[发明专利]一种基于雨区分类技术的自适应分区同化方法

说明书

本发明的基于雨区分类技术的自适应分区同化方法将背景场中的降水信息作为静态背景误差协方差调整依据，通过对降水区背景场误差协方差进行调整，引入“降水区域依赖”的背景场误差协方差。有益效果：可以依据降水大小自适应调整背景场误差协方差，进而给同化系统带来了各向异性、非均质的分析增量。该发明实现了不同天气背景条件下背景场误差协方差的有效应用，又无需对背景场误差协方差进行反复统计，大大节约了计算资源。

技术领域

本发明涉及大气科学技术领域，尤其涉及一种基于雨区分类技术的自适应分区同化方法。

背景技术

在众多的降水预报方法中,随着数值模式理论、资料同化技术、大气探测技术和计算机技术的飞速发展,数值模式表现出对客观定量降水预报的巨大潜力,已经成为目前业务预报领域不可替代的可用参考预报方法。目前，数值预报的模式结构及物理过程方案已趋于完善，提高数值天气预报准确性的关键任务是如何改善模式初始场，而资料同化方法为改善数值预报初始场提供了一种有效手段。

目前国际上较为普遍使用的同化方法主要包含三维变分、四维变分以及集合卡尔曼滤波方法等。无论哪种同化方法，同化中代价函数一般都需要用背景场误差协方差来衡量背景场和观测场中各因子的影响。因此在同化系统中引入合理的背景场误差协方差(B)是提升同化效果进而提升数值预报水平的一个十分重要的工作。

大多数业务数值预报中心在同化系统中采用的背景场误差协方差是基于水平格点平均对B矩阵做近似处理，这样做的好处在于可以简化B的构造。但众多科学家研究发现，不同天气背景下背景场误差协方差存在不同的特征，如在云雨区，背景场误差协方差的各向异性和流依赖性更强、变量相关关系更明显、背景场误差方差更大、水平长度尺度更小等。因此，B与天气背景密切相关。为了获取不同天气背景下不同的B，解决办法之一是对每种天气背景的B进行重新统计。然而，对于一些计算资源不足的单位，重新统计B仍然是一个十分耗费计算资源的工作。目前在变分同化框架中，尚未有对B根据不同天气背景自适应变化的研究。

发明内容

本发明目的在于克服上述现有技术的不足，提供了一种基于雨区分类技术的自适应分区同化方法，有效引入“降水区域依赖”的背景场误差协方差，实现不同天气背景下B的自适应调整，具体由以下技术方案实现：

所述基于雨区分类技术的自适应分区同化方法，包括如下步骤：

步骤1)对数值预报模式进行积分，热启动至A时刻，获取模式中的降水信息，根据统计A时刻预报场中每个格点的雨水混合比通过公式(1)计算背景场中的降水信息,并以A时刻预报场作为背景场；

其中,top和bot分别代表模式层顶和模式底的气压，Q_rain代表模式中的雨水混合比；

步骤2)根据背景场中的降水信息，计算背景场误差协方差的调整指数rain_index；

式(2)中，rain_index表示随降水变化二维的变量场，变量范围处于0-1之间；

步骤3)根据rain_index通过式(3)确定晴空区范围F₁和降水区范围F₂，

对降水区的背景场误差协方差B_rain进行调整，晴空区的B_clear不进行调整，

根据式(4)得到降水区域依赖的背景场误差协方差，

B＝F₁B_clear+F₂B_rain＝F₁B_clear+F₂B_rain×I^rain_index   (4)