论文部分内容阅读
利用TIGGE资料中欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)、英国气象局(UKMO)以及日本气象厅(JMA)四个中心1-7天预报时效的降水量预报资料,以TRMM/3B42RT降水量作为“观测值”,对东亚地区降水量进行统计降尺度处理。首先针对TIGGE资料中各个集合系统对降水的预报能力进行评估,发现降水预报结果存在空报以及极值偏小的问题。通过双线性插值法,将低分辨率的预报资料插值到精细化的网格上,与TRMM资料分辨率一致,再利用逻辑回归方法将天气分为有雨和无雨,针对有雨的情况,通过一元线性回归方法对插值后的预报结果进行降尺度订正。结果表明,逻辑回归能够有效地改善数值预报结果小雨的空报情况,经过统计降尺度订正之后,各个模式的预报结果与“实况”场之间的距平相关系数(ACC)增大,均方根误差(RMSE)有所减小,各个时效的预报结果与直接插值相比更准确。将四个中心的预报值进行消除偏差集合平均(BREM),得到多模式集成的降水预报场,最后针对降尺度以及多模式集成引起的极值偏小的情况,提出分级降尺度的方法,并对大雨及以上等级的降雨进行二次订正。结果表明,多模式集成之后各个时效的预报结果与“实况”场之间的相关系数大于各个单模式,而均方根误差小于各个单模式,说明多模式集成的预报效果优于所有的单模式,其改进程度随着预报时效的延长逐渐减弱。针对线性回归及多模式集成可能平滑掉预报中的部分极值的问题,采用分级降尺度及二次订正的方法之后,大雨及以上等级降水的ETS评分有所提高,订正之后整体的距平相关系数也高于多模式集成的降尺度结果,说明该订正方法对降水极值偏小问题的处理是有效的。由于数值模式本身的问题以及一系列统计方法的应用,导致预报结果的相关性较实际相比偏小,采用Schaake Shuffle方法,用“实况”场的空间结构与集合成员进行匹配,对各个集合成员重新进行排序,能够对预报结果的空间相关性进行重建,排序之后的集合成员具有更接近实际的空间相关性。