数值降雨预报偏差校正方法

注：本文为记录文献的一些有用的点，以自我提醒和记录，如有侵权可联系删除。

数值降雨预报数据来源：高分辨率数值气象数据来源于我国气象部门自主研发的基于全球/区域多尺度统一的同化与数值预报系统（GRAPES）区域中尺度预报系统（GRAPES-Me⁃so）的GRAPES-RAFS模式，是在GRAPES-Meso 4.0的基础上，于2015年建立起来的覆盖我国东部地区3 km水平分辨率的试验系统。

关于GPAPES的介绍：(6条消息) 数值预报笔记_数值天气预报半网格点_Clownorange的博客-CSDN博客

由于数值降雨预报数据存在一定的偏差，在进行洪水预报之前，有必要对其进行偏差校正。

本文采取两种偏差校正方法（（线性缩放方法（Lineer Scaling method,LS）和分位数映射法（Quantile Mapping method,QM）））进行校正。

1. LS 方法

线性缩放方法（LS）是在假设预测数据和观测数据的月偏差在率定期和验证期具有一致性的前提下，将气候模式回算的各预见期降水均值和观测均值之间的比例作为校正因子，用于校正气候模式在各预见期降水预测结果，即LS方法首先计算各月份的校正因子，再将该因子应用于同一月份的预测数据。

LS 方法是将 GRAPES-RAFS 预报数据的均值和观测数据均值之间的比例作为校正因子，用于校正预报数据，其公式如下：

式中：p(t)' 为校正前某特定月份内GRAPES-RAFS预报数据；Pcor(t) 为校正后某特定月份内GRAPES-RAFS 预报数据；为基准期第 m 月观测降雨均值；为基准期第 m 月预报降雨均值；t 为时间。

2.QM 方 法

分位数映射法（QM）是根据观测值的累积概率分布去校正预测值的累积概率分布。本文采用的是基于经验分布的分位数映射法，即计算历史期各追算月降水预测数据相对于观测数据在经验分布（以百分位数代表）上的偏差。

QM 方法 则 根 据 观 测 降 雨 的 累 积 概 率 分 布 校 正GRAPES-RAFS 模式预报降雨的累积概率分布。利用预报数据拟合的累积概率分布，可以得到变量 x 在时刻 d 的累积概率为 ，输入观测数据累积概率分布中得到校正后预报值。

假定降雨服从Gamma分布，校正公式如下：

式中：和分别为Gamma 累积分布函数及其逆函数；和 分别为基准期降雨预报数据Gamma函数拟合的参数；和分别为基准期观测降雨数据 Gamma函数拟合的参数。

参考文献：

[1]曲丽英.高分辨率数值降雨预报在中小流域洪水预报中的适用性评价[J].中国防汛抗旱,2023,33(06):55-61+87.DOI:10.16867/j.issn.1673-9264.2022506.

[2]林广洪,朱碧莹,陈杰,邱元霖,刘建华,陈华.多气候模式的全国月降水预测能力评价及偏差校正[J].中国农村水利水电,2023(06):47-56+65.