CN107765348A - 降水量气象报文数据误差修正方法、雨凇景观预测方法 - Google Patents

Abstract

针对现有降水量预测方法存在对局部环境特殊性考虑不足而使预测的数值越容易出现误差的缺陷，本发明提供了一种降水量气象报文数据误差修正方法，用于在起报日修正气象台对公共发布的预测日降水量报文数据Y_m，得到预测日降水量修正值Y_j。本发明还提供利用降水量气象报文数据误差修正方法实现的雨凇景观预测方法，用于在起报日测算预测日发生雨凇景观的概率，以及对该预测方法中温度值加以修正的优化方法。本发明还提供雨凇景观预测方法在峨眉山景区的适用。本发明方法都是以气象台对公发布的气象预报产品为数据基础，利用气象台针对大区域做出的气象预报产品实现对既定小地区的气象景观发生概率的测算，能够有效利用公共服务数据，具有较高实用性。

Description

降水量气象报文数据误差修正方法、雨凇景观预测方法

技术领域

本发明涉及一种对降水量的气象预测值进行误差修正的方法，以及 一种雨凇景观预测方法，属于气象测量观测、预报领域。

背景技术

降水量的气象预测值是气象部门利用全球观测网获得观测数据采用 天气学方法或数值天气预报模式进行分析，再参考一定要要素进行修正， 最终得到的预报结论通过各种平台对公众进行发布。要进行降水量的数 值天气预测，首先需将地表上方的大气空间划分成很多个小格子，并利 用各种观测工具，取得大气三维空间的分布数据，再分析并计算出每一 格中的各种大气数据，接着将这些数据输入超级计算机，由计算机根据 已经设定好的大气方程式进行极为复杂的运算，算出未来可能的天气变 化。实务上为了减少计算负荷，气象单位会依距离远近，对地球上的不 同位置采用不同的分格方式。现在技术的基本思路是使用收集大量的数 据(气温、湿度、风向和风速、气压等等)，然后使用目前对大气过程的 认识(气象学)来确定未来空气变化。由于大气过程的混乱以及现有科 学技术并没有最终透彻地了解大气过程，因此天气预报总是有一定误差。

根据现有技术的气象预测原理，由于局部地区的环境条件(如某一 城区人口数量的变化、该地区植被覆盖率的影响、各气象观测站对该地 区空间距离以及该地区山脉、湖泊等因素)直接影响到该局部地区的气 象要素值，因而在局部环境特殊性越高的地区，气象预测的数值越容易 出现误差。尤其是对于降水量这一气象要素而言，由于局部地区的降水 受本地地形因素影响明显，如果不能有效考虑地形条件的影响，预测难 度更大，结果误差也更为明显。

各类生态、地形条件特殊性、异质性较高的局部地区(如各类自然 风景区)，往往是管理方及旅游者对降水量预测准确性要求较高的地区。 但目前国内基本上达到每一个县级以上的城市均建有气象自动观测站， 每一个气象观测站负责收集、上传该地区的气象要素数据，在风景区内 则缺少功能相对齐全的自动观测站。如何对公共播报的降水量气象预报 数值误差加以修正，使自然风景区能够利用气象播报数值建立适应性较 高的预测模型，准确预测本区内的降水量及相关气象景观(如雨凇等)， 即具有科学研究价值，又具有实际应用价值。

发明内容

本发明的目的就是针对现有技术的不足，提供一种降水量气象报文 数据误差修正方法，该方法能够对降水量预报值进行误差修正，提高局 部区域的预测值准确度。在此基础上，还提供一种雨凇景观预测方法， 针对性解决雨凇景观发生预测的准确度。

为实现上述目的，本发明首先提供一种降水量气象报文数据误差修 正方法，其技术方案如下：

一种降水量气象报文数据误差修正方法，用于在起报日修正气象台 对公共发布的预测日降水量报文数据Y_m，得到预测日降水量修正值Y_j， 其特征在于：依如下步骤计算预测日降水量修正值Y_j：

步骤S1、获取预测日降水量报文数据Y_m

所述降水量报文数据Y_m是气象台在起报日起报时次A发布的预测 日的白天各预报时效历史降水量报文数据，所述起报时次A是08时 或20时，所述白天是每天08时至20时；

步骤S2、确定各预报时效晴雨阈值TH_i

获取自起报日起报时次A前24h起向前10d内每个白天各预报时 效的历史降水量报文数据Y′_m及对应时效的历史降水量实况数据Y′_n；

分析10d中同一预报时效的Y′_m与Y′_n，若不属于Y′_m>0且Y′_n＝0的情 况，记录该预报时效晴雨阈值TH_i＝0；反之，将10d中该预报时效报 文数据Y′_m的最大值记录为该预报时效晴雨阈值TH_i；得到各预报时效 晴雨阈值TH_i；

步骤S3、确定各预报时效范围的偏差修正率D_j

查询自起报日起报时次A前24h起向前30d内的历史实况数据Y′_n，

若30d内有大于等于10个白天的历史实况数据Y′_n>0的日子，记 录离起报日起报时次最近的10个白天各预报时效历史报文数据Y′_m及 对应的实况数据Y′_n，记录各个预报时效中Y′_m≠0且Y′_n≠0的天数为k；

若30d内有r，r＜10个白天的历史实况数据Y′_n>0的日子，则只记 录该r个白天各预报时效的历史报文数据Y′_m及对应的实况数据Y′_n，记 录各个预报时效中Y′_m≠0且Y′_n≠0的天数为k；

依式1计算白天各预报时效范围的偏差修正率D_j的绝对值：

式中，Y_i是离起报日起报时次最近的10个白天的或者r个白天的历 史报文数据Y′_m、S_i是离起报日起报时次最近的10个白天的或者r个 白天的历史实况数据Y′_n；

确定D_j的正负值，方法为：在各预报时效中，若Y′_m>Y′_n的个数大 于或则该预报时效D_j为负值；若Y′_m>Y′_n的个数小于或则该 预报时效D_j为正值；若Y′_m>Y′_n的个数等于或则若起报日前一天 该预报时效的Y′_m>Y′_n，则该时效D_j为负值，反之为正值；

步骤S4、确定预测日白天各预报时效降水量修正值Y_j

若预测日白天预报时效降水量报文数据Y_m≤预报时效晴雨阈值 TH_i，则预测日该预报时效降水量修正值Y_j＝0；

若预测日白天预报时效降水量报文数据Y_m＞预报时效晴雨阈值 TH_i，则依式2计算该预报时效降水量修正值Y_j：

Y_j＝Y_m+Y_m×D_j 式2

式中，D_j是与Y_m同一预报时效的偏差修正率。

上述降水量气象报文数据误差修正方法是用于在起报日对气象台对 公共发布的预测日降水量报文数据Y_m进行修正，从而得到预测日降水量 修正值Y_j。方法首先获取预测日降水量报文数据Y_m，即获得气象台在起 报日08时或20时发布的7个白天内每12小时的降水量数值预报产品。 其次以自起报日起报时次A前24h起再向前10d内每个白天各预报时效的历史降水量报文数据Y′_m及对应时效的历史降水量实况数据Y′_n作为数 据基础，计算各预报时效的晴雨阈值TH_i。确定预报时效晴雨阈值TH_i的 作用是得到降雨的临界值。再次，根据历史降水量实况数据确定各预报 时效范围的偏差修正率D_j。偏差修正率D_j的确定是以自起报日起报时次 A前24h起向前10d(最多可向前30d，以寻找满足条件的数据)内实际 有雨(历史实况数据Y′_n>0)的日子中历史报文数据Y′_m与对应实况数据Y′_n作为数据基础，依式1计算得出预报值与实况值的差值比率，该值是偏 差修正率D_j的绝对值；偏差修正率D_j的正负值确定是根据预报值与实况 值的大小个数关系。最后，根据预报时效晴雨阈值TH_i、预测日预报时效 降水量报文数据Y_m及对应时效的偏差修正率D_j确定降水量修正值Y_j。

根据我国气象台发布预测报文数据的规范，在每日的08时和20时 两个时次(即起报时次A)起报7d内每12小时的降水量数值预报产品 (即发布预测日降水量报文数据Y_m)。发布的预测日降水量报文数据Y_m是7d内以12小时为一时效段连续的降水量值，因此是7d内白天、夜晚 间隔(08时起报时次)，或者夜晚、白天间隔(20时起报时次)的降水 量值。本发明降水量气象报文数据误差修正方法的整体构思是以历史的 白天降水数据(含预报与实况)修正未来白天的预报数据，或者以历史 的夜晚降水数据(含预报与实况)修正未来夜晚的预报数据。涉及计算 预测日白天(每天08时至20时)降水量修正值Y_j时，起报时次A可以是08时或20时，当起报时次A是08时，预报时效是024～036、048～ 060、072～084、096～108、120～132、144～156、168～180共7个时 效范围(即未来7个白天)，当起报时次A是20时，预报时效是012～ 024、036～048、060～072、084～096、108～120、132～144、156～168共7个时效范围。涉及计算预测日夜晚(每天20时至次日08时)降水 量修正值Y_j时，起报时次A同样可以是08时或20时，当起报时次A是 08时，预报时效是012～024、036～048、060～072、84～96、108～120、 132～144、156～168共7个时效范围，当起报时次A是20时，预报时效是024～036、048～060、072～084、96～108、120～132、144～156、168～180共7个时效范围。

以上述降水量气象报文数据误差修正方法为基础，本发明提供一种 雨凇景观预测方法，用于在起报日测算预测日发生雨凇景观的概率M， 其技术方案如下：

利用上述降水量气象报文数据误差修正方法实现的雨凇景观预测方 法，用于在起报日测算预测日发生雨凇景观的概率M，其特征在于：所 述预测日是起报日的未来24h；依如下步骤实施：

步骤S1、依时间段判断雨凇景观发生概率M

步骤S11、确定预测地雨凇景观发生时间段

根据预测地近5年内的雨凇景观记录数据，统计确定预测地每年 雨凇景观发生时间段r；

步骤S12、依时间段判断雨凇景观发生概率M

若预测日不在r时间段内，判断雨凇景观发生概率M＝0，否则进 入步骤S2；

步骤S2、确定预测日温度

根据起报日气象预报的报文数据确定预测日在02时、08时、14 时、20时四个预报时次的预报温度值T′₀₂、T′₀₈、T′₁₄、T′₂₀，将T′₀₂、T′₀₈、T′₁₄、 T′₂₀的平均值记录为预测日平均温度T_avg；将预测日报文数据最小值 T′_min记录为预测日最低温度T_min；

步骤S3、确定统计温度最低临界值T_zmin、统计温度最高临界值 T_zavg、雨凇景观发生统计概率M′₁、M′₂

分月统计近5年的r时间段内每次雨凇景观过程的实况观测最低 温度T′_zmin、平均温度T′_zavg，将每月内最低温度最高值记为当月统计 温度最低临界值T_zmin、将每月平均温度最高值记为当月统计温度平 均最高临界值T_zavg；

根据每次雨凇景观过程平均温度T′_zavg划分统计区间，确定每月各 T′_zavg区间内有雨凇景观发生的天数，得到雨凇景观发生统计概率M′₁； 根据每次雨凇景观过程最低温度T′_zmin划分统计区间，确定每月各 T′_zmin区间内有雨凇景观发生的天数，得到雨凇景观发生统计概率M′₂；

步骤S4、依预测日最低温度T_min判断雨凇景观发生概率M

若预测日最低温度T_min大于所在月T_zmin，判断雨凇景观发生概率 M＝0，否则，若起报日发生雨凇景观，进入步骤S5、若起报日未发 生雨凇景观，进入步骤S6；

步骤S5、依预测日平均温度T_avg判断雨凇景观发生概率M

若预测日平均温度T_avg大于所在月T_zavg，判断雨凇景观发生概率 M＝0，否则雨凇景观发生概率M是T_avg所在的T′_zavg区间对应的雨凇 发生统计概率M′₁；

步骤S6、依预测日降水修正值Y_j判断雨凇景观发生概率M

步骤S61、确定预测日降水量修正值Y_j

利用上述降水量气象报文数据误差修正方法测算预测日降水量 修正值Y_j；

步骤S62、依预测日降水修正值Y_j判断雨凇景观发生概率M

若Y_j＝0，判断雨凇景观发生概率M＝0，否则进入步骤S7；

步骤S7、依预测日最低温度T_min判断雨凇景观发生概率M 分月统计近5年内的r时间段内每月发生雨凇景观第一日的实况观测 日最低温度T″_zmin，若预测日最低温度T_min＞所在月T″_zmin，判断雨凇景观 发生概率M＝0，否则雨凇景观发生概率M是T_min所在的T′_zmin区间对应的 雨凇发生统计概率M′₂。

雨凇是过冷却雨滴碰到冰点附近的地面或地物上，立即冻结而成的 坚硬冰层，通常是透明的或毛玻璃状的紧密冰层。雨凇形成的特征是“边 降边冻”，同时是温度与降水两个气象因素的影响。本发明雨凇景观预测 方法是通过在起报日测算预测日(起报日的未来24h)温度与降水两个 气象要素的值来测算预测日发生雨凇景观的概率M。由于各地都只在一 年的一段时间内才能形成雨凇，因此本发明方法首先根据预测地的历史 雨凇形成记录确定该预测地雨凇景观发生时间段r，并据此判断雨凇景观 发生概率M＝0或≠0。对于依M≠0的情形，再分别根据预测日最低温度 T_min、预测日平均温度T_avg、预测日降水修正值Y_j判断雨凇景观发生概率 M。同时，对于依M≠0的情形，本发明方法采用了在历史数据基础上，以不同温度数据(雨凇景观过程平均温度T′_zavg、雨凇景观过程最低温度 T′_zmin)划分雨凇景观发生概率区间的方式确定温度与雨凇概率的对应关 系，用于测算不同温度条件下的雨凇景观发生概率M。

本发明提供上述雨凇景观预测方法的优化技术方案，在步骤S2中采 用预测日温度修正值替代气象预报的温度值。温度修正值是在气象预报 温度值基础上进行误差修正，以克服气象台针对大区域做出的温度预报 值与预测地实况温度值之间的误差。具体采用如下方法修正：

步骤S2中采用预测日温度修正值替代气象预报的温度值，依如下方 式进行：

步骤S2、确定预测日温度

根据起报日气象预报的报文数据确定预测日在02时、08时、14 时、20时四个预报时次的预报温度值T′₀₂、T′₀₈、T′₁₄、T′₂₀，确定预 测日报文数据最小值T′_min；

依式3对T′₀₂、T′₀₈、T′₁₄、T′₂₀、T′_min进行修正，得到预测日最低 温度修正值T″_min、预测日各预报时次的温度修正值T₀₂、T₀₈、T₁₄、T₂₀，

T＝T_y+ΔT 式3

式中，T——预测日各预报时效温度修正值，

T_y——起报日各预报时效预报温度值，

ΔT——误差修正值，依式4计算确定；

式中，i——自起报日前24h起向前用于误差修正的天数，根据历

史记录数据确定；

ΔT_i——用于误差修正的天数中，各预报温度值T_y与对应实 况观测值T_z的误差；

将T″_min记录为预测日最低温度T_min，将T₀₂、T₀₈、T₁₄、T₂₀的平均值 记录为预测日平均温度T_avg。

一般情况下，在温度修正中，自起报日前24h起向前用于误差修正 的天数i＝5。

与现有技术相比，本发明的有益效果是：(1)本发明提供了一种在 起报日对气象台对公发布的预测日预报时次的降水量报文数据进行修正 的方法，所得修正值与实况观测值更为接近，预测误差更小。方法能够 解决由于气象台的发出的降水量预测值只能以较大区域的气象变化模拟 为基础，无法利用局部地区的环境条件对模型运算结果加以调整，因而 造成的局部地区接收的气象台预测值与实况观测值误差较大的问题。(2) 本发明提供了雨凇景观发生预测方法及其优化方法。(3)本发明提供的 降水量气象报文数据修正方法与雨凇景观预测方法都是以气象台对公发 布的气象预报产品为数据基础，利用气象台针对大区域做出的气象预报 产品实现对既定小地区的气象景观发生概率的测算，能够有效利用公共 服务数据，具有较高实用性。

具体实施方式

下面对本发明的优选实施例作进一步的描述。

实施例一

用本发明降水量气象报文数据误差修正方法对四川省峨眉山景区地 2017年3月13日08时的降水量气象台预报值进行修正。

第1组：起报时次2017031220，预报2017031308～20170313020

起报时次2017031220(2017年3月12日20时，下同)，预报时段 2017031308～20170313020(2017年3月13日白天)，则预报时效为012～ 024时。

步骤S1、获取预测日降水量报文数据Y_m

降水量报文数据Y_m是气象台在起报日2017年3月12日起报时次20 时(即起报时次A)发布的预测日2017年3月13日预报时段08～20时 (白天)各预报时效历史降水量报文数据。

步骤S2、确定各预报时效晴雨阈值TH_i

根据历史报文数据降水量，采用自起报日前24h起向前10d的各预 报时效的历史降水量报文数据Y′_m及对应时效的历史降水量实况数据Y′_n用于确定预报时效012～024的晴雨阈值。

降水量报文数据Y′_m及对应实况观测值Y′_n数据见表1.1。由于存在属 于Y′_m>0且Y′_n＝0(即实况没有降水，但预报有降水)的情况，因此将 10d中相应的012～024时预报时效的报文数据Y′_m的最大值记录为该预报 时效晴雨阈值TH_i，得到该时效的TH_i见表1.1。

表1.1

步骤S3、确定各预报时效范围的偏差修正率D_j

查询自2017年3月12日20时(起报日起报时次A)前24h起向前 30d内的历史实况数据Y′_n，发现有大于10个白天的历史实况数据Y′_n>0 的日子，记录最近的10个白天各预报时效历史报文数据Y′_m及对应的实 况数据Y′_n用于偏差修正率的计算。并记录各个预报时效中Y′_m≠0且Y′_n≠0 的天数为k。

以预报时效012～024时为例，表1.2是10d中该时效的历史报文数 据Y′_m及对应的实况数据Y′_n。记录该时效中Y′_m≠0且Y′_n≠0的天数为k＝10； 依式1计算白天各预报时效范围的偏差修正率D_j的绝对值，并依法确定 其正负值，结果见表1.2。

表1.2

步骤S4、确定预测日白天各预报时效降水量修正值Y_j

2017年3月12日20时气象台对公发布的未来12～24时段内的降 水量报文数据Y_m＝14.3。Y_m＝14.3＞晴雨阈值5.3，所以存在降水。

将Y_m＝14.3、D_j＝-0.6代入式2，有2017年3月13日08～20时(白 天时段)降水量修正值Y_j＝14.3–14.3*0.6＝5.7。

结果验证：2017年3月13日08～20时(白天时段)的实况观测值 是12.9，修正值Y_j较报文数据值更接近实况观测值。

第2组：起报2017041820，预报2017041908～2017041920

起报2017041820，预报时段2017041908～2017041920(2017年4 月19日白天)，则预报时效为012～024小时。

同样对四川省峨眉山景区相对湿度值预报值进行修正。

采用与第1组相同的计算方法：根据历史各预报时效的历史降水量 报文数据及对应时效的历史降水量实况数据确定036～048预报时效的 晴雨阈值为4.6，偏差修正率为0.3。

根据起报时次为2017年4月18日20时的报文数据在2017年4月 19日08时～20时的报文数据Y_m＝19.3，结合晴雨阈值4.6、偏差修正率 为0.3，依式2得到2017年4月19日08～20时(白天时段)的降水量 修正值为16.3+16.3*0.3＝21.2。

结果验证：2017年4月19日08～20时(白天时段)的实况观测值 是17.3，修正值更接近实况观测值。

实施例二

用本发明雨凇景观预测方法分别测算四川省峨眉山景区在2017年3 月13日、2017年4月19日两日的雨凇景观发生概率M。

第1组：起报2017031220，预报20170313

步骤S1、依时间段判断雨凇景观发生概率M

步骤S11、确定雨凇景观发生时间段

根据峨眉山景区近5年内的雨凇景观记录数据，统计确定峨眉山景 区每年雨凇景观发生时间段r在1、2、3、4、10、11、12月份。

步骤S12、依时间段判断雨凇景观发生概率M

预测日2017年3月13日属于r时间段，进入步骤S2。

步骤S2、确定预测日温度

本实施方式中采用预测日温度修正值替代气象预报的温度值。

步骤S21、计算预测日最低温修正值T_min

采用报文数据T_y是气象台在2017年3月12日20时发布的未来24h 内温度预测值(温度报文数据T_y)。

根据起报日气象预报的报文数据确定预测日报文数据最小值T′_min。 2017年3月12日20时发布的未来24h内的最低温度预报值T′_min＝2.46， 见表2.1。

表2.1温度报文数据T_y

预报时次为2017年3月13日08～20时，起报时次为2017年3月 12日20时，预报时效为12～24小时，依式3、式4计算预测日2017年 3月13日的最低温度修正值T″_min＝2.13。修正计算中涉及的T_y、T_z、ΔT_i、 ΔT、T_min见表2.2。

表2.2误差修正的天数中T_y、T_z、ΔT_i、ΔT、T_min(i＝5)

步骤S22、计算预测日温度修正值、T_avg

采用本发明气象要素预报误差修正方法分别计算2017年3月13日 在02时、08时、14时、20时四个时次预报温度值T′₀₂、T′₀₈、T′₁₄、T′₂₀的 温度修正值T₀₂、T₀₈、T₁₄、T₂₀。采用报文数据T_y是气象台在2017年3 月12日20时发布的未来24h内在02时、08时、14时、20时四个时次 的报文数据。依式3、式4对这四个时次的温度预测值进行修正，得到 温度修正值T₀₂＝2.93、T₀₈＝3.12、T₁₄＝3.25、T₂₀＝3.08。

将T₀₂、T₀₈、T₁₄、T₂₀的平均值记录为预测日2017年3月13日平均 温度T_avg＝3.1。

步骤S3、确定统计最低温度临界值T_zmin、平均温度最高临界值T_zavg、 雨凇景观发生统计概率M′₁、M′₂

分月统计近5年的1、2、3、4、10、11、12月份(r时间段内)每 次雨凇景观过程的实况观测最低温度T′_zmin、平均温度T′_zavg，将每月内最 低温度最高值记为当月最低温度临界值T_zmin、将每月内平均温度最高值 记为当月平均温度临界值T_zavg。结果见表2.3。

表2.3雨凇景观温度临界值统计

根据每次雨凇景观过程平均温度T′_zavg划分区间，确定每月各T′_zavg区 间内有雨凇景观发生的天数，得到雨凇景观发生统计概率M′₁；根据每次 雨凇景观过程最低温度T′_zmin划分区间，确定每月各T′_zmin区间内有雨凇景 观发生的天数，得到雨凇景观发生统计概率M′₂。结果见表2.4。

表2.4最低温度及平均温度与雨凇的关系

步骤S4、依预测日最低温度T_min判断雨凇景观发生概率M

预测日2017年3月13日最低温度T_min＝2.13≤所在月T_zmin＝5.0， 起报日2017年3月12日发生雨凇景观，此后计算进入步骤S5。

步骤S5、依预测日平均温度T_avg判断雨凇景观发生概率M

预测日2017年3月13日平均温度修正值T_avg＝3.1≤所在月T_zavg＝9.7，判断雨凇景观发生概率M是T_avg所在的T′_zavg区间对应的雨凇发生统 计概率M′₁＝0.2。雨凇发生概率较小。

结果验证：经实际观测，2017年3月13日未出现雨凇。

第2组：起报2017041820，预报20170419

步骤S1同第1组。

步骤S2、计算预测日温度修正值、T_min、T_avg

采用与第1组同样的计算方法，计算得到预测日2017年4月19日 的最低温度修正值T_min＝-2.68。计算得到预测日2017年4月19日在02 时、08时、14时、20时四个时次的预报温度修正值T₀₂＝-3.03、T₀₈＝-1.45、 T₁₄＝8.34、T₂₀＝7.88，将T₀₂、T₀₈、T₁₄、T₂₀的平均值记录为预测日2017 年4月19日的预报平均温度T_avg＝2.94。

步骤S3同第1组。

步骤S4、依预测日最低温度T_min判断雨凇景观发生概率P

预测日2017年4月19日最低温度T_min＝-2.68≤所在月T_zmin＝5.2， 起报日2017年4月18日未发生雨凇景观，此后计算进入步骤S6。

步骤S6、依预测日是否有降水判断雨凇景观发生概率P

步骤S61、计算预测日降水量修正值Y_j

采用本发明降水量气象报文数据误差修正方法计算预测日2017年4 月19日在08～20时段的降水量修正值Y_j为17.9mm，有降水。

步骤S62、依预测日降水修正值Y_j判断雨凇景观发生概率M

降水量修正值Y_j＝17.9mm≠0，进入步骤S7。

步骤S7、依预测日最低温度T_min判断雨凇景观发生概率M

分月统计近5年内的r时间段内每月发生雨凇景观第一日的实况观测 日最低温度T″_zmin，见表2.5。

表2.5每月发生雨凇景观初始日的最低实况温度

月份	1	2	3	4	10	11	12
								雨凇初始日最低温度值	3.4	4.6	5.4	5.3	2.1	2.7	4.9

因预测日2017年4月19日最低温度T_min＝-2.68＜所在月T″_zmin＝5.3， 故，预测日雨凇景观发生概率M是T_min所在的T′_zmin区间对应的雨凇发生 统计概率M′₂＝0.7。判断雨凇景观发生概率P＝0.7，雨凇景观发生概率较 高。

结果验证：经实际观测2017年4月19日下午出现了雨凇。

Claims (9)

1.降水量气象报文数据误差修正方法，用于在起报日修正气象台对公共发布的预测日降水量报文数据Y_m，得到预测日降水量修正值Y_j，其特征在于：依如下步骤计算预测日降水量修正值Y_j：

步骤S1、获取预测日降水量报文数据Y_m

所述降水量报文数据Y_m是气象台在起报日起报时次A发布的预测日的白天各预报时效历史降水量报文数据，所述起报时次A是08时或20时，所述白天是每天08时至20时；

步骤S2、确定各预报时效晴雨阈值TH_i

获取自起报日起报时次A前24h起向前10d内每个白天各预报时效的历史降水量报文数据Y′_m及对应时效的历史降水量实况数据Y′_n；

分析10d中同一预报时效的Y′_m与Y′_n，若不属于Y′_m＞0且Y′_n＝0的情况，记录该预报时效晴雨阈值TH_i＝0；反之，将10d中该预报时效报文数据Y′_m的最大值记录为该预报时效晴雨阈值TH_i；得到各预报时效晴雨阈值TH_i；

步骤S3、确定各预报时效范围的偏差修正率D_j

查询自起报日起报时次A前24h起向前30d内的历史实况数据Y′_n，

若30d内有大于等于10个白天的历史实况数据Y′_n＞0的日子，记录离起报日起报时次最近的10个白天各预报时效历史报文数据Y′_m及对应的实况数据Y′_n，记录各个预报时效中Y′_m≠0且Y′_n≠0的天数为k；

若30d内有r，r＜10个白天的历史实况数据Y′_n＞0的日子，则只记录该r个白天各预报时效的历史报文数据Y′_m及对应的实况数据Y′_n，记录各个预报时效中Y′_m≠0且Y′_n≠0的天数为k；

依式1计算白天各预报时效范围的偏差修正率D_j的绝对值：

式中，Y_i是离起报日起报时次最近的10个白天的或者r个白天的历史报文数据Y′_m、S_i是离起报日起报时次最近的10个白天的或者r个白天的历史实况数据Y′_n；

确定D_j的正负值，方法为：在各预报时效中，若Y′_m＞Y′_n的个数大于或则该预报时效D_j为负值；若Y′_m＞Y′_n的个数小于或则该预报时效D_j为正值；若Y′_m＞Y′_n的个数等于或则若起报日前一天该预报时效的Y′_m＞Y′_n，则该时效D_j为负值，反之为正值；

步骤S4、确定预测日白天各预报时效降水量修正值Y_j

若预测日白天预报时效降水量报文数据Y_m≤预报时效晴雨阈值TH_i，则预测日该预报时效降水量修正值Y_j＝0；

若预测日白天预报时效降水量报文数据Y_m＞预报时效晴雨阈值TH_i，则依式2计算该预报时效降水量修正值Y_j：

Y_j＝Y_m+Y_m×D_j 式2

式中，D_j是与Y_m同一预报时效的偏差修正率。

2.根据权利要求1所述的降水量气象报文数据误差修正方法，其特征在于：所述起报时次A是08时，预报时效是024～036、048～060、072～084、096～108、120～132、144～156、168～180共7个时效范围；或者，所述起报时次A是20时，预报时效是012～024、036～048、060～072、084～096、108～120、132～144、156～168共7个时效范围。

3.根据权利要求1所述的降水量气象报文数据误差修正方法，其特征在于：所述白天是夜晚，所述夜晚是每天20时至次日08时。

4.根据权利要求3所述的降水量气象报文数据误差修正方法，其特征在于：所述起报时次A是08时，预报时效是012～024、036～048、060～072、84～96、108～120、132～144、156～168共7个时效范围；或者，所述起报时次A是20时，预报时效是024～036、048～060、072～084、96～108、120～132、144～156、168～180共7个时效范围。

5.利用权利要求1～4任一所述的降水量气象报文数据误差修正方法实现的雨凇景观预测方法，用于在起报日测算预测日发生雨凇景观的概率M，其特征在于：所述预测日是起报日的未来24h；依如下步骤实施：

步骤S1、依时间段判断雨凇景观发生概率M

步骤S11、确定预测地雨凇景观发生时间段

根据预测地近5年内的雨凇景观记录数据，统计确定预测地每年雨凇景观发生时间段r；

步骤S12、依时间段判断雨凇景观发生概率M

若预测日不在r时间段内，判断雨凇景观发生概率M＝0，否则进入步骤S2；

步骤S2、确定预测日温度

根据起报日气象预报的报文数据确定预测日在02时、08时、14时、20时四个预报时次的预报温度值T′₀₂、T′₀₈、T′₁₄、T′₂₀，将T′₀₂、T′₀₈、T′₁₄、T′₂₀的平均值记录为预测日平均温度T_avg；将预测日报文数据最小值T′_min记录为预测日最低温度T_min；

步骤S3、确定统计温度最低临界值T_zmin、统计温度最高临界值T_zavg、雨凇景观发生统计概率M′₁、M′₂

分月统计近5年的r时间段内每次雨凇景观过程的买况观测最低温度T′_zmin、平均温度T′_zavg，将每月内最低温度最高值记为当月统计温度最低临界值T_zmin、将每月平均温度最高值记为当月统计温度平均最高临界值T_zavg；

根据每次雨凇景观过程平均温度T′_zavg划分统计区间，确定每月各T′_zavg区间内有雨凇景观发生的天数，得到雨凇景观发生统计概率M′₁；根据每次雨凇景观过程最低温度T′_zmin划分统计区间，确定每月各T′_zmin区间内有雨凇景观发生的天数，得到雨凇景观发生统计概率M′₂；

步骤S4、依预测日最低温度T_min判断雨凇景观发生概率M

若预测日最低温度T_min大于所在月T_zmin，判断雨凇景观发生概率M＝0，否则，若起报日发生雨凇景观，进入步骤S5、若起报日未发生雨凇景观，进入步骤S6；

步骤S5、依预测日平均温度T_avg判断雨凇景观发生概率M

若预测日平均温度T_avg大于所在月T_zavg，判断雨凇景观发生概率M＝0，否则雨凇景观发生概率M是T_avg所在的T′_zavg区间对应的雨凇发生统计概率M′₁；

步骤S6、依预测日降水修正值Y_j判断雨凇景观发生概率M

步骤S61、确定预测日降水量修正值Y_j

利用权利要求1～4任一所述的降水量气象报文数据误差修正方法测算预测日降水量修正值Y_j；

步骤S62、依预测日降水修正值Y_j判断雨凇景观发生概率M

若Y_j≤0，判断雨凇景观发生概率M＝0，否则进入步骤S7；

步骤S7、依预测日最低温度T_min判断雨凇景观发生概率M

分月统计近5年内的r时间段内每月发生雨凇景观第一日的实况观测日最低温度T′_zmin，若预测日最低温度T_min＞所在月T′_zmin，判断雨凇景观发生概率M＝0，否则雨凇景观发生概率M是T_min所在的T′_zmin区间对应的雨凇发生统计概率M′₂。

6.根据权利要求5所述的雨凇景观预测方法，其特征在于：所述步骤S2中采用预测日温度修正值替代气象预报的温度值，依如下方式进行：

步骤S2、确定预测日温度

根据起报日气象预报的报文数据确定预测日在02时、08时、14时、20时四个预报时次的预报温度值T′₀₂、T′₀₈、T′₁₄、T′₂₀，确定预测日报文数据最小值T′_min；

依式3对T′₀₂、T′₀₈、T′₁₄、T′₂₀、T′_min进进行修正，得到预测日最低温度修正值T″_min、预测日各预报时次的温度修正值T₀₂、T₀₈、T₁₄、T₂₀，

T＝T_y+ΔT 式3

式中，T——预测日各预报时效温度修正值，

T_y——起报日各预报时效预报温度值，

ΔT——误差修正值，依式4计算确定；

式中，i——自起报日前24h起向前用于误差修正的天数，根据历史记录数据确定；

ΔT_i——用于误差修正的天数中，各预报温度值T_y与对应实况观测值T_z的误差；

将T″_min记录为预测日最低温度T_min，将T₀₂、T₀₈、T₁₄、T₂₀的平均值记录为预测日平均温度T_avg。

7.根据权利要求6所述的雨凇景观预测方法，其特征在于：所述步骤S2中，自起报日前24h起向前用于误差修正的天数i＝5。

8.根据权利要求6所述的雨凇景观预测方法，其特征在于：预测地是峨眉山景区；所述步骤S1中，每年雨凇景观发生时间段r在1、2、3、4、10、11、12月份。

9.根据权利要求8所述的雨凇景观预测方法，其特征在于：所述步骤S3中，T′_zavg区间与雨凇景观发生统计概率M′₁关系、T′_zmin区间与雨凇景观发生统计概率M′₂关系如下：

表1