CN109085664A - 一种温度精细化预报偏差滑动订正方法 - Google Patents
一种温度精细化预报偏差滑动订正方法 Download PDFInfo
- Publication number
- CN109085664A CN109085664A CN201810723060.4A CN201810723060A CN109085664A CN 109085664 A CN109085664 A CN 109085664A CN 201810723060 A CN201810723060 A CN 201810723060A CN 109085664 A CN109085664 A CN 109085664A
- Authority
- CN
- China
- Prior art keywords
- forecast
- temperature
- point
- day
- fine
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种温度精细化预报偏差滑动订正方法。获取实况点温度数值天气预报产品,计算实况点日最高、最低温度预报,确定温度预报偏差统计及最优滑动统计期,进行日最高、最低温度预报偏差滑动统计,根据日最高、最低温度预报订正偏差进行温度精细化预报偏差订正,将温度订正值由实况点反馈到预报站点或智能网格点上。根据数值预报产品和实况产品开发定时运行程序,每日定时自动运行,实时输出订正后的温度站点或智能网格预报产品,实现温度预报偏差滑动订正。本发明通过对数值模式温度预报进行滑动统计实现偏差订正,既提高了数值预报产品的准确性又简化了长时间序列的数据统计整理过程。
Description
技术领域
本发明属于气象预报领域,具体涉及一种温度精细化预报偏差滑动订正方法。
背景技术
温度预报是天气预报中的一项基本要素。随着数值天气预报水平的提高和MOS等释用技术的发展,温度预报准确率不断提高。以欧洲中期数值预报中心(ECMWF)数值预报产品为例,目前ECMWF模式2℃内温度预报准确率已达80%以上,但由于不同的下垫面特征以及模式系统误差等原因,数值模式温度预报往往存在系统误差。通过对历史资料统计建方程等方法进行MOS预报对温度预报取得了较好的释用效果,但传统的MOS预报存在以下缺点:(1)需要的历史数据比较多,一般需要2-3年以上的资料建方程效果较好。而当前数值模式发展变化较快,3年之内模式往往具有较大调整,导致MOS预报方法效果下降。(2)计算量大。需要不断进行长时间序列的数据统计整理,更新预报方程。(3)对于较为明显的强降温等过程,传统的MOS预报方法往往预报滞后。因此,在数值模式不断改进发展的今天,需要发展新的温度预报订正释用方法,以期通过少量历史样本可以达到较好的订正释用效果,提高温度预报准确率。
发明内容
为弥补现有技术的不足,本发明提供一种基于数值天气预报的准确率高、订正效果好的温度精细化预报偏差滑动订正方法。
本发明是通过如下技术方案实现的:
一种温度精细化预报偏差滑动订正方法,其特殊之处在于:包括以下步骤:
(1)获取数值天气预报温度精细化预报产品及温度实况,通过插值技术获取实况点温度数值天气预报产品,并计算获取实况点日最高、最低温度预报;
(2)实况点数值模式日最高最低温度预报偏差统计及最优滑动统计期确定:首先根据实况点日最高、最低温度值和数值模式日最高、最低温度预报值,对前期一段时间内数值模式日最高最低温度预报误差进行逐日统计计算,按照不同的滑动统计期获取不同滑动统计期内数值模式日最高最低温度平均预报误差;基于不同滑动统计期内温度预报系统误差分别对日最高、最低温度预报进行偏差订正;对订正前后的日最高、最低温度预报准确率进行评分或预报误差统计,根据预报准确率或误差大小选取订正预报效果最好的系统误差订正方式,确定偏差最优滑动统计期;
(3)实况点数值模式日最高最低温度预报偏差订正:根据确定的最优滑动统计期进行实况点日最高、最低温度预报偏差滑动统计,日最高温度订正误差设为Dtmax,日最低温度订正误差设为Dtmin;
(4)根据日最高、最低温度预报订正偏差进行实况点数值模式日最高最低温度预报偏差订正;
(5)根据实况点数值模式日最高、最低温度预报偏差订正值进行温度精细化预报偏差订正,将日最高、最低温度的预报偏差作为订正量,线性调整到该点温度时间精细化预报(定时预报);采用邻域法,将日最高最低温度预报偏差订正值由实况点反馈到周围站点或智能网格点上,并进一步实现相应点的温度精细化预报(定时预报)订正;
(6)根据数值预报产品和实况产品开发定时运行程序,根据数值天气预报产品时间每日定时自动运行,实时输出订正后的温度精细化预报产品,实现业务化运行;
(7)逐日滚动重复上述步骤,实现温度预报偏差滑动订正。
本发明的一种温度精细化预报偏差滑动订正方法,所述实况点包括不规则分布的站点或规则分布的网格点。
本发明的一种温度精细化预报偏差滑动订正方法,步骤(1)中获取数值天气预报温度精细化预报产品包括获取预报区域范围内的数值天气预报温度精细化产品,同时获取日最高、最低温度预报;获取数值天气预报温度实况包括获取观测站点或网格点温度实况以及实况点的经纬度坐标,以及观测站点或网格点日最高、最低温度实况。
本发明的一种温度精细化预报偏差滑动订正方法,步骤(2)中所述前期一段时间内数值模式预报误差是指获取日前1-45天的数值模式预报误差。
进一步的,步骤(2)中所述订正前后温度预报准确率为温度预报误差小于等于1℃或2℃的百分率;预报温度和实况温度绝对误差小于等于1℃,则为小于等于1℃温度预报正确。预报温度和实况温度绝对误差小于等于2℃,则为小于等于2℃温度预报正确。
进一步的,上述温度预报误差是指预报值与实况值的差。
本发明的一种温度精细化预报偏差滑动订正方法,步骤(5)进行温度精细化预报偏差订正包括实况点数值模式温度精细化预报偏差订正和实况点周围网格点数值模式温度精细化预报偏差订正。
其中,实况点数值模式温度精细化预报偏差订正方法为:将日最高、最低温度的预报偏差作为订正量,线性调整到温度精细化预报,具体为:首先计算实况站点或网格点数值模式预报的日最高、最低温度值及其出现的时间;然后根据日最高最低温度预报订正误差获取中间各定时温度预报订正误差:假设日最高温度与最低温度出现时间之间共有M个时间点温度定时预报,从最低温度开始,后面第n个时间点温度定时预报的订正值Dtn由反距离权重法计算获取,公式如下:
然后对温度定时精细化预报产品进行订正。
其中,实况点周围的网格点数值模式温度精细化预报偏差订正方法为:采用邻域法,将日最高最低温度预报偏差订正值由实况点反馈到智能网格点上,将日最高、最低温度的预报偏差作为订正量,线性调整到温度精细化预报,具体为:首先计算网格点数值模式预报的日最高、最低温度值及其出现的时间;然后根据日最高最低温度预报订正误差获取中间各逐时温度预报订正误差:假设日最高温度与最低温度出现时间之间共有M个时间点温度定时预报,从最低温度出现的时间点开始,后面第n个时间点温度定时预报的订正值Dtn由反距离权重法计算获取,公式如下:
然后对温度逐时精细化预报产品进行订正。
进一步的,采用邻域法,将日最高最低温度预报偏差订正值由实况点反馈到智能网格点上具体方法为:
a、数据准备:准备一份预报区域内地形高度数据,将地形数据插值到需要的网格预报点上以及实况站点上,利用MeteoInfo软件,生成与智能网格经纬度点以及实况站点相匹配的海陆边界数据;
b、利用站点日最高最低温度订正误差进行网格预报点日最高最低温度订正,包括以下步骤:
b1、采用邻域法,以预报区域范围内的实况站点为基础,找到离站点最近的格点及其周围8个格点;
b2、进行海陆下垫面特征判断:根据MeteoInfo软件生成的海陆边界数据,判断实况站点的下垫面特征,以及最近格点及其周围8个格点的下垫面特征;如果下垫面特征与站点相同,则继续进行下一步;对于下垫面特征与站点不同的格点,不进行任何操作;
b3、进行格点温度订正状态判断:每个格点订正前先进行订正状态判断,未订正时设为FALSE,订正后设为TRUE,同时记录该格点与订正站点的距离。如果该格点订正状态标记为TRUE,则先判断该格点到站点的距离d1,并与记录的该格点与上次订正站点的距离d2进行比较,如果d1>d2,则不订正该格点;如果d1<d2,则用该站点的日最高最低温度预报偏差作为该格点的日最高最低温度订正误差,再次记录该站点与订正格点的距离;
b4、进行地形高度订正:分别对进行订正的格点地形高度与最近站点地形高度进行比较,求出二者地形高度差,根据温度地形高度递减率对站点日最高最低温度订正值进行地形高度差订正,订正后的值即为该格点的日最高最低温度预报偏差订正值;
b5、依次循环,完成整个预报区域范围内所有站点向网格点订正值的反馈和相关格点的日最高最低温度订正。
本发明的有益效果是:本发明通过对数值预报温度精细化预报产品进行偏差滑动订正,实现了对模式日最高最低温度预报系统误差的有效订正,并通过将日最高、最低温度的订正线性反馈到温度精细化预报(定时预报)订正,达到温度精细化预报订正的目的。该订正方法计算量较小、受数值模式变化影响较小,订正效果好。通过对2017年和2018年WRF中尺度模式3天内温度预报和ECMWF欧洲中心模式10天内温度预报订正试验,进行偏差订正后均提高了数值预报温度预报准确率,特别在山区和沿海等模式温度预报误差较大地区订正效果更为显著。利用该发明方法订正后,温度预报准确率已达到甚至超过预报员主观订正预报水平,为实现温度客观自动化奠定了重要基础。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解,本发明的保护范围包括但不限于以下实施例,在不偏离本申请的精神和范围的前提下任何对本发明的技术方案的细节和形式所做出的修改均落入本发明的保护范围内。
实施例1
基于站点温度实况进行偏差订正,获取站点温度逐1小时精细化预报
温度实况为不规则分布的站点资料,根据站点温度实况进行温度数值预报偏差订正,采用如下步骤:
(1)以FORTRAN和NCL为主要编程语言,在WINDOWS或LINUX环境下对数值模式温度逐1小时精细化预报产品和站点温度实况产品进行解码处理,将温度数值预报产品插值到实况站点(经纬度点)上;
(2)以站点预报和实况为基础,采用不同的滑动统计期(前1-45天)分别对前期一段时间(前1-45天)数值模式日最高最低温度预报进行系统误差滑动统计,按照不同的滑动统计期获取不同滑动统计期内数值模式日最高最低温度平均预报误差;
(3)基于不同滑动统计期内温度预报系统误差分别对站点日最高、最低温度预报进行预报偏差订正;
(4)对不同偏差订正前后的日最高最低温度预报准确率进行检验,一般采用温度预报准确率(温度小于等于2℃算正确)或预报误差统计,温度预报准确率检验公式如下:
式中:
AC-温度预报准确率;
NR-气温预报正确次数;
NF-气温预报总次数。
温度预报误差包括平均误差、平均绝对误差、均方根误差。
平均误差为预报温度与实况之间误差的平均值,检验公式如下:
式中:
ME-温度预报平均误差;
NF-气温预报总次数。
i-温度预报次数标识;
Fi-第i次温度预报值;
Oi-第i次温度实况值。
平均绝对误差为预报温度与实况温度之间的误差绝对值的平均值,检验公式如下:
式中:
MAE-温度预报平均绝对误差;
NF-温度预报总次数;
i-温度预报次数标识;
Fi-第i次温度预报值;
Oi-第i次温度实况值。
均方根误差为预报温度与实况温度之间误差的平方与温度预报总次数比值的平方根,检验公式如下:
式中:
RMSE-温度预报均方根误差;
NF-温度预报总次数;
i-温度预报次数标识;
Fi-第i次温度预报值;
Oi-第i次温度实况值。
根据预报准确率或误差大小选取预报订正预报效果最好(预报质量最优)的系统误差订正方式,确定偏差最优滑动统计期;
(5)基于站点温度预报偏差最优滑动统计期(比如,试验表明,过去2天的预报误差订正后温度预报准确率最高)统计数值模式过去一段时间(过去2天)日最高、最低温度的预报偏差(平均预报误差),日最高温度订正误差设为Dtmax,日最低温度订正误差设为Dtmin;
(6)计算数值模式预报的站点日最高、最低温度值,根据日最高、最低温度预报系统误差进行站点数值模式日最高最低温度预报偏差订正;
(7)将日最高、最低温度的预报偏差作为订正量,线性调整到温度精细化(逐1小时时或更精细时间)预报;首先计算站点数值模式预报的日最高、最低温度值及其出现的时间;根据日最高最低温度预报订正误差获取中间各逐时温度预报订正误差:假设日最高温度与最低温度出现时间之间共有M个时间点温度定时预报,从最低温度出现的时间点开始,后面第n个时间点温度定时预报的订正值Dtn由反距离权重法计算获取,公式如下:
模式起始时刻的预报误差根据模式分析场与实况值计算获取,依次对温度逐1小时精细化预报产品进行订正;
(8)逐站点进行日最高最低温度及温度逐1小时预报偏差订正,获取所有站点温度订正预报产品;
(9)WINDOWS或LINUX环境下通过批处理或shell脚本定时运行,每天实时输出订正后的逐时温度预报产品。采用FTP进行下载和传输,实现预报产品共享。
实施例2
基于网格点(智能网格)温度实况进行偏差订正,获取网格点(智能网格)温度逐1小时精细化预报
温度实况为规则分布的网格点资料,根据网格点温度实况进行温度数值预报温度精细化预报偏差订正,采用如下步骤:
(1)以FORTRAN和NCL为主要编程语言,在WINDOWS或LINUX环境下对数值模式温度逐1小时预报产品和网格点温度实况产品进行解码处理,将温度数值预报产品插值到实况网格点(经纬度点)上;
(2)以网格点预报和实况为基础,采用不同的滑动统计期(前1-45天)分别对前期一段时间数值模式日最高最低温度预报进行系统误差滑动统计,按照不同的滑动统计期获取不同滑动统计期内数值模式日最高最低温度平均预报误差;
(3)基于不同滑动统计期内温度预报系统误差分别对网格点日最高、最低温度预报进行预报偏差订正;
(4)对不同偏差订正前后的日最高最低温度预报准确率进行检验,一般采用温度预报准确率(温度小于等于2℃算正确)或预报误差统计,温度预报准确率和预报误差检验公式参见实施例1中的(4)。根据预报准确率或误差大小选取预报订正预报效果最好(预报质量最优)的系统误差订正方式,确定偏差最优滑动统计期;
(5)基于温度预报偏差最优滑动统计期(比如,试验表明,过去2天的预报误差订正后温度预报准确率最高)统计数值模式过去一段时间(过去2天)日最高、最低温度的预报偏差(平均预报误差),日最高温度订正误差设为Dtmax,日最低温度订正误差设为Dtmin;
(6)计算数值模式预报的网格点日最高、最低温度值,根据日最高、最低温度预报系统误差进行网格点数值模式日最高最低温度预报偏差订正;
(7)将日最高、最低温度的预报偏差作为订正量,线性调整到温度逐1小时预报;首先计算网格点数值模式预报的日最高、最低温度值及其出现的时间,根据日最高最低温度预报订正误差获取中间各逐时温度预报订正误差:假设日最高温度与最低温度出现时间之间共有M个时间点温度定时预报,从最低温度出现的时间点开始,后面第n个时间点温度定时预报的订正值Dtn由反距离权重法计算获取,公式如下:
模式起始时刻的预报误差根据模式分析场与实况值计算获取,依次对温度逐1小时精细化预报产品进行订正;
(8)逐格点进行日最高最低温度及温度逐1小时预报偏差订正,获取温度格点订正预报产品;
(9)WINDOWS或LINUX环境下通过批处理或shell脚本定时运行,每天实时输出订正后的逐时温度预报产品;采用FTP进行下载和传输,实现预报产品共享。
实施例3
基于站点温度实况进行偏差订正,获取格点(智能网格)温度逐1小时精细化预报
温度实况为不规则分布的站点资料,根据站点温度实况进行温度数值预报偏差订正,获取格点(智能网格)温度精细化预报,采用如下步骤:
(1)以FORTRAN和NCL为主要编程语言,在WINDOWS或LINUX环境下对数值模式温度逐1小时预报产品和站点温度实况产品进行解码处理,首先将数值预报温度预报产品插值到实况站点(经纬度点)上;
(2)以站点预报和实况为基础,采用不同的滑动统计期(前1-45天)分别对前期一段时间数值模式日最高最低温度预报进行系统误差滑动统计,按照不同的滑动统计期获取不同滑动统计期内数值模式日最高最低温度平均预报误差;
(3)基于不同滑动统计期内温度预报系统误差分别对站点日最高、最低温度预报进行预报偏差订正;
(4)对不同偏差订正前后的日最高最低温度预报准确率进行检验,一般采用温度预报准确率(温度小于等于2℃算正确)或预报误差统计,温度预报准确率和预报误差检验公式同实施例1步骤(4)。
根据预报准确率或误差大小选取预报订正预报效果最好(预报质量最优)的系统误差订正方式,确定偏差最优滑动统计期;
(5)基于站点温度预报偏差最优滑动统计期(比如,试验表明,过去2天的预报误差订正后温度预报准确率最高)统计数值模式过去一段时间(过去2天)日最高、最低温度的预报偏差(平均预报误差),日最高温度订正误差设为Dtmax,日最低温度订正误差设为Dtmin;
(6)采用邻域法,将日最高最低温度预报偏差订正值由实况站点反馈到网格点上,具体方法为:1、数据准备:准备一份预报区域内地形高度数据,将地形数据插值到需要的网格预报点(经纬度坐标)上以及实况站点(经纬度坐标)上;利用MeteoInfo软件,生成与网格经纬度点以及实况站点相匹配的海陆边界数据;2、利用站点日最高最低温度订正误差进行网格预报点日最高最低温度订正,具体实施包括以下步骤:1)采用邻域法,以预报区域范围内的实况站点为基础,找到离站点最近的格点及其周围8个格点;2)进行海陆下垫面特征判断:根据MeteoInfo软件生成的海陆边界数据,判断实况站点的下垫面特征(海洋或陆地),以及最近格点及其周围8个格点的下垫面特征(海洋或陆地)。如果下垫面特征与站点相同,则继续进行下一步;对于下垫面特征与站点不同的格点,不进行任何操作;3)进行格点温度订正状态判断:每个格点订正前先进行订正状态判断,未订正时(默认值)设为FALSE,订正后设为TRUE,同时记录该格点与订正站点的距离。如果该格点订正状态标记为TRUE,则先判断该格点到站点的距离(d1),并与记录的该格点与上次订正站点的距离(d2)进行比较,如果d1>d2,则不订正该格点;如果d1<d2,则用该站点的日最高最低温度预报偏差作为该格点的日最高最低温度订正误差,再次记录该站点与订正格点的距离;4)进行地形高度订正:分别对进行订正的格点地形高度与最近站点地形高度进行比较,求出二者地形高度差,根据温度垂直递减率对站点日最高最低温度订正值进行地形高度差订正,订正后的值即为该格点的日最高最低温度预报偏差订正值;5)依次循环,完成整个预报区域范围内所有站点向网格点订正值的反馈和相关格点的日最高最低温度订正;
(7)将日最高、最低温度的预报偏差作为订正量,线性调整到温度逐1小时精细化预报:1、首先计算网格点数值模式预报的日最高、最低温度值及其出现的时间;2、根据日最高最低温度预报订正误差获取中间各逐时温度预报订正误差:假设日最高温度与最低温度出现时间之间共有M个时间点温度定时预报,从最低温度出现的时间点开始,后面第n个时间点温度定时预报的订正值Dtn由反距离权重法计算获取,公式如下:
模式起始时刻的预报误差根据模式分析场与实况值计算获取,依次对温度逐1小时精细化预报产品进行订正;
(8)逐格点进行日最高最低温度及温度逐1小时预报偏差订正,获取温度格点订正预报产品;
(9)WINDOWS或LINUX环境下通过批处理或shell脚本定时运行,每天实时输出订正后的逐时温度预报产品;采用FTP进行下载和传输,实现预报产品共享。
Claims (10)
1.一种温度精细化预报偏差滑动订正方法,其特征在于:包括以下步骤:
(1)获取数值天气预报温度精细化预报产品及温度实况,通过插值技术获取实况点温度数值天气预报产品,并计算获取实况点日最高、最低温度预报;
(2)实况点数值模式日最高最低温度预报偏差统计及最优滑动统计期确定:首先根据实况点日最高、最低温度值和数值模式日最高、最低温度预报值,对前期一段时间内数值模式日最高最低温度预报误差进行逐日统计计算,按照不同的滑动统计期获取不同滑动统计期内数值模式日最高最低温度平均预报误差;基于不同滑动统计期内温度预报系统误差分别对日最高、最低温度预报进行偏差订正;对订正前后的日最高、最低温度预报准确率进行评分或预报误差统计,根据预报准确率或误差大小选取订正预报效果最好的系统误差订正方式,确定偏差最优滑动统计期;
(3)实况点数值模式日最高、最低温度预报偏差订正:根据确定的最优滑动统计期进行实况点日最高、最低温度预报偏差滑动统计,日最高温度订正误差设为Dtmax,日最低温度订正误差设为Dtmin;
(4)根据日最高、最低温度预报订正偏差进行实况点数值模式日最高、最低温度预报偏差订正;
(5)根据实况点数值模式日最高、最低温度预报偏差订正值进行温度精细化预报偏差订正,将日最高、最低温度的预报偏差作为订正量,线性调整到该点温度精细化预报;采用邻域法,将日最高最低温度预报偏差订正值由实况点反馈到周围站点或智能网格点上,并进一步实现相应点的温度精细化预报订正;
(6)每天实时输出订正后的温度精细化预报产品,实现业务化运行;
(7)逐日滚动重复上述步骤,实现温度预报偏差滑动订正。
2.根据权利要求1所述的一种温度精细化预报偏差滑动订正方法,其特征在于:所述实况点为不规则分布的站点或规则分布的网格点。
3.根据权利要求2所述的一种温度精细化预报偏差滑动订正方法,其特征在于:步骤(1)中获取数值天气预报温度精细化预报产品包括获取预报区域范围内的数值天气预报温度精细化产品,同时获取日最高、最低温度预报;获取数值天气预报温度实况包括获取观测站点或网格点温度实况以及实况点的经纬度坐标,以及观测站点或网格点日最高、最低温度实况。
4.根据权利要求2所述的一种温度精细化预报偏差滑动订正方法,其特征在于:步骤(2)中所述前期一段时间内数值模式预报误差是指获取日前1-45天的数值模式预报误差。
5.根据权利要求2或4所述的一种温度精细化预报偏差滑动订正方法,其特征在于:步骤(2)中所述订正前后温度预报准确率为温度预报误差小于等于1℃或2℃的百分率。
6.根据权利要求5所述的一种温度精细化预报偏差滑动订正方法,其特征在于:温度预报误差是指预报值与实况值的差值。
7.根据权利要求2所述的一种温度精细化预报偏差滑动订正方法,其特征在于:步骤(5)进行温度精细化预报偏差订正包括实况点数值模式温度精细化预报偏差订正和网格点数值模式温度精细化预报偏差订正。
8.根据权利要求7所述的一种温度精细化预报偏差滑动订正方法,其特征在于:实况点数值模式温度精细化预报偏差订正方法为:将日最高、最低温度的预报偏差作为订正量,线性调整到温度精细化预报,具体为:首先计算实况点数值模式预报的日最高、最低温度值及其出现的时间;然后根据日最高最低温度预报订正误差获取中间各定时温度预报订正误差:假设日最高温度与最低温度出现时间之间共有M个时间点温度定时预报,从最低温度开始,后面第n个时间点温度定时预报的订正值Dtn由反距离权重法计算获取,公式如下:
然后对实况点温度定时精细化预报产品进行订正。
9.根据权利要求7所述的一种温度精细化预报偏差滑动订正方法,其特征在于:网格点数值模式温度精细化预报偏差订正方法为:采用邻域法,将日最高最低温度预报偏差订正值由实况点反馈到智能网格点上,将日最高、最低温度的预报偏差作为订正量,线性调整到温度精细化预报,具体为:首先计算网格点数值模式预报的日最高、最低温度值及其出现的时间;然后根据日最高最低温度预报订正误差获取中间各逐时温度预报订正误差:假设日最高温度与最低温度出现时间之间共有M个时间点温度定时预报,从最低温度出现的时间点开始,后面第n个时间点温度定时预报的订正值Dtn由反距离权重法计算获取,公式如下:
然后对温度逐时精细化预报产品进行订正。
10.根据权利要求9所述的一种温度精细化预报偏差滑动订正方法,其特征在于:采用邻域法,将日最高最低温度预报偏差订正值由实况点反馈到智能网格点上具体方法为:
a、数据准备:准备一份预报区域内地形高度数据,将地形数据插值到需要的网格预报点上以及实况站点上,利用MeteoInfo软件,生成与智能网格经纬度点以及实况站点相匹配的海陆边界数据;
b、利用站点日最高最低温度订正误差进行网格预报点日最高最低温度订正,包括以下步骤:
b1、采用邻域法,以预报区域范围内的实况站点为基础,找到离站点最近的格点及其周围8个格点;
b2、进行海陆下垫面特征判断:根据MeteoInfo软件生成的海陆边界数据,判断实况站点的下垫面特征,以及最近格点及其周围8个格点的下垫面特征;如果下垫面特征与站点相同,则继续进行下一步;对于下垫面特征与站点不同的格点,不进行任何操作;
b3、进行格点温度订正状态判断:每个格点订正前先进行订正状态判断,未订正时设为FALSE,订正后设为TRUE,同时记录该格点与订正站点的距离;如果该格点订正状态标记为TRUE,则先判断该格点到站点的距离d1,并与记录的该格点与上次订正站点的距离d2进行比较,如果d1>d2,则不订正该格点;如果d1<d2,则用该站点的日最高最低温度预报偏差作为该格点的日最高最低温度订正误差,再次记录该站点与订正格点的距离;
b4、进行地形高度订正:分别对进行订正的格点地形高度与最近站点地形高度进行比较,求出二者地形高度差,根据温度地形高度递减率对站点日最高最低温度订正值进行地形高度差订正,订正后的值即为该格点的日最高最低温度预报偏差订正值;
b5、逐站进行循环,完成整个预报区域范围内所有站点向网格点订正值的反馈和相关格点的日最高最低温度订正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810723060.4A CN109085664B (zh) | 2018-07-04 | 2018-07-04 | 一种温度精细化预报偏差滑动订正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810723060.4A CN109085664B (zh) | 2018-07-04 | 2018-07-04 | 一种温度精细化预报偏差滑动订正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109085664A true CN109085664A (zh) | 2018-12-25 |
CN109085664B CN109085664B (zh) | 2020-10-13 |
Family
ID=64837315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810723060.4A Active CN109085664B (zh) | 2018-07-04 | 2018-07-04 | 一种温度精细化预报偏差滑动订正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109085664B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110058329A (zh) * | 2019-04-22 | 2019-07-26 | 山东省气象科学研究所 | 一种气象要素智能网格预报产品空间降尺度方法 |
CN110068878A (zh) * | 2019-04-22 | 2019-07-30 | 山东省气象科学研究所 | 一种气温智能网格最优集成预报方法 |
CN110110482A (zh) * | 2019-05-22 | 2019-08-09 | 国家气象信息中心 | 探空特性层温度偏差订正及效果检验算法 |
CN110263392A (zh) * | 2019-06-01 | 2019-09-20 | 邯郸市气象局 | 基于多模式分区误差检验的风场预报方法及其系统 |
CN110991717A (zh) * | 2019-11-22 | 2020-04-10 | 福建省海洋预报台 | 一种智能化海洋网格预报方法及终端 |
CN111737876A (zh) * | 2020-06-29 | 2020-10-02 | 杭州电子科技大学 | 一种具有时空分布特征的茶叶开采期及采摘时长预测方法 |
CN111766646A (zh) * | 2020-07-28 | 2020-10-13 | 天津市气象台 | 一种基于活动区间的气温预报偏差订正方法和系统 |
CN112558186A (zh) * | 2020-12-10 | 2021-03-26 | 山东省气象科学研究所 | 一种数值模式地面2米气温预报产品时间降尺度方法 |
CN115826095A (zh) * | 2022-11-01 | 2023-03-21 | 江西省气象台(江西省环境预报中心) | 地面气温预报方法、系统、终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104849776A (zh) * | 2014-12-08 | 2015-08-19 | 国家电网公司 | 一种结合动态修正的电网高低温精细化预警方法 |
CN104931040A (zh) * | 2014-11-25 | 2015-09-23 | 国家电网公司 | 基于机器学习的北斗ⅱ代导航系统电力铁塔变形监测设备安装和调试方法 |
CN107341134A (zh) * | 2017-06-27 | 2017-11-10 | 洛阳市气象局 | 一种对数值预报格点温度预报数据精细化处理的方法 |
CN107843884A (zh) * | 2017-09-13 | 2018-03-27 | 成都信息工程大学 | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 |
-
2018
- 2018-07-04 CN CN201810723060.4A patent/CN109085664B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104931040A (zh) * | 2014-11-25 | 2015-09-23 | 国家电网公司 | 基于机器学习的北斗ⅱ代导航系统电力铁塔变形监测设备安装和调试方法 |
CN104849776A (zh) * | 2014-12-08 | 2015-08-19 | 国家电网公司 | 一种结合动态修正的电网高低温精细化预警方法 |
CN107341134A (zh) * | 2017-06-27 | 2017-11-10 | 洛阳市气象局 | 一种对数值预报格点温度预报数据精细化处理的方法 |
CN107843884A (zh) * | 2017-09-13 | 2018-03-27 | 成都信息工程大学 | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110058329B (zh) * | 2019-04-22 | 2020-12-22 | 山东省气象科学研究所 | 一种气象要素智能网格预报产品空间降尺度方法 |
CN110068878A (zh) * | 2019-04-22 | 2019-07-30 | 山东省气象科学研究所 | 一种气温智能网格最优集成预报方法 |
CN110058329A (zh) * | 2019-04-22 | 2019-07-26 | 山东省气象科学研究所 | 一种气象要素智能网格预报产品空间降尺度方法 |
CN110068878B (zh) * | 2019-04-22 | 2021-04-09 | 山东省气象科学研究所 | 一种气温智能网格最优集成预报方法 |
CN110110482A (zh) * | 2019-05-22 | 2019-08-09 | 国家气象信息中心 | 探空特性层温度偏差订正及效果检验算法 |
CN110263392A (zh) * | 2019-06-01 | 2019-09-20 | 邯郸市气象局 | 基于多模式分区误差检验的风场预报方法及其系统 |
CN110991717A (zh) * | 2019-11-22 | 2020-04-10 | 福建省海洋预报台 | 一种智能化海洋网格预报方法及终端 |
CN110991717B (zh) * | 2019-11-22 | 2022-05-17 | 福建省海洋预报台 | 一种智能化海洋网格预报方法及终端 |
CN111737876A (zh) * | 2020-06-29 | 2020-10-02 | 杭州电子科技大学 | 一种具有时空分布特征的茶叶开采期及采摘时长预测方法 |
CN111766646A (zh) * | 2020-07-28 | 2020-10-13 | 天津市气象台 | 一种基于活动区间的气温预报偏差订正方法和系统 |
CN111766646B (zh) * | 2020-07-28 | 2022-04-22 | 天津市气象台 | 一种基于活动区间的气温预报偏差订正方法和系统 |
CN112558186A (zh) * | 2020-12-10 | 2021-03-26 | 山东省气象科学研究所 | 一种数值模式地面2米气温预报产品时间降尺度方法 |
CN115826095A (zh) * | 2022-11-01 | 2023-03-21 | 江西省气象台(江西省环境预报中心) | 地面气温预报方法、系统、终端及存储介质 |
CN115826095B (zh) * | 2022-11-01 | 2023-11-28 | 江西省气象台(江西省环境预报中心) | 地面气温预报方法、系统、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109085664B (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109085664A (zh) | 一种温度精细化预报偏差滑动订正方法 | |
Lv et al. | Climate change impacts on regional rice production in China | |
CN111027175B (zh) | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 | |
CN110068878B (zh) | 一种气温智能网格最优集成预报方法 | |
CN110058329B (zh) | 一种气象要素智能网格预报产品空间降尺度方法 | |
Geng et al. | Climate change impacts on winter wheat yield in Northern China | |
CN104992071B (zh) | 一种基于集合资料同化技术的初始扰动方法 | |
CN108983324A (zh) | 一种基于卡尔曼滤波的气温预报方法及系统 | |
CN114970377B (zh) | 基于新安江与深度学习耦合模型的场次洪水预报方法和系统 | |
CN111538935B (zh) | 基于地形特征和多源模式产品的精细化降水融合方法、系统、电子设备及存储介质 | |
CN113267834A (zh) | 一种基于多模型集成的融合降水预报方法 | |
CN109800921A (zh) | 一种基于遥感物候同化和粒子群优化算法的区域冬小麦估产方法 | |
Chen et al. | Potential of remote sensing data-crop model assimilation and seasonal weather forecasts for early-season crop yield forecasting over a large area | |
CN107766985A (zh) | 一种河口盐度预测方法 | |
CN111007582A (zh) | 一种适用于多要素的高分辨率集合预报系统 | |
CN109657988B (zh) | 基于hasm和欧氏距离算法的烟叶品质分区方法 | |
CN112493100B (zh) | 基于土壤水势的棉花水分监测滴灌控制方法及系统 | |
CN116595333B (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
CN117290810A (zh) | 基于循环卷积神经网络的短时强降水概率预报融合方法 | |
Xu et al. | The impact of climate change on yield potential of maize across China | |
CN110928973A (zh) | 一种降水量状况评估方法 | |
CN115983511A (zh) | 基于改进统计降尺度方法的降水预估方法和系统 | |
Szwed et al. | Change of maximum snow cover depth in Poland–trends and projections | |
KR102351713B1 (ko) | 조도계를 이용한 기상정보 생성 시스템 및 그 방법 | |
CN108898260A (zh) | 基于温度的农业生产预测方法 |
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 |