统计降尺度方法在华西南区秋季降水预测中的应用
发布时间：2021-12-17 23:47
针对华西南区秋季站点降水,建立了基于气候预测系统CFS模式实时预测产品与观测资料相结合的统计降尺度预测模型。模型选取了华西南区秋季降水物理意义比较明确的秋季500 hPa位势高度场和前期夏季海温场作为预测因子,两个因子关键区分别为10°S～50°N/70°～180°E和30°S～30°N/30°～120°E。预测因子与预测量之间的SVD第一模态时间系数具有高度相关性,在500 hPa位势高度场和海温场上均通过了0.01的显著性水平检验。模型对1982—2017年的回报结果显示:与观测场的空间相关系数相对CFS模式原始结果显著提高,多年均值从-0.06提升到0.38,最高可达0.7;均方根误差在大部站点相对于CFS模式原始结果降低,最高可达40%。同时,模型较好地回报出了极端高值和低值年降水空间分布型。
【文章来源】：气象. 2020,46(12)北大核心CSCD
【文章页数】：10 页
【部分图文】：
图２统计降尺度预测方法示意图??Ｆｉｇ．?２?Ｔｈｅ?ｓｋｅｔｃｈ?ｍａｐ?ｏｆ?ｔｈｅ?ｆｉｅｌｄ?ｉｎｆｏｒｍａｔｉｏｎ?ｃｏｕｐｌｅｄ??
?Ｓ模式原始结果和统计降尺度预测结果空??间相关系数年际变化，５００?ｈＰａ位势高度（Ｈ５。。）或??ＳＳＴ作为预测因子建立降尺度模型将３６年平均的??空间相关系数从一０．０６提升到〇．３７；集合平均后可??达０．３８，大部分年份通过０．０１的显著性水平检验，??－２．０??—３．０??１９８４?１９８９?１９９４?１９９９?２００４?２００９?２０１４?１９８４?１９８９?１９９４?１９９９?２００４?２００９?２０１４??年份?年份??—？—降水?一？—?Ｈｍ??图３?ＮＣＥＰ资料（ａ，ｂ，ｃ），ＣＦＳ资料（ｄ，ｅ，ｆ）１９８２?－２０１７年５００?ｈＰａ环流场（ａ，ｄ）与秋季站点观测降水场（ｂ，ｅ）??的ＳＶＤ第模态空间分布塑（ａ，ｈ，ｄ，ｅ）以及对应的时间系数（ｃ，ｆ）??Ｆｉｇ．?３?Ｔｈｅ?ｆｉｒｓｔ?ｌｅａｄｉｎｇ?ＳＶＤ?ｍｏｄｅｓ?（ａ，?ｄ？?ｅ）?ｆｏｒ?５００?ｈＰａ?ｃｉｒｃｕｌａｔｉｏｎ?（ａ，?ｄ），??ｔｈｅ?ａｕｔｕｍｎ?ｏｂｓｅｒｖｅｄ?ｒａｉｎｆａｌｌ?（ｂ，ｅ），ａｎｄ?ｔｈｅ?ｃｏｒｒｅｓｐｏｎｄｉｎｇ?ｔｉｍｅ??ｃｏｅｆｆｉｃｉｅｎｔｓ?（ｃ，ｆ）?ｄｕｒｉｎｇ?１９８２?—?２０１７??（ａ，?ｂ，ｃ）?ｂａｓｅｄ?ｏｎ?ｔｈｅ?ＮＣＥＰ?ｄａｔａｓｅｔ，（ｄ，?ｅ，?ｆ）?ｂａｓｅｄ?ｏｎ?ＣＦＳ?ｏｕｔｐｕｔ??４０。Ｎ－??２０??ＥＱ??３２°Ｎ－??２７?－??１０３??：（〇?ｔ??３．０－??：１?．?１?ｌ?ｌ＼??２．０－??＼?１?Ａ??錄１？〇－??１?〇？〇－??￥－１．０?—??：??－３．０－??
１５６０??第４６卷??３．０?—??２．０?—??１．０?—??０．０?—??－１．０＾??－３．０－??１９８４??１９８９??１９９４??１９９９??年份??２００４??２００９??２０１４??图４?１９８２—２０１７年夏季ＳＳＴ（ａ），秋季站点观测降水（ｂ）的??ＳＶＤ第一模态空间分布型（ａ，ｂ）以及对应的时间系数（ｃ）??Ｆｉｇ．?４?Ｔｈｅ?ｆｉｒｓｔ?ｌｅａｄｉｎｇ?ＳＶＤ?ｍｏｄｅｓ?（ａ？?ｂ）?ｏｆ?ｓｕｍｍｅｒ?ＳＳＴ?（ａ）?ａｎｄ?ｔｈｅ?ａｕｔｕｍｎ?ｏｂｓｅｒｖｅｄ?ｒａｉｎｆａｌｌ?（ｂ）??ｄｕｒｉｎｇ?１９８２?—?２０１７，?ａｎｄ?ｔｈｅ?ｃｏｒｒｅｓｐｏｎｄｉｎｇ?ｔｉｍｅ?ｃｏｅｆｆｉｃｉｅｎｔｓ?（ｃ）??最大值可以达到０．７。本文通过ＲＭＳＥＰ来评估降??尺度结果相对于模式结果的ＲＭＳＥ提升百分比，从??图６可以看出，Ｈ５。。或ＳＳＴ作为预测因子预测结果??及两个集合平均后除四川盆地、川东北和贵州东部??地区少数站点外，绝大多数站点的ＲＭＳＥＰ都大于??零，降尺度预测结果的均方根误差比模式原始结果??最高可以提升４０％以上。但Ｈ５。。作为预测因子在??四川东北部尺ＭＳＥＰＣ０的站数明显多于ＳＳＴ作为??预测因子的站数。综合可见，该统计降尺度模型在??降水量级上相对于模式原始结果有较为明显的提??高。??在业务预测中，预报员更加关心模型对极端年??份的预测能力，为了进一步分析降尺度模型对极端??年份的预测能力，本文对１９８２—２０１７年华西南区区??域平均降水进行分析（表略），采用百分位法基于??９０％分位数选取出极端高值年（１９８２、２０１４和１９８３
【参考文献】：
期刊论文
[1]重庆2017年秋季降水异常成因分析[J]. 唐红玉,吴遥,董新宁,白莹莹,魏麟骁,张驰. 气象. 2019(06)
[2]华西秋雨气候特征分析[J]. 喻乙耽,马振峰,范广洲. 成都信息工程大学学报. 2018(02)
[3]利用高原积雪信号改进我国南方夏季降水预测的新方法及其在2014年降水预测中的应用试验[J]. 刘颖,任宏利,张培群,贾小龙,刘向文,孙林海. 大气科学. 2017(02)
[4]西太平洋暖池对西北太平洋季风槽和台风活动影响过程及其机理的最近研究进展[J]. 黄荣辉,皇甫静亮,刘永,冯涛,武亮,陈际龙,王磊. 大气科学. 2016(05)
[5]基于土壤湿度和年际增量方法的中国夏季气温预测试验[J]. 李启芬,刘婷婷,陈海山,蒋薇,李忠贤. 气象科学. 2016(05)
[6]基于土壤湿度和年际增量方法的我国夏季降水预测试验[J]. 刘婷婷,陈海山,蒋薇,李忠贤. 大气科学. 2016(03)
[7]印度洋偶极子和华西秋雨的关系[J]. 刘佳,马振峰,杨淑群,徐金霞. 高原气象. 2015(04)
[8]2014年秋季我国华西地区降水异常的成因分析[J]. 司东,邵勰,孙冷,王启祎,李多. 气象. 2015(04)
[9]基于CFS模式的中国站点夏季降水统计降尺度预测[J]. 刘颖,范可,张颖. 大气科学. 2013(06)
[10]2011年9月华西秋雨特征及成因分析[J]. 蔡芗宁,康志明,牛若芸,鲍媛媛. 气象. 2012(07)
本文编号：3541192
【文章来源】：气象. 2020,46(12)北大核心CSCD
【文章页数】：10 页
【部分图文】：
图２统计降尺度预测方法示意图??Ｆｉｇ．?２?Ｔｈｅ?ｓｋｅｔｃｈ?ｍａｐ?ｏｆ?ｔｈｅ?ｆｉｅｌｄ?ｉｎｆｏｒｍａｔｉｏｎ?ｃｏｕｐｌｅｄ??
?Ｓ模式原始结果和统计降尺度预测结果空??间相关系数年际变化，５００?ｈＰａ位势高度（Ｈ５。。）或??ＳＳＴ作为预测因子建立降尺度模型将３６年平均的??空间相关系数从一０．０６提升到〇．３７；集合平均后可??达０．３８，大部分年份通过０．０１的显著性水平检验，??－２．０??—３．０??１９８４?１９８９?１９９４?１９９９?２００４?２００９?２０１４?１９８４?１９８９?１９９４?１９９９?２００４?２００９?２０１４??年份?年份??—？—降水?一？—?Ｈｍ??图３?ＮＣＥＰ资料（ａ，ｂ，ｃ），ＣＦＳ资料（ｄ，ｅ，ｆ）１９８２?－２０１７年５００?ｈＰａ环流场（ａ，ｄ）与秋季站点观测降水场（ｂ，ｅ）??的ＳＶＤ第模态空间分布塑（ａ，ｈ，ｄ，ｅ）以及对应的时间系数（ｃ，ｆ）??Ｆｉｇ．?３?Ｔｈｅ?ｆｉｒｓｔ?ｌｅａｄｉｎｇ?ＳＶＤ?ｍｏｄｅｓ?（ａ，?ｄ？?ｅ）?ｆｏｒ?５００?ｈＰａ?ｃｉｒｃｕｌａｔｉｏｎ?（ａ，?ｄ），??ｔｈｅ?ａｕｔｕｍｎ?ｏｂｓｅｒｖｅｄ?ｒａｉｎｆａｌｌ?（ｂ，ｅ），ａｎｄ?ｔｈｅ?ｃｏｒｒｅｓｐｏｎｄｉｎｇ?ｔｉｍｅ??ｃｏｅｆｆｉｃｉｅｎｔｓ?（ｃ，ｆ）?ｄｕｒｉｎｇ?１９８２?—?２０１７??（ａ，?ｂ，ｃ）?ｂａｓｅｄ?ｏｎ?ｔｈｅ?ＮＣＥＰ?ｄａｔａｓｅｔ，（ｄ，?ｅ，?ｆ）?ｂａｓｅｄ?ｏｎ?ＣＦＳ?ｏｕｔｐｕｔ??４０。Ｎ－??２０??ＥＱ??３２°Ｎ－??２７?－??１０３??：（〇?ｔ??３．０－??：１?．?１?ｌ?ｌ＼??２．０－??＼?１?Ａ??錄１？〇－??１?〇？〇－??￥－１．０?—??：??－３．０－??
１５６０??第４６卷??３．０?—??２．０?—??１．０?—??０．０?—??－１．０＾??－３．０－??１９８４??１９８９??１９９４??１９９９??年份??２００４??２００９??２０１４??图４?１９８２—２０１７年夏季ＳＳＴ（ａ），秋季站点观测降水（ｂ）的??ＳＶＤ第一模态空间分布型（ａ，ｂ）以及对应的时间系数（ｃ）??Ｆｉｇ．?４?Ｔｈｅ?ｆｉｒｓｔ?ｌｅａｄｉｎｇ?ＳＶＤ?ｍｏｄｅｓ?（ａ？?ｂ）?ｏｆ?ｓｕｍｍｅｒ?ＳＳＴ?（ａ）?ａｎｄ?ｔｈｅ?ａｕｔｕｍｎ?ｏｂｓｅｒｖｅｄ?ｒａｉｎｆａｌｌ?（ｂ）??ｄｕｒｉｎｇ?１９８２?—?２０１７，?ａｎｄ?ｔｈｅ?ｃｏｒｒｅｓｐｏｎｄｉｎｇ?ｔｉｍｅ?ｃｏｅｆｆｉｃｉｅｎｔｓ?（ｃ）??最大值可以达到０．７。本文通过ＲＭＳＥＰ来评估降??尺度结果相对于模式结果的ＲＭＳＥ提升百分比，从??图６可以看出，Ｈ５。。或ＳＳＴ作为预测因子预测结果??及两个集合平均后除四川盆地、川东北和贵州东部??地区少数站点外，绝大多数站点的ＲＭＳＥＰ都大于??零，降尺度预测结果的均方根误差比模式原始结果??最高可以提升４０％以上。但Ｈ５。。作为预测因子在??四川东北部尺ＭＳＥＰＣ０的站数明显多于ＳＳＴ作为??预测因子的站数。综合可见，该统计降尺度模型在??降水量级上相对于模式原始结果有较为明显的提??高。??在业务预测中，预报员更加关心模型对极端年??份的预测能力，为了进一步分析降尺度模型对极端??年份的预测能力，本文对１９８２—２０１７年华西南区区??域平均降水进行分析（表略），采用百分位法基于??９０％分位数选取出极端高值年（１９８２、２０１４和１９８３
【参考文献】：
期刊论文
[1]重庆2017年秋季降水异常成因分析[J]. 唐红玉,吴遥,董新宁,白莹莹,魏麟骁,张驰. 气象. 2019(06)
[2]华西秋雨气候特征分析[J]. 喻乙耽,马振峰,范广洲. 成都信息工程大学学报. 2018(02)
[3]利用高原积雪信号改进我国南方夏季降水预测的新方法及其在2014年降水预测中的应用试验[J]. 刘颖,任宏利,张培群,贾小龙,刘向文,孙林海. 大气科学. 2017(02)
[4]西太平洋暖池对西北太平洋季风槽和台风活动影响过程及其机理的最近研究进展[J]. 黄荣辉,皇甫静亮,刘永,冯涛,武亮,陈际龙,王磊. 大气科学. 2016(05)
[5]基于土壤湿度和年际增量方法的中国夏季气温预测试验[J]. 李启芬,刘婷婷,陈海山,蒋薇,李忠贤. 气象科学. 2016(05)
[6]基于土壤湿度和年际增量方法的我国夏季降水预测试验[J]. 刘婷婷,陈海山,蒋薇,李忠贤. 大气科学. 2016(03)
[7]印度洋偶极子和华西秋雨的关系[J]. 刘佳,马振峰,杨淑群,徐金霞. 高原气象. 2015(04)
[8]2014年秋季我国华西地区降水异常的成因分析[J]. 司东,邵勰,孙冷,王启祎,李多. 气象. 2015(04)
[9]基于CFS模式的中国站点夏季降水统计降尺度预测[J]. 刘颖,范可,张颖. 大气科学. 2013(06)
[10]2011年9月华西秋雨特征及成因分析[J]. 蔡芗宁,康志明,牛若芸,鲍媛媛. 气象. 2012(07)
本文编号：3541192
本文链接：https://www.wllwen.com/projectlw/qxxlw/3541192.html
