CN114942481B - 热带气旋过程极值风速概率预报方法、装置和计算机设备 - Google Patents
热带气旋过程极值风速概率预报方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN114942481B CN114942481B CN202210642853.XA CN202210642853A CN114942481B CN 114942481 B CN114942481 B CN 114942481B CN 202210642853 A CN202210642853 A CN 202210642853A CN 114942481 B CN114942481 B CN 114942481B
- Authority
- CN
- China
- Prior art keywords
- tropical cyclone
- data
- wind speed
- forecast
- tropical
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
Abstract
本发明涉及分析及测量控制技术领域,公开了一种热带气旋过程极值风速概率预报方法、装置和计算机设备,其中,方法包括:设定当前起报时间;提取当前计算热带气旋的路径和强度观测及预报数据;提取观测热带气旋中心位置数据,并确定下垫面类型;提取热带气旋集合成员所有预报时效的路径强度数据;根据下垫面类型计算修正后的预报强度值;计算热带气旋各集合成员的网格风速;根据网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。本发明提供的方法,克服了现有模式集合预报系统对热带气旋过程极值风速偏弱、部分基于历史观测数据的热带气旋过程极值风速概率预报技术不适用于缺乏历史观测数据的区域问题。
Description
技术领域
本发明涉及分析及测量控制技术领域,特别涉及一种热带气旋过程极值风速概率预报方法、装置和计算机设备。
背景技术
热带气旋大风灾害是我国沿海及海上主要的自然灾害之一。其灾害的破坏力或者破坏程度和破坏区域,与热带气旋所带来的大风强度、分布及维持时间有紧密的关系。在热带气旋风灾评估的相关研究中发现,热带气旋过程极值风速(包括瞬时风速和最大风速)的强度和分布对热带气旋风灾的严重程度有很好的指示意义,因此,在防台减灾中,如何提供有一定预报技巧的热带气旋过程极值风速是一个急需解决的问题。不管是热带气旋风速确定预报技术还是概率预报技术,当前业务中最为主流和常见的工具是数值模式。然而,由于数值模式风速预报尤其是近地面层的风速预报不但与热带气旋路径、强度等预报能力有关,还与模式的分辨率、下垫面类型等紧密相关,其对热带气旋风速的预报性能还远不能满足防台减灾的需求。近年来,为了提高热带气旋风速的确定性预报性能,发展了耦合数值模式风场数据输出和人工智能的沿海台风极值风速预测技术、利用历史热带气旋风速观测数据发展的基于集合预报模型的登陆热带气旋过程极值风速预报系统、热带气旋引发沿海地区瞬时极大风风速预报方法和系统等。基于历史观测资料的风速预报技术,适用于有一定历史观测数据的区域,对海上等历史观测数据缺乏区域使用受到限制。
基于集合预报的概率预报产品,因其能描述预报的不确定性行,越来越受到各界人士的重视,基于数值模式的集合预报系统,由于需计算的集合成员较多,对计算机的运算能力需求巨大,通常采用降低模式分辨率的方式保证多成员的运算。当前集合预报系统对热带气旋的路径预报有较好的预报能力,但受其网格分辨率等影响,对热带气旋的强度和大风等预报存在较大的误差。
发明内容
本发明提供了一种热带气旋过程极值风速概率预报方法、装置和计算机设备,克服了现有模式集合预报系统对热带气旋过程极值风速预报偏弱、部分基于历史观测数据的热带气旋过程极值风速概率预报技术不适用于缺乏历史观测数据的区域问题。
本发明提供了一种热带气旋过程极值风速概率预报方法,包括:
获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔;
提取机器时间,并根据所述机器时间设定当前起报时间;
提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数;
当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并修正热带气旋强度集合预报数据;
当热带气旋路径和强度预报的时间间隔大于所述目标时间间隔时,采用线性插值法将热带气旋路径和修正后的热带气旋强度集合预报数据插值到目标时间间隔;
计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
进一步地,所述获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔的步骤,包括:
确定提供热带气旋路径和强度集合预报输入数据的来源;其中,所述来源中包括初始起报时间、初始预报时效和初始预报时间间隔;
根据所述初始预报时效和初始预报时间间隔确定过程极值风速概率预报的预报时效和时间间隔,作为目标预报时效和目标时间间隔;
根据初始起报时间设定过程极值风速概率预报的每日起报时间。
进一步地,所述当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并利用预设的函数关系修正热带气旋强度集合预报数据的步骤之前,还包括:
提取设定时间范围内计算区域内的历史热带气旋路径和强度集合预报数据;其中,历史热带气旋路径包括热带气旋中心位置的经度σ和纬度
逐个计算热带气旋集合平均强度;其中,计算公式为:
其中,Pcfe为某次预报在某个预报时效hf的集合平均强度,Pcfi为某次预报在某个预报时效hf各集合成员的热带气旋强度值;
确定陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,以及确定海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,作为预设的函数关系;其中,当热带气旋中心位于陆地上时,函数关系表达式为:
当热带气旋中心位于海洋上时,函数关系表达式为:
其中,为hf预报时效的热带气旋强度拟合值,v1,v2,…,vm为m个热带气旋强度预报误差因子。
进一步地,所述当热带气旋路径和强度预报的时间间隔大于所述目标时间间隔时,采用线性插值法将热带气旋路径和修正后的热带气旋强度集合预报数据插值到目标时间间隔的步骤中,线性插值法的计算公式为:
其中,y为需要插值的变量,y0和y1为相邻两个非缺测的值,Δh1和Δh为与结束点和需插值点与起始点的时效差。
进一步地,所述计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图的步骤,包括:
确定计算网格范围和网格分辨率;
提取某个时次观测热带气旋中心位置数据,并根据所述观测热带气旋中心位置数据确定热带气旋中心位置下垫面类型;其中,所述下垫面类型包括海洋和陆地;其中,所述中心位置数据包括中心经度数据、中心纬度数据;
提取所有热带气旋集合成员所有预报时效的热带气旋中心经度数据、中心纬度数据和中心最低气压数据;
当所述下垫面类型为陆地时,获取陆地参数,并将所述参数输入到陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
当所述下垫面类型为海洋时,获取海洋参数,并将所述参数输入到海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
根据所述下垫面类型、修正后的热带气旋各集合成员的预报强度值计算热带气旋各集合成员在各目标预报时效的网格风速;
根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
进一步地,所述根据所述下垫面类型、修正后的热带气旋各集合成员的预报强度值计算热带气旋各集合成员在各目标预报时效的网格风速的步骤,包括:
当所述下垫面类型为海洋时,将修正后的热带气旋各集合成员的预报强度值输入Georgiou热带气旋风场模型,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,Georgiou热带气旋风场模型的算法为:
在热带气旋坐标系中,切向风速或地转风速和风向的控制方程分别为:
Ψg(r,α)=α+θ+90°
其中,r为计算场点距离热带气旋中心的距离;α为计算场点偏离热带气旋移动方向的角度;ρ为空气密度;VT为热带气旋移动速度;f为科氏力参数;θ为热带气旋移动方向;
气压场P(r)为:
其中,Pc为中心最低气压;Pw为环境气压,Rmax为最大风速半径,B为Holland参数,Δp=Pw-Pc为中心压差,Pw为热带气旋中心最低气压,Pc取值为1010hPa,为热带气旋中心位置所在的纬度;
当所述下垫面类型为陆地时,将修正后的热带气旋各集合成员的预报强度值输入e指数衰减规律公式,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,e指数衰减规律公式为:
其中,V(xt)为修正后的风速,xt为指示气柱沿轨迹的位置距离,cs为固定点风速修正系数,xs为e指数衰减距离。
进一步地,所述根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图的步骤中,三种预设的概率预报数据和产品包括不同等级热带气旋过程极值风速概率预报数据和产品、第50百分位过程极值风速预报数据及产品、可能出现超过特定值风速的时间数据及产品;
其中,所述不同等级热带气旋过程极值风速概率预报数据和产品为:设定临界风速;在固定格点给定过程极值风速临界值下,依次提取热带气旋各集合成员在网格内所有预报时效内的风速极值,得到Nmb个非缺测极值风速值将Nmb个风速值从大到小排列,统计大于等于给定临界风速值的个数Nl,则热带气旋过程极值风速的概率为Nl/(Nmb+1);
所述第50百分位过程极值风速预报数据及产品为:将网格点上得到的Nmb个非缺测极值风速值从小到大排列,取排在中间的风速即为50%概率出现的极值风速值;
所述可能出现超过特定值风速的时间数据及产品为:设定临界风速;将网格点概率设定为各预报时效超过临界风速的概率的最大值;在热带气旋移动方向上50%概率曲线确定为网格点出现大于等于固定临界值风速的时间,预报时效间隔等于网格风速值的时间间隔。
进一步地,所述计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图的步骤之后,还包括:
在当前时次还具有其他的活动热带气旋时,返回提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数的步骤,直到完成所有当前活动热带气旋过程极值风速概率预报数据计算和产品绘制。
本发明还提供了一种热带气旋过程极值风速概率预报装置,包括:
获取模块,用于获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔;
第一提取模块,用于提取机器时间,并根据所述机器时间设定当前起报时间;
第二提取模块,用于提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数;
修正模块,用于当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并修正热带气旋强度集合预报数据;
插值模块,用于当热带气旋路径和强度预报的时间间隔大于所述目标时间间隔时,采用线性插值法将热带气旋路径和修正后的热带气旋强度集合预报数据插值到目标时间间隔;
计算模块,用于计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明还提供了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上述方法的步骤。
本发明的有益效果为:
本发明提出的基于已知热带气旋路径和强度集合预报数据,结合考虑了复杂地形的参数化风场模型,建立了热带气旋过程极值大风概率预报系统,克服了现有模式集合预报系统对热带气旋过程极值风速预报偏弱、部分基于历史观测数据的热带气旋过程极值风速概率预报技术不适用于缺乏历史观测数据的区域问题。相较常规气象数值模式方法,具有时间和空间分辨率高、运算速度快且对计算能力要求低且预测效果较好的特点,可满足高分辨率热带气旋过程极值大风概率预报的需求,可为沿海及海上高热带气旋影响区域防台减灾等提供重要参考,具有良好的应用前景。
附图说明
图1为本发明热带气旋过程极值风速概率预报方法流程图。
图2为本发明中不同等级热带气旋过程极值风速概率预报产品示意图。
图3为本发明中热带气旋第50百分位过程极值风速预报产品示意图。
图4为本发明中热带气旋极值风速可能出现的时间产品示意图。
图5为本发明热带气旋过程极值风速概率预报装置结构示意图。
图6为本发明中计算机设备内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供了一种热带气旋过程极值风速概率预报方法,包括:
S1、获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔;
S2、提取机器时间,并根据所述机器时间设定当前起报时间;
S3、提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数;
S4、当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并修正热带气旋强度集合预报数据;
S5、当热带气旋路径和强度预报的时间间隔大于所述目标时间间隔时,采用线性插值法将热带气旋路径和修正后的热带气旋强度集合预报数据插值到目标时间间隔;
S6、计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
如上述步骤S1-S6所述,参照图1,图1示出了本发明中方法的流程图,其中,TC表示热带气旋。获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔根据确定的参数化风场模型的数据提供来源,根据数据提供来源的起报时间、预报时效、和预报时间间隔等特征数据通过人为参考设定每日起报时间、目标预报时效和目标时间间隔。提取机器时间,通过机器时间设定当前起报时间,通常起报时间滞后机器时间略长于参数化风场模型的数据提供来源数据获得时间。提取当前起报时间的观测热带气旋路径和强度数据,得到并提取当前起报时间下的活动热带气旋数,若当前活动热带气旋数为0,则流程结束。若当前活动热带气旋数大于等于1,则进入步骤S4,提取当前计算热带气旋的路径和强度观测及预报数据,并利用陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,以及海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系修正热带气旋强度集合预报数据,当热带气旋路径和强度预报的时间间隔大于过程极值风速预报系统的时间间隔(即目标时间间隔)时,用线性插值方法将热带气旋路径和修正后的强度数据插值到所设定的时间间隔。线性插值方法计算方法如下:
其中,y为需要插值的变量,y0和y1为相邻两个非缺测的值,Δh1和Δh为与结束点和需插值点与起始点的时效差。
最后计算各集合成员各预报时效的风场,计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率并利用Python、GRADS、MATLAB等绘图软件绘制产品图,参照图2-4,其示出了本申请绘制的三种产品示意图。进行当前活动热带气旋的判断,如果当前时次还有其他的活动热带气旋,则重复步骤S3-S6直至完成所有当前活动热地气旋过程极值风速概率预报数据计算和产品绘制。
本发明提出的基于热带气旋路径和强度集合预报数据,结合考虑了复杂地形的参数化风场模型,建立了热带气旋过程极值大风概率预报系统,克服了现有模式集合预报系统对热带气旋过程极值风速预报偏弱、部分基于历史观测数据的热带气旋过程极值风速概率预报技术不适用于缺乏历史观测数据的区域问题。相较常规气象数值模式方法,具有时间和空间分辨率高、运算速度快、对计算能力要求低且预测效果较好的特点,可满足高分辨率热带气旋过程极值大风概率预报的需求,可为沿海及海上高热带气旋影响区域防台减灾等提供重要参考,具有良好的应用前景。
在一个实施例中,所述获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔的步骤,包括:
S11、确定提供热带气旋路径和强度集合预报输入数据的来源;其中,所述来源中包括初始起报时间、初始预报时效和初始预报时间间隔;
S12、根据所述初始预报时效和初始预报时间间隔确定过程极值风速概率预报的预报时效和时间间隔,作为目标预报时效和目标时间间隔;
S13、根据初始起报时间设定过程极值风速概率预报的每日起报时间。
如上述步骤S11所述,确定为参数化风场模型的提供热带气旋路径和强度集合预报输入数据的来源,来源中包括初始起报时间、初始预报时效和初始预报时间间隔;当前可提供热带气旋路径和强度集合预报数据的有中国气象局、欧洲中期天气预报中心、日本气象厅、美国国家环境预报中心、英国气象局等全球多家官方机构公布的热带气旋路径和强度集合预报数据,其选择的原则为易于获取和有较好的预报性能。
如上述步骤S12所述,根据初始预报时间间隔(即为参数化风场模型的提供热带气旋路径和强度集合预报输入数据的来源的时间间隔)确定过程极端风速预报的时间间隔,并根据实际需求和初始预报时效(即为参数化风场模型的提供热带气旋路径和强度集合预报输入数据的来源的预报时效)确定过程极端风速的预报时效。其中,过程极值风速概率预报的时间间隔小于等于所述来源的时间间隔,且能被其整除,推荐时间间隔取1小时、3小时、6小时等。过程极端风速概率预报的预报时效不能超过所述来源的预报时效,是所述来源时间间隔的整数倍,如24小时、48小时、72小时、120小时等。
如上述步骤S13所述,设过程极值风速概率预报的每日起报时间,推荐该值与所提取的为参数化风场模型的提供热带气旋路径和强度集合预报输入数据的来源的起报时间相同,推荐设为每天的02时、08时、14时和20时或每天的08时和20时。
在一个实施例中,所述当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并利用预设的函数关系修正热带气旋强度集合预报数据的步骤之前,还包括:
S031、提取设定时间范围内计算区域内的历史热带气旋路径和强度集合预报数据;其中,历史热带气旋路径包括热带气旋中心位置的经度σ和纬度
S032、逐个计算热带气旋集合的平均强度;其中,计算公式为:
其中,Pcfe为某次预报在某个预报时效hf的集合平均强度,Pcfi为某次预报在某个预报时效hf各集合成员的热带气旋强度值;
S033、确定陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,以及确定海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,作为预设的函数关系;其中,当热带气旋中心位于陆地上时,函数关系表达式为:
当热带气旋中心位于海洋上时,函数关系表达式为:
其中,为hf预报时效的热带气旋强度拟合值,v1,v2,…,vm为m个热带气旋强度预报误差因子。
如上述步骤S031-S033所述,提取最近1-2年计算区域内历史热带气旋路径(包括热带气旋中心位置的经度σ和纬度)和强度(用热带气旋中心最低气压Pc表示)集合预报数据,观测热带气旋路径和强度及影响时间数据,逐个计算热带气旋集合平均强度。当某次预报非缺测的集合成员数nmb小于3时,该次预报集合平均赋值为缺测值undef,当nmb大于等于3时,热带气旋集合平均强度计算方法如下:
其中,Pcfe为某次预报在某个预报时效hf的集合平均强度,用热带气旋中心最低气压表示,Pcfi为某次预报在某个预报时效hf各集合成员的热带气旋强度值。
提取计算区域海陆特征数据,根据历史热带气旋起报时次的热带气旋中心位于陆地和海上情况将历史热带气旋个例分为海上热带气旋个例和陆地上热带气旋个例。
通过MATLAB、SPSS等常用数据分析软件或R、Python、Fortran等语言软件包等分别计算和确定两类热带气旋的强度观测数据与集合平均强度数据间的函数关系,函数关系可以是线性关系或非线性函数关系,也可以深度学习等技术。其函数关系统一用以下公式表示:
当热带气旋中心位于陆地上时,
当热带气旋中心位于海洋上时,
其中,v1,v2,…,vm为m个强度预报误差因子,通常选取与热带气旋强度变化特征相关的因子,如当前热带气旋强度,前12小时热带气旋强度变化、前6小时热带气旋强度变化、热带气旋当期移速等,m不宜取值过大。将热带气旋中心位于陆地上时的函数关系称为陆地计算公式,将热带气旋中心位于海洋上时的函数关系称为海洋计算公式。
在一个实施例中,所述计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图的步骤,包括:
S61、确定计算网格范围和网格分辨率;
S62、提取某个时次观测热带气旋中心位置数据,并根据所述观测热带气旋中心位置数据确定热带气旋中心位置下垫面类型;其中,所述下垫面类型包括海洋和陆地;其中,所述中心位置数据包括中心经度数据、中心纬度数据;
S63、提取所有热带气旋集合成员所有预报时效的热带气旋中心经度数据、中心纬度数据和中心最低气压数据;
S64、当所述下垫面类型为陆地时,获取陆地参数,并将所述参数输入到陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
S65、当所述下垫面类型为海洋时,获取海洋参数,并将所述参数输入到海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
S66、根据所述下垫面类型、修正后的热带气旋各集合成员的预报强度值计算热带气旋各集合成员在各目标预报时效的网格风速;
S67、根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
如上述步骤S61-S67所述,首先确定计算网格范围和网格分辨率,然后计算预报时次各集合成员网格风速,最后计算三种热带气旋过程极值风速的概率数据并绘制产品图。
根据实际计算机运算能力和应用需求,确定计算网格范围和网格分辨率。网格可采用经纬网格,也可采用公里网格。以下以公里网格为例,详细介绍网格的设置方法。以热带气旋中心位置为网格中心位置,设最大网格范围为r(推荐r值取为300-500km,表示计算以热带气旋中心为中心,半径为r范围内的风场数据),网格分辨率设为dx(推荐取值为1km,可适当放大或缩小,要求r值为dx值的整数倍),则x方向和y方向的点数均为2r/dx+1。
计算预报时次各集合成员网格风速;提取某个时次观测热带气旋中心位置数据,依据其中心所处的经纬度数据,判断其热带气旋中心位置下垫面类型(海洋或陆地)。提取所有集合成员所有预报时效的中心经度数据、纬度数据、中心最低气压数据等,若下垫面类型为陆地,则获取陆地计算公式(即陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系)的所需参数,并将所需参数数据输入陆地计算公式;若下垫面类型为海洋,则获取海洋计算公式(即陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系)的所需参数,并将所需参数数据输入到海洋计算公式,计算经过修正的各集合成员的预报强度值。
依次将各预报时效的各集合成员的热带气旋中心纬度、经修正后的各集合成员的强度预报值等数据输入参数化风场模型,计算出设定网格中每个网格点上的各预报时效各集合成的风速Vg值。海洋上的网格风速通过Georgiou热带气旋风场模型计算,陆地上的网格风速通过e指数衰减规律做修正进行地形影响的风速修正计算。
根据网格风速计算三种热带气旋过程极值风速的概率数据并利用Python、GRADS、MATLAB等绘图软件绘制产品图。三种产品依次为不同等级热带气旋过程极值风速概率预报数据和产品、第50百分位过程极值风速预报数据及产品、可能出现超过特定值风速的时间数据及产品。
在一个实施例中,所述根据所述下垫面类型、修正后的热带气旋各集合成员的预报强度值计算热带气旋各集合成员在各目标预报时效的网格风速的步骤,包括:
S661、当所述下垫面类型为海洋时,将修正后的热带气旋各集合成员的预报强度值输入Georgiou热带气旋风场模型,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,Georgiou热带气旋风场模型的算法为:
在热带气旋坐标系中,切向风速或地转风速和风向的控制方程分别为:
Ψg(r,α)=α+θ+90°
其中,r为计算场点距离热带气旋中心的距离;α为计算场点偏离热带气旋移动方向的角度;ρ为空气密度;VT为热带气旋移动速度;f为科氏力参数;θ为热带气旋移动方向;
气压场P(r)为:
其中,Pc为中心最低气压;Pw为环境气压,Rmax为最大风速半径,B为Holland参数,Δp=Pw-Pc为中心压差,Pw为热带气旋中心最低气压,Pc取值为1010hPa,为热带气旋中心位置所在的纬度;
S662、当所述下垫面类型为陆地时,将修正后的热带气旋各集合成员的预报强度值输入e指数衰减规律公式,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,e指数衰减规律公式为:
其中,V(xt)为修正后的风速,xt为指示气柱沿轨迹的位置距离,cs为固定点风速修正系数,xs为e指数衰减距离。
如上述步骤S661-S662所述,根据所处区域地形特点,确定合适的参数化风场模型及算法。
海上区域可以采用基于热带气旋涡旋运动学平衡方程的Georgiou热带气旋风场模型等不考虑地形影响的参数化风场模型,受地形影响较大的沿海及内陆区域可选择经过地形影响修正的参数化风场模型。
其中Georgiou热带气旋风场模型算法如下:
在热带气旋坐标系中,切向风速或地转风速Vg(r,α)和风向Ψg(r,α)的控制方程分别为:
Ψg(r,α)=α+θ+90°
其中,r为计算场点距离热带气旋中心的距离;α为计算场点偏离热带气旋移动方向的角度;ρ为空气密度;VT为热带气旋移动速度;f为科氏力参数;θ为热带气旋移动方向。
气压场P(r)为:
其中,Pc为中心最低气压;Pw为环境气压;Rmax为最大风速半径,B为Holland参数。由风场模型计算得到的风速对应的时间尺度为1小时。
Georgiou热带气旋风场模型中Holland参数B的详细计算公式如下:
其中,Δp=Pw-Pc为中心压差,Pw为热带气旋中心最低气压,Pc可取值为1010hPa,也可根据观测资料确定;为热带气旋中心位置所在的纬度。
Georgiou热带气旋风场模型中最大风速半径Rmax的计算公式如下:
陆地区域地形影响下的风场计算采用e指数衰减规律做修正,其计算公式如下:
其中,V(xt)为修正后的风速,xt为指示气柱沿轨迹的位置距离,cs为固定点风速修正系数,其值为0.7,xs为e指数衰减距离,其值为28.5km。
在一个实施例中,所述根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图的步骤中,三种预设的概率预报数据和产品包括不同等级热带气旋过程极值风速概率预报数据和产品、第50百分位过程极值风速预报数据及产品、可能出现超过特定值风速的时间数据及产品;
其中,所述不同等级热带气旋过程极值风速概率预报数据和产品为:设定临界风速;在固定格点给定过程极值风速临界值下,依次提取热带气旋各集合成员在网格内所有预报时效内的风速极值,得到Nmb个非缺测极值风速值将Nmb个风速值从大到小排列,统计大于等于给定临界风速值的个数Nl,则热带气旋过程极值风速的概率为Nl/(Nmb+1);
所述第50百分位过程极值风速预报数据及产品为:将网格点上得到的Nmb个非缺测极值风速值从小到大排列,取排在中间的风速即为50%概率出现的极值风速值;
所述可能出现超过特定值风速的时间数据及产品为:设定临界风速;将网格点概率设定为各预报时效超过临界风速的概率的最大值;在热带气旋移动方向上50%概率曲线确定为网格点出现大于等于固定临界值风速的时间,预报时效间隔等于网格风速值的时间间隔。
如上所述,热带气旋过程极值风速概率预报数据及产品分为以下三种产品,依次为不同等级热带气旋过程极值风速概率预报数据和产品、第50百分位过程极值风速预报数据及产品、可能出现超过特定值风速的时间数据及产品。以下将分别介绍三种概率预报数据和产品的制作流程,图2-图4为三种产品绘制的产品图。
不同等级热带气旋过程极值风速概率预报数据和产品:可根据临界风速的不同输出预报时效内过程极值风速大于等于不同临界值风速出现的概率数据和产品。临界风速可设为6个级别,分别为10.8m/s(6级)、17.2m/s(8级)、24.5m/s(10级)、32.7m/s(12级)、41.5m/s(14级)、51.0m/s(16级)。固定格点给定过程极值风速临界值下概率数据计算方法如下:依次提取各集合成员在该网格提取所有预报时效内风速极值,得到Nmb个非缺测极值风速值并将这Nmb个风速值从大到小排列,统计大于等于给定临界风速值的个数Nl,则概率值为Nl/(Nmb+1)。
第50百分位过程极值风速预报数据及产品:指预报时效内热带气旋影响范围内各网格点50%概率出现的极值风速值。网格点上得到Nmb个非缺测极值风速值从小到大排列,排在中间的风速即为50%概率出现的极值风速值。
可能出现超过特定值风速的时间数据及产品:指预报时效内热带气气旋影响范围内各网格点出现大于等于固定临界值风速的可能时间。临界风速设定同不同等级热带气旋过程极值风速概率预报数据和产品中所设定,即分别为10.8m/s(6级)、17.2m/s(8级)、24.5m/s(10级)、32.7m/s(12级)、41.5m/s(14级)、51.0m/s(16级)。网格点概率设定为各预报时效超过临界风速的概率的最大值,在热带气旋移动方向上50%概率曲线确定为网格点出现大于等于固定临界值风速的可能时间,预报时效间隔同网格风速值的时间间隔,制作产品图时以间隔12h绘制时间曲线为宜。
在一个实施例中,所述计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图的步骤之后,还包括:
在当前时次还具有其他的活动热带气旋时,返回提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数的步骤,直到完成所有当前活动热带气旋过程极值风速概率预报数据计算和产品绘制。
如图5所示,本发明还提供了一种热带气旋过程极值风速概率预报装置,包括:
获取模块1,用于获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔;
第一提取模块2,用于提取机器时间,并根据所述机器时间设定当前起报时间;
第二提取模块3,用于提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数;
修正模块4,用于当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并修正热带气旋强度集合预报数据;
插值模块5,用于当热带气旋路径和强度预报的时间间隔大于所述目标时间间隔时,采用线性插值法将热带气旋路径和修正后的热带气旋强度集合预报数据插值到目标时间间隔;
计算模块6,用于计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
在一个实施例中,获取模块1,包括:
来源确定单元,用于确定提供热带气旋路径和强度集合预报输入数据的来源;其中,所述来源中包括初始起报时间、初始预报时效和初始预报时间间隔;
作为单元,用于根据所述初始预报时效和初始预报时间间隔确定过程极值风速概率预报的预报时效和时间间隔,作为目标预报时效和目标时间间隔;
每日起报时间设定单元,用于根据初始起报时间设定过程极值风速概率预报的每日起报时间。
在一个实施例中,还包括:
历史数据提取模块,用于提取设定时间范围内计算区域内的历史热带气旋路径和强度集合预报数据;其中,历史热带气旋路径包括热带气旋中心位置的经度σ和纬度
平均强度计算模块,用于逐个计算热带气旋集合的平均强度;其中,计算公式为:
其中,Pcfe为某次预报在某个预报时效hf的集合平均强度,Pcfi为某次预报在某个预报时效hf各集合成员的热带气旋强度值;
函数关系确定模块,用于确定陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,以及确定海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,作为预设的函数关系;其中,当热带气旋中心位于陆地上时,函数关系表达式为:
当热带气旋中心位于海洋上时,函数关系表达式为:
其中,为hf预报时效的热带气旋强度拟合值,v1,v2,…,vm为m个热带气旋强度预报误差因子。
在一个实施例中,插值模块5中,线性插值法的计算公式为:
其中,y为需要插值的变量,y0和y1为相邻两个非缺测的值,Δh1和Δh为与结束点和需插值点与起始点的时效差。
在一个实施例中,计算模块6,包括:
网格确定单元,用于确定计算网格范围和网格分辨率;
中心位置数据提取单元,用于提取某个时次观测热带气旋中心位置数据,并根据所述观测热带气旋中心位置数据确定热带气旋中心位置下垫面类型;其中,所述下垫面类型包括海洋和陆地;其中,所述中心位置数据包括中心经度数据、中心纬度数据;
中心数据提取单元,用于提取所有热带气旋集合成员所有预报时效的热带气旋中心经度数据、中心纬度数据和中心最低气压数据;
陆地单元,用于当所述下垫面类型为陆地时,获取陆地参数,并将所述参数输入到陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
海洋单元,用于当所述下垫面类型为海洋时,获取海洋参数,并将所述参数输入到海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
网格风速计算单元,用于根据所述下垫面类型、修正后的热带气旋各集合成员的预报强度值计算热带气旋各集合成员在各目标预报时效的网格风速;
绘制单元,用于根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
在一个实施例中,网格风速计算单元,包括:
海洋计算子单元,用于当所述下垫面类型为海洋时,将修正后的热带气旋各集合成员的预报强度值输入Georgiou热带气旋风场模型,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,Georgiou热带气旋风场模型的算法为:
在热带气旋坐标系中,切向风速或地转风速和风向的控制方程分别为:
Ψg(r,α)=α+θ+90°
其中,r为计算场点距离热带气旋中心的距离;α为计算场点偏离热带气旋移动方向的角度;ρ为空气密度;VT为热带气旋移动速度;f为科氏力参数;θ为热带气旋移动方向;
气压场P(r)为:
/>
其中,Pc为中心最低气压;Pw为环境气压,Rmax为最大风速半径,B为Holland参数,Δp=Pw-Pc为中心压差,Pw为热带气旋中心最低气压,Pc取值为1010hPa,为热带气旋中心位置所在的纬度;
陆地计算子单元,用于当所述下垫面类型为陆地时,将修正后的热带气旋各集合成员的预报强度值输入e指数衰减规律公式,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,e指数衰减规律公式为:
其中,V(xt)为修正后的风速,xt为指示气柱沿轨迹的位置距离,cs为固定点风速修正系数,xs为e指数衰减距离。
在一个实施例中,绘制单元中,三种预设的概率预报数据和产品包括不同等级热带气旋过程极值风速概率预报数据和产品、第50百分位过程极值风速预报数据及产品、可能出现超过特定值风速的时间数据及产品;
其中,所述不同等级热带气旋过程极值风速概率预报数据和产品为:设定临界风速;在固定格点给定过程极值风速临界值下,依次提取热带气旋各集合成员在网格内所有预报时效内的风速极值,得到Nmb个非缺测极值风速值将Nmb个风速值从大到小排列,统计大于等于给定临界风速值的个数Nl,则热带气旋过程极值风速的概率为Nl/(Nmb+1);
所述第50百分位过程极值风速预报数据及产品为:将网格点上得到的Nmb个非缺测极值风速值从小到大排列,取排在中间的风速即为50%概率出现的极值风速值;
所述可能出现超过特定值风速的时间数据及产品为:设定临界风速;将网格点概率设定为各预报时效超过临界风速的概率的最大值;在热带气旋移动方向上50%概率曲线确定为网格点出现大于等于固定临界值风速的时间,预报时效间隔等于网格风速值的时间间隔。
在一个实施例中,还包括:
返回模块,用于在当前时次还具有其他的活动热带气旋时,返回提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数的步骤,直到完成所有当前活动热带气旋过程极值风速概率预报数据计算和产品绘制。
上述各模块、单元、子单元均是用于对应执行上述热带气旋过程极值风速概率预报方法中的各个步骤,其具体实现方式参照上述方法实施例所述,在此不再进行赘述。
如图6所示,本发明还提供了一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储热带气旋过程极值风速概率预报方法的过程需要的所有数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现热带气旋过程极值风速概率预报方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任意一个热带气旋过程极值风速概率预报方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储与一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,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 (9)
1.一种热带气旋过程极值风速概率预报方法,其特征在于,包括:
获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔;
提取机器时间,并根据所述机器时间设定当前起报时间;
提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数;
当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并修正热带气旋强度集合预报数据;
当热带气旋路径和强度预报的时间间隔大于所述目标时间间隔时,采用线性插值法将热带气旋路径和修正后的热带气旋强度集合预报数据插值到目标时间间隔;
计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图;具体包括:
确定计算网格范围和网格分辨率;
提取某个时次观测热带气旋中心位置数据,并根据所述观测热带气旋中心位置数据确定热带气旋中心位置下垫面类型;其中,所述下垫面类型包括海洋和陆地;其中,所述中心位置数据包括中心经度数据、中心纬度数据;
提取所有热带气旋集合成员所有预报时效的热带气旋中心经度数据、中心纬度数据和中心最低气压数据;
当所述下垫面类型为陆地时,获取陆地参数,并将所述参数输入到陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
当所述下垫面类型为海洋时,获取海洋参数,并将所述参数输入到海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
根据所述下垫面类型、修正后的热带气旋各集合成员的预报强度值计算热带气旋各集合成员在各目标预报时效的网格风速;具体包括:
当所述下垫面类型为海洋时,将修正后的热带气旋各集合成员的预报强度值输入Georgiou热带气旋风场模型,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,Georgiou热带气旋风场模型的算法为:
在热带气旋坐标系中,切向风速或地转风速和风向的控制方程分别为:
其中,为计算场点距离热带气旋中心的距离;/>为计算场点偏离热带气旋移动方向的角度;/>为空气密度;/>为热带气旋移动速度;/>为科氏力参数;/>为热带气旋移动方向;
气压场为:
其中,为中心最低气压;/>为环境气压,/>为最大风速半径,/>为Holland参数,为中心压差,/>为热带气旋中心最低气压,/>取值为1010 hPa,/>为热带气旋中心位置所在的纬度;
当所述下垫面类型为陆地时,将修正后的热带气旋各集合成员的预报强度值输入e指数衰减规律公式,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,e指数衰减规律公式为:
其中,为修正后的风速,/>为指示气柱沿轨迹的位置距离,/>为固定点风速修正系数,/>为e指数衰减距离;
根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
2.根据权利要求1所述的热带气旋过程极值风速概率预报方法,其特征在于,所述获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔的步骤,包括:
确定提供热带气旋路径和强度集合预报输入数据的来源;其中,所述来源中包括初始起报时间、初始预报时效和初始预报时间间隔;
根据所述初始预报时效和初始预报时间间隔确定过程极值风速概率预报的预报时效和时间间隔,作为目标预报时效和目标时间间隔;
根据初始起报时间设定过程极值风速概率预报的每日起报时间。
3.根据权利要求1所述的热带气旋过程极值风速概率预报方法,其特征在于,所述当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并利用预设的函数关系修正热带气旋强度集合预报数据的步骤之前,还包括:
提取设定时间范围内计算区域内的历史热带气旋路径和强度集合预报数据;其中,历史热带气旋路径包括热带气旋中心位置的经度和纬度/>;
逐个计算热带气旋集合的平均强度;其中,计算公式为:
其中,为某次预报在某个预报时效/>的集合平均强度,/>为某次预报在某个预报时效/>各集合成员的热带气旋强度值;
确定陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,以及确定海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系,作为预设的函数关系;其中,当热带气旋中心位于陆地上时,函数关系表达式为:
当热带气旋中心位于海洋上时,函数关系表达式为:
其中,为/>预报时效的热带气旋强度拟合值,/>为m个热带气旋强度预报误差因子。
4.根据权利要求1所述的热带气旋过程极值风速概率预报方法,其特征在于,所述当热带气旋路径和强度预报的时间间隔大于所述目标时间间隔时,采用线性插值法将热带气旋路径和修正后的热带气旋强度集合预报数据插值到目标时间间隔的步骤中,线性插值法的计算公式为:
其中,为需要插值的变量,/>和/>为相邻两个非缺测的值,/>和/>为与结束点和需插值点与起始点的时效差。
5.根据权利要求1所述的热带气旋过程极值风速概率预报方法,其特征在于,所述根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图的步骤中,三种预设的概率预报数据和产品包括不同等级热带气旋过程极值风速概率预报数据和产品、第50百分位过程极值风速预报数据及产品、可能出现超过特定值风速的时间数据及产品;
其中,所述不同等级热带气旋过程极值风速概率预报数据和产品为:设定临界风速;在固定格点给定过程极值风速临界值下,依次提取热带气旋各集合成员在网格内所有预报时效内的风速极值,得到个非缺测极值风速值/>,...,/>;将/>个风速值从大到小排列,统计大于等于给定临界风速值的个数/>,则热带气旋过程极值风速的概率为;
所述第50百分位过程极值风速预报数据及产品为:将网格点上得到的个非缺测极值风速值/>,...,/>从小到大排列,取排在中间的风速即为50%概率出现的极值风速值;
所述可能出现超过特定值风速的时间数据及产品为:设定临界风速;将网格点概率设定为各预报时效超过临界风速的概率的最大值;在热带气旋移动方向上50% 概率曲线确定为网格点出现大于等于固定临界值风速的时间,预报时效间隔等于网格风速值的时间间隔。
6.根据权利要求1所述的热带气旋过程极值风速概率预报方法,其特征在于,所述计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图的步骤之后,还包括:
在当前时次还具有其他的活动热带气旋时,返回提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数的步骤,直到完成所有当前活动热带气旋过程极值风速概率预报数据计算和产品绘制。
7.一种热带气旋过程极值风速概率预报装置,其特征在于,包括:
获取模块,用于获取过程极值风速概率预报的每日起报时间、目标预报时效和目标时间间隔;
第一提取模块,用于提取机器时间,并根据所述机器时间设定当前起报时间;
第二提取模块,用于提取当前起报时间的观测热带气旋路径和强度数据,得到当前起报时间下的活动热带气旋数;
修正模块,用于当所述活动热带气旋数大于等于一时,提取当前计算热带气旋的路径和强度观测及预报数据,并修正热带气旋强度集合预报数据;
插值模块,用于当热带气旋路径和强度预报的时间间隔大于所述目标时间间隔时,采用线性插值法将热带气旋路径和修正后的热带气旋强度集合预报数据插值到目标时间间隔;
计算模块,用于计算热带气旋各集合成员在各目标预报时效的网格风速,并根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图;具体包括:
网格确定单元,用于确定计算网格范围和网格分辨率;
中心位置数据提取单元,用于提取某个时次观测热带气旋中心位置数据,并根据所述观测热带气旋中心位置数据确定热带气旋中心位置下垫面类型;其中,所述下垫面类型包括海洋和陆地;其中,所述中心位置数据包括中心经度数据、中心纬度数据;
中心数据提取单元,用于提取所有热带气旋集合成员所有预报时效的热带气旋中心经度数据、中心纬度数据和中心最低气压数据;
陆地单元,用于当所述下垫面类型为陆地时,获取陆地参数,并将所述参数输入到陆地上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
海洋单元,用于当所述下垫面类型为海洋时,获取海洋参数,并将所述参数输入到海洋上热带气旋的强度观测数据与热带气旋集合平均强度数据间的函数关系的表达式中,计算修正后的热带气旋各集合成员的预报强度值;
网格风速计算单元,用于根据所述下垫面类型、修正后的热带气旋各集合成员的预报强度值计算热带气旋各集合成员在各目标预报时效的网格风速;具体包括:
海洋计算子单元,用于当所述下垫面类型为海洋时,将修正后的热带气旋各集合成员的预报强度值输入Georgiou热带气旋风场模型,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,Georgiou热带气旋风场模型的算法为:
在热带气旋坐标系中,切向风速或地转风速和风向的控制方程分别为:
其中,为计算场点距离热带气旋中心的距离;/>为计算场点偏离热带气旋移动方向的角度;/>为空气密度;/>为热带气旋移动速度;/>为科氏力参数;/>为热带气旋移动方向;
气压场为:
其中,为中心最低气压;/>为环境气压,/>为最大风速半径,/>为Holland参数,为中心压差,/>为热带气旋中心最低气压,/>取值为1010 hPa,/>为热带气旋中心位置所在的纬度;
陆地计算子单元,用于当所述下垫面类型为陆地时,将修正后的热带气旋各集合成员的预报强度值输入e指数衰减规律公式,得到热带气旋各集合成员在各目标预报时效的网格风速;其中,e指数衰减规律公式为:
其中,为修正后的风速,/>为指示气柱沿轨迹的位置距离,/>为固定点风速修正系数,/>为e指数衰减距离;
绘制单元,用于根据所述网格风速计算三种热带气旋过程极值风速的概率数据并绘制产品图。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一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权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210642853.XA CN114942481B (zh) | 2022-06-08 | 2022-06-08 | 热带气旋过程极值风速概率预报方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210642853.XA CN114942481B (zh) | 2022-06-08 | 2022-06-08 | 热带气旋过程极值风速概率预报方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114942481A CN114942481A (zh) | 2022-08-26 |
CN114942481B true CN114942481B (zh) | 2023-07-18 |
Family
ID=82908920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210642853.XA Active CN114942481B (zh) | 2022-06-08 | 2022-06-08 | 热带气旋过程极值风速概率预报方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114942481B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881654B (zh) * | 2023-07-03 | 2024-03-15 | 中国气象局地球系统数值预报中心 | 针对冬季冰雪运动服务保障的天气概率预报方法及装置 |
CN116702068B (zh) * | 2023-08-07 | 2023-12-29 | 广东电网有限责任公司阳江供电局 | 面向多地形场站的风速预报极值提取方法及相关装置 |
CN116756522B (zh) * | 2023-08-14 | 2023-11-03 | 中科三清科技有限公司 | 概率预报方法、装置、存储介质及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989374A (zh) * | 2009-11-09 | 2011-03-23 | 上海海洋大学 | 海洋风暴潮灾害预警系统及方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002286863A (ja) * | 2001-03-28 | 2002-10-03 | Songai Hokenryoritsu Santeikai | 台風による風害評価システム |
JP2002296362A (ja) * | 2001-03-29 | 2002-10-09 | Songai Hokenryoritsu Santeikai | 確率的手法を用いて合成された台風による風害評価システム及び方法 |
JP4204034B2 (ja) * | 2002-02-08 | 2009-01-07 | 九州電力株式会社 | 熱帯性低気圧風速予測方法および装置 |
JP4159890B2 (ja) * | 2002-02-08 | 2008-10-01 | 九州電力株式会社 | 熱帯性低気圧被害有無の判別方法および熱帯性低気圧被害予測方法および装置 |
KR100974958B1 (ko) * | 2009-09-29 | 2010-08-10 | 제주대학교 산학협력단 | 태풍-파랑-해양 접합 시스템과 이를 이용한 태풍 예측 방법 |
KR101172317B1 (ko) * | 2010-07-16 | 2012-08-14 | 제주대학교 산학협력단 | 한반도 해역의 태풍, 폭풍해일의 강도변화 예측 시스템 및 그 방법 |
TWI476430B (zh) * | 2010-08-23 | 2015-03-11 | Inst Nuclear Energy Res Atomic Energy Council | 具極端風速預測功能之風能預報方法 |
JP6180188B2 (ja) * | 2013-05-23 | 2017-08-16 | 寛治 榎田 | 竜巻発生予測装置及び竜巻発生予測方法 |
CN103544379B (zh) * | 2013-09-30 | 2017-07-14 | 福建四创软件有限公司 | 基于gis的台风登陆相似分析方法 |
CN104408750B (zh) * | 2014-10-30 | 2017-12-05 | 中国科学院深圳先进技术研究院 | 一种计算海水陆地比例的方法及系统 |
CN105388536B (zh) * | 2015-11-10 | 2017-12-05 | 中国科学院深圳先进技术研究院 | 热带气旋引发沿海地区瞬时极大风风速预报方法和系统 |
US20180292573A1 (en) * | 2017-04-05 | 2018-10-11 | Weather Analytics Llc | Corrective Ensemble Forecasting System for Tropical Cyclones |
CN107229825A (zh) * | 2017-05-23 | 2017-10-03 | 浙江大学 | 一种面向灾害风险评估的热带气旋全路径模拟方法 |
CN110298115B (zh) * | 2019-07-02 | 2022-05-17 | 中国气象局上海台风研究所 | 一种基于简化地形气动参数的风场动力降尺度方法 |
CN110399625A (zh) * | 2019-09-05 | 2019-11-01 | 重庆大学 | 一种改进的台风风场经验模型 |
CN111443399B (zh) * | 2019-10-12 | 2021-09-28 | 中国气象局上海台风研究所 | 基于步进频率微波辐射计资料的热带气旋强风圈识别系统 |
CN111190241A (zh) * | 2019-10-16 | 2020-05-22 | 防城港市气象局 | 一种影响热带气旋衰减的分析方法 |
CN112287046B (zh) * | 2020-09-17 | 2023-12-08 | 中国电力科学研究院有限公司 | 一种台风风圈内地表平均粗糙度系数的确定方法及系统 |
CN112507633B (zh) * | 2020-12-03 | 2022-02-15 | 广东电网有限责任公司电力科学研究院 | 一种输电杆塔风速预测预警方法及系统 |
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 |
-
2022
- 2022-06-08 CN CN202210642853.XA patent/CN114942481B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101989374A (zh) * | 2009-11-09 | 2011-03-23 | 上海海洋大学 | 海洋风暴潮灾害预警系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114942481A (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114942481B (zh) | 热带气旋过程极值风速概率预报方法、装置和计算机设备 | |
CN112905560B (zh) | 一种多源时空大数据深度融合的空气污染预测方法 | |
EP3761213A1 (en) | A wind field dynamic downscaling method based on aerodynamic parameters of simplified terrain | |
CN110363327B (zh) | 基于ConvLSTM和3D-CNN的短临降水预测方法 | |
US20220043182A1 (en) | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data | |
CN112684520B (zh) | 一种气象预报的订正方法、装置、计算机设备及存储介质 | |
US9262723B2 (en) | Predicting climate data using climate attractors derived from a global climate model | |
CN114445634A (zh) | 一种基于深度学习模型的海浪波高预测方法及系统 | |
CN113496104A (zh) | 基于深度学习的降水预报订正方法及系统 | |
CN113222019A (zh) | 输电线路杆塔的气象预报数据处理方法、装置、设备 | |
CN113935533B (zh) | 一种黄渤海海区大风推算方法 | |
CN113704693A (zh) | 一种高精度的有效波高数据估计方法 | |
CN112711919A (zh) | 基于中小尺度模式耦合的导线覆冰预报方法及系统 | |
CN113283155A (zh) | 一种近地表气温估算方法、系统、存储介质及设备 | |
CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
CN113313291B (zh) | 一种基于初值扰动的电网风灾集合预报以及验证方法 | |
Koolagudi | Long-range prediction of Indian summer monsoon rainfall using data mining and statistical approaches | |
CN111597692B (zh) | 一种地表净辐射估算方法、系统、电子设备和存储介质 | |
Cabral et al. | Space–time trends and dependence of precipitation extremes in North‐Western Germany | |
CN117371303A (zh) | 一种海浪下有效波高的预测方法 | |
CN115047544B (zh) | 一种覆冰预警方法及系统 | |
CN116299247A (zh) | 一种基于稀疏卷积神经网络的InSAR大气校正方法 | |
CN116029419A (zh) | 基于深度学习的长期新能源日均发电功率预测方法及系统 | |
CN113553782B (zh) | 一种用于预报风速的降尺度方法 | |
Croley et al. | Near real-time forecasting of large lake supplies |
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 |