一种面向资料同化的天气雷达径向速度质量控制方法与流程

本发明涉及气象雷达数据质量控制，特别是涉及一种面向资料同化的天气雷达径向速度质量控制方法。

背景技术：

多普勒天气雷达的灵敏度高，软硬件稳定可靠，具备全天候无人值守自动观测的能力，是监测中小尺度灾害性天气系统的重要设备。多普勒天气雷达可以提供高时空分辨率的径向速度、反射率因子和谱宽三种基数据。其中，径向速度可以准确提供天气系统的风场细节信息，长期以来在灾害性天气预警方面发挥了重要作用，是短时临近天气预报不可或缺的资料。同时，随着我国新一代天气雷达网建设的不断完善和数值天气预报技术的快速发展，多普勒天气雷达径向速度资料同化得到了越来越多的关注，对于数值模式初始场的改进作用也越来越显著。然而，不论是天气雷达径向速度的直接诊断分析，还是后续分析产品的制作，或是天气雷达径向速度资料同化，都需要对径向速度原始观测进行质量控制。目前，国内外学者针对天气雷达径向速度的质量控制研究主要集中于速度退模糊。

近几十年来，国内外学者在天气雷达径向速度退模糊方面取得了丰硕的研究成果，然而从资料同化角度来对天气雷达径向速度进行质量控制的研究却相对稀少。目前，主流的资料同化系统都是使用自带的观测资料质量控制方法-阈值检查法，可以把|y^o-y^b|＞kσ(y是观测资料类型，y^o是观测场，y^b是背景场，k是常数，σ是标准差)的观测资料剔除掉。然而，在计算观测资料样本的平均值和标准差时，具有较大偏差的离群值会对其产生显著影响，最终会为离群资料的识别带来障碍。将这种质量控制方法应用到雷达径向速度资料中，会出现无法有效识别离群资料或者异常剔除正常资料的问题。诸多研究表明，采用双权重算法可以弱化这种负面影响，该方法主要是利用o-b(o代表y^o，b代表y^b)的双权重平均值和双权重标准差对离群资料进行有效识别。不过，双权重算法目前仅在gps资料、地面观测资料、卫星臭氧资料的质量控制及同化中有初步应用，国内外尚无将其应用于雷达径向速度资料质量控制及同化的先例，难点在于如何解决雷达资料和模式背景场资料的时空匹配问题、如何合理协调科研需求和业务需求、如何与常规流程进行有机整合以适应高频次的雷达资料同化。

技术实现要素：

鉴于现有技术存在的问题和缺陷，本发明充分考虑到数值天气预报中资料同化的实际需求，结合数值天气预报的常规流程，提供一种面向资料同化的天气雷达径向速度质量控制方法。该方法可以直接集成到数值天气预报模式中，具有简便易行、执行快速、维护方便等优点。该方法利用双权重算法并根据其特性，在参数列表中设置了科研和业务的选项，通过自主设定质量控制阈值的方式满足科研工作中操作直观、执行高效的需求，通过递归质量控制的方式实现业务工作中效果稳定、无需人工干扰的需求。

本发明采取的技术方案是：一种面向资料同化的天气雷达径向速度质量控制方法，其特征在于，所述方法有以下步骤：

(1)、利用数值天气预报前处理模块wps对再分析资料进行处理，生成时空分辨率满足要求的met文件。

(2)、将met文件输入数值天气预报初始化模块real.exe，生成背景场wrfinput文件和边界条件wrfbdy文件。

(3)、利用雷达径向速度同化的观测算子将背景场从模式空间向观测空间投影，直接输出投影结果，计算距离每个有效的雷达观测值最近的多个投影值的平均值，用于平滑投影后资料中的小尺度扰动，将平均值作为与雷达观测值对应的模式背景值，保证投影后的背景场和雷达资料的时空分辨率一致。

(4)、计算每一个雷达观测值与对应的模式背景值的差值。

(5)、生成并导出差值数据集。

(6)、计算差值数据集中每个资料点的权重函数wi：

式(1)中：y^o代表雷达观测值，y^b代表模式背景值，m是(y^o-y^b)i的中位数，mad是|(y^o-y^b)i-m|的中位数，c是常数。

(7)、计算差值数据集中每个资料点的双权重平均值

(8)、计算差值数据集中每个资料点的双权重标准差σ^bw(y^o-y^b)：

(9)、基于公式(2)和公式(3)，计算差值数据集中每个资料点的zi值：

式(4)中，zqc是识别离群资料的临界值，即质量控制阈值，根据实际需求对质量控制阈值做赋值，随后剔除数据集中zi≥zqc的资料。

(10)、读取参数列表文件namelist中的option值，option＝1代表启用科研需求流程，option＝2代表启用业务需求流程；

当option＝1时，执行以下步骤：

(a1)、用户在参数列表文件中根据科研需求自主设定质量控制阈值zqc；

(b1)、删除差值数据集中zi≥zqc的资料。

当option＝2时，执行以下步骤：

(a2)、用户根据业务需求启用质量控制阈值zqc的默认值；

(b2)删除差值数据集中zi≥zqc的资料；

(c2)计算差值数据集中剩余资料的偏态s和峰度k：

式(5)中，s表示偏态值；xi表示差值数据集中第i个数据；表示差值数据集的平均值；n是差值数据集的数据量；

式(6)中，k表示峰度值，xi表示差值数据集中第i个数据；表示差值数据集的平均值；n是差值数据集的数据量。

(d2)、如果偏态s和峰度k满足|s|≤0.01且|k-3|≤0.1的条件，则执行步骤(11)；如果偏态s和峰度k不满足|s|≤0.01且|k-3|≤0.1的条件，则执行步骤(e2)。

(e2)重新赋值质量控制阈值zqc＝zqc-e，其中e是质量控制阈值zqc的递减步长，随后执行步骤(b2)。

(11)、将经过质量控制的雷达资料输入数值天气预报资料同化模块。

(12)、输出雷达资料同化结果。

(13)、根据参数列表文件namelist中所设置的同化参数，判断同化是否结束，如果同化已经结束，则执行后续步骤；如果同化没有结束，则进行雷达资料的循环同化，跳转实现对雷达资料的循环质量控制，直至同化结束，随后执行后续步骤。

(14)、将雷达资料同化结果输入数值天气预报主模块。

(15)、对数值天气预报主模块生成的模式预报结果进行后处理。

在所述步骤(3)中，计算距离每个有效的雷达观测值最近的上、下、左、右、前、后六个投影值的平均值。

在所述步骤(10)中的(a2)步骤中、用户根据业务需求启用质量控制阈值zqc的默认值设置为3。

在所述步骤(10)中的(e2)步骤中、重新赋值质量控制阈值zqc＝zqc-e，其中质量控制阈值zqc的递减步长e设置为0.02。

本发明所产生的有益效果是：

(1)本发明的天气雷达径向速度资料质量控制方案既可以合理剔除观测误差较大的资料，又可以去除模式分辨率无法分辨的小尺度变化资料或者观测算子难以模拟好的资料，同时还可以保证实际观测值减去背景场模拟值(o-b)的概率密度函数接近高斯分布，提高了分析场的精度，有利于后续的雷达资料同化。

(2)本发明的天气雷达径向速度资料质量控制方案充分考虑到数值天气预报中资料同化的实际需求，并结合数值天气预报的常规流程，直接集成到数值天气预报模式中，具有简便易行、执行快速、维护方便等优点。

(3)兼顾科研和业务的需求，合理设计相关流程，并在参数列表中设置了相关选项，用户可以自主选择，有效降低实际操作难度。

附图说明

图1是本发明的质量控制方法流程图；

图2是本发明的一个实施例——南京雷达站2016年1月1日00时至2017年1月1日00时质量控制前后的径向速度资料o-b的概率密度函数图；图中的beforeqc图示表示质量控制前，afterqc图示表示质量控制后。

具体实施方式

以下结合附图对本发明作进一步说明。

使用s波段新一代多普勒天气雷达南京站2016年1月1日00时至2017年1月1日00时的径向速度资料对本质量控制方法进行了测试和评估。结果表明：质量控制前(是指还未进行质量控制的原始资料)的o-b的概率密度函数呈现出右偏态的统计特征，明显偏离高斯分布，会降低资料同化的分析场精度。采用本方法进行质量控制后，位于原始概率密度函数两端的偏差较大值被大量剔除(如图2所示)，使o-b的概率密度函数呈现出更为标准的高斯分布形态，这为天气雷达径向速度资料同化提供了有利条件。

此外，也对比了使用本质量控制方法和我国业务数值天气预报系统中质量控制方法的效果，发现本质量控制方法要显著优于我国业务数值天气预报系统中的质量控制方法，特别是在台风、强对流、飑线、暴雨等重要天气过程中的表现尤佳。

如图1所示，具体实施步骤如下：

(1)、利用数值天气预报前处理模块wps对再分析资料进行处理，生成时空分辨率满足要求的met文件。

(2)、将met文件输入数值天气预报初始化模块real.exe，生成背景场wrfinput文件和边界条件wrfbdy文件。

(3)、利用雷达径向速度同化的观测算子将背景场从模式空间向观测空间投影，直接输出投影结果，计算距离每个有效的雷达观测值最近的六个(上、下、左、右、前、后)投影值的平均值，用于平滑投影后资料中的小尺度扰动，将平均值作为与雷达观测值对应的模式背景值，保证投影后的背景场和雷达资料的时空分辨率一致。

(4)、计算每一个雷达观测值(o)与对应的模式背景值(b)的差值。

(5)、生成并导出差值数据集。

为了解决雷达资料和模式背景场资料的时空匹配问题，本发明在模式空间向观测空间投影这个常规步骤后，直接输出投影结果，并计算距离每个有效的雷达观测值最近的六个投影值的平均值，将此平均值作为与雷达观测值对应的模式背景值，随后计算所有的雷达观测值和模式背景值的差值，生成差值数据集。

(6)、计算差值数据集中每个资料点i(i＝1,2，3…)的权重函数wi：

式(1)中：y^o代表雷达观测值，y^b代表模式背景值，m是(y^o-y^b)i的中位数，mad是|(y^o-y^b)i-m|的中位数，c是常数。本实施例中将常数c设置为7.5。当|wi|＞1.0时，则wi＝1.0。

(7)、计算差值数据集中每个资料点的双权重平均值

(8)、计算差值数据集中每个资料点的双权重标准差σ^bw(y^o-y^b)：

(9)、基于公式(2)和公式(3)，计算差值数据集中每个资料点的zi值：

式(4)中，zqc是识别离群资料的临界值，即质量控制阈值，根据实际需求对质量控制阈值做赋值，随后剔除数据集中zi≥zqc的资料。

该双权重算法的主要特点是距离数据分布的中心点较近的点被赋予较大的权重，从而可以有效的去除数据中的异常点。

(10)、读取参数列表文件namelist中的option值，option＝1代表启用科研需求流程，option＝2代表启用业务需求流程。

当option＝1时，执行以下步骤：

(a1)、用户在参数列表文件中根据科研需求自主设定质量控制阈值zqc；

(b1)、删除差值数据集中zi≥zqc的资料。

当option＝2时，执行以下步骤：

(a2)、用户根据业务需求启用质量控制阈值zqc的默认值；

(b2)删除差值数据集中zi≥zqc的资料；

(c2)计算差值数据集中剩余资料的偏态s和峰度k：

式(5)中，s表示偏态值；xi表示差值数据集中第i个数据；表示差值数据集的平均值；n是差值数据集的数据量；

式(6)中，k表示峰度值，xi表示差值数据集中第i个数据；表示差值数据集的平均值；n是差值数据集的数据量；

(d2)、如果偏态s和峰度k满足|s|≤0.01且|k-3|≤0.1的条件，则执行步骤(11)；如果偏态s和峰度k不满足|s|≤0.01且|k-3|≤0.1的条件，则执行步骤(e2)；

(e2)重新赋值质量控制阈值zqc＝zqc-e，其中e是质量控制阈值zqc的递减步长，随后执行步骤(b2)。

(11)、将经过质量控制的雷达资料输入数值天气预报资料同化模块。

(12)、输出雷达资料同化结果。

(13)、根据参数列表文件namelist中所设置的同化参数，判断同化是否结束，如果同化已经结束，则执行后续步骤；如果同化没有结束，则进行雷达资料的循环同化，跳转实现对雷达资料的循环质量控制，直至同化结束，随后执行后续步骤。

(14)、将雷达资料同化结果输入数值天气预报主模块。

(15)、对数值天气预报主模块生成的模式预报结果进行后处理。

科研工作中，用户往往希望能够直观控制资料的剔除率和了解不同质量控制阈值对结果的影响。而业务工作中，用户则希望整个质量控制过程无人为打断，并且质量控制效果在不同情况下均要保持稳定。因此，本发明在同化系统的namelist文件中增加了option选项，以兼顾科研和业务的不同需求。

选择科研选项时，用户可以自主设定zqc，随后由程序剔除zi≥zqc的资料。

选择业务选项时，程序自动将zqc设置为默认值3。本发明的实施例表明当zqc设置为3时，资料剔除率在2％以下，可以保证拥有一个较理想的zqc启动值。

随后，由程序剔除zi≥zqc的资料并计算数据集中剩余资料的偏态s和峰度k。由于资料同化中认为观测值与对应的背景值的差值分布应该符合高斯分布，偏离高斯分布会影响同化效果。而偏态和峰度可以代表资料分布趋近高斯分布的程度，偏态越接近于0，峰度越接近于3，则资料分布越接近于高斯分布。因此，可以通过偏态s和峰度k的数值来判断质量控制效果。本发明的实施例表明，当|s|≤0.01且|k-3|≤0.1时，质量控制效果较稳定。

实际执行过程中，往往不能通过一次质量控制就达到预期效果。本发明还设计了递归质量控制过程，当剩余资料不满足|s|≤0.01且|k-3|≤0.1的条件时，程序自动将质量控制阈值zqc减去一个递减步长e，随后用新的质量控制阈值zqc对剩余资料进行质量控制，再计算质量控制后资料的偏态s和峰度k，直至满足|sk|≤0.01且|bk-3|≤0.1的条件，跳出递归质量控制。本发明的实施例通过批量试验表明，质量控制阈值zqc的递减步长e设置为0.02较为合适。

本发明提出的一种面向资料同化的天气雷达径向速度质量控制方法，基于双权重算法并设计合理的流程步骤，兼顾科研和业务需求，有效提升了天气雷达径向速度资料的质量。