發(fā)布時(shí)間：2020-09-23 07:06

　　 本文利用TIGGE資料中國(guó)氣象局(CMA)、歐洲中期天氣預(yù)報(bào)中心(ECMWF)、日本氣象廳(JMA)、美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(NCEP)和英國(guó)氣象局(UKMO)五個(gè)中心的全球集合預(yù)報(bào)模式2013年5月1日-8月31日1-10天預(yù)報(bào)時(shí)效的日降水量預(yù)報(bào)值,結(jié)合中國(guó)降水融合產(chǎn)品,對(duì)我國(guó)地面降水進(jìn)行多模式集成預(yù)報(bào)研究。首先利用觀測(cè)資料對(duì)各個(gè)模式的預(yù)報(bào)值進(jìn)行檢驗(yàn),評(píng)估不同模式對(duì)于不同量級(jí)降水的預(yù)報(bào)能力。然后基于雨量分級(jí)使用消除偏差集合平均與超級(jí)集合方法進(jìn)行多模式集成預(yù)報(bào)試驗(yàn),評(píng)估雨量分級(jí)多模式集成的預(yù)報(bào)效果。最后將雨量分級(jí)應(yīng)用至貝葉斯模式平均方法進(jìn)行降水概率預(yù)報(bào)研究,并進(jìn)一步分析雨量分級(jí)的BMA(Bayesian Model Average,BMA)方法對(duì)于降水預(yù)報(bào)的訂正效果,從而得到更加合理的降水確定性預(yù)報(bào)和概率預(yù)報(bào)產(chǎn)品。TIGGE資料中不同預(yù)報(bào)中心對(duì)于降水的預(yù)報(bào)能力各不相同,隨著預(yù)報(bào)時(shí)效的延長(zhǎng),各中心的距平相關(guān)系數(shù)(ACC)與降水的TS評(píng)分逐漸下降,均方根誤差(RMSE)不斷增加。ECMWF在預(yù)報(bào)期內(nèi)ACC最高,均方根誤差最小。五個(gè)中心降水各個(gè)量級(jí)的TS評(píng)分顯示,JMA針對(duì)小雨預(yù)報(bào)技巧最優(yōu),ECMWF對(duì)于中雨和大雨預(yù)報(bào)技巧最優(yōu)。消除偏差集合平均預(yù)報(bào)可以有效地降低模式降水預(yù)報(bào)誤差并提高與實(shí)況的距平相關(guān)系數(shù),預(yù)報(bào)效果優(yōu)于最好的單模式ECMWF。而降水超級(jí)集合預(yù)報(bào)效果并不穩(wěn)定,在個(gè)別預(yù)報(bào)時(shí)效誤差甚至大于最優(yōu)的單個(gè)模式預(yù)報(bào)�；谟炅糠旨�(jí)的消除偏差集合平均、超級(jí)集合預(yù)報(bào)優(yōu)于不分級(jí)集成預(yù)報(bào),尤其是分級(jí)的消除偏差集合平均對(duì)降水預(yù)報(bào)的改進(jìn)最為明顯,在各個(gè)預(yù)報(bào)時(shí)效均方根誤差均小于其他集成方法,相對(duì)于各個(gè)單模式預(yù)報(bào)的均方根誤差的改進(jìn)幅度分別為20%,8%,11%,17%和11%。并且該方法在小雨、中雨和大雨量級(jí)TS評(píng)分均高于相應(yīng)量級(jí)的最優(yōu)單模式預(yù)報(bào)結(jié)果,為最優(yōu)預(yù)報(bào)方法。雨量分級(jí)BMA方法對(duì)降水的概率預(yù)報(bào)更為準(zhǔn)確,并且通過(guò)合理優(yōu)化各模式的權(quán)重系數(shù)分配,使得確定性預(yù)報(bào)的準(zhǔn)確率提高。從區(qū)域的預(yù)報(bào)效果來(lái)看,不分級(jí)BMA可以準(zhǔn)確地預(yù)報(bào)降水的落區(qū)以及雨帶的位置,但是其確定性預(yù)報(bào)結(jié)果相對(duì)實(shí)況值量級(jí)偏小,而分級(jí)的BMA預(yù)報(bào)結(jié)果與實(shí)況的ACC和RMSE均優(yōu)于不分級(jí)BMA與最優(yōu)單模式預(yù)報(bào),是一種更加合理的預(yù)報(bào)方法。
【學(xué)位單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：P456.7
【部分圖文】：

氣象局（ＣＭＣ）、日本氣象廳（ＪＭＡ）、韓國(guó)氣象中心（ＫＭＡ）的集合預(yù)報(bào)系統(tǒng)。目前逡逑全球范圍內(nèi)共設(shè)立了邋３個(gè)ＴＩＧＧＥ集合預(yù)報(bào)產(chǎn)品的數(shù)據(jù)中心，分別為中國(guó)氣象局（ＣＭＡ）、逡逑歐洲中期天氣預(yù)報(bào)中心（ＥＣＭＷＦ）與美國(guó)國(guó)家環(huán)境與預(yù)報(bào)中心（ＮＣＥＰ）（圖２．１）。這三個(gè)逡逑中心收集了來(lái)自上述預(yù)報(bào)中心的集合預(yù)報(bào)產(chǎn)品，用戶(hù)可以通過(guò)網(wǎng)絡(luò)直接獲取所需要的資逡逑料進(jìn)行使用［６２］。逡逑７逡逑

針對(duì)每一個(gè)格點(diǎn)，其中0為觀測(cè)值的平均為第ｉ個(gè)模式的預(yù)報(bào)值，ｇ為第ｉ個(gè)逡逑模式預(yù)報(bào)的平均值，Ｎ為參與集合的模式總數(shù)，本文為５；該方法是將資料按照時(shí)間序逡逑列分為訓(xùn)練期和預(yù)報(bào)期（如圖２．３），對(duì)訓(xùn)練期的模式預(yù)報(bào)和實(shí)況數(shù)據(jù)進(jìn)行預(yù)報(bào)偏差計(jì)算，逡逑洱將該偏差應(yīng)用至預(yù)報(bào)期，對(duì)預(yù)報(bào)結(jié)果進(jìn)行訂正。逡逑Ａ邋：觀測(cè)值邐時(shí)間軸逡逑—Ａ邐邐邋——————逡逑訓(xùn)練期邐預(yù)報(bào)期逡逑圖２．３訓(xùn)練期和預(yù)報(bào)期示意圖（引自：何誠(chéng)飛２０１６）逡逑智協(xié)飛等［３４１首次使用的滑動(dòng)訓(xùn)練期計(jì)算模式與實(shí)況的偏差，研宄表明滑動(dòng)訓(xùn)練期相逡逑比以往的固定訓(xùn)練期方法有一定的優(yōu)越性，長(zhǎng)度一定的訓(xùn)練期隨著預(yù)報(bào)時(shí)間的增加逐漸逡逑向后滑動(dòng)，確保訓(xùn)練期數(shù)據(jù)始終臨近預(yù)報(bào)期，保證了訓(xùn)練期數(shù)據(jù)的代表性，也實(shí)現(xiàn)了訓(xùn)逡逑練期模式與實(shí)況之間偏差的逐步更新。因此本文使用的是滑動(dòng)訓(xùn)練期消除偏差集合平均。逡逑基于雨量分級(jí)的消除偏差集合平均方法的核心思路就是將日降水量按照小雨逡逑（１０ｍｍ以下）、中雨（１０－２５ｍｍ）和大雨（２５ｍｍ）三個(gè)降水量級(jí)進(jìn)行分類(lèi)，在訓(xùn)練期分逡逑ＩＩ逡逑

邐？邐今逡逑圖２．２雙線性插值方法的基本原理示意（引自：王姝蘇２０１６）逡逑（２）消除偏差集合平均預(yù)報(bào)方法（ＢＲＥＭ）逡逑Ｖｓｒｅｍ逡逑■／Ｖ邋／＝１逡逑針對(duì)每一個(gè)格點(diǎn)，其中0為觀測(cè)值的平均為第ｉ個(gè)模式的預(yù)報(bào)值，ｇ為第ｉ個(gè)逡逑模式預(yù)報(bào)的平均值，Ｎ為參與集合的模式總數(shù)，本文為５；該方法是將資料按照時(shí)間序逡逑列分為訓(xùn)練期和預(yù)報(bào)期（如圖２．３），對(duì)訓(xùn)練期的模式預(yù)報(bào)和實(shí)況數(shù)據(jù)進(jìn)行預(yù)報(bào)偏差計(jì)算，逡逑洱將該偏差應(yīng)用至預(yù)報(bào)期，對(duì)預(yù)報(bào)結(jié)果進(jìn)行訂正。逡逑Ａ邋：觀測(cè)值邐時(shí)間軸逡逑—Ａ邐邐邋——————逡逑訓(xùn)練期邐預(yù)報(bào)期逡逑圖２．３訓(xùn)練期和預(yù)報(bào)期示意圖（引自：何誠(chéng)飛２０１６）逡逑智協(xié)飛等［３４１首次使用的滑動(dòng)訓(xùn)練期計(jì)算模式與實(shí)況的偏差，研宄表明滑動(dòng)訓(xùn)練期相逡逑比以往的固定訓(xùn)練期方法有一定的優(yōu)越性，長(zhǎng)度一定的訓(xùn)練期隨著預(yù)報(bào)時(shí)間的增加逐漸逡逑向后滑動(dòng)，確保訓(xùn)練期數(shù)據(jù)始終臨近預(yù)報(bào)期，保證了訓(xùn)練期數(shù)據(jù)的代表性，也實(shí)現(xiàn)了訓(xùn)逡逑練期模式與實(shí)況之間偏差的逐步更新。因此本文使用的是滑動(dòng)訓(xùn)練期消除偏差集合平均。逡逑基于雨量分級(jí)的消除偏差集合平均方法的核心思路就是將日降水量按照小雨逡逑（１０ｍｍ以下）、中雨（１０－２５ｍｍ）和大雨（２５ｍｍ）三個(gè)降水量級(jí)進(jìn)行分類(lèi)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張涵斌;智協(xié)飛;王亞男;陳靜;張雷;李靖;;基于TIGGE資料的西太平洋熱帶氣旋多模式集成預(yù)報(bào)方法比較[J];氣象;2015年09期

2 江志紅;盧堯;丁裕國(guó);;基于時(shí)空結(jié)構(gòu)指標(biāo)的中國(guó)融合降水資料質(zhì)量評(píng)估[J];氣象學(xué)報(bào);2013年05期

3 張蒙蒙;江志紅;;我國(guó)高分辨率降水融合資料的適用性評(píng)估[J];氣候與環(huán)境研究;2013年04期

4 智協(xié)飛;季曉東;張t

本文編號(hào)：2825009