实证模型
到1980年代末,许多特征是相当良好的文档记录和MJO就可很明显,这是一种定义良好的现象与一些可再生的特性从一个事件到另一个以及从一年到下一个事件。有鉴于此,和程度的研究显示一些重要的交互与其他MJO就可我们的天气和气候系统的特性,这是一个明显的步骤开始更认真考虑预测MJO就可。raybet雷竞技最新因为数值天气和气候模型通常有一个相对贫穷的当时,MJO就raybet雷竞技最新可自然大道考虑实证模型的开发。还有可能提供更多熟练的预测比数值方法可用,这大道还提供一个意味着建立一个初始估计的可预测性限制——至少可以确定从MJO就可观测。
第一项研究沿着这些线路是由冯·斯托奇和徐(1990)检查主振荡模式(pop)赤道200 mb的速度势异常从2年5年数据集的子区间。在对整个数据集验证(以及对其余三年的数据),他们发现,预测基于第一双持久性有机污染物——倾向于强调可变性在南国的夏天(例如,图4.5和5.8)——生产预测,比持久性和似乎有用的技能,大约15天(图12.1)。从某种程度上来说,这是令人鼓舞的结果,至少相对于“天气”,有限长度的数据结合使用的非平稳特征在MJO就可年际时间尺度(如Salby和亨顿,1994;亨顿et al ., 1999)需要一些谨慎的深意。此外,鉴于顺利200 hpa速度势,性质不同,只有松散与近地表气象变量(如降水),这个结果推广到其他年还建议谨慎,变量和/或不同的技术。在这方面,人们可能希望考虑到大约50天的时间尺度,它可能MJO就可有一半的有用技巧
图12.1。措施(a)和(b)均方根误差的相关性预测能力持久性和POP-based预测方案由冯·斯托奇和徐(1990)。技能源自每日预报实验了1984年5月到1989年4月。注意模型本身是由1986年5月至1988年4月的数据。
图12.1。措施(a)和(b)均方根误差的相关性预测技能持久性和POP-based预测方案由冯·斯托奇和徐(1990)。技能源自每日预报实验了1984年5月到1989年4月。注意模型本身是由1986年5月至1988年4月的数据。
时期(van den Dool和萨哈,2002)——特别是高层流(例如,200 hpa速度势)。之后上面,Kousky都(1993)表明,实时监控可以通过MJO就可预测异常的许多领域,冰面长波辐射(OLR) (200 - hpa速度势、表面压力,等等)到他们的主要扩展相结合
图12.2。(左列)模式1的奇异值分解(计算)的预测计划MJO就可由Waliser et al . (1999 b)北半球冬季和3-pented领先预测。前面板显示的预测模式“PentadO”(当前五个一组)和“PentadO - 1”(前五)。底部面板显示了相关预测模式(即“PentadO + 3”。3在未来五年间)。(右列)相同,除了北半球的夏天。这里冬季(夏季)被定义为11月17日至5月15日(5月16日至11月16)。注意,模式2为每个赛季看起来类似于模式1,但往往是在正交空间。
图12.2。(左列)模式1的奇异值分解(计算)的预测计划MJO就可由Waliser et al . (1999 b)北半球冬季和3-pented领先预测。前面板显示的预测模式“PentadO”(当前五个一组)和“PentadO - 1”(前五)。底部面板显示了相关预测模式(即“PentadO + 3”。3在未来五年间)。(右列)相同,除了北半球的夏天。这里冬季(夏季)被定义为11月17日至5月15日(5月16日至11月16)。注意,模式2为每个赛季看起来类似于模式1,但往往是在正交空间。
经验正交函数模式将显示当前阶段和力量在热带大气MJO就可及其可能的进化。后来事实证明,很多领域的发展经验预测MJO就可倾向于遵循这个建议在一种或另一种形式。
在这个地区相对较长的中断后,Waliser et al . (1999 b)开发了一个经验预测方法MJO就可以使用技能的结果作为基准,以此可以判断数值预测技术的远程预测和开始探索利用这样一个模型,增加操作的可行性长期预测程序。模型是基于一个field-to-field奇异值分解,使用以前的和现在的五OLR预测未来五年间的OLR(图12.2)。单独的模型为南国开发和北方夏天条件(例如,数据分别为4.5和4.1 o,)使用3 o-7o-day过滤OLR数据从1979年到1989年,从199度到1996年的数据进行验证。验证期间,模型表现出时间相关性的观察过滤约0.5 - -0.9的一个重要地区的东半球交货期从15到20天,之后的相关性下降迅速增加交货时间。相关性对观察到的异常总额的0.3到0.5在东半球的小区域。虽然这是一个同样的,如果不是更多,令人鼓舞的结果比·冯·斯托奇和徐(1990),上面所讨论的,这一事实模型利用过滤数据实时的适用性有限,在这种情况下保证谨慎在考虑结果过于乐观。在总结他们的研究中,作者提供了大量的途径解决这(即过滤问题。,能够隔离信号从MJO就可“天气”和年际气候变化)。raybet雷竞技最新例如,它是建议的低频变化(即。ENSO可变性)可能将使用低阶预测经验正交函数从粗(如月度)数据和高频信号可以通过长时间平均,这甚至可能重叠保留某些方面的高时间分辨率(例如,重叠的十天平均每5天)。此外,它是指出,一旦移走了低频变化,低通空间过滤可能作为一个有用的低通时间过滤机制的差异往往是孤立波数1 - 3 MJO就可和大约40 - 60天的时期。
上述研究后,有许多经验预测MJO就可努力,每产生一个独特的和有用的解决问题的方法。Lo和亨顿(2000)开发了一种滞后回归模型,使用前两个预测因子和前三个主成分空间过滤OLR (pc)和200 - hpa streamfunction (Y),分别预测OLR的演变和200 - hpa streamfunction异常与南国的夏天。MJO就可为了解决上述过滤问题关于实时应用程序中,数据的年度周期年际和高频(即。,< 30天)组件单独删除。年度周期被减去了前三个年度谐波点态。年际(例如,ENSO)变化被通过开发OLR之间的回归方程(Y)异常和电脑时间序列的前两个eof热带海温异常(SSTAs)。基于这些回归与每日SST值(从每周数据插值),OLR (Y)的低频成分,也不是不可能归因于ENSO被移除。随后,被删除的数据的高频颞组件将数据置于一个病人谱截断使用的高频时间和高波数空间变化往往与此同时发生。由此产生的动力学过滤OLR和Y异常受到一个EOF分解然后时滞回归方程预测开发,在给定的铅、PC值EOF模式定义(例如,模式1和2)MJO就可。独立的数据上测试时,模型表现出有用的技能(相关~ 0.5)的预测这些电脑大约15天(图12.3),以更大的技能在积极与静止期MJO就可。在过滤比较观察OLR资料,模型表现出相关性值在0.3 - -0.4一个相当广泛的赤道印度洋地区,海上的大陆。
0 5 10 15
0 5 10 15
图12.3。(上)测量预测技能的预测计划MJO就可由Lo和亨顿(2000)预测值之间的相关性和验证的PC值值与模式1 (PC 1;左)与模式相关联和PC值2 (PC 2;右)。预测是使用电脑1和2 PC的OLR异常(明星),主要的三个电脑200 hpa streamfunction异常,和OLR的主要两个电脑异常(星号)。持久性是显示为虚线。(底部)预测值之间的相关性和验证的PC值1(实线)和PC 2(虚线)的OLR异常的时候活跃MJO就可(广场)和静止(圆)在初始条件的五个冬天相关的数据。预测是使用的主要三个电脑200 hpa streamfunction异常和OLR异常的主要两个电脑。在所有数据,显示为一个函数的相关性预测交货时间和验证是对五个冬季(1984/1985-1989/1990)的独立的数据。
稍微不同的方法被莫(2001)利用实证基函数在预测过程。这样做是通过结合使用奇异谱分析(SSA) (Vautard Ghil, 1989)的筛选和鉴定的主要模式变化和最大熵法(MEM) (Keppenne和Ghil, 1992)预测组件。应用于监视和预测的过程即将离任的长波辐射异常(OLRAs)动力学乐队在印第安大西洋部门以及泛美地区。这包括变化等,MJO就可更高的频率与亚洲季风相关动力学模式(见第2章和第3章),和可变性与这两个发生在美国西海岸(见第4章)。例如,在太平洋和泛美地区,有三个主要模式(T-EOFs)认同时期接近40岁,22日和18天。在这种方法中,主要的SSA模式(T-EOFs)从培训期间确定。然后OLRA时间序列被投射到T-EOFs获得主成分(T-PCs)。获得的波动(即给定频带的兴趣。、执行过滤)的一个子集T-EOFs和相关T-PCs与乐队是总结。这个过滤过程,基于SSA模式,数据自适应和没有终点。这一方面使它特别适用于实时监控。进行预测,MEM用于确定培训期间的自回归系数。这些系数是用来预测未来的T-PCs线索。 The summation of the T-EOFs and T-PCs related to three retained modes used in the filtering process gives the predicted OLRAs. When tested on 8 years of independent December-February and June-August OLRA data, the averaged correlation over the tropics between the predicted and the observed anomalies was 0.65 (range 0.48-0.78) at the lead times of four pentads (20 days). An example of the forecast skill for the赤道地区图12.4中给出了1992/1993冬季。这个记录的主要活动发生之前,1993年2月,印度和太平洋中部之间延伸。尽管观测模型振幅较弱,在实证模型特性并不少见,捕获的时空结构是pentad-4预测。
在一个非常不同的方法,惠勒和Weickmann(2001)利用热带波理论(Matsuno, 1966)作为其滤波和预测技术的基础。从本质上讲,一个时空傅里叶分析是进行日常OLR数据对于一个给定的time-longitude热带地区感兴趣的部分。在先前的研究中,惠勒和Kiladis(1999)表明,光谱从这样的分析展示变化相关联的模式理论所期待的因素(例如,开尔文波和混合Rossby-gravity波),以及预期的峰值变化与波数1 - 3和-天。MJO就可为了监测和预测的进化感兴趣的一个给定的模式,具体的纬向波数和频率与感兴趣的模式(s)保留,然后修改后的光谱傅里叶分析。图12.5显示了如何过滤值在年底前获得倍数据集可用于监控一个给定的活动模式,而过滤领域获得了次结束后点可能被用作预测。这种想法类似于一个海洋潮汐预报,在这种情况下是基于谐波分析的时间只有当然更大幅度的频率的变化。预测,该方法表现出有用的技能去MJO就可大约15 - 20天。一个优势是,该方法容易提供
1 dcci992 6 dtc) 99 z 11 DEC1992 16 k0992 21 qcci992 2 gdec1992 JAN1993 6 JAN1993 11 JAN1993 16 JAN1993 21 JAN1993 26 JAN1993 1 fes1993 6 feb1993 11 feb1993 16 feb1993 21 f£B1993
26 feb1993 IUAR1993
60 100 120 140 160 ISO
60 100 120 140 160 ISO
(c)预测五3
1 DEC1992 6 dcc1992 11 DEC1992 16 DEC1992 21 dic1992 26 dcc3992
&jAN1993 1 IJAIU393 ISJUHISS ^ 21 jahi993 2 ejah1993 1 feb1993 6 feb1993 1 IFEU 'SgJ 1 sfe6 993年2月21日f J
26 MAS fe9199j 1993
1 DEC1992 6 dcc1992 11 DEC1992 16 DEC1992 21 dic1992 26 dcc3992
(c)预测五3
&jAN1993 1 IJAIU393 ISJUHISS ^ 21 jahi993 2 ejah1993 1 feb1993 6 feb1993 1 IFEU 'SgJ 1 sfe6 993年2月21日f J
26 MAS fe9199j 1993
五个一组2 (b)预测
1 dec1992 CDEC。I99I 11好1992年16 dec1992 210 ec1992 2 (0 ec1s92
21 jafc 993
6 fe81933
JSfEBIWi 3 3月!993年
WECI99Z 6德。CI992 I1KC1S92 1603:1992 21德。CI992 2 icecis9 !993 5 jwjh果酱
11 393 1 EJAN1993果酱
(d)预测五5
I6FEB1993
21 feb1993
26 fe61993 MAFI1993
1月26日我1 f-s1993
五个一组2 (b)预测
(d)预测五5
iireBiaw
I6FEB1993
21 feb1993
26 fe61993 MAFI1993
1 dec1992 CDEC。I99I 11好1992年16 dec1992 210 ec1992 2 (0 ec1s92
21 jafc 993
6 fe81933
JSfEBIWi 3 3月!993年
1月26日我1 f-s1993
WECI99Z 6德。CI992 I1KC1S92 1603:1992 21德。CI992 2 icecis9 !993 5 jwjh果酱
11 393 1 EJAN1993果酱
图12.4。(一)10 - 90天平均过滤OLRAs从10操作系统基于最小偏差1992/1993冬季从观察窗。等高线间距是10 wm ~ 2。轮廓25 - 5 wmare补充道。负值是省略了阴影和零轮廓。(a) (b)一样,但对于10天(pendad 2)预测基于经验模型由莫(2001)验证。(c)和(b)一样,但对于15天预测(五3)。等高线间距是5 W m ~ 3。(d)和(c)一样,但对于20天(五4)预测。
(一)诊断过滤10 (b) 1996年12月5日实时过滤
(一)诊断过滤10 (b) 1996年12月5日实时过滤
图12.5。(a) Time-longitude的情节总OLR(一下R21空间截断,第四节滤波器应用于时间)和过滤OLRAs 10 os和5°N之间的平均在1996年末到1997年初。阴影是总OLR,轮廓的诊断上过滤异常和n - 1 MJO就可赤道罗斯比波(ER)。扎实的轮廓代表负OLRAs,而虚线轮廓是积极的异常,与等高线间距对两波过滤带10 wm ~ 2,和零轮廓省略。在(a) (b)一样,除了执行过滤和最后一天的数据,从1996年12月5日。在12月5日,当实时过滤异常持续到未来的预测,等高线间距是减半。惠勒和Weickman (2001)。
图12.5。(a) Time-longitude的情节总OLR(一下R21空间截断,第四节滤波器应用于时间)和过滤OLRAs 10 os和5°N之间的平均在1996年末到1997年初。阴影是总OLR,轮廓的诊断上过滤异常和n - 1 MJO就可赤道罗斯比波(ER)。扎实的轮廓代表负OLRAs,而虚线轮廓是积极的异常,与等高线间距对两波过滤带10 wm ~ 2,和零轮廓省略。在(a) (b)一样,除了执行过滤和最后一天的数据,从1996年12月5日。在12月5日,当实时过滤异常持续到未来的预测,等高线间距是减半。惠勒和Weickman (2001)。
预测其他定义,通常更高的频率,模式的大型热带可变性。
为了专注于活跃,打破印度夏季风的条件,他和泽维尔(2003):指出,所有活动(打破)条件去打破(主动)阶段后大约15 - 20天(见图2.3)。事件是可以预见的,如果从积极打破(反之亦然)都是相同的。然而,转变的速度,下一个最小(或最大)的大小,和实现的最小(最大)的时机下一阶段不同事件的事件。使用rainfall-based指数如图2.3所示,他们的活动和休息条件的定义(见第二章),他和泽维尔计算:典型的(即。统计平均值)从积极打破(和破坏活动)条件作为时间的函数。这些转变的典型的大小——称为“信号”,及其相关intra-ensemble方差,称为(整体)“传播”,所示
12日10
/ x |
(一) |
||||||||||||||||||||||||
- - - r - |
/ |
s - |
|||||||||||||||||||||||
/ / |
|||||||||||||||||||||||||
/ |
/ |
||||||||||||||||||||||||
/ |
10 15 20 25天
这篇文章有用吗? |