基于DERF的SD方法预测月降水和极端降水日数
论述马尔可夫模型地降水预测方法
随机过程与随机信号处理课程论文论述马尔可夫模型的降水预测方法摘要：预测是人们对未知事物或不确定事物行为与状态作出主观的判断。
中长期降水量的预测是气象科学的一个难点问题, 也是水文学中的一个重要问题。
今年来，针对降水预测的随机过程多采用随机过程中的马尔可夫链。
本文总结了降水预测的马尔可夫预测的多种方法和模型，对其中的各种方法的马尔可夫链进行了比较和分析，得出了一些有用的结论。
关键字：降水预测，随机过程，马尔可夫链，模拟前言：大气降水是自然界水循环的一个重要环节。
尤其在干旱半干旱地区, 降水是水资源的主要补给来源, 降水量的大小,决定着该地区水资源的丰富程度。
因此, 在水资源预测、水文预报中经常需要对降水量进行预报。
然而, 由于气象条件的变异性、多样性和复杂性, 降水过程存在着大量的不确定性与随机性, 因此到目前为止还难以通过物理成因来确定出未来某一时段降水量的准确数值。
在实际的降水预测中，有时不必预测出某一年的降水量，仅需预测出某个时段内降水的状况既可满足工作需要。
因此，预测的范围相应扩大，精度相应提高。
因此对降水的预测可采用随机过程的马尔可夫链来实现。
用随机过程中马尔可夫链进行预测是一种较为广泛的预测方法。
它可用来预测未来某时间发生的变化, 如预测运输物资需求量、运输市场等等。
马尔可夫链, 就是一种随机时间序列, 它表示若已知系统的现在状态, 则系统未来状态的规律就可确定, 而不管系统如何过渡到现在的状态。
我们在现实生活中, 有很多情况具有这种属性, 如生物群体的生长与死亡, 一群体增加一个还是减少一个个体, 它只与当前该生物群体大小有关, 而与过去生物群体大小无关。
]本文针对降水预测过程中采用马尔可夫链进行模拟进行了综述和总结。
主要的方法有利用传统的马尔可夫链的方法模拟；有采用加权的马尔可夫链模拟来进行预测；还有基于模糊马尔可夫链状模型预测的方法；还有通过聚类分析建立降水序列的分级标准来采用滑动平均的马尔可夫链模型来预测降水量；从这些方法中我们可以看出，马尔可夫链对降水预测有着重要的理论指导意义。
基于DERF的SD方法预测月降水和极端降水日数
从 小到 大进 行排 序 ， 计算 第 ９ ｏ个 百 分 位 对应 值 ， 作 为极端 降水 量 阈值 。
综 合动 力模式 预测 与统计 降 尺度两 种方法 的优 势 ， 用 国家气象 信 息 中 心提 供 的 我 国 １ ３ 站 逐 利 ３个 日降水 资料 、 Ｅ ／ ＡＲ再分 析资 料和 Ｄ Ｒ ＮＣ Ｐ ＮＣ Ｅ Ｆ的
回报 资料 ， ＤＥ Ｆ提供 的具 有较 高 预测 技 巧 的 大 将 Ｒ
日数 。
２ １ 一 步 法 预 测 极 端 强 降 水 日数 ．
场 （ ０ ） ７ ０ｈ ａ 向风 场 （ ０ ） 海 平面气 压 场 Ｖ２ ０ ，０ Ｐ 经 ＶＴ ０ ，
（Ｉ ） Ｓ 。建模 时 ， 先 在 候 平 均 资料 基 础 上 分别 计 Ｐ 首 算 ６个预 测时段 的各 时段 平 均 值 ， 计算 时取 每 个 时 段 回算或 预测 的集 合 平 均值 ， 集合 成 员 最 多 ４ ０个 ，
国家气 候 中 心 业 务 化 的 月 动 力 预 测 气 候 模 式 （ Ｒ ） ＤＥ Ｆ 在短 期气 候 预 测特 别 是 月 尺 度气 候 预测 中
发挥 着 重要 作用 。但 该 模 式 水 平 分 辨 率 较 粗 ， 日 且
预测 可 信度较 低 ， 致 区域 尺 度 或 日尺 度 降 水 预 测 导
在 短 期气候 预测 业 务 中 ， 水 预 测 既 是 重 点 又 降 是 难点 ， 受人 们 的关 注 ， 端 降水 的 预测 则 更 为 困 倍 极 难 。 目前 动力气 候 预测 模式 已成 为 气 象工 作 者 的重
统计降尺度方法和Delta方法建立黄河源区气候情景的比较 …
统计降尺度方法和Delta方法建立黄河源区气候情景的比较分析赵芳芳徐宗学北京师范大学水科学研究院，水沙科学教育部重点实验室, 北京， 100875摘要大气环流模型（GCMs）预测的气候变化情景，必须经降尺度处理得出小尺度上未来气候变化的时空分布资料，才能满足气候变化对资源、环境和社会经济等影响进行评估的需要。
文中研究同时应用Delta方法和统计降尺度（SDS）方法对黄河源区的日降水量和日最高、最低气温进行降尺度处理，建立起未来3个时期（2006—2035、2036—2065和2066—2095年，简记为2020s、2050s和2080s）的气候变化情景，并比较分析两种方法的优缺点和适用性。
结果表明，未来降水量有一定的增加趋势，但是增幅不大，而日最高、最低气温存在明显的上升趋势，且增幅较大。
与基准期相比，Delta方法模拟的未来3个时期降水量将分别增加8.75%、19.70%和18.49%；日最高气温将分别升高1.41、2.42和3.44 ℃，同时，日最低气温将分别升高1.49、2.68和3.76 ℃，未来极值气温变幅减小。
SDS法借助站点实测数据和NCEP再分析资料建立GCM强迫条件下的降尺度模型，模拟结果表明，未来3个时期降水量将分别增加3.47%、6.42%和8.67%，季节变化明显；气温随时间推移增幅明显，未来3个时期的日最高气温将分别升高1.34、2.60和3.90 ℃，最低气温增幅相对较小，3个时期将分别升高0.87、1.49和2.27 ℃，由此模拟的未来时期无霜期将延长。
在降尺度方法的应用上，SDS方法存在明显的优势，但同时也存在不可避免的缺陷。
因此，在实际的气候变化影响评估中，需要多种方法综合比较，以期为决策部门提供参考和依据。
关键词：气候变化，大气环流模型（GCMs），情景，降尺度，黄河。
初稿时间：2006年2月23日；修改稿时间：2006年7月8作者简介：赵芳芳，主要从事气候变化对水文资源的影响分析研究。
年最大日雨量极值分布拟合与推算
中, ni 称为观测频数, 表示观测样本值落在区间( x i ,
x i+ 1 ) 中的个数。若包含 j 个需由样本估计的参数, 则统计量的自由度为 v= k - j - 1。给定信度 A后,
由 P ( V2
\V
2 A
)
=
A, 查表得
V2A, 若
V2 <
V2A, 则认为样
本服从该分布。
2 结果分析
21 1 V2 拟合优度检验结果 分别用 P earson- Ó型概率分布、耿贝尔分布、对
数正态分布对红河州 12 个站年一日最大降水量进 行拟合, 并进行了 V2 拟合优度检验。用 P earson- Ó 型分布拟合时, 建水、红河、绿春 3 站的 x 0 > x min ( x 0 为负) , 这与实际情况不符, 因此这 3 站不适合 P earson- Ó型分布拟合。而用 耿贝尔分布、对数正 态分布拟合时, 所有站均较好拟合且通过了 V2 拟合 优度检验, 根据拟合检验值的大小来选取最佳拟合 分布, 具体结果见表 1。
21 2 拟合结果分析 针对不同的站点, 选用最佳拟合分布模型, 分别
拟合了红河州 12 个台站自建站以来至 2008 年的年 最大日雨量时间序列, 并计算了不同重现期理论值。
图 1 给出了重现期为 50 年、100 年的年最大日 雨量极值空间分布图。可看出: 重现期为 50 年、100 年的年最大日雨量均表现出州南部明显大于中北部 的特征, 最大中心位于河口, 最小中心位于石屏、建
Q (
2 cs
) 4/ c2s
# ( 4/ c2s )
]
( U+
Up
2 ) e dU 4/ c2s - 1
-
DERF2.0模式11-40天逐日环流预报效果评估
第40卷第1期2019年3月气象研究与应用JOURNAL OF METEOROLOGICAL RESEARCH AND APPLICATIONVol.40NO.1Mar.2019文章编号:1673-8411(2019)01-0007-04DERF2.0模式门-40天逐日环流预报效果评估1覃卫坚，陈思蓉，何慧(广西壮族自治区气候中心，广西南宁530022)摘要：利用1983-2013年DERF2.0模式预报资料和ECMWF ERATnterim逐日再分析资料，评估了DERF2.0模式未来11-40d环流预报效果，结果表明：200hPa高度场预报平均效果最好，预报与实况的距平相关系数(ACC)通过显著性检验达到17d,500hPa高度场为13d,200hPa纬向风场仅lid,200hPa经向风场和850hPa纬向风场预报效果最差，预报与实况的ACC均未通过显著性检验。
热带地区200hPa和500hPa高度场预报效果最好，1140d预报与实况的ACC均通过了显著性检验。
关键词：DERF2.0：延伸期预报；环流预报中图分类号：P466文献标识码：ADaily circulation forecast evaluation of DERF2.0model for11-40daysQin Weijian,Chen Sirong,He Hui(Guangxi Climate Center,Nanning Guangxi530022)Abstract:Using DERF2.0model forecast data and ECMWF ERA-Interim daily reanalysis data from1983 to2013,the circulation forecast of DERF2.0model for11-40days is evaluated.The results show that the average forecasting of200hPa height field is the best,the anomaly correlation coefficient(ACC)between the forecast and the realities has passed the significance test for17days,which of 500hPa height field and the200hPa zonal wind field is 13days and11days,respectively.The forecast of200hPa meridional wind field and850hPa zonal wind field have maximum deviations,and both the forecasting and actual ACC have not passed the significance test.The200hPa and 500hPa height fields in tropical areas have the most accurate predictions,and the ACC of forecast and realities have passed the significant test.Keywords:DERF2.0;extension forecast;circulation forecast引言国家气候中心第二代月动力延伸预测模式业务系统(DERF2.0)是基于BCC_AGCM2.2模式发展建立的，可提供未来52d逐日滚动预报，在气候预测业务中得到了应用和检验，如何慧根等111 (2014)检验评估DERF2.0对中国月气温和降水的预测性能；章大全和陈丽娟121(2016)建立了基于DERF2.0的月平均温度概率订正预报；王波等⑶(2018)利用DERF2.0模式不同起报时次的结果对黑龙江省主汛期降水和环流进行了检验评估；徐岩岩和常军⑷(2018)对DERF2.0模式1〜52d最低温度逐日预报进行了检验评估。
基于序列分解法的城市月需水量预测研究
基于序列分解法的城市月需水量预测研究牟天蔚;沈丹玉;王玲萍;蒋白懿;赵明【摘要】为更好地满足用水需求,提出一种基于BP神经网络、非线性回归、自适应模糊推理系统(ANFIS)的月需水量组合预测模型.首先通过Daubechies小波将月需水量序列分解为趋势项、周期项、随机项,然后利用BP神经网络、非线性回归及ANFIS模型分别对各分解项进行曲线拟合,最后采用拟合的公式进行预测.针对该模型,采用C市2007年1月至2015年12月的数据进行训练,并应用2016年1至3月的数据进行测试.与单BP神经网络模型预测结果的对比表明,该模型对月需水量预测具有较高的精度.【期刊名称】《供水技术》【年(卷),期】2017(011)005【总页数】5页(P42-46)【关键词】ANFIS;BP神经网络;Daubechies小波;非线性回归;需水量预测【作者】牟天蔚;沈丹玉;王玲萍;蒋白懿;赵明【作者单位】沈阳建筑大学市政与环境学院,辽宁沈阳110168;沈阳建筑大学市政与环境学院,辽宁沈阳110168;沈阳建筑大学市政与环境学院,辽宁沈阳110168;沈阳建筑大学市政与环境学院,辽宁沈阳110168;哈尔滨工业大学市政与环境学院,黑龙江哈尔滨150006【正文语种】中文【中图分类】TU991.31我国大部分地区仍采用传统经验来运行供水管网，造成了能源的浪费。
对供水系统进行优化调度不仅能节省能源，还能使管网压力平稳，减少漏失现象的发生。
城市需水量预测是供水优化调度必不可少的环节之一[1]。
由于影响因素复杂，目前尚没有一个统一的需水量预测模型，绝大多数方法都是通过历史数据分析进行预测。
根据时间长度不同，需水量预测可以分为短、中、长期预测。
从经验上来看，采用时间序列法对短期预测有显著的效果。
时间序列法通过数据本身的趋势，利用数据的内在联系进行估计[2]。
为了提高城市月需水量预测的精确性，基于BP神经网络、非线性回归、自适应模糊推理系统(ANFIS)3种方法，笔者提出了一种通过小波分解的时间序列分解法预测模型。
基于径向基神经网络的月降水量预测模型研究
基于径向基神经网络的月降水量预测模型研究季刚;姚艳;江双五【摘要】针对月降水量高度非线性的特点,以合肥20年的月降水量为时间序列,综合运用径向基函数( RBF)神经网络,建立了一种基于径向基函数的神经网络预测模型。
首先对RBF神经网络进行介绍,并将该网络应用于月降水量预测,应用归一化方法对原始数据进行预处理；然后运用MATLAB R2008神经网络工具箱函数建立月降水量预测模型；最后进行仿真实验与分析,将RBF神经网络与传统的BP网络训练预测结果进行比较。
结果显示,RBF神经网络模型训练的迭代次数和训练时间、预测结果明显好于传统BP神经网络。
%Owing to the strong nonlinearity of monthly rainfall,taking 1990~2010 monthly rainfall data in the Hefei area as the time se-ries and using the RBF neural network,a new monthly forecast model is developed based on RBF neural network.Firstly,introduce the structure of RBF neural networks and discuss the RBF neural networks application for predicting the monthly rainfall. And then,the func-tions of MATLAB toolbox are adopted to create a network model for the monthly rainfall. Finally,RBF neural network and traditional BP network are compared in their prediction results each other through simulation experiments and studies. Simulation results show that the RBF neural network model is superior to traditional BP neural network.【期刊名称】《计算机技术与发展》【年(卷),期】2013(000)012【总页数】4页(P186-189)【关键词】月降水量;径向基神经网络;预测【作者】季刚;姚艳;江双五【作者单位】安徽省气象信息中心，安徽合肥230031;芜湖市烟草公司，安徽芜湖241000;安徽省气象信息中心，安徽合肥230031【正文语种】中文【中图分类】TP3930 引言月降水量是一种非线性随机时间序列数据，对时间序列进行预测最常用的方法有AR、ARMA、RLS、Kalman滤波器等，其优点是模型简单、容易识别，缺点是这些方法都是线性模型，应用线性模型预测非线性时间序列很难取得良好的预测效果[1]。
天气雷达定量估测降水研究进展
Advances in Research of the Weather Radar Quantitative Precipitation Estimation
Gu Junxia, Shi Chunxiang, Pan Yang
(National Meteorological Information Centre, Beijing 100081)
Keywords: weather radar, quantitative precipitation estimation, MRMS, research advances
0 引言
在高时空分辨率降水产品研制中，天气雷达探测 资料以其特有的优势变得举足轻重。自上世纪末起， 随着计算机技术、存储技术、通信设施及数字化天气 雷达技术的发展，使得利用计算机处理海量天气雷达 探测资料成为可能，美国[1-2]、法国 、 [3-4] 德国、澳大
收稿日期 ：2017 年 9 月 8 日；修回日期 ：2017 年 12 月15 日 第一作者 ：谷军霞（1981—），Email ：gujx@ 资助信息 ：国家气象科技创新工程“气象资料质量控制及
多源数Байду номын сангаас融合与再分析”攻关任务
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
尺度方法在短期气候预测特别是极 端气候 事 件预测 方面的应用具有重要意义 。 国家气 候 中 心 业 务 化 的 月 动 力 预 测 气 候 模 式 （ 在短期气候 预 测 特 别 是 月 尺 度 气 候 预 测 中 Ｄ Ｅ Ｒ Ｆ） 且日 发挥着重要作 用 。 但 该 模 式 水 平 分 辨 率 较 粗 ， 导致区域尺度或日尺度降水预测 预测可信度较 低 ， 准确率偏低 。 考 虑 到 统 计 降 尺 度 方 法 的 特 点 ， 将其 引入区域降 水 预 测 和 极 端 降 水 日 数 预 测 ， 对Ｄ Ｅ Ｒ Ｆ 输出进行统计 降 尺 度 处 理 ， 以期得到高时空分辨率 的预测信息 。
］ １ ９ ２ ０ 同的［ 。 首先 ， 对每个观测站点及预测时段分别计
成， 环流因子与 Ｎ 水 平 分 辨 率 为 ２． Ｃ Ｅ Ｐ 相 同， ５ ° × 。 建模时也需要首先在整理好的 候 平均数据基 ２． ５ ° 础上分别计算各环流因子每个预测时段的平均值 。
算预报量与模式输出和 Ｎ Ｃ Ｅ Ｐ 再分析资料两种大尺 度环流量之间的相关系数 。 然后在全球范 围 内搜 索 两种相关系数均达到 ０ 并保 ． ０ ５ 显 著性水平 的区域 ， 证连通区域面积大于 ４×４ 网格点 ， 最 后将所 有满 足
刘绿柳 ， 孙林海 ， 廖要明 ， 等 ．基于 Ｄ 应用气象学报 ， （ ） ： Ｅ Ｒ Ｆ的 Ｓ Ｄ 方法预测月降水和极端降水日数 ． ２ ０ １ １， ２ ２ １ ７ ７ ８ ５．
基于 犇 犈 犚 犉的犛 犇 方法预测月降水和极端降水日数
） ） ） ） ） ） ） ） ２ １ ２ １ ２ ３ １ ２ 刘绿柳１） 孙林海 廖要明 杜良敏 李 想
２卷 ７ ８ 应 用 气 象 学 报 第 ２
水量 ， 在此 基 础上 计算预 测起报 日 起 １～１ ， ０ｄ １ １～ ， ， ， ２ ０ｄ ２ １～３ ０ｄ ３ １～４ ０ｄ 的旬 降 水 量 和 １～３ ０ｄ 并利用逐日降水数据逐年统 １ １～４ ０ｄ 的月降水 量 ， 计相应时段内的 极 端 降 水 日 数 。 然 后 分 别 以 旬 、 月 降水量和极端降水日数作为预报量建立统计降尺度 模型 。 由于 １ ６ ０ 个站中有 １ ３ ３ 个站点逐日观测数据 因此只针对这些站点建模 ， 序列能够满足建模要求 ， 图 １ 给出了各站点地理位置 。 Ｄ Ｅ Ｒ Ｆ数据为１ ９ ８ ２—２ ０ ０ ８年以来的回算和实 时预测的逐 候 滚 动 的 未 来 ４ ０ｄ 的 候 平 均 ２ ０ ０ｈ Ｐ ａ 位势高度场 （ 、 、 Ｈ ２ ０ ０） ５ ０ ０ｈ Ｐ ａ位 势 高 度 场 （ Ｈ ５ ０ ０） ， ７ ０ ０ｈ Ｐ ａ位势高度场（ Ｈ ７ ０ ０） ２ ０ ０ｈ Ｐ ａ纬向风场 （ ） ， ） ， Ｕ ２ ０ ０ ７ ０ ０ｈ Ｐ ａ纬向风场 （ Ｕ ７ ０ ０ ２ ０ ０ｈ Ｐ ａ经向风 场（ ） ， 经向风场 （ ） ， 海平面气压场 Ｖ ２ ０ ０ ７ ０ ０ｈ Ｐ ａ Ｖ ７ ０ ０ （ 。 建模时 ， 首先 在 候 平 均 资 料 基 础 上 分 别 计 Ｓ Ｌ Ｐ） 计算时取每个时 算 ６ 个预测时段的 各 时 段 平 均 值 ， 集合成员最多４ 段回算或预测的 集 合 平 均 值 ， ０ 个， 水平分辨率为 ２． 。 ５ ° ×２． ５ °
２ ０ １ ０ ０ ３ １ １ 收到 ， ２ ０ １ ０ １ １ ２ ４ 收到再改稿 。
资助项目 ：国家科技部科技支撑计划项目 （ ， ） ， 中国气象局 ２ ） ２ ０ ０ ７ Ｂ Ａ Ｃ ２ ９ Ｂ ０ ４ ２ ０ ０ ６ Ｂ Ａ Ｃ ０ ２ Ｂ ０ ４ ０ ０ ９ 年新技术推广重点项目 （ ＧＭＡ Ｔ Ｇ ２ ０ ０ ９ Ｚ Ｄ ０ ３ ： ｍ ａ ｉ ｌ ｌ ｉ ｕ ｌ ｌ ｍ ａ ． ｏ ｖ ． ｃ ｎ Ｅ ＠ｃ ｇ
气候模式输出 的 具 有 较 高 预 测 技 巧 的 大 尺 度 信 息 ，
引 言
在全球气候 变 化 和 人 类 活 动 的 共 同 影 响 下 ， 全 球极端天气气候事件呈现出强度 大 、 频次高 、 影 响范
］ １ 围广等特点 ［ ， 近年来极端事 件的 发 生给社会 、 经济
生成高时空分辨率的模拟序列 ， 应 用于气 候预测 、 气 候变化等方面 ， 并取得了一系列成 果 ， 但这 些 工作主
应 用 气 象 学 报 第２ ２卷 第１期 Ｖ ｏ ｌ ． ２ ２，Ｎ ｏ ． １ ２ ０ １ １年２月 Ｊ ＯＵＲ ＮＡ ＬＯ ＦＡ Ｐ Ｐ Ｌ Ｉ Ｅ Ｄ ＭＥ Ｔ Ｅ Ｏ Ｒ Ｏ Ｌ Ｏ Ｇ Ｉ Ｃ Ａ ＬＳ Ｃ Ｉ Ｅ Ｎ Ｃ Ｅ Ｆ ｅ ｂ ｒ ｕ ａ ｒ ０ １ １ ｙ２
２ 统计降尺度预测方法
采用两步法和一步法两种降尺度方法预测极端 降水日数 ， 其中一步法以极端降水日数为预报量 ， 与 其高相关 的 Ｄ Ｅ Ｒ Ｆ 大 尺 度 环 流 场 为 预 报 因 子。 两 步法首先以降水距 平 百 分 率 为 预 报 量 ， 然后以此作 从随机 天 气 发 生 器 生 成 的 逐 日 降 水 随 为控制条件 ， 机序列选择满足该 给 定 条 件 的 降 水 ， 计算极端降水 日数 。 ２． １ 一步法预测极端强降水日数 综合动力模式预测与统计降尺度两种方法的优 利用国家气象 信 息 中 心 提 供 的 我 国 １ 势， ３ ３个站逐 日降水资料 、 ／ 再分析资料和 Ｎ Ｃ Ｅ ＰＮ Ｃ Ａ Ｒ Ｄ Ｅ Ｒ Ｆ的 回报资料 ， 将Ｄ Ｅ Ｒ Ｆ提供的具有较高预测技巧的大 预测极端降水 尺度信息统计降尺 度 到 各 观 测 站 点 ， 日数 。 预报因子的选择是建立统计降尺度模型过程 中 不同的大尺度气候预报因子对 一个非常重要的环节 ， 预报量的模拟结果具有很大 影响 ， 对于 不同 季节 、 不 其最优预报因子类型及其方法预测月降水和极端降水日数 ７ ９ 第 １ 期 刘绿柳等 ：
判断格点 （ ， 及 与之相邻 犻 ② 给定显著性水平 ， 犼） 的４ 个 格 点 的 相 关 系 数 是 否 均 通 过 显 著 性 检 验， 且 与Ｎ 若符合这一条 Ｃ Ｅ Ｐ和 Ｄ Ｅ Ｒ Ｆ 的相关 系 数 同 号 ， 件， 该点赋值为 １， 否则赋值为 ０。 计算格点 （ ， 邻 近 ４ 个格点 犻 ③ 在 ② 的基础上 ， 犼） 的平均值 ， 作为 （ ， 点的值 。 犻 犼） ， 处的值是否大 于 周围 ８ 犻 ０ 个格点 ④ 判断点 （ 犼） 的值 ， 如果小于其中某个格点值 ， 则赋值为 ０， 否则保 作为选取关键区的指标 。 持原值不变 ， ⑤ 对每个 环 流 场 全 球 所 有 网 格 点 的 非 零 关 键 计算非零关键区个数 。 区指标值从大到小排序 ， ⑥ 计算 ８ 个环流 场 所 有 非 零 关 键 区 个 数 总 和 ， 如果数值小于 ７， 转入 ⑦ ， 如果大于 ８， 转入 ⑧ 。 ⑦ 选取所 有 非 零 关 键 区 所 在 格 点 处 的 环 流 值 作为预报因子 。 ⑧ 首先取 每 个 环 流 场 相 关 系 数 最 高 的 格 点 作
图 １ 气候观测站点地理位置 Ｆ ｉ ． １ Ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎｏ ｆ ｃ ｌ ｉ ｍ ａ ｔ ｅｓ ｔ ａ ｔ ｉ ｏ ｎ ｓ ｇ
以上条件的区域代表性格点挑选出来 ， 按照相关系数 的大小进行排序 ， 挑选前 ８ 个 作为预报 因子集 ， 这样 又保证 既保证了预报因子与预报量之间的强相关性 ， 了预报因子能够被 Ｄ Ｅ Ｒ Ｆ 模式在较大的区域内准 确 地模拟出来 。 具体计算步骤如下 。 Ｅ Ｒ Ｆ和 Ｎ Ｃ Ｅ Ｐ 再分 ① 逐站分别计算预报量与 Ｄ 析资 料 各 大 尺 度 因 子 Ｈ ， ， ， ， ２ ０ ０ Ｈ ５ ０ ０ Ｈ ７ ０ ０ Ｕ ２ ０ ０ ， ， Ｕ ７ ０ ０ Ｖ ２ ０ ０ Ｖ ７ ０ ０和 Ｓ Ｌ Ｐ 各格点的相关系数 。
１） ２）
（ 国家气候中心 ， 北京 １ ） ０ ０ ０ ８ １
３） （ 中国气象局气候研究开放实验室 ， 北京 １ ） 武汉区域气候中心 ， 武汉 ４ ） ０ ０ ０ ８ １ ３ ０ ０ ７ ４ （
摘 要
针对动力气候模式对区域或更小空间尺度内的日降水预测技巧偏低的问题 ， 应用最优子集回归 （ 方法对国 Ｏ Ｓ Ｒ） ） 输出的高度场 、 风场和海平面气压场进行降尺度处理用于降水预测 ， 旨 家气候中心业务化的月动力气候模式 （ Ｄ Ｅ Ｒ Ｆ 在提高预测准确率 。 —２ 其中 １ １ ９ ８ ２ ０ ０ ６ 年交叉检验结果表明 ： Ｏ Ｓ Ｒ 方法能显著提高降水预测技巧 ， １～４ ０ｄ 改善效果 应用一步法和两步法两种统计降尺度方法预测极端降水日数 ， 交叉检验结果表明 ： 两种方法 最为显著 。 在此基础上 ， 冬季两步法预测技巧略高于一步法 ， 夏季一步法略优于两步法 。 综合认为 Ｏ 均优于随机预测 ， Ｓ Ｒ， Ｏ Ｓ Ｒ 结合随机天气 发生器 （ 两种统计降尺度方法对月尺度降水或极端降 水 日 数 的 预 测 均 具 有 较 高 的 技 巧 ， 可作为短期气候预测的 ＷＧ） 重要参考信息 。 关键词 ：降水预测 ；极端降水日数 ；统计降尺度 ；月动力气候模式
。 因而如何 利 用 预 测 效 果 较 好 、 技巧较高
［ ］ １ ２
的大尺度模式信息用于降水 、 气温等 中小尺 度预报 ， 降尺度 方 法 就 显 得 十 分 重 要 。近年提出的统计 降尺度技术 （ ， 则能利用 Ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌＤ ｏ ｗ ｎ ｓ ｃ ａ ｌ ｉ ｎ Ｓ Ｄ） ｇ
［ ９ １ ０］ ［ ２ ８］
，
。但
动力气候模式 对 大 尺 度 环 流 的 特 征 模 拟 较 好 ， 对空 间尺度较小的 降 水 、 气温等地表气候要素的预测技 巧较低
［ ］ １ １
１ 使用数据和有关概念
１． １ 使用数据 观 测 数 据 为 国 家 气 象 信 息 中 心 提 供 的１ ９ ６ １— 北京时 ， 下同） 站 点逐 日降 ２ ０ ０ ８年 的２ ０： ０ ０—２ ０： ０ ０（