CN110196457B - 一种用于强对流天气预报的地闪资料同化方法及系统 - Google Patents
一种用于强对流天气预报的地闪资料同化方法及系统 Download PDFInfo
- Publication number
- CN110196457B CN110196457B CN201910525574.3A CN201910525574A CN110196457B CN 110196457 B CN110196457 B CN 110196457B CN 201910525574 A CN201910525574 A CN 201910525574A CN 110196457 B CN110196457 B CN 110196457B
- Authority
- CN
- China
- Prior art keywords
- radar echo
- data
- lightning
- proxy radar
- vertical column
- 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 48
- 238000002592 echocardiography Methods 0.000 claims abstract description 19
- 238000010586 diagram Methods 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 10
- 238000003908 quality control method Methods 0.000 claims description 9
- 238000002310 reflectometry Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000001556 precipitation Methods 0.000 abstract description 32
- 238000012360 testing method Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000576 supplementary effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种用于强对流天气预报的地闪资料同化方法及系统,本申请针对平原和山区,分别利用S曲线函数进行非线性拟合,得到平原和山区对应的闪电频数与垂直柱最大代理雷达回波的新的统计关系,并根据得到的新的统计关系,将地闪资料转换为三维代理雷达回波,并将三维代理雷达回波同化入三维变分系统,实现地闪资料数据的同化。本申请极大地提高了降水预报的准确率,解决现有技术中对流系统预报准确低的问题。
Description
技术领域
本申请属于资料同化技术领域,尤其涉及闪电资料同化,具体涉及一种用于强对流天气预报的地闪资料同化方法及系统。
背景技术
闪电现象是大气圈层中较为常见的一种自然放电现象,其是强对流天气系统的指示器。由于多普勒天气雷达的探测方式是锥面扫描,在距离雷达站较远和雷达站顶的大部分空间内,无法获取探测数据。随着探测手段的多样化,闪电观测资料可以较准确的探测强对流天气,具有空间分辨率高、探测范围广、地形影响小、可实现连续监测等优点,可以弥补雷达观测缝隙。因此,在快速更新同化预报系统中,同化闪电资料改善数值模式初始场,改进模式的spin-up问题,以期提高对流系统预报准确率十分迫切。
目前闪电定位网资料同化所面临的难点在于它的观测量不是模式变量,不能像常规观测,如风,温度等,直接进行同化,需要在同化前将它与某种模式变量(或诊断量)建立联系。目前闪电资料同化主要有:
(1)Nudging方法。Jones et al(1997)用闪电资料对中尺度模式的潜热进行张弛逼近调整,提高了对亚热带气旋的模拟水平;Pessi et al(2009)使用闪电与对流性降水关系的经验公式,将模拟区域的闪电频率按时间积分步长转换为降水率,根据得到的降水率用潜热张弛逼近法来调整模式的垂直潜热廓线。
(2)闪电资料与湿度廓线建立联系进行同化。Papadopoulos et al(2005)根据闪电强度将模式的湿度廓线改进为经验廓线,用此经验廓线通过积云对流参数化方案计算模式的潜热加热率,使模式的初始场中温湿条件与环境背景场趋于协调。明显提高了对流降水预报的准确性,并在局地暴雨预报方面具有一定的提高潜力。
(3)将闪电与对流性降水建立关系,闪电资料反演为降水,然后同化反演降水(Manobianco et al,1994;李万彪等,2008)。
(4)基于闪电频数与冰相粒子含量之间的经验关系,进行闪电资料同化(Qie etal,2014)。美国NCEP的RAP/HRRR的同化系统将闪电资料与雷达回波建立经验关系,通过云分析技术,间接同化闪电资料(Weygandt et al,2006)。由于中国区域的天气形势和地理环境差别较大,利用该关系进行同化,并适合我国。因此其闪电同化模块采取与RUC相同的闪电—雷达回波经验公式,并通过GSI 3DVAR和云分析技术,实现闪电资料间接同化(Weygandt et al.,2008)。
然而,GSI中的经验公式是基于北美洲地区的观测资料统计而得到的(Hu et al.,2008;Weygandt et al.,2008),是否适用于华中区域有待商榷。同时,国内有些研究表明,闪电和雷达回波的关系具有地域性差异(范江琳等,2014;杨超等,2009;张腾飞等,2011;石湘波等,2015),且多数研究并未给明确的定量关系。因此,需要重新对闪电与雷达回波之间的关系开展本地化的定量分析,以期为地基闪电定位资料在华中区域模式中的同化应用,以及将来FY-4星LMI的闪电探测资料(梁华等,2017)在同化应用、弥补雷达观测缺失区域的雷达反射率等方面提供重要的科学依据。
发明内容
本发明要解决的技术问题是:为解决现有技术中对流系统预报准确低的问题,提供一种用于强对流天气预报的地闪资料同化方法及系统。
本发明解决其技术问题所采用的技术方案是:一种用于强对流天气预报的地闪资料同化方法,包括如下步骤:
S1:获取历史地闪资料数据,并进行质量控制;
S2:获取历史三维雷达回波拼图数据,并得到垂直柱最大代理雷达回波;
S3:根据历史地闪资料数据,以及历史三维雷达回波拼图的垂直柱最大代理雷达回波,针对平原和山区,分别利用S曲线函数y=exp(b+a/x)进行非线性拟合,得到平原和山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系,其中,y为垂直柱最大代理雷达回波,x为闪电频数,a,b为常数;
S4:获取实时地闪资料数据,并对所述实时地闪资料进行质量控制;
S5:根据步骤S3中获得的统计关系,计算平原和山区的垂直柱最大代理雷达回波,转换为三维代理雷达回波;
S6:将所述三维代理雷达回波同化入三维变分系统,实现地闪资料数据的同化。
进一步地,基于上述用于强对流天气预报的地闪资料同化方法,步骤S3中,获得闪电频数与垂直柱最大代理雷达回波的统计关系的方法为:
S31:确定设定时间段内的闪电次数累计量,即闪电频数;
S32:提取所述设定时间段内的雷达回波资料数据;
S33:使用箱线图对闪电频数对应的反射率因子进行分析;
S34:取每组雷达回波分布数列的均值和中位数,分别与闪电频数构成两组坐标点,并将两组坐标点绘制在同一张分布图上;
S35:利用S曲线函数y=exp(b+a/x)进行曲线拟合,获得参数a,b的值,从而得到闪电频数与垂直柱最大代理雷达回波的统计关系。
进一步地,基于上述用于强对流天气预报的地闪资料同化方法,步骤S35中,在3km分辨率中,平原对应的闪电频数与垂直柱最大代理雷达回波的统计关系为:y=exp(3.861-0.331/x);
山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系为:y=exp(3.807-0.399/x)。
进一步地,基于上述用于强对流天气预报的地闪资料同化方法,步骤S5中,将地闪资料数据转换为三维代理雷达回波的方法为:
S51:将垂直柱最大代理雷达回波分别插值到0.2至16Km的垂直坐标高度上;
S52:将不同垂直坐标高度上的垂直柱最大代理雷达回波乘以季节廓线因子,得到不同高度上的垂直反射廓线,即三维代理雷达回波。
进一步地,基于上述用于强对流天气预报的地闪资料同化方法,步骤S6中,地闪资料的同化方法为:
S61:确定步骤S6中的同化时刻,并设定对流系统刚开始发展的时刻;
S62:提取设定时间段内的地闪资料数据;
S63:利用步骤S3得到的统计关系,将地闪资料数据转换为三维代理雷达回波。
进一步地,基于上述用于强对流天气预报的地闪资料同化方法,设定时间段为同化时刻向前30分钟,向后12分钟的时间段,共计42分钟。
进一步地,基于上述用于强对流天气预报的地闪资料同化方法,所述地闪资料数据包括闪电编号、闪电发生日期、闪电发生时间以及闪电位置信息。
进一步地,基于上述用于强对流天气预报的地闪资料同化方法,步骤S6中,利用潜热加热纳近(Latent heat nudging)和非绝热数字滤波(Dinabatic Digital FilterInitialization,DDFI)方法,在初始时刻至其1h后内的第15分钟,30分钟,45分钟,60分钟四个时次的代理雷达回波转换潜热,变成温度倾向,均匀加入到0-1h的模式积分中,以改善对流预报。
本申请还提供了一种用于强对流天气预报的地闪资料同化系统,包括:
数据采集模块,用于获取历史地闪资料数据、实时地闪资料数据,以及历史三维雷达回波拼图数据;
质量控制模块,用于对获取的历史地闪资料数据以及实时地闪资料数据进行质量控制;
统计关系计算模块,用于利用S曲线函数y=exp(b+a/x)进行非线性拟合,分别获得平原和山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系;
代理雷达回波转换模块,用于计算平原和山区的垂直柱最大代理雷达回波,并转换为三维代理雷达回波;
同化模块,用于将三维代理雷达回波同化入三维变分系统,实现对实时地闪资料数据的同化。
进一步地,本申请中,在3km分辨率中,平原对应的闪电频数与垂直柱最大代理雷达回波的统计关系为:
y=exp(3.861-0.331/x
山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系为:
y=exp(3.807-0.399/x)
其中,y为垂直柱最大代理雷达回波,x为闪电频数。
本发明的有益效果是:本发明通过多年的历时数据,针对山区和平原地区,分别提出了两种闪电资料转化为雷达回波的模型;基于改进模型,采用DDFI和Latent heatnudging技术,实现雷达反射率的同化,可实现非常规资料闪电在高分辨率数值模式中的同化应用,充分考虑地形因素和地理要素,改善转化模型,极大提高强降水预报的准确率。
本发明提供的技术方案提高了对强对流系统的临近预报,并可运用于现有三维变分业务系统中。
附图说明
下面结合附图和实施例对本申请的技术方案进一步说明。
图1是本申请实施例的同化方法流程图;
图2是13km网格内闪电频次与回波强度的新统计关系与GSI中经验关系的比较图;
图3为本申请实施例同化试验同化代理雷达回波后,温度场增量(a)以及温度增量(b)、垂直速度增量(c)和雨水混合比增量(d)沿30°N经度-高度垂直剖面图;
图4为本申请实施例用于强对流天气预报的同化地闪转换代理雷达回波的方法的观测降水图(a~f)、控制试验降水图(g~l)、同化试验逐时预报降水图(m~r)的对比示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本申请的技术方案。
地闪资料同化方法实施例:
步骤S1:获取2014-2018年的历史地闪资料数据,并进行质量控制,即:
步骤S2:获取2014-2018年历史的SWAN(Severe Weather Automatic Nowcast,恶劣天气自动临近预报)系统三维雷达回波拼图数据;
步骤S3:利用地闪资料与三维雷达回波拼图数据的垂直柱最大代理雷达回波,采用S曲线函数y=exp(b+a/x),针对山区(海拔高度大于1000米)和平原进行非线性拟合,获得地闪频数与垂直柱最大代理雷达回波新的统计关系,即:
平原的3km分辨率中,统计关系为:y=exp(3.861-0.331/x);山区的3km分辨率中,统计关系为:y=exp(3.807-0.399/x),其中,y为垂直柱最大代理雷达回波,x为闪电频数。
如图2,细实(虚)线表示山区(平原区)的新统计关系S形曲线;粗实(虚)线表示GSI中线性(非线性)经验关系;Δ(○)表示2017年7月14日19时~21时山区(平原)实际观测的闪电频数与回波强度的散点图。
步骤S4:获取实时地闪资料数据,并对地闪资料进行质量控制;
步骤S5:利用步骤S3得到的新的统计关系,将地闪资料转换为平原和山区的垂直柱最大代理雷达回波,并进一步扩展为三维代理雷达回波;
步骤S6:将三维代理雷达回波同化入三维变分系统,实现对地闪资料数据的同化。
进一步地,步骤S5中,将地闪资料数据转换为三维代理雷达回波的具体步骤为:
步骤S51:确定某时刻向前30min及向后12min(-30min~+12min,即42min)内的闪电次数累计量,该闪电次数累积量即为闪电频数;
步骤S52:依照公式y=exp(3.861-0.331/x)和y=exp(3.807-0.399/x),分别得到平原和山区的垂直柱最大代理雷达回波;
步骤S53:将垂直柱最大代理雷达回波分别插值到0.2Km至16Km的垂直坐标高度上。其中,垂直坐标高度包括:
0.2,0.5,0.75,1,1.25,1.5,1.75,2,2.25,2.5,2.75,3,3.5,4,4.5,5,5.5,6,6.5,7,7.5,8,8.5,9,10,11,12,13,14,15,16。单位Km,共31层。
步骤S54:将垂直柱最大代理雷达回波乘以季节廓线因子,得到不同高度上的垂直反射廓线,即三维代理雷达回波。
进一步地,所述步骤S6中,利用Latent heat nudging和DDFI方法,从初始时刻至其后的1小时内,每隔10到15分钟,将当前时刻的代理雷达回波转换为潜热,例如:选取第15分钟,第30分钟,第45分钟,第60分钟的代理雷达回波,并将其转换为潜热,变成温度倾向,均匀加入到0-1h的模式积分中,以改善对流预报。
本实施例中选取的模式为中国气象局武汉暴雨所的快速更新循环同化系统WH_HRRR。该系统由13km水平分辨率的快速更新中尺度数值预报系统WHRAP(Wuhan RapidRefresh)和3km水平分辨率的高分辨率快速更新风暴尺度数值预报系统WHHRRR(WuhanHigh-Resolution Rapid Refresh)组成。
两套模式均以广泛使用的中尺度数值天气模式WRF(Weather Research andForecast Model)为基础,并采用国际先进的混合资料同化系统GSI(GridpointStatistical Interpolation)进行资料同化。WHHRRR逐小时同化雷达,常规和非常规观测,并作出未来0~12小时的预报。可同化高时空分辨率的雷达资料(每10-15分钟间隔),以达到对模式中的云水和雨水的正确初始化,从而提高短临强对流天气的预报能力。WHHRRR系统针对雷达的高时空分辨率反射率资料,还引进了美国NOAA的latent Heat nudging的方案,每10-15分钟同化最新的雷达反射率资料。华中区域快速更新同化预报系统的架构主要由六大部分组成:资料收集处理系统、GSI资料同化系统、WHRAP模式系统、WHHRRR模式系统、后处理及绘图系统和实时运行监控系统。本实施例的水平分辨率为3km,水平网格数约为901x 802,垂直层为51层。
为了检验三维变分同化闪电资料的效果,针对2015年6月1日湖北监利强天气过程,基于WHHRRR系统开展闪电同化试验。
根据2015年6月1日闪电资料的分析,发现6月1日闪电主要集中在20时至23时。因此,本试验主要选取同化20时-21时的闪电资料,设计了两组对比试验(两组试验均采用相同的试验设置和参数化方案),两组试验的背景场和边界条件由6月1日08时启报的GFS资料12h-18h预报场提供。
试验一:控制试验。根据大量的研究表明,若初始场中动力场不准确,同化雷达反射率后对降水预报影响较少,因此基于3DVAR方法同化雷达径向风改进初始场的风场,作为控制试验。
试验二:同化试验。径向风同化只在20时同化,同化的雷达共计有10部雷达,分别为湖北省7部雷达(恩施,宜昌,武汉,荆州,十堰,襄阳和随州)和湖南省的3部雷达(岳阳,长沙和常德)。采用Latent heat nudging和DDFI方法的闪电同化试验,在20时利用云分析技术初始化,获得水凝物,并利用20时15分,20时30分,20时45分,21时00分四个时次的代理雷达回波转换为潜热,变成温度倾向,均匀加入到0-1h的模式积分中,以改善对流预报。
图3为采用Latent heat nudging同化代理雷达回波后,6月1日21时700hPa温度场增量以及温度增量、垂直速度增量和雨水混合比增量沿30°N经度-高度垂直剖面图。
Latent heat nudging是将雷达反射率反演算出水凝物含量,利用凝结潜热释放获得加热率,采用nudging的方法,在模式积分过程中逐步改变温度(增加温度倾向),同时利用模式积分动力约束过程,影响风场等其他相关变量,改善对流预报。从图3中可以发现,采用Latent heat nudging方案,相对于控制试验700hPa中的温度存在三个正值中心和一大一小两个负值中心。在江汉平原及其周围区域,鄂西南和湖南的西北部,江西的北部等温度正的中心与代理雷达回波是对应的。
由于模式积分过程,存在变量间的协调与向外传播,积分1h后的温度增量比代理雷达回波分布范围更广,在湖北与河南交界处存在一个负值中心,可能原因该处是控制试验模拟强降水发生的地方,由于在其上游增加了潜热,发展了新的对流,对其有抑制作用。从温度的剖面也可以看到(图3b),在900hPa-500hPa,在强对流区域有较大的正的温度增量,中低层的加热,垂直上升运动增强(图3c),有利于对流的发展,雨水含量明显增多,降水也增强。
下面重点分析本实施例中,同化地基闪电对0-6h逐小时累积降水量的模拟影响。
本实施例的观测降水从图4的(a)~(f)可以发现,本次强降水是西南东北走向的雨带,降水主要分布在湖南的北部、湖北、河南南部和江西北部,随着系统的发展,自西向东移动。强降水主要位于湖北的江汉平原,湖南的西北部。其中湖北和河南的降水1h累积观测降水超过10mm,到达短时暴雨的强度。从整体上看,2个试验对雨带的模拟与实况十分接近。从逐时上看,控制试验的强降水中心偏北偏东,主要位于湖南,湖北,河南,安徽。而实况主要位于湖北湖南。同化试验21时的降水相对于控制试验,对江汉平原的强降水模拟强度更强,但是相对实况很弱。22时,对该处的降水明显增强,与实况接近。同时,相对于控制试验在河南的模拟降水也减弱。随着积分,对湖北和湖南强降水模拟与实况较为接近,特别是强降水一直能够维持发展。说明通过代理雷达回波引入的潜热加热,使得模式对流产生,明显减弱了模式的spin-up问题,在局部区域引入代理雷达回波引入潜热加热,通过模式的调整,不仅可以改进观测资料所在位置的预报,而且还能调整其他区域的降水(如湖南的西北部降水落区与强度与实况更为接近)。
本实施例针对2015年6月1日发生在长江中游地区的强降水过程,首先将湖北省闪电定位观测网所探测到的地闪资料转化为三维代理雷达回波,再利用GSI三维变分模块同化闪电代理三维雷达回波。设计了2组试验,一组是同化雷达径向即控制试验,另一组是在控制试验的基础上,利用Latent heat nudging和DDFI方法同化代理雷达回波,开展了闪电资料同化对比试验。初步得到以下结论:
(1)由闪电密度转换为三维代理雷达回波,能够较为准确的反映实际观测回波信息,起到对雷达反射率观测很好的补充作用。闪电是强对流活动的产物,其转换的雷达回波更多是代表强对流区域附近的信息,并不能全部代替雷达回波。
(2)采用Latent heat nudging同化技术,在强对流区域(代理雷达回波区大值区域)有较大的正的温度增量,中低层加热增强,垂直上升运动增强,有利于对流的发展与维持,雨水含量明显增多,降水也增强,明显改善强对流区域降水。
(3)通过代理雷达回波引入的潜热加热,使得模式产生对流并且可以维持与发展,明显减弱了模式的spin-up问题,在局部区域引入代理雷达回波引入潜热加热,通过模式的调整,不仅可以改进观测资料所在位置的预报,而且还能调整其他区域的降水(如湖南的西北部降水落区与强度与实况更为接近)。
通过上述结论可知,本发明可将闪电频数先转换成柱最大代理雷达回波而后再转换为代理雷达回波的垂直廓线;可以将代理雷达回波同化入GSI三维变分系统,从而实现对地闪资料的同化。
地闪资料同化系统实施例:
本实施例的同化系统包括:
数据采集模块,用于获取历史地闪资料数据、实时地闪资料数据,以及历史三维雷达回波拼图数据;
质量控制模块,用于对获取的历史地闪资料数据以及实时地闪资料数据进行质量控制;
统计关系计算模块,用于利用S曲线函数y=exp(b+a/x)进行非线性拟合,分别获得平原和山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系;
代理雷达回波转换模块,用于计算平原和山区的垂直柱最大代理雷达回波,并转换为三维代理雷达回波;
同化模块,用于将三维代理雷达回波同化入三维变分系统,实现地闪资料数据的同化。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (7)
1.一种用于强对流天气预报的地闪资料同化方法,其特征在于,所述的地闪资料同化方法包括如下步骤:
S1:获取历史地闪资料数据,并进行质量控制;
S2:获取历史三维雷达回波拼图数据;
S3:根据历史地闪资料数据,以及历史三维雷达回波拼图的垂直柱最大代理雷达回波,针对平原和山区,分别利用S曲线函数y=exp(b+a/x)进行非线性拟合,得到平原和山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系,其中,y为垂直柱最大代理雷达回波,x为闪电频数,a,b为常数;
S4:获取实时地闪资料数据,并对所述实时地闪资料进行质量控制;
S5:根据步骤S3中获得的统计关系,计算平原和山区的垂直柱最大代理雷达回波,并转换为三维代理雷达回波;
S6:将所述三维代理雷达回波同化入三维变分系统,实现地闪资料数据的同化;
步骤S3中,获得闪电频数与垂直柱最大代理雷达回波的统计关系的方法为:
S31:确定设定时间段内的闪电次数累计量,即闪电频数;
S32:提取所述设定时间段内的雷达回波资料数据;
S33:使用箱线图对闪电频数对应的反射率因子进行分析;
S34:取每组雷达回波分布数列的均值和中位数,分别与闪电频数构成两组坐标点,并将两组坐标点绘制在同一张分布图上;
S35:利用S曲线函数y=exp(b+a/x)进行曲线拟合,获得参数a,b的值,从而得到闪电频数与垂直柱最大代理雷达回波的统计关系;
步骤S6中,利用潜热加热纳近和DDFI方法,在初始时刻至后其的1h内,每隔10到15分钟,将对应时刻的代理雷达回波转换为潜热,变成温度倾向,均匀加入到0-1h的模式积分中,以改善对流预报。
2.根据权利要求1所述的用于强对流天气预报的地闪资料同化方法,其特征在于,步骤S35中,在3km分辨率中:
平原对应的闪电频数与垂直柱最大代理雷达回波的统计关系为:y=exp (3 .861-0.331/x);
山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系为:y=exp (3 .807-0.399/x)。
3.根据权利要求2所述的用于强对流天气预报的地闪资料同化方法,其特征在于,步骤S5中,将地闪资料数据转换为三维代理雷达回波的方法为:
S51:将垂直柱最大代理雷达回波分别插值到0 .2Km至16Km的垂直坐标高度上;
S52:将不同垂直坐标高度上的垂直柱最大代理雷达回波乘以季节廓线因子,得到不同高度上的垂直反射廓线,即三维代理雷达回波。
4.根据权利要求1所述的用于强对流天气预报的地闪资料同化方法,其特征在于,设定时间段为同化时刻向前30分钟,向后12分钟的时间段,共计42分钟。
5.根据权利要求4所述的用于强对流天气预报的地闪资料同化方法,其特征在于,所述地闪资料数据包括闪电编号、闪电发生日期、闪电发生时间以及闪电位置信息。
6.根据权利要求4所述的用于强对流天气预报的地闪资料同化方法,其特征在于,在初始时刻至后其的1h内,选取自初始时刻开始的第15分钟,30分钟,45分钟,60分钟四个时刻的代理雷达回波转换为潜热。
7.一种采用如权利要求1所述地闪资料同化方法的同化系统,其特征在于,所述的同化系统包括:
数据采集模块,用于获取历史地闪资料数据、实时地闪资料数据,以及历史三维雷达回波拼图数据;
质量控制模块,用于对获取的历史地闪资料数据以及实时地闪资料数据进行质量控制;
统计关系计算模块,用于利用S曲线函数y=exp(b+a/x)进行非线性拟合,分别获得平原和山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系;
代理雷达回波转换模块,用于计算平原和山区的垂直柱最大代理雷达回波,并转换为三维代理雷达回波;
同化模块,用于将三维代理雷达回波同化入三维变分系统,实现地闪资料数据的同化;
平原对应的闪电频数与垂直柱最大代理雷达回波的统计关系为:y=exp(3 .861-0.331/x)山区对应的闪电频数与垂直柱最大代理雷达回波的统计关系为:y=exp(3 .807-0.399/x),其中,y为垂直柱最大代理雷达回波,x为闪电频数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910525574.3A CN110196457B (zh) | 2019-06-18 | 2019-06-18 | 一种用于强对流天气预报的地闪资料同化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910525574.3A CN110196457B (zh) | 2019-06-18 | 2019-06-18 | 一种用于强对流天气预报的地闪资料同化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110196457A CN110196457A (zh) | 2019-09-03 |
CN110196457B true CN110196457B (zh) | 2021-07-23 |
Family
ID=67754747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910525574.3A Active CN110196457B (zh) | 2019-06-18 | 2019-06-18 | 一种用于强对流天气预报的地闪资料同化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110196457B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541655B (zh) * | 2020-11-09 | 2023-12-08 | 华能新能源股份有限公司 | 一种针对区域风能资源精细化评估需求的大气再分析方法 |
CN112558188B (zh) * | 2021-01-22 | 2022-05-27 | 兰州大学 | 一种通过同化闪电资料改进强对流预报的方法 |
CN113009490B (zh) * | 2021-02-20 | 2022-10-21 | 江苏省气象台 | 一种基于高分辨率模式动力约束的雷达三维风场反演方法 |
CN114548488A (zh) * | 2022-01-10 | 2022-05-27 | 国网安徽省电力有限公司 | 基于大气稳定度拟合订正温湿廓线的闪电资料同化方法 |
CN117214979B (zh) * | 2023-10-08 | 2024-03-22 | 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) | 一种相控阵雷达资料同化方法、装置及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037504A (zh) * | 2016-11-15 | 2017-08-11 | 兰州大学 | 用于强对流天气预报的同化地闪转换代理雷达回波的方法 |
US10288767B2 (en) * | 2014-03-31 | 2019-05-14 | Utopus Insights, Inc. | Method and apparatus for lightning forecast |
-
2019
- 2019-06-18 CN CN201910525574.3A patent/CN110196457B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10288767B2 (en) * | 2014-03-31 | 2019-05-14 | Utopus Insights, Inc. | Method and apparatus for lightning forecast |
CN107037504A (zh) * | 2016-11-15 | 2017-08-11 | 兰州大学 | 用于强对流天气预报的同化地闪转换代理雷达回波的方法 |
Non-Patent Citations (2)
Title |
---|
《3DVar和SVD-En3DVar方法同化地闪资料试验研究》;韩文宇;《中国优秀硕士学位论文全文数据库 基础科学辑》;20160815;全文 * |
《闪电数据与雷达回波对应关系的初步分析》;孙玉婷、赖安伟;《第34届中国气象学会年会S18气象雷达探测新技术与数据质控的业务应用论文集》;20170815;第1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110196457A (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110196457B (zh) | 一种用于强对流天气预报的地闪资料同化方法及系统 | |
Cassola et al. | Wind speed and wind energy forecast through Kalman filtering of Numerical Weather Prediction model output | |
Wilczak et al. | The Wind Forecast Improvement Project (WFIP): A public–private partnership addressing wind energy forecast needs | |
Ngai et al. | Bias correction of global and regional simulated daily precipitation and surface mean temperature over Southeast Asia using quantile mapping method | |
CN107316095B (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
Buehner et al. | Intercomparison of variational data assimilation and the ensemble Kalman filter for global deterministic NWP. Part II: One-month experiments with real observations | |
Wheatley et al. | Ensemble Kalman filter analyses and forecasts of a severe mesoscale convective system using different choices of microphysics schemes | |
Hakala et al. | Hydrological modeling to evaluate climate model simulations and their bias correction | |
CN110765644B (zh) | 一种风云四号卫星闪电成像仪资料同化方法 | |
Mourre et al. | Spatio-temporal assessment of WRF, TRMM and in situ precipitation data in a tropical mountain environment (Cordillera Blanca, Peru) | |
CN112926776B (zh) | 一种陆气耦合实时预报方法 | |
CN112558188B (zh) | 一种通过同化闪电资料改进强对流预报的方法 | |
Kong et al. | Assessment of temperature extremes in China using RegCM4 and WRF | |
Paeth | Postprocessing of simulated precipitation for impact research in West Africa. Part I: model output statistics for monthly data | |
CN113419246B (zh) | 一种用于雷达资料高频同化的Nudging逼近多时刻3DVar分析场方法 | |
Huang et al. | Integrating NWP forecasts and observation data to improve nowcasting accuracy | |
Sokol et al. | Nowcasting of precipitation–advective statistical forecast model (SAM) for the Czech Republic | |
CN112785035A (zh) | 融合多元信息的中短期水文预报方法及系统 | |
CN102346808A (zh) | 一种从hj-1卫星数据反演lai的方法 | |
Wijnant et al. | The dutch offshore wind atlas (dowa): Description of the dataset | |
Photiadou et al. | Evaluation of two precipitation data sets for the Rhine River using streamflow simulations | |
Zhang et al. | Operational precipitation forecast over China using the Weather Research and Forecasting (WRF) Model at a gray-zone resolution: Impact of convection parameterization | |
Guerova et al. | Assimilation of COST 716 Near-Real Time GPS data in the nonhydrostatic limited area model used at MeteoSwiss | |
CN113553782B (zh) | 一种用于预报风速的降尺度方法 | |
Fu et al. | Evaluation of TOPMODEL-based land surface–atmosphere transfer scheme (TOPLATS) through a soil moisture simulation |
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 |