气象ts评分_中国气象局--国家气候中心--气候系统监测·诊断·预测·评估

统计降尺度预测极端温度/降水日数

1.预测

包括趋势预测和极端事件日数预测

1.1定义：

(１)极端事件发生日数

根据WMO气候委员会(CCI)/全球气候研究计划(WCRP)气候变化与可预测性计划(CLIVAR)气候变化检测、监测和指标专家组(ETCCDMI)的定义(http://www.clivar.org/organization/etccd)，给出如下定义：

极端降水日数：给定时段内日降水量大于某百分位数(如95%)的所有天数

暖昼日数：给定时段内日最高气温大于某百分位数(如90%)的所有天数

冷昼日数：给定时段内日最高气温小于某百分位数(如10%)的所有天数

暖夜日数：给定时段内日最低气温大于某百分位数(如90%)的所有天数

冷夜日数：给定时段内日最低气温小于某百分位数(如10%)的所有天数

(２)极端气候指标

采用百分位数的方法，定义逐日历史序列中某个百分位数对应的值为极端气候指标。

极端降水指标：逐日降水序列的某百分位数值(如95%)

冷昼指标：逐日最高温度序列对应的某百分位数值(如10%)

暖昼指标：逐日最高温度序列对应的某百分位数值(如90%)

冷夜指标：逐日最低温度序列对应的某百分位数值(如10%)

暖夜指标：逐日最低温度序列对应的某百分位数值(如90%)

1.2 预测方法

综合动力预测与统计降尺度两种方法的优势，应用两步法预测极端温度或降水日数。(1)基于国家气候中心月动力延伸预测模式(DERF)提供的具有较高预测技巧的大尺度信息(不同层次位势高度和风场)，首先应用最优子集回归(OSR)方法将DERF模式输出的时段平均的大尺度信息降尺度到各观测站点；(2)利用随机天气发生器模拟逐日随机序列，以OSR输出的信息作为控制条件对随机序列进行统计分析，计算预测时段内超过极端值指标的发生概率，并将其换算为暖昼、冷昼、暖夜、冷夜、极端降水可能发生日数，预测流程如下。