简介:采用1961-2010年松花江流域60个气象站逐日资料,基于平流-干旱模型(AA模型)计算并分析了流域实际蒸散发时空变化特征,采用相关分析方法研究了影响实际蒸散发变化的主要气象要素.结果表明,1961-2010年,松花江流域年均实际蒸散发为420.8mm,总体呈现增加趋势,增加速率为4.9mm/10a,呈“减-增-减-增”年代际波动变化.季节上,春、冬两季实际蒸散发增加趋势较明显,夏、秋两季则呈现与年实际蒸散发类似的年代际波动.春、夏、秋三季和年实际蒸散发的空间分布特征基本一致,高值主要出现在流域南部,低值区主要分布在流域西部.冬季绝大部分区域的实际蒸散发呈现微弱上升趋势.1961-2010年,松花江流域年和四季的平均气温、最高气温和最低气温都呈上升趋势,其中平均气温和最低气温上升显著,日照时数和风速大都呈现显著下降趋势.相关分析结果表明,松花江流域实际蒸散发的时空变化是各气象要素共同影响的结果,而且各气象要素在不同时期对实际蒸散发的影响是有差异的.总体上看,松花江流域实际蒸散发的增加主要是由平均气温,特别是最低气温的增加引起,特别在春、冬季体现得较为明显.夏、秋季节,影响实际蒸散发的要素包括气温日较差、实际水汽压、平均风速及降水量等气象要素,但夏、秋季节这些要素的多年变化趋势不明显,导致夏、秋实际蒸散发的总体变化趋势并不明显.
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。