[发明专利]基于PP理论和AF模型的暴雨预报方法

权利要求书

1.一种基于PP理论和AF模型的暴雨预报方法，具体步骤如下，其特征在于：

步骤1：数据的收集整理，采集目标区域内地面气象站历史的降水量观测资料、历史的再分析数据、当前的数值模式预报产品；

步骤2：数值模式预报产品的预处理，将在较细网格上的数值模式预报产品稀疏化到再分析数据的较粗网格，实现二者空间格点的一致性；

所述步骤2中的稀疏化公式为：

（1）

其中，为稀疏化到再分析数据粗网格点上的物理量，为原数值预报产品细网格点上的物理量，为网格点的纬度，为再分析数据网格距离即水平分辨率，为网格点到网格点的大圆距离，即：

（2）

其中为地球半径≈6371 km，和分别为网格点所处的经度和纬度；

步骤3：历史相似天气形势的遍历，定义多物理量的天气相似度判别指数，在相应时间窗口内，计算所有历史的天气形势，包括有暴雨和无暴雨，与当前数值模式预报的天气形势之间的相似度；

所述步骤3中的历史天气形势的遍历规则为：

以预报时刻即起报时刻+预报时效为中心点，查找过去30年、距中心点前后45天以内，每一年动态选取90天、即一个季节时长的样本的所有历史天气；

所述步骤3中的基于多物理量的天气相似度判别指数γ定义为：

（3）

其中，分别为历史的、预报的天气形势经纬度平面二维场，分别为亮度指数、对比指数、结构指数，定义为：

（4）

其中为单变量的裁剪平均数、为单变量的内四分位数距离、为两变量的秩相关系数，一方面，与由变量的百分位数计算得到，即：

（5）

其中分别为变量的下四分位数、中位数、上四分位数，另一方面，由先将两变量按照大小顺序排序，后计算相应的相关系数得到；

步骤4：暴雨的定性预报，选取相似度阈值，在相似度较大的若干历史天气形势中总计出有暴雨的次数和无暴雨的次数，如果无暴雨次数远多于有暴雨次数，则预报未来没有暴雨发生，步骤终止；

所述步骤4中的相似度阈值取为：遍历的所有历史天气中，暴雨发生的比率p，即：

（6）

其中为发生暴雨的天数，为总天数；

步骤5：历史有暴雨相似天气形势的遍历，定义多物理量的天气相似度判别指数，在相应时间窗口内，计算所有历史发生暴雨的天气形势与当前数值模式预报的天气形势的相似度；

步骤6：暴雨的定量预报，以相似度大小作为权重，选取相似度较大的前若干个历史发生暴雨的天气形势，将其对应的历史地面降水量观测进行加权集成，得到当前数值模式预报天气形势所对应的未来地面降水量和降水概率的预报。

2.根据权利要求1所述的基于PP理论和AF模型的暴雨预报方法，其特征在于：所述步骤5中的基于多物理量的天气相似度判别指数定义为：

（7）

其中为参考的不同物理量，每一个物理量所对应的历史天气与预报天气的相似度由公式（3）计算得到，为不同物理量的权重，通过该物理量在过去最近30天内的预报误差估计得到，即：

（8）

其中为与预报场对应的观测场或分析场， 与 分别为相应的过去30天的算术平均值。

3.根据权利要求1的基于PP理论和AF模型的暴雨预报方法，其特征在于：

所述步骤6中的降水量R预报公式为：

（9）

其中为基于相似方法预报的降水量，为个相似的历史天气所对应的降水量，为第的历史天气与预报天气的相似度，由公式（7）计算给出；

所述步骤6中的暴雨发生概率的预报公式为：

（10）

其中由下式计算：

（11）。