CN110489619A - 暖区暴雨识别与分类的方法及系统 - Google Patents

暖区暴雨识别与分类的方法及系统 Download PDF

Info

Publication number
CN110489619A
CN110489619A CN201910626534.8A CN201910626534A CN110489619A CN 110489619 A CN110489619 A CN 110489619A CN 201910626534 A CN201910626534 A CN 201910626534A CN 110489619 A CN110489619 A CN 110489619A
Authority
CN
China
Prior art keywords
heavy rain
warm area
area
precipitation
lattice point
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.)
Pending
Application number
CN201910626534.8A
Other languages
English (en)
Inventor
董甫
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201910626534.8A priority Critical patent/CN110489619A/zh
Publication of CN110489619A publication Critical patent/CN110489619A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及气象领域，具体涉及一种暖区暴雨识别与分类的方法及系统，包括获取预设地理范围内设定时段的气象格点数据；通过预设识别模型判定识别暖区暴雨；根据天气学环流背景对暖区暴雨进行分类。本发明根据暖区暴雨发生时的天气学背景，对暖区暴雨进行识别、分类，有利于讨论暖区暴雨的整体分布特征以及气候特征；而且本发明把握暖区暴雨发生时的天气学条件或模型，实现对下一次发生同样或相似环流背景时的暖区暴雨进行相对较好的预测从而能够提高暖区暴雨的预报准确率；即节省了大量的资源，又方便快捷。

Description

暖区暴雨识别与分类的方法及系统
技术领域
本发明涉及气象领域，具体涉及一种暖区暴雨识别与分类的方法及系统。
背景技术
一般来说，降雨是由于冷暖气团交汇产生的，是在有利的大尺度环流背景下，多尺度天气系统相互作用的产物。华南位于低纬度地区，降水活动受到低纬度系统与中高纬度系统的共同影响，是我国平均年雨量最大、暴雨次数最多、汛期最长的地区，汛期雨季从4月份开始，直到9月份结束，降水呈明显的双峰结构，以对流性降水为主。其中，华南暖区暴雨是华南暴雨的一大特点，一般是指发生在华南地面锋面南侧暖区，或是在南岭至南海北部没有锋面存在，华南地区不受冷空气或变性冷高脊控制时产生的暴雨。大量研究表明，暖区暴雨与锋面暴雨在触发机制、维持和发展机制、动力和热力的结构、与大尺度系统的相互作用以及中尺度对流环境等方面具有很大的不同，暖区暴雨的触发条件十分复杂，局地性强，相比于锋面降水，暖区暴雨产生的降水强度更大，降水范围更小，因此预报难度更大，常造成重大的经济损失和人员伤亡。因此对华南暖区暴雨的研究是我国暴雨研究的重难点。目前关于暖区暴雨的研究至少存在以下不足之处：
一、尽管已有大量关于暖区暴雨的研究，但前人主要集中于个例分析，从整体上分析暖区暴雨的分布特点以及天气学背景的研究较少；
二、对暖区暴雨采用主观的方法进行识别与分类，而主观的方法即费时又费力，还伴随有人工误差，不符合现代信息化，智能化的要求。
综上所述，现有技术中，即便是中尺度数值天气预报模式对暖区暴雨的预报能力也十分有限，漏报很多，暖区暴雨预报仍是天气预报中的难点，因此，研究一种能够对暖区暴雨进行客观的识别、分类及预测的方法和系统以期解决暖区暴雨预报难点问题十分必要。
发明内容
本发明至少解决的技术问题是：如何对暖区暴雨进行客观的识别、分类及预测。
为了解决上述技术问题，本发明实施例提供一种暖区暴雨识别与分类的方法，所述方法包括：
获取预设地理范围内设定时段的气象格点数据；
通过预设识别模型判定识别暖区暴雨；
根据天气学环流背景对暖区暴雨进行分类。
进一步的，所述“获取预设地理范围内设定时段的气象格点数据”方法包括：
设定预设地理范围为北纬20°-28°，西经106°-117°；
获取设定时间内的分辨率为0.1°*0.1°降水格点数据；
读取大气格点再分析资料、台风路径资料、天气图资料，获取设定时间内的天气系统的风场、涡度、温度、相对湿度、气压及台风路径数据；
建立台风数据库。
进一步的，所述“通过预设识别模型判定识别暖区暴雨”方法包括：
选取6小时累积降水大于等于30毫米的格点数据，剔除台风暴雨的降水样本；
判断降水样本北纬28°以南地区是否存在锋面；若是，计算降水样本区域至锋面的距离判定是否识别为暖区暴雨；若否，根据降水样本区域预设范围内的地面风场确定是否识别为暖区暴雨。
进一步的，所述方法还包括：
通过温度、相对湿度计算850hPa的假相当位温，根据所述假相当位温梯度值判断是否存在锋面；和/或
当存在锋面时，计算降水样本区域至锋面的距离，当所述距离大于200km时判定为暖区暴雨；和/或
当无锋面时，降水样本区域200km范围内的风场无地面北风则判定为暖区暴雨。
进一步的，所述“根据天气学环流背景对暖区暴雨进行分类”方法包括：
根据风场、气压场、涡度场分别建立切变线型、低涡型、偏南风型三类影响系统的客观判定方法，根据所述影响系统中预设参数划分暖区暴雨的类型。
进一步的，所述“根据所述影响系统中预设参数划分暖区暴雨的类型”方法包括：
根据相邻格点的风场判定格点是否为切变点，当连续切变点能达到5个经、纬距以上时，若降水样本中心位于涡度值2*10-5s-1的等值线200km以内，判定为切变线型暖区暴雨；
当格点周围呈现气旋式环流，格点的气压低于周围8个格点中的6个，涡度值大于2*10-5s-1时，若降水样本中心位于涡度值2*10-5s-1的等值线200km以内，判定为低涡型暖区暴雨；
当降水样本的格点同时不满足切变线型与低涡型时，若降水样本区域内的风场为偏南风时，判定为偏南风型暖区暴雨。
进一步的，在对暖区暴雨进行划分时，如果满足低涡型的判定条件，判定为低涡型暖区暴雨，不需要考虑是否满足切变线型与偏南风型的判定条件；如果不满足低涡型判定条件而满足切变线型，判定为切变线型暖区暴雨；若既不满足低涡型又不满足切变线型的判定条件而满足偏南风型判定条件，定义为偏南风型暖区暴雨。
进一步的，所述“根据相邻格点的风场判定格点是否为切变点”方法包括：
当相邻两格点间左格点为北风，右格点为南风，则判定为纬向型切变；
当相邻两格点间上格点为东风，下格点为西风，则判定为径向型切变；
若格点满足纬向型切变和/或径向型切变时，则判定为切变点。
进一步的，所述方法还包括：
实时获取气象格点数据，确定影响系统中预设参数值，预测暖区暴雨的类型。
作为本发明实施例的再一方面，还提供一种暖区暴雨识别与分类的系统，所述系统包括：
数据获取模块：用于获取预设范围内设定时段的气象格点数据；
识别模块：用于通过预设识别模型判定识别暖区暴雨；
分类模块：用于根据天气学环流背景对暖区暴雨进行分类。
作为本发明实施例的另一方面，还提供一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如上述任一项所述的方法的步骤。
本发明实施例至少达到的有益效果至少包括：
本发明实施例通过获取并气象资料的历史数据，从总体上判断暖区暴雨的天气尺度与中尺度特点，分析暖区暴雨的发生发展机制；根据暖区暴雨发生时的天气学背景，对暖区暴雨进行识别、分类，有利于讨论暖区暴雨的整体分布特征以及气候特征；而且，本发明实施例采用客观识别与分类方法，利用计算机进行暖区暴雨数据的识别与分类，把握暖区暴雨发生时的天气学条件或模型，实现对下一次发生同样或相似环流背景时的暖区暴雨进行相对较好的预测从而能够提高暖区暴雨的预报准确率；即节省了大量的资源，又方便快捷。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所记载的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明一实施例暖区暴雨识别与分类的方法的流程图；
图2为本发明一实施例暖区暴雨识别方法的流程图；
图3为本发明一实施例切变线系统客观识别示意图；
图4为本发明一实施例暖区暴雨识别与分类系统的示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
华南暖区暴雨一般是指发生在华南地面锋面南侧暖区，或是在南岭至南海北部没有锋面存在，华南地区不受冷空气或变性冷高脊控制时产生的暴雨。本发明实施例将气象学与计算机相结合，建立了华南暖区暴雨的客观识别系统，并根据暖区暴雨发生时的天气学背景，利用不同类型暖区暴雨的天气尺度特征对暖区暴雨进行客观分类，为暖区暴雨的预测提供了数据基础。
本发明实施例提供一种暖区暴雨识别与分类的方法，如图1，所述方法包括：
S11、获取预设地理范围内设定时段的气象格点数据；
S12、通过预设识别模型判定识别暖区暴雨；
S13、根据天气学环流背景对暖区暴雨进行分类。
在本实施例中，通过一个或多个数据渠道获得预设地理范围及设定时间内的天气系统数据，其中，当实施例中识别分析华南地区的数据时，预设地理范围可以为北纬20°-28°，西经106°-117°；如果分析数据变化，也可以选定其他的地理范围；由于暖区降水主要集中在每年的4-9月，获取的历史数据可以是1年的4-9月，也可以包括多年的4-9月天气数据，例如样本时间为2010-2018年4-9月；其中气象格点数据的降水数据可以是选自中国自动站与CMORPH降水产品融合的逐时降水网格数据，该降水资料的网址参考：http://www.cma.gov.cn/2011qxfw/2011qsjgx/，其分辨率可以选取0.1°*0.1°，该资料以CMORPH卫星反演降水作为背景场，基于中国大陆地区3万多个自动气象站观测的逐时降水量分析的中国降水格点分析产品做为地面观测场，采用PDF(Probability density function)和OI(Optimal interpolation)两步融合方法生成。
在对暖区暴雨进行筛选与分类时，气象格点数据所需要的其他信息可以采用欧洲中期天气预报中心的ERA-Interim的格点再分析资料，具体网址为：https://apps.ecmwf.int/datasets/data/interim-full-daily/levtype＝pl/通过该网站获取0.125°×0.125°的格点数据；台风数据从JTWC(联合台风警报中心Joint Typhoon WarningCenter)的台风路径资料获得；关于天气系统的其他信息也可以由CMA(中国气象局)、JMA(日本气象局)、KMA(韩国气象局)的天气图资料获取。
进一步地，在本实施例中，通过中国自动站与CMORPH降水产品融合的逐时降水网格数据获取设定时间内的分辨率为0.1°*0.1°降水格点数据。其中，获取降水格点数据的时间间隔是可以1小时，也可以是2小时，或其他时间间隔。
通过欧洲中期天气预报中心的ERA-Interim的格点再分析资料的历史数据读取大气格点再分析资料；结合台风路径资料、天气图资料，获取设定时间内的天气系统的风场、涡度、温度、相对湿度、气压及台风路径数据。
并建立台风数据库。
在本实施例中，将台风路径数据单独汇总，建立台风数据库，当格点数据累积降水超过一定值时，再与台风数据库进行匹配，判定是否是由于台风引起的降水，如果是，则剔除距离台风中心500km以内的降水，提高了识别暖区暴雨准确度的概率。
进一步的，在实施例中，在读入历史数据后，首先选取6小时累积降水大于等于30毫米的格点数据，剔除台风暴雨的降水样本；
判断降水样本北纬28°以南地区是否存在锋面；若是，计算降水样本区域至锋面的距离判定是否识别为暖区暴雨；若否，根据降水样本区域预设范围内的风场确定是否识别为暖区暴雨。
在本实施例中，由于华南最北端为26°N，为了保证可以包括26°N一定范围的数据，故优选的为28°N，当然也可以是27°N、29°N等。本实施例中首先判定是否存在降水量满足一定条件的降水区域格点，再判断是否存在锋面，根据是否存在锋面，选择与降水区域相关的不同条件对是否存在暖区暴雨进行判定。本实施例中，由于暖区暴雨必须发生在暖气团内，而在气象上通常以南风代表暖气团，因此根据风场对样本进行识别，不仅考虑了降水量、气象因素，还将华南区域的风场特点与之融合，暖区暴雨识别的准确度更高。
进一步的，本实施例所述方法还包括：
通过温度、相对湿度计算850hPa的假相当位温，根据所述假相当位温梯度值判断是否存在锋面；和/或
当存在锋面时，计算降水样本区域至锋面的距离，当所述距离大于200km时判定为暖区暴雨；和/或
当无锋面时，降水样本区域200km范围内的风场无地面北风则判定为暖区暴雨。
在实施例中，根据获得的温度、相对湿度计算850hPa的假相当位温，当假相当位温梯度值大于一定值时，为锋面，本计算方法根据预设的算法直接获得，所采用的算法可以是现有技术中通用的算法，也可以是其他的计算方法，本实施例不对该算法进行具体限定。
进一步，在一实施例中，如图2，具体的暖区暴雨的识别方法包括：
S21、读取气象格点数据；
S22、选取6小时累积降水量大于等于30mm的降水样本；
S23、读取台风数据库，剔除台风暴雨的降水样本；
S24、获取降水样本中北纬28度以南地区的温度、相对湿度，计算并判断850hPa假相当位温梯度是否大于1*10-4K/m；若是，转至S25；若否，转至S26；
S25、确定存在锋面，判断降水区域距离锋面是否大于200km，若是，转至S27；若否，转至S28；
S26、判断降水区域200km内是否为无地面北风风量，若是，转至S27；若否，转至S28；
S27、判定为暖区暴雨；根据底层天气影响系统的活动情况，对所述暖区暴雨进行分类；
S28、判定为非暖区暴雨。
在本实施例中，满足以上条件的格点降水就定义为暖区暴雨，以6h的累积降水作为一次暖区暴雨样本。若同一时次多个区域内出现暖区暴雨，需要进一步判定其影响系统；处于同一影响系统下的暖区暴雨合并为一次样本；处于不同影响系统下的暖区暴雨分开统计；本方法由于识别与统计过程中，考虑的风场、锋面、气压等因素，更有利于对暖区暴雨进行准确的分析，及系统对其影响因素的学习，为精准预测提供了前提条件。
进一步的，所述S13步骤中，根据天气学环流背景对暖区暴雨进行分类方法包括：
根据风场、气压场、涡度场分别创建切变线型、低涡型、偏南风型三种影响系统，根据所述影响系统中预设参数划分暖区暴雨的类型。
在本实施例中，将将华南暖区暴雨分为切变线型、低涡型以及偏南风型，分别建立3种类型暖区暴雨的客观识别方法，即影响系统。
在本实施例中，由于暖区暴雨的包括多种影响因素，不仅仅与降水有关，也与地形对气候的影响有重要关联，故本实施例通过风场、气压场、涡度场建立影响系统模型，对暖区暴雨进行进一步的分类，更有利于后续数据的分析，提高预测的准确性。
进一步的，在本实施例中，根据所述影响系统中预设参数划分暖区暴雨的类型方法包括：
根据相邻格点的风场判定格点是否为切变点，当连续切变点能达到5个经、纬距以上时，若降水样本中心位于涡度值2*10-5s-1的等值线200km以内，判定为切变线型暖区暴雨；
当格点周围呈现气旋式环流，格点的气压低于周围8个格点中的6个，涡度值大于2*10-5s-1时，若降水样本中心位于涡度值2*10-5s-1的等值线200km以内，判定为低涡型暖区暴雨；
当降水样本的格点同时不满足切变线型与低涡型时，若降水样本区域内的风场为偏南风时，判定为偏南风型暖区暴雨。
在本实施例中，气旋式环流为VL<0，VR>0，UU<0，UD>0，当格点周围呈现气旋式环流，格点的气压低于周围8个格点中的6个，涡度值大于2*10-5s-1。满足以上条件，判定为低涡系统，该格点为低涡中心。若降水中心位于低涡涡度值2*10-5s-1的等值线200km以内，记录为低涡型暖区暴雨，判定区域同切变线型。
在本实施例中，根据不同的风场等影响因素，将影响系统划分为三种类型，在对暖区暴雨进行划分时，如果满足低涡型的判定条件，判定为低涡型暖区暴雨，不需要考虑是否满足切变线型与偏南风型的判定条件；如果不满足低涡型判定条件而满足切变线型，判定为切变线型暖区暴雨；若既不满足低涡型又不满足切变线型的判定条件而满足偏南风型判定条件，定义为偏南风型暖区暴雨。
在一实施例中，如图3所述，切变线型暖区暴雨根据不同的风场还可以进行进一步划分为纬向型切变、径向型切变、径向型切变线的一种特殊形式；
当相邻两格点间左格点为北风，右格点为南风，则判定为纬向型切变，即满足条件VL<0，VR>0，参见图3(a)；
当相邻两格点间上格点为东风，下格点为西风，则判定为径向型切变，即满足条件UU<0，UD>0；参见图3(b)；
若格点满足纬向型切变和/或径向型切变时，则判定为切变点。
第三类，参见图3(c)，为径向型切变线的一种特殊形式，满足条件UU>0，UD>0且VU<0，VD>0。
进一步的，所述方法还包括：
实时获取气象格点数据，确定影响系统中预设参数值，预测暖区暴雨的类型。
在实施例中，通过上述的识别与分类方法对暖区暴雨进行识别，学习了暖区暴雨的影响因素，在将实时数据进行录入，实现对暖区暴雨的预测。
三类暖区暴雨事件的降水分布特征具有明显的区别，对于发生的时间及位置个有不同，三种类型的暖区暴雨具有明显的地理分布差异，在降水量上有明显的差别，例如：切变线型暖区暴雨的平均降水量最小，低涡型暖区暴雨的平均降水量最大。在目前已完成的华南暖区暴雨分类基础上，通过对各类暖区暴雨的合成分析和理想模拟，深入研究暖区暴雨的发生机制和演变特征，可以实现解释不同类型暖区暴雨主要影响系统的差异以及对于不同地区的作用，通过这些研究提高对各类华南暖区暴雨的预报准确率。
基于同一发明构思，本发明实施例还提供了暖区暴雨识别与分类的系统，由于该暖区暴雨识别与分类的系统所解决问题的原理与前述实施例的暖区暴雨识别与分类的方法相似，因此该暖区暴雨识别与分类的系统的实施可以参见前述实施例的方法的实施，重复之处不再赘述。
作为本发明实施例的再一方面，还提供一种暖区暴雨识别与分类的系统，所述系统包括：
数据获取模块11：用于获取预设范围内设定时段的气象格点数据；
识别模块12：用于通过预设识别模型判定识别暖区暴雨；
分类模块13：用于根据天气学环流背景对暖区暴雨进行分类。
基于同一发明构思，本发明实施例还提供了计算机可读存储介质，由于该存储介质所解决问题的原理与前述实施例的暖区暴雨识别与分类的方法相似，因此该存储介质的实施可以参见前述实施例的方法的实施，重复之处不再赘述。
作为本发明实施例的另一方面，还提供一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如上述任一项所述的方法的步骤。
本发明通过计算机进行读取及筛选，实现选取所有暖区暴雨个例的可能，且采用格点降水融合资料，空间分辨率为0.1*0.1，能够更细致地反应暖区暴雨的分布特征，从整体上体现华南暖区暴雨的分布特征、整体特征；另外，本发明统计了低空急流与暖区暴雨的关系，对影响系统进行了客观的把握。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种暖区暴雨识别与分类的方法，其特征在于，所述方法包括：
获取预设地理范围内设定时段的气象格点数据；
通过预设识别模型判定识别暖区暴雨；
根据天气学环流背景对暖区暴雨进行分类。
2.如权利要求1所述的方法，其特征在于，所述“获取预设地理范围内设定时段的气象格点数据”方法包括：
设定预设地理范围为北纬20°-28°，西经106°-117°；
获取设定时间内的分辨率为0.1°*0.1°降水格点数据；
读取气象格点再分析资料、台风路径资料、天气图资料，获取设定时间内的天气系统的风场、涡度、温度、相对湿度、气压及台风路径数据；
建立台风数据库。
3.如权利要求1所述的方法，其特征在于，所述“通过预设识别模型判定识别暖区暴雨”方法包括：
选取6小时累积降水大于等于30毫米的格点数据，剔除台风暴雨的降水样本；判断降水样本北纬28°以南地区是否存在锋面；若是，计算降水样本区域至锋面的距离判定是否识别为暖区暴雨；若否，根据降水样本区域预设范围内的风场确定是否识别为暖区暴雨。
4.如权利要求3所述的方法，其特征在于，所述方法还包括：
通过温度、相对湿度计算850hPa的假相当位温，根据所述假相当位温梯度值判断是否存在锋面；和/或
当存在锋面时，计算降水样本区域至锋面的距离，当所述距离大于200km时判定为暖区暴雨；和/或
当无锋面时，降水样本区域200km范围内的风场无地面北风则判定为暖区暴雨。
5.如权利要求1所述的方法，其特征在于，所述“根据天气学环流背景对暖区暴雨进行分类”方法包括：
根据风场、气压场、涡度场分别创建切变线型、低涡型、偏南风型三种影响系统，根据所述影响系统中预设参数划分暖区暴雨的类型。
6.如权利要求5所述的方法，其特征在于，所述“根据所述影响系统中预设参数划分暖区暴雨的类型”方法包括：
根据相邻格点的风场判定格点是否为切变点，当连续切变点能达到5个经、纬距以上时，若降水样本中心位于涡度值2*10-5s-1的等值线200km以内，判定为切变线型暖区暴雨；
当格点周围呈现气旋式环流，格点的气压低于周围8个格点中的6个，涡度值大于2*10-5s-1时，若降水样本中心位于涡度值2*10-5s-1的等值线200km以内，判定为低涡型暖区暴雨；
当降水样本的格点同时不满足切变线型与低涡型时，若降水样本区域内的风场为偏南风时，判定为偏南风型暖区暴雨。
7.如权利要求6所述的方法，其特征在于，所述“根据相邻格点的风场判定格点是否为切变点”方法包括：
当相邻两格点间左格点为北风，右格点为南风，则判定为纬向型切变；
当相邻两格点间上格点为东风，下格点为西风，则判定为径向型切变；
若格点满足纬向型切变和/或径向型切变时，则判定为切变点。
8.如权利要求5所述的方法，其特征在于，所述方法还包括：
实时获取气象格点数据，确定影响系统中预设参数值，预测暖区暴雨的类型。
9.一种暖区暴雨识别与分类的系统，其特征在于，所述系统包括：
数据获取模块：用于获取预设范围内设定时段的气象格点数据；
识别模块：用于通过预设识别模型判定识别暖区暴雨；
分类模块：用于根据天气学环流背景对暖区暴雨进行分类。
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如权利要求1-8任一项所述的方法的步骤。
CN201910626534.8A 2019-07-11 2019-07-11 暖区暴雨识别与分类的方法及系统 Pending CN110489619A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910626534.8A CN110489619A (zh) 2019-07-11 2019-07-11 暖区暴雨识别与分类的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910626534.8A CN110489619A (zh) 2019-07-11 2019-07-11 暖区暴雨识别与分类的方法及系统

Publications (1)

Publication Number Publication Date
CN110489619A true CN110489619A (zh) 2019-11-22

Family

ID=68547055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910626534.8A Pending CN110489619A (zh) 2019-07-11 2019-07-11 暖区暴雨识别与分类的方法及系统

Country Status (1)

Country Link
CN (1) CN110489619A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814960A (zh) * 2020-07-03 2020-10-23 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
CN115878731A (zh) * 2022-11-17 2023-03-31 南京信息工程大学 一种暖锋自动识别方法
CN116577844A (zh) * 2023-03-28 2023-08-11 南京信息工程大学 一种东亚冷锋降水自动识别方法、系统
CN118570336A (zh) * 2024-07-31 2024-08-30 中国人民解放军国防科技大学 一种切变线位置的识别方法、系统、装置及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103163568A (zh) * 2013-04-04 2013-06-19 李平 利用界聚法预报强降水的方法
CN109725371A (zh) * 2018-12-24 2019-05-07 深圳市六韬天气科技有限公司 基于低频流场图的华南地区台风和暴雨的预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103163568A (zh) * 2013-04-04 2013-06-19 李平 利用界聚法预报强降水的方法
CN109725371A (zh) * 2018-12-24 2019-05-07 深圳市六韬天气科技有限公司 基于低频流场图的华南地区台风和暴雨的预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
覃艳秋等: "华南锋前暖区暴雨研究概述", 《气象研究与应用》 *
陈翔翔等: "2000―2009年5、6月华南暖区暴雨形成系统统计分析", 《热带气象学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814960A (zh) * 2020-07-03 2020-10-23 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
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
CN115878731A (zh) * 2022-11-17 2023-03-31 南京信息工程大学 一种暖锋自动识别方法
CN115878731B (zh) * 2022-11-17 2024-03-08 南京信息工程大学 一种暖锋自动识别方法
CN116577844A (zh) * 2023-03-28 2023-08-11 南京信息工程大学 一种东亚冷锋降水自动识别方法、系统
CN116577844B (zh) * 2023-03-28 2024-02-09 南京信息工程大学 一种东亚冷锋降水自动识别方法、系统
CN118570336A (zh) * 2024-07-31 2024-08-30 中国人民解放军国防科技大学 一种切变线位置的识别方法、系统、装置及介质

Similar Documents

Publication Publication Date Title
Marzo et al. Daily global solar radiation estimation in desert areas using daily extreme temperatures and extraterrestrial radiation
Prein et al. Increased rainfall volume from future convective storms in the US
Ruiz‐Arias et al. A comparative analysis of DEM‐based models to estimate the solar radiation in mountainous terrain
Carneiro et al. Review on photovoltaic power and solar resource forecasting: current status and trends
Nicholson et al. The seasonal evolution of the atmospheric circulation over West Africa and equatorial Africa
Case et al. Impacts of high-resolution land surface initialization on regional sensible weather forecasts from the WRF model
Abiodun et al. Potential impacts of afforestation on climate change and extreme events in Nigeria
Conil et al. Local regimes of atmospheric variability: A case study of Southern California
CN110489619A (zh) 暖区暴雨识别与分类的方法及系统
Asmat et al. Run-based multi-model interannual variability assessment of precipitation and temperature over Pakistan using two IPCC AR4-based AOGCMs
Cheng et al. Possible impacts of climate change on freezing rain in south-central Canada using downscaled future climate scenarios
Khan et al. Mapping MODIS LST NDVI imagery for drought monitoring in Punjab Pakistan
Cheng et al. Statistical downscaling of hourly and daily climate scenarios for various meteorological variables in south-central Canada
Liebmann et al. A comparison of rainfall, outgoing longwave radiation, and divergence over the Amazon Basin
Dong et al. The analysis and impact of simulated high-resolution surface observations in addition to radar data for convective storms with an ensemble Kalman filter
Longman et al. A 20-year analysis of disturbance-driven rainfall on O ‘ahu, Hawai ‘i
KR20070038058A (ko) 비정형 격자를 통한 기상 예보 방법 및 시스템
Chang et al. Development of fine-scale spatiotemporal temperature forecast model with urban climatology and geomorphometry in Hong Kong
Hewson et al. A new low-cost technique improves weather forecasts across the world
Kennedy et al. Cloud fraction at the ARM SGP site: reducing uncertainty with self-organizing maps
Capps et al. Observed and CAM3 GCM sea surface wind speed distributions: Characterization, comparison, and bias reduction
Satake et al. Tropical cyclone tracking using a neighbor enclosed area tracking algorithm
Ward et al. Synoptic timescale linkage between midlatitude winter troughs Sahara temperature patterns and northern Congo rainfall: a building block of regional climate variability
Vondou et al. Diurnal cycle of convective cloud occurrences over Cameroon during June–August
Prasad et al. Forecasting Indian summer monsoon rainfall by outgoing longwave radiation over the Indian Ocean

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