我国北方沙尘气候预测模型的建立.doc

第七章 我国北方沙尘气候预测模型的建立 §7.1 概念模型 上面已经提到，我国北方各区、全区平均的及340个站合并的年沙尘日数相关系数很高（文中第三章表3.1），亦即我国北方各区的沙尘天气变化趋势是基本一致的，因此对其气候预测模型的建立不再分区表示。通过以上几章对我国北方沙尘天气相关因子的详细分析，可知我国北方的沙尘天气与诸多因子有密切关系。前期相关比较好的气候因子和环流因子包括：前一年的年平均气温、前一年的年平均相对湿度、前一年的年平均蒸发量、蒙古国OMNOGOV站前一年的年降水量、青藏高原前冬积雪日数、阿巴嘎旗站前冬积雪日数、前年的SOI指数以及西部1区前一年的年平均降水量；同期相关比较好的气候因子和环流因子包括：年平均风速、NAO指数、PDO指数、AO指数。根据以上讨论的有关结果，可以得到我国北方沙尘气候预测的概念模型如下： 图7.1 我国北方沙尘气候预测的概念模型 §7.2 统计预测模型的建立 在上述前期影响因子中，选出最优相关因子，建立回归预测模式，将对我国北方沙尘天气的短期气候预测具有借鉴意义。因为风要素是最为直接的、最优相关的因子，所以在选取前期影响因子时，选入了全区的年平均风速。只不过计算时用前一年的年平均风速代替，依据是由表4.4可以看出，前一年的年平均风速与各区的沙尘日数显著相关；并通过计算，求得全区年平均风速与滞后一年的序列相关系数达0.924。进一步筛选后，对我国北方所研究范围内西部1区前一年的年平均降水量、全区前一年的年平均气温、全区前一年的年平均风速、全区前一年的年平均相对湿度、前年的SOI指数（1961—1999年）、青藏高原前冬平均积雪日数、阿巴嘎旗站前冬平均积雪日数七个前期因子于1962—2000年在相应区域的逐年平均值与我国北方1963—2001年340个站合成的逐年年总沙尘日数作逐步线性回归分析，在95％显著水平下，得出由前一年的年平均风速()、前年的SOI指数()、阿巴嘎旗站前冬的平均积雪日数()三个显著性因子建立的我国北方沙尘日数y的预测模式如下式（7.1）。 （7.1） 其中，预测量与估计量之间的复相关系数为0.889。并根据此模型对2002，2003，2004年我国北方的沙尘日数进行回报，结果见表7.1。 表7.1 根据方程对2002—2004年我国北方 区域平均的年沙尘日数的预报结果 年份 X1 X2 X3 y 2000 7.8 2001 2.4 0.525 8 2002 2.37 -6.1 27.67 14.38 2003 2.34 27.67 9.26 2004 7.95 并把1963—2003年我国北方区域平均的年沙尘日数的预报值和实况值进行对比，如图7.2所示。 图7.2 我国北方区域平均的年沙尘日数的实际值（1963—2003） 与预报值（1963—2004）对照图 由图7.2可以看出，预报值与实况值的总体趋势大致相当，在个别年份如1965、1968、1970、1998、2002年会出现偏差较大或趋势相反的现象，但大多数年份二者比较接近且趋势一致，可见经过逐步回归筛选出的因子年平均风速、前年的SOI指数、阿巴嘎旗站前冬的平均积雪日数是具有代表性的，其回归方程可以作为我国北方沙尘天气预测的一项参考依据。 并把以上七个前期因子与北京、沈阳、太原、兰州市的逐年沙尘日数作逐步回归分析，求得各城市的统计预测模式如下： （7.2） 式（7.2）中为年平均风速、为阿巴嘎旗站前冬的平均积雪日数。预测量与估计量之间的复相关系数为0.676。 （7.3） 式（7.3）中为年平均风速、为阿巴嘎旗站前冬的平均积雪日数。预测量与估计量之间的复相关系数为0.667。 （7.4） 式（7.4）中，为前一年的年平均气温。预测量与估计量之间的复相关系数为0.445。 （7.5） 式（7.5）中，为年平均风速。预测量与估计量之间的复相关系数为0.619。 图7.3、7.4、7.5、7.6分别是1963—2003年北京、兰州、沈阳、太原的年沙尘日数的预报值和实况值的对比曲线图。 图7.3 北京市1963—2003年沙尘日数的实际值与预报值对照图 图7.4 兰州市1963—2003年沙尘日数的实际值与预报值对照图 图7.5 沈阳市1963—2003年沙尘日数的实际值与预报值对照图 图7.6 太原市1963—2003年沙尘日数的实际值与预报值对照图 可见，所建立的各城市的年沙尘日数的统计预测模式不及全区的效果好，这是因为，文中没有更