厄尔尼诺/拉尼娜事件对区域气温的影响与预测——以沈阳地区为例

利用1961—2015年国家气象信息中心沈阳站的日平均气温资料、美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)提供的多变量ENSO指数(multivariate ENSO index,MEI)资料等,在分析沈阳地区气温月际变化的基础上,结合厄尔尼诺/拉尼娜事件对其影响特征,利用线性倾向估计和非线性自回归(nonlinear auto regressive models with exogenous inputs,NARX)神经网络模型分别对沈阳地区2011—2015年的气温进行预测。结果表明,1961—2015年共计660个月中,沈阳地区11月—3月气温的变异系数在20%以上,远大于其他月份。1961—2015年的厄尔尼诺/拉尼娜事件往往在秋冬季达到最大强度,或为导致沈阳地区11月—3月气温变异增强的原因之一。厄尔尼诺事件结束之后的春季,沈阳地区气温偏低的概率逾70%。沈阳地区气温随MEI变化的线性倾向值为0.98,决定系数为0.98且通过了0.01的可信度检验。利用MEI对沈阳地区的气温进行同期和时滞预测,NARX的预测结果均优于一元线性回归模型。当气温滞后MEI16个月时,两者的相关系数达到最大且通过了0.01的显著性检验,此时回归模型预测的相关系数为0.59,较同期预测提升了79%;NARX预测的均方误差(mean-square error,MSE)为0.49,较同期预测降低了36%,相关系数为0.86,较同期预测提升了8%。     

安徽省旱涝受灾时空特征及与降水关系研究

旱涝灾害是安徽省主要的气象灾害,对农业生产有着重要的影响。研究安徽省旱涝灾害变化特征对降低灾害损失十分重要。基于安徽省2000—2017年旱涝受灾面积数据、降水数据,利用M-K突变检验、趋势分析法和相关性分析方法研究了安徽省旱涝受灾情况以及降水对其的影响。结果表明：安徽省旱涝受灾面积年际变化较大,且干旱受灾面积要高于洪涝受灾面积;旱涝受灾情况分别在2013年和2007年存在明显的突变,通过突变前后区域受灾情况对比可知,旱灾受灾率有明显的下降趋势,洪涝受灾率大部分呈下降趋势,但长江下游区以及长江-东南诸河区呈上升趋势;旱灾受灾面积整体都有下降趋势,南方地区下降趋势尤其显著,洪灾受灾面积南方呈上升趋势,北方呈下降趋势,且旱涝受灾面积的升降趋势与降水存在一定的关系;在3个极端降水指数中,强降水日数与旱涝受灾面积的关系最为密切。     

厄尔尼诺/拉尼娜事件对区域气温的影响与预测——以沈阳地区为例

利用1961—2015年国家气象信息中心沈阳站的日平均气温资料、美国国家海洋和大气管理局（National Oceanic and Atmospheric Administration,NOAA）提供的多变量ENSO指数（multivariate ENSO index,MEI）资料等,在分析沈阳地区气温月际变化的基础上,结合厄尔尼诺/拉尼娜事件对其影响特征,利用线性倾向估计和非线性自回归（nonlinear auto regressive models with exogenous inputs,NARX）神经网络模型分别对沈阳地区2011—2015年的气温进行预测。结果表明,1961—2015年共计660个月中,沈阳地区11月—3月气温的变异系数在20%以上,远大于其他月份。1961—2015年的厄尔尼诺/拉尼娜事件往往在秋冬季达到最大强度,或为导致沈阳地区11月—3月气温变异增强的原因之一。厄尔尼诺事件结束之后的春季,沈阳地区气温偏低的概率逾70%。沈阳地区气温随MEI变化的线性倾向值为0.98,决定系数为0.98且通过了0.01的可信度检验。利用MEI对沈阳地区的气温进行同期和时滞预测,NARX的预测结果均优于一元线性回归模型。当气温滞后MEI16个月时,两者的相关系数达到最大且通过了0.01的显著性检验,此时回归模型预测的相关系数为0.59,较同期预测提升了79%;NARX预测的均方误差（mean-square error,MSE）为0.49,较同期预测降低了36%,相关系数为0.86,较同期预测提升了8%。