华东地区月平均气温统计降尺度方法比较.pdf

《华东地区月平均气温统计降尺度方法比较.pdf》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第35卷第6期气象科学Vo1．35，No．62015年12月JournaloftheMeteorologicalSciencesDee．，2015高红霞，汤剑平．华东地区月平均气温统计降尺度方法比较．气象科学，2015，35(6)：760—768．GAOHongxia，TANGJianping．ComparisonofstatisticaldownscalingmethodsonmonthlytemperatureinEastChina．JournaloftheMeteorologicalSciences，

2、2015，35(6)：760—768．doi：10．3969／2014jms．0083华东地区月平均气温统计降尺度方法比较高红霞’汤剑平(1南京大学大气科学学院，南京210023；2国防科学技术大学计算机学院软件所，长沙410073)摘要用中国地面气象观测站的逐日气温观测资料和NCEP／NCAR再分析资料，分别使用基于多元线性回归(MLR)和3种主成分分析(PCA)的统计降尺度方法，对1959-2008年的华东地区的月平均气温分两个时段进行统计降尺度分析并加以检验，比较了不同降尺度方法的结果。结果表明：对于

3、华东地区气温的统计降尺度预报，基于MLR的统计降尺度方法相对于3种PCA方法而言，对单站年际变化模拟方面有一定优势。PCA方法应用于统计降尺度时，预报因子的区域选择是影响统计降尺度结果的重要因素之一。对于温度进行统计降尺度分析时，预报因子中包含温度因子是非常必要的；所试验的4种降尺度方法，对各站点多年平均情况的模拟要好于对区域平均的年际变化的模拟。关键词气温；统计降尺度；多元回归；主成分分析；华东地区分类号：P456．8doi：10．3969／2014jms．0083文献标识码：BComparisonofs

4、tatisticaldownscalingmethodsonmonthlytemperatureinEastChinaGAOHongxia’TANGJianping(1SchoolofAtmosphericSciences，NanjingUniversity，Nanjing210023，China；2SchoolofComputerScience，NationalUniversityofDefenseTechnology，Changsha410073，China)AbstractBasedonthedail

5、ytemperatureobservationdatafromsurfaeemeteorologicalobservationsitesandNCEP／NCARreanalysisdata，thestatisticaldownscalingmethodswithMultipleLinearRegres—sion(MLR)andthreekindsofPrincipalComponentsAnalysis(PCA)wereusedtoanalyzeandvalidatethemonthlytemperatur

6、eintwoperiodsfrom1959to2008inEastChina，furthermore，theresultsoffourkindsofstatisticaldownscalingmethodswerecompared．ResultsshowthatthestatisticaldownscalingmethodbasedonMLRhascertainadvantagesintheinterannualvariationsimulationofsinglestationinEastChinacom

7、paredwiththePCAmethods．Thezoneofpredictorsisoneofthemainfactorsthatinflu—encethestatisticaldownscalingresultswhenPCAmethodwasappliedtostatisticaldownscaling．Itisnec—essarytoincludetemperaturefactorwhenstatisticaldownscalingwasinvolvedinthetemperature．Allth

8、esefourkindsofstatisticaldownscalingmethodsrevealmoreskillsinthesimulationofaverageannualvaluesthaninthezonalmeanvalues．KeywordsTemperature；Statisticaldownscaling；Muhipleregression；Principalcomponentanaly—sis