中国南方持续低温雨雪事件的粒子群-神经网络集合预报模型研究

来源 :中国气象局气候研究开放实验室2014年度学术年会 | 被引量 : 0次 | 上传用户:julian
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  利用1951-2013年全国756个台站的逐日最低气温、最高气温和降水量数据,NCEP/NCAR高度场和风场再分析资料以及NCEP 24小时预报场资料,通过分析提取区域性持续性低温雨雪过程的影响预报因子,使用粒子群-神经网络方法,建立非线性的统计集合预报模型,对中国南方区域性持续性的低温雨雪事件进行预报检验。
其他文献
利用CMIP5的多模式集合资料,从时间变化和空间分布两方面分析了不同情景下(低排放B1、中等排放A1B、高排放A2)中国东北地区未来100年的气温变化.结果表明:三种排放情景下,21世纪东北地区气温呈显著增暖趋势,中期和末期气温增幅较明显,冬季气温增幅最大,春季最小,A2排放情景下增暖最为显著,A1B次之,B1情景下增幅最小;气温变化的空间分布显示:三种排放情景下各个时期的增温分布形式基本一致,由
西太副高是影响东亚夏季天气、气候的重要系统,受到包括中国、韩国、日本在内的东亚气象学家的重视.东亚的气象学家习惯采用位势高度(H)来度量西太副高,尤其是使用500hPa的H=5880m等高线.中国气象局基于500hPa的H=5880m等高线定义了西太副高的面积、强度、西脊点等指数,并对这些指数进行实时监测(赵振国1999;刘芸芸等2012).根据压高公式可知,某一等压面p的位势高度H(p)正比于地
选用青海省50个气象台站1961-2008年逐日雪深和持续时间资料、过程最大积雪深度;分别计算各格点1981-2005年平均积雪指标的大小,即青海各地致灾因子危险性的大小,根据发生不同雪灾等级的阈值,分别计算各格点发生轻灾、中灾、重灾和特大灾的频率,分别制作青海省不同雪灾等级分布图,从图中可以看出,轻灾易发生在柴达木盆地、东部农业区的大部和环青海湖部分地区,这些地区发生轻灾的频率大都在50%以上,
本文利用1982-2012年NDVI遥感数据和1961-2012年河北省气候要素数据,分析京津生态屏障区植被覆盖度对局地气候变化的响应和反馈.结果表明:(1)1982-2012年,京津生态屏障区44%站点的植被覆盖度呈显著性增加趋势,但燕山丘陵区有25%的站点显著减少;气候变暖、二氧化碳浓度增加以及持续开展的人工造林工程是河北省北部植被NDVI增加的主要原因,城市扩建和产业发展使城镇发达地区NDV
气候系统包含大气圈、冰雪圈、水圈、岩石圈和生物圈,气候异常受到上述各气候系统中不同因素的影响。由于气候系统空间尺度大、时间尺度长,因此气候异常及其成因相当复杂。而要对气候异常进行预测就更加困难了。现在气候预测既是国际上的研究热点,也是一个企待解决的世界难题。短期气候预测的方法也由纯统计预测发展到物理统计预测,且随着气候模式的不断发展及预测水平的提高,动力统计相结合的预测方法成为现阶段较为关注、又行
会议
2014年夏季,大部分模型对中国降水的预测实效,尤其没有抓住南方地区的降水大值区,因此,本文利用国家气候中心业务气候预测模式BCC-CSM1.1m中的海平面气压以及青藏高原前冬积雪,对中国夏季降水进行了1991-2013年统计降尺度交叉检验,并对2014年夏季中国降水进行了调整预测.结果显示,1991-2013年的统计降尺度交叉检验中,距平相关系数从-0.015提高到0.23,相关系数值在大多数年
会议
以锋面降水为主的前汛期(4~6月)雨量约占广东省年雨量的40%~50%,是汛期中的主要时段,也是暴雨集中期和各种强对流天气多发季节,易造成严重的暴雨洪涝,给国民经济建设和人民生活带来严重的威胁和巨大的损失.同时广东前汛期降水变率大,预测难度大.以广州站为例,前汛期平均降水量为773.28mm,前汛期降水最多的1993年和最少的1960年之间的极差达856.9mm.
会议
The anomalous atmospheric circulation over the west Pacific has great impacts on the climate of East Asia.The monthly reanalysis data of NCEP/NCAR and SST data from the Hadley Center are applied to re
1.资料与方法本文采用GB/T 21983-2008暖冬等级国家标准,并依照对称原则,制定冷冬的划分方法,挑选冷暖冬年份(表1).2.冬季气温特征分析近几十年来,全省四季平均气温趋势均升高,冬季升温最明显,倾向率分别为0.41℃/10a,相关系数为0.536,远超过a=0.001的显著性水平.
会议
The optimal forcing vector (OFV) offsets tendency errors and optimizes the agreement of the model simulation with observation.We apply the OFV approach to the well-known Zebiak-Cane model and simulate
会议