《表2 对流增强集合概率对应的阈值及权重设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于数值模式诊断自适应的北京地区对流性降水临近集合预报新方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:P25、P75分别为诊断因子第25和第75百分位对应的数值，W为权重值，W∈[1，2，3]表示权重值为1、2、3中任意一个数

式中，a、b与c为常数，且a>0。通过控制高斯函数中的系数来确定成员函数的分布。这里，我们设定a=1，b、c由诊断因子的阈值确定，其中参数b为诊断因子P75（第75百分位）的值，参数c为P75和P25之差。成员函数的输出结果是一个0～1的具体数值，数值越接近1，代表可能性越大；数值越接近0，代表可能性越小。由于不同的因子的量值与其发生概率的关系存在显著的差别。为此，我们相应设计了不同因子的基于百分位扰动计算对流概率的方案。如以表2所示的对流增强概率为例，CAPE值越大，越有利于对流增强。默认情况下，当P75=250且CAPE=250时，对流增强概率为1；当P75=300时且CAPE=250时，对流增强概率<1。因此，可以通过扰动P75来控制概率值接近1的程度，P75值越大，表示相同的CAPE对应对流增强的概率越小。相反的，DV（地面散度）越小，越有利于对流的增强。默认情况下，当P25=-35时且DV=-35时，对流增强概率为1，当P25=-60且DV=-35时，对流增强概率<1。因此，P25值越小，表示相同的DV下，对流增强的概率越小。因此，对于随着值越大，对应概率越大的参数（如CAPE），通过扰动P75来控制概率大小，对于值越小，概率越大的参数（如DV），通过扰动P25来控制概率大小。