排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
传统集合预报模式扰动方法通常用来描述物理过程随机误差,但模式不可避免会存在系统偏差,为了减少模式系统偏差对集合预报的影响,利用中国气象局全球集合预报系统（CMA-GEPS）,通过经验正交函数（Empirical Orthogonal Function,EOF）分解方法获得系统偏差倾向,在积分过程中将系统偏差倾向扣除法与传统的随机物理倾向扰动法（Stochastically Perturbed Parameterization Tendency,SPPT）相结合,构建了全球集合预报系统偏差和随机误差结合的模式倾向扰动方法（Bias correction of bias tendency based on SPPT,SPPT-B）,设计并开展了集合预报试验来探究该方法对全球集合预报的影响。结果显示：（1）经验正交函数分解的第一模态能较好地体现系统偏差的主要特征,即随预报时效线性增长、对流层高层的系统偏差比中、低层大。（2）系统偏差倾向扣除法和SPPT-B方法均可以有效降低南、北半球和热带地区高层和低层的系统偏差,且SPPT-B方法能明显改善热带地区集合离散度。（3）两套方案对对流层高层的集... 相似文献
1