一种基于自适应敏感因子的扰动方法
【技术领域】
[0001] 本发明涉及气象预报领域，尤其涉及一种基于自适应敏感因子的扰动方法。
【背景技术】
[0002] 由于初始误差随时间的演变在斜压不稳定和对流不稳定中具有显著地差异，中 期集合扰动方法构造的初始扰动无法在对流系统中快速的增长，也即初始扰动结构与 风暴系统的发展不相适应，进而导致集合成员离散度低于合理的水平（Migliorini et al.，2011);另一方面，风暴尺度的初值扰动和侧边界扰动的尺度不相适应也将限制初始扰 动和集合离散度的增长。多物理过程（Berner, et al·，2011 Johnson et al·，2012)和多 模式（Park et al. 2008 !Clark et al. 2011)集合有助于改善离散度问题，但是模式的微物 理方案中的降水预报变量和微物理过程的阈值条件判断是不同的，对降水强度和落区范围 预报均有显著地影响（陈静等，2005)，针对实时发生的不同类型风暴系统，采用固定不变 的集合配置组合性地选取不同模式微物理方案是盲目的。最近，有学者将随机物理扰动法 应用于大、中尺度以及风暴尺度模式中（Berner et al. 2011，Bouttier et al. 2012)，较好 地改善了集合离散度的增长问题，然而，该方法仅随机扰动物理参数的倾向而并没有考虑 模式物理方案中的能量守恒条件，这是ECMffF采用的SPPT方案仅局限于中高层大气的主要 原因（在边界层，能量不守恒的SPPT将导致模式计算崩溃），该问题的解决将有助于进一步 改善风暴尺度集合预报的预报水平。
[0003] 另一方面，单纯随机的扰动模式的风场和温度场也能改变垂直风切变、对流有效 位能、螺旋度、沙氏指数、Jefferson index的数值，但是这种改变是非常随机的，没有太多 的物理意义，而且扰动的量级完全不可控制。
【发明内容】
[0004] 本发明目的在于克服以上现有技术之不足，提供一种基于自适应敏感因子的扰动 方法，具体有以下技术方案实现：
[0005] 所述基于自适应敏感因子的扰动方法，包括如下步骤：
[0006] (I)采集气象资料：下载最近10年的NCEP再分析资料作为样本数据，分别计算 得到的每个时次文件上每个格点的指数信息，所述指数信息分别为：垂直风切变、对流有效 位能、螺旋度、沙氏指数、Jefferson index ;
[0007] (II)构建数据库：根据最近10年的气象灾害年鉴，将气象灾害按暴雨、冰雹、大风 以及龙卷进行分类，将这四种类型的天气发生的时间、经炜度以及对应的所述指数信息存 进所述数据库；
[0008] (III )按天气类型进行统计：根据数据库中的数据分别给出样本中各指数信息对 应的值域作为判定此类灾害性天气将会发生的样本区间；
[0009] (IV )选取敏感扰动变量：求得所有时次各个格点上各指数信息的平均值，并计算 所有灾害性天气发生时各指数信息偏离平均值的距平百分率，根据天气类型比较各指数信 息的距平百分率，取偏离平均值最显著的变量为对应天气类型下的敏感扰动变量；
[0010] ( V )扰动：使用变分的方法对风场和温度场进行扰动实现各指数信息的诊断量 在初始场中的扰动。
[0011] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（I)中依据 公式（1)计算每个时次文件上每个格点的垂直风切变：
[0012]
⑴
[0013] 其中Shr是最后的风切变值，P是空气密度（可用P = P RT气象气体状态方程 求出，其中P和T在（I. 1)步下载的资料中有，注意T是绝对温度，不是位温），|V(Z) I是高 度z上的风速，Z是公式积分的最大高度，通常在3km。
[0014] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（I)中依据 公式（2)计算每个时次文件上每个格点的对流有效位能：
[0015]
[0016] 其中CAPE是最后的对流有效位能的数值，是自由对流高度的顶部，P %是低层 对流抑制区的顶部，Rd是干空气的常数~287, Tvp是气块的虚温，Tve是环境虚温，ΡΕ?为 空气块上升过程中气块温度达到环境温度时的海拔高度的气压值，为自P %对应的海拔 高度直到模式层顶的区间内气块温度小于环境温度时的海拔高度的气压值。
[0017] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（I)中依据 公式（3)计算每个时次文件上的每个格点的螺旋度，
[0018]
[0019] 其中H是螺旋度的值，h是计算螺旋度的最大高度，Ph是所述高度上的气压，PO是 地面气压，Vg是这一层的地转风，P是气压层的气压值，▽ p是p坐标下的水平梯度，T是绝 对温度，R表示理想气体常数，数值约为287, f是科氏参数。
[0020] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（I)中依据 公式（4)计算每个时次文件上的每个格点的沙氏指数，
[0021] SI = T500-Tl (4)
[0022] 其中T500是500hPa的实际温度，?；是气块从自由对流高度开始沿湿绝热线抬升 到500hPa对应海拔高度的温度。
[0023] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（I)中依据 公式（5)计算每个时次文件上的每个格点的Jefferson index，
[0024]
(5):
[0025] 其中是850hPa上的湿球位温，Td是露点温度，T5。。是500hPa的实际温度，T 70。 是700hPa的实际温度，Td7。。表示700hPa的露点温度。
[0026] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（III)中的 值域取去样本中各指数信息15分位与85分位的值之间70%的样本取值区间。
[0027] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（IV )中各 指数信息的距平百分率的计算公式，如式（6)
[0028] 距平百分率=(每个灾害性天气发生时的指数信息-该指数信息的平均）/该指 数信息的平均
[0029] (6)。
[0030] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（IV )中若 某种天气类型对所有诊断量的距平百分率相差都在10 %以内，则优先对对流有效位能和垂 直风切变两个指数信息进行扰动。
[0031] 所述的基于自适应敏感因子的扰动方法的进一步设计在于，所述步骤（V )中的 扰动方法包括：
[0032] a)随机扰动将要发生的天气类型的区域内所有点对应的所述敏感扰动变量，扰动 大小不超过所述值域，同时扰动以初始场上计算得到的诊断量的数值为中心，扰动的百分 率在正负20%以内，并计算区域内扰动的均方根误差R。
[0033] b)根据式（7)在水平方向上的每一个格点使用变分方法
[0034] J(x) = [H (x)-y°] TR'[H(X)-Y0] (7)
[0035] 其中J是代价函数，x表示（1)~（5)中右侧的模式变量，H是（1)~（5)的公式， H(X)对各指数信息的计算，7°表示扰动后的诊断量，
[0036] c)通过求满足J(X)极小值的X来实现各指数信息的诊断量在初始场中的扰动。
[0037] 本发明的优点如下：
[0038] 通过上述方法，即使用变分的方法对风场和温度场进行扰动，则可以使扰动的物 理意义更为明确，结果也更容易预料。同时，由于量级不大，波长也很短，随机扰动在模式中 也很容易被平滑掉，很容易就被模式中的耗散项给滤除。相反，对诊断变量的扰动则不存在 这种问题。
[0039] 自适应选择敏感扰动变量因为每种判据的标准不一样，适用范围不完全重合。因 此核心是综合各种判据，估计未来可能发生的对流的情形，并据此选择在这一情形下较为 敏感的模式变量或其诊断量进行扰动，以合理有据有效地构造初始集合成员。
[0040] 自适应选择敏感扰动变量相比于传统的依赖单一判据