本發(fā)明屬于大氣科學(xué)研究領(lǐng)域，涉及氣象數(shù)據(jù)處理，尤其是涉及基于對象的集合概率匹配平均（opm）方法，用作提升集合平均降水對強降水的分布預(yù)報能力。

背景技術(shù)：

1、強降水預(yù)報一直是預(yù)報的難點，高分辨率數(shù)值天氣預(yù)報是當(dāng)前業(yè)務(wù)預(yù)報的主要參考。然而，強降水落區(qū)預(yù)報存在極大的不確定性，單一確定性數(shù)值模式降水預(yù)報參考價值有限。早在1995年，文獻1[vislocky,?r.?l.,?and?j.?m.?fritsch,?1995:?improved?modeloutput?statistics?forecasts?through?model?consensus.?bull.?amer.?meteor.soc.,76,?1157–1164.]中便指出最優(yōu)的降水預(yù)報需要數(shù)值模式的集合預(yù)報，而不是僅依賴于單一的最優(yōu)產(chǎn)品。

2、對此，文獻2?[?speer,?m.?s.,?and?l.?m.?leslie,?1997:?an?example?of?theutility?of?ensemble?rainfall?forecasting.?austr.?meteor.?mag.,?46,?75–78.]?，以及文獻3?[du,?j.,?s.?l.?mullen,?and?f.?sanders,?1997:?short-range?ensembleforecasting?of?quantitative?precipitation.?mon.?wea.?rev.,?125,?2427–2459.]中均采用了對集合模式的降水預(yù)報進行簡單的算數(shù)平均。對于一般強度的降水，集合平均預(yù)報在降水分布上優(yōu)于單個模式的預(yù)報，但簡單集合平均并不適用于強降水，這主要是因為不同成員預(yù)報的強降水落區(qū)差異很大，簡單集合平均會造成降水強度嚴(yán)重低估。

3、針對此問題，文獻4?[rosenfeld,?d.,?d.?b.?wolff,?and?d.?atlas,?1993:general?probabilitymatched?relations?between?radar?reflectivity?and?rainrate.j.?appl.?meteor.,?32,?50–72,?https://doi.org/10.1175/1520-0450(1993)032,0050:gpmrbr.2.0.co;2.]；以及文獻5?[anagnostou,?e.?n.,?a.?j.?negri,?and?r.?f.adler,?1999:?a?satellite?infrared?technique?for?diurnal?rainfall?variabilitystudies.?j.?geophys.?res.,?104,?31?477–31?488,?https://doi.org/10.1029/1999jd900157.]提出了概率匹配平均法（probability?matching，pm），該方法通過結(jié)合具有更好空間表示的數(shù)據(jù)與更準(zhǔn)確頻率分布的數(shù)據(jù)，有效改善了集合平均預(yù)報中的上述缺陷。文獻6?[ebert?e?e?.ability?of?a?poor?man's?ensemble?to?predict?theprobability?and?distribution?of?precipitation[j].monthly?weather?review,2000,?129(10):2461.doi:10.1175/1520-0493(2001)1292.0.co;2.]中首次將這一技術(shù)應(yīng)用于集合預(yù)報，生成了基于集合預(yù)報的定量降水預(yù)報產(chǎn)品，顯著提高了預(yù)報技巧得分。因此，pm平均法被廣泛應(yīng)用于集合平均降水預(yù)報中。

4、然而，pm均值法并非完美無缺。在文獻7?[surcel,?m.,?i.?zawadzki,?and?m.?k.yau,?2014:?on?the?filtering?properties?of?ensemble?averaging?for?storm-scaleprecipitation?forecasts.?mon.?wea.?rev.,?142,?1093–1105,?https://doi.org/10.1175/mwr-d-13-00134.1.]中提出，雖然pm均值法能提升預(yù)報技巧得分，但它忽略了計算范圍內(nèi)可能存在多個降水系統(tǒng)。對于大范圍的區(qū)域，pm均值方法系統(tǒng)性地重新分配降水，即便鄰近點的pm均值也可能來源于不同尺度降水系統(tǒng)或不同氣候態(tài)環(huán)境降水，導(dǎo)致在局地應(yīng)用時無法準(zhǔn)確反映降水真實分布特征。例如，如果計算區(qū)域內(nèi)同時存在a、b兩類降水系統(tǒng)，pm均值法可能會把預(yù)報的a類降水分配到b類系統(tǒng)中，會出現(xiàn)強度強的降水系統(tǒng)更強的現(xiàn)象。

5、為克服這一局限，有學(xué)者提出了局地概率匹配法（localized?probability-matching，簡稱lpm），如文獻8[clark,?a.?j.,?2017:?generation?of?ensemble?meanprecipitation?forecasts?from?convection-allowing?ensembles.?wea.?forecasting,32,?1569–1583,?https://doi.org/10.1175/waf-d-16-0199.1.]中，就利用該方法將pm均值應(yīng)用于以單個點或小矩形區(qū)為中心的特定影響區(qū)域，一定程度上避免了不同地理區(qū)域降水系統(tǒng)強度錯配問題，但局地法矩形規(guī)則網(wǎng)格設(shè)計（固定邊長）事實上無法準(zhǔn)確分離不同類別降水系統(tǒng)，尤其是當(dāng)區(qū)域內(nèi)存在不同尺度強降水系統(tǒng)且不同降水系統(tǒng)之間距離很近時，局地pm法并不能有效解決此類復(fù)雜情形。

6、綜上所述，傳統(tǒng)pm均值法以集合平均降水值為基準(zhǔn)，從大到小排序后重新匹配集合成員降水值，有效避免了不同成員間強降水落區(qū)差異造成平均值小的問題，但只適合小區(qū)域。局地pm法可以一定程度上避免不同氣候態(tài)地理區(qū)域降水值錯配問題，但依舊無法解決多個降水系統(tǒng)并存問題。例如，當(dāng)臺風(fēng)、鋒面以及午后短時強降水同時存在時，理論上應(yīng)給分類計算不同系統(tǒng)的pm集合平均降水場，但因為pm法無法有效區(qū)分系統(tǒng)，臺風(fēng)大值區(qū)域范圍大且強度強，經(jīng)常會將鋒面以及短時強降水產(chǎn)生的降水錯誤分配給臺風(fēng)系統(tǒng)，造成臺風(fēng)強降水范圍更大，強度更強。與之相反，其它兩類降水系統(tǒng)的強降水范圍和強度會一定程度的減弱?？偟膩碚f，當(dāng)區(qū)域內(nèi)存在多個強降水系統(tǒng)，且不同強降水系統(tǒng)強度相差不大，距離較近，涵蓋不同尺度時，無論時傳統(tǒng)pm法，還是局地pm法都會造成降水錯配問題，出現(xiàn)強者恒強現(xiàn)象。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：本發(fā)明目的在于針對現(xiàn)有技術(shù)的不足，提供一種基于對象的集合概率匹配平均方法（object-based?probability?matching，簡稱opm），先識別降水對象，自適應(yīng)降水對象的尺度，再采用pm法重新分配降水強度，提高pm法適用范圍，通過對象識別改善pm集合平均降水場計算尺度的自適應(yīng)，提升集合平均降水產(chǎn)品對強降水強度和范圍的預(yù)報性能。

2、為達到上述目的，本發(fā)明提出一種基于對象的集合概率匹配平均方法，包括如下步驟：

3、s100、從集合模式的資料集中識別計算范圍內(nèi)所有降水單體，并進行相鄰降水單體合并，形成若干個降水對象；

4、s200、獲取覆蓋每一個降水對象的最小集合預(yù)報區(qū)域；

5、s300、在每一個降水對象的最小集合預(yù)報區(qū)域內(nèi)，采用pm均值法生成該降水對象的集合平均場；

6、s400、將所有計算的降水對象和剩余區(qū)域的集合平均場合并，獲得全區(qū)域opm集合平均場。

7、本發(fā)明進一步優(yōu)選地技術(shù)方案為，步驟s100所述從集合模式的資料集中識別計算范圍內(nèi)所有降水單體，并進行相鄰降水單體合并，包括：

8、s110、根據(jù)基于對象的mode檢驗方法，從集合模式的降水預(yù)報中識別計算范圍內(nèi)各個降水單體；

9、s120、根據(jù)臨近算法，將相鄰的降水單體合并成若干個降水對象。

10、作為優(yōu)選，步驟s110所述根據(jù)基于對象的mode檢驗方法，從集合模式的降水預(yù)報中識別計算范圍內(nèi)各個降水單體，具體方法為：

11、s111、獲取集合模式的降水預(yù)報資料集；

12、s112、針對每一個集合成員，采用一個半徑為r的圓盤形卷積內(nèi)核，將預(yù)報場進行卷積平滑，具體公式為：

13、（1）；

14、（2）；

15、其中，是原始降水預(yù)報場，是濾波函數(shù)，是卷積后的結(jié)果場，是目標(biāo)點在中的坐標(biāo)，是中使用到的網(wǎng)格點坐標(biāo)，是中對應(yīng)于的網(wǎng)格點坐標(biāo)；

16、濾波函數(shù)為圓形濾波器，由影響半徑r和高度h確定，?r和h滿足關(guān)系式h?=1；

17、s113、運用聯(lián)通域提取算法識別出預(yù)報場中的降水單體，通過設(shè)定降水閾值創(chuàng)建一個掩碼場，公式為：

18、（3）；

19、在該掩碼場中，值為1的連通區(qū)域被識別為同一降水單體。

20、作為優(yōu)選，還包括步驟：

21、s114、進一步設(shè)置識別降水單體的最小面積，如果預(yù)報場中降水單體的面積小于該最小面積，刪除該降水單體。

22、作為優(yōu)選，步驟s120所述根據(jù)臨近算法，將相鄰的降水單體合并成若干個降水對象，具體方法為：

23、s121、將各降水單體根據(jù)臨近度判斷方法，計算兩兩單體之間的臨近度，計算公式為：

24、（4）；

25、式中，和分別是單體a和單體b的總像素個數(shù)，和是單體a和單體b分別處于對方臨近區(qū)域的像素個數(shù)；

26、s122、選取其中的最大值，如果這一最大值大于預(yù)設(shè)的臨近度閾值，則對應(yīng)的兩個單體合并為同一個降水單體；

27、s123、重復(fù)步驟s121和步驟s122，直至所有兩兩單體之間的臨近度都小于預(yù)設(shè)的閾值，完成相鄰的降水單體合并，形成若干個不同的降水對象。

28、s124、重復(fù)步驟s112到步驟s123，完成所有集合成員的降水對象識別。

29、作為優(yōu)選，步驟s200所述獲取覆蓋每一個降水對象的最小集合預(yù)報區(qū)域，具體方法為：

30、將所有集合成員預(yù)報的相似降水對象空間范圍進行疊加，以形成每個降水對象的最小集合預(yù)報區(qū)域；針對單個降水對象，各集合成員的相似降水對象的空間范圍用表示，其中表示不同的集合成員，且的取值范圍是1到；單個降水對象的最小集合預(yù)報區(qū)域a，表示為：

31、（5）；

32、是集合成員數(shù)。

33、作為優(yōu)選，步驟s300所述在每一個降水對象的最小集合預(yù)報區(qū)域內(nèi)，采用pm均值法生成該降水對象的集合平均場，具體方法為：

34、s310、將降水對象的最小集合預(yù)報區(qū)域中的每個格點預(yù)報值按大小排序，并記錄其位置：

35、（6）；

36、其中，m是集合成員數(shù)，n是網(wǎng)格格點數(shù)，為所有成員最小集合預(yù)報區(qū)域內(nèi)原始降水預(yù)報場，按從大到小排列；

37、s320、根據(jù)排序結(jié)果，每隔一個集合成員數(shù)選取一個中位數(shù)，公式為：

38、（7）；

39、其中，j?=?1,…,n；

40、組成集合中位數(shù)場；

41、s330、將集合中位數(shù)場按照概率匹配原則重新分配到集合算術(shù)平均場，即集合算術(shù)平均場從大到小排列，但其中數(shù)值從大到小被相應(yīng)的集合中位數(shù)場從大到小替換，再按照集合算術(shù)平均場的位置信息，獲得單個降水對象的opm集合平均場。

42、s340、重復(fù)步驟s310到步驟s330，完成所有識別的降水對象opm集合平均場計算。

43、作為優(yōu)選，步驟s400中除將所有識別的降水對象opm集合平均場合并外，還包括對于不在識別出的降水對象區(qū)域以外的點，則繼續(xù)采用pm均值法生成降水集合平均場，最后將所有計算的降水對象和剩余區(qū)域的集合平均場合并，獲得全區(qū)域opm集合平均場。

44、有益效果：本發(fā)明提供一種基于對象的集合概率匹配平均（opm）方法，解決現(xiàn)有pm方法無法自適應(yīng)降水系統(tǒng)尺度和距離造成的錯誤匹配問題，將進一步提升強降水分布和強度預(yù)報能力。

45、具體來說，本發(fā)明在“頻率匹配法”基礎(chǔ)上，首先客觀識別不同尺度天氣系統(tǒng)形成的降水單體并合并，其次計算覆蓋所有成員每一個降水對象的最小重疊區(qū)域，最后分降水對象分別計算opm集合平均場，從而實現(xiàn)當(dāng)計算區(qū)域存在多個強降水對象時集合平均降水場的優(yōu)化，不僅確保了不同降水對象集合平均后的強度準(zhǔn)確性，而且充分考慮了不同降水對象之間降水屬性差異，避免了錯配，從而生成了更為精細和準(zhǔn)確的降水集合平均場，將進一步提升集合降水分布和強度的預(yù)報。

46、本發(fā)明的顯著優(yōu)勢在于，opm集合平均法擴大了pm法適用范圍，當(dāng)計算區(qū)域內(nèi)能識別出多個降水對象時，opm法集合降水確保了降水對象屬性不變，同時有效提升了強降水中心強度、范圍等預(yù)報準(zhǔn)確性。這一改進對于提升集合降水產(chǎn)品對強降水預(yù)報的準(zhǔn)確性和可靠性具有重要意義。相較于傳統(tǒng)pm方法，該方法在計算區(qū)域存在多個不同尺度降水對象時，有明顯優(yōu)勢。opm方法不僅能提升強降水強度和范圍預(yù)報的準(zhǔn)確性，也能保留了原有系統(tǒng)的降水屬性，將提升集合預(yù)報產(chǎn)品對強降水的精細預(yù)報水平。