本發(fā)明涉及氣候預(yù)測，具體涉及一種基于氣候態(tài)的多模式動態(tài)權(quán)重集成預(yù)測方法。

背景技術(shù)：

1、在數(shù)值預(yù)報技術(shù)普及之前，由于缺少客觀的定量預(yù)報資料，短期氣候預(yù)測主要依賴于經(jīng)驗統(tǒng)計方法，預(yù)報效果通常不夠穩(wěn)定。近年來，隨著計算機(jī)技術(shù)在天氣、氣候領(lǐng)域的快速發(fā)展及應(yīng)用，研發(fā)了諸多覆蓋全球的網(wǎng)格精細(xì)化降水、氣溫數(shù)據(jù)，比如基于站點(diǎn)的網(wǎng)格降水產(chǎn)品、?衛(wèi)星降水?dāng)?shù)據(jù)以及再分析資料等等。氣象部門為了進(jìn)一步提升對自然災(zāi)害的防御能力，在全球精細(xì)化實況資料的基礎(chǔ)上，研發(fā)了基于全球氣候模式的氣候預(yù)測產(chǎn)品，因此基于氣候模式的數(shù)值預(yù)測已成為短期氣候預(yù)測的主流發(fā)展方向，也是目前氣候預(yù)測業(yè)務(wù)中應(yīng)用最廣泛的方法。

2、數(shù)值模式預(yù)測是在給定的初始條件和邊界條件下求解大氣運(yùn)動的基本方程，由于大氣是高度非線性的混沌系統(tǒng)，數(shù)值模式初始場具有不確定性，物理過程參數(shù)化方案也不夠完善，這幾點(diǎn)因素導(dǎo)致單一數(shù)值模式存在較大的不確定性。此外不同氣候數(shù)值模式針對不同地區(qū)不同月份的預(yù)測準(zhǔn)確率也參差不齊。因此，進(jìn)一步了解模式預(yù)測性能，針對模式預(yù)報與實況之間的偏差，如何充分挖掘模式預(yù)報信息，利用歷史資料對多模式輸出結(jié)果進(jìn)行后期訂正，進(jìn)一步提高模式預(yù)報準(zhǔn)確率，是亟待解決的科研及業(yè)務(wù)問題。

3、氣候數(shù)值模式在青海氣候預(yù)測中具有一定的預(yù)測性能，但不同數(shù)值模式其預(yù)報性能差異較大，單模式預(yù)測效果穩(wěn)定性不足。在單一模式預(yù)測能力有限的情況下，集合技術(shù)被用來提高模式對氣溫和降水的預(yù)測能力。集合技術(shù)從單模式多初始場集合逐漸發(fā)展到采用多樣本和多模式進(jìn)行綜合預(yù)測來減小模式預(yù)測的不確定性。多初始值集合可以減小動力模式初值條件不確定帶來的誤差，而多模式集合通過對不同來源的模式結(jié)果進(jìn)行集合，可將某些模式誤差和隨機(jī)誤差減少，通常較單模式具有更高的預(yù)測技巧。早在20世紀(jì)60-70年代，有學(xué)者就發(fā)現(xiàn)，通過將兩個相互獨(dú)立的預(yù)測結(jié)果進(jìn)行特定的線性組合，其預(yù)測均方根誤差可以小于單個預(yù)測的均方根誤差。通過組合多個模式的有效預(yù)報信息，多模式集成提升了預(yù)報可靠性，預(yù)報技巧優(yōu)于單模式。常用的多模式集成方案可以分為等權(quán)和不等權(quán)兩類。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種包含氣候背景信息的多模式動態(tài)權(quán)重集成預(yù)測方法，以提升氣候數(shù)值模式預(yù)報的穩(wěn)定性。

2、本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：

3、一種基于氣候態(tài)的多模式動態(tài)權(quán)重集成預(yù)測方法，包括以下步驟：

4、s1模式資料選擇：在次季節(jié)s2s模式產(chǎn)品類別和modesv2模式產(chǎn)品類別中分別選取至少三個氣候預(yù)測產(chǎn)品作為集成預(yù)測備選成員，獲取某高原地區(qū)近5年滑動平均氣溫和降水距平百分率數(shù)據(jù)，作為一個集成預(yù)測備選成員，并對所有集成預(yù)測備選成員進(jìn)行預(yù)處理；

5、s2備選成員確定：通過多個檢驗指標(biāo)評估各集成預(yù)測備選成員對某高原地區(qū)各月氣溫距平、降水距平百分率的預(yù)測準(zhǔn)確率評分；

6、依據(jù)逐月模式對各個集成預(yù)測備選成員的評分進(jìn)行排序，分別選取最優(yōu)1個成員、2個成員、3個成員…k個成員的多個不等權(quán)重集合平均預(yù)報場，k為集成預(yù)測備選成員的數(shù)量；

7、s3優(yōu)選集成方案：采用基于模式氣候態(tài)的氣溫距平/降水距平百分率不等權(quán)重集成的第一方案和基于實況標(biāo)準(zhǔn)氣候態(tài)的平均氣溫/降水量不等權(quán)重集成的第二方案分別進(jìn)行月氣溫距平/降水距平百分率預(yù)測試驗；

8、以最近一年的氣候預(yù)測數(shù)據(jù)為獨(dú)立樣本進(jìn)行回算試驗，采用預(yù)測評分評估第一方案和第二方案在集合預(yù)測備選成員數(shù)量不同情況下的預(yù)測結(jié)果；

9、應(yīng)用每月實時更新的模式數(shù)據(jù)代入計算，采用第一方案和第二方案中2-3個預(yù)測備選成員進(jìn)行集合預(yù)報，綜合形成氣溫距平/降水距平百分率預(yù)測產(chǎn)品。

10、進(jìn)一步地，所述s1模式資料選擇具體包括：

11、在次季節(jié)s2s模式產(chǎn)品類別中選擇參與國際s2s計劃的中國模式產(chǎn)品cma-cps、美國模式產(chǎn)品s2s-ncep和歐洲中心模式產(chǎn)品s2s-ec作為集成預(yù)測備選成員；

12、將基于多模式數(shù)據(jù)集modes的中國國家氣候中心ncc、美國國家環(huán)境預(yù)報中心ncep、歐洲中心ecmwf的模式預(yù)測數(shù)據(jù)作為集成預(yù)測備選成員；

13、獲取某高原地區(qū)近5年滑動平均氣溫和降水距平百分率數(shù)據(jù)，作為一個集成預(yù)測備選成員；

14、對選擇的七個集成預(yù)測備選成員的站點(diǎn)數(shù)據(jù)進(jìn)行空間插值處理。

15、進(jìn)一步地，所述檢驗指標(biāo)包括距平符號一致率as、距平相關(guān)系數(shù)acc、平均方差技巧評分msss、分級評分pg和趨勢異常綜合ps。

16、進(jìn)一步地，所述依據(jù)逐月模式對各個集成預(yù)測備選成員的評分進(jìn)行排序，分別選取最優(yōu)1個成員、2個成員、3個成員…k個成員的多個不等權(quán)重集合平均預(yù)報場，k為集成預(yù)測備選成員的數(shù)量，具體為：

17、根據(jù)各個集成預(yù)測備選成員的符號一致率as大小進(jìn)行排序，分別選擇前1個成員、前2個成員、前3個成員…以及前k個成員形成共k個集合預(yù)報場；

18、根據(jù)符號一致率as對集合預(yù)報場內(nèi)的集成預(yù)測備選成員進(jìn)行不等權(quán)重賦值，集成預(yù)測備選成員的最優(yōu)權(quán)重系數(shù)如下：

19、

20、其中， as i為第 i項成員的符號一致率，n為集合內(nèi)的總成員數(shù)。

21、進(jìn)一步地，所述基于模式氣候態(tài)的氣溫距平/降水距平百分率不等權(quán)重集成的第一方案，具體為：

22、計算各個備選成員預(yù)測的月平均氣溫，再根據(jù)各備選成員本身的氣候態(tài)計算氣溫距平；然后對挑選出的備選成員預(yù)測的月氣溫距平進(jìn)行不等權(quán)重集成，得到不等權(quán)重集合后的月氣溫距平預(yù)測結(jié)果；

23、計算各個備選成員預(yù)測的月降水量，再根據(jù)各備選成員本身的氣候態(tài)計算降水量距平百分率；然后對挑選出的集合成員預(yù)測的月降水量距平百分率進(jìn)行不等權(quán)重集成，得到不等權(quán)重集合后的月降水量距平百分率預(yù)測結(jié)果。

24、進(jìn)一步地，所述基于實況標(biāo)準(zhǔn)氣候態(tài)的平均氣溫/降水量不等權(quán)重集成的第二方案，具體為：

25、以各個備選成員的月氣溫預(yù)報結(jié)果進(jìn)行集成，得到不等權(quán)重集合后的月氣溫預(yù)測結(jié)果后，再根據(jù)實況氣候態(tài)計算氣溫距平，獲得集成后的月氣溫距平預(yù)測結(jié)果；

26、以各個備選成員的月降水量預(yù)報結(jié)果進(jìn)行集成，得到不等權(quán)重集合后的月降水量預(yù)測結(jié)果后，再根據(jù)實況氣候態(tài)計算降水量距平百分率，獲得集成后的月降水量距平百分率預(yù)測結(jié)果。

27、進(jìn)一步地，所述預(yù)測評分包括距平符號一致率as、距平相關(guān)系數(shù)acc、平均方差技巧評分及其相對于國家氣候中心指導(dǎo)預(yù)報的技巧提高值共6個指標(biāo)。

28、本發(fā)明的有益效果是：

29、1）精細(xì)化評估模式性能。高原地形復(fù)雜，模式預(yù)測性能存在明顯差異，分區(qū)分月綜合評估了各模式的預(yù)測性能，融入近5年本地氣候背景信息，提高了各模式在本地化集成應(yīng)用中的可靠性和穩(wěn)定性。

30、2）動態(tài)權(quán)重集成預(yù)測。根據(jù)模式預(yù)測性能評估結(jié)果，確定集合成員和動態(tài)權(quán)重系數(shù)，選取最優(yōu)模式進(jìn)行不等權(quán)重集成，有針對性地提高了月氣候預(yù)測準(zhǔn)確性。

31、3）可推廣性較強(qiáng)。該方法在氣候預(yù)測中具有較好的適用性，適宜推廣應(yīng)用至其它時段和地區(qū)。