一种数值预报产品距平积分动力统计订正方法和系统技术方案

本发明专利技术提供一种数值预报产品距平积分动力统计订正方法和系统，包括：步骤1，数据前处理过程；步骤2，气候平均态提取过程；步骤3，物理分解过程；步骤4，订正过程：利用ERA

【技术实现步骤摘要】
一种数值预报产品距平积分动力统计订正方法和系统


[0001]本专利技术属于数值天气预报
，具体涉及一种数值预报产品距平积分动力统计订正方法和系统。

技术介绍

[0002]数值天气预报的发展取得了令人瞩目的成就，尤其近十几年随着模式动力框架更加精确，参数化方案更加合理，观测资料更加密集，同化技术更加完善，以及计算机的进步、大规模计算能力和模式分辨率的提高，数值天气预报的有效预报时效不断延长，预报准确率持续提高，数值预报已经成为天气预报最重要的手段。其中，欧洲中期天气预报中心(European Centre for Medium
‑
Range Weather Forecasts简称ECMWF)的数值预报产品，包括预报精准度和有效预报时长均领先于其他模式产品(YU，2019)，世界各国天气预报业务中心逐步将ECMWF的数值预报产品作为主要参考对象。
[0003]但无法回避的是，无论多么精细的数值预报都是对真实大气的数学物理近似，并通过计算机离散计算获得的数值解，存在系统性误差和随机误差。数值预报系统性误差表征了数值模式平衡态相对于实际气候态的漂移，主要来源于初始误差和模式误差。确定性天气预报问题本身就是一组控制大气动力和热力过程的物理方程的初值问题，大气未来状态如何完全由初值确定，所以初始场的质量直接决定数值模式对未来天气的模拟结果，尤其是对初值敏感的中短期数值天气预报。初始误差包括观测误差、资料不均匀和客观分析误差等，模式误差主要包括模式物理过程和动力过程误差、数值求解的计算误差和计算机的舍入误差。
[0004]为追求预报准确率的提高，数值天气预报的发展关键问题在于如何减小预报误差。采用精度更高更加可靠的观测仪器、更先进的气象雷达及气象卫星以获得更广范围、分辨率更高的观测资料等等以提供更可靠的初值，最大限度减小模式的初始误差。采用更完整的非静力完全可压缩方程和高精度的计算方法构建模式动力框架、优化模式物理过程参数化方案、使模式对大气运动的动力、物理过程描述更接近于实际状况，提高模式分辨率等，均能够有效减小数值模式误差。然而，无论是初始场还是模式动力过程或物理过程的描述，都只是实际大气无限复杂过程的近似，计算方案的改进只能在一定程度上提高逼近实际的程度，减小模式预报误差，但并不能完全消除误差。因此，对数值预报误差的有效订正和订正系统研究具有重要的科学意义和实际应用价值。
[0005]数值预报误差的订正方法主要分为四类：经验性方法、变分修正方法、Kalman滤波及集合Kalman滤波方法以及动力
‑
统计相结合的修正方法：
[0006](1)经验性方法
[0007]数值预报的经验性方法多种多样，1959年Klein等提出完全预报方法(PP)，这种方法建立在预报因子与预报量的统计关系上，但在这种方法中，数值预报的形势预报误差和形势场与要素对应误差相互叠加，精度并不高(丁士晟，1985)。1972年Glathn和Lowry提出模式输出统计预报，即MOS(Model Output Statics)方法，该方法利用数值预报的输出结果
通过回归方程预报局地天气要素(李玉华等，2000；Klein et al.,1974)。MOS作为一种线下统计订正方法(Glahn and Lowry,1972)被广泛应用，其原理是直接利用历史数值预报产品的质量评估，与同时期的局地天气要素实测值之间建立统计预报关系，进而利用实时数值预报产品和这种统计关系做出局地天地预报。这种误差订正统计模型，即模式输出统计方法，简称MOS方法。这种方法需要建立预报量与模型其它要素场的线性统计模型，要素选择具有人为因素，且计算量大，还具有模型随时间和地点变化的缺点，业务应用中需要有大量的计算资源保证。
[0008](2)变分修正方法
[0009]除经验性订正方法外，变分修正方法也是一种减小模式误差的途径。Derber(1989)提出利用弱约束的四维变分同化方法修正模式误差。Zupanski(1993),Nichols(2003)在后来也进行类似的模式误差订正工作。邵爱梅等(2009)提出一种利用SVD减小模式误差的变分方法，利用两种有不同误差的浅水方程对预报结果进行订正试验。何邓新(2015)利用变分方法对GRAPES模式的非系统性误差进行估计和修正，使模式结果得到改善。
[0010](3)Kalman滤波及集合Kalman滤波方法
[0011]Kalman滤波是由数学家Kalman于1960年创立，从1987年开始应用到气象领域，Kalman滤波是一种能够适应数值预报模式变化的统计估算方法，通过处理一系列带有误差的预报值而得到预报值的最佳估算值(陆如华等，1997)。集合kalman滤波方法是将Kalman滤波方法和90年代后提出的集合预报思想结合发展起来，即具有Kalman滤波方法的优势又避免巨大的计算量，更具有业务应用潜力(陆如华等，1994)。国内外将Kalman滤波和集合Kalman滤波方法运用于资料同化和模式误差订正的研究已经很多。NACR/NCEP、ECMWF等国外预报中心已经尝试开展结合变分方法和集合Kalman滤波方法各自优点对资料同化技术进行改进的研究。Delle Monache等(2011)在Kalman滤波器(KF)的启发下，通过一组有序的模拟预测来运行模式后处理算法，以此来减小模式结果误差。
[0012](4)动力
‑
统计相结合的修正方法
[0013]动力和统计相结合的预报方法很早已被提出。丑纪范(1986)指出动力方法是确定论的，天气的未来状态是由现在状态以及制约这种状态变化的物理规律所确定的必然结果，对初值极其敏感；统计方法是概率论的，认为天气的未来状态有不确定性，是依据天气的现在状态和近期演变情况，对未来天气状况作出的推断，其准确性和历史资料的质量以及积累数量有一定的正相关。单纯的动力预报方法和统计预报方法都有一定的准确性，也都有各自的缺点，可以探索新的将二者结合起来的方法。Huang等(1993)率先利用相似
‑
动力方法消减模式预报误差，并开发对应的相似
‑
动力季节预测模式，首次进行季节预测试验和月预报试验，任宏利等(2005)则根据大气相似性原理发展一种统计和动力方法有机结合的相似性误差订正方法，李维京等(2013)利用动力和统计相结合的方法进行短期气候预测，封国林等(2013)也采用动力
‑
统计客观定量化预测原理进行汛期降水预报。这些工作，均为推动数值预报动力与统计方法的结合和发展作出了重要贡献。其中，历史资料的应用在数值预报订正发展历程中发挥了非常重要的作用。
[0014]顾震潮(1958a、1958b)认为数值预报依赖初值问题的根本缺陷是忽略大量历史资料，而历史资料是目前所能获得的对真实大气运动最客观的反映，数值预报可以由初值问
题看为历史演变问题。丑纪范(1974)也提出在数值天气预报中使用历史资料考虑物理场演变的时间连续性问题，并在20本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数值预报产品距平积分动力统计订正方法，其特征在于，包括以下步骤：步骤1，数据前处理过程：步骤1.1，获取ECMWF的历史ERA
‑
Interim再分析数据、自动站与CMORPH融合的逐时降水数据集、ECMWF中期数值预报产品以及待订正的实时数值预报产品；其中，逐时降水数据集为逐时降水量0.1
°
网格数据集；步骤1.2，对ERA
‑
Interim再分析数据进行纬向存储转置和数据插值处理，得到处理后的ERA
‑
Interim再分析数据，使处理后的ERA
‑
Interim再分析数据与ECMWF中期数值预报产品的格点分布相同；对逐时降水数据集进行数据插值处理，得到处理后的逐时降水数据集，使处理后的逐时降水数据集与ECMWF中期数值预报产品的格点分布相同；步骤2，气候平均态提取过程：根据公式(5)，得到ERA
‑
Interim再分析数据对应的每种天气变量的气候平均态根据公式(6)，得到逐时降水数据集对应的每种天气变量的气候平均态根据公式(6)，得到逐时降水数据集对应的每种天气变量的气候平均态根据公式(6)，得到逐时降水数据集对应的每种天气变量的气候平均态其中：n为移动平均的时间窗口，即气候态平均时间尺度；y为年份；f
a
(I,J)
y
代表ERA
‑
Interim再分析数据对应的每种天气变量在年份y时的天气变量值；f
c
(I,J)
y
代表逐时降水数据集对应的每种天气变量在年份y时的天气变量值；步骤3，物理分解过程：步骤3.1，对经步骤1处理后的ERA
‑
Interim再分析数据、逐时降水数据集和ECMWF中期数值预报产品的各天气变量进行分析，得到每种天气变量的历史时间变化序列；步骤3.2，采用公式(8)，得到ERA
‑
Interim再分析数据对应的每种天气变量的扰动量f
a
'(I,J)；其中：f
a
代表ERA
‑
Interim再分析数据的任一天气变量；L[f
a
(I,J)]代表ERA
‑
Interim再分析数据的任一天气变量的线性部分；
N[f
a
(I,J)]代表ERA
‑
Interim再分析数据的任一天气变量的非线性部分；ε代表预报误差；代表L[f
a
(I,J)]关于时间t的平均值；代表L[f
a
(I,J)]关于时间t的平均值；代表系统性误差；n为平均时间尺度；y为年份；I,J代表某一格点的经度坐标和纬度坐标；步骤3.3，采用公式(9)，得到逐时降水数据集对应的每种天气变量的...

【专利技术属性】
技术研发人员：常俊，彭新东，车玉章，
申请(专利权)人：中国气象局气象干部培训学院四川分院四川省信息工程学校，
类型：发明
国别省市：