【技术实现步骤摘要】
本专利技术属于气象探测技术和气象预报，尤其涉及一种融合毫米波云雷达和微波辐射计数据的气温订正方法。
技术介绍
1、气温是关键的气象要素之一，极端高温和低温都将对人类生产、生活造成重大影响。因此，准确预报气温具有极其重要的意义。目前，气温预报主要依赖数值模式进行，由于资料同化方法、地理分辨率的限制，气温预报值与实际观测值仍存在差距，因此在气象预报业务中多采用对预报气温进行订正的方法，以得到更准确的气温预报值。
2、对于气温订正，现阶段大多数的方法是以数学统计和融合常规地面观测数据为基础的。数学统计方法中，包括平均法、双权重平均法、滑动平均法和滑动双权重平均法、回归方法等，多采用线性关系对数值预报系统的预报气温进行订正，而缺少利用非线性关系的方法对预报气温进行订正。观测数据使用上，以自动气象站的常规观测为主，仅获取近地面一层的气象要素，不仅缺少垂直方向上不同高度的气象要素资料，还忽略了本地云层对气温的影响。云对太阳辐射的遮蔽可引起降温作用；另一方面，云对有效长波辐射的吸收具有升温作用(温室效应)。可见，云是潜热交换的重要要素之一，是气温等气象因子发生变化的主要原因。实际预报业务中发现，在多云条件下，气象预报员用客观方法对模式预报订正的气温值与实际气温仍存在较大差异。
3、因此，本地云的宏微观物理特性对该站点气温预报的准确率的影响不容忽视。现有的新型气象探测设备，例如毫米波云雷达、微波辐射计等，能提供站点高时空分辨率的云探测资料，计算和反演得到云底高度、云顶高度、云中液水路径等云的宏微观物理特性，为进一步研究该
技术实现思路
1、鉴于上述问题，本专利技术的目的在于提供一种融合毫米波云雷达和微波辐射计数据的气温订正方法，旨在解决现有气温订正方法的订正结果与实际观测值仍存在较大差异的技术问题，形成了一种简单、优化的算法，能够应用于测站本地及周边地区的不同天气条件下的气温预报。
2、本专利技术采用如下技术方案：
3、所述融合毫米波云雷达和微波辐射计数据的气温订正方法，包括下述步骤：
4、步骤s1、选定已安装毫米波云雷达和微波辐射计的观测站点，提取该站点对应经纬度网格的历史ec预报气温，提取同一站点的历史观测资料，包括观测站点的实测气温、毫米波云雷达观测数据、微波辐射计观测数据以及地面雨量计观测数据，对历史观测资料的数据进行清洗，得到有效资料数据；
5、其中毫米波云雷达观测数据包括云廓线，微波辐射计观测数据包括相对湿度rh廓线、水汽密度wvd廓线、液态水路径lwp，雨量计观测数据包括逐分钟降水量r；
6、步骤s2、根据云廓线数据进行反演计算，得到平均雷达反射率因子、云顶高度、云底高度；
7、步骤s3、对其中的rh廓线和wvd廓线进行空间匹配，得到地面到一定探测高度范围内rh的平均值，以及wvd的平均值最终得到原始数据集，所述原始数据集中包括有九种大气-云物理参量，分别为预报气温、实测气温、平均雷达反射率因子、云顶高度、云底高度、相对湿度平均值、水汽密度平均值、液态水路径lwp、降水量r；
8、步骤s4、按照时间轴，根据设定时间分辨率将原始数据集各数据进行时间匹配，得到设定时间分辨率的样本数据集；
9、步骤s5、构建bp神经网络模型，按照天气条件，分别建立有云网络模型和无云网络模型，两种模型均为bp神经网络模型，两种模型的输入量不同，输出量均为实测气温，直至模型训练期望误差满足要求；
10、步骤s6、在模型应用时，获取目标时间段内的ec预报气温，获取和计算当前的大气-云物理参量并输入至bp神经网络模型，将模型输出记录为订正后气温t，即未来目标时间段内最终的气温预报值。
11、本专利技术的有益效果是：本专利技术从云的宏观和微观特性出发，分析和研究云层不同物理特性的云与气温变化的相关性，考虑云层对气温变化的影响，提出一种新的气温订正方法，采用毫米波云雷达和微波辐射计作为新型气象探测设备，然后根据现有的历史观测资料，获取以及计算反演得到各种需要的大气-云物理参量，并引入bp神经网络算法进行站点的ec预报气温进行订正，实现新型气象资料和气象预报业务的融合应用。通过实际验证，本专利技术方法优于现有的气温订正方法，能够提高本地气温预报准确度。
本文档来自技高网...【技术保护点】
1.一种融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，所述气温订正方法包括下述步骤：
2.如权利要求1所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，所述BP神经网络模型分为有云网络模型和无云网络模型，两种模型均包括输入层、隐藏层和输出层，其中有云条件下，将训练数据集中提取的预报气温、平均雷达反射率因子、云顶高度、云底高度、相对湿度平均值、水汽密度平均值、液态水路径LWP、降水量R输入至网络模型进行训练，模型输出量为实测气温，直至模型训练期望误差满足要求，即模型输入层为八个输入节点，输出层为一个输出节点；无云条件下，将训练数据集中提取的预报气温、相对湿度平均值、水汽密度平均值、液态水路径LWP输入至网络模型进行训练，模型输出量为实测气温，直至模型训练期望误差满足要求，即模型输入层为四个输入节点，输出层为一个输出节点。
3.如权利要求2所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，对有云网络模型和无云网络模型进行训练时，按冷季和暖季设计期望误差值，其中定义冷季为11月-2月，模型训练期望误差goal设置为0.0
4.如权利要求3所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，BP神经网络模型中，选择S型正切函数作为隐藏层神经元的激励函数，选择S 型对数函数作为输出层神经元的激励函数，网络迭代次数为1000次，学习速率为0. 2。
5.如权利要求1-4任一项所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，步骤S2中，云顶高度、云底高度的计算方式为：利用阈值法将毫米波云雷达提供的云廓线每根径向的连续回波中，底部和顶部达到或最接近-40 dBZ的距离库对应高度视为云底高度和云顶高度；如果垂直方向上相邻云块之间的缝隙小于或等于距离阈值，则认为两个云块属于同一层云；反之，则识别为当前大气条件下生成的两层云；在每条云廓线上，对云底和云顶之间距离库上回波的雷达反射率因子取平均值，得到平均雷达反射率因子。
6.如权利要求5所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，所述云顶高度和云底高度分别取第一层云的云顶高度和云底高度，所述第一层云为最接近地面的云层。
7.如权利要求6所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，步骤S3中，物理参量中、、、LWP、R的矩阵大小为1×1，RH、 WVD的矩阵大小为1×58，对其中的RH廓线和WVD廓线进行矩阵降维处理，得到地面到一定探测高度范围内RH的平均值，以及WVD的平均值其中在有云条件下，根据毫米波云雷达的距离库库长和库数,找到与第一层云的最接近的微波辐射计有探测数据的高度值H, 计算地面到高度H范围内RH的平均值,同理计算地面到高度H范围内WVD的平均值；在无云条件下，计算地面到10 km范围内RH的平均值,同理计算地面到10公里范围内WVD的平均值，最终得到原始数据集中的云顶高度、云底高度、相对湿度、水汽密度、液态水路径、地面降水量。
8.如权利要求7所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，步骤S4中，时间分辨率为1小时，时间匹配具体包括：对每3小时提供一次的EC预报气温进行二维线性插值处理，时间分辨率变换为1小时；实测气温的时间分辨率为1小时，无需做时间匹配处理；对平均雷达反射率因子在1小时内取平均值，时间分辨率变换为1小时；对云顶高度、云底高度在1小时内取平均值，时间分辨率变换为1小时；对降水量R在1小时内累计相加，时间分辨率变换为1小时；最终所有参量数据均时间匹配至1小时。
...【技术特征摘要】
1.一种融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，所述气温订正方法包括下述步骤：
2.如权利要求1所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，所述bp神经网络模型分为有云网络模型和无云网络模型，两种模型均包括输入层、隐藏层和输出层，其中有云条件下，将训练数据集中提取的预报气温、平均雷达反射率因子、云顶高度、云底高度、相对湿度平均值、水汽密度平均值、液态水路径lwp、降水量r输入至网络模型进行训练，模型输出量为实测气温，直至模型训练期望误差满足要求，即模型输入层为八个输入节点，输出层为一个输出节点；无云条件下，将训练数据集中提取的预报气温、相对湿度平均值、水汽密度平均值、液态水路径lwp输入至网络模型进行训练，模型输出量为实测气温，直至模型训练期望误差满足要求，即模型输入层为四个输入节点，输出层为一个输出节点。
3.如权利要求2所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，对有云网络模型和无云网络模型进行训练时，按冷季和暖季设计期望误差值，其中定义冷季为11月-2月，模型训练期望误差goal设置为0.01，则暖季为3月-10月，模型训练期望误差goal设置为0.03。
4.如权利要求3所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，bp神经网络模型中，选择s型正切函数作为隐藏层神经元的激励函数，选择s 型对数函数作为输出层神经元的激励函数，网络迭代次数为1000次，学习速率为0. 2。
5.如权利要求1-4任一项所述融合毫米波云雷达和微波辐射计数据的气温订正方法，其特征在于，步骤s2中，云顶高度、云底高度的计算方式为：利用阈值法将毫米波云雷达提供的云廓线每根径向的连续回波中，底部和顶部达到或最接近-40 dbz的距离库对应高度视为云底...
【专利技术属性】
技术研发人员：万霞，周志敏，王飞，万蓉，王斌，胡金蓉，吴林林，李蒙，
申请(专利权)人：中国气象局武汉暴雨研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。