CN106250699B - 利用enso综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法 - Google Patents

利用enso综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法 Download PDF

Info

Publication number
CN106250699B
CN106250699B CN201610639959.9A CN201610639959A CN106250699B CN 106250699 B CN106250699 B CN 106250699B CN 201610639959 A CN201610639959 A CN 201610639959A CN 106250699 B CN106250699 B CN 106250699B
Authority
CN
China
Prior art keywords
mei
enso
nino
event
intensity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610639959.9A
Other languages
English (en)
Other versions
CN106250699A (zh
Inventor
李树山
唐红兵
李崇浩
荣艳淑
徐亚男
魏佳
胡玉恒
张亮
贺晓婧
朱坚
葛朝霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Southern Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Southern Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN201610639959.9A priority Critical patent/CN106250699B/zh
Publication of CN106250699A publication Critical patent/CN106250699A/zh
Application granted granted Critical
Publication of CN106250699B publication Critical patent/CN106250699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Compositions Of Macromolecular Compounds (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种利用ENSO综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法，用持续时间（MEImonth）反映厄尔尼诺/拉尼娜事件的持续性；用平均强度（MEImean）和极端强度（MEImax）表示厄尔尼诺/拉尼娜事件的强度特性；用赤道太平洋海温增温≥0.5℃（或≤‑0.5℃）范围代表暖水区的空间扩展性（MEIspa）；用温度变化达到或超过±2℃的区域代表极端增暖区的扩展范围（MEIexspa），利用这五个参数，构建ENSO综合指标（MEIZ）。该方法全面考察了厄尔尼诺/拉尼娜事件对大气的影响，其作用不仅科学地辨别了每一次事件，而且客观地评价了厄尔尼诺/拉尼娜事件对大气的影响程度。

Description

利用ENSO综合指标进行厄尔尼诺/拉尼娜等级划分及径流预 测方法
技术领域
本发明涉及一种利用ENSO综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法，属于环保技术领域。
背景技术
多元ENSO(MEI，Wolter and Timlin,1993,1998)指标是根据6种热带海洋观测要素经主成分分析得到的。这6种要素分别是海平面气压、纬向风、经向风、海表面温度、海面上空的气温、天空总云量。目前多元ENSO指标只是一个统计数据，它是海洋上6种气象要素的主成分分析结果。尽管它表达了每个月份海洋要素的综合状况，但是，却不能给出每次厄尔尼诺(拉尼娜)事件的真实评价，这与厄尔尼诺(拉尼娜)事件具有持续性、区域扩展性和强度特性等综合特征有密切关系。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供一种ENSO综合指标及其径流预测方法。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种利用ENSO综合指标进行厄尔尼诺/拉尼娜等级划分方法，构建ENSO综合指标，用于全面阐述一个ENSO事件的强度及等级：
首先，定义特征值用来描述每一个ENSO事件，用持续时间(MEImonth)反映厄尔尼诺/拉尼娜事件的持续性；用平均强度(MEImean)和极端强度(MEImax)表示厄尔尼诺/拉尼娜事件的强度特性；用赤道太平洋海温增温≥0.5℃或≤-0.5℃范围代表空间扩展度(MEIspa)；用温度变化达到或超过±2℃的区域代表极端空间扩展度(MEIexspa)，利用这几个参数，构建ENSO综合指标(MEIZ)；
以±0.5为临界值，提取每个连续5次达到±0.5的厄尔尼诺/拉尼娜事件过程，计算极端强度MEImax、平均强度MEImean、达到标准后持续时间MEImonth，按月计算；提取赤道东太平洋海表温度≥0.5℃(或≤-0.5)的空间格点数，提取达到或超过±2℃的空间格点数，形成月文件，并将海表温度≥0.5℃(或≤-0.5)的空间格点数和达到或超过±2℃的空间格点数进行标准化，形成MEI0.5和MEI2.0序列；在达到厄尔尼诺/拉尼娜事件标准的时段内，计算MEIspa和MEIexspa；
将平均强度MEImean、极端强度MEImax、持续时间MEImonth、空间扩展度MEIspa和极端空间扩展度MEIexspa按0.3：0.2：0.1：0.2：0.2的权重衡量一个ENSO事件，对历次ENSO事件进行综合指标计算，得到综合MEI值，即ENSO综合指标MEIz；
MEIZ＝0.3MEImean+0.2MEImax+0.1MEImonth+0.2MEIspa+0.2MEIexspa
计算拉尼娜的综合值时，对MEI的数值先取绝对值，然后再进行权重计算的，因此，在MEIz划分的等级中，拉尼娜与厄尔尼诺等级标准一致，只是符号相反；MEIz的等级划分如下：
利用ENSO综合指标对流域流量的预测方法为：
有益效果：本发明提供的ENSO综合指标及其径流预测方法，具有以下优点：该方法提出了用持续时间(MEImonth)反映厄尔尼诺/拉尼娜事件的持续性；用平均强度(MEImean)和极端强度(MEImax)表示厄尔尼诺/拉尼娜事件的强度特性；用赤道太平洋海温增温≥0.5℃或≤-0.5℃范围代表空间扩展度(MEIspa)；用温度变化达到或超过±2℃的区域代表极端空间扩展度(MEIexspa)，利用这五个参数，构建ENSO综合指标(MEIZ)；
这是一种全新的构建方法，综合考虑了每个厄尔尼诺/拉尼娜事件的多种特性，是一种全新的描述厄尔尼诺/拉尼娜事件的方法。该方法全面考察了厄尔尼诺/拉尼娜事件对大气的影响，其作用不仅科学地辨别了每一次事件，而且客观地评价了厄尔尼诺/拉尼娜事件对大气的影响程度。这是目前任何一个指标都不具备的。
附图说明
图1是极强拉尼娜事件与红水河流域流量的关系图：(a)1954/1957事件，(b)1973/1976事件；
图2是极强厄尔尼诺事件与红水河流域流量的关系图：(a)1982/1983事件，(b)1991/1993事件，(c)1997/1998事件；
图3是极强拉尼娜事件与乌江流域流量的关系图：(a)1954/1957事件，(b)1973/1976事件；
图4是强拉尼娜事件与乌江流域流量的关系图：(a)1970/1972事件，(b)1998/2000事件，(c)2010/2011事件；
图5是强厄尔尼诺事件与乌江流域流量的关系图：(a)1957/1958事件，(b)1986/1988事件；
图6是极强拉尼娜事件与金沙江流域流量的关系图：(a)1954/1957事件，(b)1973/1976事件；
图7是强厄尔尼诺事件与金沙江流域流量的关系：(a)1957/1958事件，(b)1986/1988事件；
图8是极强拉尼娜事件与东江流域流量的关系：(a)1954/1957事件，(b)1973/1976事件；
图9是强拉尼娜事件与东江流域流量的关系：(a)1970/1972事件，(b)1998/2000事件，(c)2010/2011事件；
图10是极强厄尔尼诺事件与东江流域流量的关系：(a)1982/1983事件，(b)1991/1993事件，(c)1997/1998事件；
图11是强厄尔尼诺事件与东江流域流量的关系：(a)1957/1958事件，(b)1986/1988事件。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
一种ENSO综合指标及其径流预测方法，对多元ENSO(MEI)进行了重新研究和划分。以±0.5为标准值，出现MEI≥0.5的正值频率大约为30.94％，出现MEI≤-0.5的负值频率为29.01％，其余40.05％为正常年的频率。
任何一个ENSO事件达到的强度、持续的月数差异很大，我们定义了五个特征值，包括极端值、平均值和持续月数来描述每一个事件。以±0.5为临界值，提取每个连续5次达到±0.5的过程，计算极端强度(MEImax)、平均强度(MEImean)、达到标准后持续的月数(MEImonth)、空间扩展度(MEIspa)和极端异常区扩展度(MEIexspa)。以不同的权重将这五个特征参数进行组合，可以得到综合MEI值(MEIZ)。
ENSO事件对降水、气温和径流等现象的影响可通过事件极端强度、平均强度和持续时间等指标来体现。一个短暂(例如持续时间仅有半年)而很强(峰值很大)的ENSO事件和一个持续时间很长(例如持续时间仅有1年半以上)和一般强度(峰值较小)的ENSO事件对全球气候的影响是不同的。因此，一次ENSO(包括)是极端强度、平均强度、持续过程、空间扩展度和极端异常区扩展度等多个指标的综合函数，仅用某个指标不能全面描述一个ENSO事件，因此，需要构建综合指标，全面阐述一个ENSO事件的强度及等级。
对于一个ENSO事件，极端强度、平均强度和持续时间可以较全面地描述它的特征，并使它可以被划分为不同等级，以此，探讨不同ENSO事件对气候的影响程度。对于一个ENSO事件，极端值虽然很重要，但是，由于极值持续时间很短，通常只有1-2个月，而平均强度可以很好地表征一个ENSO事件，因此，对于ENSO事件的综合描述，平均强度将是一个重要方面，而极端强度也应有一定代表性。于是，我们将平均强度MEImean、极端强度MEImax、持续时间MEImonth、空间扩展度MEIspa和极端空间扩展度MEIexspa按0.3：0.2：0.1：0.2：0.2的权重衡量一个ENSO事件，对历次ENSO事件进行综合指标计算，得到综合MEI值，即MEIz指标。表1是根据MEIz指标划分的ENSO事件的等级。
计算的综合值时，对MEI的数值先取绝对值，然后再进行权重计算的，因此，在MEIz划分的等级中，与等级标准一致，只是符号相反。
表1 MEIz的等级划分
按照表1的标准，可以将1950-2015年期间的历次El事件挑选出来。表2和表3分别为最近60多年来事件表。可以看到，用MEIz指标挑选出19次事件(表2)和14次事件(表3)。比较表2和表3可以发现，事件的次数多于事件，但是，每个事件持续的时间都短于在表2中，最长的事件是1991/93，持续了32个月，其余事件的持续时间都小于20个月。1991/93的事件在其他人的研究被分成了两个事件，一个是1991/92，另一个是1993事件，中间间隔了7个月；而MEI指标却一直持续正值，且都在的标准之上，没有中断现象。在表3中，有两个持续时间最长的事件，一个是1954/57，持续了34个月，该事件与其他人的结果是一致的，唯一不同是MEI指标给出的持续时间更长，其他人描述的该事件基本是20多个月，即持续期为2年多。另一个是1973/76，持续了35个月，该事件在其他人的研究中也被划分成两次事件，即1973/74和1974/76，两次事件中间隔了4个月，在MEI指标中，该次事件自1973年6月形成后，一直以较强的负值持续到1976年4月。
表2事件表(截止到2015年11月MEI指标统计)
表3事件表
综合MEI指标对流量的影响也显示出独特的效果。图1-图2是ENSO事件对红水河流域流量的影响。在极强拉尼娜事件的当年年底(11-12月，见图1)，MEI综合值达到2.0以上时，转年夏季，红水河流域的天一、光照、右江、龙滩和长洲流量将增大80％到150％。在转年秋季，这些站的流量将增大100％到200％。在极强厄尔尼诺事件夏季(特别是8月份，见图2)，MEI综合值达到1.8以上时，当年年底的流量将增大50％-100％，转年春季流量仍增大50％-200％。
在乌江流域，极强拉尼娜事件的强度在MEIZ只有1.8左右时(见图3)，乌江流域转年夏季流量即可出现100-200％的增大现象。而强拉尼娜事件MEIZ只有1.5左右时，乌江流域转年夏季流量即可出现100-150％的增大现象(见图4)。在强厄尔尼诺事件的夏季或当年年底，MEIZ在1.3左右时(见图5)，乌江流域转年夏季流量即可出现100-200％的增大现象。
在金沙江流域，极强拉尼娜事件可引起转年夏季流量增大50％左右(见图6)，而强厄尔尼诺可引起转年流量减少40％左右(见图7)。
在东江流域，极强和强拉尼娜事件均可引起东江流域转年夏季流域减少50-80％(见图8和图9)，而极强厄尔尼诺可引起流量转年2-3月份增大200-700％，强厄尔尼诺事件可引起流量转年2-3月份增大50-100％(见图10和图11)。
对于ENSO事件的影响和预测，可归纳为表4的结果。综合而言，利用极强和强拉尼娜事件，可预测红水河、和乌江和金沙江流域流量增大，但是，这三个流域流量增大的幅度逐渐减小。利用拉尼娜事件，可预测东江的流量减小。利用极强和强厄尔尼诺事件，可预测红水河、乌江和东江流域流量增大，其中东江流域增大幅度最大，红水河次之，乌江最小。可预测金沙江流域的流量减小。
表4 ENSO事件对流域流量的预测
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种利用ENSO综合指标进行厄尔尼诺/拉尼娜等级划分方法，其特征在于：构建ENSO综合指标，用于全面阐述一个ENSO事件的强度及等级：
首先，定义特征值用来描述每一个ENSO事件，用持续时间MEImonth反映厄尔尼诺/拉尼娜事件的持续性；用平均强度MEImean和极端强度MEImax表示厄尔尼诺/拉尼娜事件的强度特性；用赤道太平洋海温增温≥0.5℃或≤-0.5℃范围代表空间扩展度MEIspa；用温度变化达到或超过±2℃的区域代表极端空间扩展度MEIexspa，利用这五个参数，构建ENSO综合指标MEIZ；
以±0.5为临界值，提取每个连续5次达到±0.5的厄尔尼诺/拉尼娜事件过程，计算极端强度MEImax、平均强度MEImean、达到标准后持续时间MEImonth，按月计算；提取赤道东太平洋海表温度≥0.5℃或≤-0.5℃的空间格点数，提取达到或超过±2℃的空间格点数，形成月文件，并将海表温度≥0.5℃或≤-0.5℃的空间格点数和达到或超过±2℃的空间格点数进行标准化，形成MEI0.5和MEI2.0序列；在达到厄尔尼诺/拉尼娜事件标准的时段内，计算MEIspa和MEIexspa；
将平均强度MEImean、极端强度MEImax、持续时间MEImonth、空间扩展度MEIspa和极端空间扩展度MEIexspa按0.3：0.2：0.1：0.2：0.2的权重衡量一个ENSO事件，对历次ENSO事件进行综合指标计算，得到综合MEI值，即ENSO综合指标MEIz；
MEIZ＝0.3MEImean+0.2MEImax+0.1MEImonth+0.2MEIspa+0.2MEIexspa
计算拉尼娜的综合值时，对MEI的数值先取绝对值，然后再进行权重计算的，因此，在MEIz划分的等级中，拉尼娜与厄尔尼诺等级标准一致，只是符号相反；MEIz的等级划分如下：
2.根据权利要求1所述的利用ENSO综合指标进行厄尔尼诺/拉尼娜等级划分方法，其特征在于：利用ENSO综合指标对流域流量的预测方法为：
CN201610639959.9A 2016-08-04 2016-08-04 利用enso综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法 Active CN106250699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610639959.9A CN106250699B (zh) 2016-08-04 2016-08-04 利用enso综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610639959.9A CN106250699B (zh) 2016-08-04 2016-08-04 利用enso综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法

Publications (2)

Publication Number Publication Date
CN106250699A CN106250699A (zh) 2016-12-21
CN106250699B true CN106250699B (zh) 2019-02-19

Family

ID=58077943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610639959.9A Active CN106250699B (zh) 2016-08-04 2016-08-04 利用enso综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法

Country Status (1)

Country Link
CN (1) CN106250699B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288122A (zh) * 2019-05-16 2019-09-27 同济大学 一种基于并行梯度定义方法的enso最优前期征兆识别方法
CN110443993B (zh) * 2019-06-12 2021-04-02 中国科学院大气物理研究所 一种适用于海气耦合模式enso预报的方法
CN113434576A (zh) * 2021-06-30 2021-09-24 中国电子科技集团公司第五十四研究所 一种enso事件类型划分方法
CN116975787B (zh) * 2023-09-20 2023-11-28 国家海洋环境预报中心 一种enso建模和预测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819051A (zh) * 2012-06-27 2012-12-12 赵立武 气候与气象远期预报的方法
CN103942325A (zh) * 2014-04-29 2014-07-23 中南大学 一种融合气候分区思想的海陆气候事件关联规则挖掘方法
WO2015017676A1 (en) * 2013-07-31 2015-02-05 Locator Ip, Lp System and method for gaming and hedging weather
CN104392097A (zh) * 2014-10-24 2015-03-04 封国林 一种基于季节预报模式的季节降水相似预报方法
WO2016106417A1 (en) * 2014-12-24 2016-06-30 Locator IP, L.P. Crime forecasting system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102819051A (zh) * 2012-06-27 2012-12-12 赵立武 气候与气象远期预报的方法
WO2015017676A1 (en) * 2013-07-31 2015-02-05 Locator Ip, Lp System and method for gaming and hedging weather
CN103942325A (zh) * 2014-04-29 2014-07-23 中南大学 一种融合气候分区思想的海陆气候事件关联规则挖掘方法
CN104392097A (zh) * 2014-10-24 2015-03-04 封国林 一种基于季节预报模式的季节降水相似预报方法
WO2016106417A1 (en) * 2014-12-24 2016-06-30 Locator IP, L.P. Crime forecasting system

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
El Nino/Southern Oscillation behaviour since 1871 as diagnosed in an extended multivariate ENSO index (MEI.ext);Klaus Wolter et al;《INTERNATIONAL JOURNAL OF CLIMATOLOGY》;20110615;第31卷(第7期);第1074-1087页
ENSO事件指数与指标研究;李晓燕等;《气象学报》;20000228;第58卷(第1期);第102-109页
Historical effects of El Nino and La Nina events on the seasonal evolution of the montane snowpackin the Columbia and Colorado River Basins;Martyn P.Clark;《WATER RESOURCES RESEARCH》;20010331;第37卷(第3期);第741-757页
María BelénSathicq et al.Influence of El Niño Southern Oscillation phenomenon on coastal phytoplankton in a mixohaline ecosystem on the southeastern of South America: Río de la Plata estuary.《Marine Pollution Bulletin》.2015,第98卷(第1-2期),第26-33页.
Measuring the strength of ENSO events: How does 1997/98 rank?;Klaus Wolter et al;《Weather》;19980930;第53卷(第9期);第315-324页
厄尔尼诺事件的划分标准和指数;ENSO监测小组;《气象》;19890401;第15卷(第3期);第37-38页
构建描述两种ENSO类型的新指数;秦坚肇等;《气象学报》;20140630;第72卷(第3期);第526-541页
陈圣劼等.一种新的El Niño海气耦合指数.《大气科学》.2013,第37卷(第4期),第815-828页.

Also Published As

Publication number Publication date
CN106250699A (zh) 2016-12-21

Similar Documents

Publication Publication Date Title
CN106250699B (zh) 利用enso综合指标进行厄尔尼诺/拉尼娜等级划分及径流预测方法
Zheng et al. Spatial characteristics of extreme rainfall over China with hourly through 24-hour accumulation periods based on national-level hourly rain gauge data
Francis et al. Intense rainfall events over the west coast of India
Sorg et al. The days of plenty might soon be over in glacierized Central Asian catchments
Malsy et al. Climate change impacts on Central Asian water resources
Yan et al. Changes of daily climate extremes in Loess Plateau during 1960–2013
Wrzesiński et al. Effect of the North Atlantic Oscillation on the thermal characteristics of lakes in Poland
Pan et al. Effects of longitudinal range-gorge terrain on the eco-geographical pattern in Southwest China
Tuomi et al. Thunderstorm climate of Finland 1998–2007
Weiß et al. Model-based scenarios of Mediterranean droughts
Chifurira et al. A weighted multiple regression model to predict rainfall patterns: Principal component analysis approach
Lin et al. Fog type classification using a modified Richardson number for Christchurch, New Zealand
Karlsson Cloud classifications with the SCANDIA model
Baharuddin et al. Daylight availability in Hong Kong: classification into three sky conditions
Bielec‐Bakowska et al. Weather types accompanying very high pressure in Krakow in the period 1901–2000
Hong-ming et al. A study on relation between East Asian winter monsoon and climate change during raining season in China
McNamara et al. Spatial correlations of foF2 deviations and their implications for global ionospheric models: 1. Ionosondes in Australia and Papua New Guinea
Rutkowska et al. Flow characteristics of intermittent rivers in Slovakia
Campbell Seasonal climate summary southern hemisphere (autumn 2010): rapid decay of El Niño, wetter than average in central, northern and eastern Australia and warmer than usual in the west and south
Pham et al. Water balance changes in the upper part of Dong Nai river basin
Azimi et al. Seasonal prediction of Karoon streamflow using large-scale climate indices
Wang et al. Impact of climatic change on sea surface temperature variation in Subei coastal waters, East China
Choi et al. A study of teleconnection between the South Asian and East Asian monsoons: Comparison of summer monsoon precipitation of Nepal and South Korea
Zhu et al. Predictability of Chinese summer extreme rainfall based on Arctic sea ice and tropical sea surface temperature
Garavaglia et al. Statistical relationship between atmospheric circulation and extreme precipitation in La Plata Basin

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant