【技术实现步骤摘要】
本专利技术涉及气候预测，尤其涉及一种提取陆气相互作用信号提升气候预测的方法。
技术介绍
1、气候预测(月、季节尺度的预测)是当前具有挑战性的基础科学问题，也是世界各国科学家面临的技术难题。目前，气候预测的水平依然不高，以我国汛期降水为例，预测可靠性在65％左右。气候预测按其预测方法可分为两种：一种是基于数值预报模式的物理方法，另一种是基于历史观测资料的统计方法。
2、基于数值预报模式的物理方法虽然在天气(1～3天)预报中取得了巨大的成功，但在气候预测领域仍然存在较大的局限性。例如：stockdale等(1999)用一个全球海气耦合环流模式试做提前6个月的气候预测，结果表明预报的置信水平仍然不高；wang等(2009)用多模式集合气候预测系统进行东亚和西太平洋地区夏季降水的预测，考察了距平百分率和均方根误差，发现6个模式的集合及回报技巧由原来的0.12提高到0.22。liu等(2001)运用区域气候模式对中国夏季降水做了10年的预报试验，发现该模式对我国汛期降水具有一定跨季节预报能力。然而，受限于模式分辨率、物理过程参数化、初边界条件等因素，数值模式预测的水平仍然有限。
3、基于历史观测资料的统计方法虽然广泛用于气候预测，然而，预测水平极为有限；且预测因子单一，一般以海温作为外强迫信号，例如发生在太平洋的厄尔尼诺—南方涛动(enso)事件，以及北极涛动(ao)等。这些“信号”具有“慢”过程的特征，可以把一个季节的“信号”持续到下一个季节，从而做出气候预测。例如：colman等(1999)选择1～2月的北大西
4、wang等(2003)则探索了陆面信息作为预测“信号”的尝试：利用青藏高原46个气象站的最大冻土深度观测资料，全国160站的降水资料和ncep/ncar资料对青藏高原冻土的季节性冻融过程进行合成分析，发现最大冻土深度与中国7月降水存在三条显著的相关带，雨带的分布与中国夏季平均雨带位置相吻合。wang等(2017)进一步的研究表明，青藏高原东部冬春季的积雪在空间上存在三个“型”，对应着中国东部地区不同的雨带分布。yang&wang(2022)进一步论证了土壤冻融对土壤水分具有“储存”作用，可以将土壤湿度的信号持续到2个季节以上。因此，寒冷地区土壤冻融过程和积雪异常变化的变化，也是一个“慢”的过程，可作为我国气候预测中的外强迫“信号”。
5、降水和气温作为大气环流的产物，必然有着自身的演变规律，同时也受到外强迫的作用，如何将这两种过程进行有机结合来提高气候预测水平是目前亟需解决的问题。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种提高预测确定性的提取陆气相互作用信号提升气候预测的方法。
2、为解决上述问题，本专利技术所述的一种提取陆气相互作用信号提升气候预测的方法，包括以下步骤：
3、⑴气候要素的收集：
4、收集气候中心发布的气候资料中的气温和降水的月值；
5、(2)气候外强迫因子的选取：
6、以寒区陆气相互作用信号、海温异常信号中的一种或两种作为气候外强迫因子；
7、(3)采用奇异谱分析—最大熵方法(ssa-mem)用于对气候要素自身演变信息的提取；
8、⑷采用ai技术中的多层神经网络技术，将气候外强迫因子作为输入变量，然后通过一系列中间层(也称为隐藏层)进行信息传递和处理，每个神经元都将输入信号加权求和，并通过一个激活函数进行非线性转换，用于对气温、降水变化进行预测；
9、⑸建立最优子集回归方程，并采用双评分(csc)准则进行预测；
10、⑹将奇异谱分析—最大熵方法、ai技术和最优子集回归三种方法得到的预测结果进行线性集成(集合平均)，即得气温和降水的月、季节尺度预测结果。
11、所述步骤(2)中气候外强迫因子包括厄尔尼诺—南方涛动(enso)指数、北极涛动指数(ao)、北大西洋涛动指数(nao)、北极海冰面积(asie)、青藏高原积雪深度(snow)及其空间分布型，青藏高原最大冻土深度(frozen)。
12、所述步骤(3)中对气候要素自身演变信息的提取按下述方法进行：
13、①将降水和气温的原始序列标准化，取定滑动窗口长度m，得到时间滞后排列矩阵：
14、
15、x1，x2，x3，...xn，是奇异谱(ssa)分析的一维气温和降水时间序列，x为时间滞后排列矩阵，矩阵x中的元素和原一维时间序列对应关系为：xji＝xj+i；
16、②计算滞后自协方差矩阵，提取时滞矩阵的特征向量ek和时间主成分；时间主成分相当于ek所反映的时间演变型在原序列xi+1，xi+2，xi+3，…，xi+m的时段的权重aik，即：
17、
18、③由第k个时间主成分和ek重建
19、
20、④通过识别趋势项和周期项确定前几个解释方差贡献大的k即可。
21、术语解释：
22、寒区：最冷月平均气温＜3℃，平均气温＞10℃的月份不超过5个，年平均气温≤5℃。
23、气候预测：指预测时段在2周到1-2个季节的气候预测。
24、本专利技术与现有技术相比具有以下优点：
25、1、目前世界各大气候预测机构的跨季节气候预测使用的主要信号是海气相互作用信号(如enso)和积雪，当二者变化在正常范围内时，预测结果会出现较大的不确定性。本专利技术则首次将寒区陆面中的寒区土壤湿度储存的等信号引入气候预测，以提高预测的确定性。
26、2、大多数气候中心使用“信号”的线性组合，忽略了气候预测中的非线性过程，而这个过程是可忽略的。本专利技术首次将寒区陆面中的土壤湿度、积雪、极冰等信号的非线性信息和预测地区气候自身演变的线性信息通过ai方法进行有效组合，预测期从一个季节延伸到两个季节，在理论上和实践上是独一无二的，填补了气候预测的空白。
27、3、作为外强迫信号的高原积雪在气候预测中非常重要。已有的方法把青藏高原积雪考虑为一个整体，本专利技术则独到地将青藏高原积雪划分为南、北、西部型分别考虑。
28、4、目前大多数气候预测模型本文档来自技高网...
【技术保护点】
1.一种提取陆气相互作用信号提升气候预测的方法，包括以下步骤：
2.如权利要求1所述的一种提取陆气相互作用信号提升气候预测的方法，其特征在于：所述步骤(2)中气候外强迫因子包括厄尔尼诺—南方涛动指数、北极涛动指数、北大西洋涛动指数、北极海冰面积、青藏高原积雪深度及其空间分布型，青藏高原最大冻土深度。
3.如权利要求1所述的一种提取陆气相互作用信号提升气候预测的方法，其特征在于：所述步骤(3)中对气候要素自身演变信息的提取按下述方法进行：
【技术特征摘要】
1.一种提取陆气相互作用信号提升气候预测的方法，包括以下步骤：
2.如权利要求1所述的一种提取陆气相互作用信号提升气候预测的方法，其特征在于：所述步骤(2)中气候外强迫因子包括厄尔尼诺—南方涛动指数、北极涛动指数、北大西...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。