簡易檢索 / 詳目顯示

回結果列表
研究生： 鄭鈺靖
Yu-Ching Cheng
論文名稱： 比較由一般至相對極端之季節預報技術
Comparing Forecast Skills on Seasonal Climate Conditions From Normal to Relatively Extreme
指導教授： 陳正達
Chen, Cheng-Ta
學位類別： 碩士
Master
系所名稱： 海洋環境科技研究所
Graduate Institute of Marine Environmental Science and Technology
論文出版年： 2010
畢業學年度： 98
語文別： 中文
論文頁數： 57
中文關鍵詞： 相對極端氣候 、季節氣候預報技術
英文關鍵詞： Relatively Extreme Climate, Seasonal Climate Conditions Forecast Skills
論文種類： 學術論文
相關次數： 點閱：126  下載：5 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 極端的季節性變化，通常對我們的環境會造成很大的影響，所以評估各海氣耦合模式對於極端事件預報技術的特性與準確度，便可以幫助我們去修正各個模式間的誤差，以求建立更為準確的模式系統提供氣候模擬及預報。
    本研究將利用DEMETER計畫中的多模式預報系統的模式資料，與世界降雨氣候計畫(Global Precipitation Climatology Project, GPCP)的觀測資料，分別利用決定性預報分析使用 Extreme Dependency Score (EDS)此種技術得分及機率性預報分析使用Relative Operating Characteristics(ROC)技術得分兩類，來針對各模式的預報技術能力作探討及分析。
    在作氣候模式預報技術分析前會針對我們氣候模式的特性，將使用所技術得分的繪圖或計算方式作修正，之後再利用修正過的技術得分來作分析。
    研究發現當預報技術隨著狀況由一般到相對極端時，氣候模式預報的技術是有相當程度提升，但在決定性預報中當預報的狀況達到相對極端小於4.5%後，模式的預報技術則有急遽下降的趨勢。

    目錄 I 圖目錄 III 表目錄 V 摘要 VI 第一章 緒論 1 1.1研究動機與目的 1 1.2論文結構 3 第二章 使用資料與研究方法 4 2.1使用資料 4 2.1.1觀測資料 4 2.2研究方法 5 2.2.1 研究方法分類 5 2.2.2 二分類列聯表 6 第三章 決定性預報技術分析 10 3.1使用技術得分介紹 10 3.1.1 Equitable Threat Score (ETS) 10 3.1.2 Extreme Dependency Score(EDS) 12 3.1.3 ETS分數與EDS分數之比較 14 3.2 決定性預報之季節性預報分析 15 3.2.1各模式冬季與夏季預報技術分析 15 3.2.2冬季不同模式預報技術分析 16 3.2.3夏季不同模式預報技術分析 16 3.2.4 預報時間 17 3.2.5 預報季節 18 3.2.7 降雨預報與氣溫預報 20 第四章 機率性預報技術分析 32 4.1 Relative Operating Characteristics(ROC)分數介紹與修正 32 4.1.1 ROC分數與曲線介紹 32 4.1.2使用修正方法 35 4.2季節性預報技術分析 38 4.2.1各模式冬季與夏季預報技術分析 38 4.2.2冬季不同模式預報技術分析 39 4.2.3夏季不同模式預報技術分析 39 4.2.4 預報時間 40 4.2.5 預報季節 41 4.2.6 預報區域-赤道與北半球 42 4.2.7 降雨預報與氣溫預報 43 第五章 結論 54 參考文獻 56

    Andreas W., M. Liniger, C. Appenzeller, 2007: The Discrete Brier and Ranked Probability Skill Scores. ECMWF, Reading, UK. 1, Feb.
    B. Ebert, 2007: Verification of Probability Forecasts.” 3rd International Verification Methods Workshop. , Reading, UK. 29, Jan-2, Feb.
    Coles S., Heffernan J., Tawn J., 1999: Dependence measures for extreme value analyses. Extremes, 2, 339-365.
    Coles S., 2001: An Introduction to Statistical Modelling of Extreme Values. Springer-Verlag: London, 208.
    Doswell CA III, Davies-Jones R, Keller DL. 1990: On summary measures of skill in rare event forecasting based on contingency tables. Weather and Forecasting, 5, 576-585.
    Ferro C.A.T., 2007: A probability model for verifying deterministic forecasts of extreme events. Wea. Forecasting, 22, 1089-1100.
    Hogan, R. J., C. A. T. Ferro, I. T. Jolliffe and D. B. Stephenson, 2009: Equitability revisited: Why the ‘equitable threat score’ is not equitable. Weath. Forecasting.
    Huffman GJ, Adler RF, Arkin PA, Chang A, Ferraro R, Gruber A, Janowiak J, McNab A, Rudolf B, and Schneider U. 1997: The Global Precipitation Climatology Project (GPCP) combined precipitation dataset. Bulletin of the American Meteorological Society, 78(1), 5–20.
    Jolliffe, & Stephenson. (2003). Forecast Verification. Wiley.
    Mason, I., 1982: A model for assessment of weather forecasts. Aust. Met. Mag., 30, 291-303.
    Palmer, T. N., and Coauthors, 2004: Development of a European Multi-Model Ensemble System for seasonal to inter-annual prediction (DEMETER). Bull. Amer. Meteor. Soc., 85, 853-872.
    Primo, C, and A. Ghelli, 2009: The affect of the base rate on the extreme dependency score, .Meteorol. Apps.
    Stephenson DB., 2000: Use of the odds ratio for diagnosing forecast skill. Weather and Forecasting, 15, 221-232.
    Stephenson DB., B. Casati, C. A. T. Ferro and C. A. Wilson, 2008: The extreme dependency score: a non-vanishing measure for forecasts of rare events., Meteorol. Appl., 15, 41-50.
    Wilks, D.S., 2000: Diagnostic Verification of the Climate Prediction Center Long-Lead Outlooks, 1995-98Journal of Climate , 13, 2389-2403
    Yun WT, Stefanova L., Mitra AK, Vijayakumar TSV, Dewar W, Krishnamurti TN., 2005: Multi-model synthetic super ensemble algorithm for seasonal climate prediction using DEMETER forecasts., Tellus , 57, 280-289.

    下載圖示
    QR CODE