[发明专利]基于低频增量时空耦合的动力统计结合的次季节预测方法

说明书

本发明公开一种基于低频增量时空耦合的动力统计结合的次季节预测方法，该方法选取热带和热带外大气异常的信号作为预报因子变量，并以变量的低频增量作为预报对象和预报因子，消除天气变率及季节变率的干扰。一方面考虑预报因子与预报量增量之间的同期物理关系，利用奇异值分解的统计方法寻找同期预报因子增量和预报量增量的高耦合模态，采用多元线性回归的方法建立基于物理机制的次季节预测模型。另一方面，借助动力模式对次季节热带和热带外大气异常模态预报效果较好的优势，将动力模式所预测的热带和热带外大气异常的高耦合模态的时间系数(即预报因子)代入预测模型中，进一步构建动力‑统计相结合的次季节预测模型对气象要素进行预测。

技术领域：

本发明涉及一种基于低频增量时空耦合的动力统计结合的次季节预测方法，属于大气科学领域。

背景技术：

次季节预测是指提前数周对天气异常的预测，是天气(10天以下)-气候(三个月以上)预测的间隙，是无缝隙预测中的重要一环，对于制定防灾减灾政策起着重要作用。然而，即使中短期天气和气候预测能力在不断提高，次季节预测技巧仍然偏低，成为近年来科学研究和业务应用所关注的难点。针对这一难点，徐邦琪、朱志伟等人于2012年起研发了基于时空投影技术的统计预报模型STPM(Spatial Temporal Projection Model)，已应用于我国降水、气温、西太平洋台风群发以及极端天气气候事件等高影响天气的次季节预测^[1-6]。该模型考虑了前期大尺度预报因子和预报场之间的时空耦合关系，应用奇异值分解(Singular Value Decomposition，SVD)方法得到两者(预报因子场和预报量场)的耦合信息进行建模和预报，用“过程”预报“过程”，是目前国家气候中心业务预报系统之一。然而这种类型的纯统计方法还存在一定的局限。首先，同类方法大多基于超前-滞后的统计关系，利用前期的大尺度因子建模。因前期预报因子在演变过程中可能会发生变化，不一定能够准确的反应随后预报场的变化，导致预报结果产生误差。同时，若前期预报因子与预报量的统计关系相对较弱，统计建模的预报技巧也会很低；其次，考虑纯统计关系的模型往往未能完全明确预报因子与预报量之间的物理机制，而已有研究表明，利用具有物理意义的预报因子能够有效地提高预测技巧。第三，同类方法虽对极端温度和强降水有一定的预报能力，但是这种纯统计模型对灾害天气的强度预报较低，对于过程预报也有较大的难度。此外，对于次季节的预报常常需要滤去天气尺度变率以及季节变率，而使用传统的滤波方法会损失一段序列，无法进行实时预测。

除了统计方法外，动力模式的发展也为次季节预测提供了一种预报途径。近年来，世界天气研究计划(WWRP)和世界气候研究计划(WCRP)联合建立了S2S(subseasonal-to-seasonal)多模式数据库，为研究次季节天气过程的可预报性和数值预报预报能力提供了广阔的平台。然而，前期研究发现S2S模式在次季节尺度内对于气象要素(温度、降水等)的直接预报能力有限，但对大尺度的次季节大气环流模态具有较好的预报技巧^[7-8]，如何有效提高气象要素(温度、降水)及其极端事件的次季节预测技巧仍是当今业务上的难点。

发明内容：

为解决现有次季节统计预测模型和动力预测技术中存在的问题，本发明利用两类方法(纯统计和纯动力预测)的优势，提出一种基于低频增量时空耦合的动力统计结合的次季节预测方法，本发明的技术方案如下：

一种基于低频增量时空耦合的动力统计结合的次季节预测方法，包括如下具体步骤：

1)从观测数据中选取与预报量同期的热带外中高纬500hPa位势高度场和热带地区OLR场作为预报因子变量，分别计算预报因子变量的增量距平，以及预报量的增量距平：

2)采用SVD方法，从观测数据中提取左场预报因子变量的增量距平与右场预报量的增量距平之间的前j个高耦合模态，并采用交叉检验法挑选其中稳定模态，再基于所选稳定模态中左场的时间系数和右场的奇异向量重构形成拟合的预报量增量距平；