[发明专利]次季节-季节-年际尺度一体化气候模式集合预测系统

说明书

本发明公开了次季节‑季节‑年际尺度一体化气候模式集合预测系统，包括初始化模块、高分辨率气候模式模块、集合预测模块和预测后处理模块，初始化模块用于下载、提取和处理包含大气、陆面、海洋、海冰的多源资料，利用外部参数控制并实现资料选择、检查、气象要素的水平和垂直插值等前处理，适用于所有气候模式运行的数据前处理，高分辨率气候模式模块用于对大气、陆面、海洋、海冰多圈层的耦合协同变化进行客观定量预测，集合预测模块用于生成由物理参数倾向随机扰动和初值时间滞后法相结合的任意数量集合预测样本成员。本发明提供了一种分辨率高，预测准确性高，可操控性好，提供大气、陆面、海洋、海冰的多时间尺度和多空间尺度的气候预测。

技术领域

本发明涉及气候预测技术领域，具体为次季节-季节-年际尺度一体化气候模式集合预测系统。

背景技术

气候预测问题是一个世界性难题，既是国际气候变化研究的前沿课题，又是国家防灾减灾、应对气候变化工作的迫切需求。气候模式是开展气候预测的最客观工具和手段，因此气候模式系统的研发及基于气候模式的集合预测技术是当前世界各国气象界研究的焦点。以往针对天气尺度和延伸期尺度天气气候预测基于单独大气模式，针对季节和年代际气候预测则基于耦合气候模式来进行，因此，针对不同时间尺度的气候预测需要分别运行几套预测子系统，耗费大量的计算机资源和存储资源，也不能满足预测业务和社会服务需求。在气候模式预测过程中，不仅大气初值非常重要，海洋、陆面、海冰等要素的初值信息同等重要，模式的初始扰动方案和集合预测方案对不同时间尺度气候预测具有不同的影响，以往气候预测模式的初始扰动方案分别采用大气或者海表温度的初值时间滞后法、奇异向量法、物理参数扰动等方法来构建集合样本成员，这种单一的初值扰动方法对预测性能的提升有较大的局限性。

因此，在利用大气-陆面-海洋-海冰全耦合气候模式进行气候预测时，如何利用科学有效的初值扰动方法来构建集合预测样本成员，更有效和稳定地提升预测技巧，且构建的气候模式预测系统不仅适用于次季节-季节尺度的气候预测，同时适用于季节-年际尺度的气候预测，进而实现“无缝隙”气候预测——即“两周-月-季节-年-年际”尺度的客观化气候预测，在系统进行预测时，能够动态选择集合样本成员构建预测方案、集合预测样本成员数、预测时间尺度、预测气象要素、预测数据输出方式，真正实现一体化预测，为此我们提出次季节-季节-年际尺度一体化气候模式集合预测系统。

发明内容

基于背景技术存在的技术问题，本发明提出了次季节-季节-年际尺度一体化气候模式集合预测系统，以解决背景技术中提出的问题。

本发明提供如下技术方案：

次季节-季节-年际尺度一体化气候模式集合预测系统，包括初始化模块、高分辨率气候模式模块、集合预测模块和预测后处理模块，所述初始化模块用于下载、提取和处理包含大气、陆面、海洋、海冰的多源观测资料、再分析资料、同化资料和模式资料，利用外部参数控制并实现资料类别的选择、获取和检查，对所需气象要素进行提取、水平插值和垂直插值等前处理，适用于所有气候模式运行的数据前处理，所述高分辨率气候模式模块用于对大气、陆面、海洋、海冰多圈层的耦合协同变化进行客观定量预测；所述集合预测模块用于采用物理参数倾向随机扰动和初值时间滞后相结合的方法构建一定数量的集合预测样本成员，所述预测后处理模块用于自动提取预报时间段内多时间尺度和多空间尺度的预测数据和图形产品。

优选的，所述高分辨率气候模式模块可提供次季节-季节尺度和季节-年际尺度气候预测，包含从地面到大气平流层、陆表到土壤深层、海表到海洋深层及海冰的客观定量预测。

优选的，所述集合预测模块中物理参数扰动方法选择对模式中的深对流参数、浅对流参数、大尺度参数、海洋潜热、通量参数等进行随机扰动，初值时间滞后法则对大气和海洋初值选择不同时间长度进行观测；将物理参数倾向随机扰动和初值时间滞后相结合构建每一个集合预测样本成员；且构建的集合预测样本成员数可自行设定，并且在确定样本成员数目后批量产生相应的样本成员的编译运行脚本，在CPU核数足够的情况下进行批量同步运行，在CPU核数不足的情况下批量分步运行。