一种基于台风强度敏感度识别与雷达径向风差异化同化的台风强度预测数据处理方法及应用与流程

本发明属于气象数值模拟及电数字数据处理，涉及台风模式状态数据处理、强度敏感度计算、雷达径向风观测筛选及数值资料同化，具体是一种基于台风强度敏感度识别与雷达径向风差异化同化的台风强度预测数据处理方法及应用。

背景技术：

1、台风强度预测是登陆台风精细化预测中的重要环节。近年来，台风路径预测水平持续提高，但短时强度预测的改善程度相对有限，尤其对于近海快速增强台风，其尺度较小、结构演变迅速，模式初始场中的涡旋风场、热力结构及环境场误差能够在较短时间内放大。数值天气预报(numerical weather prediction, nwp)属于典型的初值敏感时空状态演算过程，初始模式状态数据的准确程度直接影响后续台风强度预测结果。

2、沿海多普勒天气雷达能够获取高时空分辨率的径向风观测数据，用于表征台风眼墙、雨带、低层入流及外围环流的精细风场结构。现有技术通常采用集合卡尔曼滤波(ensemble kalman filter, enkf)、四维变分资料同化(four dimensional variationaldata assimilation, 4dvar)等方法，将雷达径向风观测引入模式状态场。由于雷达原始观测的数据密度通常显著高于模式网格分辨率，实际处理中还需要进行速度退模糊、异常数据剔除、空间稀疏化或超级观测处理，以降低观测误差、代表性误差及计算负荷。但是，不同空间位置的雷达径向风资料对模式分析场及台风强度预测的贡献并不相同，传统径向稀疏化处理还可能造成远离雷达站的台风内核区域有效观测不足。

3、现有台风敏感区识别方法包括基于伴随模式、条件非线性最优扰动以及集合方法的目标观测技术，也包括通过观测系统试验将不同区域资料分别同化并比较预报响应的方法。前者虽然能够从初始误差增长或同化响应角度识别敏感区域，但计算过程较复杂，而且敏感区识别结果与实际雷达资料同化之间通常缺乏直接的数据对应关系；后者需要预先划分观测区域并开展多组数值试验，其结果容易受到人为区域边界的影响。已有研究还表明，内核和外核雷达观测对切向风、暖核、眼墙结构、高层出流以及台风强度的影响存在明显差异，采用固定几何范围难以完整反映真实的强度敏感空间分布。

4、现有技术还针对台风初始场构建及变分同化约束进行了改进。如中国发明专利cn109657314b公开了一种基于资料循环同化和模式循环积分的台风涡旋初始化方法，其通过同化最低海平面气压、涡旋分离重定位和循环积分改进初始涡旋，但主要解决模式初始场台风涡旋偏弱问题，未区分不同空间观测对强度变化的贡献。cn104036135b公开了一种基于wrf模式的台风动力平衡约束下的变分同化方法，其将由天气研究和预报模式(weather research and forecasting model, wrf)原始运动方程构建的动力平衡约束项，加入天气研究和预报模式数据同化系统(weather research and forecasting dataassimilation, wrfda)变分代价函数，以改善同化场动力协调性，但未建立强度敏感度与不同位置雷达径向风资料之间的对应处理关系。

5、综上，现有技术尚难以客观表征不同空间雷达径向风资料对台风强度变化的实际敏感程度。因此，如何利用可计算的模式状态数据建立台风强度变化与雷达径向风观测空间位置之间的敏感度对应关系，提高雷达径向风资料同化处理的针对性和有效性，是台风短时强度预测中亟待解决的技术问题。

技术实现思路

1、（一）发明目的

2、针对现有技术的上述缺陷和不足，为解决台风强度敏感区域依赖经验或固定空间范围确定、敏感区识别结果与实际雷达径向风资料之间缺乏直接数据对应关系，以及不同空间观测采用统一同化处理难以充分反映其对台风强度预测贡献差异等问题，本发明旨在提供一种基于台风强度敏感度识别与雷达径向风差异化同化的台风强度预测数据处理方法及应用，通过计算强度目标状态变化对应的模式初始场敏感度空间分布，将雷达径向风观测位置映射至敏感度空间数据并计算观测权重，依据权重对径向风观测进行分组和差异化同化处理，形成不同敏感度观测对应的模式分析状态并执行数值预报积分，实现台风强度敏感信息与实际雷达观测数据的空间关联以及台风强度预测数据的针对性生成。

3、（二）技术方案

4、为实现该发明目的，解决其技术问题，本发明采用如下技术方案：

5、本发明的第1个发明目的在于提供一种基于台风强度敏感度识别与雷达径向风差异化同化的台风强度预测数据处理方法，至少包括如下步骤：

6、ss1. 强度目标数据构建：获取目标台风初始时刻的模式状态数据，作为控制预报积分的初始状态进行模式积分，得到验证时刻模式预报场并从中提取表征台风强度的低层最大风速半径处水平风数据，对水平风数据施加预设强度扰动，形成用于表征验证时刻台风强度变化的强度强迫观测数据；

7、ss2. 强度敏感度空间计算：以强度强迫观测数据为约束，对目标台风初始时刻模式状态数据执行四维变分同化，获得检验初始场，并计算所述检验初始场与目标台风初始时刻模式状态之间的三维风场差异，形成台风强度敏感度空间分布数据；

8、ss3. 雷达观测映射及权重生成：获取沿海多普勒雷达径向风观测数据并进行质量控制和空间定位，将各径向风观测位置映射至台风强度敏感度空间分布数据，获取对应位置的台风强度敏感度值，并依据与所述台风强度敏感度值正相关的权重关系确定各径向风观测的观测权重；

9、ss4. 目标同化数据筛选：按照观测权重由高至低对径向风观测进行排序，根据预设观测保留比例确定排序分界位置，将排序分界位置之前的径向风观测组成目标径向风数据集，其余径向风观测组成非目标径向风数据集；

10、ss5. 差异化同化及分析场生成：以目标台风的模式背景场为先验，将目标径向风数据集输入集合卡尔曼滤波同化过程，根据径向风观测创新及集合背景误差协方差计算模式状态分析增量并更新模式状态变量，非目标径向风数据集不参与模式状态更新，获得目标台风分析场；

11、ss6. 台风强度预测数据生成：以目标台风分析场为数值天气预报（nwp）模式的初始状态进行预报积分，获得预测时段各预测时次的模式状态数据，并从中提取表征目标台风强度的状态量，根据所述状态量随预测时次的变化生成目标台风强度预测结果。

12、进一步地，步骤ss2中，分别针对多个预设验证时刻构建对应的强度强迫观测数据，并基于各验证时刻分别执行四维变分同化，获得各验证时刻对应的台风强度敏感度空间分布数据；根据各验证时刻与目标预测时段之间的时效关系，以及不同台风强度敏感度空间分布数据中高敏感区域的空间重叠程度和持续程度，对多个台风强度敏感度空间分布数据进行时效加权融合，形成多时效综合台风强度敏感度空间分布数据，并将所述多时效综合台风强度敏感度空间分布数据用于径向风观测位置映射及观测权重生成。

13、进一步地，步骤ss2中，分别根据目标台风最大近地面风速对应的第一强度状态量和最低海平面气压对应的第二强度状态量构建第一强度目标和第二强度目标，并分别计算第一台风强度敏感度空间分布数据和第二台风强度敏感度空间分布数据；对两组台风强度敏感度空间分布数据进行归一化处理，根据各模式空间位置对应的两类敏感度值及其空间一致程度形成综合台风强度敏感度值，并基于所述综合台风强度敏感度值确定径向风观测权重。

14、进一步地，步骤ss4中，获取当前分析时次用于雷达径向风资料同化的计算资源状态，根据集合成员数量、模式网格规模、有效径向风观测数量及预设预报完成时限确定当前分析时次允许参与同化的径向风观测数量上限；在径向风观测数量上限约束下，根据各径向风观测的观测权重，按照观测权重由高至低从有效径向风观测中选择不超过所述径向风观测数量上限的径向风观测组成目标径向风数据集，使目标径向风数据集的数据规模与当前计算资源状态及台风强度敏感贡献匹配。

15、进一步地，在连续执行多个分析时次的数据处理过程中，根据相邻分析时次的目标台风中心位置、移动方向和移动距离建立台风相对坐标转换关系，将前一分析时次的台风强度敏感度空间分布数据转换至当前分析时次对应的台风相对坐标系，并将转换后的历史敏感度空间分布数据与当前分析时次重新计算的台风强度敏感度空间分布数据进行空间配准；根据二者高敏感区域的位置重合程度及敏感度变化程度进行融合，形成当前分析时次更新后的台风强度敏感度空间分布数据。

16、本发明还提供一种计算机程序产品，包括计算机指令，所述计算机指令用以执行上述基于台风强度敏感度识别与雷达径向风差异化同化的台风强度预测数据处理方法。

17、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，在执行时实现本发明的上述基于台风强度敏感度识别与雷达径向风差异化同化的台风强度预测数据处理方法。

18、（三）技术效果

19、同现有技术相比，本发明提供的基于台风强度敏感度识别与雷达径向风差异化同化的台风强度预测数据处理方法及应用，具有以下显著技术效果：

20、（1）本发明通过构建表征验证时刻台风强度变化的强度强迫观测数据，并利用四维变分同化反演初始模式状态对后续强度变化的三维敏感度空间分布，使敏感区域由可计算的模式状态差异客观确定，降低固定几何区域划分和经验判断造成的偏差，为雷达资料的空间差异化利用提供量化依据。

21、（2）本发明将质量控制后的雷达径向风观测位置映射至台风强度敏感度空间分布，根据局地敏感度生成观测权重并实施排序筛选，使对强度变化贡献较高的观测优先参与模式状态更新，同时减少低贡献观测对分析增量的干扰，提高有效观测信息利用效率及集合卡尔曼滤波同化的针对性。

22、（3）本发明将敏感度识别、雷达观测筛选与集合卡尔曼滤波状态更新进行连续数据处理，以流依赖背景误差协方差将目标径向风信息传递至模式状态变量，并以所得分析场驱动nwp模式生成最大近地面风速和最低海平面气压时序结果，有利于提升登陆台风短时强度预测准确性和计算效率。