[发明专利]一种同化行星尺度和机器学习外强迫的气候模式预测方法

权利要求书

1.一种同化行星尺度和机器学习外强迫的气候模式预测方法，包括以下步骤：

⑴根据气候特征时间尺度和大气环流演变之间的关系，对大尺度背景场进行尺度分析，分离出背景场中1~3波的信息；

⑵利用流依赖的同化技术，将所述1~3波的信息同化进入大气模式，形成模式的初始条件；

⑶采用机器学习方法，结合观测进而再分析资料，通过考虑海洋热量和盐分的传导速度，选择不同深度的海温，对海表温度进行建模，并逐周进行1~3个季节的预报，形成气候模式的海温外强迫场；

⑷利用土壤温、湿度观测和再分析资料，采用机器学习方法建模，通过考虑土壤水分和热量传导速度，获得未来1~2个季节底下2 m深度内逐层的土壤温、湿度资料，形成气候模式的陆地外强迫场；

⑸利用观测和再分析资料，通过机器学习对冰冻圈缓变信号进行建模，得到冰冻圈信号的跨季节外推预测值，该预测值作为模式外源强迫项；

⑹将所述气候模式的海温外强迫场、所述气候模式的陆地外强迫场、所述模式外源强迫项共同作为模式的边界条件，利用所述1~3波的信息持续演变1~2个季节，形成大气边界场；

⑺将所述1~3波的信息、所述初始条件、所述大气边界场引入全球中尺度天气预报模式或大气环流模式中进行季节气候预测；其中海温强迫场每7天进行一次同化；

⑻在所述步骤⑺中季节气候预测的基础上，通过对比观测资料，对所述1~3波的信息和所述大气边界场进行检验订正，得到修订值；

⑼将观测的降水量、温度用奇异谱分解，提取显著周期叠加延伸，即可保留降水量、温度的非线性信息；在观测降水量、温度和外强迫信号之间进行逐步回归，外强迫信号主要考虑青藏高原积雪，考虑到高原积雪在唐古拉山南、北及羌塘高原三地区的分布分别和华南、长江流域和江淮流域的夏季降水偏多对应，因此，按照唐古拉山分为南、北、高原西部三种类型，欧亚积雪和北极海冰密度，获得线性变化信息；将所述非线性信息和所述线性变化信息二者叠加作为一个预测值；

⑽将所述步骤⑻所得的修订值和所述步骤⑼所得的预测值按照历史拟和率进行集合，即得最终的预测结果。