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
基于DFA方法的珠江流域极端降水阈值研究
基于DFA方法的珠江流域极端降水阈值研究刘丙军;伍丽丽;陆文秀【摘要】Extreme precipitation events occur rarely and are difficult to collect samples. There are still uncertainty problems with the definition of extreme precipitation threshold, which is variable and not unified. This study summarizes the uncertainties of extreme precipitation threshold based on Fixed Critical Value Method, Special Percentile Value Method and the Goodness of Extreme Value Distribution Fitting Test. In order to overcome these problems, a new method, named as DFA, has been used to discuss the physical mechanism and applicable conditions. The system dynamics-based DFA, tracks extreme precipitation threshold by analyzing the characteristics of long range correlation of the precipitation series and can well reflect the statistical effects and scientific background of precipitation series. It is applicable to define extreme precipitation threshold within a basin.%流域极端降水事件发生频率低、样本少,其阈值定义存在定义方式不统一、方法多样等不确定性和无规则性问题.论文以珠江流域为研究区域,系统总结了绝对临界值法、百分位值法、极值分布拟合法在确定流域极端降水阈值存在的不确定性问题,并尝试运用DFA方法,研究探讨了该方法在确定流域极端降水阈值的物理机制及其适用条件.研究表明,DFA方法以系统动力学为基础,通过分析极端降水事件对降水时间序列长程相关性的影响,由此寻求流域极端降水阈值,能较好反映流域降水序列的统计效应和物理背景,比较适合流域极端降水阈值分析.【期刊名称】《中山大学学报（自然科学版）》【年(卷),期】2013(052)001【总页数】6页(P136-141)【关键词】珠江流域;极端降水;阈值;DFA方法【作者】刘丙军;伍丽丽;陆文秀【作者单位】中山大学地理科学与规划学院水资源与环境系,广东广州 510275;中山大学地理科学与规划学院水资源与环境系,广东广州 510275;珠江水利科学研究院,广东广州 510611;中山大学地理科学与规划学院水资源与环境系,广东广州510275【正文语种】中文【中图分类】P426.6全球气候持续变化影响下，水循环更为复杂多变，极端降水事件频繁发生。
用主成分回归方法制作青岛市8月降水预报
收稿日期:2000-10-18作者简介:李德萍(1962)),女,山东烟台人,工程师。
2001年第1期2001年3月山 东 气 象第21卷总第83期用主成分回归方法制作青岛市8月降水预报李德萍,黄明政,毕 超(青岛市气象台,山东青岛266003)摘要:通过对格点资料的相关普查及对相关区域的/EOF 0分解两种方法,分别对前期北半球500hPa 月平均高度场和北太平洋月平均海温场进行筛选和/浓缩0处理,提取影响青岛地区8月份降水的主要信息,并以相关区域主成分作为预报因子,建立青岛市8月份降水量的主成分回归预报方程。
计算表明,青岛市8月的降水量,主要决定于前一年6月西风漂流区的海温及前一年10月北美大槽的强弱。
如果前一年6月西风漂流区的海温偏低,10月北美大槽强度偏强,则来年8月我市降雨偏少;相反,则来年8月降雨偏多。
关 键 词:相关普查;正交分解;降水预报;海气相互作用中图分类号:P45613 文献标识码:B文章编号:1005-0582(2001)01-0011-021 思路与方法在常规格点资料相关普查中,一般只能取为数不多的相临格点,计算出一个区域的平均值并作为预报因子,通常所取的范围都比较小。
如果希望与一个大气活动中心相对应;特别是当普查的相关场中,出现了由正相关中心向反相关中心的过渡,如仍对整个过渡区间取平均值,将会丢失信息。
本文以/EOF 0展开场的时间系数(主成分)作为预报因子,可较好地表示天气系统的槽脊分布及北太平洋涡流中特定的海温状况。
而特征向量的时间系数,反映了主要空间特征随时间的变化状况,由于它浓缩了原始场的主要信息,作为预报因子比常规的原始场要素平均值具有更大的优越性。
用1952~1999年共47年的北太平洋海温场与北半球500hPa 高度的月平均资料,分别与青岛市8月降水距平百分率进行相关普查,选取置信度A <0105的相邻网格点,分别划定出高度场与海温场的因子相关区域。
基于DERF的SD方法预测月降水和极端降水日数
和人民生活造成了严重的影响和 损失 。 有 关 极端天 气气候事件的 变 化 已 引 起 科 学 家 们 的 高 度 关 注 ， 国 内外对极端天气气候事件的研究 主要集中 在 降水 和 温度的历史观测资料诊断分 析 与预估两 个 方 面 较少涉及预测特别是短期气候预测方面 。 在短期气候 预 测 业 务 中 ， 降水预测既是重点又 是难点 ， 倍受人们的关注 ， 极端降 水的预测 则 更为 困 难 。 目前动力气候预测模式已成 为气象工 作者的 重 在气候预测业务中得到广泛应用 要工具 ，
。 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
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 °
基于DERF的SD方法预测月降水和极端降水日数
基于DERF的SD方法预测月降水和极端降水日数刘绿柳;孙林海;廖要明;杜良敏;李想【期刊名称】《应用气象学报》【年(卷),期】2011(022)001【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(OSR)方法对国家气候中心业务化的月动力气候模式(DERF)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,旨在提高预测准确率.1982-2006年交叉检验结果表明:OSR方法能显著提高降水预测技巧,其中11～40 d改善效果最为显著.在此基础上,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:两种方法均优于随机预测,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OSR,OSR结合随机天气发生器(WG)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重要参考信息.%The predicion of precipitation especially extreme precipitation is important but difficult. Dynamical climate models play important roles in the climate prediction and show good skills in large-scale circulation prediction. However, its prediction skill of daily precipitation is limited on regional or smaller spatial scale. So dynamical or statistical downscaling is developed to provide prediction with high resolution. Statistical downscaling can make full use of the large -scale circulation information with high skill of global climate model, and simulate everyday climate variables on the regional or point scale. It has become a popular method in climate prediction and climate changeresearch.Dynamical Extension Regional Forecast Model (DERF) by National Climate Center, CMA has been used in the climate prediction for nearly ten years. Like other global climate models, it has good skills in predicting circulation fields such as height, wind, and sea level pressure. Optimum subsets regression (OSR) is used to predict precipitation anomaly at 133 stations in China for 6 periods (1 -10 days, 11-20 days, 21 -30 days, 31 - 40 days, 1-30 days, 11-40 days) using geopotential height, zonal wind, merid ional wind and sea level pressure as predictors by DERF. The OSR models are verified with cross valida tion method using data from 1982 to 2006. Five operational sores (Ratc, CLTc, P, ACC and TS) are compared with the results directly forecasted by DERF. The results show that OSR can improve prediction skill to different extents, especially for 11- 40 days. Then two statistical downscaling methods are used to predict number of extreme precipitation days. One is predicting directiy as predictant with OSR method using large circulations from DERF as predictors (named as 1-step method), which is similar to precipitation anomaly prediction. The other one is to compute the day number using simulation results of weather generator (WG) under the condition of precipitation anomaly predicted by OSR downscaling (named as 2 step method). Random prediction is compared with the two methods. Crossing verification from 1982 to 2006 show that the predict skill of the two statistical methods is better than that of random prediction. The skill of 2-step method is better than 1-step method to predict number of extreme precipitation days in win ter, but worse in summer. It can be concluded that the methods of OSR andcombingtion of OSR and WG have high skill to predict precipitation and number of extreme precipitation days. The prediction informa tion can provide important information for short-range climatic prediction.【总页数】9页(P77-85)【作者】刘绿柳;孙林海;廖要明;杜良敏;李想【作者单位】国家气候中心,北京,100081;中国气象局气候研究开放实验室,北京,100081;国家气候中心,北京,100081;中国气象局气候研究开放实验室,北京,100081;国家气候中心,北京,100081;中国气象局气候研究开放实验室,北京,100081;武汉区域气候中心,武汉,430074;国家气候中心,北京,100081;中国气象局气候研究开放实验室,北京,100081【正文语种】中文【相关文献】1.月动力延伸预测模式业务系统DERF2.0对中国气温和降水的预测性能评估 [J], 何慧根;李巧萍;吴统文;唐红玉;胡泽勇2.月动力延伸预测产品DERF2.0对广西气温和降水的预测评估 [J], 陈思蓉;周秀华;陆虹;何慧根3.基于DERF2.0模式产品对单站旬、月极端降水日数的预测 [J], 白慧;段莹;王兴菊;陈贞宏4.基于数据挖掘CART算法的区域夏季降水日数分类与预测模型研究 [J], 史逸民;史达伟;郝玲;张银意;王鹏5.基于DERF 2.0对黑龙江省初夏降水的客观预测 [J], 班晋;王波;赵佳莹;李永生因版权原因，仅展示原文概要，查看原文内容请购买。
基于DERF2.0模式产品对单站旬、月极端降水日数的预测
基于DERF2.0模式产品对单站旬、月极端降水日数的预测白慧;段莹;王兴菊;陈贞宏【期刊名称】《贵州气象》【年(卷),期】2016(40)1【摘要】该文利用1951-2013年贵阳站逐日降水量观测资料分析其极端降水日数的气候特征,结合DERF2.0月动力延伸预测模式输出的500hPa高度场格点资料,将高度距平场与该站极端降水日数距平值利用线性回归及逐步回归的方法建立5月26日起报1 ～40 d的预测模型,并对预测效果进行检验.结果表明:贵阳站20世纪80年代中期至90年代中期是极端降水日数偏多的时段,其余时段呈现偏少特征,在21世纪10年代之后极端降水日数呈增加趋势;影响贵阳站各旬极端降水日数的天气系统在月内具有阶段性的调整和变动,相比月尺度大气环流信号的稳定性较弱;对比固定时段建模和滑动时段建模下极端降水日数的预测结果,发现固定时段建模的预测结果与实况较为一致,尤其是月尺度预测值与实况值的相关系数较稳定,旬尺度预测值与实况值的稳定性较弱.【总页数】6页(P1-6)【作者】白慧;段莹;王兴菊;陈贞宏【作者单位】贵州省气候中心,贵州贵阳550002;贵州省山地气候与资源重点实验室,贵州贵阳550002;贵州省气候中心,贵州贵阳550002;贵州省安顺市气象局,贵州安顺561000;贵州省安顺市气象局,贵州安顺561000【正文语种】中文【中图分类】P457【相关文献】1.月动力延伸预测模式业务系统DERF2.0对中国气温和降水的预测性能评估 [J], 何慧根;李巧萍;吴统文;唐红玉;胡泽勇2.基于DERF的SD方法预测月降水和极端降水日数 [J], 刘绿柳;孙林海;廖要明;杜良敏;李想3.月动力延伸预测产品DERF2.0对广西气温和降水的预测评估 [J], 陈思蓉;周秀华;陆虹;何慧根4.基于DERF2.0产品的重庆月动力延伸期预测分析及应用 [J], 唐红玉;董新宁;周秀华;覃志年5.DERF2.0模式对江西月尺度气候预测能力的检验评估 [J], 马锋敏; 谢佳杏; 唐传师因版权原因，仅展示原文概要，查看原文内容请购买。
用主成分回归方法制作青岛市8月降水预报
用主成分回归方法制作青岛市8月降水预报
李德萍;黄明政;毕超
【期刊名称】《山东气象》
【年(卷),期】2001(021)001
【摘要】通过对格点资料的相关普查及对相关区域的"EOF"分解两种方法,分别对前期北半球500hPa月平均高度场和北太平洋月平均海温场进行筛选和"浓缩"处理,提取影响青岛地区8月份降水的主要信息,并以相关区域主成分作为预报因子,建立青岛市8月份降水量的主成分回归预报方程.计算表明,青岛市8月的降水量,主要决定于前一年6月西风漂流区的海温及前一年10月北美大槽的强弱.如果前一年6月西风漂流区的海温偏低,10月北美大槽强度偏强,则来年8月我市降雨偏少;相反,则来年8月降雨偏多.
【总页数】2页(P11-12)
【作者】李德萍;黄明政;毕超
【作者单位】青岛市气象台,山东,青岛,266003;青岛市气象台,山东,青岛,266003;青岛市气象台,山东,青岛,266003
【正文语种】中文
【中图分类】P456.3
【相关文献】
1.DERF产品在贵州降水主分量逐步回归预报模型中的释用 [J], 白慧;吴战平;李忠燕;周涛
2.华北夏季降水气候场的主分量逐步回归预报模型 [J], 黄刚;周文
3.用最优子集回归方法制作西宁单站的降水预报 [J], 徐亮;
4.基于主成分回归的
青岛市旅游收入影响因素研究 [J], 崔春雨;薛靖峰
5.基于MATLAB的主成分RBF神经网络降水预报模型 [J], 农吉夫;金龙
因版权原因，仅展示原文概要，查看原文内容请购买。
极端降水天气的分析与预测
极端降水天气的分析与预测摘要根据相关研究人员介绍，世界气候变暖将会直接影响到中国未来的降水情况，包括降水的强弱、频率高低与范围大小等。
相关平台预测到21世纪末期中国的降水量将会约10%，这可能会导致多地出现极端降水的危险情况；又由于我国地形的复杂性和多样性，不同地区里城市的降水特征也表现出不同的特点。
因此为具有不同潜在极端降水概率的城市建立时间序列预测模型与损失的定量分析模型具有重要意义。
关键词：极端降水时间序列预测模型定量分析1.引言近年来，罕见的极端天气在全国各地频发，湖北、陕西等地的强降雨，东北地区的暴风雪，这些极端天气严重威胁到人类的正常生活甚至损害到人民的生命和财产。
以郑州为例，从2021年7月18日18：00到21日0：00，郑州遭遇了暴雨和特大暴雨，截止到7月23日12：00，根据初步统计的数据显示，有将近四十万郑州人民被政府紧急转移与重新安置，全省农作物受灾面积约为四万公顷，造成直接经济损失高达6550亿元，洪水和暴雨造成的次生灾害已造成数百人死亡，可见极端天气的危害极大，因此建立极端降水天气预测模型进而制定防御措施显得尤为重要[1]。
本文针对不同地区降水概率，根据时间序列模型预测出未来极端天气可能发生的城市，来预防和减少天灾对事发人民生命和财产损失，同时也为未来应对气象变化提供重要参考依据。
2.利用爬虫获取8个主要城市的降水数据本文借助Python软件利用爬虫技术来获取模型建立所需的样本数据。
首先对全国各城市/区县天气进行爬虫分别提取各城市从2018年到今年每个月的天气情况并统计出晴天、多云、阴天、小雨、恶劣天气（大大雨、暴雨、雾等）在当月天数占比，根据降水量的分布情况，绘制各个城市降雨量和年份的柱形图，如图2-1所示，观察每个城市柱形图得出变化趋势，可以看出降水量集中分布在2015-2016年份，说明2015-2016年是可能出现过极端降雨天气。
图2-1 我国主要城市的降水量柱形图3.线性回归和时间预测分析线性回归可以分析确定两个或多个变量之间的定量关系，本文针对样本数据进行线性回归，建立模型，然后基于最小二乘法求解并分析样本城市的降水量和时间两个变量之间的相关性和显著程度，并借助SPSS软件在一定范围内对样本城市的降水量的未来趋势做出推断与预测，分析结果如图3-1所示。
雅鲁藏布江流域极端降水模拟及预估
雅鲁藏布江流域极端降水模拟及预估高佳佳;杜军【期刊名称】《冰川冻土》【年(卷),期】2021(43)2【摘要】为了解雅鲁藏布江流域汛期极端降水的变化规律,推算一定重现期的极端降水量分位数,通过百分位法、Hill图法、年交叉率法选取阈值,借助广义帕累托分布函数(GPD)对流域极端降水频率进行了分析。
结果表明:99百分位时的阈值为流域内各站点的最佳阈值,且各站点超阈值序列通过了M-K的平稳性检验,无明显突变。
拟合效果通过K-S检验,各站点拟合的极端降水理论频数和实测频数基本相符。
尺度参数的大值区位于流域下游,表明该地区的极值波动大;形状参数正值区位于流域中上游地区,说明发生破纪录降水事件的概率较大,拟合结果与实际观测一致。
从5年一遇和10年一遇的极端降水值来看,雅江流域除拉孜站外,其他地区降水极值均超过30mm,日喀则地区的降水极值达50mm;各地区20年一遇和30年一遇的降水极值增长的非常缓慢。
通过与实际极端降水值对比分析得出,GPD拟合计算出的重现期水平基本符合实际,即具有一定的合理性。
【总页数】9页(P580-588)【作者】高佳佳;杜军【作者单位】中国气象局成都高原气象研究所拉萨分部;西藏高原大气环境科学研究所;西藏高原大气环境研究重点实验室【正文语种】中文【中图分类】P458.1【相关文献】1.中国平均降水和极端降水对气候变暖的响应:CMIP5模式模拟评估和预估2.典型相关分析方法对21世纪江淮流域极端降水的预估试验3.21世纪前期长江中下游流域极端降水预估及不确定性分析4.1973—2016年雅鲁藏布江流域极端降水事件时空变化特征5.RCPs情景下汉江流域未来极端降水的模拟与预估因版权原因，仅展示原文概要，查看原文内容请购买。
DERF2.0模式对东亚夏季环流及其低频分量的延伸期预报检验评估
DERF2.0模式对东亚夏季环流及其低频分量的延伸期预报检验评估李天宇;朱晓彤;付冬雪【期刊名称】《气象灾害防御》【年(卷),期】2022(29)3【摘要】利用美国环境预测中心和国家大气研究中心(NCEP/NCAR)的再分析资料和国家气候中心第二代月动力延伸期模式业务系统(DERF2.0)的环流产品,通过距平相关系数(ACC)、时间相关系数(TCC)、预报误差、Butterworth滤波等方法,对DERF2.0在东亚环流及其低频分量预报结果进行了检验评估。
结果表明:(1)DERF2.0模式对东亚夏季500hPa高度场预报技巧随时效的增加而迅速下降,可预测性在10d以内较高;对7月预报技巧优于6月和8月。
(2)在高纬度地区对500hPa高度场的预报值偏小,在中纬度地区预报值偏大;对西太平洋副热带高压强度预报误差较小,对位置的预报误差偏北;6月和7月的误差分布利于西北太平洋副热带高压预测偏北,8月则更利于西北太平洋副热带高压偏西偏强。
(3)DERF2.0模式对30~60 d低频分量的预报技巧较好,10~20d低频分量在10~40d的预报技巧和稳定性欠佳。
【总页数】5页(P24-28)【作者】李天宇;朱晓彤;付冬雪【作者单位】吉林省气候中心;吉林省气象科学研究所;长白山气象与气候变化吉林省重点实验室【正文语种】中文【中图分类】P45【相关文献】1.NCEP/CFS模式对东亚夏季延伸预报的检验评估2.2002年夏季东亚地区环流20-30d主振荡型延伸期预报研究3.DERF2.0模式11-40天逐日环流预报效果评估4.基于DERF2.0的乌鲁木齐2013年春季降温过程的延伸期预报检验5.基于DERF2.0的中天山北坡经济带秋季延伸期强降温过程预报检验因版权原因，仅展示原文概要，查看原文内容请购买。
- 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（