[發明專利]次季節-季節-年際尺度一體化氣候模式集合預測系統

有效

• 申請號: 202110761999.1
• 申請日: 2021-07-06
• 公開（公告）號: CN113486515B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 吳統文;李巧萍;頡衛華;宇如聰;梁瀟云;姚雋琛;顏京輝;程彥杰;劉向文;路屹雄;王在志;張芳;劉一鳴;張艷武;李偉平;吳方華;李江龍;儲敏;辛曉歌;張潔;房永杰;張莉;魏敏
• 申請（專利權）人: 國家氣候中心
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/04;G06Q50/26;G06F119/12
• 代理公司: 成都宏田知識產權代理事務所(普通合伙) 51337
• 代理人: 常利敏

本發明公開了次季節?季節?年際尺度一體化氣候模式集合預測系統，包括初始化模塊、高分辨率氣候模式模塊、集合預測模塊和預測后處理模塊，初始化模塊用于下載、提取和處理包含大氣、陸面、海洋、海冰的多源資料，利用外部參數控制并實現資料選擇、檢查、氣象要素的水平和垂直插值等前處理，適用于所有氣候模式運行的數據前處理，高分辨率氣候模式模塊用于對大氣、陸面、海洋、海冰多圈層的耦合協同變化進行客觀定量預測，集合預測模塊用于生成由物理參數傾向隨機擾動和初值時間滯后法相結合的任意數量集合預測樣本成員。本發明提供了一種分辨率高，預測準確性高，可操控性好，提供大氣、陸面、海洋、海冰的多時間尺度和多空間尺度的氣候預測。

技術領域

本發明涉及氣候預測技術領域，具體為次季節-季節-年際尺度一體化氣候模式集合預測系統。

背景技術

氣候預測問題是一個世界性難題，既是國際氣候變化研究的前沿課題，又是國家防災減災、應對氣候變化工作的迫切需求。氣候模式是開展氣候預測的最客觀工具和手段，因此氣候模式系統的研發及基于氣候模式的集合預測技術是當前世界各國氣象界研究的焦點。以往針對天氣尺度和延伸期尺度天氣氣候預測基于單獨大氣模式，針對季節和年代際氣候預測則基于耦合氣候模式來進行，因此，針對不同時間尺度的氣候預測需要分別運行幾套預測子系統，耗費大量的計算機資源和存儲資源，也不能滿足預測業務和社會服務需求。在氣候模式預測過程中，不僅大氣初值非常重要，海洋、陸面、海冰等要素的初值信息同等重要，模式的初始擾動方案和集合預測方案對不同時間尺度氣候預測具有不同的影響，以往氣候預測模式的初始擾動方案分別采用大氣或者海表溫度的初值時間滯后法、奇異向量法、物理參數擾動等方法來構建集合樣本成員，這種單一的初值擾動方法對預測性能的提升有較大的局限性。

因此，在利用大氣-陸面-海洋-海冰全耦合氣候模式進行氣候預測時，如何利用科學有效的初值擾動方法來構建集合預測樣本成員，更有效和穩定地提升預測技巧，且構建的氣候模式預測系統不僅適用于次季節-季節尺度的氣候預測，同時適用于季節-年際尺度的氣候預測，進而實現“無縫隙”氣候預測——即“兩周-月-季節-年-年際”尺度的客觀化氣候預測，在系統進行預測時，能夠動態選擇集合樣本成員構建預測方案、集合預測樣本成員數、預測時間尺度、預測氣象要素、預測數據輸出方式，真正實現一體化預測，為此我們提出次季節-季節-年際尺度一體化氣候模式集合預測系統。

發明內容

基于背景技術存在的技術問題，本發明提出了次季節-季節-年際尺度一體化氣候模式集合預測系統，以解決背景技術中提出的問題。

本發明提供如下技術方案：

次季節-季節-年際尺度一體化氣候模式集合預測系統，包括初始化模塊、高分辨率氣候模式模塊、集合預測模塊和預測后處理模塊，所述初始化模塊用于下載、提取和處理包含大氣、陸面、海洋、海冰的多源觀測資料、再分析資料、同化資料和模式資料，利用外部參數控制并實現資料類別的選擇、獲取和檢查，對所需氣象要素進行提取、水平插值和垂直插值等前處理，適用于所有氣候模式運行的數據前處理，所述高分辨率氣候模式模塊用于對大氣、陸面、海洋、海冰多圈層的耦合協同變化進行客觀定量預測；所述集合預測模塊用于采用物理參數傾向隨機擾動和初值時間滯后相結合的方法構建一定數量的集合預測樣本成員，所述預測后處理模塊用于自動提取預報時間段內多時間尺度和多空間尺度的預測數據和圖形產品。

優選的，所述高分辨率氣候模式模塊可提供次季節-季節尺度和季節-年際尺度氣候預測，包含從地面到大氣平流層、陸表到土壤深層、海表到海洋深層及海冰的客觀定量預測。

優選的，所述集合預測模塊中物理參數擾動方法選擇對模式中的深對流參數、淺對流參數、大尺度參數、海洋潛熱、通量參數等進行隨機擾動，初值時間滯后法則對大氣和海洋初值選擇不同時間長度進行觀測；將物理參數傾向隨機擾動和初值時間滯后相結合構建每一個集合預測樣本成員；且構建的集合預測樣本成員數可自行設定，并且在確定樣本成員數目后批量產生相應的樣本成員的編譯運行腳本，在CPU核數足夠的情況下進行批量同步運行，在CPU核數不足的情況下批量分步運行。