秒级探空资料的稀疏化方法

摘要

本发明公开秒级探空资料的稀疏化方法，包括如下步骤：步骤P1：从秒级探空廓线中提取探空规定层数据；步骤P2：从秒级探空廓线中提取探空温湿特性层数据；步骤P3：在所选取的温湿度特性层中选取对流层顶；步骤P4：从秒级探空廓线中提取探空风特性层数据；步骤P5：对提取的层次进行排列整合。本发明可以实现从秒级探空资料中，提取温度、湿度、风向、风速等气象要素的垂直廓线的显著拐点，并通过与各规定等压面层、对流层顶等重要探空层次进行整合，得到大约有一两百层的完整探空廓线。廓线层数较现有其他方法所得层数显著增加，能更准确描绘各个气象要素垂直变化的精细结构特征，满足数值预报模式、资料同化等应用需求。

说明书

技术领域

本发明涉及探空资料处理应用方法，特别涉及一种基于秒级探空资料的稀疏化方法。

背景技术

常规探空观测资料因其质量稳定可靠、垂直层数多、能够准确描述大气三维结构，而成为提供陆地大气状态极其重要的信息来源。这使得探空资料在数值预报、天气分析、气候变化、卫星资料校准等研究中发挥着重要作用，尤其是在数值预报系统进行资料同化过程中，探空资料更是成为改进模式初始场质量、提高预报精度所不可或缺的最重要的基本资料。

随着探空技术的发展，我国自2011年已经完成由59-701型探空系统向L波段电子探空仪系统的全面更新换代，新一代探空系统可以提供秒级别的、高垂直分辨率的探空数据。另一方面，数值天气模拟，资料同化及数值天气预报均可受益于高分辨率探空数据的获取和应用，探空观测系统越密，它对分析精确度的贡献越大。然而，由于计算能力的限制，目前的气象数值模式并不能将几千层的秒级探空数据全部同化吸收应用，为了适应数值预报模式的资料同化能力，就必须对秒级探空资料进行稀疏化处理。通过一定的技术方法选取特定的探空层次来代替几千层的秒级探空廓线。可见稀疏化方法是高分辨率探空资料在数值预报、模式同化等应用过程中非常重要的技术环节。

目前，通过整合气象台站现行业务软件得到的探空规定层和特性层得到层数较少的探空廓线是一种常用的方法。但是这种方法提取的特性层数目偏少，得到的探空廓线不能精准刻画气象要素的垂直变化规律，已经难以满足当前数值模式、资料同化的发展要求。另一种方法是利用秒级探空资料在时间轴上的自然稀疏，如利用时间分辨率较低的半分钟、整分钟探空数据，但是这种方法并不能保证所选时刻都恰好是气象要素垂直廓线的变化拐点，也就不能精准地解析出气象要素垂直变化的细致特征。因此，必须发展一种客观、可靠的稀疏化方法从秒级探空资料中提取出层数适量的探空廓线，既能保证数值模式对探空资料的同化应用需求，又能精准刻画气象要素垂直变化的物理规律。

为解决上述问题，本发明提出一套针对中国探空L波段秒级资料的、自适应的稀疏化技术方案，该方案可以实现从秒级探空资料中，提取温度、湿度、风向、风速等气象要素的垂直廓线的显著拐点，并整合各规定等压面层、对流层顶等重要探空层次，从而形成大约有一两百层的完整探空廓线。所得廓线的层数与欧美发达国家水平相当，并能更准确描绘各个气象要素垂直变化的精细结构特征。基于模式背景场(ERA-Interim再分析资料)的观测资料偏差评估技术，对比分析不同方法得到探空廓线上气象要素的数据量、偏差(Bias)和均方根误差(RMSE)等定量指标，对该稀疏化方案的效果进行了系统的检验。

发明内容

针对现有技术方法中的不足，本发明的目的在于提出一套针对秒级探空资料的、自适应的稀疏化技术方法，该方法可以实现从秒级探空资料中，提取温度、湿度、风向、风速等气象要素的垂直廓线的显著拐点，并通过与各规定等压面层、对流层顶等重要探空层次进行整合，得到大约有一两百层的完整探空廓线。廓线层数较现有其他方法所得层数显著增加，能更准确描绘各个气象要素垂直变化的精细结构特征，满足数值预报模式、资料同化等应用需求。

为达到上述目的，本发明采用下述技术方案：

秒级探空资料的稀疏化方法，包括如下步骤：

步骤P1：从秒级探空廓线中提取探空规定层数据；

步骤P2：从秒级探空廓线中提取探空温湿特性层数据；

步骤P3：在所选取的温湿度特性层中选取对流层顶；

步骤P4：从秒级探空廓线中提取探空风特性层数据；

步骤P5：对提取的层次进行排列整合。

上述秒级探空资料的稀疏化方法，在步骤P1中：若秒级探空廓线中直接包含规定层，即气压值为1000hPa、925hPa、850hPa、700hPa、600hPa、500hPa、400hPa、300hPa、250hPa、200hPa、150hPa、100hPa、70hPa、50hPa、40hPa、30hPa、20hPa、15hPa、10hPa、7hPa和5hPa的层次，则从秒级探空资料中直接提取出来。

上述秒级探空资料的稀疏化方法，在步骤P1中：对于秒级廓线中不包含的规定层，则需要进行对数插值计算得到相关的规定层上的气象要素值；对于探空廓线上该规定层的任意探空气象要素Y_x而言，基于该规定层上下临近的、已有的探空层次气象要素分别为Y_a和Y_b，计算该规定层气象要素Y_x的插值算法如下：

其中，P是该规定层的气压值，P_a和P_b分别是该规定层上下临近层次的气压值。

上述秒级探空资料的稀疏化方法，在步骤P2中，具体包括如下步骤：

步骤P201：选择地面层，即探空数据第0秒，作为为第一个温湿特性层L1；

步骤P202：以T₀代表第0秒的温度值，T_n代表第n秒的温度值，n＝1、2、3……；GH₀代表第0秒的位势高度值，GH_n代表第n秒的位势高度值，n＝1、2、3……；以(T_n-T₀)/(GH_n-GH₀)为斜率连接两点(T₀，GH₀)和(T_n，GH_n)得到一条辅助直线，该辅助直线模拟两点间的温度随位势高度呈线性变化，然后逐秒计算实际温度廓线到此辅助直线的偏移量；

步骤P203：对于湿度特性层而言，将步骤P202中的T₀改为RH₀、T_n改为RH_n，重复步骤P202中的做法，得到逐秒的湿度偏移量；当上述温度或湿度偏移量分别大于各自的阈值时，即选定该层为第二个温湿度特性层L2；

步骤P204：然后以L2为基点，重复上述步骤P202和P203，继续向上依次选出各个特性层L3，L4，…，Lx，x＝1、2、3……。

上述秒级探空资料的稀疏化方法，在步骤P3中，包括如下步骤：

步骤P301：第一对流层顶的选取，需要在步骤P2中提取的温度特性层中，设定必要的条件来得到：首先，第一对流层顶的高度应该在500hPa到150hPa之间；其次，以500hPa为起点，逐步向上先选定一个温度特性层，并先假定该所选特性层为第一对流层顶，位势高度为GH₁，温度为T₁；然后看该层上方2km高度范围内的任意温度特性层，此温度特性层的位势高度为GH_x、温度为T_x，若所有的温度特性层给出的温度变化梯度(T_x-T₁)/(GH_x-GH₁)的数值大小均大于-2，则选定该层为第一对流层顶；否则，在前面选定的温度特性层基础上，继续向上选择另一温度特性层，假定其为第一对流层顶，继续判据是否满足上述条件，直到最终选出第一对流层顶；

步骤P302：第二对流层顶的选取，需要在步骤P2中提取的温度特性层中，设定必要的条件来得到：首先，第二对流层顶的高度在150hPa到40hPa之间；其次，以步骤P301所选的第一对流层顶为起点，逐步向上先选定一个温度特性层，假设其位势高度为GH₂，温度为T₂；然后看该层上方1.5km高度范围内的任意温度特性层，该温度特性层位势高度为GH_y1、温度为T_y1，若所有的温度特性层给出的温度变化梯度(T_y1-T₂)/(GH_y1-GH₂)的数值大小均小于-3，先假定该1.5km范围内的最高一层特性层为第二对流层顶，且在该层上方2km高度范围内的任意温度特性层，该温度特性层的位势高度为GH_y2、温度为T_y2，均满足温度变化梯度(T_y2-T₂)/(GH_y2-GH₂)的数值大小均大于-1，则选定该层为第二对流层顶；否则，在上述选定的最高一层温度特性层基础上，继续向上选择另一温度特性层，假定其为第二对流层顶，判据是否满足上述条件，直到最终选出第二对流层顶。

上述秒级探空资料的稀疏化方法，在步骤P4中，包括如下步骤：

步骤P401：如同步骤P2，同样首先选择地面层，即探空数据第0秒，作为第一个风特性层M1；

步骤P402：以W₀代表第0秒的风速值，W_n代表第n秒的风速值，n＝1、2、3……；GH₀代表第0秒的位势高度值，GH_n代表第n秒的位势高度值，n＝1、2、3……；以(W_n-W₀)/(GH_n-GH₀)为斜率连接两点(W₀，GH₀)和(W_n，GH_n)得到一条辅助直线，该直线模拟两点间的风速大小随位势高度呈线性变化，然后逐秒计算实际风速廓线到此辅助直线的偏移量；

步骤P403：对于风向而言，将步骤P402中的W₀改为风向WD₀、W_n改为风向WD_n，重复步骤P402的做法，得到逐秒的风向偏移量；当上述风速或风向偏移量分别大于各自的阈值时，即选定该层为第二个风特性层M2；

步骤P404：以M2为基点，重复上述步骤P402和P403，继续向上依次选出各个风特性层M3，M4，…，Mx，x＝1、2、3……。

上述秒级探空资料的稀疏化方法，在步骤P5中：将步骤P1中得到的规定层，步骤P2中得到的温湿度特性层，步骤P4中的风特性层进行顺序排列，按照各个探空层次的位势高度的大小，从低到高依次排列起来，得到一条完整的基于秒级探空廓线稀疏化后的探空廓线；该廓线能够捕捉到温度、湿度、风向、风速等气象要素的垂直廓线的显著拐点。

本发明的有益效果如下：

1.该方法显著增加了温度、湿度、风向、风速等气象要素的特性层数目，可以更精准地描述气象要素垂直变化的细微结构。

2.该方法作为秒级探空资料面向数值模式同化应用过程中的重要技术环节，提高了秒级探空资料的整体应用效益。

3.该方法为秒级探空资料质量控制的效果评估检验提供了必要的技术支撑，通过对质量控制前后的秒级探空资料进行稀疏化后，与已有的同类数据源进行对比分析，有利于发现并改进秒级探空资料的系统质量问题。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1利用两种方法得到的温度垂直廓线的对比图(为表示清楚，图中曲线进行了平移)；

图2两种方法得到平均单次廓线中温湿特性层数目的空间分布：图2a已有特性层数据集；图2b本发明稀疏化；

图3本发明稀疏化方案得到平均单次廓线中温湿特性层数目在不同季节的空间分布：图3a春季；图3b夏季；图3c秋季；图3d冬季；

图4两种数据源相对ERA-Interim再分析资料的评估结果：图4a数据量，图4b偏差(Bias)，图4c均方根误差(RMSE)；

图5三种数据源(整合数据源CMA-Merge，稀疏化数据源CMA-Thin，CFSR)相对于ERA-Interim再分析资料的评估结果的垂直分布图：图5a数据量，图5b偏差(Bias)，图5c均方根误差(RMSE)；

图6本发明用于秒级探空资料的稀疏化方法流程图；

图7基于秒级探空廓线的特性层提取算法示意图；

图8本发明的稀疏化方法在不同阈值参数下稀疏化效果对比图：图8a本发明的稀疏化方法在不同阈值参数下与原始秒级观测对比图；图8b为图8a的局部放大图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

1资料和方法

1.1研究资料

本发明用到的L波段秒级探空数据来自国家气象信息中心发布的中国高空L波段秒级观测基础数据集(V1.0)，该数据经过严格的质量控制，如允许值范围检查、僵值检查、垂直一致性检查、气候界限值检查、滤波检查、单调性检查、要素间一致性检查等等。由于秒级数据的质量控制方案不属于本发明技术方案的一部分，并且秒级数据的质量控制方案为现有技术，在此不再赘述。本发明的稀疏化方案基于是质量控制之后的秒级探空数据，以保证稀疏化后得到的数据信息的准确性。

1.2研究方法

1.2.1稀疏化方法

如图6所示，本发明用于秒级探空资料的稀疏化方法具体包含如下步骤：

步骤P1：从秒级探空廓线中提取探空规定层数据

步骤P101：若秒级探空廓线中直接包含规定层，即规定等压面层(气压值为1000hPa，925hPa，850hPa，700hPa，600hPa，500hPa，400hPa，300hPa，250hPa，200hPa，150hPa，100hPa，70hPa，50hPa，40hPa，30hPa，20hPa，15hPa，10hPa，7hPa，5hPa的层次)，可从秒级探空资料中直接提取出来。

步骤P102：对于秒级廓线中不包含的规定层，则需要进行对数插值计算得到相关的规定层上的气象要素值。对于探空廓线上该规定层的任意探空气象要素Y_x而言，基于该规定层上下临近的、已有的探空层次气象要素Y_a和Y_b，计算该规定层气象要素Y_x的插值算法如下：

其中，P是该规定层的气压值，P_a和P_b分别是该规定层上下临近层次的气压值。

步骤P2：从秒级探空廓线中提取探空温湿特性层数据

步骤P201：如图7所示，三条曲线分别代表一条完整的秒级探空廓线上不同的气象要素(相对湿度RH，温度T，气压P)，首先选择地面层(探空数据第0秒)为第一个温湿特性层L1。

步骤P202：以T₀代表第0秒的温度值，T_n代表第n秒的温度值(n＝1，2，3.....)，GH₀代表第0秒的位势高度值，GH_n代表第n秒的位势高度值(n＝1，2，3.....)，以((T_n-T₀)/(GH_n-GH₀))为斜率连接两点(T₀，GH₀)和(T_n，GH_n)得到一条辅助直线，该直线模拟两点间的温度随位势高度呈线性变化，然后逐秒计算实际温度廓线(通常为曲线)到此辅助直线的偏移量。

步骤P203：对于湿度特性层而言，将步骤P202中的T₀和T_n改为RH₀和RH_n，重复上面的做法，亦得到逐秒的湿度偏移量；当上述温度或湿度偏移量分别大于各自的阈值时，即选定该层为第二个温湿度特性层L2(阈值大小如图7中黑色粗线段所示，在本发明的一个实例应用中，采用的温度阈值为0.75℃，相对湿度阈值为5％)。

步骤P204：然后以L2为基点，重复上述步骤P202和P203，继续向上依次选出各个特性层L3，L4，…，Lx等等，x＝1、2、3……

步骤P205：由于气象要素在不同的探空高度变化规律差异非常大，因此选取的气象要素阈值随着高度变化，这需要反复试验确定以满足不同的同化应用需求。如图8所示本发明的一个应用实例，以51644站(新疆，库车站)2015年8月15日00UTC时次的L波段探空温度垂直廓线为例，原始的秒级观测数据有3525层，若所有探空高度处均采用的温度阈值0.75℃则得到的特性层数目是322层，而采用的温度阈值在200hPa以下高度处为0.75℃，200hPa以上高度处为1℃得到的特性层数目是220层。值得一提的是，各个气象要素具体采用的阈值大小，需要考虑数值预报模式的垂直层数，及对秒级探空资料同化应用能力，本发明建议通过试验，根据阈值参数的实际应用效果，经过检验评估确定(如流程图6中的反馈改进环节)。

步骤P3：在所选取的温湿度特性层中选取对流层顶

步骤P301：第一对流层顶的选取，需要在步骤P2中提取的温度特性层中，设定必要的条件来得到：首先，第一对流层顶的高度应该在500hPa到150hPa之间；其次，以500hPa为起点，逐步向上先选定一个温度特性层，并先假定该所选特性层为第一对流层顶，位势高度为GH₁，温度为T₁；然后看该层上方2km高度范围内的任意温度特性层(位势高度为GH_x，温度为T_x)，若所有的温度特性层给出的温度变化梯度((T_x-T₁)/(GH_x-GH₁))的数值大小均大于-2，则选定该层为第一对流层顶。否则，在前面选定的温度特性层基础上，继续向上选择另一温度特性层，假定其为第一对流层顶，看上述判据是否满足，直到最终选出第一对流层顶。

步骤P302：第二对流层顶的选取，需要在步骤P2中提取的温度特性层中，设定必要的条件来得到：首先，第二对流层顶的高度应该在150hPa到40hPa之间；其次，以步骤P301所选的第一对流层顶为起点，逐步向上先选定一个温度特性层，假设其位势高度为GH₂，温度为T₂；然后看该层上方1.5km高度范围内的任意温度特性层(位势高度为GH_y1，温度为T_y1)，若所有的温度特性层给出的温度变化梯度((T_y1-T₂)/(GH_y1-GH₂))的数值大小均小于-3，先假定该1.5km范围内的最高一层特性层为第二对流层顶，且在该层上方2km高度范围内的任意温度特性层(位势高度为GH_y2，温度为T_y2)，均满足温度变化梯度((T_y2-T₂)/(GH_y2-GH₂))的数值大小均大于-1，则选定该层为第二对流层顶。否则，在前面选定的最高一层温度特性层基础上，继续向上选择另一温度特性层，假定其为第二对流层顶，看上述判据是否满足，直到最终选出第二对流层顶。

值得一提的是，在该发明方法中，对于第一对流层顶和第二对流层顶的判定是最复杂的，尤其是对第二对流层顶的判定。由于对流层顶的气象要素值在数值模式资料同化过程中发挥着特别重要的作用，需要在稀疏化过程中给出特定的层次标识码。因此尽管判定方法复杂，本发明仍给出如上基于秒级探空资料的、详尽的判定依据。当然，这些判定只是把特定的温度特性层标记为对流层顶，而对于整个稀疏化方法得到的探空廓线层数是没有任何影响的。

步骤P4：从秒级探空廓线中提取探空风特性层数据

步骤P401：如同步骤P2，同样首先选择地面层(探空数据第0秒)为第一个风特性层M1。

步骤P402：以W₀代表第0秒的风速值，W_n代表第n秒的风速值(n＝1，2，3…..)，GH₀代表第0秒的位势高度值，GH_n代表第n秒的位势高度值(n＝1，2，3…..)，以((W_n-W₀)/(GH_n-GH₀))为斜率连接两点(W₀，GH₀)和(W_n，GH_n)得到一条辅助直线，该直线模拟两点间的风速大小随位势高度呈线性变化，然后逐秒计算实际风速廓线(通常为曲线)到此辅助直线的偏移量。

步骤P403：对于风向而言，将步骤P402中的W₀和W_n改为风向WD₀和WD_n，重复上面的做法，亦得到逐秒的风向偏移量；当上述风速或风向偏移量分别大于各自的阈值时，即选定该层为第二个风特性层M2。

步骤P404：然后以M2为基点，重复上述步骤P402和P403，继续向上依次选出各个风特性层M3，M4，…，Mx等等，x＝1、2、3……

步骤P405：在本发明的一个实例应用中，采用的风向阈值为10°，风速阈值为10m/s。

步骤P5：按照一定顺序对提取的层次进行排列整合

步骤P501：将上述步骤P1中得到的规定层，步骤P2中得到的温湿度特性层，步骤P4中的风特性层进行顺序排列，按照各个探空层次的位势高度的大小，从低到高依次排列起来，得到一条完整的基于秒级探空廓线稀疏化后的探空廓线。该廓线能够捕捉到温度、湿度、风向、风速等气象要素的垂直廓线的显著拐点(如图1所示，可以看出，以53068站(内蒙古二连浩特，GCOS探空站)2016年1月1日00UTC时次的L波段探空温度垂直廓线为例，原始的秒级观测数据有4318层，现有的台站软件方法给出的温湿特性层数目是30层，而应用本发明设计的基于秒级资料的稀疏化方法得到的温湿特性层数目是118层)，从而更准确描绘各个气象要素垂直变化的精细结构特征，当探空温度应用于数值模式资料同化过程中时，需要将温度特性层的温度值线性插值到特定模式层，显然特性层层数多的温度廓线能够提供更精准的温度值。这就更好地满足数值预报模式、资料同化等的应用需求。

为便于实际应用的需要，本发明稀疏化方案还实现了直接从秒级探空数据中提取各个规定等压面的气象要素，与上面提取的特性层数据整合在一起，从而形成一条完整的大约有100-200层的探空廓线。

1.2.2稀疏化效果检验方法

为了检验稀疏化效果，通过比较不同来源的探空观测数据和ERA-Interim再分析资料之间的偏差(Bias)和均方根误差(RMSE)来量化检验。其中偏差Bias代表一定时段内再分析资料平均值与探空实测资料平均值之差；而均方根误差

是ERA-Interim再分析数据与探空实测数据偏差的平方和与观测次数比值的平方根。这些不同来源的探空廓线分别是：基于“中国高空特性层定时值数据集(V1.0)”和“中国高空规定等压面定时值数据集(V2.1)”整合的探空廓线数据(CMA-Merge)，基于本发明提出的稀疏化方案得到的探空廓线数据(CMA-Thin)，以及美国国家环境预报中心研发的气候预测系统再分析资料(CFSR)中的探空廓线数据。

尽管由于受到数值预报模式和同化方案等系统性误差的影响，再分析资料与观测结果相比可能仍然有存在一定的差异，但是它们基本能合理反映东亚及其中国区域气候变化的时空分布特征。因此，本发明中应用ERA-Interim再分析资料作为背景场，通过比较不同数据源与背景场的偏差(Bias)和均方根差(RMSE)来量化分析稀疏化效果。

2结果与分析

2.1稀疏化效果对比分析

单次探空廓线稀疏化效果如图1所示，以53068站(二连浩特，GCOS探空站)2016年1月1日00UTC时次的L波段探空温度垂直廓线为例，可以看出，原始的秒级观测数据有4318层，中国高空特性层定时值数据集(V1.0)给出的温湿特性层数目是30层，而应用本发明设计的基于秒级资料的稀疏化方法得到的温湿特性层数目是118层。对比三条廓线可以很清楚地看出，通过稀疏化方法得到的温度廓线，较现有的30层的温度廓线，通过捕捉更小尺度的温度拐点，能更准确地描绘温度的垂直变化特征。值得一提的是，当探空温度应用于数值模式资料同化过程中时，需要将温度特性层的温度值线性插值到特定模式层，显然特性层层数多的温度廓线能够提供更精准的温度值。

2.2温湿度特性层数目的时空分布

为了进一步检验稀疏化效果，本发明选取2014年全年中国120站00UTC和12UTC两个时次所有的秒级探空廓线数据进行统计分析，得到各个站点平均单次探空廓线提取得到的温湿特性层数目，其不同取值范围的站点数分布如表1所示。

表1.对比两种特性层提取方法得到的不同温湿特性层数目的站点数分布表

图2给出了平均单次廓线中温湿特性层数目的空间分布图，其中图2(a)统计的是已有的特性层数据集，图2(b)则给出本发明稀疏化得到的特性层数目的空间分布。首先，通过表1和图2都显示，已有的特性层数据集给出的温湿特性层数目平均值集中在20～30层，而基于秒数据稀疏化得到的温湿特性层数目平均值绝大多数在60～90层，显著地增加了特性层的数目。其次，可以看出，尽管两种方法给出的特性层数目差异很大，但是图2(a)和图2(b)给出的特性层数目的空间分布型表现出很好的一致性；如，两种方法统计得到的特性层数目相对较多的站点都集中分布在海拔较低的中国东南部。最后需要指出，两图中用圆圈标记的7个探空站点，是GCOS探空站，由于施放大球，其最大探测高度明显高于周边非GCOS探空台站，用两种方法得到的特性层数目均多于周边站点。这些都说明，本发明提出的基于L波段秒级探空数据的稀疏化方案对于全国120个探空站都具有很好的普适性。

气象要素的垂直变化不仅与站点的地理分布有关，而且在不同的季节同样应该表现出不同变化规律。表2给出了春、夏、秋、冬四个季节，不同温湿特性层数目取值范围的站点数分布。

表2.对比不同季节，本发明稀疏化方案得到不同温湿特性层数目的站点数分布表

如图3给出了稀疏化得到平均单次廓线中温湿特性层数目在不同季节的空间分布结果。通过图表可以看出，四个季节的特性层数目的空间分布型与图2中给出的全年分布图基本吻合。值得一提的是，绝大多数的探空站点在冬春季节提取的特性层数目普遍多于夏秋季节，这与夏秋季节整个大气层的温度较高导致其能量上下交换比较充分有关。

2.3基于ERA-Interim再分析资料的稀疏化效果检验

首先，从时间序列分布上看，图4对比给出了两种数据源相对ERA-Interim再分析资料的检验效果，可以看出，基于秒级资料稀疏化方案得到的参与对比的探空温度数据量远远大于通过已有探空数据集整合的结果，而相对ERA-Interim再分析资料的温度偏差(Bias)和均方根误差(RMSE)的水平相当，并没有因为数据量的增大而增大；而且无论是T数据量，还是T偏差和T均方根误差，随时间变化的走势都表现出很好的一致性。

其次，从检验结果的空间分布上看，图5对比给出了三种数据源的温度相对ERA-Interim再分析资料检验结果的垂直分布图，其中图5(a)代表在不同探空高度处参与对比分析的T数据量，图5(b)是温度偏差(Bias)，图5(c)是温度均方根误差(RMSE)。由5(a)可以看出，由于CFSR中中国站点数目较少，使得在任一探空高度处的数据量均最少；而稀疏化得到的温度数据量又明显多于已有数据集整合的数据量。由5(b)可以看出，经稀疏化得到的温度偏差较其他两个数据源都更接近于0℃，且其垂直变化幅度更小，较其他两个数据源表现出更好的垂直一致性。由5(c)可以看出，在探空高度925hPa～500hPa，经稀疏化得到的温度均方根误差与整合数据源水平相当；而在探空低层1000hPa～925hPa和高层500hPa～100hPa，经稀疏化得到的温度均方根误差比整合数据源的要偏大，而这可能与参与统计的数据量较多有关。

总之，无论是从检验结果的时间序列分布(图4)，还是其垂直空间分布(图5)，经稀疏化方案得到的数据源都表现出明显的优势：其T数据量更大，T_RMSE水平相当，T_Bias更小。值得一提的是，不仅仅是温度T这一气象要素的稀疏化效果表现出上述统计特征，其他气象要素如湿度Rh、风速V等可以得到类似的结论，此处不赘述。

3结论与讨论

本发明基于L波段探空秒级资料设计的稀疏化方案，能够显著增加用于同化应用的探空廓线特性层数目，通过对120个探空站点2014年所有的秒级探空做稀疏化处理，得到的特性层数目的空间分布与通过特性层数据集得到的空间分布具有很好的一致性，而且其层数空间分布表现出明显的季节变化特征，这体现了本发明的稀疏化方案的可行性与普适性。

基于ERA-Interim再分析资料做背景场，稀疏化后的探空数据较已有探空层数偏少的整合数据的偏差评估效果更好，通过Bias和RMSE的时间序列图以及垂直空间分布图可以清楚地对比三种方法得到探空数据的差异。随着数值预报模式的发展尤其是模式垂直分辨率的提高，必将促使更多层的探空数据进入同化应用。本发明提出的稀疏化方案为高垂直分辨率探空资料的有效同化应用提供了保证。

此外，该稀疏化方案改进了提取特性层的算法，显著增加特性层层数，可以更好地应用于气候变化等研究中。在接下来的研究中，可以结合不同的数值预报模式，如GRAPES等，针对特定的天气过程进行个例分析，将稀疏化后的探空数据用于数值预报同化中，可以更好地体现该稀疏化方案的实际应用效果。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。