1961-2013年东北区域极端气温的变化特征

为研究东北地区极端气温变化规律,利用1961-2013年最高、最低气温资料,采用线性趋势分析方法,从时间变化、空间分布、发展趋势、指数强度方面对极端气温指数绝对及相对变化的影响等角度分析了我国东北区域极端气温事件的变化规律。结果表明：东北区域冷指数减小,暖指数增大,指数强度越大,其绝对变化越小而相对变化越大;高强度极端气温对温度变化的贡献大于低强度极端气温;高强度极端气温指数变化率增加幅度大于低强度指数,冬季各指数变化率最大;结冰日数、冷昼日数和暖昼日数变化率在东北区域的南北两侧较大;研究时段内,夏季日数、炎热夜数、暖昼日数和暖夜日数增加的幅度不断增大;霜冻日数、结冰日数、冷昼日数和冷夜日数减少的变化率先增大后减小。     

基于高度再指定的FY-2C双通道云导风同化及预报试验

为了探求FY-2C双通道云导风在实际预报中的可用性,先对双通道云导风进行合并,并利用T511模式12 h预报场对云导风进行高度再指定,使得云导风资料的空间密度和质量明显提高。进而利用WRF模式及其变分同化系统WRFDA对高度再指定前、后的云导风在同化及预报中的影响进行了研究,结果表明：同化原始云导风使初估风场的统计误差增大,而同化高度再指定后的云导风对初估风场有明显的改善作用;同化原始云导风会导致压、温、湿的初估场误差增加,但同化高度再定位后的云导风效果明显好于同化原始云导风;同化高度再定位后的云导风对48 h内的风场预报有改善作用,随着预报时效的延伸,风场的改善带动了其他要素场从负影响到正影响的转变。     

基于CCA-BP-BPNN释用模型的太平洋SST预报

为了有效提高预报精度,将一种基于神经网络并能综合有效利用全场信息的非线性释用技术应用到海洋SST预测上.通过CCA-BP法建立的典型因子,可以代表气象因子场与SST之间的大部分协方差关系,使气象因子与站点要素相关性大为提高,进而通过神经网络技术(BPNN)建立非线性预报模型.利用该模型尝试对热带太平洋表层海温形势(ENSO)进行预报,并建立了该区域逐点海温的预报方案.试报结果表明,该方法对预测春季海温形势有较好的效果,有效预报时效可达1 a以上;对6 a的3月份热带太平洋表层海温预报,平均绝对误差为0.22 ℃.该方法为海洋SST统计预报提供了一个值得参考的途径.     

短期区域气候预测系统及回报试验

为了提高短期区域气候预测准确率,针对我国大陆区域及周边海域,通过国家气候中心全球海气耦合模式嵌套一个区域大气-海洋耦合模式,建立了一套短期区域气候预测系统。利用该预测系统对2006-2011年逐年7月的气候特征进行了回报试验,对比分析了区域模式相对于全球模式预测高空形势场的差异,评估了预测系统对地面温度和降水的预测能力。试验表明:同化后,初估场质量显著提高;区域模式在预测高空形势场方面优于全球模式;相对于单独的大气模式,海气耦合模式在预测中低空的温度和湿度方面有一定的改善;系统对地面气温和降水均具有一定的预报能力,其中降水预测稍好。