降水概率预报方法与流程

阅读：评论：0

1.本发明涉及降水预报领域，具体是一种降水概率预报方法。

背景技术：

2.数值天气预报(numerical weather prediction,nwp)模式是当前天气预报的核心，只要给定了大气初始状态和边界条件，通过求解描述大气运动变化规律的方程组，就可以把未来的大气状态精确计算出来。然而，因数值模式系统本身存在混沌行为、人们对天气气候系统的物理机制及外强迫认识有限等原因，导致数值天气预报存在不确定性和预报误差。传统的确定性预报产品，预报的误差比较大，混沌理论表明大气状态的演变对于初始场的微小误差非常敏感，初始场极小的误差会在预报中被逐渐变大，实践表明，利用数据同化技术可有效改善数值天气预报准确率，因此当前区域高分辨快速更新循环同化数值预报系统成为数值模式技术发展的主要方向。当前快速更新循环同化系统每天进行多次(例如24次)预报，预报最长时效为24小时以上，对于未来某一预报时刻，每天有多个预报结果，并且预报结果会有一定差异，面向快速更新循环同化数值预报系统研发概率预报产品，可有效改善预报效果，不断满足公众日益增长的气象服务需求。

技术实现要素：

3.为了提高降水预报准确率，本发明提供了一种降水概率预报方法。
4.本发明解决上述问题所采用的技术方案是：
5.降水概率预报方法，包括：
6.步骤1、选择待预报时刻对应的数值预报结果文件；
7.步骤2、根据数值预报结果文件提取并计算预报单位时间内的降水量；
8.步骤3、根据降水落区偏差范围及数值预报产品的网格分辨率选择一定大小的窗口，所述窗口具有中心网格点；
9.步骤4、分别计算窗口内所有网格点的权重，并根据权重对单位时间内的降水量进行高斯加权；
10.步骤5、参考降水量等级标准或自定义降水阈值，根据高斯加权后的降水量计算降水概率；
11.步骤6、根据起报时次相对于预报时刻的时间距离，计算不同起报时次预报结果的权重，并对降水概率进行加权以获取最终的降水概率预报结果；
12.步骤7、根据降水概率预报结果生成指定阈值的降水概率预报产品。
13.进一步地，所述数值预报结果文件中包括起报时间、预报时间、积云深对流过程产生的累积降水量rainc、非对流过程产生的累积降水量rainnc及浅对流过程产生的累积降水量rainsh。
14.进一步地，所述步骤2具体为：
15.步骤21、提取当前数值预报结果文件中的积云深对流过程产生的累积降水量
rainc、非对流过程产生的累积降水量rainnc及浅对流过程产生的累积降水量rainsh，并求和以获取地面降水量tp(time，lat，lon)，其中，time表示时间，lat表示纬度，lon表示经度；
16.步骤22、计算单位时间内的降水量rain(time，lat，lon)，rain(time，lat，lon)＝tp(time，lat，lon)-tp(time-1，lat，lon)。
17.进一步地，所述步骤4计算权重的具体步骤为：
18.步骤41、根据高斯分布函数计算窗口中各网格的初始权重w(x，y)，x，y分别表示各网格点距离窗口中心点的水平距离和垂直距离，σ是定义正态分布的标准差；
19.步骤42、对初始权重进行归一化处理以获取权重w(x，y)：w(x，y)＝w(x，y)/sum(w(x，y))。
20.进一步地，所述步骤6中不同起报时次预报结果的权重为min(t)表示时间距离序列中的最小值，α为常数，t表示时间距离，n表示最长预报时效。
21.进一步地，α大于0且小于参与计算的数值预报结果文件数量的一半。
22.进一步地，所述步骤3中窗口的大小为式中g为窗口大小，m为降水落区最大偏差距离，k为预报产品网格水平分辨率。
23.本发明相比于现有技术具有的有益效果是：在降水预报过程中，充分顾及数值天气预报在时间和空间上的预报误差，从而提高了最终的降水预报准确率。
附图说明
24.图1为降水概率预报方法流程图；
25.图2为不同网格权重示意图；
26.图3为不同起报时次预报结果相对于未来某时刻不同时间距离的权重示意图；
27.图4为西南区域的实况降水分布图；
28.图5为西南区域的确定性降水预报示意图；
29.图6为采用本技术预报方法的西南区域降水概率预报示意图。
具体实施方式
30.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
31.如图1所示，降水概率预报方法，包括：
32.步骤1、选择待预报时刻对应的数值预报结果文件；所述数值预报结果文件中包括起报时间、预报时间、积云深对流过程产生的累积降水量rainc、非对流过程产生的累积降水量rainnc及浅对流过程产生的累积降水量rainsh等信息。
33.步骤2、根据数值预报结果文件提取并计算预报单位时间内的降水量；具体为：步骤21、提取当前数值预报结果文件中的积云深对流过程产生的累积降水量rainc、非对流过程产生的累积降水量rainnc及浅对流过程产生的累积降水量rainsh，并求和以获取地面降水量tp(time，lat，lon)，其中，time表示时间，lat表示纬度，lon表示经度；
34.步骤22、计算单位时间内的降水量rain(time，lat，lon)，rain(time，lat，lon)＝tp(time，lat，lon)-tp(time-1，lat，lon)。
35.步骤3、根据降水落区偏差范围及数值预报产品的网格分辨率选择一定大小的窗口，所述窗口具有中心网格点；窗口的大小为式中g为窗口大小，为了使窗口具有具有中心网格点，g应取奇数，m为降水落区最大偏差距离，k为预报产品网格水平分辨率。窗口越大，参与空间加权的相邻网格点预报数据越多，预报结果越平滑。
36.步骤4、分别计算窗口内所有网格点的权重，并根据权重对单位时间内的降水量进行高斯加权；其中，计算权重的具体步骤为：
37.步骤41、根据高斯分布函数计算窗口中各网格的初始权重w(x，y)，x，y分别表示各网格点距离窗口中心点的水平距离和垂直距离，σ是定义正态分布的标准差；
38.步骤42、对初始权重进行归一化处理以获取w(x,y)：w(x,y)＝w(x,y)/sum(w(x,y))。
39.步骤5、参考降水量等级标准或自定义降水阈值，根据高斯加权后的降水量计算降水概率；
40.步骤6、根据起报时次相对于预报时刻的时间距离，计算不同起报时次预报结果的权重，并对降水概率进行加权以获取最终的降水概率预报结果；具体的，不同起报时次预报结果的权重为min(t)表示时间距离序列中的最小值，t表示时间距离，n表示最长预报时效，α为常数且大于0，小于参与计算的数值预报结果文件数量的一半。
41.实施例
42.步骤一，选择待预报时刻对应的数值预报结果文件，例如：wrfout_d01_2021-12-20_00_00_00，wrfout标识天气预报模式(weather research and forecast model，wrf)的结果文件，d01标识是模式的第一层区域，2021-12-20_00_00_00是模式的起报时间，文件是标准的netcdf(network common data form)网络通用数据格式，借助python的wrf-python中的extract_times()函数提取预报时间，预报时间是1小时间隔的时间序列，序列的长度决定预报的最长时效。
43.假设快速更新循环同化模式系统一天进行24次起报，每个起报时次最长预报时效均为30小时，以2021-12-20_00_00_00预报未来15小时内每小时降水概率为例，在数据无缺失情况下，参与计算降水概率的模式预报结果文件的起报时间应是2021-12-18_19_00_00到2021-12-20_00_00_00，共计30个文件。
44.步骤二，根据wrf模式输出定义，地面的降水量是积云深对流过程产生的累积降水
量rainc、非对流过程产生的累积降水量rainnc及浅对流过程产生的累积降水量rainsh三个变量之和，使用wrf-python中的getvar函数提取这三个变量的值并求和，计算结果是一个三维(时间、纬度、经度)数组，记为tp(time,lat,lon)，如果最长预报时效为30个小时，那时间维度time的大小为31，数组在时间维度上的物理含义是相对于起报时间的累计降水量，用当前一个时次数据减去前一个时次数据，rain(time,lat,lon)＝tp(time,lat,lon)-tp(time-1,lat,lon)，便得到time时刻在过去1小时的降水量。
45.步骤三，考虑到降水在水平空间落区上存在一定误差，选择一定大小的窗口，窗口的大小一般与模式预报产品的水平分辨率和模式本身预报性能有关，窗口具有中心网格点，且窗口的大小为式中g为窗口大小，m为降水落区最大偏差距离，k为预报产品网格水平分辨率。
46.步骤四，根据二维高斯分布函数分别计算窗口内所有网格点的权重，其中，x,y分别表示距离窗口中心点的水平距离和垂直距离，σ是定义正态分布的标准差，为使所有网格点的权重之和为1，使用w(x,y)＝w(x,y)/sum(w(x,y))进行归一化，w(x,y)便是给定窗口内各个网格点的权重，不同网格点的权重示意图如图2所示。使用该权重系数对逐小时降水预报结果进行加权，raing(time,lat,lon)＝rain(time,lat,lon)*w(x,y)，*为互相关操作。
47.步骤五，选定降水阈值，参照1小时降水量等级标准，阈值可选0.1mm,1.6mm,7mm,15mm,40mm,50mm,其中0.1mm作为晴天或雨天判断阈值，降水量大于等于0.1mm是雨天，小于0.1mm是晴天，以0.1mm为例，对高斯加权后的逐小时降水量每个时次的每个网格点进行判断，大于等于0.1mm记为1，小于0.1mm记为0，将确定性降水预报结果转为概率预报结果，rain表示降水量，threshold表示选定的阈值。
48.步骤六，根据预报产品的起报时间距离预报时刻的时间距离，计算不同起报时次预报结果的权重，并对降水概率进行加权以获取最终的降水概率预报结果。例如2021-12-20_00_00_00预报未来1小时，则2021-12-18_19_00_00到2021-12-20_00_00_00这30个起报时间相对于预报时刻的时间距离分别为30、29、
…
、2、1，记为t
30
、t
29
、...、t2、t1，则时间距离为t的预报产品的权重为min(t)表示时间距离序列中的最小值，t表示时间距离，n表示最长预报时效；α为常数，其取值越大，不同起报时次预报结果设置的权重越接近，取值越小，不同起报时次的预报结果权重差别越大，因所用快速更新循环同化数值系统每天进行4次冷启动，冷启动次数越多，不同起报时次预报结果设置权重越接近越好，本实施例中参与计算的预报结果文件有30个，30
÷2÷
4≈5，故本实施例中α取5。不同时间距离的权重结果如图3所示。
49.使用该权重系数对不同起报时次预报结果进行加权，计算未来time时刻在指定阈值的降水预报概率为p1(ti,lat,lon)为步骤五考虑空间因素后计算的降水概率，(ti,lat,lon)为时间距离为ti的空间任意点。
50.步骤七，将未来一段时间的概率预报结果，持久化生成相应数据格式，形成概率预报产品。
51.本例中，针对3-1公里西南区域进行预报为了，以2021年10月4日8时起报，预报未来1小时降水概率，预报产品最大覆盖范围为87
°
e-117
°
e、20
°
n-38
°
n，水平空间分辨率为3公里。图4至图6分别表示实况降水分布图、确定性降水预报示意图及采用本技术预报方法的降水概率预报示意图。通过对比三幅图可知，概率预报产品一定程度上改善了模式预报的性能，特别是在实施例中陕西和青海地区，确定性预报存在降水漏报，概率预报在该区域降水概率较高。
52.本技术的预报方法考虑到了数值预报在空间和时间上的预报误差，对不同空间网格点和不同起报时次的预报数据赋予不同的权重，充分发挥快速更新循环同化系统在短临预报上的优势，改进降水数值预报的性能，本发明提供的概率预报产品，与实况降水更为接近。

技术特征：

1.降水概率预报方法，其特征在于，包括：步骤1、选择待预报时刻对应的数值预报结果文件；步骤2、根据数值预报结果文件提取并计算预报单位时间内的降水量；步骤3、根据降水落区偏差范围及数值预报产品的网格分辨率选择一定大小的窗口，所述窗口具有中心网格点；步骤4、分别计算窗口内所有网格点的权重，并根据权重对单位时间内的降水量进行高斯加权；步骤5、参考降水量等级标准或自定义降水阈值，根据高斯加权后的降水量计算降水概率；步骤6、根据起报时次相对于预报时刻的时间距离，计算不同起报时次预报结果的权重，并对降水概率进行加权以获取最终的降水概率预报结果；步骤7、根据降水概率预报结果生成指定阈值的降水概率预报产品。2.根据权利要求1所述的降水概率预报方法，其特征在于，所述数值预报结果文件中包括起报时间、预报时间、积云深对流过程产生的累积降水量rainc、非对流过程产生的累积降水量rainnc及浅对流过程产生的累积降水量rainsh。3.根据权利要求2所述的降水概率预报方法，其特征在于，所述步骤2具体为：步骤21、提取当前数值预报结果文件中的积云深对流过程产生的累积降水量rainc、非对流过程产生的累积降水量rainnc及浅对流过程产生的累积降水量rainsh，并求和以获取地面降水量tp(time，lat，lon)，其中，time表示时间，lat表示纬度，lon表示经度；步骤22、计算单位时间内的降水量rain(time，lat，lon)，rain(time，lat，lon)＝tp(time，lat，lon)-tp(time-1，lat，lon)。4.根据权利要求1所述的降水概率预报方法，其特征在于，所述步骤4计算权重的具体步骤为：步骤41、根据高斯分布函数计算窗口中各网格的初始权重w(x,y)，x，y分别表示各网格点距离窗口中心点的水平距离和垂直距离，σ是定义正态分布的标准差；步骤42、对初始权重进行归一化处理以获取权重w(x,y)：w(x,y)＝w(x,y)/sum(w(x,y))。5.根据权利要求1所述的降水概率预报方法，其特征在于，所述步骤6中不同起报时次预报结果的权重为min(t)表示时间距离序列中的最小值，α为常数，t表示时间距离，n表示最长预报时效。6.根据权利要求5所述的降水概率预报方法，其特征在于，α大于0且小于参与计算的数值预报结果文件数量的一半。7.根据权利要求1-6任意一项所述的降水概率预报方法，其特征在于，所述步骤3中窗口的大小为式中g为窗口大小，m为降水落区最大偏差距离，k为预报产品网格水平分辨率。

技术总结

本发明涉及降水预报领域，为了提高降水预报准确率，提供了降水概率预报方法，包括：1、选择待预报时刻对应的数值预报结果文件；2、提取并计算预报单位时间内的降水量；3、根据降水落区偏差范围及数值预报产品的网格分辨率选择一定大小的窗口；4、分别计算窗口内所有网格点的权重，并根据权重对单位时间内的降水量进行高斯加权；5、参考降水量等级标准或自定义降水阈值，根据高斯加权后的降水量计算降水概率；6、根据起报时次相对于预报时刻的时间距离，计算不同起报时次预报结果的权重，并对降水概率进行加权以获取最终的降水概率预报结果；7、生成指定阈值的降水概率预报产品。采用上述方式提高了降水预报准确率。提高了降水预报准确率。提高了降水预报准确率。