本发明专利技术公开了一种基于时空局部模型的数值模式气温预报产品释用方法，包括如下步骤：确定待释用区域和气温预报产品的层次，并将待释用区域划分为若干子区域；样本集构建；样本质量控制；对每个子区域，选定相应的释用模型、权函数模型、时空距离模型、评估指标和滑动训练期，并对相关参数进行优化或设定；获取预报期数值模式气温预报产品，并插值到所需离散网格；采用选定的释用模型、权函数模型、时空距离模型和滑动训练期及优化或设定的参数对预报期离散网格数值模式气温预报产品进行释用。本发明专利技术的有益效果是：采用时空局部模型更加准确地建模随时空变化的数值模式气温预报产品和实况的关系，进一步提高数值模式气温预报产品的释用水平。的释用水平。
【技术实现步骤摘要】
一种基于时空局部模型的数值模式气温预报产品释用方法
[0001]本专利技术涉及气象中的智能网格预报领域，尤其涉及一种基于时空局部模型的数值模式气温预报产品释用方法。
技术介绍
[0002]气温是最基本的气象要素之一。气温对自然植被和农作物的生长发育、人类生产生活等都具有重要影响。气温过低易引起冷害、寒害、冻害等灾害，气温过高易引起高温热害、干热风等灾害。因此，对气温进行精准的预报预测是天气预报和气候预测的主要内容之一。随着对地探测技术(如卫星遥感、气象雷达)、动力气象学、信息通信技术、超级计算机技术、数值计算技术、资料同化技术等的发展，数值模式对气温预报预测的时空尺度和时效不断扩大、分辨率和准确率不断提高，数值模式气温预报产品已成为气温预报预测的基础。
[0003]然而，由于数值模式的动力框架、物理过程只是真实大气的近似、由资料同化得到的模式初值也不可避免的存在误差、大气运动的混沌特性等原因，数值模式总存在着不确定性。另外，不同国家的模式在模式分辨率、模式初始化、资料同化技术与同化资料的种类、动力与物理参数化方案以及对地形的刻画等方面存在差异，不同模式对不同区域气温的预报预测能力不同。因此，对数值模式预报预测的气温进行订正或对不同数值模式预报的气温进行集成应用已成为提高气温预报预测水平的重要手段。
[0004]当前，线性回归、多模式集合平均、贝叶斯模式平均、卡尔曼滤波、神经网络等方法是数值模式气温预报预测产品订正或多模式产品集成的主流方法。然而，无论对于何种释用方法或模型，样本的选择及如何确定样本的权重都至关重要。从已有研究来看，在运用上述方法对模式产品进行订正或集成时，有的仅采用单个格点或站点的样本，有的采用一定区域同一时次的所有样本，有的假定所有的样本有同样的重要性。
[0005]为进一步提高对数值模式气温预报预测产品的客观释用水平，本专利技术提出一种基于时空局部模型的数值模式气温预报产品释用方法。
技术实现思路
[0006]本专利技术正是为了解决上述技术问题而设计的一种基于时空局部模型的数值模式气温预报产品释用方法。
[0007]本专利技术解决其技术问题所采用的技术方案是：
[0008]一种基于时空局部模型的数值模式气温预报产品释用方法，所述方法包括以下步骤：
[0009]步骤1：确定待释用区域和数值模式气温预报产品的层次，并将待释用区域划分为若干子区域；
[0010]步骤2：获取对应的气温观测数据和历史数值模式气温预报产品，并构建气温“观测数据，预报产品”或“观测数据，预报产品，起报时刻误差”样本集；
[0011]步骤3：对步骤2中的样本进行预处理和质量控制，并存储待用；
[0012]步骤4：对每个子区域，选定相应的释用模型、权函数模型、时空距离模型、评估指标和滑动训练期，采用步骤3处理后的样本集，对气温预报产品释用时空局部模型的参数即邻域样本数N、时空距离模型参数和权函数带宽进行优化，或根据经验设定上述参数的值；
[0013]步骤5：获取预报期数值模式气温预报产品，并将其插值到所需离散网格；
[0014]步骤6：对每个子区域，采用步骤4选定的释用模型、权函数模型、时空距离模型和滑动训练期及优化或设定的气温预报产品释用时空局部模型参数，对步骤5中的离散网格数值模式气温预报产品进行释用；
[0015]步骤7：建立相关业务系统，重复步骤2-6。
[0016]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤1中的数值模式气温预报产品为来源于一家或多家模式的确定性预报、集合平均或其组合。
[0017]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤2中的气温观测数据包括但不限于站点观测数据、浮标观测数据、多源数据融合实况数据、再分析数据；所述步骤2中的预报产品和起报时刻误差可为对应多家模式预报产品和起报时刻误差的向量。
[0018]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤3中对样本的预处理和质量控制包括但不限于剔除冗余样本和异常样本。
[0019]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤4中可采用的释用模型包括但不限于加权线性回归、加权偏最小二乘回归、加权条件概率密度函数、加权lasso回归及它们对应的多尺度模型。
[0020]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤4中可采用的权函数模型包括但不限于距离阈值模型
①
、高斯模型
②
、指数模型
③
、双平方模型
④
。
[0021][0022][0023][0024][0025]其中，d
i
为样本x
i
到待释用格点x0的时空距离，r为权函数带宽，W
i
(x
i
)为样本x
i
的权重。
[0026]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤4中可采用的评估指标包括但不限于平均绝对误差、均方根误差、CRPS评分、预报准确率或其组合。
[0027]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤4和步骤6中的气温预报产品释用时空局部模型具体为：根据选定的滑动训练期，对任一离散格点或样本点，利用其周围时空N个样本及相应的释用模型、权函数模型、时空距离模型，都构建
一个气温观测数据与预报产品或气温观测数据与预报产品和起报时刻误差之间的关系，并利用这个关系对该格点或样本点的数值模式气温预报产品进行释用。
[0028]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤4和步骤6中的气温预报产品释用时空局部模型可采用的时空距离模型包括但不限于式
⑤
。
[0029][0030]其中，d为时空位置x0和x
i
之间的距离，(u0,v0,t0)、(u
i
,v
i
,t
i
)分别为时空位置x0和x
i
的时空坐标；μ为时空距离模型参数，根据先验知识或采用交叉验证法确定。
[0031]所述一种基于时空局部模型的数值模式气温预报产品释用方法，所述步骤7中的业务系统包括但不限于数据获取模块、样本对构建模块、样本质量控制模块、参数优化和设定模块、数值模式气温预报产品插值模块、数值模式气温预报产品释用模块或其组合。
[0032]本专利技术所述样本均包括对应的统一基准的时空坐标，为简明，未显式表示。
[0033]本专利技术的有益效果是：通过采用时空局部模型更加准确地建模随时空变化的数值模式气温预报产品和实况的关系，进一步提高数值模式气温预报产品的释用水平。
附图说明
[0034]图1为一种时空距离和时空邻域示意图。
具体实施方式
[0035]下面结合附图和实施例对本专利技术进一步说明。
[0036]本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于时空局部模型的数值模式气温预报产品释用方法，其特征在于：所述方法包括以下步骤：步骤1：确定待释用区域和数值模式气温预报产品的层次，并将待释用区域划分为若干子区域；步骤2：获取对应的气温观测数据和历史数值模式气温预报产品，并构建气温“观测数据，预报产品”或“观测数据，预报产品，起报时刻误差”样本集；步骤3：对步骤2中的样本进行预处理和质量控制，并存储待用；步骤4：对每个子区域，选定相应的释用模型、权函数模型、时空距离模型、评估指标和滑动训练期，采用步骤3处理后的样本集，对气温预报产品释用时空局部模型的参数即邻域样本数N、时空距离模型参数和权函数带宽进行优化，或根据经验设定上述参数的值；步骤5：获取预报期数值模式气温预报产品，并将其插值到所需离散网格；步骤6：对每个子区域，采用步骤4选定的释用模型、权函数模型、时空距离模型和滑动训练期及优化或设定的气温预报产品释用时空局部模型参数，对步骤5中的离散网格数值模式气温预报产品进行释用；步骤7：建立相关业务系统，重复步骤2-6。2.根据权利要求1所述的一种基于时空局部模型的数值模式气温预报产品释用方法，其特征在于：所述步骤1中的数值模式气温预报产品为来源于一家或多家模式的确定性预报、集合平均或其组合。3.根据权利要求1所述的一种基于时空局部模型的数值模式气温预报产品释用方法，其特征在于：所述步骤2中的气温观测数据包括但不限于站点观测数据、浮标观测数据、多源数据融合实况数据、再分析数据；所述步骤2中的预报产品和起报时刻误差可为对应多家模式预报产品和起报时刻误差的向量。4.根据权利要求1所述的一种基于时空局部模型的数值模式气温预报产品释用方法，其特征在于：所述步骤3中对样本的预处理和质量控制包括但不限于剔除冗余样本和异常样本。5.根据权利要求1所述的一种基于时空局部模型的数值模式气温预报产品释用方法，其特征在于：所述步骤4中可采用的释用模型包括但不限于加权线性回归、加权偏最小二乘回归、加权条件概率密度函数、加权lasso回归及它们对应的多尺度模型。6.根据权利要求1所述的一种基于时空局部模型的数值模式气温预报产品释用方法，其特征在于：所述步骤4中可采...
【专利技术属性】
技术研发人员：张国峰，杨立荣，车秀芬，张廷龙，韩静，
申请(专利权)人：海南省气象科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。