本申请公开了基于平流扩散模型的气象要素临近预报方法及系统，所述方法包括：构建平流扩散模型，并计算到达机场的历史气团的前N小时的后向轨迹；提取机场周边气象观测站点数据，计算距离后向轨迹位置最近的观测站点，并依此提取前N小时的后向轨迹气象要素值；对比前N小时后向轨迹上和机场实时观测的气象要素的相关性，得出预报结果。根据本申请的技术方案，本发明灵活的利用不同的“上游站”，考虑机场周边局地地形进行气象要素临近预报，为解决机场临近预报提供了新的方法。
1.一种基于平流扩散模型的气象要素临近预报方法，所述方法包括：步骤1：构建平流扩散模型，并计算到达机场的历史气团的前N小时的后向轨迹；
步骤2：提取机场周边气象观测站点数据，计算距离后向轨迹位置最近的观测站点，并依此提取前N小时的后向轨迹气象要素值；
步骤3：对比前N小时后向轨迹上和机场实时观测的气象要素的相关性，得出预报结果；
提取机场周边N小时前的站点观测数据，根据步骤1得到的气团后向轨迹数据，提取N小时前历史气团的经纬度；计算第N小时前气团所在位置与周边观测站点的相对距离，挑选离历史气团最近的观测站点；以该最近的观测站点的N小时前的气象要素值记为变量Parcel‑N；
对气象要素进行直接预报：由步骤2得到到达机场的历史气团的某一气象要素的值‑N ‑NParcel ；再提取机场观测的某一气象要素值记为OBS；计算一段时间内的Parcel 与OBS之间的相关系数R：其中，n表示一段时间内获得某一气象要素值的数量； 表示t时段得到到达机场历史气团的某一气象要素的值； 表示一段时间内到达机场历史气团的某一气象要素值的平均值；OBSt表示t时段机场观测的某一气象要素值； 表示一段时间机场观测的某一气象要素值的平均值；
当R大于设定阈值时，则Parcel 与实况接近，N小时前的气团历史值对当前时刻的预报有效，作为当前机场气象要素的直接预报值。
2.根据权利要求1所述的基于平流扩散模型的气象要素临近预报方法，其特征在于，所述步骤1之前还包括：采集机场周边区域气象因素历史数据。
3.根据权利要求1所述的基于平流扩散模型的气象要素临近预报方法，其特征在于，所述步骤1具体包括：步骤1‑1：计算气团从初始位置P(t)，经过Δt时间，在P(t)点的初始速度V(P,t)的平流输送下，所到达的预测位置坐标P'(t+Δt)：P'(t+Δt)＝P(t)+V(P,t)*Δt
其中，初始位置P(t)为机场位置，即t时刻的初始位置P(x,y,z)，x,y为机场位置坐标，z为机场标高；V(P,t)为气团初始速度；Δt<0.75格距/Umax；
步骤1‑2：针对预测点P'(t+Δt)进行修正，得到修正后的预测位置P(t+Δt)，具体计算公式为：P(t+Δt)＝P(t)+0.5[V(P,t)+V(P'+Δt)]*Δt其中，V(P'+Δt)为气团在预测位置P'(t+Δt)的速度；
步骤1‑3：将P(t+Δt)作为新的起点P(t)，转至步骤1‑1，重复计算预测位置，直至计算出前N小时的预测位置，转至步骤1‑4；
4.根据权利要求3所述的基于平流扩散模型的气象要素临近预报方法，其特征在于，所述Δt取值为1小时。
5.根据权利要求1所述的基于平流扩散模型的气象要素临近预报方法，其特征在于，当‑(N‑1)R大于设定阈值时，参照步骤3提取N‑1小时前的气团要素值，记为Parcel ，以Parcel‑(N‑1) +1作为机场未来1小时预报结果，记为OBS ；以此类推，得到机场未来N小时的预报结果。
6.根据权利要求1所述的基于平流扩散模型的气象要素临近预报方法，其特征在于，所述步骤3还包括：‑0
对气象要素进行趋势预报：将机场某一时刻观测值OBS 减去机场某一时刻N小时前的‑N观测值OBS 作为机场观测在N小时的变化趋势ΔOBS；将N小时前气团的气象要素值Parcel‑N ‑2N减去2N小时前气团的气象要素值Parcel 作为气团要素值的变化趋势△Parcel；
计算一段时间内的ΔOBS与△Parcel相关系数R1：其中，ΔParcelt表示t时段时气团要素值的变化趋势； 表示一段时间变化趋势△Parcel的平均值；ΔOBSt表示t时段时机场观测值的变化趋势； 表示一段时间变化趋势ΔOBS的平均值；
当R1大于设定阈值时，历史气团的气象要素变化趋势与机场实况变化趋势一致；将历史气团的气象要素变化趋势作为机场变化趋势的预报结果。
7.根据权利要求1或6之一所述的基于平流扩散模型的气象要素临近预报方法，其特征在于，所述设定阈值为0.6。
8.根据权利要求1或6之一所述的基于平流扩散模型的气象要素临近预报方法，其特征在于，所述一段时间为1个月。
9.根据权利要求1所述的基于平流扩散模型的气象要素临近预报方法，其特征在于，所述N取值为3。
10.一种基于平流扩散模型的气象要素临近预报系统，所述系统包括：计算后向轨迹模块，用于构建平流扩散模型，并计算到达机场的历史气团的前N小时的后向轨迹；
提取气象要素值模块，用于提取机场周边气象观测站点数据，计算距离后向轨迹位置最近的观测站点，并依此提取前N小时的后向轨迹气象要素值；和预报模块，用于对比前N小时后向轨迹上和机场实时观测的气象要素的相关性，得出预报结果；
提取机场周边N小时前的站点观测数据，根据计算后向轨迹模块得到的气团后向轨迹数据，提取N小时前历史气团的经纬度；计算第N小时前气团所在位置与周边观测站点的相对距离，挑选离历史气团最近的观测站点；以该最近的观测站点的N小时前的气象要素值记‑N为变量Parcel ；
对气象要素进行直接预报：由提取气象要素值模块得到到达机场的历史气团的某一气‑N象要素的值Parcel ；再提取机场观测的某一气象要素值记为OBS；计算一段时间内的‑NParcel 与OBS之间的相关系数R：
其中，n表示一段时间内获得某一气象要素值的数量； 表示t时段得到到达机场历史气团的某一气象要素的值； 表示一段时间内到达机场历史气团的某一气象要素值的平均值；OBSt表示t时段机场观测的某一气象要素值； 表示一段时间机场观测的某一气象要素值的平均值；
当R大于设定阈值时，则Parcel 与实况接近，N小时前的气团历史值对当前时刻的预报有效，作为当前机场气象要素的直接预报值。
11.根据权利要求10所述的基于平流扩散模型的气象要素临近预报系统，其特征在于，所述系统还包括：数据准备模块，用于采集机场周边区域气象因素历史数据。
一种基于平流扩散模型的气象要素临近预报方法及系统
技术领域
[0001] 本申请涉及气象预报领域，更具体地说，涉及一种基于平流扩散模型的气象要素临近预报方法及系统。
背景技术
[0002] 目前机场气象要素的临近预报主要依赖于数值模式的输出结果或者模式的释用结果。然而不同地形下的机场气象要素特征不同，数值模式无法刻画出高分辨率局地地形下的气候特征及差异，导致其结果通常与实际情况有所差异。因此，在局地地形影响的基础上建立一种新的预报方法是十分必要的，以便为机场临近预报提供更多的参考。
[0003] “上游站”与机场距离相近，所处地形接近，其气象要素及要素的变化对机场气象要素有一定的指示意义。在传统分析中，上游站通常是固定的某一个站点，通过计算该站点的气团的平流扩散过程，可以推算气团未来移动方向和影响范围。因此这种方法常被用于污染影响预报方面。而在实际情况中，一方面针对某一机场预报时，预报的对象是固定的，该方法并不适用；另一方面，“上游站”是个动态的概念，在不同环流形势下，周边站点都可能是机场的“上游站”。因此，在机场气象预报中，需要一种带有气团轨迹追踪的平流扩散模型。
[0004] 目前，现有技术中HYSPLIT(混合单粒子拉格朗日综合轨迹)模式采用拉格朗日方法，结合多种气象要素输入场、多种物理过程，可计算出气团较为完整的输送和扩散过程。因此也常常被用于污染物源的追踪及污染物浓度扩散研究上。该模式假定气团在一定时间的传输过程中性质不变，来对气团轨迹进行追踪。但由于该气团轨迹是单独的一条带有经纬度的位置曲线，无法直接获取气团轨迹上的气象要素信息。有学者通过插值的方法，将输入HYSPLIT模式的格点背景场数据插值到该条曲线上。由于格点数据本身空间分辨率较高，而插值过程中并未考虑局地地形影响，因此，目前的临近预报方法还具有一定的局限性。
[0005] 因此，如何灵活的利用“上游站”并考虑局地地形影响进行气象要素临近预报成为本领域需要解决的技术问题。
发明内容
[0006] 有鉴于此，本申请提出了一种基于平流扩散模型的气象要素临近预报方法及系统，以通过平流扩散模型结合机场周边站点气象要素信息来确定到达机场的气团的气象要素性质，从而为机场气象要素临近预报提供理论依据。
[0007] 根据本申请，提出了一种基于平流扩散模型的气象要素临近预报方法，所述方法包括：
[0008] 步骤1：构建平流扩散模型，并计算到达机场的历史气团的前N小时的后向轨迹；
[0009] 步骤2：提取机场周边气象观测站点数据，计算距离后向轨迹位置最近的观测站点，并依此提取前N小时的后向轨迹气象要素值；
[0010] 步骤3：对比前N小时后向轨迹上和机场实时观测的气象要素的相关性，得出预报结果。
[0011] 基于以上方法的一种改进，所述步骤1之前还包括：采集机场周边区域气象因素历史数据。
[0012] 基于以上方法的一种改进，所述步骤1具体包括：
[0013] 步骤1‑1：计算气团从初始位置P(t)，经过Δt时间，在P(t)点的初始速度V(P,t)的平流输送下，所到达的预测位置坐标P'(t+Δt)：
[0014] P'(t+Δt)＝P(t)+V(P,t)*Δt
[0015] 其中，初始位置P(t)为机场位置，即t时刻的初始位置P(x,y,z)，x,y为机场位置坐标，z为机场标高；V(P,t)为气团初始速度；Δt<0.75格距/Umax；
[0016] 步骤1‑2：针对预测点P'(t+Δt)进行修正，得到修正后的预测位置P(t+Δt)，具体计算公式为：
[0017] P(t+Δt)＝P(t)+0.5[V(P,t)+V(P'+Δt)]*Δt
[0018] 其中，V(P'+Δt)为气团在预测位置P'(t+Δt)的速度；
[0019] 步骤1‑3：将P(t+Δt)作为新的起点P(t)，转至步骤1‑1，重复计算预测位置，直至计算出前N小时的预测位置，转至步骤1‑4；
[0020] 步骤1‑4：将各个预测位置进行连线得到后向轨迹。
[0021] 基于以上方法的一种改进，所述Δt取值为1小时。
[0022] 基于以上方法的一种改进，所述步骤2具体包括：
[0023] 提取机场周边N小时前的站点观测数据，根据步骤1得到的气团后向轨迹数据，提取N小时前历史气团的经纬度；计算第N小时前气团所在位置与周边观测站点的相对距离，挑选离历史气团最近的观测站点；以该最近的观测站点的N小时前的气象要素值记为变量‑NParcel 。
[0024] 基于以上方法的一种改进，所述步骤3具体包括：
[0025] 对气象要素进行直接预报：由步骤2得到到达机场的历史气团的某一气象要素的‑N ‑N值Parcel ；再提取机场观测的某一气象要素值记为OBS；计算一段时间内的Parcel 与OBS之间的相关系数R：
[0026]
[0027] 其中，n表示一段时间内获得某一气象要素值的数量； 表示t时段得到到达机场历史气团的某一气象要素的值； 表示一段时间内到达机场历史气团的某一气象要素值的平均值；OBSt表示t时段机场观测的某一气象要素值； 表示一段时间机场观测的某一气象要素值的平均值；
[0028] 当R大于设定阈值时，则Parcel‑N与实况接近，N小时前的气团历史值对当前时刻的预报有效，作为当前机场气象要素的直接预报值。
[0029] 基于以上方法的一种改进，当R大于设定阈值时，参照步骤3提取N‑1小时前的气团‑(N‑1) ‑(N‑1) +1要素值，记为Parcel ，以Parcel 作为机场未来1小时预报结果，记为OBS ；以此类推，得到机场未来N小时的预报结果。
[0030] 基于以上方法的一种改进，所述步骤4还包括：
[0031] 对气象要素进行趋势预报：将机场某一时刻观测值OBS‑0减去机场某一时刻N小时N前的观测值OBS‑ 作为机场观测在N小时的变化趋势ΔOBS；将N小时前气团的气象要素值‑N ‑2N
Parcel 减去2N小时前气团的气象要素值Parcel 作为气团要素值的变化趋势△Parcel；
[0032] 计算一段时间内的ΔOBS与△Parcel相关系数R1：
[0033]
[0034] 其中，ΔParcelt表示t时段时气团要素值的变化趋势； 表示一段时间变化趋势△Parcel的平均值；ΔOBSt表示t时段时机场观测值的变化趋势； 表示一段时间变化趋势ΔOBS的平均值；
[0035] 当R1大于设定阈值时，历史气团的气象要素变化趋势与机场实况变化趋势一致；将历史气团的气象要素变化趋势作为机场变化趋势的预报结果。
[0036] 基于以上方法的一种改进，所述设定阀值为0.6。
[0037] 基于以上方法的一种改进，所述一段时间为1个月。
[0038] 基于以上方法的一种改进，所述N取值为3。
[0039] 本发明还提供一种基于平流扩散模型的气象要素临近预报系统，所述系统包括：
[0040] 计算后向轨迹模块，用于构建平流扩散模型，并计算到达机场的历史气团的前N小时的后向轨迹；
[0041] 提取气象要素值模块，用于提取机场周边气象观测站点数据，计算距离后向轨迹位置最近的观测站点，并依此提取前N小时的后向轨迹气象要素值；
[0042] 预报模块，用于对比前N小时后向轨迹上和机场实时观测的气象要素的相关性，得出预报结果。
[0043] 基于以上系统的一种改进，所述系统还包括：
[0044] 数据准备模块，用于采集机场周边区域气象因素历史数据。
[0045] 根据本申请的技术方案，本发明灵活的利用不同的“上游站”，考虑机场周边局地地形进行气象要素临近预报，为解决机场临近预报提供了新的方法。
[0046] 本申请的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0047] 构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施方式及其说明用于解释本申请。在附图中：
[0048] 图1为基于平流扩散模型的气象要素临近预报方法流程图。
具体实施方式
[0049] 本发明提供的一种基于平流扩散模型的气象要素临近预报方法及系统，在利用平流扩散模型得到气团历史轨迹后，结合机场周边观测站点的信息来达到考虑地形影响的目的，从而进一步为机场气象要素临近预报提供了一种新的预报方法。
[0050] 下面将参考附图并结合实施方式来详细说明本申请的技术方案。
[0051] 如图1所示，本发明一种基于平流扩散模型的气象要素临近预报方法分为以下4个步骤：
[0052] 步骤1：采集机场周边区域气象因素历史数据。
[0053] 采集NCEP(美国国家环境预报中心)的再分析资料FNL的GRIB2格式数据，并转化为ARL格式的数据；
[0054] FNL(Final Operational GlobalAnalysis)是NCEP提供的一套覆盖全球大气的多变量的(如：风场、温度、位势高度等)、空间均匀分布的(水平分辨率1x1度)、时间连续的(每日4个时次，分别在UTC 00,06,12和18时)的分析数据产品。
[0055] ARL格式为美国Air Resources Laboratory构建的特定气象数据文件格式，是一种自定义的二进制格式。
[0056] 本发明所用原始数据为NCEP再分析资料中FNL资料，时间分辨率为6小时，空间水平分辨率为0.25°×0.25°，垂直分辨率为1000‑100hPa共21层。所用二维变量为地面气压、地面温度、2米高度水平风(纬向风、经向风)，所用三维变量为位势高度、温度、垂直速度、相对湿度、水平风(纬向风、经向风)。
[0057] 数据格式转换方法：依托于Python程序读取GRIB2数据、写入并保存为ARL数据。
[0058] 步骤2：构建平流扩散模型，并计算到达机场的历史气团的前N小时的后向轨迹；
[0059] 构建平流扩散模型：假定质点随着风场而运动，轨迹是质点在空间和时间上的积分。质点所在位置的矢量速度在时间和空间上都由线性插值计算得来。
[0060] 步骤2‑1：根据机场位置P(t)(即为t时刻的P(x,y,z)，其中x,y为机场位置坐标，z为机场标高，机场标高为主跑道中线上最高点的标高)、气团初始速度V(P,t)以及时间的变化量计算第一预测位置P'(t+Δt)。具体计算公式为：
[0061] P'(t+Δt)＝P(t)+V(P,t)*Δt
[0062] P'(t+Δt)代表在初始位置P(t)，经过Δt时间，气团在P(t)点的初始速度V(P,t)的平流输送下，所得到的预测位置坐标。并且其中积分时间步Δt是变化的(1分钟‑1小时)，但需要满足Δt<0.75格距/Umax(Umax为FNL数据中的最大风速)，即一个时间步长内(Δt)，气团的移动不超过0.75个网格距。理论上Δt越小，轨迹之间的点间隔越近，但同时数据处理的复杂度也越高，因此，本发明中Δt取1小时。
[0063] 步骤2‑2：针对预测点P'(t+Δt)进行修正，具体计算公式为：
[0064] P(t+Δt)＝P(t)+0.5[V(P,t)+V(P'+Δt)]*Δt
[0065] 其中，V(P'+Δt)为气团在第一预测位置P'(t+Δt)的速度。
[0066] 步骤2‑3：将P(t+Δt)作为新的起点P(t)，重复计算预测位置，将各个预测位置进行连线即可得到后向轨迹。
[0067] 由于该模型中假定质点在一定时间内不变性，实际情况中，气团随着经过的下垫面不同而性质因此发生变化，因此往前追踪越久，气团变性的可能性越大，对下游机场的参考意义则越小。因此本发明选取3小时的后向轨迹追踪结果。
[0068] 步骤3：提取机场周边气象观测站点数据，计算距离后向轨迹位置最近的观测站点，并依此提取前N小时的后向轨迹气象要素值；
[0069] 提取机场周边N小时前的站点观测数据，根据步骤2得到的气团后向轨迹数据，提取N小时前气团的经纬度；计算第N小时前气团所在位置与周边观测站点的相对距离，挑选离历史气团最近的观测站点；以该最近的观测站点的N小时前的气象要素值记为变量‑NParcel 。
[0070] 以N取3小时为例，提取机场周边3小时前的站点观测数据，同时根据步骤2得到的气团后向轨迹数据，提取3小时前气团的经纬度。计算3小时前气团所在位置与周边观测站点的相对距离，挑选离历史气团最近的观测站点。以该最近的观测站点的3小时前的气象要‑3素值记为变量Parcel 。
[0071] 步骤4：对比前N小时后向轨迹上和机场实时观测的气象要素的相关性，得出预报结果。
[0072] 对气象要素进行直接预报：经过步骤1‑3计算，得到到达机场的历史气团的某一气‑N象要素的值Parcel ；再提取机场观测的某一气象要素值记为OBS；计算一段时间内的‑N
Parcel 与OBS之间的相关系数R：
[0073]
[0074] 其中，n表示一段时间内获得某一气象要素值的数量； 表示t时段得到到达机场历史气团的某一气象要素的值； 表示一段时间内到达机场历史气团的某一气象要素值的平均值；OBSt表示t时段机场观测的某一气象要素值； 表示一段时间机场观测的某一气象要素值的平均值；
[0075] 当R大于0.6时，认为Parcel‑N与实况接近，N小时前的气团历史值对当前时刻的预报有效，作为当前机场气象要素的直接预报值。
[0076] 当R大于0.6时，提取N‑1小时前的气团要素值，记为Parcel‑(N‑1)，以Parcel‑(N‑1)作+1为机场未来1小时预报结果，记为OBS ；以此类推，得到机场未来N小时的预报结果。
[0077] 以N取3小时，取一个月数据为例，对于气象要素的直接预报：经过步骤1‑3计算，得‑3到达到机场历史气团的某一气象要素的Parcel 。再提取机场实时观测的某一气象要素值‑3
记为OBS。计算一个月内的Parcel 与OBS之间的相关系数R：
[0078]
[0079] 其中，n为OBS的所有时次数。当R大于0.6时，认为Parcel‑3与实况接近，验证3小时前的气团历史值对当前时刻的预报有效。则参照步骤3提取2小时前的气团要素值，记为‑2 ‑2 +1 ‑1Parcel ，以Parcel 作为机场未来1小时预报结果，记为OBS 。以此类推，将Parcel 作为机+2
场未来2小时预报结果(OBS )。
[0080] 对气象要素进行趋势预报：将机场某一时刻观测值OBS‑0减去机场某一时刻N小时N前的观测值OBS‑ 作为机场观测在N小时的变化趋势ΔOBS；将N小时前气团的气象要素值‑N ‑2N
Parcel 减去2N小时前气团的气象要素值Parcel 作为气团要素值的变化趋势△Parcel；
[0081] 计算一段时间内的ΔOBS与△Parcel相关系数R1：
[0082]
[0083] 其中，ΔParcelt表示t时段时气团要素值的变化趋势； 表示一段时间变化趋势△Parcel的平均值；ΔOBSt表示t时段时机场观测值的变化趋势； 表示一段时间变化趋势ΔOBS的平均值；
[0084] 当R1大于0.6时，历史气团的气象要素变化趋势与机场实况变化趋势一致；将历史气团的气象要素变化趋势作为机场变化趋势的预报结果。
[0085] 以N取3小时，取一个月数据为例，对于气象要素的趋势预报：将机场当前观测值‑0 ‑3(OBS )减去机场3小时前的观测值(OBS )，即机场观测在3小时的变化趋势(△OBS)。同理，‑3 ‑6
将3小时前气团的气象要素值(Parcel )减去6小时前气团的气象要素值(Parcel )，即得到气团要素值的变化趋势(△Parcel)。计算一个月内的△OBS与△Parcel相关系数R1。当R1大于0.6时，则认为历史气团的气象要素变化趋势与机场实况变化趋势一致。以此类推，要+3 ‑0 ‑0
想得到未来3小时观测值与当前时刻的变化趋势(即：OBS ‑OBS )，则需要计算Parcel ‑‑3
Parcel 。
[0086] 与现有技术相比，通过平流扩散模型追踪了到达机场的历史气团轨迹，结合机场周边观测点数据得到历史气团的气象要素值，对比历史气团与机场实时观测的气象要素值，选取预报量，为解决机场临近预报提供了新的方法。
[0087] 以上详细描述了本申请的优选实施方式，但是，本申请并不限于上述实施方式中的具体细节，在本申请的技术构思范围内，可以对本申请的技术方案进行多种简单变型，这些简单变型均属于本申请的保护范围。
[0088] 另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本申请对各种可能的组合方式不再另行说明。
[0089] 此外，本申请的各种不同的实施方式之间也可以进行任意组合，只要其不违背本申请的思想，其同样应当视为本发明所公开的内容。
