CN112765832A - 一种欧亚大陆冷锋自动识别订正方法 - Google Patents

一种欧亚大陆冷锋自动识别订正方法 Download PDF

Info

Publication number
CN112765832A
CN112765832A CN202110141345.9A CN202110141345A CN112765832A CN 112765832 A CN112765832 A CN 112765832A CN 202110141345 A CN202110141345 A CN 202110141345A CN 112765832 A CN112765832 A CN 112765832A
Authority
CN
China
Prior art keywords
point
points
wind
wind direction
cold front
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
Application number
CN202110141345.9A
Other languages
English (en)
Other versions
CN112765832B (zh
Inventor
秦育婧
何书雅
冯梦茹
卢楚翰
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202110141345.9A priority Critical patent/CN112765832B/zh
Publication of CN112765832A publication Critical patent/CN112765832A/zh
Application granted granted Critical
Publication of CN112765832B publication Critical patent/CN112765832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种欧亚大陆冷锋自动识别订正方法，包括：S10获得气象参数；S20获得初始锋面复选点；S30自动识别的初始冷锋数据集；S40获得冷锋订正范围；S50计算同一纬度上西北风的风向转变度数；S60将所述风向转变度数大于0的格点定义为具有西北风逆转特征的格点，筛选其中最东侧、最南侧的点，记为订正锋面复选点；S70将所述订正锋面复选点进行拟合平滑，得到订正后的地面冷锋数据集。本发明的一种欧亚大陆冷锋自动识别订正方法，依次通过确定高空冷锋锋区、初始锋面复选点以及订正锋面复选点的设计思路，能够实现锋面的自动识别，在一定程度上消除了人工分析锋面的主观性，并对天气预报业务工作中的锋面分析自动化做出积极贡献。

Description

一种欧亚大陆冷锋自动识别订正方法
技术领域
本发明涉及天气系统自动识别技术领域，具体涉及一种欧亚大陆冷锋自动识别订正方法。
背景技术
锋面是冷暖气团的交界面，其附近往往伴随着重要的天气系统和天气现象。我国冷锋活动频繁，常引起灾害性天气，特别是近年来欧亚大陆极端冷事件频发，锋面活动得到了广泛的关注。锋面分析在天气预报的业务中是一项重要的工作。业务中的其他分析项目目前基本已经实现自动化分析，但锋面分析仍以人工分析为主。人工分析要花费预报员宝贵的业务时间，且具有主观性。因此，实现锋面自动识别是气象业务现代化的迫切需求，对气象科研工作也具有十分重要的意义。
由于锋线是一条不规则且没有固定二维结构的线条，所以其识别难度要高于有闭合等值线的天气系统。虽有不少工作提出了一些锋面自动识别算法，但这些算法的主要关注点在大洋风暴轴区域，并不能直接应用于欧亚大陆上的锋面识别。因此，需要提出一种适用于欧亚大陆冷锋的自动识别订正方法，帮助实现业务预报中的锋面分析自动化。
发明内容
为了解决上述问题，本发明提供一种欧亚大陆冷锋自动识别订正方法，依次通过确定高空冷锋锋区、初始锋面复选点以及订正锋面复选点的设计思路，能够实现锋面的自动识别，在一定程度上消除了人工分析锋面的主观性，并对天气预报业务工作中的锋面分析自动化做出积极贡献。
为了实现以上目的，本发明采取的一种技术方案是：
一种欧亚大陆冷锋自动识别订正方法，包括如下步骤：S10下载的850hPa风场、温度场资料，用GrADS将资料转换成二进制格式，并按年、月储存获得气象参数；S20使用所述气象参数定位高空冷锋锋区，根据所述冷锋锋区确定锋区的暖边界，获得初始锋面复选点；S30将所述初始锋面复选点拟合平滑，绘制锋面，得到自动识别的初始冷锋数据集，并将自动识别的所述初始冷锋数据集的初始冷锋经纬度输出为文本格式；S40使用Matlab中max()函数筛选出所述初始冷锋经纬度所在格点中位于最东、最西、最南、最北的格点，分别向东、西、南、北方向扩展5°，获得冷锋订正范围；S50在所述冷锋订正范围，以西北风向的格点为起始点，用起始点的风向减去其同纬度东侧格点的风向，向东计算同一纬度上西北风的风向转变度数；S60将所述风向转变度数大于0的格点定义为具有西北风逆转特征的格点，筛选其中最东侧、最南侧的点，记为订正锋面复选点；S70将所述订正锋面复选点进行拟合平滑，得到订正后的地面冷锋数据集。
进一步地，所述步骤S20包括：S21使用分辨率为0.25°×0.25°的ERA-5再分析资料，在经纬度范围为10°～70°N、0～160°E的区域，计算热锋面参数
Figure BDA0002928802050000021
τ为在850hPa的温度值，选择|TFP|≤2×10-11K/m2区域作为锋区；S22计算温度平流
Figure BDA0002928802050000022
其中u、v为850hPa的纬向水平风、经向水平风，
Figure BDA0002928802050000023
为u、v的复合风，x为纬向，y为经向，T为850hPa的温度进行五点平滑100次后的温度值，在所述锋区内选择
Figure BDA0002928802050000024
的区域为冷锋锋区；S23所述冷锋锋区的格点为第一初选点，将所述第一初选点在一个大格点中的总个数占大格点中所有小格点的总数的比例设为第一密度，将所述第一密度大于0.05的大格点设为第二初选点，获得完整锋区，将所述完整锋区中所述第二初选点位于东侧和南侧的格点保留，确定锋区的暖边界，将暖边界第二初选点中位于东侧和南侧的第一初选点保留，获得初始锋面复选点。
进一步地，所述步骤S23以满足|TFP|≤2×10-11K/m2、
Figure BDA0002928802050000031
的分辨率为0.25°×0.25°格点作为冷锋锋区的第一初选点，2.5°×2.5°所在的范围为一个大格点，计算一个2.5°×2.5°的大格范围内所述第一初选点的个数获得所述第一密度。
进一步地，所述步骤S40输入地面风场资料，通过Matlab中atan()函数计算所述冷锋订正范围内各格点上的风向，筛选出西北风向的格点，以风向为西北风的格点为起始点，用起始点的风向减去其同纬度东侧格点的风向，向东计算同一纬度上西北风的风向转变度数，计算公式如下：
ΔAi＝Ai-Ai+1
其中，ΔAi为西北风的风向转变度数，Ai为向为西北风的格点的风向，Ai+1为西北风的格点同纬度东侧格点的风向。
本发明的上述技术方案相比现有技术具有以下优点：
本发明的一种欧亚大陆冷锋自动识别订正方法，依次通过确定高空冷锋锋区、初始锋面复选点以及订正锋面复选点的设计思路，能够实现锋面的自动识别，在一定程度上消除了人工分析锋面的主观性，并对天气预报业务工作中的锋面分析自动化做出积极贡献。
附图说明
下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其有益效果显而易见。
图1所示为本发明一实施例的一种欧亚大陆冷锋自动识别订正方法的流程示意图；
图2所示为本发明一实施例的步骤S20的流程示意图；
图3所示为本发明一实施例的第一初选点在分辨率为0.25°×0.25°小格点中的位置图；
图4所示为本发明一实施例的第二初选点在分辨率为2.5°×2.5°大格点中的位置图；
图5所示为本发明一实施例的暖边界位置图；
图6所示为本发明一实施例的初始锋面复选点的位置图；
图7所示为本发明一实施例的步骤S40确定订正范围的流程示意图(以东边界为例)；
图8所示为本发明一实施例的获得的初始冷锋与地面风场关系的实例图；
图9所示为本发明一实施例的西北风逆转度数与初始冷锋、订正后冷锋实例图；
图10所示为本发明一实施例的自动识别初始锋、订正过后的地面锋、人工分析锋的对比图。
具体实施方式
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动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。
本实施例提供了一种欧亚大陆冷锋自动识别订正方法，如图1所示，包括如下步骤：S10下载的850hPa风场、温度场资料，用GrADS将资料转换成二进制格式，并按年、月储存获得气象参数。S20使用所述气象参数定位高空冷锋锋区，根据所述冷锋锋区确定锋区的暖边界，获得初始锋面复选点。S30将所述初始锋面复选点拟合平滑，绘制锋面，得到自动识别的初始冷锋数据集，并将自动识别的所述初始冷锋数据集的初始冷锋经纬度输出为文本格式。S40使用Matlab中max()函数筛选出所述初始冷锋经纬度所在格点中位于最东、最西、最南、最北的格点，分别向东、西、南、北方向扩展5°，获得冷锋订正范围。S50在所述冷锋订正范围，以西北风向的格点为起始点，用起始点的风向减去其同纬度东侧格点的风向，向东计算同一纬度上西北风的风向转变度数。S60将所述风向转变度数大于0的格点定义为具有西北风逆转特征的格点，筛选其中最东侧、最南侧的点，记为订正锋面复选点。S70将所述订正锋面复选点进行拟合平滑，得到订正后的地面冷锋数据集。
所述步骤S10中，所述850hPa温度场、850hPa风场、地面风场资料来自于欧洲中期天气预报中心(https://cds.climate.copernicus.eu/#！/search？text＝ERA5&type＝dataset)的ERA-5再分析资料。资料时间分辨率为12小时，取一日两次，分别为世界时00时、12时；空间分辨率为0.25°×0.25°。
如图2所示，所述步骤S20包括：S21使用分辨率为0.25°×0.25°的ERA-5再分析资料，在经纬度范围为10°～70°N、0～160°E的区域，计算热锋面参数
Figure BDA0002928802050000051
τ为在850hPa的温度值，选择|TFP|≤2×10-11K/m2区域作为锋区。S22计算温度平流
Figure BDA0002928802050000052
其中u、v为850hPa的纬向水平风、经向水平风，
Figure BDA0002928802050000053
为u、v的复合风，x为纬向，y为经向，T为850hPa的温度进行五点平滑100次后的温度值，在所述锋区内选择
Figure BDA0002928802050000054
的区域为冷锋锋区。如图3～6所示，S23所述冷锋锋区的格点为第一初选点，将所述第一初选点在一个大格点中的总个数占大格点中所有小格点的总数的比例设为第一密度，将所述第一密度大于0.05的大格点设为第二初选点，获得完整锋区，将所述完整锋区中所述第二初选点位于东侧和南侧的格点保留，确定锋区的暖边界，将暖边界第二初选点中位于东侧和南侧的第一初选点保留，获得初始锋面复选点。所述第一初选点在分辨率为0.25°×0.25°格点中构成的锋区构成的锋区常常不成片、有中断，不能绘制冷锋；故将研究范围10°～70°N、0～160°E的区域划分为0.25°×0.25°的大格点，获得完整、成片的冷锋锋区。所述步骤S23以满足|TFP|≤2×10-11K/m2、
Figure BDA0002928802050000061
的分辨率为0.25°×0.25°格点作为冷锋锋区的第一初选点，2.5°×2.5°所在的范围为一个大格点，计算一个2.5°×2.5°的大格范围内所述第一初选点的个数获得所述第一密度。
所述步骤S30中需要将初始锋面复选点进行二阶多项式拟合平滑，绘制锋面，删除长度低于800km的冷锋，得到自动识别的初始冷锋数据集。此时得到的初始冷锋数据集是根据850hPa的气象要素得到的，但实际业务预报中的冷锋位于地面，因此需要结合地面气象要素对初始冷锋进行订正。所述S40，如图7，以东边界为例给出了确定冷锋订正范围的流程图。
所述步骤S50输入地面风场资料，通过Matlab中atan()函数计算所述冷锋订正范围内各格点上的风向。如图8所示，填色部分为地面风向，锋线由初始锋面复选点构成，图中可以明显看到在此锋线东边存在风向逆转，即西北风向东，故此锋线应向东订正。S60筛选出西北风向的格点，以风向为西北风的格点为起始点，用起始点的风向减去其同纬度东侧格点的风向，向东计算同一纬度上西北风的风向转变度数，计算公式如下：
ΔAi＝Ai-Ai+1
其中，ΔAi为西北风的风向转变度数，Ai为向为西北风的格点的风向，Ai+1为西北风的格点同纬度东侧格点的风向。如果ΔAi>0,认为该格点具有西北风逆转特征。筛选具有西北风逆转特征的格点中最东侧、最南侧的点，将其作为订正复选点；当同一纬度上出现两个满足条件的格点时，取东侧的点。当初始格点东侧、南侧没有风向逆转时保留原有格点位置，如图9所示。图9中填色部分为风向转变度数大于0的格点。两条锋线分别为初始冷锋和订正后地面冷锋。
S70将所述订正锋面复选点进行拟合平滑，如图10中黑色实线，得到订正后的地面冷锋，图10中深灰色实线为人工分析得到的冷锋，浅灰色实线为初始冷锋。
以上所述仅为本发明的示例性实施例，并非因此限制本发明专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种欧亚大陆冷锋自动识别订正方法，其特征在于，包括如下步骤：
S10下载的850hPa风场、温度场资料，用GrADS将资料转换成二进制格式，并按年、月储存获得气象参数；
S20使用所述气象参数定位高空冷锋锋区，根据所述冷锋锋区确定锋区的暖边界，获得初始锋面复选点；
S30将所述初始锋面复选点拟合平滑，绘制锋面，得到自动识别的初始冷锋数据集，并将自动识别的所述初始冷锋数据集的初始冷锋经纬度输出为文本格式；
S40使用Matlab中max()函数筛选出所述初始冷锋经纬度所在格点中位于最东、最西、最南、最北的格点，分别向东、西、南、北方向扩展5°，获得冷锋订正范围；
S50在所述冷锋订正范围，以西北风向的格点为起始点，用起始点的风向减去其同纬度东侧格点的风向，向东计算同一纬度上西北风的风向转变度数；
S60将所述风向转变度数大于0的格点定义为具有西北风逆转特征的格点，筛选其中最东侧、最南侧的点，记为订正锋面复选点；
S70将所述订正锋面复选点进行拟合平滑，得到订正后的地面冷锋数据集。
2.根据权利要求1所述的欧亚大陆冷锋自动识别订正方法，其特征在于，所述步骤S20包括：
S21使用分辨率为0.25°×0.25°的ERA-5再分析资料，在经纬度范围为10°～70°N、0～160°E的区域，计算热锋面参数
Figure FDA0002928802040000011
τ为在850hPa的温度值，选择|TFP|≤2×10-11K/m2区域作为锋区；
S22计算温度平流
Figure FDA0002928802040000012
其中u、v为850hPa的纬向水平风、经向水平风，
Figure FDA0002928802040000021
为u、v的复合风，x为纬向，y为经向，T为850hPa的温度进行五点平滑100次后的温度值，在所述锋区内选择
Figure FDA0002928802040000022
的区域为冷锋锋区；
S23所述冷锋锋区的格点为第一初选点，将所述第一初选点在一个大格点中的总个数占大格点中所有小格点的总数的比例设为第一密度，将所述第一密度大于0.05的大格点设为第二初选点，获得完整锋区，将所述完整锋区中所述第二初选点位于东侧和南侧的格点保留，确定锋区的暖边界，将暖边界第二初选点中位于东侧和南侧的第一初选点保留，获得初始锋面复选点。
3.根据权利要求2所述的欧亚大陆冷锋自动识别订正方法，其特征在于，所述步骤S23以满足|TFP|≤2×10-11K/m2、
Figure FDA0002928802040000023
的分辨率为0.25°×0.25°格点作为冷锋锋区的第一初选点，2.5°×2.5°所在的范围为一个大格点，计算一个2.5°×2.5°的大格范围内所述第一初选点的个数获得所述第一密度。
4.根据权利要求1所述的欧亚大陆冷锋自动识别订正方法，其特征在于，所述步骤S40输入地面风场资料，通过Matlab中atan()函数计算所述冷锋订正范围内各格点上的风向，筛选出西北风向的格点，以风向为西北风的格点为起始点，用起始点的风向减去其同纬度东侧格点的风向，向东计算同一纬度上西北风的风向转变度数，计算公式如下：
ΔAi＝Ai-Ai+1
其中，ΔAi为西北风的风向转变度数，Ai为向为西北风的格点的风向，Ai+1为西北风的格点同纬度东侧格点的风向。
CN202110141345.9A 2021-02-02 2021-02-02 一种欧亚大陆冷锋自动识别订正方法 Active CN112765832B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110141345.9A CN112765832B (zh) 2021-02-02 2021-02-02 一种欧亚大陆冷锋自动识别订正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110141345.9A CN112765832B (zh) 2021-02-02 2021-02-02 一种欧亚大陆冷锋自动识别订正方法

Publications (2)

Publication Number Publication Date
CN112765832A true CN112765832A (zh) 2021-05-07
CN112765832B CN112765832B (zh) 2022-05-06

Family

ID=75704580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110141345.9A Active CN112765832B (zh) 2021-02-02 2021-02-02 一种欧亚大陆冷锋自动识别订正方法

Country Status (1)

Country Link
CN (1) CN112765832B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114565056A (zh) * 2022-03-15 2022-05-31 中科三清科技有限公司 一种基于机器学习的冷锋前识别方法、装置、存储介质及终端
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
CN116030401A (zh) * 2023-03-28 2023-04-28 南京信息工程大学 一种基于深度学习的欧亚地区冷锋自动识别方法
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
CN117853949A (zh) * 2024-03-07 2024-04-09 南京信息工程大学 一种使用卫星云图识别冷锋的深度学习方法、系统
CN117851845A (zh) * 2024-03-07 2024-04-09 中国海洋大学 一种基于聚类算法的海洋亚中尺度锋面提取方法
CN117872508A (zh) * 2024-03-13 2024-04-12 南京信息工程大学 一种欧亚地区冷锋路径的自动追踪方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150302117A1 (en) * 2012-11-09 2015-10-22 Korea Institute Of Energy Research Numerical simulation system and numerical simulation method for atmospheric flow by computational fluid dynamics
CN106950612A (zh) * 2017-03-14 2017-07-14 天津大学 一种用于气象学中自动识别并绘制冷锋的方法
CN108875127A (zh) * 2018-04-28 2018-11-23 中国人民解放军国防科技大学 一种计算机气象软件中基于风场数据的槽线修正方法
US20200018666A1 (en) * 2019-07-02 2020-01-16 Shanghai Typhoon Institute, CMA Wind field dynamic downscaling method based on aerodynamic parameters of simplified terrain
CN111414991A (zh) * 2020-02-21 2020-07-14 中国人民解放军国防科技大学 一种基于多元回归的气象锋面自动识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150302117A1 (en) * 2012-11-09 2015-10-22 Korea Institute Of Energy Research Numerical simulation system and numerical simulation method for atmospheric flow by computational fluid dynamics
CN106950612A (zh) * 2017-03-14 2017-07-14 天津大学 一种用于气象学中自动识别并绘制冷锋的方法
CN108875127A (zh) * 2018-04-28 2018-11-23 中国人民解放军国防科技大学 一种计算机气象软件中基于风场数据的槽线修正方法
US20200018666A1 (en) * 2019-07-02 2020-01-16 Shanghai Typhoon Institute, CMA Wind field dynamic downscaling method based on aerodynamic parameters of simplified terrain
CN111414991A (zh) * 2020-02-21 2020-07-14 中国人民解放军国防科技大学 一种基于多元回归的气象锋面自动识别方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
E.BITSA等: "Development of Front Identification Scheme for Compiling a Cold Front Climatology of the Mediterranean", 《CLIMATE AND ATMOSPHERIC DYNAMICS AND PREDICTABILITY》 *
JAMES C.BIARD: "Automated detection of weather fronts using a deep learning neural network", 《ARTICLES》 *
宫庆龙等: "冷空气过程对黄海东海区域海洋大气", 《海洋气象学报》 *
易笑园等: "一次β-中尺度暴风雪的成因及动力热力结构", 《高原气象》 *
段旭等: "昆明准静止锋客观判识方法研究", 《气象学报》 *
毕玮等: "对一个西北太平洋上冷锋结构和锋生过程的分析", 《中国海洋大学学报(自然科学版)》 *
王珊珊等: "利用雷达回波自动识别锋线的方法", 《南京气象学院学报》 *
赵向军: "飑线发展过程中水平涡度与垂直速度变化的特征分析及成因研究", 《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114565056B (zh) * 2022-03-15 2022-09-20 中科三清科技有限公司 一种基于机器学习的冷锋前识别方法、装置、存储介质及终端
CN114565056A (zh) * 2022-03-15 2022-05-31 中科三清科技有限公司 一种基于机器学习的冷锋前识别方法、装置、存储介质及终端
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
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
CN116030401A (zh) * 2023-03-28 2023-04-28 南京信息工程大学 一种基于深度学习的欧亚地区冷锋自动识别方法
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
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
CN117853949A (zh) * 2024-03-07 2024-04-09 南京信息工程大学 一种使用卫星云图识别冷锋的深度学习方法、系统
CN117851845A (zh) * 2024-03-07 2024-04-09 中国海洋大学 一种基于聚类算法的海洋亚中尺度锋面提取方法
CN117853949B (zh) * 2024-03-07 2024-05-14 南京信息工程大学 一种使用卫星云图识别冷锋的深度学习方法、系统
CN117851845B (zh) * 2024-03-07 2024-05-17 中国海洋大学 一种基于聚类算法的海洋亚中尺度锋面提取方法
CN117872508A (zh) * 2024-03-13 2024-04-12 南京信息工程大学 一种欧亚地区冷锋路径的自动追踪方法
CN117872508B (zh) * 2024-03-13 2024-06-11 南京信息工程大学 一种欧亚地区冷锋路径的自动追踪方法

Also Published As

Publication number Publication date
CN112765832B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN112765832B (zh) 一种欧亚大陆冷锋自动识别订正方法
CN109447260B (zh) 一种基于深度学习的局地数值天气预报产品订正方法
Nguyen et al. Incorporating shading losses in solar photovoltaic potential assessment at the municipal scale
CN114019579B (zh) 高时空分辨率近地表空气温度重构方法、系统、设备
Tait et al. Generating multiyear gridded daily rainfall over New Zealand
CN111257970B (zh) 一种基于集合预报的降水预报订正方法及系统
CN115878731B (zh) 一种暖锋自动识别方法
Gao et al. Detection of nighttime sea fog/stratus over the Huang-hai Sea using MTSAT-1R IR data
Harrington et al. Adapting attribution science to the climate extremes of tomorrow
CN110781458B (zh) 一种基于混合回归模型预测地表太阳辐照度的方法
CN112926468B (zh) 一种潮滩高程自动提取方法
CN107563554A (zh) 一种统计降尺度模型预报因子的筛选方法
CN108154193B (zh) 一种长时间序列降水数据降尺度方法
CN111695088A (zh) 卫星降水空间降尺度最优回归窗口筛选方法与装置
CN114896544A (zh) 一种风云气象卫星协同多数据源的三维云融合分析的方法
CN111652126B (zh) 一种基于卫星云图的反演辐射方法
Kim et al. Bias correction of daily precipitation over South Korea from the long-term reanalysis using a composite Gamma-Pareto distribution approach
CN116577844B (zh) 一种东亚冷锋降水自动识别方法、系统
Santos et al. Solar potential analysis in Lisbon using LiDAR data
De Felice et al. Scoping the potential usefulness of seasonal climate forecasts for solar power management
CN117195320B (zh) 通过大数据图像生成光伏组件能源数据的安全方法
CN113052201A (zh) 一种基于深度学习的卫星云图云分类方法
Liu et al. Integrated physical approach to assessing urban-scale building photovoltaic potential at high spatiotemporal resolution
Zhou et al. Quantifying human-induced dynamic and thermodynamic contributions to severe cold outbreaks like November 2019 in the eastern United States
Zhu et al. Multi-sourced data modelling of spatially heterogenous life-cycle carbon mitigation from installed rooftop photovoltaics: A case study in Singapore

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