热带气象学报
熱帶氣象學報
열대기상학보
2012年
6期
797-808
,共12页
李春晖%林爱兰%谷德军%王婷%潘蔚娟%郑彬
李春暉%林愛蘭%穀德軍%王婷%潘蔚娟%鄭彬
리춘휘%림애란%곡덕군%왕정%반위연%정빈
CFS%最优子集回归%多元均生函数%广东省降水%降尺度
CFS%最優子集迴歸%多元均生函數%廣東省降水%降呎度
CFS%최우자집회귀%다원균생함수%광동성강수%강척도
CFS%Optimal Subset Regression%mean generational function%Guangdong%precipitation%downscaling
美国国家环境预报中心( NCEP)开发的气候预报系统(CFS)预报数据资料有1981-2008年共 28年历史预报数据,有实时的预报产品(含有未来9个月的预报值)。与NCEP资料相比,CFS能较好模拟季风环流的季节变化,能超前几个月模拟出ENSO发展和衰减时期的海温异常发展,可以用于广东季节降水预测。采用CFS预报产品开发基于最优子集回归和多元均生函数的广东季节降水的两种统计降尺度预报方法。经过分析检验,分别选取海平面气压场、风场和位势高度场显著影响区域作为同期预报因子,从多年( 2001-2008 年)的历史回报检验来看,虽然两种预测模型对于个别季节存在年内预报效果不稳定性,但综合而言,大部分季节降水的气候预测评分总体平均在64分以上。2009/2010年的实时预报检验表明,两种预测模型均达到较好的预测水平,降水预测结果与实况较接近。与基于NCEP观测资料的传统统计方法比较,CFS预报产品具有实时性、更新快等优点。基于CFS预报产品的降尺度统计方法可以超前三个季预报广东降水,丰富了传统统计方法,但预报的稳定性还需进一步改进。
美國國傢環境預報中心( NCEP)開髮的氣候預報繫統(CFS)預報數據資料有1981-2008年共 28年歷史預報數據,有實時的預報產品(含有未來9箇月的預報值)。與NCEP資料相比,CFS能較好模擬季風環流的季節變化,能超前幾箇月模擬齣ENSO髮展和衰減時期的海溫異常髮展,可以用于廣東季節降水預測。採用CFS預報產品開髮基于最優子集迴歸和多元均生函數的廣東季節降水的兩種統計降呎度預報方法。經過分析檢驗,分彆選取海平麵氣壓場、風場和位勢高度場顯著影響區域作為同期預報因子,從多年( 2001-2008 年)的歷史迴報檢驗來看,雖然兩種預測模型對于箇彆季節存在年內預報效果不穩定性,但綜閤而言,大部分季節降水的氣候預測評分總體平均在64分以上。2009/2010年的實時預報檢驗錶明,兩種預測模型均達到較好的預測水平,降水預測結果與實況較接近。與基于NCEP觀測資料的傳統統計方法比較,CFS預報產品具有實時性、更新快等優點。基于CFS預報產品的降呎度統計方法可以超前三箇季預報廣東降水,豐富瞭傳統統計方法,但預報的穩定性還需進一步改進。
미국국가배경예보중심( NCEP)개발적기후예보계통(CFS)예보수거자료유1981-2008년공 28년역사예보수거,유실시적예보산품(함유미래9개월적예보치)。여NCEP자료상비,CFS능교호모의계풍배류적계절변화,능초전궤개월모의출ENSO발전화쇠감시기적해온이상발전,가이용우엄동계절강수예측。채용CFS예보산품개발기우최우자집회귀화다원균생함수적엄동계절강수적량충통계강척도예보방법。경과분석검험,분별선취해평면기압장、풍장화위세고도장현저영향구역작위동기예보인자,종다년( 2001-2008 년)적역사회보검험래간,수연량충예측모형대우개별계절존재년내예보효과불은정성,단종합이언,대부분계절강수적기후예측평분총체평균재64분이상。2009/2010년적실시예보검험표명,량충예측모형균체도교호적예측수평,강수예측결과여실황교접근。여기우NCEP관측자료적전통통계방법비교,CFS예보산품구유실시성、경신쾌등우점。기우CFS예보산품적강척도통계방법가이초전삼개계예보엄동강수,봉부료전통통계방법,단예보적은정성환수진일보개진。
The Climate Forecast Systems (CFS) provided by National Centers for Environmental Prediction (NCEP ), which cover 1981 to 2008, can forecast atmospheric circulation nine months ahead. Compared with the NCEP datasets, CFS datasets successfully simulate many major features of the Asian monsoon circulation systems and exhibit reasonably high skill in simulating and predicting ENSO events. Based on the CFS forecasting results, a downscaling method of Optimal Subset Regression and mean generational function model of multiple variables are used to forecast seasonal precipitation in Guangdong. After statistical analysis tests, sea level pressure, wind and geopotential height field are made predictors. Although there are unstable results in some individual annual seasons, both Optimal Subset Regression and mean generational function model of multiple variables are methods that can provide good forecasting after operational tests that score more than sixty points. CFS datasets are available and updated real time as compared with the NCEP dataset. The downscaling forecast method based on the CFS datasets can predict Guangdong’s seasonal precipitation three seasons in advance, enriching traditional statistical methods while its forecasting stability needs to be improved.