一种基于铁路网的大气三维结构动态探测信息群同化系统

技术领域

本发明涉及气象监测技术领域，尤其涉及一种基于铁路网的大气三维结构动态探测信息群同化系统。

背景技术

目前大气三维结构探测资料有限已成为灾害天气预警核心技术—数值预报发展的重要瓶颈之一，利用铁路强国的网络优势，发展一种基于铁路平台的大气三维立体结构动态探测新技术，以获取覆盖全国、可靠的高时空分辨率大气三维立体观测信息群，并将这些新型观测资料同化到灾害天气数值预报模式中，将有效提高灾害天气的预报准确率，为灾害天气预报预警提供精准的监测、预报与服务新型支撑平台。

成功的数值预报离不开精确的模式初值条件，而目前模式的初值存在误差，如较大的初值误差常出现在对流不稳定区域，因此通过同化高分辨率、高质量的观测资料提高模式初值精度显得非常重要，高空气象观测资料同化可改进大气温、湿、风廓线的预报精度，提高天气预报的准确率。

然而目前全球高空探空观测站点稀少，而且一天仅有两次观测,很难满足数值天气预报的需求，为弥补常规探空的不足，微波辐射计广泛应用于任何天气条件下大气温度和湿度廓线的连续观测科研和业务中。但大部分研究采用固定站微波辐射计测量方式进行观测试验和业务应用，该测量方式仅能获取有限观测站周边的大气温湿度和水汽廓线，无法快速有效获取大范围，甚至全国范围的大气三维结构时空变化探测信息。

发明内容

本申请提供了一种基于铁路网的大气三维结构动态探测信息群同化系统，能够实现大范围、高时空分辨率、动态与静态相结合、时空转换的大气三维结构信息群实时同化，提高铁路沿线及下游区域强降水、大风、高温、冰冻灾害等灾害天气预报准确率。可为铁路(高铁)、气象、环保、航空、农业、林业、水利、电力等与气象密切相关的政府和企事业单位提供精准的天气预报预警基础数据。

本申请提供的基于铁路网的大气三维结构动态探测信息群同化系统包括：

获取各气象探测设备采集的气象数据，各所述气象探测设备安装在各列车上，各个所述列车在不同地点运行；

从各所述气象数据中确定属于中尺度气象模式的数据；

使用时空多尺度分析系统对所确定的数据进行分析同化，得到同化后的数据；

使用多维变分同化系统对各所述同化后的数据进行同化，得到大气三维结构再分析数据集。

可选地，所述气象数据包括：气温、湿度、水汽中的至少一种。

可选地，所述气象探测设备为微波辐射计。

可选地，所述多维变分同化系统包括：三维变分同化系统和/或四维变分同化系统。

可选地，所述获取各气象探测设备采集的气象数据，包括：

获取各气象探测设备采集的、采集时间距当前时刻的时长小于预设时长的气象数据。

可选地，在所述从各所述气象数据中确定属于中尺度气象模式的数据之前，所述方法还包括：

对各所述气象数据进行预处理，以删除无效数据，得到有效数据；

所述从各所述气象数据中确定属于中尺度气象模式的数据，包括：

从各所述有效数据中确定属于中尺度气象模式的数据。

可选地，对从各个地点采集的气象数据进行预处理，包括：

将在同一地点采集的、时间间隔小于预设间隔的气象数据分为一组；

对每一组数据中保留一个气象数据，删除其余数据，将每一组中保留的气象数据确定为预处理后的数据。

可选地，所述使用多维变分同化系统对各所述同化后的数据进行同化，得到大气三维结构再分析数据集，包括：

采用三维或四维变分同化技术对所述同化后的数据进行变分同化处理，得到初始场，并对所述初始场进行云分析处理，得到三维格点场；

以所述三维格点场为依据进行数据处理，得到大气三维结构再分析数据集。

本申请提供的方法基于铁路平台的移动观测方式可获取列车所运行的各个地方的大气温湿度、水汽含量廓线，能够得到更大范围的大气三维结构时空变化观测信息，且列车具有移动速度快、运行平稳、供电和通讯有保障等优点，可实现气象站无法覆盖的大范围大气三维结构动态探测，获得大尺度温湿度、水汽和云液态水含量等的垂直分布时空变化特征，对防范和减少影响铁路安全运行的气象灾害、提高天气预报精度等提供了较好的方法。另外，本申请实施还能够实现大范围、高时空分辨率、动态与静态相结合、时空转换的大气三维结构信息群的实时同化，提高铁路沿线及下游区域强降水、大风、高温、冰冻灾害等灾害天气预报准确率，可为铁路(高铁)、气象、环保、航空、农业、林业、水利、电力等与气象密切相关的政府和企事业单位提供精准的天气预报预警基础数据。

具体实施方式

下面对本申请中的技术方案进行描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。

以下，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。

首先对本申请实施例涉及的多维同化技术进行简单介绍。

国外研究多采用三维变分或四维变分同化方法将微波辐射计观测反演的温湿度廓线资料同化到中尺度气象模式MM5和WRF以及高分辨率对流尺度模式 AROME中，分别模拟了冬季浓雾(Grell et al.,1994；Ware et al.,2002,2003)、温度和湿度场(Hartung etal.2011)、西地中海强降水事件(Caumont et al.2016), 结果显示同化后可再现雾和降水过程，并对温湿度时空分布模拟改进明显。国内研究主要采用三维变分同化系统GRAPES-3DVAR(王叶红等，2010)、GSI (侯叶叶，2016)、WRFDA(He et al.,2020)以及暴雨中尺度数值预报模式 AREM和中尺度气象模式WRF，同化湖北3台、南京和北京各1台微波辐射计观测的气温、相对湿度和水汽廓线资料，结果表明同化后明显影响了降水初期的降水强度和分布,而且对降水强度预报改进明显。上述研究仅采用单台或3 台微波辐射计观测资料进行同化，对大面积强降水系统的预报影响甚微(He et al.,2020)。而且未将铁路沿线的气象资料用于中尺度气象模式的资料同化中，亦未用于下游地区的天气预报预警研究和业务中。

本申请提供的本申请提供了一种基于铁路网的大气三维结构动态探测信息群同化系统，能够实现大范围、高时空分辨率、动态与静态相结合、时空转换的大气三维结构信息群的实时同化，提高铁路沿线及下游区域强降水、大风、高温、冰冻灾害等灾害天气预报准确率。可为铁路(高铁)、气象、环保、航空、农业、林业、水利、电力等与气象密切相关的政府和企事业单位提供精准的天气预报预警基础数据。

本申请提供的基于铁路网的大气三维结构动态探测信息群同化系统包括：

获取各气象探测设备采集的气象数据，各所述气象探测设备安装在各列车上，各个所述列车在不同地点运行；

从各所述气象数据中确定属于中尺度气象模式的数据；

使用时空多尺度分析系统对所确定的数据进行分析同化，得到同化后的数据；

使用多维变分同化系统对各所述同化后的数据进行同化，得到大气三维结构再分析数据集。

本申请分别采用多维维变分同化系统以及时空多尺度分析系统和中尺度气象模式，同化基于铁路平台的大气三维结构动态观测系统实时获取的高时空分辨率气象参数垂直观测信息群，得到提高铁路沿线及下游区域强降水、基于铁路气象观测系统的全国高分辨率大气三维结构再分析数据集，大风、高温、冰冻灾害等灾害天气预报准确率。

上述时空多尺度分析系统可以实现地面常规观测、无线电探空、雷达、卫星、飞机、GPS/MET水汽、微波辐射计、闪电定位仪等多源常规和非常规观测资料的分析同化，获得高分辨率的三维温度、湿度、风场、云等信息。多种气象参数相互制约、相互影响，通过三维变分同化使各项物理量场之间达到平衡，保留更多的中小尺度信息，进而更好地接近真实物理量场。

上述多维变分同化系统可以包括：三维变分同化系统和/或四维变分同化系统。

其中，三维变分同化方法是定义一个以分析值和背景值及分析值和观测值之间的距离平方成正比的目标泛函，通过最小化目标泛函以求解最优分析场，也就是将同化问题转化为求解目标泛函的极值问题。三维变分同化实际上是通过求解J(x)的极小值，从而确定模式预报初始状态的最优解，也就是同化分析场x。

四维变分(4DVar)同化方法是三维变分(3DVar)方法在时间维上的扩展。三维变分忽略观测的时间分布，假定一个时间窗内的观测都集中在分析时刻，而四维变分则更准确地考虑了观测时间。同时，四维变分通过模式积分可以得到隐式的依赖于实际天气形势变化的背景误差协方差，观测信息在空间和变量之间的传播更为合理，分析结果与预报模式也更协调。

在一种实施方式中，所述气象数据包括：气温、湿度、水汽中的至少一种。

在一种实施方式中，所述气象探测设备为微波辐射计。

在一种实施方式中，所述获取各气象探测设备采集的气象数据，包括：

获取各气象探测设备采集的、采集时间距当前时刻的时长小于预设时长的气象数据。

在一种实施方式中，在所述从各所述气象数据中确定属于中尺度气象模式的数据之前，所述方法还包括：

对各所述气象数据进行预处理，以删除无效数据，得到有效数据；

所述从各所述气象数据中确定属于中尺度气象模式的数据，包括：

从各所述有效数据中确定属于中尺度气象模式的数据。

在一种实施方式中，对从各个地点采集的气象数据进行预处理，包括：

将在同一地点采集的、时间间隔小于预设间隔的气象数据分为一组；

对每一组数据中保留一个气象数据，删除其余数据，将每一组中保留的气象数据确定为预处理后的数据。

在一种实施方式中，所述使用多维变分同化系统对各所述同化后的数据进行同化，得到大气三维结构再分析数据集，包括：

采用三维或四维变分同化技术对所述同化后的数据进行变分同化处理，得到初始场，并对所述初始场进行云分析处理，得到三维格点场；

以所述三维格点场为依据进行数据处理，得到大气三维结构再分析数据集。

本申请提供的方法基于铁路平台的移动观测方式可获取列车所运行的各个测点的大气温湿度、水汽含量廓线，能够得到大范围、高时空分辨率、动态与静态相结合、时空转换的大气三维结构时空变化观测信息，且列车具有移动速度快、运行平稳、供电和通讯有保障等优点，可实现青藏高原地区气象站无法覆盖的大范围大气三维结构动态探测，获得大尺度温湿度、水汽和云液态水含量等的垂直分布时空变化特征，对防范和减少影响铁路安全运行的气象灾害、提高天气预报精度等提供了较好的方法。另外，申请实施还能够实现大范围、高时空分辨率、动态与静态相结合、时空转换的大气三维结构信息群，提高铁路沿线及下游区域强降水、大风、高温、冰冻灾害等灾害天气预报准确率，可为铁路(高铁)、气象、环保、航空、农业、林业、水利、电力等与气象密切相关的政府和企事业单位提供精准的天气预报预警基础数据。

应理解，上述只是为了帮助本领域技术人员更好地理解本申请实施例，而非要限制本申请实施例的范围。本领域技术人员根据所给出的上述示例，显然可以进行各种等价的修改或变化，或者上述任意两种或者任意多种实施例的组合。这样的修改、变化或者组合后的方案也落入本申请实施例的范围内。

还应理解，上文对本申请实施例的描述着重于强调各个实施例之间的不同之处，未提到的相同或相似之处可以互相参考，为了简洁，这里不再赘述。

还应理解，本申请实施例中的方式、情况、类别以及实施例的划分仅是为了描述的方便，不应构成特别的限定，各种方式、类别、情况以及实施例中的特征在不矛盾的情况下可以相结合。

还应理解，在本申请的各个实施例中，如果没有特殊说明以及逻辑冲突，不同的实施例之间的术语和/或描述具有一致性、且可以相互引用，不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。

以上该，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以该权利要求的保护范围为准。