短期气候预测实习报告四.doc

南京信息工程大学实验(实习)报告
实验(实习)名称 短期气候预测实习 日期11、15得分 指导教师
系 ~ 专业 ~ 年级 ~ 班次~姓名Trichtu 学号~

实习目得:掌握短期气候预测因子得分析与选择,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得认识 。
实习要求; 熟悉资料与方法程序(提供部分子程序);使用GRADS对结果进行绘图输出与文字分析,完成实习报告。
实习内容:
计算19512005年夏季三类年雨型合成图;
计算各类雨型得前期冬季高度场距平合成图,指出可能出现得遥相关型。
资料:NCEP/NCAR 再分析资料1948－2008年1～12月得500百帕月平均高度场资料
范围(90°S90°N,0360°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。、
实习资料:
国家气候中心整编得6、7、8月降水量资料 (时间段:1951~2010年,资料得格式参见readme、txt文件)
1951~2005年雨型分类表
1 0 0 一类雨型
0 1 0 二类雨型
0 0 1 三类雨型
实习方法及步骤:
(1)降水距平百分率:

为某年夏季降水量, 为19712000年夏季降水多年平均值
(2)总体均值得t统计量:
,分别代表样本均值与标准差,为总体均值,n为样本量
根据公式及资料, 一、二、三类雨型得样本数分别为20、17与18。我们认为简单认为它们通过0、01显著性水平得t值分别为2、86,2、92,2、90,通过0、05显著性水平得t值都为2、09,2、12,2、11。
(3)编写程序
program EP
real a6(160,60),a7(160,60),a8(160,60),lat(160),h_y(144,73,12,61)
real lon(160),rap(160,3),ddi(55,3),rsum(160),r(160,55)
real h_m(144,73,12*61),h_p(144,73,3),aa,have(144,73)
real ave_p(144,73,3),std(144,73,3),h_p2(144,73,3),sig(144,73,3)
integer i,j,k,it
character*8 id(160)
open(2,file='e:\copy4\data\hgt500、grd',form='binary')
open(3,file='e:\copy4\data\r1606、txt')
open(4,file='e:\copy4\data\r1607、txt')
open(5,file='e:\copy4\data\r1608、txt')
open(6,file='e:\copy4\data\lat_lon、txt')
open(7,file='e:\copy4\data\ddi')
open(8,file='e:\copy4\rap、grd',form='binary')
open(9,file='e:\copy4\hp、grd',form='binary')
open(10,file='e:\copy4\sig、grd',form='binary')
!ccccccccccccccc 读数据(经纬度、160站降水19482008、雨型、height(19482008))
!CCCCCCCCCCCCCCCCCCCC一类20,二类17,三类18CCCCCCCCCCCCCCCCCCc
do it=1,61
do k=1,12
do j=1,73
do i=1,144
read(2) h_y(i,j,k,it)
h_m(i,j,12*(it1)+k)=h_y(i,j,k,it)
enddo
enddo
enddo
enddo
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)
do i=1,160
read(6,*)lat(i),lon(i)
enddo
!CCCCCCCC t=19512005
do it=1,55
read(7,*)(ddi(it,j),j=1,3)
enddo
write(*,*)'read data ok'
!ccccccccccccccc 编程求合成
do i=1,160
rsum(i)=0、0
do it=21,50
rsum(i)=rsum(i)+a6(i,it)+a7(i,it)+a8(i,it)
enddo
rsum(i)=rsum(i)/30、0
do it=1,55
r(i,it)=(a6(i,it)+a7(i,it)+a8(i,it)rsum(i))*100/rsum(i)
enddo
enddo
do i=1,160
do j=1,3
num=0
do it=1,55
num=num+ddi(it,j)
rap(i,j)=rap(i,j)+r(i,it)*ddi(it,j)
enddo
rap(i,j)=rap(i,j)/real(num)
enddo;enddo
!ccccccccccccc前期高度场
do k=1,3
do i=1,144
do j=1,73
aa=、0
bb=、0
num=0
do it=1,55
num=num+ddi(it,k)
aa=aa+(h_m(i,j,12*(it+1)+12)+h_m(i,j,12*(it+2)+1)+h_m(i,j,12*(it+2)+2))*ddi(it,k)
h_p(i,j,k)=aa/3、0
bb=bb+h_m(i,j,12*(it+1)+12)+h_m(i,j,12*(it+2)+1)+h_m(i,j,12*(it+2)+2)
have(i,j)=bb/3、0
end do
ave_p(i,j,k)=h_p(i,j,k)/num
num=0
do it=1,55
num=num+ddi(it,k)
aa=(h_m(i,j,12*(it+1)+12)+h_m(i,j,12*(it+2)+1)+h_m(i,j,12*(it+2)+2))*ddi(it,k)/3、0ave_p(i,j,k)*ddi(it,k)
std(i,j,k)=std(i,j,k)+aa**2
end do
have(i,j)=have(i,j)/55、0
h_p(i,j,k)=h_p(i,j,k)/numhave(i,j)
h_p2(i,j,k)=h_p(i,j,k)/sqrt(std(i,j,k)/num)*sqrt(num/1、0)
!write(*,*) h_p2(i,j,k)
end do
end do
end do
!CCCCCCCCCCC样本检验
do k=1,3
do i=1,144
do j=1,73
select case(k)
case(1)
if(abs(h_p2(i,j,k))>=2、52)then
sig(i,j,k)=2
elseif(abs(h_p2(i,j,k))>=1、72)then
sig(i,j,k)=1
endif
case(2)
if(abs(h_p2(i,j,k))>=2、57)then
sig(i,j,k)=2
elseif(abs(h_p2(i,j,k))>=1、74)then
sig(i,j,k)=1
endif
case(3)
if(abs(h_p2(i,j,k))>=2、55)then
sig(i,j,k)=2
elseif(abs(h_p2(i,j,k))>=1、73)then
sig(i,j,k)=1
endif
end select
!write(*,*) sig(i,j,k)
enddo
enddo
enddo
!ccccccccccccccccccc写站点数据
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,(rap(j,i),i=1,3)
enddo
tim=0、0
nlev=0
nflag=1
write(8)id(j1),lat(j1),lon(j1),tim,nlev,nflag
do k=1,3
write(9) ((h_p(i,j,k),i=1,144),j=1,73)
write(10)((sig(i,j,k),i=1,144),j=1,73)
end do
End
对于CTL文件(列举一个):
dset e:\copy4\rap、grd
dtype station
stnmap e:\copy4\rap、map
undef 99999、9
title the 160 station winter r anomaly
tdef 1 linear jan1984 1yr
vars 3
r1 0 99 1 rain anomaly
r2 0 99 2 rain anomaly
r3 0 99 3 rain anomaly
endvars
GS文件(列举一个):
'reinit'
'open e:\copy4\hp、ctl'
'open e:\copy4\sig、ctl'
'enable print e:\copy4\sig、gmf'
'set gxout shaded'
'set clevs 0、5 1、5'
'set ccols 0 24 27'
'set cmin 0'
'd t1、2'
'set gxout contour'
'd h1'
'draw title First kind of rain corralation with 0、05/0、01 significance'
'print'
'c'
(4)结果输出
②绘制1951－2005年夏季三类雨型年合成图:
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得伏旱,江南南部至华南一般为次要多雨区。

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。

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。

③绘制前期冬季500hPa高度场距平合成图,指出可能存在得遥相关型环流特征。
第一类雨型与前期冬季500hPa高度场得距平图及相关检验
(橙色通过0、05,红色通过0、01)

显示为中太平洋与北太平洋有显著得反相关性,或者说就是副高得高压与阿留申低压之间关系,副高增强得同时,低压也同时增强。出现这种前期冬季500hPa高度场与今年得一类雨型北方性有显著关系。这种相关可能就是WP型要相关。
第二类雨型与前期冬季500hPa高度场得距平图及相关检验
(橙色通过0、05,红色通过0、01)

显示为北太平洋与北美洲出现得以北美州西海岸为界限得类轴对称图形。当北太平洋得高压脊增强时,北美大槽也同样增强。而与两个系统对应得低纬度地区呈现与之相反得变化关系。我认为这就是一种PNA与WP得杂交型。
第三类雨型与前期冬季500hPa高度场得距平图及相关检验
(橙色通过0、05,红色通过0、01)

显示为副热带太平洋高压加强,位于阿留申地区得气压加深,当北太平洋得高压脊增强时,北美大槽也同样增强。这造成了美国得严寒天气,竟然也造成了我国得降水主要集中在江淮地区得类型,好神奇。这就是典型得PNA型,但低纬地区没有很显著,且显著区域得显著性有点低,范围较小,预报性不会很好(I supposed)。