[发明专利]一种基于云量分类的水凝物背景场误差协方差构建方法

说明书

本发明的水凝物背景场误差协方差的构建方案，在背景场误差协方差中引入水凝物变量，应用该水凝物背景场误差协方差后，同化系统可实现对水凝物变量的直接分析。有益效果：基于集合样本的云区分类算子可以有效地将水凝物背景场误差协方差根据云量进行分类，分类后的水凝物背景场误差协方差可以更合理地表征云区和晴空区背景误差的特征。

技术领域

本发明涉及大气科学技术领域，尤其涉及一种基于云量分类的水凝物背景场误差协方差构建方法。

背景技术

云或云系的分布、形态及其变化体现了大气运动的状况和变化趋势，云的相关信息对于开展天气系统的分析和预报有着重要的先导价值，然而目前卫星资料的同化主要针对晴空条件下进行，大量受云影响的卫星资料常被丢弃不用。受云影响的卫星资料的有效利用将是进一步改善数值预报初始场，进而提高数值预报准确率的重要途径。在变分同化系统中，背景场误差协方差矩阵(B矩阵)是影响同化系统的性能的关键因素之一，因此合理的背景场误差协方差是做好资料同化的关键环节，因此构建和认识云雨区背景场误差协方差，是提高同化系统在云雨区同化性能的核心工作之一。

目前在大多数同化系统中，背景场误差协方差只包含风、温度、表面气压以及湿度等常规控制变量，为了使同化系统可以直接给出水凝物变量的分析场，需要将水凝物作为同化系统的控制变量，在背景场误差协方差中引入水凝物变量。

在气象资料同化中，存在超大规模的背景场误差协方差矩阵难以直接表示和计算的问题，目前各大数值预报中心的资料同化系统，为构造可以方便操作又较为真实可靠的背景场误差协方差矩阵，一般采用控制变量转换法(Control Variable Transforms,CVT)。控制变量转换将背景场误差协方差矩阵隐含在控制变量转换算子中，不再需要直接表示。通过控制变量变换，可以有效缓解B矩阵的存储和计算。但在区域资料同化研究和应用中，控制变量转换过程中往往采用水平格点平均的方式来对B矩阵做近似处理，这样简化了B的构造，但却忽略了水平方向上不同天气背景下具有不同的背景误差特征。水凝物变量的背景误差更是如此，由于水凝物分布具有空间不连续的特征，不同天气背景下水凝物变量的背景误差差别更加明显。

发明内容

本发明目的在于克服目前大多数同化系统中的背景场误差协方差尚未引入水凝物控制变量，无法对水凝物进行合理直接分析的不足，提供了一种基于云量分类的水凝物背景场误差协方差构建方法，实现在新构建的水凝物背景场误差协方差中引入水凝物变量，同时该水凝物背景场误差协方差能够更合理地表征云区和晴空区背景误差特征，具体由以下技术方案实现：

所述基于云量分类的水凝物背景场误差协方差构建方法，包括如下步骤：

步骤1)将GEFS全球集合预报产品作为数值模式初始场，以不同参数化方案对模式初始场进行扰动，获得一组集合样本，集合样本包含了分别对应于云水、云冰、雨水、雪以及霰的水凝物变量Q_cloud、Q_ice、Q_rain、Q_snow以及Q_graupel；

步骤2)读取所述集合样本，通过集合平均和集合成员中的Q_cloud和Q_ice根据公式(1)计算云区分类判别标准，所述云区分类判别标准包括：集合平均判别标准P_{ens_ave}与集合成员判别标准P_{ens_mem}，

其中,top和bot分别代表模式层顶和模式底的气压，“—”表示n个集合成员的平均；

步骤3)根据云区分类判别标准P，公式(2)对集合误差样本进行分类，