CN113711156A - 预测热带气旋的影响 - Google Patents

预测热带气旋的影响 Download PDF

Info

Publication number
CN113711156A
CN113711156A CN201980089850.4A CN201980089850A CN113711156A CN 113711156 A CN113711156 A CN 113711156A CN 201980089850 A CN201980089850 A CN 201980089850A CN 113711156 A CN113711156 A CN 113711156A
Authority
CN
China
Prior art keywords
tropical
forecasted
past
region
cyclones
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
Application number
CN201980089850.4A
Other languages
English (en)
Inventor
J·N·梅尔斯
M·莫斯
J·波特
M·鲁特
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.)
Precision Weather Forecast Co ltd
Accuweather Inc
Original Assignee
Precision Weather Forecast Co ltd
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 Precision Weather Forecast Co ltd filed Critical Precision Weather Forecast Co ltd
Publication of CN113711156A publication Critical patent/CN113711156A/zh
Pending legal-status Critical Current

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种热带气旋分析系统，其存储多个天气状况中的每一个的多个范围，识别预报的热带气旋，识别所述预报的热带气旋的预测路径，识别沿着所述预报的热带气旋的预测路径的每个国家或地区，并且对于沿着所述预报的热带气旋的预测路径的每个国家或地区，识别所述国家或地区中的可归因于所述预报的热带气旋的预报的天气状况，将所述国家或地区中的所述预报的天气状况与所述多个天气状况中的每一个的所述多个范围进行比较，基于所述国家或地区中的所述预报的天气状况与所述多个范围的比较表征所述国家或地区中的所述预报的热带气旋，以及输出所述表征以显示给用户。

Description

预测热带气旋的影响
相关申请的交叉引用
本申请要求2018年12月10日提交的美国临时专利申请No.62/777,444的优先权，该美国临时专利申请No.62/777,444的全部内容特此通过引用并入本文。
背景技术
热带气旋是一种快速旋转的风暴系统，其特征是低压中心、封闭的低层大气环流、强风和产生大雨的雷暴螺旋排列。依赖于其地点和强度，热带气旋有不同的名称，包括飓风、台风、热带风暴、气旋风暴、热带低气压，以及(简称)气旋。发生在大西洋和太平洋东北部的热带气旋通常被称为“飓风”。发生在西北太平洋的热带气旋通常被称为“台风”。在南太平洋或印度洋，类似的风暴通常被称为“热带气旋”或“强气旋风暴”。
热带气旋是人类已知的最强大的自然灾害之一。在热带气旋期间，住宅、商业、工业和公共建筑—以及诸如交通、水、能源和通信系统之类的关键基础设施—可能会被与热带气旋相关联的几种影响损坏或摧毁。风和水是与热带气旋相关联的双重危险，当它们与其它自然过程相结合时，可能具有极大的破坏性、致命性和高昂的代价。
除了影响个人、家庭和社区外，热带气旋还对环境产生深远效应，尤其是河口和沿海栖息地。热带气旋会产生强风，其使森林树冠完全脱落，并导致树木繁茂的生态系统发生剧烈的结构变化。动物可以被热带气旋杀死，或者可能通过由强风、风暴潮和强降雨引起的栖息地和食物供应变化而间接受影响。濒危物种可能会受到严重影响，诸如波多黎各鹦鹉(Amazona vittata)，其种群数量在1989年的飓风Hugo过境后减少到原来的一半。飓风Gilbert在1988年将仅在墨西哥科苏梅尔(Cozumel)岛发现的科苏梅尔鸫(Toxostomaguttatum)推到了灭绝的边缘。
与热带气旋相关联的各种风暴成分(例如，风暴潮、巨浪和山体滑坡)可以移动大量土壤并最终重塑沿海景观。诸如Ivan(2004)、Katrina和Rita(2005)以及Gustav和Ike(2008)等飓风已导致一些地区的海岸线位置发生大约100米(328英尺)的变化。仅Katrina和Rita飓风造成的土地损失就估计大约为73平方英里。
通过改变沿海栖息地的环境条件，热带气旋引起一系列直接和间接的生态反应，范围从直接到长期不等。在环境效应方面，没有两个热带气旋是一样的。个体特性，诸如风暴的前进速度、规模、强度和降水量，在热带气旋影响的类型和时间范围中起着重要作用。依赖于这些因素中的许多因素，即使是热带风暴也可能导致生命损失和财产和基础设施的严重损坏。
Saffir-Simpson飓风风级(SSHWS)是气象学家用来测量热带气旋强度的工具。类似于用于测量龙卷风的增强型Fujita风级，SSHWS基于风暴期间持续的风速将热带气旋分为几类。
要被归类为飓风，热带气旋的一分钟最大持续风速必须至少为74mph(33m/s；64kts；119km/h)。基于最大持续风速，分类范围从类别1到类别5，如下所示：
Figure BDA0003173199740000021
遗憾的是，在回顾历史记录时，仅使用当前和预报的风速作为热带气旋的真实损害、破坏性和威胁生命的潜力的指标已被证明是不准确和不精确的。由此，在试图向公众、政府官员和急救人员传达例如来自风暴潮、洪水和土壤质量浪费(山体滑坡等)可能产生的效应时，仅靠风速是不够的。此外，仅靠风速无法解释热带气旋的财务影响。需要考虑与风暴和风暴预测路径中的自然过程相关联的其它变量，以准确且精确地阐明热带气旋的真实、潜在损害、破坏性和财务影响。
因此，需要一种系统和方法，其比仅考虑每个风暴的风速的现有技术方法更准确和精确地表征预报的热带气旋。此外，需要一个使用数学规则而不是人类做出主观确定的过程。通过提供当前或预报的风暴的潜在损害和破坏的更完整图景，所公开的系统和方法为政府官员、急救人员和公众提供了更多信息，并且使得能够在热带气旋之前和期间的关键时刻做出更好的决策。所有这些益处都有助于挽救生命并限制对财产的潜在损害。
发明内容
为了克服现有技术中的那些和其它缺陷，提供了一种热带气旋分析系统，其存储多个天气状况中的每一个的多个范围，识别预报的热带气旋，识别所述预报的热带气旋的预测路径，识别沿着所述预报的热带气旋的预测路径的每个国家或地区，并且对于沿着所述预报的热带气旋的预测路径的每个国家或地区，识别所述国家或地区中的可归因于所述预报的热带气旋的预报的天气状况，将所述国家或地区中的所述预报的天气状况与所述多个天气状况中的每一个的所述多个范围进行比较，基于所述国家或地区中的所述预报的天气状况与所述多个范围的比较表征所述国家或地区中的所述预报的热带气旋，以及输出所述表征以显示给用户。
热带气旋分析系统可以进一步存储预报的热带气旋的预测效应的多个范围，确定所述预报的热带气旋的预测路径中的地理区域的一个或多个人口特征，基于可归因于所述预报的热带气旋的所述预报的天气状况中的一个或多个以及所述预报的热带气旋的预测路径中的地理区域的所述一个或多个人口特征预测所述国家或地区中的所述预报的热带气旋的效应，以及将所述国家或地区中的所述预报的热带气旋的预测效应与预测效应的所述多个范围进行比较。在那些实施例中，所述国家或地区中的所述预报的热带气旋的表征进一步基于所述国家或地区中的所述预报的热带气旋的预测效应与预测效应的所述多个范围的比较。
热带气旋分析系统可以进一步确定所述预报的热带气旋的预测路径中的地理区域的一个或多个地理或地质特征。在那些实施例中，所述预报的热带气旋的预测效应进一步基于所述预报的热带气旋的预测路径中的地理区域的所述一个或多个地理或地质特征进行预测。
在一些实施例中，所述预报的热带气旋的预测效应可以是所述预报的热带气旋的预测经济影响。在那些实施例中，通过以下操作估计所述预报的热带气旋的预测经济影响：识别过去热带气旋的经济影响，识别受所述过去热带气旋中的每一个影响的每个经济的规模，基于每个过去热带气旋时受影响的经济的规模对所述经济影响进行缩放，识别所述过去热带气旋中的每一个的天气状况，确定所述过去热带气旋中的每一个的缩放的经济影响与所述过去热带气旋中的每一个的过去天气状况之间的相关性，以及基于所述过去热带气旋中的每一个的缩放的经济影响与所述过去热带气旋中的每一个的过去天气状况之间的相关性生成估计热带气旋的经济影响的模型。在那些实施例中，估计热带气旋的经济影响的所述模型可以进一步基于所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的人口或地理或地质特征之间的相关性生成。
在前述实施例中的任何一个中，所述预报的天气状况与所述多个范围的比较以及基于所述比较对所述预报的热带气旋的表征可以由硬件计算机处理器执行，而没有人工干预。
在与仅依赖于预报的最大持续风速的现有方法(Saffir-Simposon飓风风级)相比时，所有前述实施例提供了重要的技术和公共安全益处。通过基于多个预报的天气状况(以及，在一些实施例中，预报的热带气旋的预测路径中的地理区域的特征)表征每个热带气旋，热带气旋分析系统能够更准确地预测—并且更完整地传达—由预报的热带气旋造成的对生命和财产的威胁。
附图说明
参考附图可以更好地理解示例性实施例的各方面。附图中的组件不一定按比例绘制，而是重点说明示例性实施例的原理，其中：
图1是图示根据本发明的示例性实施例的热带气旋分析系统100的框图；
图2是图示根据本发明的示例性实施例的热带气旋分析系统的架构的概览的图；
图3是图示根据本发明的示例性实施例的对过去热带气旋的过去经济影响进行建模的过程的流程图；
图4是图示根据本发明的示例性实施例的用于表征由每个当前或预报的热带气旋造成的威胁的过程的流程图；
图5是根据本发明的示例性实施例的图形用户界面的图，该图形用户界面输出预报的热带气旋的表征以显示给用户；以及
图6是根据本发明的示例性实施例的图形用户界面的另一个图，该图形用户界面输出预报的热带气旋的表征以显示给用户。
具体实施方式
现在参考图示本发明的示例性实施例的各种视图的附图。在本文的附图和附图的描述中，某些术语仅为了方便而使用，并不当作限制本发明的实施例。此外，在附图和下面的描述中，同样的数字始终指示同样的元素。
系统架构
图1是图示根据本发明的示例性实施例的热带气旋分析系统100的框图。
如图1中所示，热带气旋分析系统100包括一个或多个数据库110、分析引擎180和图形用户界面190。一个或多个数据库110包括历史天气数据112、历史天气影响数据114和预报的天气状况116。此外，一个或多个数据库110可以包括人口数据124、地理数据126和/或地质数据128。在一些实施例中，一个或多个数据库110还可以包括历史人口数据134。在一些实施例中，一个或多个数据库110可以附加地包括历史地理数据136和历史地质数据138。
历史天气数据112包括指示过去热带气旋的路径和时间的信息。对于过去热带气旋中的每一个，历史天气数据112还包括指示如通过由于过去热带气旋而发生的若干单独的天气状况测量的每个过去热带气旋的严重性的信息。对于每个过去热带气旋，例如，历史天气数据112可以包括指示风速(例如，最大持续风速)、降雨量(例如，由过去热带气旋引起的总累积降雨量、由过去热带气旋造成的每天最大降雨量等)、风暴潮、沿海淹没、累积气旋能量(ACE)、地表压力、高温、低温等的信息。历史天气数据112可以从公开可用源(例如，国家海洋和大气管理局(NOAA)风暴事件数据库)、私有源(例如，AccuWeather公司、AccuWeather Enterprise Solutions公司)等接收。
历史天气影响数据114包括指示过去热带气旋中的每一个的经济影响的信息。过去热带气旋中的每一个的经济影响可以包括对财产和农作物的直接损害以及可归因于过去热带气旋的间接破坏(例如，停电、销售损失、装运延迟数据、消费者支出减少、对零售和服务地点的访问减少、交通速度增加等)。历史天气影响数据114可以从公开可用源接收，这些公开可用源诸如NOAA风暴事件数据库(其聚合来自县、州和联邦应急管理官员的信息)、地方执法官员、天空警告观测者、国家气象局(NWS)损害调查、剪报服务、保险业、一般公众等)、来自行业特定的商业和非商业实体的信息(例如，保险索赔信息)、第三方源等。分析引擎180还可以使用经济预报模型，诸如由Solomon M.Hsiang和Amir S.Jina开发的模型，以估计每个过去热带气旋对长期经济增长的效应(参见，例如，Hsiang等人，The CausalEffect of Environmental Catastrophe on Long-Run Economic Growth:Evidence From6,700 Cyclones,NBER Working Paper No.20352，2014年7月)。热带气旋分析系统100还可以使用客户特定的数据(从客户接收)来确定过去热带气旋的客户特定的影响。
人口数据124可以包括例如地理区域(例如，预报的热带气旋的推断路径中的地理区域)的每单位面积的房地产业(住宅、商业和工业)的集中度、家庭规模、收入水平、人群教育水平、人群年龄水平、和/或人群密度。例如，可以从一个或多个第三方(诸如美国人口普查局、世界银行等)接收指示那些人口成分的信息。如下所述，热带气旋分析系统100还可以利用过去热带气旋的路径中的地理区域的人口对过去热带气旋的效应进行建模(并且使用该模型来对预报的热带气旋的效应进行预报)。因为地理区域的人口可能已随时间变动，因此热带气旋分析系统100还可以存储指示过去热带气旋的路径中的地理区域的人口的历史人口数据134。该历史人口数据134可以类似地从第三方(例如，美国人口普查局、世界银行等)接收或者可以基于当前可用的信息进行估计。
地理数据126可以包括例如指示地理区域(即，过去热带气旋的路径中的地理区域和预报的热带气旋的预报路径中的地理区域)的地势、地形坡度和/或地形朝向的信息。地理数据126可以从第三方接收。例如，可以基于来自合成孔径雷达(SAR)、Landsat卫星等的影像来确定地理数据126。如果确定地理的地势、地形坡度和/或地形朝向已随时间有意义地变动，那么热带气旋分析系统100还可以存储指示过去热带气旋的路径中的地理区域的地势和/或地形的历史地理数据136。该历史人口数据136可以类似地从第三方接收、基于过去影像确定或基于当前的可用信息进行估计。
地质数据128可以包括指示地理区域(即，过去热带气旋的路径中的地理区域和预报的热带气旋的预报路径中的地理区域)的地点特定的地震活动、土壤稳定性数据、土壤类型、以及基岩的性质和暴露的信息。地质数据128可以从一个或多个第三方接收，这些第三方诸如美国地质调查局(USGS)、自然资源保护局(NRCS)、美国农业部(USDA)等。如果确定地理区域的地质状况已随时间有意义地变动，那么热带气旋分析系统100还可以存储指示过去热带气旋的路径中的地理区域的地质特征的历史地质数据138。该历史地质数据138可以类似地从第三方接收、基于当前可用的信息进行估计等。
预报的天气状况116包括指示与预报的热带气旋相关联的预报的天气状况的预测地点、预测时间和预测量值的信息。预报的天气状况116可以包括风速(例如，最大持续风速)、降雨量(例如，总累积降雨量、每天最大降雨量等)、风暴潮、沿海淹没、累积气旋能量、地表压力、高温、低温等。预报的天气状况116和事件可以从AccuWeather公司、AccuWeatherEnterprise Solutions公司、国家气象局(NWS)、国家飓风中心(NHC)、其它政府机构(诸如，加拿大环境部、英国气象局、日本气象厅等)、私营公司(诸如，Weather DecisionTechnologies公司)等接收。可以使用大气和海洋的数值天气预测模型(或模型的集合)基于当前天气状况预测天气来确定预报的天气状况116。
图2是图示根据本发明的示例性实施例的热带气旋分析系统100的架构200的概览的图。
如图2中所示，架构200可以包括经由一个或多个网络230连接到多个远程计算机系统240(诸如一个或多个个人系统250和一个或多个移动计算机系统260)的一个或多个服务器210和一个或多个存储设备220。
一个或多个服务器210可以包括内部存储设备212和处理器214。一个或多个服务器210可以是任何合适的计算设备，包括例如托管远程计算机系统240可访问的网站的web服务器以及应用服务器。一个或多个存储设备220可以包括一个或多个服务器210的内部存储设备212和/或外部存储设备。一个或多个存储设备220还可以包括任何非暂态计算机可读存储介质，诸如外部硬盘阵列或固态存储器。网络230可以包括因特网、蜂窝网络、广域网(WAN)、局域网(LAN)等的任意组合。经由网络230的通信可以通过有线和/或无线连接来实现。远程计算机系统240可以是被配置为经由网络230发送和/或接收数据的任何合适的电子设备。远程计算机系统240可以是例如网络连接的计算设备，诸如个人计算机、笔记本计算机、智能电话、个人数字助理(PDA)、平板、笔记本计算机、便携式天气检测器、全球定位卫星(GPS)接收器、网络连接的车辆、可穿戴设备等。个人计算机系统250可以包括内部存储设备252、处理器254、输出设备256和输入设备258。一个或多个移动计算机系统260可以包括内部存储设备262、处理器264、输出设备266和输入设备268。内部存储设备212、252和/或262可以包括一个或多个非暂态计算机可读存储介质，诸如硬盘或固态存储器，用于存储在由处理器214、254或264执行时执行本文描述的特征的相关部分的软件指令。处理器214、254和/或264可以包括中央处理单元(CPU)、图形处理单元(GPU)等。处理器214、254和264可以被实现为单个半导体芯片或多于一个芯片。输出设备256和/或266可以包括显示器、扬声器、外部端口等。显示器可以是被配置为输出可见光的任何合适的设备，诸如液晶显示器(LCD)、发光聚合物显示器(LPD)、发光二极管显示器(LED)、有机发光二极管显示器(OLED)等。输入设备258和/或268可以包括键盘、鼠标、轨迹球、静物或视频相机、触摸板等。触摸板可以与显示器重叠或集成以形成触敏显示器或触摸屏。
返回到图1，一个或多个数据库110可以是任何有组织的信息集，无论是存储在单个有形设备上还是多个有形设备上，并且可以存储在例如一个或多个存储设备220中。分析引擎180可以通过存储在内部存储设备212、252和/或262中的一个或多个上并且由处理器214、254或264中的一个或多个执行的软件指令来实现。图形用户界面190可以是允许用户输入信息以传输到热带气旋分析系统100和/或将从热带气旋分析系统100接收的信息输出给用户的任何界面。图形用户界面190可以通过存储在内部存储设备212、252和/或262中的一个或多个上并且由处理器214、254或264中的一个或多个执行的软件指令来实现。
对过去热带气旋的影响进行建模
为了表征当前和预报的热带气旋造成的威胁，系统可以预测每个当前和预报的热带气旋的经济影响。迄今为止，当前和预报的天气事件的经济影响已由做出主观确定的人类(例如，气象学家、气候学家、经济学家等)来估计。然而，这些主观确定具有许多缺陷。除了个人(或一群人)做出这些主观确定所花费的时间增加之外，这些主观确定也是不一致的，因为它们依赖于做出这些确定的个人(或人们)的技能水平和性情。为了克服现有技术中的那些缺点，热带气旋分析系统100可以采用特定的数学规则来预测每个当前和预报的热带气旋的估计的经济影响。热带气旋分析系统100可以通过对过去热带气旋的过去经济影响进行建模来识别那些数学规则。
图3是图示根据本发明的示例性实施例的用于对过去热带气旋的过去经济影响进行建模的过程300的流程图。建模过程300可以通过一个或多个服务器210执行分析引擎180来进行。如下所述，建模过程300中包括的一些操作可以是可选的并且仅在热带气旋分析系统100的一些实施例中包括。此外，如本领域普通技术人员将认识到的，建模过程300中的操作不一定需要按它们在图3中示出和在下面描述的次序来执行。
在步骤302中识别过去热带气旋的经济影响。如上面提到的，存储在一个或多个数据库110中的历史天气影响数据114包括指示过去热带气旋的经济影响的信息。过去热带气旋中的每一个的经济影响可以包括对财产和农作物的直接损害以及可归因于过去热带气旋的间接破坏(例如，停电、销售损失、装运延迟数据、消费者支出减少、对零售和服务地点的访问减少、交通速度增加等)。过去热带气旋中的每一个的经济影响还可以包括如使用经济预报模型所确定的每个过去热带气旋对长期经济增长的效应，该经济预报模型诸如由Solomon M.Hsiang和Amir S.Jina开发的模型(参见，例如，Hsiang等人，The CausalEffect of Environmental Catastrophe on Long-Run Economic Growth:Evidence From6,700 Cyclones,NBER Working Paper No.20352，2014年7月)。
热带气旋是动态天气事件，其具有随着风暴沿着其路径移动而改变的特征。例如，热带气旋中的持续风通常随着风暴聚集在海洋上而增大，然后随着风暴移过大海和/或陆地而消散。如果热带气旋在其寿命期间在两个不同时段中在两个不同地区(或国家)登陆，那么同一个热带气旋将在那些地点中造成非常不同的天气状况(并且具有非常不同的经济影响)。事实上，热带气旋在一个国家或地区中的经济影响可能与该热带气旋在另一个国家或地区登陆时该热带气旋的天气状况完全无关。因此，热带气旋分析系统100可以将在两个不同地区或国家登陆的热带气旋视为两个分开的风暴，并且可以分开存储该热带气旋在第一国家或地区的天气状况(和经济影响)以及天气状况(和经济影响)。
在步骤304中基于每个过去热带气旋时受影响的经济的规模对过去热带气旋的经济影响(在步骤302中识别)进行缩放。这样的过去热带气旋在过去在不同地点和不同时间发生。基于受影响时间段期间受影响地理区域的经济的规模，那些过去热带气旋的经济影响可能已显著变化。同时，过程300的目的是要对归因于过去热带气旋的天气状况的经济影响进行建模，而不管那些过去热带气旋在何时何地登陆。因此，过去热带气旋的经济影响基于每个过去热带气旋时受影响的经济的规模进行缩放，以控制受影响的经济的规模并且隔离可归因于过去热带气旋的过去天气状况的经济影响。
在步骤306中识别过去热带气旋的天气状况。如上面提到的，包括在一个或多个数据库110中的历史天气数据112包括指示如通过由于过去热带气旋而发生的若干单独的天气状况测量的每个过去热带气旋的严重性的信息。对于每个过去热带气旋，例如，历史天气数据112可以包括指示风速(例如，最大持续风速)、降雨量(例如，由过去热带气旋造成的总累积降雨量、由过去热带气旋造成的每天最大降雨量等)、风暴潮、沿海淹没、累积气旋能量(ACE)、地表压力、高温、低温等的信息。历史天气数据112可以从公开可用源(例如，国家海洋和大气管理局(NOAA)风暴事件数据库)、私有源(例如，AccuWeather公司、AccuWeatherEnterprise Solutions公司)等接收。
在步骤314中可以识别受过去热带气旋中的每一个影响的地理区域的人口特征。即使在基于每个过去热带气旋时受影响的经济的规模进行缩放时，热带气旋分析系统100也可以确定过去热带气旋的经济影响依赖于受影响的地理区域的人口特征中的一个或多个。如上面提到的，存储在一个或多个数据库110中的人口数据124可以包括例如过去热带气旋的路径中的地理区域的每单位面积的房地产业(住宅、商业和工业)的集中度、家庭规模、收入水平、人群教育水平、人群年龄水平、和/或人群密度。如果可用，热带气旋分析系统100可以代替地利用作为历史人口数据134存储在一个或多个数据库110中的(每个过去热带气旋的时间段期间的)过去人口特征。
在步骤316中可以识别受每个过去热带气旋影响的地理区域的地理特征。如上面提到的，存储在一个或多个数据库110中的地理数据126可以包括例如指示过去热带气旋的路径中的地理区域的地势、地形坡度和/或地形朝向的信息。如果可用，热带气旋分析系统100可以代替地利用作为历史地理数据136存储在一个或多个数据库110中的(每个过去热带气旋的时间段期间的)过去地理特征。
在步骤316中可以识别受过去热带气旋中的每一个影响的地理区域的地质特征。如上面提到的，存储在一个或多个数据库110中的地质数据128可以包括例如指示过去热带气旋的路径中的地理区域的地点特定的地震活动、土壤稳定性数据、土壤类型、以及基岩的性质和暴露的信息。如果可用，热带气旋分析系统100可以代替地利用作为历史地质数据138存储在一个或多个数据库110中的(每个过去热带气旋的时间段期间的)过去地质特征。
在步骤360中，在过去热带气旋中的每一个的缩放的经济影响(在步骤304中确定)与过去热带气旋中的每一个的过去天气状况(在步骤306中确定)，以及在一些实施例中，受影响地理区域的人口特征(在步骤314中确定)、受影响地理区域的地理特征(在步骤316中确定)和/或受影响地理区域的地质特征(在步骤318中确定)之间确定相关性。为了确定那些相关性，分析引擎180可以采用人工智能的形式(例如，机器学习算法)以使用上述数据集作为训练数据来识别相关性，而不需要编程有用于如何确定那些相关性的显式指令。分析引擎180可以采用任何统计建模技术以便识别每个过去热带气旋的缩放的经济影响与过去天气状况和其它自变量之间的相关性。例如，分析引擎180可以遵循以下等式使用多个回归器(自变量)来将回归算法用于缩放的经济影响Y(因变量)：
Y＝β0+β1X1+β2X2+…+βkXk，其中
其中Xk是k数量的预测变量(例如，天气状况、人口特征、地理特征和/或地质特征)；并且
βk是由分析引擎180基于预测变量Xk与过去热带气旋的缩放的经济影响Y之间的相关性确定的回归系数。
替代地，热带气旋分析系统100可以基于每个过去热带气旋的严重性(如由每个风暴的缩放经济影响确定)对过去热带气旋进行分组，然后识别与每个组中的热带气旋相关的过去天气状况(以及可选地，其它自变量)。在那些实施例中，在步骤330中按缩放的经济影响对过去热带气旋进行排序，并且在步骤332中建立阈值，使得在步骤334中将过去热带气旋分成组。
在基于严重性对过去热带气旋进行分组的实施例中，分析引擎180在步骤360中使用统计建模来识别与每个组的范围内具有缩放的经济影响的过去热带气旋相关的过去天气状况(以及可选地，其它自变量)。在优选实施例中，对于发现显著预测热带气旋的经济影响的每个自变量，分析引擎180识别一系列范围，其中每个范围与包括在每个组中的热带气旋的经济影响相关.
例如，以下图表基于2019年美元计的经济影响和自变量(在这个实例中，平均降雨量、最大持续风和风暴潮)对热带气旋进行分组，分析引擎180可以确定这些自变量预测那些组内具有经济影响的热带气旋。
Figure BDA0003173199740000131
Figure BDA0003173199740000141
可以预测经济影响的自变量中的一些可能依赖于两个或更多个天气状况/特征。例如，平均降雨量(上面所示)可以预测由于洪水引起的经济影响。然而，热带气旋的路径的地理区域中的地质特征(例如，土壤类型)和预报的平均降雨量的结合可以更能预测由于洪水引起的经济影响。两个或更多个天气状况/特征的结合也可以更好地捕获事件的气候，这可以预测预报的热带气旋的长期经济影响。
表征预报的热带气旋的预报的影响
除了当前方法所使用的风速量值之外，热带气旋分析系统100利用附加分量来更好地表征由每个当前和预报的热带气旋造成的威胁。
图4是图示根据本发明的示例性实施例的用于表征由每个当前或预报的热带气旋造成的威胁的过程400的流程图。以下的描述包括识别预报的热带气旋的预报的天气状况(和预测路径)。然而，如本领域普通技术人员将认识到的，可以执行相同的表征过程400以使用当前天气状况(和当前路径)表征当前热带气旋。表征过程400可以通过一个或多个服务器210执行分析引擎180来进行。如下所述，表征过程400中包括的一些操作是可选的并且仅在热带气旋分析系统100的一些实施例中包括。此外，如本领域普通技术人员将认识到的，表征过程400中的操作不一定需要按它们在图4中示出和在下面描述的次序来执行。
在步骤402中识别预报的热带气旋。如上面提到的，分析引擎180可以通过分析由第三方接收的预报的天气状况116来识别预报的热带气旋，该预报的天气状况116可以使用大气和海洋的数值天气预报模型(或模型的集合)基于当前天气状况预测天气来预报。
在步骤402中识别预报的热带气旋的预测路径。如本领域普通技术人员将认识到的，预测路径可以是锥形以表示预报的热带气旋的可能路径的概率确定。
在步骤406中识别沿着预测路径的每个国家/地区。如上面提到的，热带气旋是动态天气事件，其具有随着风暴沿着其路径移动而改变的特征。如果热带气旋在其寿命期间在两个不同时段中在两个不同地区(或国家)登陆，那么同一个热带气旋将在那些地点中造成非常不同的天气状况(并且具有非常不同的经济影响)。因此，热带气旋分析系统100可以将每个陆地块和/或岛屿群视为分开的国家/地区(例如，东加勒比海、波多黎各、海地和多米尼加共和国、古巴、巴哈马、美国大陆等)，并且针对预报的热带气旋被预测将登陆的每个国家/地区分开地执行表征过程400的其余步骤。作为结果，当同一个热带气旋在两个不同的国家或地区登陆时，热带气旋分析系统100可以将它表征为预计是两个不同的类别。例如，当热带气旋在巴哈马登陆时，它可能被预计是类别4飓风，并且到同一风暴在美国大陆登陆时，它可能被预计是类别2飓风。
在步骤408中识别预报的天气状况116。如上面提到的，预报的天气状况116可以由第三方接收并且可以使用大气和海洋的数值天气预测模型(或模型的集合)基于当前天气状况预测天气来预报。如果预报的热带气旋没有被预测在该国家/地区登陆，那么热带气旋分析系统100可以识别被预报为在该国家/地区发生的预报的天气状况。
在一些实施例中，在步骤412中确定预报的热带气旋的预测路径中的地理区域的人口(和/或地理和/或地质)特征。如上面提到的，人口数据124可以包括例如预报的热带气旋的预测路径中的地理区域的每单位面积的房地产业(住宅、商业和工业)的集中度、家庭规模、收入水平、人群教育水平、人群年龄水平、和/或人群密度；地理数据126可以包括例如指示预报的热带气旋的预测路径中的地理区域的地势、地形坡度和/或地形朝向的信息；并且地质数据128可以包括例如指示预报的热带气旋的预测路径中的地理区域的地点特定的地震活动、土壤稳定性数据、土壤类型、以及基岩的性质和暴露的信息。
在一些实施例中，在步骤414中估计预报的热带气旋的经济影响。预测的经济影响可以通过主观评估该国家/地区的人口(和其它)特征和预报的热带气旋的预报的天气状况来估计。在其它实施例中，预测的经济影响可以由分析引擎180例如使用由分析引擎180使用建模过程300开发的模型来确定。
在步骤420中，将预报的热带气旋的预报的天气状况114(以及，在一些实施例中，预测路径中的地理区域的特征)与阈值(例如，通过上面描述的建模过程300识别的阈值中的一些)进行比较。例如，热带气旋分析系统100可以将预报的热带气旋的预报的天气状况114与以下阈值进行比较。
类类 平均降雨量 最大持最风速 风暴潮 经济影响
<1 <3英寸 <74英里每小时 <3英尺 不显著的影响
1 3-8英寸 74-95英里每小时 3-6英尺 <100亿美元
2 8-15英寸 96-110英里每小时 6-10英尺 100-390亿美元
3 15-22英寸 111-129英里每小时 10-15英尺 400-990亿美元
4 22-30英寸 130-156英里每小时 15-20英尺 1000-1990亿美元
5 >30英寸 >156英里每小时 >20英尺 2000+亿美元
如上面提到的，参考建模过程300，阈值中的一些用于基于依赖于两个或更多个天气状况/特征的预测效应来表征预报的热带气旋。例如，代替平均降雨量(如上所示)，分析引擎180可以例如基于热带气旋的路径的地理区域中的地质特征(例如，土壤类型)和预报的平均降雨量的结合来估计预测的洪水，并且将预测的洪水与洪水阈值进行比较。在另一个示例中，分析引擎180可以例如基于热带气旋的预测路径的地理区域中的人口数据124(例如，人群密度)、地质特征(例如，土壤类型)、以及预报的平均降雨量的结合来估计受洪水影响的人和/或财产。此外，分析引擎180可以将事件的预测气候(如由两个或更多个特征确定)与气候阈值进行比较。
在一些实施例中，分析引擎180在步骤430中可以通过选择由预报的热带气旋的预测路径中的地理区域的特征和/或预报的天气状况中的任何一个指示的最高类别来对预报的热带气旋进行分类。例如，热带气旋按Saffir-Simpson飓风风级可以被归类为类别2(因为最大持续风速被预报为96-110英里每小时)，但是分析引擎180可以将同一预报的热带气旋表征为类别3风暴，例如，如果平均降雨量被预测为在15英寸与22英寸之间，或者如果风暴潮被预测为在10英尺与15英尺之间，或者如果经济影响被预测为在400亿美元与990亿美元之间。
在其它实施例中，分析引擎180在步骤442中可以通过基于单个预报的天气状况(例如，如在Saffir-Simpson飓风风级中使用的最大持续风速)选择类别来对预报的热带气旋进行分类、确定一个或多个附加分量(例如，附加的预报的热带气旋的预测路径中的地理区域的特征和/或预报的天气状况)的量值是否在某些预定范围内，并且将表征增加或减少与该附加分量相关联的预定量。例如，预报的热带气旋初始可以通过如下基于最大持续风速选择类别来表征：
最最风速 类类
<74英里每小时 <1
74-95英里每小时 1
96-110英里每小时 2
111-129英里每小时 3
130-156英里每小时 4
>156英里每小时 5
在那些实施例中，一个附加分量可以是当前和/或预报的每天最大降雨量，并且分析引擎180可以采用以下范围和与那些范围相关联的调整。
最最降雨量(以英寸、每天为单位) 调整
<5英寸/24小时 -0.5
>5<10英寸/24小时 -0.25
>10<15英寸/24小时 0
>15<20英寸/24小时 +0.5
>20英寸/24小时 +1.0
附加地或替代地，附加分量可以是每天降雨量为10+英寸的当前和/或预报的天数，并且分析引擎180可以采用以下范围和与那些范围相关联的调整。
降雨量(10+英寸/天的天数) 调整
<2天 -0.5
2-3天 -0.25
3-4天 0
4-5天 +0.5
>5天 +1.0
附加地或替代地，附加分量可以是热带气旋的当前或预报的累积气旋能量(ACE)，并且分析引擎180可以采用以下范围和与那些范围相关联的调整。
累积气旋能量 调整
<40 -0.5
>40<50 -0.25
>50<60 0
>60<70 +0.5
>70 +1.0
附加地或替代地，附加分量可以是热带气旋的当前或预报的地表压力，并且公开的系统可以采用以下范围和与那些范围相关联的调整。
地表压力 调整
>1,000mb -0.5
>975<1,000mb -0.25
>950<975mb 0
>925<950mb +0.5
>925 +1.0
附加地或替代地，附加分量可以是热带气旋的当前或预报的风暴潮，并且分析引擎180可以采用以下范围和与那些范围相关联的调整。
风暴潮 调整
<5英尺 -0.5
>5<10英尺 -0.25
>10<15英尺 0
>15<25英尺 +0.5
>25英尺 +1.0
附加地或替代地，附加分量可以是热带气旋的预报路径中的地理区域的沿海淹没，并且分析引擎180可以采用以下范围和与那些范围相关联的调整。
沿海淹没 调整
<1英里 -0.5
>1<3英里 -0.25
>3<5英里 0
>5<10英里 +0.5
>10英里 +1.0
附加地或替代地，附加分量可以是热带气旋的预报路径中的地理区域的Melton地形指数，并且分析引擎180可以采用以下范围和与那些范围相关联的调整。
Melton地形指数 调整
<25 -0.5
>25<35 -0.25
>35<50 0
>50<75 +0.5
>75 +1.0
附加地或替代地，附加分量可以是热带气旋的预报路径中的地理区域的土壤液化指数。
附加地或替代地，附加分量可以包括热带气旋的预报路径中的地理区域的制造指数和/或基础设施密度。
附加地或替代地，附加分量可以是热带气旋的预报路径中的地理区域的人群密度，并且分析引擎180可以采用以下范围和与那些范围相关联的调整。
人群密度 调整
<7,500人每平方英里 -0.5
>7,500<8,500人每平方英里 -0.25
>8,500<10,000人每平方英里 0
>10,000<12,500人每平方英里 +0.5
>12,500人每平方英里 +1.0
在替代实施例中，热带气旋分析系统100可以存储与每个天气状况(或特征)的每个范围相关联的预定系数、将预报的热带气旋的每个预报天气状况(以及，可选地，预报的热带气旋的预测路径中的地理区域的特征)与每个范围的阈值进行比较以识别相关的系数，并且将预报的热带气旋的初始表征乘以相关的系数。
最后，在替代实施例中，热带气旋分析系统100可以存储与每个天气状况(或特征)相关联的指示每个天气状况(或特征)的权重的预定系数，并且通过将预报的热带气旋的每个预报的天气状况(以及，可选地，预报的热带气旋的预测路径中的地理区域的特征)乘以与该天气状况(或特征)相关联的指示该天气状况(或特征)的权重的系数来表征每个预报的热带气旋。
热带气旋分析系统100还可以通过舍入(例如，上舍入，舍入到最接近的整数)或使用其它规则(例如，经调整的表征等于或大于5的任何热带气旋是类别5)来调整使用小数或分数的任何经调整的表征，使得由热带气旋分析系统100输出的表征使用与消费者熟悉的Saffir-Simpson飓风风级相同的等级(类别1至类别5)。
分析引擎180例如经由图形用户界面190、经由一个或多个网络230等输出预测的热带气旋的表征。图5和图6是输出以显示给用户的预报的热带气旋的表征的图。
在与仅依赖于预报的最大持续风速的现有方法(Saffir-Simpson飓风风级)相比时，所有前述实施例提供了重要的技术和公共安全益处。通过基于多个预报的天气状况116(以及，在一些实施例中，预报的热带气旋的预测路径中的地理区域的特征)表征每个热带气旋，热带气旋分析系统100能够更准确地预测—并且更完整地传达—由预报的热带气旋造成的对生命和财产的威胁。
虽然上面已阐述了优选实施例，但是已阅览本公开的本领域技术人员将容易意识到在本发明的范围内可以实现其它实施例。特定技术的公开也是说明性的而非限制性的。因此，本发明应当被理解为仅由权利要求限制。

Claims (20)

1.一种用于对预报的热带气旋的影响进行预报的方法，所述方法包括：
存储多个天气状况中的每一个的多个范围；
识别预报的热带气旋；
识别所述预报的热带气旋的预测路径；
识别沿着所述预报的热带气旋的预测路径的每个国家或地区；以及
对于沿着所述预报的热带气旋的预测路径的每个国家或地区：
识别所述国家或地区中的可归因于所述预报的热带气旋的预报的天气状况；
将所述国家或地区中的所述预报的天气状况与所述多个天气状况中的每一个的所述多个范围进行比较；
基于所述国家或地区中的所述预报的天气状况与所述多个范围的比较，表征所述国家或地区中的所述预报的热带气旋；以及
输出所述表征以显示给用户。
2.根据权利要求1所述的方法，进一步包括：
存储预报的热带气旋的预测效应的多个范围；
确定所述预报的热带气旋的预测路径中的地理区域的一个或多个人口特征；
基于可归因于所述预报的热带气旋的所述预报的天气状况中的一个或多个以及所述预报的热带气旋的预测路径中的地理区域的所述一个或多个人口特征，预测所述国家或地区中的所述预报的热带气旋的效应；以及
将所述国家或地区中的所述预报的热带气旋的预测效应与预测效应的所述多个范围进行比较，
其中所述国家或地区中的所述预报的热带气旋的表征进一步基于所述国家或地区中的所述预报的热带气旋的预测效应与预测效应的所述多个范围的比较。
3.根据权利要求2所述的方法，进一步包括：
确定所述预报的热带气旋的预测路径中的地理区域的一个或多个地理特征，
其中所述预测效应进一步基于所述预报的热带气旋的预测路径中的地理区域的所述一个或多个地理特征进行预测。
4.根据权利要求2所述的方法，进一步包括：
确定所述预报的热带气旋的预测路径中的地理区域的一个或多个地质特征，
其中所述预测效应进一步基于所述预报的热带气旋的预测路径中的地理区域的所述一个或多个地质特征进行预测。
5.根据权利要求2所述的方法，其中所述预测效应是所述预报的热带气旋的预测经济影响。
6.根据权利要求5所述的方法，其中所述预报的热带气旋的预测经济影响通过以下操作进行估计：
识别过去热带气旋的经济影响；
识别受所述过去热带气旋中的每一个影响的每个经济的规模；
基于每个过去热带气旋时受影响的经济的规模对所述经济影响进行缩放；
识别所述过去热带气旋中的每一个的天气状况；
确定所述过去热带气旋中的每一个的缩放的经济影响与所述过去热带气旋中的每一个的过去天气状况之间的相关性；以及
基于所述过去热带气旋中的每一个的缩放的经济影响与所述过去热带气旋中的每一个的过去天气状况之间的相关性，生成估计热带气旋的经济影响的模型。
7.根据权利要求6所述的方法，进一步包括：
识别受所述过去热带气旋中的每一个影响的地理区域的人口特征；以及
确定所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的人口特征之间的相关性，
其中估计热带气旋的经济影响的所述模型进一步基于所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的人口特征之间的相关性生成。
8.根据权利要求6所述的方法，进一步包括：
识别所述预报的热带气旋的预测路径中的所述国家或地区的地理区域的地理特征；
识别受所述过去热带气旋中的每一个影响的地理区域的地理特征；
确定所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的地理特征之间的相关性，其中：
估计热带气旋的经济影响的所述模型进一步基于所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的地理特征之间的相关性生成；并且
所述国家或地区中的所述预报的热带气旋的估计的经济影响进一步基于所述预报的热带气旋的预测路径中的所述国家或地区的地理区域的地理特征。
9.根据权利要求6所述的方法，进一步包括：
识别所述预报的热带气旋的预测路径中的所述国家或地区的地理区域的地质特征；
识别受所述过去热带气旋中的每一个影响的地理区域的地质特征；以及
确定所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的地质特征之间的相关性，其中：
估计热带气旋的经济影响的所述模型进一步基于所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的地质特征之间的相关性生成；并且
所述国家或地区中的所述预报的热带气旋的估计的经济影响进一步基于所述预报的热带气旋的预测路径中的所述国家或地区的地理区域的地质特征。
10.根据权利要求1所述的方法，其中所述预报的天气状况与所述多个范围的比较以及基于所述比较对所述预报的热带气旋的表征由硬件计算机处理器执行，而没有人工干预。
11.一种用于对预报的热带气旋的影响进行预报的系统，所述系统包括：
一个或多个数据库，所述一个或多个数据库存储：
多个天气状况中的每一个的多个范围；以及
预报的天气状况，所述预报的天气状况包括预报的热带气旋和所述预报的热带气旋的预测路径；
一个或多个服务器，所述一个或多个服务器：
识别沿着所述预报的热带气旋的预测路径的每个国家或地区；以及
对于沿着所述预报的热带气旋的预测路径的每个国家或地区：
识别所述国家或地区中的可归因于所述预报的热带气旋的预报的天气状况；
将所述国家或地区中的所述预报的天气状况与所述多个天气状况中的每一个的所述多个范围进行比较；
基于所述国家或地区中的所述预报的天气状况与所述多个范围的比较，表征所述国家或地区中的所述预报的热带气旋；以及
输出所述表征以显示给用户。
12.根据权利要求11所述的系统，其中：
所述一个或多个数据库存储预报的热带气旋的预测效应的多个范围；并且
所述一个或多个服务器被配置为：
确定所述预报的热带气旋的预测路径中的地理区域的一个或多个人口特征；
基于可归因于所述预报的热带气旋的所述预报的天气状况中的一个或多个以及所述预报的热带气旋的预测路径中的地理区域的所述一个或多个人口特征，预测所述国家或地区中的所述预报的热带气旋的效应；
将所述国家或地区中的所述预报的热带气旋的预测效应与预测效应的所述多个范围进行比较；以及
进一步基于所述国家或地区中的所述预报的热带气旋的预测效应与预测效应的所述多个范围的比较，表征所述国家或地区中的所述预报的热带气旋。
13.根据权利要求12所述的系统，其中所述一个或多个服务器进一步被配置为：
确定所述预报的热带气旋的预测路径中的地理区域的一个或多个地理特征；以及
进一步基于所述预报的热带气旋的预测路径中的地理区域的所述一个或多个地理特征预测所述效应。
14.根据权利要求12所述的系统，其中所述一个或多个服务器进一步被配置为：
确定所述预报的热带气旋的预测路径中的地理区域的一个或多个地质特征；以及
进一步基于所述预报的热带气旋的预测路径中的地理区域的所述一个或多个地质特征预测所述效应。
15.根据权利要求12所述的系统，其中所述预测效应是所述预报的热带气旋的预测经济影响。
16.根据权利要求15所述的系统，其中所述一个或多个服务器通过以下操作预测所述预报的热带气旋的经济影响：
识别过去热带气旋的经济影响；
识别受所述过去热带气旋中的每一个影响的每个经济的规模；
基于每个过去热带气旋时受影响的经济的规模对所述经济影响进行缩放；
识别所述过去热带气旋中的每一个的天气状况；
确定所述过去热带气旋中的每一个的缩放的经济影响与所述过去热带气旋中的每一个的过去天气状况之间的相关性；以及
基于所述过去热带气旋中的每一个的缩放的经济影响与所述过去热带气旋中的每一个的过去天气状况之间的相关性，生成估计热带气旋的经济影响的模型。
17.根据权利要求16所述的系统，其中所述一个或多个服务器进一步被配置为：
识别受所述过去热带气旋中的每一个影响的地理区域的人口特征；
确定所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的人口特征之间的相关性；以及
进一步基于所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的人口特征之间的相关性生成估计热带气旋的经济影响的所述模型。
18.根据权利要求16所述的系统，其中所述一个或多个服务器进一步被配置为：
识别所述预报的热带气旋的预测路径中的所述国家或地区的地理区域的地理特征；
识别受所述过去热带气旋中的每一个影响的地理区域的地理特征；
确定所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的地理特征之间的相关性；
进一步基于所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的地理特征之间的相关性生成估计热带气旋的经济影响的所述模型；以及
进一步基于所述预报的热带气旋的预测路径中的所述国家或地区的地理区域的地理特征估计所述国家或地区中的所述预报的热带气旋的经济影响。
19.根据权利要求16所述的系统，其中所述一个或多个服务器进一步被配置为：
识别所述预报的热带气旋的预测路径中的所述国家或地区的地理区域的地质特征；
识别受所述过去热带气旋中的每一个影响的地理区域的地质特征；
确定所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的地质特征之间的相关性；
对热带气旋的经济影响建模进一步基于所述过去热带气旋中的每一个的缩放的经济影响与受所述过去热带气旋中的每一个影响的地理区域的地质特征之间的相关性生成；以及
估计所述国家或地区中的所述预报的热带气旋的经济影响进一步基于所述预报的热带气旋的预测路径中的所述国家或地区的地理区域的地质特征。
20.根据权利要求11所述的系统，其中所述一个或多个服务器将所述预报的天气状况与所述多个范围进行比较并且基于所述比较表征所述预报的热带气旋，而没有人工干预。
CN201980089850.4A 2018-12-10 2019-12-09 预测热带气旋的影响 Pending CN113711156A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862777444P 2018-12-10 2018-12-10
US62/777,444 2018-12-10
PCT/US2019/065263 WO2020123397A1 (en) 2018-12-10 2019-12-09 Predicting the impact of a tropical cyclone

Publications (1)

Publication Number Publication Date
CN113711156A true CN113711156A (zh) 2021-11-26

Family

ID=71076632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980089850.4A Pending CN113711156A (zh) 2018-12-10 2019-12-09 预测热带气旋的影响

Country Status (6)

Country Link
US (1) US20220057542A1 (zh)
JP (1) JP7495406B2 (zh)
KR (1) KR20210102339A (zh)
CN (1) CN113711156A (zh)
CA (1) CA3122693A1 (zh)
WO (1) WO2020123397A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114139623A (zh) * 2021-11-29 2022-03-04 中国平安财产保险股份有限公司 自然灾害风险评估方法、装置、电子设备及存储介质
CN115793099A (zh) * 2022-07-26 2023-03-14 中国地质大学（武汉） 登陆热带气旋强度衰减识别及其对降雨影响的评估方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113805252B (zh) * 2021-09-15 2023-03-31 中国气象科学研究院 基于集合预报模型的登陆热带气旋过程大风预报系统
KR102639424B1 (ko) * 2021-10-19 2024-02-21 공주대학교 산학협력단 역학모형 및 통계적 기법을 활용한 태풍의 동아시아 상륙빈도 예측 방법
CN114637806B (zh) * 2022-04-11 2022-10-18 中国气象局上海台风研究所(上海市气象科学研究所) 热带气旋预报检验指标数据的可视化分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6535817B1 (en) * 1999-11-10 2003-03-18 The Florida State Research Foundation Methods, systems and computer program products for generating weather forecasts from a multi-model superensemble
JP2003085361A (ja) * 2001-07-03 2003-03-20 Tokio Marine & Fire Insurance Co Ltd デリバティブの設計支援システム、コンピュータプログラムおよび方法
US8280633B1 (en) * 2009-02-10 2012-10-02 Strategic Design Federation W, Inc. Weather risk estimation system and method

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3226468B2 (ja) * 1996-11-29 2001-11-05 東京海上火災保険株式会社 風災害による損害評価システム
US7191064B1 (en) * 2003-11-07 2007-03-13 Accuweather, Inc. Scale for severe weather risk
US8224768B1 (en) * 2008-04-18 2012-07-17 Wsi, Corporation Tropical cyclone prediction system and method
CN102741895B (zh) * 2010-01-19 2014-09-10 瑞士再保险有限公司 自动进行位置相关的自然灾害预报的方法和系统
WO2011150319A2 (en) * 2010-05-28 2011-12-01 Geostellar, Llc System and method for geomatic modeling of a diverse resource base across broad landscapes
WO2017210273A1 (en) * 2016-05-31 2017-12-07 Accuweather, Inc. Method and system for predicting the impact of forecasted weather, environmental and/or geologic conditions
US10296981B2 (en) * 2016-09-14 2019-05-21 Swiss Reinsurance Company Ltd. Method and system for automated location-dependent recognition of storm risks and exposure-based parametric risk-transfer

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6535817B1 (en) * 1999-11-10 2003-03-18 The Florida State Research Foundation Methods, systems and computer program products for generating weather forecasts from a multi-model superensemble
JP2003085361A (ja) * 2001-07-03 2003-03-20 Tokio Marine & Fire Insurance Co Ltd デリバティブの設計支援システム、コンピュータプログラムおよび方法
US8280633B1 (en) * 2009-02-10 2012-10-02 Strategic Design Federation W, Inc. Weather risk estimation system and method

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114139623A (zh) * 2021-11-29 2022-03-04 中国平安财产保险股份有限公司 自然灾害风险评估方法、装置、电子设备及存储介质
CN114139623B (zh) * 2021-11-29 2024-05-31 中国平安财产保险股份有限公司 自然灾害风险评估方法、装置、电子设备及存储介质
CN115793099A (zh) * 2022-07-26 2023-03-14 中国地质大学（武汉） 登陆热带气旋强度衰减识别及其对降雨影响的评估方法
CN115793099B (zh) * 2022-07-26 2024-05-14 中国地质大学（武汉） 登陆热带气旋强度衰减识别及其对降雨影响的评估方法

Also Published As

Publication number Publication date
KR20210102339A (ko) 2021-08-19
JP2022511953A (ja) 2022-02-01
US20220057542A1 (en) 2022-02-24
JP7495406B2 (ja) 2024-06-04
CA3122693A1 (en) 2020-06-18
WO2020123397A1 (en) 2020-06-18

Similar Documents

Publication Publication Date Title
Lee et al. Rapid prediction of peak storm surge from tropical cyclone track time series using machine learning
US11112534B2 (en) Method and system for predicting the financial impact of environmental or geologic conditions
Pham et al. A novel ensemble classifier of rotation forest and Naïve Bayer for landslide susceptibility assessment at the Luc Yen district, Yen Bai Province (Viet Nam) using GIS
TWI680429B (zh) 用於產生一產業預報之方法及系統
CN113711156A (zh) 预测热带气旋的影响
Crompton et al. Normalised Australian insured losses from meteorological hazards: 1967–2006
Ali et al. Assessment of cyclone vulnerability, hazard evaluation and mitigation capacity for analyzing cyclone risk using GIS technique: A study on Sundarban biosphere reserve, India
US20150019262A1 (en) Method and system for generating a flash flood risk score
Condon et al. Evaluation of coastal inundation hazard for present and future climates
Luu et al. Flood-prone area mapping using machine learning techniques: a case study of Quang Binh province, Vietnam
Trepanier et al. Combining surge and wind risk from hurricanes using a copula model: An example from Galveston, Texas
Bhandari et al. Streamflow forecasting using singular value decomposition and support vector machine for the upper Rio Grande River Basin
Syeed et al. Flood prediction using machine learning models
Shafer et al. A statistical procedure to forecast warm season lightning over portions of the Florida peninsula
Bakkensen Mediterranean hurricanes and associated damage estimates
Felbermayr et al. Shedding light on the spatial diffusion of disasters
Kunze Unraveling the effects of tropical cyclones on economic sectors worldwide
Boeke et al. Towards predicting rice loss due to typhoons in the Philippines
Seo et al. Did adaptation strategies work? High fatalities from tropical cyclones in the North Indian Ocean and future vulnerability under global warming
Gu et al. Planning scale flood risk assessment and prediction in ultra-high density urban environments: The case of Hong Kong
Seo Estimating tropical cyclone damages under climate change in the Southern Hemisphere using reported damages
Kooshki Forooshani et al. Towards a global impact-based forecasting model for tropical cyclones
Turukmane et al. Proper Weather Forecasting Internet of Things Sensor Framework with Machine Learning
González et al. Seasonal probabilistic precipitation prediction in Comahue region (Argentina) using statistical techniques
Nguyen et al. Assessment of storm surge risk in aquaculture in the Northern coastal area of Vietnam

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