CN105388536B - 热带气旋引发沿海地区瞬时极大风风速预报方法和系统 - Google Patents
热带气旋引发沿海地区瞬时极大风风速预报方法和系统 Download PDFInfo
- Publication number
- CN105388536B CN105388536B CN201510759679.7A CN201510759679A CN105388536B CN 105388536 B CN105388536 B CN 105388536B CN 201510759679 A CN201510759679 A CN 201510759679A CN 105388536 B CN105388536 B CN 105388536B
- Authority
- CN
- China
- Prior art keywords
- point set
- tropical
- tropical cyclone
- measured
- paths
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种热带气旋引发沿海地区瞬时极大风风速的预报方法，包括以下步骤：收集对待测地区有大风影响的历史热带气旋数据以及对应时间待测地区的小时瞬时极大风风速历史数据；根据强度对历史热带气旋数据进行分类得到各类热带气旋的数据；将待测地区的预测范围划分为多个1°×1°的正方形经纬度网格，针对每一类热带气旋，在网格内同一个热带气旋只选取待测地区出现最大瞬时极大风速的路径点，并计算所述路径点与待测地区的距离和方位；制作各类热带气旋引发待测地区瞬时极大风风速的位置空间分布图；根据未来待预测热带气旋的强度及路径信息结合瞬时极大风位置空间分布图预测和输出其将引起待测地区的瞬时极大风风速。本发明同时还提供了相应的预报系统。
Description
技术领域
本发明涉及分析及测量控制技术技术领域，尤其涉及用于热带气旋在沿海地区引发的瞬时极大风风速预报方法和系统。
背景技术
国际惯例依据热带气旋(也常常俗称为飓风、台风或热带风暴等)中心附近最大风力将热带气旋分为：热带低压(Tropicaldepression)，最大风速6～7级，(10.8-17.1m/s)；热带风暴(Tropicalstorm)，最大风速8～9级，(17.2～24.4m/s)；强热带风暴(Severetropical storm)，最大风速10～11级，(24.5～32.6m/s)；台风(Ty-phoon)，最大风速12～13级，(32.7m/s～41.4m/s)；强台风(severe typhoon)，最大风速14～15级(41.5m/s～50.9m/s)；超强台风(Super Typhoon)，最大风速≥16级(≥51.0m/s)。热带气旋是最具破坏力的自然灾害之一，其引起的强风对人员、农作物、房屋、船只等造成巨大的伤亡和破坏。
以往热带气旋引发局地瞬时极大风的研究以定性结论居多，定量的分析较少。在过去的几十年里，数值天气预报(Numerical Weather Prediction,NWP)模式预报热带气旋路径的能力得到大幅度提高。相比较之下，在热带气旋风速预报方面，由于精度的限制，数值预报模型还无法取得良好的预报效果，因此研究一种数学模型以外的预报方法来及时准确地做好热带气旋引发瞬时极大风风速的预报预警是一项极其需要加强的工作。
发明内容
本发明的目的在于，基于数理统计理论，解决传统技术无法准确地做出热带气旋引发沿海地区瞬时极大风的风速预报问题。
本发明的目的是采用以下技术方案来实现的。
一种热带气旋引发沿海地区瞬时极大风风速预报方法，包括以下步骤：
收集对待测地区有大风影响的历史热带气旋数据以及对应时间所述待测地区的小时瞬时极大风风速历史数据；
根据强度对所述历史热带气旋数据进行分类得到各类热带气旋的数据；
将所述待测地区的预测范围划分为多个1°×1°的正方形经纬度网格，针对每一类热带气旋，在所述网格内同一个热带气旋只选取待测地区出现最大瞬时极大风速的路径点，并计算所述路径点与所述待测地区的距离和方位，绘制所述各类热带气旋引发所述待测地区瞬时极大风风速的位置空间分布图；以及
根据未来待预测热带气旋的强度及路径信息结合所述瞬时极大风位置空间分布图预测和输出所述未来待预测热带气旋到达预测地点时所述待测地区将出现的瞬时极大风的风速。
本发明一较佳实施例中，根据强度对所述历史热带气旋数据进行分类的步骤包括：
将热带气旋1的所有路径点根据其当时的强度级别分为SuTY路径点集1,STY路径点集1,TY路径点集1,STS路径点集1,TS路径点集1,TD路径点集1；将热带气旋2的所有路径点根据其当时的强度级别分为SuTY路径点集2,STY路径点集2,TY路径点集2,STS路径点集2,TS路径点集2,TD路径点集2；…；以此类推；
将SuTY路径点集1,SuTY路径点集2,SuTY路径点集3,…,重新归类为SuTY路径点集；将STY路径点集1,STY路径点集2,STY路径点集3,…,重新归类为STY路径点集；…；以此类推；
其中，所述SuTY表示超强台风、所述STY表示强台风、所述TY表示台风、所述STS表示强热带风暴、所述TS表示热带风暴、所述TD表示热带低压。
本发明一较佳实施例中，在计算所述路径点与所述待测地区的距离和方位的步骤中，针对每一个所述路径点的数据，使用公式(1)计算其与待测地区的距离：
其中，L1和φ1是一个点的经度与纬度，L2和φ2是另一个点的经度与纬度，R为地球半径，S则是两个点之间的距离；
针对每一个所述路径点的数据，使用公式(2)计算其相对于待测地区的方位：
其中，α为点B相对于点A的方位角，L1和φ1是点A的经度与纬度，L2和φ2是点B的经度与纬度，θ满足公式(3)：
cos(θ)＝cos(90-φ2)cos(90-φ1)+sin(90-φ2)sin(90-φ1)cos(L2-L1) (3)
当点B位于相对于A的第一象限时，方位角为α；当B位于A第二象限时，方位角为360+α；当B位于A第三及第四象限时，方位角为180-α。
本发明一较佳实施例中，所述未来待预测热带气旋的强度和路径信息根据数值天气预报模型以及气象预报员的经验获得。
一种热带气旋引发沿海地区瞬时极大风风速预报系统，包括：
数据收集模块，用于收集对待测地区有大风影响的历史热带气旋数据以及对应时间所述待测地区的小时瞬时极大风风速历史数据；
分类模块，用于根据强度对所述历史热带气旋数据进行分类得到各类热带气旋的数据；
数据处理模块，用于将所述待测地区的预测范围划分为多个1°×1°的正方形经纬度网格，针对每一类热带气旋，在所述网格内同一个热带气旋只选取待测地区出现最大瞬时极大风速的路径点；并计算所述路径点与所述待测地区的距离和方位，绘制所述各类热带气旋引发所述待测地区瞬时极大风风速的位置空间分布图；以及
输出模块，用于根据未来待预测热带气旋的强度和路径信息结合所述瞬时极大风位置空间分布图预测和输出所述未来待预测热带气旋到达预测地点时所述待测地区将出现的瞬时极大风的风速。
本发明一较佳实施例中，所述分类模块包括：
分类子模块，用于将热带气旋1的所有路径点根据其当时的强度级别分为SuTY路径点集1,STY路径点集1,TY路径点集1,STS路径点集1,TS路径点集1,TD路径点集1；将热带气旋2的所有路径点根据其当时的强度级别分为SuTY路径点集2,STY路径点集2,TY路径点集2,STS路径点集2,TS路径点集2,TD路径点集2；…；以此类推；
归类子模块，用于将SuTY路径点集1,SuTY路径点集2,SuTY路径点集3,…,重新归类为SuTY路径点集；将STY路径点集1,STY路径点集2,STY路径点集3,…,重新归类为STY路径点集；…；以此类推；
其中，所述SuTY表示超强台风、所述STY表示强台风、所述TY表示台风、所述STS表示强热带风暴、所述TS表示热带风暴、所述TD表示热带低压。
本发明一较佳实施例中，所述未来待预测热带气旋的强度和路径信息根据数值天气预报模型以及气象预报员的经验获得。
相较于现有技术，本发明提出了一种统计学方法定量分析和预报热带气旋引发沿海地区发生瞬时极大风的风速，为气象局发布热带气旋大风预报预警提供参考。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是本发明实施例提供的热带气旋引发沿海地区瞬时极大风风速预报方法的流程图。
图2是本发明实施例提供的深圳盐田港因台风影响出现瞬时极大风风速的位置空间分布图。
图3是本发明实施例提供的热带气旋引发沿海地区瞬时极大风风速预报系统的结构示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参考图1，图1是本发明实施例提供的热带气旋引发沿海地区瞬时极大风风速预报方法的流程图。所述预报方法包括以下步骤：
S1：收集对待测地区有大风影响的历史热带气旋数据以及对应时间所述待测地区的小时瞬时极大风风速历史数据。
本实施例待测地区以深圳盐田港为例，历史热带气旋数据包括了2007年至2013年影响盐田港的所有热带气旋数据，这个年限范围是根据需要设定的，也可以是其它范围，这些数据主要包括热带气旋的强度数据以及路径信息，同时收集了对应时间盐田港气象站观测到的受热带气旋影响盐田港出现的小时瞬时极大风风速数据。
S2：根据强度对所述历史热带气旋数据进行分类得到各类热带气旋的数据。
以SuTY表示超强台风、STY表示强台风、TY表示台风、STS表示强热带风暴、TS表示热带风暴、TD表示热带低压。上述六类热带气旋的强度分类方法与国际惯例相同。根据此分类标准将历史热带气旋1所有路径点根据其当时的强度级别分为SuTY路径点集1,STY路径点集1,TY路径点集1,STS路径点集1,TS路径点集1,TD路径点集1；将热带气旋2的所有路径点根据其当时的强度级别分为SuTY路径点集2,STY路径点集2,TY路径点集2,STS路径点集2,TS路径点集2,TD路径点集2；…；以此类推。接着，将SuTY路径点集1,SuTY路径点集2,SuTY路径点集3,…,重新归类为SuTY路径点集；将STY路径点集1,STY路径点集2,STY路径点集3,…,重新归类为STY路径点集；…；以此类推。这样，得到强度基础上的热带气旋分类数据。
除了采用依据国际惯例来划分的热带气旋强度分类之外，还可以根据本地实际需要采用不同的强度划分标准。
S3：将所述待测地区的预测范围划分为多个1°×1°的正方形经纬度网格，针对每一类热带气旋，在所述网格内同一个热带气旋只选取待测地区出现最大瞬时极大风速的路径点，并计算所述路径点与所述待测地区的距离和方位，绘制所述各类热带气旋引发所述待测地区瞬时极大风风速的位置空间分布图。
将待测地区的预测范围划分为多个1°×1°的正方形经纬度网格，例如，将盐田港方圆700公里范围划分网格，此处700公里的预测范围是根据需要确定，可以选定为其他数值。
在各类热带气旋中，针对每一个发生过的热带气旋，在经过所述正方形经纬度网格时只选取待测地区出现了最大小时瞬时极大风风速的路径点。通常，热带气旋需要花费几个小时的时间以某一种强度经过某一个正方形经纬度网格，只选取这段时间内待测地区最大的瞬时极大风风速发生时的热带气旋路径点。
然后，针对这些路径点的数据，使用公式(1)计算其与所述待测地区(本例指盐田港)的距离：
其中，L1和φ1是一个点的经度与纬度，L2和φ2是另一个点的经度与纬度，R为地球半径，S则是两个点之间的距离；
针对这些路径点的数据，使用公式(2)计算其相对于所述待测地区(本例指盐田港)的方位：
其中，α为点B相对于点A的方位角，L1和φ1是点A的经度与纬度，L2和φ2是点B的经度与纬度，θ满足公式(3)：
cos(θ)＝cos(90-φ2)cos(90-φ1)+sin(90-φ2)sin(90-φ1)cos(L2-L1) (3)
当点B位于相对于A的第一象限时，方位角为α；当B位于A第二象限时，方位角为360+α；当B位于A第三及第四象限时，方位角为180-α。
除了以上测距方法外，还可以根据本地实际需要来选取其他测距方法，只要确定了两点之间的距离和相对方位即可。
请参阅图2，图2是本发明实施例提供的深圳盐田港因台风影响出现瞬时极大风风速的位置空间分布图。所述位置空间分布图上标注了TY类热带气旋(即台风)影响下所有符合要求的路径点(即图中黑点)相对盐田港的距离以及方位，同时用不同灰度表示不同数值范围的小时瞬时极大风风速，其中，非路径点处的灰度信息(瞬时极大风风速值)是基于路径点处的数值进行插值运算得到的。
S4：根据未来待测热带气旋的强度和路径信息结合所述瞬时极大风位置空间分布图预测和输出所述未来待测热带气旋到达预测地点时所述待测地区将出现的瞬时极大风风速。
对即将到来的待测热带气旋，在得知其可能的强度后，选择与该强度对应的瞬时极大风位置空间分布图，得知其已经预测到的路径信息后，根据预测路径计算待测热带气旋与待测地区的距离和相对待测地区的方位，结合步骤S3得到的瞬时极大风位置空间分布图，即可预测待预测热带气旋到达预测地点时待测地区将出现的瞬时极大风风速。
进一步地，可以根据数值天气预报模型来预测待测热带气旋的强度和路径信息。更进一步地，还可以辅以气象预报员的经验来预测强度和路径。
请参阅图3，图3是本发明实施例提供的热带气旋引发沿海地区瞬时极大风风速预报系统的结构示意图。
所述系统包括数据收集模块10，分类模块20，数据处理模块30，输出模块40。
数据收集模块10用于收集对待测地区有大风影响的历史热带气旋数据以及对应时间所述待测地区的小时瞬时极大风风速历史数据。
分类模块20用于根据强度对所述历史热带气旋数据进行分类得到各类热带气旋的数据。
数据处理模块30用于将所述待测地区的预测范围划分为多个1°×1°的正方形经纬度网格，针对每一类热带气旋，在所述网格内同一个热带气旋只选取待测地区出现最大瞬时极大风速的路径点；并计算所述路径点与所述待测地区的距离和方位，绘制所述各类热带气旋引发所述待测地区瞬时极大风风速的位置空间分布图。
输出模块40用于根据未来待预测热带气旋的强度和路径信息结合所述瞬时极大风位置空间分布图预测和输出所述未来待预测热带气旋到达预测地点时所述待测地区将出现的瞬时极大风的风速。
进一步地，分类模块20包括分类子模块21和归类子模块22。
分类子模块21用于将热带气旋1的所有路径点根据其当时的强度级别分为SuTY路径点集1,STY路径点集1,TY路径点集1,STS路径点集1,TS路径点集1,TD路径点集1；热带气旋2的所有路径点根据其当时的强度级别分为SuTY路径点集2,STY路径点集2,TY路径点集2,STS路径点集2,TS路径点集2,TD路径点集2；…；以此类推。
归类子模块22用于将SuTY路径点集1,SuTY路径点集2,SuTY路径点集3,…,重新归类为SuTY路径点集；将STY路径点集1,STY路径点集2,STY路径点集3,…,重新归类为STY路径点集；…；以此类推；其中，所述SuTY表示超强台风、所述STY表示强台风、所述TY表示台风、所述STS表示强热带风暴、所述TS表示热带风暴、所述TD表示热带低压。
相较于现有技术，本发明提出了一种统计学方法定量分析和预报热带气旋引发沿海地区发生瞬时极大风的风速，为气象局发布热带气旋大风预报预警提供参考。
本发明提供的热带气旋引发沿海地区瞬时极大风风速的预测方法和系统在2014年台风“海鸥”和“威马逊”影响深圳期间得到了很好的验证。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种热带气旋引发沿海地区瞬时极大风风速预报方法，其特征在于，包括以下步骤：
收集对待测地区有大风影响的历史热带气旋数据以及对应时间所述待测地区的小时瞬时极大风风速历史数据；
根据强度对所述历史热带气旋数据进行分类得到各类热带气旋的数据；
将所述待测地区的预测范围划分为多个1°×1°的正方形经纬度网格，针对每一类热带气旋，在所述网格内同一个热带气旋只选取待测地区出现最大瞬时极大风速的路径点，并计算所述路径点与所述待测地区的距离和方位，绘制所述各类热带气旋引发所述待测地区瞬时极大风风速的位置空间分布图；以及
根据未来待预测热带气旋的强度及路径信息结合所述待测地区瞬时极大风风速的位置空间分布图预测和输出所述未来待预测热带气旋到达预测地点时所述待测地区将出现的瞬时极大风的风速。
2.如权利要求1所述的热带气旋引发沿海地区瞬时极大风风速预报方法，其特征在于：根据强度对所述历史热带气旋数据进行分类的步骤包括：
将热带气旋1的所有路径点根据其当时的强度级别分为SuTY路径点集1,STY路径点集1,TY路径点集1,STS路径点集1,TS路径点集1,TD路径点集1；将热带气旋2的所有路径点根据其当时的强度级别分为SuTY路径点集2,STY路径点集2,TY路径点集2,STS路径点集2,TS路径点集2,TD路径点集2；…；以此类推；
将SuTY路径点集1,SuTY路径点集2,SuTY路径点集3,…,重新归类为SuTY路径点集；将STY路径点集1,STY路径点集2,STY路径点集3,…,重新归类为STY路径点集；…；以此类推；
其中，所述SuTY表示超强台风、所述STY表示强台风、所述TY表示台风、所述STS表示强热带风暴、所述TS表示热带风暴、所述TD表示热带低压。
3.如权利要求1所述的热带气旋引发沿海地区瞬时极大风风速预报方法，其特征在于：在计算所述路径点与所述待测地区的距离和方位的步骤中，针对每一个所述路径点的数据，使用公式(1)计算其与所述待测地区的距离：
<mrow>
<mi>S</mi>
<mo>=</mo>
<mi>R</mi>
<mo>&times;</mo>
<mfrac>
<mi>&pi;</mi>
<mn>180</mn>
</mfrac>
<mo>&times;</mo>
<mi>a</mi>
<mi>r</mi>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>sin&phi;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>sin&phi;</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>cos&phi;</mi>
<mn>1</mn>
</msub>
<msub>
<mi>cos&phi;</mi>
<mn>2</mn>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mo>(</mo>
<mrow>
<msub>
<mi>L</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mn>2</mn>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，L1和φ1是一个点的经度与纬度，L2和φ2是另一个点的经度与纬度，R为地球半径，S则是两个点之间的距离；
针对每一个所述路径点的数据，使用公式(2)计算其相对于所述待测地区的方位：
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mn>90</mn>
<mo>-</mo>
<msub>
<mi>&phi;</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>L</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，α为点B相对于点A的方位角，L1和φ1是点A的经度与纬度，L2和φ2是点B的经度与纬度，θ满足公式(3)：
cos(θ)＝cos(90-φ2)cos(90-φ1)+sin(90-φ2)sin(90-φ1)cos(L2-L1) (3)
当点B位于相对于A的第一象限时，方位角为α；当B位于A第二象限时，方位角为360+α；当B位于A第三及第四象限时，方位角为180-α。
4.如权利要求1所述的热带气旋引发沿海地区瞬时极大风风速预报方法，其特征在于：所述未来待预测热带气旋的强度和路径信息根据数值天气预报模型以及气象预报员的经验获得。
5.一种热带气旋引发沿海地区瞬时极大风风速预报系统，其特征在于，包括：
数据收集模块，用于收集对待测地区有大风影响的历史热带气旋数据以及对应时间所述待测地区的小时瞬时极大风风速历史数据；
分类模块，用于根据强度对所述历史热带气旋数据进行分类得到各类热带气旋的数据；
数据处理模块，用于将所述待测地区的预测范围划分为多个1°×1°的正方形经纬度网格，针对每一类热带气旋，在所述网格内同一个热带气旋只选取待测地区出现最大瞬时极大风速的路径点；并计算所述路径点与所述待测地区的距离和方位，绘制所述各类热带气旋引发所述待测地区瞬时极大风风速的位置空间分布图；以及
输出模块，用于根据未来待预测热带气旋的强度和路径信息结合所述待测地区瞬时极大风风速的位置空间分布图预测和输出所述未来待预测热带气旋到达预测地点时所述待测地区将出现的瞬时极大风的风速。
6.如权利要求5所述的热带气旋引发沿海地区瞬时极大风风速预报系统，其特征在于：所述分类模块包括：
分类子模块，用于将热带气旋1的所有路径点根据其当时的强度级别分为SuTY路径点集1,STY路径点集1,TY路径点集1,STS路径点集1,TS路径点集1,TD路径点集1；将热带气旋2的所有路径点根据其当时的强度级别分为SuTY路径点集2,STY路径点集2,TY路径点集2,STS路径点集2,TS路径点集2,TD路径点集2；…；以此类推；
归类子模块，用于将SuTY路径点集1,SuTY路径点集2,SuTY路径点集3,…,重新归类为SuTY路径点集；将STY路径点集1,STY路径点集2,STY路径点集3,…,重新归类为STY路径点集；…；以此类推；
其中，所述SuTY表示超强台风、所述STY表示强台风、所述TY表示台风、所述STS表示强热带风暴、所述TS表示热带风暴、所述TD表示热带低压。
7.如权利要求5所述的热带气旋引发沿海地区瞬时极大风风速预报系统，其特征在于：所述未来待预测热带气旋的强度和路径信息根据数值天气预报模型以及气象预报员的经验获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510759679.7A CN105388536B (zh) | 2015-11-10 | 2015-11-10 | 热带气旋引发沿海地区瞬时极大风风速预报方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510759679.7A CN105388536B (zh) | 2015-11-10 | 2015-11-10 | 热带气旋引发沿海地区瞬时极大风风速预报方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105388536A CN105388536A (zh) | 2016-03-09 |
| CN105388536B true CN105388536B (zh) | 2017-12-05 |
Family
ID=55421017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510759679.7A Active CN105388536B (zh) | 2015-11-10 | 2015-11-10 | 热带气旋引发沿海地区瞬时极大风风速预报方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105388536B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106250922B (zh) * | 2016-07-22 | 2019-04-23 | 天津大学 | 一种基于特征因子的热带气旋客观分类方法 |
| CN106447126A (zh) * | 2016-10-20 | 2017-02-22 | 中国科学院深圳先进技术研究院 | 热带气旋引发沿海地区能见度变化确定、预报方法及系统 |
| CN106780245B (zh) * | 2016-11-28 | 2020-06-02 | 中国科学院深圳先进技术研究院 | 热带气旋引发沿海地区灰霾概率的确定、预报方法及系统 |
| CN107464009A (zh) * | 2017-06-23 | 2017-12-12 | 南京航空航天大学 | 一种北京市冬季大气pm2.5浓度变化预测方法 |
| CN111443399B (zh) * | 2019-10-12 | 2021-09-28 | 中国气象局上海台风研究所 | 基于步进频率微波辐射计资料的热带气旋强风圈识别系统 |
| CN114202104B (zh) * | 2021-11-17 | 2022-06-03 | 国家海洋环境预报中心 | 热带气旋路径相似程度确定方法及存储介质 |
| CN114942481B (zh) * | 2022-06-08 | 2023-07-18 | 中国气象局上海台风研究所(上海市气象科学研究所) | 热带气旋过程极值风速概率预报方法、装置和计算机设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101634721B (zh) * | 2009-04-15 | 2011-08-31 | 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 |
| CN104318503B (zh) * | 2014-10-30 | 2018-04-17 | 中国科学院深圳先进技术研究院 | 一种根据台风预报降雨的系统及方法 |
| CN104408750B (zh) * | 2014-10-30 | 2017-12-05 | 中国科学院深圳先进技术研究院 | 一种计算海水陆地比例的方法及系统 |
-
2015
- 2015-11-10 CN CN201510759679.7A patent/CN105388536B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105388536A (zh) | 2016-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105388536B (zh) | 热带气旋引发沿海地区瞬时极大风风速预报方法和系统 | |
| CN105425320B (zh) | 热带气旋引发沿海地区大风的概率预报方法和系统 | |
| Cao et al. | Forecasting wind speed with recurrent neural networks | |
| Zhou et al. | Forecast of low visibility and fog from NCEP: Current status and efforts | |
| Hazelton et al. | Analyzing simulated convective bursts in two Atlantic hurricanes. Part I: Burst formation and development | |
| CN105701596A (zh) | 一种基于大数据技术的配网抢修精益化方法以及管理系统 | |
| Huang et al. | A new air quality forecasting model using data mining and artificial neural network | |
| CN106651031B (zh) | 基于历史信息的雷击闪络预警方法及系统 | |
| CN104182594A (zh) | 一种电力系统风区图的绘制方法 | |
| Saxena et al. | A review study of weather forecasting using artificial neural network approach | |
| Yuan et al. | Mesoscopic traffic state estimation based on a variational formulation of the LWR model in Lagrangian-space coordinates and Kalman filter | |
| Tsujino et al. | Structure and maintenance mechanism of long-lived concentric eyewalls associated with simulated Typhoon Bolaven (2012) | |
| CN104239712A (zh) | 一种雷达抗干扰效能实时评估方法 | |
| WO2020140127A1 (en) | Systems and methods distributed-solar power forecasting using parameter regularization | |
| Coulibaly et al. | Rule-based machine learning for knowledge discovering in weather data | |
| Cachay et al. | Graph Neural Networks for Improved El Ni\~ no Forecasting | |
| El Mghouchi | On the prediction of daily global solar radiation using temperature as input. An application of hybrid machine learners to the six climatic Moroccan zones | |
| Magnusson et al. | Advances in understanding difficult cases of tropical cyclone track forecasts | |
| CN102289733A (zh) | 基于gis的区域大气风险空间分布评估方法 | |
| CN113971377B (zh) | 一种东太平洋赤道海域涡旋的判别及其对茎柔鱼渔场影响评估的技术方法 | |
| Liu et al. | Building Chinese wind data for Wind Erosion Prediction System using surrogate US data | |
| CN113962426A (zh) | 一种近海水上通航安全智能预报方法和装置 | |
| CN106447126A (zh) | 热带气旋引发沿海地区能见度变化确定、预报方法及系统 | |
| CN110019167A (zh) | 一种中长期新能源资源资料库构建方法及系统 | |
| Mahmoudi et al. | Monitoring and prediction of dust and investigating its environmental impacts in the Western Half of Iran and the Eastern Borders of Turkey and Iraq, using remote sensing and GIS |
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 |