用和不用参数化对流的集合后处理输出，创建准确、融合和高保真度的降雨预报
摘要：全球连续降水预报的质量通常较差，而洪涝灾害造成了重大的社会问题。为了解决这个问题，我们可以尝试使用对流参数化（全球）集合的输出，经过后处理以点尺度预报，或者使用对流解析有限区域的集合。在本研究中，我们将两者结合起来。首先，我们将“ecPoint-rainfall”后处理应用于ECMWF全球集合的输出。然后，我们使用中心在意大利的2.2km COSMO LAM集合输出，使用一个尺度选择性邻域方法进行后处理，以弥补成员数量不足的问题。然后，这两个组分经过导向时间加权混合，以创建最终的6小时降雨概率预报。产品的创建用于预报员是欧盟资助的MISTRAL项目中的“意大利洪涝灾害应用案例”，并且它将是实时开放获取的产品。 一年的验证结果显示，ecPoint是最有技巧的集合产品。后处理的COSMO集合对夏季对流事件的价值增加最大，尤其是在晚上，当全球模型存在低估偏差时。在两个大雨案例研究中，我们观察到原始ECMWF集合中最大点总数被低估，而原始COSMO集合中被高估。然而，ecPoint增加了价值，并突出了受影响最严重的地区，而COSMO的后处理通过消除不可靠的细节减少了极端情况。最终合并的产品从用户角度看最好，并且似乎是最有技巧的。尽管我们的LAM后处理并没有隐含地包括偏差修正（这是进一步工作的课题），但我们的研究提供了一个成功结合全球和LAM系统集合降雨预报的独特蓝图。它还对于全球集合逐渐向有对流允许分辨率发展的预报产品有重要的启示。
作者：Est''ibaliz Gasc''on, Andrea Montani and Tim D. Hewson
论文ID：2301.04485
分类：Atmospheric and Oceanic Physics
分类简称：physics.ao-ph
提交时间：2023-01-12