共查询到19条相似文献，搜索用时 218 毫秒
1.
利用共同经验正交函数(EOF)分解和逐步线性回归相结合的统计降尺度方法,研究了1月和7月华东地区41个气象观测站2070—2100年未来月平均温度变化情景的集合预估。同时采用850 hPa温度场、850 hPa位势高度和温度的联合场以及海平面气压和850 hPa温度的联合场作为预报因子变量场,对于两个场联合的预报因子变量场,采用的是两个变量场空间联合的EOF分解的方法。同时通过改变统计降尺度过程中输入的预报因子变量场、预报因子变量取值的区域,以及输入逐步线性回归方程的主分量个数共建立27种统计降尺度模型,并把它们应用于2种全球气候模式(GCMs):Echam5和HadCM3 IPCC AR4 20C3M和A1b情景,从而每个站点均生成1950—2099年(HadCM3)或1951—2100年(Echam5)1月和7月共54个IPCC TR4 A1b温度变化情景,然后对54种预估情景进行集合分析。多个温度变化情景的集合预估采用它们的中位数来表示。结果表明:(1)当前气候条件下,多个统计降尺度结果的集合预报如采用箱线图的中位数能够在一定程度上提高统计降尺度方法的模拟性能;(2)2070—2100年1月和7月未来气温情景相比当前气候条件的增温约3～4℃,7月与1月相比不确定性增大。 相似文献
2.
统计降尺度法在数值预报产品释用中的应用 总被引：7，自引：0，他引：7
目前数值模式输出的空间分辨率较低,缺少区域信息,很难对区域气候做精确的预测.降尺度方法通过把大尺度、低分辨率的数值模式输出信息转化为区域尺度的地面气候变化信息(如气温、降水),从而达到弥补数值模式预测区域未来气候变化不足的目的.这种做法的基础在于区域气候变化是以大尺度(如大陆尺度甚至行星尺度)气候为条件的.统计降尺度法以大尺度数值预报产品为预报因子,利用历史资料建立区域预报量与大尺度预报因子之间的统计模型,实现对数值预报产品的释用.在系统论述统计降尺度法的基本原理、一般步骤的基础上,初步探讨统计降尺度法在中期天气预报方面的应用. 相似文献
3.
基于ASD（automated statistical downscaling）统计降尺度模型提供的多元线性回归和岭回归两种统计降尺度方法,采用RCP4.5（representative concentration pathways 4.5）和RCP8.5情景下全球气候模式MPI-ESM-LR输出的预报因子数据、NCEP/NCAR再分析数据和秦岭山地周边10个气象站观测数据,评估两种统计降尺度方法在秦岭山地的适用性及预估秦岭山地未来3个时期（2006-2040年、2041-2070年和2071-2100年）的平均气温和降水。结果表明:率定期和验证期内,两种统计降尺度方法均可以较好地模拟研究区域的平均气温和降水的变化特征,且多元线性回归的模拟效果优于岭回归。在未来气候情景下,两种统计降尺度方法预估的研究区域平均气温均呈明显上升趋势,气温增幅随辐射强迫增加而增大。降水方面,21世纪未来3个时期降水均呈不明显减少趋势,但季节分配发生变化。综合考虑两种统计降尺度方法在秦岭山地对平均气温和降水的模拟效果和情景预估结果,认为多元线性回归降尺度方法更适用于秦岭山地气候变化的降尺度预估研究。 相似文献
4.
降尺度方法在中国不同区域夏季降水预测中的应用 总被引：5，自引：1，他引：4
在中国降水气候分区的基础上,利用降尺度方法进行区域夏季降水预测(RSPP),预测模型建立的基础是寻找影响区域气候的关键因子。降尺度预测模型中使用的资料有国家气候中心海-气耦合模式(CGCM/NCC)回报资料、NCEP/NCAR再分析资料和台站观测资料。为了避免年代际变化特征对季节尺度降水预测的影响,首先对CGCM/NCC模式输出资料、NCEP/NCAR再分析资料、区域平均降水资料去除年代际线性变化趋势,即去除所有预报因子场和预报对象场的长期变化趋势。然后分别计算预报对象和模式资料的预报因子场以及再分析资料的预报因子场的相关系数,把相关系数值同时达到0.05显著性检验水平的区域平均环流特征作为预测因子,保证挑选出的预测因子既能反映实际大气中预测因子与预报对象的关系,同时又是海-气耦合模式预测的高技巧信息。利用最优子集回归作为转换函数的降尺度方法建立区域夏季降水预测模型。交叉检验和独立样本检验结果表明,文中设计的区域夏季降水预测模型对中国大部分地区的夏季降水趋势预测的准确率较高且比较稳定,其预测效果远高于CGCM/NCC直接输出降水结果。进一步对具有较高预测技巧的代表性区域的可预报性来源分析发现,物理意义明确且独立性强的预测因子有助于提高预测准确率。 相似文献
5.
黄河源区未来地面气温变化的统计降尺度分析 总被引：6，自引：2，他引：4
大气环流模式(GCMs)模拟预测的气候变化情景,必须经过降尺度处理后才能得出次网格尺度上未来气候变化的时空分布细节,才能满足评估气候变化对资源、环境和社会经济等影响的需要.本文在简单介绍了目前降尺度模型的研究现状后,重点分析了统计降尺度方法的优缺点及适用性,并应用黄河源区7个站点1961-1990年的实测地区最高气温和最低气温资料,对统计降尺度模型(SDSM)的应用进行了分析和验证.首先利用SDSM建立大尺度气候要素和地面气温变量间的统计转换关系,确定模型应用的预报因子变量,然后用独立的观测资料验证模型的可靠性,最后把建立好的统计关系应用于英国Hadley中心海气耦合模式(HadCM3 SERS B2)的输出,分别生成了黄河源区7个站点未来3个时段2020s,2050s和2080s的气温变化情景.在此基础上,应用Arc/GIS的Kriging插值方法获得整个区域的气温变化情景进行分析.结果表明,日最高气温模拟值随时间推移增幅很快,3个时段(2020s,2050s和2080s)的平均气温变化情景分别为1.34,2.60和3.90℃,而日最低气温变化相对不明显,3个时段的平均气温变化情景分别为0.87,1.49和2.27℃.表现在每个季节和每个月的变化情景又各不相同,日最高气温以春季和秋季变化最显著,而日最低气温则以夏季和秋季的变化最为明显. 相似文献
6.
统计降尺度法对华北地区未来区域气温变化情景的预估 总被引：31，自引：1，他引：31
迄今为止，大部分海气耦合气候模式（AOGCM）的空间分辨率还较低，很难对区域尺度的气候变化情景做合理的预测。降尺度法已广泛用于弥补AOGCM在这方面的不足。作者采用统计降尺度方法对1月和7月华北地区49个气象观测站的未来月平均温度变化情景进行预估。采用的统计降尺度方法是主分量分析与逐步回归分析相结合的多元线性回归模型。首先，采用1961～2000年的 NCEP再分析资料和49个台站的观测资料建立月平均温度的统计降尺度模型，然后把建立的统计降尺度模型应用于HadCM3 SRES A2 和 B2 两种排放情景， 从而生成各个台站1950～2099年1月份和7月份温度变化情景。结果表明:在当前气候条件下，无论1月还是7月，统计降尺度方法模拟的温度与观测的温度有很好的一致性，而且在大多数台站，统计降尺度模拟气温与观测值相比略微偏低。对于未来气候情景的预估方面，无论1月还是7月，也无论是HadCM3 SRES A2 还是B2排放情景驱动统计模型，结果表明大多数的站点都存在温度的明显上升趋势，同时7月的上升趋势与1月相比偏低。 相似文献
7.
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
8.
最优子集回归方法在季节气候预测中的应用 总被引：7，自引：1，他引：6
利用DEMETER计划多个模式的模拟资料研究1959～2001年多模式集合预报的季节降水在中国区域的表现, 并结合最优子集回归(OSR)方法对中国区域的季节降水进行降尺度预报, 比较其与多模式集合预报的技巧。研究表明: 多个单模式在中国区域对季节降水的模拟性能普遍较差, 多元线性回归(MLR)集合的预报技巧不如集合平均(EM)。利用OSR方法进行降尺度预报可以极大改善中国区域季节降水的预报技巧。夏季, 降水距平相关系数(ACC)在长江以南、西藏以及内蒙古中部等地区提高很显著, ACC在中国区域的平均达到0.29, 明显高于多模式集合平均与多元线性回归集合。冬季, OSR方法可以改善多模式集合在中国北方地区较低的预报技巧。概率Brier技巧评分(BSS)也表明了OSR方法对季节降水预报的改善。需要说明的是, 虽然OSR方法在中国区域能明显提高季节降水的预报技巧, 但是其选取的预报因子与中国区域季节降水的物理机制问题仍有待于进一步的研究。 相似文献
9.
10.
基于TIGGE(THORPEX Interactive Grand Global Ensemble,全球交互式大集合)资料中欧洲中期天气预报中心(European Centre for Medium-Range Weather,ECMWF)、日本气象厅(Japan Meteorological Agency,JMA)、美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)和英国气象局(United Kingdom Met Office,UKMO)4个中心的北半球地面2 m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均(bias-removed ensemble mean,BREM)和多模式超级集合(superensemble,SUP)方法进行统计降尺度预报研究。结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果。引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小。对比综合表现最好的单中心ECMWF的预报,1~7 d的降尺度预报误差改进率均达20%以上。研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法。 相似文献
11.
Jianfeng WANG Ricardo M. FONSECA Kendall RUTLEDGE Javier MARTíN-TORRES Jun YU 《大气科学进展》2020,37(1):57-74
An accurate simulation of air temperature at local scales is crucial for the vast majority of weather and climate applications.In this work,a hybrid statistical–dynamical downscaling method and a high-resolution dynamical-only downscaling method are applied to daily mean,minimum and maximum air temperatures to investigate the quality of localscale estimates produced by downscaling.These two downscaling approaches are evaluated using station observation data obtained from the Finnish Meteorological Institute over a near-coastal region of western Finland.The dynamical downscaling is performed with the Weather Research and Forecasting(WRF)model,and the statistical downscaling method implemented is the Cumulative Distribution Function-transform(CDF-t).The CDF-t is trained using 20 years of WRF-downscaled Climate Forecast System Reanalysis data over the region at a 3-km spatial resolution for the central month of each season.The performance of the two methods is assessed qualitatively,by inspection of quantile-quantile plots,and quantitatively,through the Cramer-von Mises,mean absolute error,and root-mean-square error diagnostics.The hybrid approach is found to provide significantly more skillful forecasts of the observed daily mean and maximum air temperatures than those of the dynamical-only downscaling(for all seasons).The hybrid method proves to be less computationally expensive,and also to give more skillful temperature forecasts(at least for the Finnish near-coastal region). 相似文献
12.
利用TIGGE资料中欧洲中期天气预报中心(ECMWF,the European Centre for Medium-Range Weather Forecasts)、日本气象厅(JMA,the Japan Meteorological Agency)、美国国家环境预报中心(NCEP,the National Centers for Environmental Prediction)以及英国气象局(UKMO,the UK Met Office)4个中心1~7 d预报的日降水量集合预报资料,并以中国降水融合产品作为"观测值",对我国地面降水量预报进行统计降尺度处理。采用空间滑动窗口增加中雨和大雨雨量样本,建立分级雨量的回归方程,并与未分级雨量的统计降尺度预报进行对比。结果表明,对于不同模式、不同预报时效以及不同降水量级,统计降尺度的预报技巧改进程度不尽相同。统计降尺度的预报技巧依赖于模式本身的预报效果。相比雨量未分级回归,雨量分级回归的统计降尺度预报与观测值的距平相关系数更高,均方根误差更小,不同量级降水的ETS评分明显提高。对雨量分级回归统计降尺度预报结果进行二次订正,可大大减少小雨的空报。 相似文献
13.
Long-Term Trend of Temperature Derived by Statistical Downscaling Based on EOF Analysis 总被引：1，自引：0，他引：1 
下载免费PDF全文
下载免费PDF全文 This study analyzes the ability of statistical downscaling models in simulating the long-term trend of temperature and associated
causes at 48 stations in northern China in January and July 1961–2006. The statistical downscaling models are established
through multiple stepwise regressions of predictor principal components (PCs). The predictors in this study include temperature
at 850 hPa (T850), and the combination of geopotential height and temperature at 850 hPa (H850+T850). For the combined predictors,
Empirical Orthogonal Function (EOF) analysis of the two combined fields is conducted. The modeling results from HadCM3 and
ECHAM5 under 20C3M and SERS A1B scenarios are applied to the statistical downscaling models to construct local present and
future climate change scenarios for each station, during which the projected EOF analysis and the common EOF analysis are
utilized to derive EOFs and PCs from the two general circulation models (GCMs). The results show that (1) the trend of temperature
in July is associated with the first EOF pattern of the two combined fields, not with the EOF pattern of the regional warming;
(2) although HadCM3 and ECHAM5 have simulated a false long-term trend of temperature, the statistical downscaling method is
able to well reproduce a correct long-term trend of temperature in northern China due to the successful simulation of the
trend of main PCs of the GCM predictors; (3) when the two-field combination and the projected EOF analysis are used, temperature
change scenarios have a similar seasonal variation to the observed one; and (4) compared with the results of the common EOF
analysis, those of the projected EOF analysis have been much more strongly determined by the observed large-scale atmospheric
circulation patterns. 相似文献
14.
本文将研究对象从地面气象要素扩展到三维气象要素;针对三维气象要素空间分辨率提升问题,融合多气象要素交互影响、多尺度作用、多气压层气象要素天气系统配置作用等机理,提出一种多尺度残差拉普拉斯金字塔网络三维气象要素深度学习降尺度模型（Multi-Scale Residual Laplacian Pyramid Network,MSRLapN）。具体地,构造一种多尺度残差模块（Multi-Scale Resolution Block,MSRB）,用于从三维空间多种气象要素中自动提取预报特征;从机器学习领域引入多尺度金字塔技术描述气象要素的多尺度交互作用;然后,通过超分辨重建循环迭代方法,基于大样本历史数据学习订正降尺度预报的误差。在华东气候区,本文针对相对湿度和风速两种气象要素,实现了7种前沿深度学习超分辨降尺度方法的三维空间气象要素降尺度,并将本文提出的方法与这7种深度学习超分辨降尺度方法与之对比,实验结果表明：MSRB模块可从数据中有效提取三维气象要素多尺度作用的特征信息,MSRLapN有效实现了三维气象要素降尺度,效果优于其他对比方法。 相似文献
15.
Comparison of a very-fine-resolution GCM with RCM dynamical downscaling in simulating climate in China 总被引：2，自引：0，他引：2
Regional climate simulation can generally be improved by using an RCM nested within a coarser-resolution GCM. However, whether or not it can also be improved by the direct use of a state-of-the-art GCM with very fine resolution, close to that of an RCM, and, if so, which is the better approach, are open questions. These questions are important for understanding and using these two kinds of simulation approaches, but have not yet been investigated. Accordingly, the present reported work compared simulation results over China from a very-fine-resolution GCM (VFRGCM) and from RCM dynamical downscaling. The results showed that: (1) The VFRGCM reproduces the climatologies and trends of both air temperature and precipitation, as well as inter-monthly variations of air temperature in terms of spatial pattern and amount, closer to observations than the coarse-resolution version of the GCM. This is not the case, however, for the inter-monthly variations of precipitation. (2) The VFRGCM captures the climatology, trend, and inter-monthly variation of air temperature, as well as the trend in precipitation, more reasonably than the RCM dynamical downscaling method. (3) The RCM dynamical downscaling method performs better than the VFRGCM in terms of the climatology and inter-monthly variation of precipitation. Overall, the results suggest that VFRGCMs possess great potential with regard to their application in climate simulation in the future, and the RCM dynamical downscaling method is still dominant in terms of regional precipitation simulation. 相似文献
16.
降尺度方法在东亚气候预测中的应用 总被引：4，自引：2，他引：2
东亚气候变异十分复杂,全球动力预测系统对该地气候异常的预测能力偏低,如何进一步提高东亚地区气候异常的预测水平是一个非常重要的科学和现实需求问题。为此,近些年一系列的动力和统计降尺度方法得以发展。本文主要回顾了这些降尺度方法在东亚气候预测研究和实时预测中的应用。首先,文中简要介绍了我国目前应用于实时预测的全球动力预测系统及其性能,这是开展降尺度的科学和技术基础;在此基础上,从区域模式物理过程参数化方案的评估与遴选、区域模式在东亚气候预测中的应用两个方面,对于动力降尺度方法的发展和应用做了回顾;在统计降尺度的综述中,本文主要关注了东亚夏季汛期和冬季气候异常的预测,特别是针对东亚冬季气候异常,本文中提出了新的高效的统计与动力相结合的预测方法。最后,展望了短期气候预测需要进一步深入研究的科学和技术问题。 相似文献
17.
利用区域气候模式对我国南方百年气温和降水的动力降尺度模拟 总被引：1，自引：0，他引：1
本文采用NCAR的WRF3.5.1模式,以NOAA的20世纪再分析资料作为区域气候模式的初始场和侧边界场,对东亚地区进行了百年以上(1900~2010年)尺度、水平分辨率为50 km的动力降尺度数值模拟试验。通过与观测气候资料的对比,分析了驱动场(20世纪再分析资料)和区域气候模式对我国南方地区近50年(1961~2010年)气温和降水的气候平均态的模拟能力。结果表明:经过动力降尺度的区域气候模式试验结果能更好地模拟我国南方地区气温气候平均态和季节循环。WRF模式模拟的气温与观测的气温的空间相关系数均在0.97以上。年平均和夏季,WRF模式模拟的气温与观测的气温的偏差大多介于-1°C到+1°C之间。对于降水,WRF模式显著提高了我国南方降水的模拟能力。和驱动场相比,WRF模式模拟的降水与观测的偏差明显减小。夏季,WRF模式模拟的降水空间相关系数在0.5以上。由此延伸至对近百年我国南方地区三个子区域(华南地区、江淮地区和西南地区)四个时段(1914~1942年、1943~1971年、1972~2000年和2001~2010年)的分析,结果表明区域气候模式动力降尺度的结果在区域平均的气温和降水的模拟数值上与观测比较接近,夏季模拟能力有明显的提高,冬季存在气温模拟偏低的误差。对气温趋势分析表明,在20世纪40年代以后的两个时间段,区域气候模式明显提高了气温变化线性趋势的模拟性能。 相似文献
18.
江苏—南黄海地区M≥6强震有序网络结构及其预测研究 总被引：2，自引：1，他引：1
门可佩 《南京气象学院学报》2014,6(3):268-274
基于TIGGE（THORPEX Interactive Grand Global Ensemble,全球交互式大集合）资料中欧洲中期天气预报中心（European Centre for Medium-Range Weather,ECMWF）、日本气象厅（Japan Meteorological Agency,JMA）、美国国家环境预报中心（National Centers for Environmental Prediction,NCEP）和英国气象局（United Kingdom Met Office,UKMO）4个中心的北半球地面2m气温集合平均预报资料,利用插值技术与回归分析,并引入了消除偏差集合平均（bias-removed ensemble mean,BREM）和多模式超级集合（superensemble,SUP）方法进行统计降尺度预报研究.结果表明,在2007年夏季3个月中,4个单中心的降尺度预报明显地改善了预报效果.引入SUP和BREM两种集成预报方法后,预报误差得到进一步减小.对比综合表现最好的单中心ECMWF的预报,1～7d的降尺度预报误差改进率均达20％以上.研究还发现,引入SUP方法的降尺度预报效果优于引入BREM方法的降尺度预报,利用双线性插值方法在上述两方案中的预报效果优于其他3种插值方法. 相似文献
19.
Before 2008,the number of surface observation stations in China was small.Thus,the surface observation data were too sparse to effectively support the High-resolution China Meteorological Administration’s Land Assimilation System(HRCLDAS)which ultimately inhibited the output of high-resolution and high-quality gridded products.This paper proposes a statistical downscaling model based on a deep learning algorithm in super-resolution to research the above problem.Specifically,we take temperature as an example.The model is used to downscale the 0.0625°×0.0625°,2-m temperature data from the China Meteorological Administration’s Land Data Assimilation System(CLDAS)to 0.01°×0.01°,named CLDASSD.We performed quality control on the paired data from CLDAS and HRCLDAS,using data from 2018 and 2019.CLDASSD was trained on the data from 31 March 2018 to 28 February 2019,and then tested with the remaining data.Finally,extensive experiments were conducted in the Beijing-Tianjin-Hebei region which features complex and diverse geomorphology.Taking the HRCLDAS product and surface observation data as the"true values"and comparing them with the results of bilinear interpolation,especially in complex terrain such as mountains,the root mean square error(RMSE)of the CLDASSD output can be reduced by approximately 0.1℃,and its structural similarity(SSIM)was approximately 0.2 higher.CLDASSD can estimate detailed textures,in terms of spatial distribution,with greater accuracy than bilinear interpolation and other sub-models and can perform the expected downscaling tasks. 相似文献