基于统计降尺度方法的夏季降水精细化预报

• 作者: 郭品文 黄惠镕
• 来源期刊: 南京信息工程大学学报
• 学科: 地球科学
• 关键词: 统计降尺度 日降水 BP 神经网络 旋转主成分分析(REOF)
• 年，卷（期）: 2014,（5）
• 页码范围: 449-458
• 页数: 10页
• 分类号: P456.8
• 字数: 7510字
• 语种: 中文

摘要

利用1999-2009年安徽省淮河以南地区60个县市站夏季逐日降水资料和安庆市探空站逐日资料，研究了中低层不同风向配置下局地降水与大尺度降水场之间的关系，以3种不同预报对象及相应的预报因子分别采用神经网络和线性回归方法设计6种预报模型对观测资料进行逼近和优化，从而实现空间降尺度。分析对比6种预报模型46站逐日降水量的拟合和预报效果，结果表明：采取相同的预报对象及预报因子的BP 神经网络模型在拟合和预报效果上均好于线性回归模型，可见夏季降水场之间以非线性相关为主；神经网络模型预报结果同常用的Cressman插值预报相比，能很好地反映出降水的基本分布及局地特征；预报对象为单站降水序列的神经网络模型在以平原、河流为主要地形的区域预报效果较好，预报对象为 REOF主成分的神经网络模型则在山地和丘陵地形区域预报效果较好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭品文	南京信息工程大学气象灾害省部共建教育部重点实验室	110	1326	21.0	29.0
2	黄惠镕	南京信息工程大学气象灾害省部共建教育部重点实验室	1	2	1.0	1.0