我国台风灾害成因分析及灾情预估

利用2019年7月1日—8月12日欧洲中期天气预报中心（ECMWF）集合预报产品与同时段逐6 h地面降水观测资料,采用贝叶斯模型平均法,建立了ECMWF降水集合预报的BMA模型（简称BMA模型）,并对BMA模型的“利奇马”台风降水的确定性预报和概率预报与ECMWF原始集合预报进行对比分析。结果表明：（1）总体上,BMA模型对台风降水集合预报有较好的订正效果,能有效改善预报的离散度。（2）与原始集合预报相比,BMA模型的连续等级概率评分（CRPS）、平均绝对误差（MAE）、均方根误差（RMSE）的平均值分别降低了13%、34%和25%,在一定程度上提高了预报的可靠性,但随着降水量级增大,提高程度逐渐减弱;BMA模型还在一定程度上降低了原始集合预报对暴雨及以上量级降水预报概率的虚报,提高了“利奇马”台风暴雨及以上量级降水落区预报的准确性。（3）在该个例中第25百分位至第95百分位可视为有效预报区间,经BMA模型订正后的有效预报区间对降水观测的捕捉能力更强,BMA模型订正后的ECMWF集合预报捕获率比原始集合预报提高13.3%。

     

江西省降水空间插值方法适用性分析

文中基于数字高程模型,建立了多元线性回归插值模型(MLR)和PRISM空间插值方法,并与传统的反距离权重法(IDW)和普通克里金插值法(OK)进行比较.结果表明:1)江西省5月、7—10月降水量与海拔高度存在显著的相关性,与坡度、坡向无明显相关.2)从插值精度来看,3—9月PRISM和MLR空间插值精度明显优于IDW和OK,冬半年IDW和OK插值精度略高于MLR和PRISM;4种插值方法的年降水量插值精度排序为PRISM>MLR>OK>IDW;PRISM和MLR在高海拔地区的插值精度远高于IDW和OK.3)从插值效果来看,4种插值方法的降水空间分布具有一致性,MLR和PRISM优于IDW和OK.     

基于贝叶斯融合方法的高分辨率地面-卫星-雷达三源降水融合试验

为了探讨一种适用于区域性的地面、雷达、卫星等多源降水资料融合的方法,一种曾用于高分辨雷达、卫星土壤湿度产品反演的贝叶斯融合(Bayesian Merging)方法被尝试应用于江淮地区1 h-0.05°×0.05°经纬度高分辨率的雷达估测降水、卫星反演降水与地面站点观测降水3种资料的融合。在应用该方法时,通过2009年8月样本统计分别估计卫星和雷达反演降水的误差关系,通过曲线拟合建立误差方程,并以卫星资料作为背景场,但在融合时将雷达估测降水作为新的观测信息与地面观测降水同时引入。融合试验检验结果表明:贝叶斯融合方法能够有效实现雷达、地面、卫星3种不同来源资料的融合,该方法生成的多源融合产品的精度均优于任何单一来源的降水产品。     

基于模式先验信息的贝叶斯集合降水概率预报试验

为了更好地利用降水预报历史先验概率分布函数信息修订集合概率预报效果,基于贝叶斯原理和贝叶斯降水概率预报模型,分别使用1952—2007年历史观测资料和2009—2011年6月24~120 h中国T213全球集合预报历史资料作为先验信息,对中国不同气候区代表站（广州、南京、武汉和成都）建立贝叶斯降水概率预报模型,对比不同先验信息下集合成员与集成贝叶斯降水概率预报拟合结果差异,分析先验信息对贝叶斯降水概率预报模型的影响,在此基础上,采用模式先验信息的贝叶斯降水概率预报模型,进行2008年6月降水概率预报试验。试验结果表明,由T213集合预报产生的先验信息较历史观测资料产生的先验信息更优,当先验信息的降水概率分布函数曲率最大处偏向降水大值区时,贝叶斯模型的降水预报结果也偏向降水大值区,反之亦然。结果还显示,先验信息对贝叶斯降水概率预报模型有重要影响,若先验信息偏向更多更大降水量时,贝叶斯降水概率预报对有降水的预报更优,若降水先验信息偏向更少更小降水量时,对无雨或微量降水预报效果越好。