短期气候预测基础实习三.pdf

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:\nyclimate\sh3\data\hgt500.grd',form='binary') open(20,file='d:\nyclimate\sh3\ind.grd',form='binary') open(30,file='d:\nyclimate\sh3\eu.grd',form='binary') open(40,file='d:\nyclimate\sh3\rxy1.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:\nyclimate\sh3\eu.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:\nyclimate\sh3\eu.ctl' 'enable print d:\nyclimate\sh3\eu1.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:\nyclimate\sh3\rxy1.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:\nyclimate\sh3\rxy.ctl' 'enable print d:\nyclimate\sh3\rxy1.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:\nyclimate\sh3\data\t1601.txt') open(3,file='d:\nyclimate\sh3\t.grd',form='binary') open(4,file='d:\nyclimate\sh3\data\lat_lon.txt') open(5,file='d:\nyclimate\sh3\r160.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。