基于災(zāi)害天氣短時(shí)臨近系統(tǒng)（SWAN）的定量降水預(yù)報(bào)（QPF）產(chǎn)品進(jìn)行0～2 h QPF外推試驗(yàn)研究。利用貴州省地面自動(dòng)站數(shù)據(jù)、SWAN輸出的1 h-QPF產(chǎn)品、SWAN 1 h定量降水估測(cè)（QPE）產(chǎn)品進(jìn)行融合訂正外推。選取2018年3次典型暴雨個(gè)例進(jìn)行試驗(yàn),采用融合訂正技術(shù),利用相似離度算法對(duì)降水強(qiáng)度位相進(jìn)行調(diào)整,Weibull分布算法對(duì)降水極值分布進(jìn)行訂正,改進(jìn)后的交叉相關(guān)法（COTREC）進(jìn)行降水外推預(yù)報(bào)。通過(guò)主客觀檢驗(yàn)對(duì)比,初步說(shuō)明基于Weibull分布算法的降水極值訂正對(duì)降水極值分布有很好的模擬效果。融合訂正外推的貴州省短時(shí)臨近定量降水預(yù)報(bào)產(chǎn)品（GZ_NPF）在>5 mm以上量級(jí)降水的TS檢驗(yàn)中評(píng)分更高。GZ_NPF的空?qǐng)?bào)率明顯降低,但空?qǐng)?bào)率降低的代價(jià)是漏報(bào)率相對(duì)提高。GZ_NPF總的相對(duì)誤差減小,格點(diǎn)總降水量與實(shí)況總降水量更為接近。試驗(yàn)說(shuō)明新的融合訂正外推算法提高了0～2 h短時(shí)臨近降水的預(yù)報(bào)能力。 

【文章來(lái)源】：沙漠與綠洲氣象. 2020,14(05)

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

2018年6月19日20時(shí)（BT）中尺度分析

圖5為2018年6月22日00—02時(shí)（UTC）主觀檢驗(yàn)對(duì)比分析圖。主觀檢驗(yàn)對(duì)比6月21日20時(shí)—6月22日20時(shí)（BT)24 h內(nèi)逐小時(shí)的降水?dāng)?shù)據(jù)，發(fā)現(xiàn)跟“6·20”個(gè)例一樣，GZ＿NPF數(shù)據(jù)在強(qiáng)度上明顯優(yōu)于SWAN＿QPF數(shù)據(jù)。SWAN＿QPF在大雨以上量級(jí)強(qiáng)度嚴(yán)重偏弱，無(wú)法反映真實(shí)的降水情況。GZ＿NPF落區(qū)位置則有70%～80%優(yōu)于SWAN＿QPF。從24 h的降水?dāng)?shù)據(jù)中選取兩個(gè)時(shí)刻作代表展示。選取時(shí)刻相似離度算法并未對(duì)降水的落區(qū)有明顯的調(diào)整，說(shuō)明原始QPF落區(qū)跟DZ＿QPE吻合度很高時(shí)相似離度算法不會(huì)過(guò)度調(diào)整降水落區(qū)。對(duì)比圖5a和圖5c發(fā)現(xiàn)小雨量級(jí)的降水邊界兩者跟填色DZ＿QPE底圖均能較好地重合。但是對(duì)>5 mm的降水落區(qū)圖5a大部分比圖5c能更好地跟DZ＿QPE吻合�？陀^檢驗(yàn)分級(jí)檢驗(yàn)TS評(píng)分也說(shuō)明這一情況，GZ＿NPF在>5 mm和>10 mm的降水量級(jí)檢驗(yàn)中TS評(píng)分值相比SWAN＿QPF的TS評(píng)分值平均提升48%。22日01—02時(shí)（UTC）主觀檢驗(yàn)發(fā)現(xiàn)降水落區(qū)圖5d比圖5b對(duì)降水邊界描述略?xún)?yōu)，這有可能是因?yàn)樵诮邓R(shí)別時(shí)有意弱化了弱降水。降水中心大值區(qū)則是利用Weibull分布訂正外推后的圖5b與圖5d更接近實(shí)況，降水大值中心與DZ＿QPE的偏差在5 mm以?xún)?nèi)。圖4 2018年6月21日20時(shí)（BT）中尺度分析

圖3 2018年6月20日01—02時(shí)及02—03時(shí)（UTC)DZ＿QPE、SWAN＿QPF、01時(shí)起報(bào)訂正后GZ＿NPF以及外推1 h GZ＿NPF對(duì)比2.3“9·26”秋季暴雨個(gè)例外推試驗(yàn)

【參考文獻(xiàn)】：
期刊論文
[1]寧夏0～2 h分鐘級(jí)格點(diǎn)降水預(yù)報(bào)檢驗(yàn)分析[J]. 王勇,潘娜,楊銀.  寧夏工程技術(shù). 2019(04)
[2]強(qiáng)降水和冰雹對(duì)流許可尺度集合預(yù)報(bào)個(gè)例試驗(yàn)[J]. 孫敏,戴建華.  氣象. 2019(11)
[3]臨近預(yù)報(bào)的兩種高時(shí)空分辨率定量降水預(yù)報(bào)融合算法的對(duì)比試驗(yàn)[J]. 程叢蘭,陳敏,陳明軒,高峰,宋林燁,秦睿,楊璐,王勇.  氣象學(xué)報(bào). 2019(04)
[4]ECMWF高分辨率模式降水預(yù)報(bào)能力評(píng)估與誤差分析[J]. 曹越,趙琳娜,鞏遠(yuǎn)發(fā),許東蓓,高迎娟.  暴雨災(zāi)害. 2019(03)
[5]ECMWF集合預(yù)報(bào)統(tǒng)計(jì)量產(chǎn)品在重慶降水預(yù)報(bào)中的檢驗(yàn)與分析[J]. 龐玥,王歡,夏蘩,羅娟.  沙漠與綠洲氣象. 2019(03)
[6]基于SWAN雷達(dá)拼圖產(chǎn)品在暴雨過(guò)程中的對(duì)流云降水識(shí)別及效果檢驗(yàn)[J]. 張勇,吳勝剛,張亞萍,劉伯駿,龍美希,鄒倩.  氣象. 2019(02)
[7]定量測(cè)量降水量的回波結(jié)構(gòu)自適應(yīng)算法研究[J]. 魏鳴,宋羽軒,張蕾.  大氣科學(xué)學(xué)報(bào). 2018(05)
[8]2014—2016年數(shù)值降水預(yù)報(bào)在天津的檢驗(yàn)評(píng)估[J]. 王萬(wàn)筠,殷海濤,趙敬紅,竇策偉.  氣象科技. 2018(04)
[9]短時(shí)強(qiáng)降水監(jiān)測(cè)和預(yù)警技術(shù)及其在山區(qū)的應(yīng)用[J]. 周北平,杜愛(ài)軍,茍尚,杜宇飛.  氣象科技. 2018(03)
[10]基于概率匹配的西南區(qū)域模式定量降水訂正試驗(yàn)[J]. 曹萍萍,肖遞祥,徐棟夫,王佳津,范江琳,劉瑩,馮良敏,康嵐,馮漢中.  氣象科技. 2018(01)



本文編號(hào)：3446858