论文部分内容阅读
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。