一种数值天气预报及格点客观预报产品选优方法与流程

本发明属于天气预报技术领域，涉及一种数值天气预报及格点客观预报产品选优方法。

背景技术：

随着数值天气预报技术发展和资料同化水平的提高，数值天气预报准确率越来越高，在天气预报业务中发挥着越来越重要的作用。目前，省级天气预报业务上可以接收到的数值天气预报包括国内外全球数值天气预报和国内区域中尺度数值天气预报产品，这些全球和区域数值天气预报可以每日2次提供至少3天内的逐小时降水、温度、风等要素数值预报。同时，为了提高对快速发展的强对流等灾害天气的预报能力，近几年，国家级、区域中心和省级气象部门还开发了快速更新循环同化预报（ruc）系统，可以对未来天气进行逐小时循环更新预报。同时，随着智能网格业务的发展，逐步研发了格点客观预报产品，对数值天气预报产品进行订正释用。由于不同数值预报产品对不同天气过程的预报准确率各有所长，其优势性表现不是一成不变的。这些大量的数值天气预报及格点客观预报产品如何选择使用，成为当今预报员面临的一个重要难题。当有灾害天气过程影响时，预报员往往来不及查看所有的数值天气预报及格点客观预报结果，只能根据平时的经验选择欧洲中心（ecmwf）等权威机构的数值预报结果直接应用。而由于观测资料的误差、模式系统的spin-up等问题，即使进行快速更新循环同化预报，最新时次的预报结果也未必一定是最准确的。因此，亟待研发一种预报选优方法，能够从众多的数值天气预报及格点客观预报产品中选取最优预报产品，为预报员提供高质量的数值天气预报及格点客观预报产品。

预报选优往往根据数值天气预报或格点客观预报过去一段时间的预报表现来判断，如何评判预报好坏需要合理的检验评估方法。目前，天气预报业务上使用较多的检验方法是ts评分。该方法要求点对点预报准确才算正确，落区稍微偏离或强度稍微偏差即不得分，其主要缺点是不能合理评判降水、雾等灾害天气预报产品的好坏。近几年来，借鉴国内外一些先进的检验方法，如茅懋等（《气象》，2016，不同类型强对流预报产品的目标对象检验与分析评价）设计了一种目标对象检验方法，可以对不同强对流预报产品进行目标对象检验评价。曲巧娜等（《气象》2019，基于目标对象检验法的多种模式强降水能力的比较）设计了一种改进的目标对象检验方法，可以对多种数值天气预报、集合预报的降水预报进行目标对象检验，评价各模式产品预报能力。该目标对象识别匹配方法包括面积评分、重心位置评分、形状评分、中心强度评分等。但是，由于该方法是基于不规则的站点实况进行匹配，在进行面积、形状等的计算时，会导致计算结果存在较大误差，且降水中心强度评分人为给定了一些设置，应用起来主观性比较强。更为重要的是，此前的方法均为针对单个目标（如降水雨团、高温、大风、雾区等）的识别匹配检验方法，应用起来过于复杂。在实际天气预报业务中，某一区域范围的预报往往包括多个不同性质的预报（实况）落区，预报员更为关注某一区域内的预报总体情况。然而，目前针对如何在合理评价单个目标对象检验参数的基础上，进行预报区域范围内天气预报（如降水雨团、高温、大风、雾区等）好坏的总体评价，从而对数值预报产品进行选优方面，仍旧缺乏切实有效和实用的方法。

技术实现要素：

本发明针对传统大量的数值天气预报和格点客观预报产品如何有效应用问题提出一种新型的数值天气预报及格点客观预报产品选优方法。

为了达到上述目的，本发明是采用下述的技术方案实现的：

一种数值天气预报及格点客观预报产品选优方法,包括如下步骤:

s1:设定选优预报强度阈值和优选时段，

所述强度阈值为预报产品中关注的天气预报要素数值下限,优选时段为预报产品中选取的分析时间段。根据用户关注重点，设定针对某一强度以上的天气预报（如降水、温度、风速、能见度等）进行预报选优，并确定预报选优时段，比如，对过去24小时某一区域范围内50mm以上的降水预报进行选优。

s2:数据加工处理，获取天气预报业务上常用的数值天气预报产品以及格点客观预报产品，将预报产品中关注的天气预报要素,插值到一定区域范围的均匀网格（等经纬或等距离）上，得到预报格点场。将站点观测实况进行插值处理，处理成与数值预报同样的均匀网格（等经纬或等距离）上，得到实况格点场。

s3:目标对象识别，设定一个目标对象的最小点数（阈值），针对预报和实况格点场，找出该区域范围内所有大于某一强度以上的格点，逐个点判断与其相邻的格点是否为该强度以上的预报。如果有大于该强度的预报，则作为一个识别的目标点，继续判断周围的点的值；如果周围的点都小于该等级的预报，则结束一个目标对象识别。依次循环，最终识别出一个个预报目标对象及实况目标对象。

s4:目标对象匹配评分，

s401:根据识别的实况目标对象，对选优时段内识别的预报目标分别进行ts评分，计算识别的目标对象点对点预报的准确率，检验预报目标对象与实况目标对象的重叠程度。

s402:面积大小预报评分，分别计算实况目标对象及预报目标对象对某一强度以上天气预报的有效面积大小，计算面积大小评分。

s403：重心位置预报评分。分别计算预报目标对象与实况目标对象的重心位置，通过给定预报目标对象和实况目标对象重心位置的最大容忍距离和最佳距离，进行重心位置评分，评价预报目标对象与实况目标对象位置的偏离程度。

s404：落区形状预报评分。首先确定目标对象的长短轴的尺度、比例和轴向。对于某个目标对象，提取边界点信息，通过重心的最长两个边界点的连线即为长轴，通过重心且垂直于（可定义偏差在一定角度范围内）长轴的最短两个边界点连线即为短轴。分别找出预报目标对象与实况目标对象的长轴和短轴，计算长短轴的比例即椭圆率和长轴的轴向角度，计算轴向角评分和椭圆率评分，轴向角评分和椭圆率评分的平均值即为落区形状评分。

s405：目标对象匹配综合评分。根据预报业务关注的重点，分别给定预报目标对象ts评分、面积大小预报评分、重心位置预报评分、落区形状预报评分四项评分不同的权重，按权重评分进行相加，计算出单个目标对象预报的综合评分值，选取综合评分最高的目标对象为匹配最好的预报目标对象。依次循环，完成某一区域范围内所有预报目标对象的匹配评分。

s5:区域预报总体评价，

在逐个目标对象识别匹配评分的基础上，对区域内预报进行总体评价。将某一区域范围内所有目标对象匹配结果分为四类：完美预报落区、不完美预报落区、漏报落区、空报落区，分别统计出该区域内这四类预报落区数目。在重心位置预报评分>0的基础上，分别给定完美预报落区和不完美预报落区综合评分一定的权重，计算关注区域范围内所有匹配的预报目标对象的总评分，进行区域预报总体评价。

s6：预报优选，

逐个计算不同数值预报或格点客观预报在某一时段某一区域范围内的预报总评分，区域总评分最高的即为最优预报产品。根据用户关注重点，四类落区总数目作为选优的辅助参考。

需要说明一下，上述预报选优是指从众多的预报中选取预报准确率最高的产品。目标对象是指某一强度以上的相互连通的预报区域（格点）或实况区域（格点）。

作为优选,所述s401中ts评分的计算公式如下：

式中，na为预报正确的格点数，若预报出现某一强度以上天气（如降水、温度、风速、能见度等），实况也出现该强度以上天气（如降水、温度、风速、能见度等），记为预报正确。

nb为空报格点数，若预报出现某一强度以上天气（如降水、温度、风速、能见度等），实况未出现该强度以上天气（如降水、温度、风速、能见度等），记为空报。

nc为漏报格点数，若预报未出现某一强度以上天气（如降水、温度、风速、能见度等）而实况出现该强度以上天气（如降水、温度、风速、能见度等），记为漏报。

na、nb、nc的定义见表1。

表1na、nb、nc定义

作为优选,所述s402中目标对象面积大小预报评分计算公式如下：

其中，amod为预报目标对象的有效面积，aobs为实况目标对象的有效面积，表示预报和实况目标面积大小的差异。当两目标对象有效面积一样大时，sarea为1。sarea的大小客观反映了预报和实况目标对象的面积差异程度，差异越大，sarea越小，差异越小，sarea越大。

作为优选,所述s403中的重心位置为目标对象中最强中心所在的位置（经纬度）。如果最强预报中心有多个点的，取多个点的中心位置为重心位置。

所述最大容忍距离，是指用户能够接受的预报和实况目标对象的重心位置最大偏差。超出此范围的预报认为不正确或没有价值。根据检验范围大小和用户需求，可以设置不同的最大容忍距离。

所述最佳距离，是指用户认为完美预报和实况目标对象的重心位置偏差。在此范围内的预报认为是重心位置正确。根据检验范围大小和用户需求，可以设置不同的最佳距离。

作为优选,s403中重心位置预报评分计算公式为：，其中，sgc为重心位置评分，lmax为最大容忍距离、lmin为最佳距离。分别计算预报目标对象与实况目标对象的重心位置，当预报对象与实况对象的重心距离l≥lmax时，sgc=0；lmin<l<lmax时，；当l≤lmin时，sgc=1。sgc的大小客观反映了目标对象的位置偏离程度，位置偏离越远，sgc越小；位置越接近，sgc越大。

作为优选,落区形状评分包括轴向角评分和椭圆率评分，所述s404中的轴向角评分计算公式为：

，

其中，saxial为轴向角评分，daxa为预报与实况对象的轴向角差；这里定义当轴向角差daxa>90°时，轴向评分saxial=0；轴向角差daxa<10°时，轴向评分saxial=1；当10°≤daxa≤90°时，saxial=。根据用户需求，可以对轴向角差值阈值进行调整。

所述椭圆率评分计算公式为：

，其中，sellip为椭圆率评分，dellip为预报与实况对象的椭圆率差。

落区形状评分为轴向角评分和椭圆率评分的加权平均，计算公式如下：

落区形状评分sshape越高，说明预报目标对象形状越接近实况。

作为优选,所述s405中目标对象匹配综合评分计算公式为：，其中r1为ts评分权重，r2为面积大小评分权重，r3为重心位置评分权重，r4为落区形状评分权重，根据预报用户需求和关注重点设定各部分的评分权重。对四项评分按权重进行相加，即为单个目标对象预报的综合评分，评分最高的为匹配最好的预报落区。

作为优选,所述完美预报落区，是指匹配的预报目标对象检验中重心评分大于某一阈值（自定义）,且预报与实况目标对象有重叠区域的预报落区；所述不完美预报落区，是指匹配的预报目标对象检验中重心评分大于0且不属于完美预报落区的预报落区；所述漏报落区，是指实况有而预报无该强度以上的预报落区；所述空报落区，是指实况无而预报有该强度以上的预报落区。

与现有技术相比，本发明的优点和积极效果在于：

本发明设计了一种数值天气预报及格点客观预报产品选优方法，把某一区域的天气实况和预报识别为多个目标对象（某一强度以上的落区），对预报和实况目标对象进行匹配，即依次进行ts评分、面积强度评分、重心位置评分、形状评分的综合评价，选出预报最接近实况的预报落区。在此基础上，按照目标对象匹配程度把预报目标对象分为完美预报落区、不完美预报落区、空报落区和漏报落区，根据需要给定完美落区和不完美落区综合评分一定的权重，加权平均得到区域范围内预报总评分。结合空报和漏报落区数目，进而选出区域总评分最高的预报产品为最优预报产品。

该方法已在2019年实时业务中进行应用，通过对ruc快速更新循环同化预报系统不同时次起报的预报进行选优试验发现，该方法可以较好地选出最优数值天气预报产品，为预报员提供高质量的客观产品，提高了数值天气预报应用能力。该选优产品还可以作为格点客观预报产品直接应用，有效提高天气预报准确率。

附图说明

图1为2019年9月1日ruc系统10～17时不同时次起报的17-18时1小时降水量。

图2为不低于1mm降水预报选优结果—ruc14时起报的17-18时1mm以上降水预报和实况对比（阴影为实况不低于1mm的降水格点，数字为预报不低于1mm的降水格点）。

图3为不低于5mm降水预报选优结果—ruc12时起报的17-18时5mm以上降水预报和实况对比（阴影为实况不低于5mm的降水格点，数字为预报不低于5mm的降水格点）。

图4为5mm降水预报选优结果—ruc12时起报的17-18时1mm以上降水预报和实况的对比（阴影为实况1mm的降水格点，数字为预报不低于1mm的降水格点）。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合具体实施例对本发明做进一步说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。

实施例1,本实施例以申请人对山东省某次气象预报优选应用案例为例进行方法步骤说明和效果验证。

2019年9月1日17-18时，山东省出现了局地短时强降水天气，其中济南市小时降水量超过10mm。采用该选优方法对山东省气象科研研究所快速更新循环同化预报系统（ruc）不同时次起报17-18时降水预报进行选优。结果表明，该方法能够从多次不同起报的结果里选取最优预报，选优结果合理，为预报员进行产品应用提供了帮助。下面详细进行说明，本实施例采用如下步骤进行优选操作：

（1）选优时段选取2019年9月1日17-18时山东区域1小时降水预报，选优对象为ruc预报系统过去8小时内不同时次起报的17-18时1小时降水预报。为进行验证选优效果和合理性，分别对不低于1mm和不低于5mm两个不同的降水阈值进行预报选优试验。

（2）数据加工处理。获取2019年9月1日17-18时的山东省1小时降水实况，获取ruc系统过去8小时内（10-17时）不同时次起报的17-18时1小时降水预报，将降水实况和预报统一处理成0.05°*0.05°的等经纬网格数据，数据范围为114.65-122.80°e，34.25-38.55°n，覆盖山东省。

（3）目标对象识别。分别对降水实况和预报产品进行目标对象识别。首先设定目标对象的最小格点数。由于本次降水范围很小，设定不低于1mm、不低于5mm降水选优时一个目标对象的最小点数为5个格点。在预报区域范围内找出所有大于给定阈值强度以上的预报及实况格点，逐个点判断与其相邻的格点是否为该强度以上的预报。如果有大于该强度的预报，则作为一个识别的目标点，继续判断周围的点的值；如果周围的点都小于该等级的预报，则结束一个目标对象识别。依次循环，识别出一个个预报及实况目标对象。

（4）目标对象匹配评分（公式采用说明书中发明内容部分记载的公式，本实施例不再进行重复。其中,各个公式中权重数值的给出，一般依照气象工作者的经验或者根据实际情况来确定,权重大小可根据不同地区的实际情况而进行调整）。

1）ts评分。对选优时段内识别的预报目标分别进行ts评分，其中预报和实况格点均大于阈值的为预报正确，计算目标对象点对点预报的准确率。

2）面积大小预报评价。分别计算实况目标对象及预报目标对象对不同阈值以上天气预报的有效面积大小，计算面积评分。

3）重心位置预报评价。根据山东省的范围，这里设定最大容忍距离为220km，最佳距离为40km，分别计算预报目标对象与实况目标对象的重心位置，进行重心位置评分。

4）落区形状评价。识别出目标对象的长轴，这里定义通过重心且垂直于长轴（偏差在2°内）的最短两个边界点连线为短轴，分别计算预报目标对象与实况目标对象的椭圆率和长轴的轴向角度，计算落区形状评分。

5）目标对象匹配综合评分。

根据预报业务关注的重点，降水落区位置预报准确比较重要，为此，给定的重心位置评分权重较高，同时兼顾其他各项的评分权重。由于面积大小评分对于降水落区预报也比较重要，为对比面积大小评分权重对结果的影响，设计了2组不同的评分权重进行对比试验，试验编号分别记为a1、a2。

a1：ts评分权重为0.2，面积大小评分权重为0.1，重心位置评分权重0.6，落区形状评分权重0.1；

a2：ts评分权重为0.2，面积大小评分权重为0.2，重心位置评分权重0.5，落区形状评分权重0.1。

根据ts评分、面积大小、重心位置、落区形状四项评分按不同权重进行加权平均，计算出单个目标对象预报的综合评分值，选取综合评分最高的目标对象为匹配最好的预报目标。依次循环，完成山东区域范围内所有预报目标对象的匹配评分。

（5）区域预报总体评价。

在单个目标对象识别匹配的基础上，将某一区域范围内所有目标对象匹配结果分为四类：完美预报落区、不完美预报落区、漏报落区、空报落区，为体现重心位置预报的重要性，这里规定重心评分不低于0.8且预报目标和实况目标有重叠的为完美预报落区，其他重心位置评分大于0的为不完美预报落区，实况有而未预报出该强度以上落区的为漏报落区，实况无而预报有该强度以上落区的为空报落区。分别给定完美预报落区和不完美预报落区综合评分一定的权重，计算山东区域范围内所有匹配的预报目标对象的总评分。考虑到目标对象重心位置距离相同的情况下，面积较大的预报目标对象和面积较小的预报目标对象效果不同，这里也设计了2组对比试验，试验编号分别记为b1、b2。

b1：完美预报落区和不完美预报落区综合评分权重均为1；

b2：完美预报落区综合评分权重为1，不完美预报落区综合评分权重为0.5。

分别对区域内完美预报落区和不完美预报落区综合评分按照不同的权重进行加权平均，计算得到区域内预报总评分，作为区域预报总体评价指标。

（6）预报选优。

逐个计算ruc不同时次起报的17-18时山东区域不同强度降水预报总评分，选取区域总评分最高的即为最优预报产品。经编程计算，系统自动选取的最优预报结果见表2。可以发现，1mm以上降水最优预报为ruc1日14时起报的3-4小时（即17-18时）降水预报，5mm以上降水最优预报为ruc1日12时起报的5-6小时（即17-18时）降水预报，不同强度的降水预报选优结果不同。虽然设计了不同的参数评分权重进行对比，但在本次个例中，不同权重对选优结果没有影响，都可以较好地选取最优预报结果。

表22019年9月1日17-18时ruc系统山东降水预报选优结果

为分析该方法选优结果的合理性，我们对2019年9月1日10-17时ruc8次不同起报时次对17-18时的降水预报进行了分析。附图1为2019年9月1日ruc系统10-17时不同时次起报的17-18时1小时降水量（原图为彩色），由图1可见，由于本次降水过程局地性非常强，ruc不同时次的预报虽然也预报了分散性局地降水，但每次预报结果也不同。对比8次不同的预报和实况可见，12、14、15时ruc起报的17-18时降水预报比较类似，与实况也较接近，下面我们将对选优结果做进一步分析。

图2为不低于1mm降水预报选优结果—ruc14时起报的17-18时1mm以上降水预报和实况对比（阴影为实况不低于1mm的降水格点，数字为预报不低于1mm的降水格点）。由图2可以发现，14时ruc起报的结果较好地预报出了3个1mm以上降水落区，其中，黄河口附近的降水落区预报最好，与实况几乎重合；济南附近的降水落区预报也较好，位置有重叠且偏差不大；鲁东南临沂附近的降水落区预报与实况也有重合。

图3为不低于5mm降水预报选优结果—ruc12时起报的17-18时5mm以上降水预报和实况对比（阴影为实况不低于5mm的降水格点，数字为预报不低于5mm的降水格点）。同样，我们分析5mm以上强度降水预报选优结果发现（图3），17-18时山东省有3个5mm以上强度的降水实况落区，12时ruc起报的17-18时降水预报有2个预报落区，虽然预报落区与实况存在一定的位置偏差，但均有一定的参考价值。

图4为不低于5mm降水预报选优结果—ruc12时起报的17-18时1mm以上降水预报和实况的对比（阴影为实况不低于1mm的降水格点，数字为预报不低于1mm的降水格点）。为分析不低于1mm与不低于5mm强度降水选优结果不同的原因，分析5mm以上强度降水预报选优结果（即12时起报的17-18时降水预报）对1mm以上强度的降水预报发现（图4），该预报对1mm以上的降水落区预报偏差较大，仅临沂附近的降水落区预报较好，其他降水落区预报均有较大的偏差，因此，5mm以上强度的选优结果（12时ruc起报结果）对1mm以上的降水不是最优预报。在实际预报业务中应用时，需要根据用户关注重点，针对不同强度天气预报分别进行选优。

本发明设计了一种数值天气预报及格点客观预报最优预报选优方法，该方法的基本思路是首先针对某一强度以上的天气预报（如降水、气温、风速、能见度等），逐个预报和实况落区进行目标对象识别匹配，匹配内容包括ts评分、面积强度评分、重心位置评分、形状评分，根据用户关注重点分别给各项评分不同的权重进行综合评分，匹配出最接近实况的预报落区，在此基础上，将预报目标对象匹配结果分成四类：1）完美预报落区；2）不完美预报落区；3）空报落区；4）漏报落区。根据需要分别给定完美预报落区和不完美预报落区一定的得分权重，对区域范围内所有目标对象的综合得分进行加权平均，得到预报区域内总评分，根据总评分大小选出最优预报产品。

该方法已在2019年实时业务中进行应用（申请人单位内部应用），通过对不同性质降水预报选优试验发现，该方法可以较好地选出最优天气预报产品，为预报员提供高质量的客观产品，提高了数值天气预报和客观预报产品应用能力。该选优产品还可以作为格点客观预报产品直接应用于智能网格预报业务，提高了天气预报准确率。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。