[发明专利]极端降水天气指数的应用方法、应用系统、电子设备及存储介质

说明书

本发明涉及气象预测技术领域，尤其涉及一种极端降水天气指数的应用方法、应用系统、电子设备及存储介质；本发明所公开的极端降水天气指数的应用方法、应用系统、电子设备及存储介质，应用方法包括以下步骤：将降水EFI指数格点数据插值到观测站点上；根据站点地形地貌特征及降水发生概率进行分类；对每一类站点进行定量预报计算、定性预报计算，结合定量预报计算模型与定性预报计算模型确定每一类站点的预报模型；对网格化预报数据进行模型空间匹配，结合匹配好的网格化定量预报模型与定性预报模型对极端降水天气进行综合预报；通过定量与定性研究EFI指数对极端降水事件的预报能力和指示意义，有利于将降水EFI指数更好的应用于极端天气预报服务中。

技术领域

本发明涉及气象预测技术领域，尤其涉及一种极端降水天气指数的应用方法、应用系统、电子设备及存储介质。

背景技术

近年来灾害天气频发，例如北京720暴雨、721暴雨，暴雨等极端天气往往引起山洪、泥石流等自然灾害以及人类财产损失，但极端事件发生概率相对较低，预报不确定性较大，因此预报难度较大(翟盘茂等，2016)。集合预报系统(Ensemble Prediction System，EPS)在一定程度上缓解了这个难题，它在运算过程中考虑了诸多不确定因子，有效提高了小概率事件的预报能力(杜钧等，2014)。

Lalaurette基于EPS提供了一种极端天气预报方法，即极端天气预报指数(Extreme Forecast Index，EFI)，定义为“集合预报的累积概率分布函数(cumulativedistribution function,CDF)”与“模式气候”的CDF之差，指的是如果模式天气相对于“模式气候”是极端事件，则实际天气相对于实际气候也是极端事件，通过计算EPS的CDF和“模式气候”的CDF之差的累计积分加权，得出极端事件发生的概率与“模式气候”的概率之差，两个概率的差值越大，即差异性越强，则气象要素相对于“气候态”越极端，因此可通过这种差异性，预报极端事件发生的可能性。EFI越大，即预示高值异常天气发生的可能性越大，如强降水、极端高温及极端大风等天气；相反，EFI为负值，即预示低值异常天气发生的可能性越大，如极端干旱天气。由于回算数据也出于同种模式及采用同期的气候样本，EFI的计算可有效避免模式系统性偏差，同时具有较好的针对性，可提前有效的预报极端事件，目前已得到广泛应用(Petroliagis and Pinson，2014；董全等，2016)。

EFI的取值范围为【-1,1】,越接近于1，集合预报的所有成员大于“模式气候”最大值的概率越大，发生异常高值天气的可能性越大；越接近于-1，所有成员小于“模式气候”最小值的概率越大，表示发生异常低值天气的可能性越大。EFI极端降水指数表示当前预报与历史气候同期的距平，其数值越大，即发生极端降水事件的可能性越大。EFI对极端天气有较好的预报和指示意义，欧洲中心一般将EFI的阈值设为0.5，即当EFI超过0.5时，即有可能发生极端天气，应予以注意。

EFI指数主要包括10米阵风指数、10米风速指数、对流潜势指数、对流潜势切变指数、总降雪指数及总降水指数等。Boisserie et a1(2015)通过EFI指数对多个强风暴样例进行预报分析，得到EFI的预报阈值分别为0.7和-0.5。夏凡等(2012)通过分析极端低温事件，得到对应的EFI预报阈值为-0.3，提前有效预报时间为3-5天。朱鹏飞等(2015)分析了降水EFI在安徽省的应用评估，得到降水EFI大值区与强降水有很好的对应关系。龙柯吉等(2016)基于降水EFI对四川盆地暴雨预报研究，得到暴雨预报对应的最佳EFI阈值。

目前，降水EFI在我国多个预报业务部门中得以应用，但对于不同地形地貌地区，判断极端降水的EFI阈值不同，因此对不同地形特征地区，分别对降水EFI指数的预报指示意义进行评估与检验，给出适用于不同地形特别的定性预报模型及定量预报模型，进一步提升EFI指数对极端降水事件的预报能力和指示意义。因此，为了解决上述问题，急需发明一种极端降水天气指数的应用方法、应用系统、电子设备及存储介质。

发明内容