CN106339568B - 一种基于混合背景场的数值天气预报方法 - Google Patents
一种基于混合背景场的数值天气预报方法 Download PDFInfo
- Publication number
- CN106339568B CN106339568B CN201510397569.0A CN201510397569A CN106339568B CN 106339568 B CN106339568 B CN 106339568B CN 201510397569 A CN201510397569 A CN 201510397569A CN 106339568 B CN106339568 B CN 106339568B
- Authority
- CN
- China
- Prior art keywords
- data
- weather forecast
- numerical weather
- wrf mode
- parameter
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000001419 dependent effect Effects 0.000 claims abstract description 5
- 230000004907 flux Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 239000012530 fluid Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 239000013078 crystal Substances 0.000 claims description 4
- 239000000428 dust Substances 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 101001089248 Homo sapiens Receptor-interacting serine/threonine-protein kinase 4 Proteins 0.000 description 2
- 102100033734 Receptor-interacting serine/threonine-protein kinase 4 Human genes 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- YNPNZTXNASCQKK-UHFFFAOYSA-N phenanthrene Chemical compound C1=CC=C2C3=CC=CC=C3C=CC2=C1 YNPNZTXNASCQKK-UHFFFAOYSA-N 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010668 complexation reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于混合背景场的数值天气预报方法，该方法根据已有天气相关数据及预测资料中的数据生成数值天气预报的混合资料背景场；设置建立WRF模式所需的初始参数，完成WRF模式的初步建立；得到WRF模式在特性水平网格上的有效气象数据；在WRF模式中，根据有效气象数据计算得到数值天气预报的结论参数；提取并处理结论参数，得到数值天气预报的结论数据图表。本发明提出的利用再分析资料和预测背景场组成的混合资料，作为驱动中尺度数值天气预报的背景场资料进行数值天气预报，由于再分析资料本身同化了大量的观测资料，精度高，可明显提高数值天气预报的精度，同时节约了大量的计算资源。
Description
技术领域
本发明涉及气象领域，具体涉及一种基于混合背景场的数值天气预报方法。
背景技术
数值天气预报(numerical weather prediction)是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。自从1950年，查尼、R.菲约托夫特和J.von诺伊曼用准地转正压模式，首次成功地对北美地区500百帕高度的气压场作了24小时的预报之后，数值天气预报逐渐成为天气预报的重要手段。
数值天气预报是基于现在的大气状态对未来天气状态的预测，所以输入模式的现在大气状态，即初值的准确程度，严重的影响了预测结果的精度。目前，在数值天气业务运行的过程中常用数据同化的方法提高初始场的精度，从而提高数值天气预报结果的精度。但是数据同化的过程非常复杂，不但需要大量高质量的观测数据，设置大量的复杂参数，而且还要耗费大量的计算机资源和I/O资源。在观测数据较少时，数据同化对数值天气预报结果的改善并不明显。
因此，如何设计一种精度高且节约资源的能够进行中尺度数值天气预报的方法，是本领域亟待解决的问题。
发明内容
有鉴于此，本发明提供的一种基于混合背景场的数值天气预报方法，该方法同化了大量的观测资料，精度高，可明显提高数值天气预报的精度，同时节约了大量的计算资源。
本发明的目的是通过以下技术方案实现的：
一种基于混合背景场的数值天气预报方法，所述方法包括如下步骤：
步骤1.根据已有天气相关数据及预测资料中的数据生成数值天气预报的混合资料背景场；
步骤2.根据所述数值天气预报的区域和时间，设置建立WRF模式所需的初始参数，完成所述WRF模式的初步建立；
步骤3.预处理所述WRF模式中的初始参数，得到所述WRF模式在特性水平网格上的有效气象数据；
步骤4.在所述WRF模式中，根据所述有效气象数据计算得到所述数值天气预报的结论参数；
步骤5.提取所述结论参数，并根据所述结论参数绘制得到所述数值天气预报的结论数据图表。
优选的，所述步骤1包括：
1-1.收集已有天气相关资料及预测资料；
所述已有天气相关资料包括地形数据资料和海温数据资料；
所述预测资料包括NCEP FNL再分析资料和预测背景场资料，所述预测背景场资料为GFS预测背景场资料或GEM预测背景场资料；
1-2.将当前时刻的预报的所述NCEP FNL再分析资料的原数据格式转化为与所述预测背景场资料相同的数据格式；
1-3.用格式转化后的所述NCEP FNL再分析资料的数据替换所述预测背景场资料中对应的数据，得到所述数值天气预报的混合资料背景场。
优选的，所述步骤1-3中的所述格式转化后的所述NCEP FNL再分析资料的数据包括其所述原数据的变量名称、变量格式和变量描述。
优选的，所述步骤3中预处理所述WRF模式中的数据的工具为所述WRF模式中独立的WPS模块。
优选的，所述步骤3包括：
3-1.在所述WRF模式设定的网格上对所述地形数据进行插值；
3-2.解码所述混合资料背景场中的数据和海温数据，转化为所述WRF模式插值所需的数据；
3-3.根据地形将所述混合资料背景场中的数据和海温数据进行水平插值，得到所述WRF模式在特性水平网格上的有效气象数据。
优选的，所述步骤4包括：
4-1.在所述WRF模式中,对所述有效气象数据进行垂直方向的插值，并形成所述WRF模式运行时所需的初值条件和边值条件；
4-2.根据所述初值条件和边值条件，所述WRF模式用通量形式的欧拉方程计算得到所述数值天气预报的结论参数。
优选的，所述步骤4-2，包括：
根据所述初值条件和边值条件，所述WRF模式用通量形式的欧拉方程计算得到所述数值天气预报的结论参数FU、FV、FW、FΘ及FQm：
其中，t为时间，x、y、z分别为三个方向上的坐标，g为重力加速度，V1为速度的通量形式，U、V、W分别为x、y、z三个坐标方向上的分量，u、v、w分别为x、y、z三个方向坐标的分速度，μd为垂直圆柱内的干空气的质量，α为湿空气密度的倒数，αd为干空气密度的倒数；p为压强，φ为位势，θ为位温，Θ为位温的通量形式，qm为各个水成物粒子的混合比，Qm＝μdqm，FU、FV、FW及FΘ分别为由于模式物理过程、扰动混合、球面投影及地球旋转引起的强迫项；FQm为各个水成物粒子的混合比qm与垂直圆柱内的干空气的质量μd的乘积Qm引起的强迫项；为求函数偏导数，即为对标在后的参数求取的t的偏导数，为对标在后的参数求取的x的偏导数，为对标在后的参数求取的η的偏导数；η为跟地形有关的流体压强垂直坐标；为对标在后的参数求取的y的偏导数；▽为求变量的散度。
优选的，所述步骤4，之后包括：诊断所述密度和气压的值，若不同，则以诊断后的所述密度和气压的值替换原所述密度和气压的值；
所述密度和气压的诊断方程分别为：
p＝-p0(Rdθm/p0αd)γ；
其中，αd为干空气密度的倒数，即为干空气气体常数Rd的倒数，即αd＝(1/Rd)；Rd为干空气气体常数；p为压强，p0为标准大气压，α为湿空气密度的倒数，即α＝αd(1+qv+qc+qr+qi+…...)-1,qv、qc、qr、qi…分别为大气中水汽、云滴、雨滴和冰晶等的混合比；θm为湿位温，γ为常压下干空气热容和体积之比，η为跟地形有关的流体压强垂直坐标。
优选的，所述步骤5之后，包括：
对所述数值天气预报的结论数据图表进行变分同化。
从上述的技术方案可以看出，本发明提供了一种基于混合背景场的数值天气预报方法，该方法根据已有天气相关数据及预测资料中的数据生成数值天气预报的混合资料背景场；设置建立WRF模式所需的初始参数，完成WRF模式的初步建立；得到WRF模式在特性水平网格上的有效气象数据；在WRF模式中，根据有效气象数据计算得到数值天气预报的结论参数；提取并处理结论参数，得到数值天气预报的结论数据图表。本发明提出的利用再分析资料和预测背景场组成的混合资料，作为驱动中尺度数值天气预报的背景场资料进行数值天气预报，由于再分析资料本身同化了大量的观测资料，精度高，可明显提高数值天气预报的精度，同时节约了大量的计算资源。
与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：
1、本发明所提供的技术方案中，在数值天气预报的过程中，运用了FNL再分析资料和GFS预测场资料组成的混合背景场资料，提高了初始场的精度，从而提高了数值天气预报精度。
2、本发明所提供的技术方案，采用混合背景场资料进行数值天气预报时，数值天气预报模式可不必设置同化相关的参数，并节约了大量计算资源。
3、本发明所提供的技术方案，在计算条件允许，且有观测资料的情况下，可在本方法的基础上进一步通过同化手段提高预报精度。
4、本发明提供的技术方案，应用广泛，具有显著的社会效益和经济效益。
附图说明
图1是本发明的一种基于混合背景场的数值天气预报方法的流程示意图；
图2是本发明的预报方法的步骤1的流程示意图；
图3是本发明的预报方法的步骤3的流程示意图；
图4是本发明的预报方法的步骤4的流程示意图；
图5是本发明的预报方法的应用例的基于混合背景场的WRF数值天气预报流程图；
图6是本发明的预报方法的应用例的YYYY年MM月DD日CC时刻混合背景场生成流程图；
图7是本发明的预报方法的应用例的数据格式转化流程图；
图8是本发明的预报方法的应用例的WPS流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供一种基于混合背景场的数值天气预报方法，包括如下步骤：
步骤1.根据已有天气相关数据及预测资料中的数据生成数值天气预报的混合资料背景场；
步骤2.根据数值天气预报的区域和时间，设置建立WRF(Weather Research andForecasting数值天气预报)模式所需的初始参数，完成WRF模式的初步建立；
步骤3.预处理WRF模式中的初始参数，得到WRF模式在特性水平网格上的有效气象数据；
步骤4.在WRF模式中，根据有效气象数据计算得到数值天气预报的结论参数；
步骤5.提取并处理结论参数，得到数值天气预报的结论数据图表。
如图2所示，步骤1，包括：
1-1.收集已有天气相关资料及预测资料；
已有天气相关资料包括地形数据资料和海温数据资料；
预测资料包括NCEP(National Centers for Environmental Prediction美国国家环境预报中心)FNL(Final)再分析资料和预测背景场资料，预测背景场资料为GFS(Global Forecast System全球预测场资料)预测背景场资料或GEM(the GlobalEnvironment Multi-scale mode全球环境多尺度模式)预测背景场资料中的一种；
1-2.将当前时刻的预报的NCEP FNL再分析资料的原数据格式转化为与预测背景场资料相同的数据格式；
1-3.用格式转化后的NCEP FNL再分析资料的数据替换预测背景场资料中对应的数据，得到数值天气预报的混合资料背景场。
其中，步骤1-3中的格式转化后的NCEP FNL再分析资料的数据包括其原数据的变量名称、变量格式和变量描述。
其中，步骤3中预处理WRF模式中的数据的工具为WRF模式中独立的WPS(WRFPreprocessing System数据预处理)模块。
如图3所示，步骤3，包括：
3-1.在WPS模块中的geogrid.exe程序中，在WRF模式设定的网格上对地形数据进行插值；
3-2.在WPS模块中的ungrib.exe中，解码混合资料背景场中的数据和海温数据，转化为WRF模式插值所需的数据；
3-3.在WPS模块中metgrid.exe程序中，根据地形将混合资料背景场中的数据和海温数据进行水平插值，得到WRF模式在特性水平网格上的有效气象数据；
其中,“geogrid.exe”是WPS模块中对地形和地貌数据预处理的程序；
“ungrib.exe”是WPS模块中对背景场资料解码的程序；
“metgrid.exe”是WPS模块中对气象资料进行水平插值的程序；
如图4所示，步骤4，包括：
4-1.在WRF模式的real.exe程序中,对有效气象数据进行垂直方向的插值，并形成WRF模式运行时所需的初值条件和边值条件；“real.exe”是WRF模式对气象资料进行垂直插值的程序；
4-2.根据初值条件和边值条件，WRF模式用通量形式的欧拉方程计算得到数值天气预报的结论参数。
其中，步骤4-2，包括：
根据初值条件和边值条件，WRF模式用通量形式的欧拉方程对风速、温度、气压和湿度等预测计算：
其中，t为时间，x、y、z分别为三个方向上的坐标，g为重力加速度，V1为速度的通量形式，U、V、W分别为x、y、z三个坐标方向上的分量，u、v、w分别为x、y、z三个方向坐标的分速度，μd为垂直圆柱内的干空气的质量，α为湿空气密度的倒数，αd为干空气密度的倒数；p为压强，φ为位势，θ为位温，Θ为位温的通量形式，qm为各个水成物粒子的混合比，Qm＝μdqm，FU、FV、FW及FΘ分别为由于模式物理过程、扰动混合、球面投影及地球旋转引起的强迫项；FQm为各个水成物粒子的混合比qm与垂直圆柱内的干空气的质量μd的乘积Qm引起的强迫项；为求函数偏导数，即为对标在后的参数求取的t的偏导数，为对标在后的参数求取的x的偏导数，为对标在后的参数求取的η的偏导数；η为跟地形有关的流体压强垂直坐标；为对标在后的参数求取的y的偏导数；▽为求变量的散度；
密度和气压的诊断方程分别为：
p＝-p0(Rdθm/p0αd)γ；
在方程组中，αd为干空气密度的倒数，即为干空气气体常数Rd的倒数，Rd为干空气气体常数，即αd＝(1/Rd)；p为压强，p0为标准大气压，α为湿空气密度的倒数，即α＝αd(1+qv+qc+qr+qi+…...)-1,qv、qc、qr、qi…分别为大气中水汽、云滴、雨滴和冰晶等的混合比；θm为湿位温，γ为常压下干空气热容和体积之比，η为跟地形有关的流体压强垂直坐标。
其中，步骤5中提取并处理结论参数的处理软件为NCl处理软件(NCAR CommandLanguage,是美国国家大气研究中心开发的数据处理和绘图软件)、RIP4处理软件(Read/Interpolate/Plot，是调用美国国家大气研究中心图形可视化软件的Fortran程序包)、VAPOR处理软件(the Visualization and Analysis Platform for Ocean,Atmosphere,and Solar Researchers，是美国大气研究中心等多家单位共同开发的3维处理气象和海洋数据的可视化软件)或Grads处理软件(Grid Analysisand Display System，网格化数据分析和可视化系统。
步骤5之后，包括：
对数值天气预报的结论数据图表进行变分同化。
其中，气象资料同化方法是一种综合利用气象观测资料、背景场及误差统计等先验知识求解预报初始场的有效方法。气象资料分析同化从最初的观测资料插值方法、逐步订正法、观测值加权的最优插值、改进的最优插值法，发展到目前最有发展潜力的变分同化方法，已经成为当前提高数值天气预报效果的核心技术之一。但是变分同化计算包含最优化算法、预报模式、切线性模式和伴随模式、背景场处理、各种资料观测算子及其切线性、伴随算子计算、物理变化、平衡变换等，计算过程十分复杂，计算量和I/O量巨大。另外变分同化的需要大量的气象观测资料，用于提高初始场的准确性。因此，在数值天气预报的业务运行中计算机资源和观测数据是制约变分同化发挥良好作用的主要因素。
在业务运行中常选用美国国家环境预报中心(National Centers forEnvironmental Prediction，NCEP)免费发布的GFS(Global Forecast System)全球预测场资料作为中尺度模式的背景场，提供初值条件和边值条件。NCEP在晚于GFS数据发布时间的1-2小时内，发布该时刻的FNL(Final)再分析资料。FNL再分析资料与GFS数据都是用GlobalForecast System生成，具有相同的数据格式，但是同化了更多的观测资料，更准确，因此可以为中尺度模式预报提供较为准确的初值条件。因此，利用这两种资料共同作为中尺度模式的背景场，可提供比较精确的初值和边值条件，那么则可在保证预报结果精度的情况下，减少计算量和I/O量，降低对计算条件的要求，也可提高观测数据较少地方的预测精度。
如图5至8所示，本发明的应用例提供一种实时业务运行的基于混合背景场的数值天气预报方法；该方法以再分析资料和预测背景场共同组成的混合背景场资料，驱动数值天气预报模式WRF(Weather Research and Forecasting)进行数值天气预报，主要的步骤如图5所示；
(1)下载数据并生成混合背景场
下载地形资料、海温资料、FNL再分析资料和预测背景场资料，并生成混合背景场资料。
YYYY年MM月DD日CC时进行72小时预报时，利用当前时刻再分析资料fnl_YYYY-MM-DD_CC-00，通过格式转化工具进行格式转化，然后代替预测背景场资料中初始时刻的数据gfs.tCCz.pgrbf00.grib2,生成混合背景场,如图6所示；
其中，72小时预报可以根据预报需要修改为12小时以上的任何时长；fnl_YYYY-MM-DD_CC-00的格式也可以更具数据转化格式的不同设置为不同的格式。
fnl_YYYY-MM-DD_CC-00向gfs.tCCz.pgrbf00.grib2数据格式转化，主要是使数据保持相同的格式,流程如图7所示；主要包含数据中变量名称、变量格式和变量描述等改变。
(2)模式参数设置
跟据数值天气预报的区域和时间，设置WRF模式的水平网格嵌套、垂直分层、预测时间和物理参数化方案等参数。
(3)数据预处理
WRF模式有单独的数据预处理模块WPS(WRF Preprocessing System)，主要完成所需数据的格式转化和插值等，主要流程如图8所示；
首先，通过geogrid.exe把地形数据插值到模式设定的网格上；其次，通过ungrib.exe把混合背景场和海温数据进行解码，转化为模式插值所需的数据；最后，用metgrid.exe把混合背景场数据和海温数据跟据地形进行水平插值。最终得到特性水平网格上，WRF模式可以使用的气象数据。
(4)WRF模式计算
WRF模式中首先利用real.exe,对步骤(3)中生成的数据进行垂直方向的插值，并形成WRF模式运行时所需的初值条件和边值条件，然后进行WRF模式的模拟预测。
WRF模式用通量形式的欧拉方程对风速、温度、气压和湿度等预测计算：
其中，t为时间，x、y、z分别为三个方向上的坐标，g为重力加速度，V1为速度的通量形式，U、V、W分别为x、y、z三个坐标方向上的分量，u、v、w分别为x、y、z三个方向坐标的分速度，μd为垂直圆柱内的干空气的质量，α为湿空气密度的倒数，αd为干空气密度的倒数；p为压强，φ为位势，θ为位温，Θ为位温的通量形式，qm为各个水成物粒子的混合比，Qm＝μdqm，FU、FV、FW及FΘ分别为由于模式物理过程、扰动混合、球面投影及地球旋转引起的强迫项；FQm为各个水成物粒子的混合比qm与垂直圆柱内的干空气的质量μd的乘积Qm引起的强迫项；为求函数偏导数，即为对标在后的参数求取的t的偏导数，为对标在后的参数求取的x的偏导数，为对标在后的参数求取的η的偏导数；η为跟地形有关的流体压强垂直坐标；为对标在后的参数求取的y的偏导数；▽为求变量的散度；
密度和气压的诊断方程分别为：
p＝-p0(Rdθm/p0αd)γ；
其中，αd为干空气密度的倒数，即为干空气气体常数Rd的倒数，Rd为干空气气体常数，即αd＝(1/Rd)；p为压强，p0为标准大气压，α为湿空气密度的倒数，即α＝αd(1+qv+qc+qr+qi+…...)-1,qv、qc、qr、qi…分别为大气中水汽、云滴、雨滴和冰晶等的混合比；θm为湿位温，γ为常压下干空气热容和体积之比，η为跟地形有关的流体压强垂直坐标。
(5)模式后处理
模式后处理是针对模式输出的数据，通过数据处理软件提取所需的数据和绘制所需的图表。常用的后处理软件NCl、RIP4、VAPOR和Grids等。
在计算机条件允许，并且有大量观测数据时，仍可以在本方法的基础上进行变分同化，进一步提高数值预报的精度。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，而这些未脱离本发明精神和范围的任何修改或者等同替换，其均在申请待批的本发明的权利要求保护范围之内。
Claims (7)
1.一种基于混合背景场的数值天气预报方法，其特征在于，所述方法包括如下步骤：
步骤1.根据已有天气相关数据及预测资料中的数据生成数值天气预报的混合资料背景场；
步骤2.根据所述数值天气预报的区域和时间，设置建立WRF模式所需的初始参数，完成所述WRF模式的初步建立；
步骤3.预处理所述WRF模式中的初始参数，得到所述WRF模式在特性水平网格上的有效气象数据；
步骤4.在所述WRF模式中，根据所述有效气象数据计算得到所述数值天气预报的结论参数；
步骤5.提取所述结论参数，并根据所述结论参数绘制得到所述数值天气预报的结论数据图表；所述步骤1包括：
1-1.收集已有天气相关资料及预测资料；
所述已有天气相关资料包括地形数据资料和海温数据资料；
所述预测资料包括NCEP FNL再分析资料和预测背景场资料，所述预测背景场资料为GFS预测背景场资料或GEM预测背景场资料；
1-2.将当前时刻的预报的所述NCEP FNL再分析资料的原数据格式转化为与所述预测背景场资料相同的数据格式；
1-3.用格式转化后的所述NCEP FNL再分析资料的数据替换所述预测背景场资料中对应的数据，得到所述数值天气预报的混合资料背景场；
所述步骤1-3中的所述格式转化后的所述NCEP FNL再分析资料的数据包括其所述原数据的变量名称、变量格式和变量描述。
2.如权利要求1所述的方法，其特征在于，所述步骤3中预处理所述WRF模式中的数据的工具为所述WRF模式中独立的WPS模块。
3.如权利要求1或2所述的方法，其特征在于，所述步骤3包括：
3-1.在所述WRF模式设定的网格上对所述地形数据进行插值；
3-2.解码所述混合资料背景场中的数据和海温数据，转化为所述WRF模式插值所需的数据；
3-3.根据地形将所述混合资料背景场中的数据和海温数据进行水平插值，得到所述WRF模式在特性水平网格上的有效气象数据。
4.如权利要求3所述的方法，其特征在于，所述步骤4包括：
4-1.对所述有效气象数据进行垂直方向的插值，并形成所述WRF模式运行时所需的初值条件和边值条件；
4-2.根据所述初值条件和边值条件，所述WRF模式用通量形式的欧拉方程计算得到所述数值天气预报的结论参数。
5.如权利要求4所述的方法，其特征在于，所述步骤4-2，包括：
根据所述初值条件和边值条件，所述WRF模式用通量形式的欧拉方程计算得到所述数值天气预报的结论参数FU、FV、FW、FΘ及FQm：
其中，t为时间，x、y、z分别为三个方向上的坐标，g为重力加速度，V1为速度的通量形式，U、V、W分别为x、y、z三个坐标方向上的分量，u、v、w分别为x、y、z三个方向坐标的分速度，μd为垂直圆柱内的干空气的质量，α为湿空气密度的倒数，αd为干空气密度的倒数；p为压强，φ为位势，θ为位温，Θ为位温的通量形式，qm为各个水成物粒子的混合比，Qm＝μdqm，FU、FV、FW及FΘ分别为由于模式物理过程、扰动混合、球面投影及地球旋转引起的强迫项；FQm为各个水成物粒子的混合比qm与垂直圆柱内的干空气的质量μd的乘积Qm引起的强迫项；为求函数偏导数，即为对标在后的参数求取的t的偏导数，为对标在后的参数求取的x的偏导数，为对标在后的参数求取的η的偏导数；η为跟地形有关的流体压强垂直坐标；为对标在后的参数求取的y的偏导数；▽为求变量的散度。
6.如权利要求5所述的方法，其特征在于，所述步骤4，之后包括：诊断所述密度和气压的值，若不同，则以诊断后的所述密度和气压的值替换原所述密度和气压的值；
所述密度和气压的诊断方程分别为：
p＝-p0(Rdθm/p0αd)γ；
其中，αd为干空气密度的倒数，即为干空气气体常数Rd的倒数，即αd＝(1/Rd)；Rd为干空气气体常数；p为压强，p0为标准大气压，α为湿空气密度的倒数，即α＝αd(1+qv+qc+qr+qi+……)-1,qv、qc、qr、qi…分别为大气中水汽、云滴、雨滴和冰晶等的混合比；θm为湿位温，γ为常压下干空气热容和体积之比，η为跟地形有关的流体压强垂直坐标。
7.如权利要求1所述的方法，其特征在于，所述步骤5之后，包括：
对所述数值天气预报的结论数据图表进行变分同化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510397569.0A CN106339568B (zh) | 2015-07-08 | 2015-07-08 | 一种基于混合背景场的数值天气预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510397569.0A CN106339568B (zh) | 2015-07-08 | 2015-07-08 | 一种基于混合背景场的数值天气预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106339568A CN106339568A (zh) | 2017-01-18 |
| CN106339568B true CN106339568B (zh) | 2019-04-05 |
Family
ID=57827071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510397569.0A Active CN106339568B (zh) | 2015-07-08 | 2015-07-08 | 一种基于混合背景场的数值天气预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106339568B (zh) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182492B (zh) * | 2017-12-29 | 2020-09-25 | 中科赛诺（北京）科技有限公司 | 一种资料同化方法及装置 |
| CN108549116A (zh) * | 2018-03-27 | 2018-09-18 | 南京恩瑞特实业有限公司 | NRIET blending融合预报方法 |
| CN110968926B (zh) * | 2018-09-29 | 2023-05-02 | 中国科学院国家空间科学中心 | 一种基于改进背景误差协方差矩阵预测大气参数的方法 |
| CN109300174A (zh) * | 2018-11-27 | 2019-02-01 | 杨波 | 一种强对流天气预报分析系统 |
| US11105958B2 (en) | 2018-12-28 | 2021-08-31 | Utopus Insights, Inc. | Systems and methods for distributed-solar power forecasting using parameter regularization |
| CN109977544A (zh) * | 2019-03-26 | 2019-07-05 | 华南理工大学 | 一种气载放射性核素131i在中尺度范围内弥散的模拟方法 |
| CN110059298B (zh) * | 2019-04-30 | 2023-02-14 | 南京信息工程大学 | 一种水凝物变量高斯转换方法 |
| CN110110448B (zh) * | 2019-05-10 | 2020-03-17 | 珠海深圳清华大学研究院创新中心 | 一种基于wrf的天气模拟方法、系统和可读存储介质 |
| CN110263998B (zh) * | 2019-06-19 | 2024-02-13 | 大唐（赤峰）新能源有限公司 | 多源数值天气预报集合双层修正方法 |
| CN112149859B (zh) * | 2019-06-28 | 2023-10-31 | 北京金风慧能技术有限公司 | 风速预测方法和风速预测装置 |
| CN110389947A (zh) * | 2019-07-22 | 2019-10-29 | 中国气象局气象探测中心 | 一种黑名单生成方法、装置、设备及介质 |
| CN110852523A (zh) * | 2019-11-19 | 2020-02-28 | 上海眼控科技股份有限公司 | 基于数值模式的天气预报方法、装置、设备和存储介质 |
| 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 |
| CN113112556B (zh) * | 2021-03-16 | 2023-04-25 | 中国科学院海洋研究所 | 一种极地能量输送通量散度的计算方法 |
| CN113156543A (zh) * | 2021-04-09 | 2021-07-23 | 湖南国天电子科技有限公司 | 一种遥测自动气象站系统及其预测气象方法 |
| CN113239318B (zh) * | 2021-05-17 | 2022-12-20 | 中国气象局乌鲁木齐沙漠气象研究所 | 一种区域数值预报模式的土壤湿度初值订正方法 |
| CN115221714B (zh) * | 2022-07-21 | 2023-03-10 | 北京师范大学 | 临近空间天气与大气环境短中长期预报方法及系统 |
| CN115630566B (zh) * | 2022-09-28 | 2024-05-07 | 中国人民解放军国防科技大学 | 一种基于深度学习和动力约束的资料同化方法和系统 |
| CN116306038B (zh) * | 2023-05-19 | 2023-07-28 | 北京弘象科技有限公司 | 一种气象模式和同化系统的垂直层匹配方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102005760A (zh) * | 2010-11-18 | 2011-04-06 | 西北电网有限公司 | 一种通用风电功率短期预报方法 |
| CN102044872A (zh) * | 2010-11-18 | 2011-05-04 | 西北电网有限公司 | 一种风电功率中长期预报方法 |
| CN102156817A (zh) * | 2011-04-11 | 2011-08-17 | 国家海洋信息中心 | 海上溢油漂移路径及扩散快速预报方法 |
| CN103514341A (zh) * | 2012-06-14 | 2014-01-15 | 华锐风电科技(集团)股份有限公司 | 基于数值天气预报和计算流体动力学的风资源评估方法 |
| CN103530527A (zh) * | 2013-10-30 | 2014-01-22 | 国家电网公司 | 基于数值天气预报集合预报结果的风电功率概率预测方法 |
| CN103778572A (zh) * | 2014-02-24 | 2014-05-07 | 南方电网科学研究院有限责任公司 | 一种基于wrf模式的海上风资源评估方法 |
| CN103793511A (zh) * | 2014-02-08 | 2014-05-14 | 中能电力科技开发有限公司 | 一种提高风速预报精度的方法 |
-
2015
- 2015-07-08 CN CN201510397569.0A patent/CN106339568B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102005760A (zh) * | 2010-11-18 | 2011-04-06 | 西北电网有限公司 | 一种通用风电功率短期预报方法 |
| CN102044872A (zh) * | 2010-11-18 | 2011-05-04 | 西北电网有限公司 | 一种风电功率中长期预报方法 |
| CN102156817A (zh) * | 2011-04-11 | 2011-08-17 | 国家海洋信息中心 | 海上溢油漂移路径及扩散快速预报方法 |
| CN103514341A (zh) * | 2012-06-14 | 2014-01-15 | 华锐风电科技(集团)股份有限公司 | 基于数值天气预报和计算流体动力学的风资源评估方法 |
| CN103530527A (zh) * | 2013-10-30 | 2014-01-22 | 国家电网公司 | 基于数值天气预报集合预报结果的风电功率概率预测方法 |
| CN103793511A (zh) * | 2014-02-08 | 2014-05-14 | 中能电力科技开发有限公司 | 一种提高风速预报精度的方法 |
| CN103778572A (zh) * | 2014-02-24 | 2014-05-07 | 南方电网科学研究院有限责任公司 | 一种基于wrf模式的海上风资源评估方法 |
Non-Patent Citations (4)
| Title |
|---|
| WRF模式在人工影响暴雨强度中的应用;李宏江;《南京信息工程大学硕士学位论文》;20060831;全文 |
| 中尺度WRF模式在风电功率预测中的应用研究;靳双龙;《兰州大学研究生学位论文》;20131031;第18-26页的"2.1引言"、 "2.2WRF模式简介"、 "2.5.1模拟试验方案设计"以及图2-1 |
| 基于WRF大气模式的大风过程波浪模拟;谭凤;《天津大学硕士学位论文》;20120731;第4页"1.2.1.4 大气数据同化方法"、第10-18页"2.1 WRF 大气模式"以及图2-1、2-2 |
| 民航气象对外服务系统设计;郎晓华;《北京邮电大学工程硕士研究生学位论文》;20130331;第16-21页的"4. 1系统计算服务" |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106339568A (zh) | 2017-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106339568B (zh) | 一种基于混合背景场的数值天气预报方法 | |
| US9310517B2 (en) | Method and system for determining accuracy of a weather prediction model | |
| Gall et al. | The hurricane forecast improvement project | |
| Kinter et al. | Revolutionizing climate modeling with Project Athena: a multi-institutional, international collaboration | |
| Blockley et al. | The future of sea ice modeling: where do we go from here? | |
| Xu et al. | On the role of horizontal resolution over the Tibetan Plateau in the REMO regional climate model | |
| Dash et al. | Spatial and temporal variations in Indian summer monsoon rainfall and temperature: an analysis based on RegCM3 simulations | |
| CN106326625A (zh) | 一种耦合WRF与OpenFOAM模式的风场模拟方法 | |
| CN115994496B (zh) | 城市公园高分辨率大气co2浓度三维场的数值模拟方法 | |
| CN109543907A (zh) | 一种复杂地形风资源评估方法及其装置 | |
| CN109583096A (zh) | 一种基于中尺度模型和微尺度模型结合的风资源计算方法 | |
| Davenport et al. | Creating a more realistic idealized supercell thunderstorm evolution via incorporation of base-state environmental variability | |
| CN114580310A (zh) | 一种基于palm实现wrf模拟风场降尺度处理的方法 | |
| Mughal et al. | Forecasting and verification of winds in an East African complex terrain using coupled mesoscale-And micro-scale models | |
| CN115048790A (zh) | 一种风功率预测快速降尺度的方法和系统 | |
| CN101750616A (zh) | 植被风阻的测量方法及系统 | |
| Kurowski et al. | Convection-permitting regional weather modeling with COSMO-EULAG: Compressible and anelastic solutions for a typical westerly flow over the Alps | |
| CN115983104A (zh) | 风速预测方法、装置、存储介质和电子设备 | |
| CN111414723B (zh) | 一种利用wrf模式分析面雨量误差的方法 | |
| CN109684649A (zh) | 一种基于地形的风速修订方法及系统 | |
| CN113743027A (zh) | 一种基于cfd技术绘制风资源图谱的方法和装置 | |
| Spiridonov et al. | Weather forecast and NWP | |
| Oh et al. | Convective momentum transport associated with the Madden–Julian oscillation based on a reanalysis dataset | |
| Ludwig et al. | Evaluating a hybrid prognostic–diagnostic model that improves wind forecast resolution in complex coastal topography | |
| Deng et al. | Assimilating surface weather observations from complex terrain into a high-resolution numerical weather prediction model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |