简介：对国外科技评价（科研机构或部门评价）的一些主要特点进行归纳。通过对这些特点的归纳和分析，从中得到启发，并希望将其中先进、成熟、适用的方法引入我们的具体评价工作中。

简介：介绍了人工神经网络原理和卫星云图估计降水的原理.从GMS红外卫星云图资料中抽取12个降水云图特征量,构造了网络结构为12-98-7的降水估计人工神经网络模型,并用1993年的小时地面雨量资料和GMS数字云图资料对神经网络模型进行训练,用1992和1994年资料对该神经网络模型分别进行测试.在日面降水估计试验中,地面雨量计值和卫星估计降水之间的相关系数分别为0.94和0.97,相对误差分别为41%和32%.

简介：2008-2009年我国南方暴雨野外科学试验（SCHeREx）从2008年5月1日起在广东、湖北、上海、安徽等14个省市展开。该试验由中国气象局郑国光局长出任野外试验总指挥兼领导小组组长，中国气象局宇如聪副局长和国家973项目首席科学家、中国气象科学研究院院长张人禾研究员任副总指挥兼领导小组副组长。倪允琪教授任SCHeREX计划实施课题组组长，周秀骥院士、陈联寿

简介：基于T213L31、T106L19和欧洲中期预报中心数值预报产品,应用BP人工神经网络技术,建立了850hPa高度区域温度集成预报模型,并进行了检验。结果表明：该模型能比较准确地预报强冷空气活动过程中冷中心及温度槽脊的位置和强度,预报结果的平均绝对误差明显小于3个子模式,预报场与实况场的相关程度明显高于3个子模式,预报误差在我国华北北部、东北地区较小,在蒙新高地和帕米尔高原地区误差较大。模型实现了多模式产品的最优综合。

简介：生态与农业气象野外科学观测是生态学、气象学研究获得基础数据的一个重要环节,建设生态与农业气象野外基地,持续开展大气、水、土壤、气候及其相关的生物状况等有关因子监测,获取天气气候要素对生态系统的综合影响及其影响的结果,是不断提升对农业气象学、生态学、环境科学等交叉学科科学认知的需要。本文探讨了中国气象局沈阳大气环境研究所东北地区生态与农业气象野外科学试验基地的建设背景与思路、东北地区生态与农业气象主要问题、站点选择的区域代表性、研究目标、功能定位、开展的观测内容和所用仪器、不足之处与未来规划,旨在为提高东北生态与农业气象综合监测和评估预警能力及合理进行试验站选址、开展生态气象观测,为生态建设提供气象保障等提供参考。

简介：利用张掖国家湿地公园冬季水域结冰厚度观测资料和张掖观象台的气温、地温气象资料,运用统计学方法和BP神经网络方法建立了张掖国家湿地公园水域结冰厚度预报方程。通过对不同的预报方法进行预报效果验证,该结冰厚度的预报模型能够对结冰厚度有比较理想的预报效果,流动水域结冰厚度预报历史拟合率分别为：80.6%（多元回归）、74.6%（逐步回归）、100%（BP神经网络）;模型试报准确率分别为：72.7%（多元回归）、72.7%（逐步回归）、81.8%（BP神经网络）。静止水域结冰厚度预测历史拟合率分别为：76.9%（多元回归）、71.8%（逐步回归）、93.5%（BP神经网络）;模型试报准确率分别为：76.0%（多元回归）、72.0%（逐步回归）、84.0%（BP神经网络）。结果表明：多元回归方法优于逐步回归方法,而BP神经网络又明显优于传统的统计学方法,数据显示该结冰厚度的预报模型能够对结冰厚度有较好的预报效果,预报模型能够对水域结冰厚度进行有效的短期预报,其性能指标符合实际要求,具有很好的实际应用价值。

简介：中国气象局定西干旱气象与生态环境野外科学试验基地暨中国气象局兰州干旱气象研究所定西干旱气象与生态环境试验基地始建于1987年，是中国气象局在“七五”期间批准建立的综合性试验基地，原基地位于定西市北门外教场川。

简介：将BP（BackPropagation）神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现：BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。

简介：利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络（Self-OrganizingMaps,简称SOM）的统计降尺度方法,对江淮流域夏季（6-8月）逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分（BrierScore）均近似为0,显著性评分（SignificanceScore）全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1（m）模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1（m）模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。

简介：<正>2001年6～7月,项目野外科学试验在长江中下游6省1市全面展,由中国气象局局长秦大河研究员任领导小组组长,项目首席科学家倪允琪教授牵头组织实施。这次野外科学试验借助于中国气象局的业务系统和多普勒数字化雷达观测系统,涉及长江中下游6省1市（湖北省、湖南省、江西省、安徽省、江苏省、浙江省、上海市）气象局的14个高空加密观测站、100多个地面加密观测站,8部多普勒雷达、6部数字化天气雷达,2个风廓线仪,6个GPS站,2个边界