本發(fā)明涉及數(shù)值降雨預報和數(shù)據(jù)同化技術(shù)領(lǐng)域，具體涉及一種多源氣象信息數(shù)據(jù)同化方法及其在降雨預報中的應用。

背景技術(shù)：

降雨事件水平空間尺度很小，又具有隨機性和突發(fā)性，因此數(shù)值降雨預報是數(shù)值天氣預報的難點，特別是針對強度大歷時短的暴雨，很難獲得具有一定精度的預報結(jié)果。

數(shù)據(jù)同化是將不同時刻、不同類型、不同來源、不同分辨率的氣象數(shù)據(jù)以及背景場生成時間、空間和物理一致性的數(shù)據(jù)集，在提高數(shù)值大氣預報精度方面，特別是降雨預報，有非常重要的作用。

目前同化單一種類數(shù)據(jù)的技術(shù)已經(jīng)較為成熟，并能判斷其同化效果的優(yōu)劣，但對多種數(shù)據(jù)同時同化的情況較少，也沒有一種衡量和選取同化數(shù)據(jù)的方法。這使數(shù)據(jù)同化具有很大局限性，不能完全體現(xiàn)各種數(shù)據(jù)的優(yōu)勢，使同化結(jié)果更優(yōu)。目前應用廣泛且效果較好的數(shù)據(jù)同化方法有三維變分數(shù)據(jù)同化和集合卡爾曼濾波法。

三維變分同化的本質(zhì)是求解一個分析變量，使得一個衡量分析變量與背景場和觀測場之間距離的目標泛函達到極小值。該目標泛函可由下式表示：

其中x為所求的數(shù)值預報模式初始狀態(tài)的最優(yōu)解；xb為背景場；b為背景場誤差協(xié)方差矩陣；y0為觀測向量；h為觀測算子，將模式變量由模式空間投影到觀測空間；r為觀測誤差協(xié)方差矩陣，r＝e+f，e為儀器觀測誤差協(xié)方差矩陣，f為觀測代表性誤差協(xié)方差矩陣，三維變分同化能夠體現(xiàn)復雜的非線性約束關(guān)系。由于可以使用復雜的觀測算子，因而更有利于同化與模式變量有非直接或非線性相關(guān)的觀測資料。

集合卡爾曼濾波法用集合的思想解決了實際應用中背景誤差協(xié)方差矩陣的估計和預報困難的問題，可用于非線性系統(tǒng)的數(shù)據(jù)同化，同時降低了數(shù)據(jù)同化的計算量。集合卡爾曼濾波包含預測和更新兩個步驟：

(1)預測：

式中，是k時刻第i個集合的狀態(tài)分析值，是k+1時刻狀態(tài)預測值，mk,k+1是k時刻到k+1時刻狀態(tài)變化關(guān)系，wi,k是模型誤差。

(2)更新：

其中vi,k～n(0，qk)，

式中，是第i個集合在k+1時刻的狀態(tài)分析值，kk+1是增益矩陣，是k+1時刻的觀測數(shù)據(jù)，hk+1是k+1時刻的觀測算子，vi,k是觀測誤差，是所有集合的分析值，是預測誤差方差矩陣，是分析場誤差方差矩陣。

技術(shù)實現(xiàn)要素：

本發(fā)明設計了一種多源氣象信息數(shù)據(jù)同化方法及其在降雨預報中的應用，綜合考量了常規(guī)觀測數(shù)據(jù)和非常規(guī)觀測數(shù)據(jù)的優(yōu)點和缺點，其解決的技術(shù)問題是如何選取不同種類的數(shù)據(jù)，發(fā)揮多源氣象信息優(yōu)勢，使多源數(shù)據(jù)同化的效果更優(yōu)，從而提高降雨的預報精度。

為了解決上述存在的技術(shù)問題，本發(fā)明采用了以下方案：

一種多源氣象信息數(shù)據(jù)同化方法，包括以下幾個步驟：

步驟1、數(shù)據(jù)同化方法的選?。?/p>

步驟2、構(gòu)建多源氣象信息數(shù)據(jù)庫；

步驟3、對多源氣象信息進行數(shù)據(jù)同化；

步驟4、確定最佳同化數(shù)據(jù)集。

進一步，步驟1中數(shù)據(jù)同化方案選取目前應用效果較好的三維變分數(shù)據(jù)同化方法和集合卡爾曼濾波同化方法,形成數(shù)據(jù)同化方法集合。

進一步，步驟2選用美國國家大氣研究中心ncar提供的地表觀測數(shù)據(jù)和高空觀測數(shù)據(jù)、區(qū)域雷達數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)、火箭探空數(shù)據(jù)，形成氣象信息數(shù)據(jù)庫。其中，ncar提供的地表觀測數(shù)據(jù)和高空觀測數(shù)據(jù)較精確，但數(shù)據(jù)量少，特別是東亞地區(qū)；區(qū)域雷達數(shù)據(jù)較精確，為柵格數(shù)據(jù)，能夠覆蓋一定范圍的空間數(shù)據(jù)；衛(wèi)星遙感數(shù)據(jù)是所有數(shù)據(jù)中覆蓋范圍最大的，但其分辨率相對較差，精度較低；火箭探空數(shù)據(jù)很精確，但成本高，數(shù)據(jù)量少。

最終用于數(shù)據(jù)同化的觀測數(shù)據(jù)均為降雨數(shù)據(jù)，其單位為mm。但不同種類觀測資料的原始觀測內(nèi)容不同。ncar地表觀測數(shù)據(jù)和高空觀測數(shù)據(jù)、火箭探空數(shù)據(jù)均為主要氣象要素的觀測數(shù)據(jù)，包括：氣壓(mpa)、濕度(％rh)、溫度(℃)、降水(mm)、風速(m/s)；雷達的原始觀測資料是反射率(cm²/m³)和徑向速度(m/s)，后經(jīng)過數(shù)據(jù)轉(zhuǎn)化得到降雨數(shù)據(jù)；衛(wèi)星遙感的原始觀測資料是影像，需對影像進行解譯，獲得降雨數(shù)據(jù)。

進一步，步驟3.1的數(shù)據(jù)同化是針對步驟2提供的5種數(shù)據(jù)，采用步驟1的2種數(shù)據(jù)同化方法進行數(shù)據(jù)同化，形成30種數(shù)據(jù)同化方案：

盡管目前數(shù)據(jù)同化可以對任意合適的數(shù)據(jù)進行同化，但同化效率和效果也需要考慮。同化數(shù)據(jù)的種類越多，效率越低，不同數(shù)據(jù)中的誤差會使同化性能不穩(wěn)定，影響同化效果。但同化數(shù)據(jù)種類越少，數(shù)據(jù)的代表性不強，綜合考慮選用兩類數(shù)據(jù)的組合方案。所以，上述表格的第11-30項中都是兩組數(shù)據(jù)的組合進行同化。

同時對多種數(shù)據(jù)進行同化時，并非是對兩種數(shù)據(jù)之和進行同化，而是在操作時，依次對兩種數(shù)據(jù)進行同化，如：區(qū)域雷達數(shù)據(jù)與衛(wèi)星遙感數(shù)據(jù)，先用雷達數(shù)據(jù)對原始數(shù)據(jù)進行同化，再用衛(wèi)星遙感數(shù)據(jù)同化雷達數(shù)據(jù)同化后的結(jié)果，得到最終的同化數(shù)據(jù)。

進一步，步驟3.2采用降雨預報的相對誤差來判斷各數(shù)據(jù)同化方案的優(yōu)劣：

式中，αi為第i個數(shù)據(jù)同化方案同化后的降雨預報的相對誤差，pi′為第i個數(shù)據(jù)同化方案同化后的預報降雨量，pi為對應的實測降雨量，i取1,2,3，……,29,30。

進一步，步驟3.3對比三維變分同化的整體相對誤差m與集合卡爾曼濾波法的整體相對誤差n：

若m<n，則三維變分同化的整體效果優(yōu)于集合卡爾曼濾波法，若m>n，則集合卡爾曼濾波法整體效果優(yōu)于三維變分同化，若m＝n，則三維變分同化與集合卡爾曼濾波法整體效果相同。

進一步，為了使多源數(shù)據(jù)同化方案更加簡便，選取整體效果較優(yōu)的同化方法，如三維變分同化，則取15個三維變分同化方案中，相對誤差最小的5個方案所采用的同化數(shù)據(jù)，構(gòu)成該研究區(qū)的最佳同化數(shù)據(jù)集，為下一次降雨預報進行數(shù)據(jù)同化提供依據(jù)。

選出表現(xiàn)較好的5個數(shù)據(jù)同化方案形成數(shù)據(jù)集來進行預報的方法可稱為集合預報。基于這5個數(shù)據(jù)同化方案分別進行降雨預報，最終可獲得5個降雨預報結(jié)果，由于預報具有很大的不確定性，不能肯定哪一個結(jié)果是最接近未來發(fā)生的降雨，因此將這5個降雨預報結(jié)果都作為預報結(jié)果，因此集合預報在一定程度上可以規(guī)避某一預報結(jié)果不準確的風險。

一種降雨量的預報方法，其特征在于：使用上述最佳同化數(shù)據(jù)集為下一次降雨預報進行數(shù)據(jù)同化提供應用。

該用于多源氣象信息數(shù)據(jù)同化方法及其應用于降雨量的預報具有以下有益效果：

(1)本發(fā)明從不同氣象信息的優(yōu)點和缺點角度出發(fā)，提供了一種標準化的多源氣象信息數(shù)據(jù)同化方法，數(shù)據(jù)同化不僅可以提高降雨預報的精度，而且增加多源氣象信息可以彌補不同氣象數(shù)據(jù)的不足，充分發(fā)揮各類數(shù)據(jù)的優(yōu)勢，使數(shù)據(jù)同化的結(jié)果更加可靠，為氣象、水利等有關(guān)部門提供合理的數(shù)據(jù)同化方案，具有普遍適用性。

(2)本發(fā)明為某一研究區(qū)確定了最佳同化數(shù)據(jù)集，多源數(shù)據(jù)同化方案可提升同化精度和穩(wěn)定性，而選擇最佳數(shù)據(jù)集，又能較大程度的簡化數(shù)據(jù)同化過程。

具體實施方式

下面結(jié)合實施例，對本發(fā)明做進一步說明：

本發(fā)明所采用的技術(shù)方案是基于常規(guī)觀測數(shù)據(jù)和非常規(guī)觀測數(shù)據(jù)的優(yōu)點和缺點，提出一種多源氣象信息數(shù)據(jù)同化方法，按照以下步驟實施：

(1)數(shù)據(jù)同化方法的選取：選取目前應用效果較好的三維變分數(shù)據(jù)同化和集合卡爾曼濾波同化。

(2)構(gòu)建多源氣象信息數(shù)據(jù)庫：選用美國國家大氣研究中心ncar提供的地表觀測數(shù)據(jù)和高空觀測數(shù)據(jù)、區(qū)域雷達數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)、火箭探空數(shù)據(jù)，形成氣象信息數(shù)據(jù)庫。

(3)對多源氣象信息進行數(shù)據(jù)同化：在(1)、(2)的基礎上，建立30種數(shù)據(jù)同化方法，見表1。

表1數(shù)據(jù)同化方案

采用相對誤差判斷各數(shù)據(jù)同化方案的優(yōu)劣：

式中，αi為第i個數(shù)據(jù)同化方案同化后的降雨預報的相對誤差，pi′為第i個數(shù)據(jù)同化方案同化后的預報降雨量，pi為對應的實測降雨量，i取1,2,3，……,29,30。

(4)確定最佳同化數(shù)據(jù)集：對比三維變分同化方法的整體相對誤差m與集合卡爾曼濾波法的整體相對誤差n：

若m<n，則三維變分同化方法的整體效果優(yōu)于集合卡爾曼濾波法，若m>n，則集合卡爾曼濾波法整體效果優(yōu)于三維變分同化方法，若m＝n，則三維變分同化方法與集合卡爾曼濾波法整體效果相同。

選取整體效果較優(yōu)的同化方法，如三維變分同化方法，則取15個三維變分同化方法方案中，相對誤差最小的5個方案所采用的同化數(shù)據(jù)，構(gòu)成該研究區(qū)的最佳同化數(shù)據(jù)集，為下一次降雨預報進行數(shù)據(jù)同化提供依據(jù)。

上面結(jié)合實施例對本發(fā)明進行了示例性的描述，顯然本發(fā)明的實現(xiàn)并不受上述方式的限制，只要采用了本發(fā)明的方法構(gòu)思和技術(shù)方案進行的各種改進，或未經(jīng)改進將本發(fā)明的構(gòu)思和技術(shù)方案直接應用于其它場合的，均在本發(fā)明的保護范圍內(nèi)。