综合统计方法在长江上游流域短期强降水面雨量预报中及应用.pptVIP

综合统计方法在长江上游流域短期强降水面雨量预报中的应用 武汉中心气象台 提 要 将完全预报方法和模式输出统计方法结合起来，使其优势互补。同时，充分考虑数值预报和经验预报在实际工作中的作用，改善模式输出统计中的因子组成，建立MOS预报方程，提高了统计预报模型性能。2002年6-9月业务试用结果表明，该预报方程对强降水面雨量有较强的预报能力。 前 言 （一） 目前，数值预报技术已经得到了很大的提高，随着资料同化、物理过程和并行计算等技术的发展进步，数值预报产品精度将越来越高。但是数值预报的初值条件永远不可能达到真实大气状况，对各种天气过程发生发展的机理认识需要长期持久的研究，如何更加有效地使用数值预报产品，需要通过分析、统计等解释手段提高数值预报产品的使用价值。 前 言 （二） PP法（完全预报方法）和模式输出统计（Model output Statistics，简称MOS）等统计方法在气象界得到了大量的使用，MOS就一直是美国普遍采用的释用方法[1]，该方法预报的准确率与预报方程的因子选取有很大的关系，因此，国内外有很多气象研究人员在因子选取上做了大量工作，1998年中国气象局曾组织部分省市预报员采用T106资料、使用MOS预报方法、引进多种组合因子，集中制作了各省市的分县预报模型，但随着T106模式改进为T213模式，对模型的预报性能就产生了影响。 前 言 （三） PP法用历史资料中与预报对象同时间的实际气象参量作预报因子，建立统计关系，比较稳定。综合统计方法首先使用历史资料，建立PP法方程，将其预报结果作为MOS的一个因子，从而将两种统计方法有机的结合。同时，充分考虑主客观因素在预报中的作用，通过大量地查阅天气图，分析、总结后，组合成经验因子，与数值产品一起建立综合统计方程。应用于2002年6-9月长江上游流域（岷沱江、嘉陵江、乌江、宜宾到重庆、重庆到万县、万县到宜昌六流域）强降水面雨量（面雨量≥20mm）预报中，预报结果提供给预报人员，得到了预报人员的首肯。 1、综合统计模型的建立 1.1 使用资料 本文中，长江上游流域分别为：岷沱江、嘉陵江、乌江、宜宾到重庆、重庆到万县、万县到宜昌六流域，本方法使用了1971-2000年历史降水量资料、天气图资料，1998-2000年ECMWF历史资料、MAPS降水量预报场历史资料。 其中，六流域逐站降水量经过算术平均处理为六流域面雨量，分级处理后作预报量参与建模。 1.2 建立模型 建立消空指标库 因子标准化 建立PP法方程 建立综合统计预报模型 1.2.1 建立消空指标库 为提高强降水在样本中的概率，对样本进行消空，以不消除任何一个大到暴雨日为原则。 第一步：确定初选因子：通过普查1986-1997年的历史资料，针对嘉陵江面雨量在20mm以上的历史天气气候背景，结合预报员经验，选取9个候选因子。候选样本数1104个，预报对象1个。 第二步：确定因子类型 将上述因子进行分类： A型（正相关型）： 因子值越大，预报对象出现越有利。 B型（反相关型）： 因子值越小，预报对象出现越有利。 C型（区间型）： 因子值在某区间，预报对象出现有利。 嘉陵江9个侯选因子中A型5个，B型4个，C型0个。 1.2.1 建立消空指标库 第三步：根据因子的不同类型，在1104个历史样本中找出预报对象出现（面雨量20mm以上）时各因子的最小值α、最大值β（A型β=+∞，B型α=-∞）。并称[α，+∞]，（-∞，β），[α，β]为A，B，C三类因子的“α～β”区间。在区间以外的样本，都未出现过预报对象，都是消空样本。 第四步：分别计算每个侯选因子的可消空样本数Mi，选取可消空样本数最多的因子作为消空因子，该因子对应的α或β值（α或β即为消空条件）为消空指标。 第五步：用剩余的因子和样本继续上述工作，直到所有因子不能再对剩余样本消空为止。则所有选取的因子及其确定的α、β值构成面雨量在20mm以上的消空指标库。 嘉陵江消空指标库中有五个消空因子，嘉陵江通过消空因子消空后，样本数剩下490个，预报对象出现的次数为50个，强降水概率从4.5%上升到9.8%。 1.2.2 因子标准化 采用消空后的样本作为统计样本，对目前能获得的欧洲数值预报产品、天气图资料等所有样本的输入输出因子均作如下标准化处理： X*it=（Xit -Xi ）/Si t=1,2,….,n （1） 其中：X*it为经过标准差标准化的因子，Xit是第i个因子的第t个资