CN105425320B - 热带气旋引发沿海地区大风的概率预报方法和系统 - Google Patents
热带气旋引发沿海地区大风的概率预报方法和系统 Download PDFInfo
- Publication number
- CN105425320B CN105425320B CN201510762185.4A CN201510762185A CN105425320B CN 105425320 B CN105425320 B CN 105425320B CN 201510762185 A CN201510762185 A CN 201510762185A CN 105425320 B CN105425320 B CN 105425320B
- Authority
- CN
- China
- Prior art keywords
- point set
- tropical
- suty
- measured
- strong wind
- 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大风的概率预报方法,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网格,计算所述网格内所述各类热带气旋引发待测地区大风的概率并绘制所述各类热带气旋引发所述待测地区的大风概率分布图;以及根据未来待测热带气旋的强度和路径信息结合大风概率分布图预测和输出其将引起所述待测地区发生大风的概率。本发明还提供了相应的概率预报系统。
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引发沿海地区大风的概率预报方法和系统。
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)。
热带气旋威力大,破坏力强,过境时常常带来狂风暴雨,是世界上最严重的自然灾害之一。在热带气旋引起的所有灾害中,尤以大风(中国气象观测业务规定,瞬时风速达到或超过17米/秒,或目测估计风力达到或超过8级的风为大风)为甚,其到来将引起树木横断、房屋倒塌、船只翻沉等严重后果,给人们的生命和财产带来了巨大的损失。
加强热带气旋下大风的监测和预报,是减轻风灾的重要措施。以往热带气旋引发沿海地区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,但是其预报热带气旋引发大风的能力还是很有限,尤其是在预报中比较实用的热带气旋下的大风概率分布还是空白。在热带气旋大风预报方面,中国尚无有效的客观方法可供业务应用参考,因此及时准确地做好热带气旋引发大风的预报预警是一项极其需要加强研究的工作。
发明内容
本发明的目的在于,基于数理统计理论,解决传统技术无法及时准确地做出热带气旋引发沿海地区大风的概率预报问题。
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大风的概率预报方法,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,计算所述网格内所述各类热带气旋引发待测地区大风的概率,并绘制所述各类热带气旋引发所述待测地区的大风概率分布图;以及
根据未来待测热带气旋的强度和路径信息,结合所述大风概率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出现大风的概率。
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;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,计算所述网格内所述各类热带气旋引发待测地区大风的概率步骤包括:
根据预测范围的经纬度数值,定义(i,j)表示当前网格的位置,其中i代表当前网格纬度在预测范围纬度序列内的顺序,j代表当前网格经度在预测范围经度序列内的顺序;
统计正方形经纬度网格内经过的各类热带气旋的数目,并按照热带气旋的级别进行汇总,结果记录为NSuTY(i,j)、NSTY(i,j)、NTY(i,j)、NSTS(i,j)、NTS(i,j)、NTD(i,j),其中NSuTY(i,j)表示经过位置(i,j)的SuTY类热带气旋数目,以此类推;
统计各类热带气旋经过正方形经纬度网格过程中待测地区出现最大的小时瞬时极大风风速大于或等于17米/秒即出现大风的次数,并对应到相应级别,记为MSuTY(i,j)、MSTY(i,j)、MTY(i,j)、MSTS(i,j)、MTS(i,j)、MTD(i,j),其中MSuTY(i,j)表示SuTY类热带气旋经过位置(i,j)网格时引起待测地区出现大风的次数,以此类推;
计算各类热带气旋在各网格位置引发待测地区出现大风的概率:
SuTY:
STY:
TY:……;以此类推。
本发明一较佳实施例中,所述未来待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大风的概率预报系统,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,计算所述网格内所述各类热带气旋引发待测地区大风的概率,并绘制所述各类热带气旋引发所述待测地区的大风概率分布图;以及
输出模块,用于根据未来待测热带气旋的强度和路径信息,结合所述大风概率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出现大风的概率。
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;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,所述数据处理模块包括:根据预测范围的经纬度数值,定义(i,j)表示当前网格的位置,其中i代表当前网格纬度在预测范围纬度序列内的顺序,j代表当前网格经度在预测范围经度序列内的顺序;统计正方形经纬度网格内经过的各类热带气旋的数目,并按照热带气旋的级别进行汇总,结果记录为NSuTY(i,j)、NSTY(i,j)、NTY(i,j)、NSTS(i,j)、NTS(i,j)、NTD(i,j),其中NSuTY(i,j)表示经过位置(i,j)的SuTY类热带气旋数目,以此类推;统计各类热带气旋经过正方形经纬度网格过程中待测地区出现最大的小时瞬时极大风风速大于或等于17米/秒即出现大风的次数,并对应到相应级别,记为MSuTY(i,j)、MSTY(i,j)、MTY(i,j)、MSTS(i,j)、MTS(i,j)、MTD(i,j),其中MSuTY(i,j)表示SuTY类热带气旋经过位置(i,j)网格时引起待测地区出现大风的次数,以此类推;以及计算各类热带气旋在各网格位置引发待测地区出现大风的概率:
SuTY:
STY:
TY:……;以此类推。
本发明一较佳实施例中,所述未来待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大风的概率,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大风的概率预报方法的流程图。
图2是本发明实施例提供的深圳盐田港因台风影响发生大风的概率分布图。
图3是本发明实施例提供的热带气旋引发沿海地区大风的概率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大风的概率预报方法的流程图。所述概率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(位置22.57°N,114.28°E)为例,历史热带气旋数据包括了2007年至2013年的影响盐田港的所有热带气旋数据,此处年限范围是根据需要确定,可以选定其它的范围,这些数据主要包括热带气旋的强度数据和路径信息,同时收集了对应时间盐田港气象站观测到的小时瞬时极大风风速历史数据。
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。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,得到根据强度数据分类的热带气旋数据。
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,计算所述网格内所述各类热带气旋引发待测地区大风的概率,并绘制所述各类热带气旋引发所述待测地区的大风概率分布图。
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700公里范围划分为网格,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。这700公里范围的纬度范围是16.27°N至28.87°N,其经度范围是107.46°E至121.1°E,如此指定了一个矩形的预测范围。其中,以(i,j)坐标的方式表示每个网格的位置,其中i代表当前网格纬度在预测范围纬度序列内的顺序,j代表当前网格经度在预测范围经度序列内的顺序,在本实施例中,i的最大值为13(29-16=13),j最大值是15(122-107=15)。
统计正方形经纬度网格内经过的各类热带气旋的数目,并按照热带气旋的级别进行汇总,结果记录为NSuTY(i,j)、NSTY(i,j)、NTY(i,j)、NSTS(i,j)、NTS(i,j)、NTD(i,j),其中NSuTY(i,j)表示经过位置(i,j)的SuTY类热带气旋数目,以此类推。
统计各类热带气旋经过正方形网格点(i,j)过程中所引起盐田港的最大的小时瞬时极大风风速大于或等于17米/秒的次数,并对应到相应级别,记为MSuTY(i,j)、MSTY(i,j)、MTY(i,j)、MSTS(i,j)、MTS(i,j)、MTD(i,j),其中MSuTY(i,j)表示SuTY类热带气旋经过位置(i,j)时引起的大风的次数,以此类推。
计算各类热带气旋在各网格位置引发盐田港出现大风的概率:
SuTY:
STY:
TY:.....;以此类推。
各类热带气旋经过每一个网格所引起的大风的概率值得出后,连接大风概率等值线形成所述概率分布图。请参阅图2,图2是本发明实施例提供的深圳盐田港700公里范围内因台风(TY)影响而发生大风的概率分布图,五角星位置为盐田港。所述位置空间分布图中不同的灰度表示不同的概率,其中,历史上台风从未经过的内陆网格点大风概率设置为0。
S4:根据未来待测热带气旋的强度和路径信息,结合所述大风概率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出现大风的概率。
对即将到来的待测热带气旋,在得知其可能的强度的情况下,选择与该强度对应的大风概率分布图,得知其已经预测到的路径信息后,结合大风概率分布图即可预测待测热带气旋到达预测地点时待测地区出现大风的概率。
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大风的概率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,计算所述网格内所述各类热带气旋引发待测地区大风的概率,并绘制所述各类热带气旋引发所述待测地区的大风概率分布图。
输出模块40用于根据未来待测热带气旋的强度和路径信息,结合所述大风概率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出现大风的概率。
所述待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。
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,本发明首次提出了一种统计分析方法和系统定量预报热带气旋引起沿海地区发生大风的概率,为台风引发大风的预报预警提供理论参考。
本发明提供的热带气旋引发沿海地区大风的概率预测方法和系统在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 (6)
1.一种热带气旋引发沿海地区大风的概率预报方法,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,计算所述网格内所述各类热带气旋引发所述待测地区大风的概率,并绘制所述各类热带气旋引发所述待测地区的大风概率分布图;以及
根据未来待测热带气旋的强度和路径信息,结合所述大风概率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出现大风的概率;
其中,所述根据强度对所述历史热带气旋数据进行分类包括:
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;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。
2.如权利要求1所述的热带气旋引发沿海地区大风的概率预报方法,其特征在于:计算所述网格内所述各类热带气旋引发所述待测地区大风的概率的步骤包括:
根据预测范围的经纬度数值,定义(i,j)表示当前网格的位置,其中i代表当前网格纬度在预测范围纬度序列内的顺序,j代表当前网格经度在预测范围经度序列内的顺序;
统计所述正方形经纬度网格内经过的各类热带气旋的数目,并按照热带气旋的级别进行汇总,结果记录为NSuTY(i,j)、NSTY(i,j)、NTY(i,j)、NSTS(i,j)、NTS(i,j)、NTD(i,j),其中NSuTY(i,j)表示经过位置(i,j)的SuTY类热带气旋数目,以此类推;
统计各类热带气旋经过所述正方形经纬度网格过程中待测地区出现最大的小时瞬时极大风风速大于或等于17米/秒即出现大风的次数,并对应到相应级别,记为MSuTY(i,j)、MSTY(i,j)、MTY(i,j)、MSTS(i,j)、MTS(i,j)、MTD(i,j),其中MSuTY(i,j)表示SuTY类热带气旋经过位置(i,j)网格时引起待测地区出现大风的次数,以此类推;
计算各类热带气旋在各网格位置引发待测地区出现大风的概率:
SuTY:
STY:
TY:以此类推。
3.如权利要求1所述的热带气旋引发沿海地区大风的概率预报方法,其特征在于:所述未来待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。
4.一种热带气旋引发沿海地区大风的概率预报系统,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,计算所述网格内所述各类热带气旋引发待测地区大风的概率,并绘制所述各类热带气旋引发所述待测地区的大风概率分布图;以及
输出模块,用于根据未来待测热带气旋的强度和路径信息,结合所述大风概率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出现大风的概率;
其中,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;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。
5.如权利要求4所述的热带气旋引发沿海地区大风的概率预报系统,其特征在于:所述数据处理模块还用于:
根据预测范围的经纬度数值,定义(i,j)表示当前网格的位置,其中i代表当前网格纬度在预测范围纬度序列内的顺序,j代表当前网格经度在预测范围经度序列内的顺序;
统计正方形经纬度网格内经过的各类热带气旋的数目,并按照热带气旋的级别进行汇总,结果记录为NSuTY(i,j)、NSTY(i,j)、NTY(i,j)、NSTS(i,j)、NTS(i,j)、NTD(i,j),其中NSuTY(i,j)表示经过位置(i,j)的SuTY类热带气旋数目,以此类推;
统计各类热带气旋经过正方形经纬度网格过程中待测地区出现最大的小时瞬时极大风风速大于或等于17米/秒即出现大风的次数,并对应到相应级别,记为MSuTY(i,j)、MSTY(i,j)、MTY(i,j)、MSTS(i,j)、MTS(i,j)、MTD(i,j),其中MSuTY(i,j)表示SuTY类热带气旋经过位置(i,j)网格时引起待测地区出现大风的次数,以此类推;以及
计算各类热带气旋在各网格位置引发待测地区出现大风的概率:
SuTY:
STY:
TY:以此类推。
6.如权利要求4所述的热带气旋引发沿海地区大风的概率预报系统,其特征在于:所述未来待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 |
---|---|---|---|
CN201510762185.4A CN105425320B (zh) | 2015-11-10 | 2015-11-10 | 热带气旋引发沿海地区大风的概率预报方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510762185.4A CN105425320B (zh) | 2015-11-10 | 2015-11-10 | 热带气旋引发沿海地区大风的概率预报方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105425320A CN105425320A (zh) | 2016-03-23 |
CN105425320B true CN105425320B (zh) | 2018-01-05 |
Family
ID=55503644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510762185.4A Active CN105425320B (zh) | 2015-11-10 | 2015-11-10 | 热带气旋引发沿海地区大风的概率预报方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105425320B (zh) |
Families Citing this family (9)
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 |
CN106772685B (zh) * | 2016-11-24 | 2019-09-17 | 浙江省水文局 | 基于Web-GIS的相似台风匹配算法及软件支持系统 |
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 |
CN109146995A (zh) * | 2018-08-13 | 2019-01-04 | 长沙矿冶研究院有限责任公司 | 一种台风分布图绘制方法与系统 |
CN109242126A (zh) * | 2018-08-22 | 2019-01-18 | 中国人民解放军国防科技大学 | 一种针对物理过程扰动的热带气旋集合预报初始成员筛选方法 |
WO2022266910A1 (zh) * | 2021-06-24 | 2022-12-29 | 清华大学 | 台风活动的预测方法、装置、设备及存储介质 |
CN113805252B (zh) * | 2021-09-15 | 2023-03-31 | 中国气象科学研究院 | 基于集合预报模型的登陆热带气旋过程大风预报系统 |
WO2023155178A1 (zh) * | 2022-02-19 | 2023-08-24 | 中国科学院深圳先进技术研究院 | 热带气旋影响下特定区域闪电特征研究方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1922508A (zh) * | 2004-02-26 | 2007-02-28 | 瑞士再保险公司 | 用于热带气旋的位置相关的自动概率预报的方法和系统 |
CN104318503A (zh) * | 2014-10-30 | 2015-01-28 | 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 |
CN104932035A (zh) * | 2015-05-26 | 2015-09-23 | 中国科学院深圳先进技术研究院 | 一种台风强度预报方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9230219B2 (en) * | 2010-08-23 | 2016-01-05 | Institute Of Nuclear Energy Research Atomic Energy Council, Executive Yuan | Wind energy forecasting method with extreme wind speed prediction function |
-
2015
- 2015-11-10 CN CN201510762185.4A patent/CN105425320B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1922508A (zh) * | 2004-02-26 | 2007-02-28 | 瑞士再保险公司 | 用于热带气旋的位置相关的自动概率预报的方法和系统 |
CN104318503A (zh) * | 2014-10-30 | 2015-01-28 | 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 |
CN104932035A (zh) * | 2015-05-26 | 2015-09-23 | 中国科学院深圳先进技术研究院 | 一种台风强度预报方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105425320A (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105425320B (zh) | 热带气旋引发沿海地区大风的概率预报方法和系统 | |
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 | |
Zhou et al. | Forecast of low visibility and fog from NCEP: Current status and efforts | |
CN102956023B (zh) | 一种基于贝叶斯分类的传统气象数据与感知数据融合的方法 | |
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 | |
CN103400391A (zh) | 一种基于改进的随机森林的多目标跟踪方法及装置 | |
CN109426886A (zh) | 一种气候预测系统 | |
Huang et al. | A new air quality forecasting model using data mining and artificial neural network | |
CN104318503A (zh) | 一种根据台风预报降雨的系统及方法 | |
CN108133279A (zh) | 风电功率概率预测方法、存储介质及设备 | |
De Luca et al. | Extreme rainfall in the Mediterranean | |
CN106779222A (zh) | 机场地面等待时间预测方法及装置 | |
CN108021786A (zh) | 一种沿海多地风暴潮联合自然强度分析方法 | |
Campbell et al. | Structure and motion of severe-wind-producing mesoscale convective systems and derechos in relation to the mean wind | |
CN106611191A (zh) | 基于不确定连续属性的决策树分类器构建方法 | |
McGovern et al. | Enhanced spatiotemporal relational probability trees and forests | |
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 | |
Han et al. | Study on earthquake prediction model based on traffic disaster data | |
Yang et al. | Research on forest fire helicopter demand forecast based on index fuzzy segmentation and TOPSIS | |
Supinie et al. | Spatiotemporal relational random forests | |
Tao et al. | Objective pattern discrimination model for dust storm forecasting | |
CN113486093B (zh) | 一种台风路径相似度评估方法 | |
Gang | Risk analysis and evaluation of wind electric farm construction | |
CN111624681A (zh) | 一种基于数据挖掘的飓风强度变化预测方法 |
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 |