一种基于北斗定位的单点降水预报方法与流程

本发明涉及气象学技术领域，具体涉及一种基于北斗定位的单点降水预报方法。

背景技术：

单点降水预报，是指在无气象观测站点的某地点，开展抢险救灾、建设施工等行动时所需的降水精细化预报。预报的精细化程度及准确率，对于指挥决策和组织安排具有重要影响。

以往的应急服务单点降水预报中，常规是利用粗略的定位信息，寻找距离该地点最近的某种数值预报格点数据作为基本资料，辅以附近的自动站、雷达、探空等气象数据进行人工修正。由于气象观测站点的分布并不均匀，初始数据的密度、频度、精度各不相同，不同的数值模式在不同地区的准确率都有差异，以一种数值模式的距离最近的格点预报值来作为基本数据，可能存在明显的误差；同时这种方法缺乏对天气系统和天气形势的考虑，这对于降水误差的放大作用是显著的，尤其在山区、森林、高铁线路、涵洞等复杂地形下；人工修正还存在不稳定问题。

20世纪70年代以来，数值天气预报作为全球预报技术的主要发展方向，给气象科学的发展带来了革命性的进步，支撑了预报准确率的持续提高。由于大气是高度非线性系统，大气初值和数值模式中物理过程均存在不确定性，伴随着计算机技术的迅猛发展，集合预报这种随机预报方法在近年来代表了数值预报的发展方向，促进了数值预报技术和天气预报业务的进步。但在集合预报中，对于降水这样的非连续变量，评估模式的预报效果使用TS评分，常规评估是实况与预报均为同级降水时TS＝100、否则TS＝0。这种评估方式直接导致了当某一模式预报降水级别有误差时，该模式在集合预报中即不能起到作用。所以如何及时准确地对应急服务点精确定位、并提供准确的单点降水预报值，成为应急气象服务的一个关键难题。

技术实现要素：

本发明的目的是提供一种综合利用多种数值预报模式集合预报结果及多源降水资料，结合北斗精确定位，精确预报单点降水的方法。具体单点降水预报F值确定如下：

其中，F_kji为第k层第j个格点的4个格点的降水预报值，i＝1，2，3，4，k＝1，2，……，n，j＝1，2，……，m；m为每一层的格点数；R_kji为4个格点与F点之间的距离；F_kj为第k层第j个格点的降水预报值；R_kj为第k层第j个格点与F点之间的距离，F_k为第k层格点的降水预报值；a₀，a₁，…，a_n为单点降水的多元线性回归方程的回归系数；n根据设定的置信度为标准确定。

进一步，所述各格点的降水预报值确定如下：

获得基于集合预报的降水数值预报格点数据方法如下：

其中，F_kji为第k层第j个格点的4个格点的降水预报值，i＝1，2，3，4，k＝1，2，……，n，j＝1，2，……，m；m为每一层的格点数，F_kjis为第s种数值预报模式的格点降水预报值，s＝1，2，……，p，p为集合预报的种数；TS_s为第s种数值预报模式的降水预报百分数评分值；

基于集合预报的降水数值预报格点数据，将多源降水观测数据采用气象数据融合方法获得各格点的降水预报值。

优选地是，所述降水预报百分数评分值获得方法为：提前将百分数评分0-100分为多个量级，将降水情况划分为多个量级，通过经验或者实验的统计值获得相对应的所述降水预报百分数评分值。

进一步，所述评分量级按照精度要求划分。

优选地是，将所述评分量级划分为0、30、50、90、100，5个量级；将降水情况划分为无、小雨、小到中雨、中雨、中到大雨、大雨、大到暴雨、暴雨、大暴雨、特大暴雨10个量级。

优选地是，所述气象数据融合方法采用三维变分同化数据融合方法。

优选地是，各格点与所述F点之间的距离根据北斗定位确定。

优选地是，所述置信度α＝0.05。

本发明通过综合运用多数值模式集合预报方式，以及多源分钟级降水数据，利用北斗系统对该地点精确定位，以距离加权的线性插值方法和多元线性回归方法构建计算方程，达到了以多数值模式集合预报系统为基础，融合利用各种观测方式、高度、频度、密度、精度均不相同的精细化降水资料，基于北斗精密定位，提供任意单点降水精细化预报结果，提高了预报准确率。为我国抢险救灾、重点工程等气象服务工作提供技术支持，具有重要的应用价值。

附图说明

图1是本发明基于北斗定位的单点降水预报方法流程图。

图2是根据本发明实施例中获得的应急服务点附近n层格网示意图。

图3是实施例中2016年8月4-9日08时的逐3小时降水24h预报与实况的对比示意图。

图4是实施例中2016年8月4-9日08时的逐3小时降水48h预报与实况的对比示意图。

具体实施方式

下面结合附图，以一次输气管道事故的应急气象服务为实例，对本发明做进一步描述。本次应急服务的背景是，2016年7月20日，强降水引起泥石流滑坡，导致中石化川气东送的湖北恩施建始县崔坝镇阀室附近管道爆裂，需要为抢险指挥部提供泄漏点精细的降水预报。有必要在此指出的是，以下具体实施方式只用于对本发明进行进一步的说明，不能理解为对本发明保护范围的限制，该领域的技术人员可以根据上述发明内容对本发明作出一些非本质的改进和调整。

根据本发明提出的一种基于北斗定位的单点降水预报方法，通过构建单点降水预报定量计算方程，保证了任意单点降水预报计算的精度，提高了计算效率，为抢险救灾、重点工程等气象服务工作提供技术支撑。

本发明提出的一种基于北斗定位的单点降水预报方法，如图1所示，具体如下：

步骤一、获得基于集合预报的降水数值预报格点数据

采用集合预报模式在一定程度上能解决各模式的不确定性问题，但在传统集合预报中，对于降水这样的非连续变量，评估模式的预报效果使用百分数TS评分，常规评估是实况与预报均为同级降水时TS＝100、否则TS＝0。这种评估方式直接导致了当某一模式预报降水级别有误差时，该模式在集合预报中即不能起到作用。因此，本发明利用百分数的TS评分方法，将TS评分0-100分为多个量级，具体分多少个等级按照精度要求划分，同时将雨的量级也进行划分。预报与实况的降水量均分等级，这样百分数TS评分能够更准确地考虑各模式对集合预报的影响。

在本发明中，设定有p种(s＝1，2，…p)数值预报模式，获得基于集合预报的降水数值预报格点数据方法如下：

其中，F_kji(i＝1，2，3，4)为第k层(k＝1，2，……，n)第j个格点(j＝1，2，……，m)的4个格点的降水预报值，m为每一层的格点数，F_kjis为第s种(s＝1，2，……，p)数值预报模式的格点降水预报值，TS_s为第s种数值预报模式的降水预报TS百分数评分值。降水预报TS百分数评分值获得方法为：提前将百分数评分0-100分为多个量级，将降水情况划分为多个量级，通过经验或者实验的统计获得相对应的降水预报百分数评分值，如表1所示：

表1模式预报与降水实况对应的TS百分数评分表

表1为模式预报与降水实况对应的TS百分数评分表，表中R_f为模式预报降水量(单位：mm)，R_obs为实况降水量(单位：mm)；对应不同的降水量级，TS评分的百分数分为0，30，50，90，100共5个量级。

上述的数值预报模式有很多种，比如：目前国际国内常用的几种数值预报模式：GRAPES、T639、ECMWF、NCEP……

GRAPES：GRAPES是英文全称“全球/区域同化预报系统”的缩写(Global/Regional Assimilation and PrEdiction System)，是中国气象局自主研发的新一代数值预报系统，于2015年正式业务化。

T639：T639是由中国气象局数值预报中心开发的全球数值预报业务系统，是T639L60全球中期数值预报模式的简称。该模式具有较高的分辨率，达到全球水平分辨率30公里，垂直分辨率60层，模式顶到达0.1百帕。于2008年正式业务运行。

ECMWF：ECMWF是“欧洲中期数值预报”的简称，其数值预报模式是全球研发最早、精度较高、运行稳定的业务模式，几十年的业务运行中，ECMWF的预报水平在世界上众多数值预报模式中处于超一流水准的位置。

NCEP：NCEP是美国国家环境预报中心(National Center of Environment Prediction)的简称，其多种业务数值预报模式在国际上处于一流水准，如中尺度数值模式MM5和WRF。

步骤二、获得与北斗定位匹配的点与各格点间距离及以所述点为中心的n层降水格点数据

北斗定位精度在2016年亚太范围为20米，在部分设有差分站的地区(如北京)精度达到米级。在北斗覆盖的地点，使用装有北斗卫星导航接收芯片的手机、车载卫星导航装置或者其他北斗终端，即能实现某地点的定位。通过北斗定位匹配获得该点与各格点的距离，并且结合步骤一获得的基于集合预报的降水数值预报格点数据，获得以所述点为中心的n层降水格点数据。

图2是采用本发明方法获得的应急服务点附近n层格网示意图，从图中可以看出，通过匹配北斗定位与降水格点数据，得到了应急服务点湖北恩施建始县崔坝镇水田坝村附近n层5x5千米的降水格点数据，能够为泄漏点的降水精细预报提供基础数据。由图2可见，对于应急服务点附近的n层格网，第k层(k＝1，2，3，…，n)分别有j个格点(j＝1，8，16，…，m)。

步骤三、基于步骤二获得的n层降水格点数据，将多源降水观测数据采用数据融合方法，获取新的n层降水格点数据。

基于步骤二获得的n层降水格点数据，将多源气象观测数据采用数据融合方法获取新的n层降水格点数据。其中，多源气象观测数据来源于地面观测、雷达、卫星、风廓线仪、微波辐射仪、航空报、飞机报、GPS水汽、探空等。数据融合方法是数学算法，有很多种气象数据融合方法，本发明采用三维变分同化数据融合方法，当然其它融合方法也不排斥，但根据目前的条件，经过实验采用三维变分同化数据融合方法为最佳效果。比如获得单点附近逐3小时n层5x5千米降水数值预报格点数据。

步骤四、确定单点降水预报值

利用距离加权的线性插值方法和线性回归方法，实现对单点降水的定量计算。具体的计算方程组如下：

其中，F_kji(i＝1，2，3，4)为第k层(k＝1，2，……，n)第j个格点(j＝1，2，……，m)的4个格点的降水预报值，m为每一层的格点数，R_kji为4个格点与F站点之间的距离，F_kj为第k层第j个格点的降水预报值；R_kj为第k层第j个格点与站点之间的距离，F_k为第k层格点的降水预报值；F为站点降水预报值，a₀，a₁，…，a_n为单点降水的多元线性回归方程的回归系数，回归系数应用最小二乘法求解，就是在使残余误差平方和为最小的条件下求解回归系数。n根据设定的置信度为标准确定，比如置信度α＝0.05。

上述方程组为降水计算模型，针对应急服务点，对于n层5x5千米的数值预报格网，利用两次距离加权的线性插值和一次多元线性回归，求解该方程组，即可定量计算某地点的降水预报。具体计算过程如下：

S401、各格点距离加权插值

对于5x5千米的格点预报数据，先将每一个格点的4个数值距离加权插值得到该格点的值，计算方程如(2-1)。

其中，F_kj为第k层(k＝1，2，……，n)第j个格点(j＝1，2，……，m)的降水预报值，F_kji(i＝1，2，3，4)为第k层第j个格点的4个格点的降水预报值，R_kji为4个格点与应急服务站点之间的距离。

S402、各层格点距离加权插值

距离加权插值得到每一层的降水值，具体计算方程如下：

其中，F_k为第k层格点的降水预报值，F_kj为第k层第j个格点的降水预报值；R_kj为第k层第j个格点与站点之间的距离。

S403、站点降水多元线性回归方程

构建降水多元线性回归方程，获得站点的降水计算结果。

构建回归方程的原理在于，由于对资料采用了插值及匹配处理，各层的降水计算值与实测值存在误差，经偏差统计分析，建立回归方程进行计算。在建立回归方程时，以置信水平α＝0.05为标准，分析降水计算量和实测值的关系，通过构建回归方程来计算降水。具体的回归方程如下：

其中，F为降水预报值，F_k为第k层格点的降水预报值，a₀，a₁，…，a_n为多元线性回归方程的回归系数。回归系数应用最小二乘法求解，就是在使残余误差平方和为最小的条件下求解回归系数。

通过上述方程组构建的降水预报模型，即可求得单点降水预报结果。

通过利用本发明的方法，综合利用多数值模式集合预报和多源降水精细化观测数据，对应急服务点(湖北恩施崔坝镇附近)的降水进行精确预报。应急服务点处于丘陵山地，地形地貌比较复杂，距离现有气象观测站都有一定的距离，如果直接使用附近站点的资料，会有较大的误差，直接影响抢险救灾效果。使用本发明的方法，在持续1个月的应急服务中，对于应急服务点的降水开展了精确预报，降水预报准确率相对于常规方法有明显提高，取得了很好的服务效果。8月4-8日的降水过程服务就是典型实例。

表2是应用本发明提供的建始站降水预报与实况的检验结果，表中日期指起报日期，起报时段为20时，TS为TS评分，晴雨指晴雨预报准确率。由表2可见，24h与48h晴雨预报准确率均为100％，即该方法提供降水有无的准确率很高，24h与48h的降水预报TS评分均在50分以上，去除特大暴雨日，降水的TS评分达到70分以上；证明该发明方法具备业务应用价值。

表2建始站日降水预报与实况的检验结果统计表

图3、图4是参考站采用本发明方法获得的精确降水预报与实况的对比图，参考站选用的是距离应急服务点最近的自动站，即崔坝镇水田坝村建始站，其中，图3和图4分别是2016年8月4-9日08时的逐3小时降水24h预报和48h预报与实况的对比图。由图可见，利用本发明提供的逐3小时降水预报与实况趋势一致，均预报出了5次降水过程；尤其对中小降水的时间、量级预报精度较高；明显的误差出现在特大暴雨过程，反映为预报降水量显著偏小，24h预报降水出现时段滞后。对逐3小时降水的量级与出现时间，24h预报都优于48h预报，证明了分钟级降水实况融合应用的有效性。

值得重点提到的是，虽然对5日特大暴雨过程的降水量预报误差显著、预报出现时段滞后，但对于特大暴雨这种小概率事件，本发明提供的逐3h精细化降水预报较为准确地刻画了本次大降水过程，预报的累积过程降水量达到暴雨量级，出现明显降水的时段也比较准确，因此为应急服务点提供了及时准确的预报产品，应急服务的效果较好。

以上所述的具体描述，对本发明的目的、技术方案和实施方式进行了详细说明，所应理解的是，以上所述的本发明的具体实例，并不用于限定本发明的保护范围，凡在本发明的精神与原则之内，所做的任何修改、等同替换、改进等，以及伴随相关技术进步后新的资料源、预报模式和预报范围时空尺度的细化、统计产品、插值和回归方法的增加或改进，均应包含在本发明的保护范围之内。