论文部分内容阅读
风场的预报紧密联系着人们的生产生活,风能资源的高效利用,大风天气导致的对电力设备、交通与建筑的破坏,台风登陆带来的重大灾害,污染物的传输与扩散等都对风场预报的精细度提出更高的需求。基于中尺度模式WRF(Weather Research and Forecast)结合动力降尺度模式 CALMET (California Meteorology)的方法是有效提高风场预报精细度的方法之一。目前,此方法虽在国内外被广泛应用于资源评估与气候模拟等领域,但在预报领域的应用则不多见,同时数据格式不统一及繁杂的人机交互等问题,进一步阻碍方法的应用与实现。针对以上提出的研究问题,本文将利用WRF-CALMET方法对预报数据中的风场数据进行模拟,经过复杂地形因素的修订以提升风场预报的精细度,并应用多系统集成技术解决数据格式不统一问题的同时也减少了大量人机交互操作,从而形成一套完整的业务流程以达到业务应用的需求。取得的主要研究成果如下:1.使用WRF模式对预报初始场进行模拟,再将结果用CALMET模式进行进一步精细化并进行前后对比分析。预报初始场数据为GFS (Global Forecast System)数据。利用WRF模式将逐6小时的GFS数据进行模拟得到逐时的结果预报数据;同时结合高分辨率的地形高程数据(Terrain Height)与土地类型(Landuse Category)数据利用CALMET模式将由WRF模拟的数据再进行进一步精细化,最终得到高分辨率逐时的风场预报数据,并将精细化前后结果进行对比。结果表明经CALMET模式精细化后的风场较WRF模拟的风场更为精细,能够较好地体现出与局地地形相符的特征。2.使用站点数据与陆面同化系统CLDAS (CMA Land Data Assimilation System)数据进一步验证WRF-CALMET方法的模拟效果。一方面,在与站点的逐日数据对比中,WRF的模拟结果与CALMET的模拟结果总体呈现出较好的相关性与吻合度;WRF模拟结果的相关系数均值为0.8,均方根误差多数站点也低于1,而CALMET的对比结果较WRF总体上小幅提升,相关系数均值0.85,均方根误差均低于1。另一方面,在与CLDAS逐时数据的对比中,WRF与CALMET的模拟结果均与CLDAS数据呈现同一趋势,并且在趋势同步的前提下,CALMET的模拟结果较WRF的模拟结果更接近CLDAS数据。总之,与两种数据的对比均显示出WRF-CALMET方法对于风场有出色的模拟与修正能力,可运用于业务中。3.针对方法运用过程中数据格式异构与人机交互操作过多的问题,以WRF-CALMET方法为核心,运用系统集成技术将方法中涉及的多个系统与软件的功能形成一套完整的业务流程,解决了系统之间数据格式异构与接口不统一的问题,同时也通过计算机智能将大部分运行中存在的人机交互操作实现自动化执行与计算,大幅提高了运行效率,充分发挥了交叉学科的优势。