、最低气温观测资料、月平均的ERA_interim土壤湿度（Soil Moisture,SM）再分析资料及扩展重建的海表面温度（Sea Surface Temperature,SST）资料（ERSST）,对极端气温指数进行了定义,利用变形的典型相关分析和集合典型相关分析方法（Ensemble Canonical Correlation,ECC）,分析了1979-2009年我国夏季极端气温与前期（春、前冬）SM、SST间的线性联系,建立了中国夏季极端气温预测模型,并对独立样本检验的效果进行了评估。结果表明：1）与中国夏季极端气温联系密切的前期SST异常的空间分布为类PDO（Pacific Decadal Oscillation）型,前期土壤湿度异常的区域为华南、青藏高原、东北和西北地区。2）交叉检验结果表明基于前冬预测因子的极端气温预测模型技巧高于春季,基于SM的极端气温预测模型技巧高于SST。3）独立样本检验表明基于前期SM、SST的ECC模型对中国东部夏季极端气温有一定的预测能力。因此,可以在夏季极端气温的预测业务中考虑前期SM、SST的影响。 相似文献
6.
对1979—2012年冬季气温应用经验正交分解方法,并利用北极海冰密集度(Sea Ice Concentration,SIC)和欧亚大陆雪盖(SNow Cover,SNC)观测数据,计算出秋季SIC和SNC对气温变化有显著影响的区域,建立SIC和SNC指数。基于交叉验证方法构建冰雪指数和我国气温的预测模型,定量评估冰雪因子对冬季气温的预测技能。结果表明,在预报技巧范围和评分上,9月SIC和11月SNC指数的综合预报效果优于单个指数的预报效果,高预报技巧区主要位于我国华北和东北地区,该区域平均距平相关系数为0.58,并且优于气候态后报高达18.7%,表明在季节预报系统中考虑冰冻圈的异常是非常有必要的。 相似文献
7.
基于土壤湿度和年际增量方法的中国夏季气温预测试验 总被引：3，自引：0，他引：3
本文利用中国160站月平均气温资料和欧洲中心ERA-Interim逐月再分析表层土壤湿度资料,通过相关分析选取欧亚大陆9个关键区的土壤湿度年际增量作为预测因子,采用变形的典型相关分析(BP-CCA)结合集合典型相关分析(ECC)的方法建立集合预测模型,对我国东部夏季气温年际增量进行预测,进而预测夏季气温。其中,1980—2004年的资料用于历史拟合试验,而2005—2014年的资料用于独立样本预测试验。首先利用BP-CCA方法对9个因子分别建立单因子预测模型,然后采用ECC方法对9个预测因子按照不同的组合方式建立集合预测模型,并且分析预测技巧。结果表明,不同预测因子的组合对我国夏季气温的预测能力不同:勒拿河下游地区、中国黄河以南地区、叶尼塞河下游地区、西西伯利亚平原地区以及印度半岛西北部地区的土壤湿度对华北夏季气温预测效果较好;中国黄河以南地区、叶尼塞河下游地区、印度半岛西北部地区、贝加尔湖东北地区以及贝加尔湖以西地区的土壤湿度对江淮夏季气温有较高预测技巧。所建立的两组集合预测模型均显示了较好的实际预测能力:华北气温预测模型预测气温距平的同号率为8/10,平均均方根误差为3.4%;江淮气温预测模型预测气温距平的同号率为7/10,平均均方根误差为2.7%。并且两组模型预测出的华北和江淮气温的预测评分(PS)均超过80分,而国际上通用的距平相关系数(ACC)均在0.3以上。这说明土壤湿度因子中包含对我国夏季气温有用的预测信号,可以考虑将土壤湿度应用于夏季气温预测业务中。 相似文献
8.
利用1979—2015年中国国家气候中心整编的160站月平均气温和NCEP/NCAR全球大气再分析资料,从1979/1980—2008/2009年冬季前期500 h Pa高度场、200 h Pa势函数和850 h Pa势函数场选择预测因子,考虑不同时效因子的组合及其独立性,综合应用多因子回归集合、交叉检验集合、逐月滚动集合,建立了针对中国冬季气温的逐月滚动预测模型,并利用该模型对2010/2011—2014/2015年冬季气温进行了独立预测试验和检验。结果表明,综合运用多种集合可提高短期气候客观定量预测的可行性和稳定性。多因子回归集合能增加可预测站点数,交叉检验集合可减少因统计关系不稳定而产生的对预报效果的影响,逐月滚动集合的应用不仅增加了可预测站点数,而且使预测效果更加稳定。本文建立的预测模型可对中国冬季气温进行长时效的预测,且有一定的预报技巧,对实际的季节预测业务有重要应用价值。 相似文献
9.
为了更加直观和深入地理解对流尺度集合预报中的降水集合预报产品,以便进一步向预报员推广应用,本文开展了基于对流尺度集合预报方法对2021年8月28—29日的一次暴雨过程的预报性能分析,对集合预报的暴雨和大暴雨量级降水预报技巧进行了综合分析。结果表明：(1)不同集合成员降水预报结果的差异随着降水量级的增大越发明显,预报最优和最差的成员的TS评分相差0.3以上。(2)概率匹配平均预报对于暴雨和大暴雨量级降水的预报技巧优于控制预报,也优于集合平均。集合平均由于集合成员预报的平滑作用导致其对极端降水不敏感,因此,简单的集合平均不适合于大暴雨以上量级的极端降水预报。(3)从最小值预报到最大值预报,随着集合百分位的增大,命中率、空报率和频率偏差均逐渐增大,70%或者80%集合百分位预报的预报技巧最优,且优于集合平均和概率匹配平均预报。(4)对于重庆东北部偏西地区出现的大暴雨量级降水,较长预报时效集合概率预报均预报出了一定的降水概率,最长提前60 h,相应的最优的集合成员的降水预报与实况也较为接近。 相似文献
10.
利用TIGGE(THORPEX Interactive Grand Global Ensemble)单中心集合预报系统(ECMWF、United Kingdom Meteorological Office、China Meteorological Administration和NCEP)以及由此所构成的多中心模式超级集合预报系统24小时地面日均气温预报,结合淮河流域地面观测率定贝叶斯模型平均(Bayesian model averaging,BMA)参数,从而建立地面日均气温BMA概率预报模型.由此针对淮河流域进行地面日均气温BMA概率预报及其检验与评估,结果表明BMA模型比原始集合预报效果好;单中心的BMA概率预报都有较好的预报效果,其中ECMWF最好.多中心模式超级集合比单中心BMA概率预报效果更好,采用可替换原则比普通的多中心模式超级集合BMA模型计算量小,且在上述BMA集合预报系统中效果最好.它与原始集合预报相比其平均绝对误差减少近7%,其连续等级概率评分提高近10%.基于采用可替换原则的多中心模式超级集合BMA概率预报,针对研究区域提出了极端高温预警方案,这对防范高温天气有着重要意义. 相似文献
11.
陆面热力因子应用于中国夏季降水预测的初步试验 总被引：4，自引：1，他引：3
基于对中国东部夏季降水与欧亚大陆土壤温度和全球海表温度的相关分析,选取不同关键区的土壤温度和海表温度作为夏季降水的预测因子。利用1961-1990年的资料,分别以土壤温度作为第1组预测因子,海表温度作为第2组预测因子,综合海表温度与土壤温度因子作为第3组预测因子,使用改进的典型相关分析和集合典型相关分析法对中国东部夏季降水场进行预测,建立了相应的预测模型。然后,利用1991—2010年的资料进行了独立样本预测试验。在独立样本预测试验中,综合海表温度与土壤温度因子建立的模型比只用海表温度进行预测的各项预测评分高,说明加入土壤温度因子后预测效果有所提高。基于陆面热力因子的预测模型对夏季降水有一定的技巧,而综合海温与陆面热力因子的预测模型对中国东部夏季降水有较高的预测能力。 相似文献
12.
不同区域海温异常对中国夏季旱涝影响的诊断研究和预测试验 总被引：3，自引：1，他引：3
利用季降水异常的典型集合相关预测模式, 研究了前期和同期不同季节全球海表温度距平场与中国夏季旱涝的遥相关分布特征以及这种相关型随季节的变化, 揭示了全球海温的异常变化在中国夏季旱涝中的信号特征.研究表明, 全球不同区域海温对我国夏季降水的影响存在着明显的季节差异.全球特定的海温分布可以作为中国夏季旱涝预报的信号因子.选取不同区域及不同时段的海温场作为因子场分别对1998、 1999年这两个典型年份的我国夏季降水进行了诊断研究和预测试验, 并通过不同区域海温的影响权重做集成预测.试验结果表明:不同区域海温的集成预测不仅可以有效地提高预测的准确性, 而且可以揭示不同时段不同区域海温的异常变化在夏季旱涝中的强信号现象. 相似文献
13.
Jin-Yong Kim Kyong-Hwan Seo Jun-Hyeok Son Kyung-Ja Ha 《Asia-Pacific Journal of Atmospheric Sciences》2017,53(2):207-216
An ensemble statistical forecast scheme with a one-month lead is developed to predict year-to-year variations of Changma rainfall over the Korean peninsula. Spring sea surface temperature (SST) anomalies over the North Atlantic, the North Pacific and the tropical Pacific Ocean have been proposed as useful predictors in a previous study. Through a forward-stepwise regression method, four additional springtime predictors are selected: the northern Indian Ocean (NIO) SST, the North Atlantic SST change (NAC), the snow cover anomaly over the Eurasian continent (EUSC), and the western North Pacific outgoing longwave radiation anomaly (WNP (OLR)). Using these, three new prediction models are developed. A simple arithmetic ensemble mean produces much improved forecast skills compared to the original prediction model of Lee and Seo (2013). Skill scores measured by temporal correlation and MSSS (mean square error skill score) are improved by about 9% and 17%, respectively. The GMSS (Gerrity skill score) and hit rate based on a tercile prediction validation scheme are also enhanced by about 19% and 13%, respectively. The reversed NIO, reversed WNP (OLR), and reversed NAC are all related to the enhancement of a cyclonic circulation anomaly to the south or southwest of the Korean peninsula, which induces southeasterly moisture flux into the peninsula and increasing Changma precipitation. The EUSC predictor induces an enhancement of the Okhotsk Sea high downstream and thus strengthening of Changma front. 相似文献
14.
There is strong evidence that Indian Ocean sea surface temperatures (SSTs) influence the climate variability of Southern Asia and Africa; hence, accurate prediction of these SSTs is a high priority. In this study, we use canonical correlation analysis (CCA) to design empirical models to assess the predictability of tropical Indian Ocean SST from sea level pressure (SLP) and SST themselves with lead-times up to one year. One model uses the first twelve empirical orthogonal functions (EOFs) of SLP over the Indian Ocean using different lead-times to predict SST. A CCA model with EOFs of SST as the predictor at the same lead-times is compared to SLP as a predictor and shows the auto-correlation of the system. A CCA using the first five extended empirical orthogonal functions (EEOFs) of sea level pressure over the Indian Ocean basin for an interval of two years combined with SST EOFs as predictors is found to produce the greatest correlation between forecast and observed SSTs. This model obtains higher skill by explicitly considering the development in time of SLP anomalies in the region. The skill of this model, assessed from retroactive forecasts of an 18 year period, shows improvement relative to other empirical forecasts particularly for the central and eastern Indian Ocean and boreal autumn months preceding the Southern Hemisphere summer rainfall season. This is likely due to the limited domain of this model identifying modes of variability that are more pronounced in these areas during this season. Finally, a nonlinear canonical correlation analysis (NLCCA) derived from a neural network is used to analyze the leading nonlinear modes. These nonlinear modes differ from the linear CCA modes with distinct cold and warm SST phases suggesting a nonlinear relationship between SST and SLP over the tropical Indian Ocean. 相似文献
15.
A 15 member ensemble of 20th century simulations using the ECHAM4–T42 atmospheric GCM is utilized to investigate the potential predictability of interannual variations of seasonal rainfall over Africa. Common boundary conditions are the global sea surface temperatures (SST) and sea ice extent. A canonical correlation analysis (CCA) between observed and ensemble mean ECHAM4 precipitation over Africa is applied in order to identify the most predictable anomaly patterns of precipitation and the related SST anomalies. The CCA is then used to formulate a re-calibration approach similar to model output statistics (MOS) and to derive precipitation forecasts over Africa. Predictand is the climate research unit (CRU) gridded precipitation over Africa. As predictor we use observed SST anomalies, ensemble mean precipitation over Africa and a combined vector of mean sea level pressure, streamfunction and velocity potential at 850 hPa. The different forecast approaches are compared. Most skill for African precipitation forecasts is provided by tropical Atlantic (Gulf of Guinea) SST anomalies which mainly affect rainfall over the Guinean coast and Sahel. The El Niño/Southern Oscillation (ENSO) influences southern and East Africa, however with a lower skill. Indian Ocean SST anomalies, partly independent from ENSO, have an impact particularly on East Africa. As suggested by the large agreement between the simulated and observed precipitation, the ECHAM4 rainfall provides a skillful predictor for CRU precipitation over Africa. However, MOS re-calibration is needed in order to provide skillful forecasts. Forecasts using MOS re-calibrated model precipitation are at least as skillful as forecast using dynamical variables from the model or instantaneous SST. In many cases, MOS re-calibrated precipitation forecasts provide more skill. However, differences are not systematic for all regions and seasons, and often small. 相似文献
16.
ENSO预测的目标观测敏感区在热带太平洋海温的多模式集合预报中的应用 总被引：1，自引：0，他引：1
本文将ENSO预测的目标观测敏感区与多模式集合预报方法相结合, 提出了一种能够有效提高预报技巧且又具有较小计算成本的多模式集合预报方法。该方法在目标观测敏感区内采用模式不等权的多模式超级集合预报方法(SUP), 而在其他区域采用相对简单的等权的多模式消除偏差集合平均方法(BREM)。利用CMIP5中15个气候系统模式的工业革命前参照试验(pi-Control)数据, 针对热带太平洋海温的长期演变开展了理想预报试验。将新集合预报方法与现有的多模式集合预报方法进行了比较。结果表明, 在所考察的预报期内(即1～20年), 新集合预报方法与整个热带太平洋区域使用SUP方法具有相当的预报技巧, 但前者的计算成本明显小于后者, 计算时间仅为后者的1/4。可见, 新方法是一个具有较高预报技巧且计算成本较小的多模式集合预报方法。同时, 其较高的预报技巧强调了热带太平洋SST预测对ENSO目标观测敏感区内的模式误差也是极端敏感的, 也正因如此, 多模式集合预报方法才能够有效过滤模式误差的影响, 具有较高的预报技巧。 相似文献
17.
我国夏季降水与前期太平洋海温场关系的典型相关分析 总被引：5，自引：0，他引：5
对太平洋海温场与我国夏季降水之间的典型相关分析表明,海温场第一典型分布型的季节变化为：秋季东南高西北低、冬季东西低中间高、春夏季西北高东南低。典型主分量的时间变化规律清楚地反映出ＥｌＮｉｎｏ的演变过程。用ＣＣＡ短期气候预测模型对我国夏季降水的预报试验结果显示,我国的降水对因子场的响应存在明显的地区性差别,且预报效果同各区降水指数与典型主分量相关性的高低关系密切。 相似文献