CN109782374A - 通过同化反演的水汽含量优化数值天气预报的方法及装置 - Google Patents
通过同化反演的水汽含量优化数值天气预报的方法及装置 Download PDFInfo
- Publication number
- CN109782374A CN109782374A CN201910036495.6A CN201910036495A CN109782374A CN 109782374 A CN109782374 A CN 109782374A CN 201910036495 A CN201910036495 A CN 201910036495A CN 109782374 A CN109782374 A CN 109782374A
- Authority
- CN
- China
- Prior art keywords
- weather forecast
- water vapor
- radiance
- satellite
- inversion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005855 radiation Effects 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 102
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明的实施例公开了一种通过同化反演的水汽含量优化数值天气预报的方法及装置，根据观测卫星接收到的由地面辐射产生的辐亮度，通过反演推算出各大气层的分层水汽含量。由推算出的各大气层的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场，通过优化后的初始场进行新的天气预报。优化后的初始场考虑了大气中水汽对场的影响，因此使优化后的初始场进行天气预报相较于基于原始的初始场更能准确地反应真实天气状况。该方法实现了结合卫星观测数据对初始场的优化，通过优化的目标初始场能够得到更接近真实状况的天气预报。
Description
技术领域
本发明涉及气象数值预报技术领域，尤其是涉及一种通过同化反演的水汽含量优化数值天气预报的方法及装置。
背景技术
数值天气预报的准确性主要依赖于预报模式和模式初始场的准确性两部分。目前数值模式误差已得到有效控制，如何提高模式初始场的精度成为了国内外科学家的主要研究课题。随着国内外卫星时空分辨率的提高，卫星资料正逐步取代常规探测资料主导地位，成为改善数值天气预报效果重要而有效的观测资料。发展较为成熟的数值天气预报模式WRF和将全球和区域的变分同化技术集于一体的资料分析系统GSI是目前国内外应用较为广泛的同化方案。同化系统使用的卫星资料几乎囊括了美国NOAA、MODIS、DMSP极轨系列、GEOS静止系列和欧洲METEOSAT系列等卫星所提供的卫星观测等多颗卫星多种探测仪多种通道的卫星资料。同化的方式包括直接同化和间接同化，但由于辐射传输模拟在陆地的局限性，使得直接同化在陆地区域的应用还存在较大不确定性。同化变分方式目前主要包括三维变分同化(3DVAR)和四维变分(4DVAR)同化，由于3DVAR对计算量的需求较小，而4DVAR虽有动力约束方面的优越性却需要占用大量的计算资源，所以3DVAR仍是目前使用较为广泛的一种同化方法。
在实际应用过程中，发明人发现现有的天气预报的精度有待提高。
发明内容
本发明所要解决的技术问题是如何解决天气预报的精度有待提高的问题。
在本发明中，发明人首次利用反演得到的分层水汽对数值预报模式进行同化，在现有技术基础上填补了利用水汽通道反演结果间接同化数值预报模式的空白，同时还利用优化后的预报结果进行云图模拟，为判断预报结果提供更直观的图像信息，极大地提高了同化技术在天气预报中的应用效果。
针对以上技术问题，本发明的实施例提供了一种通过同化反演的水汽含量优化数值天气预报的方法，包括：
获取数值天气预报模式的初始场和卫星观测到的辐亮度；
根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；
根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场；
根据优化后的初始场利用数值天气预报模式进行新的天气预报。
本实施例提供了一种通过同化反演的水汽含量优化数值天气预报的装置，包括：
获取模块，用于获取数值天气预报模式的初始场和卫星观测到的辐亮度；
反演模块，用于根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；
优化模块，用于根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场；
预报模块，用于根据优化后的初始场利用数值天气预报模式进行新的天气预报。
本实施例提供了一种电子设备，包括：
至少一个处理器、至少一个存储器、通信接口和总线；其中，
所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述通信接口用于该电子设备和基站的通信设备或者其它服务器的通信设备之间的信息传输；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行以上所述的方法。
本实施例提供了一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行以上所述的方法。
本发明的实施例提供了一种通过同化反演的水汽含量优化数值天气预报的方法及装置，根据观测卫星接收到的由地面辐射产生的辐亮度，通过反演推算出各大气层的分层水汽含量。由推算出的各大气层的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场，通过优化后的初始场进行新的天气预报。优化后的初始场考虑了大气中水汽对场的影响，因此使优化后的初始场进行天气预报相较于基于原始的初始场更能准确地反应真实天气状况。该方法实现了结合卫星观测数据对初始场的优化，通过优化的目标初始场能够更为准确地预报天气。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的通过同化反演的水汽含量优化数值天气预报的方法的流程示意图；
图2是本发明另一个实施例提供的基于反演水汽含量预报天气的原理示意图；
图3是本发明另一个实施例提供的通过同化反演的水汽含量优化数值天气预报的装置的结构框图；
图4是本发明另一个实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本实施例提供的通过同化反演的水汽含量优化数值天气预报的方法的流程示意图，参见图1，该方法包括：
101：获取数值天气预报模式的初始场和卫星观测到的辐亮度；
102：根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；
103：根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场；
104：根据优化后的初始场利用数值天气预报模式进行新的天气预报。
本实施例提供的方法由服务器或者终端的计算机执行，本实施例提供的方法主要通过观测卫星接收到的地面辐射产生的辐亮度，经过反演得到大气层的各层的分层水汽含量。由于水汽含量对最终预报的结果会产生较大的影响，因此在进行天气预报之前，通过本实施例提供的方法，通过分层水汽含量优化数值天气预报的初始场，经过优化后的初始场进行天气预报能够提高天气预报的准确性。
本实施例提供了一种通过同化反演的水汽含量优化数值天气预报的方法，根据观测卫星接收到的由地面辐射产生的辐亮度，通过反演推算出各大气层的分层水汽含量。由推算出的各大气层的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场，通过优化后的初始场进行新的天气预报。利用卫星观测数据反演得到的分层水汽对数值天气预报模式模拟得到的分层水汽进行约束，进而优化模式初始场，使优化后的初始场进行天气预报相较于基于原始的初始场更接近真实的天气状况。该方法实现了卫星观测数据对初始场的优化，提高了预报精度。
具体来说，数值天气预报的准确性主要依赖于预报模式和模式初始场的准确性两部分。目前数值模式误差已得到有效控制，而对预报结果具有“蝴蝶效应”的模式初始场的精度反而成为了预报成功与否的关键。因此，如何有效改善模式初始场也就成为数值天气预报的重点。
对流层中上层水汽对降水预报的准确性具有关键性作用，因此可以通过利用卫星观测到的水汽含量对数值预报模式模拟的分层水汽进行约束来优化数值预报模式的初始场。本发明利用当前世界顶尖的观测卫星数据进行反演，得到分层水汽信息，利用同化系统加入模式中，从而改善模式的初始场，提高数值天气预报的预报精度。
进一步地，在上述实施例的基础上，所述根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量，包括：
给定辐射传输模型中分层水汽含量的初始值，循环执行反演操作，直到在卫星的每一观测点上由辐射传输模型模拟出的辐亮度和由卫星接收到的辐亮度之间的差值小于预设误差；
其中，所述反演操作包括：
获取由辐射传输模型根据分层水汽含量的初始值或者最近一次调整得到的分层水汽含量模拟得出的辐亮度，作为模拟辐亮度；
判断是否满足在卫星的每一观测点上模拟辐亮度和由观测卫星接收到的辐亮度之间的差值均小于所述预设误差，若不满足，则对当前各大气层的分层水汽含量进行调整。
在反演得到各大气层的分层水汽含量的过程中，是利用辐射传输模型RTM实现的。RTM能够根据设定的分层水汽或者调整后的分层水汽模拟出观测卫星接收到的辐亮度。该方法不断地调整RTM中的各大气层的分层水汽，直到由RTM模拟出的辐亮度和观测卫星接收到的辐亮度差距达到预设误差，此时，RTM中各大气层的分层水汽可以作为反演出的各大气层的分层水汽。
在对当前各大气层的分层水汽含量进行调整的过程实际上对对以当前各大气层的分层水汽含量为主的状态变量进行调整的过程。
本实施例提供了一种通过同化反演的水汽含量优化数值天气预报的方法，通过RTM不断的进行迭代反演最终使得RTM模拟的观测卫星的各观测点的辐亮度和观测卫星实际接收到辐亮度的差值小于预设误差，将反演出的各大气层的分层水汽作为对初始场进行调整的分层水汽。
进一步地，在上述各实施例的基础上，在根据卫星观测到的辐亮度反演得到大气各高度层中的水汽含量之前，还包括：
通过云检测筛选出完全为晴空状态的卫星的观测点。
由于云和降水在辐射传输模式中的处理较晴空区要复杂的多，所以目前数值预报中卫星资料同化的应用主要针对晴空条件下进行，大量受云和降水影响的卫星资料则会被剔除，为下一步分层水汽的计算做准备。
云检测CLM是根据原始预报数据中各观测点上的水汽含量和各类气体含量等来进行识别的，CLM在天气预报中有着较为成熟的运用，本实施例对此不在赘述。
本实施例提供了一种通过同化反演的水汽含量优化数值天气预报的方法，在反演推算各大气层的分层水汽时，由于非晴空状态的观测点处辐射传输的复杂性，为了使得反演结果更为准确，本实施例提供的方法仅考虑晴空状态的观测点，因此反演之前通过云检测将非晴空点去除，仅根据观测卫星中为晴空状态的观测点进行反演。
进一步地，在上述各实施例的基础上，所述根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场，包括：
在数值天气预报网格点上，利用反演得到的分层水汽含量对数值天气预报模式初始场进行三维变分同化，得到优化后的初始场。
本实施例提供了一种通过同化反演的水汽含量优化数值天气预报的方法，通过反演得到的分层水汽含量对原始的初始场进行优化是一个三维变分同化的过程。通过三维变分同化的过程得到的目标初始场和地球当前的大气层实际状态更为接近，因此，基于目标初始场这一初始条件结合边界条件，能够得到更好的天气预报结果。
具体来说，该方法将反演得到的分层水汽含量与数值天气预报模式模拟得到的分层水汽通过构建的代价函数进行“比较”，利用最小化代价函数的条件求解得到优化后的初始场。
进一步地，在上述各实施例的基础上，所述根据优化后的初始场利用数值天气预报模式进行新的天气预报，包括：
根据优化后的初始场和预设的边界条件生成新的天气预报数据，并利用新的天气预报数据通过云图模拟程序得到新的云图，综合新的天气预报数据及新的云图进行天气预报。
本实施例提供了一种通过同化反演的水汽含量优化数值天气预报的方法，生成的天气预报数据通过云图模拟程序模拟出云图，提供了更为直观的天气预报结果。
图2为本实施例提供的基于反演水汽含量预报天气的原理示意图，参见图2，GFS是美国国家环境预报中心预报时间间隔为3小时、分辨率为1°*1°的实时产品；RTM是正演辐射传输模型；CLM是计算云检测模块；LPW是计算分层水汽模块；GSI是变分同化系统；WRF是数值天气预报模型；AHI_RAD_SIM是云图模拟。
具体来说，本实施例提供的方法包括以下几个步骤：
(1)开始准备数据文件，实时获取H8Cast和FY4Cast系统生成的各类产品和美国国家环境预报中心预报时间间隔为3小时、分辨率为1°*1°的实时产品GFS放到相应的文件路径下，把卫星的高程、天顶角、地表类型、经纬度等静态文件以及地表发射率、比辐射率、大气成分廓线、时间系数等系数文件放在相应的文件夹下
(2)进行分层水汽反演，利用辐射传输模型RTM，首先根据时间系数，判断使用GFS数据的起报时间、相邻时次，对相邻时次数据进行线性插值，得到同化时次的GFS数据，RTM可在整点进行计算，但由于实时数据获取的时间限制，一般只做06时和18时的计算，再利用卫星的高程、天顶角、地表类型、经纬度等静态文件以及地表发射率、比辐射率、大气成分廓线等文件作为输入，把GFS 32层数据插值到101层上，并且计算出当前时次模拟的透过率、辐亮度和亮温值等。
(3)把辐射传输模型RTM的模拟结果，实时获取的静止卫星广播数据，卫星的高程、天顶角、地表类型、经纬度等静态文件以及地表发射率、比辐射率、大气成分廓线插值系数等文件作为作为云检测的输入，从而计算得到云检测结果，云检测可以做整点到整点十分的，但本发明只做06时和18时的结果。其中云检测的标识为0表示有云，标识为1表示可能有云，标识为2表示可能晴空，标识为3表示完全晴空，仅采用标识为3的点作为观测点，进行分层水汽的反演。
(4)把对应时刻静止卫星的广播数据、GFS数据、云检测的输出文件作为分层水汽计算的输入值，剔除标识不等于3的非晴空点，得到完全晴空的像素点，通过数据准备过程，对GFS数据进行时间和空间插值，并转成bin格式，得到的结果再进行迭代反演计算，计算出晴空点的水汽含量，最后把所有的输出bin结果合并到一起，并把输出格式转成GSI可以识别的格式，作为观测场输入到GSI中，为同化过程准备好数据。
(5)把获取的实时GFS数据放到相应的WRF文件夹下，首先修改namelist，设置模拟的投影、经纬度范围、格点信息等，修改脚本内容，运行WRF脚本，首先进行WPS预处理过程，包括建立静态的地面数据、解压气象数据、把气象数据插值到模式领域等过程。其次计算初始场的边界条件和初始条件，设置的输出时间间隔为6小时，然后WRF的spinup设置为6小时，运行wrf进行6小时预报，该预报结果作为GSI三维变分同化中的背景场输入到GSI中。然后准备同化所需要的背景文件、观测文件和控制文件，为数据同化做准备。
(6)把WRF的6小时预报结果和分层水汽结果分别作为GSI的背景场和观测场，其核心算法是三维变分，三维变分通常采用增量分析方法，它有两个有点：内循环使用了低分辨率的切线模式和伴随模式，减小了计算量；目标函数是严格的二次型，迭代收敛效率能明显提高。
其中，增量分析方法包括了外循环和内循环两部分，外循环利用背景常作为初值积分非线性预报模式，得到同化时间内的模式轨迹，计算观测增量，内循环利用迭代算法求解目标反函数的极小化问题，得到分析增量，通过求约束条件代价函数的最小值，求解出与已知观测资料最为接近的模式解，即分析场，得到最优解，最终得到更为准确的数值预报结果。
(7)把WRF输出的数值预报结果输入到云图模拟程序中，得到模拟区域范围的云图。
总结来说，本实施例提供的方法中，GSI将各种不同来源，不同误差信息，不同时空分辨率的观测资料融合进入数值动力模式，利用三维变分，在模式解与实际观测之间找到一个最优解，这个最优解可以继续为动力模式提供初始场，再进行模式预报，最后进行云图模拟。
图3为本实施例提供的一种通过同化反演的水汽含量优化数值天气预报的装置的结构框图，参见图3，包括获取模块301、反演模块302、优化模块303和预报模块304，其中，
获取模块301，用于获取数值天气预报模式的初始场和卫星观测到的辐亮度；
反演模块302，用于根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；
优化模块303，用于根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场
预报模块304，用于根据优化后的初始场利用数值天气预报模式进行新的天气预报。
进一步地，在上述实施例的基础上，所述反演模块还用于：
给定辐射传输模型中分层水汽含量的初始值，循环执行反演操作，直到在卫星的每一观测点上由辐射传输模型模拟出的辐亮度和由卫星接收到的辐亮度之间的差值小于预设误差；
其中，所述反演优化操作包括：
获取由辐射传输模型根据分层水汽含量的初始值或者最近一次调整得到的分层水汽含量模拟得出的辐亮度，作为模拟辐亮度；
判断是否满足在卫星的每一观测点上模拟辐亮度和由观测卫星接收到的辐亮度之间的差值均小于所述预设误差，若不满足，则对当前各大气层的分层水汽含量进行调整。
进一步地，在上述各实施例的基础上，所述反演模块还用于还用于在反演计算分层水汽含量之前，通过云检测筛选出完全为晴空状态的卫星的观测点。
本实施例提供的通过同化反演的水汽含量优化数值天气预报的装置适用于上述实施例中的通过同化反演的水汽含量优化数值天气预报的方法，在此不再赘述。
本发明的实施例提供了一种通过同化反演的水汽含量优化数值天气预报的装置，根据观测卫星接收到的由地面辐射产生的辐亮度，通过反演推算出各大气层的分层水汽含量。由推算出的各大气层的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场，通过优化后的初始场进行新的天气预报。优化后的初始场考虑了大气中水汽对场的影响，因此使优化后的初始场进行天气预报相较于基于原始的初始场更能准确地反应真实天气状况。该方法实现了结合卫星观测数据对初始场的优化，通过优化的目标初始场能够得到更接近真实状况的天气预报。
图4是示出本实施例提供的电子设备的结构框图。
参照图4，所述电子设备包括：处理器(processor)401、存储器(memory)402、通信接口(Communications Interface)403和总线404；
其中，
所述处理器401、存储器402、通信接口403通过所述总线404完成相互间的通信；
所述通信接口403用于该电子设备和其它电子设备的通信设备之间的信息传输；
所述处理器401用于调用所述存储器402中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：获取数值天气预报模式的初始场和卫星观测到的辐亮度；根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场；根据优化后的初始场利用数值天气预报模式进行新的天气预报。
第四方面，本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取数值天气预报模式的初始场和卫星观测到的辐亮度；根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场；根据优化后的初始场利用数值天气预报模式进行新的天气预报。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如，包括：获取数值天气预报模式的初始场和卫星观测到的辐亮度；根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场；根据优化后的初始场利用数值天气预报模式进行新的天气预报。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的电子设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的各实施例技术方案的范围。
Claims (10)
1.一种通过同化反演的水汽含量优化数值天气预报的方法，其特征包括：
获取数值天气预报模式的初始场和卫星观测到的辐亮度；
根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；
根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场；
根据优化后的初始场利用数值天气预报模式进行新的天气预报。
2.根据权利要求1所述的方法，其特征在于，所述根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量，包括：
给定辐射传输模型中分层水汽含量的初始值，循环执行反演操作，直到在卫星的每一观测点上由辐射传输模型模拟出的辐亮度和由卫星接收到的辐亮度之间的差值小于预设误差；
其中，所述反演操作包括：
获取由辐射传输模型根据分层水汽含量的初始值或者最近一次调整得到的分层水汽含量模拟得出的辐亮度，作为模拟辐亮度；
判断是否满足在卫星的每一观测点上模拟辐亮度和由观测卫星接收到的辐亮度之间的差值均小于所述预设误差，若不满足，则对当前各大气层的分层水汽含量进行调整。
3.根据权利要求2所述的方法，其特征在于，在根据卫星观测到的辐亮度反演得到大气各高度层中的水汽含量之前，还包括：
通过云检测筛选出完全为晴空状态的卫星的观测点。
4.根据权利要求1所述的方法，其特征在于，所述根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场，包括：
在数值天气预报网格点上，利用反演得到的分层水汽含量对数值天气预报模式初始场进行三维变分同化，得到优化后的初始场。
5.根据权利要求1所述的方法，其特征在于，所述根据优化后的初始场利用数值天气预报模式进行新的天气预报，包括：
根据优化后的初始场和预设的边界条件生成新的天气预报数据，并利用新的天气预报数据通过云图模拟程序得到新的云图，综合新的天气预报数据及新的云图进行天气预报。
6.一种通过同化反演的水汽含量优化数值天气预报的装置，其特征在于，包括：
获取模块，用于获取数值天气预报模式的初始场和卫星观测到的辐亮度；
反演模块，用于根据卫星观测到的辐亮度反演得到大气各高度层中的分层水汽含量；
优化模块，用于根据反演得到的分层水汽含量对数值天气预报模式的初始场进行优化，得到优化后的初始场；
预报模块，用于根据优化后的初始场利用数值天气预报模式进行新的天气预报。
7.根据权利要求6所述的装置，其特征在于，所述反演模块还用于：
给定辐射传输模型中分层水汽含量的初始值，循环执行反演操作，直到在卫星的每一观测点上由辐射传输模型模拟出的辐亮度和由卫星接收到的辐亮度之间的差值小于预设误差；
其中，所述反演优化操作包括：
获取由辐射传输模型根据分层水汽含量的初始值或者最近一次调整得到的分层水汽含量模拟得出的辐亮度，作为模拟辐亮度；
判断是否满足在卫星的每一观测点上模拟辐亮度和由观测卫星接收到的辐亮度之间的差值均小于所述预设误差，若不满足，则对当前各大气层的分层水汽含量进行调整。
8.根据权利要求7所述的装置，其特征在于，所述反演模块还用于在反演计算分层水汽含量之前，通过云检测筛选出完全为晴空状态的卫星的观测点。
9.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器、通信接口和总线；其中，
所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述通信接口用于该电子设备和其它电子设备的通信设备之间的信息传输；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910036495.6A CN109782374B (zh) | 2019-01-15 | 2019-01-15 | 通过同化反演的水汽含量优化数值天气预报的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910036495.6A CN109782374B (zh) | 2019-01-15 | 2019-01-15 | 通过同化反演的水汽含量优化数值天气预报的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109782374A true CN109782374A (zh) | 2019-05-21 |
| CN109782374B CN109782374B (zh) | 2021-10-01 |
Family
ID=66499368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910036495.6A Active CN109782374B (zh) | 2019-01-15 | 2019-01-15 | 通过同化反演的水汽含量优化数值天气预报的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109782374B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110531444A (zh) * | 2019-08-29 | 2019-12-03 | 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） | 数值天气预报模式的误差来源确定方法及装置 |
| CN110910963A (zh) * | 2019-10-29 | 2020-03-24 | 暨南大学 | 气溶胶光学厚度的三维变分同化方法、系统和存储介质 |
| CN111090130A (zh) * | 2020-02-12 | 2020-05-01 | 江苏省气象科学研究所 | 一种基于最小泛函获取边界条件的雷达-雨量计联合估测降水的改进算法 |
| CN111353634A (zh) * | 2020-02-12 | 2020-06-30 | 中国人民解放军国防科技大学 | 一种基于模式初始场同化的二氧化硫排放源优化方法 |
| CN111737913A (zh) * | 2020-06-15 | 2020-10-02 | 洛阳师范学院 | 一种基于云水含量反演的mwhts晴空观测亮温选择方法 |
| CN112462369A (zh) * | 2020-10-30 | 2021-03-09 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种用于微波成像仪反演海上大气可降水的方法及装置 |
| CN113568067A (zh) * | 2021-07-19 | 2021-10-29 | 中国科学院大气物理研究所 | 数值天气预报方法、装置、计算机存储介质及电子设备 |
| CN114415266A (zh) * | 2021-12-31 | 2022-04-29 | 中国气象局气象探测中心 | 水汽数据处理方法、装置、电子设备和计算机可读介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1221626A2 (en) * | 1996-03-08 | 2002-07-10 | AlliedSignal Inc. | Apparatus and method for determining wind profiles and for predicting clear air turbulence |
| CN104636608A (zh) * | 2015-01-30 | 2015-05-20 | 国家电网公司 | 一种modis卫星数据的直接同化方法 |
| CN107783134A (zh) * | 2016-08-31 | 2018-03-09 | 中国科学院遥感与数字地球研究所 | 一种火星大气水汽含量反演方法 |
| CN109061776A (zh) * | 2018-10-08 | 2018-12-21 | 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） | 一种短时临近数值天气预报系统及方法 |
-
2019
- 2019-01-15 CN CN201910036495.6A patent/CN109782374B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1221626A2 (en) * | 1996-03-08 | 2002-07-10 | AlliedSignal Inc. | Apparatus and method for determining wind profiles and for predicting clear air turbulence |
| CN104636608A (zh) * | 2015-01-30 | 2015-05-20 | 国家电网公司 | 一种modis卫星数据的直接同化方法 |
| CN107783134A (zh) * | 2016-08-31 | 2018-03-09 | 中国科学院遥感与数字地球研究所 | 一种火星大气水汽含量反演方法 |
| CN109061776A (zh) * | 2018-10-08 | 2018-12-21 | 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） | 一种短时临近数值天气预报系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| 宋淑丽: "上海GPS 网层析水汽三维分布改善数值预报湿度场", 《上海GPS 网层析水汽三维分布改善数值预报湿度场》 * |
| 张升兰等: "卫星红外高光谱反演大气水汽含量", 《卫星红外高光谱反演大气水汽含量》 * |
| 张诚忠等: "雷达反演水汽在华南前汛期短时临近降水预报应用试验", 《雷达反演水汽在华南前汛期短时临近降水预报应用试验》 * |
| 王超等: "反演", 《数值预报/卫星反演/数据同化循环试验》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110531444B (zh) * | 2019-08-29 | 2021-10-08 | 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） | 数值天气预报模式的误差来源确定方法及装置 |
| CN110531444A (zh) * | 2019-08-29 | 2019-12-03 | 中国气象局广州热带海洋气象研究所（广东省气象科学研究所） | 数值天气预报模式的误差来源确定方法及装置 |
| CN110910963A (zh) * | 2019-10-29 | 2020-03-24 | 暨南大学 | 气溶胶光学厚度的三维变分同化方法、系统和存储介质 |
| CN110910963B (zh) * | 2019-10-29 | 2022-03-29 | 暨南大学 | 气溶胶光学厚度的三维变分同化方法、系统和存储介质 |
| CN111353634A (zh) * | 2020-02-12 | 2020-06-30 | 中国人民解放军国防科技大学 | 一种基于模式初始场同化的二氧化硫排放源优化方法 |
| CN111090130A (zh) * | 2020-02-12 | 2020-05-01 | 江苏省气象科学研究所 | 一种基于最小泛函获取边界条件的雷达-雨量计联合估测降水的改进算法 |
| CN111353634B (zh) * | 2020-02-12 | 2022-09-20 | 中国人民解放军国防科技大学 | 一种基于模式初始场同化的二氧化硫排放源优化方法 |
| CN111737913A (zh) * | 2020-06-15 | 2020-10-02 | 洛阳师范学院 | 一种基于云水含量反演的mwhts晴空观测亮温选择方法 |
| CN111737913B (zh) * | 2020-06-15 | 2023-08-15 | 洛阳师范学院 | 一种基于云水含量反演的mwhts晴空观测亮温选择方法 |
| CN112462369A (zh) * | 2020-10-30 | 2021-03-09 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种用于微波成像仪反演海上大气可降水的方法及装置 |
| CN113568067A (zh) * | 2021-07-19 | 2021-10-29 | 中国科学院大气物理研究所 | 数值天气预报方法、装置、计算机存储介质及电子设备 |
| CN114415266A (zh) * | 2021-12-31 | 2022-04-29 | 中国气象局气象探测中心 | 水汽数据处理方法、装置、电子设备和计算机可读介质 |
| CN114415266B (zh) * | 2021-12-31 | 2022-09-20 | 中国气象局气象探测中心 | 水汽数据处理方法、装置、电子设备和计算机可读介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109782374B (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109782374B (zh) | 通过同化反演的水汽含量优化数值天气预报的方法及装置 | |
| CN109447260B (zh) | 一种基于深度学习的局地数值天气预报产品订正方法 | |
| CN109580003B (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
| CN110020462B (zh) | 一种对气象数据进行融合处理并生成数值天气预报的方法 | |
| CN113297527B (zh) | 基于多源城市大数据的pm2.5全面域时空计算推断方法 | |
| Kang et al. | Development of an observation processing package for data assimilation in KIAPS | |
| Ghodichore et al. | Reliability of reanalyses products in simulating precipitation and temperature characteristics over India | |
| CN111210483B (zh) | 基于生成对抗网络和数值模式产品的仿真卫星云图生成方法 | |
| CN114019579A (zh) | 高时空分辨率近地表空气温度重构方法、系统、设备 | |
| CN111652126B (zh) | 一种基于卫星云图的反演辐射方法 | |
| CN113536576A (zh) | 一种数值预报产品距平积分动力统计订正方法和系统 | |
| CN114819264A (zh) | 一种基于时空依赖的光伏电站辐照度超短期预测方法及存储介质 | |
| CN113158128B (zh) | 一种全球无缝隙台风动力集合预测方法、系统 | |
| CN112285808B (zh) | 一种aphrodite降水数据的降尺度方法 | |
| CN117009427B (zh) | 风云卫星观测的同化方法、装置、电子设备及存储介质 | |
| CN113984198A (zh) | 一种基于卷积神经网络的短波辐射预测方法及系统 | |
| CN117082474A (zh) | 一种科考船实时获取海洋环境预报数据的系统 | |
| TW202107306A (zh) | 以人工智慧估測地理位置日照量之系統、方法及儲存媒體 | |
| CN116609857A (zh) | 一种基于可见光、红外和微波图像的云垂直结构参数估算方法 | |
| CN115855272A (zh) | 一种生成近实时逐小时全天候地表温度的方法 | |
| Du et al. | Real-time tropospheric delay map retrieval using sparse GNSS stations | |
| CN111814855B (zh) | 基于残差seq2seq神经网络的全球电离层电子总含量预测方法 | |
| Xu et al. | Fuxi-DA: A Generalized Deep Learning Data Assimilation Framework for Assimilating Satellite Observations | |
| Vila et al. | Improved global rainfall retrieval using the Special Sensor Microwave Imager (SSM/I) | |
| Razavian et al. | Synthetic rain models and optical flow algorithms for improving the resolution of rain attenuation time series simulated from Numerical Weather Prediction |
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 |