基于雨量分级的我国地面降水的多模式集成预报研究

发布时间：2020-09-23 07:06

　　本文利用TIGGE资料中国气象局(CMA)、欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)五个中心的全球集合预报模式2013年5月1日-8月31日1-10天预报时效的日降水量预报值,结合中国降水融合产品,对我国地面降水进行多模式集成预报研究。首先利用观测资料对各个模式的预报值进行检验,评估不同模式对于不同量级降水的预报能力。然后基于雨量分级使用消除偏差集合平均与超级集合方法进行多模式集成预报试验,评估雨量分级多模式集成的预报效果。最后将雨量分级应用至贝叶斯模式平均方法进行降水概率预报研究,并进一步分析雨量分级的BMA(Bayesian Model Average,BMA)方法对于降水预报的订正效果,从而得到更加合理的降水确定性预报和概率预报产品。TIGGE资料中不同预报中心对于降水的预报能力各不相同,随着预报时效的延长,各中心的距平相关系数(ACC)与降水的TS评分逐渐下降,均方根误差(RMSE)不断增加。ECMWF在预报期内ACC最高,均方根误差最小。五个中心降水各个量级的TS评分显示,JMA针对小雨预报技巧最优,ECMWF对于中雨和大雨预报技巧最优。消除偏差集合平均预报可以有效地降低模式降水预报误差并提高与实况的距平相关系数,预报效果优于最好的单模式ECMWF。而降水超级集合预报效果并不稳定,在个别预报时效误差甚至大于最优的单个模式预报。基于雨量分级的消除偏差集合平均、超级集合预报优于不分级集成预报,尤其是分级的消除偏差集合平均对降水预报的改进最为明显,在各个预报时效均方根误差均小于其他集成方法,相对于各个单模式预报的均方根误差的改进幅度分别为20%,8%,11%,17%和11%。并且该方法在小雨、中雨和大雨量级TS评分均高于相应量级的最优单模式预报结果,为最优预报方法。雨量分级BMA方法对降水的概率预报更为准确,并且通过合理优化各模式的权重系数分配,使得确定性预报的准确率提高。从区域的预报效果来看,不分级BMA可以准确地预报降水的落区以及雨带的位置,但是其确定性预报结果相对实况值量级偏小,而分级的BMA预报结果与实况的ACC和RMSE均优于不分级BMA与最优单模式预报,是一种更加合理的预报方法。
【学位单位】：南京信息工程大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P456.7
【部分图文】：

示意图,交换中心,集合预报产品,全球

气象局（ＣＭＣ）、日本气象厅（ＪＭＡ）、韩国气象中心（ＫＭＡ）的集合预报系统。目前逡逑全球范围内共设立了邋３个ＴＩＧＧＥ集合预报产品的数据中心，分别为中国气象局（ＣＭＡ）、逡逑欧洲中期天气预报中心（ＥＣＭＷＦ）与美国国家环境与预报中心（ＮＣＥＰ）（图２．１）。这三个逡逑中心收集了来自上述预报中心的集合预报产品，用户可以通过网络直接获取所需要的资逡逑料进行使用［６２］。逡逑７逡逑

示意图,双线性插值,基本原理

针对每一个格点，其中0为观测值的平均为第ｉ个模式的预报值，ｇ为第ｉ个逡逑模式预报的平均值，Ｎ为参与集合的模式总数，本文为５；该方法是将资料按照时间序逡逑列分为训练期和预报期（如图２．３），对训练期的模式预报和实况数据进行预报偏差计算，逡逑洱将该偏差应用至预报期，对预报结果进行订正。逡逑Ａ邋：观测值逦时间轴逡逑—Ａ逦逦邋——————逡逑训练期逦预报期逡逑图２．３训练期和预报期示意图（引自：何诚飞２０１６）逡逑智协飞等［３４１首次使用的滑动训练期计算模式与实况的偏差，研宄表明滑动训练期相逡逑比以往的固定训练期方法有一定的优越性，长度一定的训练期随着预报时间的增加逐渐逡逑向后滑动，确保训练期数据始终临近预报期，保证了训练期数据的代表性，也实现了训逡逑练期模式与实况之间偏差的逐步更新。因此本文使用的是滑动训练期消除偏差集合平均。逡逑基于雨量分级的消除偏差集合平均方法的核心思路就是将日降水量按照小雨逡逑（１０ｍｍ以下）、中雨（１０－２５ｍｍ）和大雨（２５ｍｍ）三个降水量级进行分类，在训练期分逡逑ＩＩ逡逑

示意图,示意图,集合平均,模式预报

逦？逦今逡逑图２．２双线性插值方法的基本原理示意（引自：王姝苏２０１６）逡逑（２）消除偏差集合平均预报方法（ＢＲＥＭ）逡逑Ｖｓｒｅｍ逡逑■／Ｖ邋／＝１逡逑针对每一个格点，其中0为观测值的平均为第ｉ个模式的预报值，ｇ为第ｉ个逡逑模式预报的平均值，Ｎ为参与集合的模式总数，本文为５；该方法是将资料按照时间序逡逑列分为训练期和预报期（如图２．３），对训练期的模式预报和实况数据进行预报偏差计算，逡逑洱将该偏差应用至预报期，对预报结果进行订正。逡逑Ａ邋：观测值逦时间轴逡逑—Ａ逦逦邋——————逡逑训练期逦预报期逡逑图２．３训练期和预报期示意图（引自：何诚飞２０１６）逡逑智协飞等［３４１首次使用的滑动训练期计算模式与实况的偏差，研宄表明滑动训练期相逡逑比以往的固定训练期方法有一定的优越性，长度一定的训练期随着预报时间的增加逐渐逡逑向后滑动，确保训练期数据始终临近预报期，保证了训练期数据的代表性，也实现了训逡逑练期模式与实况之间偏差的逐步更新。因此本文使用的是滑动训练期消除偏差集合平均。逡逑基于雨量分级的消除偏差集合平均方法的核心思路就是将日降水量按照小雨逡逑（１０ｍｍ以下）、中雨（１０－２５ｍｍ）和大雨（２５ｍｍ）三个降水量级进行分类

【参考文献】