CN108196316B - 一种自动校正的瞬时大风预警方法 - Google Patents

一种自动校正的瞬时大风预警方法 Download PDF

Info

Publication number
CN108196316B
CN108196316B CN201711426505.4A CN201711426505A CN108196316B CN 108196316 B CN108196316 B CN 108196316B CN 201711426505 A CN201711426505 A CN 201711426505A CN 108196316 B CN108196316 B CN 108196316B
Authority
CN
China
Prior art keywords
value
wind speed
cloud cluster
instantaneous
gale
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
Application number
CN201711426505.4A
Other languages
English (en)
Other versions
CN108196316A (zh
Inventor
孙海元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Fengfenglei Technology Co Ltd
Original Assignee
Guangzhou Fengfenglei Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Fengfenglei Technology Co Ltd filed Critical Guangzhou Fengfenglei Technology Co Ltd
Priority to CN201711426505.4A priority Critical patent/CN108196316B/zh
Publication of CN108196316A publication Critical patent/CN108196316A/zh
Application granted granted Critical
Publication of CN108196316B publication Critical patent/CN108196316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及自动校正的瞬时大风预警方法，包括步骤：当目标云团内存在雷达回波强度值大于或者等于55dBZ的区域，且该区域的面积大于或者等于预设的面积，且所述垂直液态含水量VIL的变化趋势值大于或者等于1时，获取目标云团的移动方向和移动速度；获得目标云团移动方向修正值W、地形地貌修正值K、以及在55dBZ时产生瞬时大风的风速经验值U0；根据当前回波强度最大值P、W、K、U0获取被监控点的瞬时大风预报风速值S；当瞬时大风预报风速值S大于设置的预警风速门槛值时发出瞬时大风报警；根据目标云团离被监控点的距离和目标云团的移动速度实时计算目标云团到达被监控点的时间T0；根据所述时间T0的变化向被监控点发出不同级别的报警。

Description

一种自动校正的瞬时大风预警方法
技术领域
本发明涉及气象预警技术领域，特别是涉及一种自动校正的瞬时大风预警方法。
背景技术
强对流天气是气象学上所指的发生突然、移动迅速、天气剧烈、破坏力极强的灾害性天气，主要有雷雨、大风、冰雹、龙卷风、局部强降雨等。
突发的瞬时强对流大风往往造成重大灾害，春夏两季尤为突出，我国每年都要发生过100次瞬时大风引发的人员伤亡的重大事故。比如2016年东莞麻涌瞬时大风造成一工地塔吊倒塌引发18人死亡的重大安全事故。
局部的瞬时大风一般是局部的强对流天气引发，而且与地形地貌、高度等关，目前的天气预报技术对这类局部小尺度瞬时大风预报难度很大。
发明内容
本发明的目的是提供一种自动校正的瞬时大风预警方法，可准确预报局部地区的瞬时大风状况。
一种自动校正的瞬时大风预警方法，包括：
获取目标云团的垂直液态含水量VIL的变化趋势值；
当目标云团内存在雷达回波强度值大于或者等于55dBZ的区域，且该区域的面积大于或者等于预设的面积，且所述垂直液态含水量VIL的变化趋势值大于或者等于1时，获取目标云团的移动方向和移动速度；
当目标云团的移动方向指向被监控点时，根据目标云团的移动方向从存储的历史数据查出目标云团移动方向修正值W；
从存储的历史数据获取前5次现场风速仪测的实际风速和对应预报风速；
根据前5次现场风速仪测的实际风速和对应预报风速的误差计算地形地貌修正值K；
从存储的历史数据查出雷达回波强度值在55dBZ时产生瞬时大风的风速经验值U0；
根据当前回波强度最大值P、云团移动方向修正值W、地形地貌修正值K、55dBZ时产生瞬时大风的风速经验值U0获取被监控点的瞬时大风预报风速值S；
当瞬时大风预报风速值S大于设置的预警风速门槛值时发出瞬时大风报警；
根据目标云团离被监控点的距离和目标云团的移动速度实时计算目标云团到达被监控点的时间T0；
根据所述时间T0的变化向被监控点发出不同级别的报警。
在本发明中，先依据目标云团内存在雷达回波强度值大于或者等于55dBZ的区域，且该区域的面积大于或者等于预设的面积，且所述垂直液态含水量VIL的变化趋势值大于或者等于1，判断可能产生大风的云团，然后可根据云团移动方向修正值W、地形地貌修正值K、55dBZ时产生瞬时大风的风速经验值U0获取被监控点的瞬时大风预报风速值S，使得瞬时大风预警准确率提高到80％，没有自动校正预报准确率低于50％。
附图说明
附图是用来提供对本发明的进一步理解，并构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但不应构成对本发明的限制。在附图中，
图1为自动校正的瞬时大风预警方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。
图1为自动校正的瞬时大风预警方法的流程示意图，包括步骤：
S1、获取目标云团的垂直液态含水量VIL的变化趋势值；
垂直液态含水量VIL的变化趋势值为最近三次垂直液态含水量VIL的变化趋势值的平均值。
具体的，多普勒雷达的VIL值与雷达回波强度、雷达回波高度、云团底部面积有关。每个雷达有自己的VIL计算公式，利用该雷达的特定公式计算VIL值，滚动连续的2个VIL来计算VIL的变化趋势A，A＝VIL2/VIL1，VIL2为当前值，VIL1为前一次值。VIL2大于VIL1时表明云团中的液态水含量在增加，即从地面补充的水比降的雨多，云团在增强。
计算最近三次垂直液态含水量VIL的变化趋势值的平均值时，滚动计算最近3次A的算术平均值A3，如果A3大于1，在VIL在持续增大，表明强对流在加强，产生瞬时大风的几率增大。
“滚动计算”是这样计算的：An为当前值，An-1为前一次值，An-2为前前次值，A3＝(An+An-1+An-2)/3，随着时间的推移，新来A值的数据替换了An，原来的An替换了An-1，原来的An-1替换了An-2，即每次新的数据回来，把数据向前滚动一次，前前次的数据就被排除了，始终保持最近的3个A值参与计算。
S2、当目标云团内存在雷达回波强度值大于或者等于55dBZ的区域，且该区域的面积大于或者等于预设的面积，且所述垂直液态含水量VIL的变化趋势值大于或者等于1时，获取目标云团的移动方向和移动速度；
具体的，计算目标云团内最大回波块的回波强度值P，一块云团被雷达扫描称为1km×1km的小块，每块都有一个回波强度值P，如果这个云团内有某些云团块的回波强度值大于或者等于55dB(回波强度值表示降雨的强度，数值从10～70，55dB以上就是强雷雨大风了)，面积不小于预设的面积(可以是5km2)的含义是要产生瞬时大风需要几公里内都是强回波才能形成，单块(面积1km×1km)的55dB以上的回波不会形成大风。A3大于或者等于1是表明雷雨大风还在加强，没有衰减，这一步计算是雷雨大风还没到达本地的计算，属于黄色预警阶段，必须保障雷雨大风在加强，否则没走多远的衰减了。
利用光流法计算该目标云团的移动方向F和移动速度U。
S3、当目标云团的移动方向指向被监控点时，根据目标云团的移动方向从存储的历史数据查出目标云团移动方向修正值W；
具体的，W为与云团移动方向的关联修正值，W主要是和局部(经纬度位置)的湿、冷气流方向(云团移动方向)有关，比如，珠江三角洲，从北部湾(西南部)过来的云团引起的瞬时大风比其他方向过来的都要强。W通过多年气象统计数据得出的一个经验值，在服务器里建立云团方向关联和经纬度(位置)关联的W值数据库，用户登录后初始化时获取登录地的经纬度，计算过程中动态获取云团移动的方向F，然后用经纬度和F值在数据库里自动匹配一个W。然后将F和关联的W存入数据库。
S4、从存储的历史数据获取前5次现场风速仪测的实际风速和对应预报风速；S5、根据前5次现场风速仪测的实际风速和对应预报风速的误差计算地形地貌修正值K；
具体的，根据前5次现场风速仪测的实际风速和对应预报风速的误差计算地形地貌修正值K的步骤包括：
从历史数据库读取为最近5次计算出的预报最大风速S1、S2、S3、S4、S5和对应的实测风速V1、V2、V3、V4、V5；
计算最近5个地形地貌修正值：K1＝V1/S1，K2＝V2/S2，K3＝V3/S3，K4＝V4/S4，K5＝V5/S5；
计算5个地形地貌修正值的平均值，K＝(K1+K2+K3+K4+K5)/5。
S6、从存储的历史数据查出雷达回波强度值在55dBZ时产生瞬时大风的风速经验值U0；
具体的，依据被监控点的经纬度从存储的历史数据中查询对应的瞬时大风的风速经验值U0。
其中，U0为经验值,和季节有关，跟区域性气候特征有关，通过多年气象统计数据得出的一个经验值(该值没有考虑当地地形地貌因素，云团移动方向因素等，所以，误差比较大，一般在30～200％)，在服务器里建立时间关联和经纬度(位置)关联的U0数据库，用户登录后初始化时获取当前时间和登录地的经纬度，然后根据这两个参数到数据库里自动匹配一个U0。
S7、根据当前回波强度最大值P、云团移动方向修正值W、地形地貌修正值K、55dBZ时产生瞬时大风的风速经验值U0获取被监控点的瞬时大风预报风速值S；
具体的，根据如下公式获取被监控点的瞬时大风预报风速值S：
被监控点的瞬时大风预报风速值S＝(P/55)×W×K×U0，其中，当前回波强度最大值P、云团移动方向修正W值、地形地貌修正值K、55dBZ时产生瞬时大风的风速经验值U0。
S8、当瞬时大风预报风速值S大于设置的预警风速门槛值时发出瞬时大风报警；
S9、根据目标云团离被监控点的距离和目标云团的移动速度实时计算目标云团到达被监控点的时间T0；
S10、根据所述时间T0的变化向被监控点发出不同级别的报警。
例如：当T0小于等于90分钟发出瞬时大风黄色预警，T0小于等于60分钟发出瞬时大风橙色预警，T0小于等于30分钟发出瞬时大风红色预警。给用户提示瞬时大风预报风速值S，用户根据S和T0按照应急预案采取防护措施，避免产生重大灾害。
当目标云团达到被监控点时，利用风速仪测得实际风速，将实际风速和瞬时大风预报风速值S关联存储。
在本发明中，先依据目标云团内存在雷达回波强度值大于或者等于55dBZ的区域，且该区域的面积大于或者等于预设的面积，且所述垂直液态含水量VIL的变化趋势值大于或者等于1，判断可能产生大风的云团，然后可根据云团移动方向修正值W、地形地貌修正值K、55dBZ时产生瞬时大风的风速经验值U0获取被监控点的瞬时大风预报风速值S，使得瞬时大风预警准确率提高到80％，没有自动校正预报准确率低于50％。
只要不违背本发明创造的思想，对本发明的各种不同实施例进行任意组合，均应当视为本发明公开的内容；在本发明的技术构思范围内，对技术方案进行多种简单的变型及不同实施例进行的不违背本发明创造的思想的任意组合，均应在本发明的保护范围之内。

Claims (4)

1.一种自动校正的瞬时大风预警方法，其特征在于，包括：
获取目标云团的垂直液态含水量VIL的变化趋势值；
当目标云团内存在雷达回波强度值大于或者等于55dBZ的区域，且该区域的面积大于或者等于预设的面积，且所述垂直液态含水量VIL的变化趋势值大于或者等于1时，获取目标云团的移动方向和移动速度；
当目标云团的移动方向指向被监控点时，根据目标云团的移动方向从存储的历史数据查出目标云团移动方向修正值W；
从存储的历史数据获取前5次现场风速仪测的实际风速和对应预报风速；
根据前5次现场风速仪测的实际风速和对应预报风速的误差计算地形地貌修正值K；
从存储的历史数据查出雷达回波强度值在55dBZ时产生瞬时大风的风速经验值U0；
根据当前回波强度最大值P、云团移动方向修正值W、地形地貌修正值K、55dBZ时产生瞬时大风的风速经验值U0获取被监控点的瞬时大风预报风速值S；其中，根据如下公式获取被监控点的瞬时大风预报风速值S：被监控点的瞬时大风预报风速值S＝(P/55)×W×K×U0，其中，当前回波强度最大值P、云团移动方向修正W值、地形地貌修正值K、55dBZ时产生瞬时大风的风速经验值U0；
当瞬时大风预报风速值S大于设置的预警风速门槛值时发出瞬时大风报警；
根据目标云团离被监控点的距离和目标云团的移动速度实时计算目标云团到达被监控点的时间T0；
根据所述时间T0的变化向被监控点发出不同级别的报警。
2.如权利要求1所述的自动校正的瞬时大风预警方法，其特征在于，根据前5次现场风速仪测的实际风速和对应预报风速的误差计算地形地貌修正值K的步骤包括：
从历史数据库读取为最近5次计算出的预报最大风速S1、S2、S3、S4、S5和对应的实测风速V1、V2、V3、V4、V5；
计算最近5个地形地貌修正值：K1＝V1/S1，K2＝V2/S2，K3＝V3/S3，K4＝V4/S4，K5＝V5/S5；
计算最近5个地形地貌修正值的平均值：K＝(K1+K2+K3+K4+K5)/5。
3.如权利要求1所述的自动校正的瞬时大风预警方法，其特征在于，所述垂直液态含水量VIL的变化趋势值为最近三次垂直液态含水量VIL的变化趋势值的平均值。
4.如权利要求1所述的自动校正的瞬时大风预警方法，其特征在于，从存储的历史数据查出雷达回波强度值在55dBZ时产生瞬时大风的风速经验值U0包括步骤：依据被监控点的经纬度从存储的历史数据中查询对应的瞬时大风的风速经验值U0。
CN201711426505.4A 2017-12-26 2017-12-26 一种自动校正的瞬时大风预警方法 Active CN108196316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711426505.4A CN108196316B (zh) 2017-12-26 2017-12-26 一种自动校正的瞬时大风预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711426505.4A CN108196316B (zh) 2017-12-26 2017-12-26 一种自动校正的瞬时大风预警方法

Publications (2)

Publication Number Publication Date
CN108196316A CN108196316A (zh) 2018-06-22
CN108196316B true CN108196316B (zh) 2020-03-31

Family

ID=62583954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711426505.4A Active CN108196316B (zh) 2017-12-26 2017-12-26 一种自动校正的瞬时大风预警方法

Country Status (1)

Country Link
CN (1) CN108196316B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113406938A (zh) * 2021-06-29 2021-09-17 中铁八局集团第一工程有限公司 建筑施工的智能化管理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102122004A (zh) * 2010-12-17 2011-07-13 北京佳讯飞鸿电气股份有限公司 铁路防灾风预测方法
CN105023292A (zh) * 2015-06-24 2015-11-04 陕西宝成航空仪表有限责任公司 数字云团的仿真建模方法
CN105022101A (zh) * 2015-06-23 2015-11-04 国家卫星气象中心 强对流云团追踪方法
CN105068151A (zh) * 2015-07-31 2015-11-18 中国科学技术大学 一种雨团识别及其特征参数的构建方法和装置
JP2016109576A (ja) * 2014-12-08 2016-06-20 国立研究開発法人防災科学技術研究所 視程予測システム及び視程予測方法
CN107356926A (zh) * 2017-06-08 2017-11-17 湖南师范大学 基于Hu矩的差值云团外推降雨预测算法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102122004A (zh) * 2010-12-17 2011-07-13 北京佳讯飞鸿电气股份有限公司 铁路防灾风预测方法
JP2016109576A (ja) * 2014-12-08 2016-06-20 国立研究開発法人防災科学技術研究所 視程予測システム及び視程予測方法
CN105022101A (zh) * 2015-06-23 2015-11-04 国家卫星气象中心 强对流云团追踪方法
CN105023292A (zh) * 2015-06-24 2015-11-04 陕西宝成航空仪表有限责任公司 数字云团的仿真建模方法
CN105068151A (zh) * 2015-07-31 2015-11-18 中国科学技术大学 一种雨团识别及其特征参数的构建方法和装置
CN107356926A (zh) * 2017-06-08 2017-11-17 湖南师范大学 基于Hu矩的差值云团外推降雨预测算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"11.04.17"南沙区一次罕见强对流天气过程分析;曹亚平等;《广东气象》;20120820;第34卷(第4期);第18-21、34页 *

Also Published As

Publication number Publication date
CN108196316A (zh) 2018-06-22

Similar Documents

Publication Publication Date Title
Geerts et al. The 2015 plains elevated convection at night field project
Smith et al. Catastrophic rainfall from an upslope thunderstorm in the central Appalachians: The Rapidan storm of June 27, 1995
Smedman-Högström et al. A practical method for determining wind frequency distributions for the lowest 200 m from routine meteorological data
CN106526708A (zh) 一种基于机器学习的气象强对流天气的智能预警分析方法
CN107316095A (zh) 一种耦合多源数据的区域气象干旱等级预测方法
Kaltenboeck et al. Radar-based severe storm climatology for Austrian complex orography related to vertical wind shear and atmospheric instability
CN104182594A (zh) 一种电力系统风区图的绘制方法
CN108595872A (zh) 一种电网在线安全稳定分析方法
CN108196316B (zh) 一种自动校正的瞬时大风预警方法
CN104050518B (zh) 一种基于多普勒天气雷达的电网对流致灾大风预警方法
CN111310983A (zh) 一种针对登陆广东台风引发宁波暴雨的预报方法
Schroeter et al. Forecasting the impacts of severe weather
Konow Tall wind profiles in heteorogeneous terrain
Sánchez et al. Analysis of mesoscale convective systems with hail precipitation
CN108399507B (zh) 一种台风致灾影响的评估方法和装置
US10345485B2 (en) Forensic weather system
CN110824585A (zh) 一种测定复杂地形区大风起风机制的方法
Kaliski et al. Improving predictions of wind turbine noise using PE modeling
Umakanth et al. Increasing pre-monsoon rain days over four stations of Kerala, India
Buckley et al. The Sydney hailstorm of April 14, 1999: Synoptic descriptionand numerical simulation
Soler-Bientz et al. Evaluation of the wind shear at a site in the north-west of the Yucatán peninsula, Mexico
Khalfa et al. Comparative study of wind speed extrapolation methods for sites with different roughness
JP2021039017A (ja) 運行情報提示装置及び運行情報提示方法
Rusmala et al. Identification of small toenado event using weather radar and Himawari-8 products (case study: puting beliung event on November 22, 2018 in Jakarta)
Huang et al. Mesoscale characteristics of a rare severe hailstorm event

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Room 1001, room 23, No. 23, Tianan headquarters, No. 555, Panyu Avenue, east ring street, Panyu District, Panyu District, Guangdong

Applicant after: Guangzhou fengfenglei Technology Co., Ltd.

Address before: Room 1001, room 23, No. 23, Tianan headquarters, No. 555, Panyu Avenue, east ring street, Panyu District, Panyu District, Guangdong

Applicant before: Guangzhou science and Technology Co., Ltd..

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant