地面气象观测资料时空相关性与同化前质量控制方法研究

The technique of assimilation for surface observations is an important method to enhance the level of numerical weather prediction, while the primary task of the development of the surface data assimilation technique is to effectively control the quality of the surface data.Only a small part of the surface data are loaded into the assimilation system due to China's vast territory, complex terrain, changeable climate and other basic national conditions, so the conventional quality control methods are difficult to meet the needs of meteorological services. In view of this, this project studies the spatial-temporal correlation and distribution characteristics of surface data in different terrains, topographies and climates in China from the aspects of mathematical statistics, spatial and temporal variation analysis, spectral analysis, etc., revealing the endogenous and exogenous interaction mechanism of surface data in terms of time-series data, spatial association, interaction and other factors, focused on the study of the variation characteristics of surface data under the extreme weather, which provide a theoretical basis for the construction of quality control model for surface data. Furthermore, this project focuses on how to explore the construction of complex structured quality control model under different circumstances based on the characteristics of spatial panel data modeling and fast estimation method of its parameters using gene expression programming, neural networks, support vector machines and other algorithms. To carry out the project will expand the research thinking of quality control algorithm for surface data, which provides a scientific and reasonable surface observation data set for improving the assimilation data efficiency of numerical weather prediction.

地面资料同化技术是提高数值天气预报水平的重要技术，而地面资料同化技术发展的首要任务是对地面资料进行有效的质量控制。由于我国地域辽阔、地形复杂、气候多变等基本国情，地面资料只有很少一部分进入了同化系统，常规质量控制方法很难满足气象业务的需求。鉴于此，本项目从数理统计、时空变异分析、频谱分析等方面研究我国不同地形地貌及气候环境下地面资料的时空相关性及分布特征，从时间序列、空间关联、要素相互影响等方面揭示地面资料的内源、外生相互影响机理，着重探索极端天气下地面资料的变化特征，为研究地面资料质量控制建模提供理论基础。进一步，在结合空间面板数据建模的特点基础上，重点研究如何利用基因表达编程、神经网络、支持向量机等算法构建不同情况下复杂结构化质量控制模型，并对模型参数快速估计方法进行研究。本项目的开展将拓展地面资料质量控制算法的研究思维，为提高数值天气预报资料同化效率提供科学合理的地面观测数据集。

对地面气象观测资料进行同化是提高数值天气预报水平的重要方法，特别是对地面气温观测资料的同化尤为重要。而地面气温观测资料同化技术发展的首要任务是对地面气温观测资料进行有效的质量控制。由于我国地域辽阔、地形复杂、气候多变等基本国情，地面气温观测资料只有很少一部分进入了同化系统，常规质量控制方法很难满足现代气象业务的需求。本项目通过对地面气温观测资料的时空相关性及分布特征进行研究，在不同层面上揭示地面气温观测资料的内源、外生影响机理，为建立地面气温观测资料质量控制模型提供理论依据。结合地面气温观测资料的变化规律和时空分布特征，对地面气温观测资料质量控制算法进行深入研究并建立地面气温观测资料的复杂结构化质量控制模型，从而为提高我国数值天气预报资料同化水平提供一套可靠数据集。在分析地面气温观测资料的时空分布特征中，项目分别从不同尺度的时间维度、空间维度深入分析地面气温观测资料的静态、动态特征；在构建地面气温观测资料质量控制模型中，融合了统计、机器学习、深度学习、多维联合等理论，拓展了质量控制建模的思路；在极端天气环境质量控制研究中，重点考虑了多维度的信息联合分布，提高了模型的稳定性。在项目的执行期间，课题组坚持理论与实践相结合的理念，以问题导向为出发点，针对应用需求开展理论研究，用应用实践检验理论成果。现已在多个领域实现本课题研究的落地应用。