1.一种基于云量分类的水凝物背景场误差协方差构建方法，其特征在于包括如下步骤：步骤1)将GEFS全球集合预报产品作为数值模式初始场，以不同参数化方案对模式初始场进行扰动，获得一组集合样本，集合样本包含了分别对应于云水、云冰、雨水、雪以及霰的水凝物变量Qcloud、Qice、Qrain、Qsnow以及Qgraupel；

步骤2)读取所述集合样本，通过集合平均和集合成员中的Qcloud和Qice根据公式(1)计算云区分类判别标准，所述云区分类判别标准包括：集合平均判别标准Pens_ave与集合成员判别标准Pens_mem，其中,top和bot分别代表模式层顶和模式底的气压，“—”表示n个集合成员的平均；

步骤3)根据云区分类判别标准P，公式(2)对集合误差样本进行分类，得到分类后的分区算子P，分别为云区算子Pcloudy、晴空区算子Pclear以及混合区算子Pmixed；

步骤4)对分区后的误差样本根据式(3)进行控制变量转换，

U＝UpUvUh                     (3)式(3)中U表示控制变量转换，Up表示物理变换，Uv表示垂直变换，Uh表示水平变换；

获得分区后的水凝物背景场误差协方差B对应地表示为：

2.根据权利要求1所述的基于云量分类的水凝物背景场误差协方差构建方法，其特征在于所述步骤3)中集合误差样本的分类标准为：将集合成员与集合平均样本均满足P≥

0.01g·kg-1的格点定义为云区误差样本；将集合成员与集合平均样本均满足P≤0.01g·kg-1的格点定义为晴空区误差样本；当集合成员与集合平均相同格点出现分类不一致时，定义为混合区误差样本。

3.根据权利要求1所述的基于云量分类的水凝物背景场误差协方差构建方法，其特征在于所述步骤4)中控制变量转换包括如下步骤：步骤4-1)进行物理变换，根据通过回归统计或平衡方程表示的状态变量之间存在的平衡关系将状态变量分为平衡部分和非平衡部分；

步骤4-2)进行垂直变换，通过经验正交函数分解，获取变量场的特征值和特征向量，用以表征背景误差的量级及垂直结构特征；

步骤4-3)根据公式(5)进行水平变换，计算得到水平长度尺度；

式(5)中，L为水平长度尺度，D表示方差， 表示非平衡的物理量场。

4.根据权利要求1所述的基于云量分类的水凝物背景场误差协方差构建方法，其特征在于所述步骤4-2)中将控制变量的误差场投影到垂直方向的正交模态上,使每个块对角矩阵内部再继续进行对角化，进而将背景场误差协方差矩阵在垂直方向上分解为特征值和特征向量：Bv＝E∧ET       (6)

式(6)中，E是由K个特征向量组成的矩阵，Bv为且为一个正定的对称矩阵，满足式(7)

5.根据权利要求4所述的基于云量分类的水凝物背景场误差协方差构建方法，其特征在于步骤4)中，分区后的水凝物背景场误差协方差的获取包括如下步骤：步骤A)将背景场误差样本εb分解为云区cloudy、晴空区clear以及混合区mixed三个部分之和：εb＝Pcloudyεb+Pclearεb+Pmixedεb             (8)式(8)中，Pcloudy表示云区分类算子；Pclear表示晴空区分类算子；Pmixed表示混合区分类算子；

步骤B)将背景场误差协方差B分解为：

式(9)中，εb表示样本误差，“—”表示数学期望

B被进一步分解为：

B＝PcloudyBcloudyPcloudyT+PclearBclearPclearT+PmixedBmixedPmixedT    (10)由此基于集合样本的云区分类算子就将水凝物背景场误差协方差区分成云区、晴空区和混合区三个部分。

6.根据权利要求1所述的基于云量分类的水凝物背景场误差协方差构建方法，其特征在于所述步骤4-1)所述平衡方程如式(11)，式(11)中，cloudb表示由各变量计算得到的水凝物变量的平衡场，i和j表示水平方向格点数，k和l表示垂直方向sigma层数，k、l∈[0，NK]，α表示变量间的回归系数。