CN105068060A - 中气旋识别及强度判断方法 - Google Patents
中气旋识别及强度判断方法 Download PDFInfo
- Publication number
- CN105068060A CN105068060A CN201510450830.9A CN201510450830A CN105068060A CN 105068060 A CN105068060 A CN 105068060A CN 201510450830 A CN201510450830 A CN 201510450830A CN 105068060 A CN105068060 A CN 105068060A
- Authority
- CN
- China
- Prior art keywords
- wind
- cyclone
- value
- radial
- wind speed
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
- G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明属于气象分析的技术领域。为了解决现有中气旋识别的方法过程复杂的问题,本发明提出一种中气旋识别及强度判断方法,该方法包括获取雷达站点的位置信息及径向风数据;在雷达径向风速图上选取样本点,然后求所述选取的样本点的径向风速与所述选取的样本点的cosθ值的相关系数,将该相关系数记为a;从选取的样本点中选出最小的径向风速Vmin,然后计算|Vmin|/V风,将计算结果记为b,从选取的样本点中选出最大的径向风速Vmax,然后计算Vmax/V风,将计算结果记为c;计算中气旋指数E,该E=a·b·c;按照上述步骤遍历雷达径向风速图上的所有点。本发明简化了中气旋识别的过程,提高了中气旋识别的效率,而且能够判断出中气旋的强度。
Description
技术领域
本发明属于气象分析的技术领域,具体涉及一种中气旋识别及强度判断方法。
背景技术
气旋(cyclone)是指北(南)半球,大气中水平气流呈逆(顺)时针旋转的大型涡旋。气旋近似于圆形或椭圆形,大小悬殊,有的气旋的水平尺度(直径)为几公里,有的气旋的水平尺度为几百公里,而有的气旋的水平尺度为三、四千公里。中气旋的直径通常最大为10千米,它能生成多达60个旋风。典型的中气旋是具有强烈上升气流和下沉气流的(积雨)云,这种云垂直伸展较高,如高耸陡山,顶部可呈砧或鬃状,底部较暗,时有悬球状结构。
中气旋常常造成龙卷、冰雹、雷雨大风等灾害性天气,统计表明,产生龙卷的中气旋占中气旋总数的20%左右,特别是对于中等强度以上的中气旋,如果其底部到地面的距离小于1千米,则龙卷产生的概率达40%以上。中气旋基本只出现在4—8月份,其中7月份出现的次数最多,它的生命史较短,大多数都在半个小时以内。中气旋造成的龙卷、冰雹、雷雨大风等灾害性天气,会给人们带来巨大的经济损失,会严重威胁人们的生命安全。
因为中气旋常常造成龙卷、冰雹、雷雨大风等灾害性天气,所以识别中气旋具有十分重要的意义,如果识别出某地出现了中气旋,那么中气旋的出现对该地是否发生雷雨大风、龙卷、局地强降水或冰雹等灾害性天气有较好的先兆性和指示意义。雷雨大风、龙卷、局地强降水或冰雹等灾害性天气的提前预报,可以使人们提前做好预防,以减少灾害性天气可能带来的损失。
申请号为201210065116.4的专利申请公布了一种基于多普勒天气雷达回波图形的中气旋识别方法,该方法包括通过对0.5度、1.5度和2.4度仰角反射率图进行滤波处理得到预处理后的有效区域图像,通过径向速度图对有效区域信息的融合确定径向速度图上的有效搜索范围,通过区域生长法在有效搜索范围内筛选出中气旋反映在径向速度图上的重要元素-正、负速度中心区域,借助速度中心区域取值的分布直方图以及距离、角度、径向速度差准则完成所有速度对的配置,其中,每一个速度对由一个正速度中心和一个副速度中心构成,得到速度对集合,通过速度对简约、蓝金模式准则、厚度准则剔除速度对集合中的伪速度对,识别出中气旋。上述基于多普勒天气雷达回波图形的中气旋识别方法步骤较多,需要对仰角反射率图进行滤波处理,需要使用区域生长法、速度对简约、蓝金模式准则和厚度准则,过程复杂,而且只能识别出中气旋不能判断中气旋的强度。
发明内容
为了解决现有中气旋识别的方法过程复杂的问题,本发明提出一种中气旋识别及强度判断方法,以简化中气旋识别的过程,提高中气旋识别的效率,同时在识别中气旋的过程中判断出中气旋的强度。
本发明中气旋识别及强度判断方法包括以下步骤:
(1)获取雷达站点的位置信息及雷达径向风速图上每个像素点的径向风数据;
(2)在所述雷达径向风速图上选取一点,以该点为圆心以R为半径确定一个圆,其中,所述R的取值分别为1Km、2Km、3Km、4Km和5Km,在该圆上选取至少两个样本点,该样本点的径向风速与切向风速的夹角为θ,分别计算每个样本点的径向风速与切向风速的夹角θ的cosθ值;求所述选取的样本点的径向风速与所述选取的样本点的cosθ值的相关系数,将该相关系数记为a,其中所述相关系数为皮尔逊积矩相关系数;所述R取不同的值时,若所得的任意一个a大于0,则该点处存在中气旋,且中气旋的半径为选取的R的值;若所有a均小于等于0,则该点处不存在中气旋,需要在所述雷达径向风速图上另外选取一点重新执行本步骤;
(3)从所述步骤(2)中选取的样本点中选出最小的径向风速Vmin,然后计算|Vmin|/V风,将计算结果记为b,其中,|Vmin|是指Vmin的绝对值,当R=1Km时,V风=3-6m/s,当R=2Km时,V风=7-10m/s,当R=3Km时,V风=11-14m/s,当R=4Km时,V风=15-18m/s,当R=5Km时,V风=19-23m/s,若|Vmin|大于等于V风,则b的值取1,若|Vmin|小于V风,则b的值就为|Vmin|/V风的值;
(4)从所述步骤(2)中选取的样本点中选出最大的径向风速Vmax,然后计算Vmax/V风,将计算结果记为c,其中,当R=1Km时,V风=3-6m/s,当R=2Km时,V风=7-10m/s,当R=3Km时,V风=11-14m/s,当R=4Km时,V风=15-18m/s,当R=5Km时,V风=19-23m/s,若Vmax大于等于V风,则c的值取1,若Vmax小于V风,则c的值为Vmax/V风的值;
(5)设定中气旋指数E,该E=a·b·c,其中相关系数a由所述步骤(2)得出,b由所述步骤(3)得出,c由所述步骤(4)得出;计算所述中气旋指数E的值,若所述中气旋指数E的值越接近于1,则中气旋强度越强,若所述中气旋指数E的值越接近于0,则中气旋强度越弱;
(6)按照所述步骤(2)-所述步骤(5)遍历所述雷达径向风速图上的所有点。
其中,所述步骤(5)还包括增大所述a的权重。
其中,所述增大所述a的权重的方法为将所述a开n次方,其中,2≤n≤5。
其中,所述增大所述a的权重的方法为将所述a乘以1.2-1.5之间的数。
其中,所述步骤(2)中在雷达径向风速图上仅选取径向风速在2-5m/s或负2-负5m/s的点。
其中,所述步骤(2)中在所述圆上每间隔10度选取一个样本点。
其中,所述步骤(1)还包括对获取的径向风数据进行双线性插值或立方体插值。
本发明中气旋识别及强度判断方法具有如下的有益效果:
本发明中气旋识别及强度判断方法首先选取样本点,分别计算选取的每一个样本点的径向风速与切向风速的夹角的余弦值,然后计算该余弦值与选取的样本点的径向风速的相关系数,根据该相关系数的大小判断是否有中气旋,即完成中气旋的识别;整个中气旋的识别过程步骤少,而且主要计算的内容仅为样本点的径向风速与切向风速的夹角的余弦值、该余弦值与选取的样本点的径向风速的相关系数,计算量小,从而简化了中气旋识别的过程,提高了中气旋识别的效率。本发明中气旋识别及强度判断方法还提出了中气旋指数的概念,并给出了中气旋指数的具体计算方法,通过中气旋指数的大小判断中气旋的强度。本发明不仅能够在雷达径向风速图上识别出中气旋,还能够对识别出的中气旋的强度进行判断,这样人们就能够对强度更强的中气旋更加重点关注,以做好预防工作,减小灾害性天气带来的损失,因为中气旋越强形成灾害性天气的可能性就越大,且形成的灾害性天气的破坏力也越大。本发明对于中气旋的提前预测和对由中气旋形成的灾害性天气的分析都有很重要的意义。
附图说明
图1为本发明中气旋识别及强度判断方法的原理示意图;
图2为本发明中气旋识别及强度判断方法中计算的样本点的径向风速与切向风速的夹角的余弦值的示意图。
具体实施方式
下面结合附图介绍本发明的技术方案。
中气旋识别及强度判断方法包括以下步骤:
(1)获取雷达站点的位置信息及径向风数据。
雷达站点的位置信息也就是雷达站点的经纬度信息。径向风数据是指雷达径向风速图上每个像素点的径向风速,该径向风速是由雷达测得的。
优选地,本步骤还包括对获取的径向风数据进行双线性插值或立方体插值处理,因为雷达测得的径向风速是一层一层的,对于两层之间的空间是没有径向风数据的,通过双线性插值或立方体插值的算法能够在两层之间的空间补上径向风数据,这样就可以对任一层空间进行中气旋识别及强度判断。
(2)如图1所示,在雷达径向风速图上选取一点M,以该点为圆心以R为半径确定一个圆,其中,R的取值依次为1Km、2Km、3Km、4Km和5Km,因为中气旋的直径最大通常为10千米,R的值分别为1Km、2Km、3Km、4Km和5Km已基本能够包括全部中气旋。在本发明中气旋识别及强度判断方法中,将中气旋的模型设定为横切面为圆形,在该圆形上每个点的风向为沿该点的切线方向(北半球为逆时针),且该圆形上每个点的风速大小一致。在雷达径向风速图上选取以M为圆心以R为半径的圆,就是为了判断该以M为圆心以R为半径的圆是否符合中气旋的特征,如果符合则该以M为圆心以R为半径的圆为中气旋,如果不符合则该以M为圆心以R为半径的圆不是中气旋。其中,雷达位于位置A处。
在以M为圆心以R为半径的圆上选取至少两个样本点,例如可以每间隔10度选取一个样本点,这样在整个圆周上就得到36个样本点,下面以样本点N为例进行介绍。如图1所示,样本点N的径向风速与切向风速的夹角为θ,样本点N的切向风速是指沿样本点N切向风向的风速,样本点N的径向风速是由雷达检测到的,径向风速是指样本点N的切向风速平行于雷达径向的分量,雷达检测到的风速都是径向风速,其他方向的风速无法检测到。样本点N的径向风速与切向风速的夹角
θ=90°-β5,①
由三角形MNA的内角和为180°得:β5+β3+(180°-β1)+β1-β2=180°,将该式化简得β5=β2-β3,②
将②式代入①式得θ=β3-β2+90°,
这样当样本点N的位置确定后可以得到样本点N的经纬度信息,位于位置A的雷达10的经纬度信息也是已知的,根据样本点N和雷达10的经纬度信息可以得到β2的大小,根据样本点N与圆心M的位置关系可以得出β3的大小,这样得到β3和β2后就可以根据θ=β3-β2+90°计算出θ的值,也就可以计算出cosθ的值。按照样本点N的cosθ的计算过程,可以分别计算出选取的36个样本点中的每一个样本点的径向风速与切向风速的夹角θ的余弦值cosθ。
下面举例介绍样本点的径向风速与切向风速的夹角θ的余弦值cosθ,如图2所示,在以M为圆心以R为半径的圆周上选取了18个样本点P1-P18,并在图中标出了每个样本点的径向风速与切向风速的夹角θ的余弦值cosθ值,由图中可以看出,从样本点P1到P6的cosθ依次为1,0.8,0.6,0.4,0.2,0,cosθ值为正值而且逐渐减小;从样本点P6到P11的cosθ依次为0,-0.2,-0.4,-0.6,-0.8,-1,cosθ值为负值而且逐渐减小,从样本点P11到P15的cosθ依次为-1,-0.7,-0.5,-0.2,0,cosθ值为负值而且逐渐增大,从样本点P15到P1的cosθ依次为0,0.2,0.5,0.7,1,cosθ值为正值而且逐渐增大。当在以M为圆心以R为半径的圆周上选取其他数目的样本点时,样本点的cosθ值的变化趋势与上述18个样本点的cosθ值的变化趋势是一致的。
通过步骤(1)已经获取了雷达径向风速图上每个像素点的径向风速,所以本步骤中选取的样本点的径向风速是已知的,这样就可以计算选取的样本点的径向风速与选取的样本点的cosθ值的相关系数,也就是每一个样本点均有一个径向风速值,将选取的样本点的径向风速组成一个集合,每一个样本点均有一个cosθ值,将选取的样本点的cosθ值组成一个集合,然后求这两个集合的相关系数,将该相关系数记为a。求相关系数a,就是为了判断以M为圆心以R为半径的圆周上若干个样本点的径向风速的风向从整体上看是否是旋转的,因为中气旋是旋转的,要判断是否为中气旋,首先要满足“旋转”这个特征。中气旋上既有向着雷达的径向风速,也有离开雷达的径向风速,作为一种约定俗成,向着雷达的径向风速为负,离开雷达的径向风速为正,也就是中气旋上的径向风速既有正也有负。从图2上可以看出,在整个圆周上cosθ的值的变化趋势是有正有负,有增加又有减少,如果样本点的径向风速与样本点的cosθ值的线性关系较强,那么样本点的径向风速的变化趋势与样本点的cosθ值的变化趋势就较接近,也是有正有负,有增加又有减少,那么以M为圆心以R为半径的圆周上的风向为旋转的,该圆周就符合中气旋的“旋转”的特征;如果样本点的径向风速与样本点的cosθ值的线性关系很弱,那么样本点的径向风速的变化趋势与样本点的cosθ值的变化趋势就不一致。相关系数a就是判断样本点的径向风速与样本点的cosθ值的线性关系的大小的。
其中,相关系数是指皮尔逊积矩相关系数,其定义是两个变量协方差除以两个变量的标准差(方差的平方根),
变量X和变量Y的相关系数ρX,Y为:
其中,cov(X,Y)表示变量X和变量Y的协方差,σX是变量X的标准差,σY是变量Y的标准差。
其中,R的取值依次为1Km、2Km、3Km、4Km和5Km,也就是在雷达径向风速图上选取一点M后,以点M为圆心以R=1Km计算一次相关系数a,以点M为圆心以R=2Km计算一次相关系数a,以点M为圆心以R=3Km计算一次相关系数a,以点M为圆心以R=4Km计算一次相关系数a,以点M为圆心以R=5Km计算一次相关系数a,当所计算得到的任意一个a大于0时,则该点M处存在中气旋,且中气旋的半径为选取的R的值;若计算得到的所有a均小于等于0,则该点M处不存在中气旋,需要在雷达径向风速图上另外选取一点重新执行本步骤。
优选地,在雷达径向风速图上选取点时,只选取径向风速在2-5m/s或负2-负5m/s的点,因为中气旋中心的径向风速通常在2-5m/s或负2-负5m/s的范围,这样只选取径向风速在2-5m/s或负2-负5m/s的点能够减少选取的点的数量,减小计算量,提高计算的效率。
(3)从步骤(2)中选取的样本点中选出最小的径向风速Vmin,然后计算|Vmin|/V风,将计算结果记为b,其中,|Vmin|是指Vmin的绝对值,当R=1Km时,V风选取3-6m/s之间的任意一个数值,例如可以选取4m/s;当R=2Km时,V风选取7-10m/s之间的任意一个数值,例如可以选取8m/s;当R=3Km时,V风选取11-14m/s之间的任意一个数值,例如可以选取12m/s;当R=4Km时,V风选取15-18m/s之间的任意一个数值,例如可以选取16m/s;当R=5Km时,V风选取19-23m/s之间的任意一个数值,例如可以选取20m/s;若|Vmin|大于等于V风,则b的值取1,若|Vmin|小于V风,则b的值就为|Vmin|/V风的值。
因为通过步骤(2)已得出该点有中气旋,又因为中气旋的风是旋转的,则肯定有方向离开雷达的风,也有方向向着雷达的风,所以步骤(2)中选取的样本点中最小的径向风速Vmin为负值,所以本步骤中取了Vmin的绝对值。
(4)从步骤(2)中选取的样本点中选出最大的径向风速Vmax,计算Vmax/V风,将计算结果记为c,其中,当R=1Km时,V风选取3-6m/s之间的任意一个数值,例如可以选取4m/s;当R=2Km时,V风选取7-10m/s之间的任意一个数值,例如可以选取8m/s;当R=3Km时,V风选取11-14m/s之间的任意一个数值,例如可以选取12m/s;当R=4Km时,V风选取15-18m/s之间的任意一个数值,例如可以选取16m/s;当R=5Km时,V风选取19-23m/s之间的任意一个数值,例如可以选取20m/s;若Vmax大于等于V风,则c的值取1,若Vmax小于V风,则c的值为Vmax/V风的值。
因为通过步骤(2)已得出该点有中气旋,又因为中气旋的风是旋转的,则肯定有方向离开雷达的风,也有方向向着雷达的风,所以步骤(2)中选取的样本点中最大的径向风速Vmax为正值,所以本步骤中也就没有取Vmax的绝对值。
(5)设定中气旋指数E,该E=a·b·c,其中相关系数a通过步骤(2)得出,b通过步骤(3)得出,c通过步骤(4)得出。计算中气旋指数E的数值,若计算得出的中气旋指数E的值越接近于1,则该点处中气旋强度越强;若计算得出的中气旋指数E的值越接近于0,则该点处中气旋强度越弱。
优选地,在中气旋指数E中当增大a的权重时,根据中气旋指数E得出的中气旋越强或越弱的结论更准确,因为相关系数a是判断样本点的径向风速与样本点的cosθ值的线性关系的大小的,也就是判断是否符合中气旋最基本的“旋转”这个特征的,相关系数a相对于参数b和参数c更重要,所以增大a的权重,根据中气旋指数E得出的中气旋越强或越弱的结论更准确。增大a的权重的方法可以为将a开n次方,其中,2≤n≤5;增大a的权重的方法还可以是将a乘以1.2-1.5之间的数。
(6)按照步骤(2)-步骤(5)遍历雷达径向风速图上的所有点,以识别雷达径向风速图上的中气旋并判断识别出的中气旋的强度。
下面用实际的案例验证本发明中气旋识别及强度判断方法的可行性与准确性。
案例1
2015年6月1日21时30分左右,由南京开往重庆、载有458人的“东方之星”客轮在长江湖北石首段倾覆,事发地点的经纬度为E112.91,N29.7。目前已经确认事发时段事发地出现龙卷风,风力达12级以上,龙卷主体位于江面,水平尺度不足1公里,龙卷持续时间约15分钟至20分钟;6月1日21时6分,事发地点附近的监利县出现最大瞬时风速9.2米/秒的大风,22时3分,监利县东南方向靠近长江边的尺八自动气象站(距事发地约35公里)出现最大瞬时风速为16.4米/秒的大风,21时至22时,监利站降雨量为64.9毫米。
使用本发明中气旋识别及强度判断方法分析Z9730号雷达(E113.10,N29.30,距离事发地48.07Km)事发当天的雷达径向风速图,发现在6月1日21时03分,在距离事发地7.2公里处(N29.7097,E112.8431)存在较强中气旋;在6月1日21时09分,在距离事发地4.7公里处(N29.7197,E112.8731)有较强中气旋;在6月1日21时15分,在距离事发地3.3公里处(N29.7297,E112.9131)有较强中气旋;在6月1日21时20分,在距离事发地2.52公里处(N29.6997,E112.9431)存在较强中气旋;上述不同时刻的中气旋可能是一个中气旋,该中气旋在不停的移动,根据以上数据可以看出该中气旋距离事发地最近时为2.52公里,距离非常近。
使用本发明中气旋识别及强度判断方法得出事发地附近存在较强中气旋,而中气旋常常造成龙卷、冰雹、雷雨大风等灾害性天气,这与6月1日21时30分左右事发地及其附近发生了龙卷风及大风暴雨等灾害性天气是相符的。
案例2
根据安徽省天长市秦栏镇的天气记录“2013年7月7日下午16时,天长市秦栏镇官桥社区花园村发生风雹灾害,据初步统计:受灾人口4665人,倒塌房屋60间,严重损坏房屋600间”。使用本发明中气旋识别及强度判断方法分析判断Z9250号雷达(北纬32.19155,东经118.69694)2013年7月7日的雷达径向风速图,计算得到在16时左右在安徽省天长市秦栏镇的位置中气旋指数E为0.5,存在较强中气旋,而中气旋常常造成龙卷、冰雹、雷雨大风等灾害性天气,这与安徽省天长市秦栏镇在7月7日下午16时发生风雹灾害是相符的。
案例3
根据江西省南昌市新建县的天气记录“7月18日23时至19日2时,南昌市新建县松湖镇流湖乡遭遇龙卷、强雷暴天气,受大风影响大片屋顶野鸡棚被吹倒,瓦房的瓦被吹掉、部分房屋墙壁倒塌”。使用本发明中气旋识别及强度判断方法分析判断Z9791号雷达(北纬28.58904东经115.90149)2014年7月19日的雷达径向风速图,计算得到在00时左右在江西省南昌市新建县的位置中气旋指数E为0.6,存在较强中气旋,而中气旋常常造成龙卷、冰雹、雷雨大风等灾害性天气,这与江西省南昌市新建县在7月18日23时至19日2时遭遇龙卷、强雷暴天气是相符的。
Claims (7)
1.一种中气旋识别及强度判断方法,其特征在于,包括以下步骤:
(1)获取雷达站点的位置信息及雷达径向风速图上每个像素点的径向风数据;
(2)在所述雷达径向风速图上选取一点,以该点为圆心以R为半径确定一个圆,其中,所述R的取值分别为1Km、2Km、3Km、4Km和5Km,在该圆上选取至少两个样本点,该样本点的径向风速与切向风速的夹角为θ,分别计算每个样本点的径向风速与切向风速的夹角θ的cosθ值;求所述选取的样本点的径向风速与所述选取的样本点的cosθ值的相关系数,将该相关系数记为a,其中所述相关系数为皮尔逊积矩相关系数;所述R取不同的值时,若所得的任意一个a大于0,则该点处存在中气旋,且中气旋的半径为选取的R的值;若所有a均小于等于0,则该点处不存在中气旋,需要在所述雷达径向风速图上另外选取一点重新执行本步骤;
(3)从所述步骤(2)中选取的样本点中选出最小的径向风速Vmin,然后计算|Vmin|/V风,将计算结果记为b,其中,|Vmin|是指Vmin的绝对值,当R=1Km时,V风=3-6m/s,当R=2Km时,V风=7-10m/s,当R=3Km时,V风=11-14m/s,当R=4Km时,V风=15-18m/s,当R=5Km时,V风=19-23m/s,若|Vmin|大于等于V风,则b的值取1,若|Vmin|小于V风,则b的值就为|Vmin|/V风的值;
(4)从所述步骤(2)中选取的样本点中选出最大的径向风速Vmax,然后计算Vmax/V风,将计算结果记为c,其中,当R=1Km时,V风=3-6m/s,当R=2Km时,V风=7-10m/s,当R=3Km时,V风=11-14m/s,当R=4Km时,V风=15-18m/s,当R=5Km时,V风=19-23m/s,若Vmax大于等于V风,则c的值取1,若Vmax小于V风,则c的值为Vmax/V风的值;
(5)设定中气旋指数E,该E=a·b·c,其中相关系数a由所述步骤(2)得出,b由所述步骤(3)得出,c由所述步骤(4)得出;计算所述中气旋指数E的值,若所述中气旋指数E的值越接近于1,则中气旋强度越强,若所述中气旋指数E的值越接近于0,则中气旋强度越弱;
(6)按照所述步骤(2)-所述步骤(5)遍历所述雷达径向风速图上的所有点。
2.根据权利要求1所述的中气旋识别及强度判断方法,其特征在于,所述步骤(5)还包括增大所述a的权重。
3.根据权利要求2所述的中气旋识别及强度判断方法,其特征在于,所述增大所述a的权重的方法为将所述a开n次方,其中,2≤n≤5。
4.根据权利要求2所述的中气旋识别及强度判断方法,其特征在于,所述增大所述a的权重的方法为将所述a乘以1.2-1.5之间的数。
5.根据权利要求1-4中任一项所述的中气旋识别及强度判断方法,其特征在于,所述步骤(2)中在雷达径向风速图上仅选取径向风速在2-5m/s或负2-负5m/s的点。
6.根据权利要求1-4中任一项所述的中气旋识别及强度判断方法,其特征在于,所述步骤(2)中在所述圆上每间隔10度选取一个样本点。
7.根据权利要求1-4中任一项所述的中气旋识别及强度判断方法,其特征在于,所述步骤(1)还包括对获取的径向风数据进行双线性插值或立方体插值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510450830.9A CN105068060B (zh) | 2015-07-28 | 2015-07-28 | 中气旋识别及强度判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510450830.9A CN105068060B (zh) | 2015-07-28 | 2015-07-28 | 中气旋识别及强度判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105068060A true CN105068060A (zh) | 2015-11-18 |
CN105068060B CN105068060B (zh) | 2017-06-06 |
Family
ID=54497475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510450830.9A Active CN105068060B (zh) | 2015-07-28 | 2015-07-28 | 中气旋识别及强度判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105068060B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657331A (zh) * | 2017-08-16 | 2018-02-02 | 哈尔滨工业大学深圳研究生院 | 基于边界层模型的台风降水解析方法 |
CN112748480A (zh) * | 2020-12-21 | 2021-05-04 | 华能国际电力股份有限公司浙江清洁能源分公司 | 近海热带气旋中心定位方法和装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7728760B2 (en) * | 2008-07-30 | 2010-06-01 | University Corporation For Atmospheric Research | Method for generating a representation of an atmospheric vortex kinematic structure |
CN102645679A (zh) * | 2012-03-13 | 2012-08-22 | 天津大学 | 一种基于多普勒天气雷达回波图像的中气旋识别方法 |
CN103197299A (zh) * | 2013-03-25 | 2013-07-10 | 南京信息工程大学 | 天气雷达径向风信息提取及量化分析系统 |
-
2015
- 2015-07-28 CN CN201510450830.9A patent/CN105068060B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7728760B2 (en) * | 2008-07-30 | 2010-06-01 | University Corporation For Atmospheric Research | Method for generating a representation of an atmospheric vortex kinematic structure |
CN102645679A (zh) * | 2012-03-13 | 2012-08-22 | 天津大学 | 一种基于多普勒天气雷达回波图像的中气旋识别方法 |
CN103197299A (zh) * | 2013-03-25 | 2013-07-10 | 南京信息工程大学 | 天气雷达径向风信息提取及量化分析系统 |
Non-Patent Citations (3)
Title |
---|
冯晋勤 等: "新一代天气雷达中气旋识别产品的统计分析", 《气象》 * |
邵玲玲 等: "多普勒天气雷达中气旋产品在强风预报中的应用", 《气象》 * |
陶岚: "多普勒天气雷达中的中尺度气旋识别", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657331A (zh) * | 2017-08-16 | 2018-02-02 | 哈尔滨工业大学深圳研究生院 | 基于边界层模型的台风降水解析方法 |
CN112748480A (zh) * | 2020-12-21 | 2021-05-04 | 华能国际电力股份有限公司浙江清洁能源分公司 | 近海热带气旋中心定位方法和装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105068060B (zh) | 2017-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sicard et al. | Mixed-layer depth determination in the Barcelona coastal area from regular lidar measurements: methods, results and limitations | |
Liu et al. | Towards feasibility of photovoltaic road for urban traffic-solar energy estimation using street view image | |
Fujita et al. | Palm sunday tornadoes of April 11, 1965 | |
CN114240119A (zh) | 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法 | |
CN102628944B (zh) | 一种基于多普勒雷达资料的层云与对流云自动识别方法 | |
US20110166787A1 (en) | Methods and systems for locating wind turbines | |
CN108459323B (zh) | 基于多普勒天气雷达数据的强辐合场识别及速度订正方法 | |
CN105206057A (zh) | 基于浮动车居民出行热点区域的检测方法及系统 | |
CN104570161A (zh) | 基于ec/jma全球格点预报资料的台风自动化预报方法 | |
CN105445816A (zh) | 一种云雷达与卫星探测数据融合方法及系统 | |
CN104298851A (zh) | 一种用于预报强降水天气的数据处理方法 | |
CN112926468B (zh) | 一种潮滩高程自动提取方法 | |
CN105068060A (zh) | 中气旋识别及强度判断方法 | |
CN106649987B (zh) | 一种测风塔设立方案的定量分析方法 | |
CN111931409A (zh) | 基于高分辨率海洋模式数据的涡旋三维体态识别和追踪方法 | |
CN106872973A (zh) | 利用cinrad/sa天气雷达监测和跟踪林火回波的方法 | |
Zan et al. | Solving the storm split-merge problem—A combined storm identification, tracking algorithm | |
CN111310983A (zh) | 一种针对登陆广东台风引发宁波暴雨的预报方法 | |
Babić et al. | Cross‐valley vortices in the Inn valley, Austria: Structure, evolution and governing force imbalances | |
CN109977569A (zh) | 一种融合多因素的mos风暴潮过程灾害模拟方法 | |
CN113420670A (zh) | 基于高分遥感输变电线路迁改环水保监管方法 | |
CN103424782B (zh) | 一种中层径向辐合的自动识别方法 | |
CN117272615A (zh) | 一种基于流场速度矢量象限角的海洋涡旋识别方法 | |
CN112766581A (zh) | 一种计算机自动识别预报人工防雹作业潜势的方法 | |
Birkelund et al. | Wind power predictions in complex terrain using analog ensembles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |