气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法技术

针对现有气象要素预测方法存在对局部环境特殊性考虑不足而使预测的数值越容易出现误差的缺陷，本发明专利技术提供了一种气象要素报文数据误差修正方法，用于在起报日修正气象台对公发布的气象报文数据Ay得到预测日气象要素修正值A。本发明专利技术还提供由该气象要素报文数据误差修正方法实现的一种雾发生预测方法用于在起报日测算预测日预报时次的雾发生概率、一种日出景观预测方法用于在起报日测算预测日发生日出景观的概率、一种云海景观预测方法用于在起报日测算预测日预报时次发生云海景观的概率、一种雾凇景观预测方法用于在起报日测算预测日发生雾凇景观的概率，以及峨眉山景区雾发生预测方法、日出景观预测方法、云海景观预测方法、雾凇景观预测方法。

The prediction method of meteorological elements data error correction method, fog, sunrise, sea of clouds and fog

【技术实现步骤摘要】
气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法
本专利技术涉及一种对气象要素的报文数据进行误差修正的方法，以及雾、日出、云海、雾凇四种气象景观预测方法，属于气象测量观测、预报领域。
技术介绍
气象要素是表明一定地点和特定时刻大气物理状态、物理现象、物理过程的各项物理量。主要有气温、气压、风、湿度、云、降水以及各种天气现象。气象预报(测)是使用现代科学技术对未来某一地点地球大气层的状态进行预测。目前的气象预报以报文数据发布预测值，预测值的获得是基于“数值天气模式”预测的结果。要进行数值天气预测，首先需将地表上方的大气空间划分成很多个小格子，并利用各种观测工具，取得大气三维空间的分布数据，再分析并计算出每一格中的各种大气数据，接着将这些数据输入超级计算机，由计算机根据已经设定好的大气方程式进行极为复杂的运算，算出未来可能的天气变化。实务上为了减少计算负荷，气象单位会依距离远近，对地球上的不同位置采用不同的分格方式。现在技术的基本思路是使用收集大量的数据(气温、湿度、风向和风速、气压等等)，然后使用目前对大气过程的认识(气象学)来确定未来空气变化。由于大气过程的混乱以及现有科学技术并没有最终透彻地了解大气过程，因此天气预报总是有一定误差。根据现有技术的气象预测原理，由于局部地区的环境条件(如某一城区人口数量的变化、该地区植被覆盖率的影响、各气象观测站对该地区空间距离以及该地区山脉、湖泊等因素)直接影响到该局部地区的气象要素值，因而在局部环境特殊性越高的地区(如各类自然风景区)，气象预测的数值越容易出现误差。目前国内基本上达到每一个县级以上的城市均建有气象自动观测站，每一个气象观测站负责收集、上传该地区的气象要素数据，但在风景区内则缺少功能相对齐全的自动观测站。如何对公共播报的气象预报数值误差加以修正，使自然风景区能够利用气象播报数值建立预测模型，较准确预测各气象要素与各类气象景观(如日出、云海、雾凇、雨凇等)，既具有科学研究价值，又具有实际应用价值。
技术实现思路
本专利技术的目的就是针对现有技术的不足，提供一种气象要素报文数据误差修正方法，该方法能够对气象要素报文数据的预报值进行误差修正，提高局部区域的预测值准确度。在此基础上，本专利技术再提供针对雾、日出、云海、雾凇四种气象景观预测方法，针对性解决提高局部地区(如自然景区)的气象景观发生预测准确度的问题。为实现上述目的，本专利技术首先提供一种气象要素报文数据误差修正方法，其技术方案如下：一种气象要素报文数据误差修正方法，用于在起报日修正气象台对公发布的气象报文数据Ay得到预测日气象要素修正值A，其特征在于：预测日气象要素修正值A依式1计算确定：A＝Ay-ΔA式1式中，A——预测日气象要素修正值，Ay——起报日气象要素报文数据，ΔA——误差修正值，依式2计算确定；式中，i——自起报日前24h起向前用于误差修正的天数，根据历史报文数据确定；ΔAi——用于误差修正的天数中，每一气象要素报文数据Ay与对应实况观测值Az的误差。上述气象要素报文数据误差修正方法是在起报日对气象台对公发布的预测日气象要素报文数据的气象要素预测值进行误差修正，并获取预测日气象要素修正值的方法。预测日气象要素修正值A是起报日气象要素报文数据Ay与误差修正值ΔA之差，方法的关键是利用历史报文数据与对应的实况观测数据计算确定误差修正值ΔA。ΔA是在历史报文数据与实况观测值数据的基础上，采用历史数据统计经验确定。上述方法中，气象要素可以是温度、相对湿度、低云量或总云量。用于计算误差修正值ΔA的历史数据天数一般包括起报日前5日。以上述气象要素报文数据误差修正方法为基础，本专利技术进一步提供一种雾发生预测方法，其技术方案如下：一种利用上述气象要素报文数据误差修正方法实现的雾发生预测方法，用于在起报日测算预测日预报时次的雾发生概率F，其特征在于：依如下步骤实施：步骤S1、计算预测日预报时次的相对湿度修正值RH；采用权利要求1所述气象要素报文数据误差修正方法计算预测日预报时次的相对湿度修正值RH，所述气象要素是相对湿度、所述气象报文数据Ay是气象台在起报日发布的预测日预报时次的报文数据、所述i＝5；步骤S2、确定统计最小值RHzmin分月统计近5年内每日预报时次有雾发生日在预报时次的相对湿度实况观测值RHz，得到每月该预报时次统计最小值RHzmin；步骤S3、确定雾发生统计概率F′分月统计近5年每日预报时次的相对湿度实况观测值RHz达到RHzmin的天数；根据RHz划分统计区间，确定每月各RHz区间内有雾发生的天数，得到每月预报时次雾发生统计概率F′；步骤S4、确定实况观测最小值RH′zmin查询起报日前30日内每日预报时次有雾发生日在预报时次的相对湿度实况观测值RHz的最小值RH′zmin，记录每日最小值；若30日内雾发生大于5次则记录近5次的最小值；步骤S5、依如下方式判断预测日雾发生概率F若步骤S1所得预报时次相对湿度修正值RH＜统计最小值RHzmin与实况观测最小值RH′zmin的较小者，判断预测日在预报时次的雾发生概率F＝0％；若步骤S1所得预报时次相对湿度修正值RH≥统计最小值RHzmin与实况观测最小值RH′zmin的较小者，判断预测日在预报时次的雾发生概率F是预测日所在月RHz统计区间对应的雾发生统计概率F′。上述雾发生预测方法，是在起报日测算预测日预报时次的雾发生概率的方法。方法的基本原理在于：其一、雾是由于相对湿度较大形成。本方法首先确定需要预测雾发生概率的预报时次(即需要对预测日的哪个时间的雾发生概率进次预测)，再采用本专利技术气象要素报文数据误差修正方法对起报日公布的预测日相对湿度报文数据加以修正，得到相对湿度修正值RH作为准确预测的基础。其二、采用统计最小值RHzmin与实况观测最小值RH′zmin两者共同作为确定预测日在预报时次的雾发生概率零概率的阈值。采用两项阈值的原因在于相对湿度是决定雾的一个重要气象因子，相对湿度越大，越容易形成雾，反之亦然。因此，将相对湿度的历史统计最小值和最近有雾的5天实况观测最小值作为发生雾的临界条件。其三、在排除零概率以后，对于雾发生概率大于零的情况，依据由相对湿度历史实况观测值统计得出的雾发生统计概率F′确定预测日预报时次的雾发生概率F。原因在于将相对湿度划分成一系列区间，通过历史大量数据，统计出各个月份各相对湿度区间发生雾的概率。基于该统计规律，估测预测日发生雾的概率。根据上述雾发生预测方法的技术构思可见，采用本专利技术气象要素报文数据误差修正方法对预测日预报时次的相对湿度进行修正的目的是为使报文数据与实况值更为接近，由此提高预测精度。因而，本专利技术提供的雾发生预测方法在不对相对湿度预报值进行修正的情况下，依然是一个完整的技术方案。进一步地，对于相对湿度的预报值与实况值间误差本就较小的地区，可直接以预报值为基础预测雾发生概率。即，对于上述雾发生预测方法，在步骤S1中直接获取预测日预报时次的相对湿度预报值，在步骤S5中采用相对湿度预报值与统计最小值RHzmin、实况观测最小值RH′zmin加以比较。以上述气象要素报文数据误差修正方法、雾发生预测方法为基础，本专利技术提供一种日出景观预测方法，其技术方案如下：一种利用上述气象要素报文数据误差修正方法、上述雾本文档来自技高网...

【技术保护点】
气象要素报文数据误差修正方法，用于在起报日修正气象台对公发布的气象报文数据Ay得到预测日气象要素修正值A，其特征在于：预测日气象要素修正值A依式1计算确定：A＝Ay‑ΔA  式1式中，A——预测日气象要素修正值，Ay——起报日气象要素报文数据，ΔA——误差修正值，依式2计算确定；

【技术特征摘要】
1.气象要素报文数据误差修正方法，用于在起报日修正气象台对公发布的气象报文数据Ay得到预测日气象要素修正值A，其特征在于：预测日气象要素修正值A依式1计算确定：A＝Ay-ΔA式1式中，A——预测日气象要素修正值，Ay——起报日气象要素报文数据，ΔA——误差修正值，依式2计算确定；式中，i——自起报日前24h起向前用于误差修正的天数，根据历史报文数据确定；ΔAi——用于误差修正的天数中，每一气象要素报文数据Ay与对应实况观测值Az的误差。2.根据权利要求1所述的方法，其特征在于：所述气象要素是温度、相对湿度、低云量或总云量；所述i＝5。3.利用权利要求1所述的气象要素报文数据误差修正方法实现的雾发生预测方法，用于在起报日测算预测日预报时次的雾发生概率F，其特征在于：依如下步骤实施：步骤S1、计算预测日预报时次的相对湿度修正值RH；采用权利要求1所述气象要素报文数据误差修正方法计算预测日预报时次的相对湿度修正值RH，所述气象要素是相对湿度、所述气象报文数据Ay是气象台在起报日发布的预测日预报时次的报文数据、所述i＝5；步骤S2、确定统计最小值RHzmin分月统计近5年内每日预报时次有雾发生日在预报时次的相对湿度实况观测值RHz，得到每月该预报时次统计最小值RHzmin；步骤S3、确定雾发生统计概率F′分月统计近5年每日预报时次的相对湿度实况观测值RHz达到RHzmin的天数；根据RHz划分统计区间，确定每月各RHz区间内有雾发生的天数，得到每月预报时次雾发生统计概率F′；步骤S4、确定实况观测最小值RH′zmin查询起报日前30日内每日预报时次有雾发生日在预报时次的相对湿度实况观测值RHz的最小值RH′zmin，记录每日最小值；若30日内雾发生大于5次则记录近5次的最小值；步骤S5、依如下方式判断预测日雾发生概率F若步骤S1所得预报时次相对湿度修正值RH＜统计最小值RHzmin与实况观测最小值RH′zmin的较小者，判断预测日在预报时次的雾发生概率F＝0％；若步骤S1所得预报时次相对湿度修正值RH≥统计最小值RHzmin与实况观测最小值RH′zmin的较小者，判断预测日在预报时次的雾发生概率F是预测日所在月RHz统计区间对应的雾发生统计概率F′。4.根据权利要求3所述的雾发生预测方法，其特征在于：预测地是峨眉山景区；所述步骤S3中，RHz区间与每月预报时次雾发生统计概率F′关系如下：表1月份81≤RHz≤8585＜RHz≤9090＜RHz≤9595＜RHz≤99RHz＞9910.0％66.7％72.0％62.5％75.0％20.0％40.0％66.7％88.2％72.7％325.0％25.0％37.5％67.2％74.5％40.0％0.0％0.0％41.9％72.9％50.0％0.0％19.4％0.0％94.7％60.0％0.0％8.3％78.9％82.6％70.0％0.0％9.1％68％73.1％80.0％0.0％0.0％57.4％77.8％90.0％0.0％100.0％64.3％80.8％100.0％0.0％0.0％67.4％79.7％110.0％20.0％65.7％82.3％100.0％120.0％20.0％65.7％82.3％100.0％5.利用权利要求1所述的气象要素报文数据误差修正方法、权利要求3或4所述的雾发生预测方法实现的日出景观预测方法，用于在起报日测算预测日发生日出景观的概率S，其特征在于：依如下步骤实施：步骤S1、计算预测日在08时的雾发生概率F08采用权利要求4所述雾发生预测方法计算预测日在08时次的雾发生概率F08，所述预报时次是气象预报的08时次；步骤S2、计算总云量影响下日出景观发生的统计概率E步骤S21、计算预测日总云量修正值TC；采用权利要求1所述气象要素报文数据误差修正方法计算预测日08时次的总云量修正值TC，所述气象要素是总云量、所述气象报文数据Ay是气象台在起报日发布的预测日在08时次的报文数据、所述i＝5；步骤S22、确定总云量统计最小值TCzmin分月统计近5年内有日出景观发生日在08时的总云量实况观测值TCz08，得到每月统计最小值TCzmin；步骤S23、确定总云量影响下日出景观发生的统计概率E分月统计近5年内每日08时无雾且08时总云量实况观测值TCz08≥TCzmin的天数；根据TCz08划分区间，确定每月各TCz08区间内有日出景观发生的天数，得到总云量影响下日出景观发生的统计概率E；步骤S3、判断预测日日出景观发生概率S依如下方式判断预测日日出景观发生概率S：若预测日雾发生概率F08＝0％且总云量修正值TC＜预测日所在月的统计最小值TCzmin，判断日出景观发生概率S＝100％；若预测日总云量修正值TC≥10，判断日出景观发生概率S＝0％；若预测日雾发生概率F08≠0％且预测日所在月的统计最小值TCzmin≤总云量修正值TC＜10，依式3计算日出景观发生概率S：S＝St×(1-F08)式3式中，S——预测日日出景观发生概率，St——日出景观发生统计概率，取预测日当月相应的总云量影响下日出景观发生的统计概率E，F08——预测日雾的发生概率，步骤S15确定。6.根据权利要求5所述的日出景观预测方法，其特征在于：预测地是峨眉山景区，所述步骤S23中，TCz08区间对应的总云量影响下日出景观发生的统计概率E关系如下：表2月份0＜TCz08≤33＜TCz08≤66＜TCz08≤88＜TCz08≤101100.0％87.5％0.0％50.0％2100.0％100.0％50.0％50.0％388.9％60.0％60.0％28.6％...

【专利技术属性】
技术研发人员：刘敦龙，罗飞，舒红平，刘魁，曹亮，徐尚轩，张勇，
申请(专利权)人：成都信息工程大学，乐山市气象局，
类型：发明
国别省市：四川,51