论文部分内容阅读
本文采用NCEP/NCAR再分析资料中夏季的欧亚大陆地面温度、北半球500hPa高度、热带印度洋SST以及北太平洋SST的月平均资料作为预报因子场，北京气象中心提供的中国160站冬季月平均气温资料作为预报对象场的样本资料，通过典型相关分析建立预报关系，然后用集合典型相关分析方法预报我国冬季气温，并分析预报技巧及进行独立样本检验。结果表明，不同的预报因子对不同地区有不同的预报技巧，本文试验的4个预报因子中，在以53a为训练期时，欧亚大陆地面温度为因子预报效果最好，北半球500hPa高度次之，再次是热带印度洋SST，最后是北太平洋SST。试验表明，使用多个预报因子的ECC方法，使得局部地区较弱的强迫作用能够被识别出来，它集合了多个因子在不同区域的预报技巧，因此比单因子场的CCA预报更能提供全面充实的预报依据，预报效果好于任何一个单因子场预报。采用回归法的集合平均预报，能够将不同因子对不同地区预报的重要性体现出来，因此比简单的等权集合平均方法预报技巧更稳定。独立样本检验中，预报整体技巧最高的是热带印度洋SST，其次是欧亚大陆地面温度，再次是北太平洋SST，北半球500hPa高度预报技巧最低。独立样本检验同时也表明，用几个单因子场预报的集合平均能弥补单个成员预报的不足，采用回归法的集合平均提供了更全面充实的预报依据，预报技巧更稳定。集合典型相关分析方法能较好地预报出我国冬季气温有整体增暖趋势。