CN114325879B - 一种基于分级概率的定量降水订正方法 - Google Patents

Abstract

本发明公开了一种基于分级概率的定量降水订正方法，该方法包括：基于历史最优概率阈值求解降雨等级网格场G；基于各个模式成员的原始降雨预报场R_s，逐格点计算所有模式成员的平均场AveR；在目标格点的邻域范围内，分别构建基于平均场的相同等级降雨序列AveR_p、基于原始成员的相同等级降雨序列R_p；利用目标格点雨量AveR(i，j)在序列AveR_p中的分位数，在序列R_p中取该分位数对应的数据R′(i，j)作为目标格点转换后的定量降水；逐个格点计算雨量值得到整个降雨场R′。本发明通过历史数据检验确定降水的定性分级及其概率，并将分级降水概率再次转换为定量降水预报，最终结果同时保留降水预报的定性分级准确性和定量分布合理性。

Description

一种基于分级概率的定量降水订正方法

技术领域

本发明涉及降水预报技术领域，具体涉及一种基于分级概率的定量降水订正方法。

背景技术

随着人们对灾害性天气预报服务的需求不断增加，逐小时、对流尺度数值天气预报为精细的气象服务提供了高时空分辨率的降水预报产品支撑。然而，由于中小尺度对流天气***的时空尺度小，其动力和物理过程也尚未被完全认识清楚，高分辨率的数值模式产品对降水预报通常存在较大的时空不确定性，因此直接采用传统的点对点取值方式将高分辨率的数值模式产品应用与预报分析，反而可能导致更高的空报和更低的命中率。

目前针对高分辨率数值模式降水预报产品的一种应用方案是采用时空邻域概率的思路，将定量降水预报转换为概率预报，以应对模式降水预报的时空不确定性，例如：采用邻域概率法的思路，利用邻域格点的定量预报计算得到中心格点的分级降水概率预报，并评估与分级降水的时空尺度相匹配的降水概率预报结果，从而提高对流降水预报的技巧。但采用该技术方案释用后提供的仅仅是分级降水的概率预报场，并不能得到确定性的降水订正场，同样也无法体现极端的降水值，无法满足精细的定量降水预报服务需求。

发明内容

本发明的目的是为了克服以上现有技术存在的不足，提供了一种基于分级概率的定量降水订正方法，其针对高分辨率数值模式降水预报，采用时空邻域的思路计算得到体现模式时空不确定性的分级降水概率预报，通过历史数据检验确定降水的定性分级及其概率，并结合各成员的最优空间分布将分级降水概率再次转换为定量降水预报，最终结果同时保留降水预报的定性分级准确性和定量分布合理性。

本发明的目的通过以下的技术方案实现：

一种基于分级概率的定量降水订正方法，包括：

S1，获取降水分级概率网格场P_k，以及各个模式成员对应的原始降雨预报场R_s，s＝1,2……N；

S2，基于历史最优概率阈值求解降雨等级网格场G；

S3，基于各个模式成员的原始降雨预报场R_s，逐格点计算所有成员的平均场AveR；

S4，在目标格点的邻域范围内，分别构建基于平均场的相同等级降雨序列AveR_p、基于原始成员的相同等级降雨序列R_p；

S5，利用目标格点雨量AveR(i，j)在序列AveR_p中的分位值，在序列R_p中取该分位值对应的数据R′(i，j)作为目标格点转换后的定量降水；

S6，重复步骤S4-S5，逐个格点计算雨量值得到整个降雨场R′。

本发明相对于现有技术具有如下优点：

(1)本发明采用降水分级概率与定量预报转换，具体为首先通过历史最优评分确定分级降水的最优概率阈值，得到定性分级及其概率；再求解多个成员的平均空间分布场，在目标格点的邻域范围内，分别构建基于平均场的相同等级降雨序列AveR_p、基于原始成员的相同等级降雨序列R_p，最后利用目标格点雨量AveR(i，j)在序列AveR_p中的分位数，在序列R_p中取该分位数对应的数据R′(i，j)作为转换后的定量降水。本发明可实现邻域概率、集合概率等降水概率与定量预报的普适性转换，并同时保留降水预报的定性分级准确性和定量分布合理性。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的基于分级概率的定量降水订正方法的流程示意图。

图2为本发明的基于分级概率的定量降水订正方法的原理框图。

图3为本发明的降雨平均场计算的过程示意图。

图4为本发明的基于降雨平均场在格点邻域范围获取降雨序列的过程示意图。

图5为本发明的基于原始集合成员在格点邻域范围获取降雨序列的过程示意图。

图6为本发明的基于分位值相同的格点雨量订正的过程示意图。

图7为本发明的雨量平滑的权重系数的参数拟合图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

参见图1-2，一种基于分级概率的定量降水订正方法，包括：

S1，获取降水分级概率网格场P_k，以及各个模式成员对应的原始降雨预报场R_s，s＝1,2……N；具体地，利用数据访问接口或者文件服务等方式，获取现有方法(如：时空邻域法等)计算得到的分级概率网格场P_k，以及对应各个模式成员的原始降雨预报场R_s，s＝1,2……N。

S2，基于历史最优概率阈值求解降雨等级网格场G；具体地，步骤S2包括：基于历史样本数据分析确定每个降水等级的最优概率阈值OP_k，并基于实时计算的邻域概率值，对每个格点的降水进行定性分级，得到降雨等级网格场G。在本实施例，采用TS评分确定每个降水等级的最优概率阈值OP_k。

在本实施例，所述基于实时计算的邻域概率值，对每个格点的降水进行定性分级，得到降雨等级网格场G包括：

选择历史样本计算的分级概率预报场计算气象站点在不同降水等级预报G_k对应的邻域概率P_k；其中，计算气象站点在不同降水等级预报G_k对应的邻域概率P包括：采用最临近距离格点法或者双线性插值等方法计算气象站点在不同降水等级预报G_k对应的邻域概率P_k，在此不做具体限定。

计算所述气象站点的降水等级预报G_k在预设概率阈值下的TS评分TS_kj，提取评分TS_kj中最大值对应的概率阈值P_i(Max)，作为降水等级G_k的最优概率阈值OP_k；其中预设概率阈值的设置方法为：从0至100％每隔1％设定一个概率阈值P_j。

对于任意格点，实时计算邻域概率场，由高到低逐级比较该点各预报等级的P_k和OP_k，若P_k≥OP_k，则停止判别，并赋值G_k为该点的逐时降水预报等级值，记为PG_k。

若P_k(i，j)≥OP_k，则G(i，j)＝G_k (1)

S3，基于各个模式成员的原始降雨预报场R_s，逐格点计算所有成员的平均场AveR，参见图3所示；

S4，在目标格点的邻域范围内，分别构建基于平均场的相同等级降雨序列AveR_p、基于原始成员的相同等级降雨序列R_p；具体地，如图4所示，步骤S4包括：基于所述降雨等级网格场G，对任意格点(假定其降水等级为G_k)在其邻域范围内检索所有降雨等级同为G_k的格点数组，并在所述平均场中获取所述格点数组的降雨量，将所述降雨量按照由小到大排序，得到序列AveR_p，p＝1,2……m；

如图5所示，基于所述各个模式成员的原始降雨预报场，对任意格点，在其邻域范围内检索得到所有格点的原始雨量数组，然后剔除该原始雨量数组中与降雨等级G_k不一致的数据，将所述格点数组中未剔除的降雨量按照由小到大排序，得到序列R_p，p＝1,2……n。

S5，利用目标格点雨量AveR(i，j)在序列AveR_p中的分位值，在序列R_p中取该分位值对应的数据R′(i，j)作为转换后的定量降水，逐个格点计算雨量值得到整个降雨场R′。具体地，如图6所示(图6中的“？”代表待求解的R′(i，j)，其中，R′(i，j)即为待求解的)，步骤S5包括计算所有成员的平均场AveR(i，j)在序列AveR_p中的分位值，并在序列R_p中取该分位值对应的数据R′(i，j)，即为该点雨量。

S6，针对网格场的每个格点，重复步骤S4和S5，计算格点的雨量值，从而得到整个降雨场R′。

由于上述转换方案是针对不同的降雨等级分别进行计算，在特定情况下，不同等级降雨的边界附近可能存在明显的雨量不连续，为了减小降雨的空间跃变，识别不同等级雨量的边界线，采用径向基函数对不同等级降雨边界附近的网格雨量进行平滑。如图7所示，步骤S6之后包括：最后采用径向基函数对不同等级降雨边界附近的网格雨量进行平滑，所得结果以可视化图形产品提供给预报员使用。其中，对不同等级降雨边界附近的网格雨量进行平滑的公式为：

R＝w*L_n+(1-w)*R′ (3)

其中，L_n为降雨等级的下限值，d为网格格距，r为格点到边界线的距离，a为最大平滑距离r_s的函数，w为平滑权重。考虑当格点位于最大平滑距离处(即r＝r_s)时，等值线的权重w应为一个小值(本方案取值为w≤0.1)，根据图7进行拟合，式(5)具体化为式(6)。

最大平滑距离r_s可根据各降雨等级的实际范围动态变更，如：对同一降雨等级边界内的所有格点，计算两两格点距离的平均值作为最大平滑距离r_s，也可由预报员凭借其经验确定，并根据式(6)和式(4)得到动态平滑权重。本实施例取最大平滑距离为10个网格格距，即

因此式(4)变为式(7)。

本发明采用降雨分级平滑，由于邻域概率方法是对不同的降雨等级分别进行处理，在不同等级降雨的边界附近可能存在明显的雨量不连续，针对目这一问题，本发明构建了基于最大平滑距离与网格格距比的平滑函数，且对于固定平滑距离或动态平滑距离均可适用，减小降雨等级边界附近的雨量空间跃变，也可用于其它气象要素中类似的等级边界平滑过渡。

综上，本发明基于邻域概率、集合概率的结果，结合原始集合成员的最优空间分布优势(一般为集合平均场)，实现概率预报与定量预报的转换，使得转换结果在保留降水预报的定性分级准确性，表现出更为合理、更仿真的空间分布。本方案可实现邻域概率、集合概率等降水概率与定量预报的普适性转换，并同时保留降水预报的定性分级准确性和定量分布合理性。

所述具体实施方式为本发明的优选实施例，并不能对本发明进行限定，其他的任何未背离本发明的技术方案而所做的改变或其它等效的置换方式，都包含在本发明的保护范围之内。

Claims (3)

1.一种基于分级概率的定量降水订正方法，其特征在于，包括：

S1，获取降水分级概率网格场P_k，以及各个模式成员对应的原始降雨预报场R_s，s＝1，2......N；

S2，基于历史最优概率阈值求解降雨等级网格场G；

S3，基于各个模式成员的原始降雨预报场R_s，逐格点计算所有模式成员的平均场AveR；

S4，在目标格点的邻域范围内，分别构建基于平均场的相同等级降雨序列AveR_p、基于原始成员的相同等级降雨序列R_p；

S5，利用目标格点雨量AveR(i，j)在序列AveR_p中的分位数，在序列R_p中取该分位数对应的数据R′(i，j)作为目标格点转换后的定量降水；

S6，重复步骤S4-S5，逐个格点计算雨量值得到整个降雨场R′；

步骤S2包括：

基于历史样本数据分析确定每个降水等级的最优概率阈值OP_k，并基于实时计算的邻域概率值，对每个格点的降水进行定性分级，逐级对比各降水等级的邻域概率和最优概率阈值OP_k，选取超过最优概率阈值OP_k的最高等级为该格点的降雨等级，从而得到降雨等级网格场G；

步骤S4包括：基于所述降雨等级网格场G，对任意格点，在其邻域范围内检索得到所有降雨等级同为G_k的格点数组，并在所述平均场中获取所述格点数组的降雨量，将所述降雨量按照由小到大排序，得到序列AveR_p；

基于所述各个模式成员的原始降雨预报场，对任意格点，在其邻域范围内检索得到所有格点的原始雨量数组，然后剔除降雨量与该格点降雨等级G_k不一致的数据，将所述原始雨量数组中未剔除的降雨量按照由小到大排序，得到序列R_p，p＝1，2......n。

2.根据权利要求1所述的基于分级概率的定量降水订正方法，其特征在于，步骤S6之后包括：识别不同等级雨量的边界线，采用径向基函数对不同等级降雨边界附近的网格雨量进行平滑，所得结果以可视化图形产品提供给预报员使用。

3.根据权利要求2所述的基于分级概率的定量降水订正方法，其特征在于，对不同等级降雨边界附近的网格雨量进行平滑的公式为：

R＝w*L_n+(1-w)*R′

其中，L_n为降雨等级的下限值，d为网格格距，r为格点到边界线的距离，a为最大平滑距离r_s的函数，w为平滑权重。

Images