本發明涉及數值降雨預報和數據同化技術領域，具體涉及一種多源氣象信息數據同化方法及其在降雨預報中的應用。
背景技術：
降雨事件水平空間尺度很小，又具有隨機性和突發性，因此數值降雨預報是數值天氣預報的難點，特別是針對強度大歷時短的暴雨，很難獲得具有一定精度的預報結果。
數據同化是將不同時刻、不同類型、不同來源、不同分辨率的氣象數據以及背景場生成時間、空間和物理一致性的數據集，在提高數值大氣預報精度方面，特別是降雨預報，有非常重要的作用。
目前同化單一種類數據的技術已經較為成熟，并能判斷其同化效果的優劣，但對多種數據同時同化的情況較少，也沒有一種衡量和選取同化數據的方法。這使數據同化具有很大局限性，不能完全體現各種數據的優勢，使同化結果更優。目前應用廣泛且效果較好的數據同化方法有三維變分數據同化和集合卡爾曼濾波法。
三維變分同化的本質是求解一個分析變量，使得一個衡量分析變量與背景場和觀測場之間距離的目標泛函達到極小值。該目標泛函可由下式表示：
其中x為所求的數值預報模式初始狀態的最優解；xb為背景場；b為背景場誤差協方差矩陣；y0為觀測向量；h為觀測算子，將模式變量由模式空間投影到觀測空間；r為觀測誤差協方差矩陣，r＝e+f，e為儀器觀測誤差協方差矩陣，f為觀測代表性誤差協方差矩陣，三維變分同化能夠體現復雜的非線性約束關系。由于可以使用復雜的觀測算子，因而更有利于同化與模式變量有非直接或非線性相關的觀測資料。
集合卡爾曼濾波法用集合的思想解決了實際應用中背景誤差協方差矩陣的估計和預報困難的問題，可用于非線性系統的數據同化，同時降低了數據同化的計算量。集合卡爾曼濾波包含預測和更新兩個步驟：
(1)預測：
式中，
(2)更新：
其中vi,k～n(0，qk)，
技術實現要素：
本發明設計了一種多源氣象信息數據同化方法及其在降雨預報中的應用，綜合考量了常規觀測數據和非常規觀測數據的優點和缺點，其解決的技術問題是如何選取不同種類的數據，發揮多源氣象信息優勢，使多源數據同化的效果更優，從而提高降雨的預報精度。
為了解決上述存在的技術問題，本發明采用了以下方案：
一種多源氣象信息數據同化方法，包括以下幾個步驟：
步驟1、數據同化方法的選取；
步驟2、構建多源氣象信息數據庫；
步驟3、對多源氣象信息進行數據同化；
步驟4、確定最佳同化數據集。
進一步，步驟1中數據同化方案選取目前應用效果較好的三維變分數據同化方法和集合卡爾曼濾波同化方法,形成數據同化方法集合。
進一步，步驟2選用美國國家大氣研究中心ncar提供的地表觀測數據和高空觀測數據、區域雷達數據、衛星遙感數據、火箭探空數據，形成氣象信息數據庫。其中，ncar提供的地表觀測數據和高空觀測數據較精確，但數據量少，特別是東亞地區；區域雷達數據較精確，為柵格數據，能夠覆蓋一定范圍的空間數據；衛星遙感數據是所有數據中覆蓋范圍最大的，但其分辨率相對較差，精度較低；火箭探空數據很精確，但成本高，數據量少。
最終用于數據同化的觀測數據均為降雨數據，其單位為mm。但不同種類觀測資料的原始觀測內容不同。ncar地表觀測數據和高空觀測數據、火箭探空數據均為主要氣象要素的觀測數據，包括：氣壓(mpa)、濕度(％rh)、溫度(℃)、降水(mm)、風速(m/s)；雷達的原始觀測資料是反射率(cm2/m3)和徑向速度(m/s)，后經過數據轉化得到降雨數據；衛星遙感的原始觀測資料是影像，需對影像進行解譯，獲得降雨數據。
進一步，步驟3.1的數據同化是針對步驟2提供的5種數據，采用步驟1的2種數據同化方法進行數據同化，形成30種數據同化方案：
盡管目前數據同化可以對任意合適的數據進行同化，但同化效率和效果也需要考慮。同化數據的種類越多，效率越低，不同數據中的誤差會使同化性能不穩定，影響同化效果。但同化數據種類越少，數據的代表性不強，綜合考慮選用兩類數據的組合方案。所以，上述表格的第11-30項中都是兩組數據的組合進行同化。
同時對多種數據進行同化時，并非是對兩種數據之和進行同化，而是在操作時，依次對兩種數據進行同化，如：區域雷達數據與衛星遙感數據，先用雷達數據對原始數據進行同化，再用衛星遙感數據同化雷達數據同化后的結果，得到最終的同化數據。
進一步，步驟3.2采用降雨預報的相對誤差來判斷各數據同化方案的優劣：
式中，αi為第i個數據同化方案同化后的降雨預報的相對誤差，pi′為第i個數據同化方案同化后的預報降雨量，pi為對應的實測降雨量，i取1,2,3，……,29,30。
進一步，步驟3.3對比三維變分同化的整體相對誤差m與集合卡爾曼濾波法的整體相對誤差n：
若m<n，則三維變分同化的整體效果優于集合卡爾曼濾波法，若m>n，則集合卡爾曼濾波法整體效果優于三維變分同化，若m＝n，則三維變分同化與集合卡爾曼濾波法整體效果相同。
進一步，為了使多源數據同化方案更加簡便，選取整體效果較優的同化方法，如三維變分同化，則取15個三維變分同化方案中，相對誤差最小的5個方案所采用的同化數據，構成該研究區的最佳同化數據集，為下一次降雨預報進行數據同化提供依據。
選出表現較好的5個數據同化方案形成數據集來進行預報的方法可稱為集合預報。基于這5個數據同化方案分別進行降雨預報，最終可獲得5個降雨預報結果，由于預報具有很大的不確定性，不能肯定哪一個結果是最接近未來發生的降雨，因此將這5個降雨預報結果都作為預報結果，因此集合預報在一定程度上可以規避某一預報結果不準確的風險。
一種降雨量的預報方法，其特征在于：使用上述最佳同化數據集為下一次降雨預報進行數據同化提供應用。
該用于多源氣象信息數據同化方法及其應用于降雨量的預報具有以下有益效果：
(1)本發明從不同氣象信息的優點和缺點角度出發，提供了一種標準化的多源氣象信息數據同化方法，數據同化不僅可以提高降雨預報的精度，而且增加多源氣象信息可以彌補不同氣象數據的不足，充分發揮各類數據的優勢，使數據同化的結果更加可靠，為氣象、水利等有關部門提供合理的數據同化方案，具有普遍適用性。
(2)本發明為某一研究區確定了最佳同化數據集，多源數據同化方案可提升同化精度和穩定性，而選擇最佳數據集，又能較大程度的簡化數據同化過程。
具體實施方式
下面結合實施例，對本發明做進一步說明：
本發明所采用的技術方案是基于常規觀測數據和非常規觀測數據的優點和缺點，提出一種多源氣象信息數據同化方法，按照以下步驟實施：
(1)數據同化方法的選取：選取目前應用效果較好的三維變分數據同化和集合卡爾曼濾波同化。
(2)構建多源氣象信息數據庫：選用美國國家大氣研究中心ncar提供的地表觀測數據和高空觀測數據、區域雷達數據、衛星遙感數據、火箭探空數據，形成氣象信息數據庫。
(3)對多源氣象信息進行數據同化：在(1)、(2)的基礎上，建立30種數據同化方法，見表1。
表1數據同化方案
采用相對誤差判斷各數據同化方案的優劣：
式中，αi為第i個數據同化方案同化后的降雨預報的相對誤差，pi′為第i個數據同化方案同化后的預報降雨量，pi為對應的實測降雨量，i取1,2,3，……,29,30。
(4)確定最佳同化數據集：對比三維變分同化方法的整體相對誤差m與集合卡爾曼濾波法的整體相對誤差n：
若m<n，則三維變分同化方法的整體效果優于集合卡爾曼濾波法，若m>n，則集合卡爾曼濾波法整體效果優于三維變分同化方法，若m＝n，則三維變分同化方法與集合卡爾曼濾波法整體效果相同。
選取整體效果較優的同化方法，如三維變分同化方法，則取15個三維變分同化方法方案中，相對誤差最小的5個方案所采用的同化數據，構成該研究區的最佳同化數據集，為下一次降雨預報進行數據同化提供依據。
上面結合實施例對本發明進行了示例性的描述，顯然本發明的實現并不受上述方式的限制，只要采用了本發明的方法構思和技術方案進行的各種改進，或未經改進將本發明的構思和技術方案直接應用于其它場合的，均在本發明的保護范圍內。