排序方式： 共有7条查询结果，搜索用时 15 毫秒
1
1.
Tropical cyclone (TC) annual frequency forecasting is significant for disaster prevention and mitigation in Guangdong Province. Based on the NCEP-NCAR reanalysis and NOAA Extended Reconstructed global sea surface temperature (SST) V5 data in winter, the TC frequency climatic features and prediction models have been studied. During 1951-2019, 353 TCs directly affected Guangdong with an annual average of about 5.1. TCs have experienced an abrupt change from abundance to deficiency in the mid to late 1980 with a slightly decreasing trend and a normal distribution. 338 primary precursors are obtained from statistically significant correlation regions of SST, sea level pressure, 1000hPa air temperature, 850hPa specific humidity, 500hPa geopotential height and zonal wind shear in winter. Then those 338 primary factors are reduced into 19 independent predictors by principal component analysis (PCA). Furthermore, the Multiple Linear Regression (MLR), the Gaussian Process Regression (GPR) and the Long Short-term Memory Networks and Fully Connected Layers (LSTM-FC) models are constructed relying on the above 19 factors. For three different kinds of test sets from 2010 to 2019, 2011 to 2019 and 2010 to 2019, the root mean square errors (RMSEs) of MLR, GPR and LSTM-FC between prediction and observations fluctuate within the range of 1.05-2.45, 1.00-1.93 and 0.71-0.95 as well as the average absolute errors (AAEs) 0.88-1.0, 0.75-1.36 and 0.50-0.70, respectively. As for the 2010-2019 experiment, the mean deviations of the three model outputs from the observation are 0.89, 0.78 and 0.56, together with the average evaluation scores 82.22, 84.44 and 88.89, separately. The prediction skill comparisons unveil that LSTM-FC model has a better performance than MLR and GPR. In conclusion, the deep learning model of LSTM-FC may shed light on improving the accuracy of short-term climate prediction about TC frequency. The current research can provide experience on the development of deep learning in this field and help to achieve further progress of TC disaster prevention and mitigation in Guangdong Province. 相似文献
2.
首先利用四会市气象局观测站1959—2012年的地面气象观测资料,对四会地区灰霾天气历史情况进行总结,由于2000年以前灰霾判别标准不统一,阈值偏低造成2000年以前灰霾天数记录偏少,故选择2000—2012年13年的灰霾变化特征、变化规律,及其影响因素进行分析。结果表明：2000年后四会地区的灰霾日数总体呈上升趋势,尤其是近5年来更加明显;灰霾天气具有明显的季节差异,呈现为冬季〉秋季〉春季〉夏季的特征;绝大多数霾天能见度在5~10 km,为轻微灰霾天气,2007年开始小于5 km的轻度或中度灰霾日数也逐渐增加;连续灰霾天气过程增多,尤其是最近3年,灰霾天气中连续灰霾日已超过1/2,灰霾天气持续时间最长达13 d;灰霾天气受气象要素的影响较显著,较小的风速、较大的相对湿度均有利于霾天气的出现;灰霾一定程度上会减少可记录日照长度;近年来大气污染的日益严重,汽车尾气、工业废气、粉尘等大量排放使污染物浓度增大,也可能是灰霾天气频发的一个原因。 相似文献
3.
利用1960—2020年京津冀83个气象观测站常规观测资料,统计分析了京津冀高温热浪日数、频次、有效积温分布特征及变化规律。结果表明：1） 气候态上,京津冀高温热浪日数、频次和有效积温在空间上均呈现南多（强）北少（弱）的分布特征,大值区均位于39°N以南。2） 京津冀地区高温热浪具有2—5 a显著的短振荡周期,同时也具有“多—少—多—少”的年代际变化特征;高温热浪日数、频次和有效积温均出现了3次突变点,并且第一次和第二次突变较第三次突变明显。3） 对比两次高温热浪日数集中偏多期发现,最近一个偏多集中期（1996—2005年）相对于上一个（1960—1972年）表现为北增南减的特征;对比两次偏少集中期发现,最近一个偏少集中期（2006—2020年）相对于上一个（1973—1995年）表现为中南部整体增加的特征,且高温热浪日数大于4 d的影响区域均呈扩大的态势。 相似文献
4.
5.
自20世纪90年代中期后,登陆华南台风频数减少、强度转弱,这一方面受台风和大尺度环流系统自身的年际和年代际变化共同影响,另一方面,可能受太平洋年代尺度振荡(PDO)调制。进一步选用年际增量法剔除年代际变化得到,若前冬呈现东部型拉尼娜(中部型厄尔尼诺)状态,随后的后汛期120°~130°E越赤道气流偏强(弱),继而是强(弱)辐合带、季风槽偏强偏北(偏弱偏南),有(不)利于台风在华南地区活跃,则对应累计气旋能量指数(ACE)年指数更强(弱),体现了台风、海温、大气环流的年际变化影响。最后,采用基于年际增量法的主成分回归方法对ACE指数进行建模,结果得到近30年回报相关系数高达0.80,2014和2015年的预报效果与实况较为一致。 相似文献
6.
针对我国华南前汛期（4—6月）降水,基于国家气候中心第2代月动力延伸模式（DERF2.0）结果,利用非参数百分位映射方法将模式预测结果转化为概率预报,并进行概率订正。分别选用交叉建模与独立样本建模两种订正方法,并利用偏差、偏差百分率、时间相关系数、均方根误差等统计方法检验订正效果。结果表明:订正方法对预报技巧的改善与起报时间无显著相关,且具有误差稳定性,其订正效果受预报误差影响较小;与订正前模式预测降水落区的范围和平均强度相比,订正后结果与观测更接近;按百分位区间统计的不同强度降水订正预报均有明显改进;预测时段的订正效果与回报时段的订正效果基本一致。 相似文献
7.
基于国内外动力模式和诊断分析，分析了2021年华南夏季降水预测的成功和不足。结果表明：(1)2021年夏季西太平洋副热带高压偏大偏强，水汽输送较弱；西太平洋和南海生成的台风较少，登陆及影响华南的台风偏弱。综合影响导致2021年夏季华南降水偏少25%以上。(2)2021年华南夏季降水实况与2021年3和4月两次预测存在较大差异，主要表现为动力模式对副高脊线和西伸脊点位置以及东亚大槽的预报与实况存在较大差异；物理因子诊断分析预测中大部分信号指示2021年华南夏季降水偏多的可能性较大，与实况相差较大。 相似文献
1