短期气候预测基础实习二
短期气候预测实习报告六

一、实习背景随着全球气候变化的影响日益显著,准确预测短期气候变化对于农业生产、水资源管理、城市规划等领域具有重要意义。
为了提高我国短期气候预测水平,我于近期参加了一次短期气候预测实习,通过实践学习,提升了自己的气候预测能力。
二、实习内容1. 实习时间:2023年6月1日至2023年6月30日。
2. 实习地点:某气象局短期气候预测中心。
3. 实习内容:(1)学习短期气候预测的基本原理和方法。
(2)了解我国短期气候预测业务流程和关键技术。
(3)参与短期气候预测工作,包括数据收集、处理和分析。
(4)撰写实习报告,总结实习经验和体会。
三、实习过程1. 学习阶段在实习初期,我主要学习了短期气候预测的基本原理和方法。
通过学习,我了解到短期气候预测主要基于大气动力学、统计学和数值模拟等方法,结合观测数据和卫星遥感数据等,对短期气候进行预测。
2. 参与预测工作在实习过程中,我参与了短期气候预测工作。
具体内容包括:(1)收集和整理观测数据:我负责收集全国范围内的气温、降水、气压等观测数据,并对数据进行整理和分析。
(2)数据处理和分析:我利用气象统计软件对收集到的数据进行处理和分析,提取气候特征和趋势。
(3)编写气候预测报告:根据分析结果,我参与了编写短期气候预测报告,包括气温、降水、干旱、高温等气象要素的预测。
3. 实习总结通过实习,我深刻认识到短期气候预测工作的重要性和复杂性。
以下是我对实习的总结:(1)短期气候预测需要多学科知识的融合。
在实习过程中,我不仅学习了气象学知识,还接触到了统计学、计算机科学等相关领域。
(2)数据质量对预测结果至关重要。
在数据处理和分析过程中,我意识到数据质量对预测结果的影响非常大。
(3)短期气候预测是一个不断学习和进步的过程。
在实习过程中,我遇到了许多困难,但在老师和同事的帮助下,我逐渐掌握了预测方法,提高了自己的能力。
四、实习体会1. 提高了专业素养:通过实习,我对短期气候预测有了更深入的了解,提高了自己的专业素养。
短期气候预测实习报告二

南京信息工程大学实验(实习)报告实验(实习)名称短期气候预测实习日期11、05得分指导教师系~专业~ 年级~ 班次~姓名Trichtu 学号~实习目的:1.掌握大气环流分型的基本方法--EOF(经验正交函数分解)、2.用个数较少的几个空间分布模态来描述环流形势,而且又能基本涵盖环流场的信息3.环流场分解为正交函数的线性组合(不相关典型模态)4.环流场的主要空间分布结构有效的分离出来5.用来分解气象要素场的特征向量就是由给定的气象要素场的序列本身具有的特征所规定的,而不就是事先人为规定好的实习内容:对1月份欧亚(20-700N;40-1400E)500hPa平均高度场进行自然正交展开(EOF、FOR),输出EOF分析主要参数指标;绘制环流型图。
实习资料:NCEP/NCAR 1948-2008年(61年)的500百帕月平均高度场资料资料范围为(900S-900N,00-3600E)网格距为2、50×2、50,纬向格点数为144,经向格点数为73资料为GRD格式,资料从南到北、自西向东排列,每月为一个记录,按年逐月排放。
实习方法简介:EOF功能:从一个气象场多次观测资料中识别出主要空间型及其时间演变规律。
EOF展开就就是将气象变量场分解为空间函数(V)与时间函数(T)两部分的乘积之与:X=VT。
实习步骤:1.资料预处理(距平或标准化处理)cccccccccccccccccc读数据do it=1,61do k=1,12do j=1,73do i=1,144read(10)hh(i,j,k,it)enddo;enddo;enddo;enddowrite(*,*)'read data ok'cccccccccccccccc 处理数据从hh到h的转换,再从h到f的转换do it=1,61do j=1,21do i=1,41h(i,j,it)=hh(i+16,j+44,1,it)enddoenddoenddodo it=1,61do j=1,21do i=1,41f(21*(i-1)+j,it)=h(i,j,it)enddoenddoenddo2.计算协方差矩阵3.用Jacobi方法计算协方差矩阵的特征值与特征向量4.将特征值从大到小排列5.计算特征向量的时间系数6.计算每个特征向量的方差贡献7.结果输出输出的eof、txt:EIGENV ALUE AND ANAL YSIS ERRORH LAMDA SLAMDA PH SPH1 11844、33105 11844、33105 0、22552 0、225522 11124、51270 22968、84375 0、21181 0、437333 9327、01270 32295、85547 0、17759 0、614924 5934、51562 38230、37109 0、11299 0、727915 3124、63110 41355、00391 0、05949 0、787406 2463、64844 43818、65234 0、04691 0、834317 2322、31592 46140、96875 0、04422 0、878538 1282、84216 47423、81250 0、02443 0、90295 实习结果:第一空间场与时间序列:第一特征向量场表征亚洲西部高空脊发展或位于青藏高原的低值中心的发展,第一特征向量场的方差贡献为22、5%。
短期气候预测实习报告

短期气候预测实习报告我在过去的几个月里进行了一次短期气候预测的实习。
通过这次实习,我学到了很多关于气象科学和气候预测的知识,也锻炼了自己的预测技能。
在这份实习报告中,我将分享我在实习期间所做的工作和取得的成果。
一、实习背景在实习之前,我已经学习了气象学和气候学的基础知识。
我知道气象预测是一项非常重要的工作,它可以帮助人们更好地应对自然灾害和规划日常生活。
为了提高我的预测能力和实践技巧,我决定申请一份短期气候预测实习。
二、实习内容1. 数据收集与分析在实习开始之前,我被要求收集气象数据和相关的历史气候记录。
我使用气象观测站和卫星图像等工具收集了大量的气象数据,并将其整理成易于分析的格式。
然后,我运用统计学和气象学的知识对这些数据进行分析,以了解气候的基本模式和趋势。
2. 模型建立与验证在分析完数据之后,我开始建立气候预测模型。
我使用计算机编程语言来构建模型,并根据历史气候数据进行模型的验证。
通过不断地调整模型参数和算法,我逐渐提高了模型的准确性和稳定性。
3. 预测结果报告在模型建立和验证完成后,我进行了一系列短期气候预测。
我将所得的预测结果编制成详细的报告,包括气温、降水量、风向等方面的预测。
为了使报告更加直观和易读,我使用了图表和图像来展示预测结果。
三、实习成果通过实习,我取得了一些令人满意的成果。
首先,我熟练掌握了气象数据的收集和分析方法。
我能够准确地判断气象数据的可靠性,并从中提取有用的信息。
其次,我成功建立了一个可靠的气候预测模型。
该模型在历史数据中的验证中表现良好,给出了准确的预测结果。
最后,我编制的预测结果报告得到了导师和同事的高度认可。
四、实习感悟这次短期气候预测实习让我深刻认识到气候预测是一项复杂而重要的工作。
准确的气候预测可以帮助人们做出合理的决策,减少灾害的发生。
然而,气候预测也面临着许多挑战,包括气象数据的准确性和预测模型的复杂性。
在未来的学习和工作中,我将进一步提高自己的技能和知识,为气候预测和应对气候变化做出更大的贡献。
短期气候预测实习报告二

短期气候预测实习报告二一、实习背景随着全球气候变化问题的日益严重,短期气候预测成为了气象学和环境科学领域的研究热点。
为了提高自己在短期气候预测方面的能力,我参加了为期两周的短期气候预测实习项目。
在实习期间,我主要参与了短期气候预测模型的构建、训练和验证,并深入了解了气候变化对我国经济和社会的影响。
二、实习内容1. 短期气候预测模型构建在实习的第一周,我主要负责短期气候预测模型的构建。
首先,我学习了气象数据的基本处理方法,包括数据的收集、清洗和预处理。
然后,我掌握了多种短期气候预测方法,如时间序列分析、机器学习等。
在实际操作中,我学会了如何利用气象数据和相关算法构建预测模型。
2. 短期气候预测模型训练在实习的第二周,我参与了短期气候预测模型的训练。
在此过程中,我了解了模型训练的基本流程,包括数据划分、模型参数调优和模型评估。
通过多次实验和优化,我成功训练了一个性能较好的短期气候预测模型。
3. 短期气候预测模型验证在模型训练完成后,我负责对模型进行验证。
我通过对比预测结果和实际观测数据,评估了模型的预测性能。
结果显示,所训练的模型具有较高的准确性和稳定性,可以为我国短期气候预测提供有力支持。
4. 气候变化对我国经济和社会的影响在实习期间,我还深入了解了气候变化对我国经济和社会的影响。
我了解到,气候变化可能导致我国农业、水资源、生态环境等多个领域受到影响。
因此,加强短期气候预测研究,提高应对气候变化的能力,对我国具有重要意义。
三、实习收获通过本次实习,我收获颇丰。
首先,我掌握了短期气候预测的基本方法和技能,为今后从事相关工作奠定了基础。
其次,我了解了气候变化对我国经济和社会的影响,增强了环保意识。
最后,我在实际操作中提高了自己的动手能力和团队协作能力。
四、实习总结短期气候预测实习项目让我在短时间内掌握了相关知识和技能,对我今后的工作和学习具有重要意义。
在今后的学习和工作中,我将继续努力,为应对气候变化和保护地球环境贡献自己的力量。
最新短期气候预测实习程序总结

本人为南京信息工程大学大气科学系学生,在我大四上时,不幸选修课选了短期气候预测实习课程。
其烦人程度超乎我的想象,一边在准备考研和找工作,一边还要花心思完成实习内容,当时根本喘不过气来。
为让学弟学妹们不重蹈覆辙,在此共享出我所用的程序,给你们一些帮助。
不过需要明确一点,这次实习对于个人编程水平的提高帮助很大,学有余力的同学,应仅把本文当做参考,理解基础上使用,而非不劳而获的资本。
以下为正文:具体实习要求参见课本,在此不赘述实习一:大气环流状况的表征program EX1real a(144,73,12,65),ave1(144,73),ave7(144,73),asum(144,73)real dev(144,73,65),latave(73,12,65),latsum(73,12,65)real latdev(144,73,12,65)open(2,file='d:\1\hgt500.grd',form='binary') !补充正确路径open(4,file='d:\1\ave7.grd',form='binary') !补充数据输出路径open(5,file='d:\1\dev.grd',form='binary')open(6,file='d:\1\latdev.grd',form='binary')do it=1,65do imo=1,12do j=1,73do i=1,144read(2)a(i,j,imo,it)enddo;enddo;enddo;enddocccccccccccccc 请完成以下的程序!月时间平均ave7imo=7do i=1,144do j=1,73do it=1,65asum(i,j)=asum(i,j)+a(i,j,imo,it)enddoave7(i,j)=asum(i,j)/65.0enddo!7月距平deviationdo i=1,144do j=1,73do it=1,65dev(i,j,it)=a(i,j,imo,it)-ave7(i,j)enddoenddoenddo!纬圈平均latitude averagedo it=1,65do imo=1,12do j=1,73do i=1,144latsum(j,imo,it)=latsum(j,imo,it)+a(i,j,imo,it)enddolatave(j,imo,it)=latsum(j,imo,it)/144.0enddoenddoenddo!纬向偏差latitude deviationdo it=1,65do imo=1,12do j=1,73do i=1,144latdev(i,j,imo,it)=a(i,j,imo,it)-latave(j,imo,it)enddoenddoenddoenddo!写数据write(4) ((ave7(i,j),i=1,144),j=1,73)write(5) (((dev(i,j,it),i=1,144),j=1,73),it=1,65)write(6) ((((latdev(i,j,imo,it),i=1,144),j=1,73),imo=1,12),it=1,65)close(5)close(6)End实习二:大气环流分型PROGRAM EOFC THIS PROGRAM USES EOF FOR ANAL YSING TIME SERIESC OF METEOROLOGICAL FIELDC M:LENTH OF TIME SERIES !!!!!!!!!! m:时间序列长度C N:NUMBER OF GRID-POINTS !!!!!!!!!! n:格点数C KS=-1:SELF; KS=0:DEPATURE; KS=1:STANDERDLIZED DEPATUREC KV:NUMBER OF EIGENV ALUES WILL BE OUTPUTC KVT:NUMBER OF EIGENVECTORS AND TIME SERIES WILL BE OUTPUT C MNH=MIN(M,N)C EGVT=EIGENV ACTORS, ECOF=TIME COEFFICIENTS FOR EGVT.C ER(KV,1)=LAMDA,LAMDA EIGENV ALUEC ER(KV,2)=ACCUMULATE LAMDAC ER(KV,3)=THE SUM OF COMPONENTS VECTORS PROJECTED ONTOc EIGENV ACTOR.C ER(KV,4)=ACCUMULATE ER(KV,3)CPARAMETER(M=61,N=41*21,MNH=61,KS=1,KV=8,KVT=8,pi=3.1415926)CDIMENSION F(N,M),A(MNH,MNH),S(MNH,MNH),ER(MNH,4),* DF(N),V(MNH),A VF(N),EGVT(N,KVT),ECOF(M,KVT)dimension hh(144,73,12,61),h(41,21,61)open(10,file='d:\2\hgt500.grd',form='binary',status='old')open(20,file='d:\2\egvt7.grd',form='binary')open(30,file='d:\2\t7.grd',form='binary')open(16,file='d:\2\eof7.txt')cccccccccccccccccc读数据do it=1,61do k=1,12do j=1,73do i=1,144read(10)hh(i,j,k,it)enddo;enddo;enddo;enddowrite(*,*)'read data ok'!裁剪区域k=1do it=1,61do j=1,21do i=1,41h(i,j,it)=hh(i+16,j+44,k,it)enddoenddoenddowrite(*,*)'data narrowed'!二维空间场变一维数组,注意按照grads的XY顺序,!因为最后EIGENV ACTORS文件里面直接按照该格式存的,不再经过这一步变化do it=1,Mii=1do j=1,21do i=1,41F(ii,it)=h(i,j,it)ii=ii+1enddoenddoenddoCCCCCCCCCCCCCCCCINPUT DATA CCCCCCCCCCCCCCCCCCCCALL TRANSF(N,M,F,AVF,DF,KS)write(*,*)'ok program 1'CALL FORMA(N,M,MNH,F,A)write(*,*)'ok program 2'CALL JCB(MNH,A,S,0.00001)write(*,*)'ok program 3'CALL ARRANG(KV,MNH,A,ER,S)write(*,*)'ok program 4'CALL TCOEFF(KVT,KV,N,M,MNH,S,F,V,ER)write(*,*)'ok program 5'CALL OUTER(KV,ER,MNH)write(*,*)'ok program 6'CALL OUTVT(KVT,N,M,MNH,S,F,EGVT,ECOF)write(*,*)'ok program 7'ccccccccccccc存储数据do j=1,mdo i=1,kvtwrite(30)ecof(j,i)enddo;enddodo it=1,kvtdo j=1,nwrite(20)egvt(j,it)enddo;enddowrite(*,*)'ok 8'ccccccccccccENDccccccccccccccccccccccccc子程序SUBROUTINE TRANSF(N,M,F,A VF,DF,KS)C THIS SUBROUTINE PROVIDES INITIAL F BY KSDIMENSION F(N,M),A VF(N),DF(N)DO 5 I=1,NA VF(I)=0.05 DF(I)=0.0IF(KS) 30,10,1010 DO 14 I=1,NDO 12 J=1,M12 A VF(I)=A VF(I)+F(I,J)A VF(I)=A VF(I)/MDO 14 J=1,MF(I,J)=F(I,J)-A VF(I)14 CONTINUEIF(KS.EQ.0) THENRETURNELSEDO 24 I=1,NDO 22 J=1,M22 DF(I)=DF(I)+F(I,J)*F(I,J)DF(I)=SQRT(DF(I)/M)DO 24 J=1,MF(I,J)=F(I,J)/DF(I)24 CONTINUEENDIF30 CONTINUERETURNENDSUBROUTINE FORMA(N,M,MNH,F,A) C THIS SUBROUTINE FORMS A BY FDIMENSION F(N,M),A(MNH,MNH)IF(M-N) 40,50,5040 DO 44 I=1,MNHDO 44 J=I,MNHA(I,J)=0.0DO 42 IS=1,N42 A(I,J)=A(I,J)+F(IS,I)*F(IS,J)A(J,I)=A(I,J)44 CONTINUERETURN50 DO 54 I=1,MNHDO 54 J=I,MNHA(I,J)=0.0DO 52 JS=1,M52 A(I,J)=A(I,J)+F(I,JS)*F(J,JS)A(J,I)=A(I,J)54 CONTINUERETURNENDSUBROUTINE JCB(N,A,S,EPS)C THIS SUBROUTINE COMPUTS EIGENV ALUES AND standard EIGENVECTORS OF ADIMENSION A(N,N),S(N,N)DO 30 I=1,NDO 30 J=1,IIF(I-J) 20,10,2010 S(I,J)=1.GO TO 3020 S(I,J)=0.S(J,I)=0.30 CONTINUEG=0.DO 40 I=2,NI1=I-1DO 40 J=1,I140 G=G+2.*A(I,J)*A(I,J)S1=SQRT(G)S2=EPS/FLOAT(N)*S1S3=S1L=050 S3=S3/FLOAT(N)60 DO 130 IQ=2,NIQ1=IQ-1DO 130 IP=1,IQ1IF(ABS(A(IP,IQ)).LT.S3) GOTO 130L=1V1=A(IP,IP)V2=A(IP,IQ)V3=A(IQ,IQ)U=0.5*(V1-V3)IF(U.EQ.0.0) G=1.IF(ABS(U).GE.1E-10) G=-SIGN(1.,U)*V2/SQRT(V2*V2+U*U)ST=G/SQRT(2.*(1.+SQRT(1.-G*G)))CT=SQRT(1.-ST*ST)DO 110 I=1,NG=A(I,IP)*CT-A(I,IQ)*STA(I,IQ)=A(I,IP)*ST+A(I,IQ)*CTA(I,IP)=GG=S(I,IP)*CT-S(I,IQ)*STS(I,IQ)=S(I,IP)*ST+S(I,IQ)*CT110 S(I,IP)=GDO 120 I=1,NA(IP,I)=A(I,IP)120 A(IQ,I)=A(I,IQ)G=2.*V2*ST*CTA(IP,IP)=V1*CT*CT+V3*ST*ST-GA(IQ,IQ)=V1*ST*ST+V3*CT*CT+GA(IP,IQ)=(V1-V3)*ST*CT+V2*(CT*CT-ST*ST)A(IQ,IP)=A(IP,IQ)130 CONTINUEIF(L-1) 150,140,150140 L=0GO TO 60150 IF(S3.GT.S2) GOTO 50RETURNENDSUBROUTINE ARRANG(KV,MNH,A,ER,S)C THIS SUBROUTINE PROVIDES A SERIES OF EIGENV ALUES C FROM MAX TO MINDIMENSION A(MNH,MNH),ER(MNH,4),S(MNH,MNH)TR=0.0DO 200 I=1,MNHTR=TR+A(I,I)200 ER(I,1)=A(I,I)MNH1=MNH-1DO 210 K1=MNH1,1,-1DO 210 K2=K1,MNH1IF(ER(K2,1).LT.ER(K2+1,1)) THENC=ER(K2+1,1)ER(K2+1,1)=ER(K2,1)ER(K2,1)=CDO 205 I=1,MNHC=S(I,K2+1)S(I,K2+1)=S(I,K2)S(I,K2)=C205 CONTINUEENDIF210 CONTINUEER(1,2)=ER(1,1)DO 220 I=2,KVER(I,2)=ER(I-1,2)+ER(I,1)220 CONTINUEDO 230 I=1,KVER(I,3)=ER(I,1)/TRER(I,4)=ER(I,2)/TR230 CONTINUEWRITE(*,250) TR250 FORMAT(/5X,'TOTAL SQUARE ERROR=',F20.5)RETURNENDSUBROUTINE TCOEFF(KVT,KV,N,M,MNH,S,F,V,ER)C THIS SUBROUTINE PROVIDES STANDARD EIGENVECTORS (M.GE.N,SA VED IN S;C M.LT.N,SA VED IN F) AND ITS TIME COEFFICENTS SERIES (M.GE.N,C SA VED IN F; M.LT.N,SA VED IN S)DIMENSION S(MNH,MNH),F(N,M),V(MNH),ER(MNH,4)IF(N.LE.M) THENDO 390 J=1,MDO 370 I=1,NV(I)=F(I,J)F(I,J)=0.370 CONTINUEDO 380 IS=1,KVTDO 380 I=1,N380 F(IS,J)=F(IS,J)+V(I)*S(I,IS)390 CONTINUEELSEDO 410 I=1,NDO 400 J=1,MV(J)=F(I,J)F(I,J)=0.400 CONTINUEDO 410 JS=1,KVTDO 410 J=1,MF(I,JS)=F(I,JS)+V(J)*S(J,JS)410 CONTINUEDO 430 JS=1,KVTDO 420 J=1,MS(J,JS)=S(J,JS)*SQRT(ER(JS,1))420 CONTINUEDO 430 I=1,NF(I,JS)=F(I,JS)/SQRT(ER(JS,1))430 CONTINUEENDIFRETURNENDSUBROUTINE OUTER(KV,ER,MNH)C THIS SUBROUTINE PRINTS ARRAY ERC ER(KV,1) FOR SEQUENCE OF EIGENV ALUE FROM BIG TO SMALLC ER(KV,2) FOR EIGENV ALUE FROM BIG TO SMALLC ER(KV,3) FOR SMALL LO=(LAMDA/TOTAL V ARIANCE)C ER(KV,4) FOR BIG LO=SUM OF SMALL LO)DIMENSION ER(MNH,4)WRITE(16,510)510 FORMAT(/10X,'EIGENV ALUE AND ANAL YSIS ERROR')WRITE(16,520)520 FORMAT(10X,1HH,8X,5HLAMDA,10X,6HSLAMDA,11X,2HPH,12X,3HSPH) WRITE(16,530) (IS,(ER(IS,J),J=1,4),IS=1,KV)530 FORMAT(1X,I10,4F15.5)WRITE(16,540)540 FORMAT(//)RETURNENDSUBROUTINE OUTVT(KVT,N,M,MNH,S,F,EGVT,ECOF)C THIS SUBROUTINE PRINTS STANDARD EIGENVECTORSC AND ITS TIME-COEFFICENT SERIESDIMENSION F(N,M),S(MNH,MNH),EGVT(N,KVT),ECOF(M,KVT)WRITE(16,560)560 FORMAT(10X,'STANDARD EIGENVECTORS')WRITE(16,570) (IS,IS=1,KVT)570 FORMAT(3X,10i7)DO 550 I=1,NIF(M.GE.N) THENWRITE(16,580) I,(S(I,JS),JS=1,KVT)580 FORMAT(1X,I3,10F7.3,/)DO 11 JS=1,KVTEGVT(I,JS)=S(I,JS)11 CONTINUEELSEWRITE(16,590) I,(F(I,JS),JS=1,KVT)590 FORMAT(1X,I5,10F7.3)DO 12 JS=1,KVTEGVT(I,JS)=F(I,JS)12 CONTINUEENDIF550 CONTINUEC WRITE(16,590) I,(F(I,JS),JS=1,KVT)! WRITE(20)((F(I,JS),i=1,n),JS=1,KVT)WRITE(16,720)720 FORMAT(//)WRITE(16,610)610 FORMAT(10X,'TIME-COEFFICENT SERIES OF S. E.')WRITE(16,620) (IS,IS=1,KVT)620 FORMAT(3X,5i12)DO 600 J=1,MIF(M.GE.N) THENWRITE(16,630) J,(f(is,j),is=1,kvt)630 FORMAT(1X,I3,5F12.3)DO 13 IS=1,KVTECOF(J,IS)=F(IS,J)13 CONTINUEELSEWRITE(16,640) J,(S(J,IS),IS=1,KVT)640 FORMAT(1X,I3,10F12.3)DO 14 IS=1,KVTECOF(J,IS)=S(J,IS)14 CONTINUEENDIF600 CONTINUEC WRITE(30)((S(J,IS),j=1,m),IS=1,KVT)RETURNEND实习三:大气遥相关program ex3parameter nt=60real t(160,nt),eu(63),h(144,73,63),hsum(144,73),have(144,73),euave,rh(144,73),r(144,73),r2(160) reala(144,73,12,63),ave1(144,73),ave7(144,73),rup(144,73),rh_2(144,73),reu_2,eu2,reu,tave(160),tsureal rh2(160),rh2_2(160),rup2(160)real lat(160),lon(160),timcharacter*8 id(160)integer nlev,nflag!读数据open(3,file='D:\3\t1601.txt')open(2,file='d:\3\hgt500.grd',form='binary')open(4,file='D:\3\rheu.grd',form='binary') !h和eu的相关open(5,file='d:\3\eu.grd',form='binary') !eu指数open(6,file='D:\3\rteu.grd',status='replace',form='binary') !t和eu的相关open(7,file='D:\3\lat_lon.txt')read(3,*)((t(i,j),i=1,160),j=1,nt)!读160站温度do i=1,160do j=1,ntt(i,j)=t(i,j)/10.0enddoenddodo i=1,160read(7,*)lat(i),lon(i)!读经纬度enddodo it=1,63do imo=1,12do j=1,73do i=1,144read(2)a(i,j,imo,it)!读高度场enddo;enddo;enddo;enddo!计算EU指数do it=1,63eu(it)=-0.25*a(9,59,1,it)+0.5*a(31,59,1,it)-0.25*a(59,53,1,it)enddo!!!!计算EU指数与高度场的相关系数!h--高度场hsum--高度场和have--高度场平均值eu--EU指数,eusum,euave类似!1,提取1月份高度场do it=1,63do j=1,73do i=1,144h(i,j,it)=a(i,j,1,it)enddoenddo!2,计算高度场和EU指数的平均值do j=1,73do i=1,144do it=1,63hsum(i,j)=hsum(i,j)+h(i,j,it)enddohave(i,j)=hsum(i,j)/63enddoenddodo it=1,63eusum=eusum+eu(it)enddoeuave=eusum/63!3,计算相关系数各部:分子、分母、分母(对照相关系数公式) !rup--分子rh--分母h reu--分母eu r--相关系数do j=1,73do i=1,144reu_2=0do it=1,63rup(i,j)=rup(i,j)+(eu(it)-euave)*(h(i,j,it)-have(i,j))rh_2(i,j)=rh_2(i,j)+(h(i,j,it)-have(i,j))**2reu_2=reu_2+(eu(it)-euave)**2enddorh(i,j)=sqrt(rh_2(i,j))reu=sqrt(reu_2)enddoenddoprint*,reudo j=1,73do i=1,144r(i,j)=rup(i,j)/(rh(i,j)*reu)enddoenddo!!!!计算EU指数和气温的相关系数!1,计算温度场的平均值do i=1,160tsum(i)=tsum(i)+t(i,it)enddotave(i)=tsum(i)/ntenddo!print*, (tave(i),i=1,160)!2,计算相关系数各部:分子、分母、分母(对照相关系数公式)!rup2--分子rh2--分母h reu--分母eu r2--相关系数eusum=0do it=1,nteusum=eusum+eu(it+3)!之所以加3,是因为在分析资料和观测资料起始年份差3年enddoeuave=eusum/ntreu_2=0do it=1,ntreu_2=reu_2+(eu(it+3)-euave)**2enddoreu=sqrt(reu_2)do i=1,160do it=1,ntrup2(i)=rup2(i)+(eu(it+3)-euave)*(t(i,it)-tave(i))rh2_2(i)=rh2_2(i)+(t(i,it)-tave(i))**2enddorh2(i)=sqrt(rh2_2(i))enddodo i=1,160r2(i)=rup2(i)/(rh2(i)*reu)enddo!计算完毕,写数据!写站点数据do j=1,160id(j)=char(j)nlev=1nflag=1write(6)id(j),lat(j),lon(j),tim,nlev,nflag,r2(j)enddotim=0.0nlev=0nflag=1write(6)id(j-1),lat(j-1),lon(j-1),tim,nlev,nflagprint*, (r2(j),j=1,160)write(5)(eu(it),it=1,nt)!写EU指数write(4)((r(i,j),i=1,144),j=1,73)!写h和EU的相关系数close(2)close(3)close(4)close(5)close(6)close(7)end实习四:预测因子的选择——合成分析方法(1)program EX4real a6(160,63),a7(160,62),a8(160,62),lat(160),a(160,60),& lon(160),rap(160,60),ddi(60,3),rsum(160),r(160,60),rave(160)real num,rapave(160,3),h(144,73,12,65),hw(144,73,60)real hwavereal hwa60(144,73,60)real hwa(144,73,3),hwat(144,73,60,3)real rapt(160,60,3),rap1(160,22),rap2(160,19),rap3(160,19)real t(144,73,3)character*8 id(160)open(3,file='D:\4\r1606.txt') !!!请修改路径open(4,file='D:\4\r1607.txt')open(5,file='D:\4\r1608.txt')open(6,file='D:\4\lat_lon.txt')open(7,file='D:\4\ddi')open(8,file='D:\4\rapave.grd',form='binary')open(9,file='D:\4\hgt500.grd',form='binary')open(10,file='D:\4\hwa.grd',form='binary')open(11,file='D:\4\t.grd',form='binary') ccccccccccccccc 读数据(经纬度、160站降水、雨型)read(3,*)((a6(i,j),i=1,160),j=1,63)read(4,*)((a7(i,j),i=1,160),j=1,62)read(5,*)((a8(i,j),i=1,160),j=1,62)do i=1,160read(6,*)lat(i),lon(i)enddodo it=1,60read(7,*)(ddi(it,j),j=1,3)enddo!print*,((ddi(it,j),j=1,3),it=1,60)ccccccccccccccc 编程求合成!读高度场do it=1,65do imo=1,12do j=1,73do i=1,144read(9)h(i,j,imo,it)!读高度场enddo;enddo;enddo;enddo!30年降水平均值do i=1,160rsum(i)=0.0do it=21,50rsum(i)=rsum(i)+a6(i,it)+a7(i,it)+a8(i,it)enddorave(i)=rsum(i)/30.0enddoccccccccccc 请补充!求夏季降水(3个月相加)do i=1,160do it=1,60a(i,it)=a6(i,it)+a7(i,it)+a8(i,it)enddoenddo!计算百分率do i=1,160do it=1,60rap(i,it)=(a(i,it)-rave(i))/rave(i)enddoenddo!挑雨型,并求各个雨型的百分率平均值do i=1,160do j=1,3num=0.0do it=1,60num=num+ddi(it,j)rapave(i,j)=rapave(i,j)+rap(i,it)*ddi(it,j)enddorapave(i,j)=rapave(i,j)/numenddoenddo! 3类雨型各自前期的冬季高度场距平!前期,该夏季之前的那个冬季!求冬季平均高度场hw(height of winter),时间往后移3年,1948+3=1951 do it=1,60do imo=1,12do j=1,73do i=1,144hw(i,j,it)=(h(i,j,1,it+3)+h(i,j,2,it+3)+h(i,j,12,it+3-1))/3.0enddo;enddo;enddo;enddo!求3类雨型前期冬季距平hwa1;hwa2;hwa3 height of winter abnormal !先求60年的距平hwa60do j=1,73do i=1,144hwa=0call cal_ave(hw(i,j,:),60,hwave)do it=1,60hwa60(i,j,it)=hw(i,j,it)-hwaveenddoenddoenddo!再挑相应雨型年份的距平do j=1,73do i=1,144do k=1,3num=0.0do it=1,60num=num+ddi(it,k)hwa(i,j,k)=hwa(i,j,k)+hwa60(i,j,it)*ddi(it,k)enddohwa(i,j,k)=hwa(i,j,k)/numenddoenddoenddo!对各个雨型的距平进行t检验!t检验之前的准备:制作样本数组hwat:Height of Winter Abnormal for Test do j=1,73do i=1,144do k=1,3do it=1,60hwat(i,j,it,k)=hwa60(i,j,it)*ddi(it,k)enddo;enddo;enddo;enddodo j=1,73do i=1,144do k=1,3call forward_push(hwat(i,j,:,k),60)enddo;enddo;enddo!开始T检验t=0do j=1,73do i=1,144do k=1,3if(k==1) kk=22else kk=19call t_test(hwat(i,j,:,k),hwa60(i,j,:),kk,60,t(i,j,k))enddoenddoenddo!写前期冬季距平数据write(10)(((hwa(i,j,k),i=1,144),j=1,73),k=1,3)write(10)(((t(i,j,k),i=1,144),j=1,73),k=1,3)close(10)ccccccccccccccccccc写站点数据!写3类雨型百分率合成值rapave rain abnormal percentige average do j=1,160id(j)=char(j)tim=0.0nlev=1nflag=1write(8)id(j),lat(j),lon(j),tim,nlev,nflag,(rapave(j,i),i=1,3)enddotim=0.0nlev=0nflag=1write(8)id(j-1),lat(j-1),lon(j-1),tim,nlev,nflag!写t检验结果end!以下为子程序subroutine t_test(sam,set,nsam,nset,t)!t检验子程序!sam样本数组set总体数组nsam样本量nset总体量!t检验值real sam(nsam),set(nset),t,samave,setave,samsinteger nsam,nsetsetave=0samave=0sams=0call cal_ave(sam,nsam,samave)call cal_ave(set,nset,setave)call cal_s(sam,nsam,sams)t=((samave-setave)/sams)*sqrt(real(nsam)) end subroutinesubroutine cal_ave(a,na,ave)!求平均值子程序!a数组na数组量ave平均值real a(na),ave,asuminteger naave=0asum=0do i=1,naasum=asum+a(i)enddoave=asum/real(na)endsubroutinesubroutine cal_s(a,na,s)!计算标准差子程序!a数组na数组量s标准差real a(na),s,aveinteger naave=0s=0call cal_ave(a,na,ave)do i=1,nas=s+(a(i)-ave)**2enddos=s/real(na)s=sqrt(s)endsubroutinesubroutine forward_push(a,na)!数组前缩子程序!效果,将数组中0值后移,其他值前移integer nareal a(na),b(na)b=0j=1do i=1,naif(a(i)/=0) thenb(j)=a(i)j=j+1endifenddoa=0do i=1,naa(i)=b(i)enddoendsubroutine实习五:预测因子的选择——合成分析方法(2)program EX5real a(180,89,12,64),sst12(180,89,60),ssta(180,89,60)real sstave,ddi(60,3),sstaa(180,89,3),numreal sstat(180,89,60,3),t(180,89,3)real sas(180,89,3)integer k1,k2,kk1,kk2open(3,file='D:\5\sst.grb',form='binary') !修改open(7,file='D:\5\ddi')open(8,file='D:\5\sst12.grb',form='binary')ccccccccccccccc 读数据(经纬度、160站降水、雨型)do it=1,64do imo=1,12do j=1,89do i=1,180read(3,end=10)a(i,j,imo,it)enddo;enddo;enddo;enddo10 continuedo it=1,60read(7,*)(ddi(it,j),j=1,3)enddoccccccccccccccc 编程求合成!计算前期12月距平合成图!先提取60年所有前期12月距平sst12:年份往后移do j=1,89do i=1,180do it=1,60sst12(i,j,it)=a(i,j,12,it+4-1)enddoenddoenddo!算距平ssta:sst abnormaldo j=1,89do i=1,180sstave=0call cal_ave(sst12(i,j,:),60,sstave)do it=1,60ssta(i,j,it)=sst12(i,j,it)-sstaveenddoenddoenddo!挑年份,求合成sstaa: sst abnormal asembledo j=1,89do i=1,180if(ssta(i,j,1)==0)thensstaa(i,j,:)=32767elsedo k=1,3num=0.0do it=1,60num=num+ddi(it,k)sstaa(i,j,k)=sstaa(i,j,k)+ssta(i,j,it)*ddi(it,k)enddosstaa(i,j,k)=sstaa(i,j,k)/numenddoendifenddoenddo!做雨型合成差值sas :Sst Asemble Subtract!1和2类雨型sas(:,:,1)k=1do j=1,89do i=1,180sas(i,j,k)=sstaa(i,j,1)-sstaa(i,j,2)if(sas(i,j,k)==0)sas(i,j,k)=32767enddoenddo!2和3类雨型sas(:,:,2)k=2do j=1,89do i=1,180sas(i,j,k)=sstaa(i,j,2)-sstaa(i,j,3)enddoenddo!1和3类雨型sas(:,:,3)k=3do j=1,89do i=1,180sas(i,j,k)=sstaa(i,j,1)-sstaa(i,j,3)enddoenddo!做t检验!准备t检验数组sstat : sst Abnormal for Test do j=1,89do i=1,180do k=1,3do it=1,60sstat(i,j,it,k)=ssta(i,j,it)*ddi(it,k)enddo;enddo;enddo;enddodo j=1,89do i=1,180do k=1,3call forward_push(sstat(i,j,:,k),60)enddo;enddo;enddo!开始t检验do j=1,89do i=1,180do k=1,3if(k==1) thenk1=1k2=2kk1=22kk2=19elseif(k==2)thenk1=2k2=3kk1=19kk2=19elsek1=1k2=3kk1=22kk2=19endifcall t_test2(sstat(i,j,:,k1),kk1,sstat(i,j,:,k2),kk2,t(i,j,k)) enddoenddo;enddo! print*,t(:,:,1)ccccccccccccccccccc写站点数据do k=1,3do j=1,89do i=1,180write(8)sstaa(i,j,k)enddo;enddo;enddodo k=1,3do j=1,89do i=1,180write(8)t(i,j,k)enddo;enddo;enddodo k=1,3do j=1,89do i=1,180write(8)sas(i,j,k)enddo;enddo;enddoclose(8)end!以下为子程序subroutine t_test2(sam1,nsam1,sam2,nsam2,t)!t检验子程序(样本之间)!sam1,sam2两个样本数组nsam1,nsam2样本数组容量!t--t统计量integer nsam1,nsam2real sam1(nsam1),sam2(nsam2),treal ave1,ave2,s1,s2,ma,mbt=0ave1=0ave2=0s1=0s2=0ma=1mb=1call cal_ave(sam1,nsam1,ave1)call cal_ave(sam2,nsam2,ave2)call cal_s(sam1,nsam1,s1)call cal_s(sam2,nsam2,s2)!缺测值的处理:先判断,再赋值if(s1==0.and.s2==0)thent=32767elsema=sqrt(((nsam1-1)*(s1**2)+(nsam2-1)*(s2**2))/(nsam1+nsam2-2)) mb=sqrt((1.0/real(nsam1))+(1.0/real(nsam2)))t=(ave1-ave2)/(ma*mb)endifend subroutinesubroutine cal_ave(a,na,ave)!求平均值子程序!a数组na数组量ave平均值real a(na),ave,asuminteger naave=0asum=0do i=1,naasum=asum+a(i)enddoave=asum/real(na)endsubroutinesubroutine cal_s(a,na,s)!计算标准差子程序!a数组na数组量s标准差real a(na),s,aveinteger naave=0s=0call cal_ave(a,na,ave)do i=1,nas=s+(a(i)-ave)**2enddos=s/real(na)s=sqrt(s)endsubroutinesubroutine forward_push(a,na)!数组前缩子程序!效果,将数组中0值后移,其他值前移integer nareal a(na),b(na)b=0j=1do i=1,naif(a(i)/=0) thenb(j)=a(i)j=j+1endifenddoa=0do i=1,naa(i)=b(i) enddoendsubroutine。
气象学小气候实习报告

气象学小气候实习报告气象学是研究地球大气系统的科学,通过对气候、天气、大气物理、大气化学等方面的研究,可以提供对天气变化和气候趋势的预测。
在我进行的小气候实习中,我对气象学的实际应用有了更深入的了解。
一、实习目的与立意本次实习的目的是通过对一个特定地点的小气候进行观测和分析,掌握小气候的形成机制和变化规律。
小气候是指在一个相对较小范围内,由地形、植被、土壤等因素所引起的气象要素的短期变化。
通过实地观测和数据分析,可以进一步掌握气象学的理论知识,并了解气候对生态环境和人类活动的影响。
二、实习过程1. 实地观测在实习开始前,我们选择了一个研究对象,这是一处位于城市郊区的公园,该公园具备丰富的植被和地形条件,适合研究小气候变化。
我们设立了多个观测点,包括阳光照射、湿度、风速、温度等气象要素的观测仪器。
2. 数据收集与分析在观测过程中,我们定时记录了各个观测点的数据,并将其整理成表格和图表进行分析。
通过对数据的对比和趋势观察,我们得出了一些初步的结论。
例如,公园中的树木遮荫影响了阳光的照射,使得某些区域的温度较低;湖泊的存在增加了空气湿度,形成了一定的湿润气候。
三、实习成果与体会通过这次小气候实习,我收获了许多宝贵的经验和知识。
首先,我学会了如何进行气象观测和数据记录,对各类气象仪器的使用也更加熟练。
其次,我深刻认识到地形和植被的重要性,它们对于小气候的形成和变化起着关键作用。
最后,通过对实地观测数据的分析,我理解了气候的多样性和复杂性,认识到气候变化对人类生活和生态环境的影响。
作为一名气象学实习生,我深刻意识到气象学是一门实践性很强的科学,只有通过实地观察和数据分析,才能更好地理解气候现象的本质。
未来,我将继续努力学习,提高自己在气象学领域的专业能力,并将所学知识应用到实际工作中,为社会提供准确的气象预测和服务。
总结起来,这次气象学小气候实习给予了我宝贵的实践经验和深入的理论学习。
通过实地观察和数据分析,我深入掌握了小气候的形成机制和变化规律,加深了对气象学科学的认识。
短期气候实习三报告

短期气候实习报告三实习单位:XX气候中心实习时间:202X年X月实习内容:本次实习的主要内容是短期气候预测因子的分析和选择,以及夏季降水分布和环流异常在短期气候预测中的物理机制认识。
在实习期间,我熟悉了相关资料和方法程序,并进行了短期气候预测的实践操作。
首先,我了解了短期气候预测的基本概念和方法。
短期气候预测是指对未来一段时间(通常为几天到几个月)的气候状态进行预测,其目的是为农业生产、水资源管理、环境保护等领域提供科学依据。
短期气候预测的主要方法包括统计方法、数值方法和动力方法等。
其次,我学习了夏季降水分布的特点和规律。
夏季降水是气候系统中的一个重要环节,其分布和变化对农业生产、水资源管理等方面具有重要影响。
通过分析夏季降水的分布规律,可以更好地进行短期气候预测。
然后,我深入了解了环流异常在短期气候预测中的物理机制。
环流异常是指大气环流系统中出现的异常现象,其对短期气候预测具有重要影响。
通过研究环流异常的物理机制,可以更好地理解短期气候预测的内在规律。
在实际操作方面,我使用了再分析资料和降水量资料,计算了夏季三类年雨型合成图,以及各类雨型的前期冬季高度场距平合成图。
通过这些计算,我指出了可能出现的遥相关型,并编写了一定的程序来进行数据处理和分析。
通过本次实习,我对短期气候预测有了更深入的了解,掌握了一些基本的短期气候预测方法和技巧。
同时,我对夏季降水分布和环流异常的物理机制也有了更深入的认识。
这些知识和经验将对我的未来学习和研究工作产生积极的影响。
实习收获:通过本次实习,我不仅学到了专业知识,还锻炼了自己的实践操作能力。
在实习过程中,我学会了如何使用相关资料和方法程序,进行短期气候预测的实践操作。
同时,我还学会了如何分析和解释气候数据,以及如何撰写实习报告。
此外,本次实习还培养了我的团队合作意识和沟通能力。
在实习过程中,我与同学们一起完成任务,互相学习和帮助。
我们还与导师进行了密切的交流,得到了他们的指导和帮助。
短期气候预测实习报告

一、实习目的本次实习旨在通过短期气候预测的学习和实践,加深对气候预测因子的分析和选择的理解,提高对夏季降水分布、环流异常在短期气候预测中物理机制的认识。
通过实习,掌握相关资料和方法程序,使用再分析资料,完成对夏季降水分布的预测,并撰写实习报告。
二、实习内容1. 资料准备实习过程中,我们使用了国家气候中心整编的月降水量资料(时间段:年,资料的格式参见文件),以及年雨型分类表。
资料范围为全球,时间跨度为年,网格距为,纬向格点数为,经向格点数为。
资料格式为,资料从南到北、自西向东排列,每月为一个记录,按年逐月排放。
2. 数据分析(1)计算年夏季三类年雨型合成图根据年雨型分类表,将年降水量分为三类雨型:一类雨型、二类雨型和三类雨型。
分别计算三类雨型的样本数,并根据公式及资料,计算总体均值的统计量。
通过显著性水平检验,得出三类雨型的样本均值和标准差。
(2)计算各类雨型的前期冬季高度场距平合成图使用再分析资料,计算各类雨型的前期冬季高度场距平合成图。
通过分析距平图,指出可能出现的遥相关型。
3. 结果绘图输出和文字分析根据计算结果,绘制各类雨型的前期冬季高度场距平合成图,并进行分析。
同时,对计算结果进行文字分析,总结出各类雨型的前期冬季高度场特征。
三、实习方法及步骤1. 编写程序根据实习要求,编写计算年夏季三类年雨型合成图、各类雨型的前期冬季高度场距平合成图的程序。
程序包括以下步骤:(1)读取再分析资料,提取月降水量数据;(2)根据年雨型分类表,将年降水量分为三类雨型;(3)计算各类雨型的样本数,并根据公式及资料,计算总体均值的统计量;(4)根据显著性水平检验,得出三类雨型的样本均值和标准差;(5)读取前期冬季高度场资料,计算距平值;(6)绘制各类雨型的前期冬季高度场距平合成图。
2. 结果分析根据程序计算结果,分析各类雨型的前期冬季高度场特征,总结出各类雨型的前期冬季高度场分布规律。
四、实习总结通过本次实习,我们对短期气候预测因子的分析和选择有了更深入的理解,提高了对夏季降水分布、环流异常在短期气候预测中物理机制的认识。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
———————————————————————————————— 作者:
———————————————————————————————— 日期:
ﻩ
实习二:大气环流分型
一、实习目的及要求
本实习的目的是掌握大气环流分型的基本方法--EOF(经验正交函数分解);要求熟悉EOF方法和程序的应用:用相关GRADS气象绘图系统,编写数据描述文件以及GRADS执行程序,用图形输出空间向量场;并能正确分析结果数据,完成实年1月欧亚(20-700N;40o-140oE)500hPa位势高度场的标准化序列进行自然正交展开 ,绘图主要的异常环流型环流型,输出讨论EOF分析主要参数标。
三、实习步骤
1、实习资料
NCEP/NCAR 1948-2008年1月的500百帕月平均高度场资料,资料范围为(900S-900N,00-3600E)
网格距为2.50×2.50,纬向格点数为144,经向格点数为41
资料为GRD格式,资料从南到北、自西向东排列,每月为一个记录,按年逐月排放。
2、实习方法
EOF功能:从一个气象场多次观测资料中识别出典型空间场型及其时间演变规律。EOF展开就是将气象变量场分解为空间函数(V)和时间函数(T)两部分的乘积之和:X=VT。
第三特征向量场图
第三特征向量场图
分析:上图表示的是EOF的第三特征向量场。第三特征向量场表征欧洲西部高空脊发展,东亚大槽北部的槽加深,南部的槽减弱,或者欧洲西部高空脊以及东亚大槽北部的槽减弱,南部的槽加深;第三特征向量场的方差贡献为17.7%。
各特征向量方差贡献及累计方差贡献:
ﻩenddo;enddo;enddo
do it=1,61
do j=1,21
do i=1,41
f((j-1)*41+i,it)=h(i,j,it)
enddo;enddo
enddo
(3)编写GRADS数据描述文件:
dset d:\nyclimate\sh2\egvt.grd
undef -9.99E+33
endvars
;
(4)编写GRADS的执行(gs)文件:
'reinit'
'open d:\nyclimate\sh2\egvt.ctl'
'enable print d:\nyclimate\sh2\egvt.gmf'
i=1
while(i<=3)
'set t 'i''
'd egvt'
'draw title NO.-'i' of EOF'
第一特征向量场图
第一特征向量场图
分析:上图表示的是EOF的第一特征向量场。第一特征向量场表征亚洲中西部高空脊减弱,东亚沿海高空槽加深,或者亚洲中西部高空脊发展,东亚沿海高空槽加深;第一特征向量场的方差贡献为22.5%。
第二特征向量场图
第二特征向量场图
分析:上图表示的是EOF的第二特征向量场。第二特征向量场表征亚洲西部高空脊发展,亚洲东部高空槽加深,或者亚洲西部高空脊及亚洲东部高空槽减弱;第二特征向量场的方差贡献为21.1%。
'set lon 0 360'
'set t 1'
'define have=ave(hgt,t+0,t=732,12)'
'd have'
'print'
'disable print'
;
(2) 编写关于EOF数据处理的FORTRAN程序:
do it=1,61
do i=1,41
do j=1,21
h(i,j,it)=hh(i+16,j+44,1,it)
'print'
'c'
i=i+1
endwhile
'disable print'
;
4、结果输出
1948-2008年1月500hPa高度平均图(单位:gpm)
分析:上图表示的是1948-2008年1月份500hPa的高度场,从图中可以看出北半球冬季极地地区为极地低压,而中高纬地区呈三槽三脊的形势,三槽分别位于:亚洲东部、北美东部和欧洲东部,其中欧洲东部的槽很弱;三脊分别位于:美国阿拉斯加地区、西欧沿岸和青藏高原东部,可以看出脊的强度比槽弱得多。在低纬地区,可以看到除了北美和东亚大槽向南伸到较低纬度外,在地中海、东太平洋都有比较明显的槽。而副热带高压强度小,且中心都位于海上。
6计算特征向量的时间系数call TCOEFF(KVT,KV,N,M,MNH,S,F,V,ER)
7计算每个特征向量的方差贡献call OUTER(KV,ER)
8结果输出(主程序)
3、编写程序
(1)绘制1948-2008年1月欧亚地区500hPa位势平均高度场图
实习配置的GRADS数据描述文件:
dset d:\nyclimate\sh2\hgt500.grd
应用步骤:
1数据输入(主程序)
2资料预处理(距平或标准化处理)call TRANSF(N,M,F,AVF,DF,KS)
3计算协方差矩阵call FORMA(N,M,MNH,F,A)
4用Jacobi方法计算协方差矩阵的特征值与特征向量JCB(mnh,A,S,EPS)
5将特征值从大到小排列call ARRANG(KV,MNH,A,ER,S)
vars 1
hgt 1 -999 monthly mean hgt
endvars
;
gs文件:
'reinit'
'open d:\nyclimate\sh2\hgt500.ctl'
'enable print d:\nyclimate\sh2\have1.gmf'
'set lev 500'
'set lat -90 90'
undef -9.99E+33
title monthly mean hgt from the NCEP Reanalysis
xdef 144 linear 0.000 2.500
ydef 73 linear -90.000 2.500
zdef 1 levels 500
tdef 732 linear jan1948 1mo
title monthly mean hgt from the NCEP Reanalysis
xdef 41 linear 40.000 2.500
ydef 21 linear 20.000 2.500
zdef 1 levels 500
tdef 8 linear jan1948 1mo
vars 1
egvt 1 99 egvt