CN108647806A - 一种考虑大尺度环流背景场的延伸期预报方法 - Google Patents
一种考虑大尺度环流背景场的延伸期预报方法 Download PDFInfo
- Publication number
- CN108647806A CN108647806A CN201810298944.XA CN201810298944A CN108647806A CN 108647806 A CN108647806 A CN 108647806A CN 201810298944 A CN201810298944 A CN 201810298944A CN 108647806 A CN108647806 A CN 108647806A
- Authority
- CN
- China
- Prior art keywords
- field
- extended peroid
- scale
- circulation
- factor
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims description 10
- 230000001550 time effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract 1
- 238000001556 precipitation Methods 0.000 description 14
- 238000011160 research Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004106 carminic acid Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Ecology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- Atmospheric Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑大尺度环流背景场的延伸期预报方法。本发明考虑不同大尺度环流背景,综合应用中高纬、热带相互作用及其对区域延伸期天气的影响,选取不同背景下的最佳因子,通过多因子的回归,对目标进行预报。本发明能针对不同的大尺度背景场,选择合适的因子进行预报,从而提高了预报技巧,在针对多尺度特征变量的诊断分析和预报中存在广泛的应用前景。
Description
技术领域
本发明属于大气科学预测技术领域,特别涉及了一种考虑大尺度环流背景场的延伸期预报方法。
背景技术
近年来,频发的气象灾害性天气及其引发的次生灾害都得到了国家、社会和民众的广泛关注。面对这突发、反复的异常天气,气象部门现阶段针对10d以下的短、中期天气预报技术已经成熟,月尺度以上的短期气候预测也从1985年开始逐步完善,建立了完整的预测体系。相对而言,10-30d尺度的延伸期预报还存在很大的发展空间,无论是学术研究还是业务应用都值得进一步重视。加之国际上提出了发展和建立“无缝隙预报”系统的目标,延伸期预报技术的提升自然就成为了近年来国际上天气和气候预报业务发展的一个重要方向。由此,对10—30d时间尺度的降水机理分析及预测至关重要。
针对延伸期预报的研究,无论是预报因子的选取还是预报模型的建立,国内外学者都进行了大量的工作。对于延伸期预报方法,目前还处于研究和探索阶段,主要分为动力学方法和统计学方法两大类。从动力手段即数值预报的角度来看,延伸期预报水平的提高主要体现在模式预报时效的延长上,而处于10-30d尺度的延伸期天气过程不仅受到初始场的影响,还受到缓慢变化的外强迫的制约。尽管近年来数值模式的预报技巧在前10d迅速发展,但15d以上的预报效果几乎没有改进。相对而言,使用数理统计方法进行延伸期的降水预测思路更灵活,在针对特定问题的研究和分析中往往能达到更好的效果。因此,结合实际情况,我国大部分的延伸期预报也采用数理统计的方法。通过主振荡型分析、时间序列分析、自然正交分解、相关分析和回归分析、奇异值分解等方法,建立低频大气环流统计模型。此外,还有经验模态分解、低频天气图、神经网络模型、多变量时滞回归/主成分复数自回归模型等方法在理论研究和预测业务中均取得了一定成果,逐步将一般平均预报时效延长至20d左右。
针对延伸期预报因子的选取,重要的可预测性来源之一是热带大气季节内振荡(MJO),如以向外长波辐射(OLR)为因子;或者同时考虑OLR和热带环流,如200hPa流函数异常、200hPa速度势异常、200hPa纬向风异常、200hPa和850hPa纬向风异常;另外也有不少针对低频气候的预报直接基于实时多变量MJO指数,且取得了较好的效果。目前国内较为主流的研究也大多数围绕MJO展开,根据MJO的时间尺度特征进行带通滤波或主模态提取,对滤波后的信息或提取到的主模态及其相关联的环流特征进行分析。结果表明,区域降水异常与MJO位相的演变有密切的关系,主要与MJO活跃中心位置的变化和西太平洋副热带高压等大尺度环流异常活动有关。MJO主体在东传的过程中,可激发对流及其北传,引起水汽输送通道异常和降水异常,为延伸期预报预测提供可靠依据。
与动力学方法相比,基于数理统计方法的延伸期预测也能在一定程度上延长预报时效。以往的统计预报大多集中关注热带对流(MJO)的影响,较少同时考虑中高纬度和热带的共同作用,更少考察30d以上大尺度低频背景场在延伸期预测中的应用。
发明内容
为了解决上述背景技术提出的技术问题,本发明旨在提供一种考虑大尺度环流背景场的延伸期预报方法,针对不同的大尺度背景场选择合适的因子,提高延伸期预报性能。
为了实现上述技术目的,本发明的技术方案为:
一种考虑大尺度环流背景场的延伸期预报方法,包括以下步骤:
(1)对环流场原始资料进行滤波,得到10-30d的延伸期低频分量和大于30d的大尺度环流场;其中,采用基于滑动平均的非滤波法来提取10-30d的延伸期低频分量;
(2)获取与10—30d延伸期低频天气要素相关显著的热带、中高纬度影响因子;
(3)从大于30d的大尺度环流场中选出典型的背景场,并通过逐日个例进行实际观测场与典型背景场的相似比较,从而对历年逐日延伸期天气要素对应的大尺度环流分量进行大尺度背景场分型;
(4)按照不同类型的大尺度背景场,分析延伸期天气要素与相应的中高纬和热带环流的关系,考虑热带与中高纬度共同作用对延伸期天气要素的影响,尽量筛选两者与延伸期天气要素相关高且预报时效长的时次作为关键因子,分别建立回归预报方程;
(5)按照延伸期要素的预报时效,运用场相似对预报时段临近的30d内大尺度背景场进行检测,根据大尺度背景场所属类型,利用对应的回归预报方程对区域延伸期要素进行预报。
进一步地,在步骤(1)中,采用如下公式计算10-30d的延伸期低频分量:
上式中,为10-30d的延伸期低频分量,为30d以下分量,为10d以下分量,xt为第t天的分量。
进一步地,步骤(2)的具体过程如下:
基于与区域10—30d延伸期低频天气要素相关显著的热带、中高纬度影响因子的SVD分析,得到中高纬环流与热带热源强迫场的耦合模态及其对应的时间系数;然后把历年来10-30d滤波后的中高纬环流与热带热源强迫场的逐日分量分别投影到对应的空间模态,得到历年来各变量相应模态的时间系数;最后运用相关、回归分析找出与预报对象关系密切、不同预报时效的影响因子。
进一步地,在步骤(3)中,采用经验正交展开分析,从大于30d的大尺度环流场中选取方差贡献较大的前N个模态作为典型的背景场。
进一步地,在步骤(3)中,采用夹角余弦相似系数进行实际观测场与典型背景场的相似比较,夹角余弦相似系数的计算公式如下:
上式中,cosθij为夹角余弦相似系数,X为因子场,m为入选因子的维数,下标i为因子对应的试预报年的序数,下标j为因子样本序数。
进一步地,在步骤(4)中,建立的回归预报方程如下:
上式中,Fr10_30(x,t)为要预报的延伸期天气要素;a(x,i)、b(x,j)分别为中高纬度、热带的线性回归系数;TH(i,t)、TL(j,t)分别为中高纬度、热带影响因子场投影到相应耦合模态上的时间系数;K、M分别为特定背景场下所选取的中高纬度、热带的关键因子个数。
采用上述技术方案带来的有益效果:
本发明区分不同环流背景,并选取相应的最佳因子建立各自的预报方程,在依不同背景选择因子建立预报方程上有改进。其优点在于能针对不同的大尺度背景场,选择合适的因子进行预报,以提高预报技巧。本发明在针对多尺度特征变量的诊断分析和预报中存在应用前景。
附图说明
图1为实施例的流程图;
图2为实施例中SVD异类时滞相关系数分布图;在(a)中,位势高度序列超前OLR场30d至0d,间隔5d;在(b)中,OLR序列超前位势高度场30d至0d,间隔5d;相关系数等值线间隔:0.1;
图3为实施例中高纬环流、热带对流与低频降水的时滞相关图;在(a)中,位势高度序列超前OLR场30d至0d,间隔5d;在(b)中,OLR序列超前位势高度场30d至0d,间隔5d;相关系数等值线间隔:0.1;
图4为实施例中500hPa低频环流场EOF三模态图;(a)为第一模态;(b)为第2模态;(c)为第3模态;
图5为实施例中不同背景场下高低纬环流与降水PC1的时滞相关图;(a)为未对低频背景场分型;(b)为第一型;(c)为第二型;(d)为第三型;
图6为拟合预测结果与低频降水场TCC图;(a)为未对低频背景场分型;(b)为对低频背景场分型;
图7为独立预测结果与低频降水场TCC图;(a)为未对低频背景场分型;(b)为对低频背景场分型。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本实施例以10-30d预报江南4月-6月降水,说明本发明的总体思路和效果。
首先,基于1979-2013年中国国家气象观测站的逐日降水资料、NCEP(NationalCenters for Environmental Prediction)/NCAR(National Center for AtmosphericResearch)逐日全球再分析资料和NOAA(National Oceanic and AtmosphericAdministration)提供的逐日向外长波辐射资料,对1979—2003年的拟合预报和对2004—2013年的独立预报。用30d以下分量减去10d以下分量得10-30d低频分量。运用上述滤波方法对资料场进行滤波,分离出10-30d分量和30d以上分量。此滤波方法克服了以往带通滤波主要用于提取历史资料的局限性,这种基于滑动平均变换的滤波不仅便于实施,且能更好的应用于实时预测。根据研究江南4—6月降水的低频异常不仅与热带对流有关,还与中高纬大气环流的变化显著相关,两者共同作用于江南低频降水。分别选取典型年热带OLR和中高纬200hPa位势高度(Z200)与低频降水的相关显著区(10°S-10°N;60°E-120°E和60°N-90°N;0°E-120°E)进行奇异值分解(SVD),并将35年逐日OLR序列(XOLR)、200hPa位势高度序列(XZ200)投影到典型年SVD空间模态(VOLR,VZ200)上得到35年相应场的该模态逐日时间系数TOLR,TZ200(TOLR=VT OLRXOLR,TZ200=VT Z200XZ200)。
如图1所示,本实施例的步骤如下。
步骤1,若不考虑背景场,对滤波后的10-30d低频成分进行分析,Z200与OLR场存在密切的关系,两者与江南4—6月10-30d降水相关显著,只是相关强弱依超前的时间而异。由图2可知,在前期30d内,变化的中高纬环流和热带对流与江南降水密切相关,江南4—6月降水的低频异常不仅与热带对流有关,还与中高纬大气环流的变化显著相关,两者共同作用于江南低频降水。由图3可知,热带、中高纬度环流超前于低频降水的时间不同,对降水异常强度、中心位置的影响也有差别。
步骤2,对500hPa位势高度对应的30d以上分量进行EOF分析,所得前3个主要模态如图4所示,作为大尺度背景场。由图4可知,中高纬环流可以分为三种主要的背景环流场,不同背景场环流在中高纬表现明显不同的特征。
步骤3,通过逐日个例实际观测场与三类典型模态背景场的相似比较,对历年逐日降水个例进行低频背景场分型。然后再依照步骤1,计算不同背景下中高纬Z200、热带OLR与江南4—6月10-30d降水的关系,可见它们的关系的密切程度及其最佳相关出现的时间同不考虑背景场有差异,如图5和表1所示。
表1不同低频背景场下热带、中高纬度因子与降水的时滞相关系数
在表1中,加粗表示相关系数通过95%信度检验;标*表示因子与降水在相应背景场下0—30d内的相关最大值;带阴影表示筛选此因子进行回归预测。
步骤4,按照不同的大尺度环流背景,分析低频降水与相应的中高纬和热带环流的关系,不仅考虑热带与中高纬度对低频降水的共同影响,而且重点关注30d以上500hPa低频位势高度的背景场作用,尽量筛选两者与低频降水相关高且预报时效长的时次作为因子,分别建立回归预报方程。
步骤5,在具体预报实施中,按照低频降水的预报时效,运用场形态相似对预报时段临近的30d内大尺度背景场进行检测;根据大尺度背景场所属类型,利用对应的回归方程对区域低频降水进行预报。
由图6可知,不考虑背景场的(即未对低频背景场分型)拟合预报技巧总体要低于对低频背景场分型的拟合预报技巧;由图7可知,不考虑背景场的(即未对低频背景场分型)独立预报技巧总体要低于对低频背景场分型的预报技巧。
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (6)
1.一种考虑大尺度环流背景场的延伸期预报方法,其特征在于,包括以下步骤:
(1)对环流场原始资料进行滤波,得到10-30d的延伸期低频分量和大于30d的大尺度环流场;其中,采用基于滑动平均的非滤波法来提取10-30d的延伸期低频分量;
(2)获取与10—30d延伸期低频天气要素相关显著的热带、中高纬度影响因子;
(3)从大于30d的大尺度环流场中选出典型的背景场,并通过逐日个例进行实际观测场与典型背景场的相似比较,从而对历年逐日延伸期天气要素对应的大尺度环流分量进行大尺度背景场分型;
(4)按照不同类型的大尺度背景场,分析延伸期天气要素与相应的中高纬和热带环流的关系,考虑热带与中高纬度共同作用对延伸期天气要素的影响,尽量筛选两者与延伸期天气要素相关高且预报时效长的时次作为关键因子,分别建立回归预报方程;
(5)按照延伸期要素的预报时效,运用场相似对预报时段临近的30d内大尺度背景场进行检测,根据大尺度背景场所属类型,利用对应的回归预报方程对区域延伸期要素进行预报。
2.根据权利要求1所述考虑大尺度环流背景场的延伸期预报方法,其特征在于,在步骤(1)中,采用如下公式计算10-30d的延伸期低频分量:
上式中,为10-30d的延伸期低频分量,为30d以下分量,为10d以下分量,xt为第t天的分量。
3.根据权利要求1所述考虑大尺度环流背景场的延伸期预报方法,其特征在于,步骤(2)的具体过程如下:
基于与区域10—30d延伸期低频天气要素相关显著的热带、中高纬度影响因子的SVD分析,得到中高纬环流与热带热源强迫场的耦合模态及其对应的时间系数;然后把历年来10-30d滤波后的中高纬环流与热带热源强迫场的逐日分量分别投影到对应的空间模态,得到历年来各变量相应模态的时间系数;最后运用相关、回归分析找出与预报对象关系密切、不同预报时效的影响因子。
4.根据权利要求1所述考虑大尺度环流背景场的延伸期预报方法,其特征在于,在步骤(3)中,采用经验正交展开分析,从大于30d的大尺度环流场中选取方差贡献较大的前N个模态作为典型的背景场。
5.根据权利要求1所述考虑大尺度环流背景场的延伸期预报方法,其特征在于,在步骤(3)中,采用夹角余弦相似系数进行实际观测场与典型背景场的相似比较,如夹角余弦相似系数的计算公式如下:
上式中,cosθij为夹角余弦相似系数,X为因子场,m为入选因子的维数,下标i为因子对应的试预报年的序数,下标j为因子样本序数。
6.根据权利要求1所述考虑大尺度环流背景场的延伸期预报方法,其特征在于,在步骤(4)中,建立的回归预报方程如下:
上式中,Fr10_30(x,t)为要预报的延伸期天气要素;a(x,i)、b(x,j)分别为中高纬度、热带的线性回归系数;TH(i,t)、TL(j,t)分别为中高纬度、热带影响因子场投影到相应耦合模态上的时间系数;K、M分别为特定背景场下所选取的中高纬度、热带的关键因子个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810298944.XA CN108647806B (zh) | 2018-04-04 | 2018-04-04 | 一种考虑大尺度环流背景场的延伸期预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810298944.XA CN108647806B (zh) | 2018-04-04 | 2018-04-04 | 一种考虑大尺度环流背景场的延伸期预报方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108647806A true CN108647806A (zh) | 2018-10-12 |
CN108647806B CN108647806B (zh) | 2021-12-17 |
Family
ID=63745430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810298944.XA Active CN108647806B (zh) | 2018-04-04 | 2018-04-04 | 一种考虑大尺度环流背景场的延伸期预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108647806B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272172A (zh) * | 2018-10-26 | 2019-01-25 | 广东电网有限责任公司 | 一种基于低频环流图的热带气候预报模型构建方法及装置 |
CN109583653A (zh) * | 2018-11-30 | 2019-04-05 | 南京信息工程大学 | 基于统计模型的西北太平洋台风的延伸期预报方法 |
CN109655941A (zh) * | 2018-12-09 | 2019-04-19 | 中国人民解放军国防科技大学 | 一种基于目标系统扰动的热带气旋集合预报方法 |
CN109725371A (zh) * | 2018-12-24 | 2019-05-07 | 深圳市六韬天气科技有限公司 | 基于低频流场图的华南地区台风和暴雨的预测方法 |
CN110058328A (zh) * | 2019-01-30 | 2019-07-26 | 沈阳区域气候中心 | 东北夏季降水多模式组合降尺度预测方法 |
CN110286424A (zh) * | 2019-04-15 | 2019-09-27 | 南京大学 | 基于数值统计的客观天气分型方法 |
CN111985727A (zh) * | 2020-09-03 | 2020-11-24 | 南京信息工程大学 | 一种基于环流分型模型天气预测方法及系统 |
CN112069449A (zh) * | 2020-09-04 | 2020-12-11 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
CN112698428A (zh) * | 2021-03-24 | 2021-04-23 | 成都信息工程大学 | 西南地区降水延伸期综合预报信息处理方法、处理系统 |
CN113219555A (zh) * | 2020-09-30 | 2021-08-06 | 国家气候中心 | 一种基于统计降尺度技术的短期气候预测方法 |
CN114200548A (zh) * | 2021-12-15 | 2022-03-18 | 南京信息工程大学 | 基于SE-Resnet模型的延伸期气象要素预报方法 |
CN116362367A (zh) * | 2022-12-09 | 2023-06-30 | 广东省气象台(南海海洋气象预报中心、珠江流域气象台) | 华南高温过程低频监测与动力-统计延伸期预报方法及系统 |
CN116562142A (zh) * | 2023-05-11 | 2023-08-08 | 南京信息工程大学 | 一种气象要素延伸期预报方法及装置 |
CN116796109A (zh) * | 2023-06-30 | 2023-09-22 | 上海勘测设计研究院有限公司 | 一种考虑多尺度相互作用的延伸期可预报性来源确定方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054282A (zh) * | 2016-05-27 | 2016-10-26 | 成都信息工程大学 | 一种基于mjo的西南地区降水预报方法 |
-
2018
- 2018-04-04 CN CN201810298944.XA patent/CN108647806B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054282A (zh) * | 2016-05-27 | 2016-10-26 | 成都信息工程大学 | 一种基于mjo的西南地区降水预报方法 |
Non-Patent Citations (2)
Title |
---|
PANG-CHI HSU等: "A spatial-temporal projection model for 10-30 day rainfall forecast in South China", 《CLIMATE DYNAMICS》 * |
王一舒: "中高纬与热带的相互作用对江南4-6月低频降水的影响", 《中国优秀硕士学位论文全文数据库基础科学》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272172B (zh) * | 2018-10-26 | 2020-09-01 | 广东电网有限责任公司 | 一种基于低频环流图的热带气候预报模型构建方法及装置 |
CN109272172A (zh) * | 2018-10-26 | 2019-01-25 | 广东电网有限责任公司 | 一种基于低频环流图的热带气候预报模型构建方法及装置 |
CN109583653B (zh) * | 2018-11-30 | 2022-06-21 | 南京信息工程大学 | 基于统计模型的西北太平洋台风的延伸期预报方法 |
CN109583653A (zh) * | 2018-11-30 | 2019-04-05 | 南京信息工程大学 | 基于统计模型的西北太平洋台风的延伸期预报方法 |
CN109655941A (zh) * | 2018-12-09 | 2019-04-19 | 中国人民解放军国防科技大学 | 一种基于目标系统扰动的热带气旋集合预报方法 |
CN109725371A (zh) * | 2018-12-24 | 2019-05-07 | 深圳市六韬天气科技有限公司 | 基于低频流场图的华南地区台风和暴雨的预测方法 |
CN110058328A (zh) * | 2019-01-30 | 2019-07-26 | 沈阳区域气候中心 | 东北夏季降水多模式组合降尺度预测方法 |
CN110286424A (zh) * | 2019-04-15 | 2019-09-27 | 南京大学 | 基于数值统计的客观天气分型方法 |
CN111985727A (zh) * | 2020-09-03 | 2020-11-24 | 南京信息工程大学 | 一种基于环流分型模型天气预测方法及系统 |
CN111985727B (zh) * | 2020-09-03 | 2023-07-28 | 南京信息工程大学 | 一种基于环流分型模型天气预测方法及系统 |
CN112069449A (zh) * | 2020-09-04 | 2020-12-11 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
CN113219555A (zh) * | 2020-09-30 | 2021-08-06 | 国家气候中心 | 一种基于统计降尺度技术的短期气候预测方法 |
CN113219555B (zh) * | 2020-09-30 | 2021-10-26 | 国家气候中心 | 一种基于统计降尺度技术的短期气候预测方法 |
CN112698428A (zh) * | 2021-03-24 | 2021-04-23 | 成都信息工程大学 | 西南地区降水延伸期综合预报信息处理方法、处理系统 |
CN114200548A (zh) * | 2021-12-15 | 2022-03-18 | 南京信息工程大学 | 基于SE-Resnet模型的延伸期气象要素预报方法 |
CN114200548B (zh) * | 2021-12-15 | 2023-07-18 | 南京信息工程大学 | 基于SE-Resnet模型的延伸期气象要素预报方法 |
CN116362367A (zh) * | 2022-12-09 | 2023-06-30 | 广东省气象台(南海海洋气象预报中心、珠江流域气象台) | 华南高温过程低频监测与动力-统计延伸期预报方法及系统 |
CN116362367B (zh) * | 2022-12-09 | 2023-10-20 | 广东省气象台(南海海洋气象预报中心、珠江流域气象台) | 华南高温过程低频监测与动力-统计延伸期预报方法及系统 |
CN116562142A (zh) * | 2023-05-11 | 2023-08-08 | 南京信息工程大学 | 一种气象要素延伸期预报方法及装置 |
CN116562142B (zh) * | 2023-05-11 | 2023-12-01 | 南京信息工程大学 | 一种气象要素延伸期预报方法及装置 |
CN116796109A (zh) * | 2023-06-30 | 2023-09-22 | 上海勘测设计研究院有限公司 | 一种考虑多尺度相互作用的延伸期可预报性来源确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108647806B (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647806A (zh) | 一种考虑大尺度环流背景场的延伸期预报方法 | |
Fernandez-Jimenez et al. | Site selection for new PV power plants based on their observability | |
Stathakis et al. | Efficient segmentation of urban areas by the VIBI | |
Bamberger et al. | Spatial variability of methane: Attributing atmospheric concentrations to emissions | |
Zhang et al. | Statistical properties of solar active regions obtained from an automatic detection system and the computational biases | |
Xia et al. | A comparison of two identification and tracking methods for polar lows | |
Guèye et al. | Weather regimes over Senegal during the summer monsoon season using self-organizing maps and hierarchical ascendant classification. Part I: synoptic time scale | |
See et al. | Developing a community-based worldwide urban morphology and materials database (WUDAPT) using remote sensing and crowdsourcing for improved urban climate modelling | |
Wang et al. | Spring snow cover deficit controlled by intraseasonal variability of the surface energy fluxes | |
Okonkwo et al. | Combined effect of El Niño southern oscillation and Atlantic multidecadal oscillation on Lake Chad level variability | |
Ueda et al. | Embedded Spiral Patterns in the Cool Core of the Massive Cluster of Galaxies Abell 1835 | |
Chen et al. | Proactive quality control: Observing system experiments using the NCEP Global Forecast System | |
Kong et al. | Incorporating nocturnal UAV side-view images with VIIRS data for accurate population estimation: a test at the urban administrative district scale | |
Berman et al. | On the variability of seasonal temperature in southern South America | |
Kerns et al. | Four years of tropical ERA-40 vorticity maxima tracks. Part I: Climatology and vertical vorticity structure | |
Egli et al. | A spatially explicit and temporally highly resolved analysis of variations in fog occurrence over Europe | |
Nerushev et al. | Statistical model of the time variability of the characteristics of high-altitude jet currents in the Northern Hemisphere based on satellite measurements | |
Ohring | Impact of satellite temperature sounding data on weather forecasts | |
Wang et al. | Comparison of methods of snow cover mapping by analysing the solar spectrum of satellite remote sensing data in China | |
Jaimes et al. | Many new variable stars discovered in the core of the globular cluster NGC 6715 (M 54) with EMCCD observations | |
Okamoto et al. | Seasonal variations of tropospheric wind over Indonesia: Comparison between collected operational rawinsonde data and NCEP reanalysis for 1992-99 | |
Babst et al. | Verification of NCEP reanalysis shortwave radiation with mesoscale remote sensing data | |
de Albuquerque Cavalcanti | The influence of extratropical Atlantic Ocean region on wet and dry years in North-Northeastern Brazil | |
CN110176019A (zh) | 一种夜间纯净灯光提取方法 | |
De Felice et al. | A synoptic-scale wave of 6–9-day period in the Atlantic tropical troposphere during summer 1981 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |