CN110866639B - 一种热带气旋降雨预报方法、系统及电子设备 - Google Patents
一种热带气旋降雨预报方法、系统及电子设备 Download PDFInfo
- Publication number
- CN110866639B CN110866639B CN201911086417.3A CN201911086417A CN110866639B CN 110866639 B CN110866639 B CN 110866639B CN 201911086417 A CN201911086417 A CN 201911086417A CN 110866639 B CN110866639 B CN 110866639B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- box
- prediction result
- tropical cyclone
- current
- 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
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种热带气旋降雨预报方法、系统及电子设备。包括:获取待测站点历史登陆热带气旋的降雨量箱形图;通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果;步骤c:结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;步骤d:将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋的降雨预报。本申请考虑了ECMWF模型和历史降雨数据两方面信息,对于提高由登陆热带气旋引起的降雨预报精度具有重要意义。
Description
技术领域
本申请属于气象服务技术领域,特别涉及一种热带气旋降雨预报方法、系统及电子设备。
背景技术
登陆热带气旋(landfall tropical cyclone,LTC)通常会给沿海地区带来强降雨,并可能引发灾难性的洪水和泥石流,从而导致巨大的人身伤亡和财产损失。因此,准确和及时的预报热带气旋所带来的降水,对于地方政府及时预警以保护人民生命财产具有重要意义。欧洲中期天气预报中心(European Centre for Medium-Range WeatherForecasts,ECMWF)模型是目前全球最准确数值天气预报(NWP)模型,是气象预报人员的重要参考。
现有技术中的热带气旋降水预报方法主要包括:
一、针对登陆热带气旋引起的降水,Mark等人(2002)曾提出了一种降雨气候学和持续性模型(R-CLIPER),该模型描述了热带气旋引起的降雨在时空上的分布。然而,R-CLIPER模型假设降雨分布是各项对称的,这导致其模型与现实情况不符。
二、Lonfat等人(2007)则发展出一种参数化飓风降雨模型(PHRaM),该模型是在R-CLIPER的基础上纳入了垂直切变和地形的影响,相比R-CLIPER模型在降水空间分布和幅度预测方面有一定的改进,然而在远离风暴中心(如300-400公里)时,该模型的预测结果显示出对降雨量下限的显著偏离。
三、ECMWF模型在预报热带气旋轨迹方面往往表现良好,然而在遇到强风暴时,ECMWF往往会低估降雨量,因此它对LTC降水的预报仍不能令人满意。
发明内容
本申请提供了一种热带气旋降雨预报方法、系统及电子设备,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种热带气旋降雨预报方法,包括以下步骤:
步骤a:获取待测站点历史登陆热带气旋的降雨量箱形图;
步骤b:通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
步骤c:结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;
步骤d:将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报。
本申请实施例采取的技术方案还包括:所述步骤a还包括:获取待测站点的所有历史登陆热带气旋,并对所述历史登陆热带气旋进行分组。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述获取待测站点历史登陆热带气旋的降雨量箱形图具体为:分别获取各组历史登陆热带气旋的历史最大日降雨量箱形图和最大三日累计降雨量的箱形图。
本申请实施例采取的技术方案还包括:在所述步骤b中,所述降雨量预测结果包括台站降雨预报量ECst和区域极端降雨预报量,所述极端降雨预报量包括最大降雨量预报ECmax和最小降雨量预报ECmin。
本申请实施例采取的技术方案还包括:在所述步骤d中,所述根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整具体包括:
50%分位数方式;根据ECst调整降雨量预测结果的上界和下界,如果ECst大于本次降雨量箱形图的75%分位数,则将降雨量预测结果的上界调整为ECmax和本次降雨量箱形图最大值box-max中的较大者,并将降雨量预测结果的下界调整为本次降雨量箱形图的中位数;如果ECst小于本次降雨量箱形图的25%分位数,则将降雨量预测结果的上界调整为本次降雨量箱形图的50%分位数,将降雨量预测结果的下界调整为ECmin和本次降雨量箱形图最小值box-min中的较小者;如果ECst处于本次降雨量箱形图的25%~75%分位数之间,则将降雨量预测结果的上界调整为本次降雨量箱形图的75%分位数,将降雨量预测结果的下界调整为本次降雨量箱形图的25%分位数;
100%分位数与ECMWF模型极小值方式;将降雨量预测结果的上界调整为本次降雨量箱形图的最大值,将降雨量预测结果的下界调整为ECmin与本次降雨量箱形图最小值box-min中的较小者;
结合数值天气预报模型预报极值的全分位数方式;将降雨量预测结果的上界调整为ECmax和box-max中的较大者,将降雨量预测结果的下界调整为ECmin和box-min中的较小者。
本申请实施例采取的另一技术方案为:一种热带气旋降雨预报系统,包括:
历史箱形图获取模块:用于获取待测站点历史登陆热带气旋的降雨量箱形图;
降雨量预测模块:用于通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
当前箱形图获取模块:用于结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;
降雨量调整模块:用于将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报。
本申请实施例采取的技术方案还包括历史数据获取模块,所述历史数据获取模块用于获取待测站点的所有历史登陆热带气旋,并对所述历史登陆热带气旋进行分组。
本申请实施例采取的技术方案还包括:所述历史箱形图获取模块获取待测站点历史登陆热带气旋的降雨量箱形图具体为:分别获取各组历史登陆热带气旋的历史最大日降雨量箱形图和最大三日累计降雨量的箱形图。
本申请实施例采取的技术方案还包括:所述降雨量预测结果包括台站降雨预报量ECst和区域极端降雨预报量,所述极端降雨预报量包括最大降雨量预报ECmax和最小降雨量预报ECmin。
本申请实施例采取的技术方案还包括:所述降雨量调整模块根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整具体包括:
50%分位数方式;根据ECst调整降雨量预测结果的上界和下界,如果ECst大于本次降雨量箱形图的75%分位数,则将降雨量预测结果的上界调整为ECmax和本次降雨量箱形图最大值box-max中的较大者,并将降雨量预测结果的下界调整为本次降雨量箱形图的中位数;如果ECst小于本次降雨量箱形图的25%分位数,则将降雨量预测结果的上界调整为本次降雨量箱形图的50%分位数,将降雨量预测结果的下界调整为ECmin和本次降雨量箱形图最小值box-min中的较小者;如果ECst处于本次降雨量箱形图的25%~75%分位数之间,则将降雨量预测结果的上界调整为本次降雨量箱形图的75%分位数,将降雨量预测结果的下界调整为本次降雨量箱形图的25%分位数;
100%分位数与ECMWF模型极小值方式;将降雨量预测结果的上界调整为本次降雨量箱形图的最大值,将降雨量预测结果的下界调整为ECmin与本次降雨量箱形图最小值box-min中的较小者;
结合数值天气预报模型预报极值的全分位数方式;将降雨量预测结果的上界调整为ECmax和box-max中的较大者,将降雨量预测结果的下界调整为ECmin和box-min中的较小。
本申请实施例采取的又一技术方案为:一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的热带气旋降雨预报方法的以下操作:
步骤a:获取待测站点历史登陆热带气旋的降雨量箱形图;
步骤b:通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
步骤c:结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;
步骤d:将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报。
相对于现有技术,本申请实施例产生的有益效果在于:本申请实施例的热带气旋降雨预报方法、系统及电子设备通过城市各气象站点的历史降水量箱形图调整ECMWF模型的降雨量预测结果的上界和下界;在登陆热带气旋的降雨预报中,综合考虑了ECMWF模型和历史降雨统计数据两方面信息,前者在一定程度上反映了实时的天气状况,而后者则是基于统计的方法为预报降雨量提供了参考,对于提高由登陆热带气旋引起的沿海地区降雨预报精度具有重要意义,可适用于登陆热带气旋的700km范围内的气象站点。
附图说明
图1是本申请实施例的热带气旋降雨预报方法的流程图;
图2是本申请实施例的热带气旋降雨预报系统的结构示意图;
图3是本申请实施例提供的热带气旋降雨预报方法的硬件设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
请参阅图1,是本申请实施例的热带气旋降雨预报方法的流程图。本申请实施例的热带气旋降雨预报方法包括以下步骤:
步骤100:获取待测站点的所有历史登陆热带气旋,并对历史登陆热带气旋进行分组;
步骤100中,本申请按照2015年李晴岚等人的分类标准,对于某一待测站点,可以将所有历史登陆热带气旋分为56个组别。可以理解,站点与热带气旋中心的距离也可以适当的进行扩大和缩小,以采用不同的分组方法。
步骤200:分别获取各组历史登陆热带气旋的降雨量箱形图;
步骤200中,根据定义,确定热带气旋登陆期为热带气旋登陆前的两天和登陆后的三天,本申请实施例中的降雨量箱形图包括历史最大日降雨量箱形图和最大三日累计降雨量的箱形图,包括中位数、四分位区间等。其中最大日降雨量即为热带气旋登陆期间最大的日降雨量;最大三日累计降雨量即为热带气旋登陆期间连续3天降雨量的最大值。
步骤300:实际应用时,通过ECMWF模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
步骤300中,降雨量预测结果包括降雨量(ECst)和站点所在市县区域的极端降雨量,极端降雨量包括最大降雨量(ECmax)和最小降雨量(ECmin)。需要说明的是,ECMWF模型是目前预报相对准确的数值天气预报模型,本申请也同样适用于其他数值天气预报模型。
步骤400:确定待测站点本次热带气旋所属的组别,并根据卫星云图观测、数值模式预报结果及预报员经验预测本次热带气旋在待测站点所属的组别,并确定本次热带气旋在待测站点对应的降雨量箱形图;
步骤400中,在实际应用中,根据数值天气预报模型结果、卫星观测和预报员经验,在热带气旋登陆前的12-36小时的时间范围内确定本次热带气旋的强度类别、登陆位置等信息,并以此确定本次热带气旋所属的组别。
步骤500:将本次热带气旋对应的降雨量箱形图与ECMWF模型的降雨量预测结果进行耦合,结合耦合结果,根据设定的降雨预报调整方式对ECMWF模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报;
步骤500中,本申请通过城市各气象站点的历史降水量箱形图调整ECMWF模型的降雨量预测结果的上界和下界;在登陆热带气旋的降雨预报中,综合考虑了ECMWF模型和历史降雨数据两方面信息,前者在一定程度上反映了实时的天气状况,而后者则是基于统计的方法为预报降雨量提供了参考,对于提高由登陆热带气旋引起的沿海地区降雨预报精度具有重要意义,可适用于登陆热带气旋的700km范围内的气象站点。
本申请实施例中,降雨预报调整方式包括以下三种:
1、50%分位数方式;该方案根据降雨量ECst调整降雨量预测结果的上界和下界。如果ECst大于本次降雨量箱形图的75%分位数,则将降雨量预测结果的上界调整为ECmax和本次降雨量箱形图最大值(box-max)中的较大者,并将降雨量预测结果的下界调整为本次降雨量箱形图的中位数。如果ECst小于本次降雨量箱形图的25%分位数,则将降雨量预测结果的上界调整为本次降雨量箱形图的中位数,将降雨量预测结果的下界调整为ECmin和本次降雨量箱形图最小值box-min中的较小者;如果ECst处于本次降雨量箱形图的25%~75%分位数之间,则将降雨量预测结果的上界调整为本次降雨量箱形图的75%分位数,将降雨量预测结果的下界调整为本次降雨量箱形图的25%分位数。
2、100%分位数与ECMWF模型极小值方式;即将降雨量预测结果的上界调整为本次降雨量箱形图的最大值,将降雨量预测结果的下界调整为ECmin与本次降雨量箱形图最小值(box-min)中的较小者。其中下界不是热带气旋降雨预报的重点,但却包含了更多箱形图所忽略的不平衡降水分布信息。
3、结合ECMWF模型预报极值的全分位数方式;此方式中,将降雨量预测结果的上界调整为ECmax和box-max中的较大者,降雨量预测结果的下界调整为ECmin和box-min中的较小者。
请参阅图2,是本申请实施例的热带气旋降雨预报系统的结构示意图。本申请实施例的热带气旋降雨预报系统包括历史数据获取模块、历史箱形图获取模块、降雨量预测模块、当前箱形图获取模块和降雨量调整模块。
历史数据获取模块:用于获取待测站点的所有历史登陆热带气旋,并对历史登陆热带气旋进行分组;其中,本申请按照2015年李晴岚等人的分类标准,对于某一待测站点,可以将所有历史登陆热带气旋分为56个组别。可以理解,站点与热带气旋中心的距离也可以适当的进行扩大和缩小,以采用不同的分组方法。
历史箱形图获取模块:用于分别获取各组历史登陆热带气旋的降雨量箱形图;其中,根据定义,确定热带气旋登陆期为热带气旋登陆前的两天和登陆后的三天,本申请实施例中的降雨量箱形图包括历史最大日降雨量箱形图和最大三日累计降雨量的箱形图,包括中位数、四分位区间等。其中最大日降雨量即为热带气旋登陆期间最大的日降雨量;最大三日累计降雨量即为热带气旋登陆期间连续3天降雨量的最大值。
降雨量预测模块:用于通过ECMWF模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;其中,降雨量预测结果包括降雨量(ECst)和台站所在区域市县的极端降雨量,极端降雨量包括最大降雨量(ECmax)和最小降雨量(ECmin)。需要说明的是,ECMWF模型是目前预报相对准确的数值天气预报模型,本申请也同样适用于其他数值天气预报模型。
当前箱形图获取模块:确定待测站点本次热带气旋所属的组别,并根据卫星云图观测、数值模式预报结果及预报员经验预测本次热带气旋在待测站点所属的组别,并确定本次热带气旋在待测站点对应的降雨量箱形图;在实际应用中,根据数值天气预报模型、卫星观测和预报员经验,在热带气旋登陆前的12-36小时的时间范围内确定本次热带气旋的强度类别、登陆位置等信息,并以此确定本次热带气旋所属的组别。
降雨量调整模块:用于将本次热带气旋对应的降雨量箱形图与ECMWF模型的降雨量预测结果进行耦合,结合耦合结果,根据设定的降雨预报调整方式对ECMWF模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报;其中,本申请通过城市各气象站点的历史降水量箱形图调整ECMWF模型的降雨量预测结果的上界和下界;在登陆热带气旋的降雨预报中,综合考虑了ECMWF模型和历史降雨数据两方面信息,前者在一定程度上反映了实时的天气状况,而后者则是基于统计的方法为预报降雨量提供了参考,对于提高由登陆热带气旋引起的沿海地区降雨预报精度具有重要意义,可适用于登陆热带气旋的700km范围内的气象站点。
具体的,降雨预报调整方式包括以下三种:
1、50%分位数方式;该方案根据降雨量ECst调整降雨量预测结果的上界和下界。如果ECst大于本次降雨量箱形图的75%分位数,则将降雨量预测结果的上界调整为ECmax和本次降雨量箱形图最大值(box-max)中的较大者,并将降雨量预测结果的下界调整为本次降雨量箱形图的中位数。如果ECst小于本次降雨量箱形图的25%分位数,则将降雨量预测结果的上界调整为本次降雨量箱形图的中位数,将降雨量预测结果的下界调整为ECmin和本次降雨量箱形图最小值box-min中的较小者;如果ECst处于本次降雨量箱形图的25%~75%分位数之间,则将降雨量预测结果的上界调整为本次降雨量箱形图的75%分位数,将降雨量预测结果的下界调整为本次降雨量箱形图的25%分位数。
2、100%分位数与ECMWF模型极小值方式;即将降雨量预测结果的上界调整为本次降雨量箱形图的最大值,将降雨量预测结果的下界调整为ECmin与本次降雨量箱形图最小值(box-min)中的较小者。其中下界不是热带气旋降雨预报的重点,但却包含了更多箱形图所忽略的不平衡降水分布信息。
3、结合ECMWF模型预报极值的全分位数方式;此方式中,将降雨量预测结果的上界调整为ECmax和box-max中的较大者,降雨量预测结果的下界调整为ECmin和box-min中的较小者。
为了验证本申请的可行性和有效性,采用本申请对广东地区的八个沿海城市的登陆热带气旋降雨进行了预测,经实际情况的对比发现,预测结果在总体上比ECMWF模型的预测结果更加精确。
图3是本申请实施例提供的热带气旋降雨预报方法的硬件设备结构示意图。如图3所示,该设备包括一个或多个处理器以及存储器。以一个处理器为例,该设备还可以包括:输入系统和输出系统。
处理器、存储器、输入系统和输出系统可以通过总线或者其他方式连接,图3中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例的处理方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入系统可接收输入的数字或字符信息,以及产生信号输入。输出系统可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任一方法实施例的以下操作:
步骤a:获取待测站点历史登陆热带气旋的降雨量箱形图;
步骤b:通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
步骤c:结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;
步骤d:将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例提供的方法。
本申请实施例提供了一种非暂态(非易失性)计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行以下操作:
步骤a:获取待测站点历史登陆热带气旋的降雨量箱形图;
步骤b:通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
步骤c:结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;
步骤d:将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报。
本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行以下操作:
步骤a:获取待测站点历史登陆热带气旋的降雨量箱形图;
步骤b:通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
步骤c:结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;
步骤d:将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报。
本申请实施例的热带气旋降雨预报方法、系统及电子设备通过城市各气象站点的历史降水量箱形图调整ECMWF模型的降雨量预测结果的上界和下界;在登陆热带气旋的降雨预报中,综合考虑了ECMWF模型和历史降雨数据两方面信息,前者在一定程度上反映了实时的天气状况,而后者则是基于统计的方法为预报降雨量提供了参考,对于提高由登陆热带气旋引起的沿海地区降雨预报精度具有重要意义,可适用于登陆热带气旋的700km范围内的气象站点。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本申请所示的这些实施例,而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种热带气旋降雨预报方法,其特征在于,包括以下步骤:
步骤a:获取待测站点历史登陆热带气旋的降雨量箱形图;
步骤b:通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
步骤c:结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;
步骤d:将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报;
在所述步骤b中,降雨量预测结果包括台站降雨预报量ECst和区域极端降雨预报量,所述极端降雨预报量包括最大降雨量预报ECmax和最小降雨量预报ECmin;
在所述步骤d中,所述根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整具体包括:
50%分位数方式:根据ECst调整降雨量预测结果的上界和下界,如果ECst大于本次降雨量箱形图的75%分位数,则将降雨量预测结果的上界调整为ECmax和本次降雨量箱形图最大值box-max中的较大者,并将降雨量预测结果的下界调整为本次降雨量箱形图的中位数;如果ECst小于本次降雨量箱形图的25%分位数,则将降雨量预测结果的上界调整为本次降雨量箱形图的50%分位数,将降雨量预测结果的下界调整为ECmin和本次降雨量箱形图最小值box-min中的较小者;如果ECst处于本次降雨量箱形图的25%~75%分位数之间,则将降雨量预测结果的上界调整为本次降雨量箱形图的75%分位数,将降雨量预测结果的下界调整为本次降雨量箱形图的25%分位数;
100%分位数与ECMWF模型极小值方式:将降雨量预测结果的上界调整为本次降雨量箱形图的最大值,将降雨量预测结果的下界调整为ECmin与本次降雨量箱形图最小值box-min中的较小者;
结合数值天气预报模型预报极值的全分位数方式:将降雨量预测结果的上界调整为ECmax和box-max中的较大者,将降雨量预测结果的下界调整为ECmin和box-min中的较小者。
2.根据权利要求1所述的热带气旋降雨预报方法,其特征在于,所述步骤a还包括:获取待测站点的所有历史登陆热带气旋,并对所述历史登陆热带气旋进行分组。
3.根据权利要求2所述的热带气旋降雨预报方法,其特征在于,在所述步骤a中,所述获取待测站点历史登陆热带气旋的降雨量箱形图具体为:分别获取各组历史登陆热带气旋的历史最大日降雨量箱形图和最大三日累计降雨量的箱形图。
4.一种热带气旋降雨预报系统,其特征在于,包括:
历史箱形图获取模块:用于获取待测站点历史登陆热带气旋的降雨量箱形图;
降雨量预测模块:用于通过数值天气预报模型预测本次热带气旋在待测站点的降雨量结果,以及待测站点所在市县的最大降雨预报和最小降雨预报值;
当前箱形图获取模块:用于结合卫星云图观测、数值天气预报结果及预报员经验预测本次热带气旋可能登陆的位置以及强度,并确定本次热带气旋在待测站点所属的组别以及对应的降雨量箱形图;
降雨量调整模块:用于将所述本次热带气旋对应的降雨量箱形图与数值天气预报模型的降雨量预测结果进行耦合,根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整,得到本次热带气旋在待测站点所在区域范围的降雨预报;
降雨量预测结果包括台站降雨预报量ECst和区域极端降雨预报量,所述极端降雨预报量包括最大降雨量预报ECmax和最小降雨量预报ECmin;
所述降雨量调整模块根据耦合结果对所述数值天气预报模型的降雨量预测结果进行调整具体包括:
50%分位数方式:根据ECst调整降雨量预测结果的上界和下界,如果ECst大于本次降雨量箱形图的75%分位数,则将降雨量预测结果的上界调整为ECmax和本次降雨量箱形图最大值box-max中的较大者,并将降雨量预测结果的下界调整为本次降雨量箱形图的中位数;如果ECst小于本次降雨量箱形图的25%分位数,则将降雨量预测结果的上界调整为本次降雨量箱形图的50%分位数,将降雨量预测结果的下界调整为ECmin和本次降雨量箱形图最小值box-min中的较小者;如果ECst处于本次降雨量箱形图的25%~75%分位数之间,则将降雨量预测结果的上界调整为本次降雨量箱形图的75%分位数,将降雨量预测结果的下界调整为本次降雨量箱形图的25%分位数;
100%分位数与ECMWF模型极小值方式:将降雨量预测结果的上界调整为本次降雨量箱形图的最大值,将降雨量预测结果的下界调整为ECmin与本次降雨量箱形图最小值box-min中的较小者;
结合数值天气预报模型预报极值的全分位数方式:将降雨量预测结果的上界调整为ECmax和box-max中的较大者,将降雨量预测结果的下界调整为ECmin和box-min中的较小。
5.根据权利要求4所述的热带气旋降雨预报系统,其特征在于,还包括历史数据获取模块,所述历史数据获取模块用于获取待测站点的所有历史登陆热带气旋,并对所述历史登陆热带气旋进行分组。
6.根据权利要求5所述的热带气旋降雨预报系统,其特征在于,所述历史箱形图获取模块获取待测站点历史登陆热带气旋的降雨量箱形图具体为:分别获取各组历史登陆热带气旋的历史最大日降雨量箱形图和最大三日累计降雨量的箱形图。
7.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述1至3任一项所述的热带气旋降雨预报方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086417.3A CN110866639B (zh) | 2019-11-08 | 2019-11-08 | 一种热带气旋降雨预报方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086417.3A CN110866639B (zh) | 2019-11-08 | 2019-11-08 | 一种热带气旋降雨预报方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110866639A CN110866639A (zh) | 2020-03-06 |
CN110866639B true CN110866639B (zh) | 2022-12-02 |
Family
ID=69653507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911086417.3A Active CN110866639B (zh) | 2019-11-08 | 2019-11-08 | 一种热带气旋降雨预报方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110866639B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105334551A (zh) * | 2015-12-10 | 2016-02-17 | 国网四川省电力公司电力科学研究院 | 基于数值天气预报模式的电网气象预测预警系统 |
CN106355274A (zh) * | 2016-08-26 | 2017-01-25 | 大唐陈村水力发电厂 | 一种防汛调度决策辅助系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180292573A1 (en) * | 2017-04-05 | 2018-10-11 | Weather Analytics Llc | Corrective Ensemble Forecasting System for Tropical Cyclones |
-
2019
- 2019-11-08 CN CN201911086417.3A patent/CN110866639B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105334551A (zh) * | 2015-12-10 | 2016-02-17 | 国网四川省电力公司电力科学研究院 | 基于数值天气预报模式的电网气象预测预警系统 |
CN106355274A (zh) * | 2016-08-26 | 2017-01-25 | 大唐陈村水力发电厂 | 一种防汛调度决策辅助系统 |
Non-Patent Citations (3)
Title |
---|
OPERATIONAL FORECAST OF RAINFALL INDUCED BY LANDFALLING TROPICAL CYCLONES ALONG GUANGDONG COAST;李晴岚 等;《Journal of Tropical Meteorology》;20200331;第1-13页 * |
基于BP神经网络的台风降雨量预测研究;封毅等;《水土保持研究》;20120615(第03期);第289-293页 * |
基于历史资料的热带气旋大风定点预报及检验;李辉 等;《热度气象学报》;20191031;第652-663页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110866639A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363327B (zh) | 基于ConvLSTM和3D-CNN的短临降水预测方法 | |
Diaconescu et al. | On the remapping procedure of daily precipitation statistics and indices used in regional climate model evaluation | |
CN112285807B (zh) | 一种气象信息预测方法及装置 | |
CN110045441B (zh) | 基于雷达回波图的天气分析方法及装置 | |
CN107958312B (zh) | 基于反演算法的输电线路舞动预测方法、系统及存储介质 | |
CN110633818B (zh) | 一种配电网台风风灾预警方法及系统 | |
CN113469278B (zh) | 一种基于深度卷积神经网络的强天气目标识别方法 | |
US20210358051A1 (en) | Systems and methods for predictive modeling via simulation | |
CN114882316A (zh) | 目标检测模型训练方法、目标检测方法及装置 | |
US20180156940A1 (en) | Forensic weather system | |
CN114594532A (zh) | 一种寒潮天气预测方法、装置、电子设备及计算机可读介质 | |
CN110866639B (zh) | 一种热带气旋降雨预报方法、系统及电子设备 | |
CN113075751A (zh) | 一种观测资料在短临预报中的融合方法和系统 | |
US10345485B2 (en) | Forensic weather system | |
CN114186726A (zh) | 气象数据处理方法、基于气象数据的提示方法及装置 | |
CN115453661A (zh) | 气象预报方法、装置、设备以及存储介质 | |
CN114518612A (zh) | 雷暴风险预警方法、系统及电子设备 | |
CN112906478A (zh) | 目标对象的识别方法、装置、设备和存储介质 | |
Condon et al. | Climate change and non-stationary flood risk for the Upper Truckee River Basin | |
CN110727719A (zh) | 一种基于动力松弛逼近的闪电定位资料同化方法 | |
CN112418718B (zh) | 一种台风灾害评估方法、系统及装置 | |
CN111696330A (zh) | 一种用于输电线路风灾的分类方法和系统 | |
CN117434624B (zh) | 一种基于语义分割的强对流天气识别和发展预判方法 | |
CN113642741B (zh) | 模型、数据生成方法、装置、电子设备及存储介质 | |
CN110070199A (zh) | 一种电网台风灾害预警方法和系统 |
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 |