2016年夏季,青海省气温创历史新高,极端降水事件多发,由极端降水引发的暴雨洪涝灾害损失为近5年同期最重。为总结汛期预测技术方法和经验,提高汛期气候预测准确率,基于美国气象环境预报中心和美国国家大气研究中心提供的2.5°×...2016年夏季,青海省气温创历史新高,极端降水事件多发,由极端降水引发的暴雨洪涝灾害损失为近5年同期最重。为总结汛期预测技术方法和经验,提高汛期气候预测准确率,基于美国气象环境预报中心和美国国家大气研究中心提供的2.5°×2.5°水平分辨率的位势高度场、水平风场、水汽场等逐日再分析资料和1961-2016年青海逐日气温和降水观测等资料,对2016年青海省主汛期气候预测进行全面回顾,分析汛期预测考虑的先兆因子,并着重分析对夏季青海气候影响较大的3个因子(厄尔尼诺、南亚高压和西太平洋副热带高压)的变化趋势。结果表明:(1)2016年5月初发布的汛期预测较好地体现了西部地区少雨、东北部多雨的特征,对全省大部降水偏少的总体趋势和东北部地区多雨中心的把握较为准确,全省气温偏高的总体趋势与实况较为一致,但对气温偏高的幅度把握不足;(2)厄尔尼诺衰减年,对应汛期青海省大部降水以偏多为主,尤其是青海省东北部地区;(3)2016年6-8月,西太平洋副热带高压强度偏强、面积偏大、西伸脊点位置偏西,南亚高压中心在青藏高原上维持,强度持续偏强,中心位置东西摆动幅度大;(4)6月下旬、7月中旬以及8月上中旬南亚高压异常偏东、偏强,以及500 h Pa西太平洋热带高压异常西伸,导致青海省汛期极端降水事件多发;夏季南亚高压与西太平洋副热带高压的上下叠加和维持是导致青海省汛期出现高温天气的主要原因。展开更多
基于1982—2016年的气候模式数值预测产品资料,整理分析生成未来45天北半球500 h Pa高度场和本地气温、降水资料,应用降尺度方法和PP、MOS预报工具建立了预报模型及其业务系统平台。结果表明:业务系统平台构建必须考虑系统结构和功能的...基于1982—2016年的气候模式数值预测产品资料,整理分析生成未来45天北半球500 h Pa高度场和本地气温、降水资料,应用降尺度方法和PP、MOS预报工具建立了预报模型及其业务系统平台。结果表明:业务系统平台构建必须考虑系统结构和功能的先进性、数据存储传输备份的经济性、系统管理的可维护性;此外,还要兼顾前瞻性、开放性、稳定性、安全性和拓展性。系统模块编制采用前端网页、后端程序、模型—视图—控制器的模式和通用的通信协议技术。适合青海高原气候模式解释应用的降尺度方法是车氏多项式、EOF经验正交函数分解和预报量的分区。2012—2016年青海35个样本的月降水量、51个样本的月平均气温预报建模试验的平均评分分别为64%和75%,预报试验获得较高评分的关键是选择最好的因子构建方案和制作预报的回归预报方法。展开更多
文摘2016年夏季,青海省气温创历史新高,极端降水事件多发,由极端降水引发的暴雨洪涝灾害损失为近5年同期最重。为总结汛期预测技术方法和经验,提高汛期气候预测准确率,基于美国气象环境预报中心和美国国家大气研究中心提供的2.5°×2.5°水平分辨率的位势高度场、水平风场、水汽场等逐日再分析资料和1961-2016年青海逐日气温和降水观测等资料,对2016年青海省主汛期气候预测进行全面回顾,分析汛期预测考虑的先兆因子,并着重分析对夏季青海气候影响较大的3个因子(厄尔尼诺、南亚高压和西太平洋副热带高压)的变化趋势。结果表明:(1)2016年5月初发布的汛期预测较好地体现了西部地区少雨、东北部多雨的特征,对全省大部降水偏少的总体趋势和东北部地区多雨中心的把握较为准确,全省气温偏高的总体趋势与实况较为一致,但对气温偏高的幅度把握不足;(2)厄尔尼诺衰减年,对应汛期青海省大部降水以偏多为主,尤其是青海省东北部地区;(3)2016年6-8月,西太平洋副热带高压强度偏强、面积偏大、西伸脊点位置偏西,南亚高压中心在青藏高原上维持,强度持续偏强,中心位置东西摆动幅度大;(4)6月下旬、7月中旬以及8月上中旬南亚高压异常偏东、偏强,以及500 h Pa西太平洋热带高压异常西伸,导致青海省汛期极端降水事件多发;夏季南亚高压与西太平洋副热带高压的上下叠加和维持是导致青海省汛期出现高温天气的主要原因。
文摘基于1982—2016年的气候模式数值预测产品资料,整理分析生成未来45天北半球500 h Pa高度场和本地气温、降水资料,应用降尺度方法和PP、MOS预报工具建立了预报模型及其业务系统平台。结果表明:业务系统平台构建必须考虑系统结构和功能的先进性、数据存储传输备份的经济性、系统管理的可维护性;此外,还要兼顾前瞻性、开放性、稳定性、安全性和拓展性。系统模块编制采用前端网页、后端程序、模型—视图—控制器的模式和通用的通信协议技术。适合青海高原气候模式解释应用的降尺度方法是车氏多项式、EOF经验正交函数分解和预报量的分区。2012—2016年青海35个样本的月降水量、51个样本的月平均气温预报建模试验的平均评分分别为64%和75%,预报试验获得较高评分的关键是选择最好的因子构建方案和制作预报的回归预报方法。