CN114691661A - 一种基于同化的云导风、温湿廓线预处理分析方法及系统 - Google Patents

一种基于同化的云导风、温湿廓线预处理分析方法及系统 Download PDF

Info

Publication number
CN114691661A
CN114691661A CN202210342826.0A CN202210342826A CN114691661A CN 114691661 A CN114691661 A CN 114691661A CN 202210342826 A CN202210342826 A CN 202210342826A CN 114691661 A CN114691661 A CN 114691661A
Authority
CN
China
Prior art keywords
data
product
humidity
analysis
cloud
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
Application number
CN202210342826.0A
Other languages
English (en)
Other versions
CN114691661B (zh
Inventor
辛渝
陈勇航
买买提艾力·买买提依明
李曼
刘军建
刘琼
刘统强
魏煜
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.)
INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Donghua University
Original Assignee
INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Donghua University
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 INSTITUTE OF DESERT METEOROLOGY CMA URUMQI, Donghua University filed Critical INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Priority to CN202210342826.0A priority Critical patent/CN114691661B/zh
Publication of CN114691661A publication Critical patent/CN114691661A/zh
Application granted granted Critical
Publication of CN114691661B publication Critical patent/CN114691661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24553—Query execution of query operations
    • G06F16/24554—Unary operations; Data partitioning operations
    • G06F16/24556—Aggregation; Duplicate elimination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明提供了一种基于同化的云导风、温湿廓线预处理分析方法及系统。该方案包括获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准格式产品；对云导风产品进行时间匹配和空间匹配，并进行质量评估，保存为第一分析数据；对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据；对湿度产品进行时间匹配和空间匹配，并进行质量评估，保存为第三分析数据；提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压。该方案提供了基于变分同化的云导风、温湿廓线产品观测误差分析、产品质量控制算法、云导风高度校正算法，提升区域模式变分同化与数值模式预报水平。

Description

一种基于同化的云导风、温湿廓线预处理分析方法及系统
技术领域
本发明涉及气象数据预报技术领域，更具体地，涉及一种基于变分同化的云导风、温湿廓线预处理分析方法及系统。
背景技术
近年来，随着数值天气预报技术的不断发展，它在天气预报服务中发挥着越来越重要的作用。精细数值预报产品逐步在短时、临近预报中得到越来越多的应用。卫星观测资料数量巨大，远超其他常规观测的数据量，目前欧美等发达国家业务中心数值预报系统中所使用的资料中，卫星资料数量已经占到90％以上，对数值预报准确率的提高发挥了巨大作用。。
在本发明技术之前，现有的卫星导风产品发展成熟稳定，是获得中高层大气运动信息的有效观测资料，具有覆盖范围广、时空分辨率高等优点，可以为数值天气预报提供更加准确的初始值。但是对于如何解决云导风高度偏差订正和由温湿廓线、云导风反演误差产生的观测误差统计方法问题，尚无有效合理的方式。
发明内容
鉴于上述问题，本发明提出了一种基于变分同化的云导风、温湿廓线预处理分析方法及系统，基于当前的导风数据与外部数据的结合，进行有效的误差分析和数据质量评估，为同化系统提供可靠的观测误差统计值及云导风高度订正方法，提升同化系统对大尺度初值场的同化水平。
根据本发明实施例第一方面，提供一种基于变分同化的云导风、温湿廓线预处理分析方法。
在一个或多个实施例中，优选地，所述一种基于变分同化的云导风、温湿廓线预处理分析方法包括：
获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品；
根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据；
根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据；
根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据；
根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压；
根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据。
在一个或多个实施例中，优选地，所述获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品，具体包括：
获取所述卫星导风参数，并采用QI质量标识码作为导风衡量指标，附加在所述卫星导风参数中；
将所述卫星导风参数与数值预报风场进行比较后得出的可信度参考数值，可信度参考数值取值范围为0-100％；
提取全部的卫星温湿度数据，提取其中的绝对湿度，并利用第一计算公式将绝对湿度换算为相对湿度；
采用QI质量标识码作为温湿廓线衡量指标，附加在湿度数据中，并将湿度数据中的QI质量标识码作为可信度参考数值，附加在卫星温湿廓线数据中；
将所述卫星导风参数和所述卫星温湿廓线数据合并为所述标准统计格式接口产品；
所述第一计算公式为：
Figure BDA0003575519880000021
qs＝0.622×es/(0.01prs-es)
rh＝100q/qs
其中，tk为大气温度，prs为大气气压，q为大气绝对湿度，rh为相对湿度，qs为大气饱和湿度。
在一个或多个实施例中，优选地，所述根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据，具体包括：
获取所述标准统计格式接口产品，提取其中的云导风产品；
获得校验源云导风产品，其中，所述校验源云导风产品包括探空资料、所述再分析资料；
对探空资料和云导风产品进行时间匹配分析，具体包括选取云导风产品时间分辨率为3h，选取探空数据一天观测两次，分别在世界时0时、12时；
对所述再分析资料和云导风产品进行时间匹配分析，具体包括选取云导风产品时间分辨率为3h，选取再分析资料数据一天观测8次，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
对探空资料和云导风产品进行空间匹配分析，具体包括设置水平方向空间匹配阈值不大于0.5°，垂直方向空间匹配阈值不大于50hPa，并在水平方向上，以探空观测资料为基准，寻找水平空间阈值内最邻近的云导风产品的像元，进行水平方向匹配，在垂直方向上，以云导风产品的离散点所在气压层为基准，寻找垂直方向上50hPa范围内最邻近气压层的探空观测数据，进行垂直空间匹配；
对探空资料和云导风产品进行空间匹配分析,具体包括水平方向上，以云导风产品的离散点为基准，寻找其最邻近的所述再分析资料，进行水平方向匹配，在垂直方向上，首先，将所述再分析资料产品的垂直坐标取对数；其次，以云导风产品的离散点所在气压层为基准，将所述再分析资料垂直对数坐标经线性插值到云导风产品所在气压层后，进行垂直空间匹配；
对云导风产品进行数据归一化处理，具体包括将经向风和纬向风进行合成，计算获得对应的所述风速值；
云导风产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、均值、最大值和最小值，将结果保存为第一分析数据。
在一个或多个实施例中，优选地，所述根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据，具体包括：
获取所述标准统计格式接口产品，提取其中的大气温度廓线产品；
获得校验源温度廓线产品，其中，所述校验源温度廓线产品包括探空资料、所述再分析资料；
对探空资料和温度廓线产品进行时间匹配分析，具体包括设置大气温度廓线产品时间分辨率为60min，设置探空资料为一天两次，具体为世界时0时和12时；
对探空资料和温度廓线产品进行空间匹配分析,具体包括以探空站点观测的温度廓线数据为基准，在垂直方向上寻找最邻近气压层的大气温度廓线产品进行垂直空间匹配；水平方向上，以探空站点为中心，将其空间阈值范围内的温度廓线所有像元点产品进行加权平均与对应站点做水平空间匹配；
对所述再分析资料和温度廓线产品进行空间匹配分析,具体包括在垂直方向上寻找最邻近的气压层温度廓线产品进行匹配；水平方向上，以所述再分析资料格点产品为基准，寻找空间阈值范围内的所有温度格点进行加权平均与对应所述再分析资料格点做匹配；
对所述再分析资料和温度廓线产品进行时间匹配分析，具体包括大气温度廓线产品时间分辨率为60min，所述再分析资料数据一天8次预报数据，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
对温度廓线产品进行数据归一化处理，具体包括变量单位统一；
对温度廓线产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、峰度、偏度和中值，将结果保存为第二分析数据。
在一个或多个实施例中，优选地，所述根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据，具体包括：
获取所述标准统计格式接口产品，提取其中的大气湿度廓线产品；
获得校验源湿度廓线产品，其中，所述校验源湿度廓线产品包括探空资料、所述再分析资料；
对探空资料和湿度廓线产品进行时间匹配分析，具体包括设置大气湿度廓线产品时间分辨率为60min，设置探空资料为一天两次(世界时0时和12时)观测；
对探空资料和温度廓线产品进行空间匹配分析,具体包括以探空站点观测湿度廓线数据为基准，在垂直方向上寻找最邻近的气压层的湿度廓线产品进行匹配；在水平方向上，以探空站点为中心，将其水平空间阈值范围内的湿度廓线的所有像元点产品进行加权平均与对应站点做水平空间匹配；
对所述再分析资料和湿度廓线产品进行空间匹配分析,具体包括以所述再分析资料湿度廓线产品为基准，在垂直方向上寻找最邻近的气压层湿度廓线产品进行匹配；水平方向上，以所述再分析资料格点产品为基准，寻找空间阈值范围内的所有湿度格点进行加权平均与对应所述再分析资料格点做匹配；
对所述再分析资料和湿度廓线产品进行时间匹配分析，具体包括大气湿度廓线产品时间分辨率为60min，再分析资料数据一天8次预报数据，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
对湿度廓线产品进行数据归一化处理，具体包括变量单位统一；
对湿度廓线产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、峰度、偏度和中值，将结果保存为第三分析数据。
在一个或多个实施例中，优选地，所述根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压，具体包括：
获得云导风产品归一化获得根据所述第一分析数据中的所述风速值；
利用第二计算公式计算所述风速代价函数；
提取所述风速代价函数取得最小值时的气压，并保存所述风速代价函数取得最小值为风矢量极值；
如果所述风矢量极值大于1.0，则将所述风矢量极值对应的风矢量舍去；
所述第二计算公式为：
Figure BDA0003575519880000051
其中，uo为云导风观测，vo为背景风场观测，ub(p)为云导风基准，vb(p)为背景风场基准，p为气压，P为预估最优导风高度，Po为导风最初设定高度，Ue为预设云导风误差，Ve为预设背景风场误差，Pe为预设高度设定误差。
在一个或多个实施例中，优选地，所述根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据，具体包括：
获得任意2个观测站之间的距离；
根据所述第一分析数据、所述第二分析数据和所述第三分析数据，并利用第三计算公式计算所有云导风和温湿度观测数据的所述观测误差；
对所述观测误差进行时间划分，以1小时为周期利用第四计算公式计算误差积累；
判断所述误差积累超过第一预设定值时，将对应的观测数据设置为异常状态；
判断所述误差积累超过第二预设定值且小于所述第一预设定值时，将对应的观测数据设置为不确定状态；
判断所述误差积累低于第二预设定值时，将对应的观测数据设置为准确状态；
设置误差限定指数，对所述不确定状态对应观测数据计算所述分支误差超限比例；
当所述分支误差超限比例大于0.1时，设置为不确定无效态；
在所述不确定无效态时，将当前观测数据误差对应的观测数据设置为无效数据；
当所述分支误差超限比例不大于0.1时，设置为不确定有效态；
在所述不确定有效态时，获取当前观测数据误差对应观测数据，将超过预设的所述误差限定指数的观测数据进行标记，作为超限观测点；
提取所述超限观测点对应的时间，利用第五计算公式获得最大安全观测数据时段和第二大安全观测数据时段；
将所述最大安全观测数据时段和所述第二大安全观测数据时段对应的观测数据保存为有效观测段，并将所述不确定有效态下所述有效观测段之外的观测数据剔除；
所述第三计算公式为：
Figure BDA0003575519880000061
其中，r为两观测站的距离，p为气压，i和j为水平层上的两点，m和n为垂直层上的两点，Co为观测场，CB为背景场；
具体的，在两观测站的水平层不相同时，直接计算背景场的计算误差CB(rij，pm，pn)作为当前的所述观测误差；在两观测站的水平层相同时，则首先提取两个场站所在位置垂直层压强下对应的观测场误差值CO(pm，pn)，在此基础上叠加在背景场在对应的压强下的计算误差CB(0，pm，pn)，作为当前的所述观测误差；
所述第四计算公式为：
Figure BDA0003575519880000071
其中，Y为所述误差积累，T为1小时，Cx为第x个观测数据的误差；
所述第五计算公式为：
L＝Count(Cx>Cg)/b
其中，L为分支误差超限比例，Cg为所述误差限定指数。
根据本发明实施例第二方面，提供一种基于变分同化的云导风、温湿廓线预处理分析系统。
在一个或多个实施例中，优选地，所述一种基于变分同化的云导风、温湿廓线预处理分析系统包括：
质量控制模块，用于获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品；
云导风模块，用于根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据；
温度廓线模块，用于根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据；
湿度廓线模块，用于根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据；
高度校正模块，用于根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压；
偏差筛选模块，用于根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明方案中，通过分段分类的进行精确地观测精度异常数据的剔除，实现了高效的数据匹配和解码。
本发明方案中采用变分最优校正方案，通过高精度再分析资料背景风场的信息调整反演云导风的高度，提升了云导风高度偏差订正的精度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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的一种基于变分同化的云导风、温湿廓线预处理分析方法的流程图。
图2是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品的流程图。
图3是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据的流程图。
图4是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据的流程图。
图5是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据的流程图。
图6是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压的流程图。
图7是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据的流程图。
图8是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析系统的结构图。
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
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，所描述的实施例仅仅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，本领域技术人员在没有作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。
本发明实施例中，提供了一种基于变分同化的云导风、温湿廓线预处理分析方法及系统。该方案基于当前的导风数据与外部数据的结合，进行有效的误差分析和数据质量评估，提升同化系统水平。
根据本发明实施例第一方面，提供一种基于变分同化的云导风、温湿廓线预处理分析方法。
图1是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法的流程图。
在一个或多个实施例中，优选地，所述一种基于变分同化的云导风、温湿廓线预处理分析方法包括：
S101、获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品；
S102、根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据；
S103、根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据；
S104、根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据；
S105、根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压；
S106、根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据。
在本发明实施例中，提取了探空资料和再分析资料作为外源数据，通过计算外源数据与标准统计格式接口产品间的偏差、平均偏差、均方根误差、最大值、最小值指标，对卫星云导风产品实现质量评估，此外，其检验过程包括数据解码、数据匹配，具体的数据匹配包括时间匹配、空间匹配和归一化处理、质量评估方案选择、质量评估指标计算和质量评估结果输出。
图2是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品的流程图。
如图2所示，在一个或多个实施例中，优选地，所述获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品，具体包括：
S201、获取所述卫星导风参数，并采用QI质量标识码作为导风衡量指标，附加在所述卫星导风参数中；
S202、将所述卫星导风参数与数值预报风场进行比较后得出的可信度参考数值，可信度参考数值取值范围为0-100％；
S203、提取全部的卫星温湿度数据，提取其中的绝对湿度，并利用第一计算公式将绝对湿度换算为相对湿度；
S204、采用QI质量标识码作为温湿廓线衡量指标，附加在湿度数据中，并将湿度数据中的QI质量标识码作为可信度参考数值，附加在卫星温湿廓线数据中；
S205、将所述卫星导风参数和所述卫星温湿廓线数据合并为所述标准统计格式接口产品；
所述第一计算公式为：
Figure BDA0003575519880000101
qs＝0.622×es/(0.01prs-es)
rh＝100q/qs
其中，tk为大气温度，prs为大气气压，q为大气绝对湿度，rh为相对湿度，qs为大气饱和湿度。
在本发明实施例中，为了进行有效地进行导风数据和温湿廓线数据的评估，首先需要进行有效地质量控制。因此，采用了上述方式，进行对应的导风数据和温湿廓线数据的质量控制。
图3是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据的流程图。
如图3所示，在一个或多个实施例中，优选地，所述根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据，具体包括：
S301、获取所述标准统计格式接口产品，提取其中的云导风产品；
S302、获得校验源云导风产品，其中，所述校验源云导风产品包括探空资料、所述再分析资料；
S303、对探空资料和云导风产品进行时间匹配分析，具体包括选取云导风产品时间分辨率为3h，选取探空数据一天观测两次，分别在世界时0时、12时；
S304、对所述再分析资料和云导风产品进行时间匹配分析，具体包括选取云导风产品时间分辨率为3h，选取再分析资料数据一天观测8次，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
S305、对探空资料和云导风产品进行空间匹配分析，具体包括设置水平方向空间匹配阈值不大于0.5°，垂直方向空间匹配阈值不大于50hPa，并在水平方向上，以探空观测资料为基准，寻找水平空间阈值内最邻近的云导风产品的像元，进行水平方向匹配，在垂直方向上，以云导风产品的离散点所在气压层为基准，寻找垂直方向上50hPa范围内最邻近气压层的探空观测数据，进行垂直空间匹配；
S306、对探空资料和云导风产品进行空间匹配分析,具体包括水平方向上，以云导风产品的离散点为基准，寻找其最邻近的所述再分析资料，进行水平方向匹配，在垂直方向上，首先，将所述再分析资料产品的垂直坐标取对数；其次，以云导风产品的离散点所在气压层为基准，将所述再分析资料垂直对数坐标经线性插值到云导风产品所在气压层后，进行垂直空间匹配；
S307、对云导风产品进行数据归一化处理，具体包括将经向风和纬向风进行合成，计算获得对应的所述风速值；
S308、云导风产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、均值、最大值和最小值，将结果保存为第一分析数据。
在本发明实施例中，通过对高精度观测和探空资料、再分析资料的匹配比对，得到了云导风资料的统计特征及高度偏差特征，使之可对卫星反演风廓线资料与背景场的观测更新向量作出分析与校正。所述云导风产品与探空风场资料时间匹配方法，具体为时间匹配阈值原则为同一时刻；时间匹配方法所述云导风产品时间分辨率为3h，探空数据一天观测两次，分别在世界时0时、12时。本方案中，以探空资料观测时间为基准，寻找与其对应的同一时刻的所述云导风产品，进行时间匹配。导风产品与再分析资料风场时间匹配方法，具体为时间匹配阈值同一时刻。
图4是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据的流程图。
如图4所示，在一个或多个实施例中，优选地，所述根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据，具体包括：
S401、获取所述标准统计格式接口产品，提取其中的大气温度廓线产品；
S402、获得校验源温度廓线产品，其中，所述校验源温度廓线产品包括探空资料、所述再分析资料；
S403、对探空资料和温度廓线产品进行时间匹配分析，具体包括设置大气温度廓线产品时间分辨率为60min，设置探空资料为一天两次，具体为世界时0时和12时；
S404、对探空资料和温度廓线产品进行空间匹配分析,具体包括以探空站点观测的温度廓线数据为基准，在垂直方向上寻找最邻近气压层的大气温度廓线产品进行垂直空间匹配；水平方向上，以探空站点为中心，将其空间阈值范围内的温度廓线所有像元点产品进行加权平均与对应站点做水平空间匹配；
S405、对所述再分析资料和温度廓线产品进行空间匹配分析,具体包括在垂直方向上寻找最邻近的气压层温度廓线产品进行匹配；水平方向上，以所述再分析资料格点产品为基准，寻找空间阈值范围内的所有温度格点进行加权平均与对应所述再分析资料格点做匹配；
S406、对所述再分析资料和温度廓线产品进行时间匹配分析，具体包括大气温度廓线产品时间分辨率为60min，所述再分析资料数据一天8次预报数据，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
S407、对温度廓线产品进行数据归一化处理，具体包括变量单位统一；
S408、对温度廓线产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、峰度、偏度和中值，将结果保存为第二分析数据。
在本发明实施例中，通过与高精度再分析资料和探空资料的对比，得到了卫星温廓线反演的偏差特征，使之可对卫星反演温湿廓线资料与背景场的观测更新向量作出分析与校正，提供数据基础。
图5是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据的流程图。
如图5所示，在一个或多个实施例中，优选地，所述根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据，具体包括：
S501、获取所述标准统计格式接口产品，提取其中的大气湿度廓线产品；
S502、获得校验源湿度廓线产品，其中，所述校验源湿度廓线产品包括探空资料、所述再分析资料；
S503、对探空资料和湿度廓线产品进行时间匹配分析，具体包括设置大气湿度廓线产品时间分辨率为60min，设置探空资料为一天两次(世界时0时和12时)观测；
S504、对探空资料和温度廓线产品进行空间匹配分析,具体包括以探空站点观测湿度廓线数据为基准，在垂直方向上寻找最邻近的气压层的湿度廓线产品进行匹配；在水平方向上，以探空站点为中心，将其水平空间阈值范围内的湿度廓线的所有像元点产品进行加权平均与对应站点做水平空间匹配；
S505、对所述再分析资料和湿度廓线产品进行空间匹配分析,具体包括以所述再分析资料湿度廓线产品为基准，在垂直方向上寻找最邻近的气压层湿度廓线产品进行匹配；水平方向上，以所述再分析资料格点产品为基准，寻找空间阈值范围内的所有湿度格点进行加权平均与对应所述再分析资料格点做匹配；
S506、对所述再分析资料和湿度廓线产品进行时间匹配分析，具体包括大气湿度廓线产品时间分辨率为60min，再分析资料数据一天8次预报数据，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
S507、对湿度廓线产品进行数据归一化处理，具体包括变量单位统一；
S508、对湿度廓线产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、峰度、偏度和中值，将结果保存为第三分析数据。
在本发明实施例中，通过与高精度再分析资料和探空资料的对比，得到了卫星湿廓线反演的偏差特征，使之可对卫星反演温湿廓线资料与背景场的观测更新向量作出分析与校正，提供数据基础。
图6是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压的流程图。
如图6所示，在一个或多个实施例中，优选地，所述根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压，具体包括：
S601、获得云导风产品归一化获得根据所述第一分析数据中的所述风速值；
S602、利用第二计算公式计算所述风速代价函数；
S603、提取所述风速代价函数取得最小值时的气压，并保存所述风速代价函数取得最小值为风矢量极值；
S604、如果所述风矢量极值大于1.0，则将所述风矢量极值对应的风矢量舍去；
所述第二计算公式为：
Figure BDA0003575519880000141
其中，uo为云导风观测，vo为背景风场观测，ub(p)为云导风基准，vb(p)为背景风场基准，p为气压，P为预估最优导风高度，Po为导风最初设定高度，Ue为预设云导风误差，Ve为预设背景风场误差，Pe为预设高度设定误差。
在本发明实施例中，采用变分最优校正方案，通过高精度再分析资料背景风场的信息调整反演云导风的高度。一方面使导风的U和V分量与所在层次上的背景风场比较接近；另一方面考虑到了背景场的误差，充分利用导风原始设定的高度信息，使调整后的高度与原始设定高度的偏离不会太远，具体的过程中，在进行高度变分调整时，首先采用双线性插值方法，将再分析资料的3h预报场资料插值到云导风所在经纬度的位置，垂直方向上用二次样条插值得到各个变量的垂直廓线，然后求取上述目标函数J(P)的极小值。为了考察云导风的系统性偏差，将云导。
图7是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析方法中的根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据的流程图。
如图7所示，在一个或多个实施例中，优选地，所述根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据，具体包括：
S701、获得任意2个观测站之间的距离；
S702、根据所述第一分析数据、所述第二分析数据和所述第三分析数据，并利用第三计算公式计算所有云导风和温湿度观测数据的所述观测误差；
S703、对所述观测误差进行时间划分，以1小时为周期利用第四计算公式计算误差积累；
S704、判断所述误差积累超过第一预设定值时，将对应的观测数据设置为异常状态；
S705、判断所述误差积累超过第二预设定值且小于所述第一预设定值时，将对应的观测数据设置为不确定状态；
S706、判断所述误差积累低于第二预设定值时，将对应的观测数据设置为准确状态；
S707、设置误差限定指数，对所述不确定状态对应观测数据计算所述分支误差超限比例；
S708、当所述分支误差超限比例大于0.1时，设置为不确定无效态；在所述不确定无效态时，将当前观测数据误差对应的观测数据设置为无效数据；当所述分支误差超限比例不大于0.1时，设置为不确定有效态；在所述不确定有效态时，获取当前观测数据误差对应观测数据，将超过预设的所述误差限定指数的观测数据进行标记，作为超限观测点；提取所述超限观测点对应的时间，利用第五计算公式获得最大安全观测数据时段和第二大安全观测数据时段；将所述最大安全观测数据时段和所述第二大安全观测数据时段对应的观测数据保存为有效观测段，并将所述不确定有效态下所述有效观测段之外的观测数据剔除；
所述第三计算公式为：
Figure BDA0003575519880000161
其中，r为两观测站的距离，p为气压，i和j为水平层上的两点，m和n为垂直层上的两点，Co为观测场，CB为背景场；
具体的，在两观测站的水平层不相同时，直接计算背景场的计算误差CB(rij，pm，pn)作为当前的所述观测误差；在两观测站的水平层相同时，则首先提取两个场站所在位置垂直层压强下对应的观测场误差值CO(pm，pn)，在此基础上叠加在背景场在对应的压强下的计算误差CB(0，pm，pn)，作为当前的所述观测误差；
所述第四计算公式为：
Figure BDA0003575519880000162
其中，Y为所述误差积累，T为1小时，Cx为第x个观测数据的误差；
所述第五计算公式为：
L＝Count(Cx>Cg)/b
其中，L为分支误差超限比例，Cg为所述误差限定指数。
在本发明实施例中，对应观测误差的准确估计对于云导风和温湿度的同化应用和资料效果发挥非常重要。对于观测相对密集的资料而言，在观测空间利用观测值与背景值之差来分离背景误差和观测误差方差，从而计算得到观测误差方差。在获得观测误差之后，按照不同的观测站进行单独分析。具体过程为，按照观测数据的获取时间，进行了划分，这样划分的原因时每次的误差都是在同一个时间点获得的，进而进行下一步的数据分类和处理；为了能够获得相同的评价标准上的分析，对于误差累计采用了1个小时的时间周期，在获得单位时间1小时。
根据本发明实施例第二方面，提供一种基于变分同化的云导风、温湿廓线预处理分析系统。
图8是本发明一个实施例的一种基于变分同化的云导风、温湿廓线预处理分析系统的结构图。
在一个或多个实施例中，优选地，所述一种基于变分同化的云导风、温湿廓线预处理分析系统包括：
质量控制模块801，用于获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品；
云导风模块802，用于根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据；
温度廓线模块803，用于根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据；
湿度廓线模块804，用于根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据；
高度校正模块805，用于根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压；
偏差筛选模块806，用于根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据。
在本发明实施例中，采用了模块化设计，提升了使用的灵活性。
其中，对产品进行质量评价时，需要通过一些定量指标来评价卫星遥感产品的质量状况。本方案中，选取偏差、平均偏差、均方根误差、峰度、偏度、中值等多个指标对卫星遥感产品精度进行评估。具体的评估方式如下：
偏差评估方式为：
Bias＝xi-xoi
式中，BIAS表示平均偏差；xi表示待检验数据；xoi表示检验源数据。对逐个匹配样本像元进行偏差计算，得到的偏差值可用于绘制偏差空间分布图。
平均偏差评估方式为：
Figure BDA0003575519880000171
式中，BIAS表示平均偏差；N表示匹配样本数量；xi表示待检验数据；xoi表示检验源数据。
均方根误差评估方式为：
Figure BDA0003575519880000181
式中：RMSE表示均方根误差；N表示匹配样本数量；xi表示待检验数据；xoi表示检验源数据。
相关系数评估方式为：
Figure BDA0003575519880000182
式中，Corr表示相关系数；N表示匹配样本数量；xi表示待检验数据；xoi表示检验源数据；
Figure BDA0003575519880000183
表示待检验数据样本均值；
Figure BDA0003575519880000184
表示检验数据样本均值。
偏度评估方式为：
偏度是是描述数据分布形态的统计量，其描述的是某总体取值分布的对称性。这个统计量同样需要与正态分布相比较，偏度为0表示其数据分布形态与正态分布的偏斜程度相同；偏度大于0表示其数据分布形态与正态分布相比为正偏或右偏，即有一条长尾巴拖在右边，数据右端有较多的极端值；偏度小于0表示其数据分布形态与正态分布相比为负偏或左偏，即有一条长尾拖在左边，数据左端有较多的极端值。偏度的绝对值数值越大表示其分布形态的偏斜程度越大。
Figure BDA0003575519880000185
式中，Skewness表示偏度；N表示匹配样本数量；s表示标准差；xi表示待检验数据；
Figure BDA0003575519880000186
表示待检验数据样本均值。
峰度评估方式为：
峰度是描述总体中所有取值分布形态陡缓程度的统计量。这个统计量需要与正态分布相比较，峰度为0表示该总体数据分布与正态分布的陡缓程度相同；峰度大于0表示该总体数据分布与正态分布相比较为陡峭，为尖顶峰；峰度小于0表示该总体数据分布与正态分布相比较为平坦，为平顶峰。峰度的绝对值数值越大表示其分布形态的陡缓程度与正态分布的差异程度越大。
Figure BDA0003575519880000187
式中，Kurtosis表示峰度；N表示匹配样本数量；s表示标准差；xi表示待检验数据；
Figure BDA0003575519880000191
表示待检验数据样本均值。
中值评估方式为：
中值(又称中位数)是将样本当中的各个变量值按大小顺序排列起来，形成一个数列，处于变量数列中间位置的变量值为中值。当变量值的项数N为奇数时，处于中间位置的变量值即为中位数；当N为偶数时，中位数则为处于中间位置的2个变量值的平均数。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备。图9是本发明一个实施例中一种电子设备的结构图。图9所示的电子设备为通用区域云导风评估装置，其包括通用的计算机硬件结构，其至少包括处理器901和存储器902。处理器901和存储器902通过总线903连接。存储器902适于存储处理器901可执行的指令或程序。处理器901可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器901通过执行存储器902所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线903将上述多个组件连接在一起，同时将上述组件连接到显示控制器904和显示装置以及输入/输出(I/O)装置905。输入/输出(I/O)装置905可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置905通过输入/输出(I/O)控制器906与系统相连。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明方案中，通过分段分类的进行精确地观测精度异常数据的剔除，实现了高效的数据匹配和解码。
本发明方案中采用变分最优校正方案，通过高精度再分析资料背景风场的信息调整反演云导风的高度，提升了高度偏差订正的精度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、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。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于变分同化的云导风、温湿廓线预处理分析方法，其特征在于，该方法包括：
获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品；
根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据；
根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据；
根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据；
根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压；
根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据。
2.如权利要求1所述的一种基于变分同化的云导风、温湿廓线预处理分析方法，其特征在于，所述获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品，具体包括：
获取所述卫星导风参数，并采用QI质量标识码作为导风衡量指标，附加在所述卫星导风参数中；
将所述卫星导风参数与数值预报风场进行比较后得出的可信度参考数值，可信度参考数值取值范围为0-100％；
提取全部的卫星温湿度数据，提取其中的绝对湿度，并利用第一计算公式将绝对湿度换算为相对湿度；
采用QI质量标识码作为温湿廓线衡量指标，附加在湿度数据中，并将湿度数据中的QI质量标识码作为可信度参考数值，附加在卫星温湿廓线数据中；
将所述卫星导风参数和所述卫星温湿廓线数据合并为所述标准统计格式接口产品；
所述第一计算公式为：
Figure FDA0003575519870000021
qs＝0.622×es/(0.01prs-es)
rh＝100q/qs
其中，tk为大气温度，prs为大气气压，q为大气绝对湿度，rh为相对湿度，qs为大气饱和湿度。
3.如权利要求1所述的一种基于变分同化的云导风、温湿廓线预处理分析方法，其特征在于，所述根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据，具体包括：
获取所述标准统计格式接口产品，提取其中的云导风产品；
获得校验源云导风产品，其中，所述校验源云导风产品包括探空资料、所述再分析资料；
对探空资料和云导风产品进行时间匹配分析，具体包括选取云导风产品时间分辨率为3h，选取探空数据一天观测两次，分别在世界时0时、12时；
对所述再分析资料和云导风产品进行时间匹配分析，具体包括选取云导风产品时间分辨率为3h，选取再分析资料数据一天观测8次，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
对一天两次探空资料和云导风产品进行空间匹配分析，具体包括设置水平方向空间匹配阈值不大于0.5°，垂直方向空间匹配阈值不大于50hPa，并在水平方向上，以探空观测资料为基准，寻找水平空间阈值内最邻近的云导风产品的像元，进行水平方向匹配，在垂直方向上，以云导风产品的离散点所在气压层为基准，寻找垂直方向上50hPa范围内最邻近气压层的探空观测数据，进行垂直空间匹配；
对探空资料和云导风产品进行空间匹配分析,具体包括水平方向上，以云导风产品的离散点为基准，寻找其最邻近的所述再分析资料，进行水平方向匹配，在垂直方向上，首先，将所述再分析资料产品的垂直坐标取对数；其次，以云导风产品的离散点所在气压层为基准，将所述再分析资料垂直对数坐标经线性插值到云导风产品所在气压层后，进行垂直空间匹配；
对云导风产品进行数据归一化处理，具体包括将经向风和纬向风进行合成，计算获得对应的所述风速值；
云导风产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、均值、最大值和最小值，将结果保存为第一分析数据。
4.如权利要求3所述的一种基于变分同化的云导风、温湿廓线预处理分析方法，其特征在于，所述根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据，具体包括：
获取所述标准统计格式接口产品，提取其中的大气温度廓线产品；
获得校验源温度廓线产品，其中，所述校验源温度廓线产品包括探空资料、所述再分析资料；
对探空资料和温度廓线产品进行时间匹配分析，具体包括设置大气温度廓线产品时间分辨率为60min，设置探空资料为一天两次，具体为世界时0时和12时；
对探空资料和温度廓线产品进行空间匹配分析,具体包括以探空站点观测的温度廓线数据为基准，在垂直方向上寻找最邻近气压层的大气温度廓线产品进行垂直空间匹配；水平方向上，以探空站点为中心，将其空间阈值范围内的温度廓线所有像元点产品进行加权平均与对应站点做水平空间匹配；
对所述再分析资料和温度廓线产品进行空间匹配分析,具体包括在垂直方向上寻找最邻近的气压层温度廓线产品进行匹配；水平方向上，以所述再分析资料格点产品为基准，寻找空间阈值范围内的所有温度格点进行加权平均与对应所述再分析资料格点做匹配；
对所述再分析资料和温度廓线产品进行时间匹配分析，具体包括大气温度廓线产品时间分辨率为60min，所述再分析资料数据一天8次预报数据，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
对温度廓线产品进行数据归一化处理，具体包括变量单位统一；
对温度廓线产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、峰度、偏度和中值，将结果保存为第二分析数据。
5.如权利要求3所述的一种基于变分同化的云导风、温湿廓线预处理分析方法，其特征在于，所述根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据，具体包括：
获取所述标准统计格式接口产品，提取其中的大气湿度廓线产品；
获得校验源湿度廓线产品，其中，所述校验源湿度廓线产品包括探空资料、所述再分析资料；
对探空资料和湿度廓线产品进行时间匹配分析，具体包括设置大气湿度廓线产品时间分辨率为60min，设置探空资料为一天两次观测；
对探空资料和温度廓线产品进行空间匹配分析,具体包括以探空站点观测湿度廓线数据为基准，在垂直方向上寻找最邻近的气压层的湿度廓线产品进行匹配；在水平方向上，以探空站点为中心，将其水平空间阈值范围内的湿度廓线的所有像元点产品进行加权平均与对应站点做水平空间匹配；
对所述再分析资料和湿度廓线产品进行空间匹配分析,具体包括以所述再分析资料湿度廓线产品为基准，在垂直方向上寻找最邻近的气压层湿度廓线产品进行匹配；水平方向上，以所述再分析资料格点产品为基准，寻找空间阈值范围内的所有湿度格点进行加权平均与对应所述再分析资料格点做匹配；
对所述再分析资料和湿度廓线产品进行时间匹配分析，具体包括大气湿度廓线产品时间分辨率为60min，再分析资料数据一天8次预报数据，分别为世界时00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00；
对湿度廓线产品进行数据归一化处理，具体包括变量单位统一；
对湿度廓线产品进行质量评估，具体包括计算偏差、平均偏差、均方根误差、峰度、偏度和中值，将结果保存为第三分析数据。
6.如权利要求1所述的一种基于变分同化的云导风、温湿廓线预处理分析方法，其特征在于，所述根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压，具体包括：
获得云导风产品归一化获得根据所述第一分析数据中的所述风速值；
利用第二计算公式计算所述风速代价函数；
提取所述风速代价函数取得最小值时的气压，并保存所述风速代价函数取得最小值为风矢量极值；
如果所述风矢量极值大于1.0，则将所述风矢量极值对应的风矢量舍去；
所述第二计算公式为：
Figure FDA0003575519870000041
其中，uo为云导风观测，vo为背景风场观测，ub(p)为云导风基准，vb(p)为背景风场基准，p为气压，P为预估最优导风高度，Po为导风最初设定高度，Ue为预设云导风误差，Ve为预设背景风场误差，Pe为预设高度设定误差。
7.如权利要求1所述的一种基于变分同化的云导风、温湿廓线预处理分析方法，其特征在于，所述根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据，具体包括：
获得任意2个观测站之间的距离；
根据所述第一分析数据、所述第二分析数据和所述第三分析数据，并利用第三计算公式计算所有云导风和温湿度观测数据的所述观测误差；
对所述观测误差进行时间划分，以1小时为周期利用第四计算公式计算误差积累；
判断所述误差积累超过第一预设定值时，将对应的观测数据设置为异常状态；
判断所述误差积累超过第二预设定值且小于所述第一预设定值时，将对应的观测数据设置为不确定状态；
判断所述误差积累低于第二预设定值时，将对应的观测数据设置为准确状态；
设置误差限定指数，对所述不确定状态对应观测数据计算所述分支误差超限比例；
当所述分支误差超限比例大于0.1时，设置为不确定无效态；
在所述不确定无效态时，将当前观测数据误差对应的观测数据设置为无效数据；
当所述分支误差超限比例不大于0.1时，设置为不确定有效态；
在所述不确定有效态时，获取当前观测数据误差对应观测数据，将超过预设的所述误差限定指数的观测数据进行标记，作为超限观测点；
提取所述超限观测点对应的时间，利用第五计算公式获得最大安全观测数据时段和第二大安全观测数据时段；
将所述最大安全观测数据时段和所述第二大安全观测数据时段对应的观测数据保存为有效观测段，并将所述不确定有效态下所述有效观测段之外的观测数据剔除；
所述第三计算公式为：
Figure FDA0003575519870000061
其中，r为两观测站的距离，p为气压，i和j为水平层上的两点，m和n为垂直层上的两点，Co为观测场，CB为背景场；
所述第四计算公式为：
Figure FDA0003575519870000062
其中，Y为所述误差积累，T为1小时，Cx为第x个观测数据的误差；
所述第五计算公式为：
L＝Count(Cx>Cg)/b
其中，L为分支误差超限比例，Cg为所述误差限定指数。
8.一种基于变分同化的云导风、温湿廓线预处理分析系统，其特征在于，该系统包括：
质量控制模块，用于获取卫星导风参数、卫星温湿度数据，进行相对湿度换算，并将数据合并为标准统计格式接口产品；
云导风模块，用于根据所述标准统计格式接口产品，对云导风产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第一分析数据；
温度廓线模块，用于根据所述标准统计格式接口产品，对温度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第二分析数据；
湿度廓线模块，用于根据所述标准统计格式接口产品，对湿度产品进行时间匹配和空间匹配，并进行质量评估，将结果保存为第三分析数据；
高度校正模块，用于根据所述第一分析数据提取风速值，进行高度校准，获得风速代价函数取得最小值时的气压；
偏差筛选模块，用于根据所述第一分析数据、所述第二分析数据和所述第三分析数据提取每个观测数据的观测误差，进行分时段的数据分析，并剔除异常观测数据。
9.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7任一项所述的方法。
CN202210342826.0A 2022-03-31 2022-03-31 一种基于同化的云导风、温湿廓线预处理分析方法及系统 Active CN114691661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210342826.0A CN114691661B (zh) 2022-03-31 2022-03-31 一种基于同化的云导风、温湿廓线预处理分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210342826.0A CN114691661B (zh) 2022-03-31 2022-03-31 一种基于同化的云导风、温湿廓线预处理分析方法及系统

Publications (2)

Publication Number Publication Date
CN114691661A true CN114691661A (zh) 2022-07-01
CN114691661B CN114691661B (zh) 2023-03-14

Family

ID=82140302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210342826.0A Active CN114691661B (zh) 2022-03-31 2022-03-31 一种基于同化的云导风、温湿廓线预处理分析方法及系统

Country Status (1)

Country Link
CN (1) CN114691661B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115825894A (zh) * 2022-11-17 2023-03-21 中国能源建设集团广东省电力设计研究院有限公司 一种风能捕获位置的确定方法、装置、终端设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2460091C1 (ru) * 2011-03-02 2012-08-27 Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации Способ оценки точности доплеровского радиолокатора профилей ветра
CN106547840A (zh) * 2016-10-13 2017-03-29 国家卫星气象中心 一种全球三维大气数据的解析及管理方法
CN108875254A (zh) * 2018-07-03 2018-11-23 南京信息工程大学 一种大气温湿廓线的一维变分反演方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2460091C1 (ru) * 2011-03-02 2012-08-27 Российская Федерация, от имени которой выступает Министерство обороны Российской Федерации Способ оценки точности доплеровского радиолокатора профилей ветра
CN106547840A (zh) * 2016-10-13 2017-03-29 国家卫星气象中心 一种全球三维大气数据的解析及管理方法
CN108875254A (zh) * 2018-07-03 2018-11-23 南京信息工程大学 一种大气温湿廓线的一维变分反演方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
万晓敏等: "FY-2E云导风的算法改进及其在GRAPES中的同化应用研究", 《气象》 *
薛谌彬等: "FY-2E卫星云导风定高误差及在同化中的应用", 《应用气象学报》 *
辛渝: "《新疆气象业务同化系统研发进展》", 《沙漠与绿洲气象》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115825894A (zh) * 2022-11-17 2023-03-21 中国能源建设集团广东省电力设计研究院有限公司 一种风能捕获位置的确定方法、装置、终端设备及介质
CN115825894B (zh) * 2022-11-17 2023-08-18 中国能源建设集团广东省电力设计研究院有限公司 一种风能捕获位置的确定方法、装置、终端设备及介质

Also Published As

Publication number Publication date
CN114691661B (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
CN109543907B (zh) 一种复杂地形风资源评估方法及其装置
KR101575847B1 (ko) 북반구 기후 지수를 이용한 북서태평양 해수면 온도 변동성 진단 모델링 시스템 및 방법
Biard et al. Automated detection of weather fronts using a deep learning neural network
CN117113236B (zh) 一种智慧城市监控系统及数据处理方法
CN113743013A (zh) 一种基于XGBoost气温预测数据修正的方法
CN109191408B (zh) 快速循环地面气象融合方法、装置及服务器
CN114691661B (zh) 一种基于同化的云导风、温湿廓线预处理分析方法及系统
CN112507861A (zh) 一种多层卷积特征融合的行人检测方法
Lien et al. Accelerating assimilation development for new observing systems using EFSO
CN116910041B (zh) 一种基于尺度分析的遥感降水产品的逐日订正方法
CN112348290A (zh) 河流水质预测方法、装置、存储介质及设备
CN110866630A (zh) 一种历史相似性天气分析方法
CN113836808A (zh) 一种基于重污染特征约束的pm2.5深度学习预测方法
CN110689055B (zh) 一种顾及格网单元属性分级的跨尺度统计指标空间化方法
CN115357847A (zh) 一种基于误差分解的日尺度星地降水融合方法
CN113610437A (zh) 一种承灾体动态暴露度评估方法及系统
CN109271466A (zh) 一种基于层次聚类与k均值算法的气象数据分析方法
CN110110339A (zh) 一种日前水文预报误差校正方法及系统
CN112016744B (zh) 一种基于土壤水分的森林火灾预测方法、装置及存储介质
CN113095579B (zh) 一种耦合伯努利-伽马-高斯分布的日尺度降水预报校正方法
CN102252709A (zh) 一种非电量测量系统故障诊断方法
CN113421295A (zh) 一种基于物联网的无人机测绘信息采集方法及云采集平台
CN108932554B (zh) 一种风电场流场量测点的配置优化方法及装置
CN109740118B (zh) 一种质量控制方法、装置、设备及存储介质
CN108614803A (zh) 一种气象数据质量控制方法及系统

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