文摘

夏季在中国西部山区(WMR),山区洪水等灾害,滑坡和泥石流造成的暴雨频繁发生,这常常导致巨大的经济损失和人员伤亡。因此,准确地预测降水具有重要意义在这些地区。本文建立了统计模型预测的降水WMR使用线性回归统计方法,在夏季area-averaged降水异常WMR作为预测值和prewinter Nino3 SST作为预测指标。返回的结果交叉测试历史从1979年到2008年,独立样本返回测试从2009年到2018年表明,该统计模型具有良好的性能在预测WMR夏季降水,特别是洪水年。它有更好的技能WMR降水的预测比SINTEX-F的动力学模型。

1。介绍

中国夏季降水最集中的季节。或多或少地沉淀在夏天经常引起洪水,干旱,和其他自然灾害,在中国有大量对人的影响,是一个普遍关注的中国气象部门和整个社会。在中国夏季降水有明显的年际和年代际变化特征,与ENSO相关显著(1- - - - - -5]。许多研究认为ENSO的重要预测降水的预测在中国(6- - - - - -9]。然而,一些研究表明,ENSO和降水之间的关系在中国的大部分地区是软弱和年代际变化(10- - - - - -12]。除了ENSO,降水的变化也受到其他因素的影响,如在青藏高原积雪(13],季风[14,15),土壤水分(16),和海冰17],使降水预测复杂,需要综合考虑各种外部强迫因素。这是一个惊喜,ENSO对降水的影响将被放大,由于水蒸气的隆起西部山区山(WMR)在中国青藏高原的东部边缘,如秦岭山脉,Ta Pa山脉,和巫山山脉(18]。夏季降水与ENSO相关是由山坚定。这意味着这些地区的夏季降水的可预测性大大加强了它与ENSO的关系密切。

秦岭山脉、Ta Pa山脉和巫山山脉大山脉位于WMR。其中,秦岭山脉东西向山脉位于山西省,这被视为中国东北和东南部中国地理分界线。秦岭山脉的海拔是1000米和3000米之间。助教Pa的山是山三省边界地区(陕西、四川、湖北)。他们在秦岭山脉的南部。Ta Pa山脉和秦岭山脉位于汉江流域。助教Pa northwest-southeast方向的山脉,它们通常约2000米的海拔。巫山山脉位于三省的边界(湖北、重庆和湖南)和连续的山峰northeast-southwest方向。巫山山脉的主峰是位于重庆省,海拔2400米。巫山山脉之间的分界线被视为中国的地形第二和第三步骤。

受特定的地质环境的影响,这些山区的自然灾害是非常活跃的。在雨季,山洪等灾害,滑坡和泥石流造成的暴雨频繁发生,总是导致巨大的经济损失和伤亡。例如,在10年内从1981年到1990年,六个大规模自然灾害接连发生在秦岭和Ta Pa山脉,造成超过4000人死亡和150万年摧毁了房屋。直接经济损失达到5600万美元(19]。巫山山脉也遭受严重的地质灾害。近十年的统计数据显示,大约有40个地质灾害发生在巫山山脉平均每年约有15000人受到灾害的影响。的直接经济损失每年达280万美元。例如,由于2014年“8.31”连续暴雨,68发生地质灾害。6548个家庭和28297人在巫山山脉有严重的影响。经济损失约为560万美元(20.]。自然灾害已经成为最重要的因素抑制WMR经济发展和社会进步。因此,准确预测WMR地区的降水是必要的,预防灾害和减少损失具有重要意义。

中国夏季降水的预测极具挑战性,因为大气内部变化(21),在ENSO进化的多样性(22),等等。动力学模型通常有可怜的技能在预测中国夏季降水由于其低分辨率的和不正确的表示复杂的地形和一些物理过程(23- - - - - -26]。为了解决这个问题,许多研究使用基于物理统计模型来预测中国夏季降水和取得好成绩6];[8,9,24,27]。然而,大多数的研究预测华北降水,或者在长江流域,在整个中国。没有研究关注在WMR降水的预测。

因此,有必要开发一种特殊的统计模型可以专注在WMR夏季降水的预测。为了做到这一点,时间和空间变化的特点在夏季降水WMR及其与ENSO的关系在本文首先分析。然后,建立了统计预测模型和评估。在第二部分详细介绍了数据集和方法。第三部分是分析和预测建模的数据。第四部分是比较的结果之间的统计模型和动力学模型。最后一部分是结论和讨论。

2。数据和方法

本文中使用的数据集包括月度平均降水数据从756年站在中国与Nino3 SST指数。降水数据集来自中国地面气候数据的月度数据集(V3.0)发布的国家气象信息中心,其中包含756个站的月平均降水在中国。它可以自由下载http://www.nmic.cn/。Nino3 SST数据集来自气候预测中心(CPC)的国家海洋和大气管理局(NOAA),它可以自由下载https://www.esrl.noaa.gov/psd/data/climateindices/list/。

建立了统计预测模型使用线性回归统计方法,可以写成

在这里,Y是预测值(降水)和X是预测(SST和大气环流指数)。30年的数据从1979年到2008年是用来训练统计模型。返回交叉测试的历史从1979年到2008年,10年的独立样本回归测试进行了从2009年到2018年对统计模型的性能进行评估。

3所示。结果统计预测模型

首先,夏季降水之间的关系WMR和ENSO的进行了分析。在这里,夏天是指从6月到8月(环流)。冬季是在十二月到二月(DJF)。图1夏季降水之间相关系数的分布和prewinter Nino3 SST指数从1979年到2008年。从图1,可以发现,夏季降水显著相关prewinter WMR Nino3 SST和长江的上游。有15个车站相关系数高于95%置信水平(图中的黑点1),主要分布在秦岭山脉,Ta Pa山脉,巫山山脉。15个站点的详细信息表1。强烈的正相关关系的原因提出的(18]。他们在post-El表明,厄尔尼诺年,冬季海温Nino3地区高于正常,一个热带西北太平洋反气旋环流异常退出,导致西部和西太平洋副热带高压强,这也进一步导致强烈的温暖湿西南西部山区。更多的沉淀生成的迎风坡山由于地形隆起。post-La尼诺年,当冬天Nino3 SST低于正常,这是相反的。ENSO对降水有很大影响WMR穿过季风西南作为媒介,放大的地形隆起季风西南的水蒸气。因此,夏季降水之间的相关性和prewinter Nino3 SST在WMR在中国比其他地区更明显。

上述分析是基于夏季季节平均数据。如果这个山区降水和ENSO的关系是稳定的动力学的时间尺度,需要进一步的相关分析。图2月降水量之间相关系数的分布在夏天和prewinter Nino3 SST指数从1979年到2008年。这可以从图中找到2相关系数的分布变化从每月。(图6月2(一个)),重要的相关系数高于95%置信水平主要分布在巫山山脉和长江的上游,这是完全不同于在环流(图1)。它表明,地形隆起的暖湿西南WMR 6月不是那么强烈。今年7月,相关系数的分布非常接近,在环流(图2 (b)),表示强烈的地形隆起WMR温暖潮湿的气流。(图8月2 (c)),较大的相关系数巫山山脉消失了,向北移动到秦岭。

的环比变化之间的相关性降水和prewinter Nino3海温主要是降水的相关动力学革命WMR(图3)。(图6月3(一个)),降雨量超过200毫米的地区主要位于巫山山脉。季风西南未达到Ta Pa山脉和秦岭山脉。主要雨带位于中国南部。这是6月在华南preflood季节。因此,6月降水之间的相关性和prewinter Nino3 SST不明显在秦岭山脉和Ta Pa山脉。今年7月,雨季西南向北延伸至助教Pa山脉和秦岭山脉,由于地形和降水增加大大提升的暖湿西南山区。因此,7月降水之间的相关性和prewinter Nino3 SST本月也显著增强。今年8月,随着雨季的进步进一步向北,沉淀在巫山山脉大大减少,而沉淀在秦岭山脉和Ta Pa山脉增加(图3 (c)),导致较大的相关系数巫山山脉的消失(图2 (c))。重要的相关系数高于95%置信水平只集中在秦岭山脉,Ta Pa山脉,华北部分地区,和泰山(图2 (c))。通过比较环流降水的分布(图3 (d))以及它们之间的相关系数的分布和prewinter Nino3 SST在WMR(图1),它可以发现大降水的分布数量较大的相关系数的分布基本上是一致的。环流之间的关联度降水和降水引起的ENSO主要是在7月和8月。ENSO有很大影响降水通过季风西南山区的媒介。降雨和ENSO的动力学变化相关性是由于合并后的贡献的地形隆起温暖潮湿的西南和东亚季风的向北推进。

建立在WMR降水的预测模型,时空变化的特征WMR沉淀需要弄明白。eof (28,29日)方便的数学结构来识别WMR降水的基本特征。EOF代表空间结构,主成分(PC)描述了EOF的时空变化。图4显示第一个EOF和其相应的基于PC的夏季降水异常的15个站WMR中的数据。第一个EOF的方差贡献是47%。这可以从图中找到4所有的特征向量的值第一EOF是积极的,表明降水的时空变化的15站在WMR基本上是同步的。因此,它是可行的area-averaged降水的预报值WMR降水的预测。

图4还表明,进化的第一个主要个人电脑非常相似的进化DJF Nino3 SST。他们都表现出quasibiennial振荡的一个明显特征。之间的相关系数的第一大电脑WMR夏季降水和DJF Nino3 SST是0.64,这也进一步说明了近WMR和ENSO的夏季降水之间的关系。

夏天WMR降水年代际变化相关性和ENSO也研究了。图5显示了21年的进化之间的滑动相关系数area-averaged WMR夏季降水和prewinter Nino3 SST。从图可以看出5,夏季降水之间的相关性在WMR和ENSO突然在1979年的年代际变化。在1979年之前,它们之间的相关系数不显著。然而,他们成为重要的1979年之后。许多研究已经证明,在中国降水的年代际变化发生在1979年由于季风的年代际变化和海洋条件(30.- - - - - -33]。因此,夏季降水的年代际变化相关性WMR和ENSO 1979年代际的变化有着密切的关系。

为了说明这一点,降水的分布在1979年之前,在1979年之后,和区别这两个时期进行了分析(图6)。这可以从图中找到61979年之后,中国北方的降水减少。降水在中国南部,长江流域,WMR增加1979年之后。中国的降水从“北洪水和南部干旱”到“北南部干旱和洪水。WMR”与降水的增加,地形的令人振奋的效果到温暖潮湿的流1979年后迎风坡也变得更强,这使得WMR降水和ENSO的关系密切。因此,最好是使用1979年后的数据建立预测模型,而不是在1979年之前的数据。

根据上述分析,30年的数据从1979年到2008年是用来使用线性回归方法建立统计模型。夏天area-average WMR降水是用作预测值。的prewinter Nino3 SST指数作为预测因子。统计模型可以写成

在这个方程,y是夏天area-averaged WMR降水。x是prewinter Nino3 SST指数。

为了评估统计模型的预测能力,同时返回交叉测试历史从1979年到2008年,独立样本试验从2009年到2018年。图7显示了观察和预测从1979年到2018年夏季降水WMR。这可以从图中找到7观测降水显示了明显的年际振荡的特征。预测模型可以复制WMR夏季降水的年际变化。预测降水和观察之间的相关系数为0.64,表明一个满意的技能的预测模型。然而,还应该指出的是,预测模型在几年大偏差,如1980年,1992年,2015年和2016年,这表明ENSO不是唯一的因素影响WMR夏季降水。

表2显示了预测和观察到的夏季降水异常和相对偏差的独立样本返回测试从2009年到2018年。相对偏差方程可以写成:

在这个方程,R_p是预测降水,R_o是观察到的降水,长期平均降水从1981年到2010年。从表可以看出2预测模型可以复制最年来降水异常。的符号R_p和R_o9的10年是一致的,表明一个好的技能的预测模型。相对偏差在大多数年通常小于10%。如果结果的相对偏差的绝对值小于10%算正确,10年8个是正确的。

然而,这个统计预测模型在某些年的偏见很大,这主要是集中在干旱年。例如,在1988年,1992年,2006年和2015年观察到的降水远低于平均气候值和相对偏差大20.9%,31.7%,27.0%,和21.3%,分别。相反,统计模型具有更好的性能在预测夏季降水在洪水期间,在干旱年。原因在于降水超过正常和地形隆起洪水年更强,加强夏季降水之间的关系和ENSO和WMR降水的可预测性。这个属性的统计模型是非常有助于减少损失和防止气候灾害,如洪水和泥石流,洪水年的西部山区。

4所示。结果从一个动态模型

除了统计模型、海洋大气耦合环流模式(OACGCMs)是广泛用来做动态预测未来的气候。捕捉WMR夏季降水的变化是一个引人注目的问题。SINTEX-F动力学模型是用来做同样的预测WMR夏季降雨,和SINTEX-F的结果与统计模型的结果进行比较,进一步评估统计模型的性能。

SINTEX-F模型是由日本海洋科学和技术中心(JAMSTEC) [34,35),这可以使seasonal-interannual预测全球气候。的原始版本SINTEX-F是基于欧洲飞雁模式下欧合作项目(36,37]。海洋的组件是海洋的参考版本8.2 Parallelise 8.2 (OPA) (38]。其longitude-latitude决议是2°×2°cos(纬度)与经向决议增加到0.5°附近的方程。有31个级别在垂直方向。大气中的组件是ECHAM4 [39]。采用高水平分辨率(T106)约1.1°×1.1°。混合sigma-pressure垂直坐标是使用19的水平。大气模型和海洋模型海冰与海洋大气耦合的土壤(绿洲2.4)耦合器。大气的初始条件是1年运行提供的力与每月的气候。莱维图斯的海洋开始年平均气候学与零速度。在这项研究中,SINTEX-F开始在每年3月1日从1982年到2018年,预计24个月。结果在夏天用来比较与统计模型。

图8显示之间的相关系数的分布预测夏季降水SINTEX-F和prewinter Nino3 SST指数从1982年到2018年。比较图8与图1,它可以发现他们之间有明显的差异。预测夏季降水之间的显著正相关系数由SINTEX-F和prewinter Nino3 SST指数主要分布在长江流域的中下游,而WMR相关系数不显著。这种分布的相关系数预测的SINTEX-F不是与观测一致。在夏季降水的影响ENSO长江流域的中下游SINTEX-F放大。然而,ENSO和降水之间的关系在WMR SINTEX-F不代表正确。

比较预测降水WMR从SINTEX-F观察(图7),它可以发现SINTEX-F低估了WMR降水在大多数年份。平均模拟从1982年到2018年降雨量是431毫米,而观察是518毫米。SINTEX-F的这种偏见的原因在于GCM的分辨率很低,并且不能代表详细的地形WMR和地形隆起的水蒸气。因此,SINTEX-F预测的性能在夏季降水的年际变化WMR不如统计模型。从SINTEX-F预测降水之间的相关系数,观察从1982年到2018年是0.21,比这低得多的统计模型(0.62),不能通过显著性检验。预测的均方根误差由SINTEX-F降水155毫米,比的统计模型(72毫米)。

然而,这可以从图表示7SINTEX-F比的预测的统计模型在一些年。统计模型不是绝对比动力学模型。因此,使用系综平均动力学模型和统计模型预测结果的降水WMR是推荐的方法。

5。结论

基于中国756站的观测数据与Nino3 SST指数,夏季降水之间的关系与分析了ENSO WMR。空间结构的基本特征和时间变化的夏季降水WMR使用eof分析。建立一个统计模型来预测WMR夏季降水。结论如下。

5.1。夏天WMR降水和ENSO之间的相关性

发现WMR夏季降水有显著的正相关与prewinter Nino3 SST。显著的正相关系数主要分布在秦岭山脉,Ta Pa山脉,巫山山脉。

夏季降水之间的相关性和ENSO WMR动力学变化的特征,这主要是由于东亚夏季季风的向北推进。ENSO对其影响WMR夏季降水通过夏季季风西南的媒介。因此,夏季风从北方的进攻和地形隆起的温暖潮湿的空气流动导致降水之间的相关性和ENSO动力学变化。

夏季降水的相关性WMR和ENSO的也有一个明显的年代际变化特征。夏季WMR降水之间的相关性和ENSO不是重要的在1979年之前,而变得重要的1979年之后。这个夏季降水年代际变化相关性WMR和ENSO与著名的年代际气候变化发生在1979年。1979年后WMR的降水增加。WMR与降水的增加,地形的令人振奋的效果在迎风坡温暖潮湿的风也变得更强的1979年之后,这使得WMR降水和ENSO的关系密切。

5.2。统计模型

area-averaged夏季降水WMR作为预测值。的prewinter Nino3 SST用作预测。然后,使用线性回归方法建立了统计模型。返回的结果交叉测试历史从1979年到2008年,独立样本试验从2009年到2018年表明,该统计模型具有良好的性能在预测WMR夏季降水,较低的相对偏差小于10%在大多数年份。

性能良好的统计模型在预测WMR夏季降水主要是由于WMR降水之间的强相关性和ENSO比中国其他地区。众所周知,ENSO对中国降水有很大影响。然而,ENSO和降水之间的关系在中国的大部分地区是软弱,因为夏季降水也受到其他因素的影响,如在青藏高原积雪,土壤水分,和海冰,使预测复杂,需要综合考虑各种外部强迫因素。然而,WMR, WMR降水ENSO是放大的影响由于水蒸气的地形隆起的山脉。统计模型可以实现好的结果只使用prewinter Nino3海温预测。因为冬天ENSO经常达到成熟的阶段,我们可以预测降水WMR提前几个月。

此外,这个统计模型的另一个优点是多雨年预测结果更准确,在干旱年。这个属性的统计模型可能非常有助于减少损失的山区洪水、泥石流,洪水和其他气候灾难年的西部山区。

SINTEX-F动态模型的统计模型相比,发现研究中的统计模型具有更好的性能在预测WMR降水。SINTEX-F放大了ENSO对降水的影响在长江流域的中下游,不能代表WMR降水和ENSO之间的正相关关系。这种缺陷会导致较低的技能SINTEX-F预测WMR降水在夏季。然而,统计模型不是绝对优于动态模型。在一些年,SINTEX-F更准确的预测降雨量比几年的统计模型。因此,整体方法的优点可以考虑推荐两种动力学模型和统计模型。

数据可用性

降水数据集来自中国地面气候数据的月度数据集(V3.0)发布的国家气象信息中心,其中包含756个站的月平均降水在中国。它可以自由下载http://www.nmic.cn/。Nino3 SST数据集来自气候预测中心(CPC)的国家海洋和大气管理局(NOAA),它可以自由下载https://www.esrl.noaa.gov/psd/data/climateindices/list/。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是由国家自然科学基金委共同主办的中国(41675077,41675077,41605072),国家重点研究和开发项目(2018 yfc1505803和2018 yfc1505900),国防科技大学的科学研究项目(ZK17-03-22)和江苏协同创新中心的气候变化。