CN107765348B - 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
降水量气象报文数据误差修正方法、雨凇景观预测方法 Download PDFInfo
- Publication number
- CN107765348B CN107765348B CN201710995289.9A CN201710995289A CN107765348B CN 107765348 B CN107765348 B CN 107765348B CN 201710995289 A CN201710995289 A CN 201710995289A CN 107765348 B CN107765348 B CN 107765348B
- Authority
- CN
- China
- Prior art keywords
- forecast
- rime
- landscape
- day
- time
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/18—Testing or calibrating meteorological apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Environmental Sciences (AREA)
- Mathematical Optimization (AREA)
- Ecology (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Atmospheric Sciences (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Hydrology & Water Resources (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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Ym,得到预测日降水量修正值Yj。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
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Ym,得到预测日降水量修正值Yj,其特征在于:依如下步骤计算预测日降水量修正值Yj:
步骤S1、获取预测日降水量报文数据Ym
所述降水量报文数据Ym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THi
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THi=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THi;得到各预报时效晴雨阈值THi;
步骤S3、确定各预报时效范围的偏差修正率Dj
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Dj的绝对值:
式中,Yi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、Si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Dj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Dj为负值;若Y′m>Y′n的个数小于或则该预报时效Dj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Dj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Yj
若预测日白天预报时效降水量报文数据Ym≤预报时效晴雨阈值THi,则预测日该预报时效降水量修正值Yj=0;
若预测日白天预报时效降水量报文数据Ym>预报时效晴雨阈值THi,则依式2计算该预报时效降水量修正值Yj:
Yj=Ym+Ym×Dj 式2
式中,Dj是与Ym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Ym进行修正,从而得到预测日降水量修正值Yj。方法首先获取预测日降水量报文数据Ym,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THi。确定预报时效晴雨阈值THi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Dj。偏差修正率Dj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Dj的绝对值;偏差修正率Dj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THi、预测日预报时效降水量报文数据Ym及对应时效的偏差修正率Dj确定降水量修正值Yj。
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Ym)。发布的预测日降水量报文数据Ym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Yj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Yj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Tavg;将预测日报文数据最小值T′min记录为预测日最低温度Tmin;
步骤S3、确定统计温度最低临界值Tzmin、统计温度最高临界值Tzavg、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Tzmin、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Tzavg;
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Tmin判断雨凇景观发生概率M
若预测日最低温度Tmin大于所在月Tzmin,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Tavg判断雨凇景观发生概率M
若预测日平均温度Tavg大于所在月Tzavg,判断雨凇景观发生概率M=0,否则雨凇景观发生概率M是Tavg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Yj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Yj
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Yj;
步骤S62、依预测日降水修正值Yj判断雨凇景观发生概率M
若Yj=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Tmin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Tmin>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Tmin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Tmin、预测日平均温度Tavg、预测日降水修正值Yj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=Ty+ΔT 式3
式中,T——预测日各预报时效温度修正值,
Ty——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;
ΔTi——用于误差修正的天数中,各预报温度值Ty与对应实况观测值Tz的误差;
将T″min记录为预测日最低温度Tmin,将T02、T08、T14、T20的平均值记录为预测日平均温度Tavg。
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Ym
降水量报文数据Ym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THi
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THi,得到该时效的THi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Dj
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′c。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Dj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Yj
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Ym=14.3。Ym=14.3>晴雨阈值5.3,所以存在降水。
将Ym=14.3、Dj=-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Yj=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Yj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Ym=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Tmin
采用报文数据Ty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Ty)。
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Ty
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Ty、Tz、ΔTi、ΔT、Tmin见表2.2。
表2.2误差修正的天数中Ty、Tz、ΔTi、ΔT、Tmin(i=5)
步骤S22、计算预测日温度修正值、Tavg
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Ty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Tavg=3.1。
步骤S3、确定统计最低温度临界值Tzmin、平均温度最高临界值Tzavg、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Tzmin、将每月内平均温度最高值记为当月平均温度临界值Tzavg。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Tmin判断雨凇景观发生概率M
预测日2017年3月13日最低温度Tmin=2.13≤所在月Tzmin=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Tavg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Tavg=3.1≤所在月Tzavg=9.7,判断雨凇景观发生概率M是Tavg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、Tmin、Tavg
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Tmin=-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Tavg=2.94。
步骤S3同第1组。
步骤S4、依预测日最低温度Tmin判断雨凇景观发生概率P
预测日2017年4月19日最低温度Tmin=-2.68≤所在月Tzmin=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Yj
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Yj为17.9mm,有降水。
步骤S62、依预测日降水修正值Yj判断雨凇景观发生概率M
降水量修正值Yj=17.9mm≠0,进入步骤S7。
步骤S7、依预测日最低温度Tmin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Tmin=-2.68<所在月T″zmin=5.3,故,预测日雨凇景观发生概率M是Tmin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Ym,得到预测日降水量修正值Yj,其特征在于:依如下步骤计算预测日降水量修正值Yj:
步骤S1、获取预测日降水量报文数据Ym
所述降水量报文数据Ym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THi
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THi=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THi;得到各预报时效晴雨阈值THi;
步骤S3、确定各预报时效范围的偏差修正率Dj
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内白天的历史实况数据Y′n>0的天数大于等于10,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内白天的历史实况数据Y′n>0的天数r<10,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Dj的绝对值:
式中,Yi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、Si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Dj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Dj为负值;若Y′m>Y′n的个数小于或则该预报时效Dj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Dj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Yj
若预测日白天预报时效降水量报文数据Ym≤预报时效晴雨阈值THi,则预测日该预报时效降水量修正值Yj=0;
若预测日白天预报时效降水量报文数据Ym>预报时效晴雨阈值THi,则依式2计算该预报时效降水量修正值Yj:
Yj=Ym+Ym×Dj 式2
式中,Dj是与Ym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:将所述白天替换成夜晚,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Tavg;将预测日报文数据最小值T′min记录为预测日最低温度Tmin;
步骤S3、确定统计温度最低临界值Tzmin、统计温度最高临界值Tzavg、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Tzmin、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Tzavg;
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Tmin判断雨凇景观发生概率M
若预测日最低温度Tmin大于所在月Tzmin,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Tavg判断雨凇景观发生概率M
若预测日平均温度Tavg大于所在月Tzavg,判断雨凇景观发生概率M=0,否则雨凇景观发生概率M是Tavg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Yj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Yj
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Yj;
步骤S62、依预测日降水修正值Yj判断雨凇景观发生概率M
若Yj≤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Tmin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Tmin>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Tmin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=Ty+ΔT 式3
式中,T——预测日各预报时效温度修正值,
Ty——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;
ΔTi——用于误差修正的天数中,各预报温度值Ty与对应实况观测值Tz的误差;
将T″min记录为预测日最低温度Tmin,将T02、T08、T14、T20的平均值记录为预测日平均温度Tavg。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710995289.9A CN107765348B (zh) | 2017-10-23 | 2017-10-23 | 降水量气象报文数据误差修正方法、雨凇景观预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710995289.9A CN107765348B (zh) | 2017-10-23 | 2017-10-23 | 降水量气象报文数据误差修正方法、雨凇景观预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107765348A CN107765348A (zh) | 2018-03-06 |
CN107765348B true CN107765348B (zh) | 2020-06-02 |
Family
ID=61269344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710995289.9A Active CN107765348B (zh) | 2017-10-23 | 2017-10-23 | 降水量气象报文数据误差修正方法、雨凇景观预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107765348B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472762A (zh) * | 2018-05-11 | 2019-11-19 | 中国电力科学研究院有限公司 | 一种网格化降水的订正方法及系统 |
CN109858678B (zh) * | 2018-12-29 | 2023-04-25 | 航天信息股份有限公司 | 一种确定向日葵气象产量的方法和系统 |
CN110133756A (zh) * | 2019-04-26 | 2019-08-16 | 长威信息科技发展股份有限公司 | 一种气象站降水量修正方法 |
CN110908014B (zh) * | 2019-12-11 | 2021-11-02 | 国网湖南省电力有限公司 | 舞动精细化订正预报方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106324708A (zh) * | 2015-06-24 | 2017-01-11 | 李士进 | 雨量记录图纸的数字化方法、装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4908346B2 (ja) * | 2007-08-24 | 2012-04-04 | 株式会社東芝 | 気象予測データ解析装置及び気象予測データ解析方法 |
-
2017
- 2017-10-23 CN CN201710995289.9A patent/CN107765348B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106324708A (zh) * | 2015-06-24 | 2017-01-11 | 李士进 | 雨量记录图纸的数字化方法、装置 |
Non-Patent Citations (2)
Title |
---|
Real-time correction of ERA-Interim monthly rainfall;Francesca Di Giuseppe et al;《GEOPHYSICAL RESEARCH LETTERS》;20130719;第3750-3755页 * |
雨凇观测记录问题探讨;李建良;《气象研究与应用》;20120331;第80-82页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107765348A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107765348B (zh) | 降水量气象报文数据误差修正方法、雨凇景观预测方法 | |
CN107748933B (zh) | 气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法 | |
Twardosz et al. | The influence of atmospheric circulation on the type of precipitation (Kraków, southern Poland) | |
CN110674467A (zh) | 基于swat模型的水文过程对气候变化的响应监测方法 | |
KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
Baldi et al. | Hail occurrence in Italy: Towards a national database and climatology | |
CN110781259A (zh) | 一种基于地貌单位线的水文模型 | |
CN105631115A (zh) | 输电线路精细化覆冰模型建立方法 | |
CN104851051A (zh) | 一种结合动态修正的电网区域暴雨量精细化预警方法 | |
Feng et al. | Formation and dominant factors of haze pollution over Beijing and its peripheral areas in winter | |
CN112418500A (zh) | 一种基于多源数据及复杂模型融合对山区降雨天气预警方法 | |
Madelin et al. | Spatial interpolation-based mapping of the spring frost hazard in the Champagne vineyards | |
CN111538798A (zh) | 一种顾及dsm和dlg的城市汇水区精细化提取方法 | |
CN112033870B (zh) | 一种区域边界层pm2.5立体分布及总量推算的方法 | |
Tsakiris et al. | Regional drought identification and assessment. Case study in Crete | |
CN115423252A (zh) | 一种风光资源供给潜力评估方法、装置及计算机设备 | |
CN114093133A (zh) | 一种区域地质灾害气象预报预警方法 | |
Unal et al. | Microclimate analysis for street tree planting in hot and humid cities | |
CN111986464A (zh) | 一种基于动态方法预报道路结冰的系统 | |
Guo et al. | Persistent pollution episodes, transport pathways, and potential sources of air pollution during the heating season of 2016–2017 in Lanzhou, China | |
Du et al. | Human influences on regional temperature change-comparing adjacent plains of China and Russia | |
CN109063896B (zh) | 一种东北地区融雪径流开始日期的识别方法 | |
CN103115598A (zh) | 电网覆冰区域分布的测绘方法 | |
CN116543528A (zh) | 一种基于降雨阈值的区域滑坡危险性预警方法 | |
CN108510098B (zh) | 基于卫星遥感的输电线路走廊雪深估算与预警方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |