基于截断广义极值分布的 EMOS 模型用于风速集合预报的校准

近年来，集合天气预报已成为所有主要天气预报中心的常规工作。这些预报是通过使用不同初始条件或模型参数化的数值天气预报模型多次运行获得的。然而，集合预报通常表现出欠离散且存在偏差，因此需要进行某种后处理以弥补这些缺陷。最先进的统计后处理技术之一是集合模型输出统计 (EMOS)，它提供了所研究天气量的完整预测分布。我们提出了一种用于校准风速集合预报的新型 EMOS 模型，其中预测分布为在零处左截断的广义极值 (GEV) 分布 (TGEV)。该截断纠正了基于 GEV 分布的 EMOS 模型偶尔预测负风速值的缺点，同时不影响其优良性质。新模型在三个不同集合预报系统提供的四个风速集合预报数据集上进行了测试，涵盖了不同的地理区域和时间段。TGEV EMOS 模型的预报技巧与截断正态分布、对数正态分布和 GEV 方法以及原始预报和气候预报的预测性能进行了比较。结果验证了新型 TGEV EMOS 方法的优越性质。