一种高分辨率高空风的短期预报方法
阅读说明：本技术 一种高分辨率高空风的短期预报方法 (Short-term forecasting method for high-resolution high-altitude wind ) 是由 施萧 冯箫 聂于棚 甘思旧 郭学文 张滢 赵兴娜 贵志成 樊晶 赵小平 张晓杰 于 2020-12-10 设计创作，主要内容包括：本发明涉及一种高分辨率高空风的短期预报方法,属于航天气象保障中高分辨率高空风的预报技术领域。本发明针对航天气象保障中高分辨率高空风的预报保障需求,利用欧洲中期数值预报产品、北斗导航测风数据,通过WRF模式设计、高空风模式产品融合、风场概率分布订正、统计订正等方法实现了0.25～20km逐250m分层高空风预报。通过该方法可实现逐层高空风预报,提高分层高空风预报准确率,适用于高分辨率高空风预报。(The invention relates to a short-term forecasting method for high-resolution high-altitude wind, and belongs to the technical field of forecasting of high-resolution high-altitude wind in space weather guarantee. Aiming at the forecasting guarantee requirement of high-resolution high-altitude wind in space meteorological guarantee, the method realizes 0.25-20 km-250 m layered high-altitude wind forecasting by using European middle-term numerical forecasting products and Beidou navigation wind measurement data through WRF mode design, high-altitude wind mode product fusion, wind field probability distribution correction, statistical correction and other methods. The method can realize the layer-by-layer high-altitude wind forecast, improves the accuracy of the layer-by-layer high-altitude wind forecast, and is suitable for the high-resolution high-altitude wind forecast.)
技术领域
本发明属于技术领域，具体涉及一种高分辨率高空风的短期预报方法。
背景技术
高空风是航天气象保障的重要因素。运载火箭穿越大气层的时候，高空大风带来的风载荷会影响到火箭飞行姿态，对火箭的结构可靠性造成一定影响。我国新一代运载火箭对高空风气象保障提出了较高的要求，高空风预报更加精细。目前还未有相关研究来解决这一难题。本文提出的高空风预报方法可以很好地解决这个问题。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提供一种高分辨率高空风的短期预报方法，以解决高空风精细预报的难题。
(二)技术方案
为了解决上述技术问题，本发明提出一种高分辨率高空风的短期预报方法，该方法包括如下步骤：
S1、设计WRF模式：
将WRF模式垂直层次定为46层，对WRF模式进行积分，生成46层、逐1小时的风场产品，在风场产品的后处理中，将46层插值为82层，实现250-20500m逐250m的WRF高空风产品；
S2、欧洲数值预报与WRF高空风产品融合：
对欧洲数值预报在250-20500m内17层的位势高度与逐250m最近的高度层进行动态匹配，得到相应250m整数倍高度；计算WRF高空风产品的垂直风廓线在逐250m的趋势变化，并将WRF趋势采用逐段插值的方法反馈给欧洲数值预报的风廓线；
S3、风场概率分布订正：
根据急流轴结构，将风场划分为风速增加区、大风区和风速下降区；大风区风场在垂直方向上呈正态分布，风速下降区和风速增加区风场呈左偏态和右偏态分布。在高空风产品融合基础上，依据正态和偏态分布调整风速增加区、大风区、风速下降区三块区域的风场；
S4、统计订正
根据最新的导航测风实况，基于MOS原理，在预报业务中对风场概率分布订正后的各层风场进行滚动误差订正。
进一步地，所述欧洲数值预报包括19层产品，分别为1000、950、925、900、850、800、700、600、500、400、300、250、200、150、100、70、50、20、10hPa；所述步骤S2中舍弃的两层为20hPa和10hPa。
进一步地，所述WRF模式采用地形跟随垂直坐标，模式最下层取值为1，模式层顶取值为0；将WRF垂直层次定为46层，分别为1.00，0.99，0.98，0.97，0.96，0.95，0.94，0.93，0.92，0.91，0.90，0.88，0.86，0.84，0.82，0.80，0.78，0.76，0.74，0.72，0.70，0.68，0.66，0.64，0.62，0.60，0.57，0.54，0.51，0.48，0.45，0.42，0.39，0.36，0.33，0.30，0.27，0.24，0.21，0.18，0.15，0.12，0.09，0.06，0.03，0.00。
进一步地，所述步骤S1中的对WRF模式进行积分，生成46层、逐1小时的风场产品，在风场产品的后处理中，将46层插值为82层，实现250-20500m逐250m的WRF高空风产品具体包括：对WRF模式的每一层数据进行72小时的积分运行，通过设置，每小时都有一次高分辨率的46层逐层风场产品生成，在风场产品的后处理中，利用ARWpost(Post-Processing ofAdvanced Research WRF，WRF模式的后处理模块)将WRF高空风产品插值为82层，即250-20500m逐250m的WRF高空风产品。
进一步地，所述步骤S2具体包括如下步骤：
S21、将欧洲数值预报在250-20500m内17层的相邻层位势高度gh转成相应的逐250m位势高度垂直层flev1和flev2；
S22、WRF的纬向风或经向风在该高度序列flev1到flev2进行归一化处理，得到归一化后的序列值；
S23、将欧洲数值预报在相邻层的纬向风场或经向风场值作为序列值的首尾值，根据归一化序列进行插值，得到flev1到flev2之间新的纬向风场或经向风场。
进一步地，所述步骤S21具体包括：将欧洲数值预报在250-20500m内17层的相邻层的位势高度gh采用公式(1)获得相应的250m整数倍高度flev1和flev2，
进一步地，所述步骤S22具体包括：
对于纬向风，WRF的纬向风在该高度序列flev1到flev2采用公式(2)进行归一化处理，得到归一化后的序列值；
其中，umin为WRF的纬向风在该高度序列的最小风场，umax为WRF的纬向风在该高度序列的最大风场，u为WRF的纬向风在当前高度的风场，u′为WRF的纬向风在当前高度的归一化值；
对于经向风，WRF的经向风在该高度序列flev1到flev2采用公式(3)进行归一化处理，得到归一化后的序列值；
其中，vmin为WRF的经向风在该高度序列的最小风场，vmax为WRF的经向风在该高度序列的最大风场，v为WRF的经向风在当前高度的风场，v′为WRF的经向风在当前高度的归一化值。
进一步地，所述步骤S3中的依据正态和偏态分布调整风速增加区、大风区、风速下降区三块区域的风场具体包括：根据正态、偏态分布来平滑处理风速增加区、大风区、风速下降区三块区域的风场。
进一步地，所述步骤S4具体包括如下步骤：
S41、利用前2天的预报风和测风实况进行滚动订正，求解误差系数wt；
yt'＝yt+wt×et-1 (4)
误差et-1取前2天误差的滑动平均，yt为初次预报值，yt'为实况值，依据最小二乘法，计算出误差系数wt；
S42、在预报业务中对步骤S3订正后的各层风场进行滚动误差订正；
根据公式(4)对步骤S3订正后的各层风场进行二次订正，此时，yt为步骤S3订正后的预报值，yt'为滚动误差订正后的预报值。
进一步地，所述测风实况为北斗导航测风实况。
(三)有益效果
本发明提出一种高分辨率高空风的短期预报方法，利用欧洲中期数值预报产品、北斗导航测风数据，通过WRF模式设计、高空风模式产品融合、风场概率分布订正、统计订正等方法实现了0.25～20km逐250m分层高空风预报。通过该方法可实现逐层高空风预报，提高分层高空风预报准确率，适用于高分辨率高空风预报。
附图说明
图1为某一天高空风预报效果图；
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
WRF(Weather Research and Forecasting Model)模式是由美国环境预报中心(NCEP)美国大气研究中心(NCAR)以及多个大学、研究所和业务部门联合研发的一种统一的中尺度天气预报模式。
本发明通过WRF区域模式设计、欧洲数值预报和WRF模式产品融合、基于概率分布特征和探空实况进行风场的概率分布订正和统计订正，实现高空风20km以下逐250m合计80层的高空风预报。该方法适用于高分辨率高空风预报。
为了实现上述目的，本发明采用的技术方案如下：
S1、设计WRF模式：
将WRF模式垂直层次定为46层，对WRF模式进行积分，生成46层、逐1小时的风场产品，在风场产品的后处理中，将46层插值为82层，实现250-20500m逐250m的WRF高空风产品。
S2、欧洲数值预报与WRF高空风产品融合：
对欧洲数值预报在250-20500m内17层的位势高度与逐250m最近的高度层进行动态匹配，得到相应250m整数倍高度；计算WRF高空风产品的垂直风廓线在逐250m的趋势变化，并将WRF趋势采用逐段插值的方法反馈给欧洲数值预报的风廓线。
S3、风场概率分布订正：
根据急流轴结构，将风场划分为风速增加区、大风区、风速下降区。
做了两个假设：1)大风区风速在垂直方向上呈正态分布；2)对于风速呈下降或上升趋势的大风层次，风场呈左偏态或右偏态分布。在高空风产品融合基础上，依据正态和偏态分布调整风速增加区、大风区、风速下降区三块区域的风场。
S4、统计订正
根据最新的导航测风实况，基于MOS原理，在预报业务中对概率分布订正后的各层风场进行滚动误差订正。
仅利用预报风和前两天的实况预报差进行滚动订正。
本发明的高分辨率高空风的短期预报方法具体包括如下步骤：
S1、WRF模式设计
根据欧洲中期天气预报中心发布的数值预报(以下简称欧洲数值预报)19层产品(分别为1000、950、925、900、850、800、700、600、500、400、300、250、200、150、100、70、50、20、10hPa)来驱动WRF数值模式。每一层产品均包括时间、风、温度、湿度、位势高度等方面的数据。
WRF(Weather Research and Forecasting Model)模式是由美国环境预报中心(NCEP)美国大气研究中心(NCAR)以及多个大学、研究所和业务部门联合研发的一种统一的中尺度天气预报模式。
WRF模式采用地形跟随垂直坐标，模式最下层取值为1，模式层顶取值为0。通常将WRF垂直层次定为46层，分别为1.00，0.99，0.98，0.97，0.96，0.95，0.94，0.93，0.92，0.91，0.90，0.88，0.86，0.84，0.82，0.80，0.78，0.76，0.74，0.72，0.70，0.68，0.66，0.64，0.62，0.60，0.57，0.54，0.51，0.48，0.45，0.42，0.39，0.36，0.33，0.30，0.27，0.24，0.21，0.18，0.15，0.12，0.09，0.06，0.03，0.00。每一层均包括时间、风、温度、湿度、位势高度等方面的数据。
对WRF模式进行72小时的积分运行，通过设置，每小时都有一次高分辨率的46层逐层风场产品生成。在风场产品的后处理中，利用ARWpost(Post-Processing of AdvancedResearch WRF，WRF模式的后处理模块)将WRF高空风产品插值为82层，即250-20500m，逐250m的WRF高空风产品。
S2、欧洲数值预报与WRF高空风产品融合
欧洲数值预报中的20、10hPa的位势高度过高，所以通常选取其余的17层来与WRF高空风产品融合。
对欧洲数值预报在250-20500m内17层的位势高度(gh)与逐250m最近的高度层进行动态匹配，得到17层的位势高度相应的250m整数倍高度(flev)。
计算WRF预报的垂直方向的风廓线在逐250m的趋势变化，并将WRF趋势采用逐段插值的方法反馈给欧洲数值预报的风廓线，得到欧洲数值预报的82层纬向风(u)和经向风(v)。
以600-500hPa的纬向风场为例
S21、将欧洲数值预报在250-20500m内17层的相邻层的位势高度(gh)转成相应的逐250m位势高度垂直层flev1和flev2；例如，将相邻层600-500hPa的位势高度转成相应的逐250m位势高度垂直层；
具体地，将欧洲数值预报在250-20500m内17层的相邻层的位势高度(gh)采用公式(1)获得相应的250m整数倍高度flev1和flev2；例如，600hpa的位势高度转成相应的250m整数倍高度flev1为4250m，500hpa的位势高度转成相应的250m整数倍高度flev2为5750m；下面需要求出在4250m-5750mm之间的4500、4750、5000、5250、5500的纬向风场和经向风场；
S22、WRF的纬向风在该高度序列flev1到flev2采用公式(2)进行归一化处理，得到归一化后的序列值；
其中，umin为WRF的纬向风在该高度序列的最小风场，umax为WRF的纬向风在该高度序列的最大风场，u为WRF的纬向风在当前高度的风场，u′为WRF的纬向风在当前高度的归一化值；从而得到WRF的纬向风在flev1到flev2的归一化后的序列值；
例如，将WRF的纬向风的4250m-5750mm之间的4250、4500、4750、5000、5250、5500的纬向风场进行归一化处理，得到序列值，分别代表各个高度的纬向风场。
S23、将欧洲数值预报在相邻层的的纬向风场值作为序列值的首尾值，根据归一化序列进行插值，得到flev1到flev2之间的新的纬向风场。
同理，计算经向风使用下式
其中，vmin为WRF的经向风在该高度序列的最小风场，vmax为WRF的经向风在该高度序列的最大风场，v为WRF的经向风在当前高度的风场，v′为WRF的经向风在当前高度的归一化值；从而得到WRF的经向风在flev1到flev2的归一化后的序列值；使用该归一化序列值对欧洲数值预报在600hPa和500hPa的经向风场进行插值，得到flev1到flev2之间的新的经向风场。
S3、风场概率分布订正
高空急流是对流层上层大约9km以上，风速大于30m/s的狭长气流带。高空急流中心的长轴叫做急流轴，大致呈纬向分布。在水平方向上，每一百公里风速切变约5m/s，垂直方向上每公里风切变可达到5-10m/s。以下对急流区垂直风切变区域进行处理。
根据急流轴结构，将风场划分为风速增加区、大风区、风速下降区。风速增加区为低风速到急流过渡区；风速下降区为急流向低风速过渡区；大风区即为急流主要影响区。
做了两个假设：1)大风区风速在垂直方向上呈正态分布；2)对于风速呈下降或上升趋势的大风层次，风场呈左偏态或右偏态分布。然后依据正态和偏态分布进行趋势调整。
在高空风产品融合基础上，根据正态、偏态分布来平滑处理风速增加区、大风区、风速下降区三块区域的风场。
S4、统计订正
在气象预报中，需要考虑实况(实际探测的高空风情况)与预报(预报的高空风)偏差，通过偏差序列进而来二次订正指导实际预报。MOS(Model output statistics method，数值模式输出统计方法)，是一种常用的动力统计预报方法，这种方法充分考虑了预报与实况的偏差，可以建立线性或非线性的算法来具体实现。
根据最新的北斗导航测风实况，基于MOS原理，在预报业务中对融合后的各层风场进行滚动误差订正。具体步骤如下：
S41、仅利用前2天的预报风和北斗导航测风实况进行滚动订正，求解误差系数wt；
yt'＝yt+wt×et-1 (4)
误差et-1取前2天误差的滑动平均，yt为预报值，yt'为实况值，依据最小二乘法，计算出误差系数wt。
S42、在预报业务中对融合和风场概率分布订正后的各层风场进行滚动误差订正。
根据公式(4)对步骤S3订正后的各层风场进行二次订正，此时，yt为步骤S3订正后的预报值，yt'为滚动误差订正后的预报值。
高分辨率高空风短期预报计算方法主要包括：用欧洲中期数值预报产品驱动WRF模式，生成垂直分辨率较高的区域模式产品；将WRF预报的风廓线趋势反馈给欧洲中期数值预报产品，实现两种产品的融合；再利用概率和动力订正方法得到最终的高空风产品。
1、WRF模式设计：
根据欧洲数值预报的19层产品驱动WRF数值模式。根据欧洲中期天气预报中心发布的数值预报(以下简称欧洲数值预报)19层产品(分别为1000、950、925、900、850、800、700、600、500、400、300、250、200、150、100、70、50、20、10hPa)来驱动WRF数值模式。将WRF垂直层次定为46层，分别为1.00，0.99，0.98，0.97，0.96，0.95，0.94，0.93，0.92，0.91，0.90，0.88，0.86，0.84，0.82，0.80，0.78，0.76，0.74，0.72，0.70，0.68，0.66，0.64，0.62，0.60，0.57，0.54，0.51，0.48，0.45，0.42，0.39，0.36，0.33，0.30，0.27，0.24，0.21，0.18，0.15，0.12，0.09，0.06，0.03，0.00。
对WRF模式进行72小时的积分运行，通过设置，每小时都有一次高分辨率的风场产品生成。
WRF模式后处理中，利用ARWpost(Post-Processing of Advanced Research WRF，WRF模式的后处理模块)将WRF高空风产品插值为82层，即250-20500m，逐250m。
2、欧洲中期数值预报产品与WRF高空风产品融合：
对欧洲数值预报在250-20500m内17层的位势高度与逐250m最近的高度层进行动态匹配，得到相应250m整数倍高度的经向风和纬向风。
计算WRF预报的垂直方向的风廓线在逐250m的趋势变化，并将WRF趋势采用逐段插值的方法反馈给欧洲数值预报的风廓线。
以600-500hPa的纬向风场为例:
1)600-500hPa的位势高度转成相应的逐250m位势高度垂直层；
2)WRF的经向风在该高度序列进行归一化处理，得到归一化后的序列值；
3)将欧洲数值预报在600hPa和500hPa的经向风场值作为序列值的首尾值，根据归一化序列进行插值，得到新的序列值，作为新的纬向风场。
同理，可以计算新的经向风。
3、风场概率分布订正：
根据急流轴结构，将风场划分为风速增加区、大风区、风速下降区。
做了两个假设：1)大风区风速在垂直方向上呈正态分布；2)对于风速呈下降或上升趋势的大风层次，风场呈左偏态或右偏态分布。然后依据正态和偏态分布进行趋势调整。
根据正态、偏态分布来订正风速增加区、大风区、风速下降区三块区域的风场。
4、统计订正：根据最新的导航探空实况，基于MOS原理，在预报业务中对融合后的各层风场进行滚动误差订正。仅利用前2天的预报风和实况预报差进行滚动订正。
yt'＝yt+wt×et-1 (4)
误差et-1取前2天误差的滑动平均。依据最小二乘法，计算出误差系数wt。yt为预报值，yt'为订正后的预报值。
如表1所示同层纬向风U、经向风V预报准确率。
表1同层U、V风预报准确率
(同层风的预报实况偏差，U和V都在阈值范围内则记入准确率)
如图1所示为，2020年2月12日高空风廓线、风羽的预报与实况对比(预报为20000m以下的预报风速廓线和矢量风羽、实况为北斗高空探测实际风速廓线和矢量风羽)。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种自动排水型称重式降水传感器