基于欧洲中期天气预报中心(European Center for Medium-range Weather Forecasts,ECMWF)集合预报资料及浙江全省自动站降水观测资料,采用贝叶斯模型平均(Bayesian Model Average,BMA)方法对2020年浙江超长梅汛期开展降水概率预报订正...基于欧洲中期天气预报中心(European Center for Medium-range Weather Forecasts,ECMWF)集合预报资料及浙江全省自动站降水观测资料,采用贝叶斯模型平均(Bayesian Model Average,BMA)方法对2020年浙江超长梅汛期开展降水概率预报订正试验。采用平均绝对误差、连续等级概率评分、布莱尔评分B_(S)、Talagrand、概率积分变换(Probability Integral Transform,PIT)直方图及属性图检验方法对本次过程BMA订正前后的概率预报进行对比分析,结果表明:(1)50 d为适用于浙江梅汛期ECMWF集合预报订正的BMA最优训练期,经最优训练期的BMA订正后,预报离散度有所增加,预报误差有所下降;(2)BMA对0.1 mm、10.0 mm和25.0 mm阈值降水的订正效果显著,经BMA订正后3个阈值的降水预报B_(S)下降率分别为25.92%、19.29%、4.76%,但对超过50.0 mm的降水订正效果不明显,且随着降水阈值增加,BMA的订正效果减弱;(3)在强降水个例中,BMA能有效减少各阈值降水预报概率大值落区偏差,使订正后的降水预报概率大值区与观测落区更一致。展开更多
文摘基于欧洲中期天气预报中心(European Center for Medium-range Weather Forecasts,ECMWF)集合预报资料及浙江全省自动站降水观测资料,采用贝叶斯模型平均(Bayesian Model Average,BMA)方法对2020年浙江超长梅汛期开展降水概率预报订正试验。采用平均绝对误差、连续等级概率评分、布莱尔评分B_(S)、Talagrand、概率积分变换(Probability Integral Transform,PIT)直方图及属性图检验方法对本次过程BMA订正前后的概率预报进行对比分析,结果表明:(1)50 d为适用于浙江梅汛期ECMWF集合预报订正的BMA最优训练期,经最优训练期的BMA订正后,预报离散度有所增加,预报误差有所下降;(2)BMA对0.1 mm、10.0 mm和25.0 mm阈值降水的订正效果显著,经BMA订正后3个阈值的降水预报B_(S)下降率分别为25.92%、19.29%、4.76%,但对超过50.0 mm的降水订正效果不明显,且随着降水阈值增加,BMA的订正效果减弱;(3)在强降水个例中,BMA能有效减少各阈值降水预报概率大值落区偏差,使订正后的降水预报概率大值区与观测落区更一致。