数值天气预报模式的误差来源确定方法及装置与流程

本申请涉及数值天气预报技术领域，具体而言，涉及一种数值天气预报模式的误差来源确定方法及装置。

背景技术：

在现有技术中，由于气象卫星观测的亮温，与气象数值天气预报模式的预报量不是同一物理量，无法直接定量比较。目前卫星亮温数据检验数值模式的预报产品通常采用两种方案：将气象数值模式产品通过辐射传输模式计算成卫星辐射值，与卫星观测辐射值进行比较，反映出辐射值的预报偏差，但是无法确切反映出气象模式具体的偏差；利用气象卫星的图像产品描述天气系统的位置和强度，与数值预报产品进行定性检验，也无法给出数值天气预报模式中大气参数的偏差特征。

技术实现要素：

有鉴于此，本申请实施例的目的在于提供一种数值天气预报模式的误差来源确定方法及装置，以解决现有技术中无法估算数值天气预报模式中大气参数的偏差特征的问题。

本申请实施例提供了一种数值天气预报模式的误差来源确定方法，所述方法包括：确定卫星观测区域，以及数值天气预报模式中的与所述卫星观测区域对应的模拟区域；获取当前时刻所述卫星观测区域的辐射值，以及所述数值天气预报模式下的所述模拟区域的大气参数；根据预设的大气顶层向上辐射公式，确定所述辐射值对所述大气参数的敏感度，所述敏感度为所述大气参数改变时所述辐射值的改变幅度；基于所述敏感度确定所述大气参数的误差来源特征，所述误差来源特征用于表征所述模拟区域中的大气参数的误差来源分布。

在上述实现过程中，通过大气顶层向上辐射公式确定辐射值对数值天气预报模式中的大气参数的敏感度，通过选取特定卫星观测通道和天气条件，减小了大气顶层向上辐射公式的方程自由度，提高了计算精度，不需要根据多个大气参数、表面参量、大气光学厚度等对大气状态进行反演，避免反演过程带来的误差。通过观测亮温与模拟亮温的偏差以及大气参数敏感度分析，能够获得大气参数的偏差特征，并且提高了误差来源评估的准确性和效率。

可选地，所述大气顶层向上辐射公式包括：l(v,θ)＝(1-n)l^clr(v,θ)+nl^cld(v,θ)，其中，l(v,θ)表示所述辐射值，ν表示卫星观测通道的频率，θ表示观测角度，l^clr(υ,θ)表示晴空大气层顶向上辐射值，l^cld(v,θ)表示云顶到大气层顶向上辐射值，n表示云量。

可选地，所述确定卫星观测区域，以及数值天气预报模式中的与所述卫星观测区域对应的模拟区域，包括：选取所述卫星观测区域以及对应的所述模拟区域；在有限差分格点模式下，将所述模拟区域垂直划分为n层，水平划分为m个格点。

在上述实现过程中，通过有限差分格点模式的区域划分，将模拟区域划分为多个小区域，从而能够得到模拟区域内各个部分的大气参数，以针对各个部分的大气参数对辐射值的影响程度进行评估。

可选地，所述选取所述卫星观测区域以及对应的所述模拟区域，包括：在所述大气参数为温度和/或湿度时，在晴空区中选取卫星观测区域以及所述卫星观测区域对应的所述模拟区域；在所述大气参数为云参数时，在云区中选取卫星观测区域以及所述卫星观测区域对应的所述模拟区域。

在上述实现过程中，对不同大气参数的误差来源进行分析时选取不同的天气条件的区域，提高了误差来源分析的准确性。

可选地，所述基于大气顶层向上辐射公式，确定所述辐射值对所述大气参数的敏感度，包括：通过对所述大气顶层向上辐射公式求导，构建对所述大气参数的雅可比矩阵，所述雅可比矩阵为n列m行的矩阵；将所述雅可比矩阵中的每个元素的值作为对应层中对应格点处的所述辐射值对所述大气参数的敏感度，所述敏感度的数值越大所述辐射值随所述大气参数变化的幅度越大。

在上述实现过程中，通过大气参数的雅可比矩阵表示对应层对应格点处的辐射值对大气参数的敏感度，更加直观地展示了大气参数的误差来源的空间分布。

可选地，所述误差来源特征包括偏差结构特征，包括：基于所述雅可比矩阵中各个元素的大小，确定所述模拟区域中所有格点处大气参数的误差来源的偏差结构特征。

可选地，所述基于所述敏感度确定所述大气参数的误差来源特征，包括：获取所述雅可比矩阵的平均值；基于所述平均值确定所述大气参数的误差来源的平均垂直特征。

可选地，所述方法还包括：确定不同时刻的平均垂直特征；基于不同时刻的平均垂直特征的变化值，确定所述大气参数的误差来源的随时间变化趋势。

本申请实施例还提供了一种数值天气预报模式的误差来源特征确定装置，所述装置包括：区域确定模块，用于确定卫星观测区域，以及数值天气预报模式中的与所述卫星观测区域对应的模拟区域；观测数据确定模块，用于获取当前时刻所述卫星观测区域的辐射值，以及所述数值天气预报模式下的所述模拟区域的大气参数；敏感度确定模块，用于基于大气顶层向上辐射公式，确定所述辐射值对所述大气参数的敏感度，所述敏感度为所述大气参数改变时所述辐射值的改变幅度；特征确定模块，用于基于所述敏感度确定所述大气参数的误差来源特征，所述误差来源特征用于表征所述模拟区域中的大气参数的误差来源分布。

在上述实现过程中，通过大气顶层向上辐射公式确定辐射值对数值天气预报模式中的大气参数的敏感度，通过选取特定卫星观测通道和天气条件，减小了大气顶层向上辐射公式的方程自由度，提高了计算精度，不需要根据多个大气参数、表面参量、大气光学厚度等对大气状态进行反演，避免反演过程带来的误差。通过观测亮温与模拟亮温的偏差以及大气参数敏感度分析，就能够获得大气参数的偏差特征，并且提高了误差来源评估的准确性和效率。

可选地，所述大气顶层向上辐射公式包括：l(ν,θ)＝(1-n)l^clr(v,θ)+nl^cld(v,θ)，其中，l(v,θ)表示所述辐射值，ν表示卫星观测通道的频率，θ表示观测角度，l^clr(υ,θ)表示晴空大气层顶向上辐射值，l^cld(v,θ)表示云顶到大气层顶向上辐射值，n表示云量。

可选地，所述区域确定模块包括：区域选择单元，用于选取所述卫星观测区域以及对应的所述模拟区域；格点划分单元，用于在有限差分格点模式下，将所述模拟区域垂直划分为n层，水平划分为m个格点。

在上述实现过程中，通过有限差分格点模式的区域划分，将模拟区域划分为多个小区域，从而能够得到模拟区域内各个部分的大气参数，以针对各个部分的大气参数对辐射值的影响程度进行评估。

可选地，所述区域选择单元具体用于：在所述大气参数为温度和/或湿度时，在晴空区中选取卫星观测区域以及所述卫星观测区域对应的所述模拟区域；在所述大气参数为云参数时，在云区中选取卫星观测区域以及所述卫星观测区域对应的所述模拟区域。

在上述实现过程中，对不同大气参数的误差来源进行分析时选取不同的天气条件的区域，提高了误差来源分析的准确性。

可选地，所述敏感度确定模块包括：矩阵构建单元，用于通过对所述大气顶层向上辐射公式求导，构建针对所述大气参数的雅可比矩阵，所述雅可比矩阵为n列m行的矩阵；敏感度确定单元，用于将所述雅可比矩阵中的每个元素的值作为对应层中对应格点处的所述辐射值针对所述大气参数的敏感度，所述敏感度的数值越大所述辐射值随所述大气参数变化的幅度越大。

在上述实现过程中，通过大气参数的雅可比矩阵表示对应层对应格点处的辐射值对大气参数的敏感度，更加直观地展示了大气参数的误差来源的空间分布。

可选地，所述敏感度确定单元具体用于：基于所述雅可比矩阵中各个元素的大小，确定所述模拟区域中所有格点处大气参数的误差来源的偏差结构特征。

可选地，所述敏感度确定单元具体用于：获取所述雅可比矩阵的平均值；基于所述平均值确定所述大气参数的误差来源的平均垂直特征。

可选地，所述装置还包括：趋势确定模块，用于确定不同时刻的平均垂直特征；基于不同时刻的平均垂直特征的变化值，确定所述大气参数的误差来源的随时间变化趋势。

本申请实施例还提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器读取并运行所述程序指令时，执行上述任一实现方式中的步骤。

本申请实施例还提供了一种可读取存储介质，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行上述任一实现方式中的步骤。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为一种数值天气预报模式的误差来源确定方法的流程示意图；

图2为本申请实施例提供的一种敏感度确定步骤的流程示意图；

图3为本申请实施例提供的一种数值天气预报模式的误差来源特征确定装置的模块图。

图标：20-数值天气预报模式的误差来源特征确定装置；21-区域确定模块；22-观测数据确定模块；23-敏感度确定模块；24-特征确定模块。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行描述。

经本申请人研究发现，现有的气象卫星通常具有多通道扫描成像辐射计，可以分别接收并检测水汽、温度等多种辐射，但是在对数值天气预报模式的误差评估时，通常还是采用将数值天气预报模式的大气参数通过辐射传播模式计算转换为辐射值与卫星观测获得的辐射值比较，通过辐射值偏差估算数值天气预报模式的大气参数偏差的方式。

数值天气预报模式就是进行气候数值模拟预测和天气预报的数学方案，或者说，针对一定的模式大气，用以描述它的特征和运动规律的闭合方程组及其求解方法。数值天气预报与经典的以天气学方法作天气预报不同，它是一种定量的和客观的预报，正因为如此，数值天气预报首先要求建立一个较好的反映预报时段的(短期的、中期的)数值预报模式和误差较小、计算稳定并相对运算较快的计算方法。根据大气实际情况，在一定初值和边值条件下，通过数值计算，求解描写天气演变过程的流体力学和热力学方程组，预报未来天气的方法。和一般用天气学方法、并结合经验制作出来的天气预报不同，这种预报是定量和客观的预报。预报所用或所根据的方程组和大气动力学中所用的方程组相同，即由连续方程、热力学方程、水汽方程、状态方程和3个运动方程(见大气动力方程)所构成的方程组。方程组中，含有7个预报量(速度沿x，y，z三个方向的分量u,v,w和温度t,气压p，空气密度ρ以及比湿q)和7个预报方程。方程组中的粘性力f，非绝热加热量q和水汽量s,一般都当作时间、空间和这7个预报量的函数，这样，预报量的数目和方程的数目相同，因而方程组是闭合的。

现有技术在通过数值天气预报模式的大气参数获得模拟辐射值时，一般基于大气顶层向上辐射公式完成模拟辐射值的计算，该大气顶层向上辐射公式完为：

l(ν,θ)＝(1-n)l^clr(v,θ)+nl^cld(v,θ)(1)

其中，l(v,θ)表示模拟辐射值，ν表示卫星观测通道的频率，θ表示观测角度，l^clr(υ,θ)表示晴空大气层顶向上辐射值，l^cld(v,θ)表示云顶到大气层顶向上辐射值，n表示云量。

应当理解的是，l^clr(v,θ)包含表面辐射和大气辐射两部分，如公式(2)所示：

其中，τs(υ,θ)和τ分别是表面和模式层到大气顶层的透过率，εs(υ,θ)为表面发射率，t是模式各层的平均温度，b(υ,t)是温度为t时的普朗克函数。

进一步地，大气顶层向上辐射公式中的l^cld(υ,θ)定义可见下式：

其中，τcld(υ,θ)为云顶到外层空间的透射率，tcld为云顶温度。

由公式(2)、(3)可知，要通过数值天气预报模式中的大气参数计算卫星接收到的模拟辐射值，需要确定大气的透射率，并基于给定的大气状态和表面参量计算出大气的光学厚度，进而计算出模拟辐射值。因此由以上计算过程可以知道卫星接收的辐射值是由多个大气状态决定的，所以由卫星观测辐射值来反演大气状态，是解不定方程，无法获得准确的大气状态，也无法获得数值天气预报模式的误差来源。

为了解决上述问题，本申请实施例提供了一种数值天气预报模式的误差来源确定方法。请参考图1，图1为一种数值天气预报模式的误差来源确定方法的流程示意图。

步骤s12：确定卫星观测区域，以及数值天气预报模式中的与卫星观测区域对应的模拟区域。

在需要对某一物理空间意义上的空间区域进行误差来源分析时，确定数值天气预报模式中与该空间区域对应的模拟区域，以及与该空间区域对应的卫星观测区域。

步骤s14：获取当前时刻卫星观测区域的辐射值，以及数值天气预报模式下的模拟区域的大气参数。

辐射值为气象卫星获取，气象卫星是从太空对地球及其大气层进行气象观测的人造地球卫星。气象卫星所载各种气象遥感器用于接收和测量地球及其大气层的可见光、红外和微波辐射，以及卫星导航系统反射的电磁波，并将其转换成电信号传送给地面站。地面站将卫星传来的电信号复原，绘制成各种云层、风速风向、地表和海面图片，再经进一步处理和计算，得出各种气象资料，根据该气象资料进行数值天气预报模式的模拟以及大气参数计算。

其中，卫星观测区域可以由气象卫星接受的电磁波的角度确定，模拟区域为数值天气预报模式进行数值模拟的区域，本实施例中的卫星观测区域和模拟区域在对应实际空间中的同一区域。

上述大气参数用于表示大气中物理现象和物理变化，统称为气象要素，例如日照、气温、气压、湿度、风参数、云参数、降水量、能见度、温度、辐射等。

步骤s16：根据预设的大气顶层向上辐射公式，确定辐射值对大气参数的敏感度，敏感度为大气参数改变时辐射值的改变幅度。

可选的，上述大气顶层向上辐射公式可以为公式(1)。

步骤s18：基于敏感度确定大气参数的误差来源特征，误差来源特征用于表征模拟区域中的大气参数的误差来源分布。

上述误差来源特征在本实施例中指模拟区域中不同位置的温度、湿度等大气参数对气象卫星接受到的该卫星观测区域的辐射值的影响程度。

为了对模拟区域进行精细划分，确定各个位置的大气参数对辐射值的影响，可以对模拟区域进行格点划分，则步骤s12的具体步骤可以如下：

步骤s12.1：选取卫星观测区域以及对应的模拟区域。

步骤s12.2：在有限差分格点模式下，将模拟区域垂直划分为n层，水平划分为m个格点。

其中，有限差分格点模式是目前气象领域广泛采用的中尺度数值预报模式之一，该模式将模拟区域进行水平和垂直的划分，从而能够对有限区域内的大气进行模拟和分析。有限差分格点模式的水平分辨率可达5公里，垂直分辨率可达40层，网格嵌套层数可达10层。本实施例中采用有限差分格点模式可以将模拟区域水平划分为m个格点，垂直划分为n层，m和n均为大于等于1的整数。

具体地，步骤s12.1中进行区域选取时，为了提高大气参数和辐射值的误差来源特征分析准确度，可以根据不同的大气参数选取不同的区域。例如，在大气参数为温度和/或湿度时，可以在晴空区中选取卫星观测区域和模拟区域；在大气参数为云参数和/或风参数时，可以在云区中选取卫星观测区域和模拟区域。

针对步骤s16，请参考图2，图2为本申请实施例提供的一种敏感度确定步骤的流程示意图，该敏感度确定步骤具体可以如下：

步骤s16.1：通过对大气顶层向上辐射公式求导，构建针对大气参数的雅可比矩阵，雅可比矩阵为n列m行的矩阵。

在向量微积分中，雅可比(jacobi)矩阵是一阶偏导数以一定方式排列成的矩阵，其行列式称为雅可比行列式。雅可比矩阵的重要性在于它体现了一个可微方程与给出点的最优线性逼近，因此本实施例通过雅可比矩阵表征模拟区域中不同层、不同格点的大气参数对气象卫星接收到的辐射值的影响。

步骤s16.2：将雅可比矩阵中的每个元素的值作为对应层中对应格点处的辐射值对大气参数的敏感度，敏感度的数值越大所述辐射值随大气参数变化的幅度越大。

在上述步骤中，通过大气参数的雅可比矩阵表示对应层对应格点处的辐射值对大气参数的敏感度，更加直观地展示了大气参数的误差来源的空间分布。

针对步骤s18，本实施例可以通过雅可比矩阵中各个元素的大小，确定该元素对应的模拟区域的位置的引起大气参数误差的可能性大小，从而确定模拟区域内每层、每个格点处大气参数的误差来源的偏差结构特征。可选地，该偏差结构特征可以由雅可比矩阵的偏差值表示，根据各元素与平均值的差距大小确定各元素对应层、对应格点处的大气参数对辐射值的影响力差别，从而确定误差来源的整体结构特征。

由于温度等大气参数随着高度的变化通常会发生较为明显的变化，在进行气象预测时作为一种可选的实施方式，本实施例还可以计算获得雅可比矩阵的平均值，基于该平均值矩阵中各元素的大小确定对应层的大气参数对辐射值的影响力差别，从而确定了误差来源的平均垂直特征。

进一步地，本实施例还可以获取不同时刻的模拟区域内的平均垂直特征，基于不同时刻的平均垂直特征的变化值，确定垂直分布区域中大气参数的误差来源的随时间变化趋势。

可选的，本实施例以风云四号卫星的多通道扫描成像辐射计(英文全称：multichannelscanimageryradiometer，简写：agri)为例，agri具有14个辐射接受通道，包括6个可见/红外波段、2个中波红外波段、2个水汽波段和4个长波红外波段。应当理解的是，除了风云四号卫星，本实施例提供的方法还可以应用于搭载其他辐射计的气象卫星。

由于上述14个辐射接受通道均为红外通道，红外通道无法穿透云层，因此云内液态水和冰晶的分布对其模拟没有影响，同时也减小公式(1)的自由度，提高了误差分析的准确度。

在大气参数为温度时，针对agri温度窗区通道(例如光谱带宽为10.3～11.3μm、11.5～12.5μm的水汽通道)，模拟区域的晴空区共有m个格点、n层，基于各个格点、各层的温度对公式(1)求导获得公式(4)：

其中，lm为晴空区第m个格点上10.3～11.3μm通道对应的模拟区域的模拟辐射值与卫星观测辐射值之间的偏差，tij为第i个格点上第j层温度值，该矩阵的每一列表示该点上辐射偏差值随着数值天气模式提供的垂直层温度值的雅可比分布，数值小表示该位置的温度对偏差的贡献小，反之表示对偏差的贡献大。至此，已经得到这m个晴空区格点上数值天气模式温度预报值偏差的结构特征。

为了得到晴空区温度预报误差分布平均特征，再进一步计算雅可比矩阵的平均值，得到以下矩阵：

其中，至此，得到了晴空区数值天气预报模式温度预报值偏差的平均垂直特征。

在大气参数为湿度时，针对agri水汽窗区通道(例如光谱带宽为5.8～6.7μm、6.9～7.3μm的水汽通道)，模拟区域的晴空区共有m个格点、n层，基于各个格点、各层的温度对公式(1)求导获得公式(6)：

其中，lm为晴空区第m个格点上5.8～6.7μm通道对应的模拟区域的模拟辐射值与卫星观测辐射值间的偏差，qij为第i个格点上第j层湿度值，该矩阵的每一列表示该点上辐射偏差值随着数值天气模式提供的垂直层湿度值的雅可比分布，数值小表示该位置的湿度对偏差的贡献小，反之表示对偏差的贡献大。至此，已经得到这m个晴空区格点上数值天气模式湿度预报值偏差的结构特征。

为了得到晴空区湿度预报误差分布平均特征，再进一步计算jacobi矩阵的平均值，得到以下矩阵：

其中，至此，得到了晴空区数值天气预报模式湿度预报值偏差的平均垂直特征。

在大气参数为云参数时，针对agri长波红外通道(例如光谱带宽为8.0～9.0μm的水汽通道)，模拟区域的晴空区共有m个格点、n层，基于各个格点、各层的温度对公式(1)求导获得公式(8)：

其中，lm为云区第m个格点上8.0～9.0μm通道对应的模拟区域的模拟辐射值与卫星观测辐射值之间的偏差，cldij为第i个格点上第j层湿度值，该矩阵的每一列表示该点上辐射偏差值随着数值天气模式提供的垂直层云量值的雅可比分布，数值小表示该位置的云量值对偏差的贡献小，反之表示对偏差的贡献大。至此，已经得到这m个晴空区格点上数值天气模式云量值预报值偏差的结构特征。

为了得到云区云量值预报误差分布平均特征，再进一步计算jacobi矩阵的平均值，得到以下矩阵：

其中，至此，得到了云区数值天气预报模式云量预报值偏差的平均垂直特征。

应当理解的是，除了上述窗区通道，对应不同的大气参数，还可以选取其他窗区通道进行偏差的结构特征和平均垂直特征的求取。

本申请实施例还提供了一种数值天气预报模式的误差来源特征确定装置20。

请参考图3，图3为本申请实施例提供的一种数值天气预报模式的误差来源特征确定装置的模块图。

数值天气预报模式的误差来源特征确定装置20包括：

区域确定模块21，用于确定卫星观测区域，以及数值天气预报模式中的与卫星观测区域对应的模拟区域。

观测数据确定模块22，用于获取当前时刻卫星观测区域的辐射值，以及数值天气预报模式下的模拟区域的大气参数。

敏感度确定模块23，用于基于大气顶层向上辐射公式，确定辐射值对大气参数的敏感度，敏感度为大气参数改变时辐射值的改变幅度。

特征确定模块24，用于基于敏感度确定大气参数的误差来源特征，误差来源特征用于表征模拟区域中的大气参数的误差来源分布。

可选地，区域确定模块21包括：区域选择单元，用于选取卫星观测区域以及对应的模拟区域；格点划分单元，用于在有限差分格点模式下，将模拟区域垂直划分为n层，水平划分为m个格点。

上述区域选择单元具体用于：在大气参数为温度和/或湿度时，在晴空区中选取卫星观测区域以及卫星观测区域对应的模拟区域；在大气参数为云参数时，在云区中选取卫星观测区域以及卫星观测区域对应的模拟区域。

可选地，敏感度确定模块23包括：矩阵构建单元，用于通过对大气顶层向上辐射公式求导，构建针对大气参数的雅可比矩阵，雅可比矩阵为n列m行的矩阵；敏感度确定单元，用于将雅可比矩阵中的每个元素的值作为对应层中对应格点处的辐射值针对大气参数的敏感度，敏感度的数值越大辐射值随大气参数变化的幅度越大。

敏感度确定单元具体用于基于雅可比矩阵中各个元素的大小，确定模拟区域中所有格点处大气参数的误差来源的偏差结构特征。

本实施例提供的数值天气预报模式的误差来源特征确定装置20还可以包括：趋势确定模块，用于确定不同时刻的平均垂直特征，还用于基于不同时刻的平均垂直特征的变化值，确定大气参数的误差来源的随时间变化趋势。

本申请实施例还提供了一种电子设备该电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器读取并运行所述程序指令时，执行数值天气预报模式的误差来源确定方法中任一项所述方法中的步骤。

应当理解是，该电子设备可以是个人电脑(personalcomputer，pc)、平板电脑、智能手机、个人数字助理(personaldigitalassistant，pda)等具有逻辑计算功能的电子设备。

本申请实施例还提供了一种可读取存储介质，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行数值天气预报模式的误差来源确定方法中的步骤。

综上所述，本申请实施例提供了一种数值天气预报模式的误差来源确定方法及装置，所述方法包括：确定卫星观测区域，以及数值天气预报模式中的与所述卫星观测区域对应的模拟区域；获取当前时刻所述卫星观测区域的辐射值，以及所述数值天气预报模式下的所述模拟区域的大气参数；根据预设的大气顶层向上辐射公式，确定所述辐射值对所述大气参数的敏感度，所述敏感度为所述大气参数改变时所述辐射值的改变幅度；基于所述敏感度确定所述大气参数的误差来源特征，所述误差来源特征用于表征所述模拟区域中的大气参数的误差来源分布。

在上述实现过程中，通过大气顶层向上辐射公式确定辐射值对数值天气预报模式中的大气参数的敏感度，减小了大气顶层向上辐射公式的方程自由度，提高了计算精度，不需要根据多个大气参数、表面参量、大气光学厚度等对大气状态进行反演，减少了需要影响辐射值的参数数量去获得每个参数对辐射值的敏感度影响，不需要解出不定方程的具体解，通过敏感度就能够获得大气参数的偏差特征，并且提高了误差来源评估的准确性和效率。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的框图显示了根据本申请的多个实施例的设备的可能实现的体系架构、功能和操作。在这点上，框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图中的每个方框、以及框图的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。因此本实施例还提供了一种可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行区块数据存储方法中任一项所述方法中的步骤。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。