本文利用淮河流域加密站点2008年6月1日～8月31日逐日降水资料和日最高最低温度资料,以及对应的T213的24h、48h以及72h集合预报(CMA集合预报),采用贝叶斯模型平均(Bayesian Model Averaging,BMA)方法,利用为期30天的训练期数据对集合预报15个成员的定量降水预报进行了概率集成与偏差订正.然后,采用排序概率评分(CRPS)、平均绝对误差(MAE)两种降水概率检验方法对BMA的订正结果进行检验.最后,进一步将订正后的降水预报值分别输入VIC水文模型中进行水文概率预报.结果表明:从CRPS评分和MAE来看,对于24h预报,BMA模型相对于原始集合预报起到明显的偏差订正效果;对48h、72h预报,BMA模型的订正效果与24h相当,说明经BMA订正后的降水预报精度比订正前有所提高;BMA模型给出的有效区间预报(第25百分位至第75百分位区间的降水量)将实况降水量包含在内的可能性较大;经BMA订正的24h降水集合预报,由VIC水文模型模拟得到的径流量变化趋势与实况较吻合.采用BMA方法以概率分布的形式描述预报不确定性,这对减少降水预报误差,提高预报准确率,做好洪水预报及防灾减灾工作有重要意义.
展开▼
