CN106546958B

CN106546958B - 一种优化的雷达数据同化方法

Info

Publication number: CN106546958B
Application number: CN201610943069.7A
Authority: CN
Inventors: 刘佳; 李传哲; 田济扬; 于福亮; 王洋; 邱庆泰; 聂汉江
Original assignee: China Institute of Water Resources and Hydropower Research
Current assignee: China Institute of Water Resources and Hydropower Research
Priority date: 2016-11-02
Filing date: 2016-11-02
Publication date: 2018-03-13
Anticipated expiration: 2036-11-02
Also published as: CN106546958A

Abstract

本发明涉及一种优化的雷达数据同化方法，步骤包括：雷达资料的收集与预处理；雷达数据分层；不同时间间隔下雷达数据的同化设计；制定雷达数据同化方案；计算各层雷达数据的平均相对误差；选出最佳雷达数据层；分析；选取最佳同化时间。本发明通过将大气分层和精确控制获取雷达探测数据的时间间隔的方式，从提升雷达资料同化的精度和效率角度出发，尽可能在保证同化精度的条件下，实现同化效率的提升。通过同化雷达资料，可以大幅提升降雨的模拟或预报精度，为决策者提供充足的时间准确制定防洪预警预案、水库调度方案等，在气象、水文部门有重要的理论与实践意义。

Description

一种优化的雷达数据同化方法

技术领域

本发明涉及一种优化的雷达数据同化方法，是一种水文、气象数据处理的方法，是一种雷达探测数据处理的方法。

背景技术

降雨的形成过程与发生受大尺度大气环流、洋流、海陆位置、地形、下垫面及人类活动等多方面的影响，累计降雨量和降雨的时空分布都存在诸多不确定性。因此，降水是数值大气模式最难模拟或预报的气象要素之一。

气象雷达是一种能够提供局部地区，水平覆盖范围约400~600千米的地面上空的气象数据的设备，所提供的气象数据具有分辨率和精度都较高等特点。一方面，处理好的雷达数据可以直接被数值大气模式同化，另一方面，气象雷达的高分辨率和高精度为校正数值大气模式的降雨模拟和预报结果，特别是为中小尺度的降雨模拟和预报提供了保证。准确而高效的降雨模拟与预报，可为决策者提供充足的时间，准确制定防洪预警预案、水库调度方案等，从而减少气象灾害以及洪涝灾害的损失，增加水资源的可利用量。因此，提升主动应对天气现象的能力，在气象、水文部门有重要的理论与实践意义。然而，目前将气象雷达数据同化并应用于水文领域的研究很少，如何提高雷达数据的同化效率和同化精度是一个需要解决的问题。

发明内容

为了克服现有技术的问题，本发明提出了一种优化的雷达数据同化方法。所述的方法通过综合考虑了气象领域和水文领域的应用前景，同时保证雷达数据同化的效率和雷达数据同化的精度，从而减少气象灾害以及洪涝灾害的损失，增加水资源的可利用量，提升主动应对天气现象的能力。

本发明的目的是这样实现的：一种优化的雷达数据同化方法，所述的方法的步骤如下：

雷达资料的收集与预处理的步骤：用于收集反射率和径向速度这两种雷达基数据，并将所述的雷达基数据转化为能够被WRF模式同化的数据格式，形成雷达数据；

雷达数据分层的步骤：用于将雷达数据按照雷达在大气层中探索的高度不同进行分层，形成多个层数据组，将多个层数据组排列组合形成多个分层数据文件；

不同时间间隔下雷达数据的同化设计的步骤：用于设置雷达获取数据的时间间隔，设置最短同化时间间隔，设置最长同化时间间隔，在最短时间间隔和最长时间间隔之间以雷达获取数据的时间间隔为级差，形成等差的时间间隔系列；

制定雷达数据同化方案的步骤：依据所述的时间间隔序列制定所有的同化方案；

计算各层雷达数据的平均相对误差的步骤：用于使用公式：

其中：r_j为第j个分层文件的编号、r _ij表示第j个文件的第i种同化时间间隔、m为一个分层数据文件中的同化方案个数，计算各层雷达数据的平均相对误差；

选出最佳雷达数据层的步骤：用于对比各层雷达数据的平均相对误差，找出平均相对误差最小的层为最佳雷达数据层；

分析的步骤：用于对最佳的雷达数据层进行不同同化时间间隔的分析，以同化效率和同化精度为纵轴、同化时间间隔为横轴，绘制同化效率曲线、同化精度曲线与同化时间间隔的关系图；

选取最佳同化时间的步骤：用于通过同化效率曲线和同化精度曲线的交点在同化时间间隔轴线上的投影t’，确定为最佳同化时间间隔t，若t’不是雷达获取数据的时间间隔的倍数，则选择与t’前后最近的雷达获取数据的时间间隔的倍数时间t1或t2为最佳同化时间间隔t。

进一步的，所述的雷达获取数据的时间间隔为6分钟。

进一步的，所述的最短时间间隔为30分钟，最长时间间隔为6小时。

进一步的，所述的雷达数据分层的步骤中依据雷达所探测的高度，将雷达在大气层中探索的高度划分为四层，分别为：0~500米、500~1000米、1000~2000米和2000米以上形成4个层数据组。

进一步的，所述的4个层数据组组合为7个数据文件，分别为：0~500米、500~1000米、1000~2000米、2000米以上、0~1000米、0~2000米以及全部层数据组。

进一步的，所述的同化方案所使用的同化平台为数值大气模式WRF，同化方式为三维变分。

本发明产生的有益效果是：本发明通过将大气分层和精确控制获取雷达探测数据的时间间隔的方式，从提升雷达资料同化的精度和效率角度出发，尽可能在保证同化精度的条件下，实现同化效率的提升。通过同化雷达资料，可以大幅提升降雨的模拟或预报精度，为决策者提供充足的时间准确制定防洪预警预案、水库调度方案等，在气象、水文部门有重要的理论与实践意义。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明的实施例一所述方法的流程图；

图2是本发明的实施例一所述方法的应用举例的所有时间间隔的同化方案列表；

图3是本发明的实施例一所述的同化效率曲线、同化精度曲线与同化时间间隔的关系图。

具体实施方式

实施例一：

本实施例是一种优化的雷达数据同化方法，其流程如图1所示。本实施例所述的方法的步骤如下：

1）雷达资料的收集与预处理的步骤：用于收集反射率和径向速度这两种雷达基数据，并将所述的雷达基数据转化为能够被WRF模式同化的数据格式，形成雷达数据。

本实施例所述的雷达种类为气象雷达，目前常用的气象雷达为S波段和C波段的多普勒雷达。原始的雷达数据是接收机接收到回波信号后，经过信号处理器处理并存档的基数据，包括三种主要信息：反射率、径向速度和频谱，其中反射率和径向速度可以被WRF模式同化。

2）雷达数据分层的步骤：用于将雷达数据按照雷达在大气层中探索的高度不同进行分层，形成多个层数据组，将多个层数据组排列组合为多个分层数据文件。本步骤是对反射率和径向速度两种数据按照其距离地面的高度进行分层。一般而言，多普勒雷达每间隔几分钟，如：6分钟，完成一次体扫（雷达获取数据的时间间隔），获得一次三维空间的数据。该数据空间的水平覆盖范围是以雷达所在位置为中心，200~300km为半径的区域，而在沿大气垂直方向上，雷达数据在不同的高度上都有一定量的数据。因雷达一次体扫获得的数据量较大，WRF模式同化的时间与数据量成正比，如果将雷达的所有数据都同化，势必会影响同化效率，降雨预报的发布时间就会受到影响。

为此，本实施例采用了分层的方式，将所有体扫所获得的数据按照在大气层中的高度分门别类的归纳。将雷达数据分层，是为了找出哪一高度层的雷达数据对研究区降雨模拟或预报的结果影响更大。同化该层数据可使模拟或预报结果更加接近实测值，而同化其余数据层对结果影响不大或几乎没有影响，进而有选择性的同化某几层雷达数据。因此，分层的关键作用在于减少计算量，平衡效率和精度之间的矛盾，选择出效率最高和精度最佳的同化方案进行同化计算，获得在效率许可的范围内最高的精度计算。

3）不同时间间隔下雷达数据的同化设计的步骤：用于设置雷达获取数据的时间间隔，设置最短同化时间间隔，设置最长同化时间间隔，在最短时间间隔和最长时间间隔之间以雷达获取数据的时间间隔为级差，形成等差的时间间隔系列。为使用数值大气模式WRF进行三维变分同化，首先应当确定对数据进行变分同化的时间间隔。同化的时间间隔越短，表明数值大气模式同化的累积数据量越大，效率越低，但精度往往越高，反之效率越高，精度越差。

4）制定雷达数据同化方案的步骤：依据所述的时间间隔序列制定所有的同化方案。通过列表的方式，将所有时间间隔的同化方案全部列出。作为举例表1（图2所示）是一个雷达获取数据的时间间隔设置为6分钟，最短同化时间间隔设置为30分钟，最长同化时间间隔设置为360分钟的全部使用方案的列表。

5）计算各层雷达数据的平均相对误差的步骤：用于使用公式：

其中：r_j为第j个分层文件的编号、r _ij表示第j个文件的第i种同化时间间隔、m为一个分层数据文件中的同化方案个数，计算各层雷达数据的平均相对误差。本步骤是对表1中所列出的所有同化方案进行评估的第一步，即：对所有同化方案的进行计算。本方案所述的平均相对误差也可以通过其他统计的计算收到获得。

6）选出最佳雷达数据层的步骤：用于对比各层雷达数据的平均相对误差，找出平均相对误差最小的层为最佳雷达数据层。

7）分析的步骤：用于对最佳的雷达数据层进行不同同化时间间隔的分析，以同化效率和同化精度为纵轴、同化时间间隔为横轴，绘制同化效率曲线、同化精度曲线与同化时间间隔的关系图，如图3所示。

进而对最佳的雷达数据层进行不同同化时间间隔的分析，定义同化效率为同化时间的倒数，同化精度用相对误差表示，绘制同化效率与、同化精度与同化时间间隔的关系图，

8）选取最佳同化时间的步骤：用于通过同化效率曲线和同化精度曲线的交点在同化时间间隔轴线上的投影t’，确定为最佳同化时间间隔t，若t’不是雷达获取数据的时间间隔的倍数，则选择与t’前后最近的雷达获取数据的时间间隔的倍数时间t ₁或t ₂为最佳同化时间间隔t。

例如雷达获取数据的时间间隔为6分钟。则通过上述关系所确定最佳同化时间t最好为6分钟的倍数，若t不是6分钟的倍数，则选择其前后最近的6分钟倍数的时间t1或t2，以便符合雷达获取数据的要求。

实施例二：

本实施例是实施例一的改进，是实施例关于雷达获取数据的时间间隔的细化。本实施例所述的雷达获取数据的时间间隔为6分钟。

本实施例是一种多普勒气象雷达两次体扫之间的时间间隔，由于这个时间值是常规的60进制的时间进制的整倍除数，十分方便时间的计算，而使用其他数值则没有这个优势。

实施例三：

本实施例是上述实施例的改进，是上述实施例关于通过时间间隔设定的细化。本实施例所述的最短时间间隔为30分钟，最长时间间隔为6小时。

设定同化时间间隔与雷达获取数据的时间间隔有关，各种雷达的两次体扫之间的间隔略有不同。如：采用一种多普勒气象雷达，每6分钟获得一次数据。数值大气模式WRF运行所需要的初始场每360分钟（6小时）获得一次数据，考虑到WRF模式同化运行并获得降雨模拟或预报结果的时间一般约30分钟（因服务器的性能不同而不同，服务器性能越高，时间越短，反之，时间越长），因此，同化时间间隔至少设为30分钟，又考虑到雷达数据和WRF模式初始场数据的获取时间间隔分别为6分钟和360分钟，因此同化时间间隔最长设为360分钟，同化时间间隔应取6分钟的倍数。

最终，为了寻求一种既高效，又准确的同化时间间隔，将同化时间间隔设置为30分钟、36分钟、42分钟……、360分钟。

实施例四：

本实施例是上述实施例的改进，是上述实施例关于雷达数据分层的细化。本实施例所述的雷达数据分层的步骤中依据雷达所探测的高度，将雷达在大气层中探索的高度划分为四层，分别为：0~500米、500~1000米、1000~2000米和2000米以上形成4个层数据组。

按照大气的垂直结构，2000m以下的区域为边界层，是受地面影响较大的区域，2000m以上为自由大气。而0~500m的大气，受地面温度、地面辐射和地面高程等的影响最大，甚至决定着该层大气的理化性质；500~1000m的大气抗剪应力变化大，地面对其影响也较大；1000~2000m的大气属于过度层，随着昼夜、温度、湿度等的变化，该层大气偶尔可以转换为自由大气。因此，进行雷达数据同化前，首先将雷达数据按照0~500m、500~1000m、1000~2000m和2000m以上分为4层，形成4个分层数据组。

实施例五：

本实施例是上述实施例的改进，是上述实施例关于分层数据组进行组合的细化。本实施例所述的4个层数据组组合为7个数据文件，分别为：0~500米、500~1000米、1000~2000米、2000米以上、0~1000米、0~2000米以及全部层数据组。

分层数据组的组合有多种方式，可以将一个层数据组编制为一个数据文件，也可以将两个或三个层数据组编制为一个数据文件，或者将更多个层数据组编为一个数据组等。本实施例将数据组进行组合，最终形成0~500m的数据文件、500~1000m的数据文件、1000~2000m的数据文件、2000m以上的数据文件、0~1000m的数据文件、0~2000m的数据文件以及所有高度层的数据文件共7个数据文件，文件编号分别为1~7。

大气边界层的高度一般低于2000m，其大气运动是受地面等干扰最强烈的区域。以2000m为临界值，将大气分为自由大气（高于2000m）和边界层（低于2000m）。而降雨发生前和降雨发生时，低空的水汽含量高，云雨滴的发射率更强，因此又将低于2000m的边界层细分为0~500米、500~1000米、1000~2000米，更有利于识别同化的雷达数据的有效性。将不同高度的雷达数据组合形成7个数据文件，是为了对比所有的高度层的组合情景，以便找出最有效的雷达数据层。

实施例六：

本实施例是上述实施例改进，是上述实施例关于同化平台和同化方法是细化。本实施例所述的同化方案所使用的同化平台为数值大气模式WRF，同化方式为三维变分。

WRF（Weather Research and Forecasting model）是新一代数值大气模式的代表，已在气象水文领域取得广泛应用。但与其他数值大气模式类似，WRF模式模拟和预报的降雨精度普遍较低，直接应用于水文预报中，会产生较大的误差，甚至造成误差积累和放大。如何提升降雨的预报精度和延长降雨的预见期对于气象、水文的生产实践具有非常重要的意义。

所谓的数值大气模式就是通过一系列的动力学方程概化大气的运动，给定方程的初值条件（即初始场），引入时间变量，推求一段时间后大气的状态，从而达到预报天气的目的。然而通常得到的初始场一般不够精细，不够准确，因为这一初始场是全球尺度的，对于中小流域来说，太过于粗糙，这就会导致大气模式计算结果不准确。

而数据同化的目的就是通过修正初始场，使初始场尽可能接近实际情况，从而实现更准确的天气预报。所述的三维变分同化是数据同化方法的一种，因为其效果较好，且相对简单，所以目前应用较广。WRF模式本身就有一个模块可以实现三维变分同化。

最后应说明的是，以上仅用以说明本发明的技术方案而非限制，尽管参照较佳布置方案对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案（比如雷达的选择、各种公式的运用、步骤的先后顺序等）进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims

1.一种优化的雷达数据同化方法，其特征在于，所述的方法的步骤如下：

雷达数据分层的步骤：用于将雷达数据按照雷达在大气层中探索的高度不同进行分层，形成多个层数据组，将多个层数据组排列组合为多个分层数据文件，所述的分层是对反射率和径向速度两种数据按照其距离地面的高度进行分层；

制定雷达数据同化方案的步骤；依据所述的时间间隔序列制定所有的同化方案；

计算各层雷达数据的平均相对误差的步骤：用于使用公式：

其中：r_j为第j个分层文件的雷达数据的平均相对误差、r _ij表示第j个文件以i同化时间间隔的雷达数据的相对误差、m为一个分层数据文件中的同化方案个数，计算各层雷达数据的平均相对误差；

2.根据权利要求1所述的同化方法，其特征在于：所述的雷达获取数据的时间间隔为6分钟。

3.根据权利要求2所述同化方法，其特征在于，所述的最短时间间隔为30分钟，最长时间间隔为6小时。

4.根据权利要求3所述同化方法,其特征在于，所述的雷达数据分层的步骤中依据雷达所探测的高度，将雷达在大气层中探索的高度h划分为四层，分别为：0<h≤500米、500<h≤1000米、1000＜h≤2000米和h＞2000米，形成4个层数据组。

5.根据权利要求4所述的同化方法，其特征在于，所述的4个层数据组组合为7个数据文件，分别为：0＜h≤500米、500＜h≤1000米、1000＜h≤2000米、h＞2000米、0＜h≤1000米、0＜h≤2000米，以及全部层数据组。

6.根据权利要求1-5之一所述的同化方法，其特征在于，所述的同化方案所使用的同化平台为数值大气模式WRF，同化方式为三维变分。