英语原文共 23 页，剩余内容已隐藏，支付完成后下载完整资料
台湾2008〜2010年三个梅雨季节降水预报评估
CHUNG-CHIEH WANG，FANG-CHING CHIEN，SAHANA PAUL
台湾台北师范大学地球科学系
DONG-IN LEE
韩国釜庆国立大学环境大气科学系
PI-YU CHUANG
台湾台北师范大学地球科学系
（手稿于2016年11月1日收到，最终形成于2017年4月24日）
摘要：天气研究和预报（WRF）模式在台湾2008年至2010年间三个梅雨季期间定量降水中的表现，台湾定量降水的预报（QPF）是通过约400台雨量计的观测资料进行评估的。 验证了QPF跨越12-36小时的范围并且运行两个网格大小为15和5公里的嵌套域。视觉和基于统计的验证方法都用于提供补充结果。梅雨降雨的季节内变化和昼夜周期更加重视，因为这些方面以前没有得到很好的探索。尽管分类统计表明技能水平可与以往的研究相媲美，但该模型在6月份的季风降雨量方面表现较好，而5月份的降水量则好于季风降水量。发现两个WRF区域可以捕捉整个降雨量的总体空间格局，5月至6月的降雨量增加以及基本的周期在合理的范围内。然而，从上风向斜坡到附近的降雨区域，这两个区域在降雨区域都表现出持续的东移，这主要是因为白天山上过多的降雨开始和结束得太早（6月更多），加上上游（平原和斜坡）自上午以来的降水不足。此外，15公里范围内的总降雨量接近观测值，但5公里范围内的降雨量仅在可解析的范围内且很大程度上在预测之外。尽管如此，更精细的网格更能够预测降雨量的峰值和局部变化，因此具有相同的技能和更高的命中百分比，是特别高的门槛值。
1.介绍
降水会对人们的生活和人类社会的活动产生不利影响。因此，准确的降水预报，特别是有害的暴雨事件，对社会来说是重要的，理想的和要求的，但它们是现代气象学中最具挑战性的任务之一（Golding 2000；Fritsch 和 Carbone 2004；Benjamin 等人。2004；Cuo等人。2011；Wang 2015，2016）。例如，通过数值天气预报（NWP）模型预测的温度，压力和水平风向预测的总体准确性已被证明是适当的，并且逐步改进（例如，Shuman 1989；Kalnay等人。1990；Chien 等人。2006a）。然而，定量降水预报（QPF）很难达到相同的成功水平（例如，Olson等人。1995），因为负责降水的物理过程，尤其是对流降水更强烈，主要是比控制其他主要参数演变的尺度更小和更复杂（例如，Benjamin 等人。 2004；Smith等人。2007）。对小规模过程（如复杂的地形，局部环流，表面条件和云微物理）的认识不足以及它们在NWP模型中的快速误差增长（Lorenz 1963）都增加了QPF中的复杂性和挑战性。
生产准确的QPF不仅是一项具有挑战性的任务，对QPF模型的评估也比更多其他主要变量更复杂也更困难，因为更强的降雨量（再次受较小尺度过程控制，可预测性较低）往往高度集中在时空中。传统上，基于视觉和统计的验证方法可用于QPF，但每种方法都有其优点和缺点。视觉（主观）验证通常关于模型性能的信息更多，但是是劳动密集型的而不是定量的（例如，Ebert 2002；Kain等人。2003）。另一方面，基于统计的（客观）方法是量化的，但并不能很好地揭示预测的正确与否以及差异的根本原因（例如，Ebert 2008； Gilleland 等人。2010）。随着空间尺度的减小和降水变得越来越重和集中，统计方法在时间上变得无效甚至误导（例如，Mass 等人。2002；Davis et al。2006；Ebert 2008；Gilleland等人。 2010；Wang 2014）由于诸如“双重罚分”之类的问题（Ebert和McBride 2000；Ebert 2008）。因此，经常需要进行一些视觉检查，以更准确地解释验证结果（例如，Kain等人。2003；Chien and Jou 2004；Wang 2015；Wang等人。2013，2016b）。随着模型的分辨率和总体能力的提高，近年来已经开发出各种新的验证细尺度QPF的新方法，并进行了实验和实施（例如，Davis 等人。2006；Marzban 和 Sandgathe 2006；Wernli 等人。2008；Gillel等人。2010）。还有一些研究使用替代方法评估较长时期的平均模式降雨量（即不是来自个别预报）；例如，Davis et al。(2003) 在昼夜周期内研究了在美国大平原上组织的夜间传播降水系统（Carbone等人 2002年；Wang等人 2004年；Zhang等人 2014；也可以看看Wang等人 2011b)。Knievel等人。（2004年）还比较雷达观测和预报中这种降水模式的平均傅里叶谐波，以确定不同地区的模式优势和劣势。
在台湾，被称为梅雨季节（5 - 6月）的初夏雨季中，由于梅雨的重复通过，强降雨频率高，因此气候灾害（如山洪和山体滑坡）前面和潮湿，前额西南流（例如，Kuo 和 Chen 1990；Chen 1992，2004；Ding 和 Chan 2005，Jou 等人。2011）。因此，梅雨季的QPF模型对台湾产生了很大的兴趣。来自陡峭地形的多种复杂强迫（参见图1a），梅雨锋，汇合于低层流，以及日常/局部环流模式在一个经常极不稳定的环境中（例如，Chen 和 Yu 1988；Chen 和 Li 1995；Akaeda等人。1995；Li 和Chen 1998；Chen等人。1999；Yeh 和 Chen 2002；Wang等人。2005；2014a，b；Xu等人。2012），结合对上游海洋的典型有限观测（例如，Chen和Chen 1995；Jou等人。2011），对NWP模型提出了具有挑战性的任务。过去几位研究人员（例如，Chien等人 2002年，2006a；Hong2003年；Chien 和 Jou 2004；Yamg等人。2004年）采用分类统计来评估美国第五代宾夕法尼亚州立大学-NCAR中尺度模式（MM5）及其在梅雨季节的合奏，水平网格尺寸为15和5 km的表现。对于大多数在台湾雨量站进行验证的研究（总共314-342个站点），12-24小时QPFs的一般结果表明在低阈值（＃2.5 mm）下降雨发生的一些预测技巧。然而，在评估的最高阈值（50毫米）下，即使对于5公里的MM5模拟也只有有限的技能（见图5 in Hong 2003）。这些早期研究评估的梅雨季节至少在10 - 15年前涵盖了1998 - 2003年的时间跨度。此外，自21世纪初以来，天气研究和预报（WRF）模型（Skamarock等人 2005年）已经取代MM5成为最广泛使用的中尺度预报模型。然而，尽管这个话题很重要，但在台湾梅雨季节的演出研究很少见于文献中（例如，Chien等人 2006年b）。很明显，迫切需要研究这种类型的研究，尤其是那些也可以提供关于模型在哪里和哪些方面表现更好或更差的信息（如台湾地区和季节时段）的信息。毕竟，除了统计矩阵的外观之外，如果评估能够揭示如何改进预测，则更为理想（例如，Murphy 和 Winkler 1987；Olson 等人。1995；Kain 等人。2003)。
因此，在这项研究中，我们使用视觉和统计方法评估了台湾2008年至2010年间三个梅雨季节期间WRF模型的整体表现。为了更好地理解模型在预测台湾梅雨降水方面的实际效果，包括明显的日循环（例如，Chen 和 Li 1995；Yeh 和 Chen 1998；Chen等人。1999；Kerns等人。2010；等人。2013），观测和模型QPF中的平均降雨模式进行比较。尽管在一段漫长的时间内检查所有的短期股对可能是不切实际的（如果不是不可能的话），但这种长期平均值的比较也是基于一个简单的理性：如果模型一贯地制定合理的QPF，它们的长期平均模式应该与观察结果相似。另一方面，基于统计的验证通过在所有12或24小时间隔内整合的分类测量来执行并且以与Chien等人(2002, 2006a)和Chien 和 Jou（2004）。这允许对模型性能进行
图 1.（a）2009年台湾地形（m；颜色）和雨量计（三角形）的位置，描绘了两个主要山脉，（b）三重嵌套区域D1，D2和D3本研究评估的WRF模拟分别为45，15和5 km）。D1，D2和D3（全部在x 3 y）的网格尺寸（域尺寸）为180*105（8055 *4680 km2），100 * 100（1
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[22465]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
