基于卡尔曼滤波的上海崇明乡镇精细化预报研究

2019-05-20赵长健袁雨晖解文进张伦雨

吉林农业 2019年11期

赵长健，袁雨晖，解文进，张伦雨

（1.上海市崇明区气象台，上海202150；2.平塘县气象台，贵州平塘558300）

随着社会经济的发展和人们生活水平的日益提高，政府和公众对精细化预报的需求也越来越高[1]。近几年，格点预报的空间分辨率不断提高，不过，预报的精确度存在很大的改善空间。目前，国家有推行乡镇精细化预报业务，其下发乡镇预报产品存在较大误差，可以应用一些客观订正方法，提高精细化预报的准确度，减轻预报员的工作量。

近年来，国内外学者对乡镇精细化预报进行了大量的研究。国内，冯慧敏[2]等采用多模式集成技术，应用4种方法对各种模式预报资料和自动站观测数据进行整合，并对各种方法的预报结果进行了检验评估；陈云飞[3]等通过区域站与国家站温度相关性研究，建立回归方程，对于乡镇最高与最低温度预报获得了很好的结果；连志鸾[4]等利用ECMWF资料、地面常规观测资料和自动站气温资料，采用多级相似和站际间的气温差额预报方法制作乡镇的最低、最高气温预报，得到了较高的预报准确率。佟华[5]等应用自适应卡尔曼滤波方法，对大尺度模式要素预报进行误差订正和降尺度精细化气象要素预报，并通过对订正系数科学选取的研究，改进了滤波方法的应用效果。国外，越来越多的学者开始采用Kalman滤波、滑动窗等方法[6]，对气象要素进行统计降尺度研究。Bo Cui等提出了一种自适应的卡曼滤波类播的递减算法。

平均统计降尺度方法，对北美集合预报系统的输出值做统计后处理，获得精细化预报产品，效果得到认可。在格点预报订正方面，潘留杰[7]等提出站点订正值向格点传递的方法，用准确率较高的站点温度指导预报SCMOC订正ECMWF格点温度预报资料，极大地提高了格点预报的准确率。

崇明岛位于长江口区，东面临海，三面环江。地理位置的独特性使得崇明东西部的温度存在着较大的差异性。以往对于乡镇预报，预报员很大程度是在站点指导预报的基础上，通过经验的方式进行预报，存在一定的主观性。同时，上海市气象局提供的乡镇精细化预报指导产品存在着较大的误差，不能直接应用于实际业务中。

1 资料和方法

1.1 资料说明

本文采用上海市中心气象台提供的5km×5km格点数值预报指导产品，取崇明段资料（121.2～122E，纬度31.25～31.85N，分辨率0.05×0.05）。预报资料时间为 2017年11月1日～2018年2月28日，在 08时和 20时起报，预报时效是3～72小时，时效间隔 3小时。为了使温度的时空分率保持一致，采取双线性插值法，得到崇明24个自动站点的预报资料。方案实施中，选取 2017年11月为训练期资料，预报期资料为其余3个月(2017年12月～2018年2月)。

实况资料取崇明区24个自动气象站逐3小时气温资料，时间为2017年11月1日～2018年2月28日。

1.2 分析方法

1.2.1 格点预报资料插值站点

双线性插值：

在两个方向分别进行一次线性插值。由于目前数值预报产品多为格点资料，使用双线性插值进行空间内插合理而简洁。双线性插值采样后结果较为平滑，没有阶跃效应，同时具有较高精度。缺点是网格被平均化，具有低频滤波的效果。

卡尔曼滤波：

注：bi（t）为预报偏差，fi（t）为数值预报资料，ai（t）为观测资料。

注：Bi（t）为平均加权误差，Bi（t-1）为长期系统误差（本文中选30天的数据），bi（t）为近期样本误差（本文选3天的数据），为近期误差所占权重。

注：Fi（t）为订正后的数值预报数据。

通过卡尔曼滤波法，2017年11月数据作为训练期，对2017年12月～2018年2月数据做订正。

1.2.2 站点实况资料插值格点

反距离平均：

反距离加权法插值是最常用的空间内插方法之一。其认为采样点对于未采样点的贡献大小取决于两者之间的距离，将其插值权重表示为采样点与未采样点之间距离的反比。

式中，T 为未采样点的估计值，Ti是第 i（i=1，2……n）个采样点的观测值，Di是第i个采样点与未采样点的水平距离，P是距离的幂（它对插值结果有一定影响），n为采样点个数。研究表明，幂越高，内插结果越具有平滑的效果。本文P=1，即以距离比为权重的插值。首先计算出24个自动站与每个格点的距离，然后，选出与每个格点距离最近的3个站点，通过反距离平均的方法计算出格点实况值。最后，通过卡尔曼滤波法（同上），2017年11月数据作为训练期，对2017年12月～2018年2月数据做订正。