Page 110 - 2024年第55卷第2期
P. 110
冬季降水量很少，甚至有很多区域的降水量接近 ０ｍｍ。在这种情况下，模型的训练样本成为稀疏数
据 ［３２］ ，使用稀疏数据训练降水降尺度模型通常效果不理想，这在冬季降水降尺度研究 ［３３］ 中经常出现。
图 ９ 季降尺度残差校正前后精度对比
５．３ 月降尺度残差校正 月降水降尺度残差校正前后的精度评价指标如表 １所示。校正后，所有月份
的精度指标均有较大幅度的改善，ＣＣ均超过 ０．８９，其中，１、２、３、６、８、１０和 １１月份 ＣＣ提升显
著，幅度超过 ０．３；ＩＡ指标也都超过 ０．９４，其中，１、２、６、８、１０和 １１月份 ＩＡ指标提升超过 ０．３；４、
５、６、７、８和 １１月份的 ＲＭＳＥ下降较为显著，ＲＢ也有明显改善，虽然 ４和 ９月份略微有所降低，但
是变化不大。综上，Ｂａｙｅｓ － ＨＡＳＭ能有效提高月降水降尺度精度。
表 １ 月尺度降水残差校正前后精度对比
残差校正前结果精度 残差校正后结果精度
月份
ＣＣ ＩＡ ＲＭＳＥ?ｍｍ ＲＢ?％ ＣＣ ＩＡ ＲＭＳＥ?ｍｍ ＲＢ?％
１ 月 ０．００ ０．４７ １．２５ － ８０．９４ ０．９９ ０．９９ ０．１８ ８．８９
２ 月 ０．１０ ０．３５ ０．４０ ４７．０１ ０．８９ ０．９４ ０．１５ １４．７９
３ 月 ０．６３ ０．７３ １．８９ － ３１．８７ ０．９５ ０．９７ ０．６３ ２．３３
４ 月 ０．９５ ０．９７ ６．４５ １．１３ １．００ １．００ １．６０ １．９５
５月 ０．９６ ０．８７ ７．４８ － ４．８１ １．００ １．００ １．８２ － ４．４４
６ 月 ０．５１ ０．６５ １６．２６ １３．９５ ０．９２ ０．９６ ５．４６ － １．４８
７ 月 ０．８０ ０．８４ ３９．５８ １５．０７ ０．９７ ０．９８ １５．８７ ３．８１
８ 月 ０．４６ ０．５９ ３３．６４ － １０．０６ ０．９３ ０．９４ １４．６０ － ５．２８
９ 月 ０．９１ ０．９３ ５．９０ ０．３６ ０．９８ ０．９９ ２．７２ － １．０７
１０ 月 ０．６３ ０．６７ ３．４３ ４２．２３ ０．９７ ０．９８ ０．７１ ３．９３
１１月 ０．００ ０．１９ ４．１９ ９９３．１５ ０．９８ ０．９８ ０．１４ １．３３
１２ 月 ０．８５ ０．９１ ０．７９ － １８．２７ ０．９９ ０．９９ ０．３２ ９．３７
通过对比 １２个月份降尺度残差校正的精度变化，发现 １、２、１１月份的精度提升最为显著，主要
因为这些月份滦河流域降水极少，且大多为降雪，大量区域的降水量接近 ０，有效降雨样本偏少，降
尺度模型容易 过拟 合。同 时，由 于 目 前 降 水 传 感 器 和 降 水 反 演 算 法 存 在 局 限 性，对 于 较 短 时 间 尺
２
— ２ ３ —
