欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023102019139
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:未下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,所述预报方法包括以下步骤:S1,采用WRF模式动力降尺度;具体包括:

选择WRF模式,导入气象背景场驱动数据和30m空间分辨率的下垫面土地类型、地形、植被覆盖度遥感数据,设定多参数方案的不同组合形式,以站点观测气温数据作为参考,对比评估不同参数方案用于WRF模拟的精度,确定适合于试验区的模式最优参数化方案;开展未来24小时气温预报的WRF模式模拟,输出330m空间分辨率的预报气温空间分布;

S2,山区地面气象站点观测气温的空间代表性分析;具体包括:

通过点‑面时空尺度匹配,对山区地面站点观测气温进行空间代表性分析,选择330m分辨率气温分布与对应时刻WRF模式模拟得到的预报气温之间差异最小的一个或者多个站点作为备选参考站点;

S3,基于随机森林算法的WRF预报气温降尺度;具体包括:

在330m空间分辨率下,将WRF模式模拟得到的预报气温作为因变量,地表遥感参数、坡度、坡向、海拔高度参数作为自变量,利用随机森林算法训练降尺度模型,采用K折交叉验证方法,确定随机森林模型中的树节点预选变量个数和决策树数目这两个关键参数,得到最优随机森林模型,进而计算模型拟合残差并采用双线性内插方法重采样为30m分辨率;将

30m空间分辨率的各类地表参数输入随机森林模型,在计算结果基础上加入模型拟合残差,得到降尺度后的30m空间分辨率的预报气温;

S4,选择一阶自适应卡尔曼滤波方法,对随机森林降尺度得到的参考站点未来24小时预报气温进行订正;

S5,基于地表能量平衡理论对山区气温进行优化预报;具体包括:

在30m空间分辨率的尺度上,通过分析地形和下垫面特性参数对山区不同地点各通量项以及气温的影响差异,以代表性参考站点降尺度后的气温预报数据作为背景气温,模拟得到预报山区其它地点的气温。

2.根据权利要求1所述的动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,步骤S1中,采用WRF模式动力降尺度的过程包括以下步骤:选择WRF模式,采用五重嵌套网格,垂直方向分为35层,顶层气压为50hPa,气象背景场驱动数据为全球FNL再分析资料,输入30m空间分辨率的包括下垫面土地利用类型、地形、植被覆盖度在内的遥感数据,采用逐3天的分段积分方式,并利用分析场Nudging方法对外层粗网格进行格点逼近,将计算域3的WRF预报结果作为LES的初始场,模式输出时间间隔为60分钟;

围绕辐射、微物理、积云对流、边界层、近地层以及陆面过程参数,以及WRF‑LES耦合中的次网格闭合方案、LES计算域的侧边界与顶部边界条件确定,设定多参数方案的不同组合形式,利用WRF模式模拟预报330m分辨率的24小时气温空间分布,并以站点观测气温数据作为参考,对比评估不同参数方案用于WRF模拟的精度,以精度最优为筛选条件,确定适合于试验区的模式最优参数化方案;

在上述参数化方案优化基础上,开展未来24小时气温预报的WRF模式模拟,输出330m空间分辨率的预报气温空间分布。

3.根据权利要求1所述的动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,步骤S2中,山区地面气象站点观测气温的空间代表性分析的过程包括以下步骤:在Landsat‑8 TIRS热红外传感器观测时刻,建立气象站点观测气温与TIRS传感器反演地表温度、地形参数、地表遥感指数之间的多元回归模型,估算30m空间分辨率的气温空间分布;

利用30m分辨率的气温数据进行平均聚合,得到330m分辨率气温分布,将其与WRF模式输出格点进行空间配准,并计算其与对应时刻WRF预报气温之间的差值;

针对每个地面气象观测站点位置,比较两种数据之间的差异,选择差异较小的站点作为备选参考站点。

4.根据权利要求1所述的动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,在不同季节分别开展山区地面气象站点观测气温的空间代表性分析,并比较不同站点位置的WRF预报、遥感估算差值的平均值、标准差,选择平均值、标准差最小的一个或者多个地面气象站点作为区域空间代表性程度高的站点。

5.根据权利要求1所述的动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,步骤S4中,选择一阶自适应卡尔曼滤波方法,对随机森林降尺度得到的参考站点未来24小时预报气温进行订正的过程包括以下步骤:利用公式(1),在有观测值的t时刻,计算随机森林降尺度得到的预报气温 与站点观测气温 之差,得到参考站点位置的模式预报误差 :   (1);

采用离散逼近法迭代计算模式误差 :

   (2);

t+1时刻,模式预报订正结果 为:

   (3);

对于无观测值的预报时段,利用随机森林降尺度预报的订正结果 替代公式(1)中的;

利用有站点观测数据的时段,通过试验设定权重系数w的取值范围为0.01 0.99,变化~间隔0.01,分析比较权重系数w的不同取值情况下24小时预报的总误差,确定总误差最小时对应的取值作为权重系数w的最终值,将其用于WRF模式预报气温订正。

6.根据权利要求1所述的动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,步骤S5中,基于地表能量平衡理论对山区气温进行优化预报;具体包括:在30m空间分辨率的尺度上,通过分析地形、下垫面特性参数对山区不同地点各通量项以及气温的影响差异,以代表性参考站点降尺度后的气温预报数据作为背景气温,建立公式(4)用于模拟预报山区其它地点的气温;利用参考气象站点计算其与其它地点之间的通量项差异,并在公式(4)中考虑温度平流差异,在一定程度上可以降低山区地表能量平衡闭合效果差的影响,而且利用参考站点预报气温能够约束求解公式(4),提高气温预报精度;

    (4);

其中,t为预报时刻; 为山区待模拟计算地点的预报气温; 为代表性参考站点降尺度预报气温的卡尔曼滤波订正结果; 为各通量变化引起的待模拟计算地点气温变化值, 分别为各通量变化引起的参考站点气温变化值; 为待模拟计算地点与参考站点因高度不同而产生的气温差异值; 为冷暖空气水平运动引起的温度平流差异值。

7.根据权利要求6所述的动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,在参考站点位置上,采用公式(5)计算各通量变化引起的气温变化值 :  (5);

式中, 是净辐射通量,在WRF模式预报和遥感监测方法基础上,根据山区复杂地形与下垫面对入射短波辐射、发射长波辐射的影响以及周围环境散射反射与辐射的贡献计算得到;G是地表热储存通量,根据净辐射通量 与地表热储存通量之间的经验关系模型估算得到;L是潜热通量,m是湍流交换系数, 是地表显热通量阻抗系数;

计算出待模拟计算地点的净辐射通量、地表热储存通量、潜热通量、湍流交换系数和地表显热通量阻抗系数后,将其代入公式(5),得到待模拟计算地点气温变化值 。

8.根据权利要求7所述的动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,通过不同季节与月份站点观测气温随高度变化规律的定量分析,以及t时刻WRF模式气温预报结果,计算山区不同地点的气温垂直递减率 ,并结合模拟计算地点与参考站点之间的高度差异值 ,采用公式(6)计算得到待模拟计算地点与参考站点因高度不同而产生的气温差异值 :    (6);

根据参考站点与模拟地点的温度水平分布梯度,以及风矢量数据,采用公式(7)计算得到冷暖空气水平运动引起的温度平流差异值 :    (7);

式中,u、v分别是东西、南北方向的风速; 、 分别表示东西、南北方向的温度差异。

9.根据权利要求8所述的动力与统计降尺度相结合的山区气温精细化预报方法,其特征在于,步骤S5中,对于拟模拟山区地点,利用WRF模式预报、随机森林降尺度结果、遥感监测数据,估算或以 表达公式(5)至公式(7)中的各项参数,并以参考站点预报气温为驱动,通过公式(4)迭代求解 。