CN116933014B - 一种干型昆明准静止锋的自动识别方法 - Google Patents

一种干型昆明准静止锋的自动识别方法 Download PDF

Info

Publication number
CN116933014B
CN116933014B CN202311184826.3A CN202311184826A CN116933014B CN 116933014 B CN116933014 B CN 116933014B CN 202311184826 A CN202311184826 A CN 202311184826A CN 116933014 B CN116933014 B CN 116933014B
Authority
CN
China
Prior art keywords
temperature
reverse
reverse temperature
quasi
kunming
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
Application number
CN202311184826.3A
Other languages
English (en)
Other versions
CN116933014A (zh
Inventor
胡文东
张永凯
舒红平
郝艳琼
肖天贵
陈艳
罗飞
甘建红
张莹
文小航
熊太松
邵建
周文杰
陶静怡
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.)
Chengdu University of Information Technology
Original Assignee
Chengdu University of Information 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 Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN202311184826.3A priority Critical patent/CN116933014B/zh
Publication of CN116933014A publication Critical patent/CN116933014A/zh
Application granted granted Critical
Publication of CN116933014B publication Critical patent/CN116933014B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Ecology (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Environmental Sciences (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明提供了一种干型昆明准静止锋的自动识别方法，属于气象防灾减灾技术领域，该方法包括：读取资料数据；利用差分计算各点从地面到650hPa其间各层的温度递减率，得到最大逆温趋势值；根据最大逆温趋势值，获取初选逆温分布；消除夜间晴空辐射逆温只保留锋区逆温，并进行01化处理；寻找逆温与非逆温的交界；剔除异常待选锋点，得到锋面节点；剔除中小尺度系统；对锋面节点的经度数据进行一维高斯滤波处理，并连接滤波后的锋面节点，得到昆明准静止锋。本发明解决了目前在业务工作中，昆明准静止锋的识别分析依然靠人工的手工操作，依赖于人的主观判断，分析效率低，且容易发生误判的问题。

Description

一种干型昆明准静止锋的自动识别方法
技术领域
本发明属于气象防灾减灾技术领域，尤其涉及一种干型昆明准静止锋的自动识别方法。
背景技术
在对流层中，大范围冷暖空气相遇时会形成锋面。因为冷空气密度大，暖空气密度小，暖空气就会在冷空气上方爬升，形成倾斜的锋面。锋面是中高纬度大气中最重要的天气系统之一，是性质不同的两个气团之间狭窄而又倾斜的过渡带，各种气象要素变化均极为剧烈。锋面水平尺度一般长达几百公里到几千公里，在近地面水平宽度一般为几十公里，窄的只有几公里。
地球上天气变化万千，但在中高纬度，这些复杂天气几乎全部集中在锋面附近。锋面之所以是极为重要的天气系统，备受专业人员关注，就在于它具有极高的重大天气指示意义。锋面分析在天气监测预报预警工作中是关键核心。
昆明准静止锋是云贵高原上重要的天气系统，每年的11月到次年4月为云南干季，云南一带盛行暖干西南气流。这个时节昆明准静止锋为干型，锋面两侧湿度差异显著，干湿界面清晰。
昆明准静止锋是我国云贵地区重要的天气系统。当昆明准静止锋存在时，会造成大范围的阴雨天气，在冬季可能会导致冻雨，如果有南支槽或孟加拉湾低槽强烈西南水汽输送，还会造成大范围的雨雪天气，造成严重的气象和次生、衍生灾害。所以准确识别昆明准静止锋，对于云贵地区及我国东部、中部和南部等天气下游地区的天气分析、诊断和预报具有重要意义。但是到目前为止，昆明准静止锋的识别还是通过人工方式，由预报员自身的经验通过手工识别，存在诸多主观识别的弊端，并严重影响了天气预报预警工作的自动化水平。
下文中的锋面、锋均指昆明准静止锋。
发明内容
针对现有技术中的上述不足，本发明提供的一种干型昆明准静止锋的自动识别方法，解决了目前在业务工作中，依赖于人的主观判断，分析效率低，且容易发生误判的问题。
为了达到以上目的，本发明采用的技术方案为：
本方案提供一种干型昆明准静止锋的自动识别方法，包括以下步骤：
S1、读取地表2m气温、地表到650hPa各层气温以及位势高度数据；
S2、利用差分计算各点从地面到650hPa其间各层的温度递减率，得到最大逆温趋势值；
S3、根据最大逆温趋势值，获取初选逆温分布；
S4、基于初选逆温分布，消除夜间晴空辐射逆温，仅保留锋区逆温，并进行01化处理；
S5、由01化逆温分布，寻找逆温与非逆温的交界，得到待选锋点；
S6、计算每个待选锋点与其总体平均位置东西方向的距离，并根据该距离剔除异常待选锋点，得到锋面节点；
S7、剔除中小尺度系统；
S8、根据剔除结果，对锋面节点的经度数据进行一维高斯滤波处理，并连接滤波后的锋面节点，得到昆明准静止锋。
本发明的有益效果是：本发明通过最大逆温趋势值获取初选逆温分布，并消除夜间晴空辐射逆温仅保留锋区逆温，对锋区逆温图像01化，再根据01化处理结果获取待选锋点，得到锋面节点，并基于昆明准静止锋是天气尺度系统，以剔除中小尺度系统，对锋面节点的经度数据进行一维高斯滤波处理，再将滤波后的节点连接起来，确定昆明准静止锋位置。本发明通过自动识别昆明准静止锋线，提高天气分析预报的效率和规范性，及时高效对天气系统做出正确的分析，促进天气分析预报自动化水平的提高，强化云南、贵州及下游地区的气象防灾减灾业务能力。
进一步地，所述温度递减率的表达式如下：
其中，表示温度递减率，T表示气温，Z表示高度，/>表示求偏导运算，/>表示上层气温减下层气温所得差值，/>表示上层位势高度减去下层位势高度所得差值。
上述进一步方案的有益效果是：本发明通过上述表达式得到每一处大气温度的垂直变化情况，从而为分析逆温打下基础。
再进一步地，所述S3包括以下步骤：
S301、考虑微弱递减、强逆温和等温三种逆温类型，取为预设阈值；
S302、当最大逆温趋势值小于等于预设阈值时，则获得初选逆温分布，其中，；
S303、若分析区域内全部各点均无逆温，则无昆明准静止锋，结束流程。
上述进一步方案有益效果是：本发明通过考虑三种逆温类型，取预设阈值，并基于该预设的阈值，能有效地发现大气中是否存在逆温的区域。
再进一步地，所述S4包括以下步骤：
S401、比较清晨和午后的初选逆温分布，判断同一点在清晨和午后是否均有逆温分布，若是，则为锋区逆温，保留该点，并令该点锋区逆温标志；否则，为晴空辐射逆温，并设该点锋区逆温标志/>；且针对无逆温的点，令其锋区逆温标志/>；
S402、若分析区域无锋区逆温，则全部各点的锋区逆温标志，即无昆明准静止锋，结束流程；
S403、根据S401处理的结果得到只保留锋区逆温01化γ'值分布图。
上述进一步方案的有益效果是：本发明通过上述设计有效剔除了晴空辐射逆温只保留了锋区逆温，从而得到锋区逆温标志的01分布图。
再进一步地，所述S5中寻找逆温与非逆温的交界，其具体为：
根据01化γ'值分布图，提取0与1的交界点为待选锋点。
上述进一步方案的有益效果是：本发明通过01化γ'值分布图，能获得昆明准静止锋可能的冷暖空气交界点，即待选锋点。
再进一步地，所述S6包括以下步骤：
S601、计算每个待选锋点与其总体平均位置东西方向的距离；
S602、判断该距离是否大于预设的东西向距离阈值，若是，则视为噪声删除；否则，保留下的待选锋点为锋面节点。
上述进一步方案的有益效果是：本发明通过计算每个待选锋点与其总体平均位置东西方向的距离，并基于该距离判断是否大于预设的东西向距离阈值，能消除可能存在的噪声点。
再进一步地，所述S7中剔除中小尺度系统，其具体为：
判断锋面南北顶端节点距离是否小于南北距离阈值，若是，则无昆明准静止锋，结束流程；否则，进入S8。
上述进一步方案的有益效果是：本发明通过上述调序，消除了非天气尺度系统，保留了真正的昆明准静止锋。
再进一步地，所述S8中进行一维高斯滤波，其表达式如下：
其中，表示经一维高斯滤波处理后得到的曲线，/>表示平滑参数，/>表示进行滤波的数据序列，/>表示自然常数。
上述进一步方案的有益效果是：本发明通过对锋面节点的经度数据进行一维高斯滤波处理，并连接滤波后的锋面节点，得到昆明准静止锋。
附图说明
图1为本实施例中锋区附近气温垂直变化示意图。
图2为本实施例中清晨或夜间温度递减率示意图。
图3为本实施例中由锋区逆温反映的昆明准静止锋示意图。
图4为本发明的方法流程图。
图5为本实施例中最大逆温趋势分布示意图。
图6为本实施例中满足阈值的初选逆温结果示意图。
图7为本实施例中剔除晴空逆温后锋区逆温分布示意图。
图8为本实施例中由锋区逆温标志γ' 01二值化后的示意图。
图9为本实施例中提取待选锋点示意图。
图10为本实施例中昆明准静止锋线滤波效果示意图。
图11为实例中每一点的最大逆温趋势分布图。
图12为实例中满足阈值的初选逆温分布图。
图13为实例中剔除晴空逆温后锋区逆温分布图。
图14为实例中锋区逆温标志01二值化后的分布图。
图15为实例中待选锋点示意图。
图16为实例中剔除噪声后的锋面节点示意图。
图17为实例中昆明准静止锋示意图。
图18为实例中实况对比图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明。但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
实施例
对流层是地球大气的最下层，高度在数公里到十几公里之间，气象要素变化剧烈，风霜雨雪等各种天气现象几乎全部发生在这一层。一般情况下，对流层低层温度高而高空低，大气温度的垂直分布为下暖上冷。为了表示大气的温度随高度的变化情况，就引入了温度递减率的概念。
温度递减率表示气温垂直方向的变化率γ：
(1)
其中，T表示气温，Z表示高度，表示求偏导运算。
由于公式（1）中自带负号，所以正常大气中气温随高度降低时γ数值为正，表示随高度上升而气温下降了几度。标准情况下，对流层大气的温度递减率为0.65℃/100m，即每上升1公里，气温下降6.5℃。然而对流层大气变化剧烈，气温的垂直变化十分复杂。某些情况下气温随高度不仅不下降，反而会升高。这种气温随高度而上升的现象称为逆温，用γ表示的数值为负。
本实施例中，针对锋区逆温与晴空辐射逆温。与一般大气的温度垂直分布，即海拔越高气温越低不同，在锋区附近，因为锋面的下部是冷气团，上部是暖气团，所以自下而上通过锋区时，即由下部的冷空气向上进入暖空气时，会出现随高度的升高而气温上升的现象，称为锋区逆温。因冷暖空气强度对比不同，锋区的温度垂直分布一般会表现出等温、微弱递减略降及逆温升温3种状态，在这里统称为锋区逆温。
本实施例中，图1表示三种不同的锋区逆温和正常大气的温度随高度的变化。图中纵坐标表示高度，下部的亮色表示气温高，上部暗色表示气温低，中间为锋区逆温层。折线0～3是气温随高度的变化情况。0表示在锋面之前的暖空气中，正常大气温度随高度递减；折线1～3表示在锋面之后的冷空气区域，1所在地点紧靠锋面，下面强冷空气与其上的强暖空气剧烈碰撞，探空气球在冷空气中上升时气温正常降低，而穿越锋区进入上层强暖空气后，气温不降反升，出现了强逆温；折线2地处锋面后冷空气的中间地带，锋区之上的暖空气与其下方的冷空气温度相等，所以这里锋区中探测气球上升时，可测得气温随高度不变为等温；折线3位于锋面后较远处，此处的锋区相对较弱，冷暖空气均有所变性，冷暖对比减弱，所以锋面的强度相对较弱，垂直探测结果往往表明，气温随着高度微弱递减，其递减率的数值远小于正常的大气温度递减率。由此可知，在锋区后冷空气区域内，会产生以上3种锋区逆温。
因此，在锋面后的冷空气一侧，因下冷上暖与正常大气下暖上冷的温度垂直分布不同，所以会出现锋区逆温。具体来说，昆明准静止锋锋前（西侧）是暖气团，锋后（东侧）是冷气团，逆温出现在锋后近地层被冷气团控制的区域；锋前从地表到高空均为相对较暖气团控制，与正常大气递减率一致，因而无锋区逆温。
本实施例中，由于在锋面后会出现逆温，而锋前正常无逆温，所以可以通过温度递减率，即是否存在锋区逆温的差异，来识别锋面是否存在并自动识别。然而在进行识别前还要消除晴空辐射逆温的影响。
不同物质的比热容差异巨大，同样的热量背景下，比热容大的物质温度变化小，比热容小的物质温度变化大。大气的比热容远高于地面，所以在相同热量传输的情况下，地表的温度变化远大于大气的温度变化，对比大比热容的水和小比热容的铁即可理解。在清晨太阳开始照射时，可以发现地表的升温远大于大气的升温，正如晴空下铁受到照射会马上升到很高的温度一样，质量相同的水受同样的太阳照射却只能缓慢且有限地升温。入夜后降温的情况也是这样，地面迅速而强烈地辐射降温，而大气的辐射降温幅度和速度都会小很多。于是近地层会因靠近地面而气温达到很低的数值，高层大气的降温则并不显著，于是形成下层冷上层暖的状况。
在这种情况下就会出现晴空辐射逆温，一般在清晨太阳升起时，即早上8时左右这种逆温最大。为何必须要讲晴空呢？这是因为只有在晴空下，这些热量才会从大气和地面向外散失。如果天空中有云，特别是近地层有浓密的低云，则会像棉被一样阻止大气和地面的热量向外散失，温度变化很小，于是就不会形成晴空辐射逆温。
分析昆明准静止锋时可以发现，在锋前西侧的暖空气中，大片区域晴朗干燥，正是出现夜间晴空辐射逆温的最佳条件。锋后东侧阴雨连绵就不会产生晴空逆温。所以在清晨，这种逆温会混杂到锋区逆温之中，影响锋面的自动识别，因此必须剔除。
这种晴空辐射逆温具有很强的时间波动性：逆温最大时为地面气温降至最低之时，即日出前后。太阳升起后地面逐渐升温，且地面升温速度比高空大气升温快很多，所以这种逆温现象逐渐减弱并消失，大气再度恢复正常的向上气温递减状态。
由此可知，这种逆温在清晨气温低时很强，白天气温升高即可消失，所以可以通过对比午后和清晨的逆温变化来清除晴空辐射逆温的干扰。
在昆明准静止锋活动的区域，清晨或者夜间的逆温分布情况如图3所示，可以看到除了锋区逆温和无逆温区域以外，还有很多的夜间形成的晴空辐射逆温。图中三角形表示无逆温，空心圆表示晴空辐射逆温，实心圆形表示锋区逆温。这极大地影响了对昆明准静止锋的准确识别，所以必须要剔除晴空辐射逆温。
本实施例中，为了识别出逆温的3种类型，即向上纯逆温、等温和弱降温，就需要设定判别阈值。已知正常大气的温度递减率为0.65℃/100m。经过多次实验发现，取温度直减率小于等于0.1℃/100m时，即可最大程度地保留逆温，避免遗漏可能的锋区点，另一方面可以防止混入非逆温点。于是确定温度递减率阈值γt=0.1℃/100m。
通过对各点的温度递减率γ进行判别，当某点的γ<=γt时，则可判定该点存在逆温，如图2所示。如果将此方法应用于清晨，则会混入夜间产生的晴空辐射逆温，所以应将其剔除。
本实施例中，由于晴空辐射逆温中午即可消散，比较清晨和中午的逆温差异，就可以删除晴空辐射逆温，这时保留的逆温即为锋区逆温。锋区逆温点与非逆温点之间，就是昆明准静止锋的锋线位置，如图3所示。图中，线段为昆明准静止锋，三角形为无逆温，空心圆为判识后被剔除辐射逆温，实心圆为锋区逆温。
本实施例中，上述分析可以得出，通过逆温特征可以分辨昆明准静止锋。
本实施例中，高度不仅可体现海拔的概念，如果考虑到重力作功，则可以体现出大气的位势能量。所以在气象学中，各点的高度并不采用一般的几何高度或海拔高度，而采用位势高度，它表示大气微团从某一高度落到海平面时重力作功产生的能量。
大气层中向上离地面越高，空气越稀薄，气压越小，所以大气的高度可以用气压表示，越高则气压越低。大气的探测、分析、计算经常在垂直方向上使用气压以表示所在的垂直位置。以往研究表明，昆明准静止锋一般最高高度在700hPa左右，所以从每点地表开始，一直计算到更高处650hPa以避免遗漏，并得到各层之间的温度递减率。
如图4所示，本发明提供了一种干型昆明准静止锋的自动识别方法，其实现方法如下：
S1、读取地表2m气温、地表到650hPa各层气温以及位势高度数据；
S2、利用差分计算各点从地面到650hPa其间各层的温度递减率，得到最大逆温趋势值；
本实施例中，在实际工作中往往并无理想的解析表达式，进行微分计算时一般通过差分方法，对离散化的数据进行计算。气温递减率的差分计算公式如下：
(2)
其中，表示温度递减率，T表示气温，Z表示高度，/>表示求偏导运算，/>表示上层气温减下层气温所得差值，/>表示上层位势高度减去下层位势高度所得差值。
本实施例中，S2的实现过程如下：
由昆明准静止锋活动范围，选取识别区域为北纬23.5°到30°，东经100°到110°。
首先在每一点上利用公式（2）进行差分，计算从地面到650hPa其间各层的气温递减率，即上下层气温差和位势高度差的比值。如果地面和其上一层等压面的位势高度相差小于100m，因近地层梯度过大扰动极强，则不计算其气温递减率，而计算其更上一层。
然后输出每个点温度递减率最小值，以反映该点上空最大的逆温趋势。结果如图5所示。图中，纵坐标的数值代表纬度，横坐标的数值代表经度，其中/代表气温递减率为负，即温度随高度增加出现强逆温；\代表气温递减率为正，即温度随高度降低，若该区域的气温递减率数值小于一定阈值也是逆温。
S3、根据最大逆温趋势值，获取初选逆温分布，其实现方法如下：
S301、考虑三种微弱递减、强逆温和等温逆温类型，取为预设阈值；
S302、当最大逆温趋势值小于等于预设阈值时，则获得初选逆温分布，其中，；
S303、若分析区域内全部各点均无逆温，则无昆明准静止锋，结束流程。
本实施例中，图5反映气温递减率最小值，即最大逆温趋势，但其仅反映了温度递减率的正负，正温度递减率若小于一定阈值也是逆温。
正常大气温度递减率为0.65℃/100m，考虑三种逆温类型：微弱递减、强逆温和等温的情况，设定判别条件时一方面应避免造成遗漏，另一方面应防止混入非逆温。经过反复实验，取γt=0.1℃/100m为预设阈值。
当γ小于等于γt时判定为逆温，获得初选逆温分布。
若分析区域内全部各点均无逆温，则无昆明准静止锋，结束分析过程。
本实施例中，初选逆温分布如图6所示。图中，纵坐标的数值代表纬度，横坐标的数值代表经度，/代表满足阈值的初选逆温分布的区域。
本实施例中，须消除晴空辐射逆温并进行锋区逆温图像01化，上一步初选后既有锋区逆温也有晴空辐射逆温。在晴朗无云的夜间，由于地表和大气向外辐射能力差异，造成上暖下冷的晴空辐射逆温，这种逆温并非锋面特征，须消除其影响。由于午后的晴空辐射逆温减弱消散，所以比较清晨和中午的初选逆温分布即可实现。
S4、基于初选逆温分布，消除夜间晴空辐射逆温，仅保留锋区逆温，并进行01化处理，其实现方法如下：
S401、比较清晨和午后的初选逆温分布，判断同一点在清晨和午后是否均有逆温分布，若是，则为锋区逆温，保留该点，并令该点锋区逆温标志；否则，为晴空辐射逆温，并设该点锋区逆温标志/>；且针对无逆温的点，令其锋区逆温标志/>；
S402、若分析区域无锋区逆温，则全部各点的锋区逆温标志，即无昆明准静止锋，结束流程；
S403、根据S401处理的结果得到只保留锋区逆温01化γ'值分布图。
如图7所示，图中，纵坐标的数值代表纬度，横坐标的数值代表经度，/代表锋区逆温分布。
S5、由01化逆温分布，寻找逆温与非逆温的交界，得到待选锋点，其具体为：
根据01化γ'值分布图，提取0与1的交界点为待选锋点，即为昆明准静止锋可能的位置。
本实施例中，对0，1化的锋区逆温标志γ'分布图，提取0与1的交界点为待选锋点，即为昆明准静止锋可能的位置。如图8所示，其中γ'为0是黑色区域，γ'为1是白色区域，图中，纵坐标的数值代表纬度，横坐标的数值代表经度。
从西向东，若检测到锋区逆温标志γ'为1，则获得最西端即第一次遇到的交界点，即为待选锋点，如图9所示。图中，纵坐标的数值代表纬度，横坐标的数值代表经度。
S6、计算每个待选锋点与其总体平均位置东西方向的距离，并根据该距离剔除异常待选锋点，得到锋面节点，其实现方法如下：
S601、计算每个待选锋点与其总体平均位置东西方向的距离；
S602、判断该距离是否大于预设的东西向距离阈值，若是，则视为噪声删除；否则，保留下的待选锋点为锋面节点。
本实施例中，昆明准静止锋总体呈南北分布，所以锋上各点在东西方向的位置相对集中。但分析发现，有个别点在东西方向上偏离较远，应予去除。
本实施例中，计算每个待选锋点与其平均位置的东西向差距，即，若其数值大于东西向距离阈值/>，则认为该点是噪声，从待选锋点的序列中删除。由昆明准静止锋的特性分析可确定，东西向距离阈值/>公里，即东西相对于平均值大于两个经度。删除标准即为：
(3)
其中，表示当前检测待选锋点的经度值，/>表示各待选锋点经度的平均值，/>表示待选锋点总数。
由消除噪声后的待选锋点组成锋面节点。
S7、剔除中小尺度系统，其具体为：
判断锋面南北顶端节点距离是否小于南北距离阈值，若是，则无昆明准静止锋，结束流程；否则，进入S8。
本实施例中，由于昆明准静止锋是天气尺度系统，其水平范围为千公里级，所以其长度一般应大于300km，即大于3个纬度，否则应剔除。于是取南北距离阈值公里。由南北两端的锋面节点，计算其表示的锋面长度。取：
(4)
其中，表示最北端锋面节点，/>表示最南端锋面节点。
若满足（4）式，则尺度过小，不是昆明准静止锋，结束分析退出；否则进入S8。
S8、根据剔除结果，对锋面节点的经度数据进行一维高斯滤波处理，并连接滤波后的锋面节点，得到昆明准静止锋。
本实施例中，高斯滤波是一种平滑滤波，适用于消除高斯噪声。滤波时每一个点的值，都由其本身和邻域内其他点的值经过加权平均后得到。本发明中对锋面节点经度进行平滑滤波形成一条曲线：
(5)
其中，表示经一维高斯滤波处理后得到的曲线，/>表示平滑参数，/>表示进行滤波的数据序列，/>表示自然常数。
本实施例中，对锋面节点的经度数据进行一维高斯滤波，将滤波后的节点连接起来即是昆明准静止锋，并由此确定昆明准静止锋位置。
通过对比试验，发现取时，公式(5)滤波效果较好且运行较快。对锋面节点经度数据利用公式(5)进行一维高斯滤波后，确定为昆明准静止锋，作图并输出坐标参数。如图10所示，图中，纵坐标的数值代表纬度，横坐标的数值代表经度，图10(a)中/>，图10(b)）中/>，图10(c)中/>，图10(d)中/>。
本实施例中，取2022年12月04日08时和14时（北京时，下同）的资料，计算08时温度递减率，如图11所示，/代表气温递减率为负，\代表气温递减率为正。按照给定预设阈值筛选滤除非逆温点，得到初选08时逆温分布，如图12所示，纵坐标的数值代表纬度，横坐标的数值代表经度，/代表初选逆温分布的区域。图12中初选逆温分布中有许多晴空辐射逆温，按照S4方法剔除晴空辐射逆温点后，结果如图13所示，纵坐标的数值代表纬度，横坐标的数值代表经度，/代表剔除晴空辐射逆温后的锋区逆温分布。然后按照锋区逆温赋值方法进行01二值化处理，结果如图14所示。图中，纵坐标的数值代表纬度，横坐标的数值代表经度。按照S5提取待选锋点，结果如图15所示，纵坐标的数值代表纬度，横坐标的数值代表经度，图中框内为异常点。按照S6剔除待选锋点的噪声，获得锋面节点，如图16所示。按照S8，取σ=4，利用一维高斯滤波对锋面节点的经度进行平滑滤波，得到昆明准静止锋，结果如图17所示。实况对比图如图18所示，图18为2022年12月04日08时昆明准静止锋自动识别与实况对比图，图中，光滑线条是自动识别的结果，三角和半圆标识是人工标注的昆明准静止锋。
本实施例中，从北纬30°到北纬23.5°，计算以下参数：
均方根误差，，即24.97公里。最大的差值为39.95公里。最小的差值为0公里。
平均差值，即为20.97公里。
天气尺度系统水平范围应为千公里级。本例中均方根误差和平均差值分别为24.97公里和20.97公里，最大的差值也仅有39.95公里，最小的差距只有0公里。对比分析表明，对于昆明准静止锋这种天气尺度系统，其分析精度与经验丰富的首席预报员相当，自动识别的昆明准静止锋具有令人满意的准确性，更好的客观性，更加突出的细节，且大幅度提高了分析速度。
本发明所要实现的目的是：通过自动识别昆明准静止锋线，提高天气分析预报的效率和规范性，及时对天气系统做出正确的分析，促进天气分析预报自动化水平的提高，促进云南、贵州及下游地区的气象防灾减灾工作。

Claims (7)

1.一种干型昆明准静止锋的自动识别方法，其特征在于，包括以下步骤：
S1、读取地表2m气温、地表到650hPa各层气温以及位势高度数据；
S2、利用差分计算各点从地面到650hPa其间各层的温度递减率，得到最大逆温趋势值；
S3、根据最大逆温趋势值，获取初选逆温分布；
所述S3包括以下步骤：
S301、考虑微弱递减、强逆温和等温三种逆温类型，取为预设阈值；
S302、当最大逆温趋势值小于等于预设阈值时，则获得初选逆温分布，其中，；
S303、若分析区域内全部各点均无逆温，则无昆明准静止锋，结束流程；
S4、基于初选逆温分布，消除夜间晴空辐射逆温，仅保留锋区逆温，并进行01化处理；
S5、由01化逆温分布，寻找逆温与非逆温的交界，得到待选锋点；
S6、计算每个待选锋点与其总体平均位置东西方向的距离，并根据该距离剔除异常待选锋点，得到锋面节点；
S7、剔除中小尺度系统；
S8、根据剔除结果，对锋面节点的经度数据进行一维高斯滤波处理，并连接滤波后的锋面节点，得到昆明准静止锋。
2.根据权利要求1所述的干型昆明准静止锋的自动识别方法，其特征在于，所述温度递减率的表达式如下：
其中，表示温度递减率，T表示气温，Z表示高度，/>表示求偏导运算，/>表示上层气温减下层气温所得差值，/>表示上层位势高度减去下层位势高度所得差值。
3.根据权利要求1所述的干型昆明准静止锋的自动识别方法，其特征在于，所述S4包括以下步骤：
S401、比较清晨和午后的初选逆温分布，判断同一点在清晨和午后是否均有逆温分布，若是，则为锋区逆温，保留该点，并令该点锋区逆温标志；否则，为晴空辐射逆温，并设该点锋区逆温标志/>；且针对无逆温的点，令其锋区逆温标志/>；
S402、若分析区域无锋区逆温，则全部各点的锋区逆温标志，即无昆明准静止锋，结束流程；
S403、根据S401处理的结果得到只保留锋区逆温01化γ'值分布图。
4.根据权利要求3所述的干型昆明准静止锋的自动识别方法，其特征在于，所述S5中寻找逆温与非逆温的交界，其具体为：
根据01化γ'值分布图，提取0与1的交界点为待选锋点。
5.根据权利要求1所述的干型昆明准静止锋的自动识别方法，其特征在于，所述S6包括以下步骤：
S601、计算每个待选锋点与其总体平均位置东西方向的距离；
S602、判断该距离是否大于预设的东西向距离阈值，若是，则视为噪声删除；否则，保留下的待选锋点为锋面节点。
6.根据权利要求1所述的干型昆明准静止锋的自动识别方法，其特征在于，所述S7中剔除中小尺度系统，其具体为：
判断锋面南北顶端节点距离是否小于南北距离阈值，若是，则无昆明准静止锋，结束流程；否则，进入S8。
7.根据权利要求1所述的干型昆明准静止锋的自动识别方法，其特征在于，所述S8中进行一维高斯滤波处，其表达式如下：
其中，表示经一维高斯滤波处理后得到的曲线，/>表示平滑参数，/>表示进行滤波的数据序列，/>表示自然常数。
CN202311184826.3A 2023-09-14 2023-09-14 一种干型昆明准静止锋的自动识别方法 Active CN116933014B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311184826.3A CN116933014B (zh) 2023-09-14 2023-09-14 一种干型昆明准静止锋的自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311184826.3A CN116933014B (zh) 2023-09-14 2023-09-14 一种干型昆明准静止锋的自动识别方法

Publications (2)

Publication Number Publication Date
CN116933014A CN116933014A (zh) 2023-10-24
CN116933014B true CN116933014B (zh) 2023-11-28

Family

ID=88380924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311184826.3A Active CN116933014B (zh) 2023-09-14 2023-09-14 一种干型昆明准静止锋的自动识别方法

Country Status (1)

Country Link
CN (1) CN116933014B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117213448B (zh) * 2023-11-07 2024-01-30 中国人民解放军国防科技大学 一种海洋次中尺度锋面调查方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020959A (zh) * 2012-11-24 2013-04-03 中国科学院地理科学与资源研究所 一种基于引力模型的海洋锋信息提取方法
CN110657834A (zh) * 2019-08-26 2020-01-07 中国电力科学研究院有限公司 一种微地形区域电网输电线路覆冰状态判断方法及装置
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
CN114707105A (zh) * 2022-01-20 2022-07-05 成都信息工程大学 一种沙尘天气过程中的锋面坡度计算方法
CN115082791A (zh) * 2022-06-22 2022-09-20 中国人民解放军国防科技大学 一种基于深度可分离卷积网络的气象锋面自动识别方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8930299B2 (en) * 2010-12-15 2015-01-06 Vaisala, Inc. Systems and methods for wind forecasting and grid management

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020959A (zh) * 2012-11-24 2013-04-03 中国科学院地理科学与资源研究所 一种基于引力模型的海洋锋信息提取方法
CN110657834A (zh) * 2019-08-26 2020-01-07 中国电力科学研究院有限公司 一种微地形区域电网输电线路覆冰状态判断方法及装置
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
CN114707105A (zh) * 2022-01-20 2022-07-05 成都信息工程大学 一种沙尘天气过程中的锋面坡度计算方法
CN115082791A (zh) * 2022-06-22 2022-09-20 中国人民解放军国防科技大学 一种基于深度可分离卷积网络的气象锋面自动识别方法
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Objective detection of the Kunming quasi-stationary front;Zhao, Di等;《THEORETICAL AND APPLIED CLIMATOLOGY》;第138卷(第03期);1405-1418 *
三种温湿参数下昆明准静止锋锋面位置及锋生函数诊断的对比分析;段旭 等;《大气科学》;第42卷(第02期);301-310 *
云南寒潮与昆明准静止锋的气候关联性分析;陶云 等;《灾害学》;第33卷(第02期);99-105 *
基于多要素融合的锋面自动识别方法研究;丁新亚;《中国优秀硕士学位论文全文数据库基础科学辑》(第02期);A009-19 *

Also Published As

Publication number Publication date
CN116933014A (zh) 2023-10-24

Similar Documents

Publication Publication Date Title
Yokobori et al. Effect of land cover on air temperatures involved in the development of an intra-urban heat island
Jaramillo et al. Mesoscale convective systems and other precipitation features over the tropical Americas and surrounding seas as seen by TRMM
CN116933014B (zh) 一种干型昆明准静止锋的自动识别方法
Lin et al. Warm season afternoon thunderstorm characteristics under weak synoptic-scale forcing over Taiwan Island
Cappelen et al. The Climate of the Faroe Islands-with climatological standard normals, 1961-1990
Anfossi et al. Forecasting of vertical temperature profiles in the atmosphere during nocturnal radiation inversions from air temperature trend at screen height
Reeves et al. Assessment of forecasts during persistent valley cold pools in the Bonneville Basin by the North American Mesoscale Model
Lee et al. Use of Landsat TM/ETM+ data to analyze urban heat island and its relationship with land use/cover change
Williams Ice-sheet initiation and climatic influences of expanded snow cover in Arctic Canada
Segura et al. Extreme austral winter precipitation events over the South-American Altiplano: regional atmospheric features
KR102200282B1 (ko) 운고계 후방산란계수를 이용한 대기경계층고도 산출 시스템
KR101097947B1 (ko) 호우 예측 방법 및 시스템
CN110598707B (zh) 面向机载激光点云的倒水蔓延与能量函数控制的单株树冠分割方法
Graham et al. An observational study of air and water vapour convergence over the Bernese Alps, Switzerland, during summertime and the development of isolated thunderstorms
Seefeldt et al. Dominant regimes of the Ross Ice Shelf surface wind field during austral autumn 2005
Katsoulis Aspects of the occurrence of persistent surface inversions over Athens Basin, Greece
Luce et al. On the relationship between the TKE dissipation rate and the temperature structure function parameter in the convective boundary layer
Wang et al. Kinematics and Microphysical Characteristics of the First Intense Rainfall Convective Storm Observed by Jiangsu Polarimetric Radar Network
Bugnard et al. Comparison between ground-based remote sensing observations and NWP model profiles in complex topography: the Meiringen campaign
Thornton et al. Contrasting the evolution of radiation fog over a heterogeneous region in southwest France during the SOFOG3D campaign
Hartmann Mars: Topographic control of clouds, 1907–1973
Tokuno Improvements in the method to extract operational cloud motion winds and water vapor motion winds of the GMS-5 system
CN116449461B (zh) 一种南支槽的自动识别方法
Jones et al. Summertime Arctic Aircraft Measurements during ACCACIA
KR102621136B1 (ko) 장마의 시작 시기 결정을 위한 장치 및 방법

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