基于贝叶斯统计理论的降水集合预报概率化方法研究

概率预报是提供预报不确定性的主要形式，集合预报是概率预报的关键技术基础。针对集合预报的直接概率预报存在不能反映模式系统误差、表达预报不确定性有偏差的问题，本项目拟利用TIGGE全球集合预报资料，基于贝叶斯统计理论，研究降水预报的不确定性特征，解决贝叶斯统计理论应用于降水集合预报产品概率化中的关键科学问题，构建将集合预报产品与模式历史资料、观测历史资料相融合的贝叶斯降水集合概率预报的理论模型，并开展应用试验，评估应用效果。为达到以上目标，拟通过建立亚高斯似然模型，分析获取集合成员降水预报不确定性特征；通过计算成员信噪比和秩相关，评估集合成员预报不确定性的统计相似度；通过计算成员不确定性的权重系数，对集合成员不确定性信息进行融合处理，获得降水集合预报综合概率分布模型。构建的贝叶斯降水集合概率预报理论模型对国际上现有概率预报技术有突破，具有先进性，可为降水概率预报业务提供指导。

本项目于2011年1月启动，通过三年的研究，完成了研究任务，实现了研究目标，研究成果在降水概率预报中进行了试验应用，完成学术论文14篇，其中正式发表13篇，正在撰写1篇，已经在国际会议上做学术交流5篇，预计将前往2014年9月加拿大国际天气开放大会1篇，培养硕士研究生8人。本项目基于贝叶斯统计理论，利用降水历史观测资料与历史集合预报资料，获得降水观测与集合成员预报之间的统计依赖关系，建立各集合成员亚高斯似然模型，获得集合成员的后验概率预报公式，并基于预报成员的预报能力指标IS，将集合成员概率预报融合为集成贝叶斯概率预报，对集合预报的不确定性进行了定量刻画。这种方法既融合了历史降水观测资料中的信息，也利用了历史集合预报资料中模式预报性能信息，并与实时集合预报信息进行了合理融合，能更全面地代表集合预报的“不确定性”。选取5个不同气候区的代表站点：广州、南京、武汉、成都和北京站建立贝叶斯降水概率预报模型进行预报试验，结果表明，各成员贝叶斯降水概率预报之间存在较明显差异，集成贝叶斯降水概率预报融合模型，可以将降水集合预报不确定性定量化为一个集成贝叶斯降水概率预报，实现降水的概率化预报。在贝叶斯概率预报模型中，先验降水概率信息对集成贝叶斯降水概率预报准确性具有重要影响，利用降水集合预报的历史数据获得先验降水概率信息，可以有效改进集成概率预报效果。在研究中发现，集成贝叶斯降水概率预报是对降水预报整体不确定性的一种定量化，对极端降水天气这类小概率事件，预报不确定性大，贝叶斯降水概率预报模型对此类降水事件的预报难度很大。建立基于集合预报与模式历史预报累积概率密度分布函数连续差异的数学模型——极端降水天气预报指数，对2011年7月中国极端强降水天气进行预报试验。结果显示：极端降水天气预报指数可以充分利用集合预报产生的降水累积概率密度分布尾端信息，为极端强降水提供科学预报方法。通过贝叶斯降水概率预报的研究与应用试验，为降水集合预报概率化产品的应用提供了理论探索与指导。