• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文会议>2011年第二十八届中国气象学会年会 >降尺度方法在黑龙江省月气候预测中的应用

降尺度方法在黑龙江省月气候预测中的应用

页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

研究表明，GCM能很好地模拟出大尺度环流特征，但是由于空间分辨率较低，很难对区域气候情景做详细的预测。降尺度方法是将大尺度的气候信息转化为区域尺度的地面气候变化信息（如气温，降水），从而弥补了GCM对区域气候变化预测的局限。因此采用降尺度的方法来提高区域气候事件模拟能力是十分必要的。典型相关分析作为一种较为理想的、用于研究两个场或两组变量间相关性的统计降尺度方法，能够提取出反映两个场不同的主要相关结构，并且利用主要的相关结构作出要素场的预报，近年来已经得到了广泛的应用。本文利用典型相关分析方法建立了黑龙江省1 月、7 月气温和降水的预测模型，进行了3 年的短期气候预测试验，并与多元回归方法的预报结果对比分析，结果表明：①CCA 方法对黑龙江省冬夏气温和降水的预测都有一定的预报技巧。但是预报效果对不同要素不同区域有差异。②两种方法对比来看，无论是冬季（1 月）还是夏季（7 月），CCA 方法对温度的预报效果好于多元回归方法，CCA 对1 月和7 月温度的区域预报评分3 年平均可达到74 分左右。多元回归方法对1 月气温的预测效果差。③两种方法对降水的预测评分低于气温近10 分。降水的分区预报结果显示，中西部地区的预测效果较好，两种方法均在70 分以上，最好时可超过90 分。而北部漠河区域和东部佳木斯地区则预报效果较差，区域评分不足40 分。多元回归对降水的预测效果好于CCA 方法。CCA 方法中流场因子对降水的预报效果好于高度场因子。④CCA 方法虽只选择了单个因子场进行预测，但高相关因子的物理意义清晰，对气温预测效果好。CCA 对降水的预测不及多元回归，可能是用于预测的初始因子场较少的缘故，还需要进一步研究。两种方法对模式预报结果依赖性强，因此所选用的预报因子必须能被数值模式较准确的模拟。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号