论文部分内容阅读
在全球变化和人类活动的双重影响下,流域径流预报所面临的时效性不长、精度不高和可靠性不够的问题日益突出,这对人们应对未来极端水文事件（如洪水）的能力提出了挑战。将气象集合预报与流域水文模型相结合来开展流域径流预报是近年来学术界研究的热点问题。该方法的优点体现在:延长了水文预报的有效预见期,从而提高了水文预报的可利用性;降低了确定性预报的不确定性,进而提高了水文预报的精度。然而,气象集合预报本身存在着系统误差和集合欠离散的问题,且其在应用过程中又存在空间分辨率低,以及预报变量间的时空相关结构不合理等问题。在将气象集合预报输入到流域水文模型之前,需要采用一定的统计后处理方法对其进行校正。然而,选用合适的气象预报统计后处理方法面临着两方面困难,即如何评价已有的针对单一气象预报校正而开发的单变量统计后处理方法,如何在气象预报统计后处理过程中考虑预报变量间的相关特征。因此,本文以取自美国国家环境预报中心的全球集合气象预报产品（Global Ensemble Forecast System,GEFS）为例,基于中国区域内的气象站和湘江流域的水文站观测资料,在分析气象集合预报适用性的基础上,比较多种气象预报单变量统计后处理方法的表现,提出考虑预报变量相关结构的气象预报多变量统计后处理方法,并在湘江流域的径流预报过程中予以应用。本文的主要内容及结论如下:（1）提出气象集合预报的适用性评价方法。该评价方法基于气象集合预报的相关性显著期和相对有效预见期2个指标,分析了GEFS中的降水和气温要素在我国的适用性并给出应用建议。研究发现:降水预报在我国东部季风区（包括东北、华北、华中和华南地区）的适用性好,其有效预见期可以达到7天及以上;在西北地区,降水预报的适用性差;降水预报在西南地区的表现依赖于统计后处理方法,且主要受到集合的欠离散问题影响;气温预报在我国适用性好,其有效预见期在12天及以上,且在约80%的区域上的有效预见期可以达到15天。（2）比较多种气象预报单变量统计后处理方法的表现,研究影响其在气象预报和径流预报中表现的因素。选择的气象预报单变量统计后处理方法有:基于随机天气发生器的统计后处理方法（Generator-based Post-Processing,GPP）、拓展逻辑回归方法（Extended Logistic Regression,Ex LR）、贝叶斯模型平均方法（Bayesian Model Averaging,BMA）和仿射核函数估计方法（Affine Kernel dressing,AKD）,其中前2种方法属于基于观测历史特征的统计后处理方法,后2种属于基于原始集合预报的统计后处理方法。4种方法被应用到中国区域内的气象站气象预报结果校正和湘江流域的径流预报当中。研究发现:在气象预报和径流预报过程中,基于观测历史特征的后处理方法要优于基于原始气象集合预报的后处理方法,且以GPP方法的表现最好。影响单变量统计后处理表现的因素有气象变量的类型、气象变量所处的区位和气候类型、和气象预报的预报时段。具体来说,在校正降水和气温预报时,降水预报提升的关键在于校正集合离散度,而气温预报提升的关键在于校正预报的系统误差。因此气象预报单变量统计后处理方法更易于校正气温预报,而在降水预报校正中表现出明显差异。此外,单变量统计后处理方法的表现:对于降水预报,在北部地区的校正表现要优于其它地区;对于气温预报,除青藏地区表现较差以外,在其它地区的表现差异并不明显;对于气温预报,在夏季的表现要差于其它季节。（3）提出了考虑预报变量相关性的气象预报多变量统计后处理方法。基于本文提出的多变量统计后处理框架,将单变量统计后处理方法与预报变量相关性重建方法按照前结合（Pre-coupling）和后结合（Post-coupling）2种方式结合起来。以单变量GPP方法为例,选择3种相关重建方法,置乱算法（Rank Shuffle,RS）、高斯耦合方法（Gaussian Copula,GC）和经验耦合方法（Empirical Copula,EC）,基于以上2种结合框架共发展出6种多变量统计后处理方法,分别记为RS-Post,RS-Pre,ECPost,EC-Pre,GC-Post和GC-Pre。将以上6种气象预报多变量统计后处理方法应用到湘江流域内的气象预报校正、分布式径流预报和实时洪水预报当中。研究发现:在气象集合预报统计后处理过程中,考虑预报变量间的相关结构,即开展多变量统计后处理,可以提高气象预报的概率预报能力、对流域内不同区域产流量的模拟和预报水平、和径流预报历时精度、概率预报表现和径流预报区间表现;在除GC-Pre以外的其它5种多变量统计后处理方法,均能有效重建变量间、站点间的相关结构,并显著提升其在气象预报和径流预报中的应用表现;综合这些方法在气象预报校正、径流预报和实时洪水预报中的表现,推荐使用RS-Post方法。