[发明专利]一种基于分型配料法的暴雨预测方法

权利要求书

1.一种基于分型配料法的暴雨预测方法，其特征在于，包括以下步骤：

步骤1，利用现有的数值预报产品从水气因子、不稳定因子、动力因子三个方面计算配料因子数值；

步骤2，根据区域暴雨天气特征，按照高低空环流形式和气象要素进行天气模型分型；

步骤3，针对不同的天气模型，动态选取相应的最佳配料因子；

步骤4，建立配料综合方程，对暴雨的可能发生落区进行预测；

所述步骤4包括，在配料因子选取的基础上，根据配料法原理以及KY指数的设计方法，将多个单一的配料因子结合成一个配料综合指数ICI，综合指数越大，暴雨发生的概率越大，通过判断其阈值，来确定暴雨的可能发生落区；

所述配料综合指数ICI的公式为：

ICI=(a·vapor(b·insta+c·lift))

其中vapor表示24h内水汽配料所能达到的最大值，insta表示24h内不稳定配料所能达到的最大值，lift表示24h内抬升配料所能达到的最大值,a、b、c分别为调节系数；

所述天气模型包括初夏期模型、梅雨期模型和盛夏期模型；

针对初夏期模型，vapor=1/（1+MIN((t-td)_850))，insta= MAX(aki)，lift=MAX(-div_850+div_200),暴雨发生概率：ICI50；

针对梅雨期模型：vapor=MAX(pw)，insta=MAX(sitase850)，lift=MAX(vor_850+div_200),暴雨发生概率：ICI40；

针对盛夏期模型：vapor= MAX(rh_850)，insta= MAX( cape-cin)，lift=-MIN(li)，暴雨发生概率：ICI50；

其中，(t-td)_850为水汽因子中850hPa温度露点差，aki为k指数，div_850为850hPa散度，div_200为200hPa散度，pw为可降水量，sitase850为850hPa涡度场的假相当位温，vor_850为850hPa涡度，rh_850为850hpa相对湿度，cape为对流有效位能，cin为对流有效位能抑制，li为抬升指数。

2.根据权利要求1所述一种基于分型配料法的暴雨预测方法，其特征在于，所述现有的数值预报产品包括日本气象厅数值预报模式、欧洲中心全球预报模式中的一种或多种。

3.根据权利要求2所述一种基于分型配料法的暴雨预测方法，其特征在于，所述水汽因子包括相对湿度、比湿、地面比湿、温度露点差、可降水量、水汽通量、水汽通量散度；所述不稳定因子包括温度、地面温度、地面气压、最佳有效位能、对流稳定度指数、粗里查逊数、零度层高度、强风暴指数、相对螺旋度、能量螺旋度指数、沙氏指数、强天气威胁指数、k指数、修正k指数、有效湿位能、假相当位温、湿位涡、温度平流、对流有效位能、对流有效位能抑制、位温垂直差、位温、A指数、KY指数、总指数；所述动力因子包括垂直速度、高度、风向、风速、涡度、散度、涡度平流、垂直风切变、Q矢量散度、Q矢量、抬升指数。

4.根据权利要求3所述一种基于分型配料法的暴雨预测方法，其特征在于，初夏期模型下表征暴雨的配料因子包括温度露点差、k指数、涡度、散度，梅雨期模型下表征暴雨的配料因子包括可降水量、涡度、假相当位温，盛夏期模型下表征暴雨的配料因子包括抬升指数、对流有效位能、对流有效位能抑制。

5.根据权利要求1所述一种基于分型配料法的暴雨预测方法，其特征在于，所述步骤3具体为：在暴雨分型的基础上，根据不同天气型下暴雨发生过程中配料因子的演变特征和阈值，通过计算预报时段内所对应配料因子的最大值或者最小值，从而动态选取最佳配料因子。

6.根据权利要求5所述一种基于分型配料法的暴雨预测方法，其特征在于，所述的数值预报产品24小时为一预报时段，每3小时计算一次配料因子的数值，所述计算预报时段内所对应配料因子的最大值或者最小值即为选取数值预报产品24小时内计算的配料因子中数值最大的或者最小的。

7.根据权利要求5或6所述一种基于分型配料法的暴雨预测方法，其特征在于，所述最佳配料因子是指与暴雨的发生发展以及暴雨落区相匹配的配料因子。