本文基于TIGGE（THORPEX Interactive Grand Global Ensemble）数据集下欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts,ECMWF）2014年6月–2015年9月24小时累积降水量的24–168小时集合预报及中国2160站日降水观测资料,对地形影响下的中国降水概率预报进行订正研究。首先对ECMWF集合预报在不同的地形影响下降水预报的误差进行了分析,然后利用广义线性加法模型（Generalized Additive Models for Location,Scale and Shape,GAMLSS）,考虑地形、季节变化及所处地理位置等要素的影响,对中国日降水量气候概率参数的空间分布进行模拟。最后基于左删失的非齐次Logistic回归方法（Left-Censored Non-homogeneous Logistic Regression,CNLR）,开展对受地形影响的数值预报结果的订正研究。研究发现,ECMWF集合预报的预报误差具有随地形的起伏程度的增加而增大的特征,同时也具有随模式地形高度误差的增加而增加的特征。地形的起伏程度和模式地形高度误差主要影响小量级降水预报的误差。随着地形起伏程度的增加以及模式地形高度误差的增大,模式对于小雨的预报误差明显增大;对于中雨及以上量级的降水,模式预报的误差受地形的影响不及对小雨的影响。使用标准化的距平模式输出统计（Standardized Anomaly Model Output Statistics,SAMOS）的方法来对由于地形因素造成的预报误差进行订正,需要各站点包含其独立气候特征的均值和标准差来对数据进行标准化,因此考虑多种因素对日降水量概率分布的影响,使用GAMLSS模型对假定符合左删失Logistic分布的日降水概率分布参数进行建模,得到日降水气候概率分布的空间模型能很好地反映区域内实际降水的分布特征,并适用于复杂地形下全空间降水的气候概率分布的模拟。基于CNLR方法对降水概率预报进行订正,结果表明SAMOS方法能在增加训练样本,不损失空间一致性的同时保留站点各自的气候特征,从而进一步提升预报技巧,并且该订正方法在复杂地形条件下,尤其是模式地形误差较大的区域,能够显著提升降水概率预报的技巧。