共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
尝试将GRAPES (Global-Regional Assimilation and PrEdiction System) 模式与水文模型结合,构建GRAPES气象-水文单向耦合模式,进行洪水预报。气象模式选取GRAPES_Meso模式,分别采用15 km×15 km和5 km×5 km水平分辨率,15 km×15 km的GRAPES模式由NCEP全球预报场提供初始场和侧边界条件;5 km×5 km的GRAPES模式由15 km×15 km GRAPES模式提供初始场和侧边界条件,将GRAPES_Meso模式的定量降水预报分辨率统一降尺度到5 km×5 km分辨率,用于驱动水文模式。水文模型选取新安江模型与分布式新安江模型。以淮河王家坝站以上流域和息县流域为试验流域,将GRAPES降水预报场驱动水文模型进行单向耦合,构建GRAPES气象-水文单向耦合模式,选择2009年8月28日08:00(北京时,下同)—9月9日14:00汛期一次洪水过程,进行实际预报试验。结果表明:15 km×15 km和5 km×5 km的GRAPES模式预报降水与实况降水分布相一致;与水文站观测降水驱动水文模型洪水模拟结果相比,GRAPES气象-水文模式对洪水预报的预见期延长效果明显,对洪水模拟精度也较高,与水文模型输入场分辨率要求相匹配的降水产品对洪水模拟的精度更高。 相似文献
3.
淮河流域2016年汛期洪水预报试验 总被引:5,自引:2,他引:3
预报大流域降雨径流与洪水是非常复杂的预报难题。本研究建立气象水文耦合预报模型对复杂大流域的洪水预报进行预报试验。模型采用中央气象台格点化降水预报产品作为预见期内降水,驱动水文水动力学耦合模型进行洪水预报。选择新安江水文模型用于流域降雨径流模拟,基于扩散波与柱蓄和楔蓄理论建立Muskingum-Cunge水位流量演算模型进行具有行蓄洪区的复杂河系洪水预报。以淮河鲁台子站以上流域2016年汛期洪水为例,将构建的气象水文耦合预报模型进行洪水预报试验。结果表明,模型取得了较好的预报精度,应用格点化降水预报产品考虑预见期内降水预报的洪水预报对于不考虑预见期降水预报,洪水预报预见期得到一定的有效延长,对同类流域预报有一定的借鉴意义。 相似文献
4.
5.
采用条件亚正态模型方法,生成了具有包含不同可能性的降水集合预报。为了保持各子流域降水集合预报变量之间的空间相关性,采用集合预报重组方法对降水集合预报进行重新排列。使用重组后的降水集合预报驱动水文模型,实现了淮河上游大坡岭-息县、淮河上游息县-王家坝和汝河-洪河上游3个子流域的12次洪水过程的洪水概率预报,并对1988年9月7日和1991年7月31日两次洪水概率预报进行个例分析。结果表明:相对于单一确定性预报,通过条件亚正态分布模型生成降水集合预报后,再经过Schaake洗牌法空间相关性重新组合的降水集合预报,捕捉洪峰出现时间和流量的能力更强。对洪水概率预报来说,降水概率预报更能达到对未来的水文事件进行最大可能估计的目的,并尽可能综合了降水预报不确定性因素,同时也说明维持变量原有的空间相关特征对于降水概率预报具有重要意义。 相似文献
6.
汉江丹江口流域水文气象预报系统在GIS技术的支持下,以水文气象监测网、定量降水估算、定量降水预报、洪水预报技术为基础,通过雷达估算降水技术、中尺度数值模式预报技术获取高时空分辨率的降水信息输入水文模型来进行水文气象预报。以Web形式为基础的汉江丹江口流域水文气象预报系统平台在2010年7月以及2011年9月汉江丹江口两次洪水过程中及时、准确地显示了流域实况降水、预报降水,准确地预报了洪水入库过程。目前系统已成功移植到三峡区间、清江水布垭、淮河王家坝、漳河水库等流域开展汛期试验与服务,取得了较好的应用效果。 相似文献
7.
针对中国暴雨洪涝灾害频发的现象及其带来的严重影响和损失,结合我国有关暴雨洪涝灾害预报方法的研究进展,对洪涝灾害预报方法的研究进行了总结与回顾。随着卫星遥感、地理信息系统等技术的不断发展与完善,暴雨洪涝灾害预报的方法由简单的数值统计方法发展成为水文模型预报法,从简易的经验模型、水动力学模型,到集总式水文模型,再发展到分布式水文模型;通过水文模型预报方法,结合气象水文耦合预报实现实时洪水预报并进行动态评估,不断提高洪水预报的精度和预见期,为暴雨洪涝灾害预报提供可靠数据和决策依据。最后,在总结归纳基础上,指出了当前暴雨洪涝灾害预报方法的不足,提出了不断提高水文观测技术、加强分布式水文模型与地理信息系统的耦合、加强与气象模型的耦合等方面的研究是进一步提高暴雨洪涝灾害预报准确率的主要发展方向。 相似文献
8.
水文集合预报是近几年正在形成和发展的水文预报分支,其发展大致可分为两个阶段:第1阶段是1970年至20世纪末进行的长期径流预报,第2阶段从21世纪开始,主要学习气象数值预报中集合预报的概念在短期水文集合预报中的应用。目前,除了单一预报中心的集合预报系统在水文集合预报中应用外,多个预报中心的集合预报大集合也逐渐被应用于流域水文预报,甚至一些小流域的洪水预报。如利用TIGGE(THORPEX Interactive Grand Global Ensemble)集合预报驱动形成的大气-水文-水力的串联系统进行早期的洪水预警研究,将全球集合预报作为洪水模型输入的有限区域模式的初始条件和侧边界条件的研究。这些均表明,基于水文集合预报的洪水预报增加了预报附加值,并能够延长预警提前时间。以欧洲中期天气预报中心的欧洲洪水预警系统(EFAS)和美国NOAA的先进水文预报系统(AHPS)为代表,实现了集合预报在洪水中的实时业务预报,但仍存在数据处理和计算量大,以及如何基于集合水文预报做决策等问题。对于水文集合预报的前处理和后处理的各种技术已处于探索和验证阶段,如何更好地理解基于概率预报的洪水预警决策仍存在许多困难和挑战。 相似文献
9.
《气象》2017,(汛)
预报大流域降雨径流与洪水是非常复杂的预报难题。本研究建立气象水文耦合预报模型对复杂大流域的洪水预报进行预报试验。模型采用中央气象台格点化降水预报产品作为预见期内降水,驱动水文水动力学耦合模型进行洪水预报。选择新安江水文模型用于流域降雨径流模拟,基于扩散波与柱蓄和楔蓄理论建立Muskingum-Cunge水位流量演算模型进行具有行蓄洪区的复杂河系洪水预报。以淮河鲁台子站以上流域2016年汛期洪水为例,将构建的气象水文耦合预报模型进行洪水预报试验。结果表明,模型取得了较好的预报精度,应用格点化降水预报产品考虑预见期内降水预报的洪水预报对于不考虑预见期降水预报,洪水预报预见期得到一定的有效延长,对同类流域预报有一定的借鉴意义。 相似文献
10.
气象综合观测的现代化,为我国洪水预警预报技术发展奠定了坚实的基础和带来了发展机遇,随着气象观测的定量降水估算(QPE)和定量降水预报(QPF),是提高流域暴雨洪涝灾害预报能力的必要支撑。此外,在不同频段运行的地基、星载和机械雷达对水文多变量(地面降水、径流量、地表水高、土壤水分和地下水位等)的高时空分辨的遥测将会孕育新的水文气象学革命。 相似文献
11.
目前,集合预报已成为天气预报业务的主要支撑。然而,由于数值模式本身的限制与不完善以及集合系统存在初值扰动、集合大小等方面的局限,常存在预报偏差。不同预报模式通常具有不同的物理过程参数化方案、初始条件等,导致其预报能力各有不同。为此,如何纠正预报偏差以及如何充分有效地利用不同模式的预报信息以获得更加准确的天气预报广受关注。近年来,利用统计理论与预报诊断,基于多个集合预报系统的多模式集成预报技术得到快速发展,已成为有效消除预报偏差从而提高天气预报技巧的一种统计后处理方法。针对气温、降水和风3个最基本的地面气象要素,首先依据预报形式将应用范围较广的简单集合平均、消除偏差集合平均、超级集合、贝叶斯模式平均、集合模式输出统计等加权或等权平均多模式集成技术,分成确定性预报和概率预报两大类,并做系统介绍。最后,讨论使用和发展多模式集成技术需要关注的问题,包括考虑参与集成的模式个数、发展降水及风速分级预报模型和发展基于机器学习的多模式集成新技术。 相似文献
12.
13.
中期数值天气预报的集合预报试验 总被引:11,自引:3,他引:8
利用中国科学院大气物理研究所研制的T42L9 谱模式, 在中期数值预报领域中引入集合预报的概念和方法, 初始扰动场取为T42L9 谱模式24 小时预报误差的平均均方差乘随机数, 再综合利用蒙特卡洛预报( MCF) 和落后平均预报(LAF) 两种方法作集合预报试验, 试验结果表明: 各成员预报的等权平均或不等权平均的集合预报明显优于单一的控制预报; 不等权平均与等权平均的集合预报结果相比较, 不等权平均的集合预报优势较明显; 在不等权平均的集合预报中, 区域性不等权平均又比全球性不等权平均的预报稍好。 相似文献
14.
15.
湖北省梅雨期分级降水预报试验 总被引:4,自引:1,他引:4
以武汉中心气象台日常业务降水预报项目为研究对象,选择梅雨期12-36小时预报时段,以灰色系统理论的生成函数为基础,运用灰色预测模型将LAFS模式等降水量预报集成,制作了武汉单站降水量分级(弱降水,中等强度降水和强降水)预报。运用回归分析方法,将LAFS资料的降水量预告场订正到湖北省5个自然区,制作湖北省区域降水分级预报。经过1993年、1994年准业务试验,获得了较好的效果。 相似文献
16.
17.
18.
WRF模式对江苏如东地区风速预报的检验分析 总被引:3,自引:1,他引:2
探讨了WRF模式在风电场的风速或者功率预报中应用的可行性, 主要研究和评估了WRF模式对地处东亚季风区及海陆交界的江苏如东地区夏季和冬季风速的短期预报效能。研究发现WRF模式可以比较好地预报如东站冬季的风速, 24 h预报的风速时间序列和观测资料的相关系数可以达到0.61, 通过置信度99%的检验, 48 h和72 h的预报与观测风速相关系数分别为0.54和0.47, 也能通过置信度99%的检验;相对而言, 模式对夏季风速的预报则要差一些, 24 h的相关系数有0.59, 48 h和72 h的相关系数只有0.47和0.30, 但仍能通过置信度99%的检验。在量值上, 模式预报的风速比观测值都略偏大一些。而江苏南通市预报结果显示, 模式的预报效能要比如东稍高一些, 和如东类似, 模式对该地冬季的预报要好于对夏季风速的预报。从更大尺度范围的分析也表明, 模式对不同地区预报的准确度是不一样的, 对海面以及海陆交界的海岸预报精度要高一些, 在平坦的内陆地区预报也比较好, 但在山区预报效能则较差。总体说来, WRF能胜任风速短期预报, 值得进一步研究和应用。 相似文献
19.
介绍了美国近20多年在强天气过程预报方面所取得的进展,并列举了若干有关龙卷风、雷暴大风和冰雹等的预报方法。 相似文献
20.
Public weather services are trending toward providing users with probabilistic weather forecasts, in place of traditional deterministic forecasts. Probabilistic forecasting techniques are continually being improved to optimize available forecasting information. The Bayesian Processor of Forecast (BPF), a new statistical method for probabilistic forecast, can transform a deterministic forecast into a probabilistic forecast according to the historical statistical relationship between observations and forecasts generated by that forecasting system. This technique accounts for the typical forecasting performance of a deterministic forecasting system in quantifying the forecast uncertainty. The meta-Gaussian likelihood model is suitable for a variety of stochastic dependence structures with monotone likelihood ratios. The meta-Gaussian BPF adopting this kind of likelihood model can therefore be applied across many fields, including meteorology and hydrology. The Bayes theorem with two continuous random variables and the normal-linear BPF are briefly introduced. The meta-Gaussian BPF for a continuous predictand using a single predictor is then presented and discussed. The performance of the meta-Gaussian BPF is tested in a preliminary experiment. Control forecasts of daily surface temperature at 0000 UTC at Changsha and Wuhan stations are used as the deterministic forecast data. These control forecasts are taken from ensemble predictions with a 96-h lead time generated by the National Meteorological Center of the China Meteorological Administration, the European Centre for Medium-Range Weather Forecasts, and the US National Centers for Environmental Prediction during January 2008. The results of the experiment show that the meta-Gaussian BPF can transform a deterministic control forecast of surface temperature from any one of the three ensemble predictions into a useful probabilistic forecast of surface temperature. These probabilistic forecasts quantify the uncertainty of the control forecast; accordingly, the performance of the probabilistic forecasts differs based on the source of the underlying deterministic control forecasts. 相似文献