[发明专利]一种基于统计降尺度技术的短期气候预测方法

说明书

本发明公开了一种基于统计降尺度技术的短期气候预测方法，包括在建模的拟合时段内，对我国月平均降水和大尺度预测因子进行奇异值分解，分别提取我国月平均降水和大尺度预测因子的主模态典型耦合空间异性相关分布空间型和相应的主成分时间序列对；利用逐步回归分析的方法，获取适用于预测时间段的月平均降水和大尺度预测因子的自适应主模态典型耦合空间异性相关分布型以及主成分时间序列对。优点是：综合气候模式和前期关键因子，基于EOF、SVD及多元线性回归等多种处理方法提取多种因子间最优耦合变化型，开发了多源信息动态处理及提取技术，构建最优信息集成自适应降尺度技术，实现对全国不同地区气候条件下的临近月平均降水的网格化预测。

技术领域

本发明涉及大气科学领域，尤其涉及一种基于统计降尺度技术的短期气候预测方法。

背景技术

短期气候预测方法主要分为数值模式方法和物理统计方法。对于气候模式而言，针对大尺度环流具有较高预测能力，但对东亚地区的降水预测能力较低，不能满足实际需求。ENSO存在于热带太平洋，是海气相互作用的重要系统，是全球天气和气候年际变化的重要原动力之一，通过海气相互作用的遥响应影响着全球气候的年际变化，是降水预测一个重要前兆性信号。因此，利用气候模式大尺度预报因子的稳定性对精细尺度季节平均降水的统计降尺度预测是可行的。而预测技术以及预测因子的选择是实现精准的降尺度预测的关键也是难点。

由于中国地处东亚季风区，自然条件复杂，剧烈变化的气候影响着东亚季风系统等因素，导致中国季节平均降水的短期气候预测，特别是临近月尺度水平一直不稳定。无论是气候模式还是目前的降尺度方法都无法精细的预测我国不同地区的临近降水特征。

发明内容

本发明的目的在于提供一种基于统计降尺度技术的短期气候预测方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于统计降尺度技术的短期气候预测方法，包括如下步骤，

S1、在建模的拟合时段内，对我国月平均降水和大尺度预测因子进行奇异值分解，通过这种奇异值分解计算，分别提取我国月平均降水和大尺度预测因子这两个变量的主模态典型耦合空间异性相关分布空间型和相应的主成分时间序列对；

S2、对月平均降水和大尺度预测因子进行连续月滚动建模；利用逐步回归分析的方法，获取适用于预测时间段的月平均降水和大尺度预测因子的自适应主模态典型耦合空间异性相关分布型以及主成分时间序列对；

S3、利用一元线性回归分析的方法，根据建模的拟合时段内的月平均降水和大尺度预测因子的自适应主成分时间序列对，得到预测时间段的月平均降水的线性回归后的自适应主成分时间序列对；之后，利用预测时间段的大尺度预测因子原始场以及建模时段的自适应主模态典型耦合空间异性相关分布型，投影得到预测时间段的预测因子的自适应主成分时间序列对；最后，利用预测时间段的月平均降水的自适应主成分时间序列对和建模时间段的月平均降水的自适应主模态典型耦合空间异性相关分布型，得到目标预报年的月平均降水结果。

优选的，步骤S1具体为，在建模的拟合时段t内，将使用经验正交分解方法滤波之后的月平均降水和大尺度预测因子利用奇异值分解方法进行分解，分别提取两变量的主模态典型耦合空间异性相关分布型和相应的主成分时间序列对，计算公式如下，

其中，m为所有的奇异值向量分解模态总数；x为空间点，t为时间；A(t,x)和B(t,x)分别表示月平均降水和大尺度预测因子；R_i(x)和U_i(x)分别表示月平均降水和大尺度预测因子的第i个模态的典型耦合空间异性相关分布型；K_i(t)和S_i(t)分别表示月平均降水和大尺度预测因子第i个奇异值向量分解模态的主成分时间序列对。