分型方法选取
常用的客观天气分型方法有5类, 分别为相关法(Lund, 1963), 聚类分析法(Brinkmann, 1999), 主成分分析(PCA)法(Richman, 1981；Huth, 2000), Fuzzy法(Bardossy et al., 1995), 非线性方法比如神经网络(Cavazos, 2000).Huth等(2008)对比了上述5种方法针对天气形势的分型效果后, 推荐使用T-mode斜交旋转主成分分析法(PCA), 将原始高维数据Z分解为F和A 2个低维矩阵, Z=FAT, 每行为N个空间格点；每列为M个观测时次；F为主成分(称为PC)；A为PC载荷.所有的主成分按照对应特征值的大小排序, 特征值越大表示对原数据的贡献最大.最后取对原数据累计贡献率超过一定百分比(一般为85%)的特征值所对应的第1~K个(K≤M)主成分F达到降维的目的(Huth, 1996).该方法可以较准确地反映原始环流场的特征, 不会因分型对象的调整而有太大变化, 得到的时空场也更加稳定(Huth et al., 2008).因此本研究选择Huth (1996)和Zhang等(2012)推荐的T-mode斜交旋转主成分分析法(PCA), 采用欧盟COST 733项目开发的天气分型软件(http://www.cost733.org), 对FNL海平面气压场以及10 m风场进行多变量斜交旋转分解, 即将多个物理量作为一个整体进行时空展开, 同时表现要素的空间分布以及各要素之间的空间关系, 进而得到较准确的环流分型结果.
https://doi.org/10.3390/en9110894
具有气候适应校正的长期风速集合预报系统
2.天气分类系统
2.1。天气分类
天气分类是一种通过分析特定气象变量来识别几种特征天气类型的方法，然后将气象场分类为这些天气类型。
在分类理论中，各种情况分为若干组或命名集群。同一组中的成员具有相似的特征，而不同的组具有不同的特征[ 30 ]。每个组都有一个“核心”，显示该组成员的代表性特征。在天气分类的情况下，这些核心被称为特征天气类型。特征天气类型代表了该组中所有成员中气象要素的典型分布。通过这种方式，天气场被分类为具有不同个体特征的不同组。
随着当地天气的背景场传播，较大尺度的天气类型通常与当地的天气过程相关[ 23 ]。因此，天气分类可用于识别和预测各种天气过程，并有助于改善天气预报技能。
实现天气分类有两种主要方法，即气团分类和循环分类[ 30 ]。空气质量分类是指通常基于表面变量（例如压力和温度）的分类，其可以反映当地的天气条件。另一方面，循环分类取决于大尺度参数，例如海平面气压（SLP），位势高度或可描述常规NWP网格上的大气环流的一些其他领域。与空气质量分类相比，循环分类的性能通常优越，因为它考虑了大规模环流和当地气象变量的影响[ 31]。为了运行循环分类方法，有必要预先定义一个域，这样算法只处理该域内的变量分布，本文也称之为“天气情况”。
2.2。Cost733系统
在这项研究中，欧洲科技合作行动733（COST733）系统[ 32 ]被应用于中国的天气分类。该COST733系统，原先用来实现用于评估，比较和在欧洲的天气情况进行分类的一般数值方法，并显示了在以前的研究[性能良好33，34，35 ]。该系统也已应用于欧洲以外地区的天气分类[ 33 ]，因为它具有很高的可操作性和可信度，并且包含大量的分类方案。
本研究中使用的聚类算法是使用倾斜旋转的t模式主成分分析[ 36 ]。这种方法可以在一定程度上避免“雪球效应”，这意味着大多数样本单元在计算中被归类为同一类型，而其他类型的样本单元很少[ 37 ]。因此，该算法确保每种类型具有相对全面的样本大小。该算法已在COST733 [ 32 ]（方法：PCT）中实现，并已应用于一些已发表的着作[ 38 ]。
2.3。运作程序
操作过程分为两个步骤。第一步是根据历史数据建立特征天气类型，第二步是对统计修正模型中使用的案例进行分类。本研究采用循环分类系统。在这种情况下，选择称为SLP的气象要素作为算法中考虑的变量。因此，本文中的“天气类型”一词意味着SLP在所选域中的分布，如图1所示。
**图1.** 按分类创建的18种天气类型
使用ACCT确定1981 - 2010年期间的流通类型和流通类型组
https://link.springer.com/article/10.1007/s00024-016-1273-4
循环类型组
流通类型属于该组
缩写
长名
AAD
较低的反气旋，上部反气旋干燥
SWAAD，NWAAD，NEAAD，SEAAD
ACD
较低的反气旋，上部旋风干燥
SWACD，NWACD，NEACD，SEACD
CDD
降低旋风干燥
SWCCD，NWCCD，NECCD，SECCD，SWCAD，NWCAD，NECAD，SECAD
AAW
较低的反气旋，上部反气旋湿
SWAAW，NWAAW，NEAAW，SEAAW
WACW
西部，下部反气旋，上部气旋湿
SWACW，NWACW
EACW
东部，下部反气旋，上部气旋潮湿
NEACW，SEACW
WCdW
西部，低气旋潮湿
SWCCW，NWCCW，SWCAW，NWCAW
ECdW
东部，低气旋潮湿
NECCW，SECCW，NECAW，SECAW
XX
不明确的平流方向/没有平流
XXAAD，XXAAW，XXACD，XXACW，XXCAD，XXCAW，XXCCD，XXCCW
梁： Lamb-Jenkinson JCT
侯 ：PTT
Inter-annual variability in fine particulate matter pollution over China during 2013–2018: Role of meteorology
cost733class -dat dat:cost733_slp.dat lon:100:130:1 lat:20:50:1 wgt:1.0 -dat dat:cost733_us.dat lon:100:130:1 lat:20:50:1 wgt:1.0 -dat dat:cost733_vs.dat lon:100:130:1 lat:20:50:1 wgt:1.0 -met PTT -ncl 4 -cla PTT_slp_2013-2019-winter.cla -cnt PTT_slp_2013-2019-winter.txt -v 3
陈亮： HCL
张晓雯：青藏高原SAN (simulated annealing and diversified randomization clustering) and KRZ (Kruizinga’s eigenvector-based scheme) were identified as optimum CCMs for synoptic typing over the study
region.
T-mode PCA obliquely rotated PCT 1.0 PCA Huth, 1993
T-mode PCA orthogonally rotated PTT 2.0 PCA Philipp, 2009
SANDRA 法对北京小时强降水扰动环流场的分型研究
6.5.6 SAN | sandra - simulated annealing and diversified randomization
我用的
cost733class -dat var:sp dat:/public/home/hysplit/data/ERA/ERA5_sfc-2013-2018_6-8_0500.nc slo:113.0:120.0:0.25 sla:35.0:45.0:0.25 -met PTT -ncl 6 -cla PTT_slp_2013-2018-summer-jjj.cla -v 3 >&PTT06.logjjj&
cost733class -dat var:sp dat:/public/home/hysplit/data/ERA/ERA5_sfc-2013-2018_6-8_0500.nc slo:110:125:0.25 sla:25:35:0.25 -met PTT -ncl6 -cla PTT_slp_2013-2018-summer.cla -cnt PTT_slp_2013-2018-summer.txt -v 3 >&PTT06.loga&
ost733class -dat var:sp dat:/public/home/hysplit/data/ERA/ERA5_sfc-2013-2018_6-8_0500.nc slo:110.0:125.0:0.25 sla:25.0:35.0:0.25 -met JCT -ncl 6 -cla JCT_slp_2013-2018-summer.cla -v 3 >&JCT06.loga2&
cost733class -dat var:sp dat:/public/home/hysplit/data/ERA/ERA5_sfc-2013-2018_6-8_0500.nc slo:110.0:125.0:0.25 sla:25.0:35.0:0.25 -met PCT -ncl 6 -cla PCT_slp_2013-2018-summer.cla -v 3 >&PCT06.loga2&
cost733class -dat var:t dat:/public/home/hysplit/data/ERA/ERA5-4pl_2013-2018_0500-Temperature.nc slo:110.0:125.0:0.25 sla:25.0:35.0:0.25 sle:700 wgt:1.0 -dat var:t dat:/public/home/hysplit/data/ERA/ERA5-4pl_2013-2018_0500-Temperature.nc slo:110.0:125.0:0.25 sla:25.0:35.0:0.25 sle:1000 wgt:1.0 -met PTT -ncl 9 -cla PTT_t_2013-2018-level700-1000_9.cla -v 3 &>PTT09.log700-1000_t&
cost733class -dat dat:001.txt -met HCL -ncl 9 -crit 1 -cla HCL12.cla -v 3 &>HCL12.loga&
