[发明专利]一种基于多模式多参数集合预报的气象风险决策方法

说明书

本发明公开一种基于多模式多参数集合预报的气象风险决策方法，包括以下步骤：步骤S1，采集若干组初始气象数据，所述初始气象数据包括：气象实测数据、初始场数据和边界场数据；步骤S2，同化初始气象数据；步骤S3，将同化后的气象数据分别带入若干组物理参数化方案，形成多组初始气象预报结果；步骤S4，根据实际需要，对多组初始气象预报结果进行处理，获得风险决策产品。本方法通过接入多种模式初始场、边界场和多组物理过程参数化方案，并对初始气象预报结果进行集合时，得到决策产品，气象预报结果更加可靠；本方法采用滑动训练期的方式，使权重系数随时间发生变化，提高了预测结果的准确性。

技术领域

本发明涉及气象风险预报领域，尤其涉及一种基于多模式多参数集合预报的气象风险决策方法。

背景技术

大气的运动满足一定的物理规律，如牛顿第二运动定律、质量连续定理、大气状态方程、热力学第二定律等，这些物理定律可以用一组已知的方程组来表达。大气运动的控制方程组包括流体动力学和热力学方程组，由于大气的运动相当复杂，在数学上并无完全正确的解答来提供对未来大气行为的描述，只能用一组有限的、近似的数值来代表大气场，从而获得大气未来的状态(以气压、温湿度、风向风速、降水量等参数进行表述)，这个求解过程叫做数值预报，完成这一过程的计算机程序称为数值预报模式。

运行数值预报，需要将大气方程组进行合理的简化，并写成波谱或差分的格式形成动力学框架(即初始场)，以便作数值积分。在初始场中，必须将内部的各种物理过程进行参数化，形成物理参数化方程，以便用观测资料来表示这些过程。由于实际初始条件(气象要素场)包含多种误差，必须通过资料同化，进行初值处理以尽量消除各种误差，使初值在动力学上与框架适应。边界条件是描述外部强迫对大气过程的影响，边界条件也需要进行同化处理，以消除误差。

传统的数值天气预报为单一模式预报，期望由最佳的单一初始资料，获得最佳的模式预报结果，是为“确定性预报”，这个结果通常被直接用于气象风险决策。

目前常用的集合预报，或是采用单一模式、多种物理过程参数化，借以获得多组预报结果；或是利用不同数值模式的预报产品进行处理，如直接对预报结果进行平均，或将过去的预报结果进行“训练”，获得多种模式预报结果的权重系数，以用于未来的预报。

现有的预报方式存在以下缺陷:

(1)由于观测的不准确(包括仪器误差、观测点在空间上和时间上不够密集引起的插值误差等)和资料分析、同化处理中导入的误差、物理过程参数化的不合理等，导致现有的天气预报结果出现较大偏差。在天气预报领域，即使是很小的误差，也将会使单一的数值天气预报结果在一定时空范围内出现较大偏差。

(2)现有的天气预报方法仅仅针对初始场、边界场、物理参数过程进行处理，或是多种预报结果进行集合，处理方式较为片面，仍然无法有效弥补数值预报模式的“不确定性”，导致预报结果出现较大偏差。

(3)现有的天气预报方法针对集合预报通常是采用固定的权重系数对初步的预报结果进行处理，由于权重系数随时间不变，随着预报时效的延长，权重系数就有失效的可能，导致天气预报结果出现严重偏差。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于多模式多参数集合预报的气象风险决策方法。

本发明的技术方案如下：一种基于多模式多参数集合预报的气象风险决策方法，包括以下步骤：

步骤S1，采集若干组初始气象数据，所述初始气象数据包括：气象实测数据、初始场数据和边界场数据；

步骤S2，同化初始气象数据；

步骤S3，将同化后的气象数据分别带入若干组物理参数化方案，形成多组初始气象预报结果；