CN111400933A - 一种用于计算最优气候模式模拟热带气旋活动性能的方法 - Google Patents
一种用于计算最优气候模式模拟热带气旋活动性能的方法 Download PDFInfo
- Publication number
- CN111400933A CN111400933A CN202010278744.5A CN202010278744A CN111400933A CN 111400933 A CN111400933 A CN 111400933A CN 202010278744 A CN202010278744 A CN 202010278744A CN 111400933 A CN111400933 A CN 111400933A
- Authority
- CN
- China
- Prior art keywords
- tropical cyclone
- tropical
- path
- sea area
- calculating
- 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.)
- Granted
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (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
本发明公开了一种用于计算最优气候模式模拟热带气旋活动性能的方法,包括以下步骤:采集相关信息,计算热带气旋路径密度的二维场分布、路径密度模拟值、路径类型模拟值、月变化模拟值、综合模拟性能值和多个气候模式全球的综合模拟性能值;对综合模拟性能值的大小进行排序,最后得到在多个气候模式中模拟热带气旋活动最优的模式。本发明的定量比较多个气候模式对热带气旋活动模拟能力,基于热带气旋的路径以及频数的多方面特征,结合模式在不同海域的模拟能力对全球范围内总的模拟能力的影响,并能够给出定量化值的排序,使得性能值结果更加客观真实,也更能直观表示出气候模式对热带气旋活动模拟性能的优劣。
Description
技术领域
本发明涉及环境气候技术领域,具体涉及一种用于计算最优气候模式模拟热带气旋活动性能的方法。
背景技术
热带气旋可能是最具有破坏性的自然灾害,所经之处给人们的生命财产带来极大的威胁和损失,所以准确的热带气旋活动预测可以极大地减少人员伤亡和财产损失。数值模拟是近年来研究热带气旋活动的一种有效手段,特别是对热带气旋活动气候态规律的研究,气候模式在其中起到重要的作用。但由于受到分辨率等因素的影响,并不是所有的气候模式都能够很好地模拟热带气旋活动,而气候模式对热带气旋活动模拟是否准确将直接影响到相关研究结果,因此利用模式对热带气旋活动进行深入研究之前需要选择模拟热带气旋活动性能较好的数值模式。
当前,衡量数值模式模拟热带气旋活动性能的方法主要有以下几种类型。一是通过将模式模拟的热带气旋个数以及热带气旋发生的空间频数与观测资料进行对比,求其在观测与模式之间的差异或两者间的相关系数来简单计算模式模拟能力好坏。二是采用与热带气旋生成相关的大尺度环境场组成的指数的值,通过求观测与模式的指数值之间的相关系数和均方根误差来计算模式模拟性能。三是利用热带气旋路径类型的分类,通过比较观测与模式之间热带气旋路径类型中类与类之间的差异判断模式在热带气旋频数和路径方面的模拟性能。
以上的方法在一定程度上判断了数值模式在模拟热带气旋活动方面的能力,但仍存在很多缺陷。首先,上述方法中判断模式模拟热带气旋活动性能的内容比较单一,多种方法考虑的热带气旋活动特征不够全面,例如仅考虑了热带气旋发生频数或者仅考虑了热带气旋路径分类等。其次,上述方法没有形成一个定量的计算指标,对模式模拟性能的判断止于定性分析的层面,结果受主观判断的影响。再次,上述方法一般仅对某一单一海域的模式模拟热带气旋活动性能进行计算,或者即使对全球海域的模拟能力进行了判断也没有考虑到模式在各个海域的模拟能力对全球范围整体模拟效果影响程度的不同。最后,上述方法均没有形成一个可移植的判断标准,使用起来具有很大的局限性。因此,在计算气候模式模拟热带气旋活动性能的这一方面仍存在技术空缺。
发明内容
针对现有技术存在的不足,本发明目的是提供一种用于计算最优气候模式模拟热带气旋活动性能的方法,结合气候模式在模拟热带气旋路径密度、路径类型以及月变化规律上的性能,得到定量结果,最后从多个气候模式中确定模拟性能最好的模式,从而精度更高,结果更加直观。
为了实现上述目的,本发明是通过如下的技术方案来实现:
本发明的一种用于计算最优气候模式模拟热带气旋活动性能的方法,包括以下步骤:
采集全球多个海域观测资料的热带气旋最佳路径数据集和多个气候模式资料模拟出的热带气旋路径资料集;
计算所述海域观测资料与气候模式资料中各个海域的热带气旋路径密度的二维场分布;
分别计算多个所述气候模式在各个海域的路径密度模拟性能评估值DSI;
将所述海域观测资料中的多个海域的热带气旋路径,根据其自身特征分为不同的路径类型,并计算得到不同路径类型在海域中占该海域总热带气旋数量的比例;
根据所述观测资料中热带气旋的路径类型,将所述气候模式资料中的热带气旋路径也进行相同的分类,并计算得到各路径类型占总热带气旋数量的比例;
计算多个所述气候模式在多个海域的路径类型模拟性能评估值GPT;
统计所述海域观测资料与气候模式资料中各个海域热带气旋在每个月份的生成频数,以及这些频数占全年总数量的比例;
计算多个所述气候模式在多个海域的月变化模拟性能评估值MVI;
计算多个所述气候模式在多个海域的综合模拟性能值CTI;
计算所述海域观测资料中各个海域的热带气旋的能量耗散指数;将各个海域的能量耗散指数与全球的能量耗散指数的值作商,得到各海域的能量耗散指数比例;将气候模式在各个海域的综合模拟性能值CTI乘以各海域的能量耗散指数比例,得到多个气候模式全球的综合模拟性能值;
对所述综合模拟性能值的大小进行排序,最后得到在多个气候模式中模拟热带气旋活动最优的模式。
上述海域观测资料与气候模式资料中各个海域的热带气旋路径密度的二维场分布的计算方法如下:
将设定海域对应的区域按照预设的水平分辨率分为R×L个方格,其中R代表该海域经向方格数,L代表该海域纬向方格数;
每次将预设的时间段记录一次的热带气旋路径数据当作一个个独立的样本,热带气旋中心在预设的方格中每出现一次就判定为热带气旋发生一次,在该方格内热带气旋发生数就加上1;基于该方法判断每一个热带气旋在每一个记录时次在方格点上的分布位置,就得到该海域的每个方格中多年的热带气旋发生数,随后计算每个方格中的年平均热带气旋发生数,所述年平均热带气旋发生数为热带气旋路径密度,其对应的空间场为路径密度分布二维场。
多个所述气候模式在各个海域的路径密度模拟值DSI的计算方法如下;
其中,g表示海域中第g个方格,Ds,g代表方格中模式模拟的热带气旋路径密度的值,Do,g为代表方格中观测的热带气旋路径密度的值,Ds,g和Do,g的单位均为次/每年每方格。
将所述海域观测资料中的多个海域的热带气旋路径,根据其自身特征分为不同的路径类型,并计算得到不同路径类型在海域中占该海域总热带气旋数量的比例;具体方法如下:
将观测资料中设定海域的热带气旋路径用包含五个参数的质量矩阵来表述一个完整风暴路径的形状及长度信息,计算方法如下:
其中,xi和yi分别为热带气旋在第i个时刻所在的经度和纬度,n为热带气旋路径记录的次数,w(i)是第i时刻对应的强度权重,此处表示热带气旋10m中心风速V(i);
对由多个热带气旋资料计算得到的上述五个要素进行标准化处理,随后用K均值聚类算法对热带气旋路径进行分类,所述聚类算法使用Matlab软件自带的函数得到;
对预设的海域的热带气旋,将各种路径类型对应的热带气旋数量与该海域所有的热带气旋数量作商,得到每一类路径类型占热带气旋总数的比例;
重复上述两个步骤得到全球多个海域的热带气旋路径分类结果及对应比例。
根据所述观测资料中热带气旋的路径类型,将所述气候模式资料中的热带气旋路径也进行相同的分类,并计算得到各路径类型占总热带气旋数量的比例;具体方法如下:
将多个气候模式的热带气旋路径也用包含五个参数的质量矩来表示;
根据观测资料所得到的各个热带气旋路径类型所对应的聚类中心,采用欧式距离计算公式计算出模式中的各个热带气旋路径对应的质量矩与各个路径类型的聚类中心之间的距离;
设定的热带气旋路径距离哪一类路径类型对应的聚类中心最近,就将该热带气旋属于哪一类;
重复以上步骤,得到多个气候模式的热带气旋路径分类,并按照同样的方法得到模式资料中各类路径所占比例。
多个所述气候模式在多个海域的路径类型模拟值的计算方法如下;
其中,K表示热带气旋路径类型的总分类数,Cs,l代表第l类模拟热带气旋数量占模拟热带气旋总数的比例,Co,l代表第l类观测热带气旋数量占观测热带气旋总数的比例。
多个所述气候模式在多个海域的月变化模拟值的计算方法如下;
其中,m表示月份,Fs,m代表m所表示月份模拟热带气旋频数占全年模拟热带气旋总数的比例,Fo,m代表m所表示月份观测热带气旋频数占全年观测热带气旋总数的比例。
多个所述气候模式在多个海域的综合模拟性能值的计算方法如下;
CTI=DSI×GPT×MVI (4)。
上述热带气旋的能量耗散指数的计算方法如下;
其中,i表示第i个记录时刻,n表示热带气旋路径记录的次数,j表示第j个热带气旋,a代表热带气旋总数,Vi,j代表热带气旋10m中心风速。
本发明的定量比较多个气候模式对热带气旋活动模拟能力,基于热带气旋的路径以及频数的多方面特征,结合模式在不同海域的模拟能力对全球范围内总的模拟能力的影响,并能够给出定量化值的排序,使得性能值结果更加客观真实,也更能直观表示出气候模式对热带气旋活动模拟性能的优劣。
附图说明
图1为本发明的用于计算最优气候模式模拟热带气旋活动性能的方法的工作流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
参见图1,本发明的用于计算最优气候模式模拟热带气旋活动性能的方法,包括以下步骤:
步骤1:采集全球多个海域观测资料的热带气旋最佳路径数据集以及多个气候模式模拟出的热带气旋路径资料集;
步骤2:计算观测资料与模式资料中各个海域的热带气旋路径密度的二维场分布;具体方法为:
步骤2.1:将某一个海域对应的区域(例如,西北太平洋海域对应经纬度范围为0°-60°N,100°E-180°)按照合适的水平分辨率(例如,2°×2°)分为R×L个方格;
步骤2.2:将每6小时记录一次的热带气旋路径数据当作一个个独立的样本,热带气旋中心在某一个特定方格中每出现一次就认为热带气旋发生一次,在该方格内热带气旋发生数就加上1,按照这样的方法判断每一个热带气旋在每一个记录时次在方格点上的分布位置,就得到某海域的每个方格中多年的热带气旋发生数,随后计算每个方格中的年平均热带气旋发生数,即热带气旋路径密度,其对应的空间场即为路径密度分布二维场;
步骤3:分别计算这些气候模式在各个海域的路径密度模拟值;
其中g表示某一海域中第g个方格,Ds,g代表某一个方格中模式模拟的热带气旋路径密度的值,Do,g为代表某一个方格中观测的热带气旋路径密度的值,这里Ds,g和nDo,g的单位均为次/每年每方格;
步骤4:将观测资料中的多个海域的热带气旋路径,根据其自身特征分为不同的路径类型,并计算得到各种不同路径类型在某海域中占该海域总热带气旋数量的比例;具体步骤为:
步骤4.1:将观测资料中某一海域的热带气旋路径用包含5个参数的质量矩阵来表述一个完整风暴路径的形状及长度等信息,计算方法如下:
其中,xi和yi分别为热带气旋在第i个时刻所在的经度和纬度,n为热带气旋路径记录的次数,w(i)是第i时刻对应的强度权重,此处表示热带气旋10m中心风速V(i);
步骤4.2:对由多个热带气旋资料计算得到的上述5个要素进行标准化处理,随后用K均值聚类法对热带气旋路径进行分类,该聚类算法可使用Matlab软件自带的函数得到;
步骤4.3:对某一海域的热带气旋,将各种路径类型对应的热带气旋数量与该海域所有的热带气旋数量作商,得到每一类路径类型占热带气旋总数的比例;
步骤4.4:重复上述两个步骤得到全球多个海域的热带气旋路径分类结果及对应比例。
步骤5:按照观测资料中热带气旋的路径类型分类,将模式资料中的热带气旋路径也进行相同的分类,并计算得到各路径类型占总热带气旋数量的比例;具体步骤为:
步骤5.1:按照步骤4中的方法将多个气候模式的热带气旋路径也用包含5个参数的质量矩来表示;
步骤5.2:根据观测资料所得到的各个热带气旋路径类型所对应的聚类中心,采用欧式距离计算公式计算出模式中的各个热带气旋路径对应的质量矩与各个路径类型的聚类中心之间的距离;
步骤5.3:某一热带气旋路径距离哪一类路径类型对应的聚类中心最近就将该热带气旋属于哪一类;
步骤5.4:重复步骤5.3,得到多个气候模式的热带气旋路径分类,并按照步骤4.3同样的方法得到模式资料中各类路径所占比例。
步骤6:计算这些气候模式在多个海域的路径类型模拟值;
其中K表示热带气旋路径类型的总分类数,Cs,l代表第l类模拟热带气旋数量占模拟热带气旋总数的比例,Co,l代表第l类观测热带气旋数量占观测热带气旋总数的比例;
步骤7:统计观测资料与模式资料中各个海域热带气旋在每个月份的生成频数以及这些频数占全年总数量的比例;
步骤8:计算这些气候模式在多个海域的月变化模拟值;
步骤9:计算这些气候模式在多个海域的综合模拟性能值;
CTI=DSI×GPT×MVI (4)
步骤10:计算观测资料中各个海域的热带气旋的能量耗散指数PDI(PowerDissipation Index)占全球总能量耗散指数的比例,并用该比例作为求得的各海域综合模拟性能值的权重得到多个气候模式全球的综合模拟性能值;具体步骤为:
步骤10.1:求得观测资料中各个海域以及全球总的热带气旋对应的能量耗散指数;
其中i表示第i个记录时刻,n表示热带气旋路径记录的次数,j表示第j个热带气旋,a代表热带气旋总数,Vi,j代表热带气旋10m中心风速;
步骤10.2:将各个海域的能量耗散指数与全球的能量耗散指数的值作商得到各个海域的能量耗散指数比例;
步骤10.3:将前面得到的气候模式在各个海域的热带气旋综合模拟性能值乘上步骤10.2中的各海域对应比例得到全球的综合模拟性能值。
步骤11:根据所述综合模拟性能值所得的数值大小排序,确定在这些气候模式中模拟热带气旋活动最好的模式。
本发明的定量比较多个气候模式对热带气旋活动模拟能力,基于热带气旋的路径以及频数的多方面特征,结合模式在不同海域的模拟能力对全球范围内总的模拟能力的影响,并能够给出定量化值的排序,使得性能值结果更加客观真实,也更能直观表示出气候模式对热带气旋活动模拟性能的优劣。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种用于计算最优气候模式模拟热带气旋活动性能的方法,其特征在于,包括以下步骤:
采集全球多个海域观测资料的热带气旋最佳路径数据集和多个气候模式资料模拟出的热带气旋路径资料集;
计算所述海域观测资料与气候模式资料中各个海域的热带气旋路径密度的二维场分布;
分别计算多个所述气候模式在各个海域的路径密度模拟性能评估值DSI;
将所述海域观测资料中的多个海域的热带气旋路径,根据其自身特征分为不同的路径类型,并计算得到不同路径类型在海域中占该海域总热带气旋数量的比例;
根据所述观测资料中热带气旋的路径类型,将所述气候模式资料中的热带气旋路径也进行相同的分类,并计算得到各路径类型占总热带气旋数量的比例;
计算多个所述气候模式在多个海域的路径类型模拟性能评估值GPT;
统计所述海域观测资料与气候模式资料中各个海域热带气旋在每个月份的生成频数,以及这些频数占全年总数量的比例;
计算多个所述气候模式在多个海域的月变化模拟性能评估值MVI;
计算多个所述气候模式在多个海域的综合模拟性能值CTI;
计算所述海域观测资料中各个海域的热带气旋的能量耗散指数;将各个海域的能量耗散指数与全球的能量耗散指数的值作商,得到各海域的能量耗散指数比例;将气候模式在各个海域的综合模拟性能值CTI乘以各海域的能量耗散指数比例,得到多个气候模式全球的综合模拟性能值;
对所述综合模拟性能值的大小进行排序,最后得到在多个气候模式中模拟热带气旋活动最优的模式。
2.根据权利要求1所述的用于计算最优气候模式模拟热带气旋活动性能的方法,其特征在于,所述海域观测资料与气候模式资料中各个海域的热带气旋路径密度的二维场分布的计算方法如下:
将设定海域对应的区域按照预设的水平分辨率分为R×L个方格,其中R代表该海域经向方格数,L代表该海域纬向方格数;
每次将预设的时间段记录一次的热带气旋路径数据当作一个个独立的样本,热带气旋中心在预设的方格中每出现一次就判定为热带气旋发生一次,在该方格内热带气旋发生数就加上1;基于该方法判断每一个热带气旋在每一个记录时次在方格点上的分布位置,就得到该海域的每个方格中多年的热带气旋发生数,随后计算每个方格中的年平均热带气旋发生数,所述年平均热带气旋发生数为热带气旋路径密度,其对应的空间场为路径密度分布二维场。
4.根据权利要求1所述的用于计算最优气候模式模拟热带气旋活动性能的方法,其特征在于,将所述海域观测资料中的多个海域的热带气旋路径,根据其自身特征分为不同的路径类型,并计算得到不同路径类型在海域中占该海域总热带气旋数量的比例;具体方法如下:
将观测资料中设定海域的热带气旋路径用包含五个参数的质量矩阵来表述一个完整风暴路径的形状及长度信息,计算方法如下:
其中,xi和yi分别为热带气旋在第i个时刻所在的经度和纬度,n为热带气旋路径记录的次数,w(i)是第i时刻对应的强度权重,此处表示热带气旋10m中心风速V(i);
对由多个热带气旋资料计算得到的上述五个要素进行标准化处理,随后用K均值聚类算法对热带气旋路径进行分类,所述聚类算法使用Matlab软件自带的函数得到;
对预设的海域的热带气旋,将各种路径类型对应的热带气旋数量与该海域所有的热带气旋数量作商,得到每一类路径类型占热带气旋总数的比例;
重复上述两个步骤得到全球多个海域的热带气旋路径分类结果及对应比例。
5.根据权利要求4所述的用于计算最优气候模式模拟热带气旋活动性能的方法,其特征在于,根据所述观测资料中热带气旋的路径类型,将所述气候模式资料中的热带气旋路径也进行相同的分类,并计算得到各路径类型占总热带气旋数量的比例;具体方法如下:
将多个气候模式的热带气旋路径也用包含五个参数的质量矩来表示;
根据观测资料所得到的各个热带气旋路径类型所对应的聚类中心,采用欧式距离计算公式计算出模式中的各个热带气旋路径对应的质量矩与各个路径类型的聚类中心之间的距离;
设定的热带气旋路径距离哪一类路径类型对应的聚类中心最近,就将该热带气旋属于哪一类;
重复以上步骤,得到多个气候模式的热带气旋路径分类,并按照同样的方法得到模式资料中各类路径所占比例。
8.根据权利要求1所述的用于计算最优气候模式模拟热带气旋活动性能的方法,其特征在于,多个所述气候模式在多个海域的综合模拟性能值的计算方法如下;
CTI=DSI×GPT×MVI (4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010278744.5A CN111400933B (zh) | 2020-04-10 | 2020-04-10 | 一种用于计算最优气候模式模拟热带气旋活动性能的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010278744.5A CN111400933B (zh) | 2020-04-10 | 2020-04-10 | 一种用于计算最优气候模式模拟热带气旋活动性能的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111400933A true CN111400933A (zh) | 2020-07-10 |
CN111400933B CN111400933B (zh) | 2022-10-25 |
Family
ID=71436889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010278744.5A Active CN111400933B (zh) | 2020-04-10 | 2020-04-10 | 一种用于计算最优气候模式模拟热带气旋活动性能的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111400933B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931433A (zh) * | 2020-08-07 | 2020-11-13 | 江苏海洋大学 | 一种判定热带气旋对上层海洋影响的动力强度指数的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426668A (zh) * | 2015-11-09 | 2016-03-23 | 天津大学 | 一种基于综合强度指标的热带气旋潜在影响评估方法 |
CN107229825A (zh) * | 2017-05-23 | 2017-10-03 | 浙江大学 | 一种面向灾害风险评估的热带气旋全路径模拟方法 |
-
2020
- 2020-04-10 CN CN202010278744.5A patent/CN111400933B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426668A (zh) * | 2015-11-09 | 2016-03-23 | 天津大学 | 一种基于综合强度指标的热带气旋潜在影响评估方法 |
CN107229825A (zh) * | 2017-05-23 | 2017-10-03 | 浙江大学 | 一种面向灾害风险评估的热带气旋全路径模拟方法 |
Non-Patent Citations (1)
Title |
---|
梁驹等: "区域气候模拟系统对西北太平洋热带气旋活动的模拟分析", 《气象科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931433A (zh) * | 2020-08-07 | 2020-11-13 | 江苏海洋大学 | 一种判定热带气旋对上层海洋影响的动力强度指数的方法 |
CN111931433B (zh) * | 2020-08-07 | 2021-10-29 | 江苏海洋大学 | 一种判定热带气旋对上层海洋影响的动力强度指数的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111400933B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mote et al. | Scenarios of future climate change for the Pacific Northwest | |
Wetterhall et al. | Seasonality properties of four statistical-downscaling methods in central Sweden | |
Yılmaz et al. | A statistical approach to estimate the wind speed distribution: the case of Gelibolu region | |
CN112180472A (zh) | 一种基于深度学习的大气能见度集成预报方法 | |
Zhang et al. | Spatial–temporal evolution and driving force analysis of eco-quality in urban agglomerations in China | |
CN108647425B (zh) | 基于粒子群优化的K-means径流丰枯年份预报方法 | |
CN112883635B (zh) | 一种基于随机森林算法的热带气旋全路径模拟方法 | |
CN111401677A (zh) | 生态水利工程的综合评价方法 | |
Kalourazi et al. | Simulating tropical storms in the Gulf of Mexico using analytical models | |
CN113836808A (zh) | 一种基于重污染特征约束的pm2.5深度学习预测方法 | |
CN111400933B (zh) | 一种用于计算最优气候模式模拟热带气旋活动性能的方法 | |
Yadav et al. | Statistical evaluation of sigma schemes for estimating dispersion in low wind conditions | |
CN114331009A (zh) | 一种不可移动文物大风灾害风险图编制方法 | |
CN109784720A (zh) | 一种台风灾害下基于时空网格关联的配电网风险评估方法 | |
Figurski et al. | The impact of initial and boundary conditions on severe weather event simulations using a high-resolution WRF model. Case study of the derecho event in Poland on 11 August 2017 | |
CN115906669A (zh) | 一种顾及负样本选取策略的密集残差网络滑坡易发性评价方法 | |
Thilakarathne et al. | A Simple Approach to Predict the Beach Vulnerability to Storm-induced Erosion in Hasaki Coast, Japan | |
CN113837283A (zh) | 一种基于均值聚类与线性判别的热带气旋等级划分方法 | |
Devis et al. | A height dependent evaluation of wind and temperature over Europe in the CMIP5 Earth System Models | |
CN116596410A (zh) | 基于组合赋权法的台风风暴潮灾害脆弱性评价方法 | |
McGregor et al. | Specification and prediction of monthly and seasonal rainfall over the south‐west peninsula of England | |
Lu et al. | Optimization of weather forecasting for cloud cover over the european domain using the meteorological component of the ensemble for stochastic integration of atmospheric simulations version 1. 0 1–31Publisher: Copernicus GmbH. doi: 10.5194 | |
CN110674471A (zh) | 基于GIS与Logistic回归模型的泥石流易发性预测方法 | |
Tsui et al. | Evaluation of western North Pacific tropical cyclone objective forecast aids | |
Bischoff et al. | Presentation and validation of a simulation environment for floating lidar systems |
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 |