基于两阶段空间模型的概率性定量降水场预测
摘要：多个应用中需要短期降水场的预测。数值天气预报模型的预测通常存在偏差，并且不提供不确定性信息。我们在这里提出了一种后处理技术，用于生成同时在多个站点上具有相关性的降水累积的概率预测。统计模型是一种空间版本的两阶段模型，通过将降水的分布表示为在零点上具有一点质量和连续分布的Gamma密度的混合来代表。空间相关性是通过假设两个高斯过程分别驱动降水事件和降水量来捕捉的。 第一个过程是潜在的，通过阈值驱动降水事件的发生。第二个过程说明了降水累积的空间相关性。它与降水之间通过站点特定的转换函数相关，以在建模空间依赖性的同时保留降水边际右偏分布。这两个过程都考虑了数值天气预报中的信息，并且被建模为带有指数相关函数的平稳各向同性空间过程。该两阶段空间模型应用于2004年太平洋西北地区48小时先行的降水累积预报。两阶段空间模型的预测分布经过校准，并且尖锐，并且在空间复合和面积平均量的参考预报中表现出色。
作者：Veronica J. Berrocal, Adrian E. Raftery, Tilmann Gneiting
论文ID：0901.3484
分类：Applications
分类简称：stat.AP
提交时间：2009-01-23