[发明专利]适用于气象集合预报的多维后处理方法、装置以及系统

说明书

本发明提供适用于气象集合预报的多维后处理方法、装置以及系统。方法包括：收集流域历史观测和预报资料；获取站点或格点尺度上降水和气温预报所服从的概率分布类型和分布参数；将获得的分布类型和参数应用到待校正预见期的气象预报结果，获得降水、气温预报所服从的概率分布；确定校正后降水和气温集合预报的成员规模，对概率分布进行随机抽样，获得校正后的单一变量在特定预见期的集合预报结果；选用重构预报变量间和站点间相关性结构的置乱算法，获得基于实测资料的相关性重构参数；生成具有变量和空间相关性的随机数，并获得其对应的秩序矩阵，按照秩序矩阵对预报矩阵按列重新排序，得到具有变量间和站点间相关性的气象集合预报结果。

技术领域

本发明属于气象水文预报技术领域，具体涉及一种适用于气象集合预报的多维后处理方法、装置以及系统。

背景技术

气象集合预报是现今数值预报领域最为活跃的研究分支。与传统的确定性气象预报相比，气象集合预报可以过滤掉确定性预报中不可预测的组分，从而提高预报精度。气象集合预报增强了对极端事件的识别能力和预报水平，可以提供气象要素可能的变化范围，从而为科学评估气象水文风险提供依据。国内外学者已提出将气象集合预报，特别是降水和气温集合预报应用到流域径流预报中，这对提升径流预报的精度、延长有效预见期、合理评估洪水干旱风险具有重要意义。然而，气象集合预报在水文预报中仍受到较大限制，主要是因为：预报变量的空间分辨率低，难以捕捉到小区域内的气象要素变化；其预报结果往往存在偏差过大、集合离散度过小和预报变量时空相关结构不合理等缺陷。

开展气象集合预报多维后处理，是解决气象集合预报输出分辨率过低、偏差过大、集合离散度过小和预报变量时空相关结构不合理的重要技术手段。例如，公开号CN108764515A的专利提供了一种基于贝叶斯平均法的气象集合预报滚动校正的方法，然而该方法应用在一个均一化后的流域平均气象预报当中，未能考虑和反映气象预报的变量的空间相关性结构。现有的气象集合预报后处理方法，独立地校正各气象要素的估计偏差，忽略了多个变量间(如：降水与气温)以及站点间(如：同一流域的多个站点)的相关性特性，难以刻画气象要素的时空特性及物理过程，不能解决流域分布式径流预报难题。

发明内容

本发明的目的在于提供一种适用于气象集合预报的多维后处理方法、装置以及系统，能够有效提高气象和径流预报的精确性。

本发明为了实现上述目的，采用了以下方案：

方法

本发明提供一种适用于气象集合预报的多维后处理方法，其特征在于，包括以下步骤：

步骤1.收集和整理流域历史观测和和追算的气象预报资料，包括降水、气温的观测和预报数据；

步骤2.结合历史期观测资料，分析气象集合预报对流域内降水和气温要素的预报能力，在此基础上获取站点或格点尺度上降水和气温预报所服从的概率分布类型，并获取分布参数；

步骤3.将步骤2中获得的分布类型和分布参数应用到待校正预见期的气象预报结果，从而获得降水、气温预报所服从的概率分布；

步骤4.确定校正后降水和气温集合预报的成员规模，采用[0,1]范围内的均匀随机数对步骤3中的概率分布进行随机抽样，获得校正后的单一变量在特定预见期的集合预报结果；

步骤5.基于历史观测资料，选用重构预报变量间和站点间相关结构的置乱算法，获得基于实测资料的相关性校正参数；

步骤6.采用置乱算法生成具有变量间和空间相关性的随机数，并获得其对应的秩序矩阵，按照秩序矩阵对步骤4中的多个站点降水和气温序列所组成的预报矩阵按列重新排序，最终得到具有站点和变量相关性的气象集合预报结果。

进一步地，本发明提供的适用于气象集合预报的多维后处理方法中，步骤1包括如下子步骤：