第一篇：预测因子的选择(短期气候预测实习报告)
短期气候预测实习报告
实习4 预测因子的选择
南京信息工程大学短期气候预测实习报告
实验名称预测因子的选择日期2016年11月22日得分指导教师 系大气科学专业大气科学年级班次 姓名学号 实习目的：掌握短期气候预测因子的分析和选择，加深对夏季降水分布、环流异常在短期气候预测中物理机制的认识。
实习要求：熟悉资料和方法程序（提供部分子程序）；使用GRADS对结果进行绘图输出和文字分析，完成实习报告。
实习资料：
①NCEP/NCAR 再分析资料1948－2012年1～12月的500百帕月平均高度场资料 范围（90°S-90°N,0-360°E)网格距2.5°×2.5°,纬向格点数144，经向格点数73 资料为GRD格式，资料从南到北、自西向东排列，每月为一个记录，按年逐月排放。
②国家气候中心整编的6、7、8月降水量资料
（时间段：1951-2010年，资料的格式参见readme.txt文件）1951-2010年雨型分类表 0 0 一类雨型
0 1 0 二类雨型 0 0 1 三类雨型
实习方法：
降水距平百分率：
RPiRiR100% RRi 某年夏季降水量
R为19712000年夏季降水多年平均值?
实习步骤：
用FORTRAN编写相关程序（程序见附件3和附件4）
利用绘图软件绘制1951－2010年夏季三类雨型年合成图；
绘制前期冬季500hPa高度场距平合成图，指出可能存在的遥相关型环流特征。
实习结果及讨论：
图1 1951－2005年夏季一类雨型年合成图
从图1可以看出一类雨型主要多雨带位于黄河流域及其以北地区，江淮流域大范围少雨，梅雨偏弱并常有较明显的伏旱，江南南部至华南一般为次要多雨区。
图2 1951－2005年夏季二类雨型年合成图
从图2可以看出二类雨型主要多雨带位于黄河至长江之间，雨带中心一般在淮河流域一带，黄河以北及长江以南大部地区少雨。
图3 1951－2005年夏季三类雨型年合成图
从图3可以看出三类雨型主要多雨带位于长江流域或江南一带，淮河以北大部及东南沿海地区少雨。
图4 第一类雨型前期冬季500hPa高度场的距平图
图4显示为中太平洋和北太平洋有显著的反相关性，或者说是副高的高压和阿留申低压之间关系，副高增强的同时，低压也同时增强。出现这种前期冬季500hPa高度场和今年的一类雨型北方性有显著关系。这种相关可能是WP型要相关。
图5 第二类雨型前期冬季500hPa高度场的距平图
图5显示为北太平洋和北美洲出现的以北美州西海岸为界限的类轴对称图形。当北太平洋的高压脊增强时，北美大槽也同样增强。而与两个系统对应的低纬度地区呈现与之相反的变化关系。我认为这是一种PNA和WP的杂交型。
图6 第三类雨型和前期冬季500hPa高度场的距平图
图6显示为副热带太平洋高压加强，位于阿留申地区的气压加深，当北太平洋的高压脊增强时，北美大槽也同样增强，这造成了美国的严寒天气，也造成了我国的降水主要集中在江淮地区的类型。这是典型的PNA型，但低纬地区没有很显著。
附件：
附件1 program EP integerind(160)real a(160,65),r(144,73),aa(65),bb(65),lat(160),lon(160)real hgt(144,73,12,65),h1(144,73,65),eu(65)character*8 id(160)open(1,file='i:duanqi3hgt500.grd',form='binary')open(3,file='i:duanqi3ind.grd',form='binary')open(4,file='i:duanqi3lat_lon.txt')open(5,file='i:duanqi3r.grd',form='binary')dokk=1,65 do n=1,12 read(1)((hgt(i,j,n,kk),i=1,144),j=1,73)enddo enddo
dokk=1,65 do j=1,73 doi=1,144 h1(i,j,kk)=hgt(i,j,1,kk)enddo enddo eu(kk)=-h1(9,59,kk)/4.0+h1(31,59,kk)/2.0-h1(59,53,kk)/4.0 enddo write(3)(eu(i),i=1,65)close(3)
do j=1,73 doi=1,144 r(i,j)=0.0 dokk=1,65 aa(kk)=eu(kk)bb(kk)=h1(i,j,kk)enddo call Normalized_1D(aa,65)call Normalized_1D(bb,65)dokk=1,65 r(i,j)=r(i,j)+aa(kk)*bb(kk)/65.0 enddo enddo enddo write(*,*)r do j=1,73 doi=1,144 write(5)r(i,j)enddo enddo
end SUBROUTINE Normalized_1D(BZH,NUM)REAL BZH(NUM),AVE,VAR AVE=0.0 VAR=0.0
DO K=1,NUM AVE=AVE+BZH(K)/NUM ENDDO DO K=1,NUM VAR=VAR+(BZH(K)-AVE)**2 ENDDO VAR=SQRT(VAR/NUM)DO K=1,NUM BZH(K)=(BZH(K)-AVE)/VAR ENDDO END
附件2 program EP integerind(160)real a(160,62),r(160),aa(62),bb(62),lat(160),lon(160)real hgt(144,73,12,65),h1(144,73,62),eu(62)character*8 id(160)open(1,file='i:duanqi3hgt500.grd',form='binary')open(2,file='i:duanqi3t1601.txt')open(4,file='i:duanqi3lat_lon.txt')open(5,file='i:duanqi3r160.grd',form='binary')dokk=1,65 do n=1,12 read(1)((hgt(i,j,n,kk),i=1,144),j=1,73)enddo enddo close(1)dokk=1,62 do j=1,73 doi=1,144 h1(i,j,kk)=hgt(i,j,1,kk+3)enddo enddo eu(kk)=-h1(9,59,kk)/4.0+h1(31,59,kk)/2.0-h1(59,53,kk)/4.0 enddo read(2,*)((a(i,j),i=1,160),j=1,62)close(2)doi=1,160 read(4,*)id(i),lat(i),lon(i)enddo close(4)doi=1,160 r(i)=0.0 dokk=1,62 aa(kk)=eu(kk)bb(kk)=a(i,kk)enddo call Normalized_1D(aa,62)call Normalized_1D(bb,62)dokk=1,62 r(i)=r(i)+aa(kk)*bb(kk)/62.0 enddo enddo write(*,*)r do j=1,160 id(j)=char(j)tim=0.0 nlev=1 nflag=1 write(5)id(j),lat(j),lon(j),tim,nlev,nflag,r(j)enddo tim=0.0 nlev=0 nflag=1 write(5)id(j-1),lat(j-1),lon(j-1),tim,nlev,nflag close(5)end SUBROUTINE Normalized_1D(BZH,NUM)REAL BZH(NUM),AVE,VAR AVE=0.0 VAR=0.0
DO K=1,NUM AVE=AVE+BZH(K)/NUM ENDDO DO K=1,NUM VAR=VAR+(BZH(K)-AVE)**2 ENDDO VAR=SQRT(VAR/NUM)DO K=1,NUM BZH(K)=(BZH(K)-AVE)/VAR ENDDO END
附件3 program EP reala6(160,60),a7(160,60),a8(160,60),lat(160),lon(160),rap1(160),rap2(160),rap3(160),ddi(60,3),rsum(160),r(160,60),rp(160,60)character*8 id(160)open(3,file='i:duanqi4r1606.txt')open(4,file='i:duanqi4r1607.txt')open(5,file='i:duanqi4r1608.txt')open(6,file='i:duanqi4lat_lon.txt')open(7,file='i:duanqi4ddi')open(8,file='i:duanqi4rap1.grd',form='binary')open(9,file='i:duanqi4rap2.grd',form='binary')open(10,file='i:duanqi4rap3.grd',form='binary')read(3,*)((a6(i,j),i=1,160),j=1,60)read(4,*)((a7(i,j),i=1,160),j=1,60)read(5,*)((a8(i,j),i=1,160),j=1,60)doi=1,160 read(6,*)lat(i),lon(i)enddo do it=1,60 read(7,*)(ddi(it,j),j=1,3)enddo doi=1,160 rsum(i)=0.0 do it=1,60 rsum(i)=rsum(i)+(a6(i,it)+a7(i,it)+a8(i,it))/3 enddo rsum(i)=rsum(i)/60.0 do j=1,60 rp(i,j)=(a6(i,j)+a7(i,j)+a8(i,j))/3-rsum(i)enddo do j=1,60 rp(i,j)=rp(i,j)/rsum(i)enddo enddo doi=1,160 rap1(i)=0 rap2(i)=0 rap3(i)=0 do j=1,60 rap1(i)=rap1(i)+rp(i,j)*ddi(j,1)/22 rap2(i)=rap2(i)+rp(i,j)*ddi(j,2)/19 rap3(i)=rap3(i)+rp(i,j)*ddi(j,3)/19 enddo rap1(i)=rap1(i)*100 rap2(i)=rap2(i)*100 rap3(i)=rap3(i)*100 enddo do j=1,160 id(j)=char(j)tim=0.0 nlev=1 nflag=1 write(8)id(j),lat(j),lon(j),tim,nlev,nflag,rap1(j)enddo tim=0.0 nlev=0 nflag=1 write(8)id(j-1),lat(j-1),lon(j-1),tim,nlev,nflag do j=1,160 id(j)=char(j)tim=0.0 nlev=1 nflag=1 write(9)id(j),lat(j),lon(j),tim,nlev,nflag,rap2(j)enddo tim=0.0 nlev=0 nflag=1 write(9)id(j-1),lat(j-1),lon(j-1),tim,nlev,nflag do j=1,160 id(j)=char(j)tim=0.0 nlev=1 nflag=1 write(10)id(j),lat(j),lon(j),tim,nlev,nflag,rap3(j)enddo tim=0.0 nlev=0 nflag=1 write(10)id(j-1),lat(j-1),lon(j-1),tim,nlev,nflag end 附件4 program height real h(144,73,12,65),ha(144,73,60),ddi(60,3),ave(144,73),ave1(144,73),ave2(144,73),ave3(144,73),i,j,mo,it open(1,file='i:duanqi4gdhgt500.grd',form=“binary”)open(2,file='i:duanqi4gdddi')open(3,file='i:duanqi4gd1h1.grd',form=“binary”)open(4,file='i:duanqi4gd2h2.grd',form=“binary”)open(5,file='i:duanqi4gd3h3.grd',form=“binary”)read(1)((((h(i,j,mo,it),i=1,144),j=1,73),mo=1,12),it=1,65)do it=1,60 read(2,*)(ddi(it,j),j=1,3)enddo doi=1,144 do j=1,73 do it=1,60 ha(i,j,it)=(h(i,j,12,it+2)+h(i,j,1,it+3)+h(i,j,2,it+3))/3 enddo enddo enddo doi=1,144 do j=1,73 do it=1,60 ave(i,j)=ave(i,j)+ha(i,j,it)/60 enddo enddo enddo doi=1,144 do j=1,73 do it=1,60 if(ddi(it,1)==1)then ave1(i,j)=ave1(i,j)+ha(i,j,it)/22 elseif(ddi(it,2)==1)then ave2(i,j)=ave2(i,j)+ha(i,j,it)/19 else ave3(i,j)=ave3(i,j)+ha(i,j,it)/19 endif enddo ave1(i,j)=ave1(i,j)-ave(i,j)ave2(i,j)=ave2(i,j)-ave(i,j)ave3(i,j)=ave3(i,j)-ave(i,j)enddo enddo write(3)((ave1(i,j),i=1,144),j=1,73)write(4)((ave2(i,j),i=1,144),j=1,73)write(5)((ave3(i,j),i=1,144),j=1,73)end
第二篇：短期气候预测实习三
短期气候预测实习三
气科7班 梁玉谊
（一）所用资料和方法
NCEP/NCAR 1948－2013年（61年）的500百帕月平均高度场资料 资料范围为（900S-900N,00-3600E)
网格距为2.50×2.50,纬向格点数为144，经向格点数为7
3资料为GRD格式，资料从南到北、自西向东排列，每月为一个记录，按年逐月排放。
（二）实习目的：
掌握大气环流中遥相关型指数的计算及其与大气环流和我国气候关系的分析。
（三）实习要求：
要求运用资料，计算北半球1月遥相关指数，并分析它与环流和我国气候变化的关系；用图形输出指数年际变化曲线、遥相关的空间分布以及与我国气温的相关系数分布，正确分析结果数据，完成实习报告。
（四）所用部分程序：
!计算EU指数 do it=1,6
3eu(it)=-0.25*a(9,59,1,it)+0.5*a(31,59,1,it)-0.25*a(59,53,1,it)enddo
！！计算EU指数与高度场的相关系数!h--高度场hsum--高度场和have--高度场平均值eu--EU指数,eusum,euave类似
!1,提取1月份高度场 do it=1,63 do j=1,73 do i=1,14
4h(i,j,it)=a(i,j,1,it)enddo enddo enddo
!2,计算高度场和EU指数的平均值 do j=1,73 do i=1,144 do it=1,63
hsum(i,j)=hsum(i,j)+h(i,j,it)
enddo
have(i,j)=hsum(i,j)/63 enddo Enddo
do it=1,63
eusum=eusum+eu(it)enddo
euave=eusum/63
!3,计算相关系数各部：分子、分母、分母(对照相关系数公式)
!rup--分子rh--分母hreu--分母eur--相关系数 do j=1,73 do i=1,144 reu_2=0 do it=1,6
3rup(i,j)=rup(i,j)+(eu(it)-euave)*(h(i,j,it)-have(i,j))
rh_2(i,j)=rh_2(i,j)+(h(i,j,it)-have(i,j))**
2reu_2=reu_2+(eu(it)-euave)**2
enddo
rh(i,j)=sqrt(rh_2(i,j))reu=sqrt(reu_2)enddo enddo
print*,reu
do j=1,73 do i=1,14
4r(i,j)=rup(i,j)/(rh(i,j)*reu)enddo enddo
！！计算EU指数和气温的相关系数!1,计算温度场的平均值 do i=1,160 do it=1,nt
tsum(i)=tsum(i)+t(i,it)enddo
tave(i)=tsum(i)/nt enddo
!print*,(tave(i),i=1,160)
!2,计算相关系数各部：分子、分母、分母(对照相关系数公式)
!rup2--分子rh2--分母hreu--分母eur2--相关系数 eusum=0 do it=1,nt
eusum=eusum+eu(it+3)!之所以加3，是因为在分析资料和观测资料起始年份差3年 enddo
euave=eusum/nt reu_2=0 do it=1,nt
reu_2=reu_2+(eu(it+3)-euave)**
2enddo
reu=sqrt(reu_2)do i=1,160 do it=1,nt
rup2(i)=rup2(i)+(eu(it+3)-euave)*(t(i,it)-tave(i))
rh2_2(i)=rh2_2(i)+(t(i,it)-tave(i))**2 enddo
rh2(i)=sqrt(rh2_2(i))enddo
do i=1,160
r2(i)=rup2(i)/(rh2(i)*reu)enddo
!计算完毕，写数据!写站点数据do j=1,160id(j)=char(j)tim=0.0nlev=1nflag=
1write(6)id(j),lat(j),lon(j),tim,nlev,nflag,r2(j)enddotim=0.0nlev=0nflag=1
write(6)id(j-1),lat(j-1),lon(j-1),tim,nlev,nflag
print*,(r2(j),j=1,160)
write(5)(eu(it),it=1,nt)!写EU指数 write(4)((r(i,j),i=1,144),j=1,73)!写h和EU的相关系数
（五）出图结果： 1．EU指数年变化
分析：从上图可以看出，EU指数存在着5-10年的周期震荡。在1963年和1973年达到峰值。
2．EU指数与位势高度的相关系数
分析：从上图可以出，EU指数与高度场存在着“正负正”的相关波列，也就是亚欧型遥相关。其中，在北美东岸、西欧地区和亚洲东岸为负相关区大值区，在亚洲中部和北美西北部为正相关大值区。即当EU指数为正时，东亚地区、西欧地区、北美东岸高度场较平均值偏低，而亚洲中部和北美西北部位势高度场则较平均值偏高。可以初步考虑EU指数对于这些地区高度场的预报能力，不过相关系数均未经过显著性检验，还需检验后才能得出结论。
3．EU指数与我国温度的相关系数
分析：从上图可以看出，EU指数我国的相关系数，在我国东部沿海地区为负相关大值区，最高的相关达到-0.5，而在我国新疆西北部、云南地区和黑龙江北部，为正相关区，但正相关值较小。在我国其余地区，相关系数均比较小。若EU指数为正时，我国东部沿海地区降水量偏少，若EU指数为负时，我国东部沿海地区降水量偏多。通过分析，可以考虑EU指数对我国东部温度的预报能力，虽然只是同期的相关，并非前期的指数，但也是具有一定的预报价值。不过，如之前所言，未经过显著性检验，同样难以得出确切的结论。
第三篇：短期气候预测实习二
短期气候预测实习二
气科7班
梁玉谊
（一）所用资料和方法
所用资料：
NCEP/NCAR 1948－2012年1月的500百帕月平均高度场资料，资料范围为（90°S-90°N,0°-360°E)
网格距为2.50×2.50,纬向格点数为144，经向格点数为
41资料为GRD格式，资料从南到北、自西向东排列，每月为一个记录，按年逐月排放。所用方法：
EOF功能：从一个气象场多次观测资料中识别出典型空间场型及其时间演变规律。EOF展开就是将气象变量场分解为空间函数(V)和时间函数(T)两部分的乘积之和：X=VT。
部分程序：
由于EOF主要处理部分教师已经给出，固再次只给出数据维数处理部分。
enddo cccccccccccccccccc读数据
do it=1,61
do k=1,12write(*,*)'data narrowed'do j=1,73
do i=1,144!二维空间场变一维数组，注意按 照grads的XY顺序，read(10)hh(i,j,k,it)!因为最后EIGENVACTORS文件 enddo;enddo;enddo;enddo 里面直接按照该格式存的,不再经过这一步write(*,*)'read data ok' 变化
do it=1,M
ii=1!裁剪区域(取东亚地区)
k=1do j=1,21
do it=1,61do i=1,41
do j=1,21F(ii,it)=h(i,j,it)do i=1,41ii=ii+1
h(i,j,it)=hh(i+16,j+44,k,it)enddo
enddoenddo
enddoenddo
（二）输出结果
分析：EOF分型是将多特征场和多维度共同作用下的资料场，分解为相互正交的空间场，并给出其时间权重。以下3个特征场为权重最高的3个场。从场EV1可以看出，在第一特征型中，中国大部地区为负值区，而亚欧大陆北部为正值区，既两个地区为负相关,并且由南到北，值由小到大不断增加。从短期气候预测课程上学习到，影响大气环流的4个基本因子为：太阳辐射，地球自转，地球表面不均匀性和地面摩擦。可以推测该型产生的因子是太阳辐射的分布不均匀，因为其分布具有位相特征，但具体是否该因子影响还需结合太阳辐射资料进行分析。
从时间权重函数可以看出，在1965年之前，以正位相为主，而在1965年之后，转为负位相为主。也就是说，1965年以前，东亚地区气候位势高度以负值为主，转变后以正值为主。同时注意到，权重函数存在2-3年的周期，正负位相以该周期不断转变。
分析：从第二特征型可以看出，辽东半岛与日本海附近为负值区，而巴湖以西为正值区，既两个区域存在负的位相变化。从两个大值区所处区域可以推测产生该型的因子为海陆分布或者中纬度长波槽脊的变动。从方差贡献可以看出，1型和2型所占权重接近，即两者对于某一时刻高度场状态的影响接近。当正位相影响时，由于日本海地区偏低压控制，我国大部地区吹东南风或西南风。而当负位相影响时，日本海地区低压偏弱，或为高压控制，使得我国大部地区吹东北风或西北风。
从时间权重函数可以看出，2型存在着准7年的震荡。在1960-1970年间为正位相影响，而在1970-1977年为负位相影响。
分析：从第三特征型可以看出，贝加尔湖附近为负值区，而我国东南沿海以及乌拉尔山附近为正值区。从时间权重函数可以看出，该型的影响较1型和2型相对偏小。若该型为正位相时，我国江淮地区和华北地区吹偏西风，其中华北地区等高线密集，风速较大。而华南地区被高压控制。而若该型为负位相时，我国江淮地区和华北地区吹偏东风，而华南地区为低压控制。
从时间权重函数可以看出，1997年时，该型时间权重达到负值极大值，即在该年，该型的负位相对于我国有较大影响。
4.3个特征向量的方差贡献及总方差贡献
第四篇：短期气候预测基础实习三
实习三：大气遥相关
一、实习目的及要求
掌握大气环流中遥相关型指数的计算及其与大气环流和我国气候关系的分析。
要求运用资料，计算北半球1月遥相关指数，并分析它与环流和我国气候变化的关系；用图形输出指数年际变化曲线、遥相关的空间分布以及与我国气温的相关系数分布，正确分析结果数据，完成实习报告。
二、实习内容
1、计算EU（欧亚）遥相关指数，输出1月份该指数年际变化的时间序列；
2、计算EU遥相关指数与同期环流场（500hPa高度场或海平面气压场）的相关系数；
3、计算EU遥相关指数与同期我国气温的相关系数。
三、实习资料
大气环流场资料：
1、NCEP/NCAR 1948－2008年（61年）的500百帕月平均高度场资料
2、资料范围为（900S-900N,00-3600E)
3、网格距为2.50×2.50,纬向格点数为144，经向格点数为73
4、资料为GRD格式，资料从南到北、自西向东排列，每月为一个记录，按年逐月排放。
站点资料：
1、我国气候中心整编的160站月平均气温资料；
2、全国160个台站；
3、所给的资料是1月份的；
4、资料为txt格式，参加资料说明。
四、实习步骤
1、编程计算1月份EU遥相关指数（标准化），画出指数图 编写fortran程序： program main parameter(nx=144,ny=73,n=nx*ny,nt=61)real ind(nt),z(n,nt),eu(nt),hh(144,73,12,61),avey(n),sy(n),r1(n),r(n)real x,avex,sx open(10,file='d:nyclimatesh3datahgt500.grd',form='binary')open(20,file='d:nyclimatesh3ind.grd',form='binary')open(30,file='d:nyclimatesh3eu.grd',form='binary')open(40,file='d:nyclimatesh3rxy1.grd',form='binary')do it=1,61 do k=1,12
do j=1,73
do i=1,144
read(10)hh(i,j,k,it)enddo；enddo；enddo；enddo do it=1,61 do j=1,73
do i=1,144
z((j-1)*144+i,it)=hh(i,j,1,it)enddo；enddo；enddo do it=1,61
eu(it)=-z(9+58*144,it)/4+z(31+58*144,it)/2-z(59+52*144,it)/4 enddo write(20)(eu(it),it=1,61)do it=1,61
x=x+eu(it)enddo avex=x/real(nt)do it=1,61
sx=sx+((eu(it)-avex)*(eu(it)-avex))/real(nt)enddo do it=1,61
ind(it)=(eu(it)-avex)/(sqrt(sx))enddo write(30)(ind(it),it=1,nt)
第二步中的fortran程序： do i=1,n
avey(i)=0.0 do it=1,61
avey(i)=avey(i)+z(i,it)enddo avey(i)=avey(i)/real(nt)enddo do i=1,n
r1(i)=0.0 do it=1,61
r1(i)=r1(i)+(eu(it)-avex)*(z(i,it)-avey(i))enddo；enddo do i=1,n
sy(i)=0.0
do it=1,61
sy(i)=sy(i)+(z(i,it)-avey(i))*(z(i,it)-avey(i))enddo；enddo do i=1,n
r(i)=r1(i)/sqrt(sx*real(nt)*sy(i))
write(40)r(i)enddo end 注：此处给出的是第一步和第二步中的fortran程序，因此，步骤二中此程序不重复给出！
数据描述文件：
dset d:nyclimatesh3eu.grd undef-9.99E+33 title yearly mean hgt from the NCEP Reanalysis xdef 1 linear 1 1 ydef 1 linear 1 1 zdef 1 levels 500 tdef 61 linear jan1948 1yr vars 1 eu 1 99 year eu endvars;数据执行（gs）文件： 'reinit' 'open d:nyclimatesh3eu.ctl' 'enable print d:nyclimatesh3eu1.gmf' 'set t 1 61' 'd eu' 'print' 'disable print';给出1月份EU遥相关指数图：
1月份EU遥相关指数图
给出1月份标准化的EU遥相关指数
1月份标准化的EU遥相关指数
分析：从上面两幅图中，可以看出遥相关指数在1948-2008年中有很大变化，其中1963、1976、1984年等年份的正相关指数非常大，而1964、1972、1973年等年份则呈现出负相关。
2、编程计算1月EU遥相关指数与500hPa高度场的相关系数分布图并绘制图形（fortran程序已经在第一步中给出，因此这里直接给出描述文件和执行文件）数据描述文件：
dset d:nyclimatesh3rxy1.grd undef-9.99E+33 title year mean hgt from the NCEP Reanalysis xdef 144 linear 0.000 2.500 ydef 73 linear-90.000 2.500 zdef 1 levels 500 tdef 1 linear jan1948 1yr vars 1 xy 1 99 r endvars;数据执行（gs）文件： 'reinit' 'open d:nyclimatesh3rxy.ctl' 'enable print d:nyclimatesh3rxy1.gmf' 'set gxout shaded' 'set black-0.2 0.2' 'd xy' 'set gxout contour' 'd xy' 'print' 'disable print';给出1月份EU遥相关指数与500hPa高度场的相关系数分布图：
1月份EU遥相关指数与500hPa高度场的相关系数分布图
分析：由此分布图可以看出，欧洲西部地区的上空位势高度与西伯利亚地区之间呈现出反相关关系，而与我国东北地区和日本一带则呈现出正相关关系。因为在我国东北地区到日本一带，冬季（1月份）有东亚大槽在此出现，同时在西伯利亚附近有高压脊，而在欧洲东部地区也有低压槽，因此此图很好的反映出了两槽一脊的强度变化，即东亚大槽和欧洲东部的槽加深时，西伯利亚附近的脊发展。另外,还可以看出西欧上空位势高度与北美洲北部地区呈负相关，与墨西哥地区呈正相关。
3、编程计算EU遥相关指数与1月份我国气温的相关系数分布图，并绘制图形。编写fortran程序： program EU
parameter(nt=58,nx=160)real a(nx,nt),ind(nt),r(nx),lat(nx),lon(nx),averi,si,ave(nx),sa(nx),r1(nx)character*8 id(nx)
integer i,it open(2,file='d:nyclimatesh3datat1601.txt')open(3,file='d:nyclimatesh3t.grd',form='binary')open(4,file='d:nyclimatesh3datalat_lon.txt')
open(5,file='d:nyclimatesh3r160.grd',form='binary')ccccccccccccccc 读数据（指数、经纬度、160站温度）
ccc
a:160站气温(1951~2010年)
ind：指数序列(1948~2008年)read(2,*)((a(i,it),i=1,nx),it=1,nt)do it=1,61 read(3)ind(it)enddo do i=1,nx read(4,*)lat(i),lon(i)enddo averi=0.0
do it=4,61
averi=averi+ind(it)/real(nt)enddo
do it=1,58
si=si+(ind(it+3)-averi)**2 enddo ccccccccccccccc 编程求相关
do it=1,nt
do i=1,nx
a(i,it)=a(i,it)/10.0
enddo；enddo do i=1,nx
do it=1,nt
ave(i)=ave(i)+a(i,it)/real(nt)
enddo；enddo do i=1,nx
do it=1,nt
sa(i)=sa(i)+(a(i,it)-ave(i))**2
enddo；enddo do i=1,nx
do it=1,nt
1(i)=r1(i)+(a(i,it)-ave(i))*(ind(it+3)-averi)
enddo；enddo do i=1,nx r(i)=r(i)+r1(i)/(sqrt(si)*sqrt(sa(i)))enddo ccccccccccccccccccc写站点数据 do j=1,nx id(j)=char(j)tim=0.0 nlev=1 nflag=1 write(5)id(j),lat(j),lon(j),tim,nlev,nflag,r(j)enddo
tim=0.0 nlev=0 nflag=1 write(5)id(j-1),lat(j-1),lon(j-1),tim,nlev,nflag end 应用相应的数据描述文件和执行文件，绘制出1月份EU遥相关指数与我国气温的相关系数分布图：
1月份EU遥相关指数与我国气温的相关系数分布图
分析：由此分布图可以看出1月份EU遥相关指数与我国气温的相关系数的关系，我国从东北地区、华北地区一直到华南的沿海地区均为负相关区，说明此区域基本都吹北风，因为北风会带来冷空气的南下。所以由此可以得出：1月份我国东部沿海地区的气温降低，且根据相关系数的数值大小来看，气温降低的强度还是比较大的。另外，从此次实习选取的其他区域来看，在我国内蒙古东部，黄河中上游地区、新疆中部、青藏高原南部的局部地区以及海南等地也出现了数值小于-0.25的负相关区，由此基本可以得出全国大部分地区1月份的气温都有不同程度的下降
五、结果讨论
根据此次实习所做的1月份EU遥相关指数及其与同期500hPa高度场和气温的相关分布来看，EU遥相关型对我国的气候变化有很重要的影响。
结合步骤2中的分布图来看，EU遥相关指数很好的反映出了在欧亚西部上空，中高纬地区冬季1月份两槽一脊形势的强度变化趋势；同时，结合步骤3中的分布图来看，EU遥相关指数也反映出了我国冬季1月份气温的变化情况，尤其是在我国东部沿海地区的负相关区非常明显，可以很直观的看出沿海地区气温的下降幅度情况。
因此，通过此次实习，使我更进一步了解了EU遥相关型的相关知识；同时，通过对图形的分析，可以看出遥相关对某一地区大气环流异常的影响还是很大的，说明遥相关与天气气候有很密切的关系。
第五篇：2008年短期气候预测工作总结
2008年，大气环流较为异常，表现为：出现了50年未遇罕见低温雨雪冰冻灾害性天气；西太平洋副热带高压强度、脊线位置、西伸脊点位置变化大，1月西北太平洋副热带高压较常年同期显著西伸，脊线位置偏北，2月到5月副高显著东退，脊线位置偏北到正常，面积偏小，强度偏弱，6月西北太平洋副热带高压面积偏
大，强度接近常年同期，西伸脊点偏东，7月到8月，西北太平洋副热带高压较常年同期面积偏大，强度偏强，脊线位置偏南、偏西；2007年8月开始的拉尼娜事件于2008年5月结束，事件过程持续了9个月（2007年8月至2008年4月），并在2007年11月达到最强。主汛期7～8月热带辐合带位置偏北，东**动影响我市的时间段偏长。
**市全年月气温波动大。1～2月偏低到特低；3～5月偏高；6～7月北部正常稍高到偏高，南部正常稍低到偏低；8月全市偏低；9月全市偏高到特高；主汛期全市大部正常稍低到偏低。除9月降雨量全市大部偏少、4月南部偏少、6月北部偏少外，全年降水量以正常到偏多为主要特征；主汛期降雨量全市正常到偏多，大部偏多1～3成。
2008年自1月到10月5日，全市共出现大雨62站（次），比多年平均偏多5站（次），出现暴雨25站次，比多年平均偏多10站（次），是常年的1.7倍。洪涝灾害严重。
在今年气候较为异常的情况下，**市气象台在短期气候预测工作中，对雨季开始期、汛期和主汛期降水趋势等的趋势预报正确，全年（截止9月）月平均气温、月降水量预测的准确率分别为73％和77％，其中5～9月平均气温、月降水量预测的准确率分别为90％和73％，对溪洛渡水电站坝区月降水的预测准确率为82.5％，达到了较好的服务效果。
并严格按照上级业务主管部门的统一规定和要求，制作定期和不定期的气候影响评价产品。
一、雨季开始期、汛期和主汛期降水趋势等的趋势预报正确
1、雨季开始期
在短期气候预测中预测：“雨季开始期大部正常到偏迟，于5月中旬到下旬开始”，在春播期短期气候预测中预测：“雨季开始期大部正常，于5月中旬到下旬开始。”在4月26日发布的“汛期短期气候预测”中订正为：“雨季开始期大部正常到偏早，大部于5月中旬左右开始。”实况是：全市雨季开始期正常到偏早，于5月中旬以前全部开始。订正后，趋势预报正确。
2、洪涝趋势
在预测中指出：“主汛期降水量分布不均，单点性的大雨、暴雨、冰雹、雷暴等强对流天气较常年突出，洪涝灾害较常年偏重。” 汛期预测中指出：“汛期（5～10月）降水属平偏丰年成。主汛期6～8月降雨量大部正常到偏多，降水量分布不均，单点性的大雨、暴雨、冰雹、雷暴等强对流天气较常年突出，洪涝灾害较常年偏重”。主汛期预测中指出：“主汛期6～8月降雨量大部正常到偏多，主汛期降水量分布不均，单点性的大雨、暴雨、冰雹、雷暴等强对流天气较常年突出，洪涝灾害较常年偏重。”实况是：汛期大雨次数偏多5站（次），暴雨次数多达常年的1.7倍，除区域性强降水外，8月6-10日北部、东部出现持续性强降水。汛期和主汛期降水均为正常到偏多。预测与实况相符。
3、春旱
在预测中指出：“春旱比常年偏重”，春播期短期气候预测中预测：“雨季开始前大部区域有中等强度的春旱发生。”。实况是：4月上旬到中旬有轻度春旱。据市防汛抗旱指挥部4月18日不完全统计，全市农作物受旱49.542万亩（其中：轻旱39.957万亩，重旱9.585万亩），因旱造成水田缺水1.92万亩，旱地缺墒14.685万亩，造成29.385万人、8.859万头大牲畜饮水困难。紧接着的4月下旬多雨，其中25日、27日出现区域性的中雨到大雨过程，大部区域春旱得以及时缓解。趋势基本正确。
4、春夏连旱
全年均未预测有春夏连旱，实况也
无。预测正确。
5、水稻“抽扬期”低温
在、汛期、主汛期预报中，都提的是“8月上旬到中旬前期二半山以上地区有轻度低温阴雨天气”。在8月短期气候预测中订正为：“8月中旬二半山以上地区有轻度‘抽扬
期低温’”。实况是：无明显抽扬期低温（未达到省局统一规定的标准），但昭鲁坝区（昭阳、鲁甸站为代表）10～11日日平气温、25～27日3天平均气温低于17℃，出现轻度低温天气，加上8月气温偏低，日照偏少，对水稻有一定影响。趋势预报基本正确。
6、其它特殊项目
对倒春寒预报的时段误差较大，预测有秋季连阴雨，实况无。
截止10月6日，共发布定期（月、季、年）气候预测10期，针对防汛、电力、水电工程等制作专题气候预测产品（不定期）8期。
二、水电站短期气候预测
针对溪洛渡坝区发布月、季气候预测10期，对坝区月降水的预测准确率为82.5％。
三、气候影响评价工作按规定要求认真制作和发布
**市气象台气候影响评价业务按规定的业务流程和业务要求认真执行，制作格式统一、用语规范标准、评价方法较为客观。不仅详细反映了对当月（季、年）的气象要素时空分布，还可获得本地大气主要影响系统、主要气候事件和气候对主要行业（农业、交通、林业、畜牧业、能源）的影响等重要气象信息，并提供气候预测和展望性评价建议等参考，而且对每个月出现的灾情有较全面的反映。
每期气候预测和气候影响评价产品制作完毕后，均立即以最短的时间通过邮寄或文件交换的方式到达地方各部门和各级领导手中、通过省农经网上传到互联网、通过NOTES上传省局业务发展处和省气候中心、通过地县气象局域网服务器专用目录对县局开展气候影响评价业务和服务提供参考和指导、通过96121声讯答询系统将展望性气候影响评价和建议向社会公众发布。为各级领导和各级部门提供了及时准确的决策服务依据。
截止10月6日，共发布定期气候影响评价产品13期。
点击咨询 