[發(fā)明專利]一種基于改進背景誤差協(xié)方差矩陣預(yù)測大氣參數(shù)的方法

有效

• 申請?zhí)枺?/td>: 201811147232.4
• 申請日: 2018-09-29
• 公開（公告）號: CN110968926B
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計）人: 何杰穎;張升偉;董曉龍
• 申請（專利權(quán)）人: 中國科學(xué)院國家空間科學(xué)中心
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F119/08;G06F17/18
• 代理公司: 北京方安思達知識產(chǎn)權(quán)代理有限公司 11472
• 代理人: 陳琳琳;楊青

本發(fā)明提出一種基于改進背景誤差協(xié)方差矩陣預(yù)測大氣參數(shù)的方法，包括：步驟1)將衛(wèi)星觀測數(shù)據(jù)輸入WRF模型；輸出指定時刻、指定空間分辨率格點上的用于氣象預(yù)報的大氣參數(shù)變量；步驟2)計算大氣參數(shù)中同種參數(shù)的變量方差和不同參數(shù)間的協(xié)方差；步驟3)繪制大氣參數(shù)變量與預(yù)報時長的關(guān)系曲線，由關(guān)系曲線得到大氣參數(shù)變量與預(yù)報時長具有線性相關(guān)性的時間段；步驟4)構(gòu)建背景誤差協(xié)方差矩陣，主對角線元素為大氣參數(shù)中同種參數(shù)變量的方差隨預(yù)報時長的變化量，非對角線元素為大氣中不同參數(shù)變量間的協(xié)方差隨預(yù)報時長的變化量；步驟5)將衛(wèi)星觀測數(shù)據(jù)和背景誤差協(xié)方差矩陣輸入WRF同化模型，從而得到大氣參數(shù)在預(yù)報時長內(nèi)的預(yù)測值。

技術(shù)領(lǐng)域

本發(fā)明涉及大氣的預(yù)測及數(shù)據(jù)同化系統(tǒng)領(lǐng)域，具體而言，涉及一種基于改進背景誤差協(xié)方差矩陣預(yù)測大氣參數(shù)的方法。

背景技術(shù)

數(shù)據(jù)同化系統(tǒng)中的先驗信息一般來源于預(yù)報，背景誤差協(xié)方差與預(yù)報值和真值相關(guān)，在同化系統(tǒng)中影響整體同化效果，是二者之差的期望值，即二者之差與二者之差轉(zhuǎn)置的乘積。一個更準確的背景誤差協(xié)方差矩陣有利于提高數(shù)據(jù)同化效果，因為同化依賴于先驗知識，而先驗知識的不確定性一般采用概率密度函數(shù)表示，通常簡化為高斯形式，誤差會通過控制變量或者變量本身傳遞到實時觀測信息域中，影響同化系統(tǒng)中迭代算法的平衡。靜態(tài)大氣變量嵌入在背景誤差協(xié)方差矩陣中，在很大程度上影響同化過程，誤差較大的靜態(tài)矩陣會在不可測變量模式中放大噪聲，從而影響同化的穩(wěn)定性和適用性。

目前常用的方法均基于24小時或者12小時的再分析數(shù)據(jù)，在短時迅速變化的極端天氣同化系統(tǒng)中不適用。狀態(tài)更新分析方法需要密集的實測數(shù)據(jù)，集合方法需要單獨的集合卡爾曼矩陣或者B矩陣對模型進行擾動。在NCAR開發(fā)的WRFDA模式中，可以利用開源的可執(zhí)行文件，生成不同表達形式的控制變量，從而滿足WRFDA?的運行，但截至到目前，此模式還未對水凝物粒子進行深入考慮，不適用于高速時空變化的極端天氣情況。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決目前常用的背景誤差協(xié)方差矩陣均未對大氣中的水凝物粒子參數(shù)進行深入預(yù)測，在短時迅速變化的極端天氣同化系統(tǒng)中不適用，不能預(yù)測高速時空變化的極端天氣情況的問題。

為實現(xiàn)上述目的，本發(fā)明提出一種改進背景誤差協(xié)方差矩陣預(yù)測大氣參數(shù)的方法，包括：

步驟1)將衛(wèi)星觀測數(shù)據(jù)輸入WRF模型；輸出指定時刻、指定空間分辨率格點上的用于氣象預(yù)報的大氣參數(shù)變量；

步驟2)計算大氣參數(shù)中同種參數(shù)的變量方差和不同參數(shù)間的協(xié)方差；

步驟3)繪制大氣參數(shù)變量與預(yù)報時長的關(guān)系曲線，由關(guān)系曲線得到大氣參數(shù)變量與預(yù)報時長具有線性相關(guān)性的時間段；

步驟4)構(gòu)建背景誤差協(xié)方差矩陣，主對角線元素為大氣參數(shù)中同種參數(shù)變量的方差隨預(yù)報時長的變化量，非對角線元素為大氣中不同參數(shù)變量間的協(xié)方差隨預(yù)報時長的變化量；

步驟5)將衛(wèi)星觀測數(shù)據(jù)和背景誤差協(xié)方差矩陣輸入WRF同化模型，從而得到大氣參數(shù)在預(yù)報時長內(nèi)的預(yù)測值。

作為上述方法的一種改進，所述步驟1)包括：

步驟1-1)取0，6，12，18小時的再分析數(shù)據(jù)為背景場數(shù)據(jù)輸入WRF模型，選取區(qū)域格點為15公里；

步驟1-2)輸出指定時刻、指定空間分辨率格點上的大氣參數(shù)，所述大氣參數(shù)包括熱力學(xué)參數(shù)和水凝物參數(shù)；所述熱力學(xué)參數(shù)包括溫度和濕度，所述水凝物參數(shù)包括云、雨、雪、冰和霰粒子；

步驟1-3)設(shè)預(yù)報樣本的大氣參數(shù)i＝1...7,上標-f表示為預(yù)報樣本，每個包括溫度、濕度和云、雨、雪、冰及霰粒子的水凝物密度7個參數(shù)值，其中云、雨、雪、冰和霰粒子的水凝物密度ρ_h值，通過以下步驟得出：