CN109241212B - 基于中尺度数值大气模式与高分辨率历史降雨反演方法 - Google Patents
基于中尺度数值大气模式与高分辨率历史降雨反演方法 Download PDFInfo
- Publication number
- CN109241212B CN109241212B CN201810829958.XA CN201810829958A CN109241212B CN 109241212 B CN109241212 B CN 109241212B CN 201810829958 A CN201810829958 A CN 201810829958A CN 109241212 B CN109241212 B CN 109241212B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- data
- station
- mesoscale numerical
- grid
- 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 34
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000011160 research Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000282376 Panthera tigris Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法,包括:确定降雨数据分辨率,中尺度数值大气模式降雨输出,划分控制单元,修正系数计算和降雨数据修正。通过本发明的修正方案,一方面保留了中尺度数值大气模式的降雨输出数据在空间上具有的分辨率信息,反映出降雨的空间分布规律。另一方面,以泰森多边形法划分各雨量站的控制面积,位于某雨量站控制范围内的网格隶属于该雨量站,其模拟的网格降雨由该雨量站的实测降雨信息进行修正。从降雨初时刻开始,各时刻面雨量以雨量站实测资料为准,通过中尺度数值大气模式输出降雨空间比例分配至不同大小的网格中,可保证各控制面上的面雨量等于实测雨量。
Description
技术领域
本发明涉及一种空间降雨数据的生成方法,尤其是涉及一种基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法。
背景技术
降雨数据是驱动水文模拟的最关键因素,准确的降雨信息是获得良好水文模拟结果的前提。实际发生的降雨都是具有一定空间分辨率信息的,这种空间分辨率信息不仅影响了洪峰流量、峰现时间和径流总量、也影响了模型参数估计的不确定性。若从雨量站获得降雨信息,在模拟过程中需要生成泰森多边形,每一个多边形内的降雨数据用该多边形内的雨量站数据表示。这样的处理方法在一定程度上损失了实际降雨的空间分布信息;若通过大气数值模式生成降雨数据,这种方法虽然可以满足一定的空间分辨率要求,但由于大气数值模式在求解过程中误差的累积效应,导致生成的降雨数据在降雨总量上和实际的降雨存在一定的差异。
中尺度数值大气模式是描述不同类型的中尺度大气运动而建立的方程组,模式网格尺度一般是几公里到几十公里。得益于计算机和观测技术的发展,中尺度数值大气模式在上世纪90年代进入了快速发展的阶段,目前常用的中尺度数值大气主要有WRF、Eta、RWM、UKMO等。模式支持高精度的网格分辨率,最高可生成1km×1km的网格数据。中尺度数据大气模式通过数学物理方法反映大气运动的物理机制,通过物理参数化方案苗虎区域的大气特征。但由于驱动数据和计算累计误差的原因,虽然中尺度数值大气模式模拟得到的降雨量具有一定的空间分布信息,但该降雨信息和实际发生的降雨过程存在一定的差异,如何充分利用中尺度数值大气模式生成降雨数据的空间信息,同时改善在降雨总量上和实际降雨的差异,得到高分辨率降雨数据,是进行水文模拟的关键问题,同时高分辨率降雨信息也是陆气耦合研究中误差归因分析的必要条件。
发明内容
本发明设计了一种基于中尺度数值大气模式与高分辨率历史降雨反演方法,其解决的技术问题是现有中尺度数值大气模式由于驱动数据和计算累计误差的原因,虽然中尺度数值大气模式模拟得到的降雨量具有一定的空间分布信息,但该降雨信息和实际发生的降雨过程存在一定的差异。
为了解决上述存在的技术问题,本发明采用了以下方案:
一种基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法,包括:确定降雨数据分辨率,中尺度数值大气模式降雨输出,划分控制单元,修正系数计算和降雨数据修正。
具体来说:一种基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法,即一种空间降雨数据的生成方法,包括以下步骤:
步骤1:确定研究区范围、需要研究的降雨场次和拟得到降雨数据的分辨率,搜集研究区内雨量站的坐标信息和需要研究的降雨场次实测降雨信息;
步骤2:设置中尺度数值大气模式的基本参数,其中最内层网格的尺寸和拟得到降雨数据的分辨率一致,驱动中尺度数值大气模式,得到输出的降雨数据;
步骤3:根据研究区内的雨量站位置,运用地理信息软件(GIS)划分泰森多边形,包含某一个雨量站的泰森多边形称为这个雨量站的控制单元;
步骤4:将中尺度数值大气模式输出的降雨数据划分至不同的控制单元,对研究范围内所有的网格降雨数据进行控制单元的划分;
步骤5:针对一个控制单元,在降雨开始时刻,计算中尺度数值大气模式输出降雨数据的面平均降雨量,计算公式为:
步骤6:模拟降雨数据的修正;
针对所述控制单元内中尺度数值大气模式的网格型降雨数据,对降雨开始时刻,每一个网格的降雨数据同时乘以一个修正系数,修正系数计算公式为:
步骤7:针对上述控制面积,从降雨开始时刻开始至降雨结束时刻,重复步骤5-步骤6。
步骤8:针对不同的控制单元,重复步骤7,最终获得高分辨率降雨生成方案。
进一步,步骤1中所述的降雨数据的分辨率为Nkm×Nkm,其中,N为正数。例如:1km×1km、3km×3km或9km×9km。
进一步,步骤3中划分泰森多边形的过程为:连接每一个雨量站位置点形成若干个三角形,分别作这些三角形各边的垂直平分线,于是每个雨量站周围的若干垂直平分线便围成一个多边形,这些多边形就称为泰森多边形。
进一步,步骤4中的中尺度数值大气模式输出降雨数据是网格型的数据,每个网格内有唯一标识的降雨数据;在划分过程中,若某一网格的中心点坐标位于某一雨量站的控制面积内,则该网格的降雨数据隶属于这一雨量站的控制单元。
该基于中尺度数值大气模式与高分辨率历史降雨反演方法具有以下有益效果:
(1)本发明一方面保留了中尺度数值大气模式的降雨输出数据在空间上具有的分辨率信息,反映出降雨的空间分布规律;;另一方面,以泰森多边形法划分各雨量站的控制面积,位于某雨量站控制范围内的网格隶属于该雨量站,其模拟的网格降雨由该雨量站的实测降雨信息进行修正。从降雨初时刻开始,各时刻面雨量以雨量站实测资料为准,通过中尺度数值大气模式输出降雨空间比例分配至不同大小的网格中,可保证各控制面上的面雨量等于实测雨量。
(2)本发明中尺度数值大气模式的降雨输出数据在空间上具有一定的分辨率,该结果是建立在具有物理机制的大气动力学框架基础之上,可以反映出降雨的空间分布规律。以泰森多边形法划分各雨量站的控制面积,位于某雨量站控制范围内的网格隶属于该雨量站,其网格模拟降雨由该雨量站的实测降雨信息进行修正。从降雨初时刻开始,各时刻面雨量以雨量站实测资料为准,通过中尺度数值大气模式输出降雨空间比例分配至不同大小的网格中。通过该方法处理后,可保证各控制面上的面雨量等于实测雨量,且其空间分布遵循中尺度数值大气模式输出降雨的空间分布规律。
附图说明
图1是本发明的实施所述方法的流程图。
图2是本发明中某一流域泰森多边形划分示意图。
图3是本发明的中尺度数值大气模式输出网格降雨数据中心点分布示意图。
具体实施方式
下面结合图1至图3,对本发明做进一步说明:
如图1所示,一种基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法,包括以下步骤:
步骤1:确定研究区范围、需要研究的降雨场次和拟得到降雨数据的分辨率,搜集研究区内雨量站的坐标信息和需要研究的降雨场次实测降雨信息;
步骤2:设置中尺度数值大气模式的基本参数,其中最内层网格的尺寸和拟得到降雨数据的分辨率一致,驱动中尺度数值大气模式,得到输出的降雨数据;
步骤3:根据研究区内的雨量站位置,运用地理信息软件(GIS)划分泰森多边形,包含某一个雨量站的泰森多边形称为这个雨量站的控制单元;
步骤4:将中尺度数值大气模式输出的降雨数据划分至不同的控制单元,对研究范围内所有的网格降雨数据进行控制单元的划分;
步骤5:针对一个控制单元,在降雨开始时刻,计算中尺度数值大气模式输出降雨数据的面平均降雨量,计算公式为:
步骤6:模拟降雨数据的修正;
针对所述控制单元内中尺度数值大气模式的网格型降雨数据,对降雨开始时刻,每一个网格的降雨数据同时乘以一个修正系数,修正系数计算公式为:
步骤7:针对上述控制面积,从降雨开始时刻开始至降雨结束时刻,重复步骤5-步骤6。
步骤8:针对不同的控制单元,重复步骤7,最终获得高分辨率降雨生成方案。
步骤1中所述的降雨数据的分辨率为1km×1km、3km×3km或9km×9km。
步骤3中划分泰森多边形的过程为:连接每一个雨量站位置点形成若干个三角形,分别作这些三角形各边的垂直平分线,于是每个雨量站周围的若干垂直平分线便围成一个多边形,这些多边形就称为泰森多边形。
步骤4中的中尺度数值大气模式输出降雨数据是网格型的数据,每个网格内有唯一标识的降雨数据;在划分过程中,若某一网格的中心点坐标位于某一雨量站的控制面积内,则该网格的降雨数据隶属于这一雨量站的控制单元。
如图2所示,存在8个雨量站,连接每一个雨量站位置点形成若干个三角形,分别作这些三角形各边的垂直平分线,于是每个雨量站周围的若干垂直平分线便围成一个多边形,一共8个多边形。每个多边形对应的累计降雨量可显示。
图3中网格中心点代表的是数值大气模式输出的网格降雨数据的中心点位置,位于同一控制单元内的中心点所代表的模拟降雨数据隶属于该控制单元。
本发明方法获得的高分辨率降雨生成方案主要用于得到研究区的高分辨率降雨信息,除了将该降雨信息用于降雨产流的计算之外,还可以作为其他,如蒸发、土壤蓄水容量等信息的计算。
上面结合附图对本发明进行了示例性的描述,显然本发明的实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围内。
Claims (4)
1.一种基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法,包括以下步骤:
步骤1:确定研究区范围、需要研究的降雨场次和拟得到降雨数据的分辨率,搜集研究区内雨量站的坐标信息和需要研究的降雨场次实测降雨信息;
步骤2:设置中尺度数值大气模式的基本参数,其中最内层网格的尺寸和拟得到降雨数据的分辨率一致,采用FNL气象数据驱动中尺度数值大气模式,得到输出的降雨数据;
步骤3:根据研究区内的雨量站位置,运用地理信息软件GIS划分泰森多边形,包含某一个雨量站的泰森多边形称为这个雨量站的控制单元;
步骤4:将中尺度数值大气模式输出的降雨数据划分至不同的控制单元,对研究范围内所有的网格降雨数据进行控制单元的划分;
步骤5:针对一个控制单元,在降雨开始时刻,计算中尺度数值大气模式输出降雨数据的面平均降雨量,计算公式为:
步骤6:模拟降雨数据的修正;
针对所述控制单元内中尺度数值大气模式的网格型降雨数据,对降雨开始时刻,每一个网格的降雨数据同时乘以一个修正系数,修正系数计算公式为:
步骤7:针对控制面积,从降雨开始时刻开始至降雨结束时刻,重复步骤5-步骤6;
步骤8:针对不同的控制单元,重复步骤7,最终获得高分辨率降雨生成方案。
2.根据权利要求1所述的基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法,其特征在于:
步骤1中所述的降雨数据的分辨率为1km×1km、3km×3km或9km×9km。
3.根据权利要求1-2中任何一项所述的基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法,其特征在于:
步骤3中划分泰森多边形的过程为:连接每一个雨量站位置点形成若干个三角形,分别作这些三角形各边的垂直平分线,于是每个雨量站周围的若干垂直平分线便围成一个多边形,这些多边形就称为泰森多边形。
4.根据权利要求3所述的基于中尺度数值大气模式与雨量站的高分辨率历史降雨反演方法,其特征在于:
步骤4中的中尺度数值大气模式输出降雨数据是网格型的数据,每个网格内有唯一标识的降雨数据;在划分过程中,若某一网格的中心点坐标位于某一雨量站的控制面积内,则该网格的降雨数据隶属于这一雨量站的控制单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810829958.XA CN109241212B (zh) | 2018-07-25 | 2018-07-25 | 基于中尺度数值大气模式与高分辨率历史降雨反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810829958.XA CN109241212B (zh) | 2018-07-25 | 2018-07-25 | 基于中尺度数值大气模式与高分辨率历史降雨反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109241212A CN109241212A (zh) | 2019-01-18 |
CN109241212B true CN109241212B (zh) | 2020-08-11 |
Family
ID=65072402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810829958.XA Active CN109241212B (zh) | 2018-07-25 | 2018-07-25 | 基于中尺度数值大气模式与高分辨率历史降雨反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109241212B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414723B (zh) * | 2020-04-29 | 2021-06-25 | 中国水利水电科学研究院 | 一种利用wrf模式分析面雨量误差的方法 |
CN111738600A (zh) * | 2020-06-23 | 2020-10-02 | 南通大学 | 一种基于高精度pm2.5反演结果的城市道路空气质量评价方法 |
CN115203639B (zh) * | 2022-06-21 | 2023-03-10 | 中国长江三峡集团有限公司 | 一种基于矩阵运算的不规则网格面雨量计算方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101095413B1 (ko) * | 2009-06-08 | 2011-12-20 | 부경대학교 산학협력단 | 고해상도고빈도 사이클 홍수 정보 예측 시스템 및 방법 |
DE102015109208A1 (de) * | 2015-06-10 | 2016-12-15 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | System und Verfahren zur Warnung vor lokalen Hochwasserereignissen |
CN105954821B (zh) * | 2016-04-20 | 2017-08-25 | 中国水利水电科学研究院 | 一种用于数值大气模式的典型降雨事件选取方法 |
CN107403073B (zh) * | 2017-10-03 | 2020-07-21 | 中国水利水电科学研究院 | 一种基于数据同化改进预报降雨的集合洪水预报方法 |
CN112926776B (zh) * | 2017-10-03 | 2022-04-01 | 中国水利水电科学研究院 | 一种陆气耦合实时预报方法 |
-
2018
- 2018-07-25 CN CN201810829958.XA patent/CN109241212B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109241212A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031877B (zh) | 一种基于grnn模型的区域nwp对流层延迟改正方法 | |
CN109241212B (zh) | 基于中尺度数值大气模式与高分辨率历史降雨反演方法 | |
CN107403073B (zh) | 一种基于数据同化改进预报降雨的集合洪水预报方法 | |
CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
CN112926776B (zh) | 一种陆气耦合实时预报方法 | |
CN104102845A (zh) | 尺度自适应的插值方法及尺度自适应的插值系统 | |
CN115079307B (zh) | 一种基于多模式最优集成的风电场气象预报方法和系统 | |
CN110390343B (zh) | 一种空间气象数据的订正方法及系统 | |
CN111382507B (zh) | 一种基于深度学习的全球对流层延迟建模方法 | |
CN109917424B (zh) | 多因子约束下的nwp反演对流层延迟的残差改正方法 | |
CN104702685A (zh) | 基于后向轨迹的污染源追踪方法及其系统 | |
CN110298778B (zh) | 一种基于栅格数据和面积比修正的交通小区人口统计方法 | |
CN112100922A (zh) | 一种基于wrf和cnn卷积神经网络的风资源预测方法 | |
CN115345076A (zh) | 一种风速订正处理方法及装置 | |
CN113392365A (zh) | 一种高分辨率气象网格数据的生成方法及系统 | |
CN104992054A (zh) | 基于时间序列二维化的电离层垂直总电子含量预报方法 | |
CN117172087A (zh) | 一种基于数字孪生技术的输电线路覆冰厚度预测方法 | |
CN104820222A (zh) | 雨量雷达实时动态衰减订正与降水计算方法 | |
CN113639893B (zh) | 一种基于多气象因子的近地加权平均温度信息获取方法 | |
CN113960635B (zh) | 一种顾及日变化的对流层延迟改正方法 | |
CN104680021A (zh) | 求解污染物后向轨迹的方法及其系统 | |
CN109946765B (zh) | 风电场的流场的预测方法和系统 | |
CN106291756B (zh) | 临近空间大气虚拟环境资源的构建方法 | |
CN114742299A (zh) | 基于径流侵蚀功率的流域泥沙预报模型构建方法 | |
CN103971411A (zh) | 利用三维物体的空间曲面采样点对空间曲面建模的方法 |
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 |