CN116822140A - 结合天气机制的时空综合的相似台风影响反演方法及系统 - Google Patents

结合天气机制的时空综合的相似台风影响反演方法及系统 Download PDF

Info

Publication number
CN116822140A
CN116822140A CN202310452031.XA CN202310452031A CN116822140A CN 116822140 A CN116822140 A CN 116822140A CN 202310452031 A CN202310452031 A CN 202310452031A CN 116822140 A CN116822140 A CN 116822140A
Authority
CN
China
Prior art keywords
typhoon
typhoons
similar
target
historical
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
CN202310452031.XA
Other languages
English (en)
Other versions
CN116822140B (zh
Inventor
鲁小琴
赵兵科
张帅
林立旻
严嘉明
夏武松
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.)
Shanghai Asia Pacific Typhoon Research Center
Shanghai Institute Of Typhoon China Meteorological Administration
Original Assignee
Shanghai Asia Pacific Typhoon Research Center
Shanghai Institute Of Typhoon China Meteorological Administration
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 Shanghai Asia Pacific Typhoon Research Center, Shanghai Institute Of Typhoon China Meteorological Administration filed Critical Shanghai Asia Pacific Typhoon Research Center
Priority to CN202310452031.XA priority Critical patent/CN116822140B/zh
Publication of CN116822140A publication Critical patent/CN116822140A/zh
Application granted granted Critical
Publication of CN116822140B publication Critical patent/CN116822140B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • Geometry (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Operations Research (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种结合天气机制的时空综合的相似台风影响反演方法及系统，该方法包括：获取目标台风在预设时段内的多元观测数据集；从多元观测数据集中提取包含有目标台风的台风本体信息和海陆气环境及相关影响的时间序列数据集；将时间序列数据集输入到预先建立的时空综合相似模型中进行历史相似台风反演，输出历史相似台风列表；对获得的历史相似台风列表进行逐台风天气学约束，输出最终相似台风列表、台风相似系数及可能影响参数。本发明可以获取对目标台风的历史相似台风及可能影响的参数的预测，计算快速，预测准确。

Description

结合天气机制的时空综合的相似台风影响反演方法及系统
技术领域
本发明涉及台风海洋分析技术领域，尤其涉及一种结合天气机制的时空综合的相似台风影响反演方法及系统。
背景技术
热带气旋(通称台风)是破坏性颇为严重的灾害性天气系统，居当今危害全球的十大自然灾害之首。中国所面临的西北太平洋是全年各季均有台风发生的海区，沿海及部分内陆地区全年均不同程度地受到台风侵袭，因而台风受到气象学研究者们的广泛关注。
台风的活动具有一定的规律及历史相似性，即便在卫星遥感及数值预报高度发达的今天，相似个例及预报仍是日常台风预报及防台减灾决策中的重要支撑。如何综合利用历史资料进行相似性分析，给预报员提供更多相似信息，提高台风预报可信度，对防灾减灾十分有意义。
随着科学技术的不断发展，气象观测网络的日趋完善、数据获取手段的增强和观测密度的不断提高，气象学研究者已积累了丰富的台风及其灾害影响的多方面观测数据、试验数据和预报数据。但纵观这海量数据，其来源不一(包括实时观测、模式再分析等)、时空分辨率及观测区域各异(包括：分钟、时和日等各种时间分辨率记录)、观测方式和要素多样化(包括：高空、地面，风、雨和气压等)，同时由于不同的研究分析技术和数据共享标准不一致，使得大量的台风活动及影响数据不能在统一的平台下进行综合集成研究，不同角度的应用会给用户带来很大的困惑，从而误导用户正确的判断，这也限制了对台风历史资料挖掘分析及综合应用的性能发挥，不能实现其最大效益。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本发明提供一种结合天气机制的时空综合的相似台风影响反演方法及系统，其解决了现有台风分析数据规格和内容多样化导致的无法进行综合集成研究的技术问题。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
第一方面，本发明实施例提供一种结合天气机制的时空综合的相似台风影响反演方法，包括以下步骤：
获取目标台风在预设时段内的多元观测数据集；
从多元观测数据集中提取包含有目标台风的台风本体信息和海陆气环境及相关影响的时间序列数据集；
将时间序列数据集输入到预先建立的时空综合相似模型中进行历史相似台风反演，输出历史相似台风列表；
对获得的历史相似台风列表进行逐台风天气学约束，输出最终相似台风列表、台风相似系数及可能影响参数。
本发明实施例提出的结合天气机制的时空综合的相似台风影响反演方法，通过提取台风本体信息和海陆气环境及相关影响的时间序列数据集；输入到预先建立的时空综合相似模型中进行历史相似台风反演，输出相似台风列表；对获得的相似台风列表进行逐台风天气学约束，输出最终相似台风列表、台风相似系数及可能影响参数。通过本发明可以获取历史相似台风，并对当前目标台风的可能影响时空情形及程度开展预测，计算快速，且反演时间短，得到的影响相似台风更科学合理，对业务预报的指导意义更大。
可选地，多元观测数据集包括台风位置信息、台风时间信息及台风强度信息、台风登陆信息、大尺度环境场数据和风雨影响数据；
台风本体信息包括：目标位置中心经纬度、近中心最大风速、近中心最低气压、登陆强度及登陆位置；
海陆气环境及相关影响数据，包括：当日降水站点分布、当日大风站点分布和500hPa高度场格点分布。
可选地，时间序列数据集中包括按时间先后顺序排列的多个时间节点数据，每个时间节点数据包括：目标位置中心经纬度、近中心最大风速、近中心最低气压、登陆强度及登陆位置、当日降水站点分布、当日大风站点分布和500hPa高度场格点分布。
可选地，时空综合相似模型包括按照下式计算台风相似系数FSIn：
FSIn＝SIn×SIw+Mw+Sw+Lw+Ww+Rw+Hw；
其中，SIn为历史台风与目标台风的空间相似系数，SIw为空间相似系数的权重；Mw为发生月份的权重系数；Sw为台风强度的权重系数；Lw为是否登陆的权重系数；Ww为是否有大风影响的权重系数；Rw为是否有降水影响的权重系数；Hw为500hPa副高质心的相对距离的权重系数。
可选地，历史台风与目标台风的空间相似系数SIn，通过以下步骤计算得到：
根据时间节点数据中的目标位置中心经纬度按时序连接生成目标台风的目标轨迹线，设定空间分析缓冲区半径，结合目标轨迹线和空间分析缓冲区半径生成目标检索区域；
对逐历史台风记录进行月份、强度、风雨影响及是否登陆进行过滤，形成初步的相似记录数据集；对初步的相似记录数据集中的历史台风，分别形成历史轨迹线，并根据空间分析缓冲区半径，分别生成历史台风缓冲区域；
计算每个历史台风缓冲区域的面积，目标台风的目标检索区域的面积以及两者之间的重叠区的面积；根据重叠区的面积与目标检索区域的面积的比值计算逐历史台风与目标台风的空间相似系数。
可选地，各权重系数的取值依据及范围如下：
可选地，在进行历史相似台风反演之后，输出历史相似台风列表之前，方法还包括：逐历史相似台风判断与目标台风的台风相似系数FSIn的值是否小于相似阈值，从历史相似台风列表中剔除台风相似系数FSIn的值小于相似阈值的历史相似台风。
可选地，对获得的相似台风列表进行逐台风天气学约束，包括以下步骤：判断历史台风和目标台风在缓冲区的同向进入和移出的主路径趋势方向是否一致，一致则认为历史台风和目标台风相似，不一致则认为二者不相似。
可选地，历史台风和目标台风在缓冲区的同向进入和移出的主路径趋势方向一致的判断标准为：历史台风和目标台风的在进入时的主路径轴的进入夹角为锐角，历史台风和目标台风的在移出时的主路径轴的移出夹角也为锐角。
可选地，可能影响参数包括：影响过程大风区、影响大风极值、过程影响总降水量、过程影响最大小时雨强及可能落区。
第二方面，本发明实施例提供一种结合天气机制的时空综合的相似台风影响反演系统：包括存储器和处理器；存储器，用于存储计算机程序；处理器，用于当执行计算机程序时，实现如上述任一项的结合天气机制的时空综合的相似台风影响反演方法。
(三)有益效果
本发明的有益效果是：本发明的结合天气机制的时空综合的相似台风影响反演方法及系统，可以获取历史相似台风，并对目标台风的历史相似台风及可能影响的参数的预测，计算快速，且反演时间短，得到的影响相似台风更科学合理，对业务预报的指导意义更大。
附图说明
图1为本发明实施例中结合天气机制的时空综合的相似台风影响反演方法的流程示意图；
图2为本发明实施例中目标台风的目标轨迹线与历史台风的历史轨迹线的示意图；
图3为本发明实施例中目标台风的目标检索区域与历史台风缓冲区域的重叠区域示意图；
图4为本发明实施例中历史台风和目标台风在缓冲区的同向进入和移出的主路径趋势方向对比示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
本发明实施例提出的结合天气机制的时空综合的相似台风影响反演方法及系统，解决了现有台风分析数据规格和内容多样化导致的无法进行综合集成研究；通过台风的时空特性以及天气机制，便可以获取历史相似台风，并对当前目标台风的可能影响时空情形及程度开展预测，计算快速，且反演时间短，得到的影响相似台风更科学合理，对业务预报的指导意义更大。。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供一种结合天气机制的时空综合的相似台风影响反演方法，包括以下步骤：
S1:获取目标台风在预设时段内的多元观测数据集。实施时，多元观测数据集可包括台风位置信息、台风时间信息及台风强度信息、台风登陆信息、大尺度环境场数据和风雨影响数据。
S2:从多元观测数据集中提取包含有目标台风的台风本体信息和海陆气环境及相关影响的时间序列数据集。实施时，台风本体信息包括：目标位置中心经纬度、近中心最大风速、近中心最低气压、登陆强度及登陆位置；海陆气环境及相关影响数据，包括：当日降水站点分布、当日大风站点分布和500hPa高度场格点分布。
实施时，时间序列数据集中包括按时间先后顺序排列的多个时间节点数据，每个时间节点数据包括：目标位置中心经纬度、近中心最大风速、近中心最低气压、登陆强度及登陆位置、当日降水站点分布、当日大风站点分布和500hPa高度场格点分布。
S3:将时间序列数据集输入到预先建立的时空综合相似模型中进行历史相似台风反演，输出历史相似台风列表。
S4:对获得的历史相似台风列表进行逐台风天气学约束，输出最终相似台风列表、台风相似系数及可能影响参数。实施时，可能影响参数包括：影响过程大风区、影响大风极值、过程影响总降水量、过程影响最大小时雨强及可能落区。
本发明实施例提出的结合天气机制的时空综合的相似台风影响反演方法，通过提取台风本体信息和海陆气环境及相关影响的时间序列数据集；输入到预先建立的时空综合相似模型中进行历史相似台风反演，输出相似台风列表；对获得的相似台风列表进行逐台风天气学约束，输出最终相似台风列表、台风相似系数及可能影响参数。通过本发明可以获取历史相似台风，并对当前目标台风的可能影响时空情形及程度开展预测，计算快速，且反演时间短，得到的影响相似台风更科学合理，对业务预报的指导意义更大。
本实施例的步骤S3中，历史相似台风反演，包括：基于时间和空间综合相似的台风相似系数计算，利用地理信息的空间拓扑运算完成，可通过如下步骤进行：
S301：首先，从时间序列数据集获取目标台风的时空及天气特性。由逐时刻的目标位置中心经纬度(x1，y1),(x2，y2),…,(xn-1，yn-1)(xn，yn)按时序连接，其中xn和yn分别代表各个中心位置点的经度和纬度，连接生成目标台风的目标轨迹线T1(参见图2)；根据用户设定空间分析缓冲区半径R(R，单位：公里)，结合目标轨迹线T1和空间分析缓冲区半径R生成目标检索区域S_T1(参见图3)。
S302：对逐历史台风记录进行月份、强度、风雨影响及是否登陆进行过滤，形成初步的相似记录数据集；对初步的相似记录数据集中的历史台风，采用与步骤S301同样的方法，分别形成历史轨迹线T1’(参见图2)，并根据空间分析缓冲区半径R，分别生成历史台风缓冲区域S_Sn(参见图3)。
S303：计算历史台风缓冲区域(S_Sn)面积Sarea、当前目标检索区域(S_T1)面积Tarea及两者之间的重叠区(S_Cn)面积SCarea(参见图3)；
假定缓冲区域各个顶点的坐标分别为A1(x1，y1)，A1(x2，y2),…,An(xn，yn)，则面积计算公式为：
其中xn+1＝x1，yn+1＝y1。
本实施例中，重叠区域提取使用地理信息多边形公共区域提取函数S_Cn＝S_Sn.polygon.Intersection(S_T1.polygon)获得带有地理信息多边形，并利用面积函数进行重叠区面积计算。
S304：根据重叠区的面积与目标检索区域的面积的比值计算逐历史台风与目标台风的空间相似系数。
逐历史台风缓冲区域(S_Sn)和当前目标检索区域(S_T1)间的空间相似系数(Similarity Index n,SIn)，计算式如下：
S305：依据计算的逐历史台风的空间相似系数，并结合目标台风的空间相似系数(权重系数SIw)、发生月份(权重系数Mw)、强度(权重系数Sw)、是否登陆(权重系数Lw)、是否有大风影响(权重系数Ww)、是否有降水影响(权重系数Rw)及500hPa副高质心(588值区)相对距离(权重系数Hw)等因子，形成台风相似系数FSIn，即时空综合相似模型：
FSIn＝SIn×SIw+Mw+Sw+Lw+Ww+Rw+Hw；
其中，SIn为历史台风与目标台风的空间相似系数，SIw为空间相似系数的权重；Mw为发生月份的权重系数；Sw为台风强度的权重系数；Lw为是否登陆的权重系数；Ww为是否有大风影响的权重系数；Rw为是否有降水影响的权重系数；Hw为500hPa副高质心的相对距离的权重系数。
台风是一种热带天气现象，通常在西北太平洋地区热带或亚热带洋面上生成，随后向西及西北方向前行，登陆中国、菲律宾或越南等国家，或转向北上，之后消亡。台风在移动时与周围大尺度大气环流(如西风带或副热带高压等)密切相关，常常受到它们的影响或直接引导，而不同季节大气环流往往不同。因此在分析历史相似台风时，不仅要考虑其当时位置、强度，同时一定要考虑影响其未来走向趋势的大尺度环境场(如以500hPa高度场表征的副热带高压的位置)的配置，以及与之相关的发生季节和月份，和为了对目标台风做出影响参数预测的历史相似台风是否登陆、对某区域的风雨影响信息等，最终所有考虑到的因素在历史台风是否相似的判别中分别占有不同权重。
综上，在所有需要考虑的涉及历史相似台风判别的因素中，空间位置相似占主要地位，而发生时间、强度、副高质心距离、是否登陆及风雨影响占比依次减小，体现了历史相似台风以空间路径为主，而其他因素为很重要的辅助约束。如，假定两条台风路径在空间上比较相似，但对应时刻的副热带高压相差甚远，则此两条台风不能算真正气象意义上的相似，因为二者在未来的走向会在不同的大尺度环流的影响下完全不同，因此对目标台风的预报不具有任何物理指导意义，那么按照本发明实施例中给定的大尺度环境场的相似指数值就比较低，则会影响最终的相似系数，能为用户提供一个科学合理的综合的指示。
本实施例中，各权重系数的取值判断依据及权重范围参见表1-2：
表1.天气要素相似权重取值判断依据表
本发明实施例基于表2设定不同要素相似权重取值，其中空间相似占比最大(最高0.6)，以此来从空间路径方面确定基本的相似分量；其次为500hPa副高质心相对距离的判别(最高0.15)，以确定两者所对应的大尺度环境场的相似程度。以上两个要素的相似程度决定了台风的基本形以及未来移动的趋势是否相似，对目标台风的预报具有决定性指导作用。其次为月份、强度及登陆、风雨影响等辅助要素的相似判别，是为整个台风天气系统的影响相似做补充判别，也是对相似程度的加深分析。
表2.不同要素相似权重取值
S306：在进行历史相似台风反演之后，输出历史相似台风列表之前，逐历史相似台风判断与目标台风的台风相似系数FSIn的值是否小于相似阈值，从历史相似台风列表中剔除台风相似系数FSIn的值小于相似阈值的历史相似台风。
本实施中，相似阈值的取值为0.07。以相似台风对应的最终相似系数小于0.07为条件，剔除最终相似系数小于0.07的记录，则得到最大可能相似台风列表；其中剔除掉了与相似相关的7项涉及地理及天气影响因素中无影响个例。
S307：根据台风相似系数FSIn的值，输出目标台风的历史相似台风列表；即给出目标台风的最可能路径和强度趋向及影响范围和程度。
本实施例的步骤S4中，可通过如下步骤对获得的相似台风列表进行逐台风天气学约束：
S401：判断历史台风和目标台风在缓冲区的同向进入和移出的主路径趋势方向是否一致，一致则认为历史台风和目标台风相似，不一致则认为二者不相似。
本实施例中，历史台风和目标台风在缓冲区的同向进入和移出的主路径趋势方向一致的判断标准为：历史台风和目标台风的在进入时的主路径轴的进入夹角为锐角，历史台风和目标台风的在移出时的主路径轴的移出夹角也为锐角。
参见图4，历史台风和目标台风的在进入时的主路径轴的进入夹角α需为锐角；其中进入夹角α为P1和p2连线与P1’和p2’连线的夹角；历史台风和目标台风的在移出时的主路径轴的移出夹角β也需为锐角；其中，移出夹角β为Pn-1和Pn点连线与Pn-1’和Pn’点连线的夹角。
本发明实施例还提供一种结合天气机制的时空综合的相似台风影响反演系统：包括存储器和处理器；存储器，用于存储计算机程序；处理器，用于当执行计算机程序时，实现如上述任一实施例的结合天气机制的时空综合的相似台风影响反演方法。
本发明实施例提出的结合天气机制的时空综合的相似台风影响反演方法及系统，通过提取台风本体信息和海陆气环境及相关影响的时间序列数据集；输入到预先建立的时空综合相似模型中进行历史相似台风反演，输出相似台风列表；对获得的相似台风列表进行逐台风天气学约束，输出最终相似台风列表、台风相似系数及可能影响参数。通过本发明可以获取历史相似台风，并对目标台风(或当前台风)的可能影响时空情形及程度开展预测，计算快速，且反演时间短，得到的影响相似台风更科学合理，对业务预报的指导意义更大。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种修改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，则本发明也应该包含这些修改和变型在内。

Claims (10)

1.一种结合天气机制的时空综合的相似台风影响反演方法，其特征在于，包括以下步骤：
获取目标台风在预设时段内的多元观测数据集；
从多元观测数据集中提取包含有目标台风的台风本体信息和海陆气环境及相关影响的时间序列数据集；
将所述时间序列数据集输入到预先建立的时空综合相似模型中进行历史相似台风反演，输出历史相似台风列表；
对获得的历史相似台风列表进行逐台风天气学约束，输出最终相似台风列表、台风相似系数及可能影响参数。
2.如权利要求1所述的结合天气机制的时空综合的相似台风影响反演方法，其特征在于：
所述多元观测数据集包括台风位置信息、台风时间信息及台风强度信息、台风登陆信息、大尺度环境场数据和风雨影响数据；
所述台风本体信息包括：目标位置中心经纬度、近中心最大风速、近中心最低气压、登陆强度及登陆位置；
所述海陆气环境及相关影响数据，包括：当日降水站点分布、当日大风站点分布和500hPa高度场格点分布。
3.如权利要求1所述的结合天气机制的时空综合的相似台风影响反演方法，其特征在于，
所述时间序列数据集中包括按时间先后顺序排列的多个时间节点数据，每个时间节点数据包括：目标位置中心经纬度、近中心最大风速、近中心最低气压、登陆强度及登陆位置、当日降水站点分布、当日大风站点分布和500hPa高度场格点分布。
4.如权利要求1至3中任一项所述的结合天气机制的时空综合的相似台风影响反演方法，其特征在于，所述时空综合相似模型包括：按照下式计算台风相似系数FSIn：
FsIn＝SIn×sIw+Mw+Sw+Lw+Ww+Rw+Hw；
其中，SIn为历史台风与目标台风的空间相似系数，SIn为空间相似系数的权重；Mw为发生月份的权重系数；Sw为台风强度的权重系数；Lw为是否登陆的权重系数；Ww为是否有大风影响的权重系数；Rw为是否有降水影响的权重系数；Hw为500hPa副高质心的相对距离的权重系数。
5.如权利要求4所述的结合天气机制的时空综合的相似台风影响反演方法，其特征在于，所述历史台风与目标台风的空间相似系数SIn，通过以下步骤计算得到：
根据时间节点数据中的目标位置中心经纬度按时序连接生成目标台风的目标轨迹线，设定空间分析缓冲区半径，结合目标轨迹线和空间分析缓冲区半径生成目标检索区域；
对逐历史台风记录进行月份、强度、风雨影响及是否登陆进行过滤，形成初步的相似记录数据集；对初步的相似记录数据集中的历史台风，分别形成历史轨迹线，并根据空间分析缓冲区半径，分别生成历史台风缓冲区域；
计算每个历史台风缓冲区域的面积，目标台风的目标检索区域的面积以及两者之间的重叠区的面积；根据重叠区的面积与目标检索区域的面积的比值计算逐历史台风与目标台风的空间相似系数。
6.如权利要求4所述的结合天气机制的时空综合的相似台风影响反演方法，其特征在于，各权重系数的取值依据如下：
7.如权利要求5所述的结合天气机制的时空综合的相似台风影响反演方法，其特征在于，在进行历史相似台风反演之后，输出历史相似台风列表之前，所述方法还包括：
逐历史相似台风判断与目标台风的台风相似系数FSIn的值是否小于相似阈值，从历史相似台风列表中剔除台风相似系数FSIn的值小于相似阈值的历史相似台风。
8.如权利要求1至3中任一项所述的结合天气机制的时空综合的相似台风影响反演方法，其特征在于，对获得的相似台风列表进行逐台风天气学约束，包括以下步骤：判断历史台风和目标台风在缓冲区的同向进入和移出的主路径趋势方向是否一致，一致则认为历史台风和目标台风相似，不一致则认为二者不相似；
所述历史台风和目标台风在缓冲区的同向进入和移出的主路径趋势方向一致的判断标准为：历史台风和目标台风的在进入时的主路径轴的进入夹角为锐角，历史台风和目标台风的在移出时的主路径轴的移出夹角也为锐角。
9.如权利要求1所述的结合天气机制的时空综合的相似台风影响反演方法，所述可能影响参数包括：影响过程大风区、影响大风极值、过程影响总降水量、过程影响最大小时雨强及可能落区。
10.一种结合天气机制的时空综合的相似台风影响反演系统，其特征在于：包括存储器和处理器；所述存储器，用于存储计算机程序；所述处理器，用于当执行所述计算机程序时，实现如权利要求1-9中任一项所述的结合天气机制的时空综合的相似台风影响反演方法。
CN202310452031.XA 2023-04-25 2023-04-25 结合天气机制的时空综合的相似台风影响反演方法及系统 Active CN116822140B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310452031.XA CN116822140B (zh) 2023-04-25 2023-04-25 结合天气机制的时空综合的相似台风影响反演方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310452031.XA CN116822140B (zh) 2023-04-25 2023-04-25 结合天气机制的时空综合的相似台风影响反演方法及系统

Publications (2)

Publication Number Publication Date
CN116822140A true CN116822140A (zh) 2023-09-29
CN116822140B CN116822140B (zh) 2024-02-27

Family

ID=88111625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310452031.XA Active CN116822140B (zh) 2023-04-25 2023-04-25 结合天气机制的时空综合的相似台风影响反演方法及系统

Country Status (1)

Country Link
CN (1) CN116822140B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120132985A (ko) * 2011-05-30 2012-12-10 부경대학교 산학협력단 태풍을 포함하는 저기압 접근 시 재해기상의 시공간적 분포 검색 시스템
CN110333554A (zh) * 2019-07-10 2019-10-15 南京恩瑞特实业有限公司 Nriet暴雨智能相似分析方法
CN111722306A (zh) * 2020-07-27 2020-09-29 郑州航空工业管理学院 一种基于tcn网络模型台风登陆强度预测方法和系统
CN111880245A (zh) * 2020-08-03 2020-11-03 中国气象科学研究院 登陆热带气旋过程降水预报系统
US10853375B1 (en) * 2017-08-25 2020-12-01 Roblox Corporation Leveraging historical data to improve the relevancy of search results
CN114202104A (zh) * 2021-11-17 2022-03-18 国家海洋环境预报中心 热带气旋路径相似程度确定方法及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120132985A (ko) * 2011-05-30 2012-12-10 부경대학교 산학협력단 태풍을 포함하는 저기압 접근 시 재해기상의 시공간적 분포 검색 시스템
US10853375B1 (en) * 2017-08-25 2020-12-01 Roblox Corporation Leveraging historical data to improve the relevancy of search results
CN110333554A (zh) * 2019-07-10 2019-10-15 南京恩瑞特实业有限公司 Nriet暴雨智能相似分析方法
CN111722306A (zh) * 2020-07-27 2020-09-29 郑州航空工业管理学院 一种基于tcn网络模型台风登陆强度预测方法和系统
CN111880245A (zh) * 2020-08-03 2020-11-03 中国气象科学研究院 登陆热带气旋过程降水预报系统
CN114202104A (zh) * 2021-11-17 2022-03-18 国家海洋环境预报中心 热带气旋路径相似程度确定方法及存储介质

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
XI ZHOU等: "A novel spatio-temporal similarity algorithm adapted to typhoon disaster cases", 2015 23RD INTERNATIONAL CONFERENCE ON GEOINFORMATICS, pages 1 - 5 *
周必高;鲁小琴;郑峰;黄克慧;洪水洁;谢海华;赵兵科: "基于改进的VGG16模型的副热带高压相似识别及应用评估", 气象, vol. 48, no. 012 *
姚健;叶子祥;庄千宝;陈宣淼;余贞寿;: "台风环境场特征相似预报方法", 暴雨灾害, no. 04, pages 344 - 349 *
栗健;方伟华;张晓宁;曹诗嘉;杨幸美;刘行;孙京;: "基于多致灾因子相似的热带气旋检索方法研究:以风暴潮-海浪灾害预评估为例", 海洋科学, no. 08, pages 49 - 60 *
金茹等: "基于路径与环境场最优赋权的致灾相似台风检索方法研究", 水利水电技术(中英文), pages 1 - 18 *
鲁小琴;余晖;赵兵科;: "热带气旋环境场相似检索方法的对比分析", 气象, no. 12, pages 1609 - 1615 *

Also Published As

Publication number Publication date
CN116822140B (zh) 2024-02-27

Similar Documents

Publication Publication Date Title
Gramcianinov et al. Analysis of Atlantic extratropical storm tracks characteristics in 41 years of ERA5 and CFSR/CFSv2 databases
CN113139760B (zh) 基于风雨大数据的台风风险综合评估方法及系统
CN113569788B (zh) 一种建筑物语义分割网络模型训练方法、系统及应用方法
Yao et al. Performance comparison of landslide susceptibility mapping under multiple machine-learning based models considering InSAR deformation: a case study of the upper Jinsha River
Vessey et al. The composite development and structure of intense synoptic-scale Arctic cyclones
Harrower et al. Aksumite settlement patterns: Site size hierarchies and spatial clustering
Jiang et al. Risk map of typhoon induced wave fields around Hainan Island
CN116822140B (zh) 结合天气机制的时空综合的相似台风影响反演方法及系统
Zhan et al. Daily rainfall data construction and application to weather prediction
Yun-qi et al. Experiments with the improved dynamical-statistical-analog ensemble forecast model for landfalling typhoon precipitation over South China
CN114202104B (zh) 热带气旋路径相似程度确定方法及存储介质
Su et al. Application of the improved dynamical–Statistical–Analog ensemble forecast model for landfalling typhoon precipitation in Fujian province
Zhong et al. Impact of data resolution on tracking Southern Ocean cyclones
Li et al. Comparative analysis of machine learning algorithms in water extraction
Lin et al. Optimization of the k-nearest-neighbors model for summer Arctic Sea ice prediction
Jayathissa et al. Landslide Hazard Zonation in Sri Lanka: An Assessment of Manual and GIS Based Automated Procedure in Preparation of Geology Weight Map
Yu et al. Responses of GNSS ZTD Variations to ENSO Events and Prediction Model Based on FFT-LSTME
CN113486093B (zh) 一种台风路径相似度评估方法
Gemmechis et al. Modeling land use land cover using cellular automata-Markov chain: A case of Belete Gera regional forest priority area, south western Ethiopia
Cai et al. A schema of ecological environment sensitivity evaluation based on GIS
CN116630564B (zh) 针对大规模全要素场景的三维地理编码方法
Li et al. Experiment with the dynamical–statistical–analog ensemble forecast model for landfalling typhoon gale over South China
Wu et al. Ensemble Learning Based Models for House Price Prediction, Case Study: Miami, US
Chen et al. Research on Data Management of Marine Disaster Mitigation Based on Big Data
Ren-zhi et al. An environment-dependent probabilistic tropical cyclone model [J]

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