地面气温预报方法、系统、终端及存储介质与流程

1.本发明属于天气预报技术领域，具体涉及一种地面气温预报方法、系统、终端及存储介质。


背景技术：

2.气温是天气预报中的基本要素，随着数值天气预报技术的发展，模式产品越来越丰富，气温预报的准确率不断提升，如欧洲中期数值预报中心数值预报产品，对未来0-24小时最高气温的预报准确率(绝对误差小于等于2度视为正确)可达到80％以上，但由于模式初始场以及各类物理过程均存在误差，因此，数值模式的气温预报往往不可避免地存在系统偏差。
3.现有的气温预报过程中，模式的客观释用方法也得到较大的发展，国内业务常采用的气温预报订正方法包括mos、线性回归等，对业务应用提供了较好参考，但这些方法多数都是根据温度在时间上的连续性以及与其他气象要素的相关性对模式结果进行误差订正，在转折性天气中订正效果不理想，降低了气温预报的准确性。


技术实现要素：

4.本发明的目的是解决现有技术的不足，提供一种地面气温预报方法、系统、终端及存储介质，具体采用以下的技术方案：一种地面气温预报方法，所述方法包括：划分相似预报区域，分区域获取与当前天气形势最相似的历史样本集和温度信息；分别获取数值模式对各气温预报区域的当前气温预报信息，并获取所述当前气温预报信息的区域平均变幅；根据所述区域平均变幅确定平缓天气、转折天气的温度订正策略，根据所述温度订正策略结合历史相似样本集信息对数值模式进行自适应偏差订正，得到订正气温预报信息；获取所述气温预报区域的逐小时气温气候变率，并根据所述区域逐小时气温气候变率和所述订正气温预报信息进行时间降尺度得到逐1小时客观预报；根据所述逐1小时客观预报对气温预报区域进行气温预报。
5.本发明的有益效果为：分区域获取与当前天气形势最相似的历史样本集合和温度信息，提高了样本气温预报信息获取的准确性；通过获取数值模式对当前气温预报信息中的区域平均变幅，基于区域平均变幅能有效地确定平缓天气、转折天气温度订正策略，基于温度订正策略结合历史相似样本集信息能自适应对数值模式当前气温预报信息进行偏差订正，尤其提高了转折天气下气温预报的准确性；通过获取气温预报区域的逐小时气温气候变率，基于逐小时气温气候变率和订正气温预报信息自动进行时间降尺度，得到逐1小时客观预报，提高了气温预报的精细程度。
6.本发明实施例的另一目的在于提供一种气温预报系统，所述系统包括：相似区域和相似样本集获取单元，用于获取符合当地温度气候态分布的相似预报区域，并获取所述相似预报区域中与当前天气形势最相似的历史样本集合和温度信息。
7.变幅获取单元，用于分别获取数值模式对各相似预报区域的当前气温预报信息，并获取所述当前气温预报信息中的区域平均变幅；偏差订正单元，用于根据所述区域平均变幅确定平缓天气、转折天气的温度订正策略，并根据所述温度订正策略结合历史相似样本集信息对所述数值模式当前气温预报信息进行偏差订正，得到订正气温预报信息；时间降尺度单元，用于获取所述气温预报区域的逐小时气温气候变率，并根据所述区域逐小时气温气候变率和所述订正气温预报信息进行时间降尺度，得到逐1小时客观预报；气温预报单元，用于根据所述逐1小时客观预报对所述气温预报区域进行气温预报。
8.本发明的有益效果为：分区域获取与当前天气形势最相似的历史样本集合和温度信息，提高了样本气温预报信息获取的准确性；通过获取数值模式对当前气温预报信息中的区域平均变幅，基于区域平均变幅能有效地确定平缓天气、转折天气温度订正策略，基于温度订正策略结合历史相似样本集信息能自适应对数值模式当前气温预报信息进行偏差订正，尤其提高了转折天气下气温预报的准确性；通过获取气温预报区域的逐小时气温气候变率，基于逐小时气温气候变率和订正气温预报信息 自动进行时间降尺度，得到逐1小时客观预报，提高了气温预报的精细程度。
9.本发明实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
10.本发明的有益效果为：分区域获取与当前天气形势最相似的历史样本集合和温度信息，提高了样本气温预报信息获取的准确性；通过获取数值模式对当前气温预报信息中的区域平均变幅，基于区域平均变幅能有效地确定平缓天气、转折天气温度订正策略，基于温度订正策略结合历史相似样本集信息能自适应对数值模式当前气温预报信息进行偏差订正，尤其提高了转折天气下气温预报的准确性；通过获取气温预报区域的逐小时气温气候变率，基于逐小时气温气候变率和订正气温预报信息 自动进行时间降尺度，得到逐1小时客观预报，提高了气温预报的精细程度。
附图说明
11.图1是本发明第一实施例提供的地面气温预报方法的流程图；图2是本发明第一实施例提供的最优物理量；图3是本发明第一实施例提供的逆温情况下模式误差的示意图；图4是本发明第一实施例提供的聚类分区结果的示意图；图5是本发明第一实施例提供的最高气温mae随样本数变化的示意图；图6是本发明第一实施例提供的偏差订正自适应方法的流程图；图7至图8是本发明第一实施例提供的对逐1小时客观预报进行订正的示意图；图9是本发明第一实施例提供的地面气温预报方法具体实施框架的示意图；
图10是本发明第二实施例提供的地面气温预报方法的流程图；图11是本发明第三实施例提供的气温预报系统的结构示意图；图12是本发明第四实施例提供的终端设备的结构示意图。
具体实施方式
12.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
13.为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
14.实施例1请参阅图2，是本发明第一实施例提供的地面气温预报方法的流程图，该地面气温预报方法可以应用于任一终端设备或系统，该地面气温预报方法包括步骤：步骤s10，划分相似预报区域，分区域获取与当前天气形势最相似的历史样本集和温度信息；其中，筛选历史相似样本集合，首先需要通过选取与气温预报有关的最优物理量，并对最优物理量进行因子权重配比，基于因子权重配比后的综合变量用以获取与当前天气形势最相似的历史样本集合和温度信息，请参阅图2，该最优物理量包括温度、湿度、云量、风和边界层逆温，该步骤中，通过进行主成分分析，取累计方差贡献较大的几个综合变量进行因子权重分配训练，得到最优因子权重配比。
15.请参阅图3，通过检验分析发现，当存在边界层逆温时，数值模式预报偏差较大，例如2021年4月5日，在锋面逆温天气形势下数值模式对江西南部地面气温预报偏高了6-8℃，因此，将边界层逆温作为其中一个最优物理量。
16.其中，得到最优因子权重配比的综合变量后，基于当前预报综合变量与历史样本综合变量相似程度进行相似样本筛选。但是单独筛选相似度最高的一个样本，并不能得到最优的结果，需要选取多个相似样本构成的集合，根据计算效率高、稳定性强、平均绝对偏差小等条件选择最优相似样本集合数量，从图5可以看出，当相似样本在30-40个时平均绝对误差（mean absolute error，mae）相对比较稳定且位置在一个低值范围，因此，将相似样本气温预报信息的数量确定为30个。
17.可选的，该步骤中，所述划分相似预报区域，包括：基于各观测点的海拔高度和温度的多年历史平均值进行聚类分区，根据聚类分区结果获取符合当地温度气候态分布的相似预报区域；其中，该气温预报区域可以根据需求进行设置，该步骤中的气温预报区域为江西，该步骤中，采取k-means聚类分析方法对江西进行温度气候特征聚类分区，并根据聚类分区结果，在温度气候态分布基础上进行分区相似样本查找，使相似样本集的相似度与实况更接近，进而有效解决了不同气候态下温度偏差的地域差异以及不同天气状态下气温的空间差异。请参阅图4，聚类分区可见，分区后的地理分布基本与江西地形吻合，也符合预报员在气温预报上的主观经验指标。在不同分区方案下的预报试验对比过程中，聚类分区下的预报效果要优于不分区和简单的北中南三分区。
18.步骤s20，分别获取数值模式对各气温预报区域的当前气温预报信息，并获取所述
当前气温预报信息的区域平均变幅；步骤s30，根据所述区域平均变幅确定平缓天气、转折天气的温度订正策略，根据所述温度订正策略结合历史相似样本集信息对数值模式进行自适应偏差订正，得到订正气温预报信息；其中，递减平均订正法是通过滞后平均降低误差尺度的自适应（卡尔曼滤波类型）误差订正方法，该方法被业务化到ncep全球集合预报系统中，订正效果明显且稳定，递减平均订正法具有计算量小、自适应等优势，订正方法不受模式升级影响，其对稳定性天气具有较强的订正能力，但是当温度波动较大时，预报偏差反馈信息有时具有滞后性。
19.该步骤中，将未来24h气温变化分为平缓天气、转折天气两类，分别训练得到两类不同天气状态下递减平均参数w的最优分布，再提取样本气温预报信息与递减平均方案结合进行当前气温预报信息的自适应订正。
20.可选的，该步骤中，所述根据所述区域平均变幅确定平缓天气、转折天气的温度订正策略，根据所述温度订正策略结合历史相似样本集信息对数值模式进行自适应偏差订正，得到订正气温预报信息，包括：若所述区域平均变幅大于或等于预设变幅，则获取转折天气递减参数，所述转折天气递减参数用于表征转折天气下，数值模式在起报日前不同时刻的滞后系统偏差的贡献大小，该参数融合了空间信息和转折天气的特征信息；对所述历史相似样本集信息进行样本抽取，得到气温预报样本信息，并根据所述气温预报样本信息和所述转折天气递减参数进行迭代运算，得到转折天气下的所述数值模式的气温预报偏差；根据转折天气下的所述数值模式的气温预报偏差，对所述当前气温预报信息进行偏差订正，得到所述订正气温预报信息。
21.所述根据所述区域平均变幅确定平缓天气、转折天气的温度订正策略，根据所述温度订正策略结合历史相似样本集信息对数值模式进行自适应偏差订正，得到订正气温预报信息，还包括：若所述区域平均变幅小于预设变幅，则获取平缓天气递减参数，所述平缓天气递减参数用于表征平缓天气下，数值模式在起报日前不同时刻的滞后系统偏差的贡献大小，该参数融合了空间信息；获取所述气温预报区域在第一预设时长内的数值模式预报信息，根据所述第一预设时长内的预报信息对所述平缓天气递减参数进行迭代运算，得到平缓天气下的数值模式气温预报偏差，通过去除预报偏差进行偏差订正，得到所述订正气温预报信息。
22.其中，若区域平均变幅小于预设变幅，则判定当前气温预报信息对应的天气为平缓天气，通过获取平缓天气递减参数，基于样本气温预报信息对平缓天气递减参数进行迭代运算，得到平缓天气下的数值模式气温预报偏差；根据平缓天气下的所述数值模式的气温预报偏差，对所述当前气温预报信息进行偏差订正，得到所述订正气温预报信息，通过去除偏差从而对当前气温预报信息进行订正，提高了气温预报的准确性。
23.具体的，该步骤中，请参阅图6，为本实施例提供的偏差订正自适应方法的流程图，自偏差订正自适应方法中，首先分区进行气温变幅判断，当未来24h中温度tmax或温度tmin的区域平均变幅小于3℃时，直接使用递减平均方法进行订正，使用平缓天气下的w（i）以及
预报日过去50天的资料进行迭代运算，而当24h变幅超过3℃时，提取30例相似样本，将其视作当前预报日过去30天的模式预报进行迭代运算，使用转折天气的w（i，p）。其中，w（i）融合了空间信息的特征信息，w（i，p）融合了空间信息和转折天气的特征信息。
24.步骤s40，获取所述气温预报区域的逐小时气温气候变率，并根据所述区域逐小时气温气候变率和所述订正气温预报信息进行时间降尺度得到逐1小时客观预报；其中，通过温度订正策略对当前气温预报信息进行偏差订正，得到包含最高气温、最低气温和逐3小时客观气温的订正气温预报信息，应用3年cldas陆面数据同化系统的格点温度实况，获取气温预报区域的逐小时气温气候变率，由于仅仅使用日变化气候曲率有时不能较好反映逐小时气温真实变化，因此，通过加入逐3小时客观订正预报作为控制点，结合逐小时气温气候变率进行时间降尺度，有效地提高了逐1小时客观预报的准确性。
25.可选的，该步骤中，所述根据所述区域逐小时气温气候变率和所述订正气温预报信息进行时间降尺度得到逐1小时客观预报之后，还包括：获取所述气温预报区域在第二预设时长内的历史预报信息和真实预报信息，并根据所述第二预设时长内的历史预报信息和真实预报信息，确定预报误差；其中，该第二预设时长可以根据需求进行设置，该步骤中，该第二预设时长设置为6小时；获取所述气温预报区域的时间衰减系数，并根据所述时间衰减系数和所述预报误差对所述逐1小时客观预报进行订正；其中，请参阅图7至图8，为了进一步提高逐1小时客观预报的效果，利用临近时刻实况温度来调整整点温度，通过滚动计算前6小时预报已知误差，再基于时间衰减系数订正逐1小时气温，进而提高了逐1小时客观预报的准确性。
26.式中diff表示当前时刻过去6小时逐小时订正气温预报与实况温度间的平均温度偏差，fi表示当前预报时效的订正温度，表示对应的实况温度。得出起报时效过去6小时的已知误差之后，设定时间衰减系数，衰减系数随着时效的延长而递减。其中第一个预报时效的衰减系数
△
t为1
×
diff，第二个预报时效的衰减系数
△
t为0.9
×
diff，第三个预报时效的衰减系数
△
t为0.8
×
diff，以此类推，第十个预报时效的衰减系数
△
t为0.1
×
diff。将逐小时订正温度fn减去衰减系数
△
tn即为最终的逐小时温度订正结果。
27.步骤s50，根据所述逐1小时客观预报对所述气温预报区域进行气温预报。
28.请参阅图9，地面气温预报方法具体实施框架总体分为模式优选、相似样本筛选、偏差订正三部分。通过对ec（欧洲中期天气预报中心）和中国气象局全球同化预报系统（cma-gfs）、中国气象局上海数值预报模式系统（gma-sh9）和中国气象局华南数值预报模式系统（cma-gd3）的滚动累计检验，选择出当日的最佳模式之后，根据模式预报变量的相似程度在历史预报场中筛选相似样本集合，之后进行偏差订正。根据未来24h温度变化的剧烈程度，将相似样本集合与递减平均方法融合进行自适应订正，得到最高气温、最低气温和逐3小时客观预报，再配合以逐小时温度气候变率、当前实况，形成逐1小时客观预报。本实施例中，创建了最优相似样本集与递减平均订正技术的自适应融合方法，通过融合空间变化和天气过程信息的已知历史相似预报误差来估计当前未知偏差，获得更合理的温度分布，改进了转折天气下，线性方法预报偏差反馈信息滞后问题。在最优物理量选取中，基于预报员主观预报经验和模式误差规律，发现边界层逆温情况下数值模式预报偏差大，创新地将逆
温强度作为相似样本集筛选的最优物理量之一。采取k-means聚类分析方法对气温预报区域进行气候聚类分区，在温度气候态分布基础上进行分区相似样本查找，使样本相似度与实况更接近，改进了相似样本集的筛选方法，解决不同气候态下温度偏差的地域差异以及不同天气状态下气温的空间差异问题。
29.本实施例中，根据海拔高度和温度气候特征进行聚类分区划分相似预报区域，分区域获取与当前天气形势最相似的历史样本集合和温度信息，提高了样本气温预报信息获取的准确性；通过获取数值模式当前气温预报信息中的区域平均变幅，基于区域平均变幅能有效地确定平缓天气、转折天气温度订正策略，基于温度订正策略结合历史相似样本集信息能自适应对数值模式当前气温预报信息进行偏差订正，尤其提高了转折天气下气温预报的准确性；通过获取气温预报区域的逐小时气温气候变率，基于逐小时气温气候变率和订正气温预报信息自动进行时间降尺度，得到逐1小时客观预报，提高了气温预报的精细程度；通过利用临近时刻实况温度来调整整点温度，滚动计算前6小时的已知预报误差，再基于时间衰减系数订正逐1小时气温，进而提高了逐1小时客观预报的准确性。
30.实施例2请参阅图10，是本发明第二实施例提供的地面气温预报方法的流程图，该实施例用于对步骤s10之后的步骤作进一步细化，包括步骤：步骤s60，获取与气温预报有关的最优环境变量和对应的权重配比，得到表征当前天气形势的综合变量；步骤s70，获取数值模式对当前综合变量的预报信息，并分别在所述相似预报区域中进行历史相似样本匹配，得到信息相似度；可选的，该步骤中，所述分别在所述相似预报区域中进行历史相似样本匹配，得到信息相似度所采用的公式包括：式中为信息相似度，为当前气温预报信息中t时刻对应的预报值，为历史气温预报信息中t时刻对应的预报值。为预测要素的权重，可以通过历史资料进行优化，在固定权重配置时设为1，第i个环境变量的预报值f的方差， l为相似要素的总数，t+k时刻对应历史气温预报信息的预测值，k为预测窗的一半（用整数表示）：可以自行设定，t=1，则k为-1，0，1。 步骤s80，根据所述信息相似度大小对历史相似样本进行信息筛选，得到相似样本集；其中，相似样本集的温度信息将用于转折天气下的温度订正策略，分别计算当前气温预报信息与各历史气温预报信息之间的信息相似度，根据信息相似度对历史气温预报信息进行排序，得到排序列表，并获取排序列表中预设序号之前的历史气温预报信息，得到该相似样本集。
31.实施例3请参阅图11，是本发明第三实施例提供的地面气温预报系统100的结构示意图，包括：
相似区域和相似样本集获取单元10，用于划分相似预报区域，分区域获取与当前天气形势最相似的历史样本集和温度信息。
32.变幅获取单元11，用于分别获取数值模式对各气温预报区域的当前气温预报信息，并获取所述当前气温预报信息的区域平均变幅。
33.偏差订正单元12，用于根据所述区域平均变幅确定平缓天气、转折天气的温度订正策略，根据所述温度订正策略结合历史相似样本集信息对数值模式进行自适应偏差订正，得到订正气温预报信息。
34.时间降尺度单元13，用于获取所述气温预报区域的逐小时气温气候变率，并根据所述区域逐小时气温气候变率和所述订正气温预报信息进行时间降尺度得到逐1小时客观预报。
35.气温预报单元14，用于根据所述逐1小时客观预报对气温预报区域进行气温预报。
36.本实施例中，分区域获取与当前天气形势最相似的历史样本集合和温度信息，提高了样本气温预报信息获取的准确性；通过获取数值模式对当前气温预报信息中的区域平均变幅，基于区域平均变幅能有效地确定平缓天气、转折天气温度订正策略，基于温度订正策略结合历史相似样本集信息能自适应对数值模式当前气温预报信息进行偏差订正，尤其提高了转折天气下气温预报的准确性；通过获取气温预报区域的逐小时气温气候变率，基于逐小时气温气候变率和订正气温预报信息 自动进行时间降尺度，得到逐1小时客观预报，提高了气温预报的精细程度。
37.实施例4图12是本技术第四实施例提供的一种终端设备2的结构框图。如图12所示，该实施例的终端设备2包括：处理器20、存储器21以及存储在所述存储器21中并可在所述处理器20上运行的计算机程序22，例如地面气温预报方法的程序。处理器20执行所述计算机程序22时实现上述各个地面气温预报方法各实施例中的步骤。
38.示例性的，所述计算机程序22可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器21中，并由所述处理器20执行，以完成本技术。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序22在所述终端设备2中的执行过程。
39.所述终端设备可包括，但不仅限于，处理器20、存储器21。本领域技术人员可以理解，图12仅仅是终端设备2的示例，并不构成对终端设备2的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
40.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
41.集成的模块如果以软件功能单元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存储介质中。其中，计算机可读存储介质可以是非易失性的，也可以是易失性的。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程
序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
42.以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。