CN116306038B - 一种气象模式和同化系统的垂直层匹配方法和装置 - Google Patents

一种气象模式和同化系统的垂直层匹配方法和装置 Download PDF

Info

Publication number
CN116306038B
CN116306038B CN202310565864.7A CN202310565864A CN116306038B CN 116306038 B CN116306038 B CN 116306038B CN 202310565864 A CN202310565864 A CN 202310565864A CN 116306038 B CN116306038 B CN 116306038B
Authority
CN
China
Prior art keywords
layer
background field
vertical
sigma
weather
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
CN202310565864.7A
Other languages
English (en)
Other versions
CN116306038A (zh
Inventor
吴洁瑕
余易品
庄世宇
林超
张新忠
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.)
Beijing Hongxiang Technology Co ltd
Original Assignee
Beijing Hongxiang Technology Co ltd
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 Beijing Hongxiang Technology Co ltd filed Critical Beijing Hongxiang Technology Co ltd
Priority to CN202310565864.7A priority Critical patent/CN116306038B/zh
Publication of CN116306038A publication Critical patent/CN116306038A/zh
Application granted granted Critical
Publication of CN116306038B publication Critical patent/CN116306038B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种气象模式和同化系统的垂直层匹配方法和装置，涉及气象数据处理的技术领域，包括：获取MPAS‑A气象模式预报的气象背景场，并对气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；基于初始背景场中的气压数据和预设σ‑p混合层，确定出预设σ‑p混合层中每一垂直层的垂直层系数；基于预设σ‑p混合层中每一垂直层的垂直层系数，对初始背景场进行三次样条插值处理，得到中间背景场；基于预设σ‑p混合层中每一垂直层的垂直层系数，计算出背景误差协方差，对中间背景场进行数据类型转换处理，得到目标背景场，解决了气象模式和同化系统的垂直层匹配方法的准确度较低且过程复杂的技术问题。

Description

一种气象模式和同化系统的垂直层匹配方法和装置
技术领域
本发明涉及气象数据处理的技术领域，尤其是涉及一种气象模式和同化系统的垂直层匹配方法和装置。
背景技术
The Model for Prediction Across Scales (MPAS)模式使用非结构化网格和C网格形式的离散化方案。
Gridpoint Statistical Interpolation（GSI）是目前全球和区域范围数值预报的主流同化系统之一,目前已有一些研究设计MPAS-GSI的同化框架，同化流程主要包含四个部分的转换工作，变量转换，水平网格转换，垂直转换，以及数据格式转换。
针对垂直转换，MPAS-A模式的垂直层设计为地形追随的混合高度坐标系，而GSI的垂直层采用GFS等模式中使用的σ-p混合坐标，因此在同化框架中需要将两者进行匹配。在GSI同化系统中，垂直气压通过地表气压和模式层对应的系数Ak和Bk推导得出。目前GSI中没有针对MPAS-A模式的系数。如果直接把MPAS-A的垂直层插值到GFS模式的垂直层中进行计算由于GFS和MPAS-A的模式顶高度相差较大，直接把MPAS-A的垂直层插值到GFS模式的垂直层中进行计算会对模式上层产生较差的模拟结果,该缺陷在已有的研究中已经被讨论。另一种方法是通过修改GSI数据读取接口，将MPAS-A的垂直层数据直接输入GSI进行同化计算。但是该方法需要修改GSI原代码，对应用者的编程能力有一定要求，并且同化的背景场不在传统GSI的σ-p混合坐标系上，需要对GSI中背景误差协方差的计算有更多的研究。
针对上述问题，还未提出有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提供一种气象模式和同化系统的耦合方法尤其是垂直层匹配的方法和装置，以缓解了气象模式和同化系统的垂直层匹配方法的准确度较低且过程复杂的技术问题。
第一方面，本发明实施例提供了一种气象模式和同化系统的垂直层匹配方法，包括：获取MPAS-A气象模式预报的气象背景场，并对所述气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；基于所述初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数；基于所述预设σ-p混合层中每一垂直层的垂直层系数，分别对所述初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到所述中间背景场；基于所述预设σ-p混合层中每一垂直层的垂直层系数，计算出所述背景误差协方差，并对所述中间背景场进行数据类型转换处理，得到目标背景场。
进一步地，所述预设σ-p混合层包括等压层，σ-p过渡层和σ层；所述等压层对应的气压范围为所述MPAS-A气象模式的模式顶至150hPa，所述等压层中的第一垂直层的气压等于初始背景场中的第一垂直层的气压；所述σ-p过渡层中的第一垂直层的气压厚度与所述等压层中的每一垂直层的气压厚度相同；所述σ-p过渡层和所述σ层之间的总气压值为地表气压与所述等压层中的最后一层的垂直层的气压之差；所述σ-p过渡层和所述σ层之间的界限为600hPa。
进一步地，基于所述初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数 ，包括：基于所述初始背景场中的气压数据和第一预设公式，确定出所述等压层中每一垂直层的垂直层系数，其中，所述第一预设公式为，其中，/>和/>为所述垂直层系数，为所述初始背景场的垂直层中顶层的气压，/>，/>为所述预设σ-p混合层中的垂直层的序号，/>为所述等压层中的最后一层的垂直层的序号，/>为第/>垂直层的气压，为第/>垂直层的气压，/>为所述等压层中的最后一层的垂直层的气压；基于所述初始背景场中的气压数据和第二预设公式，确定出所述σ-p过渡层中每一垂直层的垂直层系数，其中，所述第二预设公式为/>，/>为所述预设σ-p混合层中垂直层的总数，/>为所述σ-p过渡层中的最后一层的垂直层的序号，/>，/>，/>=2.2,/>；基于所述初始背景场中的气压数据和第三预设公式，确定出所述σ层中每一垂直层的垂直层系数，其中，所述第三预设公式为/>。
进一步地，所述方法还包括：基于GSI同化系统和所述背景误差协方差，确定出所述目标背景场进MPAS-A气象模式的增量数据；基于所述增量数据、所述气象背景场和所述MPAS-A气象模式进行气象预报。
进一步地，基于GSI同化系统和所述背景误差协方差，确定出所述目标背景场进MPAS-A气象模式的增量数据，包括：利用GSI同化系统和所述背景误差协方差对所述目标背景场进行同化，得到分析场；分别将所述分析场和所述目标背景场转换为NetCDF格式，得到NetCDF的格式分析场和NetCDF格式的目标背景场；分别对所述NetCDF的格式分析场和所述NetCDF格式的目标背景场中的比湿数据和温度数据转换为相对湿度数据和位温数据；计算所述NetCDF的格式分析场对应的相对湿度数据与所述NetCDF格式的目标背景场中的相对湿度数据之间的第一差值，以及计算所述NetCDF的格式分析场对应的位温数据与所述NetCDF格式的目标背景场中的位温数据之间的第二差值；分别对所述第一差值和所述第二差值进行垂直坐标转换处理和水平网格转换处理，得到所述增量数据。
进一步地，基于所述增量数据、所述气象背景场和所述MPAS-A气象模式进行气象预报，包括：基于所述增量数据，对所述气象背景场进行更新，得到目标气象分析场；将所述目标气象分析场作为所述MPAS-A气象模式的初值，以使所述MPAS-A气象模式基于所述初值进行气象预报。
进一步地，基于所述增量数据，对所述气象背景场进行更新，得到目标气象背景场，包括：将所述增量数据与所述气象背景场之间的和值确定所述目标气象背景场。
第二方面，本发明实施例还提供了一种气象模式和同化系统的耦合装置，包括：获取单元，用于获取MPAS-A气象模式预报的气象背景场，并对所述气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；确定单元，用于基于所述初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数；插值单元，用于基于所述预设σ-p混合层中每一垂直层的垂直层系数，分别对所述初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到所述中间背景场；计算单元，用于计算基于所述预设σ-p混合层中每一垂直层的垂直层系数，计算出所述背景误差协方差，并对所述中间背景场进行数据类型转换处理，得到目标背景场。
第三方面，本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述第一方面中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序。
在本发明实施例中，通过获取MPAS-A气象模式预报的气象背景场，并对气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；基于初始背景场中的气压数据和预设σ-p混合层，确定出预设σ-p混合层中每一垂直层的垂直层系数；基于预设σ-p混合层中每一垂直层的垂直层系数，分别对初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到中间背景场；基于预设σ-p混合层中每一垂直层的垂直层系数，计算出背景误差协方差对中间背景场进行数据类型转换处理，得到目标背景场，达到了对气象模式和同化系统的垂直层进行高效准确匹配的目的，进而解决了气象模式和同化系统的垂直层匹配方法的准确度较低且过程复杂的技术问题，从而实现了提高气象模式和同化系统的垂直层匹配的准确度和效率的技术效果。
本发明的其他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在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种气象模式和同化系统的垂直层匹配方法的流程图；
图2为本发明实施例提供的一种气象模式和同化系统的装置的示意图；
图3为本发明实施例提供的一种电子设备的示意图。
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，下面将结合附图对本发明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。
实施例一：
根据本发明实施例，提供了一种气象模式和同化系统的垂直层匹配方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种气象模式和同化系统的垂直层匹配方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取MPAS-A气象模式预报的气象背景场，并对所述气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；
步骤S104，基于所述初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数；
步骤S106，基于所述预设σ-p混合层中每一垂直层的垂直层系数，分别对所述初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到所述中间背景场；
步骤S108，基于所述预设σ-p混合层中每一垂直层的垂直层系数，计算出所述背景误差协方差，并对所述中间背景场进行数据类型转换处理，得到目标背景场。
在本发明实施例中，通过获取MPAS-A气象模式预报的气象背景场，并对气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；基于初始背景场中的气压数据和预设σ-p混合层，确定出预设σ-p混合层中每一垂直层的垂直层系数；基于预设σ-p混合层中每一垂直层的垂直层系数，分别对初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到中间背景场；基于预设σ-p混合层中每一垂直层的垂直层系数，计算出背景误差协方差对中间背景场进行数据类型转换处理，得到目标背景场，达到了对气象模式和同化系统的垂直层进行高效准确匹配的目的，进而解决了气象模式和同化系统的垂直层匹配方法的准确度较低且过程复杂的技术问题，从而实现了提高气象模式和同化系统的垂直层匹配的准确度和效率的技术效果。
在本发明实施例中，可以由MPAS-A气象模式进行预报，得到的气象背景场经转换接口进行变量，水平网格，垂直坐标和数据类型四方面的转换，得到GSI同化适用的全球背景场。
气象背景场中的地表温度，位温，相对湿度，以及风速四个变量进行同化。其中MPAS气象模式和GSI同化系统对于温度和湿度变量的定义不同，MPAS中使用的是位温和相对湿度，GSI中使用的是温度和比湿，因而需要将位温转为温度，相对湿度转为比湿。
其中，位温转为温度的公式为：
式中，θ代表位温，单位为℃；P代表气压，单位为hPa。
相对湿度转为比湿的公式为：
式中，Td是露点温度，单位为℃； A1为17.625； B1为243.04；rh是相对湿度，单位是%；T是温度，单位为℃；P为气压，单位为hPa； C1为5423。
水平网格转换方法按照官方提供的转换工具采用二阶守恒重映射的方法。 MPAS气象模式的水平网格是非结构化的球面重心Voronoi多边形网格（SCVT），而GSI同化系统则是基于结构化的高斯网格，首先根据同化所需要的经纬网格点数创建高斯网格，之后使用二阶守恒重映射方法将SCVT网格映射到高斯网格。相较于其他的水平空间插值方法，该方法可用于任意球面多边形网格之间的转换，并能确保模式物理量的全球积分特性在转换前后保持不变。且二阶精度的守恒重映射方法的转换误差比一阶精度的转换误差更小。
下面对垂直坐标转换处理进行详细说明。
对初始背景场进行垂直坐标转换处理，得到第三气象背景场和背景误差协方差，包括：
基于初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数；
基于所述预设σ-p混合层中每一垂直层的垂直层系数，分别对初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到所述第三气象背景场；
基于所述预设σ-p混合层中每一垂直层的垂直层系数，计算出所述背景误差协方差。
在本发明实施例中，在垂直坐标上，MPAS模式采用的是地形跟随的高度坐标，气压通过状态方程诊断得出,模式层顶高度为30km。GSI系统采用的是与GFS一致的地形跟随的σ-p坐标，气压通过地表气压Ps和一组系数Ak和Bk推导得出，模式层顶高度约为55km。MPAS和GSI系统模式层的气压和高度信息不一致，因此，在进入同化前需要进行垂直坐标的转换，以使MPAS预报场各模式层上的气象数据能够与GSI系统各模式层上的气压和高度对应。本方案在此提供一种构建GSI中适用于MPAS-A模式的垂直层方法，并计算对应的系数Ak和Bk。以下方法描述以64层垂直层为例，方法具有通用性，可应用到不同垂直层数的MPAS-A模式。
首先GSI同化系统通过地表气压和GFS各模式层对应的系数Ak和Bk推导得到一组气压值。因此为了获取新的Ak和Bk，需要定义新垂直层每层的气压值。
根据Eckermann 2008，σ-p混合层分为三个部分设计。根据EC和GFS等模式层设置特点，第一部分为等压层，设计范围为模式顶至150hPa处，等压层里每一层气压的厚度一致；第二部分为σ-p过渡层，设计约150hPa至600hPa处，第三部分为σ层，设计约为地表至600hPa处。这里选择较为简单的多项式方法来对第二部分和第三部分的气压厚度和层数关系进行大致估算。
首先确定模式的第一层，通过统计MPAS-A模式第一层确定新垂直层的等压层部分，如MPAS-A模式64层的第一层气压约为12.01hPa，则设置新的垂直层第一层为12.01hPa，在模式顶至150hPa之间根据实际情况共设置N层，以64层为例则设置等压层共N=12层。
σ-p过渡层和σ层采用多项式拟合的方式进行设计。通过确定特殊的气压层求解多项式的系数。
首先第N+1层的气压厚度设置与等压层一致；
其次计算MPAS第一层的高度对应的气压，作为新垂直层第一层的气压值；
σ-p过渡层和σ层的总气压值为地表气压（这里使用1013.25hPa）和第N层之差；
σ-p过渡层和σ层以约600hPa为界限设置；
σ-p过渡层每层气压的厚度随着气压增大而增大，而σ层每层气压的厚度随着气压增大而减小。因此，设置多项式的导数在600hPa处为0。
σ-p垂直坐标通过求解四次多项式的各个系数，计算每一层的气压厚度。
根据每一层的气压厚度计算对应的气压值，并计算混合坐标系中每一层的Ak和Bk。Ak和Bk的计算方法如下：
等压层：
，其中，/>和/>为所述垂直层系数，/>为所述初始背景场的垂直层中顶层的气压，/>，/>为所述预设σ-p混合层中的垂直层的序号，/>为所述等压层中的最后一层的垂直层的序号，/>为第/>垂直层的气压，/>为第/>垂直层的气压，/>为所述等压层中的最后一层的垂直层的气压；
σ-p过渡层：
，/>为所述预设σ-p混合层中垂直层的总数，/>为所述σ-p过渡层中的最后一层的垂直层的序号，/>，/>，/>=2.2,/>；
σ层：
。
接着，分别将初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量利用三次样条插值算法插值到预设σ-p混合层中，得到第三气象背景场。
设插值前的气压层为n层，气压值为数组x(n)，变量值为y(n)，插值后的气压层为n_new层，气压值为数组x_new(n_new)，变量值为y_new(n_new)。首先，对插值前的气压和变量之间进行三次样条插值，得到三次样条函数S(x)。
设uu为大小为n的数组，则对于插值后的n_new层气压x_new，有：
将uu数组中大于0的数赋值为0，其他的数赋值为1；
设k为uu数组的和，，则有
由此，便可得到插值到n_new层气压层上的变量值y_new。
然后，根据新建立的垂直坐标，计算GSI同化所需要的背景误差协方差。
在得到第三气象背景场和背景误差协方差之后，由于MPAS模式生成的预报场格式为NetCDF（即第三气象背景场的格式为NetCDF），而GSI全球同化读取的背景场格式为NEMSIO。通过给定数据字段的名称、类别和垂直层数，将NetCDF格式的第三气象背景场转换为NEMSIO格式第三气象背景场（即，目标背景场）。
在本发明实施例中，所述方法还包括如下步骤：
基于GSI同化系统和所述背景误差协方差，确定出所述目标背景场进MPAS-A气象模式的增量数据；
基于所述增量数据、所述气象背景场和所述MPAS-A气象模式进行气象预报。
具体的，基于GSI同化系统和所述背景误差协方差，确定出所述目标背景场进MPAS-A气象模式的增量数据，包括：
利用GSI同化系统和所述背景误差协方差对所述目标背景场进行同化，得到分析场；
分别将所述分析场和所述目标背景场转换为NetCDF格式，得到NetCDF的格式分析场和NetCDF格式的目标背景场；
分别对所述NetCDF的格式分析场和所述NetCDF格式的目标背景场中的比湿数据和温度数据转换为相对湿度数据和位温数据；
计算所述NetCDF的格式分析场对应的相对湿度数据与所述NetCDF格式的目标背景场中的相对湿度数据之间的第一差值，以及计算所述NetCDF的格式分析场对应的位温数据与所述NetCDF格式的目标背景场中的位温数据之间的第二差值；
分别对所述第一差值和所述第二差值进行垂直坐标转换处理和水平网格转换处理，得到所述增量数据。
在本发明实施例中，将目标背景场作为背景场，联合观测据和背景误差协方差进入GSI，并利用进行全球同化，得到NEMSIO格式的分析场。
接着，将分析场和目标背景场由NEMSIO格式转为NetCDF格式，之后再将二者的比湿和温度转为MPAS模式所需变量，即比湿转为相对湿度，温度转为位温，之后对二者做差得到初始增量；
其中，比湿转为相对湿度的公式为：
式中，q代表比湿；T代表温度，单位为℃；P代表气压，单位为hPa。
温度转为位温的公式为：
式中，T代表温度，单位为℃；P代表气压，单位为hPa。
由于初始增量在垂直坐标和水平网格上是GSI格式，因而要转成MPAS-A气象模式的格式，即在垂直方向上把增量从GSI气压场上插值回MPAS原始的高度层，插值方法与步骤1中的方法一致；在水平网格上把结构化的高斯网格转为非结构化的SCVT网格，转换方法与之前的垂直坐标转换处理的方法一致。另外，在水平网格转换过程中，还需要额外考虑风场的转换。MPAS模式中的风场变量定义在SCVT网格的边界上，并通过径向基函数转换为网格中心处的经向风和纬向风分量。GSI系统中关于风场的定义也是位于网格中心处的经向风和纬向风分量。因此，水平网格在从MPAS-A格式转为GSI格式时，风场无需做其他处理，而从GSI格式转为MPAS-A格式时，还需要增加通过网格中心处的风场变量更新网格边界处的风场变量步骤，更新方法参考MPAS-A源码中的子程序mpas_vector_R3Cell_to_2DEdge。具体的，SCVT边界上的风场可由其两侧网格单元中心处的经向风和纬向风分量计算得到，公式如下：
式中，i表示某条边的相邻两侧网格单元；n表示与该边方向垂直的单位向量；和分别表示第i侧网格单元中心处指向局地正东方向和正北方向的单位向量；/>和/>分别表示第i侧网格单元中心处的经向风与纬向风分量。
在本发明实施例中，基于所述增量数据、所述气象背景场和所述MPAS-A气象模式进行气象预报，包括如下步骤：
基于所述增量数据，对所述气象背景场进行更新，得到目标气象分析场；
将所述目标气象分析场作为所述MPAS-A气象模式的初值，以使所述MPAS-A气象模式基于所述初值进行气象预报。
在本发明施例中，在确定出增量数据之后，对增量数据进行水平网格和垂直坐标转换的方法，相较于直接对分析场进行转换，产生的误差更小。最后，把转换后的增量数据与MPAS-A的气象背景场相加，便得到更新后的MPAS-A数据。
更新后的MPAS-A数据作为初值融合MPAS气象模式的restart文件进行下一时刻的预报，之后重复上述方法，从而实现气象模式和同化系统耦合后持续进行气象预报的目的。
本发明实施例中，针对GSI系统中没有提供适用于MPAS-A模式的垂直气压层系数，设计并构建了适用于MPAS-A的垂直气压层以及各气压层对应的系数Ak和Bk的方法，并且基于新的垂直层构建一套完整的MPAS-GSI循环同化系统。
实施例二：
本发明实施例还提供了一种气象模式和同化系统的垂直层匹配装置，该气象模式和同化系统的垂直层匹配装置用于执行本发明实施例上述内容所提供的气象模式和同化系统的垂直层匹配方法，以下是本发明实施例提供的 装置的具体介绍。
如图2所示，图2为上述气象模式和同化系统的垂直层匹配装置的示意图，该气象模式和同化系统的垂直层匹配装置包括：
获取单元10，用于获取MPAS-A气象模式预报的气象背景场，并对所述气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；
确定单元20，用于基于所述初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数；
插值单元 30，用于基于所述预设σ-p混合层中每一垂直层的垂直层系数，分别对所述初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到所述中间背景场；
计算单元40，用于计算基于所述预设σ-p混合层中每一垂直层的垂直层系数，计算出所述背景误差协方差，并对所述中间背景场进行数据类型转换处理，得到目标背景场。
在本发明实施例中，通过获取MPAS-A气象模式预报的气象背景场，并对气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；基于初始背景场中的气压数据和预设σ-p混合层，确定出预设σ-p混合层中每一垂直层的垂直层系数；基于预设σ-p混合层中每一垂直层的垂直层系数，分别对初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到中间背景场；基于预设σ-p混合层中每一垂直层的垂直层系数，计算出背景误差协方差对中间背景场进行数据类型转换处理，得到目标背景场，达到了对气象模式和同化系统的垂直层进行高效准确匹配的目的，进而解决了气象模式和同化系统的垂直层匹配方法的准确度较低且过程复杂的技术问题，从而实现了提高气象模式和同化系统的垂直层匹配的准确度和效率的技术效果。
实施例三：
本发明实施例还提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储支持处理器执行上述实施例一中所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
参见图3，本发明实施例还提供一种电子设备100，包括：处理器50，存储器51，总线52和通信接口53，所述处理器50、通信接口53和存储器51通过总线52连接；处理器50用于执行存储器51中存储的可执行模块，例如计算机程序。
其中，存储器51可能包含高速随机存取存储器（RAM，Random Access Memory），也可能还包括非不稳定的存储器（non-volatilememory），例如至少一个磁盘存储器。通过至少一个通信接口53（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器51用于存储程序，所述处理器50在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中，或者由处理器50实现。
处理器50可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51，处理器50读取存储器51中的信息，结合其硬件完成上述方法的步骤。
实施例四：
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例一中所述方法的步骤。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种气象模式和同化系统的垂直层匹配方法，其特征在于，包括：
获取MPAS-A气象模式预报的气象背景场，并对所述气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；
基于所述初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数；
基于所述预设σ-p混合层中每一垂直层的垂直层系数，分别对所述初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到中间背景场；
基于所述预设σ-p混合层中每一垂直层的垂直层系数，计算出背景误差协方差，并对所述中间背景场进行数据类型转换处理，得到目标背景场；
其中，所述预设σ-p混合层包括等压层，σ-p过渡层和σ层；
所述等压层对应的气压范围为所述气象模式的模式顶至150hPa，所述等压层中的第一垂直层的气压等于初始背景场中的第一垂直层的气压；
所述σ-p过渡层中的第一垂直层的气压厚度与所述等压层中的每一垂直层的气压厚度相同；
所述σ-p过渡层和所述σ层之间的总气压值为地表气压与所述等压层中的最后一层的垂直层的气压之差；
所述σ-p过渡层和σ层之间的界限为600hPa。
2.根据权利要求1所述的方法，其特征在于， 基于所述初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数 ，包括：
基于所述初始背景场中的气压数据和第一预设公式，确定出所述等压层中每一垂直层的垂直层系数，其中，所述第一预设公式为，其中，/>和/>为所述垂直层系数，为所述初始背景场的垂直层中顶层的气压，/>，/>为所述预设σ-p混合层中的垂直层的序号，/>为所述等压层中的最后一层的垂直层的序号，/>为第/>垂直层的气压，为第/>垂直层的气压，/>为所述等压层中的最后一层的垂直层的气压；
基于所述初始背景场中的气压数据和第二预设公式，确定出所述σ-p过渡层中每一垂直层的垂直层系数，其中，所述第二预设公式为，/>为所述预设σ-p混合层中垂直层的总数，/>为所述σ-p过渡层中的最后一层的垂直层的序号，/>，，/>=2.2, />；
基于所述初始背景场中的气压数据和第三预设公式，确定出所述σ层中每一垂直层的垂直层系数，其中，所述第三预设公式为。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于GSI同化系统和所述背景误差协方差，确定出所述目标背景场进MPAS-A气象模式的增量数据；
基于所述增量数据、所述气象背景场和所述MPAS-A气象模式进行气象预报。
4.根据权利要求3所述的方法，其特征在于，基于GSI同化系统和所述背景误差协方差，确定出所述目标背景场进MPAS-A气象模式的增量数据，包括：
利用GSI同化系统和所述背景误差协方差对所述目标背景场进行同化，得到分析场；
分别将所述分析场和所述目标背景场转换为NetCDF格式，得到NetCDF的格式分析场和NetCDF格式的目标背景场；
分别对所述NetCDF的格式分析场和所述NetCDF格式的目标背景场中的比湿数据和温度数据转换为相对湿度数据和位温数据；
计算所述NetCDF的格式分析场对应的相对湿度数据与所述NetCDF格式的目标背景场中的相对湿度数据之间的第一差值，以及计算所述NetCDF的格式分析场对应的位温数据与所述NetCDF格式的目标背景场中的位温数据之间的第二差值；
分别对所述第一差值和所述第二差值进行垂直坐标转换处理和水平网格转换处理，得到所述增量数据。
5.根据权利要求3所述的方法，其特征在于， 基于所述增量数据、所述气象背景场和所述MPAS-A气象模式进行气象预报，包括：
基于所述增量数据，对所述气象背景场进行更新，得到目标气象分析场；
将所述目标气象分析场作为所述MPAS-A气象模式的初值，以使所述MPAS-A气象模式基于所述初值进行气象预报。
6.根据权利要求5所述的方法，其特征在于，基于所述增量数据，对所述气象背景场进行更新，得到目标气象背景场，包括：
将所述增量数据与所述气象背景场之间的和值确定所述目标气象背景场。
7.一种气象模式和同化系统的垂直层匹配装置，其特征在于，包括：
获取单元，用于获取MPAS-A气象模式预报的气象背景场，并对所述气象背景场进行变量转换处理和水平网格转换处理，得到初始背景场；
确定单元，用于基于所述初始背景场中的气压数据和预设σ-p混合层，确定出所述预设σ-p混合层中每一垂直层的垂直层系数；
插值单元 ，用于基于所述预设σ-p混合层中每一垂直层的垂直层系数，分别对所述初始背景场中温度数据，比湿数据、风速的垂直分量和风速的水平分量进行三次样条插值处理，得到中间背景场；
计算单元，用于计算基于所述预设σ-p混合层中每一垂直层的垂直层系数，计算出背景误差协方差，并对所述中间背景场进行数据类型转换处理，得到目标背景场；
其中，所述预设σ-p混合层包括等压层，σ-p过渡层和σ层；
所述等压层对应的气压范围为所述气象模式的模式顶至150hPa，所述等压层中的第一垂直层的气压等于初始背景场中的第一垂直层的气压；
所述σ-p过渡层中的第一垂直层的气压厚度与所述等压层中的每一垂直层的气压厚度相同；
所述σ-p过渡层和所述σ层之间的总气压值为地表气压与所述等压层中的最后一层的垂直层的气压之差；
所述σ-p过渡层和σ层之间的界限为600hPa。
8.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器用于存储支持处理器执行权利要求1至6任一项所述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
9.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，计算机程序被处理器运行时执行上述权利要求1至6任一项所述方法的步骤。
CN202310565864.7A 2023-05-19 2023-05-19 一种气象模式和同化系统的垂直层匹配方法和装置 Active CN116306038B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310565864.7A CN116306038B (zh) 2023-05-19 2023-05-19 一种气象模式和同化系统的垂直层匹配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310565864.7A CN116306038B (zh) 2023-05-19 2023-05-19 一种气象模式和同化系统的垂直层匹配方法和装置

Publications (2)

Publication Number Publication Date
CN116306038A CN116306038A (zh) 2023-06-23
CN116306038B true CN116306038B (zh) 2023-07-28

Family

ID=86789187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310565864.7A Active CN116306038B (zh) 2023-05-19 2023-05-19 一种气象模式和同化系统的垂直层匹配方法和装置

Country Status (1)

Country Link
CN (1) CN116306038B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339568B (zh) * 2015-07-08 2019-04-05 中国电力科学研究院 一种基于混合背景场的数值天气预报方法
JP6457927B2 (ja) * 2015-12-18 2019-01-23 三菱重工業株式会社 気象データ同化方法、気象予測方法および気象予測システム
CN108416031B (zh) * 2018-03-12 2021-07-27 南京恩瑞特实业有限公司 气象多源探测资料融合分析系统
CN112541654B (zh) * 2020-11-09 2023-12-19 华能新能源股份有限公司 一种区域风能资源精细化评估方法
CN114238847B (zh) * 2021-10-29 2023-02-10 中国人民解放军61540部队 一种基于海洋实测数据的表层准地转重构方法及系统

Also Published As

Publication number Publication date
CN116306038A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
TW202105306A (zh) 發電量預測裝置、發電量預測方法、及程式
CN111882205A (zh) 空气质量达标分析方法、装置、电子设备及存储介质
JP2007233639A (ja) 風力発電出力予測方法、風力発電出力予測装置およびプログラム
JP6884318B2 (ja) 気象予測システム、気象予測方法、気象予測プログラム
CN114648181B (zh) 一种基于机器学习的降水预报修正方法及系统
CN106874602B (zh) 气象数据处理方法和装置
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
CN111505740A (zh) 气象预测方法、装置、计算机设备和存储介质
KR101179590B1 (ko) 역학 및 통계적 기법을 결합한 상세지역기후 예측 방법
CN112100922A (zh) 一种基于wrf和cnn卷积神经网络的风资源预测方法
CN115498660A (zh) 风电场调频动态建模方法、装置及电子设备
CN113568067B (zh) 数值天气预报方法、装置、计算机存储介质及电子设备
CN112036038A (zh) 一种排放源的排放量调优方法、装置、设备及存储介质
CN112052619A (zh) 空气污染粒子信息的优化方法、装置及电子设备
CN112580844A (zh) 气象数据处理方法、装置、设备及计算机可读存储介质
CN116306038B (zh) 一种气象模式和同化系统的垂直层匹配方法和装置
CN112100869B (zh) 电力线补点方法、装置及电子设备
CN110968929A (zh) 风电场风速的预测方法、装置及电子设备
CN115391745B (zh) 一种基于概率匹配平均法的降水预报订正方法及系统
JP6600033B2 (ja) 気象予測補正装置、気象予測補正方法及びプログラム
CN114235275B (zh) 压力传感器的标定方法、装置及电子设备
CN113222276B (zh) 覆冰情况预测方法、装置、计算机设备和存储介质
CN114386294A (zh) 一种台风环境模型生成方法和装置
CN114357757A (zh) 气象资料同化方法、装置、设备、可读存储介质及产品
CN116432093A (zh) 风切变指数的确定方法、装置和电子设备

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