简介:耦合降水集合预报信息与水文模型是水文预报发展的一个重要方向。然而由于大气运行初始条件及模式的不确定性数值降雨预报不可避免地存在误差。基于全球集合预报系统(GFS)提供的1~8d预见期的降雨集合预报数据,研究了基于扩展型Logistic算法和异方差扩展型Logistic算法发展的5个统计后处理模型对淮河流域息县子流域GFS预报降雨的校正效果。结果表明,5个模型对GFS预报降雨均具有较好的校正效果,但随着预见期的增长,各个模型的校正能力呈衰减趋势。总体而言,相较于基于扩展型Logistic算法的3个模型,基于异方差扩展型Logistic算法的2个模型具有更优的校正能力。
简介:降雨数值模拟是延长水文预报预见期的重要方法,但由于降雨数值模拟中驱动数据所提供的初始场和边界场条件和大气的实际状态并不是完全吻合,导致模拟结果存在误差。减小降雨数值模拟的误差是提高水文预报精度的关键问题,特别是在大气数值模式和分布式水文模型耦合模拟过程中,高精度的降雨信息是准确模拟的关键。本文基于WRF模式和三维变分数据同化方法,选取雷达反射率和GTS(GlobalTelecommunicationSystem)数据作为同化资料,开展基于数据同化的降雨数值空间分布模拟研究,从降雨的空间展布和指标评价两方面对同化前后的模拟结果进行对比。结果表明:同化后的模拟数据在CSI指标和RMSE指标上都优于同化前的模拟数据,说明同化后模拟数据的误差小于同化前的误差;将同化前后的数据展布在网格图中,发现同化后的数据可以更加准确地刻画降雨的空间分布规律,说明通过数据同化方法提高了模拟降雨和实际降雨空间分布的一致性,改善了WRF模式模拟降雨空间分布的能力。