精确的天气预报是社会发展、城市安全运行、人民生活以及水旱灾害防御的重要保障。近年来，尽管数值预报降水技术取得显著进展，然而，其预报精度仍受到初始场不确定性、模式结构限制及参数化方法局限性的影响，较粗的空间分辨率也制约了其在气象水文领域的广泛应用。因此，本研究基于U-net对CMA、ECMWF和NCEP三者的多模式超级集合数据CNE开展了统计后处理研究，研制了2021-2022年长江下游和里下河地区集合预报降水数据集。经U-net订正后，空间分辨率由0.5°细化到0.1°，确定性精度和概率性精度指标得到全面提升，且预见期得到有效延长，为项目示范区模型构建提供了精细化数据支撑。
本研究使用TIGGE数据库中CMA、NCEP和ECMWF三个天气预报中心的全球中期集合预报降水数据，时空分辨率均为0.5°/6h，集合成员数量依次为30、30和50，预见期依次为360h、360h和384h。CMA和ECMWF的预报作业时间为世界时（UTC）的00和12点，NCEP为00、06、12和18点，三者的数值模式均为随机物理倾向与随机动能补偿的组合扰动方案。数据下载地址为：https://apps.ecmwf.int/datasets/data/tigge/levtype=sfc/type=cf/
主要采用python工具，步骤：
（1）通过等权重集成方式将CMA、NCEP和ECMWF的所有集合成员汇总到一起，形成多模式超级集合预报数据CNE；
（2）采用双线性插值方法，将CNE的0.5°空间分辨率细化到0.1°；
（3）针对降尺度后的CNE，构建基于U-net深度神经网络的集合预报统计后处理模型；
（4）基于构建的模型研制2021-2022年长江下游和里下河地区的数据预报统计后处理数据集。
经U-net订正后，分类指标误报率（FAR）由0.70左右降到了0.55左右，公平威胁评分（ETS）由0.15左右提高到0.3左右，预见期的平均增益分别达到0.17和0.14。定量指标KGE'在大部分预见期下均得到改善，并且有效保持了数据的空间结构。综合精度指标CAS得到有效改善，预见期得到有效延长，最高延长到54h。因此，本数据可为长江下游和里下河地区提供高质量的预报降水数据集。
| # | 编号 | 名称 | 类型 |
| 1 | 2021YFC3000100 | 长江下游洪涝灾害集成调控与应急除险技术装备 | 国家重点研发计划 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.NHRI.DB6789.2025
10.12072/ncdc.nhri.db6789.2025
