基于BMA-QM的福建区域降水预报订正及暴雨检验研究

以全球交互式大集合预报系统提供的六种模式模拟的福建省及其周边区域2019年至2020年的4月至6月的日降水数据结果作为降水预报资料,以国家气象信息中心多源融合降水格点产品作为降水观测资料。对降水预报资料进行贝叶斯模型平均(简称BMA)方法订正后,对BMA方法订正结果使用分位数映射法(简称QM)进行再订正。结果表明:1) BMA方法订正后,提升模式在晴雨和小雨的预报技巧,但在中雨和大雨中未体现出优势。2) BMA-QM方法订正后,保持晴雨处的预报技巧之余,提升了小雨处的预报技巧,尤其提高了大雨处的预报技巧。3) BMA-QM方法订正之下,暴雨TS (0.163)和暴雨ETS (0.147)的提升率分别为98.30%、108.16%。BMA-QM方法订正可以提升模式对强降水的预报技巧,这将对做出更为准确的暴雨预警有着重要的意义。

基于卷积神经网络的区域温度预报订正研究

为提高ECMWF (European Centre for Medium-Range Weather Forecasts)模式2 m温度预报产品的预报精度,选取2018年~2021年ECMWF模式2 m温度预报产品及CLDAS (CMA Land Data Assimi-lation System)格点融合数据,进行了误差分析并使用卷积神经网络模型进行订正研究,结果表明:1) ECMWF模式2 m温度预报产品夏季预报精度要高于冬季,且在转折性低温天气的情况下误差较大;2) 经过卷积神经网络模型的订正,2 m温度预报产品精度得到提高,预报准确率整体提升约5%,平均绝对误差和均方根误差均降低了0.5℃~0.8℃;3) 对比传统使用历史长期资料的订正方式,模型可以使用更少的数据,达到较好的订正效果,减少统计工作量。