一种春季气温转折预报偏差订正方法及系统与流程

摘要: 本发明涉及气象预报订正和农业气象服务,特别是涉及一种春季气温转折预报偏差订正方法及系统。背景技术:1、春季是暖温带至亚热带过渡气候区气温变化较为剧烈的季节。以某...
一种春季气温转折预报偏差订正方法及系统与流程

本发明涉及气象预报订正和农业气象服务,特别是涉及一种春季气温转折预报偏差订正方法及系统。

背景技术:

1、春季是暖温带至亚热带过渡气候区气温变化较为剧烈的季节。以某省为例,3月至5月期间既可能出现冷空气活动导致的明显降温,也可能出现晴空回暖、暖脊影响或地形焚风导致的快速升温。日最高气温在短时间内发生明显变化时,容易影响冬小麦低温冻害、干热风风险、防灾减灾服务以及公众生产生活安排。

2、现有数值天气预报模式能够提供2米温度、降水、风场、云量和多层温度等预报资料,但在春季气温转折性过程中仍存在以下不足:

3、第一、模式对最低气温的预报稳定性通常弱于最高气温,特别是在晴空夜间辐射降温或低层逆温条件下偏差较大。

4、第二、冷空气强度、路径和到达时间的偏差会导致降温起始时间和降温幅度误差。

5、第三、云量、低云和降水对辐射收支及最低气温有显著影响,但模式云量预报可能存在系统性偏差。

6、第四、丘陵、山区和平原区之间存在明显地形差异,模式分辨率不足时难以刻画焚风增温、冷空气堆积和地形阻挡等局地效应。

7、因此,需要一种能够融合站点实况、数值模式、卫星云图、云量、降水、风场、湿度、多层温度和地形分区信息的气温转折性过程诊断与订正方法,以提高春季气温快速转折场景下预报订正的针对性和可解释性。

技术实现思路

1、为了克服现有技术的不足,本发明提供一种可用于冬小麦低温冻害、干热风风险和区域精细化气象服务中的气温预报订正的春季气温转折预报偏差订正方法及系统。为解决上述技术问题,本发明提供如下技术方案:

2、一种春季气温转折预报偏差订正方法,包括以下步骤:

3、s1、获取多源资料,获取目标区域内多个气象观测站的地面气温实况资料、数值天气预报模式资料以及云量观测资料,数值天气预报模式资料至少包括2米温度预报、多层温度预报、降水预报、风场预报、湿度预报和云量预报;

4、s2、识别气温转折性过程,基于步骤s1所得的地面气温实况资料,计算各气象观测站的日最高气温在预设时间窗口内的变化幅度,并在变化幅度达到预设转折阈值时识别为气温转折性过程;

5、s3、生成过程分类和空间分区,根据步骤s2所得的变化幅度的正负,将气温转折性过程划分为升温过程和降温过程,并根据气象观测站所在的地理区域和/或海拔高度类型生成分区过程特征;

6、s4、进行模式预报检验,将步骤s1所得的数值天气预报模式资料与地面气温实况资料进行时空匹配,计算气温转折性过程对应的最高气温预报准确率、最低气温预报准确率和逐时段温度偏差;

7、s5、进行偏差成因诊断,基于降水预报、云量预报、云量观测资料、多层温度预报、风场预报、湿度预报以及分区过程特征,生成包括云量-辐射影响、逆温层影响、冷暖空气平流影响、降水影响和地形影响中的至少一种的偏差成因诊断结果,并将偏差成因诊断结果转换为多个归一化诊断指数;

8、s6、构建归一化诊断指数,将步骤s5所得的多个归一化诊断指数输入多因子订正模型,分别计算最高气温订正量和/或最低气温订正量,并将最高气温订正量和/或最低气温订正量叠加到数值天气预报模式输出的最高气温预报值和/或最低气温预报值,得到订正后的气温预报结果;

9、其中,多因子订正模型的系数,由目标区域历史气温转折性过程样本中的数值天气预报模式误差、与多个归一化诊断指数之间的对应关系标定得到。

10、在采用上述技术方案的基础上,本发明还可采用以下进一步的技术方案:

11、所述步骤s2中的预设时间窗口为24小时,预设转折阈值为日最高气温变化幅度大于或等于5℃。

12、所述步骤s3中的地理区域包括豫北、豫中、豫南、豫西和豫东中的至少两个区域,海拔高度类型包括海拔小于200m的平原区、海拔200m至500m的丘陵区以及海拔大于或等于500m的山区。

13、所述步骤s4中的数值天气预报模式资料包括ecmwf模式资料;

14、2米温度预报为逐3小时预报,预报时效包括003h至084h中的多个时效,起报时次包括08时起报和/或20时起报;

15、计算包括:分别在08-08时和20-20时验证时段内,将模式预报的最高气温和最低气温与对应实况进行比较,并根据预设误差容限统计最高气温预报准确率和最低气温预报准确率。

16、所述步骤s5中的多个归一化诊断指数至少包括晴空辐射指数、低云保温指数、降水约束指数、低层逆温指数、冷平流指数、云量偏差指数和地形放大指数中的四种;

17、每个归一化诊断指数的取值范围为0至1,0表示对应影响弱,1表示对应影响强;

18、晴空辐射指数由夜间总云量、夜间低云量和24小时降水量共同确定;当夜间总云量小于第一云量阈值、夜间低云量小于低云阈值且24小时降水量小于或等于预设降水阈值时,晴空辐射指数取高值;当夜间总云量大于或等于第二云量阈值、或24小时降水量大于预设降水阈值时,晴空辐射指数取低值;

19、第一云量阈值为50%,第二云量阈值为50%或70%,低云阈值为40%,预设降水阈值为1mm;当夜间低云量大于40%时,低云保温指数取高值,用于降低由晴空辐射指数触发的最低气温订正强度;

20、云量观测资料包括fy2g卫星红外通道和/或可见光通道资料;

21、方法还包括采用可见光-红外综合阈值法反演目标区域实况云量,并将实况云量与数值天气预报模式的总云量预报进行比较,得到云量预报偏差,再根据所述云量预报偏差生成云量偏差指数。

22、生成逆温层影响的偏差成因诊断结果包括:根据1000hpa、925hpa、850hpa和700hpa中的至少两层温度计算层间温差,当上层温度高于下层温度时判定存在逆温层,当实际层间温差小于对应理论温差的预设比例时判定存在稳定层结,根据逆温层所在高度和过程类型生成低层逆温指数;

23、预设比例为50%,当逆温层位于1000hpa至925hpa附近且气温转折性过程为晴空升温过程时,低层逆温指数取高值,并作为最低气温订正量计算中的增大项;

24、生成冷暖空气平流影响的偏差成因诊断结果包括:根据850hpa风场的u/v风分量确定冷平流或暖平流特征,并结合地面气压变化、冷高压强度和冷空气路径生成冷平流指数,冷平流指数用于判断降温起始时间和降温幅度的预报偏差风险;

25、生成降水影响的偏差成因诊断结果包括:当24小时降水量大于预设降水阈值时,生成高值降水约束指数,降水约束指数用于表征云层保温效应和/或降水过程对最低气温预报偏差的抑制作用;当24小时降水量小于或等于预设降水阈值且夜间云量较低时,生成低值降水约束指数;

26、预设降水阈值为1mm,当24小时降水量大于8mm时,还生成降水相态或积雪反照率影响的偏差风险提示,并将偏差风险提示作为最高气温订正量计算的输入特征;

27、生成地形影响的偏差成因诊断结果包括:根据各气象观测站的海拔高度类型分别统计升温幅度或降温幅度,当丘陵区或山区的变化幅度相对于平原区增大时,对丘陵区或山区站点生成地形放大指数,地形放大指数用于表征焚风增温、冷空气堆积、地形阻挡或地形加速中的至少一种影响。

28、所述步骤s6中的最低气温订正量按照如下模型计算:

29、δtmin=a0+a1·rclear+a2·iinv-a3·clow-a4·p+a5·terr+a6·cbias;

30、其中,δtmin为最低气温订正量,rclear为晴空辐射指数,iinv为低层逆温指数,clow为低云保温指数,p为降水约束指数,terr为地形放大指数,cbias为云量偏差指数,a0至a6为由历史样本标定的系数;

31、针对升温过程,当rclear、iinv和terr中的至少两项取高值,且clow和p取低值时,最低气温订正量为正向订正,针对降温过程,当clow和p取高值时,降低最低气温订正量的绝对值,针对强冷平流降温过程,当冷平流指数取高值且模式低估风速或冷高压强度时,生成最高气温和/或最低气温的负向订正量。

32、多因子订正模型的系数标定包括:以历史气温转折性过程样本为训练样本,以数值天气预报模式预报值与实况值的差值为目标变量,以多个归一化诊断指数为解释变量,通过线性回归、分段回归、岭回归、随机森林或梯度提升树中的至少一种方法确定模型系数或模型参数,并使用留一过程验证、按年份交叉验证或独立年份验证评估订正前后的准确率变化。

33、另一方面,本发明同时还提供以下技术方案:

34、一种春季气温转折预报偏差订正系统,适用于如上述的方法,包括:

35、数据获取模块,用于获取目标区域内多个气象观测站的地面气温实况资料、数值天气预报模式资料以及云量观测资料;

36、过程识别模块,用于基于日最高气温在预设时间窗口内的变化幅度识别气温转折性过程,并划分升温过程和降温过程;

37、分区分析模块,用于根据地理区域和/或海拔高度类型生成分区过程特征;

38、预报检验模块,用于计算最高气温预报准确率、最低气温预报准确率和逐时段温度偏差;

39、偏差诊断模块,用于基于降水、云量、逆温层、风场、湿度和地形因子生成偏差成因诊断结果,并将偏差成因诊断结果转换为多个归一化诊断指数;

40、模型标定模块,用于基于历史气温转折性过程样本标定多因子订正模型的系数或模型参数;

41、订正输出模块,用于根据多因子订正模型输出订正后的最高气温预报值和/或最低气温预报值。

42、与现有技术相比,本发明能达到的有益效果是:

43、1、将站点实况、ec模式或其他数值模式资料、卫星云图、云量、降水、风场、湿度、多层温度和地形分区信息融合,用于春季气温转折性过程的系统诊断。

44、2、将气温转折性过程按升温、降温、地理区域和海拔高度类型分层处理,能够识别山区、丘陵和平原区之间的预报偏差差异。

45、3、将夜间总云量和低云量引入最低气温订正逻辑,能够针对晴空夜辐射降温和低云保温效应给出可解释订正。

46、4、将逆温层高度和稳定层结作为最低气温偏差诊断因子,能够改善浅薄边界层逆温条件下的预报订正针对性。

47、5、将冷空气路径、850hpa风场和地面气压变化用于降温过程诊断,能够提高对降温起始时间和降温幅度偏差风险的识别能力。

48、6、通过归一化诊断指数和多因子订正模型,将经验诊断转化为可复现的订正量计算过程,有利于降低仅依赖人工主观判断带来的不稳定性。

49、7、在相同样本和相同交叉验证条件下,相比固定偏差订正、按过程类型固定偏差订正和普通多元线性回归订正,本发明能够进一步降低最高气温和最低气温预报误差,有利于体现区别于常规统计订正的技术效果。

50、8、该方法可用于冬小麦低温冻害、干热风风险和区域精细化气象服务中的气温预报订正。