CN102221714B - 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 - Google Patents
基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 Download PDFInfo
- Publication number
- CN102221714B CN102221714B CN2011100614387A CN201110061438A CN102221714B CN 102221714 B CN102221714 B CN 102221714B CN 2011100614387 A CN2011100614387 A CN 2011100614387A CN 201110061438 A CN201110061438 A CN 201110061438A CN 102221714 B CN102221714 B CN 102221714B
- Authority
- CN
- China
- Prior art keywords
- weather
- component
- forecast
- day
- disturbance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开一种基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法。所述方法利用过去观测的、当前观测的和中期数值天气预报模式输出的大气空间三维多变量与时间连续的格点资料,通过气候与天气扰动量的物理分解,建立前期和同期天气扰动与区域持续性低温雨雪冰冻极端事件之间的因果关系。本发明对近30年北半球对流层至平流层大气逐日三维空间格点温度、高度、风资料进行了气候季节变化场和逐日天气扰动场的物理分解,建立了大气气候场和天气扰动场的数据库;用中国气象观测站的近50年逐日温度和降水量资料建立了中国南方低温雨雪冰冻历史资料库;本发明既是一个历史低温雨雪冰冻事件查询系统,又是一个中期低温雨雪冰冻事件预报系统。
Description
技术领域
本发明涉及气象业务部门5至15天中期极端温度(高温热浪和低温冷害)天气预报系统,尤其涉及一种区域持续性低温雨雪冰冻天气过程的异常信号分离方法和预报技术。
背景技术
基于全球常规高空观测大气变量资料和中期数值天气预报模式产品资料绘制逐日常规天气图来预示未来5至10天区域极端天气事件的可能出现仍然是目前国内外气象业务部门的主要预报方法。
现有传统预报方法对大气变量的分解存在误区。大气多变量在空间上随时间的变化和相互作用构成了大气运动的复杂形式。在简单的由二维空间和一维时间构成的系统中,一个大气变量(包括温度、位势高度、气压和风),区域上的数学分解方法常用经验正交函数展开(EOF)得到多个空间模态和对应的时间系数序列。这些空间模态只是满足数学上的正交和收敛,但大部分模态不具有物理意义。大气是在球面三维空间中的无边界运动。对大气变量的球谐函数展开是当前短期(1-3天)、中期(4-9天)、延伸期(10-30天),以及气候(月至年)预测模式中分解变量的基本方法。随着计算机容量和速度的提升,满足正交性的球谐函数变量展开波数越来越多(高达几百个正交的谐波分量),相对于空间分辨率越来越高。这些分解的波缺少物理含义。由于大气运动的复杂性(非线性相互作用),无物理意义的波作为初始场进入计算机运算,可产生出新的虚假波,导致几天到10天后数值天气预报模式结果会与实况相反,失去预报意义。目前国内外业务部门在中期(延伸期)极端天气事件的预报方法上的不足可以归纳为下列三点。
1、预报极端天气事件首先需要确定事件的标准。目前科研与业务中对极端天气事件的定义较多,没有统一和确定的标准。于是,对一个低温雨雪事件发生后,不同的研究和业务单位发布的事件强度、影响范围和持续时间不一样。极端事件的标准不能确定,预报方法就无法制作,预报效果也就无法检验。
2、目前中期预报方法沿用了过去半个多世纪以来长期使用的短期(1至3天)常规天气图方法,只是延长使用了未来10天左右的数值天气预报模式产品资料。常规天气图上混杂包含了天气扰动信号和气候变化信号,而极端天气事件的发生必然是天气扰动的产物。在目前国内外的业务短期天气预报流程中,把气候变化分量与瞬时天气扰动分量混在一起作为未来极端天气事件预报的信号,极大地削弱了大气中天气扰动对极端天气事件预报的信号指示能力。
3、气象科研和业务预报中的区域和球面大气波动信号的获取仅仅满足正交收敛的数学分解,缺乏物理含义。在目前短期和中期以及气候预报模型中,无物理意义的波动必然产生出新的虚假波动,从而缩短可预报时效。
发明内容
本发明要解决的技术问题是设计一种更为合理的大气变量的四分量物理分解方法并提供一种低温雨雪冰冻天气的中期预报系统和方法。
本发明采用以下技术方案解决上述技术问题:设计一种基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统,包括:
气象资料的收集和对接子系统,用于收集气象观测过去的和当前的以及中期数值天气预报模式的气象资料,所述气象资料包括温度、湿度、风和降水的气象变量,对变量进行前后时间和空间分辨率的插值对接得到四维同化变量,并把所述气象变量进行极端天气事件识别获得不同指标量的事件数据集;
大气变量的四分量物理分解子系统,利用至少N年逐日实测的大气变量的资料序列把所述大气变量分解成为,表征太阳辐射季节变化引起的纬圈气候分量和表征海陆、地形热力差异引起的气候分量,以及行星尺度纬圈距平扰动分量和瞬时天气扰动分量,由此形成四分量物理分解的数据库,所述四分量物理分解数据库被储存起来,提供其他系统调用;
中期数值天气预报模式子系统,用于根据当前实测气象资料经过模式定量计算输出未来设定时刻的天气预报产品,该数值天气预报模式产品包含预报区域内未来设定时刻的气象变量,包括温度、湿度、风和降水的时空分布;
低温雨雪冰冻天气预报信号的识别子系统,该识别子系统调用所述四分量物理分解数据库,从当前实测的气象变量资料和所述中期数值天气预报模式子系统输出的天气预报产品中的气象变量中分离出瞬时天气扰动分量,然后绘制出等气压面上的或垂直剖面上的瞬时天气扰动分量的分布图,根据所述瞬时天气扰动分量的分布图和事件指标阈值作出所述预报区域是否出现低温雨雪冰冻天气的预报。
所述大气变量的四分量物理分解子系统至少利用10年以上(本发明的实施例使用30年历史资料)的大气变量的时间序列进行四分量物理分解。
所述气象资料的收集和对接子系统包括:计算机系统通过气象数据传输系统对过去观测的、当前观测的气象数据和各国气象部门中期数值天气预报模式产品资料的收集和先后时间及空间网格点的四维同化对接系统。
本发明解决技术问题所采用的技术方案还包括:设计一种基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法,该方法包括以下步骤:
步骤A:分析预报区域的所有气象观测站的一段最够长的N年逐日最低温度的数据集,制定低温极端事件的定量指标;
步骤B:对全球或北半球N年的连续大气变量资料序列进行四分量物理分解,即把所述大气变量分解成为表征太阳辐射季节变化引起的纬圈气候分量和表征海陆、地形热力差异引起的气候分量,以及行星尺度纬圈距平扰动分量和瞬时天气扰动分量,形成可供系统调用的四分量物理分解的数据库;
步骤C:调取当前实测的大气变量资料或/和中期数值天气预报模式输出的大气变量预报场并分离出所述瞬时天气扰动分量,绘制特征层等气压面上的或垂直剖面上的瞬时天气扰动分量的分布图,根据所述瞬时天气扰动分量的低温中心位置和强度阈值的分布图自动或人工作出所述预报区域是否出现低温雨雪冰冻天气的预报。
所述步骤A制定低温极端事件的定量指标包括下以步骤:
A1、单站低温极端事件的定义:日最低气温低于多年平均值且日最低温度Tmin小于第10个百分位值,连续日数超过5天为单站低温极端事件,所述日最低气温的多年平均值等于当日前、后5天,共11天的气候平均值,所述Tmin小于第10个百分位值的图解见图1;
A2、区域低温极端事件的定义:在同一时间段内至少5天有相邻5个站同时发生单站低温极端事件为区域低温极端事件,按照下列距离公式,相邻站之间的距离D小于5个经纬度
其中lat(i)和lon(j)是第i个站点和第j个站点的纬度和经度;
A3、区域低温极端事件的定量指标包括持续时间、影响范围和低温强度;所述持续时间为整个事件从开始到结束的日数,所述影响范围为单日所影响到的最多经纬格点(1°×1°)数,所述低温强度为事件中单日所达到的最低温度相对气候值的最大距平;由此定义低温极端事件的综合强度指数CI,CI=ID+IE-II,其中ID、IE和II分别为经过标准化的持续时间指数、范围指数和低温强度指数;
A4、区域低温事件的地理中心位置(Lat,Lon)确定如下:
其中lat(i)和lon(i)是第i个站点的纬度和经度,Lat和Lon是事件的中心纬度和经度,ni是第i个站点在该次事件中的累计总天数,如果该站点不受这次低温事件影响,则ni为0;K是总站点数。
所述步骤B对大气变量资料序列进行四分量物理分解的具体方案包括:
B1、用近10年以上全球或北半球对流层至平流层大气观测的站点或格点温度T、位势高度H、风V和湿度Q进行四分量物理分解,以温度T分解式为例:
B4、大气中行星尺度纬圈距平扰动分量的分离方法是:用历史观测的、当日观测的或中期数值天气预报模式作出的未来1至10天的大气变量的预报值减去气候变化分量得到,以温度扰动为例,步骤B1中的分解式等号右边第三项是第Y年第t日的纬圈温度距平扰动分量,
该分量是第t日行星尺度温度扰动指数循环所处的位相,指数循环的原因与热带海洋年际热力变化有关;
B5、大气中的瞬时天气扰动分量的分离方法是:用历史观测的、当日观测的或中期数值天气预报模式作出的未来1至10天的大气变量的预报值减去气候变化分量和纬圈距平扰动分量得到,以温度扰动为例,步骤B1中的分解式等号右边第四项是第Y年第t日的温度瞬时天气扰动分量,
该分量直接与极端天气事件有关,称为天气扰动分量,其形成原因是多尺度地形和热力强迫的结果。
所述步骤C包括扰动历史相似性预报方法、扰动沿气候气流传播的预报方法和数值天气预报模式产品扰动预报方法。
C1、所述扰动历史相似性预报方法是:用当前1至3日(今天、昨天和前天)实测的大气变量资料分离出所述瞬时天气扰动分量并绘制特征层等气压面上的或垂直剖面上的瞬时天气扰动分量的逐日分布图,把当前实测瞬时天气扰动分量分布图与系统存储的四分量物理分解数据库中的相同季节历史瞬时天气扰动分量分布图进行相似性对比分析,如果当前扰动分量在强度、地理位置和移动方向上都与历史上的相似,则当前瞬时天气扰动分量的移动及其出现的未来极端天气事件,如低温事件与历史上的相似;
C2、所述扰动沿气候气流移动预报方法是:用当前日实测的大气变量资料分离出所述瞬时天气扰动分量并绘制特征层等气压面上的或垂直剖面上的瞬时天气扰动分量的分布图,根据天气学原理,瞬时天气扰动分量未来的运动方向将受到大尺度基本气流的引导,即沿气候风场的运动方向移动,由此用当前日瞬时天气扰动分量沿气候风场的运动方向外推做出未来低温雨雪冰冻预报。图2指示1998年11月16日至25日的一次我国东北低温事件前后几天300hPa扰动高度场低于-200gmp等值线所围区域沿着气候气流的移动,表明预报极端天气事件需要大气扰动与气候流场的有机配合;
C3、所述数值天气预报模式产品应用的扰动预报方法是:读取中期数值天气预报模式输出的大气变量预报场并分离出所述瞬时天气扰动分量,绘制等气压面上的或垂直剖面上的瞬时天气扰动分量的分布图,根据所述瞬时天气扰动分量的低温中心位置和强度的分布图作出所述预报区域是否出现低温雨雪冰冻天气的预报。
所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法,其特征可单独使用所述扰动历史相似性预报方法、扰动沿气候气流移动预报方法或中期数值天气预报模式产品中扰动量预报方法作出低温雨雪冰冻天气的中期预报;也可以同时组合使用所述扰动历史相似性预报方法、扰动沿气候气流移动预报方法或中期数值天气预报产品中扰动量预报方法作出低温雨雪冰冻天气的中期预报;所述组合使用两种预报方法或三种预报方法作出低温雨雪冰冻天气的中期预报包括:对多种预报方法的预报结果以设定的权重系数进行加权平均,或对两种以上预报方法分别作出预报,然后对三种预报结果相互验证。
与现有技术相比较,本发明基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法具有以下优点:
1、用中国高时空分辨率的气象观测站逐日最低温度和降水量资料建立的中国历史低温雨雪冰冻资料库,并给出低温雨雪冰冻事件的持续时间、影响范围和强度排序的序列集(库),当新的事件发生后可以通过相同的定义确认事件在历史上的排序位置,给出新发生事件与历史事件异同点的比较,从而为社会和有关行业提供事件发生特征的定量服务。
2、每天观测的全球大气变量中包含已知外源强迫的常规气候变化的分量和瞬时天气扰动分量。通过四分量分解式可以清楚地得到有物理含义的气候变化分量与瞬时天气扰动分量。观测量的四分量物理分解可以把科研人员和业务预报员从长期混淆的经验积累中解放出来,增加人们对极端天气事件发生本质的认识,提高业务人员的预报技能。
3、观测的和中期数值天气预报模式中分解的天气扰动场与极端天气事件之间存在着紧密的物理因果关系。未来的短期和中期(或延伸期)预报系统中独立增加瞬时天气扰动分量的天气图参与预报会商会大大提高高温热浪、寒潮低温、暴雨、干旱和台风路径的天气预报能力。
4、气候场与天气扰动场的分解方法在短期、中期(或延伸期)和气候预报模式系统中的应用会极大地提升目前这些数值预报的水平和延长预报时效,又能大大地节约计算资源。
附图说明
图1是北京站1960年至2008年49年4月1日日最低温度Tmin曲线图,虚线表示第10个百分位的阈值-1.38℃,灰色圆点表示低于第10个百分位阈值的点;
图2是1998年11月16日至11月25日的一次东北低温事件,黑色实线是从低温最强前5天(-5)到后5天(+5)300hPa扰动高度场-200gmp等值线的位置,灰色箭头实线是-5天300hPa的气候平均的流场,圆点是低温范围达到最大时(1998年11月21日)的站点,大气高度扰动是沿着气候气流移动的;
图3是中国大陆单站低温极端事件的年频次分布图;
图4是2002年7月15日北半球亚洲-太平洋-北美地区850hPa(百帕)温度场T(t)Y的分布图;
图6是对图4的温度场T(t)Y按照变量分解公式展开的海陆温差T*(t)的分布图;
图7是对图4的温度场T(t)Y按照变量分解公式展开的南北多条带指数循环[T(t)]′Y的分布图;
图9是2002年7月15日北半球亚洲-太平洋-北美地区850hPa温度场在四项分解中各占总方差的相对百分率贡献随平均时间(天数)的变化;
图10是2002年7月15日北半球亚洲-太平洋-北美地区850hPa位势高度场在四项分解中各占总方差的相对百分率贡献随平均时间(天数)的变化;
图11是2002年7月15日北半球亚洲-太平洋-北美地区850hPa风场U(东西风)分量在四项分解中各占总方差的相对百分率贡献随平均时间(天数)的变化;
图12是2002年7月15日北半球亚洲-太平洋-北美地区850hPa风场V(南北风)分量在四项分解中各占总方差的相对百分率贡献随平均时间(天数)的变化;
图13是2008年1月12日亚洲地区850hPa温度扰动场,温度扰动负距平用阴影表示,其中距平低于-6K的区域用点虚线表示,箭头指示低温扰动的移动方向;
图14是1月16日亚洲地区850hPa温度扰动场,温度扰动图例同图13;
图15是2008年1月10日至2月4日我国南方(100°E-120°E,20°N-30°N)地区上空至10hPa高度扰动和温度扰动随时间在垂直方向上的变化过程,高度扰动用等值线表示,温度扰动用虚线表示,其中距平低于0K用阴影表示;
图16是2008年1月24日我国中东部(100°E-120°E)地区南北(10°N-90°N)上空至10hPa高度扰动和温度扰动,图例说明同图15;
图17是利用2011年1月13日欧洲中期数值天气预报模式产品制作的16日850hPa层温度扰动场,其中距平低于-6K的区域用点虚线表示,我国中部出现一冷中心;
图18是利用2011年1月13日欧洲中期数值天气预报模式产品制作的18日850hPa层温度扰动场,其中距平低于-6K的区域从华北至我国西南,-10K的中心在我国西南地区;
图19是利用2011年1月13日欧洲中期数值天气预报模式产品制作的20日850hPa层温度扰动场,-10K的中心仍然在我国西南地区;
图20是利用2011年1月13日欧洲中期数值天气预报模式产品制作的21日850hPa层温度扰动场,-6K的范围相对缩小,低温中心仍然在西南地区;
图21是利用2011年1月13日欧洲中期数值天气预报模式产品制作的22日850hPa层温度扰动场,-6K的区域在我国南方分裂并缩小,预示一次低温雨雪冰冻过程的结束;
图22是南方历史低温雨雪冰冻事件和新加入事件的重新排序计算过程流程图。
图23是制作我国中期南方低温雨雪冰冻天气过程的流程图。
图24是我国中期南方低温雨雪冰冻天气过程预报系统中各子系统的关系图。
具体实施方式
以下结合附图及附图所示之实施例对本发明的低温雨雪冰冻的中期预报系统和预报方法作进一步的详细说明。
如图24所示,本发明基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统由5个子系统所组成,各个子系统所实现的功能分述如下:
气象资料的收集和对接子系统1,用于收集气象观测站及空间格点的过去、当前和中期数值天气预报模式输出的气象资料,所述气象资料包括温度、湿度、风和降水的气象变量,并把所述气象变量进行时间对接以获得全球或北半球及覆盖预报区域的逐日连续的站点或空间格点气象变量的数据集;
中期数值天气预报模式子系统4,用于根据当前实测气象资料由模式定量计算输出未来设定时刻的天气预报产品,该天气预报产品包括全球和北半球及预报区域内未来设定时刻的气象变量,如温度、湿度和风的格点时空分布;所述中期数值天气预报模式子系统可选择采用欧洲中期(0至240小时)数值天气预报系统,或采用日本、美国和中国(T639)等气象业务部门的中期(0至240小时)数值天气预报系统的产品资料,上述数值天气预报模式的产品资料均包括各气压层的温度、位势高度、相对湿度和风等变量(本发明的实施例采用欧洲中期数值天气预报系统)。
气象变量的四分量物理分解子系统2,利用至少N年(N应大于等于10,物理分解所使用的历史资料越长越好,本发明的实施例使用连续30年的历史资料作气象变量的四分量物理分解)逐日实测的气象变量的资料序列,把所述气象变量分解成为表征太阳辐射季节变化引起的纬圈气候分量和表征海陆、地形热力差异引起的气候分量以及行星尺度纬圈距平扰动分量和瞬时天气扰动分量,由此形成四分量物理分解的数据库3,所述四分量物理分解数据库3被储存起来提供系统调用;
低温雨雪冰冻天气预报信号的识别子系统5,该识别子系统5调用所述四分量物理分解数据库3,从当前实测的气象变量资料和所述中期数值天气预报模式子系统4输出的天气预报产品中的气象变量中分离出瞬时天气扰动分量,然后绘制出等气压面上的或垂直剖面上的瞬时天气扰动分量的分布图,根据所述瞬时天气扰动分量的分布图作出所述预报区域是否出现低温雨雪冰冻天气的预报。
上述气象变量的四分量物理分解子系统2及其所建立的四分量物理分解的数据库3是本发明最为重要的关键技术,下面先介绍该关键技术的思路和原理,然后再介绍如何识别区域持续性低温雨雪冰冻事件,最后介绍如何应用气象变量的四分量物理分解技术作出低温雨雪冰冻天气的中期预报。
一、气象变量的四分量物理分解的思路和原理
一维气象时间序列变化的物理本质。一个气象站观测的连续变量,如温度、气压、湿度和风,或一个探空气象站观测的高空温度、位势高度、湿度和高空风(统称为大气变量)随时间的等时序列是一维的。连续几十年到百年的观测序列中包含变量的周日变化、季节(年)循环变化、几十年和几百年的周期性变化,以及非规则强迫形成的大气内部天气尺度扰动和观测误差。寒潮、热浪、区域持续性暴雨等都与天气尺度扰动有关。大气变量中的周日变化、季节循环和各种时间尺度的周期性变化成份都是气候变化,如太阳辐射等周期性强迫引起的大气变化。这些气候变化是要认识、掌握和利用的,而不需要预报。要预报的是那些扰动。
一维气象时间序列变化的物理分解。当前气象和气候一维时间序列的分解有多种数学方法,如子波变换、Fourier变换、奇异谱分析(SSA),以及经验正交模分解(EMD)等方法。这些方法的特点是能够满足数学分解的正交性,其中EMD和SSA收敛的速度相对较快,但它们都需要分解成十多个或上百个正交分量。核心问题是,这些数学分解的分量多数并不具有物理含义。根据气象时间序列变化的本质,我们可先从观测的气象序列中提取气候变化的规则(或周期)分量并用强迫变量的序列做同样时间尺度的物理分解,从而确认气候变化的因果关系(钱维宏和陆波,2010)。两个简单又可理解的例子是,日变化的当地温度是在太阳正午最大辐射后的下午2点钟前后最高,季节变化的北半球中高纬度温度是在太阳直射北回归线(6月22日)40多天后的8月初最高。这种因果关系的时间差就有了预报意义。
大气中气候变化分量的分离流程是:用近N(N大于等于10)年全球或北半球对流层至平流层大气观测的站点或格点温度T、位势高度H、风V和湿度Q进行四分量物理分解,以温度T为例的分解式如下:
该分量是太阳辐射季节变化确定的气候变量(如温度)场,τ是第t日从第1年至第N,λ是纬圈等距格点数从第1点至最后第P点;
该分量是海陆、地形差异调节的逐日空间温度分布场;
大气中行星尺度纬圈距平扰动分量的分离方法是:用过去观测的、当日观测的和中期数值天气预报模式产品的未来1-10天大气变量减去气候变化分量得到,以温度扰动为例,上述分解式等号右边第三项是第Y年第t日的纬圈温度距平扰动分量,
该分量是第t日瞬时温度扰动指数循环所处的位相;
大气中的瞬时天气扰动分量分离方法是:用过去观测的、当日观测的和中期数值预报产品的未来1-10天大气变量减去气候变化分量和纬圈距平扰动分量得到,以温度扰动为例,分解式等号右边第四项是第Y年第t日的瞬时天气温度扰动分量,它直接与极端天气事件有关,称为瞬时天气扰动分量。
下面对2002年7月15日覆盖北半球亚洲-太平洋-北美地区的气象资料进行气象变量的四分量物理分解,并对各分量的特点进行分析。
图4是2002年7月15日北半球亚洲-太平洋-北美地区850hPa温度场T(t)Y分布。中低纬度亚-非地区温度高于300K,中国大陆上分辨不出更小尺度的低温和高温中心。
图5是用30年7月15日850hPa温度资料按照变量分解式展开的第一分量南北温差温度分布呈纬圈条带,30°N以南热带地区温度大于292K并且均匀分布,35°N至55°N之间温度从292K下降到280K,70°N以北地区温度进一步下降,这一分量反映了太阳辐射季节变化确定的气候变量(温度)场。
图6是用30年7月15日850hPa温度资料按照变量分解式展开的第二分量分解的海陆温差T*(t)气候,北美大陆和欧亚-非洲大陆是气候正距平温度,而太平洋和大西洋上是负距平温度,反映了海陆分布对气候温度的调节作用,由它们的温差可以构造热力气候(或季风)指数。
图7是2002年7月15日观测温度计算的分解第三项,即南北多条带指数循环[T(t)]′Y,30°N至55°N之间和80°N以北为正异常扰动温度条带,而55°N至80°N之间为负异常扰动温度条带,反映了南北行星尺度的大气下垫面异常年际强迫。
图8是2002年7月15日观测温度计算的分解第四项,反映了该日瞬时天气尺度温度扰动华北至东北为负距平的温度扰动,而我国南方的正距平温度扰动对应7月7至18日的热浪;这一对南北温度扰动比原始温度场(图4)更清楚,用瞬时天气扰动有利于极端天气事件的分析和预报;对瞬时天气扰动也可以计算3天、5天、7天、9天等的时间平均,从而分析和认识扰动系统在一地的持续性。
图9是850hPa温度场在四项分解中每项各占总方差的相对百分率贡献随平均时间(天数)的变化。对温度场的分解,第一项(part1)在最初15天平均从48%增大到61%左右,而第四项(天气扰动part4)从26%减小到12%,第三项(part3)占的比例很小,第二项(part2)在30天内维持在25%附近。
图10是850hPa高度场在四项分解中每项各占总方差的相对百分率贡献随平均时间(天数)的变化。对高度场的分解,第四项(天气扰动)从50%下降到30%,而第二项和第一项分别从25%和11%增加到40%和27%。15天以内的高度场天气扰动分解有着较强的信号分量。在几天内,分解的前两项气候分量占有相当大的比重,会掩盖极端天气事件预测的扰动分量信号的提取。
图11是850hPa层U(东西风)在四项分解中每项各占总方差的相对百分率贡献随平均时间(天数)的变化。对东西风,瞬时天气扰动分量从60%下降到30%,而第一、第二项从13%和19%上升到30%。
图12是850hPa层V(东西风)在四项分解中每项各占总方差的相对百分率贡献随平均时间(天数)的变化。对南北风,瞬时天气扰动分量从73%下降到40%,而第一、第二项从7%和20%上升到18%和42%。南北风扰动分量对热量和水汽的输送有直接的贡献。因此,850hPa层的扰动风对暴雨等极端天气事件的发生是需要提取的信息。
现有常规的天气预报系统和方法所采用的事件(结果)与变量(原因)的对接关系是极端天气事件与原始观测气象变量A的对接。气象变量A中包含有太阳辐射的季节变化和海陆分布季节调节对温度等大气变量的作用,它们不是产生极端天气事件的直接原因。本发明的四分量物理分解则建立了极端天气事件(结果)与瞬时天气扰动变量A*′(原因)的对接关系。从上述图4~图12可见,瞬时天气扰动分量必须从观测资料中与气候变化分量分离开,对极端天气事件的预报才有意义。
本发明的实施例用30年(从1971年至2000年)北半球对流层至平流层大气观测的站点或格点温度T、位势高度H、风V和湿度Q进行上述四分量物理分解,由此获得了具有30年历史资料的四分量物理分解的数据库3,所述四分量物理分解数据库3被储存起来供低温雨雪冰冻天气的中期预报系统调用。
二、区域持续性低温雨雪冰冻事件的识别
目前对国民经济有重大影响的是那些区域性(如西南、华南、西北、东北、华北、长江中下游等地区)的持续性和高强度的极端天气事件,如2008年初发生在我国南方的持续性雨雪冰冻天气和2006年夏季发生在重庆地区的热浪事件。极端天气事件的定义考虑其持续时间、影响范围和强度以及发生地等指标的认定,不但是服务社会的需要,也是有的放矢寻找有效预报方法的需要。区域持续性低温雨雪冰冻事件的识别方法需要从一点到一个区域,并且对事件的确认有定量的阈值。本发明制定如下低温极端事件的定量指标:
单站低温极端事件的定义:日最低气温低于多年平均值且日最低温度Tmin小于第10个百分位值,连续日数超过5天为单站低温极端事件,所述日最低气温的多年平均值等于当日前、后5天,共11天的气候平均值。图1是北京站1960年至2008年49年4月1日日最低温度Tmin的曲线图,虚线表示第10个百分位的阈值-1.38℃,灰色4个圆点表示有4年日最低温度低于第10个百分位阈值,未来年份的4月1日Tmin值落在阈值之下为小于第个10个百分位值的低温日。
区域低温极端事件的定义:在同一时间段内至少5天有相邻5个站同时发生单站低温极端事件为区域低温极端事件,按照如下距离公式,相邻站之间的距离D小于5个经纬度 i≠j.
其中lat(i)和lon(j)是第i个站点和第j个站点的纬度和经度;
区域低温极端事件的定量指标包括持续时间、影响范围和低温强度;所述持续时间为整个事件从开始到结束的日数,所述影响范围为单日所影响到的格点距为1°×1°的最多经纬格点数,所述低温强度为事件中单日所达到的最低温度最大的气候距平;由此可定义低温极端事件的综合强度指数CI,CI=ID+IE-II,其中ID、IE和II分别为经过标准化后的持续时间指数、范围指数和低温强度指数;
区域低温事件的地理中心位置(Lat,Lon)确定如下:
其中lat(i)和lon(i)是第i个站点的纬度和经度,Lat和Lon是事件的中心纬度和经度,ni是第i个站点在该次事件中的累计总天数,如果该站点不受这次低温事件影响,则ni为0;K是总站点数。
中国南方的低温雨雪冰冻天气主要出现在12月和次年的1月和2月的冬季。用美国NCEPFNL逐日分析资料计算出850hPa气压层有一个扰动低温中心在中国西南地区,并且扰动低温中心值低于-6K,水汽接近饱和(T-Td<2℃)时预示着低温雨雪冰冻事件正在发生。美国大气分析资料可取自https://dss.ucar.edu/datazone/dsszone/ds083.2,该资料的空间分辨率为1°×1°,时间分辨率6小时,经度范围0°~180°E~0°,纬度范围90°S~90°N,垂直方向26层,距离观测时间6小时后可下载到当日的全球大气观测资料。
三、事件的识别方法进行分析
从中国大陆549个气象站观测的逐日最低温度Tmin出发,包含单站低温极端事件定义的标准要日最低温度小于历史上的第10个百分位值(图1),连续日数超过5天;区域低温极端事件的定义标准要在同一时间段内至少5天有相邻5站(满足两站间距离公式)同时发生单站低温极端事件;区域低温极端事件的定量指标包括持续时间、影响范围、低温强度和综合强度等指数;区域低温事件的地理中心位置的确定是低温雨雪冰冻事件范围的几何中心等。依照这些定义可获得中国大陆区域持续性低温雨雪冰冻事件的定量排序。图3是中国大陆单站低温极端事件的年频次分布。从图3可见单站低温极端事件的多年平均年频次有两个高值中心,分别位于新疆和长江以南地区,中心值达到每年1.4至2.1次。青藏高原上的低温事件因为缺少观测资料,无法确认。
图22是中国南方历史低温雨雪冰冻事件和新加入事件的重新排序计算过程流程。中国其他地区的低温事件也可以用同样的方法获得和排序。
三、基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法
在阐述预报方法之前,先说明特征层的指标在极端天气事件中的应用。大气运动中,温度-气压(位势高度)-风场满足确定的动力学协调变化的关系。大气扰动场中,这些变量也满足确定的内在关系。有些扰动量在确定的气压层上异常信号最清楚。大量的例子分析后得出,这些特征气压层上信号对极端天气事件具有前期和同期指示意义。850hPa气压层上的温度扰动和300hPa气压层上的高度扰动对区域持续性低温(或雨雪冰冻)预报有指示意义,可以延长极端天气事件的预报时效。
图23是制作我国南方中期低温雨雪冰冻天气过程的流程。在全球或北半球多年(本发明的实施例为30年)历史资料进行收集整理并对其作气象变量四分量物理分解并形成气象变量四分量物理分解数据库3之后,就可以调用所述气象变量的四分量物理分解子系统2对当前观测到的气象变量和所述中期数值天气预报模式子系统4输出的预报产品进行四分量物理分解,从而获得当前气象变量和中期数值天气预报产品的瞬时天气扰动分量,最后根据所述瞬时天气扰动分量在特征层的分布图并利用前述持续性低温雨雪冰冻事件的判据人工判断或计算机根据阈值自动识别作出是否出现低温雨雪冰冻天气的中期预报。
本发明的低温雨雪冰冻天气的中期预报方法包括扰动历史相似性预报方法、扰动沿气候气流传播预报方法和中期数值天气预报模式产品的扰动预报方法三种。
所述扰动历史相似性预报方法是:用当前1至3日(即今天、昨天和前天)实测的气象变量资料分离出所述瞬时天气扰动分量并绘制特征层等气压面上的或垂直剖面上的天气扰动分量的逐日分布图,把当前实测瞬时天气扰动分量分布图与系统存储的气象变量四分量物理分解数据库3中的相同季节历史的瞬时天气扰动分量的分布图进行相似性对比分析,如果当前的瞬时天气扰动分量在强度、地理位置和移动方向上都与历史上的天气扰动相似,则当前瞬时天气扰动分量的移动及其出现的未来极端天气事件,如低温事件将与历史上的相似。
所述扰动沿气候气流移动预报方法是:用当前日实测的气象变量资料分离出所述瞬时天气扰动分量并绘制特征层等气压面上的或垂直剖面上的瞬时天气扰动分量的分布图,根据天气学原理,瞬时天气扰动分量未来的运动方向将会受到大尺度基本气流的引导,那么可以认为当前日的瞬时天气扰动分量将沿气候风场的运动方向移动,由此就可以用当前日瞬时天气扰动分量沿气候风场的运动方向外推做出未来低温雨雪冰冻的中期预报,如图2所示。图2表明1998年11月16日至25日的一次中国东北低温事件前后几天300hPa扰动高度场低于-200gmp等值线所围区域沿着气候气流移动,由此表明预报极端天气事件需要大气扰动与气候流场的有机配合。
所述中期数值天气预报模式产品的扰动预报方法是:读取中期数值天气预报模式输出的气象变量预报场并分离出所述瞬时天气扰动分量,绘制等气压面上的或垂直剖面上的天气扰动分量的分布图,根据所述天气扰动分量的低温中心位置和强度的分布图作出所述预报区域是否出现低温雨雪冰冻天气的预报。
上述三种预报方法可单独使用,也可以组合使用,即选择所述扰动历史相似性预报方法、扰动沿气候气流移动预报方法或中期数值天气预报产品的扰动预报方法中的两种或全部分别作出低温雨雪冰冻天气的中期预报,然后对多种预报方法的预报结果以设定的权重系数进行加权平均,或对多种预报方法的预报结果相互验证。
下面给出一些使用上述预报方法预报低温雨雪冰冻天气的个例。
实施1:预报系统输出的2008年1月12日850hPa亚洲-非洲-欧洲地区温度扰动场(图13)表明:巨大的负温度扰动区(距平低于-6K)位于北非至中东地区,只有弱冷空气位于我国东部地区并逐渐向我国西南扩展(箭头标号1),但最后却引发了我国南方地区的第一场弱雨雪天气。
实施2:预报系统输出的2008年1月16日850hPa上述地区温度扰动场(图14)表明:距平低于-6K的扰动冷空气已经影响到我国南方地区,第2股扰动冷空气到达蒙古国并向我国南方逼近,带来第二场雨雪冰冻天气,后面在中东和北非还有第3和第4股扰动冷空气相继而来,形成我国南方的第3场和第4场雨雪冰冻天气。
实施3:图15是2008年1月10日至2月4日我国南方(100°E-120°E,20°N-30°N)地区上空至10hPa高度扰动和温度扰动随时间的变化过程。从14日开始850hPa以下一直维持着负的低温扰动,高层100hPa附近从12日一直维持负的低温扰动,而在700hPa至250hPa之间一直维持着正距平温度扰动,500hPa以下从17日出现负的高度扰动。这样的扰动变量在空间上的配置关系有利于连续出现多场雨雪冰冻天气。
实施4:图16是2008年1月24日我国中东部(100°E-120°E)地区南北(10°N-90°N)剖面上空至10hPa高度扰动和温度扰动。在我国南方地区(100°E-120°E,20°N-35°N),对流层上层的冰晶下落到中层高温融化,再到低层低温中冻结成冻雨下落到地面。
实施5:图17是利用2011年1月13日欧洲中期数值天气预报模式产品制作的16日850hPa层上的扰动温度。除了蒙古、新疆和北非各有一个扰动低温中心外,有一个扰动低温中心正在向我国西南地区逼近并不断加强,据此在中央气象台预报会商会上指出,“从17日开始至22日我国西南地区可出现雨雪冰冻天气。”实况是从1月16日8时至17日8时,贵州有38个县(区、市)出现了冻雨和降雪,有27个县(区、市)出现电线积冰。
实施6:图18是利用2011年1月13日欧洲中期数值天气预报模式产品制作的18日850hPa层上的扰动温度。除了北非有一大的扰动低温中心外,我国西南地区的扰动低温中心也在加强,对应当地的雨雪冰冻天气。
实施7:图19是利用2011年1月13日欧洲中期数值天气预报模式产品制作的20日850hPa层上的扰动温度。我国西南和江淮流域扰动低温继续维持,扰动低温分布与2008年初的情形非常相似,但强度相对2008年初的弱。
实施8:图20是利用2011年1月13日欧洲中期数值天气预报模式产品制作的21日850hPa层上的扰动温度。我国西南和江淮流域的扰动低温仍然维持,雨雪仍在持续。
实施9:图21是利用2011年1月13日欧洲中期数值天气预报模式产品制作的22日850hPa层上的扰动温度。我国西南的扰动低温中心减弱,东部扰动低温中心移到海上,于是我国西南地区的一场雨雪冰冻天气即将结束。我国西南地区的实况雨雪也是在22日结束。本发明的预报系统和方法成功地提前3天预报了我国西南地区雨雪冰冻天气的开始,成功地提前9天预报了这次雨雪冰冻天气的结束。利用逐日更新的欧洲中期数值天气预报模式产品资料,该方法就可以提前7至9天做出我国西南地区的雨雪冰冻天气过程的预报。
综合上述图13至图21的预报实施例,当出现了类似历史上2008年初南方雨雪冰冻天气的后续相同低温中心排列时,本发明的预报系统利用2011年1月13日的欧洲中期数值天气预报模式产品资料成功地在北京中央气象台(2011年1月14日)做出了预报:“1月17-22日可出现类似2008年初的南方持续性雨雪冰冻天气,24日至月末我国西南会再次出现冰冻过程。”本发明的预报系统和方法作出的预报曾两次参与中国国家气象中心的天气会商,成功地预报出2011年1月份发生在中国西南地区的三场雨雪冰冻天气过程。这些预报结果得到了后来天气实况的验证,也得到了中国国家气象中心的肯定和表扬。
本发明的低温雨雪冰冻天气的中期预报系统和方法所存在的问题如下:
1、区域限制问题。区域持续性低温雨雪冰冻天气对产生、生活影响极大。在我国青藏高原和新疆、东北和渤海地区也可以发生低温雨雪天气过程,利用本发明的方法可以获得这些区域特征层的扰动变量做中期极端天气的预报。但是,本发明说明书只限于我国南方(长江以南)地区。这是因为对我国南方地区的天气扰动温度的特征层可取在850hPa。高原的地面高度超过了这一特征层,高原上也缺少判定区域极端天气事件的观测资料。发生雨雪天气要有足够的水汽,这在冬季的南方低温事件时是能够满足的条件,但在北方的低温事件有时候达不到产生雨雪的水汽条件。
2、大气天气尺度扰动中心是随特征层上的气候流场移动的,由此可以预报未来短期内可能发生的低温雨雪冰冻天气。目前,各国和不同业务团体的中期数值天气预报模式产品的有用时效差异较大。相对来说,目前欧洲中期数值天气预报模式产品中环流(风场)的可预报时效在冬季可以达到10天。因此,发展中期数值天气预报模式产品的预报效果是分解天气扰动分量,延长预报时效的关键。本预报方法是把未来10天的数值预报当作未来的实况了,而它们与实况的误差就是本方法的误差。
3、以温度分解为例,本方法在获得气候变化分量的时候取用了30年的逐日平均。实际上,逐日平均气候在30年中也是随时间变化的。全球平均温度在最近30年的增暖趋势是0.5℃,而相对变化的振幅是0.25℃。相对我国的极端低温事件的平均温度变化强度5°~10℃,长期气候变化的幅度对天气扰动的影响可以忽略。
4、高空观测资料、来自美国的当日观测分析格点资料,以及中期数值天气预报模式产品资料的空间分辨率对一个点的低温雨雪冰冻预报总是偏低的。所以,本方法难以预报站点的,或少数站点的低温雨雪冰冻事件。在冬季期间,北半球总有一些地方会发生这样的极端天气事件,因此用北半球大范围扰动场分布能够更好地反映可能发生在我国区域的和其他地区的区域持续性低温雨雪冰冻天气。
本发明的预报系统利用2010年12月26日和2011年1月13日的欧洲中期数值天气预报模式产品资料分解的扰动变量场先后对欧洲和北美五大湖地区的雨雪天气也做出了成功的预报。以上所述仅为本发明的较佳实施例而已,并不局限于本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
参考文献
Li Z,and ZW Yan.Homogenized daily mean/maximum/minimum temperature series for China from 1960-2008.Atmos.Ocean.Sci.Lett.,2009,2:1-7.
Zhang ZJ,WH Qian.Identifying regional prolonged low temperature events in China.Adv.Atmos.Sci.,2011,doi:10.1007/s00376-010-0048-6.
钱维宏、陆波.千年全球气温中的周期性变化及其成因.科学通报,2010,55(32):3116-3127.
Claims (10)
1.一种基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统,包括:
气象资料的收集和对接子系统(1),用于收集气象观测站及空间格点的过去、当前和中期数值天气预报模式输出的气象资料,所述气象资料包括温度、湿度、风和降水的气象变量,并把所述气象变量进行时间对接以获得覆盖预报区域的全球或北半球的逐日连续的空间格点气象变量的数据集;
中期数值天气预报模式子系统(4),用于根据当前实测气象资料数值模式定量计算输出未来设定时刻的大气变量预报产品,该产品包括预报区域内未来设定时刻的温度、位势高度、湿度和风的时空分布;
其特征在于还包括:
大气变量的四分量物理分解子系统(2),利用N=10年以上逐日实测的大气变量资料序列,把所述大气变量分解成为表征太阳辐射季节变化引起的纬圈气候分量和表征海陆、地形热力差异引起的海陆气候分量以及行星尺度纬圈距平扰动分量和瞬时天气扰动分量,由此形成四分量物理分解的数据库(3),所述四分量物理分解数据库(3)被储存起来供系统调用;
低温雨雪冰冻天气预报信号的识别子系统(5),该识别子系统(5)调用所述四分量物理分解数据库(3),从当前实测的大气变量资料和所述中期数值天气预报模式子系统(4)输出的大气变量预报产品中分离出天气扰动分量,然后绘制出特征层等气压面上的或垂直剖面上的天气扰动分量的分布图,根据所述天气扰动分量的分布图作出所述预报区域是否出现低温雨雪冰冻天气的预报。
2.根据权利要求1所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统,其特征在于:所述大气变量的四分量物理分解子系统(2)至少利用10年或以上的大气变量的时间序列进行四分量物理分解。
3.根据权利要求1所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统,其特征在于:所述中期数值天气预报模式子系统(4)采用欧洲中期数值天气预报模式系统,或日本、美国和中国气象业务部门的中期数值天气预报模式系统产品资料,包括各气压层的格点温度、位势高度、相对湿度和风。
4.根据权利要求1所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统,其特征在于:所述气象资料的收集和对接子系统(1)包括:计算机系统通过气象数据传输系统对过去观测的、当前观测的气象数据和各国气象部门中期数值天气预报模式产品资料的收集,以及对先后时间及空间网格点资料的四维同化的对接系统。
5.一种基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法,其特征在于该方法包括如下步骤:
步骤A:分析预报区域的所有气象观测站的一段足够长的N=10年以上逐日最低气温数据集,制定低温极端事件的定量指标;
步骤B:对全球或北半球N年的连续大气变量资料序列进行四分量物理分解,即把所述大气变量分解成为:表征太阳辐射季节变化的纬圈气候分量和表征海陆、地形热力差异的海陆气候分量,以及行星尺度纬圈距平扰动分量和瞬时天气扰动分量,形成可供系统调用的四分量物理分解的数据库;
步骤C:调取当前实测的大气变量资料或/和中期数值天气预报模式输出的大气变量预报场并分离出所述天气扰动分量,绘制特征层等气压面上的或垂直剖面上的天气扰动分量的分布图,根据所述天气扰动分量的中心位置和强度的分布图及与所述步骤B中获得的气候流场自动或人工作出所述预报区域是否出现低温雨雪冰冻天气的预报。
6.根据权利要求5所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法,其特征在于:所述步骤B对气象变量资料序列进行四分量物理分解的具体方案包括如下过程:
B1、用最近N=10年以上全球或北半球对流层至平流层大气观测的站点或格点温度T、位势高度H、风V和湿度Q进行四分量物理分解,以温度T为例的分解式如下:
该分量是海陆、地形差异调节的逐日温度气候空间分布场;
B4、大气中行星尺度纬圈距平扰动分量的分离方法是:用历史观测的、当日观测的或中期数值天气预报模式作出的未来1至10天的大气变量的预报值减去气候变化分量得到,以温度扰动为例,步骤B1中的分解式等号右边第三项是第Y年第t日的温度纬圈距平扰动分量,
该分量是第t日行星尺度温度扰动指数循环所处的位相,指数循环的原因与热带海洋年际热力变化有关;
B5、大气中的瞬时天气扰动分量的分离方法是:用历史观测的、当日观测的或中期数值天气预报模式作出的未来1至10天的大气变量的预报值减去气候变化分量和纬圈距平扰动分量得到,以温度扰动为例,步骤B1中的分解式等号右边第四项是第Y年第t日的温度瞬时天气扰动分量,
该分量直接与极端天气事件有关,称为天气扰动分量,其形成原因是多尺度地形和热力强迫的结果。
7.根据权利要求5所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法,其特征在于所述步骤C的具体方法包括:历史相似性扰动预报方法、沿气候气流移动的扰动预报方法和数值模式产品应用的扰动预报方法;
C1、所述历史相似性扰动预报方法包括如下步骤:用当前日、昨日和前日连续三天实测的大气变量资料分离出所述天气扰动分量并绘制特征层等气压面上的或垂直剖面上的天气扰动分量的逐日分布图,把当前实测天气扰动分量分布图与系统存储的四分量物理分解数据库中的相同季节历史天气扰动分量分布图进行相似性对比分析,如果当前扰动分量在强度、地理位置和传播方向上都与历史上的相似,则当前天气扰动分量的移动及其未来出现低温雨雪冰冻事件将与历史上出现的情况相似;
C2、所述沿气候气流移动的扰动预报方法是:用当前日实测的气象变量资料分离出所述天气扰动分量并绘制特征层等气压面上的或垂直剖面上的天气扰动分量的分布图,根据天气学原理,天气扰动分量未来的运动方向将受大尺度基本气流的引导,认为当前日天气扰动分量将沿气候风场的运动方向移动,由此用当前日瞬时天气扰动分量沿气候风场的运动方向外推做出未来低温雨雪冰冻事件的预报;
C3、所述数值模式产品应用的扰动预报方法是:读取中期数值天气预报模式输出的大气变量预报场并分离出所述瞬时天气扰动分量,绘制特征层等气压面上的或垂直剖面上的瞬时天气扰动分量的分布图,根据所述瞬时天气扰动分量的低温中心位置和强度的分布图作出所述预报区域是否出现低温雨雪冰冻天气的预报。
8.根据权利要求7所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法,其技术内容包括:单独使用所述历史相似性扰动预报方法,或单独使用沿气候气流移动的扰动预报方法,或单独使用数值模式产品应用的扰动预报方法,分别作出低温雨雪冰冻天气的中期预报。
9.根据权利要求7所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法,其技术内容还包括:组合使用所述历史相似性扰动预报方法、沿气候气流移动的扰动预报方法和数值模式产品应用的扰动预报方法中的两种预报方法或三种预报方法作出低温雨雪冰冻天气的中期预报。
10.根据权利要求9所述的基于大气变量物理分解的低温雨雪冰冻天气的中期预报方法,其特征在于:所述组合使用两种预报方法或三种预报方法作出低温雨雪冰冻天气的中期预报包括:对多种预报方法的预报结果以设定的权重系数进行加权平均,或对两种以上预报方法分别作出预报,然后对各预报结果互相验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100614387A CN102221714B (zh) | 2011-03-11 | 2011-03-11 | 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100614387A CN102221714B (zh) | 2011-03-11 | 2011-03-11 | 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102221714A CN102221714A (zh) | 2011-10-19 |
CN102221714B true CN102221714B (zh) | 2013-10-23 |
Family
ID=44778312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100614387A Expired - Fee Related CN102221714B (zh) | 2011-03-11 | 2011-03-11 | 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102221714B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327005A (zh) * | 2016-08-08 | 2017-01-11 | 国家电网公司 | 一种基于探空数据的大气三维温度场修正方法 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383471B (zh) * | 2012-05-02 | 2015-04-29 | 钱维宏 | 瞬变扰动天气图和低频扰动天气图制作方法及其在天气预报中的应用 |
US20140372038A1 (en) * | 2013-04-04 | 2014-12-18 | Sky Motion Research, Ulc | Method for generating and displaying a nowcast in selectable time increments |
CN106405682B (zh) * | 2016-08-29 | 2019-04-26 | 深圳先进技术研究院 | 一种降雨预测方法及装置 |
CN107045140A (zh) * | 2017-02-22 | 2017-08-15 | 中国科学院寒区旱区环境与工程研究所 | 地震中期预测的地气图方法 |
CN108572402B (zh) * | 2017-03-14 | 2021-06-08 | 国家气象中心 | 对流天气的预测方法 |
CN110019167A (zh) * | 2017-12-26 | 2019-07-16 | 中国电力科学研究院有限公司 | 一种中长期新能源资源资料库构建方法及系统 |
CN110045439A (zh) * | 2018-01-15 | 2019-07-23 | 钱维宏 | 基于大气变量瞬变扰动方程组的数值天气预报模式系统 |
CN108416082B (zh) * | 2018-01-19 | 2021-09-10 | 中国人民解放军92859部队 | 一种海域流动点外部扰动引力水平分量的无奇异计算方法 |
CN108491959B (zh) * | 2018-02-11 | 2021-11-19 | 周名扬 | 一种智能相似天气预报方法及系统、信息数据处理终端 |
CN109006076A (zh) * | 2018-06-05 | 2018-12-18 | 北京佳格天地科技有限公司 | 霜冻预警方法、装置、可读存储介质及人机交互装置 |
CN109583095B (zh) * | 2018-11-30 | 2023-04-28 | 南京信息工程大学 | 基于混合统计动力模型的西北太平洋台风延伸期预报方法 |
CN110058328B (zh) * | 2019-01-30 | 2021-02-26 | 沈阳区域气候中心 | 东北夏季降水多模式组合降尺度预测方法 |
CN109948840B (zh) * | 2019-03-08 | 2020-02-21 | 宁波市气象台 | 一种空气质量预报方法 |
CN110222872B (zh) * | 2019-05-12 | 2023-04-18 | 天津大学 | 基于经验正交函数分解的海洋多要素中长期统计预测方法 |
CN110399634B (zh) * | 2019-06-10 | 2021-08-27 | 中国电力科学研究院有限公司 | 一种基于天气系统影响的预报区域确定方法及系统 |
CN111639437B (zh) * | 2020-06-08 | 2021-03-23 | 中国水利水电科学研究院 | 一种基于地面气压分布形势动态改变wrf模式参数化方案组合的方法 |
CN111860645B (zh) * | 2020-07-20 | 2021-04-13 | 中科三清科技有限公司 | 挥发性有机物观测数据中缺省值的修复方法及装置 |
CN112800155B (zh) * | 2020-08-21 | 2023-04-18 | 特变电工新疆新能源股份有限公司 | 一种针对冰冻天气的风电场宏观选址方法 |
CN112114384B (zh) * | 2020-08-27 | 2022-05-13 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种输电线覆冰发生概率预报方法 |
CN112069449B (zh) * | 2020-09-04 | 2021-07-16 | 中科三清科技有限公司 | 基于初值集合的天气预报方法及装置 |
CN112836332B (zh) * | 2020-11-10 | 2023-08-15 | 中国气象科学研究院 | 大气水物质平流输入输出计算方法 |
CN113204865B (zh) * | 2021-04-15 | 2022-10-11 | 武汉大学 | 基于本征正交分解的城市设计暴雨雨型推求方法及系统 |
CN113268627B (zh) * | 2021-06-08 | 2022-03-25 | 河北省科学院应用数学研究所 | 一种暴雨相似天气自动检索方法 |
CN113516577A (zh) * | 2021-07-13 | 2021-10-19 | 广东海洋大学 | 一种区域持续性极端高温事件识别的新方法 |
CN113761721B (zh) * | 2021-08-17 | 2024-04-19 | 中国科学院新疆生态与地理研究所 | 一种基于栅格数据快速识别极端高/低温事件的方法 |
CN114966898B (zh) * | 2022-05-09 | 2024-06-04 | 广东省韶关市气象局 | 一种高速路段雨雪冰冻天气预警方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2752790Y (zh) * | 2004-12-07 | 2006-01-18 | 北京华创升达高科技发展中心 | 气象自动观测装置 |
CN1877367A (zh) * | 2005-03-30 | 2006-12-13 | 万志臣 | 天气气候征兆预报法 |
CN101806925A (zh) * | 2010-03-05 | 2010-08-18 | 北京佳讯飞鸿电气股份有限公司 | 铁路接触网霜冻预测 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5918475A (ja) * | 1982-07-23 | 1984-01-30 | Fujiya:Kk | 凍霜害予知装置 |
JPH04220591A (ja) * | 1990-12-19 | 1992-08-11 | Fujita Corp | 気象状況報知装置 |
-
2011
- 2011-03-11 CN CN2011100614387A patent/CN102221714B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2752790Y (zh) * | 2004-12-07 | 2006-01-18 | 北京华创升达高科技发展中心 | 气象自动观测装置 |
CN1877367A (zh) * | 2005-03-30 | 2006-12-13 | 万志臣 | 天气气候征兆预报法 |
CN101806925A (zh) * | 2010-03-05 | 2010-08-18 | 北京佳讯飞鸿电气股份有限公司 | 铁路接触网霜冻预测 |
Non-Patent Citations (4)
Title |
---|
JP昭59-18475A 1984.01.30 |
JP特开平4-220591A 1992.08.11 |
钱维宏.ENSO预报模式及其改进的进展.《海洋预报》.1996,第13卷(第3期),第1-12页. * |
钱维宏等.多时空尺度海气相互作用与ZEBIAK-CANE模式的改进.《中国科学(D)辑》.1997,第27卷(第6期),第554-559页. * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327005A (zh) * | 2016-08-08 | 2017-01-11 | 国家电网公司 | 一种基于探空数据的大气三维温度场修正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102221714A (zh) | 2011-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102221714B (zh) | 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 | |
Xu et al. | Projected changes in climate extremes over China in the 21st century from a high resolution regional climate model (RegCM3) | |
Yuan et al. | Influences of tropical Indian and Pacific Oceans on the interannual variations of precipitation in the early and late rainy seasons in South China | |
CN102073791A (zh) | 用于光伏电站设计的地区太阳能资源丰富程度评估系统 | |
CN109615120B (zh) | 一种分布式光伏发电出力预测方法 | |
Zheng et al. | Warm-season diurnal variations of total, stratiform, convective, and extreme hourly precipitation over central and eastern China | |
Wu et al. | Synoptic analysis of extreme hourly precipitation in Taiwan during 2003–12 | |
Alexander et al. | Extratropical atmosphere–ocean variability in CCSM3 | |
Qian et al. | Applying anomaly-based weather analysis to the prediction of low visibility associated with the coastal fog at Ningbo-Zhoushan Port in East China | |
Yasunaga et al. | An increasing trend in the early winter precipitation during recent decades along the coastal areas of the Sea of Japan | |
Tropea et al. | Assessing past and future hazardous freezing rain and wet snow events in Manitoba, Canada using a pseudo-global warming approach | |
CN114282392A (zh) | 一种观测高寒湖泊地气相互作用过程的布点方法 | |
Rao | Arabian Sea monsoon experiment: An overview | |
Phumkokrux | Trend analysis and prediction of temperature change in the continental, Thailand | |
Ji-Yun et al. | Changes in extreme events as simulated by a high-resolution regional climate model for the next 20–30 years over China | |
CN103455730A (zh) | 分布式光伏发电能力评估系统及生成太阳辐射数据的方法 | |
NAKAMURA et al. | Seasonal variations of the urban heat island in Kumagaya, Japan | |
Yu et al. | An operational application of NWP models in a wind power forecasting demonstration experiment | |
Druyan et al. | Regional climate model simulation of the AMMA Special Observing Period# 3 and the pre-Helene easterly wave | |
CN104375420A (zh) | 一种气候环境实验室模拟春夏秋冬四季的方法和装置 | |
Liu et al. | Changes in Tropical Cyclone–Induced Extreme Hourly Precipitation over China during 1975–2018 | |
Ma et al. | An analysis on perturbation features of convection-allowing ensemble prediction based on the local breeding growth mode | |
CN114626578B (zh) | 一种利用人工智能预报冻雨的方法 | |
CN111950813B (zh) | 一种气象干旱监测与预测方法 | |
Wang et al. | A Rapidly Updated Numerical Model for Power Grid Rainstorm Forecast |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131023 Termination date: 20200311 |
|
CF01 | Termination of patent right due to non-payment of annual fee |