【技术实现步骤摘要】
本专利技术涉及数据预测处理，特别涉及一种极端降水预测方法、装置、电子设备及存储介质。
技术介绍
1、降水是水文循环的关键因子，过去几十年来全球多数地区的极端降水强度和频率显著上升，引发的洪涝灾害造成大量的经济损失。大气边界层水汽含量是形成降水的物质基础，依据c-c（clausius-clapeyron，克劳修斯-克拉珀龙）热力学方程，饱和水汽压随气温升高呈非线性增长，约为6.8%/ oc，一般称之为c-c标度。目前已有研究进一步考虑水汽含量与降水强度的物理联系，评估了全球降水对气候变暖的响应强度，发现极端降水在多数地区呈现亚c-c标度或负响应系数。同时，全球多数地区的地面观测和卫星反演数据证实：极端降水一般呈现hook气候响应结构，即随气温升高出现先上升后下降的“抛物线”轨迹。
2、相关技术中主要基于统计方法预测未来极端降水，或者基于物理模型预测未来极端降水，并未考虑到热力作用驱动下的极端降水演变趋势，和hook结构对未来极端降水的影响，考虑因素较少，从而导致极端降水的预测准确性较低。
技术实现思路
1、本专利技术提供一种极端降水预测方法、装置、电子设备及存储介质，以解决相关技术中预测未来极端降水的准确度较低等问题。
2、本专利技术第一方面实施例提供一种极端降水预测方法，包括以下步骤：获取目标区域的历史大气再分析资料；根据历史大气再分析资料确定目标区域内各格点中极端降水与近地气温的标度系数，并识别标度系数的热力项和动力项；根据历史大气再分析资料预测未来时段的
3、可选地，根据历史大气再分析资料确定目标区域内各格点中极端降水与近地气温的标度系数，包括：识别历史大气再分析资料中的近地表气象数据；将近地表气象数据中的气温数据和降水数据输入箱元缩放函数，箱元缩放函数输出目标区域内各格点中极端降水与近地气温的标度系数。
4、可选地，箱元缩放函数包括多个样本容量相同的箱元，箱元缩放函数的数据处理流程包括：按照数据时间将气温数据和降水数据进行数据组合得到组合数据，其中，组合数据包括多组数据，每组数据包括同日的气温数据和降水数据；将组合数据的多组数据划分至不同箱元中，根据每组数据的气温数据确定对应箱元的温度数据，并根据每组数据的降水数据确定对应箱元的极端降水数据；根据每个箱元的温度数据和极端降水数据构建极端降水对气温变幅的响应函数，根据响应函数的拟合确定极端降水对应的气候响应类型；从多个箱元中选取目标箱元，根据目标箱元的数据和气候响应类型确定目标区域内各格点中极端降水与近地气温的标度系数。
5、可选地，识别标度系数的热力项和动力项，包括：识别历史大气再分析资料中不同气压层的气象数据；根据不同气压层的气象数据中的风速数据和湿度数据确定各格点的标度系数的热力项和动力项。
6、可选地，基于标度系数的热力项和动力项、以及未来气温变化值预测目标区域内各格点在未来时段的极端降水初始值，包括：基于未来气温变化值和标度系数的热力项，预测各格点在未来时段的极端降水初始值；根据未来气温变化值和标度系数的动力项修正极端降水初始值，得到目标区域内各格点在未来时段的极端降水初始值。
7、可选地，基于历史大气再分析资料和极端降水初始值构建涌现约束模型，包括：识别历史大气再分析资料中各格点的全球气候模式输出的气象数据；搜索各格点及相应的临近格点，计算各格点在每个全球气候模式下的历史年均气温变化趋势，并将与各格点相应的临近格点在所有全球模式下的历史年均气温变化趋势；将各格点及与各格点相应的临近格点的所有全球模式下的历史年均气温变化趋势进行集成，得到多组历史年均气温变化趋势；基于多组历史年均气温变化趋势和极端降水初始值构建涌现约束模型。
8、可选地，涌现约束模型为：
9、；
10、其中，为极端降水初始值，为多组历史年均气温变化趋势，和为涌现约束模型的参数。
11、本专利技术第二方面实施例提供一种极端降水预测装置，包括：获取模块，用于获取目标区域的历史大气再分析资料；确定模块，用于根据历史大气再分析资料确定目标区域内各格点中极端降水与近地气温的标度系数，并识别标度系数的热力项和动力项；预测模块，用于根据历史大气再分析资料预测未来时段的未来气温变化值，基于标度系数的热力项和动力项、以及未来气温变化值预测目标区域内各格点在未来时段的极端降水初始值；构建模块，用于基于历史大气再分析资料和极端降水初始值构建涌现约束模型，涌现约束模型输出目标区域在未来时段的极端降水预测结果。
12、可选地，确定模块进一步用于：识别历史大气再分析资料中的近地表气象数据；将近地表气象数据中的气温数据和降水数据输入箱元缩放函数，箱元缩放函数输出目标区域内各格点中极端降水与近地气温的标度系数。
13、可选地，箱元缩放函数包括多个样本容量相同的箱元，箱元缩放函数的数据处理流程包括：按照数据时间将气温数据和降水数据进行数据组合得到组合数据，其中，组合数据包括多组数据，每组数据包括同日的气温数据和降水数据；将组合数据的多组数据划分至不同箱元中，根据每组数据的气温数据确定对应箱元的温度数据，并根据每组数据的降水数据确定对应箱元的极端降水数据；根据每个箱元的温度数据和极端降水数据构建极端降水对气温变幅的响应函数，根据响应函数的拟合确定极端降水对应的气候响应类型；从多个箱元中选取目标箱元，根据目标箱元的数据和气候响应类型确定目标区域内各格点中极端降水与近地气温的标度系数。
14、可选地，确定模块进一步用于：识别历史大气再分析资料中不同气压层的气象数据；根据不同气压层的气象数据中的风速数据和湿度数据确定各格点的标度系数的热力项和动力项。
15、可选地，预测模块进一步用于：基于未来气温变化值和标度系数的热力项，预测各格点在未来时段的极端降水初始值；根据未来气温变化值和标度系数的动力项修正极端降水初始值，得到目标区域内各格点在未来时段的极端降水初始值。
16、可选地，构建模块进一步用于：识别历史大气再分析资料中各格点的全球气候模式输出的气象数据；搜索各格点及相应的临近格点，计算各格点在每个全球气候模式下的历史年均气温变化趋势，并将与各格点相应的临近格点在所有全球模式下的历史年均气温变化趋势；将各格点及与各格点相应的临近格点的所有全球模式下的历史年均气温变化趋势进行集成，得到多组历史年均气温变化趋势；基于多组历史年均气温变化趋势和极端降水初始值构建涌现约束模型。
17、可选地，涌现约束模型为：
18、；
19、其中，为极端降水初始值，为多组历史年均气温变化趋势，和为涌现约束模型的参数。
20、本专利技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理本文档来自技高网...
【技术保护点】
1.一种极端降水预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的极端降水预测方法，其特征在于，所述根据所述历史大气再分析资料确定所述目标区域内各格点中极端降水与近地气温的标度系数，包括：
3.根据权利要求2所述的极端降水预测方法，其特征在于，所述箱元缩放函数包括多个样本容量相同的箱元，所述箱元缩放函数的数据处理流程包括：
4.根据权利要求1所述的极端降水预测方法，其特征在于，所述识别所述标度系数的热力项和动力项，包括：
5.根据权利要求1所述的极端降水预测方法，其特征在于，所述基于所述标度系数的热力项和动力项、以及所述未来气温变化值预测所述目标区域内各格点在未来时段的极端降水初始值，包括：
6.根据权利要求1所述的极端降水预测方法，其特征在于，所述基于所述历史大气再分析资料和所述极端降水初始值构建涌现约束模型，包括：
7.根据权利要求6所述的极端降水预测方法，其特征在于，所述涌现约束模型为：
8.一种极端降水预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括
10.一种计算机可读存储介质，其上存储有计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行，以用于实现如权利要求1-7任一项所述的极端降水预测方法。
...【技术特征摘要】
1.一种极端降水预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的极端降水预测方法，其特征在于，所述根据所述历史大气再分析资料确定所述目标区域内各格点中极端降水与近地气温的标度系数，包括：
3.根据权利要求2所述的极端降水预测方法，其特征在于，所述箱元缩放函数包括多个样本容量相同的箱元，所述箱元缩放函数的数据处理流程包括：
4.根据权利要求1所述的极端降水预测方法，其特征在于，所述识别所述标度系数的热力项和动力项，包括：
5.根据权利要求1所述的极端降水预测方法，其特征在于，所述基于所述标度系数的热力项和动力项、以及所述未来气温变化值预测所述目标区域内各格点在未来时段的极端降水初始值，包括：...
【专利技术属性】
技术研发人员：顾磊，陈明帅，尹家波，郑凯威，金妍岑，徐乐，朱文彬，张永坤，张艳，
申请(专利权)人：武汉大学，
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。