基于时空深度学习模型的数值降水预报后处理

作者：郑超昊; 尹志伟; 曾钢锋; 许月萍; 周鹏; 刘莉^*

来源：浙江大学学报(工学版), 2023, 57(09): 1756-1765.

• ECMWF
• 时空后处理模型
• 深度学习
• 降水预报

为了提高降水预报的精度和分辨率，以浙江省椒江流域为研究对象，使用CMA-CMORPH降水网格数据集和ECMWF数值降水预报产品，提出基于深度学习的降水后处理模型CNN-LSTM.探讨在不同预报时效的后处理前后降水预报的精度变化，评估降水预报对典型暴雨事件的预报能力.结果表明：CNN-LSTM能够显著提升原始降水预报的精度，均方根误差从6.0 mm下降为3.0 mm，相关系数从0.6上升至0.9.2起台风事件后处理的降水预报在椒江流域逐6 h面雨量误差均不超过10%.经过雨季后处理的TS评分集中于0.90；并且在各降水等级表现均好于后处理前，小雨TS评分从不足0.80提升至0.91，中雨的TS评分从不足0.50提升至0.60.

• 出版日期2023
• 单位建筑工程学院; 浙江大学