GFS集合降雨预报的校正后处理研究

耦合降水集合预报信息与水文模型是水文预报发展的一个重要方向。然而由于大气运行初始条件及模式的不确定性数值降雨预报不可避免地存在误差。基于全球集合预报系统(GFS)提供的1～8d预见期的降雨集合预报数据,研究了基于扩展型Logistic算法和异方差扩展型Logistic算法发展的5个统计后处理模型对淮河流域息县子流域GFS预报降雨的校正效果。结果表明,5个模型对GFS预报降雨均具有较好的校正效果,但随着预见期的增长,各个模型的校正能力呈衰减趋势。总体而言,相较于基于扩展型Logistic算法的3个模型,基于异方差扩展型Logistic算法的2个模型具有更优的校正能力。