新方法改善冬季气候预测

天气变冷后 北卡罗来纳州立大学新研究 会帮助我们知道研究人员开发出新方法提高冬季降水和温度预测的精度工具对政府和公用事业官员应具有价值,因为它提供关键信息用于预测能耗和水可用性

预测冬季降水极有用, 因为在为美国供水回注方面, 冬季是最重要的季节,skar Arumugam研究作者兼NC州土木工程、建筑工程和环境工程助理教授研究由博士 Naresh Devieni共同编写NC州立大学学生

预测温度也很重要, 因为温度决定能源消耗量,冷时人们用更多能量取暖

研究者们开发出方法,综合多大气候预测模型并记录太平洋El Nino条件的活动或非活动

美国大陆许多区域冬季降水量和温度主要由厄尔尼诺南方涛动决定,代号为热量(厄尔尼诺)或冷海面温度条件(La Nina)。

多数环流模型比较能预测冬季气候,当厄尔尼诺/南方涛动相当活跃,而在中立厄尔尼诺/南方涛动条件下则不那么精确。研究人员开发的方法计算模型在主动和中立厄尔尼诺/南方涛动条件下综合多重GCM的技能,从而减少预测冬季气候的不确定性

提高降水温度预测应帮助政府、水电局官员更有效地规划, Arumugam表示,

研究“改善美国大陆冬季降温预测:ESBA State开发多模型组合的作用”,本月在线发布月度天气审查.北卡罗来纳水资源研究所资助研究

NC州土建工程系是大学工程学院的一部分

机手-

向编辑注解 :学习文摘附后

改善美国大陆冬季降温预测:ESBA State开发多模型组合

作者类纳列什·德维内尼北卡罗来纳州立大学Sankarasubramanian

发布:2010年6月(7月提供)月度天气审查

抽象性 :近期季节性气候预测研究侧重于组合多环流模型开发多模型编集以相关预测器状态为条件分析候选模型技能,提出了合并多环流模型的新方法展示这个方法时,我们将7GCM降水和温度的历史模拟(12月至2月,DJF)并举,评价他们的技能-以中方错误表示-对相似预测器条件DJFNINO3.4MSE估计值转换为权数,供每个GCM开发多模型梯度概率共考虑六大模式组合,包括基于集合并基于模型长期技能的组合为确保多模型所显示技能的提高具有统计意义,我们进行严格的假设测试,比较多模型技巧和单个模型技巧多模型组合环境Nino3.4显示技能提高,特别是冬雨和温度显示与Nino3.4有重大关联的区域权数分析还显示,拟议的多模型组合法分配高负重El Nino和La Nina条件下高负重和低负重另一方面,由于GCM技术在热带太平洋中立状态中有限,方法分配较高气候学权值,从多模型组合提高技能分析GCM技能取决于相关预测器状态为多模型组合提供替代方法,使有限技能年份代之以气候学