Page 106 - 《高原气象》2026年第3期
P. 106

高     原      气     象                                 45 卷
              714
                                                                度分布与站点数据基本保持一致, 而 RMSE-TGAN
                                                                在强降水时间频率仍存在明显的低估现象。这进
                                                                一步表明具有 Bernoulli-Gamma 损失函数的模型能
                                                                够更好地捕捉极端降水事件, 从而较好地再现降水
                                                                频率的分布特征。

                                                                6  结论与讨论

                                                                    本研究提出了一种基于地形引导注意力的降
                                                                水降尺度模型, 用于建立低分辨率大气数据与高分
                                                                辨降水之间的非线性映射关系。为验证该模型的
                                                                有效性, 本研究选取 CNN 基准模型和不包含地形
               图8 2011 -2020年黄河中游地区BG-TGAN(橘色线)和                信息的 TGAN(TGAN-noland)作为对照组, 基于
                RMSE-TGAN(绿色线)的模拟结果以及GPM IMERG                  2011 -2020 年数据开展实验分析, 得到以下主要
                   观测数据的日降水量概率密度函数(蓝色线)                         结论:
              Fig. 8 Daily precipitation probability density functions along   (1)  TGAN 模型的整体性能明显优于 TGAN-
               with GPM IMERG observations (blue line), the simulation   noland模型, 可见高程信息与降水分布具备较强相关
                 results of BG-TGAN (orange line) and RMSE-TGAN
                                                                性, 一定程度上能够帮助深度学习模型更好的重建降
                  (green line) over the MRYR from 2011 to 2020
                                                                水场。
             量极端降水事件合并统计。结果表明, 虽然 4 个站                             (2)  在日尺度的降水模拟中, TGAN 表现最
             点的观测数据与 GPM IMERG在部分降水区间的概                         优。相较于基准模型 CNN, TGAN的平均 RMSE降
             率密度分布存在一定的差异, 但是整体分布趋势基                            低 9. 3%, 平均 CC 提高 16. 7%。此外, TGAN 对第
             本一致。同时, BG-TGAN 在指定站点处的概率密                         95 百分位和第 99 百分位降水的预测结果与 GPM




































                                    图9 2011 -2020年四个站点位置上的日降水量概率密度分布比较
                          灰色虚线表示覆盖 95% 降水事件的阈值, 超过该阈值的降水事件较为少见, 因此在统计时将其合并计算
                   Fig. 9 Comparison of daily precipitation probability density distributions at four station locations from 2011 to 2020.
                          The gray dashed lines indicate thresholds covering 95% of precipitation events, events exceeding
                                   these thresholds are relatively rare and therefore aggregated in the statistics
   101   102   103   104   105   106   107   108   109   110   111