强对流天气分型的资料同化背景误差协方差特征统计方法

    公开(公告)号:CN116975523B

    公开(公告)日:2023-12-12

    申请号:CN202311231702.6

    申请日:2023-09-22

    Abstract: 本发明公开了一种强对流天气分型的资料同化背景误差协方差特征统计方法,涉及大气科学研究领域,包括如下步骤:步骤一、对研究区域的强对流天气形势进行分型;步骤二、根据空间相似度判据,判断新的预报场是否是强对流背景场,若是强对流背景场,进一步判定是属于步骤一分型出的哪一类型从而将当下新的预报场归类;步骤三、新的预报场归类后,挑选出该类型下的所有历史样本,然后基于频谱滤波技术对样本预报场进行全球模式大尺度背景误差协方差和区域模式小尺度背景误差协方差的分离,从而分析不同强对流天气类型下对流区与非对流区的

    强对流天气分型的资料同化背景误差协方差特征统计方法

    公开(公告)号:CN116975523A

    公开(公告)日:2023-10-31

    申请号:CN202311231702.6

    申请日:2023-09-22

    Abstract: 本发明公开了一种强对流天气分型的资料同化背景误差协方差特征统计方法,涉及大气科学研究领域,包括如下步骤:步骤一、对研究区域的强对流天气形势进行分型;步骤二、根据空间相似度判据,判断新的预报场是否是强对流背景场,若是强对流背景场,进一步判定是属于步骤一分型出的哪一类型从而将当下新的预报场归类;步骤三、新的预报场归类后,挑选出该类型下的所有历史样本,然后基于频谱滤波技术对样本预报场进行全球模式大尺度背景误差协方差和区域模式小尺度背景误差协方差的分离,从而分析不同强对流天气类型下对流区与非对流区的背景误差协方差多尺度特征差异。本发明通过改进背景误差协方差同化方法,从而改进数值模式背景误差的描述能力。

    基于湿位涡的集合预报扰动方法

    公开(公告)号:CN118210086A

    公开(公告)日:2024-06-18

    申请号:CN202410635937.X

    申请日:2024-05-22

    Abstract: 本发明涉及数值天气预报技术领域,具体公开一种基于湿位涡的集合预报扰动方法,包括如下步骤:设定扰动循环参数;S200、开始扰动循环,对集合预报成员进行扰动,生成湿位涡扰动预报集合;将全部扰动后集合预报成员预报到下一个扰动循环时刻,生成下一个扰动循环时刻的模式预报场,再次执行步骤S200,反复循环,直至遍历完所有扰动循环时刻。本发明基于湿位涡的集合预报扰动方法能够有效影响模式预报的对流不稳定与斜压不稳定环境,从而减小当模式预报的不稳定环境存在偏差时导致的扰动增长与实际误差演变的差异,改进集合预报效果,提高预报技巧评分。

    基于湿位涡的集合预报扰动方法

    公开(公告)号:CN118210086B

    公开(公告)日:2024-08-30

    申请号:CN202410635937.X

    申请日:2024-05-22

    Abstract: 本发明涉及数值天气预报技术领域,具体公开一种基于湿位涡的集合预报扰动方法,包括如下步骤:设定扰动循环参数;S200、开始扰动循环,对集合预报成员进行扰动,生成湿位涡扰动预报集合;将全部扰动后集合预报成员预报到下一个扰动循环时刻,生成下一个扰动循环时刻的模式预报场,再次执行步骤S200,反复循环,直至遍历完所有扰动循环时刻。本发明基于湿位涡的集合预报扰动方法能够有效影响模式预报的对流不稳定与斜压不稳定环境,从而减小当模式预报的不稳定环境存在偏差时导致的扰动增长与实际误差演变的差异,改进集合预报效果,提高预报技巧评分。

    一种局地集合资料同化方法

    公开(公告)号:CN113792262A

    公开(公告)日:2021-12-14

    申请号:CN202111135675.3

    申请日:2021-09-27

    Inventor: 王世璋 曾明剑

    Abstract: 本发明公开了一种局地集合资料同化方法,包括:选定分析时刻并生成分析时刻的模式背景场Xf和预报误差样本集合X';读取模式背景场Xf、预报误差样本集合X',以及同化分析需要且能够获得的观测yo,并根据经纬度对模式预报区域和观测进行分区,并标记存储观测周围的模式格点的位置信息;根据计算条件和实际需求选定单点、单柱、或多柱组合的分析方式;对背景场Xf涉及的所有点、或单柱、或多柱组合进行同化分析;输出分析场。本发明的方法实现了模式变量背景误差协方差在同化过程中的直接计算,避免了直接使用集合样本而导致的分析精度下降的问题(次优解),同时解决了在同化垂直积分型观测时难以进行局地化的问题。

Patent Agency Ranking