基于气象预报的气象型骤旱预警方法技术

本发明专利技术涉及一种水文预报方法。目的是提供一种基于气象预报的气象型骤旱预警方法，以实现气象型骤旱的概率预警，提升区域对于骤旱事件的预警能力，提高区域对于水文极端事件的应急能力。技术方案是：一种基于气象预报的气象型骤旱概率预报方法，包括如下步骤：步骤1：基础数据集准备；步骤2：气象型骤旱的定义；步骤3：基于广义贝叶斯理论的气象概率预报；步骤4：建立基于Copula函数的骤旱概率预警模型。建立基于Copula函数的骤旱概率预警模型。建立基于Copula函数的骤旱概率预警模型。

【技术实现步骤摘要】
基于气象预报的气象型骤旱预警方法


[0001]本专利技术涉及一种水文预报方法，具体是基于气象预报的气象型骤旱预警方法。

技术介绍

[0002]骤旱是一种极为特殊的干旱现象，其代表发展极为迅速的干旱。从水文气象学的角度来看，在连续晴朗少云的天气条件下，强烈的太阳辐射可以增加潜在蒸发能力，从而引起实际蒸发量的变大，土壤湿度快速消耗，最终导致骤旱事件出现。从上述过程可以发现，在骤旱发展和演变过程中，初期是由控制蒸散发的能量主导，而后由水分控制主导。最终，当土壤湿度降低至一定阈值，使得蒸散发能力开始降低，土壤湿度下降速率呈现减缓趋势，骤旱可能会变为传统的干旱。
[0003]目前，国内外学者对于骤旱的定义具有较大的争议。骤旱概念的首次提出是在2002年，用以描述由于严重热浪和短期干燥引起快速发展的一种干旱，然而，该研究并未给出明确的骤旱定义。此后的研究中，诸多水文、气象学者基于自身对骤旱概念的理解，提出了一系列的骤旱定义，作为研究区的骤旱预警的依据。尽管当前学界对于骤旱成因与驱动机制的理论尚未达成统一的认识，对于骤旱的影响与破坏性也缺乏定量的评估，但考虑到骤旱对农业、林业、水资源安全带来的风险，对于骤旱监测预警的研究是十分必要且迫切的。然而，目前国内外还没有成熟的骤旱预警系统。
[0004]尽管目前研究对于骤旱的定义和演进机制仍存在争议，但绝大多数研究者认为骤旱的发生与气温、降水、土壤湿度、蒸发等因素相关。从水文气象学的角度来看，气温和降水是土壤湿度和蒸散发变化的主要驱动因子。同时，随着气象预报能力的不断提升，使得采用降水预报与气温预报数据来进行气象型骤旱预警成为了可能。然而，尽管近年来数值天气预报的精度和预见期均呈现了长足的进步，但由于大气系统的混沌性和复杂性，气象预报的结果总是不可避免的存在误差，基于气象预报的旱情预警系统其不确定性是客观存在的。因此，采用气象预报数据对气象型骤旱预警时，必须考虑气象预报的不确定性。
[0005]综上所述，国内外研究者在骤旱的识别与分析监测等方面开展了相关的研究工作，但尚未明确骤旱的定义并建立可靠的骤旱预警系统。因此，有必要基于气象预报数据，对气象型骤旱进行定义；以降水预报和气温预报数据为基础，建立骤旱预警模型，并充分考虑骤旱预警中存在的不确定性，实现骤旱概率预警。

技术实现思路

[0006]本专利技术的目的是克服上述
技术介绍
的不足，提供一种基于气象预报的气象型骤旱预警方法，以实现气象型骤旱的概率预警，提升区域对于骤旱事件的预警能力，提高区域对于水文极端事件的应急能力。
[0007]本专利技术提供的技术方案是：
[0008]一种基于气象预报的气象型骤旱概率预报方法，包括如下步骤：
[0009]步骤1：基础数据集准备
[0010]收集研究区气象观测数据；所述气象观测数据包括研究区候平均降水和候平均气温的实测数据和候预报数据；
[0011]步骤2：气象型骤旱的定义
[0012]Mo和Lettenmaier提出的缺水型骤旱的定义是：候平均气温异常>1个标准差，且候平均降水百分位数<40％为气象型骤旱。本专利技术基于上述定义，根据研究区实测的降水、气温资料，统计候平均气温的均值μ
T
和标准差σ
T
以及候降水的40％分位数R
40
对应的值；确定：当候气候>μ
T
+σ
T
且候降水<R
40
时为气象型骤旱。
[0013]步骤3：基于广义贝叶斯理论的气象概率预报
[0014]广义贝叶斯统计模型是一种描述气象预报不确定性的模型，由Cai等人于2019针对降水概率预报模型提出。该模型不仅可以有效处理离散型、连续型随机变量，也可以处理混合型随机变量的概率预报问题，且具有较高的精度和可靠性。因此，本专利技术采用广义贝叶斯模型对候降水和候气温进行概率预报。
[0015](1)先验分布
[0016]贝叶斯公式主要包括是三个部分的内容，即先验分布、似然函数与后验分布。候降水预报与候气温预报第一步是估计各自的先验分布。通常，先验分布可根据专家意见或历史资料来确定。对于候降水、候气温变量的先验分布，可以使用历史上的实测候降水、实测候气温资料的边缘分布作为模型的先验分布。其中，候气温可看做是一个在(
‑
∞,+∞)上连续型随机变量Y
T
，而降水是由一个离散部分和一个连续部分组成的混合型随机变量。降水概率分布的离散部分等同于无雨(降水量为0)天数占观测总天数的比例，连续部分则可以通过常用非负分布或非参数分布拟合确定。降水随机变量概率分布见图1和式1。
[0017]令Y
R
表示研究区降水随机变量，y
R
为其对应的取值，其样本空间为[0,+∞)，其概率分布函数可表达如下：
[0018][0019]式中：F(y
R
)表示概率分布函数；P表示对应事件发生的概率。
[0020]从式(1)中可以看出，降水随机变量是一个在0点处不连续的分布，一些传统的概率统计分析工具如贝叶斯公式很难直接应用。而基于广义概率密度函数的广义贝叶斯模型则有效解决这一问题。通过引入狄拉克δ函数并定义广义密度函数，将离散型随机变量的分布律与连续性随机变量的概率密度函数在形式上统一起来。狄拉克δ函数，通常记为δ(x)，是水文学领域最常用的广义函数之一，被应用于汇流瞬时单位线计算中。δ(x)在除x取0以外的点，其值都等于0；而在整个定义域上，δ函数的积分为1，如图2所示，其公式表达如下：
[0021][0022]由以上关于广义概率密度函数的概念及式(1)可知，降水随机变量Y
R
的广义概率密函数为：
[0023][0024]式中，为Y
R
＞0下的条件概率密度函数；α0＝P{Y
R
＝0}。
[0025]由此，候降水随机变量Y
R
的先验分布可通过式(3)的方式表达，而候气温随机变量Y
T
的先验分布为连续型分布，可直接通过概率密度函数描述
[0026](2)似然函数
[0027]似然函数是统计学中关于统计模型的参数的函数，代表模型参数中的似然性，其可以理解为条件概率的逆反。在广义贝叶斯模型中，采用模型预报误差的形式获取似然函数。
[0028]令X
R
和X
T
分别代表候预报降水和气温随机变量，x
R
和x
T
分别代表两者的具体取值。在广义贝叶斯模型中，当实际候降水或候气温值Y
R
＝y
R
或Y
T
＝y
T
已知时，预报降水随机变量X
R
和X
T
与各自的预报误差ε
R
(y
R
)和ε
T
(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于气象预报的气象型骤旱概率预报方法，包括如下步骤：步骤1：基础数据集准备收集研究区气象观测数据；所述气象观测数据包括研究区候平均降水和候平均气温的实测数据和候预报数据；步骤2：气象型骤旱的定义根据研究区实测的降水、气温资料，当候气候>μ
T
+σ
T
且候降水<R
40
时定义为气象型骤旱，其中：μ
T
为候5天平均气温的均值、σ
T
为候5天平均气温的标准差、R
40
为候降水的40％分位数；步骤3：基于广义贝叶斯理论的气象概率预报采用广义贝叶斯模型对候降水和候气温进行概率预报，概率预报结果和式中：X
R
和X
T
分别代表候预报降水随机变量和候预报气温随机变量，x
R
和x
T
分别代表两者的具体取值；候预报降水的样本空间为[0,+∞)，候预报气温的样本空间为(
‑
∞,+∞)；步骤4：建立基于Copula函数的骤旱概率预警模型采用Copula函数，构造概率预报结果和之间的联合分布，并通过AIC信息准则(式(7))，判断不同Copula函数的拟合精度，选择最优的Copula函数；AIC＝2k
‑
2ln(L)
ꢀꢀꢀ
(7)式中，k是参数的数量，L是似然函数；当最优Copula函数确定后，根据步骤2中确定的骤旱阈值，以联合分布函数的形式，估算骤旱发生的概率，从而建立骤旱概率预警模型，以实现骤旱概率预警；骤旱发生的概率P
D
＝F(Y
R
＜R
40
,Y
T
＞μ
T
+σ
T
|X
R
＝x
R
,X
T
＝x
T
)。
ꢀꢀꢀ
(8)2.根据权利要求1所述的基于气象预报的气象型骤旱概率预报方法，其特征在于：所述步骤2中骤旱发生的概率P
D
的推导过程包括：(1)先验分布候预报降水随机变量Y
R
的先验分布可由以下广义概率密函数表达：式中：为Y
R
＞0下的条件概率密度函数，α0＝P{Y
R
＝0}；δ(y

【专利技术属性】
技术研发人员：蔡晨凯，桂子涵，吴昶槐，温进化，王贺龙，
申请(专利权)人：浙江省水利河口研究院浙江省海洋规划设计研究院，
类型：发明
国别省市：