基于DERF2.0模式產(chǎn)品對(duì)單站旬、月極端降水日數(shù)的預(yù)測(cè)

白　慧，段　瑩，王興菊，陳貞宏

(1.貴州省氣候中心,貴州　貴陽　550002;2.貴州省山地氣候與資源重點(diǎn)實(shí)驗(yàn)室,貴州　貴陽　550002;3.貴州省安順市氣象局,貴州　安順　561000)

?

基于DERF2.0模式產(chǎn)品對(duì)單站旬、月極端降水日數(shù)的預(yù)測(cè)

白慧1,2，段瑩1，王興菊3，陳貞宏3

(1.貴州省氣候中心,貴州貴陽550002;2.貴州省山地氣候與資源重點(diǎn)實(shí)驗(yàn)室,貴州貴陽550002;3.貴州省安順市氣象局,貴州安順561000)

該文利用1951—2013年貴陽站逐日降水量觀測(cè)資料分析其極端降水日數(shù)的氣候特征，結(jié)合DERF2.0月動(dòng)力延伸預(yù)測(cè)模式輸出的500 hPa高度場(chǎng)格點(diǎn)資料，將高度距平場(chǎng)與該站極端降水日數(shù)距平值利用線性回歸及逐步回歸的方法建立5月26日起報(bào)1～40 d的預(yù)測(cè)模型，并對(duì)預(yù)測(cè)效果進(jìn)行檢驗(yàn)。結(jié)果表明：貴陽站20世紀(jì)80年代中期至90年代中期是極端降水日數(shù)偏多的時(shí)段，其余時(shí)段呈現(xiàn)偏少特征，在21世紀(jì)10年代之后極端降水日數(shù)呈增加趨勢(shì)；影響貴陽站各旬極端降水日數(shù)的天氣系統(tǒng)在月內(nèi)具有階段性的調(diào)整和變動(dòng)，相比月尺度大氣環(huán)流信號(hào)的穩(wěn)定性較弱；對(duì)比固定時(shí)段建模和滑動(dòng)時(shí)段建模下極端降水日數(shù)的預(yù)測(cè)結(jié)果，發(fā)現(xiàn)固定時(shí)段建模的預(yù)測(cè)結(jié)果與實(shí)況較為一致，尤其是月尺度預(yù)測(cè)值與實(shí)況值的相關(guān)系數(shù)較穩(wěn)定，旬尺度預(yù)測(cè)值與實(shí)況值的穩(wěn)定性較弱。

DERF2.0；極端降水日數(shù)；預(yù)測(cè)模型

1　引言

20世紀(jì)80年代以來，受全球氣候變化和人類活動(dòng)的共同影響，全球范圍內(nèi)的極端天氣氣候事件呈現(xiàn)出強(qiáng)度大、頻次高、影響范圍廣等特點(diǎn)[1]。貴州地處我國(guó)西南的云貴高原東麓、副熱帶東亞大陸的季風(fēng)區(qū)內(nèi)，屬亞熱帶濕潤(rùn)季風(fēng)氣候區(qū)。一方面，強(qiáng)降水是對(duì)貴州省危害最嚴(yán)重的災(zāi)害性天氣之一，暴雨帶來的災(zāi)害對(duì)貴州的工農(nóng)業(yè)生產(chǎn)及人民生命財(cái)產(chǎn)造成了嚴(yán)重的危害[2]，尤其是強(qiáng)降水多發(fā)的夏天，暴雨、大暴雨出現(xiàn)頻繁，是導(dǎo)致沖毀農(nóng)田、倒塌房屋，甚至引發(fā)泥石流、山體滑坡等災(zāi)害的主要誘發(fā)因素[3]。另一方面，近年來頻發(fā)的高溫干旱事件給社會(huì)經(jīng)濟(jì)和人民的生命財(cái)產(chǎn)造成巨大影響，干旱災(zāi)害的致災(zāi)因子主要取決于一個(gè)地區(qū)的降水、氣溫和蒸發(fā)等，其中降水是干旱的主要物質(zhì)基礎(chǔ)，強(qiáng)降水又是重要的水資源的補(bǔ)充，區(qū)域性強(qiáng)降水過程往往是解除農(nóng)業(yè)干旱的主要途徑之一[4]。因此，對(duì)降水的短期氣候預(yù)測(cè)顯得越來越重要，但提高氣候預(yù)測(cè)準(zhǔn)確率一直是短期氣候預(yù)測(cè)工作的重點(diǎn)和難點(diǎn)。近年來，動(dòng)力氣候預(yù)測(cè)模式已成為氣象工作者的重要工具，其中月動(dòng)力延伸期預(yù)測(cè)產(chǎn)品(DERF)在氣候預(yù)測(cè)業(yè)務(wù)中得到廣泛應(yīng)用[5]，動(dòng)力氣候模式對(duì)大尺度環(huán)流的特征模擬較好，但對(duì)空間尺度較小的降水、氣溫等地表氣候要素的預(yù)測(cè)技巧較低[6]，因而如何利用氣候模式輸出的具有較高預(yù)測(cè)技巧的大尺度模式信息用于中小尺度的降水預(yù)測(cè)顯得十分重要。

國(guó)家氣候中心業(yè)務(wù)化的月動(dòng)力預(yù)測(cè)氣候模式(DERF)在短期氣候預(yù)測(cè)特別是月尺度氣候預(yù)測(cè)中發(fā)揮著重要作用，許多研究表明[7]，現(xiàn)在的大氣環(huán)流模式對(duì)大氣環(huán)流特征模擬較好，但對(duì)于氣溫、降水等局地氣候要素的模擬技巧很低，同時(shí)該模式水平分辨率較粗，導(dǎo)致區(qū)域尺度預(yù)測(cè)準(zhǔn)確率偏低。因此，如何利用模式預(yù)測(cè)技巧較高的大尺度信息通過降尺度方法來預(yù)測(cè)降水、氣溫等區(qū)域尺度信息顯得很重要[8]。

隨著我國(guó)動(dòng)力氣候模式預(yù)測(cè)系統(tǒng)的不斷完善，其月平均環(huán)流場(chǎng)已經(jīng)具備良好的預(yù)測(cè)能力，從而為利用動(dòng)力氣候模式產(chǎn)品間接預(yù)測(cè)氣溫、降水的解釋應(yīng)用提供了必要條件。本文對(duì)國(guó)家氣候中心滾動(dòng)下發(fā)的DERF2.0月動(dòng)力延伸集合預(yù)測(cè)產(chǎn)品(預(yù)測(cè)時(shí)段為1～40 d)數(shù)據(jù)進(jìn)行解報(bào)，選取貴陽站夏季降水量最多、暴雨頻率最高的6月極端降水日作為預(yù)測(cè)對(duì)象，將DERF2.0輸出的500 hPa位勢(shì)高度場(chǎng)作為預(yù)測(cè)因子，利用線性回歸和逐步回歸的統(tǒng)計(jì)方法建立預(yù)測(cè)模型，篩選出含有高信息量的預(yù)測(cè)因子，建立氣候場(chǎng)與各氣候因子場(chǎng)的聯(lián)系，進(jìn)而將指定時(shí)刻DERF2.0輸出的500 hPa環(huán)流產(chǎn)品的顯著影響因子帶入預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)貴陽站6月延伸期旬、月極端降水日數(shù)的預(yù)測(cè)，以期探索一種有效的、可行的業(yè)務(wù)預(yù)測(cè)途徑。

2　資料和方法

2.1資料

本文所用資料為氣象觀測(cè)站點(diǎn)資料和DERF2.0輸出的500 hPa高度場(chǎng)格點(diǎn)資料，包括：①1951—2013年貴陽站逐日降水量(20—20時(shí))觀測(cè)資料；②格點(diǎn)資料空間分辨率1.0°×1.0°，范圍為90°S～90°N、0°～360°E，時(shí)間范圍為1983—2013年5月26日起報(bào)1～40 d。

旬月極端降水日數(shù)預(yù)測(cè)模型：1983—2013年站點(diǎn)數(shù)據(jù)和格點(diǎn)數(shù)據(jù)的氣候平均。

2.2方法

本文在建立統(tǒng)計(jì)降尺度預(yù)測(cè)模型過程中主要采用了下列方法：

①選取貴陽站為貴州區(qū)域代表站，確定代表站相對(duì)極端降水量日數(shù)閾值，統(tǒng)計(jì)該站逐旬、月極端降水量日數(shù)，作為預(yù)測(cè)對(duì)象y。

旬、月極端降水量日數(shù)閾值確定方法：根據(jù)WMO氣候委員會(huì)(CCI)/全球氣候研究計(jì)劃(WCRP)氣候變化與可預(yù)測(cè)性計(jì)劃(CLIVAR)氣候變化檢測(cè)、監(jiān)測(cè)和指標(biāo)專家組(ETCCDMI)有關(guān)定義和計(jì)算方法，將極端降水日數(shù)定義為時(shí)段內(nèi)日降水量大于第90個(gè)百分位值的天數(shù)。每個(gè)站點(diǎn)逐月計(jì)算第90個(gè)百分位數(shù)，即對(duì)1983—2013年每個(gè)月內(nèi)超過1 mm的降水量從小到大進(jìn)行排序，計(jì)算第90個(gè)百分位對(duì)應(yīng)值，作為極端降水量閥值。

②將y與同期全球(90°S～90°N、0°～360°E)DERF2.0模式輸出的500 hPa高度場(chǎng)格點(diǎn)資料進(jìn)行回歸系數(shù)計(jì)算和顯著性檢驗(yàn)，從中挑選出過α=0.05顯著性水平的格點(diǎn)作為逐步回歸待選因子(x1，x2，x3，…，xi)參加逐步回歸，通過設(shè)定顯著性水平可有效控制獲得所需參加逐步回歸的因子數(shù)量。

③建立預(yù)測(cè)模型(0.1信度檢驗(yàn))，得出預(yù)測(cè)對(duì)象y與預(yù)測(cè)因子x1，x2，x3，…，xi的多元預(yù)測(cè)方程：

(1)

式(1)中b0為常數(shù)，bi為回歸系數(shù)，xi為預(yù)測(cè)因子，對(duì)貴州省汛期時(shí)段延伸期旬、月(1～10 d、11～20 d、21～30 d、31～40 d和11～40 d)時(shí)段內(nèi)極端降水日數(shù)和DERF2.0集合預(yù)測(cè)產(chǎn)品間建立預(yù)測(cè)模型。

④對(duì)DERF2.0集合預(yù)測(cè)產(chǎn)品的預(yù)測(cè)結(jié)果進(jìn)行獨(dú)立樣本檢驗(yàn)。

3　貴陽站極端降水日數(shù)氣候特征

貴陽站1983—2013年氣候平均逐日降水量呈單峰型分布(圖1)，雨水集中期在4—10月，占全年總降水量的87%，其中盛夏6—8月占全年總降水量49%(6月占19%、7月占17%和8月占13%)。

圖1　貴陽站1983—2013年逐日降水量(單位：mm)Fig.1　 Daily precipitation during 1983—2013 at Guiyang station (unit: mm)

考慮到降水的區(qū)域性和季節(jié)性差異，極端降水日數(shù)采用相對(duì)指標(biāo)來定義。圖2為貴陽站1951—2013年逐年5月26日起算未來1～10 d、11～20 d、21～30 d、30～40 d各時(shí)段內(nèi)的極端降水日數(shù)。總體上看，5月26日起算未來1～40 d的極端降水總?cè)諗?shù)平均為1.3 d，20世紀(jì)80年代中期至90年代中期是極端降水日數(shù)偏多的時(shí)段，其余時(shí)段呈現(xiàn)偏少特征，但21世紀(jì)10年代之后極端降水日數(shù)呈增加趨勢(shì)。

由上述分析可見貴州夏季降水量最多、暴雨頻率最高的降水出現(xiàn)在6月，本文以雨水最為充沛的6月作為預(yù)測(cè)對(duì)象，對(duì)5月26日起報(bào)未來1～40 d內(nèi)旬(1～10 d、11～20 d、21～30 d和31～40 d)、月(1～30 d和11～40 d)極端降水日數(shù)的預(yù)測(cè)模型的建立及其預(yù)報(bào)能力進(jìn)行討論，有效地將DERF2.0業(yè)務(wù)產(chǎn)品中提供的具有較高預(yù)測(cè)技巧的大尺度預(yù)測(cè)信息(500 hPa高度場(chǎng))統(tǒng)計(jì)降尺度到觀測(cè)站點(diǎn)。

圖2　貴陽站1951—2013年逐年5月26日起算未來1～40 d內(nèi)不同時(shí)段的極端降水日數(shù)Fig.2　Number of extreme precipitation days for future 1～40 days starting on May 26 during 1951—2013 at Guiyang station

4　貴陽站極端降水日數(shù)預(yù)測(cè)模型的建立

利用DERF2.0業(yè)務(wù)產(chǎn)品在1983—2003年5月26日起報(bào)未來1～10 d、11～20 d、21～30 d、31～40 d、1～30 d和11～40 d各時(shí)段的500 hPa高度場(chǎng)(90°S～90°N,0°～360°E)資料，與同期各時(shí)段內(nèi)貴陽站極端降水日數(shù)實(shí)況值做回歸分析，其回歸系數(shù)空間分布如圖3所示，圖中陰影區(qū)域?yàn)榛貧w系數(shù)通過0.05信度檢驗(yàn)的區(qū)域。由圖可見，1～10 d、11～20 d、21～30 d及31～40 d的關(guān)鍵區(qū)位置均存在較大差異，說明在旬尺度下影響貴陽站各時(shí)段極端降水日數(shù)的副熱帶和中高緯度大氣環(huán)流具有不穩(wěn)定性，而1～30 d和11～40 d兩個(gè)時(shí)段內(nèi)的關(guān)鍵區(qū)位置則較為相似，即月尺度大氣環(huán)流信號(hào)相對(duì)穩(wěn)定。由上述分析可見，天氣系統(tǒng)在月內(nèi)具有階段性的調(diào)整和變動(dòng)，旬尺度的大氣環(huán)流信號(hào)相比月尺度穩(wěn)定性較弱。

基于貴陽站5月26日起算未來1～10 d、11～20 d、21～30 d、30～40 d、1～30 d和11～40 d各時(shí)段內(nèi)的極端降水日數(shù)距平與同期關(guān)鍵區(qū)高度距平場(chǎng)(HGTa)建立預(yù)測(cè)模型，以1983—2003年為訓(xùn)練階段，利用逐步回歸方法篩選預(yù)測(cè)因子，對(duì)2004—2013年逐年的各時(shí)段內(nèi)的極端降水日數(shù)距平y(tǒng)進(jìn)行獨(dú)立預(yù)測(cè)，考察各關(guān)鍵區(qū)HGTa(x1，x2，x3，…，xi)的貢獻(xiàn)率及預(yù)測(cè)模型的準(zhǔn)確率式(1)，將2004—2013年逐年同期各時(shí)段內(nèi)關(guān)鍵區(qū)HGTa代入所建模型，得到極端降水日數(shù)距平預(yù)測(cè)值。圖4為2004—2013年5月26日起報(bào)未來各時(shí)段貴陽站極端降水日數(shù)距平的實(shí)況值與固定時(shí)段預(yù)測(cè)模型計(jì)算所得的預(yù)測(cè)值對(duì)比。由圖可見1～10 d、11～20 d、21～30 d、30～40 d、1～30 d和11～40 d各時(shí)段內(nèi)極端降水日數(shù)距平預(yù)測(cè)的同號(hào)率分別為4/10、3/10、9/10、5/10、9/10和8/10，其中21～30 d、1～30 d和11～40 d時(shí)段內(nèi)的預(yù)測(cè)與實(shí)況趨勢(shì)較為一致，表明固定時(shí)段建模對(duì)極端降水日數(shù)異常具有較好的預(yù)測(cè)能力。

為了檢驗(yàn)預(yù)測(cè)因子的穩(wěn)定性，進(jìn)一步討論500 hPa高度場(chǎng)異常年際信號(hào)對(duì)貴陽站極端降水日數(shù)異常的預(yù)測(cè)能力，對(duì)相應(yīng)時(shí)段的預(yù)測(cè)模型進(jìn)行滑動(dòng)建模(圖5)，即利用1983—2003年、1984—2004年……1992—2012年時(shí)段建立逐步回歸預(yù)測(cè)模型，分別對(duì)2004—2013年逐年的貴陽站極端降水日數(shù)距平進(jìn)行預(yù)測(cè)，結(jié)果表明2004—2013年10 a間預(yù)測(cè)同號(hào)率分別為5/10、5/10、5/10、5/10、6/10和6/10，其預(yù)測(cè)值和實(shí)況值的一致性較固定時(shí)段建模有所降低，表明建模時(shí)段的選取對(duì)年際信號(hào)的提取具有一定的影響。

圖3　1983—2013年全球(90°S～90°N,0°～360°E)500 hPa高度場(chǎng)與貴陽站1～10 d、11～20 d、21～30 d、31～40 d、1～30 d和11～40 d各時(shí)段內(nèi)極端降水日數(shù)的回歸系數(shù)空間分布(陰影區(qū)：回歸系數(shù)通過α=0.05信度檢驗(yàn))Fig.3　The space distribution of regression coefficient between 500 hPa height(90°S～90°N,0°～360°E) and number of extreme precipitation days for 1～10 days, 11～20 days, 21～30 days, 31～40 days, 1～30 days and 11～40 days during 1983—2012 at Guiyang station (shaded: α=0.05)

圖4　2004—2013年貴陽站極端降水日數(shù)距平的實(shí)況值與預(yù)測(cè)值(固定時(shí)段預(yù)測(cè)模型)Fig.4　Prediction values and observation values of number of extreme precipitation days during 2004—2013 (Prediction model is built by regular time)

圖5　2004—2013年貴陽站極端降水日數(shù)距平的實(shí)況值與預(yù)測(cè)值(滑動(dòng)時(shí)段預(yù)測(cè)模型)Fig.5　Prediction values and observation values of number of extreme precipitation days during 2004—2013 (Prediction model is built by moving time)

5　預(yù)測(cè)檢驗(yàn)結(jié)果

對(duì)比分析固定時(shí)段(1983—2003年)建模和滑動(dòng)時(shí)段(1983—2003年至1992—2012年)建模分別對(duì)逐年2004—2013年各時(shí)段內(nèi)極端降水日數(shù)的預(yù)測(cè)結(jié)果(表1)。從同號(hào)率來看，固定時(shí)段建模的預(yù)測(cè)結(jié)果與實(shí)況較為一致，尤其21～30 d、1～30 d和11～40 d時(shí)段(分別為9/10、9/10和8/10)；結(jié)合相關(guān)系數(shù)，固定時(shí)段建模的1～30 d時(shí)段內(nèi)的月尺度預(yù)測(cè)值與實(shí)況值的相關(guān)性一致、且較高(0.45)，通過0.05信度檢驗(yàn)，11～40 d時(shí)段內(nèi)的月尺度預(yù)測(cè)值與實(shí)況值的相關(guān)性次之，其余旬內(nèi)的預(yù)測(cè)值與實(shí)況值的相關(guān)性較低或相反。注意到各時(shí)段的統(tǒng)計(jì)值中同號(hào)率越高，其相關(guān)系數(shù)并不一定為正、且越高，這與相關(guān)系數(shù)的算法有關(guān)，它與同號(hào)率一樣反映預(yù)測(cè)值與實(shí)況值之間的趨勢(shì)一致性，但同時(shí)它還反映二者間趨勢(shì)異常的振幅一致性，樣本數(shù)過少對(duì)相關(guān)系數(shù)能反映的真實(shí)性具有很大影響，因此，在樣本較少的預(yù)測(cè)檢驗(yàn)業(yè)務(wù)中主要以同號(hào)率為參考依據(jù)。

表1　各時(shí)段內(nèi)極端降水日數(shù)距平的固定時(shí)段建模和滑動(dòng)時(shí)段建模的預(yù)測(cè)檢驗(yàn)統(tǒng)計(jì)

6　小結(jié)與討論

①總體上看，1951—2013年貴陽站5月26日起算未來1～40 d的極端降水總?cè)諗?shù)平均為1.3 d，其中20世紀(jì)80年代中期至90年代中期是極端降水日數(shù)偏多的時(shí)段，其余時(shí)段則呈偏少特征，在21世紀(jì)10年代之后極端降水日數(shù)呈增加趨勢(shì)。

②貴陽站5月26日起算未來1～10 d、11～20 d、21～30 d及31～40 d的關(guān)鍵區(qū)位置均存在較大差異，說明影響貴陽站各旬極端降水日數(shù)的副熱帶和中高緯度大氣環(huán)流具有不穩(wěn)定性，而1～30 d和11～40 d兩個(gè)時(shí)段內(nèi)的關(guān)鍵區(qū)位置則較為相似，天氣系統(tǒng)在月內(nèi)具有階段性的調(diào)整和變動(dòng)，相比月尺度大氣環(huán)流信號(hào)的穩(wěn)定性較弱。

③對(duì)比貴陽站在固定時(shí)段建模和滑動(dòng)時(shí)段建模分別對(duì)逐年2004—2013年各時(shí)段內(nèi)極端降水日數(shù)的預(yù)測(cè)結(jié)果，顯示固定時(shí)段建模的預(yù)測(cè)結(jié)果與實(shí)況較為一致，尤其是起報(bào)日未來1～30 d和11～40 d時(shí)段內(nèi)的月尺度預(yù)測(cè)值與實(shí)況值的相關(guān)系數(shù)較穩(wěn)定，其余旬內(nèi)的預(yù)測(cè)值與實(shí)況值的穩(wěn)定性較弱。

本文研究利用DERF2.0模式輸出的業(yè)務(wù)產(chǎn)品(500 hPa位勢(shì)高度場(chǎng))進(jìn)行旬、月內(nèi)的極端降水日數(shù)統(tǒng)計(jì)降尺度應(yīng)用，對(duì)旬內(nèi)預(yù)測(cè)效果穩(wěn)定性較弱，而對(duì)月內(nèi)預(yù)測(cè)效果較穩(wěn)定。考慮到DERF2.0用于統(tǒng)計(jì)降尺度中建模及獨(dú)立預(yù)測(cè)樣本都比較少，需有待選取更多的樣本進(jìn)行檢驗(yàn)，同時(shí)考慮到解釋應(yīng)用技巧本質(zhì)上依賴于模式預(yù)測(cè)能力和解釋應(yīng)用方法，因而需要更多的模式產(chǎn)品樣本來進(jìn)一步研究，以期來提高氣候預(yù)測(cè)的準(zhǔn)確性。

[1] 劉綠柳, 孫林海, 廖要明, 等. 基于月動(dòng)力模式的降水和極端強(qiáng)降水日數(shù)統(tǒng)計(jì)降尺度預(yù)測(cè)方案比較. 中國(guó)氣象局國(guó)家氣候中心暨氣候研究開放實(shí)驗(yàn)室2009年度學(xué)術(shù)年會(huì)論文集, 2010:40-43.

[2] 張艷梅, 江志紅, 王冀, 等. 貴州夏季暴雨的氣候特征[J]. 氣候變化研究進(jìn)展, 2008, 4(3): 182-186.

[3] 白慧, 陳貞紅, 李長(zhǎng)波, 等. 貴州省主汛期暴雨的氣候特征分析[J]. 貴州氣象, 2012,36(3): 1-6.

[4] 彭貴芬, 劉瑜, 張一平. 云南干旱的氣候特征及變化趨勢(shì)研究[J]. 災(zāi)害學(xué), 2009, 24(4): 40-44

[5] 池俊成,史印山.EOF迭代模型的月動(dòng)力延伸預(yù)報(bào)產(chǎn)品釋用技術(shù)[J]. 應(yīng)用氣象學(xué)報(bào), 2009, 20(1): 124-128.

[6] 張培群, 李清泉, 王蘭寧, 等. 我國(guó)動(dòng)力氣候模式預(yù)測(cè)系統(tǒng)的研制及應(yīng)用[J]. 科技導(dǎo)報(bào), 2004, (7): 17-21.

[7] 李維京, 張培群, 李清泉, 等. 動(dòng)力氣候模式預(yù)測(cè)系統(tǒng)業(yè)務(wù)化及其應(yīng)用[J]. 應(yīng)用氣象學(xué)報(bào), 2005, 16(增刊): 1-11.

[8] F. Frey-Buness, D. Heimann, R. Sausen. A statistical-dynamical downscaling procedure for global climate simulations[J]. Theoretical and Applied Climatology, 1995, 50: 171-131.

Prediction of Number of Extreme Precipitation Days Every Ten Days and Month for a Single Station Based on the Monthly Dynamical Climate Model

BAI Hui1,2,DUAN Ying2，WANG Xingju3，CHEN Zhenhong3

(1.Guizhou Climate Center, Guiyang 550002, China; 2.Guizhou Key Laboratory of Mountainous Climate and Resource，Guiyang 550002, China; 3.Anshun Meteorological Bureau, Anshun 561000, China)

The climate features of number of extreme precipitation days were analyzed by making use of daily precipitation data during 1951—2013 at Guiyang station, and in combination with 500 hPa height monthly dynamical climate model productions(DERF2.0), the prediction model was built and tested. The prediction model forecasts the 1～40 days starting on May 26 by means of linear regression method and stepwise regression method. The results show that the period of number of extreme precipitation days is more during the mid-80’s to the mid-90’s of the 20th century, the other period is less, and the trend is increasing from the late 10’s of 21th century. Weather systems have the different stages of adjustments and changes in a month, whose circulation signals are weaker than monthly scale. The contrast of prediction models at regular time and moving time, finding the prediction results at regular time are the same to observation, especially the monthly scale is more stable.

DERF2.0; number of extreme precipitation days; prediction model

1003-6598(2016)01-0001-06

2015-08-05

白慧(1984—), 女, 工程師, 主要從事氣候診斷和短期氣候預(yù)測(cè)相關(guān)工作, E-mail: baihui926@aliyun.com。

貴州省氣象局青年基金項(xiàng)目(黔氣科合QN[2014]05號(hào)); 貴州省氣象局氣象科技開放研究基金(黔氣科合KF[2016]06號(hào))。

P457

A