CN112558186B - 一种数值模式地面2米气温预报产品时间降尺度方法 - Google Patents

一种数值模式地面2米气温预报产品时间降尺度方法 Download PDF

Info

Publication number
CN112558186B
CN112558186B CN202011432237.9A CN202011432237A CN112558186B CN 112558186 B CN112558186 B CN 112558186B CN 202011432237 A CN202011432237 A CN 202011432237A CN 112558186 B CN112558186 B CN 112558186B
Authority
CN
China
Prior art keywords
air temperature
ground
mode
time
forecast
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
Application number
CN202011432237.9A
Other languages
English (en)
Other versions
CN112558186A (zh
Inventor
盛春岩
朱文刚
范苏丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANDONG PROV METEOROL SCIENCE
Original Assignee
SHANDONG PROV METEOROL SCIENCE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANDONG PROV METEOROL SCIENCE filed Critical SHANDONG PROV METEOROL SCIENCE
Priority to CN202011432237.9A priority Critical patent/CN112558186B/zh
Publication of CN112558186A publication Critical patent/CN112558186A/zh
Application granted granted Critical
Publication of CN112558186B publication Critical patent/CN112558186B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明属于天气预报技术领域，涉及一种数值模式地面2米气温预报产品时间降尺度方法。本发明利用预报准确率较高的高分辨率数值模式地面2米气温预报产品，对现有较低时间分辨率的数值模式地面2米气温预报产品进行时间降尺度，可以较好地反映气温随天气系统的精细演变特征，生成较为合理的更高时间分辨率更为精细的地面2米气温数值预报产品，同时又保留较低时间分辨率模式自身的预报优势。通过对2020年8‑9月山东省国家级地面观测站ECMWF细网格模式3h气温时间降尺度产品的对比表明，该方法生成的1h地面2米气温预报产品预报准确率高于其他模式产品，既反映了气温的精细变化特征，又保留了ECMWF细网格模式气温预报准确率较高的优势。

Description

一种数值模式地面2米气温预报产品时间降尺度方法
技术领域
本发明属于天气预报技术领域，涉及一种数值模式地面2米气温预报产品时间降尺度方法。
背景技术
当前，数值天气预报和资料同化技术飞速发展，对气温和降水等的预报准确率不断提高，数值天气预报已成为天气预报的重要基础和技术支撑。基于各种数值天气预报产品进行订正和释用，地面2米气温等要素客观预报准确率已达到甚至超过预报员人工预报，成为天气预报不可缺少的一部分。目前，天气预报业务上虽然能够实现接收到国内外多种数值预报产品，但不同的数值预报产品准确率有所不同，所提供的产品的时间和空间分辨率也不同，在实际业务应用时，往往需要再次进行时间降尺度处理。比如，欧洲中期天气预报中心（ECMWF）细网格模式的地面2米气温预报准确率在所有数值预报中准确率最高，但其提供的气温预报产品不够精细，目前只能获取逐3h的气温预报产品。如果想得到逐1h气温精细化预报，传统的时间降尺度方法是进行线性插值。但是,由于地面2米气温具有明显的日变化特征，而采用传统的线性插值的方法不能描述日最高最低气温出现的时间和变化特征；同时，也不能反映3h内气温的精细变化特征。因此，迫切需要有效的地面2米气温时间降尺度方法，能够在较低时间分辨率数值预报产品的基础上，合理生成更高时间分辨率、更为精细的地面2米气温预报产品，为精细化预报业务提供支撑。
发明内容
本发明针对地面2米气温具有明显的日变化特征，而采用传统的线性插值的方法不能描述日最高最低气温出现的时间和变化特征；同时，也不能反应时段内气温的精细变化特征的问题提出一种新型的数值模式地面2米气温预报产品时间降尺度方法。
为了达到上述目的，本发明是采用下述的技术方案实现的：
（1）获取所有数值模式地面2米气温预报产品
获取(包括从气象CIMISS数据库、大数据云平台、气象数值预报云共享平台、因特网等方式获取数据)研究区域范围内多种数值模式地面2米气温预报产品，包括较低时间分辨率的数值预报产品（以A模式表示）和能够提供更高时间分辨率（如1小时）地面2米气温预报的其他数值预报产品，通过插值技术将不同的数值模式地面2米气温预报产品插值处理到同样的站点或网格点上；
（2）进行不同的数值模式地面2米气温预报准确率检验
以需要进行时间降尺度的较低时间分辨率的数值模式地面2米气温预报产品（以A模式表示）为基础，对所有模式在此时间点上的地面2米气温预报准确率进行检验；根据检验结果，挑选出预报准确率较高且具备更高时间分辨率气温预报产品的模式（以B模式表示）作为时间降尺度的参考模式；
（3）进行地面2米气温预报产品时间降尺度
①找出A模式每两次地面2米气温预报值TA；②找出B模式时间段内所有的地面2米气温预报值TB及预报时次数n+1；③按照B模式在该时段内的地面2米气温变化趋势逐个时间点i（其中，i=1，…，n，n>1）对A模式气温预报TA进行时间降尺度，求出A模式在该时段内所有时间点的气温预报值，生成更高时间分辨率的地面2米气温预报产品。具体公式如下：
当TB(n+1)-TB1≠0时，
Figure DEST_PATH_IMAGE001
；
其余条件下，比如，当TB(n+1)-TB1=0或（∣TB(i+1)-TBi∣）>∣TB(n+1)-TB1∣且∣TA(n+1)-TA1∣>∣TB(n+1)-TB1∣时，
Figure 201428DEST_PATH_IMAGE002
。
其中，
TA1表示较低时间分辨率的数值模式（A模式）在第1个时间点的地面2米气温预报；
TAi表示较低时间分辨率的数值模式（A模式）在第i个时间点的地面2米气温预报；
TA（i+1）表示较低时间分辨率的数值模式（A模式）在第i+1个时间点的地面2米气温预报；
TA（n+1）表示较低时间分辨率的数值模式（A模式）在第n+1个时间点的地面2米气温预报；
TB1表示较高时间分辨率的数值模式（B模式）在第1个时间点的地面2米气温预报；
TBi表示较高时间分辨率的数值模式（B模式）在第i个时间点的地面2米气温预报；
TB（i+1）表示较高时间分辨率的数值模式（B模式）在第i+1个时间点的地面2米气温预报；
TB（n+1）表示较高时间分辨率的数值模式（B模式）在第n+1个时间点的地面2米气温预报；
④逐点对A模式地面2米气温预报进行时间降尺度，达到对整个区域范围A模式地面2米气温预报产品时间降尺度的目的；
（4）建立业务化系统，逐日重复上述步骤（1）和（3），实现预报区域范围内数值模式（A模式）地面2米气温时间降尺度，获取更精细的地面2米气温预报产品。
作为优选，所述时间降尺度指将时间分辨率较低的地面2米气温预报产品处理成时间分辨率较高的预报产品。例如：将时间分辨率为3h的地面2米气温预报产品通过时间降尺度处理成1h时间分辨率的产品。
作为优选，步骤（1）中所述较低时间分辨率通常指几小时时间分辨率的产品。例如：欧洲中期数值预报中心提供的ECMWF细网格模式地面2米气温短期预报产品时间分辨率为3h；中国气象局数值预报中心提供的GRAPES_GFS全球模式地面2米气温短期预报产品时间分辨率为3h。
作为优选，步骤（1）中所述更高时间分辨率通常指1h或小于1h时间分辨率的产品。例如：中国气象局数值预报中心提供的GRAPES中尺度模式地面2米气温预报产品时间分辨率为1h；华东区域数值模式地面2米气温预报产品时间分辨率为1h。
作为优选，步骤（1）中所述插值技术通常指双线性插值或反距离权重等插值方法。
作为优选，步骤（2）中所述气温预报准确率检验包括预报准确率评分、平均绝对预报误差、均方根差等；预报准确率为气温预报误差小于等于1℃或2℃的百分率。
步骤（3）中所述气温变化趋势指气温预报值随时间增加或减小的趋势。
与现有技术相比，本发明的优点和积极效果在于：
本发明利用预报准确率较高的高分辨率数值模式地面2米气温预报产品，对现有较低时间分辨率的数值模式地面2米气温预报产品进行时间降尺度，可以较好地反映气温随天气系统的精细演变特征，生成较为合理的更高时间分辨率更为精细的地面2米气温数值预报产品，同时又保留较低时间分辨率模式自身的预报优势。通过对2020年8-9月山东省国家级地面观测站ECMWF细网格模式3h气温时间降尺度产品的对比表明，该方法生成的1h地面2米气温预报产品预报准确率高于其他模式产品，既反映了气温的精细变化特征，又保留了ECMWF细网格模式气温预报准确率较高的优势。
附图说明
图1为2020年8-9月山东省122个国家级地面观测站ECMWF地面2米气温1h时间降尺度产品（以EC表示）和华东区域模式地面2米气温1h预报产品（以华东表示）预报准确率对比。
其中，横坐标为预报时效（h），纵坐标为预报准确率（%）。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合具体实施例对本发明做进一步说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。
实施例1
本实施例基于ECMWF细网格模式地面2米气温逐3h预报产品，结合华东区域数值模式逐1h地面2米气温预报产品，对ECMWF细网格预报产品进行时间降尺度，生成1h时间间隔的地面2米气温预报产品。采用如下步骤：
（1）以FORTRAN和python为主要编程语言，在WINDOWS或LINUX环境下对ECMWF细网格模式地面2米气温预报产品和华东区域地面2米气温预报产品进行反距离权重插值处理，处理到覆盖山东范围的0.05o×0.05 o网格和122个国家级地面观测站；
（2）进行不同的数值模式地面2米气温预报准确率检验
以ECMWF细网格模式产品为基础，结合地面观测实况对所有模式逐3h的地面2米气温预报准确率进行检验；根据检验结果，挑选出预报准确率较高的华东区域模式作为参考模式。这里采用温度预报准确率（温度预报误差小于等于2℃算正确）进行检验，温度预报准确率检验公式如下：
Figure DEST_PATH_IMAGE003
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。
通过对比检验，确定选取华东区域模式1h地面2米气温预报产品作为时间降尺度的参考模式（B模式）；
（3）进行地面2米气温预报产品时间降尺度：
①找出ECMWF细网格（A模式）每两次地面2米气温预报值TA；②找出华东区域模式（B模式）在相应时间段内所有的地面2米气温预报值TB及预报时次数n（这里n=3）；③按照B模式在该时段内的地面2米气温变化趋势逐个时间点i（本实施例中，i=1，2，3）对A模式地面2米气温预报TA(i+1)进行时间降尺度，求出A模式在该时段内所有时间点的气温预报值。
④逐网格点对A模式地面2米气温预报进行时间降尺度，达到对整个区域范围A模式地面2米气温预报产品时间降尺度的目的；
（4）建立业务化系统，逐日重复上述步骤（1）和步骤（3），实现预报区域范围内数值模式ECMWF细网格模式（A模式）地面2米气温时间降尺度，获取1h时间间隔的地面2米气温预报产品。
采用邻域法，对ECMWF细网格模式地面气温1h时间降尺度产品和华东区域模式1h地面气温预报产品在山东省国家级地面观测站的预报准确率进行评分对比，结果见表1。
表1 2020年8-9月山东省122个国家级气象观测站逐1小时地面2米气温预报准确率（%）评分对比
Figure 275825DEST_PATH_IMAGE004
Figure DEST_PATH_IMAGE005
为了更直观表示各产品的准确率情况，将表1中的数据绘制成图形，从表1结合图1得到的结果可知：经过时间降尺度后的ECMWF1h气温预报产品准确率（EC）高于华东区域模式1h气温预报准确率（华东），表明该时间降尺度方法是合理且有效的。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (5)

1.一种数值模式地面2米气温预报产品时间降尺度方法，其特征在于，包括如下步骤：
（1）获取多种数值模式地面2米气温预报产品
获取研究区域范围内低时间分辨率和高时间分辨率的多种数值模式地面2米气温预报产品，低时间分辨率的数值预报产品记为A模式，通过插值技术插值处理到同样的站点或网格点上；
（2）进行不同的数值模式地面2米气温预报准确率检验
以需要进行时间降尺度的较低时间分辨率的数值模式地面2米气温预报产品为基础，对所述多种数值 模式在此时间点上的地面2米气温预报准确率进行检验；挑选出预报准确率较高且具备更高时间分辨率气温预报产品的模式作为时间降尺度的参考模式，记为B模式；
（3）进行地面2米气温预报产品时间降尺度
①找出A模式每两次地面2米气温预报值TA；
②找出B模式在A模式相应时间段内所有的地面2米气温预报值TB及预报时次数n+1；
③按照B模式地面2米气温变化趋势逐个时间点i，其中，i=1，…，n，n>1；对A模式气温预报值TA进行时间降尺度，求出A模式所有时间点的气温预报值，生成更高时间分辨率的地面2米气温预报产品；具体公式如下：
当TB(n+1)-TB1≠0时，
Figure DEST_PATH_IMAGE002
；
其余条件下，
Figure DEST_PATH_IMAGE004
；
④逐点对A模式地面2米气温预报进行时间降尺度，达到对整个区域范围A模式地面2米气温预报产品时间降尺度的目的；
（4）建立业务化系统，逐日重复步骤（1）和（3），实现预报区域范围内数值模式地面2米气温时间降尺度，获取更精细的地面2米气温预报产品。
2.根据权利要求1所述数值模式地面2米气温预报产品时间降尺度方法，其特征在于，步骤（1）中所述低时间分辨率指若干小时时间分辨率的产品。
3.根据权利要求1所述数值模式地面2米气温预报产品时间降尺度方法，其特征在于，步骤（1）中所述高时间分辨率指1h或小于1h时间分辨率的产品。
4.根据权利要求1所述数值模式地面2米气温预报产品时间降尺度方法，其特征在于，步骤（1）中所述插值技术为双线性插值法或反距离权重插值法。
5.根据权利要求1所述数值模式地面2米气温预报产品时间降尺度方法，其特征在于，气温预报准确率检验包括预报准确率评分、平均绝对预报误差、均方根差中的任意一项；气温预报准确率为气温预报误差小于等于1℃或2℃的百分率。
CN202011432237.9A 2020-12-10 2020-12-10 一种数值模式地面2米气温预报产品时间降尺度方法 Active CN112558186B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011432237.9A CN112558186B (zh) 2020-12-10 2020-12-10 一种数值模式地面2米气温预报产品时间降尺度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011432237.9A CN112558186B (zh) 2020-12-10 2020-12-10 一种数值模式地面2米气温预报产品时间降尺度方法

Publications (2)

Publication Number Publication Date
CN112558186A CN112558186A (zh) 2021-03-26
CN112558186B true CN112558186B (zh) 2021-07-27

Family

ID=75060159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011432237.9A Active CN112558186B (zh) 2020-12-10 2020-12-10 一种数值模式地面2米气温预报产品时间降尺度方法

Country Status (1)

Country Link
CN (1) CN112558186B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113592132B (zh) * 2021-04-29 2022-04-05 山东省气象科学研究所(山东省海洋气象科学研究所、山东省气象局培训中心) 一种基于数值天气预报和人工智能的降水客观预报方法
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101870263B1 (ko) * 2016-12-30 2018-07-19 한국환경정책평가연구원 기후변화시나리오의 역학적 상세화 방법을 이용한 기후변화 고해상도 자료생상 및 표출시스템
CN107563554B (zh) * 2017-08-30 2022-01-18 三峡大学 一种统计降尺度模型预报因子的筛选方法
CN109085664B (zh) * 2018-07-04 2020-10-13 山东省气象科学研究所 一种温度精细化预报偏差滑动订正方法
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

Also Published As

Publication number Publication date
CN112558186A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN112558186B (zh) 一种数值模式地面2米气温预报产品时间降尺度方法
CN110058329B (zh) 一种气象要素智能网格预报产品空间降尺度方法
CN109085664B (zh) 一种温度精细化预报偏差滑动订正方法
CN110068878B (zh) 一种气温智能网格最优集成预报方法
CN109325633B (zh) 一种天气预报集合成员选取方法和系统
CN109948281B (zh) 基于天气类型有效识别和组合预测的直散分离建模方法
US20070005249A1 (en) Weather radar echo tops forecast generation
CN109063083B (zh) 一种多源气象信息数据同化方法
CN114896544B (zh) 一种风云气象卫星协同多数据源的三维云融合分析的方法
CN113640803B (zh) 一种基于回波强度和回波顶高外推的短时定量降水预报方法
CN108983324B (zh) 一种基于卡尔曼滤波的气温预报方法及系统
Okamoto Assimilation of overcast cloudy infrared radiances of the geostationary MTSAT‐1R imager
CN113592132B (zh) 一种基于数值天气预报和人工智能的降水客观预报方法
CN109783774A (zh) 一种温度集合预报方法及系统
Davy et al. Improving the accuracy of hourly satellite-derived solar irradiance by combining with dynamically downscaled estimates using generalised additive models
CN114442198A (zh) 一种基于加权算法的森林火险气象等级预报方法
CN110442836B (zh) 风电场短期风速预测方法及系统
CN116910041A (zh) 一种基于尺度分析的遥感降水产品的逐日订正方法
Guy et al. Radar characteristics of continental, coastal, and maritime convection observed during AMMA/NAMMA
JP5227480B1 (ja) 結露予測方法
CN115600142A (zh) 一种基于不同方法的大风融合集成预报方法
Hudson et al. Extending the Bureau's heatwave forecast to multi‐week timescales
KR20140058255A (ko) 지상기온 산출 시스템 및 그 방법
Rennie et al. Impact of Doppler radar wind observations on Australian high-resolution numerical weather prediction
CN115291303A (zh) 一种基于数值天气预报mos滑动订正的大风客观预报方法

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