面向南方五省区的月季降水预测方法和装置

1.本发明涉及气候预测技术领域，具体涉及一种面向南方五省区的月季降水预测方法和装置。


背景技术：

2.针对月到季节尺度的降水异常(降水量相对于常年气候态的差异)的预测又称为短期气候预测。在已有的预测方法中，短期气候预测的方法可以分为两大类：一类是基于观测资料统计分析的统计方法，另一类是基于气候系统模式的动力方法。统计方法依赖于足够的样本和稳定的统计关系，不能准确反映各气候因子间的因果关联；而动力方法则充分考虑了气候系统的物理变化规律，因此，利用气候模式开展短期气候预测是当前国际气候预测的主流方法。基于气候模式的短期气候预测又可分为全球短期气候预测和区域短期气候预测。全球短期气候预测可以提供全球任意区域的气候预测产品，其缺点是分辨率较粗，无法准确刻画地形陡峭处的气象要素以及中小尺度的过程。区域气候模式分辨率较高，能够较好地刻画复杂下垫面区域的气候，其不足之处是无法独立运行，需要同时运行全球模式，并用全球模式的结果为区域模式提供侧边界场。
3.当前，尚未有专门针对我国南方五省区(广东、广西、贵州、云南、海南)的短期气候预测系统，目前短期气候预测均是基于全球模式或者整个中国区域的区域模式的预测结果，将其中南方五省区的预测信息直接提取出来。由于区域预测系统的分辨率较高，其结果相对更可靠一些。其具体实施过程为：
4.1)运行全球气候模式，得到未来6个月的温度、风场等预测信息；
5.2)用上述全球模式的预报结果经插值得到区域模式的初始场，下垫面场和侧边界场，驱动区域模式运行，得到未来6个月的降水、温度等气象要素；
6.3)重复1)和2)的步骤，开展30年的历史回报试验，得到温度和降水的气候态回报数据；
7.4)实时预测时，利用当前时刻的大气和陆面初始场，重复1)和2)的步骤，得到未来6个月的月平均和季节平均的降水量，然后减去3)所得到的回报试验的降水气候态，得到月平均和季节平均的降水量异常的预测结果。
8.但是，现有的南方五省区的短期气候预测所采用的全球模式离线驱动区域模式的预测方案，尚存在如下不足：
9.1)离线驱动方法需要全球模式积分完成后，才能离线生成区域模式需要的初始场，下垫面场和侧边界场，随后区域模式才能够开始运行。这种离线预测的方式时效性较差，需要额外1-2天的时间进行全球模式的运行，而且大量的离线数据给存储、计算和业务管理带来了较大负担。
10.2)由于目前气候模式整体还不够完善，模式自身存在的不足，包括未能准确模拟的物理过程、参数化的次网格过程和计算中的离散化过程等，都容易导致预测结果最终远离实况。现有方案没有对预测结果进行误差订正，模式的一些系统系偏差会影响到预测结
果的准确性。


技术实现要素：

11.为此，本发明实施例提供一种面向南方五省区的月季降水预测方法和装置，以至少部分解决现有技术中离线降尺度时效性差以及特定区域内月季降水预测系统性偏差大的技术问题。
12.为了实现上述目的，本发明实施例提供如下技术方案：
13.一种面向南方五省区的月季降水预测方法，所述方法包括：
14.制备预测模式的初始场，包括大气初始场、陆面初始场和海洋海冰初始场；
15.基于耦合器，通过三维耦合算法完成全球模式向区域模式的在线降尺度，并利用降尺度的结果对所述区域模式进行初始化，基于初始化结果进行模式积分计算，以得到原始预测结果；
16.对所述原始预测结果进行误差订正，以得到订正后的最终预测结果。
17.在一些实施例中，通过三维耦合算法完成全球模式向区域模式的在线降尺度，具体包括：
18.利用耦合器对全球-区域耦合模式中的全球分系统模式向区域分系统模式进行数据表达与迁移；
19.对表达与迁移后的数据进行垂直插值，得到垂直插值结果；
20.将所述垂直插值后的结果进行水平插值，得到水平插值结果；
21.对所述水平插值后的结果进行质量动量调整，以得到在线降尺度后的区域模式网格点上的结果。
22.在一些实施例中，利用耦合器对全球-区域耦合模式中的大气分系统模式向区域分系统模式进行数据表达与迁移，具体包括：
23.将所述全球分系统模式的网格按照所述区域分系统模式的处理器和网格编号特征重新分布，以建立分布前和分布后的对应关系；
24.将建立对应关系的三维数据重新表达为一维数据的集合后进行迁移传输。
25.在一些实施例中，对表达与迁移后的数据进行垂直插值，具体包括：
26.设所述全球分系统模式的垂直层次的区间为[p
top
,p
surf
]，其中p
surf
为地表气压，p
top
为模式层顶气压，其他层次的气压满足p
top
＝x0《x1《
…
《xn＝p
surf
，设hi＝x
i+1-xi(i＝0,1,
…
,n-1)，区间样条函数为：
[0027][0028]
其中，mi＝s
″
(xi)为样条系数；m0,m1,
…
,mn满足方程组：
[0029][0030]
引入边界条件：
[0031]s′
(x0)＝f0′
,s
′
(xn)＝f
′n[0032]
求解s(x)得到所述区域分系统模式垂直方向各层对应的值。
[0033]
在一些实施例中，利用降尺度的结果对所述区域模式进行初始化，具体包括：
[0034]
对气压、位势高度、温度和密度进行参考状态扣除，得到扣除后的数据；
[0035]
对所述扣除后的数据进行垂直插值；
[0036]
基于垂直插值得到的结果，生成侧边界条件，所述侧边界条件包括风场侧边界条件、气压侧边界条件、位势高度侧边界条件、温度侧边界条件和密度侧边界条件。
[0037]
在一些实施例中，对所述初始预测结果进行误差订正，具体包括：
[0038]
利用预设公式对回报场x和观测场y进行eof分析；
[0039]
利用线性回归方法，得到观测和回报eof分解所得时间系数之间的线性关系；
[0040]
将所述原始预测结果投影到已有回报的空间模态上，得到新一年预测值eof分解的时间系数β
i,n+1
，利用预设回归方程，得到新一年观测值eof分解时间系数估计值；
[0041]
根据新一年观测值eof分解时间系数估计值和预设观测eof空间模态，得到订正后的最终预测结果。
[0042]
在一些实施例中，所述预设公式包括：
[0043][0044][0045]
其中，φi,分别为观测场和回报场的空间模态，α
i,t
,β
i,t
则为对应的时间系数，k为预先选定用于订正的模态数，n为回报年数。
[0046]
在一些实施例中，所述预设观测eof空间模态为：
[0047][0048]
其中，φi为观测场的空间模态，x
′
n+1
为预设观测eof空间模态，为新一年观测值eof分解时间系数估计值，k为预先选定用于订正的模态数，j为模态序号。
[0049]
本发明还提供一种面向南方五省区的月季降水预测装置，所述装置包括：
[0050]
初始场生成模块，用于预测模式的初始场，包括大气初始场、陆面初始场和海洋海冰初始场；
[0051]
结果预测模块，用于基于耦合器，通过三维耦合算法完成全球模式向区域模式的在线降尺度，并利用降尺度的结果对所述区域模式进行初始化，基于初始化结果进行模式积分计算，以得到原始预测结果；
[0052]
结果订正模块，用于对所述原始预测结果进行误差订正，以得到订正后的最终预测结果。
[0053]
本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法的步骤。
[0054]
在一种或几种实施例中，本发明所提供的面向南方五省区的月季降水预测方法和装置具有以下技术效果：
[0055]
本发明所提供的预测方法，通过基于耦合器的动态三维数据映射方法，实现了全
球模式数据与区域模式数据的三维耦合传递，进而实现了全球模式与区域模式的在线耦合运行，显著节省了模式的计算时间，显著减小了中间数据的存储空间，解决了现有技术中特定区域内月季降水预测系统性偏差大的技术问题。
[0056]
本发明所提供的预测方法，通过基于经验正交函数分解(eof)的误差订正技术，利用前几项特征向量最大限度的表征气候变量场的变率分布结构。它们所代表的空间分布型是该变量场典型的分布结构。由于预测场和观测场存在一定的相似性，两者eof分析所得的特征向量和其对应的时间系数必然存在一定的关系，利用这样的关系可以对预测结果进行修正，提高预测准确性，解决了现有技术中特定区域内短期降水预测结果准确性较差的技术问题。
附图说明
[0057]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
[0058]
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
[0059]
图1为本发明所提供的面向南方五省区的月季降水预测方法的流程示意图之一；
[0060]
图2为本发明所提供的全球模式向区域模式的在线降尺度的流程示意图；
[0061]
图3为本发明所提供的面向南方五省区的月季降水预测方法的流程示意图之二；
[0062]
图4为分系统模式格点在处理器上的分布结构图；其中，(a)为全球分系统模式在处理器上的分布图，(b)为区域分系统模式在处理器上的分布图；
[0063]
图5为图4中全球分系统模式的格点重新分布示意图；
[0064]
图6为数据迁移的示意图，其中，(a)为三维数据转为一维数据的示意图，(b)为迁移后的一维数据重新聚合成三维数据的示意图；
[0065]
图7为分系统模式水平网格的映射关系示意图；
[0066]
图8为分系统模式地表示意图；
[0067]
图9为水汽质量调整示意图；
[0068]
图10为本发明所提供的面向南方五省区的月季降水预测方法的流程示意图之三；
[0069]
图11为垂直方向lagrange插值的示意图；
[0070]
图12为本发明所提供的面向南方五省区的月季降水预测方法的流程示意图之四；
[0071]
图13为eof误差订正处理流程图；
[0072]
图14为观测(左)及回报(右)的eof分解前5个空间模态的分布图；
[0073]
图15为订正前后提前1月起报的回报降水的p评分；
[0074]
图16为本发明所提供的面向南方五省区的月季降水预测装置的结构示意图；
[0075]
图17为本发明所提供的电子设备的实体结构示意图。
具体实施方式
[0076]
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0077]
为了解决特定区域内月季降水预测准确性和时效性较差的技术问题，本发明提供了一种面向南方五省区的月季降水预测方法，通过三维耦合算法实现全球模式向区域模式的在线降尺度，以降低数据处理难度，提高时效性，并利用误差订正算法提高预测准确性。
[0078]
在一种具体实施方式中，如图1所示，本发明所提供的面向南方五省区的月季降水预测方法包括以下步骤：
[0079]
s101：制备预测模式的初始场，包括大气初始场、陆面初始场和海洋海冰初始场。
[0080]
在一个具体场景中，为保证模式系统的正常积分，需要首先制备模式运行所需的初始场资料，包括大气初始场、陆面初始场以及海洋海冰初始场。
[0081]
具体地，在进行大气初始场的制备时，下载收集近实时的ncep再分析资料的地表气压以及等压面降水、纬向风、经向风和比湿的数据，按照大气模式的网格信息场和地形场，水平方向采用双线性插值的方法插值到模式的网格点，垂直方向采用基于气压的守恒性插值；将插值后的降水、纬向风、经向风和比湿数据替换大气模式的气候态初始场，即得到用于气候预测的大气初始场。
[0082]
在进行陆面初始场的制备时，陆面模式的初始场通过离线积分的方法获得。首先下载收集用于驱动陆面模式运行的大气强迫场资料，变量包括降水、太阳辐射，风场，地表气压，比湿等。其次，读取模式已有的地表初始场数据和一些陆面网格信息，如植被类型、土壤类型等。再次，将上述资料输入陆面模式中，以离线方式驱动短期气候预测系统中的陆面过程模式进行spin-up(反复积分)，得到新的陆面初始场。这些陆面初始场是从起报时间开始，例如每6小时输出一次，共积分3天。
[0083]
在进行海洋海冰初始场的制备时，海冰的初始场取自hadley/oisst观测的逐月气候态海冰数据。海温初始场则是欧洲中期数值预报中心(ecmwf)的预测系统c3s system5给出的预报海温异常(ssta)与hadley/oisst观测数据的ssta进行加权组合，并通过插值程序插值到与大气模式相同的网格，得到预测用的可被模式读取的海表温度异常。以3月份起报的回报试验设计为例，介绍回报中输入的ssta的生成过程，具体公式如下：
[0084]
(ssta)m＝α
·
[(ssta)
obs
]
feb
+β
·
[(ssta)
fcst
]mꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0085]
(1)式中，[(ssta)
obs
]
feb
代表的是hadley/oi sst的二月份观测ssta，[(ssta)
fcst
]m代表的是c3s system5预测系统在2月份预测的3-9月的逐月ssta，α即二月份观测ssta的权重系数，β即逐月预测ssta的权重系数。随着lead time的增长，2月份观测ssta的权重越来越低，预测ssta的权重则越来越高。
[0086]
s102：基于耦合器，通过三维耦合算法完成全球模式向区域模式的在线降尺度，并利用降尺度的结果对所述区域模式进行初始化，基于初始化结果进行模式积分计算，以得到原始预测结果。
[0087]
具体地，初始场制备完成后，就可以将初始场输入预测模式系统开始数值积分。预测模式系统采用的是中国科学院大气物理研究所自主研发的全球大气模式iap agcm与国
际上广泛使用的区域模式wrf的在线耦合模式系统iap/wrf。该系统的特色是实现了全球和区域模式的在线耦合，全球模式和区域模式可同时向前积分，大大提高了模式的计算速度。
[0088]
s103：对所述原始预测结果进行误差订正，以得到订正后的最终预测结果。
[0089]
在上述步骤s102中，耦合模式系统积分的关键步骤有两个：一是通过三维耦合技术实现全球模式向区域模式的在线降尺度；二是利用降尺度的结果对区域模式进行初始化。
[0090]
从理论上来讲，全球和区域模式在线降尺度的关键是三维耦合技术。通常的耦合器仅支持二维界面的数据映射，但加入区域模式后，数据映射则发生在三维空间。全球大气模式和区域大气模式之间的数据交换发生在从地表到大气层顶的整个三维空间。而且，由于两个模式在垂直方向各层对应的物理高度不断变化，相应的三维空间映射也是动态的。由于当前使用的耦合器cpl7只考虑静态的二维数据映射，缺少动态的三维空间映射。因此，该实施例对cpl7进一步扩展，实现了动态三维数据映射，即将数据从模式a的三维空间动态映射到模式b三维空间，并且数据在分系统模式间的迁移过程中不产生虚假的源和汇。
[0091]
三维耦合过程由数据表达与迁移、垂直插值、水平插值和质量动量调整等四部分组成，如图2所示。数据表达与迁移模块后，数据将传递给垂直插值模块，垂直插值完成后，数据传递给水平插值模块进行水平插值，最后，再传递给质量动量调整模块。
[0092]
在一些实施例中，如图3所示，通过三维耦合算法完成全球模式向区域模式的在线降尺度，具体包括以下步骤：
[0093]
s301：利用耦合器对全球模式中的全球分系统模式向区域分系统模式进行数据表达与迁移。
[0094]
具体地，通过以下步骤实现数据表达与迁移：
[0095]
将所述全球分系统模式的网格按照所述区域分系统模式的处理器和网格编号特征重新分布，以建立分布前和分布后的对应关系；
[0096]
将建立对应关系的三维数据重新表达为一维数据的集合后进行迁移传输。
[0097]
下面按照数据迁移流程对三维耦合技术进行具体说明。耦合器cpl7将所有分系统模式置于一个mpi大通信域中。但是每个分系统模式使用通信域中的cpu个数不一定相同，而且由于水平网格不同，cpu承载的分系统模式网格分区不一定相同。假设cpl7总共使用4个处理器，编号从cpu1到cpu4。全球分系统模式设定为分系统模式a，分系统模式a水平格点编号从上到下，从左到右，分别使用了处理器cpu1和cpu3(如图4中(a)所示)。区域分系统模式设定为分系统模式b，分系统模式b水平格点编号从下到上，从左到右，分别使用了处理器cpu1，cpu2，cpu3和cpu4(如图4中(b)所示)。
[0098]
在数据从分系统模式a映射到分系统模式b之前，耦合器首先将分系统模式a的网格按照分系统模式b的处理器和网格编号特征重新分布，从而建立分布前和分布后的对应关系。这样做的目的是使耦合器可以将数据根据对应关系，直接传输到分系统模式b使用的各个处理器，而且传输过来的数据在地理空间上就近分系统模式b格点，与有对应关系的分系统模式b格点在同一处理器上，方便随后的插值，减少数据通信量，加快计算速度。如图5所示，耦合器对分系统模式a的水平网格编号按照分系统模式b使用的处理器重新分布在处理器cpu1，cpu2，cpu3，cpu4，且编号从下到上，从左到右。
[0099]
由于cpl7只支持一维数据传输。因此三维数据需要按垂直层次，逐层切片为二维
数据，再将二维数据摊平为一维数据，并标上属性以示区别和定位，即三维数据重新表达为一维数据的集合，然后进行传输。如图6中(a)所示，三维数组a被切片成18个一维数组，标上属性a1，a2，...，a18。数据传输由耦合器使用mct库提供的函数完成。在数据传输到分系统模式b使用的处理器后，根据这些一维数据属性a1，a2，...，a18再重新聚合成三维数据a，再由耦合器进行插值操作，如图6中(b)所示。
[0100]
在完成分系统模式a的数据迁移后，需要进一步确定分系统模式a水平网格与分系统模式b水平网格的映射关系。由于本预测系统的大气模式没有移动网格，所以水平网格间映射关系只需一次确定即可。水平网格映射关系由插值方法去确定。根据变量的不同特点，分别采用双线性(温度、风场等)和面积守恒(气压、降水等)两种插值方法。如图7所示，图7中a1，a2，a3为分系统模式a水平网格，图7中绿色方框为分系统模式b水平网格，编号从1到16。如果水平插值为双线性插值，则分系统模式b网格2，3，6，7，10，11，14，15，网格1，5，9，13右侧两个顶点，网格4，8，12，16左侧两个顶点可以通过a1的四个顶点确定，网格1，5，9，13左侧两个顶点需要a2四个顶点确定，网格4，8，12，16右侧两个顶点需要a3的四个顶点确定。如果水平插值为面积守恒插值，则分系统模式b网格2，3，6，7，10，11，14，15可以通过a1的确定，网格1，5，9，13需要a1和a2联合确定，网格4，8，12，16需要a1和a3联合确定。
[0101]
s302：对表达与迁移后的数据进行垂直插值，得到垂直插值结果。
[0102]
具体地，在耦合器完成分系统模式a数据传输到分系统模式b后，需对数据进行垂直插值。本实施例采用的是基于气压的立方样条插值，并对相关模式进行地形处理。
[0103]
其中，立方样条插值的具体方法如下：
[0104]
设分系统模式a的垂直层次的区间为[p
top
,p
surf
]，其中p
surf
为地表气压，p
top
为模式层顶气压，其他层次的气压满足p
top
＝x0《x1《
…
《xn＝p
surf
。设hi＝x
i+1-xi(i＝0,1,
…
,n-1)，该区间样条函数为：
[0105][0106]
其中，mi＝s
″
(xi)为样条系数。m0,m1,
…
,mn满足方程组：
[0107][0108]
上述方程组有n+1个未知数，n个方程，因此为保证方程组闭合，根据大气垂直方向变化特征，引入如下的边界条件：
[0109]s′
(x0)＝f
′0,s
′
(xn)＝f
′nꢀꢀꢀꢀꢀꢀ
(4)
[0110]
解上述方程组(3)，即可得到mi，带入(2)，可得到s(x)，进而可得到分系统模式b垂直方向各层对应的值。
[0111]
由于分系统模式a和分系统模式b的分辨率不同，两者地表高度不完全一致(见图8)。特别在地形陡峭的地方，分辨率高的模式地形起伏很大，有些地方会低于对应分辨率低模式的格点地表高度，有些地方则高于格点地表高度。因此，在垂直插值完成后，需要对地表下的风场、相对湿度场和水汽场进行对数线性外插。如果相对湿度和水汽小于0，则为截断为0，如果相对湿度大于100％，则截断为100％。而对于温度，则采取如下公式插值：
[0112]
[0113]
对于位势高度采取如下公式插值：
[0114][0115]
其中，
[0116][0117][0118]
s303：将所述垂直插值结果进行水平插值，得到水平插值结果。
[0119]
具体地，完成垂直插值后，随之需要进行水平插值。本耦合器中的水平插值有双线性插值、面积守恒插值两种，其中不同的插值方法适用于不同的气象要素场。双线性插值算法如下：
[0120]
f(x,y)＝f(0,0)(1-x)(1-y)+f(0,1)(1-x)y+f(1,0)x(1-y)+f(1,1)xy
ꢀꢀꢀꢀ
(7)其中，包围f(x,y)的四个点为f(0,0)，f(0,1)，f(1,0)和f(1,1)。
[0121]
双线性插值适用于风速，位势高度和温度等量。而面积守恒插值适用于绝对湿度等变量。面积守恒插值方法如下：
[0122][0123]
其中是目标网格，f是源网格，θ是纬度。φ是经度，面积权重的表达式如下：
[0124][0125][0126][0127]
s304：对所述水平插值后的结果进行质量动量调整，以得到在线降尺度后的区域模式网格点上的结果。
[0128]
在质量调整时，由于两个模式之间的总物质量(如空气，水汽，气溶胶，痕量气体等)和总动量有所不同，如果直接将分系统模式a的物质量和动量引入到分系统模式b，则会造成分系统模式b产生虚假的源汇，打破了分系统模式b的动力和物理协调。所以，为了不破坏模式b的动力和物理协调，需要对风场，温度场和湿度场等垂直廓线和水平分布进行调整，而不是改变总量。以水汽为例(图9)，分系统模式a在t时刻整层气柱的水汽为：
[0129][0130]
如果分系统模式b直接应用由模式a水汽qa插值后的水汽q
′a，则分系统模式b的t时刻水汽为：
[0131][0132]
为了避免在升尺度过程中对分系统模式b的水汽产生虚假的源汇，需对插值后各层水汽进行订正，保持格点气柱的水汽质量升尺度前后守恒，仅改变廓线形状，公式如下：
[0133][0134]
在一些实施例中，如图10所示，利用降尺度的结果对所述区域模式进行初始化，具体包括以下步骤：
[0135]
s1001：对气压、位势高度、温度和密度进行参考状态扣除，得到扣除后的数据；
[0136]
s1002：对所述扣除后的数据进行垂直插值；
[0137]
s1003：基于垂直插值得到的结果，生成侧边界条件，所述侧边界条件包括风场侧边界条件、气压侧边界条件、位势高度侧边界条件、温度侧边界条件和密度侧边界条件。
[0138]
具体地，在实现了全球模式向区域模式的降尺度之后，需进行区域模式的初始化，主要分为三步：扣除参考状态，垂直插值以及侧边界生成。
[0139]
其中，扣除参考状态时，首先是计算气压、位温、密度和位势高度的参考状态。wrf采用的是跟随地形坐标或者混合坐标，计算依赖地表干空气。设干空气表面气压参考状态为：
[0140][0141]
从而得到干静力平衡气压参考状态为：
[0142][0143]
对应的气温参考状态为：
[0144][0145]
从而得到位温参考态为：
[0146][0147]
密度参考态为：
[0148]
[0149]
参考状态垂直坐标系为：
[0150][0151]
从而位势高度的参考状态为：
[0152][0153]
上述公式中φsfc为地表位势高度，p0为100000pa，a为50k，t0为300k，t
min
为200k，γ
strat
为-11k，p
strat
为0pa。
[0154]
模式在地形陡峭及锋面附近，相邻格点的梯度较大，在计算偏导数时容易造成较大的截断误差，为减小上述数值计算的截断误差，需对气压、位势高度、温度和密度进行参考状态扣除，具体表达式如下：
[0155][0156][0157][0158][0159]
在垂直插值时，对自由大气变量进行垂直方向的lagrange插值，如图11。点p位于等压面p1，p2之间，p2之上的紧邻等压面为p3，变量在p1的值为f(p1)，在p2的值为f(p2)，在p3的值为f(p3)，则变量点p的值为：
[0160][0161]
引入等压面p3可以更准确描述变量垂直梯度，特别是变量在对流层顶可能存在的剧烈变化时候。
[0162]
在生成侧边界条件时，生成风场，气压，位势高度，温度和密度侧边界条件。侧边界条件包括未来的状态量和趋势项。例如，假设每3小时输入一次侧边界，侧边界条件计算由0h时候变量3h时候变量3h时候变量以及趋势项组成。这里是密度的参考状态，是地图投影因子。
[0163]
在一些实施例中，如图12所示，对所述初始预测结果进行误差订正，具体包括以下步骤：
[0164]
s1201：利用预设公式对回报场x和观测场y进行eof分析；
[0165]
s1202：利用线性回归方法，得到观测和回报eof分解所得时间系数之间的线性关系；
[0166]
s1203：将所述原始预测结果投影到已有回报的空间模态上，得到新一年预测值eof分解的时间系数β
i,n+1
，利用预设回归方程，得到新一年观测值eof分解时间系数估计值；
[0167]
s1204：根据新一年观测值eof分解时间系数估计值和预设观测eof空间模态，得到订正后的最终预测结果。
[0168]
其中，所述预设公式包括：
[0169][0170][0171]
其中，φi,分别为观测场和回报场的空间模态，α
i,t
,β
i,t
则为对应的时间系数，k为预先选定用于订正的模态数，n为回报年数。
[0172]
其中，所述预设观测eof空间模态为：
[0173][0174]
其中，φi为观测场的空间模态，x
′
n+1
为预设观测eof空间模态，为新一年观测值eof分解时间系数估计值，k为预先选定用于订正的模态数，j为模态序号。
[0175]
在一个具体使用场景中，实时预测时需对南方五省区降水进行eof偏差订正，处理流程如图13所示。eof误差订正主要步骤可描述如下：
[0176]
(1)利用在线耦合模式系统iap/wrf对南方五省区开展30年(1991-2020)的回报试验，分别对回报场x和观测场y进行eof分析：
[0177][0178][0179]
其中，φi,分别为观测场和回报场的空间模态，α
i,t
,β
i,t
则为对应的时间系数，k为预先选定用于订正的模态数，n为回报年数30年。eof模态的选取具有较强的区域依赖性，同时与模式的模拟性能也密切相关。只有模式的eof模态与观测模态对应较好，才能取得较好的订正效果。图14分别给出了观测和回报试验1991-2020年30年降水异常的eof前5个空间模态。可以看到，模式前5个空间模态与观测的对应关系较好，如第1模态西多东少；第2模态全区一致性少雨；第3模态中部多雨，东西部少雨等。观测中前5个模态可以解释总方差的78％，模式回报的前5个模态解释的总方差达82％。基于上述分析，我们选取了观测和模式的前5个模态用于误差订正，即(24)和(25)式中的k＝5。
[0180]
(2)利用线性回归方法，得到观测和回报eof分解所得时间系数之间的线性关系。对于观测第j个模态t时刻对应的时间系数α
i,t
，可以表示为：
[0181][0182]
其中，λ
i,j
为回归系数，εj为回归偏差。β
i,t
为回报场eof分解所得时间系数。
[0183]
(3)通过将预测结果投影到已有回报的空间模态上，可得新一年预测值eof分解
的时间系数β
i,n+1
，利用(26)式得到的回归方程，可得新一年观测值eof分解时间系数估计值为：
[0184][0185]
(4)将(27)式的得到的时间系数代入观测的eof空间模态(式(24))，即可得到订正后的降水异常预测结果：
[0186][0187]
利用上述误差订正方法，对南方五省区30年回报的降水异常进行了订正。图15给出了30年回报多年平均的订正前后提前1月起报的回报降水的p评分。p评分是由中国气象局制定的用于评判短期气候预测技巧的评分指标，取值范围为0-100，分数越高，说明预测技巧越好。由图15可见，所有月份，订正后的预测技巧均比订正前有所提高，秋冬季节的提高更为显著。年平均的p评分由65分提高到71分。
[0188]
在上述具体实施方式中，本发明所提供的预测方法，通过基于耦合器的动态三维数据映射方法，实现了全球模式数据与区域模式数据的三维耦合传递，进而实现了全球模式与区域模式的在线耦合运行，显著节省了模式的计算时间，显著减小了中间数据的存储空间，解决了现有技术中特定区域内月季降水预测时效性较差的技术问题。
[0189]
进一步地，本发明所提供的预测方法，通过基于经验正交函数分解(eof)的误差订正技术，利用前几项特征向量最大限度的表征气候变量场的变率分布结构。它们所代表的空间分布型是该变量场典型的分布结构。由于预测场和观测场存在一定的相似性，两者eof分析所得的特征向量和其对应的时间系数必然存在一定的关系，利用这样的关系可以对预测结果进行修正，提高预测准确性，解决了现有技术中特定区域内月季降水预测系统性偏差大的技术问题。
[0190]
除了上述方法，本发明还提供一种面向南方五省区的月季降水预测装置，如图16所示，所述装置包括：
[0191]
初始场生成模块1601，用于制备预测模式的初始场，包括大气初始场、陆面初始场和海洋海冰初始场；
[0192]
结果预测模块1602，用于基于耦合器，通过三维耦合算法完成全球模式向区域模式的在线降尺度，并利用降尺度的结果对所述区域模式进行初始化，基于初始化结果进行模式积分计算，以得到原始预测结果；
[0193]
结果订正模块1603，用于对所述原始预测结果进行误差订正，以得到订正后的最终预测结果。
[0194]
本发明所提供的预测装置，通过基于耦合器的动态三维数据映射方法，实现了全球模式数据与区域模式数据的三维耦合传递，进而实现了全球模式与区域模式的在线耦合运行，显著节省了模式的计算时间，显著减小了中间数据的存储空间，解决了现有技术中离线降尺度预测时效性较差的技术问题。
[0195]
本发明所提供的预测装置，通过基于经验正交函数分解(eof)的误差订正技术，利
用前几项特征向量最大限度的表征气候变量场的变率分布结构。它们所代表的空间分布型是该变量场典型的分布结构。由于预测场和观测场存在一定的相似性，两者eof分析所得的特征向量和其对应的时间系数必然存在一定的关系，利用这样的关系可以对预测结果进行修正，提高预测准确性，解决了现有技术中特定区域内月季降水预测系统性偏差大的技术问题。
[0196]
图17示例了一种电子设备的实体结构示意图，如图17所示，该电子设备可以包括：处理器(processor)1710、通信接口(communications interface)1720、存储器(memory)1730和通信总线1740，其中，处理器1710，通信接口1720，存储器1730通过通信总线1740完成相互间的通信。处理器1710可以调用存储器1730中的逻辑指令，以执行上述方法。
[0197]
此外，上述的存储器1730中的逻辑指令可以通过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取存储介质中。基于这样的理解，本发明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)执行本发明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-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0198]
本技术实施例提供的电子设备中的处理器1710可以调用存储器1730中的逻辑指令，其实施方式与本技术提供的方法的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
[0199]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法。
[0200]
本技术实施例提供的计算机程序产品被执行时，实现上述方法，其具体的实施方式与前述方法的实施例中记载的实施方式一致，且可以达到相同的有益效果，此处不再赘述。
[0201]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法。
[0202]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0203]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0204]
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细
说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。