基于HASM的区域气候模式日平均气温偏差订正方法和系统

摘要

本申请涉及电数字数据处理技术领域，提供一种基于HASM的区域气候模式日平均气温偏差订正方法和系统。该方法包括：获取目标区域的地形数据、再分析数据、海温数据和土地利用数据；然后根据地形数据、再分析数据、海温数据和土地利用数据确定初始场和边界场；随后根据初始场和边界场，通过RegCM4对目标区域的气温进行模拟，得到日平均气温数据的模拟值；最后基于HASM对日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。如此，一定程度上消除了区域气候模式RegCM4的日平均气温数据的模拟偏差，提高了区域尺度上气候模拟的精度。

说明书

技术领域

本申请涉及电数字数据处理技术领域，特别涉及一种基于HASM的区域气候模式日平均气温偏差订正方法和系统。

背景技术

全球变暖大背景下，极端气候事件频发。为了有效的预估区域尺度上未来气候变化的趋势，从而做出相应的政策调整来适应气候变化带来的挑战，首要的科学问题是如何准确的模拟历史气候，厘清历史气候的变化规律。

气温作为人类社会最关心的气候要素，其获取的方式目前主要有：气象站点观测、卫星遥感反演和气候模式模拟。其中，气候模式模拟中的区域气候模式（Regional ClimateModel）能够对某个特定区域的气候进行模拟，得到该区域的气温数据。

然而，由于种种条件限制，区域气候模式的气温数据模拟结果往往有一定的偏差，使其无法准确地反应局部气候变化的过程。

因此，需要提供一种针对上述现有技术不足的改进技术方案。

发明内容

本申请的目的在于提供一种基于HASM的区域气候模式日平均气温偏差订正方法和系统，以解决或缓解上述现有技术中存在的问题。

为了实现上述目的，本申请提供如下技术方案：

本申请提供了一种基于HASM的区域气候模式日平均气温偏差订正方法，包括：

获取目标区域的地形数据、再分析数据、海温数据和土地利用数据；

根据所述地形数据、所述再分析数据、所述海温数据和所述土地利用数据，确定区域气候模式RegCM4的初始场和边界场；

根据所述初始场和所述边界场，通过区域气候模式RegCM4对所述目标区域的气温进行模拟，得到日平均气温数据的模拟值；

基于HASM对所述日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。

优选地，所述根据所述地形数据、所述再分析数据、所述海温数据和所述土地利用数据，确定区域气候模式RegCM4的初始场和边界场，具体为：

对所述目标区域进行格网划分，得到所述目标区域的模式格网；

基于所述目标区域的模式格网，对所述地形数据、所述再分析数据、所述海温数据以及所述土地利用数据进行插值处理，得到区域气候模式RegCM4的所述初始场和所述边界场。

优选地，所述根据所述初始场和所述边界场，通过区域气候模式RegCM4对所述目标区域的气温进行模拟，得到日平均气温数据的模拟值，具体为：

基于预设的时间窗口和所述目标区域的区域范围，根据所述初始场和所述边界场，通过区域气候模式RegCM4得到所述目标区域的时空连续的气温数据的模拟值；

对所述目标区域的时空连续的气温数据的模拟值进行后处理，得到所述日平均气温数据的模拟值。

优选地，所述基于HASM对所述日平均气温数据的模拟值进行订正，得到日平均气温数据的订正值，具体为：

将所述日平均气温数据的模拟值作为HASM的输入数据，以预先获取的气象站点的气温观测数据为优化控制条件，对所述日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。

优选地，所述方法还包括：

基于预设的误差评估指标，分别对所述日平均气温数据的模拟值和所述日平均气温数据的订正值进行误差评估；

其中，所述误差评估指标包括均方根误差、平均绝对误差、相关系数中任一种或多种。

本申请实施例还提供一种基于HASM的区域气候模式日平均气温偏差订正系统，包括：

获取单元，配置为获取目标区域的地形数据、再分析数据、海温数据和土地利用数据；

处理单元，配置为根据所述地形数据、所述再分析数据、所述海温数据和所述土地利用数据，确定区域气候模式RegCM4的初始场和边界场；

模拟单元，配置为根据所述初始场和所述边界场，通过区域气候模式RegCM4对所述目标区域的气温进行模拟，得到日平均气温数据的模拟值；

订正单元，配置为基于HASM对所述日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。

优选地，所述处理单元进一步配置为：

对所述目标区域进行格网划分，得到所述目标区域的模式格网；

基于所述目标区域的模式格网，对所述地形数据、所述再分析数据、所述海温数据以及所述土地利用数据进行插值处理，得到区域气候模式RegCM4的所述初始场和所述边界场。

优选地，所述模拟单元进一步配置为：

基于预设的时间窗口和所述目标区域的区域范围，根据所述初始场和所述边界场，通过区域气候模式RegCM4得到所述目标区域的时空连续的气温数据的模拟值；

对所述目标区域的时空连续的气温数据的模拟值进行后处理，得到所述日平均气温数据的模拟值。

优选地，所述订正单元进一步配置为：

将所述日平均气温数据的模拟值作为HASM的输入数据，以预先获取的气象站点的气温观测数据为优化控制条件，对所述日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。

优选地，所述系统还包括误差评估单元，所述误差评估单元配置为：

基于预设的误差评估指标，分别对所述日平均气温数据的模拟值和所述日平均气温数据的订正值进行误差评估；

其中，所述误差评估指标包括均方根误差、平均绝对误差、相关系数中任一种或多种。

有益效果：

本申请中，首先获取目标区域的地形数据、再分析数据、海温数据和土地利用数据；然后根据地形数据、再分析数据、海温数据和土地利用数据确定区域气候模式RegCM4的初始场和边界场；随后根据RegCM4的初始场和边界场，通过区域气候模式RegCM4对目标区域的气温进行模拟，得到日平均气温数据的模拟值；最后基于HASM对日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。如此，通过HASM技术对区域气候模式RegCM4得到的日平均气温数据的模拟值进行订正，一定程度上消除了区域气候模式RegCM4的日平均气温数据的模拟偏差，从而获取高精度、时空连续的日平均气温数据，使其更准确地表现局地气候过程，提高了区域尺度上气候模拟的精度，有助于提升对未来气候变化趋势的模拟精度。

附图说明

构成本申请的一部分的说明书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例及其说明用于解释本申请，并不构成对本申请的不当限定。其中：

图1为根据本申请的一些实施例提供的基于HASM的区域气候模式日平均气温偏差订正方法的流程示意图；

图2为根据本申请的一些实施例提供的基于HASM的区域气候模式日平均气温偏差订正方法的逻辑示意图；

图3为根据本申请的一些实施例提供的基于HASM的区域气候模式日平均气温偏差订正系统的结构示意图。

具体实施方式

下面将参考附图并结合实施例来详细说明本申请。各个示例通过本申请的解释的方式提供而非限制本申请。实际上，本领域的技术人员将清楚，在不脱离本申请的范围或精神的情况下，可在本申请中进行修改和变型。例如，示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本申请包含归入所附权利要求及其等同物的范围内的此类修改和变型。

在以下描述中，所涉及的术语“第一/第二/第三”仅仅是区别类似的对象，不代表对对象的特定排序，可以理解地，“第一/第二/第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

除另有定义，本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本公开实施例的目的，不是旨在限制本公开。

如背景技术所述，在全球变暖大背景下，极端气候事件频发，尤其是近年来高温、热浪等极端温度事件频发，且强度不断增强，给人类社会的经济发展和身体健康带来了很大的影响。如何采取有效的措施来应对气候风险，是全人类面临的重要挑战。为了有效的预估区域尺度上未来气候变化的趋势，从而做出相应的政策调整，以适应气候变化带来的挑战，首要的科学问题是如何准确地模拟历史气候，厘清历史气候的变化规律。

气温是人类社会最关心的气候要素，当前，获取气温数据的方式主要有：气象站点观测、卫星遥感反演、气候模式模拟。其中：

气象站点观测是目前获取气温数据的主要方式，其优点是观测精度高，且所获取的气温数据具有时间连续性。然而，气象站点观测方式属于稀疏观测，难以获得空间上连续的气温数据，无法满足农业、水文等领域对空间连续数据的需求。

空间探测技术的发展大大增加了人们获得地表数据的手段，气象卫星通过其搭载的传感器从太空对地球进行气象观测，获取卫星遥感数据，通过对卫星遥感数据进行反演，从而得到空间连续的气温数据。但是，气象卫星对地球的观测具有周期性，无法获取时间连续的卫星遥感数据，且，气象卫星观测容易受到天气状态的影响，比如在多云的天气无法有效地获取目标区域的观测结果。此外，从卫星遥感数据反演得到气温数据，其气温数据的反演结果受到反演算法的影响较大。

气候模式是基于大气、气候系统的运行和变化，在基本的物理定律（如牛顿运动定律、能量和质量守恒定律）基础上利用计算机技术发展形成的用于模拟气候的变化的模型。

气候模式包括全球气候模式和区域气候模式。

其中，全球气候模式（Global Climate Model，简称GCM）能够在全球尺度上对气候进行模拟和预估。但是，由于气候系统本身的复杂性，以及不同区域的维度、海拔、海陆位置和下垫面等条件不同，使得气候系统在不同区域呈现出不同的变化特征和强度，导致GCM往往在区域尺度上模拟效果不佳，难以表现局地天气过程，尤其是极端天气气候事件。

区域气候模式（Regional Climate Model，简称RCM）能够对某个特定区域的气候进行模拟，获取某种气候要素数据，例如可以获取时空连续的气温数据，然而，由于人类对气候系统的认识不足等客观条件的限制，区域气候模式模拟得到的气温数据往往有一定的偏差，使其无法准确地反应局部气候变化的过程。

相关技术中，通过Delta校正法或者分位数映射法对气温数据进行偏差订正。

Delta校正法以观测值作为当代气候的真实值，便可以将气温观测数据取值和气候模式模拟得到的气温数据模拟值相减，计算出两者之间的“差距”，假定气候模式模拟得到的气温数据模拟值的偏差不随时间而改变，也就是这个差距是一直存在的，且大小固定，那么对模式的模拟结果都加上这个“差距”，则得到校正后的结果。由于Delta校正法采用大小固定的偏差值对气温数据进行订正，只能应用于年尺度、年代际尺度这种变异性比较小的案例，也只能校正平均态的偏差，而不能应用于月尺度、日尺度这种变异性比较大的数据。

分位数映射法（Quantile-Mapping，QM）通过在选定的参照时段内，分别计算气温观测数据和气温数据模拟值的累计概率分布函数（Cumulative Distribution Function，CDF），然后构建两者之间的传递函数（Transfer Function，TF），利用传递函数，订正其他时间段内模拟值的CDF，最终达到降低模式模拟误差的目的。由于分位数映射法在校正的过程中需要计算累积概率分布函数，所以需要对每个格点上的数据进行排序（比如从小到大），这样就打乱了数据的时间分布，虽然使得气温观测数据和气温数据模拟值的累积概率分布函数相似，但是造成时间尺度上无法“一一对应”，在遇到气候反常的时间时，订正效果较差；且当模拟时间段较短的时候，由于数据量不是很足，计算出的累计概率分布函数不够平滑，难以建立起气温观测数据和气温数据模拟值的累计概率分布函数之间有效的传递函数。

随着全球变暖，极端气候事件频发，气候的反常现象也更加常见，比如夏季突然出现温度偏低（异于多年平均气候态），冬季突然出现极端高温。在这种背景下，上述两种方法缺陷明显，需要一种更加有效的时间上“点对点”的校正方法。基于此，本申请提供一种基于HASM的区域气候模式日平均气温偏差订正方法和系统，结合气象站点的观测数据，通过高精度曲面建模（High Accuracy Surface Modeling，简称HASM）对区域气候模式的气温数据模拟结果进行偏差订正，从而获取任意时间段内不同时间分辨率的目标区域高精度、时空连续的气温数据，使其能够准确地反映区域局部气候变化情况。

本申请实施例提供一种基于HASM的区域气候模式日平均气温偏差订正方法，图1为根据本申请的一些实施例提供的基于HASM的区域气候模式日平均气温偏差订正方法的流程示意图；图2为根据本申请的一些实施例提供的基于HASM的区域气候模式日平均气温偏差订正方法的逻辑示意图。如图1、图2所示，该方法包括：

步骤S101、获取目标区域的地形数据、再分析数据、海温数据和土地利用数据。

本申请实施例中，目标区域可以为全球范围内任一个局部区域。实际应用中，可以通过定义中心点的位置和区域范围获得目标区域的具体范围。

其中，地形数据也称数字高程数据（Digital Elevation Model，简称DEM），用于为目标区域提供基本地形，其通过目标区域上的三维向量有限序列对地球表面地形地貌进行数学表达，用函数的形式表示为：

式中，

再分析数据和海温数据能够为区域气候模式提供初始场和边界场。本申请实施例中，再分析数据和海温数据采用气候再分析数据集中的ERA-Interim数据，其原始空间分辨率为0.75°，时间分辨率为6小时。

土地利用数据（LUCC）是用于反映目标区域的土地利用系统及土地利用要素的状态、特征、动态变化、分布特点的数据。本申请实施例中，土地利用数据采用区域气候模式RegCM4官方提供的数据。

步骤S102、根据所述地形数据、所述再分析数据、所述海温数据和所述土地利用数据，确定区域气候模式RegCM4的初始场和边界场。

需要说明的是，区域气候模式RegCM4的运行是根据初始场和边界场在气候动力学的基础上进行方程求解的过程，基于此，在使用区域气候模式RegCM4对目标区域的气温数据进行模拟之前，需要先生成区域气候模式RegCM4所需的初始场和边界场。

具体地，在一些实施例中，所述根据地形数据、再分析数据、海温数据和土地利用数据，确定区域气候模式RegCM4的初始场和边界场，具体为：对目标区域进行格网划分，得到目标区域的模式格网；基于目标区域的模式格网，对地形数据、再分析数据、海温数据以及土地利用数据进行插值处理，得到区域气候模式RegCM4的初始场和边界场。

本申请实施例中，在确定区域气候模式RegCM4的初始场和边界场之前，先对目标区域进行格网划分，得到目标区域的模式格网。具体实施时，可以参考目标区域的范围确定模式格网的大小，其中，模式格网可以为不规则网格，也可以为规则网格，比如，设置模式格网为3km×3km的规则格网。

在对目标区域进行格网划分之后，基于目标区域的模式格网，利用区域气候模式RegCM4的前处理模块对地形数据、再分析数据、海温数据以及土地利用数据进行插值处理，得到区域气候模式RegCM4的初始场和边界场。

具体地，首先，通过RegCM4提供的terrain模块将地形数据和土地利用数据插值到目标区域的模式格网上，然后通过RegCM4提供的sst模块将海温数据插值到目标区域的模式格网上，最后通过RegCM4提供的icbc模块，将前两个步骤的插值结果与再分析数据相结合，生成目标区域的区域气候模式RegCM4所需的初始场和边界场。

步骤S103、根据所述初始场和所述边界场，通过区域气候模式RegCM4对所述目标区域的气温进行模拟，得到日平均气温数据的模拟值。

具体实施时，基于预设的时间窗口和所述目标区域的区域范围，根据所述初始场和所述边界场，通过区域气候模式RegCM4得到所述目标区域的时空连续的气温数据的模拟值；对所述目标区域的时空连续的气温数据的模拟值进行后处理，得到所述日平均气温数据的模拟值。

本申请实施例中，时间窗口可以根据应用需求确定，比如可以设置对目标区域进行为期1年的模拟，或者，对目标区域进行为期1个月的模拟。

将初始场和边界场作为区域气候模式RegCM4的输入，通过RegCM4的regcmMPI模块运行模式，得到目标区域的时空连续的气温数据的模拟值，该气温数据的模拟值能够反映目标区域在设定的时间窗口范围内连续的气温变化情况。然后，通过区域气候模式RegCM4的后处理模块，将该气温数据的模拟值转换为日平均气温数据的模拟值。

需要说明的是，转换后的日平均气温数据的模拟值的时间分辨率为日尺度，空间分辨率为3km，文件格式为NetCDF。也就是说，在目标区域的每一个3km×3km的模式格网上均对应一个日平均气温数据的模拟值，且该模拟值的为每日获取一次，即日尺度。

步骤S104、基于HASM对所述日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。

需要说明的是，通过区域气候模式RegCM4得到的日平均气温数据的模拟值受到气候系统复杂性、科学发展水平的等条件的制约，均存在一定的偏差，因此，需要对其进行偏差订正。

本申请实施例中，采用HASM技术对区域气候模式RegCM4得到的日平均气温数据的模拟值进行偏差订正。其中，HASM是一种空间模拟方法，其将目标区域的日平均气温数据的模拟值的格网化表达抽象为数学曲面；然后基于HASM对该数学曲面的偏差订正。

在一些实施例中，所述基于HASM对所述日平均气温数据的模拟值进行订正，得到日平均气温数据的订正值，具体为：将所述日平均气温数据的模拟值作为HASM的输入数据，以预先获取的气象站点的气温观测数据为优化控制条件，对所述日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。

由于区域气候模式RegCM4模拟得到的日平均气温数据具有时空连续性，因此，每一个模式网格均对应一个日平均气温数据的模拟值。可以理解，由日平均气温数据的模拟值构成的数学曲面，其数据曲面的每个单元为一个日平均气温数据的模拟值的模式格网，可以用模式格网的坐标和模式格网的日平均气温数据的模拟值表示。

基于气象站点的气温观测数据，采用HASM技术对区域气候模式RegCM4得到的日平均气温数据的模拟值进行偏差订正时，首先，将每个气象站点的气温观测数据的观测值赋给与该气象站点距离最近的模式网格；然后根据所有模式网格的日平均气温数据，计算每一个模式网格的第一类基本量E、F、G和第二类基本量L、M、N；其中第一类基本量表示数据曲面上曲线的弧长、数据曲面上两个方向的夹角和数据曲面域的面积，第二类基本量用于表征数据曲面空间中的弯曲性；随后，用高斯方程作为基本方程，以气象站点作为约束方程，建立数据曲面方程组；最后，通过迭代计算，利用高斯-赛德尔迭代算法解算数据曲面方程组，从而获取高精度、时空连续的日平均气温数据的订正值。

在一些实施例中，所述方法还包括：基于预设的误差评估指标，分别对所述日平均气温数据的模拟值和所述日平均气温数据的订正值进行误差评估；其中，所述误差评估指标包括均方根误差、平均绝对误差、相关系数中任一种或多种。

具体实施时，根据气象站点的气温观测数据日平均值，分别计算日平均气温数据的模拟值和日平均气温数据的订正值相对于气象站点的气温观测数据日平均值的误差。

其中，均方根误差的计算公式如下：

式中，

平均绝对误差的计算公式如下：

式中，

相关系数的计算公式如下：

式中，

具体地，以A区域为例进行说明，首先，基于区域气候模式RegCM4对A区域某年的日平均气温数据进行模拟，并以分辨率为3km（即模式网格的大小）计算得到的该年份1-12月偏差订正之前的日平均气温数据的模拟值，单位为K。然后，基于本申请提供的方法对日平均气温数据的模拟值进行偏差订正，得到偏差订正之后的A区域的日平均气温数据的订正值。最后，根据上述误差评估指标计算公式计算偏差订正之前的日平均气温数据的模拟值与偏差订正之前的日平均气温数据的订正值的误差评估指标的值，结果如表1所示，表1如下：

将偏差订正之前的平均气温数据和偏差订正之后A区域的日平均气温数据分别与该区域相同时间段的气象站点的气温观测数据进行比对，从表1可以看出，偏差订正之后A区域的日平均气温数据与气象站点的气温观测数据的误差显著降低，可见，采用本发明提供的方法对区域气候模式RegCM4的日平均气温数据的模拟值进行偏差订正，提高了日平均气温数据的精度。

综上所述，本申请中，首先获取目标区域的地形数据、再分析数据、海温数据和土地利用数据；然后根据地形数据、再分析数据、海温数据和土地利用数据确定区域气候模式RegCM4的初始场和边界场；随后根据RegCM4的初始场和边界场，通过区域气候模式RegCM4对目标区域的气温进行模拟，得到日平均气温数据的模拟值；最后基于HASM对日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。如此，通过HASM技术对区域气候模式RegCM4得到的日平均气温数据的模拟值进行订正，一定程度上消除了区域气候模式RegCM4的数据偏差，从而获取高精度、时空连续的日平均气温数据，使其更准确地表现局地气候过程，提高了区域尺度上气候模拟的精度，有助于提升对未来气候变化趋势的模拟精度。

本申请实施例提供一种基于HASM的区域气候模式日平均气温偏差订正系统，图3为根据本申请的一些实施例提供的基于HASM的区域气候模式日平均气温偏差订正系统的结构示意图，如图3所示，该系统包括：获取单元301、处理单元302、模拟单元303、订正单元304。其中：

获取单元301，配置为获取目标区域的地形数据、再分析数据、海温数据和土地利用数据。

处理单元302，配置为根据所述地形数据、所述再分析数据、所述海温数据和所述土地利用数据，确定区域气候模式RegCM4的初始场和边界场。

模拟单元303，配置为根据所述初始场和所述边界场，通过区域气候模式RegCM4对所述目标区域的气温进行模拟，得到日平均气温数据的模拟值。

订正单元304，配置为基于HASM对所述日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。

在一些实施例中，所述处理单元302进一步配置为：对所述目标区域进行格网划分，得到所述目标区域的模式格网；基于所述目标区域的模式格网，对所述地形数据、所述再分析数据、所述海温数据以及所述土地利用数据进行插值处理，得到区域气候模式RegCM4的所述初始场和所述边界场。

在一些实施例中，所述模拟单元303进一步配置为：基于预设的时间窗口和所述目标区域的区域范围，根据所述初始场和所述边界场，通过区域气候模式RegCM4得到所述目标区域的时空连续的气温数据的模拟值；对所述目标区域的时空连续的气温数据的模拟值进行后处理，得到所述日平均气温数据的模拟值。

在一些实施例中，所述订正单元304进一步配置为：将所述日平均气温数据的模拟值作为HASM的输入数据，以预先获取的气象站点的气温观测数据为优化控制条件，对所述日平均气温数据的模拟值进行偏差订正，得到日平均气温数据的订正值。

在一些实施例中，所述系统还包括误差评估单元（图中未示出），所述误差评估单元配置为：基于预设的误差评估指标，分别对所述日平均气温数据的模拟值和所述日平均气温数据的订正值进行误差评估；其中，所述误差评估指标包括均方根误差、平均绝对误差、相关系数中任一种或多种。

本申请实施例所提供的一种基于HASM的区域气候模式日平均气温偏差订正系统能够实现上述任一基于HASM的区域气候模式日平均气温偏差订正方法的流程、步骤，并达到相同的技术效果，在此不再一一赘述。

以上所述仅为本申请的优选实施例，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。