简介:综合极端气候指数对于极端气候变化监测、整体认识区域极端气候变化趋势及其原因和影响,具有实际意义。根据中国常年极端气候特点和不同种类极端气候事件的经济社会影响,选取全国平均高温日数、低温日数、强降水日数、沙尘天气日数、大风日数、干旱面积百分率和登陆热带气旋频数等7种极端气候指标,定义两个综合极端气候指数,分别为7种极端气候指标简单(等值权重)合成的综合指数I和加权(差异权重)合成的综合指数II。综合指数II主要依据各种极端气候事件引发的灾害严重程度及其社会影响大小,分别确定其对应指标的相对重要性和权重系数。分析结果表明:1956~2008年,综合指数I序列表现出明显的下降趋势,说明中国地区常见的极端气候事件总体有不断减少、减弱的趋势;同期综合指数II序列没有表现出明显的升降趋势变化,说明对中国地区具有重大经济和社会影响的极端气候事件频率总体上没有发生明显变化。就各个单项极端气候指数变化来看,全国平均年高温日数、强降水日数和干旱面积百分率呈上升趋势,但除高温日数外,其他指数趋势变化均不显著;全国平均年低温日数、沙尘天气日数和大风日数呈下降趋势,且趋势性均很显著;登陆中国大陆的热带气旋频数有所减少,但趋势不很明显。因此,在全球气候显著变暖的半个多世纪内,中国地区多数常见的极端气候事件发生频率,或者显著减少,或者变化不明显;而对全国经济和社会具有重大影响的主要极端气候事件,其频率总体上未见明显趋势变化。
简介:通过统计铜川单站53a历史气候,用Spss11.5对铜川站历史各项气象要素与各月平均气温、降水量进行相关性分析,找出前期各气象要素与预报月的降水、气温相关性好的因子,用逐步回归方法进行模拟,得出铜川站的月平均降水、气温预报模型,用可视化语言VisualBasic6.0程序设计中的Adodc数据库技术方法,分别建立了铜川站的月降水、平均气温预测因子数据库,63个相关性较好的因子进入模型,实现自动预测,并以Datagrib表格显示预测结果和预测因子组合。从近三年预测结果看,降水距平百分率在20%以内的准确率为30.6%;气温预报误差在1℃以内的准确率为50.0%。需要在实际业务中进一步检验,找出预报和实况的误差关系。
简介:支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效。利用2004~2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时(北京时间,下同)能见度预报模型。预报试验结果表明:南京地区霾日的SVM分类预报结果,Ts(Threatscores)评分均在0.4以上;而有霾日14时能见度的SVM回归预报结果,按能见度误差范围为±3km算,准确率均达到了86%以上;加入当天08时新资料的订正预报模型,其预报结果优于起始预报模型。二者的预报结果较为满意,可以给实际业务预测提供参考。