我国东南夏季干旱指数ecc预测方法

《我国东南夏季干旱指数ecc预测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京信息工程大学硕士学位论文我国东南夏季干旱指数的ECC预测方法姓名：贺晓霞申请学位级别：硕士专业：气象学指导教师：吴洪宝20070501学位论文独创性声明本人郑重声明：1、坚持以。求实，创新”的科学精神从事研究工作．2，本论文是我个人在导师指导下进行的研究工作和取得的研究成果．3，本论文中除引文外，所有实验，数据和有关材料均是真实的．4、本论文中除引文和致谢的内容外，不包含其他人或其它机构已经发表或撰写过的研究成果．5、其他同志对本研究所做的贡献均已在论文中作了声明并表示了谢意．作者签名：壅勉日期：幽笨绸学位论文使用授权声明本人完全了解南京信息工程大学有关保留、使用学位论文的规定，

2、学校有权保留学位论文并向国家主管部门或其指定机构送交论文的电子版和纸质版；有权将学位论文用于非赢利目的的少量复制并允许论文进入学校图书馆被查阅；有权将学位论文的内容编入有关数据库进行检索；有权将学位论文的标题和摘要汇编出版．保密的学位论文在解密后适用本规定．作者签名：壅喳丝日期：翊堡翅我国东南夏季干旱指数的ECC预测方法摘要根据中国东南夏季气温和降水显著负相关的特点，构造合适的干旱指数。取北京气象中心整理的160站月平均气温和降水资料，计算出中国东南117个站1951．2004年夏季干旱指数作为研究对象，并通过EOF方法分析其时空分布特征。选取美国NCEP／NCAR再分析的1950／

3、1951．2003／2004年月平均海表温度场、北半球500hPa高度场和亚欧大陆表面温度场分别作为因子场，采用BP法预测东南夏季干旱指数，最后将多份预测集合起来成为一个综合性的预测模式，得到如下结果：(1)因为中国东南地区夏季气温和降水存在显著的负相关，所以可用于旱指数表示其气候异常状态。鉴于降水的局地性强和复杂性，用干旱指数代替降水量作为预测对象，更有利于建立可靠的预测方法；(2)通过对干旱指数进行EOF分析，得到四个能反映东南部夏季早涝分布的空间型：长江中下游一致型；南北向反相关；长江中下游以北与其他地区的反相关距平分布；鞍形结构。前4个空间型解释原场总方差的百分比分别为19．

4、12％、15．95％、11．59％、6．51％。第一个空间型对应的时间系数有略微的上升倾向，可以得到长江中下游干旱指数的变化倾向是略微下降的，即过去几十年向偏涝变化；(3)以冬季(12月、次年1月、次年2月)热带印度洋、热带太平洋、北太平洋海表温度场和北半球500hPa高度场、亚欧大陆表面温度场为因子场预测我国东南部夏季干旱指数，均能提供一定的有用信息。其中，以亚欧大陆表面温度场为预测因子，整体预测水平最高，其次是热带太平洋海温、北半球500hPa高度场、热带印度洋海温，北太平洋海温的整体预测水平最低；(4)通过分析各单因子场预测技巧来源，发现不同预测因子对中国东南不同地区具有较高的

5、预测技巧，采用集合平均预测可以弥补单因子预测成员的不足；(5)ECC预测能汇集多个因子场提供的预测信息．比单因子CCA预测提供更全面充实的预测依据，其中采用超级集合平均预测又比等权集合平均预测无论是空间相关性还是时间相关性预测效果更好，预测技巧更稳定；(6)通过独立样本检验，证实该模式具有一定的实际预测能力。关键字：夏季；干旱指数；典型相关分析(CCA)；集合典型相关(ECC)；预测3我国东南夏季干旱指数的ECC预测方法AbstractOnthebasisofthefactthatthereexistssignificantnegativecorrelationbetweentemp

6、eratureandprecipitationoverthesoutheasternChinainsummer,adroughtindexisappropriatelyconstituted．Thearticletakessummerdroughtindexof117stationsinthesoutheasternChinafrom1951to2004雒thepredictand．whichancountedoutwithmonthlymeanprecipitationandtemperatureof160stationsinChinacollectedbyBeijingMeteo

7、rologicalCenter,andthenanalyzesitsspatialandtemporaldistributionbyEOEChoosingmonthlymeansea-surfacetemperature，500hPaheightinthenorthernhemisphereandsurfacetemperatureinEurasiancontinentfromNCEP／NCARreanalysis∞predictors．wepredict