【技术实现步骤摘要】
本专利技术属于智能气象预报，特别涉及气象要素分布结构特征预报误差的评估方法。
技术介绍
1、目标气象要素场分布结构通过其分布单体的特征体现，所谓单体是指每一块小的、连续的、独立的、没有间断的目标要素分布区域。将整个目标要素分布图分割成一个个连续的单体，如图1中预报场中有4个独立的单体，观测场中有3个独立的单体。因为当前预报技术的客观限制，如ts评分等，这些检验方法主要考虑点对点的气象要素比较，利用有无判断，获得气象要素的总体评价，预报区域内单体与观测区域内单体的很难一一对应。
2、本专利技术利用单体匹配的概率来计算气象要素分布结构特征预报误差，即图1中左侧预报场与右侧观测场之间的误差。
技术实现思路
1、专利技术目的：针对上述现有存在的问题和不足，本专利技术的目的是提供了一种基于图像匹配概率的气象要素预报误差综合评估方法，利用单体匹配的概率来计算气象要素分布结构特征预报误差，从而能更准确的反映和评估预报误差。
2、技术方案：为实现上述专利技术目的，本专利技术采用以下技术方案：一种基于图像匹配概率的气象要素预报误差综合评估方法，其特征在于包括以下步骤：
3、步骤s1，计算单体的特征向量
4、首先，预报目标要素分布区域分解为单体集合，并定义预报单体的目标要素特征向量，
5、 (1)
6、式中，表示第i个预报单体内目标要素的最大值，表示第i个预报单体内目标要素的最小值，表示第i个预报单体面积，分
7、同样的，观测目标要素分布区域分解为单体集合，并定义观测单体的目标要素特征向量，
8、 (2)
9、式中，表示第j个观测单体内目标要素的最大值，表示第j个观测单体内目标要素的最小值，表示第j个观测单体面积，分别表示第j个观测单体目标要素场每10%大小数值所占面积比例；是观测场中第j个单体，是预报场中单体的个数；
10、步骤s2，计算预报场第i个单体对应观测场的j个单体的概率
11、通过相关系数求解式（3），计算得到第i个预报单体和第j个观测单体内目标要素分布的相似度，
12、 (3)
13、式中，x表示计算两个向量的相关系数；
14、接着，通过式（4）计算预报场第i个单体对应观测场第j个单体的概率，
15、 (4)
16、步骤s3，计算预报场单体和观测场单体的重心
17、通过式（5）和（6）分别计算得到第i个预报单体的重心横纵坐标，
18、 （5）
19、 （6）
20、式中，表示单体重心的横坐标，表示单体重心的纵坐标，x和y分别代表坐标系内每个点的横坐标和纵坐标，代表第i个预报单体内坐标点上预报目标要素的数值，表示对单体内所有的目标要素点进行积分；
21、接着，通过式（7）和（8）分别计算得到第j个观测单体的重心横纵坐标，
22、 （7）
23、 （8）
24、式中，表示单体重心的横坐标，表示单体重心的纵坐标，x和y分别代表坐标系内每个点的横坐标和纵坐标，代表第j个观测单体内x和y坐标点上观测目标要素的数值，表示对单体内所有的目标要素点进行积分；
25、步骤s4，计算两个单体的距离误差，
26、通过式（9）计算两个单体间的距离误差，所述距离误差表示两个单体重心的距离与天气系统的特征尺度的比值，
27、 (9)
28、式中，表示天气系统的特征尺度，然后经过均一化处理；
29、步骤s5，计算两个单体的轴向误差，
30、将预报单体和观测单体的重心重合，建立以重心为原点的极坐标系，然后以观测单体为基准，让预报单体绕重心顺时针旋转角度，得到新预报单体，此时新的预报单体中目标要素分布表示为，并通过式（10）计算此时预报单体和观测单体的重叠区域，
31、 （10）
32、进而，通过误差函数式（11）计算得到两者的轴向误差，
33、(11）
34、式中，表示预报单体扣除重叠区域后余下的小区域，该区域内的目标要素均为空报误差，表示为；表示观测单体扣除重叠后余下的小区域，该区域内的目标要素是漏报误差，表示为；表示预报单体的目标要素分布，表示观测单体的目标要素分布，表示极坐标系中的极径和极角；
35、当轴向误差处于最小值时，预报单体对应的旋转角度即为最小轴向误差角度，并进行归一化处理得到归一化后的轴向误差，；
36、步骤s6，综合误差的计算
37、最后，通过式（12）计算得到预报目标要素场中所有单体到观测目标要素场中所有单体概率综合误差，
38、 （12）
39、式中，表示第i个预报目标要素单体和第j个观测目标要素单体的综合误差。
40、进一步的，所述目标要素为降雨量、雷达反射率、温度、能见度或风速。
41、进一步的，步骤s1中所述目标要素是通过对其数值-面积图进行归一化处理得到对应系数，其取值范围为。
42、进一步的，步骤s4中所述天气系统中，龙卷、小尺度对流系统对应的天气系统特征尺度为10km；飑线、超级对流单体对应的天气系统特征尺度为100km；锋面，气旋，台风对应的天气系统特征尺度为1000km。
43、有益效果：与现有技术相比，本专利技术具有以下优点：
44、（1）本专利技术将气象要素预报误差订正这个问题由物理模型抽象为图形和数学模型，便于采用先进的数学及图形学方法解决该问题。
45、（2）相较于现有技术采用拟合椭圆方法，仅考虑要素空间分布，并不可避免的引入误差。本专利技术中，利用单体原始形状进行对比，并利用重心的意义，同时考虑了要素数值及要素分布图形的影响，避免了相关误差的引入。
46、（3）本专利技术中，单体的距离误差及轴向误差进行归一化处理，可以将不同类型的误差直接相加。
47、（4）本专利技术利用单体间相似程度引入了匹配概率，利用匹配概率，考虑预报场相对于观测场的整体误差，不需要再定义空报率或漏报率。
本文档来自技高网...【技术保护点】
1.一种基于图像匹配概率的气象要素预报误差综合评估方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于图像匹配概率的气象要素预报误差综合评估方法，其特征在于：所述目标要素为降雨量、雷达反射率、温度、能见度或风速。
3.根据权利要求1所述基于图像匹配概率的气象要素预报误差综合评估方法，其特征在于：步骤S1中所述目标要素是通过对其数值-面积图进行归一化处理得到对应系数，其取值范围为。
4.根据权利要求1所述基于图像匹配概率的气象要素预报误差综合评估方法，其特征在于：步骤S4中所述天气系统中，龙卷、小尺度对流系统对应的天气系统特征尺度为10km；飑线、超级对流单体对应的天气系统特征尺度为100km；锋面，气旋，台风对应的天气系统特征尺度为1000km。
【技术特征摘要】
1.一种基于图像匹配概率的气象要素预报误差综合评估方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于图像匹配概率的气象要素预报误差综合评估方法，其特征在于：所述目标要素为降雨量、雷达反射率、温度、能见度或风速。
3.根据权利要求1所述基于图像匹配概率的气象要素预报误差综合评估方法，其特征在于：步骤s1中所述目标要素...
【专利技术属性】
技术研发人员：慕熙昱，曾明剑，徐琪，严皓，于洁，刘国庆，胡相林，程浩，吴长慧，朱寿鹏，曾燕，刘岩，朱承瑛，严殊祺，吴昊，杨华栋，
申请(专利权)人：南京气象科技创新研究院，
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。