基于ARPS3DVAR+WRF （Advanced Regional Prediction and 3-dimensional variational System）快速同化模式對(duì)西南地區(qū)近幾年發(fā)生的4次強(qiáng)降水過(guò)程進(jìn)行模擬試驗(yàn),對(duì)12 h降水預(yù)報(bào)結(jié)果采用升尺度方法,計(jì)算鄰域平均預(yù)報(bào)、站點(diǎn)概率預(yù)報(bào),最終形成鄰域概率預(yù)報(bào),并細(xì)致分析了這三種預(yù)報(bào)的特點(diǎn)與效果,討論了升尺度窗區(qū)尺度給不同量級(jí)降水帶來(lái)的影響,最后結(jié)合AROC評(píng)分與鄰域空間檢驗(yàn)FSS討論業(yè)務(wù)概率預(yù)報(bào)應(yīng)用的最佳尺度。結(jié)果表明:升尺度鄰域平均預(yù)報(bào)在小雨與大暴雨量級(jí)降水上表現(xiàn)不穩(wěn)定,對(duì)中雨的預(yù)報(bào)提高不明顯,但是對(duì)大雨與暴雨預(yù)報(bào)有較好的改善效果;站點(diǎn)概率預(yù)報(bào)具有一定的誤導(dǎo)性,而鄰域概率預(yù)報(bào)可以彌補(bǔ)其缺憾,越高分辨率的模式有更多的降水樣本,在降水不確定性上能給出更好的概率分級(jí)信息;相對(duì)鄰域平均的升尺度預(yù)報(bào)TS檢驗(yàn)結(jié)果,基于鄰域概率的FSS和AROC分析有更好的預(yù)報(bào)技巧指導(dǎo)意義;36 km升尺度窗區(qū)既能消除一定程度的強(qiáng)降水預(yù)報(bào)不確定性,同時(shí)也可以保留適當(dāng)?shù)膶?duì)流尺度特征,為最佳升尺度窗區(qū)。 

【文章來(lái)源】：暴雨災(zāi)害. 2020,39(04)

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
引言
1 資料和方法
    1.1 暴雨過(guò)程遴選與分類(lèi)
    1.2 模式系統(tǒng)與觀測(cè)資料
    1.3 升尺度鄰域平均預(yù)報(bào)方法
    1.4 格點(diǎn)概率提取與鄰域概率預(yù)報(bào)方法
    1.5 預(yù)報(bào)檢驗(yàn)
        1.5.1 傳統(tǒng)檢驗(yàn)法
        1.5.2 鄰域空間檢驗(yàn)法FSS
        1.5.3 相對(duì)作用特征面積AROC
2 試驗(yàn)結(jié)果
    2.1 典型大尺度暴雨
    2.2 局地分散型暴雨
    2.3 鄰域平均預(yù)報(bào)檢驗(yàn)結(jié)果
    2.4 鄰域概率預(yù)報(bào)檢驗(yàn)結(jié)果
3 結(jié)論和討論


【參考文獻(xiàn)】：
期刊論文
[1]對(duì)流尺度集合預(yù)報(bào)中模式地形擾動(dòng)對(duì)其預(yù)報(bào)技巧的影響研究[J]. 陳良呂,吳鉦,高松.  暴雨災(zāi)害. 2019(06)
[2]基于MODE對(duì)模式預(yù)報(bào)強(qiáng)風(fēng)風(fēng)場(chǎng)的檢驗(yàn)分析[J]. 陳笑,趙東,何曉鳳,沈歷都,申雙和,宋麗莉,劉善峰.  氣象. 2018(08)
[3]鄰域空間檢驗(yàn)方法在降水評(píng)估中的應(yīng)用[J]. 趙濱,張博.  暴雨災(zāi)害. 2018(01)
[4]上海市城市暴雨內(nèi)澇評(píng)估建模及模擬研究[J]. 楊辰,王強(qiáng),顧宇丹.  氣象. 2017(07)
[5]高分辨率GRAPES模式中云微物理方案對(duì)強(qiáng)降水的模擬和診斷研究[J]. 聶皓浩,劉奇俊,馬占山.  氣象. 2016(12)
[6]SMS-WARMS V2.0模式預(yù)報(bào)效果檢驗(yàn)[J]. 徐同,李佳,楊玉華,王曉峰,陳葆德.  氣象. 2016(10)
[7]數(shù)值模式降水評(píng)分對(duì)分辨率的敏感性初探[J]. 王在文,梁旭東,范水勇,高華.  暴雨災(zāi)害. 2016(01)
[8]集合預(yù)報(bào)方法在暴雨研究和預(yù)報(bào)中的應(yīng)用[J]. 杜鈞,李俊.  氣象科技進(jìn)展. 2014(05)



本文編號(hào)：3196973