CN103955009A - 一种从数值预报产品中提取出台风客观预报信息的方法 - Google Patents
一种从数值预报产品中提取出台风客观预报信息的方法 Download PDFInfo
- Publication number
- CN103955009A CN103955009A CN201410173975.4A CN201410173975A CN103955009A CN 103955009 A CN103955009 A CN 103955009A CN 201410173975 A CN201410173975 A CN 201410173975A CN 103955009 A CN103955009 A CN 103955009A
- Authority
- CN
- China
- Prior art keywords
- typhoon
- field
- vorticity
- center
- forecast
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种从数值预报产品中提取出台风客观预报信息的方法,其先确定台风预报场的台风中心的预测位置,然后根据海平面气压场确定台风预报场的台风中心的气压预测位置和根据850hPa涡度场确定台风预报场的台风中心的涡度预测位置,再根据台风预报场的台风中心的涡度预测位置,并综合考虑台风预报场的850hPa涡度场、850hPa风场、海平面气压场,确定台风预报场的台风中心的预报位置,最后根据台风预报场的台风中心的预报位置提取出台风强度预报信息,优点是能够自动地提取出台风中心的预报位置,且准确度高,从而能够进一步更准确地提取出台风强度预报信息。
Description
技术领域
本发明涉及一种天气预报信息处理技术,尤其是涉及一种从数值预报产品中提取出台风客观预报信息的方法。
背景技术
数值天气预报(Numerical Weather Prediction)是指根据大气实际情况,在一定的初值和边值条件下,通过大型计算机作数值计算,求解描写天气演变过程的流体力学和热力学的方程组,预测未来一定时段的大气运动状态和天气现象的方法。数值天气预报与一般用天气学方法并结合经验制作出来的天气预报不同,其是一种定量和客观的预报。数值天气预报的发展为现代天气预报业务提供了技术支撑,数值预报产品已广泛地应用于天气预报的各个领域。数值天气预报水平和台风(指热带风暴及以上等级的热带气旋)综合预报能力的提高为台风预报时效的延长提供了可能性和技术支撑。
目前,从数值预报产品中提取出客观预报信息的常用方法是双线性插值方法,然而对于台风客观预报信息,由于双线性插值时经常会出现多个预报中心,因此如果不进行针对台风个性属性的匹配,就难以达到最佳定位效果。在实际天气预报业务中,一般情况下预报人员通过气象部门普遍拥有的显示和分析工具加上主观判断,就能方便地获取和理解数值预报产品对该台风的预报,这种主观经验定位和预报往往带有较强的主观性和一定的随意性,无法提供精确的预报信息,也无法将台风预报信息进行更直观地显示,比如不能绘制台风路径及强度预报图,更无法将其预报信息用于集合/集成预报等深层次的利用,特别是目前我国台风业务预报方法已经转向以数值模式、集成预报及数值预报产品的统计释用为主,因此如何客观、自动地从数值预报产品中提取出台风客观预报信息值得研究。
发明内容
本发明所要解决的技术问题是提供一种从数值预报产品中提取出台风客观预报信息的方法,其能够自动地提取出台风中心的预报位置,且准确度高,从而能够进一步更准确地提取出台风强度预报信息。
本发明解决上述技术问题所采用的技术方案为:一种从数值预报产品中提取出台风客观预报信息的方法,其特征在于包括以下步骤:
①在数值预报产品中确定一个台风起始场及相应的若干个台风预报场,并将中央气象台公布的与台风起始场同一时刻的台风中心的定位位置作为台风起始场的台风中心的定位位置;
②将数值预报产品中当前待处理的台风预报场定义为当前台风预报场;
③确定当前台风预报场的台风中心的预测位置:
如果当前台风预报场为第1个台风预报场,则根据台风起始场的台风中心的定位位置和台风起始场前一时刻的台风中心的定位位置线性外推出当前台风预报场的台风中心的预测位置;如果当前台风预报场为第2个台风预报场,则根据台风起始场的台风中心的定位位置和前一个台风预报场的台风中心的预报位置线性外推出当前台风预报场的台风中心的预测位置;如果当前台风预报场为从第3个台风预报场开始的一个台风预报场,则根据前两个台风预报场的台风中心的预报位置线性外推出当前台风预报场的台风中心的预测位置;
④根据海平面气压场确定当前台风预报场的台风中心的气压预测位置:
④-1、在以当前台风预报场的台风中心的预测位置为中心的400~800公里范围内搜索海平面气压场中的所有低值中心;
④-2、确定当前台风预报场的台风中心的气压预测位置,要求确定的气压预测位置的精度达到0.1经纬度:在以当前台风预报场对应的每个低值中心为中心的(12经度×12纬度)~(18经度×18纬度)网格范围内,采用双三次样条插值方法将海平面气压场插值到精度为0.1经纬度的网络上;然后在以当前台风预报场对应的每个低值中心为中心的(8经度×8纬度)~(12经度×12纬度)网格范围内,搜索插值后的海平面气压场中的所有低值中心;再将插值后的海平面气压场中的每个低值中心均作为当前台风预报场的台风中心的气压预测位置;
⑤根据850hPa涡度场确定当前台风预报场的台风中心的涡度预测位置:
⑤-1、根据当前台风预报场的850hPa风场计算出当前台风预报场的850hPa涡度场;
⑤-2、在以当前台风预报场的台风中心的预测位置为中心的400~800公里范围内搜索850hPa涡度场中的所有高值中心;
⑤-3、确定当前台风预报场的台风中心的涡度预测位置,要求确定的涡度预测位置的精度达到0.1经纬度:在以当前台风预报场对应的每个高值中心为中心的(12经度×12纬度)~(18经度×18纬度)网格范围内,采用双三次样条插值方法将850hPa涡度场插值到精度为0.1经纬度的网络上;然后在以当前台风预报场对应的每个高值中心为中心的(8经度×8纬度)~(12经度×12纬度)网格范围内,搜索插值后的850hPa涡度场中的所有高值中心;再将插值后的850hPa涡度场中的每个高值中心均作为当前台风预报场的台风中心的涡度预测位置;
⑥根据当前台风预报场的台风中心的涡度预测位置,并综合考虑当前台风预报场的850hPa涡度场、850hPa风场、海平面气压场,确定当前台风预报场的台风中心的预报位置,再根据当前台风预报场的台风中心的预报位置提取出台风强度预报信息:
⑥-1、确定当前台风预报场的每个涡度预测位置是否有效:针对当前台风预报场的台风中心的任意一个涡度预测位置,判断该涡度预测位置的上下左右各1个格点范围内是否存在气旋性环流或风切变,如果存在气旋性环流,则认为该涡度预测位置有效;如果仅存在风切变,则当该涡度预测位置的上下左右各1个格点范围内存在当前台风预报场的台风中心的气压预测位置时,认为该涡度预测位置有效,当该涡度预测位置的上下左右各1个格点范围内不存在当前台风预报场的台风中心的气压预测位置时,认为该涡度预测位置无效,并删除该涡度预测位置;
⑥-2、在步骤⑥-1的基础上,最终确定当前台风预报场的台风中心的预报位置:判断当前台风预报场的台风中心的涡度预测位置的个数是否为1个,如果是,则直接将仅有的涡度预测位置确定为当前台风预报场的台风中心的预报位置;否则,综合考虑当前台风预报场的850hPa涡度场、850hPa风场、海平面气压场,根据当前台风预报场的台风中心的每个涡度预测位置所对应的由涡度计算出的台风范围、最大涡度、最小气压、最大风速及当前台风预报场的台风中心的预测位置与当前台风预报场的台风中心的每个涡度预测位置之间的距离,从当前台风预报场的台风中心的所有涡度预测位置中选取一个最优的涡度预测位置作为当前台风预报场的台风中心的预报位置;
⑥-3、根据当前台风预报场的台风中心的预报位置,提取出当前台风预报场的台风中心的台风强度预报信息;
⑦将数值预报产品中下一个待处理的台风预报场作为当前台风预报场,然后返回步骤③继续执行,直至与确定的台风起始场相应的所有台风预报场均处理完毕或预报时效已经满足需求,得到与确定的台风起始场相应的所有台风预报场的台风中心的预报位置及台风强度预报信息。
所述的步骤④-1中低值中心是指其所处格点的气压比其所处格点的上、下、左、右格点的气压均低。
所述的步骤⑤-2中高值中心是指其所处格点的涡度比其所处格点的上、下、左、右格点的涡度均高。
所述的步骤⑥-2中针对当前台风预报场的台风中心的任意一个涡度预测位置,该涡度预测位置所对应的由涡度计算出的台风范围为以该涡度预测位置为中心,以东、南、西、北四个方向的从中心到涡度极小值之间的距离之和的平均值为半径的圆形范围;该涡度预测位置所对应的最大涡度为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的850hPa涡度场中的最大值;该涡度预测位置所对应的最小气压为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的海平面气压场中的最小值;该涡度预测位置所对应的最大风速为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的850hPa风场中的最大值。
所述的步骤⑥-2中最优的涡度预测位置的确定过程为:a、计算每个涡度预测位置的加权分数,对于任意一个涡度预测位置,其加权分数通过对当前台风预报场的台风中心的每个涡度预测位置所对应的由涡度计算出的台风范围、最大涡度、最小气压、最大风速及当前台风预报场的台风中心的预测位置与该涡度预测位置之间的距离进行等权重加权得到;b、将加权分数最高的涡度预测位置确定为最优的涡度预测位置。
与现有技术相比,本发明的优点在于:
1)本发明方法在确定台风预报场的台风中心的气压预测位置和涡度预测位置时,采用了现有的双三次样条插值方法,该插值方法更适合于台风中心气象要素的插值。
2)本发明方法首先由海平面气压场搜索到低值中心,并由850hPa涡度场搜索到高值中心,然后综合考虑850hPa涡度场、850hPa风场和海平面气压场来剔除一些不适合的涡度预测位置,通过这样处理有效地提高了台风中心的预报位置的客观定位准确度,从而能够进一步更准确地提取出台风强度预报信息。
3)本发明方法通过加权最优的方式从多于一个的待选涡度预测位置中来选取最佳的涡度预测位置作为台风预报场的台风中心的预报位置,加权计算时采用的加权因子是关键,本发明方法以涡度预测位置所对应的由涡度计算出的台风范围、最大涡度、最小气压、最大风速作为台风属性,取这些属性的变化为因子,以当前台风预报场的台风中心的预测位置与当前台风预报场的台风中心的每个涡度预测位置之间的距离为因子,通过实验表明各加权因子等值时能够选出最佳的涡度预测位置。
4)本发明方法能够自动运行,不需要人工干预或人机交互,提取的台风中心的预报位置准确度高(定位成功率高、位置偏差小)。
附图说明
图1为本发明方法的总体实现框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种从数值预报产品中提取出台风客观预报信息的方法,其总体实现框图如图1所示,其包括以下步骤:
①在数值预报产品中确定一个台风起始场及相应的若干个台风预报场,并将中央气象台公布的与台风起始场同一时刻的台风中心的定位位置作为台风起始场的台风中心的定位位置。
在数值预报产品中以某一时刻的各种气象要素为起始场,该时刻的预报时效为0小时,以此时刻为基础,根据大气运动方程,通过时间积分往后推算未来时刻的大气状况,一般气象预报以日为时间间隔,精细化预报可以根据需要缩短预报的时间间隔,比如24小时内可以有预报时效为6小时、12小时、18小时,甚至更密。本发明方法应用中可根据数值预报产品资料情况来确定预报时效,一般情况是24小时内预报时效间隔为6 小时,24~72小时内预报时效间隔为12 小时,72小时以后的预报时效间隔24小时。
②将数值预报产品中当前待处理的台风预报场定义为当前台风预报场,实际处理过程中均是从第1个台风预报场开始处理。
③确定当前台风预报场的台风中心的预测位置:
如果当前台风预报场为第1个台风预报场,则根据台风起始场的台风中心的定位位置和台风起始场前一时刻的台风中心的定位位置线性外推出当前台风预报场的台风中心的预测位置;如果当前台风预报场为第2个台风预报场,则根据台风起始场的台风中心的定位位置和前一个台风预报场的台风中心的预报位置线性外推出当前台风预报场的台风中心的预测位置;如果当前台风预报场为从第3个台风预报场开始的一个台风预报场,则根据前两个台风预报场的台风中心的预报位置线性外推出当前台风预报场的台风中心的预测位置。
④根据海平面气压场确定当前台风预报场的台风中心的气压预测位置:
④-1、在以当前台风预报场的台风中心的预测位置为中心的400~800公里范围内搜索海平面气压场中的所有低值中心。
在此,如果搜索范围太小,则会导致要素丢失,无法搜索到有效的低值中心,如果搜索范围太大,则可能会搜索到不相干的中心,这两种情况都会影响后期台风中心的精确定位,因此应折衷考虑搜索范围,经大量试验验证400~800公里的搜索范围比较理想,实际实施过程中可以在以当前台风预报场的台风中心的预测位置为中心的600公里范围内搜索海平面气压场中的所有低值中心。
在此,低值中心是指其所处格点的气压比其所处格点的上、下、左、右格点的气压均低,因此针对一个台风预报场,搜索出的低值中心可能不止1个。
④-2、确定当前台风预报场的台风中心的气压预测位置,要求确定的气压预测位置的精度达到0.1经纬度:在以当前台风预报场对应的每个低值中心为中心的(12经度×12纬度)~(18经度×18纬度)网格范围内,采用双三次样条插值方法将海平面气压场插值到精度为0.1经纬度的网络上;然后在以当前台风预报场对应的每个低值中心为中心的(8经度×8纬度)~(12经度×12纬度)网格范围内,搜索插值后的海平面气压场中的所有低值中心;再将插值后的海平面气压场中的每个低值中心均作为当前台风预报场的台风中心的气压预测位置。
上述实际实施过程中,可在以当前台风预报场对应的每个低值中心为中心的15经度×15纬度网格范围内,采用双三次样条插值方法将海平面气压场插值到精度为0.1经纬度的网络上;然后在以当前台风预报场对应的每个低值中心为中心的10经度×10纬度网格范围内,搜索插值后的海平面气压场中的所有低值中心。
⑤根据850hPa涡度场确定当前台风预报场的台风中心的涡度预测位置:
⑤-1、根据当前台风预报场的850hPa风场计算出当前台风预报场的850hPa涡度场。
⑤-2、在以当前台风预报场的台风中心的预测位置为中心的400~800公里范围内搜索850hPa涡度场中的所有高值中心。
在实际实施过程中可以在以当前台风预报场的台风中心的预测位置为中心的600公里范围内搜索850hPa涡度场中的所有高值中心。
在此,高值中心是指其所处格点的涡度比其所处格点的上、下、左、右格点的涡度均高,因此针对一个台风预报场,搜索出的高值中心可能不止1个。
⑤-3、确定当前台风预报场的台风中心的涡度预测位置,要求确定的涡度预测位置的精度达到0.1经纬度:在以当前台风预报场对应的每个高值中心为中心的(12经度×12纬度)~(18经度×18纬度)网格范围内,采用双三次样条插值方法将850hPa涡度场插值到精度为0.1经纬度的网络上;然后在以当前台风预报场对应的每个高值中心为中心的(8经度×8纬度)~(12经度×12纬度)网格范围内,搜索插值后的850hPa涡度场中的所有高值中心;再将插值后的850hPa涡度场中的每个高值中心均作为当前台风预报场的台风中心的涡度预测位置。
上述实际实施过程中,可在以当前台风预报场对应的每个高值中心为中心的15经度×15纬度网格范围内,采用双三次样条插值方法将850hPa涡度场插值到精度为0.1经纬度的网络上;然后在以当前台风预报场对应的每个高值中心为中心的10经度×10纬度网格范围内,搜索插值后的850hPa涡度场中的所有高值中心。
⑥根据当前台风预报场的台风中心的涡度预测位置,并综合考虑当前台风预报场的850hPa涡度场、850hPa风场、海平面气压场,确定当前台风预报场的台风中心的预报位置,再根据当前台风预报场的台风中心的预报位置提取出台风强度预报信息:
⑥-1、确定当前台风预报场的每个涡度预测位置是否有效:由于存在三种情况可能导致涡度值在一个二维平面中出现相对高的极值中心,第二种是存在明显的气旋性环流或切变,一般涡度中心比较明显,中心数值相对周围值较高,且正涡度中心范围较大;第二种是由于速度切变所致,即风向较一致,不存在明显的气旋性环流或切变,其涡度中心表现与第一种情况相反;第三种则是前两种情况的因素都存在,因此考虑台风中心须与气旋性环流相对应,使用涡度中心与风场相结合的方法来确认涡度中心的有效性;但在数值预报产品中,由于数值预报产品的网格大小不一,较大网格不一定能有明显的气旋性环流,有时只有x或y方向存在风切变,不同的情况对涡度中心的确认程度有所差异,有时涡度中心与气旋性环流的中心位置有偏离,因此需要适当地扩大匹配范围,本发明方法在涡度中心四周各1个格点范围内搜索是否有气旋性环流或风切变,有气旋性环流则该涡度中心有效;如果仅有风切变则看涡度中心附近有无气压中心存在,有则该涡度中心有效;否则该涡度中心无效,即:针对当前台风预报场的台风中心的任意一个涡度预测位置,判断该涡度预测位置的上下左右各1个格点范围内是否存在气旋性环流或风切变,如果存在气旋性环流,则认为该涡度预测位置有效;如果仅存在风切变,则当该涡度预测位置的上下左右各1个格点范围内存在当前台风预报场的台风中心的气压预测位置时,认为该涡度预测位置有效,当该涡度预测位置的上下左右各1个格点范围内不存在当前台风预报场的台风中心的气压预测位置时,认为该涡度预测位置无效,并删除该涡度预测位置。
⑥-2、在步骤⑥-1的基础上,最终确定当前台风预报场的台风中心的预报位置:判断当前台风预报场的台风中心的涡度预测位置的个数是否为1个,如果是,则直接将仅有的涡度预测位置确定为当前台风预报场的台风中心的预报位置;否则,综合考虑当前台风预报场的850hPa涡度场、850hPa风场、海平面气压场,根据当前台风预报场的台风中心的每个涡度预测位置所对应的由涡度计算出的台风范围、最大涡度、最小气压、最大风速及当前台风预报场的台风中心的预测位置与当前台风预报场的台风中心的每个涡度预测位置之间的距离,从当前台风预报场的台风中心的所有涡度预测位置中选取一个最优的涡度预测位置作为当前台风预报场的台风中心的预报位置。
⑥-3、根据当前台风预报场的台风中心的预报位置,提取出当前台风预报场的台风中心的台风强度预报信息。
由于台风作为一个天气系统,具有能够描述其特性的参数,而且这些参数在时间上呈连续性变化,即在短时间内变化是有限的,因此本发明方法利用台风的这些属性来判断前后两个相邻时次台风的匹配性,即从当前台风预报场中获取涡度预测位置所对应的由涡度计算出的台风范围,并获取该台风范围内的最大涡度、最小气压、最大风速。
在此,针对当前台风预报场的台风中心的任意一个涡度预测位置,该涡度预测位置所对应的最大涡度为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的850hPa涡度场中的最大值;该涡度预测位置所对应的最小气压为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的海平面气压场中的最小值;该涡度预测位置所对应的最大风速为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的850hPa风场中的最大值;由于理想状态的台风是以台风眼为中心的对称的气旋性环流,从台风中心往外气压由小到大、涡度由大到小,这些性质都可以用来衡量一个台风的水平尺度,如以气压为例来说明,理想情况是台风中心气压最低,从中心往外随着半径的增大气压逐渐升高,径向上气压升高到一定的数值后会停止并转为降低,那么从中心到这个气压极大值点就可以反映出台风的水平尺度,考虑到台风的非对称性,从台风中心往东南西北4个方向分别求出气压由低到高的范围(以网格数或km为单位均可),然后用其平均值来表示该台风的水平方向的空间尺度,因此该涡度预测位置所对应的由涡度计算出的台风范围(以网格数或公里为单位均可)为以该涡度预测位置为中心,以东、南、西、北四个方向的从中心到涡度极小值之间的距离之和的平均值为半径的圆形范围。
在此,最优的涡度预测位置的确定过程为:a、计算每个涡度预测位置的加权分数,对于任意一个涡度预测位置,其加权分数通过对当前台风预报场的台风中心的每个涡度预测位置所对应的由涡度计算出的台风范围、最大涡度、最小气压、最大风速及当前台风预报场的台风中心的预测位置与该涡度预测位置之间的距离进行等权重加权得到;b、将加权分数最高的涡度预测位置确定为最优的涡度预测位置。
在此,由涡度计算出的台风范围、最大涡度、最小气压、最大风速的变化越小,加权分数越高,当前台风预报场的台风中心的预测位置与该涡度预测位置之间的距离越小,加权分数越高。
⑦将数值预报产品中下一个待处理的台风预报场作为当前台风预报场,然后返回步骤③继续执行,直至与确定的台风起始场相应的所有台风预报场均处理完毕或预报时效已经满足需求,得到与确定的台风起始场相应的台风预报场的台风中心的预报位置及台风强度预报信息。
为更好地说明本发明方法的可行性和有效性,对本发明方法进行试验验证。
利用陈玉石等人提出的用ECMWF数值预报产品预报台风路径(陈玉石、韩桂荣、焦圣明等.气象科学,2008,28(2):205-211)和本发明方法分别对2004—08年西北太平洋(WNP)和南海(SCS)所有编号台风(TC),使用欧洲中期天气预报中心(ECMWF)的数值预报产品资料,结果显示,利用本发明方法得到的台风预报场的台风中心的预报位置的平均误差(相对于中央气象台公布的台风中心的定位位置)为79.9 km,而利用陈玉石等人提出的方法得到的台风预报场的台风中心的预报位置的平均误差为84 km,这足以说明本发明方法的可行性和有效性。
Claims (5)
1.一种从数值预报产品中提取出台风客观预报信息的方法,其特征在于包括以下步骤:
①在数值预报产品中确定一个台风起始场及相应的若干个台风预报场,并将中央气象台公布的与台风起始场同一时刻的台风中心的定位位置作为台风起始场的台风中心的定位位置;
②将数值预报产品中当前待处理的台风预报场定义为当前台风预报场;
③确定当前台风预报场的台风中心的预测位置:
如果当前台风预报场为第1个台风预报场,则根据台风起始场的台风中心的定位位置和台风起始场前一时刻的台风中心的定位位置线性外推出当前台风预报场的台风中心的预测位置;如果当前台风预报场为第2个台风预报场,则根据台风起始场的台风中心的定位位置和前一个台风预报场的台风中心的预报位置线性外推出当前台风预报场的台风中心的预测位置;如果当前台风预报场为从第3个台风预报场开始的一个台风预报场,则根据前两个台风预报场的台风中心的预报位置线性外推出当前台风预报场的台风中心的预测位置;
④根据海平面气压场确定当前台风预报场的台风中心的气压预测位置:
④-1、在以当前台风预报场的台风中心的预测位置为中心的400~800公里范围内搜索海平面气压场中的所有低值中心;
④-2、确定当前台风预报场的台风中心的气压预测位置,要求确定的气压预测位置的精度达到0.1经纬度:在以当前台风预报场对应的每个低值中心为中心的(12经度×12纬度)~(18经度×18纬度)网格范围内,采用双三次样条插值方法将海平面气压场插值到精度为0.1经纬度的网络上;然后在以当前台风预报场对应的每个低值中心为中心的(8经度×8纬度)~(12经度×12纬度)网格范围内,搜索插值后的海平面气压场中的所有低值中心;再将插值后的海平面气压场中的每个低值中心均作为当前台风预报场的台风中心的气压预测位置;
⑤根据850hPa涡度场确定当前台风预报场的台风中心的涡度预测位置:
⑤-1、根据当前台风预报场的850hPa风场计算出当前台风预报场的850hPa涡度场;
⑤-2、在以当前台风预报场的台风中心的预测位置为中心的400~800公里范围内搜索850hPa涡度场中的所有高值中心;
⑤-3、确定当前台风预报场的台风中心的涡度预测位置,要求确定的涡度预测位置的精度达到0.1经纬度:在以当前台风预报场对应的每个高值中心为中心的(12经度×12纬度)~(18经度×18纬度)网格范围内,采用双三次样条插值方法将850hPa涡度场插值到精度为0.1经纬度的网络上;然后在以当前台风预报场对应的每个高值中心为中心的(8经度×8纬度)~(12经度×12纬度)网格范围内,搜索插值后的850hPa涡度场中的所有高值中心;再将插值后的850hPa涡度场中的每个高值中心均作为当前台风预报场的台风中心的涡度预测位置;
⑥根据当前台风预报场的台风中心的涡度预测位置,并综合考虑当前台风预报场的850hPa涡度场、850hPa风场、海平面气压场,确定当前台风预报场的台风中心的预报位置,再根据当前台风预报场的台风中心的预报位置提取出台风强度预报信息:
⑥-1、确定当前台风预报场的每个涡度预测位置是否有效:针对当前台风预报场的台风中心的任意一个涡度预测位置,判断该涡度预测位置的上下左右各1个格点范围内是否存在气旋性环流或风切变,如果存在气旋性环流,则认为该涡度预测位置有效;如果仅存在风切变,则当该涡度预测位置的上下左右各1个格点范围内存在当前台风预报场的台风中心的气压预测位置时,认为该涡度预测位置有效,当该涡度预测位置的上下左右各1个格点范围内不存在当前台风预报场的台风中心的气压预测位置时,认为该涡度预测位置无效,并删除该涡度预测位置;
⑥-2、在步骤⑥-1的基础上,最终确定当前台风预报场的台风中心的预报位置:判断当前台风预报场的台风中心的涡度预测位置的个数是否为1个,如果是,则直接将仅有的涡度预测位置确定为当前台风预报场的台风中心的预报位置;否则,综合考虑当前台风预报场的850hPa涡度场、850hPa风场、海平面气压场,根据当前台风预报场的台风中心的每个涡度预测位置所对应的由涡度计算出的台风范围、最大涡度、最小气压、最大风速及当前台风预报场的台风中心的预测位置与当前台风预报场的台风中心的每个涡度预测位置之间的距离,从当前台风预报场的台风中心的所有涡度预测位置中选取一个最优的涡度预测位置作为当前台风预报场的台风中心的预报位置;
⑥-3、根据当前台风预报场的台风中心的预报位置,提取出当前台风预报场的台风中心的台风强度预报信息;
⑦将数值预报产品中下一个待处理的台风预报场作为当前台风预报场,然后返回步骤③继续执行,直至与确定的台风起始场相应的所有台风预报场均处理完毕或预报时效已经满足需求,得到与确定的台风起始场相应的所有台风预报场的台风中心的预报位置及台风强度预报信息。
2.根据权利要求1所述的一种从数值预报产品中提取出台风客观预报信息的方法,其特征在于所述的步骤④-1中低值中心是指其所处格点的气压比其所处格点的上、下、左、右格点的气压均低。
3.根据权利要求1或2所述的一种从数值预报产品中提取出台风客观预报信息的方法,其特征在于所述的步骤⑤-2中高值中心是指其所处格点的涡度比其所处格点的上、下、左、右格点的涡度均高。
4.根据权利要求3所述的一种从数值预报产品中提取出台风客观预报信息的方法,其特征在于所述的步骤⑥-2中针对当前台风预报场的台风中心的任意一个涡度预测位置,该涡度预测位置所对应的由涡度计算出的台风范围为以该涡度预测位置为中心,以东、南、西、北四个方向的从中心到涡度极小值之间的距离之和的平均值为半径的圆形范围;该涡度预测位置所对应的最大涡度为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的850hPa涡度场中的最大值;该涡度预测位置所对应的最小气压为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的海平面气压场中的最小值;该涡度预测位置所对应的最大风速为在该涡度预测位置所对应的由涡度计算出的台风范围内,获取的当前台风预报场的850hPa风场中的最大值。
5.根据权利要求4所述的一种从数值预报产品中提取出台风客观预报信息的方法,其特征在于所述的步骤⑥-2中最优的涡度预测位置的确定过程为:a、计算每个涡度预测位置的加权分数,对于任意一个涡度预测位置,其加权分数通过对当前台风预报场的台风中心的每个涡度预测位置所对应的由涡度计算出的台风范围、最大涡度、最小气压、最大风速及当前台风预报场的台风中心的预测位置与该涡度预测位置之间的距离进行等权重加权得到;b、将加权分数最高的涡度预测位置确定为最优的涡度预测位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410173975.4A CN103955009B (zh) | 2014-04-25 | 2014-04-25 | 一种从数值预报产品中提取出台风客观预报信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410173975.4A CN103955009B (zh) | 2014-04-25 | 2014-04-25 | 一种从数值预报产品中提取出台风客观预报信息的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103955009A true CN103955009A (zh) | 2014-07-30 |
CN103955009B CN103955009B (zh) | 2016-03-09 |
Family
ID=51332304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410173975.4A Active CN103955009B (zh) | 2014-04-25 | 2014-04-25 | 一种从数值预报产品中提取出台风客观预报信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955009B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104570161A (zh) * | 2015-01-21 | 2015-04-29 | 中国南方电网有限责任公司 | 基于ec/jma全球格点预报资料的台风自动化预报方法 |
CN106291766A (zh) * | 2016-08-31 | 2017-01-04 | 成都飞机工业(集团)有限责任公司 | 一种成都地区晴好天气的预报方法 |
CN106600045A (zh) * | 2016-12-08 | 2017-04-26 | 曙光信息产业(北京)有限公司 | 数值预报的实现方法及实现系统 |
CN108196314A (zh) * | 2017-12-22 | 2018-06-22 | 南京大学 | 一种西北太平洋环状台风自动识别系统 |
CN109840634A (zh) * | 2019-01-29 | 2019-06-04 | 宁波市气象台 | 登陆福建台风外围环流中宁波强对流天气的概率预报方法 |
CN110488392A (zh) * | 2019-08-13 | 2019-11-22 | 中国科学院海洋研究所 | 一种基于海平面气压数据的气旋中心识别和半径估算方法 |
CN111427100A (zh) * | 2020-03-30 | 2020-07-17 | 广州数鹏通科技有限公司 | 一种台风中心定位方法、装置及台风路径生成方法 |
CN111523087A (zh) * | 2020-04-10 | 2020-08-11 | 北京航空航天大学 | 一种台风强度长期变化趋势分析方法 |
CN113177505A (zh) * | 2021-05-14 | 2021-07-27 | 中国科学院大气物理研究所 | 气象领域识别涡旋的方法、装置、存储介质及电子设备 |
CN114384611A (zh) * | 2022-01-20 | 2022-04-22 | 中国气象局地球系统数值预报中心 | 台风模拟区域确定方法、装置、电子设备及存储介质 |
CN115204709A (zh) * | 2022-07-26 | 2022-10-18 | 中国气象局上海台风研究所(上海市气象科学研究所) | 一种便于风电场选址的台风风险评估方法 |
CN116523125A (zh) * | 2023-04-13 | 2023-08-01 | 宁波市气象台 | 一种基于海面风速预报的浪高预报方法 |
CN112528095B (zh) * | 2020-12-09 | 2023-10-13 | 大连海事大学 | 一种台风生成中期展望预警信息快速查询系统 |
CN117452527A (zh) * | 2023-12-26 | 2024-01-26 | 贵州省气象台(贵州省气象决策服务中心) | 一种数字气象智能服务方法及系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941032B (zh) * | 2019-11-20 | 2020-09-29 | 中山大学 | 台风的预报方法、装置、设备和计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005083471A1 (en) * | 2004-02-26 | 2005-09-09 | Swiss Reinsurance Company | Method and system for automated location dependent probabilistic tropical cyclone forecast |
CN101634721A (zh) * | 2009-04-15 | 2010-01-27 | 华东师范大学第二附属中学 | 一种基于历史数据的台风水灾智能预警系统 |
CN101776774A (zh) * | 2010-01-25 | 2010-07-14 | 河海大学 | 台风前锋到达地球表面的时间预报方法 |
CN102122005A (zh) * | 2010-12-20 | 2011-07-13 | 福建四创软件有限公司 | 基于gis的台风相似路径空间分析应用方法 |
CN102681035A (zh) * | 2012-05-18 | 2012-09-19 | 福建四创软件有限公司 | 利用切线方法结合热带气旋预报路径实现预报误差的方法 |
KR101280562B1 (ko) * | 2012-11-23 | 2013-07-02 | (주)오픈에스앤에스 | 태풍정보 예보 시스템 및 그 방법 |
-
2014
- 2014-04-25 CN CN201410173975.4A patent/CN103955009B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005083471A1 (en) * | 2004-02-26 | 2005-09-09 | Swiss Reinsurance Company | Method and system for automated location dependent probabilistic tropical cyclone forecast |
CN101634721A (zh) * | 2009-04-15 | 2010-01-27 | 华东师范大学第二附属中学 | 一种基于历史数据的台风水灾智能预警系统 |
CN101776774A (zh) * | 2010-01-25 | 2010-07-14 | 河海大学 | 台风前锋到达地球表面的时间预报方法 |
CN102122005A (zh) * | 2010-12-20 | 2011-07-13 | 福建四创软件有限公司 | 基于gis的台风相似路径空间分析应用方法 |
CN102681035A (zh) * | 2012-05-18 | 2012-09-19 | 福建四创软件有限公司 | 利用切线方法结合热带气旋预报路径实现预报误差的方法 |
KR101280562B1 (ko) * | 2012-11-23 | 2013-07-02 | (주)오픈에스앤에스 | 태풍정보 예보 시스템 및 그 방법 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104570161B (zh) * | 2015-01-21 | 2017-09-15 | 中国南方电网有限责任公司 | 基于ec/jma全球格点预报资料的台风自动化预报方法 |
CN104570161A (zh) * | 2015-01-21 | 2015-04-29 | 中国南方电网有限责任公司 | 基于ec/jma全球格点预报资料的台风自动化预报方法 |
CN106291766A (zh) * | 2016-08-31 | 2017-01-04 | 成都飞机工业(集团)有限责任公司 | 一种成都地区晴好天气的预报方法 |
CN106600045A (zh) * | 2016-12-08 | 2017-04-26 | 曙光信息产业(北京)有限公司 | 数值预报的实现方法及实现系统 |
CN108196314B (zh) * | 2017-12-22 | 2023-04-18 | 南京大学 | 一种西北太平洋环状台风自动识别系统 |
CN108196314A (zh) * | 2017-12-22 | 2018-06-22 | 南京大学 | 一种西北太平洋环状台风自动识别系统 |
CN109840634B (zh) * | 2019-01-29 | 2019-09-03 | 宁波市气象台 | 登陆福建台风外围环流中宁波强对流天气的概率预报方法 |
CN109840634A (zh) * | 2019-01-29 | 2019-06-04 | 宁波市气象台 | 登陆福建台风外围环流中宁波强对流天气的概率预报方法 |
CN110488392A (zh) * | 2019-08-13 | 2019-11-22 | 中国科学院海洋研究所 | 一种基于海平面气压数据的气旋中心识别和半径估算方法 |
CN110488392B (zh) * | 2019-08-13 | 2021-05-25 | 中国科学院海洋研究所 | 一种基于海平面气压数据的气旋中心识别和半径估算方法 |
CN111427100A (zh) * | 2020-03-30 | 2020-07-17 | 广州数鹏通科技有限公司 | 一种台风中心定位方法、装置及台风路径生成方法 |
CN111427100B (zh) * | 2020-03-30 | 2021-09-03 | 广州数鹏通科技有限公司 | 一种台风中心定位方法、装置及台风路径生成方法 |
CN111523087A (zh) * | 2020-04-10 | 2020-08-11 | 北京航空航天大学 | 一种台风强度长期变化趋势分析方法 |
CN111523087B (zh) * | 2020-04-10 | 2021-04-16 | 北京航空航天大学 | 一种台风强度长期变化趋势分析方法 |
CN112528095B (zh) * | 2020-12-09 | 2023-10-13 | 大连海事大学 | 一种台风生成中期展望预警信息快速查询系统 |
CN113177505A (zh) * | 2021-05-14 | 2021-07-27 | 中国科学院大气物理研究所 | 气象领域识别涡旋的方法、装置、存储介质及电子设备 |
CN113177505B (zh) * | 2021-05-14 | 2022-03-04 | 中国科学院大气物理研究所 | 气象领域识别涡旋的方法、装置、存储介质及电子设备 |
CN114384611A (zh) * | 2022-01-20 | 2022-04-22 | 中国气象局地球系统数值预报中心 | 台风模拟区域确定方法、装置、电子设备及存储介质 |
CN114384611B (zh) * | 2022-01-20 | 2024-04-26 | 中国气象局地球系统数值预报中心 | 台风模拟区域确定方法、装置、电子设备及存储介质 |
CN115204709A (zh) * | 2022-07-26 | 2022-10-18 | 中国气象局上海台风研究所(上海市气象科学研究所) | 一种便于风电场选址的台风风险评估方法 |
CN116523125A (zh) * | 2023-04-13 | 2023-08-01 | 宁波市气象台 | 一种基于海面风速预报的浪高预报方法 |
CN116523125B (zh) * | 2023-04-13 | 2023-10-20 | 宁波市气象台 | 一种基于海面风速预报的浪高预报方法 |
CN117452527A (zh) * | 2023-12-26 | 2024-01-26 | 贵州省气象台(贵州省气象决策服务中心) | 一种数字气象智能服务方法及系统 |
CN117452527B (zh) * | 2023-12-26 | 2024-03-12 | 贵州省气象台(贵州省气象决策服务中心) | 一种数字气象智能服务方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103955009B (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955009B (zh) | 一种从数值预报产品中提取出台风客观预报信息的方法 | |
CN111427100B (zh) | 一种台风中心定位方法、装置及台风路径生成方法 | |
CN110019595B (zh) | 一种多源气象数据集成方法及系统 | |
CN104239706A (zh) | 一种地面观测气温时空数据集的制备方法 | |
CN110705115B (zh) | 一种基于深度置信网络的气象预报方法和系统 | |
Brown et al. | The influence of lifting condensation level on low-level outflow and rotation in simulated supercell thunderstorms | |
Li et al. | Aggregated wind power generation probabilistic forecasting based on particle filter | |
KR101646587B1 (ko) | 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법 | |
CN104570161A (zh) | 基于ec/jma全球格点预报资料的台风自动化预报方法 | |
CN108805350A (zh) | 基于多维蒙特卡洛理论的搜救范围预测方法 | |
Tsujino et al. | Potential vorticity mixing and rapid intensification in the numerically simulated Supertyphoon Haiyan (2013) | |
Galvez et al. | Wind resource assessment and sensitivity analysis of the levelised cost of energy. A case study in Tabasco, Mexico | |
CN105425320A (zh) | 热带气旋引发沿海地区大风的概率预报方法和系统 | |
CN114647985A (zh) | 锋面过境预测模型的训练方法及锋面过境的预测方法 | |
CN115293545A (zh) | 一种基于电网台区划分的台风灾害风险评估方法、系统及存储介质 | |
Gill et al. | Including convection in global turbulence forecasts | |
CN111881568A (zh) | 一种提高风功率预测精度的方法及系统 | |
CN107316109B (zh) | 架空线路冬季近地面风速预测方法、系统及装置 | |
Jose et al. | Enabling wind power nationwide | |
CN111427101B (zh) | 一种雷雨大风分级预警方法、系统、存储介质 | |
CN109583095B (zh) | 基于混合统计动力模型的西北太平洋台风延伸期预报方法 | |
Iyappan et al. | Geoprocessing model for identifying potential wind farm locations<? show [AQ ID= Q1]?> | |
Li et al. | A Numerical Study of Convective‐Scale Structures in the Outer Cores of Sheared Tropical Cyclones: 1. Updraft Traits in Different Vertical Wind Shear Magnitudes | |
CN107944767A (zh) | 基于bim和电子地图的建筑物选址方法及其系统 | |
Alnuaimi et al. | A basic wind speed map for Oman |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |