下载文档原格式
中国历年冬天平均气候1、中国气象局监测显示，2013—2014年冬季，中国平均气温为-4.7摄氏度，是1987年以来的最低值这是指在这段时间里的平均气温为零下4.7度（是指所有的测站数据的平均值之后的再平均得出来的）。
2、全国各大城市的年平均温度城市夏季平均温度年平均温度冬季平均温度城市夏季平均温度年平均温度冬季平均温度北京 26.1 11.8 -4.6 杭州 28.1 15.8 4.7天津 25.2 12.2 -4.2 福州 28.9 19.3 11.6石家庄 27.4 13.3 -2 郑州 27.2 14.2 0.3南京 27.7 15.6 -2.7 武汉 29.1 16.5 4.3兰州 23.4 9.5 -4.1 长沙 28.9 17.25 4.7银川 24.1 8.4 -7.2 南昌 28.6 17.8 8.4济南 28.2 14.6 -0.4 南宁 28.3 21.7 13.7西安 27.36 13.7 0 广州 28.5 21.8 14.2太原 24.2 9.9 -5.2 成都 25.8 16.6 6.2西宁 14.7 5.1 -8 重庆 29 17.8 8乌鲁木齐 24.1 5.7 -13 昆明 21.1 20.6 9.4呼和浩特 23.7 6.2 -11.4 贵阳 23.6 19.9 4.9哈尔滨 24.3 4.4 -17.2 拉萨 15.8 7.9 0.8长春 24.5 5.1 -15.2 合肥 28 15.3 2.5沈阳 25.6 7.8 -12 上海 28.6 17.9 4.7大连 24.4 10.8 -3.8 香港 28 23.3 15海口 29.1 23.8 -18.8 澳门 28.5 22.3 14.53、天津地区历年冬季平均气温是多少度？多年历史统计，天津12月、1月、2月平均气温分别为-0.8、-3.1和 -1.0℃，也就是冬季平均气温为-1.6℃。
由于统计资料起止时间不同可能有微小差异，但应该相差不大。
厄尔尼诺造成中国暖冬原理厄尔尼诺现象是指赤道太平洋地区海表温度异常升高，从而引发全球气候变化的一种自然现象。
这种现象通常发生于每隔两到七年的时间间隔内，对世界各国的冬季天气有着重要影响。
对于中国而言，厄尔尼诺现象常常导致暖冬的到来。
一、厄尔尼诺与中国暖冬的关系厄尔尼诺现象会导致一系列的气候异常现象，包括温度和降水的改变。
由于厄尔尼诺时期赤道太平洋海洋表层温暖，海洋表面蒸发增加，导致大量水汽进入大气层。
这些水汽会形成云团，并在大气中传导，从而影响到全球的气候系统。
在厄尔尼诺时期，赤道太平洋上空的暖湿气流会受到加强，而中国东部则处于受到厄尔尼诺影响的亚洲季风的北边缘。
这导致中国东部冬季的气温偏高，并且降水量较少。
二、厄尔尼诺造成中国暖冬的原理厄尔尼诺现象导致中国暖冬的原理可以从以下两个方面来解释。
1. 大气环流异常影响厄尔尼诺现象会导致赤道东太平洋地区的热空气上升，形成高压系统。
这个高压系统会引发大气环流异常，使得中国东部的冬季气温升高。
具体来说，厄尔尼诺时期，西太平洋副高移动偏北，使得南海地区和中国东部受到更多的暖湿气流影响。
这导致冬季的气温明显偏高，并且出现的冷空气活动频繁、强度减弱，降水量也偏少。
2. 海洋表面温度异常影响厄尔尼诺现象使得赤道太平洋海洋表层温度升高，而海洋是调节气候的重要因素之一。
海洋表面温度的变化会对大气环流产生重要影响，从而影响到中国的冬季气候。
在厄尔尼诺时期，赤道太平洋海洋表层温度升高，导致温暖的海洋水汽向东南方向传播。
这会改变东亚地区的季风环流格局，并且增加水汽输送量。
水汽增多会在中国东部形成较为稳定的高压系统，进一步导致气温升高。
三、厄尔尼诺造成中国暖冬的影响厄尔尼诺造成的中国暖冬对各个方面都会产生影响。
1. 农业影响中国东部冬季气温升高，对于农作物的生长和发育有利。
但由于降水量减少，也可能导致农业灌溉困难和水资源短缺。
因此，对于农业来说，厄尔尼诺造成的中国暖冬是带来利与弊并存的。
doi:10.11676/qxxb2024.20230111气象学报东亚冬季风指数对中国冬季气候变化表征能力的对比分析*敖康顺1 耿 新1 张文君1 王 林1,2AO Kangshun1 GENG Xin1 ZHANG Wenjun1 WANG Lin1,21. 南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心，南京，2100442. 中国科学院大气物理研究所季风系统研究中心，北京，1000291. Key Laboratory of Meteorological Disaster of Ministry of Education，Joint International Research Laboratory of Climate and Environment Change，Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，Nanjing University of Information Science and Technology，Nanjing 210044，China2. Center for Monsoon System Research，Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China2023-07-28收稿，2023-11-17改回.敖康顺，耿新，张文君，王林. 2024. 东亚冬季风指数对中国冬季气候变化表征能力的对比分析. 气象学报，82（2）：168-189Ao Kangshun， Geng Xin， Zhang Wenjun， Wang Lin. 2024. Comparative analysis of the performance of East Asian winter monsoon indices in capturing winter climate change over China. Acta Meteorologica Sinica， 82（2）:168-189Abstract Based on the ERA5 atmospheric reanalysis dataset and the stational surface air temperature (SAT) and precipitation data from China National Climate Centre during 1951—2022, 33 East Asian winter monsoon (EAWM) indices are selected and categorized into six types, namely the land-sea sea-level pressure (SLP) difference indices, the Siberian high indices, the East Asian trough indices, the low-level wind indices, the mid- to high-level wind indices, and the synthetic indices. Characteristics of their long-term linear trends and interannual and interdecadal variabilities are then analyzed. Their abilities to represent the spatiotemporal variability of winter SAT and precipitation in China and their relationships with major internal variabilities of the climate system such as the El Niño-Southern Oscillation (ENSO) and the Arctic Oscillation (AO) are also evaluated. The results are as follows: (1) In terms of long-term trend, although winter climate in China is characterized by an obvious warming and wetting trend, only the East Asian trough and the synthetic indices exhibit a significant weakening trend, while other indices basically show a weak strengthening trend. This result suggests that there are certain differences in the responses of different sub-members of the EAWM to current global warming. (2) On the interannual and interdecadal variability, the EAWM indices mainly show characteristics of quasi-4 a, quasi-8 a and quasi-16 a periodic oscillations. Most of the indices can well capture the interdecadal weakening of the EAWM that occurred around the mid to late 1980s. Meanwhile, the Siberian high indices, the East Asian through indices, the mid- to high-level wind indices and the land-sea SLP difference indices which consider the north-south SLP difference, show a good representation of the interdecadal strengthening of the EAWM that occurred in the mid-2000s. (3) All types of indices, except the low-level wind indices, perform well in reflecting the SAT variability in China. In particular, the indices based on the Siberian high show the best performance. The winter precipitation variability in China is best described by the low-level wind indices, while the Siberian high indices show relatively poor representation. (4) Regarding the relationship between major internal variability of the climate system and the EAWM, most of the indices show an excellent performance in reflecting the ENSO-EAWM relationship, among which the* 资助课题：国家自然科学基金项目（42125501）。
近五十年来中国冬季风寒温度的变化1冯胜辉，龚道溢，张自银，何学兆，郭栋，雷杨娜（北京师范大学资源学院，地表过程与资源生态国家重点实验室，北京 100875）摘要：风寒温度是冬季表征人体热舒适度常用的参数，也是气候变化影响研究中关注的要素。
本文利用中国地面国际交换站气候资料月值数据集的气温和风速，计算和分析了1956～2005年中国冬季风寒温度的时间和空间变化特征。
结果表明，近50年来中国冬季风寒温度普遍呈上升趋势，全国平均升高3.2℃，变化速率达0.64℃/10a；西北、华北、东北和青藏地区的上升速率分别为0.79℃/10a、0.84℃/10a、0.81℃/10a、0.80℃/10a，其中华北北部农牧交错带地区上升趋势最为强烈，超过1℃/10a；35°N以南的我国南方地区上升速率较低，为0.39℃/10a。
风寒温度的这种变化特征是近50年来气温升高和风速下降综合作用的结果。
其中气温变化造成的风寒温度上升是2.4℃,而地表风速下降对风寒温度的贡献为0.8 ℃。
东亚气温和风速的变化受诸多大气环流系统的影响，分析表明影响东亚气候的几个主要环流因子中，西伯利亚高压、北极涛动、西太平洋遥相关型和欧亚遥相关型等与风寒温度有显著相关。
这四个环流因子一起能解释50年来全国平均风寒温度方差的46.7%。
全国平均气温与这四个环流因子的相关分别达到-0.65，+0.49，+0.31和-0.32；而平均风速与北极涛动的相关最显著，达-0.51。
关键词：冬季；风寒温度；气温；风速；趋势1 引言影响室外人体热舒适度的气象要素包括：气温、风速、湿度等，以及吸收和散失的热量、对流和传导，还有人体可以改变自身热量舒适程度的诸多因子[1]。
在这些要素中，气温和风速起主导作用[2]。
早在1920年，Hill[3,4]就开始了大气环境对人体热舒适度的影响研究。
Siple 和Passel[1]在南极进行科学研究探险时提出风寒(windchill)概念，用以描述冷空气以风的形式运动时人体所承受寒冷感觉的程度，以及裸露体表被冻伤的危险度，并定义风寒指数(wind chill index ，WCI，单位Kcal/m2·h-1)来表示一定气温和风速作用下，裸露的体表面每平方米每小时散发的热量，同时利用大量的实验数据拟合出了风寒指数的经验公式。
气象中的统计方法总结气象中的统计方法总结中国近20年来气象统计预报综述中国近20年来气象统计预报综述谢炯光曾琮（广东省气象台）摘要近20年来，多元统计分析方法有了长足的进步，涌现出不少新方法、新技术。
本文着重介绍了近20年来气象统计预报在中国气象业务科研中的一些应用和发展，主要从多元统计分析意义上来选材。
关键词：多元分析、气象统计、预报。
一、前言气象统计预报在中国气象业务预报和科研工作中占有重要的位置，特别是在模式统计释用及中长期预报业务中，统计预报更是扮演着一个重要的角色，多元分析中的回归分析、典型相关分析、EOF分析等更是气象预报和分析不可少缺的工具。
近20年来，气象统计预报在中国取得了长足的发展。
本文主要综述统计方法在气象预报业务中的各个方面的应用及其所取得的一些成绩。
二、多元统计分析在气象预报业务中的应用1、回归分析广东、江西、河北、辽宁等气象局[1]用0、1权重回归、逐步回归、多元回归等方法，得出晴雨MOS预报方程。
1978年曹鸿兴等、史久恩等[2]用逐步回归建立最高、最低气温预报方程。
新疆自治区气象台张家宝等[3]以预报员经验为基础，采用完全预报（PerfectProgMethod）方法,应用0、1权重回归建立了有无寒潮的预报。
上海气象台丁长根、黄家鑫[4]用逐步回归建立U、V和S（全风速）预报方程。
1965年W.F.Massy[5]提出的主成份回归、1970年Hoerl和Kennard[6]提出的岭估计(Ridgeestimate)以及Webster等人[7]提出的特征根回归(Latentrootregression,LRR)对在回归分析中出现复共线性(Multi-collinearity)有较好的处理。
冯耀煌[8]在预报集成中,应用了岭回归技术,李耀先[9]用岭回归作水稻产量年景预测。
魏松林[10]用特征根回归建立长春6-8月平均气温的特征根回归。
Furnialhe和Wilson提出的穷尽所有回归的算法，比较彻底地解决了最优回归（即最优子集回归）的问题。
