新论文介绍:A Statistical Downscaling Model for Forecasting Summer Rainfall in China from DEMETER Hindcast Datasets

[发布日期: 2014-12-30 浏览量 1003]

基于DEMETER耦合模式回报资料，本文发展了一种能有效改进耦合模式预测能力的统计降尺度方法，该方法的核心思想为：基于观测资料，利用耦合模式模拟最好的、最稳定的且与降水有一定物理联系的预测因子进行建模，而后对降水进行预测。本文将该方法应用于我国夏季降水的短期气候预测，并利用交叉检验和独立样本检验对该方法的预测性能进行验证。通过对相关系数、距平相关系数(ACC)、均方根误差(RMSE)和方差的比较，结果表明，相比耦合模式直接回报结果，该方法可以显著提高我国夏季降水的预测技巧。各台站相关系数显著增加，降水年际变率增强，RMSE显著减少，而且能够合理地预测我国夏季降水的极端年份。另外，它也能够合理预测我国每年夏季降水的空间分布特征。7个耦合模式1980-2001年平均的ACCs由耦合模式直接回报的0.00~0.11增加到了0.46~0.53， RMSEs相对减少了40.4%~53.6%。多模式集合预测结果明显优于单个模式，多年平均的ACC由0.10增加到了0.71，RMSE相对减少了49.1%。因此，多模式集合的统计降尺度方法在短期气候业务预测领域具有潜在的应用意义。