近年来我国短期气候预测中动力相似预测方法研究与应用进展.pdfVIP

下载本文档

4
0
约3.57万字
约 10页
2017-09-04 发布于重庆
举报
版权申诉

近年来我国短期气候预测中动力相似预测方法研究与应用进展.pdf

1、本文档共10页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 37 卷第 2 期大气科学 Vol. 37, No. 2 2013 年 3 月 Chinese Journal of Atmospheric Sciences Mar. 2013 李维京, 郑志海, 孙丞虎. 2013. 近年来我国短期气候预测中动力相似预测方法研究与应用进展 [J]. 大气科学, 37 (2): 341–350, doi:10.3878/j.issn. 1006-9895.2012.12311. Li Weijing, Zheng Zhihai, Sun Chenghu. 2013. Improvements to dynamical analogue climate prediction method in China [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 37 (2): 341–350. 近年来我国短期气候预测中动力相似预测方法研究与应用进展李维京郑志海孙丞虎国家气候中心，北京 100081 摘要鉴于当前短期气候预测中，纯粹使用动力学方法尚不能完全满足气候预测业务的需要，因此有必要在策略上采取动力和统计相结合的办法。在具体实现手段上，简要介绍了从历史资料中提炼预测信息，发展了一种基于历史相似误差订正的相似—动力短期气候预测新方法。分别在月、季节以及 ENSO 等短期气候预测领域相继开展了试验和应用，取得了一些令人鼓舞的初步结果，为下一步深入开展有关短期气候预测科学的研究提供了些许借鉴。关键词短期气候预测动力相似预报误差文章编号 1006–9895(2013)02–0341–10 中图分类号 P461 文献标识码 A doi:10.3878/j.issn.1006-9895.2012.12311 Improvements to dynamical analogue climate prediction method in China LI Weijing, ZHENG Zhihai, and SUN Chenghu National Climate Center, Beijing 100081 Abstract Because the dynamical climate prediction model is ineffective for skillful forecasting on a weekly to intra-annual scale in the East Asia region, the combination of a dynamical and statistical prediction method has been suggested as an optimal strategy. To realize the technique, a forecasting error correction method by utilizing historical analogue information was developed in China. The current applications show that this new method can significantly improve predictio