CN109444989B - 台风预报方法、系统、可读存储介质和设备 - Google Patents

台风预报方法、系统、可读存储介质和设备 Download PDF

Info

Publication number
CN109444989B
CN109444989B CN201811623060.3A CN201811623060A CN109444989B CN 109444989 B CN109444989 B CN 109444989B CN 201811623060 A CN201811623060 A CN 201811623060A CN 109444989 B CN109444989 B CN 109444989B
Authority
CN
China
Prior art keywords
typhoon
information
forecast
data
forecasting
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
CN201811623060.3A
Other languages
English (en)
Other versions
CN109444989A (zh
Inventor
陈淑敏
方容
刘昊亚
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN201811623060.3A priority Critical patent/CN109444989B/zh
Publication of CN109444989A publication Critical patent/CN109444989A/zh
Application granted granted Critical
Publication of CN109444989B publication Critical patent/CN109444989B/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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather

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

本发明涉及一种台风预报方法、系统、可读存储介质和设备，属于气象技术领域，获取预设时间点的全球预报数据，主要采用涡旋识别系统对全球预报数据进行识别，涡旋识别系统可以识别台风形成的涡旋结构，可在较短时间内识别出全球预报数据的台风路径信息和强度信息，以此进行台风预报。在此方案中，涡旋识别系统可以先识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。

Description

台风预报方法、系统、可读存储介质和设备
技术领域
本发明涉及气象技术领域，特别是涉及一种台风预报方法、系统、可读存储介质和设备。
背景技术
数值预报模式的发展让预报台风的路径、强度、降水和风向风速的结构等成为可能。传统的台风预报系统普遍依赖中尺度数值预报模式搭建。
在忽略诸如资料同化等随不同预报系统而异的修正模块的情况下，传统的台风预报系统主要是利用中尺度数值预报模式对天气系统的全球预报数据进行处理，并对台风信息进行预报；天气系统信息的数据一般能提供10天以上的预报，但预报信息的准确度就随着预报时长逐步递减，因此只有前3天左右的预报信息较为准确可信，天气系统信息的数据获取时间随实际网速而定，一般可在1-3小时左右完成。
在对天气系统信息进行处理时，中尺度数值预报模式的计算区域必须固定且要覆盖绝大部分台风的活动范围，因此计算区域一般较大，运行时间一般较长，至少约为6-24小时左右，在运算速度较快的天河二号计算机上，40个左右的CPU同时进行运算，需要算6-8小时左右；在浪潮、曙光等计算机上，有时也要24小时左右，具体时长跟计算机性能有关。在计算得到台风信息后，需要对其进行汇总和发布，处理的总时间约在1小时左右。
因此，中尺度数值预报模式运行时间过长，是传统台风预报系统中最大的缺陷之一。因为天气系统信息的数据只有3天左右的准确信息，且准确度在这3天内也是逐日递减的，而花费在台风预报系统所有流程的时间至少是半天到1天左右，浪费了全球预报数据中准确度最高的第1天预报数据，传统台风预报系统不仅拖慢了预报信息的发布，而且降低了预报的准确度。
发明内容
基于此，有必要针对传统的台风预报系统预报信息耗时长，预报准确度低的问题，提供一种台风预报方法、系统、可读存储介质和设备。
一种台风预报方法，包括以下步骤：
获取预设时间点的全球预报数据；
通过涡旋识别系统对全球预报数据进行识别，获取台风的第一路径信息和第一强度信息；
根据第一路径信息和第一强度信息发布台风预报。
根据上述的台风预报方法，获取预设时间点的全球预报数据，主要采用涡旋识别系统对全球预报数据进行识别，涡旋识别系统可以识别台风形成的涡旋结构，可在较短时间内识别出全球预报数据的台风路径信息和强度信息，以此进行台风预报。在此方案中，涡旋识别系统可以先识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。
在其中一个实施例中，台风预报方法还包括以下步骤：
根据第一路径信息和陆地区域确定目标预报区域，采用中尺度数值预报模式从全球预报数据中获取目标预报区域的降水信息和风速风向信息；
根据第一路径信息和第一强度信息发布台风预报的步骤包括以下步骤：
根据第一路径信息、第一强度信息、降水信息和风速风向信息发布台风预报。
在其中一个实施例中，通过涡旋识别系统对全球预报数据进行识别的步骤之后，还包括以下步骤：
获取台风的位置信息，根据位置信息判断台风是否逼近陆地区域，若否，执行根据第一路径信息、第一强度信息、降水信息和风速风向信息发布台风预报的步骤；
若是，采用中尺度数值预报模式从全球预报数据中获取台风的第二路径信息和第二强度信息；
根据第二路径信息、第二强度信息、降水信息和风速风向信息发布台风预报。
在其中一个实施例中，在通过涡旋识别系统对全球预报数据进行识别的步骤之前，还包括以下步骤：
每隔预设时间段，获取一个预设时间点的全球预报数据，获取对应该预设时间点的台风的第一强度信息；
若该预设时间点的台风的第一强度信息大于或等于预设强度信息，缩短预设时间段，根据缩短后的时间段确定临时时间点，获取临时时间点的全球预报数据。
在其中一个实施例中，通过涡旋识别系统对全球预报数据进行识别，获取台风的第一路径信息和第一强度信息的步骤包括以下步骤：
对全球预报数据进行滤波处理，获取滤波后的数据中预设高度位置的目标数据，根据目标数据获取台风的中心位置，根据不同预设时间点的台风的中心位置确定第一路径信息；
根据风压定律和目标数据获取台风的中心位置的最低气压和最大风速，第一强度信息包括最低气压和最大风速。
在其中一个实施例中，台风预报方法还包括以下步骤：
根据对应第一个预设时间点的最低气压和最大风速确定台风的初始强度等级，获取对应台风初始强度等级的预设修订参数；
根据预设修订参数对最低气压和最大风速进行校正，第一强度信息包括校正后的最低气压和校正后的最大风速。
在其中一个实施例中，采用中尺度数值预报模式从全球预报数据中获取台风的第二路径信息和第二强度信息的步骤包括以下步骤：
根据目标预报区域划定中尺度数值预报模式的内网格和外网格，其中，目标预报区域位于内网格的中心，外网格的边缘与内网格的边缘相隔预设距离；
选取备用的参数化方案设置中尺度数值预报模式的物理参数，采用中尺度数值预报模式获取在内网格中的台风的第二路径信息和第二强度信息。
一种台风预报系统，包括：
数据获取单元，用于获取预设时间内的全球预报数据；
涡旋分析单元，用于通过涡旋识别系统对全球预报数据进行识别，获取台风的第一路径信息和第一强度信息；
数据发布单元，用于根据第一路径信息和第一强度信息发布台风预报。
根据上述的台风预报系统，数据获取单元获取预设时间点的全球预报数据，涡旋分析单元主要采用涡旋识别系统对全球预报数据进行识别，涡旋识别系统可以识别台风形成的涡旋结构，可在较短时间内识别出全球预报数据的台风路径信息和强度信息，数据发布单元以此进行台风预报。在此方案中，涡旋识别系统可以先识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。
在其中一个实施例中，台风预报系统还包括数值预报分析单元；
数值预报分析单元用于根据第一路径信息和陆地区域确定目标预报区域，采用中尺度数值预报模式从全球预报数据中获取目标预报区域的降水信息和风速风向信息；
数据发布单元根据第一路径信息、第一强度信息、降水信息和风速风向信息发布台风预报。
在其中一个实施例中，涡旋分析单元还用于获取台风的位置信息，根据位置信息判断台风是否逼近陆地区域；
若否，数据发布单元根据第一路径信息、第一强度信息、降水信息和风速风向信息发布台风预报；
若是，数值预报分析单元采用中尺度数值预报模式从全球预报数据中获取台风的第二路径信息和第二强度信息；
数据发布单元根据第二路径信息、第二强度信息、降水信息和风速风向信息发布台风预报。
在其中一个实施例中，数据获取单元每隔预设时间段，获取一个预设时间点的全球预报数据，涡旋分析单元获取对应该预设时间点的台风的第一强度信息；
数据获取单元在该预设时间点的台风的第一强度信息大于或等于预设强度信息时，缩短预设时间段，根据缩短后的时间段确定临时时间点，获取临时时间点的全球预报数据。
在其中一个实施例中，涡旋分析单元对全球预报数据进行滤波处理，获取滤波后的数据中预设高度位置的目标数据，根据目标数据获取台风的中心位置，根据不同预设时间点的台风的中心位置确定第一路径信息；根据风压定律和目标数据获取台风的中心位置的最低气压和最大风速，第一强度信息包括最低气压和最大风速。
在其中一个实施例中，涡旋分析单元根据对应第一个预设时间点的最低气压和最大风速确定台风的初始强度等级，获取对应台风初始强度等级的预设修订参数；根据预设修订参数对最低气压和最大风速进行校正，第一强度信息包括校正后的最低气压和校正后的最大风速。
在其中一个实施例中，数值预报分析单元根据目标预报区域划定中尺度数值预报模式的内网格和外网格，选取备用的参数化方案设置中尺度数值预报模式的物理参数，采用中尺度数值预报模式获取在内网格中的台风的第二路径信息和第二强度信息；其中，目标预报区域位于内网格的中心，外网格的边缘与内网格的边缘相隔预设距离。
一种可读存储介质，其上存储有可执行程序，可执行程序被处理器执行时实现上述的台风预报方法的步骤。
上述可读存储介质，通过其存储的可执行程序，可以实现通过涡旋识别系统识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。
一种台风预报设备，包括存储器和处理器，存储器存储有可执行程序，处理器执行可执行程序时实现上述的台风预报方法的步骤。
上述台风预报设备，通过在处理器上运行可执行程序，可以实现通过涡旋识别系统识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。
附图说明
图1为一个实施例中的台风预报方法的流程示意图；
图2为一个实施例中的台风预报方法的预报效果比较示意图；
图3为一个实施例中的低通滤波效果示意图；
图4为一个实施例中的中尺度数值预报模式的内网格和外网格的示意图；
图5为传统的台风预报方式的流程示意图；
图6为传统的台风预报方式的计算区域示意图；
图7为一个实施例中的台风路径和强度的预报结果示意图；
图8为一个实施例中的台风降水的预报结果示意图；
图9为一个实施例中的台风风向风速的预报结果示意图；
图10为实际台风的降水分布示意图；
图11为实际台风的风向风速示意图；
图12为一个实施例中的台风预报系统的结构示意图；
图13为另一个实施例中的台风预报系统的结构示意图。
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。
需要说明的是，本发明实施例所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本申请提供的台风预报方法，可以应用于气象预报的应用场景中，在Linux系统并行环境下半自动操作运行。
参见图1所示，为本发明一个实施例的台风预报方法的流程示意图。该实施例中的台风预报方法包括以下步骤：
步骤S110：获取预设时间点的全球预报数据；
在本步骤中，全球预报数据是传统天气预报系统中每天实时监测得到的天气预报数据，全球预报数据会定时更新发布，以全球预报数据为基础，可以对台风进行预测，预设时间点可以根据需要进行设置；
步骤S120：通过涡旋识别系统对全球预报数据进行识别，获取台风的第一路径信息和第一强度信息；
在本步骤中，涡旋识别系统是对气象数据中涡旋结构特征可以进行识别的系统，由于台风一般是指活动于西北太平洋热带区域，强度达到热带风暴等级以上的热带气旋，台风总体风向呈逆时针旋转，通过涡旋识别系统可以在全球预报数据中识别出台风的数据；
步骤S130：根据第一路径信息和第一强度信息发布台风预报。
在本步骤中，根据台风的路径和强度可以发布台风预报，进行预警，及时做到防灾减灾。
在本实施例中，获取预设时间点的全球预报数据，主要采用涡旋识别系统对全球预报数据进行识别，涡旋识别系统可以识别台风形成的涡旋结构，可在较短时间内识别出全球预报数据的台风路径信息和强度信息，以此进行台风预报。在此方案中，涡旋识别系统可以先识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。
需要说明的是，传统的中尺度数值预报模式计算范围过大，本申请的方案通过涡旋识别系统可以确定台风的位置信息，对台风附近的气象数据进行计算分析，减小计算范围，加快处理进程。
在一个实施例中，台风预报方法还包括以下步骤：
根据第一路径信息和陆地区域确定目标预报区域，采用中尺度数值预报模式从全球预报数据中获取目标预报区域的降水信息和风速风向信息；
根据第一路径信息和第一强度信息发布台风预报的步骤包括以下步骤：
根据第一路径信息、第一强度信息、降水信息和风速风向信息发布台风预报。
在本实施例中，陆地区域是固定已知的，利用第一路径信息和陆地区域可以确定目标预报区域，目标预报区域是台风路径经过并会造成影响的一部分陆地区域，台风的影响主要是目标区域的降水和风势，利用中尺度数值预报模式可以得到目标预报区域的降水信息和风速风向信息，使台风预报中的天气信息更加丰富和准确，为后续的台风预警措施提供数据支持。
在一个实施例中，通过涡旋识别系统对全球预报数据进行识别的步骤之后，还包括以下步骤：
获取台风的位置信息，根据位置信息判断台风是否逼近陆地区域，若否，执行根据第一路径信息、第一强度信息、降水信息和风速风向信息发布台风预报的步骤；
若是，采用中尺度数值预报模式从全球预报数据中获取台风的第二路径信息和第二强度信息；
根据第二路径信息、第二强度信息、降水信息和风速风向信息发布台风预报。
在本实施例中，台风预报受其初始结构影响较大，而全球预报数据中考虑的地形资料分辨率较低，当台风部分结构已经接触到陆地区域时，通过涡旋识别系统得到的路径信息和强度信息容易出现较大的预报误差，此时可以采用中尺度数值预报模式获取台风的第二路径信息和第二强度信息，由于中尺度数值预报模式中的中小尺度预报信息较全球预报数据的准确，因此在台风逼近陆地区域时，台风的第二路径信息和第二强度信息相对于第一路径信息和第一强度信息更为准确，从而保证台风逼近陆地区域时的预报准确性。
需要说明的是，台风一般产生在洋面上，并逐渐逼近陆地区域，台风是否逼近陆地区域，可以用台风风圈与陆地区域的接触范围来判断，台风具有不同的风圈，如七级风圈和十级风圈等，以七级风圈为例，在有25％的七级风圈范围接触到陆地区域时，判定台风已逼近陆地区域。
在一个实施例中，在通过涡旋识别系统对全球预报数据进行识别的步骤之前，还包括以下步骤：
每隔预设时间段，获取一个预设时间点的全球预报数据，获取对应该预设时间点的台风的第一强度信息；
若该预设时间点的台风的第一强度信息大于或等于预设强度信息，缩短预设时间段，根据缩短后的时间段确定临时时间点，获取临时时间点的全球预报数据。
在本实施例中，预设时间点可以有多个，预设时间点之间的时间间隔即为预设时间段，每经过预设时间段，在预设时间点获取全球预报数据，由于全球预报数据会随着时间的推移不断变化，因此需要根据全球预报数据的变化，在不同的预设时间点不断地进行台风预报，在某一预设时间点得到台风的第一强度信息后，判断其是否大于或等于预设强度信息，如是，表明台风的危害性较高，需要时刻关注其变化，此时可以缩短预设时间段，获取更短时间段后的临时时间点的全球预报数据，以此进行台风预报，更进一步地预报台风的变化。
具体的，全球预报数据可以是GFS、ECMWF和CRA等，这几种数据能较准确描绘大尺度的天气系统的结构特征等信息，但对数据中的其他中小尺度天气系统信息的误差较大，所以无法直接预报属于中尺度天气系统的台风的演变情况；以全球预报数据是GFS为例，GFS系统会在每天的05时、11时、17时和23时前后发布分别对应当天02时、08时、14时和20时的全球预报数据。
在使用前可以通过网络下载0.25°×0.25°分辨率的数据，如网络传输速度过慢，则需下载0.5°×0.5°分辨率的数据。服务器可以提供逐小时1次共384小时的全球气压、风场、温度场、湿度场和降水等预报，在本申请的方案中仅需下载逐6小时1次共72小时包含所有变量的预报数据。
由于本申请的方案的运行时间基本可控制在3小时以内，所以能够在每天的08时、14时、20时和次日的02时发布分别由之前02时、08时、14时和20时的GFS数据计算处理得到的台风预报。
在台风预报的过程中，若预计台风的强度较大，危害性可能较高时，如超强台风“山竹”等，可以在GFS最新数据更新时，及时下载少量最新数据(每次下载量不一，依据实际网络传输速度确定)，替换最近一次预报中所采用的GFS数据，重新整合计算，发布新的一则即时台风预报，如图2所示。
在一个实施例中，通过涡旋识别系统对全球预报数据进行识别，获取台风的第一路径信息和第一强度信息的步骤包括以下步骤：
对全球预报数据进行滤波处理，获取滤波后的数据中预设高度位置的目标数据，根据目标数据获取台风的中心位置，根据不同预设时间点的台风的中心位置确定第一路径信息；
根据风压定律和目标数据获取台风的中心位置的最低气压和最大风速，第一强度信息包括最低气压和最大风速。
在本实施例中，在通过涡旋识别系统对全球预报数据进行识别的过程中，对全球预报数据进行滤波处理，可以滤除台风内部的小尺度天气系统数据，减小台风位置的预计偏差；台风的高度位置不一，可以将滤波后的预设高度位置的数据作为目标数据，以此为参考获取台风的中心位置，每个预设时间点都对应一个中心位置，根据不同的中心位置可以预计台风第一路径信息，同时根据风压定律从目标数据中获取台风的中心位置的最低气压和最大风速作为第一强度信息，通过最低气压和最大风速可预计台风的等级大小以及对天气的影响。
需要说明的是，涡旋识别系统可以直接用于读取全球预报数据，预报台风的路径和强度，以分摊传统台风预报系统中的中尺度数值预报模式绝大部分的计算量，节省计算资源和计算时间。
传统台风预报系统中，在预报数据的处理和发布阶段，会使用涡旋识别模块，但是在全球预报数据中，较小尺度天气系统的信息误差较大，容易引起涡旋识别模块对台风中心位置的读取出现偏差，从而影响台风路径预报的准确度。如图3左侧的图，分布在台风内部不同区域的小尺度扰动，容易引起涡旋识别模块出现误读，把小尺度扰动中心误读为台风中心；另外，在全球预报数据中的台风强度偏弱，引起涡旋识别模块预报的台风强度也偏弱。
因此，传统台风预报系统中的涡旋识别模块难以用于直接利用全球预报数据做台风预报。
本申请的方案选取涡旋识别模块中运行较为稳定的TRACK软件，并针对上述不足之处和影响我国台风的物理特性，对该模块进行了调整，整合成一新的涡旋识别系统，其总运行时间约为30-40分钟左右：
①前处理：把全球预报数据(GFS)进行低通滤波处理，该低通滤波处理可以是通用的傅里叶变换，主要目的是滤去台风内部不同区域的较小尺度天气系统(又称小尺度扰动，波长在80km以下)(如图3所示)，降低台风路径预报的偏差。
②运行：考虑影响我国台风的高度不一(如有的可穿过对流层深入平流层，有的仅能到达对流层中层，甚至低层)，TRACK没有指定读取何种高度的数据，因此本申请的方案仅读取位于对流层中低层的850hPa高度(预设高度位置，850hPa表示该高度的气压)上的涡度异常中心作为台风中心，并根据风压定律提取对应台风中心位置上的最低气压(P0)和最大风速(U0)作为强度预报的依据。涡度：即速度场的旋度。在气象学应用中，一般只考虑涡度的垂直分量，即围绕垂直轴旋转的涡度分量，以逆时针旋转为正方向。台风强度：以地表或海平面上台风中心最低气压或者中心附近最大风速表征。
在一个实施例中，台风预报方法还包括以下步骤：
根据对应第一个预设时间点的最低气压和最大风速确定台风的初始强度等级，获取对应台风初始强度等级的预设修订参数；
根据预设修订参数对最低气压和最大风速进行校正，第一强度信息包括校正后的最低气压和校正后的最大风速。
在本实施例中，利用涡旋识别系统得到的台风强度偏弱，即最低气压偏高，最大风速偏低，需将上述获取的第一强度信息进行校正，由于台风预报受初始强度影响较大，可以先根据首个预设时间点的最低气压和最大风速确定台风的初始强度等级，获取对应初始强度等级的预设修订参数，对得到的最低气压和最大风速进行校正修订，提高台风预报强度的准确性。
具体的，涡旋识别系统还包括③校正后处理这一过程，考虑根据涡旋识别系统得到的台风强度偏弱(即最低气压偏高，最大风速偏低)，可以将台风强度通过一元一次经验修订方程进行校正，如以下公式：
Figure BDA0001927346750000141
式中，PF和UF分别为预报的最低气压和最大风速，aP、bP、aU和bU为经验修订参数，这些参数的值会随着预报的台风个例增多而不断调整。表1给出2018年所采用的经验订正参数。由于台风预报受初始强度的影响较大，所以表中的修订参数以台风初始强度等级作为分类。
表1 2018年台风强度经验订正参数
Figure BDA0001927346750000142
在一个实施例中，采用中尺度数值预报模式从全球预报数据中获取台风的第二路径信息和第二强度信息的步骤包括以下步骤：
根据目标预报区域划定中尺度数值预报模式的内网格和外网格，其中，目标预报区域位于内网格的中心，外网格的边缘与内网格的边缘相隔预设距离；
选取备用的参数化方案设置中尺度数值预报模式的物理参数，采用中尺度数值预报模式获取在内网格中的台风的第二路径信息和第二强度信息。
在本实施例中，目标预报区域是台风预报最主要的区域，在采用中尺度数值预报模式分析时，可以将目标预报区域限定在中尺度数值预报模式的内网格中，内网格主要用于模拟和预报台风结构特征，外网格主要用于模拟和预报影响台风的大尺度天气系统，外网格的边缘与内网格的边缘相隔预设距离可以避免外网格中的中小尺度天气系统接触到内网格的边缘，将天气系统的信息误读为影响台风路径引导气流的大尺度环流，为台风路径预报带来偏差；选取备用的参数化方案设置中尺度数值预报模式的物理参数，可以使台风预报的质量达到最佳。
进一步的，得益于涡旋识别系统分摊了大部分的计算量，中尺度数值预报模式仅需负责沿海“关心区域”(即目标预报区域)的预报即可。由于计算范围被大大缩小，整个预报计算时间也得到了大大的缩短。中尺度数值预报模式主要负责“关心区域”受台风影响下的降水和风向风速预报。此外，考虑台风预报受其初始结构影响较大，而全球预报数据中考虑的地形资料分辨率较低，当台风部分结构已经接触到陆地时，容易产生较大的预报误差。因此，当台风有25％的7级风圈范围接触到陆地时，将直接采用中尺度数值预报模式所预报的台风路径和强度，而忽略涡旋识别系统预报的台风路径和强度。由于中尺度数值预报模式中的中小尺度信息较为准确，因此无需对其台风强度预报进行订正。常用的中尺度数值预报模式包括WRF模式或MM5模式，本申请方案中的中尺度数值预报模式基于WRF模式搭建，其运行时间约为30-40分钟，机器疲劳和死机的概率降低，提高台风预报的稳定性。
在采用中尺度数值预报模式时，各种参数设定如下：
①模式网格范围：即计算范围。可根据“关心区域”的变化移动到其他地方，如海上或者江浙一带等。以华南沿海作为“关心区域”为例，模式的网格将“关心区域”包围在内网格(Domain 2)的中心。与此同时，为提高台风路径预报的准确度，避免外网格(Domain 1)中的中小尺度天气结构接触到Domain 2的边沿，引起Domain 2把天气结构误读为影响台风路径引导气流的大尺度环流，为路径预报带来一定偏差；因此，Domain 2的网格边缘设定在影响“关心区域”绝大部分台风活动范围的3个经纬度以外的区域(图4)。模式中Domain 1的空间分辨率为24km，Domain 2的空间分辨率为8km，这是预报台风路径和强度的最佳分辨率。
②物理参数设置：为了使得台风预报质量达到最佳，本模式的各物理参数方案设定如表2所示：
表2近岸中尺度数值预报模式的物理参数化方案设定
Figure BDA0001927346750000161
上述6种物理参数化方案须同时使用。
在一个实施例中，预报数据包括未来台风的路径、强度、降水和风向风速等信息，并通过一定形式发布预报。除了因模式计算范围的缩小，使得发布预报的运行时间缩短至20分钟左右，还需要根据台风位置对预报信息进行一些判断和选择性的处理，主要包括以下两方面：
①实测台风未受陆地影响：判断标准为已经接触陆地的7级风圈范围未达到风圈25％的面积。此时可以读取涡旋识别系统的台风路径和强度预报，及近岸中尺度数值预报模式的降水和风向风速预报。
②实测台风已受陆地影响：判断标准为已经接触陆地的7级风圈范围已达到风圈25％的面积。此时可以读取近岸中尺度数值预报模式的台风路径、强度、降水和风向风速预报。
传统的台风预报过程如图5所示，运作流程的时间在8-28小时左右，原因在于传统的中尺度数值预报模式的计算区域过大，如图6所示，其中Domain 1主要用于模拟及预报影响台风的大尺度天气系统；嵌套在Domain1内Domain 2主要用于模拟及预报台风结构特征。由于人们一般只需要知道台风在洋面上的路径与强度的预报信息，以及台风靠近时为他们生活生产的沿海区域(“关心区域”)所带来的恶劣天气，所以只有图中所示的台风路径线(以超强台风“山竹”为例)及关心区域的方框范围附近区域的预报信息是较为重要的，这区域只占模式计算区域非常小的一部分。也就是说，模式计算区域中大部分的预报结果都没有实际用处。然而，为了保证模式的稳定性，以及必须让模式计算区域覆盖绝大部分台风的活动范围，所以传统的台风预报方式必须把模式的计算区域设定为较大的范围，这就造成了巨大的计算资源浪费，也严重拖慢了台风预报发布的速度，同时降低了预报准确度。
在本申请方案的具体应用中，本申请的台风预报方法可以在Linux系统并行环境下半自动操作运行，主要功能是通过涡旋识别系统和近岸中尺度数值预报模式两个组成部分(模块)，在30-40分钟内快速处理全球预报数据。其中，涡旋识别系统可在较短时间内识别全球预报数据的台风路径和强度，以分摊中尺度数值预报模式绝大部分的计算量，使得运行时间从原先的6-24小时缩短至30-40分钟。
预报计算完成后，通过表格、txt、nc数据文件和图片的形式给出预报结果。该预报结果可在Windows、Android和IOS系统中通过网页或图片的形式展示。本申请的台风预报方法会在西太平洋有达到热带风暴强度以上的台风活动期间，在每天的02时，08时，14时，20时提供72小时(时间分辨率为6小时)的台风路径、强度、沿岸“关心区域”的降水和风向风速预报。当预计台风危害性可能较大时，如超强台风“山竹”等，则除上述一天4次的预报外，随时增加即使预报。
本申请的台风预报方法主要提供台风路径和强度的预报(如图7所示)，以及“关心区域”(即台风可能登陆省份)的降水及风向风速分布的预报(以华南为例，见图8、图9)，总预报时长为72小时。得益于台风预报方法的快速运行，台风预报的准确度较传统预报方式高。如提前36小时准确预报出超强台风“山竹”的登陆位置为广东台山，这准确预报的发布时间至少比其他预报机构提前了6-12小时，且图中圆点显示本预报系统的台风强度预报比其他预报机构的更为接近实况(图2)；降水及风向风速的预报也跟实况(图10、图11)较为接近，图11中的虚线框中为“关心区域”。
根据上述台风预报方法，本发明实施例还提供一种台风预报系统，以下就台风预报系统的实施例进行详细说明。
参见图12所示，为一个实施例的台风预报系统的结构示意图。该实施例中的台风预报系统包括：
数据获取单元210，用于获取预设时间内的全球预报数据；
涡旋分析单元220，用于通过涡旋识别系统对全球预报数据进行识别，获取台风的第一路径信息和第一强度信息；
数据发布单元230，用于根据第一路径信息和第一强度信息发布台风预报。
在本实施例中，数据获取单元210获取预设时间点的全球预报数据，涡旋分析单元220主要采用涡旋识别系统对全球预报数据进行识别，涡旋识别系统可以识别台风形成的涡旋结构，可在较短时间内识别出全球预报数据的台风路径信息和强度信息，数据发布单元230以此进行台风预报。在此方案中，涡旋识别系统可以先识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。
在一个实施例中，如图13所示，台风预报系统还包括数值预报分析单元240；
数值预报分析单元240用于根据第一路径信息和陆地区域确定目标预报区域，采用中尺度数值预报模式从全球预报数据中获取目标预报区域的降水信息和风速风向信息；
数据发布单元230根据第一路径信息、第一强度信息、降水信息和风速风向信息发布台风预报。
在一个实施例中，涡旋分析单元220还用于获取台风的位置信息，根据位置信息判断台风是否逼近陆地区域；
若否，数据发布单元230根据第一路径信息、第一强度信息、降水信息和风速风向信息发布台风预报；
若是，数值预报分析单元240采用中尺度数值预报模式从全球预报数据中获取台风的第二路径信息和第二强度信息；
数据发布单元230根据第二路径信息、第二强度信息、降水信息和风速风向信息发布台风预报。
在一个实施例中，数据获取单元210每隔预设时间段，获取一个预设时间点的全球预报数据，涡旋分析单元220获取对应该预设时间点的台风的第一强度信息；
数据获取单元210在该预设时间点的台风的第一强度信息大于或等于预设强度信息时，缩短预设时间段，根据缩短后的时间段确定临时时间点，获取临时时间点的全球预报数据。
在一个实施例中，涡旋分析单元220对全球预报数据进行滤波处理，获取滤波后的数据中预设高度位置的目标数据，根据目标数据获取台风的中心位置，根据不同预设时间点的台风的中心位置确定第一路径信息；根据风压定律和目标数据获取台风的中心位置的最低气压和最大风速，第一强度信息包括最低气压和最大风速。
在一个实施例中，涡旋分析单元220根据对应第一个预设时间点的最低气压和最大风速确定台风的初始强度等级，获取对应台风初始强度等级的预设修订参数；根据预设修订参数对最低气压和最大风速进行校正，第一强度信息包括校正后的最低气压和校正后的最大风速。
在一个实施例中，数值预报分析单元240根据目标预报区域划定中尺度数值预报模式的内网格和外网格，选取备用的参数化方案设置中尺度数值预报模式的物理参数，采用中尺度数值预报模式获取在内网格中的台风的第二路径信息和第二强度信息；其中，目标预报区域位于内网格的中心，外网格的边缘与内网格的边缘相隔预设距离。
本发明实施例的台风预报系统与上述台风预报方法一一对应，在上述台风预报方法的实施例阐述的技术特征及其有益效果均适用于台风预报系统的实施例中。
一种可读存储介质，其上存储有可执行程序，可执行程序被处理器执行时实现上述的台风预报方法的步骤。
上述可读存储介质，通过其存储的可执行程序，可以实现通过涡旋识别系统识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。
一种台风预报设备，包括存储器和处理器，存储器存储有可执行程序，处理器执行可执行程序时实现上述的台风预报方法的步骤。
上述台风预报设备，通过在处理器上运行可执行程序，可以实现通过涡旋识别系统识别出台风，再获取台风的数据，相较于传统的中尺度数值预报模式，大大降低天气预报的计算量，使台风预报的前期处理时间大幅减少，既可以加快台风预报的发布，而且可以尽可能地充分利用准确度较高的全球预报数据，提高台风预报的准确性。
本领域普通技术人员可以理解实现上述实施例用于台风预报方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，程序可存储于一非易失性的计算机可读取存储介质中，如实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述台风预报方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成。所述的程序可以存储于可读取存储介质中。该程序在执行时，包括上述方法所述的步骤。所述的存储介质，包括：ROM/RAM、磁碟、光盘等。
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 (8)

1.一种台风预报方法，其特征在于，包括以下步骤：
获取预设时间点的全球预报数据；
通过涡旋识别系统对所述全球预报数据进行识别，获取台风的第一路径信息和第一强度信息；
根据所述第一路径信息和陆地区域确定目标预报区域，采用中尺度数值预报模式从所述全球预报数据中获取所述目标预报区域的降水信息和风速风向信息；
根据所述第一路径信息、所述第一强度信息、所述降水信息和所述风速风向信息发布台风预报；
所述通过涡旋识别系统对所述全球预报数据进行识别的步骤之后，还包括以下步骤：
获取台风的位置信息，根据所述位置信息判断台风是否逼近所述陆地区域，若否，执行所述根据所述第一路径信息、所述第一强度信息、所述降水信息和所述风速风向信息发布台风预报的步骤；
若是，采用中尺度数值预报模式从所述全球预报数据中获取台风的第二路径信息和第二强度信息；
根据所述第二路径信息、所述第二强度信息、所述降水信息和所述风速风向信息发布台风预报；
所述采用中尺度数值预报模式从所述全球预报数据中获取台风的第二路径信息和第二强度信息的步骤包括以下步骤：
根据所述目标预报区域划定所述中尺度数值预报模式的内网格和外网格，其中，所述内网格主要用于模拟和预报台风结构特征，所述外网格主要用于模拟和预报影响台风的大尺度天气系统，所述目标预报区域位于所述内网格的中心，所述外网格的边缘与所述内网格的边缘相隔预设距离；
选取备用的参数化方案设置所述中尺度数值预报模式的物理参数，采用所述中尺度数值预报模式获取在所述内网格中的台风的第二路径信息和第二强度信息；
所述通过涡旋识别系统对所述全球预报数据进行识别，获取台风的第一路径信息和第一强度信息的步骤包括以下步骤：
对所述全球预报数据进行滤波处理，获取滤波后的数据中预设高度位置的目标数据，根据所述目标数据获取台风的中心位置，根据不同预设时间点的台风的中心位置确定所述第一路径信息；
根据风压定律和所述目标数据获取台风的中心位置的最低气压和最大风速，所述第一强度信息包括所述最低气压和所述最大风速。
2.根据权利要求1的台风预报方法，其特征在于，在所述通过涡旋识别系统对所述全球预报数据进行识别的步骤之前，还包括以下步骤：
每隔预设时间段，获取一个预设时间点的全球预报数据，获取对应该预设时间点的台风的第一强度信息；
若该预设时间点的台风的第一强度信息大于或等于预设强度信息，缩短所述预设时间段，根据缩短后的时间段确定临时时间点，获取所述临时时间点的全球预报数据。
3.根据权利要求1的台风预报方法，其特征在于，还包括以下步骤：
根据对应第一个预设时间点的所述最低气压和所述最大风速确定台风的初始强度等级，获取对应台风初始强度等级的预设修订参数；
根据所述预设修订参数对所述最低气压和所述最大风速进行校正，所述第一强度信息包括校正后的最低气压和校正后的最大风速。
4.一种台风预报系统，其特征在于，包括：
数据获取单元，用于获取预设时间内的全球预报数据；
涡旋分析单元，用于通过涡旋识别系统对所述全球预报数据进行识别，获取台风的第一路径信息和第一强度信息；
数值预报分析单元，根据所述第一路径信息和陆地区域确定目标预报区域，采用中尺度数值预报模式从所述全球预报数据中获取所述目标预报区域的降水信息和风速风向信息；
数据发布单元，用于根据所述第一路径信息、所述第一强度信息、所述降水信息和所述风速风向信息发布台风预报；
所述涡旋分析单元还用于获取台风的位置信息，根据所述位置信息判断台风是否逼近所述陆地区域；若否，所述数据发布单元根据所述第一路径信息、所述第一强度信息、所述降水信息和所述风速风向信息发布台风预报；若是，所述数值预报分析单元采用中尺度数值预报模式从所述全球预报数据中获取台风的第二路径信息和第二强度信息；所述数据发布单元根据所述第二路径信息、所述第二强度信息、所述降水信息和所述风速风向信息发布台风预报；
所述数值预报分析单元还用于根据所述目标预报区域划定所述中尺度数值预报模式的内网格和外网格，选取备用的参数化方案设置所述中尺度数值预报模式的物理参数，采用所述中尺度数值预报模式获取在所述内网格中的台风的第二路径信息和第二强度信息；其中，所述内网格主要用于模拟和预报台风结构特征，所述外网格主要用于模拟和预报影响台风的大尺度天气系统，所述目标预报区域位于所述内网格的中心，所述外网格的边缘与所述内网格的边缘相隔预设距离；
所述涡旋分析单元还用于对所述全球预报数据进行滤波处理，获取滤波后的数据中预设高度位置的目标数据，根据所述目标数据获取台风的中心位置，根据不同预设时间点的台风的中心位置确定所述第一路径信息；根据风压定律和所述目标数据获取台风的中心位置的最低气压和最大风速，所述第一强度信息包括所述最低气压和所述最大风速。
5.根据权利要求4的台风预报系统，其特征在于，所述数据获取单元还用于每隔预设时间段，获取一个预设时间点的全球预报数据，所述涡旋分析单元还用于获取对应该预设时间点的台风的第一强度信息；
所述数据获取单元还用于在该预设时间点的台风的第一强度信息大于或等于预设强度信息时，缩短所述预设时间段，根据缩短后的时间段确定临时时间点，获取所述临时时间点的全球预报数据。
6.根据权利要求4的台风预报系统，其特征在于，所述涡旋分析单元还用于根据对应第一个预设时间点的所述最低气压和所述最大风速确定台风的初始强度等级，获取对应台风初始强度等级的预设修订参数；根据所述预设修订参数对所述最低气压和所述最大风速进行校正，所述第一强度信息包括校正后的最低气压和校正后的最大风速。
7.一种可读存储介质，其上存储有可执行程序，其特征在于，所述可执行程序被处理器执行时实现权利要求1至3中任意一项所述的台风预报方法的步骤。
8.一种台风预报设备，包括存储器和处理器，所述存储器存储有可执行程序，其特征在于，所述处理器执行所述可执行程序时实现权利要求1至3中任意一项所述的台风预报方法的步骤。
CN201811623060.3A 2018-12-28 2018-12-28 台风预报方法、系统、可读存储介质和设备 Active CN109444989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811623060.3A CN109444989B (zh) 2018-12-28 2018-12-28 台风预报方法、系统、可读存储介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811623060.3A CN109444989B (zh) 2018-12-28 2018-12-28 台风预报方法、系统、可读存储介质和设备

Publications (2)

Publication Number Publication Date
CN109444989A CN109444989A (zh) 2019-03-08
CN109444989B true CN109444989B (zh) 2020-07-07

Family

ID=65538455

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811623060.3A Active CN109444989B (zh) 2018-12-28 2018-12-28 台风预报方法、系统、可读存储介质和设备

Country Status (1)

Country Link
CN (1) CN109444989B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109444989B (zh) * 2018-12-28 2020-07-07 中山大学 台风预报方法、系统、可读存储介质和设备
CN110033132B (zh) * 2019-03-29 2021-06-11 中国人民解放军空军研究院战场环境研究所 基于深度目标检测和数值天气预报的热带气旋预报方法
CN110516025B (zh) * 2019-09-30 2022-02-22 中国科学院大气物理研究所 台风追踪系统及方法
CN111353217B (zh) * 2020-02-19 2022-03-25 中山大学 台风路径预测的方法、设备、计算机设备和存储介质
CN111598300A (zh) * 2020-04-16 2020-08-28 国网浙江省电力有限公司电力科学研究院 一种台风风场预测方法、装置及可读存储介质
CN111709170B (zh) * 2020-06-05 2023-07-28 北京师范大学 一种热带与非热带气旋降水的分离方法、设备及存储介质
CN111814960B (zh) * 2020-07-03 2023-10-24 国家气候中心 天气气候系统的识别方法、装置、存储介质及处理器
CN111898815A (zh) * 2020-07-21 2020-11-06 中远海运科技(北京)有限公司 台风轨迹预测方法、装置、电子设备和计算机可读介质
CN112782789B (zh) * 2020-12-25 2022-12-16 济南市气象局 一种台风移动的预测方法和装置
CN113158128B (zh) * 2021-01-13 2022-03-04 中国科学院大气物理研究所 一种全球无缝隙台风动力集合预测方法、系统
CN112734848B (zh) * 2021-01-18 2021-09-28 中国气象局气象探测中心 一种基于格点数据的台风定位方法
CN113779100A (zh) * 2021-11-09 2021-12-10 南京信息工程大学 一种阿蒙森低压识别方法和系统
CN114997483A (zh) * 2022-05-25 2022-09-02 中国长江三峡集团有限公司 一种台风到达时间预测方法、装置和电子设备
CN116736410B (zh) * 2023-06-09 2024-01-30 上海勘测设计研究院有限公司 热带气旋识别方法、系统、电子设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
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
CN108427834A (zh) * 2018-02-13 2018-08-21 中国气象科学研究院 基于中尺度模式的工程台风精细化数值模拟系统及方法
CN109444989A (zh) * 2018-12-28 2019-03-08 中山大学 台风预报方法、系统、可读存储介质和设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7219015B2 (en) * 2004-02-26 2007-05-15 Swiss Reinsurance Company Methods for generating data set
US20160328670A1 (en) * 2015-05-04 2016-11-10 International Business Machines Corporation Predicting effects of climate change on supply chain performance
JP6351790B2 (ja) * 2016-05-10 2018-07-04 株式会社メテオテック・ラボ 海上気象予報提供方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
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
CN108427834A (zh) * 2018-02-13 2018-08-21 中国气象科学研究院 基于中尺度模式的工程台风精细化数值模拟系统及方法
CN109444989A (zh) * 2018-12-28 2019-03-08 中山大学 台风预报方法、系统、可读存储介质和设备

Also Published As

Publication number Publication date
CN109444989A (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
CN109444989B (zh) 台风预报方法、系统、可读存储介质和设备
CN109958588B (zh) 结冰预测方法、装置、存储介质、模型生成方法及装置
CN115271262B (zh) 一种广域风力发电功率预测方法、装置及存储介质
Eccel et al. Prediction of minimum temperatures in an alpine region by linear and non-linear post-processing of meteorological models
CN115586591A (zh) 风暴潮的自动预报方法以及装置
CN116976227B (zh) 一种基于lstm机器学习的风暴增水预报方法及系统
CN113075751A (zh) 一种观测资料在短临预报中的融合方法和系统
CN110968929A (zh) 风电场风速的预测方法、装置及电子设备
CN116979525A (zh) 一种风电功率实时智能预测方法
CN116742626A (zh) 考虑大气混沌特征的风光联合功率集合预测方法及装置
CN116738769A (zh) 一种风光数据生成模型构建方法及风光数据生成方法
CN115860248A (zh) 风速数值同化短临预测方法及系统
CN116542029A (zh) 基于海洋数值模式和观测资料同化制作mdt方法及系统
Trivedi et al. Numerical simulation of a super cyclonic storm, Orissa 1999: impact of initial conditions
CN115330088A (zh) 一种小型水库的防洪精细化预测方法
CN113032510B (zh) 一种基于高斯权重的lbgm法初值扰动生成方法
CN113052352A (zh) 一种新能源场站风速预报订正方法和系统
CN110929808A (zh) 舞动温度的多要素智能修正方法及系统
CN116822658B (zh) 一种风光资源的预警方法、装置、计算机设备及存储介质
CN109408604A (zh) 输电线路关联天气因素数据网格化处理方法、装置及系统
CN114996907B (zh) 基于雪水当量栅格数据的空间回归建模方法
CN117057164B (zh) 风资源评估方法、装置、电子设备及存储介质
CN111369054B (zh) 基于wrf的高空气象要素预报方法和装置
CN111400844B (zh) 气象模型的参数方案集合生成方法及风速预报方法
CN118520349A (zh) 一种年代际气候预测方法及装置

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
GR01 Patent grant
GR01 Patent grant