【技术实现步骤摘要】
本专利技术涉及湖泊-大气相互作用的数值预报，具体为考虑湖-气耦合的高原微气象条件数值预报方法及系统。
技术介绍
1、国家电网和气象部门在冷季节和冷暖季节交换时主要关注积冰(覆冰)积冰直径、积冰时空分布、积冰持续时间。云贵高原位于我国西南边陲，海拔较高，河湖星罗棋布，在高海拔或者冷季节或冷暖交换时，位于湖泊水体周边的输电网受湖-气耦合效应影响，往往出现更频繁和更严重的积冰现象。目前，国内外覆冰预报科学研究和电力气象业务服务中并未考虑局地中大型湖泊水体的湖-气耦合效应对输电线路覆冰的影响，这导致了在湖泊水体周边的输电线的微气象条件无法准确预测，从而导致覆冰也无法准确预报的现象。
2、①利用全球气象预报系统预报数据驱动积冰模型进行积冰预报，该种方法由于全球模式预报数据时空分辨率较粗且并未考虑湖泊水体影响，以至于对微气象条件预报能力不足而导致无法准确预报积冰。
3、②wrf-arw中小尺度天气预报模式采用美国国家环境预报中心(ncep)的全球预报系统gfs预报资料进行驱动，获取分辨率更精细的、时空连续的地面降水、垂直多层气温、垂直多层液态水含量、风向、风速、辐射和湿度等格点要素，随后用于驱动积冰模型，获取雾凇(积冰)预报数据。该种方法能够对具体细节进行考虑，但并未考虑中大型湖泊对地面气温、风和湿度的影响，因而无法解析湖-气相互作用导致的微气象要素问题，无法满足国家电力气象中微气象条件下覆冰灾害精细化预报的需求。
技术实现思路
1、本部分的目的在于概述本专利技术的实施
2、鉴于上述存在的问题，提出了本专利技术。
3、本专利技术实施例的第一方面，提供考虑湖-气耦合的高原微气象条件数值预报方法，包括：采用高分辨率海洋总测深图数据集和dem数据，开展云贵高原地形和测深数据的区域拼接和预处理；基于wrf-arw模式构建微气象条件数值预报的中小尺度数值模式；根据所述中小尺度数值模式和clm-lake湖泊模型，构建考虑湖-气耦合效应的高分辨率中小尺度数值预报模型；通过所述高分辨率中小尺度数值预报模型开展数值预报，获得考虑湖-气耦合效应的微气象条件预测的最终结果。
4、作为本专利技术所述的考虑湖-气耦合的高原微气象条件数值预报方法的一种优选方案，其中：所述预处理包括，
5、将所述高分辨率海洋总测深图数据集和dem数据进行拼接，表示为：
6、merge(x，y)＝g(lat，lon)
7、其中，merge(x，y)表示地点(x，y)的测深数据，g表示投影函数，lat表示经度，lon表示纬度；
8、使用十六点插值函数将原始拼接的测深数据插值到新的网格中，表示为：
9、m′(x，y)＝in(merge，g-1(x，y))
10、其中，m′表示预处理后的测深数据，in表示十六点插值函数；
11、利用转换函数将预处理后的m×n测深栅格矩阵转换为wrf-arw模式前处理系统能够识别读取的二进制文件f，公式表示为：
12、f＝tr(m′)
13、其中，tr表示转换函数。
14、作为本专利技术所述的考虑湖-气耦合的高原微气象条件数值预报方法的一种优选方案，其中：所述微气象条件数值预报的中小尺度数值模式的构建包括，
15、构建高原考虑湖-气耦合效应的微气象条件预报的中小尺度数值模式和clm-lake湖泊模型耦合，驱动所述clm-lake湖泊模型的变量包括短波辐射rs、长波辐射rl、经向风u、纬向风v、比湿q、气温t、降水p、气压ps和空气密度m，表示为：
16、rs＝wrs(t，i，j，k)
17、rl＝wrl(t，i，j，k)
18、u＝wu(t，i，j，k)
19、v＝wv(t，i，j，k)
20、q＝wq(t，i，j，k)
21、t＝wt(t，i，j，k)
22、p＝wp(t，i，j，k)
23、ps＝wps(t，i，j，k)
24、m＝wm(t，i，j，k)
25、其中，wrs、wrl、wu、wv、wq、wt、wp、wps、wm表示描述8种气象要素随时间和空间变化的函数，t表示时间，i、j、k表示中小尺度模式空间坐标编号；
26、利用所述clm-lake湖泊模型进行湖泊参数化，并计算湖泊温度、感热通量和潜热通量，公式表示为：
27、gi＝wrs-wrl-s-l
28、tlake＝wlake(rs，rl，u，v，q，t，p，ps)
29、tq＝wlake(u，v，q，t，p，ps)
30、s＝-wm(wt-tlake)
31、t＝-wm(wq-tq)
32、其中，gi表示进入湖泊的热通量，s表示感热通量，l表示潜热通量，tlake表示湖泊温度与wrf-arw模式计算的8个四维气象要素的关系函数，tq表示湖泊温度在tlake时的空气达到饱和状态下的比湿，是wrf-arw计算的6个气象要素的关系函数；
33、根据所述感热通量和潜热通量计算每个时间步的陆面/湖面相对湿度，表示为：
34、q(t+δt)＝q(t)+δq
35、其中，δt表示时间步长，δq表示时间步长δt内的水汽增量通量。
36、作为本专利技术所述的考虑湖-气耦合的高原微气象条件数值预报方法的一种优选方案，其中：所述考虑湖-气耦合效应的高分辨率中小尺度数值预报模型的构建包括，
37、获取wrf-arw数值模式自有的陆地静态数据集，使用wrf-arw模式前处理系统配置获取所需区域范围和空间分辨率的历史模拟或未来预报时云南区域配置；
38、使用oneapi/intel 2023编译器在rhel linux系统编译湖-气耦合微气象条件数值预报模型，并构建云南高原高分辨率湖-气耦合微气象条件数值预报模型。
39、作为本专利技术所述的考虑湖-气耦合的高原微气象条件数值预报方法的一种优选方案，其中：所述考虑湖-气耦合效应的微气象条件预测的最终结果的获取包括，
40、利用所述预处理后的高分辨率海洋总测深图数据替换云南区域高分辨率湖-气耦合微气象条件数值预报模型中缺乏的湖泊深度数据；
41、使用下载的全球预报系统预报气象数据ncep gfs驱动，经过前处理系统进行处理，输入云南区域高分辨率湖-气耦合微气象条件数值预报模型进行大规模并行计算，得到考虑中大型湖泊区域湖-气耦合效应的高时空分辨率的区域微气象条件预测结果，并对所述预测结果进行改善。
42、作为本专利技术所述的考虑湖-气耦合的高原微气象条件数值预报方法的一种优选方案，其中：对所述预测结果本文档来自技高网...
【技术保护点】
1.考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于，包括：
2.如权利要求1所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：所述预处理包括，
3.如权利要求2所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：所述微气象条件数值预报的中小尺度数值模式的构建包括，
4.如权利要求3所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：所述考虑湖-气耦合效应的高分辨率中小尺度数值预报模型的构建包括，
5.如权利要求4所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：所述考虑湖-气耦合效应的微气象条件预测的最终结果的获取包括，
6.如权利要求5所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：对所述预测结果进行优化包括采用均方根误差RMSE和平均偏差BIAS对所述预测结果进行分析，公式表示为：
7.如权利要求6所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：构建云南高原高分辨率湖-气耦合微气象条件数值预报模型时，设置WRF-Lake模式垂
8.一种实施如权利要求1～7任一所述的考虑湖-气耦合的高原微气象条件数值预报方法的系统，其特征在于，包括：
9.一种设备，其特征在于，所述设备包括，
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1～7中任一所述的方法。
...【技术特征摘要】
1.考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于，包括：
2.如权利要求1所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：所述预处理包括，
3.如权利要求2所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：所述微气象条件数值预报的中小尺度数值模式的构建包括，
4.如权利要求3所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：所述考虑湖-气耦合效应的高分辨率中小尺度数值预报模型的构建包括，
5.如权利要求4所述的考虑湖-气耦合的高原微气象条件数值预报方法，其特征在于：所述考虑湖-气耦合效应的微气象条件预测的最终结果的获取包括，
6.如权利要求5所述的考虑湖-气耦合的高原微气象条件数值预报方...
【专利技术属性】
技术研发人员：王洪武，李秉宸，方明，杨腾，者梅林，朱钱鑫，张继伟，朱永兴，杨楠，何继勇，宋永超，张雯娟，周立鹤，杨润东，郑瑞东，杨长旺，
申请(专利权)人：云南电网有限责任公司输电分公司，
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。