CN112305640A - 天气预警方法、装置、电子设备和计算机可读存储介质 - Google Patents
天气预警方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112305640A CN112305640A CN202010591614.7A CN202010591614A CN112305640A CN 112305640 A CN112305640 A CN 112305640A CN 202010591614 A CN202010591614 A CN 202010591614A CN 112305640 A CN112305640 A CN 112305640A
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- short
- wave
- rainstorm
- atmosphere
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003745 diagnosis Methods 0.000 claims abstract description 22
- 238000010586 diagram Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims description 35
- 238000001556 precipitation Methods 0.000 claims description 17
- 238000013213 extrapolation Methods 0.000 claims description 15
- 238000000926 separation method Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000005484 gravity Effects 0.000 description 72
- 230000000694 effects Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000000630 rising effect Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000008033 biological extinction Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
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
本发明实施例提出一种天气预警方法、装置、电子设备和计算机可读存储介质，涉及气象预报技术领域。该方法通过采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；对大气综合波动数据进行提取和识别，获得目标大气短波分量；依据目标大气短波分量，利用天气学诊断原理获得目标区域的暴雨落区位置；根据暴雨落区位置和预设的降水落区获得暴雨落区预警图。其能够提高暴雨预警的准确性、预警时间和确定性。
Description
技术领域
本发明涉及气象预报技术领域，具体而言，涉及一种天气预警方法、装置、电子设备和计算机可读存储介质。
背景技术
目前的暴雨预警系统主要是预报员的分析为主，通过人为的诊断分析，形成的预警发布。这种方式对预报员的经验要求很高，且过于依靠人为的判断力，使得暴雨预警的准确性不高，并且预警时间有限，具有高度的不确定性。
发明内容
有鉴于此，本发明的目的在于提供一种天气预警方法、装置、电子设备和计算机可读存储介质，其能够提高暴雨预警的准确性、预警时间和确定性。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供一种天气预警方法，所述方法包括：
采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；其中，所述大气综合波动数据包括大气长波分量和大气短波分量；
对所述大气综合波动数据进行提取和识别，获得目标大气短波分量；
依据所述目标大气短波分量，利用天气学诊断原理获得所述目标区域的暴雨落区位置；
根据所述暴雨落区位置和预设的降水落区获得暴雨落区预警图。
在可选的实施方式中，所述对所述大气综合波动数据进行提取和识别，获得目标大气短波分量的步骤，包括：
利用小波频谱分离技术，从所述大气综合波动数据中提取出所述大气短波分量；
采用尺度分级技术，从所述大气短波分量中识别出目标大气短波分量。
在可选的实施方式中，所述利用小波频谱分离技术，从所述大气综合波动数据中提取出所述大气短波分量的步骤，包括：
采用多尺度的小波变换技术，从所述大气综合波动数据中分离出所述大气长波分量和所述大气短波分量；
通过小波频谱分析技术，从所述大气长波分量和所述大气短波分量中提取出所述大气短波分量。
在可选的实施方式中，所述依据所述目标大气短波分量，利用天气学诊断原理获得所述目标区域的暴雨落区位置的步骤，包括：
利用所述天气学诊断原理对所述目标大气短波分量进行处理，获得峰区风压关系；
依据所述峰区风压关系判断所述目标区域的峰区落区位置；
通过外推技术和预报技术对所述目标大气短波分量进行处理，获得所述目标区域的槽线落区位置；
依据所述峰区落区位置和所述槽线落区位置，获得所述暴雨落区位置。
在可选的实施方式中，所述通过外推技术和预报技术对所述目标大气短波分量进行处理，获得所述目标区域的槽线落区位置的步骤，包括：
依据所述目标大气短波分量获得当前的短波槽位置；
基于所述当前的短波槽位置，利用所述外推技术和所述预报技术预测下一时刻的短波槽位置；
依据所述当前的短波槽位置和所述下一时刻的短波槽位置获得所述槽线落区位置。
在可选的实施方式中，所述根据所述暴雨落区位置和预设的降水落区获得暴雨落区预警图的步骤，包括：
通过递减平均算法对所述暴雨落区位置和所述降水落区进行计算，得到所述暴雨落区位置和所述降水落区之间的权重关系；
根据所述暴雨落区位置和预设的降水落区之间的权重关系，获得所述暴雨落区预警图。
第二方面，本发明实施例提供一种天气预警装置，所述装置包括：
数值天气预报模块，用于采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；其中，所述大气综合波动数据包括大气长波分量和大气短波分量；
短波识别分析模块，用于对所述大气综合波动数据进行提取和识别，获得目标大气短波分量；
短波诊断外推模块，用于依据所述目标大气短波分量，利用天气学诊断原理获得所述目标区域的暴雨落区位置；
暴雨预警模块，用于根据所述暴雨落区位置和预设的降水落区获得暴雨落区预警图。
在可选的实施方式中，所述短波识别分析模块包括：
提取单元，用于利用小波频谱分离技术，从所述大气综合波动数据中提取出所述大气短波分量；
识别单元，用于采用尺度分级技术，从所述大气短波分量中识别出目标大气短波分量。
第三方面，本发明实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式任意一项所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任意一项所述的方法。
本发明实施例提供的天气预警方法、装置、电子设备和计算机可读存储介质，通过采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；对大气综合波动数据进行提取和识别，获得目标大气短波分量；依据目标大气短波分量，利用天气学诊断原理获得目标区域的暴雨落区位置；根据暴雨落区位置和预设的降水落区获得暴雨落区预警图。可见，由于大气短波分量是强对流天气发生的重要指标，可以为强对流天气提供准确的预警作用。按照大气动力学的原理，依据大气短波分量可以判断暴雨落区位置，提高暴雨预警的准确性、预警时间和确定性。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种天气预警方法的流程示意图；
图2示出了本发明实施例提供的图1中步骤S102的子流程示意图；
图3示出了本发明实施例提供的图1中步骤S103的子流程示意图；
图4示出了本发明实施例提供的一种天气预警装置的结构示意图；
图5示出了本发明实施例提供的短波识别分析模块的结构示意图；
图6示出了本发明实施例提供的一种电子设备的结构示意图。
图标：100-电子设备；110-存储器；120-处理器；130-通信模块；140-天气预警装置；141-数值天气预报模块；142-短波识别分析模块；1421-提取单元；1422-识别单元；143-短波诊断外推模块；144-暴雨预警模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
大气主要由不同尺度的波动组成，不同尺度的波动主要包括：大气长波、大气短波和声波等。其中，大气长波主要包括了大气的准定常的基本状态，由大气的平均态组成。大气短波主要是一些天气扰动，由大气平均扰动态组成。声波主要是大气的机械震动，由大气的疏密性质组成的。大尺度的波动主要构成了基本的大气环境，例如：500hPa的大气形势场等。大尺度的波动往往为天气的发生提供了环境条件。强对流天气的发生主要是由于受到天气尺度的大气短波波动的影响，大气短波的发展为强对流天气过程的发生提供了扰动条件，也为强对流天气系统的发展提供了动力条件。
在大气短波前沿往往存在强烈的上升区域，伴随强烈的降水条件。大气短波与大气长波的相互作用为强对流天气提供了动力支持。大气短波是中尺度强对流天气发生的重要指标。大气短波的波动也与强对流的活动有关。因此，大气短波可以为强对流的天气提供准确的预警作用。
大气形势是由气压驱动的，主要由基本的大气长波和叠加在上面的大气短波组成的。其中，大气长波主要决定环境形势，大气短波往往是天气发生的重要参数。大气短波的发生往往具有明确的意义，在天气学中具有重要作用，对于气象预警的作用非常重要，具有一定的预报意义。
而目前的暴雨预警系统主要是预报员的分析为主，通过人为的诊断分析，形成预警发布。并没有将大气短波作为气象预警的依据，因此现有的暴雨预警系统的准确性不高，并预警时间有限，具有高度的不确定性。
为了解决上述问题，本申请提供了一种天气预警方法，其能够通过明确暴雨的发生的信号，科学的判断暴雨的准确信息，不仅准确性更高、且能够提前24小时发出科学的暴雨预判信息，为暴雨预报提供有效的预警能力。具体地，请参照图1，为本申请实施例提供的天气预警方法的一种可实施的流程示意图。需要说明的是，本发明实施例提供的天气预警方法并不以图1以及以下的具体顺序为限制，应当理解，在其他实施例中，本申请实施例提供的天气预警方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。该天气预警方法可以应用在电子设备中，下面将对图1所示的具体流程进行详细阐述。
步骤S101，采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；其中，大气综合波动数据包括大气长波分量和大气短波分量。
在本实施例中，目标区域的大气综合波动数据主要通过数值预报模式预测得到，数值预报模式采用了多尺度的预报技术。即数值预报模式需要预报大尺度的天气形势，同时需要利用扰动方法，准确的预报中小尺度的短波尺度。数值预报模块可以综合大尺度的天气形势和中小尺度的短波尺度的相互作用，将总体的包含大、中和小等多种尺度的天气要素绘制到一张天气图上。其中，大气长波分量可以理解为大尺度的天气形势，大气短波分量可以理解为中小尺度的短波尺度，大气综合波动数据可以理解为天气学要素。
可以理解，数值预报模式由气象参数和扰动参数组成，气象参数和扰动参数分别满足大气运动学方程。多尺度的预报技术需要提供天气的大、中和小尺度的天气过程的准确形势，并向大气波动学方程提供波动参数。
其中，数值预报模式是原始方程模式，大气运动学方程包括了大气的运动参数。大气运动学方程的强迫式中包括了气压梯度力、科氏力、重力、浮力和摩擦力等多种强迫的共同作用。大气波动学中的大气波动活动主要包括大气长波分量和大气短波分量的活动，故大气波动学方程对波动参数进行计算后，得到的大气综合波动数据表现为大气长波分量和大气短波分量的叠加。
由于在天气的演变的过程中，大气的波动主要由大气长波分量、声波、重力外波、重力内波、惯性重力外波和惯性重力内波等。大气长波为罗斯贝波，主要是由大尺度的波动的β效应形成的长波。大气短波分量则包括声波、重力外波、重力内波、惯性重力外波和惯性重力内波。由于声波属于高频的快速移动的空气震动，与天气的发生关系不大，通常被直接过滤掉。剩余的重力外波、重力内波、惯性重力外波和惯性重力内波则成为目标大气短波分量。大气长波分量以罗斯贝波为主，主要反应大尺度的环流环境，即反应大尺度的天气运动；目标大气短波分量则主要是考虑重力、浮力和科氏力等作用，反应大气中的中小尺度天气演变过程，即主要反应目标区域的中小尺度的天气系统的天气运动。
由于大气综合波动数据为大气的叠加波动，故在原始方程模式的强迫项中，需同时考虑气压梯度力、重力、浮力、科氏力和摩擦力的共同作用，提供包括大气长波分量、重力外波、重力内波、惯性重力外波和惯性重力内波等的多种波动的叠加大气波动。由于大气的运动表现为基本的西风气流和叠在上面的小扰动组成，可以通过滞弹性近似和伯辛内斯克近似对原始方程模式进行分离，通过小扰动的线性化方法对原始方程模式中的非线性方程进行线性化，经过固定的大气标准波动形势，可以推导出大气长波分量、重力外波、重力内波、惯性重力外波和惯性重力内波等波动。
大气波动学方程是天气形成、发生发展及移动机理，主要包括四类波动：大气长波、声波、重力波和惯性波。重力波按照密度差异分为重力外波和重力内波，惯性波按照科氏力和重力共同作用分为重力惯性外波和重力惯性内波。由于科氏力随纬度而改变，存在β效应产生罗斯贝波。声波是大气可压缩产生的，属于高频快波，通常被过滤掉。大气中的重力波、惯性波与中小尺度的天气发生、发展和消亡有着密切的联系。重力波考虑了大气温度层结关系，考虑地形强迫、外力强迫和浮力等作用。重力波的形成与中小尺度的强对流的发生息息相关。重力波的移动与天气的发展有关。重力波的消亡与中小尺度的强对流的消亡有关。因此重力波能够准确判断中小尺度强对流天气的演变过程，短波槽的活动可以作为中小尺度强对流活动的重要指标。惯性波仅考虑了科氏力的作用形成的中尺度大气波动，许多中尺度的天气系统由于科氏力的作用形成的波动。惯性波也是中尺度天气的演变的一种重要指标。实际大气是科氏力与重力的共同作用形成的惯性重力波。惯性重力波即考虑了重力的作用，同时考虑了科氏力的影响。
步骤S102，对大气综合波动数据进行提取和识别，获得目标大气短波分量。
在本实施例中，如图2所示，为步骤S102的子步骤流程示意图，步骤S102包括以下步骤：
步骤S201，利用小波频谱分离技术，从大气综合波动数据中提取出大气短波分量。
在本实施例中，可以采用多尺度的小波变换技术，从大气综合波动数据中分离出大气长波分量和大气短波分量；通过小波频谱分析技术，从大气长波分量和大气短波分量中提取出大气短波分量。
可以理解，大气综合波动数据包括大、中、小尺度的不同波长的波动，即大气综合波动数据包括大气长波分量和大气短波分量，为了提取出大气综合波动数据中的大气短波分量，需先采用多尺度的小波变换技术对其进行分离，再利用小波频谱分析技术将其中的大气短波分量进行提取。其中，大气短波分量主要提供了大气的长波和短波的位置、移动速度和尺度等参数。
由于大气综合波动数据是由一组简谐波的叠加而成的，大气综合波动数据可以分解为一组简谐波的序列。大气按照标准波形可以分为大气长波、声波、重力外波、重力内波、惯性重力外波和惯性重力内波，这些标准波动可以看作是一组简谐波组成的波包。大气短波分量的标准波列包括重力外波、重力内波、惯性重力外波和惯性重力内波等，大气短波分量的标准波列是一些固定尺度的简谐波组成的。因此，大气短波分量的提取主要是通过大气的波动进行分解得到简谐波；并从简谐波中提取出标准波列，合成标准波；将标准波进行合成得到短波的波包。短波的波包包括：重力外波、重力内波、惯性重力外波和惯性重力内波等波包。标准波列的移动速度等于短波波包的移动速度。
其中，简谐波的分解具体原理为：大气综合波动数据可以表达为一组简谐波的叠加，大气综合波动数据可以被分解为一组简谐波的序列。大气综合波动数据的分解可以采用小波频谱分离技术，利用不同时空尺度的小波基函数，将大气综合波动数据分解为不同时空尺度的一组简谐波。
标准波合成的具体原理为：大气综合波动数据的标准波主要包括：大气长波、声波、重力外波、重力内波、惯性重力外波和惯性重力内波。重力外波、重力内波、惯性重力外波和惯性重力内波可称为大气短波分量，大气的这些波动可以看作是大气的一个波包的活动，而波包是由一些简谐波所叠加组成的。因此，通过对简谐波的合成，利用不同尺度的简谐波的线性组合，可以生成为标准波。
短波的波包合成的具体原理为：由于大气综合波动数据包括大气长波分量和大气短波分量，大气长波分量是大尺度的波动，大气短波分量则是中小尺度的重要波动。由于大气运动学方程的强迫项中同时包括了气压梯度力、重力、浮力、科氏力和摩擦力等的共同作用。在实际的波动中大气综合波动数据可以看作是大气长波分量和大气短波分量的组合。大气长波分量包括罗斯贝波，大气短波分量则包括一组标准波的组合。大气短波分量具体为重力外波、重力内波、惯性重力外波和惯性重力内波等标准波的叠加结果。因此，实际的大气短波分量表现为一组大气标准波动的合成波。短波的波包合成是将大气中的标准波进行合成，将重力外波、重力内波、惯性重力外波和惯性重力内波等进行组合，形成一个实际的大气短波波包。
步骤S202，采用尺度分级技术，从大气短波分量中识别出目标大气短波分量。
在本实施例中，从大气短波分量中识别出目标大气短波分量的具体原理为：由于大气短波分量可以看作一组标准波的组合，故需先进行标准波的识别，标准波的识别包括罗斯贝波、声波、重力外波、重力内波、惯性重力外波和惯性重力内波的识别。由于大气波动的尺度不同，大气波动可以分为大气长波、声波和大气短波。此外不同的波动的波速也是不同的，因此可以根据波速对分解组合的标准波进行识别。由于标准波的波速是唯一确定的，因此，通过尺度分离和波速分离识别技术可以将分解组合的标准波形进行识别，将标准波分离为不同尺度和波速下的标准波动，并且分别对应标准的波形。
标准波进行识别后，需对波速进行识别。可以通过尺度分离和波速分离识别技术将提取的标准波进行分离识别。尺度分离技术可以通过波长的不同将提取的大气波动分离为大气长波、声波和短波。通过波速分离识别技术将大气短波分量进行分离识别，通过计算组合的标准波的波速，利用理论标准波形的波速作为目标大气短波分量的判别条件，可以有效区分大气的标准波。如果合成的标准波形与理论标准波的波形和波速一致，则识别为目标大气短波分量的波形。
波速进行识别后，需对目标大气短波分量进行识别。大气综合波动数据可以看作是标准波形的叠加作用，因此，将识别出的标准波形进行叠加，可以表示为大气的实际波动，可以看作为目标大气短波分量的波动。因此目标短波分量的识别是将识别的大气标准波动进行叠加，形成大气的短波波列。由于大气短波波列与中尺度的天气系统有关，因此通过尺度判别技术，对大气短波分量的尺度进行判别，可以从大气短波分量识别出目标大气短波分量。其中，目标大气短波分量包括：重力外波、重力内波、惯性重力外波和惯性重力内波。
步骤S103，依据目标大气短波分量，利用天气学诊断原理获得目标区域的暴雨落区位置。
在本实施例中，如图3所示，为步骤S103的子步骤流程示意图，步骤S103包括以下子步骤：
步骤S301，利用天气学诊断原理对目标大气短波分量进行处理，获得峰区风压关系。
在本实施例中，峰区风压关系用于描述峰区气温、风和气压之间的关系。
步骤S302，依据峰区风压关系判断目标区域的峰区落区位置。
在本实施例中，天气图中等温线密集的区域称为峰区，在峰区等温线密集分布。若等压线平行于等温线则为正压大气，若等压线穿越等压线则为斜压大气。等温线越密集则峰区越强烈，峰区是冷暖空气交汇的地区。在峰区冷空气下沉，推动暖湿空气上升，在上升的过程中，会在冷锋过境前后发生暴雨过程。峰区的斜压大气也是为暴雨的发生提供动力条件，斜压大气会产生斜压不稳定，会促进强对流的活动。因此，在斜压大气中强烈活动中心，冷暖空气活动强烈的地方，也是对流天气发生的重要区域。因此，峰区外侧的等压线密集区位置也是暴雨发生的重要区域位置，可以作为峰区强对流落区位置，即峰区落区位置。
步骤S303，通过外推技术和预报技术对目标大气短波分量进行处理，获得目标区域的槽线落区位置。
在本实施例中，通过外推技术和预报技术对目标大气短波分量进行处理，获得目标区域的槽线落区位置的具体原理为：依据目标大气短波分量获得当前的短波槽位置；基于当前的短波槽位置，利用外推技术和预报技术预测下一时刻的短波槽位置；依据当前的短波槽位置和下一时刻的短波槽位置获得槽线落区位置。
可以理解，大气的短波槽线是天气的短波槽的定点的连线，形成一条短波槽。按天气学统理论，短波槽附近是风向发生偏转的重要位置，在短波槽的外侧区域会发生上升运动。短波槽的外侧区域是发生强对流的重要区域，通过判断等压线外侧风圈，如果是逆时针旋转则表现为气旋，气流辐合上升。在短波槽的外侧区域会发生强烈的对流，将逆时针旋转的区域作为槽线落区位置。
步骤S304，依据峰区落区位置和槽线落区位置，获得暴雨落区位置。
通过设置不同的参数阈值，将峰区落区位置和槽线落区位置组合成为暴雨落区位置。
在本实施例中，暴雨落区位置除了与等温线和等压线的密集程度、风向的旋转性有关之外，还与处置上升运动有关。在锋区等温线和等压线密集，风向发生明显的气旋特征，此外伴随着强烈的水平辐合，空气会上升运动。为了提供全面的短波活动参数，还可以采用垂直诊断方程技术，判断出暴雨上升运动的位置，从而准确判断出暴雨的诊断落区位置，为暴雨落区位置的判断做准备。
诊断落区位置是通过大气的垂直诊断方程，将大气的水平运动与垂直运动联系起来。在水平辐合强烈的地方，伴随强烈的上升运动。因此可以通过水平的大气状态参数带入大气的垂直诊断方程，可以判断出大气辐合上升的区域。这个区域也是强对流天气发生的重要位置，因此可以通过设置垂直速度的阈值，判断峰区水平辐合的强弱，以判断出降水的潜在范围。
因此，可以综合槽线落区位置、峰区落区位置和诊断落区位置，形成暴雨落区位置。通过设置不同的参数阈值，将三种暴雨的落区组合成为一种落区。由于暴雨落区位置具有非动力的特征，是一种落区的估计态，因此作为潜在落区。
步骤S104，根据暴雨落区位置和预设的降水落区获得暴雨落区预警图。
在本实施例中，根据暴雨落区位置和预设的降水落区获得暴雨落区预警图的具体原理为：通过递减平均算法对暴雨落区位置和降水落区进行计算，得到暴雨落区位置和降水落区之间的权重关系；根据暴雨落区位置和预设的降水落区之间的权重关系，获得暴雨落区预警图。
可以理解，降水落区可以由数值预报直接给出，根据气象参数化的方案，通过气象参数与降水量的关系确定降水落区。
暴雨落区位置和预设的降水落区之间的权重关系充分利用观测资料的客观数据，分别将暴雨落区位置、预设的降水落区和观测落区之间的误差作为权重系数。选取适当的权重系数，计算之后的平均误差。根据各项预报时刻降水落区与真实降水观测落区的误差的订正量，确定最优的最终系数。不断的将前一天的订正量带入到订正方案中，经过一段时间后，得到的误差已经趋于稳定，这样得到最终的误差订正参量。
暴雨落区预警图是将潜在的暴雨落区位置、降水落区以及观测落区三者进行融合，充分考虑某种落区的在某一方面的优势，在优势上比较明显的区域采用比较大的权重，在优势上比较弱的地区采用比较小的权重，这样总体得到的融合图像能够最大程度上反应出暴雨的最佳分布情况。因此暴雨落区预警图是融合了暴雨落区、降水落区和观测落区三者信息，充分发挥了三种预报的优势，能够更好的提供暴雨的预报图，更加具有参考价值，对于暴雨的提前预警具有积极的作用。
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种天气预警装置的实现方式。进一步地，请参阅图4，图4为本发明实施例提供的一种天气预警装置140的结构示意图。需要说明的是，本实施例所提供的天气预警装置140，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该天气预警装置140包括：数值天气预报模块141、短波识别分析模块142、短波诊断外推模块143和暴雨预警模块144。
数值天气预报模块141用于采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；其中，大气综合波动数据包括大气长波分量和大气短波分量。
可以理解，数值天气预报模块141用于执行上述步骤S101的内容。
短波识别分析模块142用于对大气综合波动数据进行提取和识别，获得目标大气短波分量。
可以理解，短波识别分析模块142用于执行上述步骤S102的内容。
短波诊断外推模块143用于依据目标大气短波分量，利用天气学诊断原理获得目标区域的暴雨落区位置。
可以理解，短波诊断外推模块143用于执行上述步骤S103、步骤S301、步骤S302、步骤S303和步骤S304的内容。
暴雨预警模块144用于根据暴雨落区位置和预设的降水落区获得暴雨落区预警图。
可以理解，暴雨预警模块144用于执行上述步骤S104的内容。
在本实施例中，如图5所示，短波识别分析模块142包括：提取单元1421和识别单元1422。
提取单元1421用于利用小波频谱分离技术，从大气综合波动数据中提取出大气短波分量。
可以理解，提取单元1421用于执行上述步骤S201的内容。
识别单元1422用于采用尺度分级技术，从大气短波分量中识别出目标大气短波分量。
可以理解，识别单元1422用于执行上述步骤S202的内容。
如图6所示，为本申请实施例提供的一种电子设备100的结构示意图，该电子设备100包括存储器110、处理器120和通信模块130等，这些组件通过一条或多条通信总线/信号线相互通讯。
可选地，上述模块可以软件或固件(Firmware)的形式存储于图6所示的存储器110中或固化于电子设备100的操作系统(Operating System，OS)中，并可由图6中的处理器120执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。例如，当存储器110中存储的计算机程序被处理器120执行时，能够实现本发明实施例所揭示的天气预警方法。
通信模块130用于通过所述网络建立电子设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
应当理解的是，图6所示的结构仅为电子设备100的结构示意图，所述电子设备100还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。图6中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器120执行时实现如前述实施方式中任一项的天气预警方法。该计算机可读存储介质可以是，但不限于，U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述，本申请实施例提供了一种天气预警方法、装置、电子设备和计算机可读存储介质，通过采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；对大气综合波动数据进行提取和识别，获得目标大气短波分量；依据目标大气短波分量，利用天气学诊断原理获得目标区域的暴雨落区位置；根据暴雨落区位置和预设的降水落区获得暴雨落区预警图。可见，由于大气短波分量是强对流天气发生的重要指标，可以为强对流天气提供准确的预警作用。按照大气动力学的原理，依据大气短波分量可以判断暴雨落区位置，提高暴雨预警的准确性、预警时间和确定性。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种天气预警方法，其特征在于，所述方法包括：
采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；其中，所述大气综合波动数据包括大气长波分量和大气短波分量；
对所述大气综合波动数据进行提取和识别，获得目标大气短波分量；
依据所述目标大气短波分量，利用天气学诊断原理获得所述目标区域的暴雨落区位置；
根据所述暴雨落区位置和预设的降水落区获得暴雨落区预警图。
2.根据权利要求1所述的天气预警方法，其特征在于，所述对所述大气综合波动数据进行提取和识别，获得目标大气短波分量的步骤，包括：
利用小波频谱分离技术，从所述大气综合波动数据中提取出所述大气短波分量；
采用尺度分级技术，从所述大气短波分量中识别出目标大气短波分量。
3.根据权利要求2所述的天气预警方法，其特征在于，所述利用小波频谱分离技术，从所述大气综合波动数据中提取出所述大气短波分量的步骤，包括：
采用多尺度的小波变换技术，从所述大气综合波动数据中分离出所述大气长波分量和所述大气短波分量；
通过小波频谱分析技术，从所述大气长波分量和所述大气短波分量中提取出所述大气短波分量。
4.根据权利要求1所述的天气预警方法，其特征在于，所述依据所述目标大气短波分量，利用天气学诊断原理获得所述目标区域的暴雨落区位置的步骤，包括：
利用所述天气学诊断原理对所述目标大气短波分量进行处理，获得峰区风压关系；
依据所述峰区风压关系判断所述目标区域的峰区落区位置；
通过外推技术和预报技术对所述目标大气短波分量进行处理，获得所述目标区域的槽线落区位置；
依据所述峰区落区位置和所述槽线落区位置，获得所述暴雨落区位置。
5.根据权利要求4所述的天气预警方法，其特征在于，所述通过外推技术和预报技术对所述目标大气短波分量进行处理，获得所述目标区域的槽线落区位置的步骤，包括：
依据所述目标大气短波分量获得当前的短波槽位置；
基于所述当前的短波槽位置，利用所述外推技术和所述预报技术预测下一时刻的短波槽位置；
依据所述当前的短波槽位置和所述下一时刻的短波槽位置获得所述槽线落区位置。
6.根据权利要求1所述的天气预警方法，其特征在于，所述根据所述暴雨落区位置和预设的降水落区获得暴雨落区预警图的步骤，包括：
通过递减平均算法对所述暴雨落区位置和所述降水落区进行计算，得到所述暴雨落区位置和所述降水落区之间的权重关系；
根据所述暴雨落区位置和预设的降水落区之间的权重关系，获得所述暴雨落区预警图。
7.一种天气预警装置，其特征在于，所述装置包括：
数值天气预报模块，用于采用大气运动学方程和大气波动学方程对气象参数、扰动参数和波动参数进行处理，得到目标区域的大气综合波动数据；其中，所述大气综合波动数据包括大气长波分量和大气短波分量；
短波识别分析模块，用于对所述大气综合波动数据进行提取和识别，获得目标大气短波分量；
短波诊断外推模块，用于依据所述目标大气短波分量，利用天气学诊断原理获得所述目标区域的暴雨落区位置；
暴雨预警模块，用于根据所述暴雨落区位置和预设的降水落区获得暴雨落区预警图。
8.根据权利要求7所述的天气预警装置，其特征在于，所述短波识别分析模块包括：
提取单元，用于利用小波频谱分离技术，从所述大气综合波动数据中提取出所述大气短波分量；
识别单元，用于采用尺度分级技术，从所述大气短波分量中识别出目标大气短波分量。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现权利要求1-6任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010591614.7A CN112305640A (zh) | 2020-06-24 | 2020-06-24 | 天气预警方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010591614.7A CN112305640A (zh) | 2020-06-24 | 2020-06-24 | 天气预警方法、装置、电子设备和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112305640A true CN112305640A (zh) | 2021-02-02 |
Family
ID=74483121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010591614.7A Pending CN112305640A (zh) | 2020-06-24 | 2020-06-24 | 天气预警方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112305640A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120084006A1 (en) * | 2010-10-04 | 2012-04-05 | Seiko Epson Corporation | System for providing weather fluctuation prediction information and method of providing weather fluctuation prediction information |
| CN110175545A (zh) * | 2019-05-15 | 2019-08-27 | 国耀量子雷达科技有限公司 | 一种基于ls谱和小波谱的主导重力波识别方法 |
| KR20200071171A (ko) * | 2018-12-10 | 2020-06-19 | 재단법인 경북아이티융합 산업기술원 | 악천후 환경에 강한 객체 인식용 실외 차량 카메라 시스템 |
-
2020
- 2020-06-24 CN CN202010591614.7A patent/CN112305640A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120084006A1 (en) * | 2010-10-04 | 2012-04-05 | Seiko Epson Corporation | System for providing weather fluctuation prediction information and method of providing weather fluctuation prediction information |
| KR20200071171A (ko) * | 2018-12-10 | 2020-06-19 | 재단법인 경북아이티융합 산업기술원 | 악천후 환경에 강한 객체 인식용 실외 차량 카메라 시스템 |
| CN110175545A (zh) * | 2019-05-15 | 2019-08-27 | 国耀量子雷达科技有限公司 | 一种基于ls谱和小波谱的主导重力波识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| 徐裕华，陈忠明，闵文彬: ""94．7．3"川东突发性强对流暴雨的诊断分析", 《四川气象》 * |
| 肖洪郁等: "2002年7月30日～31日盆地西部局地持续强暴雨过程分析", 《四川气象》 * |
| 贾文韬等: "西风急流对鲁西北一次暴雨过程的影响", 《海洋湖沼通报》 * |
| 邓少格等: "一次暴雨过程中重力波参数演变特征的模拟结果", 《地球物理学报》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ferry et al. | GLORYS2V1 global ocean reanalysis of the altimetric era (1992–2009) at meso scale | |
| US10386542B2 (en) | Predicting ice coating status on transmission lines | |
| Russo et al. | Neural network forecast of daily pollution concentration using optimal meteorological data at synoptic and local scales | |
| Cole et al. | Assessment of the 60 km rapid update cycle (RUC) with near real-time aircraft reports | |
| CN106229972B (zh) | 一种基于多气象源集成并分段建模的风电功率预测方法 | |
| CN109543907B (zh) | 一种复杂地形风资源评估方法及其装置 | |
| JP2013054005A (ja) | 気象変動情報提供システム、気象変動情報提供方法、気象変動情報提供プログラム及び記録媒体 | |
| KR101860742B1 (ko) | 낙뢰 위험도 분석 시스템 및 이를 이용한 낙뢰 위험도 분석 방법 | |
| CN114332749B (zh) | 一种基于深度学习的采砂船采砂监控方法 | |
| Zhu et al. | A regional GSI-based ensemble Kalman filter data assimilation system for the rapid refresh configuration: Testing at reduced resolution | |
| JP2010054460A (ja) | 波浪予測システム | |
| JP2019138737A (ja) | 雷危険度判定装置 | |
| CN117172554A (zh) | 覆冰灾害风险预测方法、装置、设备及存储介质 | |
| Cao et al. | Analysis of missed summer severe rainfall forecasts | |
| CN112305640A (zh) | 天气预警方法、装置、电子设备和计算机可读存储介质 | |
| KR102002593B1 (ko) | 특정공간에서의 유해기체 확산 해석 방법 및 장치 | |
| CN114859321B (zh) | 区域大气颗粒物来源比例计算方法、装置、设备、介质 | |
| KR101181326B1 (ko) | 채프에코 식별 시스템 및 그 방법 | |
| Kuo et al. | Calculation of geopotential and temperature fields from an array of nearly continuous wind ob-servations | |
| JP2004317173A (ja) | 雷観測システム | |
| Buendia-Buendia et al. | Determining geostrophic wind direction in a rainfall forecast expert system | |
| Amjad et al. | Thunderstorms Prediction Using Satellite Images | |
| Mirza et al. | Comparing diagnosed observation uncertainties with independent estimates: a case study using aircraft‐based observations and a convection‐permitting data assimilation system | |
| CN113574418A (zh) | 气象预测数据创建程序、气象预测数据创建方法及移动体 | |
| CN116881846B (zh) | 一种基于多传感器信息融合的多模态通信铁塔监测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210202 |
|
| RJ01 | Rejection of invention patent application after publication |