小气候模型论文

小气候模型论文（共5篇）

小气候模型论文 篇1

0 引言

温室是以采光覆盖材料作为全部或部分围护结构材料,可供冬季或其他不适宜露地植物生长的季节栽培植物的建筑。现代化温室可以有效地调控温度、湿度、光照、二氧化碳浓度和土壤环境等环境因子,创造一个与室外大气候环境相对隔离的小气候环境。维持温室内部良好的小气候环境,有利于更好地实现温室气候控制,从而达到提高作物品质、高产和低能耗的最终目的。温室小气候建模方法的研究对温室建筑、生产和发展有着十分重要的意义,目前多利用热力学、传热学的基本原理,建立能量平衡方程式,从而定量地确定温室内部和外部各参数间的关系以及所需供热(制冷)负荷,也有基于输入和输出数据的方法建模,如应用模糊逻辑网络和人工神经网络等。

1 温室小气候模型在温室控制系统中的应用

建立温室的主要目的是改善作物生长的环境条件,温室环境控制的目标是进一步改善环境条件来优化作物的生长过程[1]。根据外部气象条件和作物的生长发育阶段,利用环境控制设备对温室内环境条件进行有效的控制,采取连续生产方式和管理方式高效、均衡地进行生产。为了更好地管理和控制温室气候环境,必须建立一个用来计算最优控制信号的合适的气候控制策略,这个控制信号能够确定温室的性价比,自适应PID控制器能够实现这一功能。

气候自适应PID控制器的结构如图1所示。

其主要包括:温室内部小气候模型、反馈校正、滚动优化、参考值输入等几个部分。用历史的气候数据的输入输出信息、由天气模型得到的预测的气象数据和期望控制设备输入的数据;然后根据温室模型,预测出未来的温室气候,再将预测输出数据与参考输入轨迹进行比较,经过与模型输出误差进行反馈校正;最后优化后计算当前时刻应加于系统的控制动作,完成整个控制循环。

一般地,执行最优化就是实现价值函数的最大化,达到期望收成经济价值的最大化和气候调节设备的经营成本最小化。在性能指标中加入控制量约束条件,可限制过大的控制量冲击,使过程输出变化平稳,还可使系统能获得稳定的运行性能。

2 国内外温室小气候环境模型的研究

2.1 国外温室小气候环境模型研究的历史及现状

温室是一个半封闭的热力系统,它随时受到室内外诸多扰量的影响。其中,室外扰量有室外空气温度、湿度、太阳辐射强度、风速、风向等;室内扰量包括采暖系统、照明及其他设备的散热和作物及土壤散热、散湿等。在这些扰量作用下,温室内的空气始终保持着动态平衡。19世纪60年代以来,基于传热学和生物环境工程学的理论,研究温室热环境的变化规律,国内外研究人员已进行了大量深入的研究工作,从单个因子(辐射、通风、水、热、气交换等)的基本过程到多因子综合的小气候模型。对温室微气候的研究起步较早的国家是荷兰、以色列等。1963年荷兰的Businger将温室分为4层:覆盖物、室内空气、作物、土壤,在能量守恒公式化以来,这种研究方法成为以后温室建模的核心。1977年,S. Takami, Z. Uchijima没有精确考虑土壤热容并在土壤的传热计算中采用了许多近似处理后,首次建立了基于初等边界条件的温室稳态模型;于是在20世纪80年代,荷兰研制出了基于温室小气候模拟模型和番茄作物生长模型的温室环境优化控制模型 KASPRO[2],该模型能够综合考虑温室的材料和布局、温室室外气象条件、番茄的播种日期和温室环境控制目标来预测模拟温室内环境的控制结果( 温室内温度、 湿度、 作物蒸腾速率和能耗等)。1995年J.C.Bakker,G.P.A Bot[3]等在温室建模与控制的著作中,综合研究了跟温室相关的各个领域的成果,从植物的生理学、热力学角度研究温室内温度、湿度、二氧化碳浓度的变化模型。1997年,A. Mistriotis[4]系统分析无风和弱风情况下温室的自然通风过程,应用计算流体动力学知识,对各种通风结构温室的通风效率进行了预测。1998年,R.Linker等[5]在假设温室作物模型已知的情况下,利用神经网络建立温室气候模型,实现了对CO2浓度的控制。1999年,J. G. Pieters[6]对种植西红柿的全光温室构件数学模型仅考虑太阳辐射单次反射的前提下,定量研究了覆盖材料与地面光学参数及覆盖物表面蒸汽的冷凝方式对温室太阳能利用率的影响。1999年,M. N. Bargach[7] 根据能量平衡的方法,研究了一套目前较为全面的模型,将温室划分为包括室内水蒸汽、4个土壤层在内的9个子成分,并对温室计算涉及的能量项进行了逐个分析,提出了构建系统模型的方法。2000年L.Chen等[8]利用杂交模型的方式,将物理模型和神经网络模型结合,得到比单个应用建立模型更好的结果。2003年J. B.Cunha等[9]分别基于物理模型、ARX黑箱模型以及人工神经网络模型对温室小气候环境进行建模,并比较了3种方法的优缺点。其中,ARX模型将室外温度、室外光辐射、室外湿度、室外风速作为输入量,利用递推最小二乘建立了温室内温度的二阶模型,模型的参数是在线时变的,但是对于模型的结构没有作分析。2005年,Litagoetal采用时间序列分析的方法对自然通风温室的温湿度进行建模。国外还有一些典型的综合环境模型[10]:如比利时的GDGCM模型、法国的SIMULSERRE模型和美国的POLY-2模型等。

2.2 国内温室小气候环境模型研究的历史及现状

我国的现代温室起步较晚。20世纪50年代末,在华北地区曾建造过屋脊式大型玻璃温室;60年代初,在东北地区建成1hm2的大型玻璃温室,但基本没有什么配套设施,没有形成有效利用;从20世纪80年代初开始得到长足发展,其中95%以上是日光温室。从国内温室小气候建立模型方法的研究情况来看,目前主要有以下两种方法:

1)以能量平衡方程和质量平衡方程为理论依据研究温室的模型。2003年,司慧萍、苗香雯和崔绍荣[11]利用能量平衡、质量平衡的方法,在外界气象条件已知的情况下,得到与地理位置、温室结构、温室容积等因素有关联温室温度的动态预测模型,并基于华东型连栋塑料温室对模型进行了实验验证,实测数据与预测模型输出的数据基本吻合。2005年李惟毅、李兆力等[12]建立了供热温室通用方程,并以全光温室为例通过各层能量微分方程,对研究对象进行简化后建立了微气候理论模型。2005年胥芳、张立彬等[13]沿用4层理论模型,分析了玻璃温室能量小气候的质热平衡,建立了温室小气候温湿度动态模型,并对模型进行了仿真。2007年,高振波和赵立强等[14]研究从温室采光面的光学模型入手,分析温室内外环境的热交换,建立相应的热平衡数学模型。2009年,孟力力、杨其长等[15]针对组成温室系统的各内表面及室内空气建立热平衡方程,建立温室热环境数学模型,定量揭示日光温室热环境的变化规律,1996年陈青云和汪政富[16],郦伟,1997年董仁杰等[17],2005年杨昊谕[18]也做过类似的研究,并对模型进行验证和模拟计算。2010年,霍飞、王旭等[19]以温室热平衡理论为基础,将温室黄瓜生长发育植物模型与栽培环境模型相结合,应用MATLAB进行了模拟计算,建立了塑料连栋温室热环境模型。

2)基于输入输出数据的模型。利用模糊逻辑网络和人工神经网络等对温室小气候环境进行建模。2000年,王万良、李敏等[20]利用利用模糊逻辑网络建立了温室分布参数的模糊逻辑网络预测模型,提出了基于神经优化计算的优化控制算法。2000年,宫赤坤、陈翠英和毛罕平[21]用神经网络对温室这类缓变系统进行辨识时, 解决外部环境对系统影响的方法。2001年顾寄南和毛罕平[22]证实了温室内温度和湿度的变化符合以e为底的指数函数这一规律,在建立温室数学模型时考虑温度、湿度的变化与时间之间的关系,提出了一种新的温室小气候建模方法。2004年,王定成[23]采用支持向量机回归算法对温室的数据进行回归,并用采集到的数据检验了修正模型,这种建模方法能较好地处理温室环境的非线性和不确定性。2006年,杜尚丰和李迎霞等[24]利用人工神经网络对温室环境温度进行建模。2008年,何芬等[25]基于算法优化人工神经网络预测方法,建立了一个用基于神经网络模型,用于预报华北地区冬季日光温室空气湿度的神经网络模型。2008年,李晋[26]等选择ARIMAX模型描述温室内温度系统,建立了试验温室的温度系统模型。2009年,丁为民、王小旵等[27]通过对温室小气候建立模拟模型,可以了解温室结构特征、气象条件及作物生长等对温室环境的影响。2009年,严海[28]针对Venlo型温室环境温度和湿度两个主要因子进行分析,运用各种智能算法建立模型并进行仿真研究,从而提高温室环境控制的稳定性和控制精度。2010年,徐意和向美晶[29]运用RBF神经网络建立温室生菜光合速率与二者的量化模型,预测不同温度下作物光合作用速率来调控温室内作物生长。

2.3 目前存在的问题及发展趋势展望

目前,对温室小气候环境模型的研究(尤其国内)多注重于温室温度、湿度和CO2的浓度模型的建立。由于温室中的各种因素是相互影响的,如在同一时间内,通风会影响温度、湿度和CO2的浓度等,不同的作物生长规律和温室小气候环境相互作用,要正确的建立温室小气候模型就必须综合考虑这些因素。今后的研究应从作物的生理学、热力学角度出发,将作物的生长模型和温室小气候模型相结合,建立综合的更精确的温室模型来预测小气候的变化;另一方面,在实际建模过程中,物理模型涉及许多参数和物理变量 ,因此很难应用到实践工程中。线性参数模型方法会产生较大的误差;神经网络模型由于多自由度,需要大量的数据例子来训练,而且学习时间较长,推理不可靠,因此不能在实时系统中运用。若采用单一的建模方法,难以克服温室气候建立模型的局限性,为消除它们各自的不利因素,采用杂交(Hybrid)模型的方式,如线性参数受控自回归模型(ARX)和神经网络结构结合组成基于神经网络的线性参数受控自回归模型(NNARX)系统,采用遗传算法和物理模型,用粒子群最优化与遗传算法等方法结合建立温室小气候模型等方式,实现温室小气候的优化控制。在完善温室作物和环境模型理论研究与方法的基础上,针对我国的具体国情和气候条件,研究开发适用于生产实践的温室作物生长发育和小气候环境模型。

3 结论

温室小气候建模为改善温室环境的管理和控制效率有非常重要的作用,它是认识温室机理的理论基础,也为温室的气候预测和控制提供了决策依据。采用各种不同方法建立模型时应该考虑控制设备、作物的生长状况和栽培方式对温室小气候环境的影响,从辐射、通风、水、热、气交换等基本过程到综合的小气候模型,提高建模精度,提高控制算法的实用价值。

小气候模型论文 篇2

对山西沙尘天气与蒙古国的降水、我国北方积雪日数、青藏高原积雪日数和表征气候异常变化信号的大气-海洋环流因子SOI指数的关系进行了分析,揭示了全球准周期性变化对沙尘天气趋势的主导性作用.得出蒙古国西部前一年降水对山西省的沙尘天气具有较好的指示性;青藏高原前一年冬季积雪日数和山西省的年沙尘日数呈较好的`负相关性;当前冬青藏高原积雪日数多时,山西省少沙尘,反之,多沙尘.就我国北方特别是山西省上游地区的积雪日数而言,指示性比较强的区域分布在内蒙古、甘肃、新疆.这些区域内某些站点前一年冬季的平均积雪日数多时,山西省少沙尘,反之,多沙尘.此外,山西沙尘还与SOI指数有显著的滞后2 a的正响应关系,与SOI有滞后两年正相关的站点主要分布在中东部和东北部.在要素相关分析的基础上,综合各类因子制作了山西省沙尘预测模型,以期为沙尘天气的短期预测工作提供一些参考依据.

作 者：刘瑞兰 任国玉 吴占华 LIU Ruilan REN Guoyu WU Zhanhua 作者单位：刘瑞兰,吴占华,LIU Ruilan,WU Zhanhua(山西省朔州市气象局,山西,朔州,036001)

任国玉,REN Guoyu(中国气象局气候研究开放实验室,国家气候中心,北京,100081)

成品油市场模型之气候因素 篇3

关键词：成品油,市场,模型,气候

从事成品油终端销售行业的人都知道, 成品油市场是一个需求波动较大的市场。如何预测市场变化, 提前做好资源调配, 以应对市场波动, 是每个石油销售人都在认真琢磨的事情。众所周知, 成品油市场需求与GDP增长呈明显的线性正相关。以重庆主城区市场为例, 如果我们用一条直线来拟2003年至今的成品油市场需求与GDP关系, 则这条直线与实际市场需求的相关系数可以达到0.99943, 非常接近1。

首先, 让我们来看看市场需求的月度分布规律, 仍然以重庆主城西南部市场情况为例。我们使用Matlab以7阶多项式来拟合这2003年至2006年的月度市场变化情况, 得到的分布图如图1所示。

由于只有12个点, 月曲线图的分辨率并不高, 但4条曲线仍然能够看到一些共通的特性, 例如全年的市场变化呈现明显的三次起伏, 且每年的波峰波谷位置都相对比较固定。下面让我们来增加曲线的精度, 以周为单位, 重新来拟合绘制图2, 仍然使用7阶多项式。

周曲线图中可以看到更多的起伏细节, 但整体走势仍与月曲线图相同。由于大多数用油单位的工作量都是以周为单位循环往复, 成品油市场也明显的以周为周期, 周曲线比日曲线更有规律, 故这里就不再列举日曲线图。从以上两组图中, 我们可以看到几个明显的规律。

(1) 在一年之中, 市场需求将经历3次较为明显的变化, 即图中的3个波峰与3个波谷。 (2) 第一个低谷位于1月到2月之间, 同时也是全年的最低点。很明显这是受春节长假的影响。春节期间各企事业单位放假, 农民工返乡, 工地停工, 加之按照中国传统, 春节期间自驾出游明显少于其他长假, 导致市场急剧萎缩。 (3) 2月之后, 市场需求逐渐上升, 在4月份达到最高, 然后开始下降, 在5月底6月初达到最低。从图上看, 这个波谷在三个年份里面都比较靠近6月而不是5月, 所以我们认为造成这次销量下降的主要因素并不是五一长假, 而是因为重庆6月雨水较多。相较于春节, 五一长假的影响并不大。这主要是由于旅行出游较多, 尤其是近些年自驾油兴起, 使得车辆用油增加, 弥补了企业单位停产和工地停工带来的市场萎缩。 (4) 6月之后, 重庆开始出现连晴高温, 市场需求逐月攀升, 一般来说要到9月后才开始下滑, 并在10月末11月初下降到最低。同样, 可以看到, 国庆长假的影响也不是主要因素, 因为最低点一般出现在11月初, 此时正是重庆的又一个雨季。降水情况仍然是影响出库量的最主要的因素。 (5) 比较特别的, 这4年的12月市场需求都相当的旺盛, 明显高于其它月份。回顾这4年的资源状况, 我们可以发现几乎每年年底都会出现比较严重的资源供应紧张情况, 外省需求流入重庆市场, 加上抢购心理, 导致每年年底的市场需求都高得异常, 无法用其他月份的规律来进行分析。

小气候模型论文 篇4

中国地域辽阔,环境复杂,气候变化强烈,人口密度分布不均,经济发展不平衡,这些都将使气候变化对中国各地区民众的健康影响更复杂。根据联合国国际减灾战略机构统计:2013年中国因自然灾害导致的死亡人数和经济损失为38818.17万人次受灾,1851人死亡,433人失踪,1215万人次紧急转移安置,直接经济损失5708.4亿元。[6]在过去50年里,中国的平均气温升高幅度达到1.1℃,速度高于全球或北半球同期速度。造成降水格局改变、南方地区暴雨天数增多、北方省份旱灾发生范围不断扩大等。有研究预测,在未来二氧化碳浓度加倍条件下,中国鼠疫疫源地的面积将增大40%左右。[7]有些学者对中国近几年发生的由于气候变化所引起的SAS,冰灾和热浪等对公共健康的影响都有所报告[8,9,10,11],还有学者研究了空气质量与公共健康的关系,研究公共健康危机治理的重要保障是伦理道德。[12,13]为此,如何有效预防气候灾害和提高民众的灾害应对能力,已是关系到国民的安全与健康、社会可持续发展的重要问题之一。

国际学术界总结的主要调控措施包括:气象预报与预警系统,疾病监控系统,安全的保护技术,全面的疫苗接种,应急管理与灾害预防,公共健康教育与预防,最后还有立法和行政。[2]由于气候变化具有空间性,不同地区的自然地理与人文环境都不一样,这些具体的应对措施主要还是落在了地方层面上。[5]本文主要研究在中国的政治经济文化条件下气候变化对公共健康所带来的影响及可能采取的应对措施的模型分析,以期能为社会群体在气候变化影响公共健康的相应阶段提供对应的政策建议。

一、人类社会活动对气候变化的影响方式

人类社会进入21世纪,社会生活方式已与古时大不相同,由于卫生医疗水平的提高,人口数量急剧增加,同时工业的迅猛发展产生的二氧化碳及煤炭、石油、天然气燃烧产生的二氧化碳,远远超过了过去的水平。由于对森林乱砍滥伐,植被遭到破坏,再加上地表水域逐渐缩小,降水量大大降低,减少了吸收溶解二氧化碳的条件,使得大气中的二氧化碳含量逐渐增加。温室效应就是由于大气中二氧化碳等气体含量增加,使全球气温升高的现象。气温升高和环境系统的压力,将导致某些地区的降雨量增加,某些地区会出现长期干旱,飓风出现的频率和力量都增强,自然灾害加剧。

人类的社会活动对环境及健康的影响主要包括以下四方面:(1)家庭生活能源;(2)交通系统产生的环境压力;(3)食物和农业产生的环境压力;(4)工业发展产生的环境压力。具体见表1。

二、气候变化对公共健康的影响路径

人类社会进行的一系列活动对全球的生物环境和生态系统产生影响,其中最主要的变化是温室效应,即全球各地都面临着在未来变暖的趋势。根据政府间气候变化专门委员会(IPCC)预测,到2100年全球的气温将升高1.8~4.0摄氏度。在很多热带人口密集的地区最高温度已超过40摄氏度,到2020年这些地区的温度将升高1~3摄氏度,到2080年将升高3~5摄氏度(IPCC 2007)。温室效应引起一系列全球生态环境变化,主要包括降雨雪的不均衡,地区温湿度的改变,空气污染等。而对人类影响最直接的是一些极端的气候变化,主要有洪涝灾害天气,飓风、热浪、寒潮等。这些极端气候变化根据世界各地地域环境的不同,对人类的健康产生了直接和间接的威胁,特别是在一些不发达国家和地区。这些影响主要包括直接影响和间接影响,直接影响包括由于极端天气变化,例如洪涝灾害和飓风所带来的直接伤亡,由于热浪和寒潮带来的一些慢性病死亡率的升高,主要有心、脑血管疾病和呼吸系统疾病;间接影响主要有由于气候变化带来地区生态环境的变化而引起的一些流行病的感染与传播,由于地区极端气候原因导致农作物歉收等引起的贫困而致一些人群由于饥饿、营养不良而致健康状况下降,长时间处于非正常天气变化中也会引发人类焦虑不安、恐惧忧郁等心理健康疾病。影响路径具体见图1。

三、应对气候变化对公共健康带来影响的措施

1.缓解措施(mitigation)

根据人类社会活动对环境的影响因素,一些相应的缓解措施(主要是指预防措施),可以降低温室效应的形成并减少对环境的污染。缓解措施主要包括政策鼓励市民采用更环保的交通方式,尽量使用公共交通减少私家车的使用率,多使用自行车或步行;鼓励市民采用更节能的炉灶和能源,特别是在一些低收入国家,可适当提供补助让市民不烧煤炭和木材;提倡节约,减少对食物和能源的消耗,降低对环境和资源的压力;对一些高能耗高污染的企业和单位坚决关闭取消,或者采用低碳能源或再生资源,改煤炭发电为风力、水力或核发电;加强环境保护,绿化造林,保护植被。

这些应对措施不仅能从源头上降低温室效应作用,缓解由于气候变化而引起的环境恶化所导致一些极端天气的出现,减少由于自然气象灾害所带来的对人类健康的危害;也能直接降低对人类健康的危害,比如空气质量的提高可以减少一些心血管疾病和呼吸道疾病、心脏病和哮喘等的发病率。

2.应对措施(adaptation)

应对措施是指当灾害不可避免发生时所采用的一种事后的干预措施,以尽量降低灾害对公共健康的危害。人类社会应对自然灾害的能力是一个复杂的现象,包括各个国家和地区的社会经济基础、政策法规基础、文化生活方式等。各地区对极端气象灾害的应对措施主要由两方面因素决定,一是该地区的易感性(suscepti⁃bility)即易受影响(或损害)的状况,例如,该地区的地质条件和人口年龄分布等。二是恢复能力(resilience)即应对灾害的能力和从受灾状况恢复的能力,以提高人类社会应对灾害能力,降低该地区的易感性和提高应对灾害和灾后恢复的能力。例如,该地区的基本医疗设备条件、应急能力等。

应对措施主要应用于极端灾害天气对公共健康的影响。根据极端天气所导致的灾害类型,相应的应对措施主要包括保证食物安全,防止水污染,确保饮水卫生,加强对传染疾病的预防和控制,临时住所的安置,垃圾等有毒物质的处理,医疗卫生条件能够得到保障,及时的灾后心理创伤干预,加强个人卫生注意事项的宣传等。

3.各级政府相应的职能应对

毫无疑问,气候变化是一个全球化问题,需要各个国家共同努力减少资源浪费和温室气体排放,从根本上控制全球气候恶化。但是,正如Cayan[4]等学者所说,即使现在采取最有利的措施减少温室气体排放,部分气候的变化已经是不可避免的。因此,在减少气候变化的同时,如何采取必要的措施去应对由于气候变化给人类健康所带来的负面影响则是必须的。[5]

气象变化对公共健康所带来影响的措施(缓解措施和应对措施)主要分为三个层次来进行,国家、地方政府和个人三方都需积极参与,各层次职能分工具体见表2。

四、结论

小气候模型论文 篇5

已有研究表明, 平流层过程与对流层某些重大天气气候事件 (如极端降水等) 确实存在着信号的超前表达和实质上的物理驱动因果联系[6—8], 平流层的环流异常通过其季节内振荡可以下传到对流层[9,10]。当前在我国数值天气预报业务模式中较少涉及平流层过程, 10 d以上形势预报的误差迅速增加, 因而限制了预报时效的进一步延长。了解在这一时间尺度上平流层与对流层相互作用并进而研究预报方法, 显然是一项紧迫而又有十分重大意义的前沿课题。另外, 这些相互关系还存在显著的年代际变化, 可能是东亚地区气候变化的机理之一。

近30年来, 在全球气候变化的背景下, 夏季中国东部长江下游地区频繁出现持续暴雨的极端天气气候事件, 会造成这个区域严重洪涝, 这类事件越来越引起公众的关注。由于这种极端事件影响的严重性, 关于长江下游强降雨事件演变规律的研究引起了人们广泛的注意。比较普遍的意见是它的变化与海温异常有直接的关系, 有关模拟和预测研究主要考虑海洋的热异常所形成的下垫面强迫影响, 取得了一定的预测效果。但海温的影响 (如ENSO, IOD等) 不能解释许多强降水过程的形成, 其他因子的作用, 如平流层环流的作用和在预报中的相对重要性尚未详细研究。本文将研究影响长江下游地区夏季强降水变化的前期冬季全球平流层环流变化的关键区, 建立基于KLM滤波的夏季强降水频数年际气候预测模型, 进行预测试验, 讨论预报方程系数的时间变化特征和可预报性。

1 预测方法

1.1 资料

采用江苏省气象信息中心提供的逐日长江下游地区降水量1961~2011年51年的资料, 夏季强降水频数定义为6~8月长江下游地区 (江苏省南部地区的南京, 常州, 苏州, 镇江, 宜兴, 太仓等25站) 平均日降水量大于等于25 mm的日数。冬季平流层50 h Pa风场资料采用NCEP/NCAR逐月再分析风场资料 (2.5°×2.5°) [11]计算, 所取资料时间是1960~2011年。

1.2 影响夏季长江下游强降水的前期冬季关键区平流层纬向风的变化

图1是1961~2011年夏季6~8月长江下游强降水频数变化序列, 其中强降水日数最多的是1999年, 达到11天。另外, 1968年无强降水日数。过去的研究表明, 这个序列与长江下游降水20~30 d振荡强度具有极显著的正相关[12] (通过0.01的显著性水平的检验) 。因此, 与东亚地区大气内部非线性过程密切相关的季节内振荡 (ISO) 对长江下游强降水过程的作用占主导地位。下面研究长江下游强降水频数年际变化与前期冬季全球平流层环流变化的联系。图2给出了1961~2011年长江下游强降水频数与前期全球50 h Pa纬向风的相关系数的空间分布, 发现关键区主要在南半球高纬度地区、北太平洋中纬度地区, 表现为显著正相关, 而北极附近是显著负相关区, 其显著性均为0.05。值得注意的是, 前期冬季热带地区平流层纬向风与后期夏季长江下游地区强降水 (暴雨) 的关系不太显著, 仅南美北部和热带大西洋地区存在范围较小的正相关区。

1.3 卡尔曼 (KLM) 滤波模型的建立

由于气候系统年代际变化的影响, 变量之间相关具有一定程度的不稳定性。因此, 本文基于KLM滤波方法 (运用现代随机估计理论给出系统状态的无偏最小方差的递推估计值, 其主要特征是通过对误差与观测数据间的处理来不断订正模型参数, 组建出最优滤波方程[13]) , 对上述3个关键区平流层50 h Pa格点纬向风为3个因子x1, x2, x3: (x1:80~85°N, 140~150°E, 北极附近;x2:45°N, 140~170°E, 北太平洋中纬度;x3:55~60°S, 120~140°W, 东南太平洋高纬度 (区域平均) ) , 构建线性回归方程进行递推, 建立系数可变的预测模型, 对6~8月长江下游强降水频数进行试验, 并和多元线性回归模型的预测结果比较。同时, 也分析了各个因子对应的回归系数随年代的变化规律, 讨论因子的时间稳定性。

图中阴影表示显著性为0.05的区域

2 预测结果分析

用1960/1961, …, 2011/2012年12~2月 (52个冬季) 的平流层纬向风 (x1, x2, x3) 资料和1961年, …, 2012年6~8月长江下游强降水频数 (y) , 构建方程y=b0+b1x1+b2x2+b3x3, 进行KLM递推预报, 其中近10年 (2003~2012年) 预测试验结果见表1。从表中可以看出, 预报和观测值十分一致。经计算, 预报的平均绝对误差是0.96天, 预测效果很好。另外, 回归系数b1<0, b3>0变化幅度较小, 表明近10年与北极附近, 南半球高纬度纬向风的负、正相关关系比较稳定, 而b2<0, 近10年负值显著, 表明与北太平中纬度纬向风的相关变为较显著的负相关 (与整个52年期间的正相关不同) , 相关显示出一定程度的不稳定, 并改变符号。用42年 (1961~2002年) 资料, 建立多元线性回归方程, 对近10年 (2003~2012年) 进行独立预报, 结果见表2。预报的平均绝对误差是1.26 d, 大于KLM方法的结果;主要原因是多元线性回归方程没有体现变量之间相关的年代际变化 (特别是x2, 北太平中纬度纬向风) 。因此, 以上近10年的独立预报试验表明, 基于KLM滤波的预测方法明显优于经典的多元回归方法, 表明气候系统年代际变化对于6~8月长江下游强降水频数统计模型的气候预测精度的变化有明显影响。

由于平流层异常 (如平流层极涡的增强或者减弱, 赤道纬向风的准2年振荡 (QBO) , 与对流层在太阳活动的准11年周期上的耦合变化等) 的持续时间长[6], 它可能对于对流层气候预测的改进有重要应用价值。而且, 过去的研究也表明, 当平流层影响达到最大时, 其影响可以达到和ENSO的影响相当的量级和空间尺度[9], 同时可以在季节内时间尺度和准2年时间尺度上对东亚冬季和夏季大气环流和长江下游极端天气气候事件产生显著影响。因此, 深入研究平流层扰动对于夏季东亚环流季节内变化及其强度年际变化的影响, 能显著改善长江下游地区6~8月强降水过程频数和旱涝预测准确率, 同时也有利于预测与强降水过程密切相关的20~30 d振荡强度年际变化[12]以及提高强降水过程10~30 d延伸期预报精度。

3 结论和讨论

本文用近50年观测资料, 研究了冬季平流层环流和夏季长江下游强降水之间的联系, 并建立统计方程对夏季长江下游强降水频数进行预测, 得到如下结论:

(1) 前期冬季12~2月全球50 h Pa纬向风变化对后期6~8月长江下游强降水频数变化有明显影响, 其中显著的正相关区在南半球高纬度地区和北太平洋中纬度地区, 负相关区在北极附近;但强降水频数变化与热带地区平流层纬向风的变化无关。

(2) 用前期12~2月全球平流层关键区的纬向风建立KLM预测模型进行独立预测试验, 发现它对近10年 (2003~2012年) 6~8月长江下游地区强降水频数的变化具有较好的预测能力, 明显优于多变量的线性回归预测结果。

(3) 从回归方程系数的时间变化来看, 近10年夏季长江下游强降水频数与前期冬季北极附近和南半球纬度地区平流层纬向风相关十分稳定, 而与北太平洋中纬度纬向风的相关存在一定程度的不稳定。

前期平流层过程与后期夏季长江下游强降水过程的形成存在实质上的物理驱动因果联系 (通过平流层环流的异常激发的低频波在一定条件下会向下传播到对流层) , 引进平流层信号的统计预报可以为业务极端天气气候事件的气候预测提供重要参考, 有利于进一步提高长江下游旱涝年际气候预测准确率。

摘要：采用相关分析方法, 研究了68月长江下游强降水频数与前期冬季122月全球50 hPa纬向风的关系;并研制了基于KLM滤波的夏季长江下游强降水频数气候预测模型。结果表明, 存在3个显著的相关区:北极附近, 北太平洋中纬度和南半球高纬度地区。用这些前期122月全球平流层关键区的纬向风建立KLM预测模型进行预测试验, 发现它对近10年68月长江下游地区强降水频数的变化具有较好的预测能力, 明显优于多变量的线性回归预测;其中与北极附近和南半球高纬度地区平流层纬向风相关稳定, 而与北太平洋中纬度纬向风的相关存在一定程度的不稳定。基于平流层环流变化的夏季长江下游强降水频数KLM模型可以为短期气候预测业务预报提供重要参考。