CN112734848A - 一种基于格点数据的台风定位方法 - Google Patents
一种基于格点数据的台风定位方法 Download PDFInfo
- Publication number
- CN112734848A CN112734848A CN202110060665.1A CN202110060665A CN112734848A CN 112734848 A CN112734848 A CN 112734848A CN 202110060665 A CN202110060665 A CN 202110060665A CN 112734848 A CN112734848 A CN 112734848A
- Authority
- CN
- China
- Prior art keywords
- typhoon
- image
- area
- determining
- air pressure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000005436 troposphere Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical class C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种基于格点数据的台风定位方法,其包括:基于二维卷积对格点数据做预处理,提取台风特征,台风特征包括:气压特征和涡旋特征;确定基于格点数据构成的目标图像中的地面层,并定位地面层的气压,确定地面层的气压的初步位置;将初步位置对应的图像区域进行缩小处理,并基于台风特征,定位对应的高空层的气压的中心位置;用以通过二维卷积和水平相对涡度综合定位台风位置,提高定位准确性,降低危险的发生概率。
Description
技术领域
本发明涉及台风定位技术领域,特别涉及一种基于格点数据的台风定位方法。
背景技术
台风,属于热带气旋的一种。热带气旋是发生在热带或副热带洋面上的低压涡旋,是一种强大而深厚的“热带天气系统”。尤其是像台风这样等级高、强度大的自然灾害发生以后,破坏了人类生存的和谐条件,常常诱发出一连串的其他灾害,因此,准确的预报自然灾害成了现在刻不容缓的一个问题。其中对于台风的预报来说一直是气象预报领域的重点,由于台风是一种灾害性极强的天气系统,而需要预报台风就必须获取台风的中心位置,因此台风中心定位的研究对于台风预报就十分关键。
因此,本发提出一种基于格点数据的台风定位方法。
发明内容
本发明提供一种基于格点数据的台风定位方法,用以通过二维卷积和水平相对涡度综合定位台风位置,提高定位准确性,降低危险的发生概率。
本发明提出一种基于格点数据的台风定位方法,包括:
基于二维卷积对格点数据做预处理,提取台风特征,所述台风特征包括:气压特征和涡旋特征;
确定基于格点数据构成的目标图像中的地面层,并定位所述地面层的气压,确定所述地面层的气压的初步位置;
将所述初步位置对应的图像区域进行缩小处理,并基于所述台风特征,定位对应的高空层的气压的中心位置;
其中,涡旋特征是基于相对涡旋确定的,且根据如下公式,计算所述相对涡旋:
在一种可能实现的方式中,
基于二维卷积对格点数据做预处理,提取台风特征包括:
选取高斯核作为所述预处理的卷积核,且卷积核尺与台风直径大小近似相同;
基于所述二维卷积对所述格点数据进行高斯卷积处理,提取台风特征。
在一种可能实现的方式中,
确定基于格点数据构成的目标图像中的地面层,并定位所述地面层的气压,确定所述地面层的气压的初步位置包括:
基于所述格点数据构建不同位势高度的图像;
将所述图像进行海上图像和陆地图像的切割,并获取每张切割图像的边缘
地理坐标;
获取与海上图像相关的所有边缘地理坐标构建的第一图像集,并基于所述第一图像集融合构建成第一待分析图像;
同时,获取与陆地图像相关的所有边缘地理坐标构建的第二图像集,并基于所述第二图像集融合构建成第二待分析图像;
提取相同位势高度的所述第一待分析图像中的海上台风涡旋以及第二待分析图像中的陆地小涡旋;
并基于提取的海上台风涡旋以及陆地小涡旋,构建第三待分析图像;
确定所述待分析图像中的地面层,并定位地面层的气压,根据气压划定所述第三待分析图像中的待分析区域;
同时,对所述待分析区域的气压特征进行预分析,并根据预分析结果对所述待分析区域进行修正,并基于地图数据库,确定修正后的待分析区域的初步位置。
在一种可能实现的方式中,
基于所述台风特征,定位对应的高空层的气压的中心位置包括:
基于历史台风数据,解析不同的位势高度对应的气压特征和涡旋特征的权值比例;
同时,基于所述历史台风数据,确定在不同的位势高度存在的潜在影响因素,并基于所述潜在影响因素,获取不同的位势高度处对所述气压特征的第一主要影响因子,同时,获取不同的位势高度处对所述涡旋特征的第二主要影响因子;
基于所述第一主要影响因子,构建与所述气压特征相关的第一影响列表,同时,基于所述第二主要影响因子,构建与所述涡旋特征相关的第二影响列表;
基于所述权值比例,确定所述气压特征在高空层的第一权重值以及涡旋特征在高空层的第二权重值;
从所述第一影响列表中调取相同位势高度的第一修正值来对所述第一权重值进行修正,同时,从所述第二影响列表中调取相同位势高度的第二修正值来对所述第二权重值进行修正;
基于修正后的第一权重值和第二权重值,定位相同位势高度对应的高空层的气压的中心位置。
在一种可能实现的方式中,
定位对应的高空层的气压的中心位置之后,还包括:
根据所述高空层的气压的中心位置,规划并获取中心位置周围的气压数据,同时,根据历史台风数据库,确定相同区域中与所述气压数据相似度高的历史气压,来预估台风走向;
确定所述高空层的气压的中心位置的经纬度,并基于中心位置的经纬度以及台风走向,从历史台风数据库中,筛选相近或相同的历史台风数据;
根据所述历史台风数据,确定历史台风的历史移动轨迹以及基于轨迹确定模型确定与所述历史移动轨迹相关的历史估计轨迹;
确定所述历史移动轨迹与历史估计轨迹之间的轨迹差异信息;
确定所述历史移动轨迹的初点之前的预设时间段内的历史天气情况以及历史移动轨迹终点之后的预设时间段内的历史天气情况;
根据所述历史天气情况对预估的台风走向进行第一修正处理,同时,按照所述轨迹差异信息,对所述台风走向进行第二修正处理;
根据第二修正处理后的台风走向,确定预估台风的席卷路径,同时,按照第二修正后的台风走向以及席卷路径上的地域特征,确定所述预估台风每经过一个区域的区域衰减值;
根据每个区域的区域衰减值以及对应区域的影响数据,确定所述预估台风的经历的初始区域以及末尾区域,并对所述初始区域以及末尾区域连成的所有区域进行显示。
在一种可能实现的方式中,
对所述初始区域以及末尾区域连成的所有区域进行显示的过程中,还包括:
确定所述初始区域与末尾区域连成的所有区域的区域边界,并将所述区域边界放置于区域地图上,基于区域分辨率,判断所述区域边界构成的完整区域中是否存在陆地区域;
若存在,基于所述完整区域划分出陆地区域,并对所述陆地区域中涉及到的每个小区域进行强提醒报警;
若不存在,进行正常的天气预报的安全报警提醒。
在一种可能实现的方式中,
当所述完整区域中存在陆地区域时,确定所述预估台风经过所述陆地区域中每个小区域的区域衰减值,并根据所述区域衰减值,确定每个小区域的区域承受能力,所述区域衰减值与区域地形地势、区域当前天气情况有关;
其中,F表示每个小区域的区域承受能力值;F′表示每个小区域的基于自然台风的可承受的最大破坏值;F″表示每个小区域的基于自然台风的可承受的最小破坏值;β(a1,a2)表示基于与区域地形地势a1和区域当前天气情况a2相关的区域衰减值;δ1表示基于区域地形地势的影响权值;δ2表示基于区域当前天气情况的影响权值,且δ1+δ2=1;
根据台风承受列表,获取与所述区域承受能力值相关的区域承受能力;
根据所述区域承受能力,从安全防护数据库库中调取安防方案,并向所述小区域进行传输提醒。
在一种可能实现的方式中,将所述初步位置对应的图像区域进行缩小处理的过程中,还包括:
对所述区域图像进行初次分割,并确定分割后的每个子图像的图像关注度;
根据所述关注度,从关注-缩放表中,筛选与所述关注度相关的缩放系数;
同时,根据所述关注度,关注-清晰表中,筛选与所述关注度相关的的清晰系数;
根据筛选的所有缩放系数以及清晰系数,确定所述区域图像的缩放参数;
获取缩放窗口的窗口信息,且所述窗口信息包括:对图像的行缩小系数、对图像的列缩小系数、对图像的行读取信息以及对图像的列读取信息;
基于对图像的行读取信息,确定读取的图像行地址,基于对图像的列读取信息,确定读取的图像列地址;
基于地址读取库,确定所述图像行地址以及图像列地址的偏移地址;
按照所述偏移地址、图像行地址以及图像列地址,对所述窗口信息进行优化;
基于优化后的缩放窗口,并按照所述缩放参数,对所述区域图像进行缩小处理。
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、以及附图中所特别指出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为本发明实施例的一种基于格点数据的台风定位方法的流程图;
图2为本发明实施例中二维卷积的计算图;
图3为本发明实施例中1100hPa位势高度的图;
图4为本发明实施例中1100hPa位势高度滤波后的图;
图5为本发明实施例中1100hPa相对涡度的图;
图6为本发明实施例中500hPa位势高度的图;
图7为本发明实施例中200hPa位势高度的图;
图8为本发明实施例中200hPa相对涡度的图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提出一种基于格点数据的台风定位方法,如图1所示,包括:
步骤1:基于二维卷积对格点数据做预处理,提取台风特征,所述台风特征包括:气压特征和涡旋特征;
步骤2:确定基于格点数据构成的目标图像中的地面层,并定位所述地面层的气压,确定所述地面层的气压的初步位置;
步骤3:将所述初步位置对应的图像区域进行缩小处理,并基于所述台风特征,定位对应的高空层的气压的中心位置;
其中,涡旋特征是基于相对涡旋确定的,且根据如下公式,计算所述相对涡旋:
在一种可能实现的方式中,
基于二维卷积对格点数据做预处理,提取台风特征包括:
选取高斯核作为所述预处理的卷积核,且卷积核尺与台风直径大小近似相同;
基于所述二维卷积对所述格点数据进行高斯卷积处理,提取台风特征。
该实施例中,二维卷积就是循环对图像跟一个核逐个元素相乘再求和得到另外一副图像的操作,如图2所示,原图中3×3的区域与3×3的核逐个元素相乘再相加:1×1+2×0+1×0+0×0+1×0+1×0+3×0+0×0+2×2=5。算完之后,整个框再往右移一步继续计算,横向计算完后,再往下移一步继续计算。
用3×3的核对一副6×6的图像进行卷积,得到的是4×4的图,图片缩小了。我们可以把原图扩充一圈,再卷积。事实上,原图为n×n,卷积核为f×f,最终结果图大小为(n-f+1)×(n-f+1)。
该实施例中,由于台风气压分布从内向外气压或相对涡度呈高斯分布,故选取高斯核做为预处理的卷积核,卷积核尺度近似为台风近似直径,约5个经距。而台风特征在地面最强,对流层以上特征较弱,较难难识别。所以,先对地面层的气压定出大概位置,缩小区域,再定位高空层的中心位置。
在一个实施例中,
图3为2019年10月2日实况分析场1100hPa的位势高度,出海上台风涡旋外,陆地上也有较多小涡旋。
图4为1100hPa滤波后的结果,经滤波后,台风特征明显,消除了陆地上小涡旋特征。如果看1100hPa相对涡度,图5。台风的相对涡度较明显,同时,陆地上也有涡度较大的地方,所以,不宜选取涡度作为判断依据。
定出地面位置后,缩小区域,再计算高空层台风涡旋位置。越往高层,气压特征变弱,此时只能通过相对涡度来判断。如图6、图7、图8。可以看出,到对流层中层500hPa,气压特征较明显,对流层顶已经变为一个小槽。而涡度特征还较为明显,以此为依据确定高层涡旋位置。
上述技术方案的有益效果是:用以通过二维卷积和水平相对涡度综合定位台风位置,提高定位准确性,降低危险的发生概率。
本发明提出一种基于格点数据的台风定位方法,确定基于格点数据构成的目标图像中的地面层,并定位所述地面层的气压,确定所述地面层的气压的初步位置包括:
基于所述格点数据构建不同位势高度的图像;
将所述图像进行海上图像和陆地图像的切割,并获取每张切割图像的边缘地理坐标;
获取与海上图像相关的所有边缘地理坐标构建的第一图像集,并基于所述第一图像集融合构建成第一待分析图像;
同时,获取与陆地图像相关的所有边缘地理坐标构建的第二图像集,并基于所述第二图像集融合构建成第二待分析图像;
提取相同位势高度的所述第一待分析图像中的海上台风涡旋以及第二待分析图像中的陆地小涡旋;
并基于提取的海上台风涡旋以及陆地小涡旋,构建第三待分析图像;
确定所述待分析图像中的地面层,并定位地面层的气压,根据气压划定所述第三待分析图像中的待分析区域;
同时,对所述待分析区域的气压特征进行预分析,并根据预分析结果对所述待分析区域进行修正,并基于地图数据库,确定修正后的待分析区域的初步位置。
该实施例中第一待分析图像是由很多相似的海上图像构成的,第二待分析图像是由很多相似的陆地图像构成的,且融合构建是为了将不同的海上图像中的特征点提取,融合重叠构建的。
该实施例中,待分析区域,是指与高程对应的底层区域,通过对底层区域的气压特征进行预分析,便于修正区域,其预分析,是为了对底层区域的边缘进行最终确定,保证待分析区域的有效性。
上述技术方案的有益效果是:通过进行区域分割以及区域融合,便于获取更具备针对性的图像,便于有效识别,通过对待分析区域进行预分析,便于对底层区域的边缘进行最终确定,保证待分析区域的有效性,为后续确定中心位置提供便利。
本发明提出一种基于格点数据的台风定位方法,基于所述台风特征,定位对应的高空层的气压的中心位置包括:
基于历史台风数据,解析不同的位势高度对应的气压特征和涡旋特征的权值比例;
同时,基于所述历史台风数据,确定在不同的位势高度存在的潜在影响因素,并基于所述潜在影响因素,获取不同的位势高度处对所述气压特征的第一主要影响因子,同时,获取不同的位势高度处对所述涡旋特征的第二主要影响因子;
基于所述第一主要影响因子,构建与所述气压特征相关的第一影响列表,同时,基于所述第二主要影响因子,构建与所述涡旋特征相关的第二影响列表;
基于所述权值比例,确定所述气压特征在高空层的第一权重值以及涡旋特征在高空层的第二权重值;
从所述第一影响列表中调取相同位势高度的第一修正值来对所述第一权重值进行修正,同时,从所述第二影响列表中调取相同位势高度的第二修正值来对所述第二权重值进行修正;
基于修正后的第一权重值和第二权重值,定位相同位势高度对应的高空层的气压的中心位置。
该实施例中,权值比例是指在不同位势高度气压特征以及涡旋特征所占的重要比例不同,例如低位势高度,气压特征的权值比例大于涡旋特征的权值比例,比如高位势高度,气压特征的权值比例小于涡旋特征的权值比例。
该实施例中,潜在影响因素例如与气候、环境等相关。
该实施例中,第一主要影响因子以及第二主要影响因子例如与温度、湿度等有关。
上述技术方案的有益效果是:通过解析权值比例以及后续进行潜在影响因素的确定,为后续对气压特征以及涡旋特征的权重值进行有效修正,通过调取相同位势高度的第一修正值以及第二修正值,便于对权重值进行有效修正,都是为了可以准确确定中心位置。
本发明提出一种基于格点数据的台风定位方法,定位对应的高空层的气压的中心位置之后,还包括:
根据所述高空层的气压的中心位置,规划并获取中心位置周围的气压数据,同时,根据历史台风数据库,确定相同区域中与所述气压数据相似度高的历史气压,来预估台风走向;
确定所述高空层的气压的中心位置的经纬度,并基于中心位置的经纬度以及台风走向,从历史台风数据库中,筛选相近或相同的历史台风数据;
根据所述历史台风数据,确定历史台风的历史移动轨迹以及基于轨迹确定模型确定与所述历史移动轨迹相关的历史估计轨迹;
确定所述历史移动轨迹与历史估计轨迹之间的轨迹差异信息;
确定所述历史移动轨迹的初点之前的预设时间段内的历史天气情况以及历史移动轨迹终点之后的预设时间段内的历史天气情况;
根据所述历史天气情况对预估的台风走向进行第一修正处理,同时,按照所述轨迹差异信息,对所述台风走向进行第二修正处理;
根据第二修正处理后的台风走向,确定预估台风的席卷路径,同时,按照第二修正后的台风走向以及席卷路径上的地域特征,确定所述预估台风每经过一个区域的区域衰减值;
根据每个区域的区域衰减值以及对应区域的影响数据,确定所述预估台风的经历的初始区域以及末尾区域,并对所述初始区域以及末尾区域连成的所有区域进行显示。
该实施例中,席卷路径是指预估台风经历的路线。
该实施例中,区域衰减值,是指当预估台风经过该区域时,对台风强度的衰减能力,例如,当前区域的台风强度为10级,经过当前区域之后,台风强度为9等级,此时,之间的1等级差既可以作为当前区域的区域衰减值。
该实施例中,影响数据是指除了自然影响因素之外的其他因素,如人为因素等。
上述技术方案的有益效果是:基于中心位置,确定相似度高的历史气压数据是为了预估台风走向,降低风险性,通过确定经纬度以及台风走向,便于筛选有效的历史台风数据,为确定历史台风的历史移动轨迹以及基于轨迹确定模型确定与所述历史移动轨迹相关的历史估计轨迹提供便利,通过确定轨迹差异信息,便于进一步对预估台风走向进行二次修正,通过结合历史天气情况便于对台风走向进行一次修正,通过确定衰减值,便于有效预防台风,提高安全性。
本发明提出一种基于格点数据的台风定位方法,对所述初始区域以及末尾区域连成的所有区域进行显示的过程中,还包括:
确定所述初始区域与末尾区域连成的所有区域的区域边界,并将所述区域边界放置于区域地图上,基于区域分辨率,判断所述区域边界构成的完整区域中是否存在陆地区域;
若存在,基于所述完整区域划分出陆地区域,并对所述陆地区域中涉及到的每个小区域进行强提醒报警;
若不存在,进行正常的天气预报的安全报警提醒。
该实施例中,区域分辨率,是指的针对区域边界基于区域地图上边界的分辨率,便于有效的确定区域边界。
上述技术方案的有益效果是:通过进行强提醒报警以及安全报警提醒,便于具有针对性的报警,降低危险性。
本发明提出一种基于格点数据的台风定位方法,当所述完整区域中存在陆地区域时,确定所述预估台风经过所述陆地区域中每个小区域的区域衰减值,并根据所述区域衰减值,确定每个小区域的区域承受能力,所述区域衰减值与区域地形地势、区域当前天气情况有关;
其中,F表示每个小区域的区域承受能力值;F′表示每个小区域的基于自然台风的可承受的最大破坏值;F″表示每个小区域的基于自然台风的可承受的最小破坏值;β(a1,a2)表示基于与区域地形地势a1和区域当前天气情况a2相关的区域衰减值;δ1表示基于区域地形地势的影响权值;δ2表示基于区域当前天气情况的影响权值,且δ1+δ2=1;
根据台风承受列表,获取与所述区域承受能力值相关的区域承受能力;
根据所述区域承受能力,从安全防护数据库库中调取安防方案,并向所述小区域进行传输提醒。
该实施例中,台风承受列表是预先设置好的。
上述技术方案的有益效果是:通过区域衰减值确定区域承受能力,且通过包含区域地形地势以及区域当前天气情况的公式计算区域承受能力值,便于有效的确定该区域的区域承受能力,进而方便从安全防护数据库中调取安防方案,进行有效提醒,提高安全性。
本发明提出一种基于格点数据的台风定位方法,将所述初步位置对应的图像区域进行缩小处理的过程中,还包括:
对所述区域图像进行初次分割,并确定分割后的每个子图像的图像关注度;
根据所述关注度,从关注-缩放表中,筛选与所述关注度相关的缩放系数;
同时,根据所述关注度,关注-清晰表中,筛选与所述关注度相关的的清晰系数;
根据筛选的所有缩放系数以及清晰系数,确定所述区域图像的缩放参数;
获取缩放窗口的窗口信息,且所述窗口信息包括:对图像的行缩小系数、对图像的列缩小系数、对图像的行读取信息以及对图像的列读取信息;
基于对图像的行读取信息,确定读取的图像行地址,基于对图像的列读取信息,确定读取的图像列地址;
基于地址读取库,确定所述图像行地址以及图像列地址的偏移地址;
按照所述偏移地址、图像行地址以及图像列地址,对所述窗口信息进行优化;
基于优化后的缩放窗口,并按照所述缩放参数,对所述区域图像进行缩小处理。
该实施例中,由于图像中只有部分区域聚集有效数据,因此,对应的每个子区域的关注度不同,且有效数据越多,对应的关注度越高,且对应的清晰度就需要越高,其中,清晰系数例如为清晰度。
该实施例中,行读取信息,例如是读取的每个像素的像素地址,进而确定图像行地址,同理,图像列地址的确定方式如上。
该实施例中,偏移地址,是由于缩放窗口在读取信息的过程中,可能存在读取的偏差,因此,获取偏移地址,是为了对读取的像素地址进行修正。
该实施例中,缩放参数,是基于所有缩放系数以及清晰系数确定的综合缩放值。
上述技术方案的有益效果是:通过对区域图像进行切割,便于确定子图像的缩放系数以及清晰系数,进而获取缩放参数,通过获取缩放双扣的窗口信息,并对窗口信息进行优化,便于对区域图像进行缩小处理,保证数据的缩小处理后图像的可靠性以及图像的清晰度。
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 (8)
2.如权利要求1所述的台风定位方法,其特征在于,基于二维卷积对格点数据做预处理,提取台风特征包括:
选取高斯核作为所述预处理的卷积核,且卷积核尺与台风直径大小近似相同;
基于所述二维卷积对所述格点数据进行高斯卷积处理,提取台风特征。
3.如权利要求1所述的台风定位方法,其特征在于,确定基于格点数据构成的目标图像中的地面层,并定位所述地面层的气压,确定所述地面层的气压的初步位置包括:
基于所述格点数据构建不同位势高度的图像;
将所述图像进行海上图像和陆地图像的切割,并获取每张切割图像的边缘地理坐标;
获取与海上图像相关的所有边缘地理坐标构建的第一图像集,并基于所述第一图像集融合构建成第一待分析图像;
同时,获取与陆地图像相关的所有边缘地理坐标构建的第二图像集,并基于所述第二图像集融合构建成第二待分析图像;
提取相同位势高度的所述第一待分析图像中的海上台风涡旋以及第二待分析图像中的陆地小涡旋;
并基于提取的海上台风涡旋以及陆地小涡旋,构建第三待分析图像;
确定所述待分析图像中的地面层,并定位地面层的气压,根据气压划定所述第三待分析图像中的待分析区域;
同时,对所述待分析区域的气压特征进行预分析,并根据预分析结果对所述待分析区域进行修正,并基于地图数据库,确定修正后的待分析区域的初步位置。
4.如权利要求1所述的台风定位方法,其特征在于,基于所述台风特征,定位对应的高空层的气压的中心位置包括:
基于历史台风数据,解析不同的位势高度对应的气压特征和涡旋特征的权值比例;
同时,基于所述历史台风数据,确定在不同的位势高度存在的潜在影响因素,并基于所述潜在影响因素,获取不同的位势高度处对所述气压特征的第一主要影响因子,同时,获取不同的位势高度处对所述涡旋特征的第二主要影响因子;
基于所述第一主要影响因子,构建与所述气压特征相关的第一影响列表,同时,基于所述第二主要影响因子,构建与所述涡旋特征相关的第二影响列表;
基于所述权值比例,确定所述气压特征在高空层的第一权重值以及涡旋特征在高空层的第二权重值;
从所述第一影响列表中调取相同位势高度的第一修正值来对所述第一权重值进行修正,同时,从所述第二影响列表中调取相同位势高度的第二修正值来对所述第二权重值进行修正;
基于修正后的第一权重值和第二权重值,定位相同位势高度对应的高空层的气压的中心位置。
5.如权利要求1所述的台风定位方法,其特征在于,定位对应的高空层的气压的中心位置之后,还包括:
根据所述高空层的气压的中心位置,规划并获取中心位置周围的气压数据,同时,根据历史台风数据库,确定相同区域中与所述气压数据相似度高的历史气压,来预估台风走向;
确定所述高空层的气压的中心位置的经纬度,并基于中心位置的经纬度以及台风走向,从历史台风数据库中,筛选相近或相同的历史台风数据;
根据所述历史台风数据,确定历史台风的历史移动轨迹以及基于轨迹确定模型确定与所述历史移动轨迹相关的历史估计轨迹;
确定所述历史移动轨迹与历史估计轨迹之间的轨迹差异信息;
确定所述历史移动轨迹的初点之前的预设时间段内的历史天气情况以及历史移动轨迹终点之后的预设时间段内的历史天气情况;
根据所述历史天气情况对预估的台风走向进行第一修正处理,同时,按照所述轨迹差异信息,对所述台风走向进行第二修正处理;
根据第二修正处理后的台风走向,确定预估台风的席卷路径,同时,按照第二修正后的台风走向以及席卷路径上的地域特征,确定所述预估台风每经过一个区域的区域衰减值;
根据每个区域的区域衰减值以及对应区域的影响数据,确定所述预估台风的经历的初始区域以及末尾区域,并对所述初始区域以及末尾区域连成的所有区域进行显示。
6.如权利要求5所述的台风定位方法,其特征在于,对所述初始区域以及末尾区域连成的所有区域进行显示的过程中,还包括:
确定所述初始区域与末尾区域连成的所有区域的区域边界,并将所述区域边界放置于区域地图上,基于区域分辨率,判断所述区域边界构成的完整区域中是否存在陆地区域;
若存在,基于所述完整区域划分出陆地区域,并对所述陆地区域中涉及到的每个小区域进行强提醒报警;
若不存在,进行正常的天气预报的安全报警提醒。
7.如权利要求6所述的台风定位方法,其特征在于,当所述完整区域中存在陆地区域时,确定所述预估台风经过所述陆地区域中每个小区域的区域衰减值,并根据所述区域衰减值,确定每个小区域的区域承受能力,所述区域衰减值与区域地形地势、区域当前天气情况有关;
其中,F表示每个小区域的区域承受能力值;F′表示每个小区域的基于自然台风的可承受的最大破坏值;F″表示每个小区域的基于自然台风的可承受的最小破坏值;β(a1,a2)表示基于与区域地形地势a1和区域当前天气情况a2相关的区域衰减值;δ1表示基于区域地形地势的影响权值;δ2表示基于区域当前天气情况的影响权值,且δ1+δ2=1;
根据台风承受列表,获取与所述区域承受能力值相关的区域承受能力;
根据所述区域承受能力,从安全防护数据库库中调取安防方案,并向所述小区域进行传输提醒。
8.如权利要求1所述的台风定位方法,其特征在于,将所述初步位置对应的图像区域进行缩小处理的过程中,还包括:
对所述区域图像进行初次分割,并确定分割后的每个子图像的图像关注度;
根据所述关注度,从关注-缩放表中,筛选与所述关注度相关的缩放系数;
同时,根据所述关注度,关注-清晰表中,筛选与所述关注度相关的的清晰系数;
根据筛选的所有缩放系数以及清晰系数,确定所述区域图像的缩放参数;
获取缩放窗口的窗口信息,且所述窗口信息包括:对图像的行缩小系数、对图像的列缩小系数、对图像的行读取信息以及对图像的列读取信息;
基于对图像的行读取信息,确定读取的图像行地址,基于对图像的列读取信息,确定读取的图像列地址;
基于地址读取库,确定所述图像行地址以及图像列地址的偏移地址;
按照所述偏移地址、图像行地址以及图像列地址,对所述窗口信息进行优化;
基于优化后的缩放窗口,并按照所述缩放参数,对所述区域图像进行缩小处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110060665.1A CN112734848B (zh) | 2021-01-18 | 2021-01-18 | 一种基于格点数据的台风定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110060665.1A CN112734848B (zh) | 2021-01-18 | 2021-01-18 | 一种基于格点数据的台风定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734848A true CN112734848A (zh) | 2021-04-30 |
CN112734848B CN112734848B (zh) | 2021-09-28 |
Family
ID=75593398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110060665.1A Active CN112734848B (zh) | 2021-01-18 | 2021-01-18 | 一种基于格点数据的台风定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734848B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191299A (zh) * | 2021-05-14 | 2021-07-30 | 中国科学院大气物理研究所 | 一种涡旋的识别方法、装置、存储介质及电子设备 |
CN114049545A (zh) * | 2021-11-05 | 2022-02-15 | 中山大学 | 一种基于点云体素的台风定强方法、系统、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111427100A (zh) * | 2020-03-30 | 2020-07-17 | 广州数鹏通科技有限公司 | 一种台风中心定位方法、装置及台风路径生成方法 |
-
2021
- 2021-01-18 CN CN202110060665.1A patent/CN112734848B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111427100A (zh) * | 2020-03-30 | 2020-07-17 | 广州数鹏通科技有限公司 | 一种台风中心定位方法、装置及台风路径生成方法 |
Non-Patent Citations (1)
Title |
---|
余贞寿: "涡旋追踪技术在浙江区域模式台风定位中的应用研究", 《气象》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113191299A (zh) * | 2021-05-14 | 2021-07-30 | 中国科学院大气物理研究所 | 一种涡旋的识别方法、装置、存储介质及电子设备 |
CN114049545A (zh) * | 2021-11-05 | 2022-02-15 | 中山大学 | 一种基于点云体素的台风定强方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112734848B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feloni et al. | Flood vulnerability assessment using a GIS‐based multi‐criteria approach—The case of Attica region | |
CN111666918B (zh) | 一种基于多因素的海岸线变化识别方法 | |
Nascimento Jr et al. | Mapping changes in the largest continuous Amazonian mangrove belt using object-based classification of multisensor satellite imagery | |
CN112734848B (zh) | 一种基于格点数据的台风定位方法 | |
Khare et al. | Morphometric analysis for prioritization using remote sensing and GIS techniques in a hilly catchment in the state of Uttarakhand, India | |
Greifeneder et al. | Suitability of SAR imagery for automatic flood mapping in the Lower Mekong Basin | |
Bowles et al. | Discovering marine terraces using airborne LiDAR along the Mendocino-Sonoma coast, northern California | |
Kouchi et al. | Characteristics of tsunami-affected areas in moderate-resolution satellite images | |
Sharma et al. | Assessing flood induced land-cover changes using remote sensing and fuzzy approach in Eastern Gujarat (India) | |
CN109992635B (zh) | 一种震后泥石流早期识别方法 | |
CN115965812B (zh) | 无人机影像对湿地植被物种和地物分类的评估方法 | |
King et al. | Correlating extremes in wind and stress divergence with extremes in rain over the Tropical Atlantic | |
CN117556197B (zh) | 一种基于人工智能的台风涡旋初始化方法 | |
Wakabayashi et al. | Flooded rice paddy detection using sentinel-1 and planetscope data: a case study of the 2018 spring flood in West Java, Indonesia | |
CN115909096A (zh) | 无人机巡航管道隐患分析方法、装置及系统 | |
Stathopoulos et al. | Introducing flood susceptibility index using remote-sensing data and geographic information systems: Empirical analysis in Sperchios River basin, Greece | |
Aahlaad et al. | An object-based image analysis of worldview-3 image for urban flood vulnerability assessment and dissemination through ESRI story maps | |
CN112270675A (zh) | 一种基于极化雷达遥感影像的城市内涝区域检测方法 | |
Cahyanti et al. | Whirlwind prediction using cloud movement patterns on satellite image | |
KR102518134B1 (ko) | 기후 예보 및 분석을 위한 구역 설정 방법 및 그 시스템 | |
CN109584279A (zh) | 基于sar图像的船舶检测方法、装置及船舶检测系统 | |
Mugiraneza et al. | Spatiotemporal analysis of urban land cover changes in Kigali, Rwanda using multitemporal Landsat data and landscape metrics | |
Sunwoo et al. | Coastal wetland change detection using high spatial resolution KOMPSAT-2 imagery | |
Ohya et al. | Meteorological characteristics of line-shaped rainbands in northern Japan and its surrounding seas under climate change | |
Gao | Algorithms and software tools for extracting coastal morphological information from airborne LiDAR data |
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 |