降尺度方法在月预报中的应用研究
《2024年气象资料的统计降尺度方法综述》范文
《气象资料的统计降尺度方法综述》篇一一、引言随着全球气候变化日益显著，气象资料的重要性愈发凸显。
统计降尺度方法作为气象学领域的一种重要技术手段，在气候模式模拟、气象预报、灾害预警等方面具有广泛的应用。
本文旨在综述气象资料的统计降尺度方法，为相关研究提供参考。
二、统计降尺度方法概述统计降尺度方法是一种基于大尺度气象资料与小尺度气象要素之间统计关系的技术手段，通过分析大尺度气象场与小尺度气象要素之间的关联性，实现从大尺度资料到小尺度气象要素的预测和推算。
该方法主要包括以下几种类型：1. 回归分析方法：利用历史气象数据，建立大尺度气象场与小尺度气象要素之间的回归模型，实现降尺度预测。
2. 插值方法：根据已知的观测点数据，采用空间插值方法推算未知区域的气象要素值。
常见的插值方法包括克里金插值法、反距离加权法等。
3. 模式模拟与降尺度相结合的方法：通过将大尺度的气候模式输出与局部尺度的地理、生态等信息相结合，建立更精确的降尺度模型。
三、各类统计降尺度方法的比较分析各类统计降尺度方法在应用中各有优劣。
回归分析方法适用于具有明显线性关系的变量之间，但需要大量的历史数据支持；插值方法简单易行，但需要考虑空间异质性和地形因素的影响；模式模拟与降尺度相结合的方法可以更好地考虑多种影响因素，但模型构建相对复杂。
在实际应用中，应根据具体需求和资料条件选择合适的降尺度方法。
四、统计降尺度方法的应用领域统计降尺度方法在气象学领域的应用十分广泛，主要包括以下几个方面：1. 气候模式模拟：通过建立大尺度的气候模式与小尺度的地理、生态等信息之间的联系，实现气候模式的精细化和区域化。
2. 气象预报和灾害预警：利用统计降尺度方法对大尺度的气象信息进行预测和推算，为气象预报和灾害预警提供支持。
3. 农业、林业等领域的决策支持：通过分析气象要素与农作物、森林等的关系，为农业、林业等领域的决策提供科学依据。
五、未来发展趋势及展望随着大数据、人工智能等技术的发展，未来的统计降尺度方法将更加精细化和智能化。
降尺度方法在广西月降水量预测中的应用研究的开题报告
降尺度方法在广西月降水量预测中的应用研究的开题报告一、研究背景与意义降尺度方法是将大尺度气候模式输出的数据转化为小尺度气象现象的方法。
广西位于中国南部，地理位置靠近赤道，自然环境复杂多样，而且受影响因素也很多，包括气候变化、自然灾害等。
作为一个农业大省，广西农业生产的发展也受到了这些因素的影响，因此需要进行有效的气候预测和应对工作。
月降水量是影响农作物生长和气候变化的一个重要指标，而降尺度方法可以将大尺度气象预测转化为准确的月降水量预测，是有效应对气候灾害和优化农业生产的重要手段。
因此，本研究旨在探究降尺度方法在广西月降水量预测中的应用，为广西的气候预测与农业生产提供科学依据。
二、研究内容与目的本研究将以广西地区为基础，结合大尺度气候模式的输出数据，采用降尺度方法，预测广西月降水量情况。
主要包括以下研究内容：1. 收集并分析广西地区的气象数据。
2. 研究降尺度方法的理论及其应用范围。
3. 利用降尺度方法，将大尺度气候模式输出数据转换为广西地区的月降水量预测数据。
4. 对预测结果进行分析和验证，并与实际气象数据进行对比分析。
通过对广西地区月降水量预测的研究，可以为广西的农业生产、气象监测及防灾减灾提供科学参考，提高广西地区的生产效益和社会发展水平。
三、拟采用的研究方法本研究将主要采用以下研究方法：1. 文献调研法：通过查阅相关文献资料，了解降尺度方法在气象预测中的应用情况，以及国内外关于月降水量预测的研究现状。
2. 数据收集法：收集广西地区的气象数据及大尺度气候模式的输出数据，为降尺度方法的应用提供数据基础。
3. 统计分析法：运用统计学方法，对降尺度方法预测得到的月降水量数据进行分析，计算出预测结果的精度、误差等指标，并与实际气象数据进行对比分析。
四、研究预期成果本研究将在以下几个方面取得预期成果：1. 探究降尺度方法在广西月降水量预测中的应用，为广西的气象预测和农业生产提供科学依据。
2. 基于大量的气象数据和降尺度方法的应用，提高广西地区月降水量的预测精确度和准确性。
降雨时间尺度上的降尺度分析研究
中图分类号 ：３ ３１ Ｐ３ ．
文 献标识 码 ： Ａ
文章编 号 ：０ ０ ０ ５ （０ ７０ — ０ ６ ０ １０ — ８ ２２ ０ ）５ ０ １— ５
水文 气象 的观测 资料 的严重 不 足 已经 成 为限制水 文学发展 的一个 瓶颈 问题 ． 严重 限制 了水文 学 的发展 。 针对 资料 不 足 问题 ，国 内外 已经 开展 了大量 的 工作 。
实测 日降雨 ｍｍ ； 为 日降雨 历时 ｓ。 ）７ － ）
（ ｒｄｃｉ ｎ Ｕ ｇｕ ｅ ａｉｓ 的 国际水文 计划【 由 Ｐｅ ｉｔ ｎ ｉ ｎａ ｇｄ Ｂ ｓ １ ｏ ｎ ｌ Ｊ 。 该 计 划 引 起 了 很 多 的 研 究 ． 尤 其 在 降 尺 度 （ ｏ ｎ ｃｌ ｇ 的研 究上 。降雨 的空 间尺 度上 的降尺 度 ｄ ｗ ｓａｉ ） ｎ 研究 主要 基 于卫星 与雷达 数据 的研究 ，已经发 展 出很 多成熟 的方法［ １ 降雨 在时 间 的尺 度上 降尺度 研究 相 ２。 － ３ 对不是很 多 ， 其是 日降雨 到小 时尺 度 的降尺度 ， 乎 尤 几 没有成 熟 的方法 。但 降雨 的不 同时 间分 布对水 文模 型 的影 响非常 大 ． ： 如 苏凤 阁曾研究 过将 月 降雨 降尺度 到 月 的每 日中 ． 然后建 立月水 文模 型 ， 发现 降尺度 后 的模 拟 明显 改善 了模 拟结 果 ．并且不 同 的降尺 度 方法结果 不一样 。通 过文 献 ， 以得到 以下几 个 日降雨 降尺 度 可
到小 时的经验 方法 ：
周祖 昊 ， 浩（０ ５年１ 王 ２０ 也提 出一个转换 方法 。 该
法 中采 用 了一 个衰 退 的公式 计算 雨 强 的分布 ， 而得 从 到每 小 时的雨量 。
气象资料的统计降尺度方法综述
气象资料的统计降尺度方法综述一、本文概述随着全球气候变化研究的不断深入，气象数据的获取和精度要求也在逐步提高。
降尺度方法作为将大尺度气候模型输出转化为小尺度高分辨率气象数据的重要工具，其研究和应用越来越受到重视。
本文旨在对气象资料的统计降尺度方法进行全面的综述，探讨其基本原理、方法分类、应用实例以及存在的挑战和未来的发展趋势。
本文将介绍降尺度方法的基本概念和原理，阐述其在气候变化研究、区域气象预测和气象事件模拟等领域的应用价值。
接着，文章将按照统计降尺度方法的分类，详细介绍各种方法的原理、优缺点以及适用范围。
这些方法包括但不限于线性回归、主成分分析、神经网络、随机森林等。
随后，本文将通过具体的应用实例，展示统计降尺度方法在气象数据降尺度处理中的实际效果，并分析其在实际应用中的优缺点。
文章还将讨论当前统计降尺度方法面临的挑战，如模型泛化能力、计算效率、数据同化等问题，并对未来的研究方向和发展趋势进行展望。
通过本文的综述，读者可以对气象资料的统计降尺度方法有更加深入和全面的了解，为其在气象学、环境科学、气候变化研究等领域的进一步应用提供理论支持和实践指导。
二、气象降尺度方法概述气象降尺度方法是一种将大尺度气候模型输出转化为更小尺度、更高分辨率的气候数据的技术。
这种方法在气候变化研究、区域气候模拟、气象事件预测以及环境影响评估等领域具有广泛的应用。
降尺度方法主要基于大气、海洋、陆地表面等复杂系统的物理过程和相互作用，通过数学和统计模型，将大尺度气候模型的结果转化为更小尺度的气候信息。
降尺度方法主要分为动力降尺度（Dynamic Downscaling）和统计降尺度（Statistical Downscaling）两种类型。
动力降尺度通过构建高分辨率的区域气候模型，直接模拟小尺度气候系统的动态过程。
这种方法能够更准确地模拟小尺度气候系统的复杂性和不确定性，但计算量大，需要高性能计算机资源。
统计降尺度则主要利用大尺度气候模型输出与小尺度气候观测数据之间的统计关系，建立统计模型进行降尺度处理。
《2024年气象资料的统计降尺度方法综述》范文
《气象资料的统计降尺度方法综述》篇一一、引言随着全球气候变化的影响日益显著，气象资料的准确性和精细度对于气象预测、气候变化研究、农业、水资源管理等领域的重要性愈发凸显。
统计降尺度方法作为将大尺度气象资料降尺度至更小空间尺度的技术手段，得到了广泛的关注和深入研究。
本文将对气象资料的统计降尺度方法进行综述，分析其研究进展和应用前景。
二、统计降尺度方法概述统计降尺度方法是一种基于统计学原理的气象资料处理方法，其核心思想是通过建立大尺度气象变量与小尺度气象变量之间的统计关系，将大尺度的气象资料转换为小尺度的气象资料。
具体方法包括基于插值的方法、基于多元回归分析的方法和基于机器学习的方法等。
三、插值方法插值方法是利用已知点的气象数据预测未知点的方法，主要包括空间插值和时间插值。
空间插值常用于将大尺度的气象数据插值到更小的空间尺度上，如利用三维空间插值法、克里金插值法等。
时间插值则是将某一时刻的气象数据根据气候统计特征推算出其他时刻的数据，如使用二次曲线法或拉格朗日插值法等。
四、多元回归分析方法多元回归分析方法通过分析大尺度气象变量与小尺度气象变量之间的关系，建立数学模型，将大尺度的气象资料通过模型转换得到小尺度的气象资料。
该方法主要涉及变量的选择和模型的建立。
选择适当的变量对降尺度效果至关重要，模型建立的准确度直接影响着降尺度的精度。
常用的多元回归分析方法包括逐步回归分析、主成分回归分析等。
五、机器学习方法随着人工智能技术的快速发展，机器学习方法在气象资料的统计降尺度中得到了广泛应用。
该方法通过构建大量的模型参数，学习大尺度气象变量与小尺度气象变量之间的复杂关系，从而实现更准确的降尺度。
常见的机器学习方法包括神经网络、支持向量机等。
其中，神经网络因其强大的学习能力和较高的预测精度，在气象资料降尺度领域具有广阔的应用前景。
六、应用领域与展望统计降尺度方法在气象预测、气候变化研究、农业、水资源管理等领域具有广泛的应用价值。
动态垂直变率降尺度方法在气温智能网格预报中的应用
doi:10.11676/qxxb2023.20220208气象学报动态垂直变率降尺度方法在气温智能网格预报中的应用*赵瑞霞1 代 刊1 王 勇2 曹 勇1 朱跃建3 王宝利4ZHAO Ruixia1 DAI Kan1 WANG Yong2 CAO Yong1 ZHU Yuejian3 WANG Baoli41. 国家气象中心，北京，1000812. 南京信息工程大学，南京，2100443. 美国国家环境预报中心/环境模式中心，马里兰，207404. 北京文泽智远信息技术有限公司，北京，1000811. National Meteorological Centre，Beijing 100081，China2. Nanjing University of Information Science and Technology，Nanjing 210044，China3. NOAA/NWS/NCEP/Environmental Modeling Center，Maryland 20740，USA4. Beijing Wenzezhiyuan Information Technology Co.，Ltd，Beijing 100081，China2022-12-29收稿，2023-05-01改回.赵瑞霞，代刊，王勇，曹勇，朱跃建，王宝利. 2023. 动态垂直变率降尺度方法在气温智能网格预报中的应用. 气象学报，81（5）：788-800Zhao Ruixia， Dai Kan， Wang Yong， Cao Yong， Zhu Yuejian， Wang Baoli. 2023. Application of a dynamic vertical change rate downscaling method in gridded temperature forecast. Acta Meteorologica Sinica， 81（5）:788-800Abstract To improve spatially fine characteristics and accuracy of objective gridded temperature forecast, a dynamic vertical change rate downscaling method (DRD) considering elevation is proposed. Real-time vertical changes of surface air temperature with elevation (VCE) are calculated using the relationship between surface air temperature forecast and elevation at different grid points in the numerical model, and the results are applied to downscaling forecasts at target grids and stations to generate a more accurate initial background forecast field. Based on ECMWF model forecasts, 5 km resolution gridded elevation information, observations collected at 10154 stations and their geographic information in China, forecast experiments for spring, summer, autumn and winter are carried out. Spatial and temporal distribution characteristics of VCE, the accuracy of DRD temperature forecast and its ability to depict spatially fine characteristics are analyzed. The results show obvious diurnal, seasonal and spatial variations of VCE over China corresponding to diurnal and seasonal variations of surface long wave radiation, thermal properties and topographic dynamic effects. The value of VCE usually reaches the largest in the morning and the smallest in the evening. This means that surface air temperature decreases the slowest or increases the fastest with increasing height in the morning, and decreases the fastest or increases the slowest in the evening. Spatial variability of VCE is the largest in winter and the smallest in summer. The VCE value is closely related to the distributions of topography, land-sea, and inland lakes. Large VCE values usually appear over large topography edges, daytime land-sea margins, and inland lake edges in the daytime in spring and the whole day in summer. VCE often varies more greatly in complex terrain areas. The DRD surface air temperature forecast is significantly better than the bilinear-interpolated value of model prediction (DMO), especially over complex terrain areas. For example, the mean absolute error (MAE) of DRD forecast is about 14.3%—52.5% smaller than that of DMO over the southern Qinghai-Tibet Plateau in spring. At the same time, DRD significantly improves the ability* 资助课题：国家重点研发计划项目（2021YFC3000903）、国家气象中心预报员专项（Y202132）、中国气象局重点创新团队项目（CMA2022ZD04）。
《2024年气象资料的统计降尺度方法综述》范文
《气象资料的统计降尺度方法综述》篇一一、引言随着全球气候变化和人类对气象信息需求的日益增长，气象资料的准确性和精细度成为了重要的研究课题。
统计降尺度方法作为提高气象资料空间分辨率和时间分辨率的重要手段，得到了广泛的应用和深入的研究。
本文旨在综述气象资料的统计降尺度方法，为相关研究提供参考。
二、气象资料统计降尺度的基本概念统计降尺度方法是一种将大尺度气象资料降尺度至小尺度的技术手段。
其基本原理是通过建立大尺度气象要素与小尺度气象要素之间的统计关系，利用大尺度资料推算小尺度资料，从而提高气象资料的精细度和准确性。
统计降尺度方法在气象学、气候学、农业气象学等领域具有广泛的应用。
三、气象资料统计降尺度的常用方法1. 多元回归分析多元回归分析是一种常用的统计降尺度方法。
该方法通过建立大尺度气象要素与小尺度气象要素之间的多元线性回归模型，利用回归系数推算小尺度资料。
多元回归分析具有较高的预测精度和较好的解释性，但需要较多的样本数据和较强的统计学知识。
2. 人工神经网络人工神经网络是一种模拟人脑神经元结构的计算模型，具有强大的学习和自适应能力。
在气象资料的统计降尺度中，人工神经网络可以通过学习大尺度气象要素与小尺度气象要素之间的非线性关系，推算小尺度资料。
人工神经网络具有较高的预测精度和鲁棒性，但需要大量的训练数据和计算资源。
3. 空间插值法空间插值法是一种基于空间位置信息推算未知点气象资料的方法。
在统计降尺度中，空间插值法可以通过已知点的气象资料和空间位置信息，推算未知点的气象资料。
常见的空间插值法包括反距离加权法、克里金插值法等。
空间插值法具有简单易行、计算量小的优点，但需要考虑空间异质性和地形因素的影响。
四、气象资料统计降尺度的应用领域气象资料的统计降尺度方法在多个领域得到了广泛的应用。
在农业领域，统计降尺度方法可以帮助农民准确预测农作物生长环境和产量，提高农业生产效益。
在气候变化领域，统计降尺度方法可以推算未来气候变化的趋势和影响，为应对气候变化提供科学依据。
基于降尺度方法的徐州市降水变化分析
月份
一月
二月
三月
四月
五月 61.27
六月 96.12
×
基准期 平均月 降水量
降水量（mm） 16.58 20.14 32.11 57.30 七月 八月 九月 十月 月份 降水量（mm） 206.30 143.36 102.07 51.67 月份 一月 二月 三月 四月
十一月 十二月 25.80 50.22
结果分析及验证
3.基准期（1961-1990）与未来（2010-2039）平均年降水量变化分析 结合基准期（1961-1990）与未来（2010-2039）平均年降水量数据， 绘制两个时段两种情景下的年际降水量的对比情况图，如下图：
从左图可以看出，A2和 B2情景下，平均年降水量都 是有所减少的。这与姚晓蔚 等的研究成果保持一致，即 在全球气候变暖的情况下， 华北Байду номын сангаас原地区降水量总体呈 现减少的趋势。唐文学等也 得出了徐州市降水量年际变 化大，且总体呈现缓慢下降 趋势的研究结果。
数据来源及研究方法
1.气象站点实测数据 本研究中，小尺度气象要素实测数据是从 （中 国气象科学数据共享服务网）获取的。
其次，要 对降水特 征值进行 转换。
降水不足0.1mm，可用0代替。
遇到此类降水量替换为XX.Xmm。
数据来源及研究方法
1.气象站点实测数据 本研究中，小尺度气象要素实测数据是从 （中 国气象科学数据共享服务网）获取的。
数据来源及研究方法 结果分析及验证 总结及展望
3
4 5
选题背景及研究意义
选题背景
在气候变化预估研究 中，GCM模型是一个很理想 的预估工具。 众多研究表明： GCM 模 型对大尺度气候的平均特 征模拟效果很好。然而， 它在区域气候模拟方面能 力有限，而统计降尺度方 法的应用有效地解决了此 类空间分辨率不匹配的问 题。
- 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)。
第1期 气象水文海洋仪器 No .12011年3月 M eteo rological ,Hy drolog ical and M arine Instruments M ar .2011收稿日期:2010-08-16.基金项目:国家自然科学基金(40675040)项目资助.作者简介:王慧娟(1983),女,硕士.主要从事短期区域气候预测研究.降尺度方法在月预报中的应用研究王慧娟1,2,3,吴洪星1,3,仵建勋1,3(1.解放军理工大学气象学院,南京211101;2.294608部队气象台,南京210022;3.空军装备研究院航空气象研究防化研究所,北京100085)摘 要:月尺度的预报是气象业务中的难点,本文从降尺度的方法出发、介绍了动力学降尺度方法、统计学降尺度方法以及动力统计降尺度方法。
总结了近年来在月尺度预报上的研究成果,并在此基础上提出了有待进一步研究的课题。
关键词:降尺度;月预报;动力延伸期中图分类号:P456.2 文献标识码:A 文章编号:1006-009X (2011)01-0027-05Application of downscaling method in monthly forecastWang H uijuan1,2,3,Wu H o ng xing1,3,Chu Jianxun1,3(1.Meteorological College ,PL A Univ ersity o f Science and T echnology ,N anj ing 211101;2.Observatory o f No .294608Army ,N an jing 210022;3.I nstitute of Ai r Force Equi pment ,Chemical De f ense I nstitute of Av iation Weather ,Bei jing 100085)A bstract :The mo nthly fo recast is the difficult point in meteo rological o peratio n .Based on the dow nscaling method ,this paper describes three dow nscaling metho ds that are dy namic ,statistical and dy namic -statistical .Then ,the research results o n the monthly fo recast are summ arized ,and the further pro spects in this area are pro po sed .Key words :dow nscaling metho d ;m onthly forecast ;dynamical ex tended rang e forecast0 引言统计学方法做气候预测隐含着一个基本假设,即气候系统的未来状况类似于过去和现在,如果预测期间的气候状况发生较大改变就破坏了这种基本假设,就有可能导致预测失败或者是拟合好预报差。
所以统计学预报是基于对过去发生气候状况进行拟合从而对未来情境做出预报。
动力学方法则是建立在一套大气动力学方程基础之上的。
通过动力学方程之间的关系,由初始状态推导出未来的气候情境。
统计学的方法主要用于中长期的气候预测,而动力学的方法则是主要用于短期的天气预报当中。
月预报的时间尺度介于气候预测和天气预报中间,有着统计学和动力学特征。
月尺度的短期气候预测是气候预测或长期预报的下限,又是中期预报的上限,也被称为动力延伸期预报。
1 研究现状我国的短期气候预测业务开始于1958年,是世界上开展预测业务比较早且一直坚持的少数几个国家之一。
近年来,经过8年多的研制和发展,国家气候中心建成了第一代动力气候模式预测业务系统(NCC -GODAS ),并以此为平台,逐步形成气象水文海洋仪器Mar.2011了月、季节到年际时间尺度的模式预测业务。
20世纪80年代以来,随着全球气候观测系统的不断完善,国际大型外场观测试验的成功实施以及高性能计算机的飞速发展,为气候模式的迅猛发展提供了基础和条件。
气候模式的复杂程度及模拟能力得到了显著的提高,已成为研究全球和区域气候形成及变异、气候系统各圈层之间的相互作用以及全球变化等的有力工具。
目前用于研究短期气候预测的气候模式,包括全球大气环流模式、全球海洋环流模式、冰模式、陆面生物圈模式、区域气候模式以及这些模式的耦合或嵌套模式。
我国东亚气候中心在M M5基础上发展起来的RIEMS模式已经耦合了水文模型、生态模型、辐射模型甚至人文社会经济模块,可以说作为气候系统的完善方面,现在已经取得了巨大的进步。
2 降尺度技术在月气候预测业务中预报方法一般有动力学和统计学两种方法。
传统的统计方法无法解释大气的物理机制,使得数值模式被越来越多的气象工作者作为预测工具。
很多的研究工作也表明,大气环流数值模式对大尺度的环流模式的预报效果比较好,而对一些气候要素(如温度、降水等)的模拟就不尽如人意。
Cubasch等[1]用大气海洋环流模式对地中海盆地区域进行模拟,结果表明大气海洋环流模式能较好的模拟大尺度气候变化,但是在模拟区域尺度方面很不理想。
怎样用大气环流数值模式较好地预报气候要素(如温度、降水等),一种方法是提高模式的分辨力,但是提高模式空间分辨力所需要的计算量非常大;二是对大尺度进行降尺度,用大尺度给出小尺度的信息,这就提出了降尺度(dow nscaling)技术。
目前应用的降尺度法共有3种,即:动力降尺度法、统计降尺度法和统计与动力相结合的降尺度法。
2.1 动力降尺度技术用动力学模式作短期气候预测开始于大气环流模式发展成功以后的上世纪70年代,1975年用大气环流模式做出了第一个月预测,自80年代中期以后,世界各大预报中心,如ECM WF(欧洲中期预报中心)、NMC(美国国家飓风中心)、加拿大气候中心和JM A(日本气象厅)等都先后用全球数值模式做了大量的月尺度预测试验,研究方法受中短期数值天气预报成功的影响,多采用大气环流模式(AGCM)作月延伸预报,90年代以后开始尝试用耦合模式(CGCM)作短期气候预测。
90年代后期,大气和大洋环流模式相继得到发展,模式分辨率得到提高,物理参数化方案和资料同化方案引入模式,同时,陆面模式、海冰模式、大气化学模式以及生态模式得到较大发展并开始与海气模式耦合,与全球模式嵌套的区域气候模式也逐渐发展。
一直到现在,动力延伸预报和海气耦合预报是动力方法进行短期气候预测的主要途径。
由于当前的全球大气-陆地-海洋耦合模式(CGCM)的空间分辨力一般在百公里的量级,因而难以描述区域尺度的复杂地形、植被分布和物理过程,对区域尺度的气候及其变化,尤其是对降水的模拟与预报能力不高。
为了克服CGCM在该方面存在的较大的不确定性,90年代以来区域气候模式极为迅速地发展起来,利用区域气候模式进行短期气候预测及研究则更为普遍,且具有其优越性和必要性。
研究指出,区域气候模式能够较好地反映区域内部地形和地表状况特征,同时也考虑了较为细致的陆面过程,因而能够描述许多大气环流模式难以分辨的区域尺度的温度、降水分布和土壤水分变化特征;虽然随着计算能力的提高,提高全球模式的分辨力是研究的方向之一,但仅仅提高全球模式的分辨力并不能显著提高它对区域气候的模拟能力,那种认为只要发展全球模式,提高其分辨力就能解决区域气候模拟的主张是不全面的,在发展全球模式的同时发展区域模式应当是今后相当长一段时期内的研究方向之一。
2.2 统计降尺度技术统计降尺度方法是利用多年的统计资料建立大尺度和小尺度之间的统计关系,然后检验这种关系,应用到未来的预测当中。
预报因子(大尺度)和预报量之间的统计函数关系为:Y=F(X)其中X为大尺度的气候预报因子,Y为区域气候预报量,F为建立的统计关系式。
统计降尺度的方法式基于以下2条假设的基础上的:(1)F是可信的,即大尺度的预报因子和区域预报量之间是有者显著的统计关系的。
而且在变化的气候背景下,这种统计关系也是有效的。
(2)大尺度的预报因子能够被气候模式很好的模拟,即预报因子的得出也是有效可信的。
统计降尺度方法与数值模式相比,它的计算量比较·28·第1期王慧娟,等:降尺度方法在月预报中的应用研究小,不用考虑初始条件,边界条件对结果造成误差。
但是它的缺点也是显而易见的,它必须有足够的观测资料建立统计方程,而且预报因子和预报量之间有着显著相关性。
在统计方程的建立上,出现了多个自变量(预报因子)与多个因变量(预报量)的回归分析、岭回归分析、主成份回归分析、最优子集回归等方法。
这些方法逐步在气象预报中得到应用。
1965年W.F.Massy[2]提出的主成份回归、1970年H oerl 和Kennard[3]提出的岭估计(Ridge estimate)以及Webster[4]等提出的特征根回归(Latent roo treg ression,LRR),这些方法在气象预报中也开始应用起来。
另一种线性统计方法是典型相关分析CCA。
近几年已经开始把CCA方法应用于统计降尺度。
如吴滨等[5]用EOF-CCA方法预测了福建前汛期降水。
与CCA相似的奇异值分解SVD方法也开始应用于统计降尺度[6]。
大气是一个由外源强迫驱动的、存在耗散的、受重力场作用的、不均匀的旋转流体系统,其运动受一组复杂的动量、质量和能量非线性方程控制,因此,大气的运动在本质上是非线性的。
线性回归方程不能反映气象中预报因子与预报对象之间的非线性关系,因此,引入非线性的方程是近年来发展的趋势。
冯耀煌[7]提出一种不以正态分布为基础的非线性稳健回归模型,建立回归方程。
冯耀煌[8]还提出了一种选择非线性最优预报因子和建立非线性预报方程的方法,可用于长、中短期预报。
严华生[9]等针对异常复杂的非线性预报系统提出非线性多元样条回归预报模型。
试验结果表明,该模型具有良好的模拟和预报能力,值得进一步深入探讨和应用。
自20世纪80年代以来,随着多种新型网络模型的的出现,人工神经网络以其高度的非线性和自适应能力,在诸多学科领域得到广泛的应用。
大气是一个高度复杂的非线性系统,尤其适合人工神经网络的应用。
目前,气象领域应用最广泛的是Werbo s于1974年提出,Rumel-bart等1985年改进的误差反向传播模型(BP),并在不同的应用中不断改进。
如金龙等[10]利用BP网络和一般统计预报方法对降水集成预报做了比较试验,得出了神经网络性能优越于一般统计方法的结论,并指出BP网络在算法上需改进;张韧等[11]应用BP网络建立了太平洋副高活动的预报模型,提出了BP网络的优化算法。