基于TIGGE资料中的ECMWF、UKMO、JMA、CMA四个中心2016年6月1-7月31日逐日降水集合预报资料,结合清江流域10个国家基准站观测数据,建立了流域贝叶斯模式平均(Bayesian Model Averaging,BMA)概率预报模型,开展流域多模式集合BMA技术的概率预报试验与评估.结果表明,在清江流域多模式集合的BMA模型最佳滑动训练期长度为40天,BMA模型预报比原始集合预报有更高预报技巧.与原始集合预报相比,BMA确定性预报平均绝对误差(MAE)减少近11%,BMA概率预报连续等级概率评分(CRPS)提高约15%.多模式集合BMA技术能预报降水全概率PDF曲线和大于某个降水量级的概率,同时能给出确定性降水预报,对于极端强降水(大暴雨-特大暴雨量级),BMA75-90百分位数预报效果较好,对于强降水(暴雨量级),BMA50-75百分位数预报效果较好,对于一般性降水(小雨-大雨量级),BMA确定性预报结果或50百分位数预报效果较好.
展开▼