降水量计算器
F9164-N RTU遥测终端机使用说明书
F9164-N RTU遥测终端机使用说明书产品版本密级V2.3产品名称：F9164-N共62页F9164-N RTU遥测终端机使用说明书此说明书适用于下列型号产品：型号产品类别F9164-N RTU遥测终端机客户热线：400-8838-199电话：+86-592-6300320传真：+86-592-5912735网址：地址：厦门集美软件园三期A06栋11层文档修订记录日期版本说明作者2013-11-6V1.0初始版本liuqing 2017-10-11V2.0修改地址Linjunxuan 2018-05-11V2.1修改网络模式Harven 2018-07-02V2.2添加NB-IoT、ZigBee、LoRa等Harven 2018-12-26V2.3更新标准、去除ZigBee功能等Harven著作权声明本文档所载的所有材料或内容受版权法的保护，所有版权由厦门四信通信科技有限公司拥有，但注明引用其他方的内容除外。
未经四信公司书面许可，任何人不得将本文档上的任何内容以任何方式进行复制、经销、翻印、连接、传送等任何商业目的的使用，但对于非商业目的的、个人使用的下载或打印（条件是不得修改，且须保留该材料中的版权说明或其他所有权的说明）除外。
商标声明Four-Faith、四信、、、均系厦门四信通信科技有限公司注册商标，未经事先书面许可，任何人不得以任何方式使用四信名称及四信的商标、标记。
产品外形图目录第一章产品简介 (7)1.1产品概述 (7)1.3产品规格 (9)第二章安装 (12)2.1概述 (12)2.2开箱 (12)2.3安装与电缆连接 (12)2.4电源说明 (19)2.5指示灯说明 (19)2.6唤醒按钮说明 (20)2.7接地螺丝说明 (20)2.8设备固定说明 (20)2.9设备防雷说明 (20)第三章RTU功能说明 (21)3.1工作模式 (21)3.2定时采集预设置的传感器数据 (22)3.3触发采集雨量数据 (22)3.4整点上报雨量、水位数据 (22)3.5预警触发加报雨量、水位数据 (23)3.6本地存储采集数据 (23)3.7人工置数 (23)3.8远程查询实时雨量、水位实时数据 (23)3.9远程查询时段数据 (24)3.10电池电压上报功能 (24)3.11图片拍照 (24)3.12主备中心功能 (24)3.13参数配置 (25)3.14远程管理 (25)第四章参数配置 (26)4.1配置工具 (26)4.1.1硬件接口参数 (27)4.1.2硬件接口通信参数 (29)4.1.3报警参数 (31)4.1.4AD参数 (31)4.1.5终端参数 (32)4.1.6中心参数 (34)4.1.7北斗参数 (36)4.1.8摄像头参数 (37)4.1.9短信参数 (38)4.1.10数据查询及存储分配 (39)4.1.11功能操作项 (40)4.2键盘界面配置（可选） (42)4.2.1待机界面 (43)4.2.2主菜单 (44)4.2.2.1服务器参数 (44)4.2.2.1.1APN配置 (45)4.2.2.1.2APN号码 (45)4.2.2.1.3APN用户名和APN密码 (46)4.2.2.1.4TCPIP地址1和UDPIP地址1 (46)4.2.2.1.5端口1 (46)4.2.2.2终端参数 (47)4.2.2.2.1调试等级 (47)4.2.2.2.2工作模式 (47)4.2.2.2.3通信密码 (48)4.2.2.2.4遥测站地址 (48)4.2.2.2.5中心站地址 (48)4.2.2.2.6恢复出厂设置 (49)4.2.2.2.7清除历史数据 (49)4.2.2.2.8查询版本 (49)4.2.2.3人工置数 (50)4.2.2.3.1雨量置数 (50)4.2.2.3.2水位置数 (50)4.2.2.4测试报 (51)4.3远程平台设置 (51)4.3.1进入参数设置 (51)4.3.2远程参数界面 (51)4.3.3获取基本配置 (52)4.3.4基本配置保存 (52)4.3.6运行参数保存 (53)4.4短信配置参数 (53)4.4.1短信配置的格式 (53)第五章程序升级 (55)5.1本地升级 (55)5.2远程升级 (56)附录 (60)超级终端 (60)第一章产品简介1.1产品概述F9164-N遥测终端机集传统水文遥测终端机功能与GPRS/CDMA/WCDMA/EVDO/LTE/NB-IoT无线长距离及LoRa无线短距离传输功能于一体，实现水文/水资源等数据的采集、存储、显示、控制、报警及传输等综合功能。
水文学第六章
R3 R4 R2 Q4 K（ f1 f2 f 3） t t t 10 10 20 m3 0.278 （ 0.5 15 10） 98.69 s 1 1 1 R3 R4 10 10 m3 Q5 K（ f2 f 3） 0.278 （ 15 10） 69.5 s t t 1 1
6.2如题6.2图，设f1=0.5km2，f2=15km2，f3=10km2，流域
Байду номын сангаас
汇流历时τ=3h，净雨历时tc=4h，净雨深依次为：R1=30mm，
R2＝20mm，R3=R4=10mm试求最大流量及流量过程线。
解：tc>τ，令△t=1h，则： Q0 0
R1 30 m3 Q1 K f1 0.278 0.5 4.17 s t 1
设计年径流量的年内分配：
1 径流年内分配有哪两种表示方式？
2 有长期实测径流资料时设计年径流量年内分配的确定？ 3 缺乏实测径流资料时设计年径流量年内分配的确定？ 4 日流量（或水位）历时曲线的绘制和应用？ 设计洪水流量和水位： 1 洪水三要素？
2 推求设计洪水的方法？
3 洪水资料的审查？选样方法？ 4 洪水资料的插补延长？
洪水径流、枯水径流、设计年径流计算、丰水年、平水年、枯
水年、水文比拟法、代表年法、缩放倍比、洪水、设计洪水、 特大洪水、枯水、枯水流量、径流历时曲线
问题：
设计年径流量： 1 具有长期实测资料时设计年径流量的推算？ 2 资料不足情况下设计年径流量的推算？ 3 缺乏实测资料时设计年径流量的推算？
第四章 年径流及洪、枯径流
1)确定流域特征值 S 18.6 5.5 0.0083 S1/3 0.202
P24
MICAPS4帮助文档
目录
0 快速入门手册.........................................................................................................................6 0.1 安装.............................................................................................................................. 6 0.2 快速配置......................................................................................................................6 0.2.1 数据源配置.......................................................................................................6 0.2.2 综合图配置.......................................................................................................7 0.2.3 单站雷达默认配置（工具栏）...................................................................... 9 0.2.4 模式剖面默认配置（工具栏）...................................................................... 9 0.2.5 累积降水默认配置（工具栏）.................................................................... 10 0.2.6 表格数据默认配置（工具栏）.....................................................................11 0.2.7 模式探空默认配置.........................................................................................11 0.2.8 基础地图信息配置.........................................................................................12 0.2.9 交互层“另存为”保存................................................................................ 13 0.2.10 系统启动配置与出图配置.......................................................................... 14 0.2.11 传真图配置.................................................................................................15
WCI指数计算器
WCI指数计算器
什么是全球气候指数（Global Climate Index，GCI）：
全球气候指数（Global Climate Index，GCI）是一种评估气候变化
趋势的标准，它通过跟踪全球的气温、降水、风速、海温和海平面等数据，来衡量全球气候变化的影响。
这种指数可以用来探究气候变化对人类、动
物和环境的影响，并依据此调整全球气候政策。
根据全球气候指数（GCI）计算器计算，全球气候变化指数（WCI）可
以使用这种指数来衡量全球气候变化的影响程度，它实际上是通过对比和
缩小过去三十年平均气温、降水、风速和海温的变化幅度，来找出各个地
区气候平均变化百分比的指标。
全球气候变化指数（WCI）介于-100和
100之间，其中负数表示气候趋于冷却，正数表示气候趋于升温。
要使用全球气候变化指数（WCI）计算器，首先要做的就是选择一个
查询时间段，然后指定要查看的地区，再根据查询条件获取相关数据，最
后计算出所选时间段内的全球气候变化指数（WCI）。
在实际应用中，全球气候指数（WCI）的计算结果可以帮助我们更好
地了解气候变化的趋势，从而决定如何应对气候变化，比如减缓全球变暖
的速度。
ArcSWAT中文手册
7.2 Rainfall ............................................................................................................................... 45 7.3 Temperature ，Solar Radiation，Wind Speed，Relative humidity ................................ 45 第八章 输入文件的创建 ............................................................................................................... 46 第九章 输入修改——点源 ........................................................................................................... 49 第十章 输入修改——Inlet Discharges ......................................................................................... 52 第十一章 输入修改——水库 ....................................................................................................... 53 第十二章 输入修改——子流域 ................................................................................................... 57 12.1 编辑土壤参数（.sol）.................................................................................................... 58 12.2 编辑气象生成器输入数据（.wgn） ............................................................................. 58 12.3 编辑子流域一般输入数据（.sub）............................................................................... 59 12.4 编辑HRU一般输入数据（.hru） .................................................................................. 60
1stOpt使用手册
Exclusive
定义问题为排它问题，如 TSP 问题
StartRange
定义初始值范围
SharedModel
定义共享参数问题
DataSet
定义常数
EndDataSet
结束定义常数
MinFunction
最小值求优
MaxFunction
最大值求优
PlotParaFunction 画参数方程函数图
Title
1．4： 1stOpt 应用范围
1) 模型自动优化率定 2) 参数估算 3) 任意模型公式线性，非线性拟合，回归 4) 非线性连立方程组求解 5) 任意维函数，隐函数极值求解 6) 隐函数根求解，作图，求极值 7) 线性，非线性及整数规划 8) 组合优化问题 9) 高级计算器
1．5： 1stOpt 特长
1) 功能强劲，是目前唯一能以任何初始值而求得美国国家标准与技术研究院 (NIST：National Institute of Standards and Technology)非线性回归测试 题集最优解的软件包。
2) 可广泛用于水文水资源及其它工程模型优化计算。内镶 VB 及 Pascal 语言，可 帮助描述处理复杂模型。
Parameter a = 0.5 [-1, 1];
例： 定义参数 a 为整数，其取值范围在【-100，100】
Parameter a[-100,100,0];
Variable
定义变量 例：定义 x, y, z 三个变量： Variable x, y, z;
定义函数
Function
例：两变量曲线拟合： Function y = a + b*exp(c – x);
4
七维高科有限公司
降水百分率计算公式
降水百分率计算公式
降水百分率是指在一定时间内，某地区的降水量占该地区平均降水量的百分比。
它是气象学中常用的一个指标，可以用来评估某地区的降水情况。
降水百分率的计算公式如下：
降水百分率 = 实际降水量 ÷ 平均降水量 × 100%
其中，实际降水量指某地区在一定时间内的降水量，平均降水量指该地区在同一时间段内的历史平均降水量。
例如，某地区在一年内的降水量为800毫米，而该地区历史上同一时间段内的平均降水量为1000毫米，则该地区的降水百分率为：降水百分率 = 800 ÷ 1000 × 100% = 80%
这意味着该地区的降水量只有历史平均降水量的80%。
降水百分率的应用
降水百分率可以用来评估某地区的降水情况，对于农业、水利、交通等领域都有重要的意义。
在农业方面，降水百分率可以用来评估某地区的灌溉需求。
如果降水百分率低于50%，则该地区需要增加灌溉量，以保证农作物的正
常生长。
在水利方面，降水百分率可以用来评估某地区的水资源状况。
如果降水百分率低于50%，则该地区的水资源可能会出现短缺，需要采取相应的节水措施。
在交通方面，降水百分率可以用来评估某地区的道路安全情况。
如果降水百分率高于50%，则该地区可能会出现道路湿滑、积水等情况，需要采取相应的交通安全措施。
降水百分率是一个重要的气象指标，可以用来评估某地区的降水情况，对于农业、水利、交通等领域都有重要的应用价值。
计算器
计算器：一般是指“电子计算器”，该名词由日文传入中国。
计算器能进行数学运算的手持机器，拥有集成电路芯片，但结构简单，比现代电脑结构简单得多，可以说是第一代的电子计算机（电脑），且功能也较弱，但较为方便与廉价，可广泛运用于商业交易中，是必备的办公用品之一。
除显示计算结果外，还常有溢出指示、错误指示等。
计算器电源采用交流转换器或电池，电池可用交流转换器或太阳能转换器再充电。
为节省电能，计算器都采用CMOS工艺制作的大规模集成电路。
移动终端：移动终端或者叫移动通信终端是指可以在移动中使用的计算机设备，广义的讲包括手机、笔记本、平板电脑、POS机甚至包括车载电脑。
但是大部分情况下是指手机或者具有多种应用功能的智能手机以及平板电脑。
万维网：因特网：互联网始于1969年的美国，又称因特网。
是网络与网络之间所串连成的庞大网络，这些网络以一组通用的协议相连，形成逻辑上的单一巨大国际网络。
这种将计算机网络互相联接在一起的方法可称作“网络互联”，在这基础上发展出覆盖全世界的全球性互联网络称互联网，即是互相连接一起的网络。
互联网并不等同万维网，万维网只是一建基于超文本相互链接而成的全球性系统，且是互联网所能提供的服务其中之一。
光纤通信：光导纤维通信简称光纤通信，原理是利用光导纤维传输信号，以实现信息传递的一种通信方式。
实际应用中的光纤通信系统使用的不是单根的光纤，而是许多光纤聚集在一起的组成的光缆。
IP电话：IP电话是一种通过互联网或其他使用IP技术的网络，来实现新型的电话通讯。
随着互联网日渐普及，以及跨境通讯数量大幅飙升，IP电话亦被应用在长途电话业务上。
由于世界各主要大城市的通信公司竞争加剧，以及各国电信相关法令松绑，IP电话也开始应用于固网通信，其低通话成本、低建设成本、易扩充性及日渐优良化的通话质量等主要特点，被目前国际电信企业看成是传统电信业务的有力竞争者。
工业机器人：工业机器人是面向工业领域的多关节机械手或多自由度的机器人。
道路施工测量一体化海地道路设计与CASIO 9860GII的应用
道路施工测量一体化海地道路设计与CASIO 9860GII的应用1. 引言1.1 背景介绍海地是一个位于加勒比海的国家，面临着严重的交通运输问题。
道路的设计和施工质量是影响交通运输效率的重要因素之一。
由于海地长期以来受到自然灾害和政治动荡的影响，道路基础建设相对滞后，不仅道路质量较差，而且在施工测量过程中使用的设备和技术也比较落后。
随着科技的不断发展，现代化的测量设备逐渐被引入到道路施工中。
CASIO 9860GII便是一款颇受欢迎的计算器，在道路施工测量中起到了重要作用。
通过CASIO 9860GII，施工人员可以更准确地进行测量、计算和设计，提高了施工效率和质量。
本文将着重探讨海地道路设计的现状，CASIO 9860GII在道路施工测量中的应用，道路施工测量一体化的概念与优势，以及海地道路设计与CASIO 9860GII的结合应用案例。
希望通过本文的研究，为海地道路设计的改进与优化提供一定的借鉴和参考。
1.2 研究意义道路施工测量一体化是当前道路设计与施工领域的热点之一。
海地作为一个发展中国家，其道路设计和建设存在诸多不足，需要借鉴国外先进经验，加强道路施工测量工作。
CASIO 9860GII作为一款先进的计算器设备，在道路施工测量中具有便捷、高效的特点，能够有效提升测量精度和施工效率。
研究意义包括以下几个方面：首先，海地道路设计的现状需要改进和优化，借助CASIO 9860GII等现代化设备进行道路施工测量一体化是一种有效的途径。
其次，道路施工测量一体化的概念与优势可以为海地在道路建设领域提供新的思路和方法。
此外，结合海地的实际情况，探讨CASIO 9860GII在道路施工测量中的具体应用案例，有助于总结经验、改进不足，推动海地道路设计的改进与优化。
因此，本文旨在探讨海地道路设计与CASIO 9860GII的应用，评价其效果，并展望未来的发展方向，为海地道路建设的进一步发展提供重要参考。
2. 正文2.1 海地道路设计现状海地是位于加勒比海的一个岛国，土地多山且地震频繁，道路建设一直是该国发展中的重要问题。
降水量观测规范(报批版)
SL中华人民共和国水利行业标准SL 21－2006替代SL 21－90降水量观测规范（报批稿）2006-月-日发布年月日实施中华人民共和国水利部发布前言根据水利部国际合作与科技司“关于开展水利技术标准复审工作的通知（国科综【2004】9号）”，水利部水文局和南京水利科学研究院组织了《降水量观测规范》（sl21-90）（以下简称“规范（90）”）的主要起草人、审查专家、使用单位代表及其他相关专家，组成复审专家组，对“规范（90）”进行了复审。
复审专家组研究决定对“规范（90）”进行修订。
水利部水文局委托“规范（90）”原主编单位水利部南京水文水资源研究所（现南京水科院水文水资源研究所）负责修订。
在本次规范修订中，主编单位南京水科院和水利部水文局、水利部南京水利水文自动化研究所，认真研究了“规范（90）”原参编单位安徽、浙江、四川省水文局，以及长江委、黄委、黑龙江、内蒙古、北京、山东、河南、江西、广东、云南、陕西、甘肃等省（自治区、直辖市）20多个单位的水文局（处、总站）的修改意见，重点吸收了适当放宽记录精度、适当放宽观测场地要求、增加固态存贮器记录雨量等意见，并对“规范（90）”4～6章不同观测仪器的降水量观测的有关内容结构进行了调整，删除、简化了部分人工观测的内容，将第3章仪器及安装中的仪器组成结构和基本技术要求调到附录中，适当精炼了标准正文，增加了条文说明内容。
本标准替代sl21-90版本。
本标准批准部门：中华人民共和国水利部本标准主持机构：水利部水文局本标准解释单位：水利部水文局本标准主编单位：南京水利科学研究院本标准参编单位：水利部水文局水利部南京水利水文自动化研究所本标准出版、发行单位：中国水利水电出版社本标准主要起草人：秦福兴朱晓原冯讷敏杨菊芳本标准审查会技术负责人：谭国良本标准体例格式审查人：目录前言1总则 12观测场地 22.1场地查勘 (2)2.2场地设置 (2)2.3场地保护 (3)2.4雨量站考证簿的编制 (3)3 仪器及安装 53.1仪器组成、分类及适用范围 (5)3.2仪器安装 (5)4雨量器观测降水量 74.1观测时段 (7)4.2液态降水量观测 (7)4.3固态降水量观测 (7)4.4特殊观测 (8)4.5观测注意事项 (8)5 虹吸式自记雨量计观测降水量 95.1观测时间和程序 (9)5.2雨量记录的检查 (10)5.3观测注意事项 (10)6翻斗式自记雨量计观测降水量 116.1自记周期的选择 (11)6.2观测（换纸）时间 (11)6.3观测方法 (11)6.4雨量记录的检查 (12)6.5观测注意事项 (12)7 降水量资料整理 147.1一般规定 (14)7.2雨量器观测记载资料的整理 (15)7.3虹吸式自记雨量计记录资料的整理 (15)7.4翻斗式自记雨量计记录资料的整理 (17)附录A 雨量站考证簿编制说明19附录B 降水量观测常用仪器及其检查和维护24附录C F－86型防风雨量器的安装 28附录D雨量站观测记载簿填制说明30附录E降水量观测误差 331总则1.0.1为统一全国降水量观测技术，提高降水量观测资料质量，特制定本规范。
手动雨量器计算公式
手动雨量器计算公式雨量是指在一定时间内降水的量，通常用毫米（mm）或英寸（in）来表示。
测量雨量的仪器称为雨量计或雨量器。
手动雨量器是一种简单且常用的雨量测量仪器，通过手动记录雨量的方式来获取降雨量数据。
在这篇文章中，我们将介绍手动雨量器的计算公式以及如何使用它来测量雨量。
手动雨量器的计算公式是由降雨量的面积和深度来计算的。
通常，手动雨量器是一个圆柱形的容器，底部有一个直径为10厘米的漏斗，漏斗下方有一个容器来收集雨水。
测量雨量的过程是将收集到的雨水倒入一个标有刻度的量杯中，然后记录下水位的高度。
手动雨量器的计算公式为：雨量 = 面积×深度。
其中，面积是指雨量器的收集面积，通常以平方米（m²）或平方厘米（cm²）来表示；深度是指雨水在雨量器中的高度，通常以毫米（mm）来表示。
在使用手动雨量器测量雨量时，首先需要确定雨量器的收集面积。
然后，将收集到的雨水倒入量杯中，并记录下水位的高度。
最后，使用上述的计算公式来计算降雨量。
手动雨量器的使用方法非常简单，但需要注意以下几点：1. 雨量器的摆放位置应该是在一个开阔的地方，避免被建筑物或树木遮挡，以确保能够充分接收雨水。
2. 在测量雨量之前，需要将雨量器清洗干净，并确保漏斗和收集容器没有任何杂质。
3. 每次测量之后，都需要及时记录下雨水的高度，并清空收集容器，以便下次使用。
手动雨量器虽然简单，但在实际应用中仍然有一些局限性。
首先，由于是手动记录，可能会存在一定的误差。
其次，由于雨量器的收集面积有限，可能无法准确反映降雨的整体情况。
因此，在一些对雨量要求较高的应用中，可能需要使用更为精密的自动雨量计来进行测量。
除了手动雨量器，还有一种常用的雨量测量仪器是自动雨量计。
自动雨量计是一种能够自动记录降雨量的仪器，通常通过传感器来实时监测雨水的情况，并将数据传输到数据采集系统中。
相比手动雨量器，自动雨量计具有测量精度高、实时性好等优点，但成本也相应较高。
城市排水防涝标准及对应降雨量可编辑全文
城市
黑河市 绥化市 尚志市 五常市 讷河市 虎林市 密山市 铁力市 同江市 富锦市 绥芬河市 海林市 宁安市 穆棱市 北安市 五大连池市 安达市 肇东市 海伦市 上海市 南京市 无锡市 徐州市 常州市 苏州市 南通市 连云港市 淮安市 盐城市 扬州市 镇江市 泰州市 宿迁市 江阴市 宜兴市 新沂市 邳州市 溧阳市 常熟市 张家港市 昆山市 太仓市 启东市 如皋市 海门市 东台市
内涝防治标准 （重现期：年）
30 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 20 100 50 20 30 30 50 30 30 30 30 30 30 50 30 20 20 20 20 20 30 20 20 20 25 20 30 20
序号
43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88
省份
山西 山西 山西 山西 山西 山西 山西 山西 山西 山西 山西 山西 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 内蒙古 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁 辽宁
省份
黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 黑龙江 上海 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏 江苏
ARC_Gis_栅格计算器函数
栅格计算器中用得到$$相关函数$$NROWS: the number of rows in the analysis window （行数）$$NCOLS: the number of columns in the analysis window （列数）$$CELLSIZE: the current cell size specified in the analysis environment （像元大小）$$WX0: minimum x-map coordinate of the current analysis window （最小的X坐标）$$WY0: minimum y-map coordinate of the current analysis window （最小的Y坐标）$$WX1: maximum x-map coordinate of the current analysis window （最大的X坐标）$$WY1: maximum y-map coordinate of the current analysis window （最大的Y坐标）$$XMAP: x-map coordinate for the center of the processing cell （X坐标）$$YMAP: y-map coordinate for the center of the processing cell （Y坐标）1.栅格计算器中，表达式中的图层名要用[]括起来，运算符前后都要加空格，不然会出错。
2．Con命令命令使用方法有两种一是使用栅格计算工具（Spatial Analyst/Raster Calculator），输入栅格表达式后执行栅格计算（Evaluate）。
表达式输入方法为：con(条件,条件为真时的值,条件为假时的值)具体如con(isnull([dem]),0,[dem])或con( [dem] == 0,0,[dem])等。
降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验
ＤＯＩ：１０．１３８７８／ｊ．ｃｎｋｉ．ｊｎｕｉｓｔ．２０２１．０２．０１４陈翔翔１㊀郭达烽１降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验摘要为提高数值预报降水预报的准确率，本文利用欧洲中期天气预报中心的高分辨率数值预报（ＥＣＭＷＦ）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与观测的降水累积概率，通过在２０１７年江西省一次降水集中期的应用试验，得到以下结论：基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中，并根据近期模式预报调整及误差不断自动更新各量级降水修正值，可实时动态订正模式降水预报；检验发现ＥＣＭＷＦ模式降水产品对于２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的预报普遍偏大，２５ｍｍ及以上量级的预报普遍偏小，在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况㊁预报效果较好．本降水预报订正法能提高小雨和暴雨的ＴＳ评分㊁降低暴雨的漏报率且提升其命中率，但对大雨及部分中雨的订正效果不佳，在实践中应权衡利弊使用．关键词降水预报；概率匹配；动态订正中图分类号Ｐ５４７ ６文献标志码Ａ收稿日期２０１８⁃１１⁃２０资助项目２０１７年度江西省气象局面上项目作者简介陈翔翔，女，硕士，高级工程师，从事中短期天气预报研究．ｃｈｅｎｘｉａｎｇｘｉａｎｇ６６６＠１６３．ｃｏｍ郭达烽（通信作者），男，正高级工程师，主要从事天气预报研究．３８０４２４０４５＠ｑｑ．ｃｏｍ１江西省气象台，南昌，３３０００００㊀引言㊀㊀江西地处我国长江流域，属亚热带季风气候区，每年汛期（３ ７月）是江西暴雨㊁强对流天气多发期，尤其是连续多日的暴雨形成的降水集中期，能引发洪涝和泥石流等自然灾害，严重威胁着人民的生命和财产安全．为此，提高降水预报水平是气象预报任务中的重中之重．数值预报技术的快速发展为降水的精细化预报提供了良好的基础，目前天气预报员常用的提高预报准确率的途径，是不断对数值预报产品进行效果检验评估，从多种模式的降水产品中选择性能最稳定的，并在检验的基础上运用多种方法开展解释应用［１⁃６］．李勇［７］㊁张宏芳等［８］通过预报能力的对比分析得出欧洲中期天气预报中心（Ｅｕ⁃ｒｏｐｅａｎＣｅｎｔｒｅｆｏｒＭｅｄｉｕｍ⁃ＲａｎｇｅＷｅａｔｈｅｒＦｏｒｅｃａｓｔｓ，ＥＣＭＷＦ）高分辨率数值预报总体较优．陆如华等［９］㊁赵声蓉等［１０］和刘还珠等［１１］分别采用卡尔曼滤波法㊁神经元网络等统计方法对数值预报产品进行解释应用研究；刘琳等［１２］通过集合预报降水资料的累积概率分布，建立了极端强降水天气的预报指数；吴木贵等［１３］利用交叉熵神经网络方法建立了闽北大雨以上降水预报系统，并指出这是一种适合小概率事件预报的方法．这些技术方法在一定程度上提高了模式降水产品质量，但这些释用技术仍存在许多不足．周迪等［１４］㊁李俊等［１５］通过 概率匹配 （或 频率匹配 ）降水预报订正法对降水过程取得了较好订正效果．鉴于 概率匹配 法能较好地利用观测资料对模式产品进行订正，因而受到预报业务单位的重视和应用．但是，李俊等［１５］使用的 概率匹配 降水订正法是把指定区域内所有格（站）点作为同一资料序列进行统计分析，由于区域内地理位置和地形的差异可导致气候背景不同，如果区域内所有格（站）点降水预报订正模型采用相同的值，会导致订正结果不够精细．为探索和建立更为精细的不同站点㊁不同降水等级的 预报⁃观测概率匹配 订正方法，本研究结合智能网格预报业务应用，在充分考虑不同站点气候特征差异，开展产品检验效果分析的基础上，对相对稳定且效果较优的ＥＣＭＷＦ高分辨降水模式产品和历史观测资料，引入累积概率分布函数，针对不同等级降水预报，逐站建立订正模型，尤其对是否发生暴雨及其以上降水进行重点分析，并根据数值预报的调整不断更㊀㊀㊀㊀新订正模型，在此基础上开展订正预报试验和效果检验评估，以期通过该动态订正法实现对ＥＣＭＷＦ模式降水产品的解释应用，有效提高降水分级预报，尤其是暴雨预报质量，为汛期防灾减灾提供更好的保障服务．１㊀资料与方法１ １㊀资料的选取降水观测资料采用江西省气象信息中心提供的包含江西省９１个地面气象观测站（站点分布见图１）８ ２０时和２０时 次日８时的１２ｈ间隔降水资料，模式预报降水产品选取ＥＣＭＷＦ高分辨率数值预报降水预报产品（空间分辨率为０ １２５ʎˑ０ １２５ʎ），选取２０１７年６月１９ ２７日每日２次的１２ｈ间隔降水格点预报资料，检验的预报时效为０ ７２ｈ，选取离观测点最近的格点值与观测点实况进行对比并评分．１ ２㊀方法简介预报⁃观测概率匹配订正法 是近年来逐渐流行的一种模式释用订正方法，多用于模式降水产品的预报订正，其原理如图２［１４，１６］所示．不同量级的降水均能在实况观测的降水累积概率分布曲线（实线）上找到对应的累积概率值，这个值在０ １范围内．将已找到的实况对应的累积概率值反射到模式预报的降水累积概率分布曲线（点虚线）上，亦可在横轴中找到对应的降水量值，即不同量级降水的模式预报修正值［１４，１６］．这种降水累积概率分布是非正态的，赵琳娜等［１７］㊁梁莉等［１８］以及国内外较多研究［１９⁃２３］发现，使用Ｇａｍｍａ拟合观测与预报的降水累积概率分布可取得良好效果，因此，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与实况观测的降水累积概率．目前，我国各级气象台的定量降水预报，一般为０８：００㊁２０：００（北京时，下同）起报的１２ｈ间隔降水预报（８ ２０时和２０时 次日８时），并且以１２ｈ间隔进行预报检验评分．预报检验评分时，以０ ０㊁１０ ０㊁２５ ０和５０ ０ｍｍ等将１２ｈ降水量划分为多种等级．为了更好地分析订正效果，本文也按照１２ｈ间隔对ＥＣＭＷＦ模式的降水预报进行订正与检验，并以１２ｈ降水量１ ０㊁１０ ０㊁２５ ０和５０ ０ｍｍ的降水量级划分各等级．基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法是基于 预报⁃观测概率匹配订正法 的一种动态实践，这里把最新㊁实时的预报与实况结果带入概率匹配中，本文用预报时前１００ｄ共２００个起报时间的ＥＣＭＷＦ１２ｈ间隔降水预报资料与实况观测资料进行概率匹配，并在业务中不断更新各量级降水修正值，这可以一定程度订正近期模式预报误差，实时调节降水订正效果．目前预报业务中常用的预报效果检验指标有风险评分（ＴｈｒｅａｔＳｃｏｒｅ，ＴＳ，其量值记为ＳＴ）㊁命中率（ＰｅｒｃｅｎｔｏｆＤｏｏｍ，ＰｏＤ，其量值记为ＰｏＤ）㊁空报率（ＦａｌｓｅＡｌａｒｍＲａｔｅ，ＦＡＲ，其量值记为ＲＦＡ）和漏报率（ＰｅｒｃｅｎｔｏｆＯｍｉｓｓｉｏｎ，ＰＯ，其量值记为ＰＯ）等．设定ＮＡ为预报正确站数，ＮＢ为预报错误站数，ＮＣ为漏报站数，各指标计算公式如下：ＳＴ＝ＮＡＮＡ＋ＮＢ＋ＮＣˑ１００％，（１）ＰｏＤ＝ＮＡＮＡ＋ＮＣˑ１００％，（２）ＲＦＡ＝ＮＢＮＡ＋ＮＢˑ１００％，（３）ＰＯ＝ＮＣＮ＋Ｎˑ１００％．（４）图１㊀江西省国家地面气象观测站分布Ｆｉｇ １㊀ＤｉｓｔｒｉｂｕｔｉｏｎｍａｐｏｆｎａｔｉｏｎａｌｓｕｒｆａｃｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｏｂｓｅｒｖａｔｏｒｙｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ２㊀概率匹配动态订正法在江西省汛期降水集中期的应用分析２ １㊀２０１７年６月下旬江西降水集中期概况受高空低槽㊁中低层切变线和西南急流的共同４３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图２㊀各等级降水的预报⁃观测概率匹配订正法示意图［１４，１６］Ｆｉｇ ２㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｍｅｔｈｏｄ［１４，１６］影响，２０１７年６月２０日 ７月２日江西省出现了一次降水集中期，期间省内暴雨频繁发生．江西省９１个国家基本观测站中出现１０站及以上日雨量超５０ｍｍ的过程称为一次区域性暴雨过程，将江西省持续出现３ｄ及以上的区域性暴雨过程定义为持续性区域暴雨过程．在此次降水集中期内，就出现了一次持续性区域暴雨过程，２０１７年６月２１ ２６日江西省出现了长达５ｄ的持续性区域暴雨过程（表１），主要发生区域为赣北地区，其中，６月２５日有１９个暴雨㊁１３个大暴雨和１个特大暴雨站，持续的暴雨过程为江西省尤其是赣北人民的生产生活带来了严重的威胁．在降水集中期后半段，雨带先南移，后北抬，新的降水落区订正方法的应用与检验迫在眉睫．表１㊀２０１７年６月２１ ２５日江西省每日暴雨站数及位置（２０ ２０时）Ｔａｂｌｅ１㊀ＮｕｍｂｅｒａｎｄｌｏｃａｔｉｏｎｏｆｄａｉｌｙｒａｉｎｓｔｏｒｍｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｆｒｏｍ２１ｔｏ２５Ｊｕｎｅ，２０１７（２０：００－２０：００）２１日２２日２３日２４日２５日站数１４１１１３１６３３落区赣北㊁赣中赣东北赣北赣北赣北２ ２㊀江西省各站点降水等级预报订正值分布特征６月２５日江西暴雨站数最多，现选取前一日即６月２４日（试验第６天）为代表，分析江西省所有站的各降水量级修正值．图３㊁图４分别是２０１７年６月２４日０ １２ｈ预报时效和１２ ２４ｈ预报时效的各量级降水的降水订正值，可发现：对于１２ｈ间隔的小雨量级降水（１ ０ｍｍ），ＥＣＭＷＦ０ １２ｈ和１２ ２４ｈ预报时效的降水预报得普遍偏大（图３ａ，图４ａ），应往小修正．尤其是赣北南部及以南地区，ＥＣＭＷＦ预报２ ３ｍｍ时往往可以修正为１ｍｍ，而九江市的１ｍｍ小雨预报得较为接近实况．对于１２ｈ间隔的中雨量级降水（１０ｍｍ），除九江市西南部㊁宜春市局部预报偏小外，全省大部分地区预报偏大，尤其是南昌㊁鹰潭㊁抚州三市和吉安㊁赣州两市部分地区，并且１２ ２４ｈ预报时效的中雨比０ １２ｈ预报时效预报得更偏大，应往小修正（图３ｂ㊁图４ｂ）．而对于大量级降水，ＥＣＭＷＦ预报偏小的区域逐渐增多：０ １２ｈ和１２ ２４ｈ预报时效的１２ｈ２５ｍｍ降水预报分别有７０ ３％和５７ １％的站数预报偏小（图３ｃ，图４ｃ），需要往大修正；０ １２ｈ和１２ ２４ｈ预报时效的１２ｈ间隔的５０ｍｍ的暴雨量级降水预报分别有９３ ４％和７８％的站数预报偏小（图３ｄ，图４ｄ），其中，萍乡㊁宜春两市市区站点和赣州市西部０ １２ｈ和１２ ２４ｈ预报时效暴雨修正值均不足４０ｍｍ．综上，总体来看，江西省２０１７年６月降水集中期ＥＣＭＷＦ的２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的降水预报普遍偏大，２５ｍｍ及以上量级的降水预报普遍偏小．但是，九江市沿江地区和景德镇的各量级降水预报较为接近实况，预报效果较好．２ ３㊀修正前后各检验指标的变化２ ３ １㊀６个预报时次各指标平均值在试验期间（２０１７年６月１９—２７日）的日变化㊀㊀气象部门对降水预报效果的评判一般用ＴＳ评分㊁命中率（ＰｏＤ）㊁空报率（ＦＡＲ）和漏报率（ＰＯ）等指标．下面对ＥＣＭＷＦ的各量级降水预报进行动态修正后的各指标日变化进行对比，为了更好地展示总体预报效果，用的是全省９１站的平均值（图５ ８）．分析发现，在试验期间（２０１７年６月１９ ２７日），对于１２ｈ１ｍｍ和５０ｍｍ的降水等级，ＥＣＭＷＦ７２ｈ内的６个预报时效平均ＴＳ在修正后均有不同程度的提升（图５）．其中，在试验第７天（２０１７年７月２５日），１２ｈ１ｍｍ和５０ｍｍ等级的降水ＴＳ分别提升了０ ０２２和０ ０１５，而１０ｍｍ降水的ＴＳ提升不明显，对２５ｍｍ的降水更出现了修正后不如修正前的结果，可见，基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用，弱降水（１ｍｍ）和暴雨量级降水（５０ｍｍ）可多参考本降水预报订正法，有助于提升晴雨预报和灾害性降水的预报服务质量．预报业务中对于命中率㊁空报率和漏报率也能５３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１图３㊀２０１７年６月２４日（试验第６天）０ １２ｈ预报时效各量级降水的降水订正值（ｍｍ）Ｆｉｇ ３㊀Ｔｈｅｃｏｒｒｅｃｔｅｄｒａｉｎｆａｌｌｖａｌｕｅ（ｕｎｉｔ：ｍｍ）ｏｆｄｉｆｆｅｒｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｖｅｌｓｉｎｔｈｅ０－１２ｈｆｏｒｅｃａｓｔｔｉｍｅｏｎＪｕｎｅ２４，２０１７（ｔｈｅｓｉｘｔｈｄａｙｏｆｔｈｅｅｘｐｅｒｉｍｅｎｔ）一定程度反映预报水平．大雨㊁暴雨量级降水的命中率在修正后有所提升（图６），可见本订正法可以根据近期预报与实况较好地调整降水中心强度；而小雨㊁中雨量级的降水的空报率在修正后有明显降低（图７）．这也是由于小雨和中雨的修正值比原值大，ＥＣＭＷＦ模式空报了部分小量级降水；大雨和暴雨的修正值比原值小，大雨㊁暴雨量级的降水的漏报率在修正后有明显提升（图８），说明ＥＣＭＷＦ模式对暴雨中心和量级的预报能力有待提升．对于防灾减灾而言，大量级降水的漏报能直接影响群众生命财产安全，降低大量级降水的漏报率并且提升其命中率十分重要．基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在本次试验中明显降低了大雨和暴雨的漏报率且提升了命中率，应用效果较好．２ ３ ２㊀试验期间不同预报时效修正后平均ＴＳ增幅一般而言，预报时效越短，预报效果越好：０ １２ｈ降水预报时效的预报效果比１２ ２４ｈ降水预报的预报效果更好，ＴＳ评分等检验评分越高，以此类推．因此，有必要从不同的预报时效着手，查看修正前后检验指标的变化．图９为不同预报时效在试验期间（共９ｄ）修正后平均ＴＳ增幅，可见，对于２４ｈ以内的降水预报，除了２５ｍｍ量级的降水预报ＴＳ评分修正后为负技巧（即修正后ＴＳ增幅＜０）外，其他量级的降水均为正技巧，其中，０ １２ｈ订正效果最好的为１ｍｍ的降水量级，增幅为０ ０２８，其次为１０ｍｍ的降水量级和５０ｍｍ的降水量级，ＴＳ平均增幅分别为０ ００６和６３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图４㊀２０１７年６月２４日（试验第６天）１２ ２４ｈ预报时效各量级降水的降水订正值（ｍｍ）Ｆｉｇ．４Ｔｈｅｃｏｒｒｅｃｔｅｄｒａｉｎｆａｌｌｖａｌｕｅ（ｕｎｉｔ：ｍｍ）ｏｆｄｉｆｆｅｒｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｖｅｌｓｉｎｔｈｅ１２－２４ｈｆｏｒｅｃａｓｔｔｉｍｅｏｎＪｕｎｅ２４，２０１７（ｔｈｅｓｉｘｔｈｄａｙ图５㊀江西省所有站点平均ＴＳ修正前后变化情况（７２ｈ内所有预报时效平均）（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ５㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＴＳｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＴＳｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）７３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１图６㊀６个预报时次江西省所有站点平均命中率（ＰｏＤ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ６㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＰｏＤｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＰｏＤｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）图７㊀６个预报时次江西省所有站点平均空报率（ＦＡＲ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ７㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＦＡＲｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＦＡＲｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）０ ００４；１２ ２４ｈ订正效果最好的仍是１ｍｍ的降水量级，ＴＳ平均增幅为０ ０２３．此后，随着预报时效的不断延长，不同量级降水的订正效果均有不同程度的降低，但１和５０ｍｍ量级的降水预报订正效果一直维持正技巧，即对于小量级降水（晴雨）以及大量级降水（暴雨）的预报，基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法有着良好的订正技巧．ＴＳ评分平均值修正后出现负技巧（２５ｍｍ量级的降水预报居多）的原因可能是：试验前期１００ｄ带入概率匹配的样本数太少，影响了订正结果的准确性，如果样本数太多，则会削弱对最近模式误差的订正效果．ＥＣＷＭＦ对本次试验降水落区预报不准，也能导致预报ＴＳ评分微弱提升甚至降低．８３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图８㊀６个预报时次江西省所有站点平均漏报率（ＰＯ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ８㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＰＯｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＰＯｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）图９㊀试验期间（共９ｄ）修正后平均ＴＳ增幅Ｆｉｇ ９㊀ＴｈｅｉｎｃｒｅａｓｅｏｆａｖｅｒａｇｅＴＳａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｄｕｒｉｎｇｔｈｅｅｘｐｅｒｉｍｅｎｔ（９ｄ）３ 结论与讨论为提高数值预报降水预报的准确率，本文利用欧洲中心高分辨率数值预报（ＥＣＭＷＦ）每日２次的１２ｈ间隔降水格点预报资料和江西省国家级气象观测站实况降水量进行概率匹配，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与观测的降水累积概率，并在业务中根据近期（１００ｄ）模式预报调整及误差不断更新各量级降水修正值，通过在２０１７年６月底江西省一次降水集中期的应用试验，得到以下结论：１）江西省２０１７年６月降水集中期ＥＣＭＷＦ的２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的降水预报普遍偏大，２５ｍｍ及以上量级的降水预报普遍偏小；从江西区域分布来看，九江市沿江地区和景德镇的各量级降水预报较为接近实况，预报效果较好．２）基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用：本降水预报订正法能提高小雨和暴雨的ＴＳ评分㊁降低暴雨的漏报率且提升其命中率，但对大雨及部分中雨的订正效果不佳．对于防灾减灾而言，暴雨的漏报会直接威胁群众生命财产安全，降低暴雨的漏报率并提升其命中率十分重要，就此而言，本次降水预报订正试验获得了较好的效果．本文为数值预报产品的解释应用提供了一种方法，可以动态订正模式降水预报（尤其是致灾性暴雨）．但是，应用试验中大雨及部分中雨的预报的订正效果不佳，可能原因是：本文选择预报时前１００ｄ每天２次的预报与实况降水数据进行概率匹配，如果带入概率匹配相应降水量级的数据样本数太少，会使得本次试验不能很好拟合Ｇａｍｍａ概率分布函数，影响订正结果的准确性，如果样本数太多，则会削弱对最近模式误差的订正效果．ＥＣＷＭＦ对本次试验降水落区预报不准，也能导致预报ＴＳ评分微弱提升甚至降低．另外，本文采用的是Ｇａｍｍａ分布函数来拟合预报与观测的降水累积概率，在以后的工作中，亦可尝试采用其他分布函数（如ＧＥＶ㊁ＧＮＯ㊁ＧＬＯ㊁Ｋａｐｐａ等）来拟合，并比较其优劣．９３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１参考文献Ｒｅｆｅｒｅｎｃｅｓ［１］㊀潘留杰，张宏芳，朱伟军，等．ＥＣＭＷＦ模式对东北半球气象要素场预报能力的检验［Ｊ］．气候与环境研究，２０１３，１８（１）：１１２⁃１２３ＰＡＮＬｉｕｊｉｅ，ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＺＨＵＷｅｉｊｕｎ，ｅｔａｌ．ＦｏｒｅｃａｓｔｐｅｒｆｏｒｍａｎｃｅｖｅｒｉｆｉｃａｔｉｏｎｏｆｔｈｅＥＣＭＷＦｍｏｄｅｌｏｖｅｒｔｈｅｎｏｒｔｈｅａｓｔｈｅｍｉｓｐｈｅｒｅ［Ｊ］．ＣｌｉｍａｔｉｃａｎｄＥｎｖｉｒｏｎ⁃ｍｅｎｔａｌＲｅｓｅａｒｃｈ，２０１３，１８（１）：１１１⁃１２３［２］㊀陈海山，孙照渤．陆面模式ＣＬＳＭ的设计及性能检验Ⅱ：模式检验［Ｊ］．大气科学，２００５，２９（２）：２７２⁃２８２ＣＨＥＮＨａｉｓｈａｎ，ＳＵＮＺｈａｏｂｏ．ＤｅｓｉｇｎｏｆａＣｏｍｐｒｅｈｅｎｓｉｖｅＬａｎｄＳｕｒｆａｃｅＭｏｄｅｌａｎｄｉｔｓｖａｌｉｄａｔｉｏｎｐａｒｔⅡ：ｍｏｄｅｌｖａｌ⁃ｉｄａｔｉｏｎ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２００５，２９（２）：２７２⁃２８２［３］㊀潘留杰，张宏芳，王建鹏．数值天气预报检验方法研究进展［Ｊ］．地球科学进展，２０１４，２９（３）：３２７⁃３３５ＰＡＮＬｉｕｊｉｅ，ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＷＡＮＧＪｉａｎｐｅｎｇ．Ｐｒｏｇｒｅｓｓｏｎｖｅｒｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓｏｆｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＥａｒｔｈＳｃｉｅｎｃｅ，２０１４，２９（３）：３２７⁃３３５［４］㊀张强，熊安元，张金艳，等．晴雨（雪）和气温预报评分方法的初步研究［Ｊ］．应用气象学报，２００９，２０（６）：６９２⁃６９８ＺＨＡＮＧＱｉａｎｇ，ＸＩＯＮＧＡｎｙｕａｎ，ＺＨＡＮＧＪｉｎｙａｎ，ｅｔａｌ．Ｐｒｅｌｉｍｉｎａｒｙｓｔｕｄｙｏｎｔｈｅｓｃｏｒｉｎｇｍｅｔｈｏｄｓｏｆｃｌｏｕｄ⁃ｆｒｅｅｒａｉｎｆａｌｌ／ｓｎｏｗｆａｌｌａｎｄａｉｒｔｅｍｐｅｒａｔｕｒｅｆｏｒｅｃａｓｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｃｉｅｎｃｅ，２００９，２０（６）：６９２⁃６９８［５］㊀刘建国，谢正辉，赵琳娜，等．基于ＴＵＧＧＥ多模式集合的２４小时气温ＢＭＡ概率预报［Ｊ］．大气科学，２０１３，３７（１）：４３⁃５３ＬＩＵＪｉａｎｇｕｏ，ＸＩＥＺｈｅｎｇｈｕｉ，ＺＨＡＯＬｉｎｎａ，ｅｔａｌ．ＢＭＡｐｒｏｂａｂｉｌｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇｆｏｒｔｈｅ２４⁃ｈＴＩＧＧＥｍｕｌｔｉ⁃ｍｏｄｅｌｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔｓｏｆｓｕｒｆａｃｅａｉｒｔｅｍｐｅｒａｔｕｒｅ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２０１３，３７（１）：４３⁃５３［６］㊀刘维，刘宇迪，赵世梅．二十面体网格和经纬网格全球模式在中国区域模拟效果对比［Ｊ］．南京信息工程大学学报（自然科学版），２０１６，８（２）：１４６⁃１５１ＬＩＵＷｅｉ，ＬＩＵＹｕｄｉ，ＺＨＡＯＳｈｉｍｅｉ．Ｇｌｏｂａｌｍｏｄｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｉｃｏｓａｈｅｄｒｏｎｓｐｈｅｒ⁃ｉｃａｌｍｅｓｈａｎｄｌａｔｉｔｕｄｅ⁃ｌｏｎｇｉｔｕｄｅｍｅｓｈｉｎＣｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０１６，８（２）：１４６⁃１５１［７］㊀李勇．２００７年６ ８月Ｔ２１３与ＥＣＭＷＦ及日本模式中期预报性能检验［Ｊ］．气象，２００７，３３（１１）：９３⁃１００ＬＩＹｏｎｇ．Ｖｅｒｉｆｉｃａｔｉｏｎｏｆｔｈｅｍｅｄｉｕｍ⁃ｒａｎｇｅｆｏｒｅｃａｓｔｅｆｆｉ⁃ｃｉｅｎｃｙｏｆＴ２１３ａｎｄＥＣＭＷＦａｎｄＪＡＰＡＮｍｏｄｅｌｆｒｏｍＪｕｎｅｔｏＡｕｇｕｓｔ２００７［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２００７，３３（１１）：９３⁃１００［８］㊀张宏芳，潘留杰，杨新．ＥＣＭＷＦ㊁日本高分辨率模式降水预报能力的对比分析［Ｊ］．气象，２０１４，４０（４）：４２４⁃４３２ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＰＡＮＬｉｕｊｉｅ，ＹＡＮＧＸｉｎ．ＣｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｃａｐａｂｉｌｉｔｉｅｓｏｆＥＣＭＷＦａｎｄＪａｐａｎｈｉｇｈ⁃ｒｅｓｏｌｕｔｉｏｎｍｏｄｅｌｓ［Ｊ］．Ｍｅｔｅｏｒｏ⁃ｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２０１４，４０（４）：４２４⁃４３２［９］㊀陆如华，何于班．卡尔曼滤波方法在天气预报中的应用［Ｊ］．气象，１９９４，９，２０（９）：４１⁃４６ＬＵＲｕｈｕａ，ＨＥＹｕｂａｎ．ＴｈｅａｐｐｌｉｃａｔｉｏｎｏｆＫａｌｍａｎｆｉｌｔｅｒｉｎｗｅａｔｈｅｒｆｏｒｅｃａｓｔｓ［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，１９９４，９，２０（９）：４１⁃４６［１０］㊀赵声蓉，曹晓钟．神经元网络的降水预报：暴雨落区预报实用方法［Ｍ］．北京：气象出版社，２０００：１３７⁃１３９ＺＨＡＯＳｈｅｎｒｏｎｇ，ＣＡＯＸｉａｏｚｈｏｎｇ．Ｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ：ｐｒａｃｔｉｃａｌｍｅｔｈｏｄｓｆｏｒｆｏｒｅｃａｓｔｉｎｇｒａｉｎｓｔｏｒｍａｒｅａ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＰｒｅｓｓ，２０００：１３７⁃１３９［１１］㊀刘还珠，赵声蓉，陆志善，等．国家气象中心气象要素的客观预报：ＭＯＳ系统［Ｊ］．应用气象学报，２００４，１５（２）：１８１⁃１９１ＬＩＵＨｕａｎｚｈｕ，ＺＨＡＯＳｈｅｎｒｏｎｇ，ＬＵＺｈｉｓｈａｎ．ｅｔａｌ．ＯｂｊｅｃｔｉｖｅｅｌｅｍｅｎｔｆｏｒｅｃａｓｔｓａｔＮＭＣ⁃ＭＯＳｓｙｓｔｅｍ［Ｊ］．ＱｕａｒｔｅｒｌｙＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｙ，２００４，１５（２）：１８１⁃１９１［１２］㊀刘琳，陈静，程龙，等．基于集合预报的中国极端强降水预报方法研究［Ｊ］．气象学报，２０１３，７１（５）：８５４⁃８６６ＬＩＵＬｉｎ，ＣＨＥＮＪｉｎｇ，ＣＨＥＮＬｏｎｇ，ｅｔａｌ．Ｓｔｕｄｙｏｆｔｈｅｅｎ⁃ｓｅｍｂｌｅ⁃ｂａｓｅｄｆｏｒｅｃａｓｔｏｆｅｘｔｒｅｍｅｌｙｈｅａｖｙｒａｉｎｆａｌｌｓｉｎＣｈｉ⁃ｎａ：ｅｘｐｅｒｉｍｅｎｔｓｆｏｒＪｕｌｙ２０１１ｃａｓｅｓ［Ｊ］．ＡｃｔａＭｅｔｅｏｒｏｌｏｇｉｃａＳｉｎｉｃａ，２０１３，７１（５）：８５３⁃８６６［１３］㊀吴木贵，江彩英，张信华，等．交叉熵神经网络及其在闽北大雨以上降水预报中的应用［Ｊ］．南京信息工程大学学报（自然科学版），２０１２，４（３）：２２０⁃２２５ＷＵＭｕｇｕｉ，ＪＩＡＮＧＣａｉｙｉｎｇ，ＺＨＡＮＧＸｉｎｈｕａ，ｅｔａｌ．Ａｐｐｌｉ⁃ｃａｔｉｏｎｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｕｓｉｎｇｃｒｏｓｓ⁃ｅｎｔｒｏｐｙｔｏ９６ｈｏｕｒｓｆｏｒｅｃａｓｔｏｆｈｅａｖｙｐｒｅｃｉｐｉｔａｔｉｏｎｅｖｅｎｔｉｎｎｏｒｔｈｅｒｎＦｕｊｉａｎｐｒｏｖｉｎｃｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎ⁃ｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉ⁃ｔｉｏｎ），２０１２，４（３）：２２０⁃２２５［１４］㊀周迪，陈静，陈朝平，等．暴雨集合预报⁃观测概率匹配订正法在四川盆地的应用研究［Ｊ］．暴雨灾害，２０１５，３４（２）：９７⁃１０４ＺＨＯＵＤｉ，ＣＨＥＮＪｉｎｇ，ＣＨＥＮＣｈａｏｐｉｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｒｅｓｅａｒｃｈｏｎｈｅａｖｙｒａｉｎｆａｌｌｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔｖｓ．ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｍｅｔｈｏｄｉｎｔｈｅＳｉｃｈｕａｎｂａｓｉｎ［Ｊ］．ＴｏｒｒｅｎｔｉａｌＲａｉｎａｎｄＤｉｓ⁃ａｓｔｅｒｓ，２０１５，３４（２）：９７⁃１０４［１５］㊀李俊，杜钧，陈超君．降水偏差订正的频率（或面积）匹配方法介绍和分析［Ｊ］．气象，２０１４，４０（５）：５８０⁃５８８ＬＩＪｕｎ，ＤＵＪｕｎ，ＣＨＥＮＣｈａｏｊｕｎ．Ｉｎｔｒｏｄｕｃｔｉｏｎａｎｄａｎａｌｙｓｉｓｔｏｆｒｅｑｕｅｎｃｙｏｒａｒｅａｍａｔｃｈｉｎｇｍｅｔｈｏｄａｐｐｌｉｅｄｔｏｐｒｅｃｉｐｉ⁃ｔａｔｉｏｎｆｏｒｅｃａｓｔｂｉａｓｃｏｒｒｅｃｔｉｏｎ［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２０１４，４０（５）：５８０⁃５８８［１６］㊀郭达烽，陈翔翔，段明铿．预报⁃观测概率匹配法在降水预报业务中的应用［Ｊ］．中国农学通报，２０１７，３３（３２）：１００⁃１０７ＧＵＯＤａｆｅｎｇ，ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ＤＵＡＮＭｉｎｇｋｅｎｇ．Ａｐｐｌｉ⁃ｃａｔｉｏｎｒｅｓｅａｒｃｈｏｆｍｅｔｈｏｄｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．ＣｈｉｎｅｓｅＡｇｒｉ⁃ｃｕｌｔｕｒａｌＳｃｉｅｎｃｅＢｕｌｌｅｔｉｎ，２０１７，３３（３２）：１００⁃１０７［１７］㊀赵琳娜，梁莉，王成鑫，等．基于贝叶斯模型平均的集合降水预报偏差订正［Ｃ］ʊ第２８届中国气象学会年０４２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．会，Ｓ３灾害天气研究与预报．厦门，２０１１：１⁃１３ＺＨＡＯＬｉｎｎａ，ＬＩＡＮＧＬｉ，ＷＡＮＧＣｈｅｎｘｉｎ，ｅｔａｌ．Ｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎｏｆｃｏｌｌｅｃｔｉｖｅｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｂａｓｅｄｏｎｂａｙｅｓｉａｎｍｏｄｅｌａｖｅｒａｇｅ［Ｃ］ʊ２８ｔｈＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｏｃｉｅｔｙＡｎｎｕａｌＭｅｅｔｉｎｇ．Ｓ３ＲｅｓｅａｒｃｈａｎｄＦｏｒｅｃａｓｔｏｆＤｉｓ⁃ａｓｔｒｏｕｓＷｅａｔｈｅｒ．Ｘｉａｍｅｎ，２０１１：１⁃１３［１８］㊀梁莉，赵琳娜，巩远发，等．夏季淮河流域雨日降水概率的空间分布分析［Ｃ］ʊ中国水利学会．２０１０学术年会论文集（上册），２０１０ＬＩＡＮＧＬｉ，ＺＨＡＯＬｉｎｎａ，ＧＯＮＧＹｕａｎｆａ，ｅｔａｌ．Ｓｐａｔｉａｌｄｉｓ⁃ｔｒｉｂｕｔｉｏｎａｎａｌｙｓｉｓｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｉｎＨｕａｉｈｅＲｉｖｅｒｂａｓｉｎｉｎｓｕｍｍｅｒｒａｉｎｄａｙ［Ｃ］ʊＣｈｉｎｅｓｅＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｏｃｉｅｔｙ．Ｐａｐｅｒｓｏｆｔｈｅ２０１０ＡｎｎｕａｌＡｃａｄｅｍｉｃＣｏｎｆｅｒｅｎｃｅ（Ｖｏｌｕｍｅ１），２０１０［１９］㊀ＨｕｓａｋＧＪ，ＭｉｃｈａｅｌｓｅｎＪ，ＦｕｎｋＣ．Ｕｓｅｏｆｔｈｅｇａｍｍａｄｉｓ⁃ｔｒｉｂｕｔｉｏｎｔｏｒｅｐｒｅｓｅｎｔｍｏｎｔｈｌｙｒａｉｎｆａｌｌｉｎＡｆｒｉｃａｆｏｒｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｌｉｍａｔｏｌｏｇｙ，２００７，２７（７）：９３５⁃９４４［２０］㊀ＨａｍｉｌｌＴＭ，ＣｏｌｕｃｃｉＳＪ．ＥｖａｌｕａｔｉｏｎｏｆＥｔａ⁃ＲＳＭｅｎｓｅｍｂｌｅｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｓ［Ｊ］．ＭｏｎｔｈｌｙＷｅａｔｈｅｒＲｅｖｉｅｗ，１９９８，１２６（３）：７１１⁃７２４［２１］㊀ＷｏｏｌｈｉｓｅｒＤＡ．Ｍｏｄｅｌｉｎｇｄａｉｌｙｐｒｅｃｉｐｉｔａｔｉｏｎ⁃ｐｒｏｃｅｓｓａｎｄｐｒｏｂｌｅｍｓ［Ｍ］．ＳｔａｔｉｓｔｉｃｓｉｎｔｈｅＥｎｖｉｒｏｎｍｅｎｔａｌ＆ＥａｒｔｈＳｃｉｅｎｃｅｓ，Ｌｏｎｄｏｎ：ＧｕｔｔｏｒｐＰＨａｌｓｔｅｄＰｒｅｓｓ，１９９２：７１⁃８９［２２］㊀王斌，付强，王敏．几种模拟逐日降水的分布函数比较分析［Ｊ］．数学的实践与认识，２０１１，４１（９）：１２８⁃１３３ＷＡＮＧＢｉｎ，ＦＵＱｉａｎｇ，ＷＡＮＧＭｉｎ．Ｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｎｔｈｒｅｅｄｉｓｔｒｉｂｕｔｉｏｎｆｕｎｃｔｉｏｎｓｓｉｍｕｌａｔｉｎｇｄａｉｌｙｒａｉｎｆａｌｌ［Ｊ］．ＭａｔｈｅｍａｔｉｃｓｉｎＰｒａｃｔｉｃｅａｎｄＴｈｅｏｒｙ，２０１１，４１（９）：１２８⁃１３３［２３］㊀吴洪宝，王盘兴，林开平．广西６㊁７月份若干日内最大日降水量的概率分布［Ｊ］．热带气象学报，２００４，２０（５）：５８６⁃５９２ＷＵＨｏｎｇｂａｏ，ＷＡＮＧＰａｎｘｉｎｇ，ＬＩＮＫａｉｐｉｎｇ．ＰｒｏｂａｂｉｌｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｍａｘｉｍｕｍａｍｏｕｎｔｏｆｄａｉｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｃｅｒｔａｉｎｄａｙｓｉｎＪｕｎｅａｎｄＪｕｌｙｆｏｒＧｕａｎｇｘｉ［Ｊ］．ＪｏｕｒｎａｌｏｆＴｒｏｐｉｃａｌＭｅｔｅｏｒｏｌｏｇｙ，２００４，２０（５）：５８６⁃５９２Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅＣＨＥＮＸｉａｎｇｘｉａｎｇ１㊀ＧＵＯＤａｆｅｎｇ１１ＪｉａｎｇｘｉＭｅｔｅｏｒｏｌｏｇｉｃａｌＯｂｓｅｒｖａｔｏｒｙ，Ｎａｎｃｈａｎｇ㊀３３００００Ａｂｓｔｒａｃｔ㊀Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｎｕｍｅｒｉｃａｌｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ，ｆｏｒｅｃａｓｔｄａｔａｆｒｏｍｔｈｅＥｕｒｏｐｅａｎＣｅｎｔｒｅｆｏｒＭｅｄｉｕｍ⁃ｒａｎｇｅＷｅａｔｈｅｒＦｏｒｅｃａｓｔｓ（ＥＣＭＷＦ）ａｎｄＪｉａｎｇｘｉｍｅｔｅｏｒｏｌｏｇｉｃａｌｏｂｓｅｒｖａｔｉｏｎｓｔａｔｉｏｎｓｗｅｒｅｕｓｅｄｉｎｔｈｉｓｓｔｕｄｙ．Ａｇａｍｍａｆｕｎｃｔｉｏｎｗａｓｕｓｅｄｔｏｓｉｍｕｌａｔｅｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｃｕｍｕｌａｔｉｖｅｐｒｏｂａｂｉｌｉｔｙｏｆｐｒｅｄｉｃｔｉｏｎａｎｄｏｂｓｅｒｖａ⁃ｔｉｏｎ．ＴｈｅｍｅｔｈｏｄｗａｓｔｅｓｔｅｄｆｏｒａｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｉｎ２０１７．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＥＣＭＷＦｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｃｔｉｏｎｍｅｔｈｏｄｐｒｏｖｉｄｅｓｔｈｅｌａｔｅｓｔｒｅａｌ⁃ｔｉｍｅｆｏｒｅｃａｓｔｓａｎｄｏｂｓｅｒｖａｔｉｏｎｓｆｏｒｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇ，ａｎｄｕｐｄａｔｅｓｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｒｒｅｃｔｉｏｎｖａｌｕｅｓｏｆａｌｌｇｒａｄｅｓａｕｔｏｍａｔｉｃａｌｌｙａｃｃｏｒｄｉｎｇｔｏｔｈｅｐｒｅｄｉｃｔｉｏｎａｄｊｕｓｔｍｅｎｔａｎｄｅｒｒｏｒｏｆｔｈｅｒｅｃｅｎｔｍｏｄｅｌ．ＩｔｉｓｆｏｕｎｄｔｈａｔｔｈｅＥＣＭＷＦ ｓｄａｉ⁃ｌｙ１２ｈｉｎｔｅｒｖａｌｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｓｇｅｎｅｒａｌｌｙｌａｒｇｅｒｆｏｒｐｒｅｃｉｐｉｔａｔｉｏｎ１０ｍｍａｎｄｂｅｌｏｗ，ａｎｄｓｍａｌｌｅｒｆｏｒｐｒｅｃｉｐｉ⁃ｔａｔｉｏｎ２５ｍｍａｎｄａｂｏｖｅ．ＴｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｔｈｅＪｉｕｊｉａｎｇａｒｅａａｌｏｎｇｔｈｅＹａｎｇｔｚｅＲｉｖｅｒａｎｄＪｉｎｇｄｅｚｈｅｎｉｓｃｌｏｓｅｔｏａｃｔｕａｌｃｏｎｄｉｔｉｏｎｓ．Ｔｈｉｓｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄｃａｎｉｍｐｒｏｖｅｔｈｅｔｈｒｅａｔｓｃｏｒｅｏｆｌｉｇｈｔａｎｄｈｅａｖｙｒａｉｎ，ｒｅｄｕｃｅｓｔｈｅＰＯｏｆｈｅａｖｙｒａｉｎ，ａｎｄｉｎｃｒｅａｓｅｓｉｔｓＰＯＤ．Ｈｏｗｅｖｅｒ，ｔｈｅｃｏｒｒｅｃｔｉｏｎｅｆｆｅｃｔｏｆｈｅａｖｙｒａｉｎａｎｄｓｏｍｅｍｏｄｅｒａｔｅｒａｉｎｉｓｎｏｔｇｏｏｄ；ｈｅｎｃｅ，ｔｈｅａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓｓｈｏｕｌｄｂｅｃｏｎｓｉｄｅｒｅｄｉｎｐｒａｃｔｉｃｅ．Ｋｅｙｗｏｒｄｓ㊀ｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔ；ｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇ；ｄｙｎａｍｉｃｃｏｒｒｅｃｔｉｏｎ１４２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１。
利用雨水计算器帮助管理雨水径流以减少水污染
［ ９ ］ 刘 建康 ． 东湖 生态学 研究 （ 一） ［ Ｍ】 ． 北 京： 科学 出版 社， １ ９ ９ ０ ： ３ ７ ９ —
４ ０ ５ ．
［ １ ０ ］康 丽 娟． 淀 山湖 沉积 物 碳一 氮 垂直 分 布特 征 【 Ｊ Ｊ ．环境 科学 与技
术， ２ ０ １ １ ， ３ ４ （ １ ２ Ｈ） ： １ ３ － １ ６ ． 【 １ １ 】苏 丽丹 ， 林 卫青 ， 杨漪 帆， 等－ 淀 山湖 底泥 氮 、磷 释放 通量 的 研 究 ［ Ｊ ］ ．环境 污染 与防 治， ２ ０ １ １ ， ３ ３ （ ５ ） ： ３ ２ — ３ ５ ．
Ｗａ ｔ ｅ ｒ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ， ２ ０ ０ ３ ， ３ ７ ： ３ ９ ２ ８ — ３ ９ ３ ８ ．
研究 ［ Ｊ ］ ．江苏农 业科 学， ２ ０ １ ３ ， ４ １ （ １ ） ： ３ １ ６ — ３ １ ８ ．
［ ２ Ｏ 】翟 中和 ， 王 喜 忠， 丁 明孝 ＿ 细胞 生 物学 ． ２ ０ ０ ０ ． 北京 ： 高等 教育 出版
土地使用政策 ， 以保 护 当地 水 道 免 受 雨水 径 流 引起 的 污 染 ． 防 止 影 响 饮 用 水 源 以及 当地 生 态 系 统 的雨 水 径 流 可 以保 护公众健康和环境．
该计算器是 ６月总统气候行动计划宣布 的雨水计算器以及气候评价工具包的第 １ 阶段， 是１ 个用于评估特定场地 年雨水径流量的桌面应用， 这一应用基于 当地土壤条件、斜率、地表覆盖 以及历史降雨记录． 用户可以进入所有美 国的 地点并选择不同的情景来学习特定的绿色基础设施变化如何来预防污染， 这类绿色基础设施包括诸如接雨水桶及雨水 庭院等低成本变化． 这～信息帮助用户确定如何添加绿色基础设施才是减少雨水径流最为划算的方法之一． Ｅ Ｐ Ａ研究与发展部 门的主任 副行政助理 Ｌ ｅ ｋ Ｋａ ｄ ｅ ｌ ｉ 表示： “ Ｅ Ｐ Ａ 的研究是要提供创新的解决方案来保护我们 国 家的水资源． 雨水计算器演示 了不同类 型绿色基础设施的方法， 这些途径可以预 防洪水 、节能、改善空气质量、增加 房产价值、更为健康 的社区以及为美 国人 民节省开支． ” 每年， 数十亿加仑未经处理的污水 、垃圾 、家庭化学品 以城 市径流进入到溪流、河流及湖泊． 受污染的雨水径流 会对植物、 动物以及人类产 生不利影响． 也会对经济产生不利影 响——在受污染区域， 从关闭的海滨到渔业及狩猎减 少． 绿色基础设施是促进健康水发展及支持可持续社区的 １ 个经济 的解决方案．
焓湿图计算器
焓湿图计算器可以作为湿空气焓值、湿度计算器。
具有干湿表、温度表和湿度表，其中干湿表和温度表采用数显和指针两种方式显示湿度，湿度表还具有湿度上下限设置及读取功能，它将使您在选型过程中做到心中有数。
内置湿度发生器，所得湿度图更清晰、直观。
由于采用了高集成化的单片机，软件编程灵活，操作简便，各参数在屏幕上设定，修改非常方便。
全新的气象领域计算工具。
模块化设计思路，整合多项气象要素及传感器，气象数据预处理模块内置，用户可按实际需要进行设置；当某项气象要素达到或低于警戒限时，立即发出报警信号。
并根据风速自动计算、显示风向、风速、气压、雨量等指标，另有专业气象数据处理模块，可随时查询气象要素历史趋势图，并提供数据转换接口。
界面友好美观，各种气象要素测试[gPARAGRAPH3]直观。
各种测试项目和输出方式在同一界面下均可自由切换，不同的参数状态通过不同颜色表示，一目了然。
模块化设计思路，扩展接口丰富。
在气象参数测试项目下可自由添加其他测试项目，软件内置气象传感器测试项目，无需用户手动添加传感器。
在数据统计功能下，可对所有传感器数据统计分析，为今后的气象参数设置、应用和研究提供强有力的支持。
强大的查询、分析功能。
可按时间范围、天气现象、站点名称等条件组合查询任意多个测试项目和指标；可查看近三十年的气象资料图谱，并支持鼠标拖放功能；可以方便地查询某一段时间的最大风速、平均风速、最大瞬时风速等各种数据。
具备气压和温度查询功能。
可自动绘制站点的温度曲线。
查询空气相对湿度、露点、蒸发量等指标；可根据时间或气象因子类别查询湿度曲线。
可按时间范围、气象现象、站点名称等条件查询和分析任意多个指标；具备雨量查询功能，可显示整个城市或特定区域的降水量、累积降水量、分段降水量、逐小时降水量、逐小时降水强度。
为您提供多种比较数据的方法。
数据库更新完全依靠本机数据存储，不占用电脑资源，可随时导入本系统中，确保数据与用户数据的一致性。