Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > physics > arXiv:2509.14081

帮助 | 高级搜索

物理学 > 大气与海洋物理

arXiv:2509.14081 (physics)
[提交于 2025年9月17日 ]

标题: 雷达极大值:基于校准区域的极端降水概率预报

标题: Radar Maxima: calibrated area-based probabilistic forecasts for heavy precipitation

Authors:Reinhold Hess
摘要: 我们提出、论证并评估了雷达极大值,这是一种针对强降水的校准区域概率预报产品。 其设计旨在克服基于点的预报的固有局限性,这些预报由于空间位移误差,往往对极端事件给出较低的概率。 该方法在40公里邻域内聚合雷达获取的降水量,以统计方式将德国气象局(DWD)的集合系统ICON-D2-EPS的预报进行扩展。 评估同时考虑了客观验证指标以及基于案例研究的操作天气预报员的反馈。 验证显示预测能力、可靠性和预报锐度均有提高。 预报员的评估确认在某些情况下具有操作价值。
摘要: We present, motivate, and evaluate Radar Maxima, a calibrated area-based probabilistic forecast product for heavy precipitation. It is designed to overcome inherent limitations of point-based forecasts, which often yield low probabilities for extreme events due to spatial displacement errors. The method aggregates radar-derived precipitation within 40 km neighbourhoods to statistically upscale forecasts from the ensemble system ICON-D2-EPS of DWD. Evaluation considers both objective verification metrics and feedback from operational weather forecasters based on case studies. Verification shows improved predictability, reliability and forecast sharpness. Evaluation of forecasters confirmed operational value in some cases.
评论: 17页,8图,1表
主题: 大气与海洋物理 (physics.ao-ph) ; 数据分析、统计与概率 (physics.data-an)
引用方式: arXiv:2509.14081 [physics.ao-ph]
  (或者 arXiv:2509.14081v1 [physics.ao-ph] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.14081
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Reinhold Hess [查看电子邮件]
[v1] 星期三, 2025 年 9 月 17 日 15:27:58 UTC (6,509 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
physics.ao-ph
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
physics
physics.data-an

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号