基于ECMWF高分辨率數(shù)值模式物理量診斷產(chǎn)品,利用邏輯回歸法開展江西定量降水客觀預(yù)報(bào)試驗(yàn),并進(jìn)行檢驗(yàn)和改進(jìn)。結(jié)果表明:（1）初始方案中直接提取預(yù)報(bào)因子單站建模所得到的預(yù)報(bào)結(jié)果較數(shù)值模式原始輸出降水改進(jìn)效果有限,但在經(jīng)過(guò)降水分區(qū)優(yōu)化、多倍數(shù)暴雨樣本擴(kuò)充、本地氣候頻率降水訂正等改進(jìn)步驟后,各等級(jí)降水預(yù)報(bào)均較初始方案TS有不同程度的提高。（2）2018年降水試驗(yàn)結(jié)果表明,改進(jìn)方案的晴雨、各等級(jí)降水預(yù)報(bào)TS均高于EC模式降水和預(yù)報(bào)員,其中大雨、暴雨以上量級(jí)相對(duì)數(shù)值模式以及預(yù)報(bào)員的訂正提高率達(dá)到1/4～1倍。（3）本方案預(yù)報(bào)產(chǎn)品對(duì)強(qiáng)天氣尺度強(qiáng)迫下、落區(qū)相對(duì)集中的暴雨天氣有較好的識(shí)別能力;而在暖區(qū)暴雨、盛夏副熱帶高壓邊緣暴雨、高架對(duì)流等強(qiáng)降水落區(qū)分散且范圍較小的情況下,或是當(dāng)模式對(duì)天氣形勢(shì)、主雨帶預(yù)報(bào)有明顯系統(tǒng)性偏差時(shí),無(wú)法有明顯改進(jìn)。 

【文章來(lái)源】：高原氣象. 2020,39(04)北大核心CSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

EC模式、客觀訂正降水、預(yù)報(bào)員對(duì)2018年24～72 h內(nèi)逐12 h降水預(yù)報(bào)評(píng)分對(duì)比

本文的技術(shù)方案可用圖1描述。根據(jù)預(yù)報(bào)量與因子的相關(guān)性，選取與降水預(yù)報(bào)相關(guān)的物理因子為建模所用。將影響因子進(jìn)行主成分分析并建立邏輯回歸判別模型，得到初始預(yù)報(bào)結(jié)果，即初始方案結(jié)果。根據(jù)試驗(yàn)結(jié)果對(duì)預(yù)報(bào)方案升級(jí)、調(diào)整，如優(yōu)化降水分區(qū)、增大樣本數(shù)量、本地降水頻率控制等，即改進(jìn)方案。經(jīng)過(guò)參數(shù)訓(xùn)練之后，最終生成最優(yōu)定量降水預(yù)報(bào)產(chǎn)品。在業(yè)務(wù)運(yùn)行中，對(duì)過(guò)去2年的模式資料每日滾動(dòng)運(yùn)算，更新參數(shù)閾值，實(shí)現(xiàn)客觀定量降水預(yù)報(bào)業(yè)務(wù)化。3.3.1 初始方案

由圖4可知，客觀降水預(yù)報(bào)結(jié)果在24～72 h晴雨預(yù)報(bào)與省、市級(jí)預(yù)報(bào)員TS相當(dāng)，基本在85左右，并超過(guò)EC模式和中央臺(tái)網(wǎng)格預(yù)報(bào)6%～16%。在分等級(jí)預(yù)報(bào)中，預(yù)報(bào)員對(duì)中雨量級(jí)的TS結(jié)果與EC基本持平，略高于客觀降水的預(yù)報(bào)結(jié)果。但對(duì)小雨、大雨、暴雨量級(jí)預(yù)報(bào)，客觀訂正降水預(yù)報(bào)準(zhǔn)確率較EC或預(yù)報(bào)員有不同程度的提高。以小雨為例，客觀預(yù)報(bào)結(jié)果較EC的提高率為12%～16%，較中央臺(tái)網(wǎng)格預(yù)報(bào)提高28%左右，較省、市預(yù)報(bào)員提高7%～12%；對(duì)大雨量級(jí)，較EC和中央臺(tái)網(wǎng)格預(yù)報(bào)提高率為25%～35%；對(duì)逐12 h暴雨預(yù)報(bào)，客觀預(yù)報(bào)改進(jìn)效果更加明顯，24～72 h暴雨TS分別為11.5,8.5和8.1，較市級(jí)預(yù)報(bào)員成績(jī)提高了30%～50%，較省級(jí)預(yù)報(bào)員成績(jī)提高了70%～90%，較中央臺(tái)網(wǎng)格預(yù)報(bào)提高了120%～140%，較EC模式的提高率在24～48 h更是達(dá)到了2倍以上。4.2 暴雨預(yù)報(bào)能力評(píng)估

【參考文獻(xiàn)】：
期刊論文
[1]強(qiáng)對(duì)流臨近預(yù)警中集合預(yù)報(bào)成員的即時(shí)分析——以隴東一次暴雨過(guò)程ECMWF集合預(yù)報(bào)應(yīng)用為例[J]. 傅朝,劉維成,楊曉軍,聶燦奇,彭筱.  高原氣象. 2019(01)
[2]集合模式定量降水預(yù)報(bào)的統(tǒng)計(jì)后處理技術(shù)研究綜述[J]. 代刊,朱躍建,畢寶貴.  氣象學(xué)報(bào). 2018(04)
[3]基于Logistic回歸和多指標(biāo)疊加的短時(shí)強(qiáng)降水預(yù)報(bào)模型[J]. 白曉平,靳雙龍,王式功,趙璐,尚可政.  氣象科學(xué). 2018(04)
[4]基于BGM的對(duì)流尺度集合預(yù)報(bào)試驗(yàn)及其檢驗(yàn)[J]. 馬申佳,陳超輝,何宏讓,李湘,李毅.  高原氣象. 2018(02)
[5]基于集合預(yù)報(bào)系統(tǒng)的日最高和最低氣溫預(yù)報(bào)[J]. 熊敏詮.  氣象學(xué)報(bào). 2017(02)
[6]ECMWF集合預(yù)報(bào)在中國(guó)中部地區(qū)的降水概率預(yù)報(bào)性能評(píng)估[J]. 潘留杰,張宏芳,陳小婷,屈麗瑋,袁媛.  高原氣象. 2017(01)
[7]基于Logistic回歸蚌埠地區(qū)致災(zāi)雷電預(yù)報(bào)研究[J]. 周麗雅,王凱,劉倪.  氣象與環(huán)境學(xué)報(bào). 2016(05)
[8]定量降水預(yù)報(bào)技術(shù)進(jìn)展[J]. 畢寶貴,代刊,王毅,符嬌蘭,曹勇,劉湊華.  應(yīng)用氣象學(xué)報(bào). 2016(05)
[9]江西省汛期暴雨時(shí)空分布及區(qū)域性暴雨分區(qū)[J]. 孫素琴,許愛華,鄭婧,陳翔翔,馬鋒敏.  氣象與減災(zāi)研究. 2016(02)
[10]Logistic判別模型在強(qiáng)降水預(yù)報(bào)中的應(yīng)用[J]. 張芳華,曹勇,徐珺,陶亦為,金榮花,代刊.  氣象. 2016(04)



本文編號(hào)：3284284