CN117077442B - 基于地形的热带气旋降水修正方法、终端及介质 - Google Patents
基于地形的热带气旋降水修正方法、终端及介质 Download PDFInfo
- Publication number
- CN117077442B CN117077442B CN202311330341.0A CN202311330341A CN117077442B CN 117077442 B CN117077442 B CN 117077442B CN 202311330341 A CN202311330341 A CN 202311330341A CN 117077442 B CN117077442 B CN 117077442B
- Authority
- CN
- China
- Prior art keywords
- terrain
- tropical cyclone
- precipitation
- path point
- factor
- 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
- 238000001556 precipitation Methods 0.000 title claims abstract description 168
- 238000012937 correction Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000009467 reduction Effects 0.000 claims abstract description 19
- 230000000875 corresponding effect Effects 0.000 claims description 49
- 230000011218 segmentation Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 21
- 238000010606 normalization Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 13
- 238000004088 simulation Methods 0.000 description 13
- 238000012876 topography Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 5
- 230000003313 weakening effect Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical class C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于地形的热带气旋降水修正方法、终端及介质；其中，所述方法包括：基于热带气旋的路径数据，获取各所述路径点的第一移动方向和第二移动方向；并基于各路径点的周围高程信息，提取各路径点于所述第一移动方向上的地形增强因子和于所述第二移动方向上地形减弱因子，以基于所述地形增强因子和所述地形减弱因子，构建所述路径点对应的地形修正因子；以及，基于所述地形修正因子，对各登陆后路径点的热带气旋降水分布信息进行修正；本发明提供的方法有效地提升了热带气旋各路径点降水分布信息的准确性。
Description
技术领域
本发明涉及热带气旋降水空间结构模拟的技术领域，尤其涉及基于地形的热带气旋降水修正方法、终端及计算机存储介质。
背景技术
目前，在热带气旋降水灾害风险评估/预报过程中，通常会基于地面、卫星和雷达观测数据，并利用已构建的热带气旋降水估测模型来估测热带气旋降水分布；因此，模型拟合的准确性会直接影响热带气旋降水分布信息的估测准确度，进而影响热带气旋灾害评估/预测的准确性。
现有的热带气旋降水估测模型于模型构建过程中，为提高模型的适用性和准确性，通常需要在模型改进因子中加入对降水分布产生影响的变量，以对模型进行修正；而现有的热带气旋降水估测模型于修正过程中，往往仅考虑了强度变量(如最大风速、中心气压差和变压等)和移动方向对降水量的影响，尚未考虑地形要素对降水量的影响；但对于登陆的热带气旋而言，其热带气旋降水分布受大地形或地表起伏的影响往往较大，如在山区，背风坡地形可以阻挡气旋中的水汽，形成降水阴影区，从而导致该区域的降水量较少；而迎风坡地形可能会导致热带气旋中的水汽聚集，从而增加了该区域的降水量。
因而，对于登陆区域内包含山区地形的热带气旋，基于现有的热带气旋降水估测模型所获得的热带气旋降水分布信息会存在准确性较低、分布不准确等问题，大大地降低了热带气旋灾害评估/预测的准确性。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于地形的热带气旋降水修正方法、终端及计算机存储介质，可以解决现有的热带气旋降水估测模型于模型修正过程中，未考虑地形要素对降水量的影响，导致基于热带气旋降水估测模型所获得的热带气旋降水分布信息准确性较低等问题。
为实现上述目的及其他相关目的，本发明首先提供一种基于地形的热带气旋降水修正方法，包括：获取热带气旋各路径点对应的热带气旋降水分布信息；基于热带气旋的路径数据，获取各路径点的第一移动方向和第二移动方向；所述第一移动方向为所述热带气旋于当前路径点的移动前进方向，所述第二移动方向为所述热带气旋于当前路径点的移动往来方向；基于预设的地形影响半径，于工作区的区域高程分布信息中，提取各路径点对应的周围高程信息；基于所述周围高程信息，提取各路径点于所述第一移动方向上的地形增强因子和于所述第二移动方向上的地形减弱因子；基于所述地形增强因子和所述地形减弱因子，构建各路径点对应的地形修正因子；基于所述地形修正因子，修正各路径点对应的热带气旋降水分布信息，以获得修正后的热带气旋降水分布信息。
于本发明一实施例中，所述第一移动方向的获取方式，包括：获取所述热带气旋的路径分布曲线，提取所述路径分布曲线于当前路径点处的切线；将该切线指向下一路径点的方向设为所述第一移动方向；或，基于当前路径点的分布位置和下一路径点的分布位置，提取当前路径点指向下一路径点的连线方向；将该连线方向设为所述第一移动方向；所述第二移动方向的获取方式，包括：将所述第一移动方向的反方向设为所述第二移动方向。
于本发明一实施例中，所述地形增强因子的获取方式，包括：于所述周围高程信息中，提取当前路径点于所述第一移动方向上，且高程值大于当前路径点所对应高程值的栅格数；以及，所述地形减弱因子的获取方式，包括：于所述周围高程信息中，提取当前路径点于所述第二移动方向上，且高程值大于当前路径点所对应高程值的栅格数；其中，所述周围高程信息为高程栅格数据。
于本发明一实施例中，所述地形修正因子的构建方式，包括：
将所述地形增强因子与所述地形减弱因子相减，为：
t=E-a×D
其中，t为所述地形修正因子；E为所述地形增强因子；D为所述地形减弱因子；a为地形减弱因子的权重系数。
于本发明一实施例中，于所述构建各路径点对应的地形修正因子后，所述基于地形的热带气旋降水修正方法，还包括：对所述地形修正因子执行标准化处理，以获得新的地形修正因子，并基于该新的地形修正因子执行后续步骤。
于本发明一实施例中，所述对所述地形修正因子执行标准化处理，包括：基于预设的第一分段阈值和第二分段阈值，对所述地形修正因子执行分段式标准化处理，包括：当所述地形修正因子小于所述第一分段阈值时，则将所述地形修正因子线性转化至（0，1）区间内；当所述地形修正因子小于所述第二分段阈值，且大于等于所述第一分段阈值时，则将所述地形修正因子转化为1；当所述地形修正因子大于等于所述第二分段阈值，则对所述地形修正因子进行增益处理；其中，所述第一分段阈值小于所述第二分段阈值。
于本发明一实施例中，所述对所述地形修正因子进行增益处理，包括：基于地形增强的路径点所对应的理论降水总量，和该路径点对应的实际降水总量，构建一拉伸系数；基于所述拉伸系数对所述地形修正因子进行拉伸处理。
于本发明一实施例中，所述各路径点对应的热带气旋降水分布信息的获取方式，包括：
根据预先构建的热带气旋降水估测模型，获取各路径点对应的热带气旋降水分布信息；其中，所述热带气旋降水估测模型，包括：
其中，TRR(r，Vm)为所述热带气旋降水估测模型；r为降水半径；Vm为热带气旋最大风速；U为热带气旋最大风速Vm标准化后的最大风速；T0为热带气旋中心点处的降水量；Tm为最大降水半径处的降水量；rm为最大降水半径；re为降水尺度参数；r为降水半径的变量参数；a1～a4和b1～b4分别为模型的模型参数。
本发明又提供一种终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以执行如上任意所述的基于地形的热带气旋降水修正方法。
本发明还提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行如上任意所述的基于地形的热带气旋降水修正方法。
如上所述，本发明提供的所述基于地形的热带气旋降水修正方法、终端及计算机存储介质，通过获取各路径点于第一移动方向的地形增强因子和于第二移动方向上的地形减弱因子，并基于地形增强因子和地形减弱因子构建地形修正因子，以基于所述地形修正因子对各登陆后路径点的热带气旋降水分布信息进行修正，从而可以有效地提升各登陆后路径点所对应热带气旋降水分布的准确性，进而提高了热带气旋降水预报、灾害预测等的准确性。
附图说明
图1显示为本发明所述基于地形的热带气旋降水修正方法于一实施例的流程示意图；
图2 显示为本发明实施例中步骤S400于执行时的流程示意图；
图3 显示为本发明所述基于地形的热带气旋降水修正方法于另一实施例中的流程示意图；
图4 显示为本发明实施例中第200513号热带气旋—“泰利”基于热带测雨卫星数据所获取的降水率观测结果；
图5 显示为本发明实施例中第200513号热带气旋—“泰利”的第一降水率模拟结果（未地形修正）；
图6 显示为本发明实施例中第200513号热带气旋—“泰利”的第二降水率模拟结果（已地形修正）；
图7 显示为本发明实施例提供的终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
为解决现有的热带气旋降水估测模型因未考虑地形要素对降水分布的影响，而导致估测的热带气旋降水分布信息准确性较低等技术问题，本发明提供的所述基于地形的热带气旋降水修正方法、终端及介质，通过获取热带气旋于各登陆后路径点（以下简称“路径点”）处的基于高程分布的地形修正因子，以基于所述地形修正因子对路径点对应的热带气旋降水分布信息进行修正，以获得修正后的热带气旋降水分布信息。
其中，所述热带气旋降水分布信息包括各路径点对应的热带气旋降水率。
所述热带气旋对应的强度等级包括：热带低压、热带风暴、强热带风暴、台风、强台风和超强台风中的一种或多种。
为解决现有技术中存在的技术问题，本发明于第一方面提供一种基于地形的热带气旋降水修正方法；请参阅图1，示出为本发明实施例提供的所述基于地形的热带气旋降水修正方法的流程示意图。
如图1所示，所述基于地形的热带气旋降水修正方法包括以下步骤：
S100，获取热带气旋各路径点对应的热带气旋降水分布信息；
具体的，根据预先构建的热带气旋降水估测模型，获取各路径点对应的热带气旋降水分布信息。
于一具体实施方式中，所述热带气旋降水估测模型采用热带气旋降水对称模型，包括：
其中，TRR(r，Vm)为所述热带气旋降水估测模型；r为降水半径；Vm为热带气旋最大风速；U为最大风速Vm标准化后的最大风速；T0为热带气旋中心点处的降水；Tm为最大降水半径处的降水；rm为最大降水半径；re为表征降水尺度的参数；以及，a1～a4和b1～b4分别为模型的模型参数；具体参数值如下表1所示，为应用于西北太平洋地区的热带气旋降水模型参数值。
表1各模型参数的数值
| 参数\模型 | 模型1 | 模型2 |
| a1(mm/h) | 0.42 | -3.18 |
| a2(mm/h) | 0.34 | 5.56 |
| a3(km) | 165.63 | 1.73 |
| a4(km) | 187.45 | 288.69 |
| b1(mm/h) | 2.82 | 0.53 |
| b2(mm/h) | 2.41 | 2.62 |
| b3(km) | -38.64 | 10.36 |
| b4(km) | -1.65 | -13.66 |
需要说明的是，表1中，模型1表示基于热带测雨卫星数据的西北太平洋地区热带气旋降水模型，模型2表示基于风云卫星遥感数据的西北太平洋地区热带气旋降水模型。
所述热带气旋降水估测模型为采用专利号为CN202211627422.2，专利名称为《热带气旋降水模型构建方法、终端及介质》中的热带气旋降水模型构建方法获取，在此不再赘述。
相比于其他现有的热带气旋降水率估测模型，本实施例通过利用该西北太平洋地区的热带气旋降水率对称模型来获取各路径点的降水分布信息，可以有效地提升径向降水率反演的准确性，从而进一步提高了热带气旋灾害预测的准确性，降低了漏报、错报等的风险。
对于上述有益效果的证明实验和实验结果，已于专利《热带气旋降水模型构建方法、终端及介质》（专利号为CN202211627422.2）中记载，在此不再赘述。
S200，基于热带气旋的路径数据，获取各路径点的第一移动方向和第二移动方向；
其中，所述热带气旋的路径数据为热带气旋每隔一段时间的观测数据，包括热带气旋中心点经度和纬度、近中心底层最大风速和最低中心气压等数据。
示例性的，所述热带气旋路径数据采用中国气象局上海台风所整编的西北太平洋热带气旋最佳路径数据集。
所述第一移动方向为所述热带气旋于当前路径点的移动前进方向，即当前路径点前往下一时刻路径点的前进方向；所述第二移动方向为所述热带气旋于当前路径点的移动往来方向。
于一具体实施例中，所述第一移动方向的获取方式，包括；
获取所述热带气旋的路径分布曲线，提取所述路径分布曲线于当前路径点处的切线；
将该切线指向下一路径点的方向，设为所述第一移动方向；
所述第二移动方向的获取方式，包括：将所述第一移动方向的反方向设为所述第二移动方向。
于另一具体实施例中，当所述热带气旋中各路径点的分布密度大于一密度阈值时，所述第一移动方向的获取方式，包括：
基于当前路径点的分布位置和下一时刻路径点的分布位置，提取当前路径点指向下一时刻路径点的连线方向，将该连线方向作为所述第一移动方向。
需要说明的是，于其他实施例中，步骤S100与步骤S200的执行顺序可互换，即先执行步骤S200，再执行步骤S100。
S300，获取工作区的区域高程分布信息；基于预设的地形影响半径，于所述区域高程分布信息中，提取各路径点对应的周围高程信息；
其中，所述区域高程分布信息为工作区域内的高程分布信息；示例性的，所述区域高程分布信息包括数字高程模型数据。
所述周围高程信息为以路径点为中心，其周围一定范围内的高程分布信息。
具体的，获取工作区的区域高程分布数据；基于各路径点的位置，于所述区域高程分布数据中，提取以所述路径点位置为中心，所述地形影响范围为半径的区域内的高程分布信息，作为该路径点对应的周围高程信息。
于一具体实施方式中，所述地形影响半径为2︒～5︒中的任意数据。
S400，基于所述周围高程信息，提取各路径点于所述第一移动方向上的地形增强因子和于所述第二移动方向上地形减弱因子；基于所述地形增强因子和所述地形减弱因子，构建各路径点对应的地形修正因子；
其中，所述周围高程信息为高程栅格数据，
具体的，对于单个路径点，所述步骤S400于执行时，如图2所示，包括以下子步骤：
S401，基于所述周围高程信息，提取路径点于所述第一移动方向上的地形增强因子；
其中，所述地形增强因子为因大地形抬升或水汽阻挡等作用对热带气旋降水量产生增强作用的修正因子；
具体的，于所述路径点的周围高程信息中，提取当前路径点于所述第一移动方向上，且高程值大于当前路径点所对应高程值的栅格数，作为地形增强因子E；
S402，基于所述周围高程信息，提取路径点于所述第二移动方向上的地形减弱因子；
其中，所述地形减弱因子为因大地形水汽阻挡等作用对热带气旋降水量产生减弱作用的修正因子；
具体的，于所述路径点的周围高程信息中，提取当前路径点于所述第二移动方向上，且高程值大于当前路径点所对应高程值的栅格数，作为地形减弱因子D。
S403，所述基于当前路径点的所述地形增强因子和所述地形减弱因子，构建当前路径点的地形修正因子。
具体的，将所述地形增强因子E与所述地形减弱因子D相减，以获取地形修正因子t，使所述地形修正因子t与地形增强因子E为正相关，与所述地形减弱因子D为负相关；
于一具体实施例中，构建所述地形修正因子t，为
t=E-a×D
其中，a为地形减弱因子的权重系数。
对所述热带气旋中的各路径点均执行上述步骤S401至步骤S403，以获得各路径点对应的地形修正因子。
S500，基于所述地形修正因子，对各所述路径点的热带气旋降水分布信息进行修正，以获得地形修正后的热带气旋降水分布信息。
具体的，对于单个路径点，将当前路径点对应的所述热带气旋降水信息，与当前路径点所对应的地形修正因子值进行计算，以获得当前路径点于地形修正后的热带气旋降水信息。
对所述热带气旋中的各路径点均执行以上过程，以获得各路径点于地形修正后的热带气旋降水信息。
于一些实施例中，由于所述地形修正因子对应数值范围的量级与降水数值范围的量级不同，导致基于所述地形修正因子修正后的热带气旋降水会存在过高或过低的情况，为避免所述地形修正因子的数值过大或过小，本发明还提供另一种基于地形的热带气旋降水修正方法；请参阅图3，示出为本发明提供的所述基于地形的热带气旋降水修正方法于另一实施例中的流程示意图。
如图3所示，所述基于地形的热带气旋降水修正方法与图1示出的方法基本相同，不同之处在于，所述方法于执行S500之前，还包括：
S600，对所述地形修正因子执行标准化处理，以获得新的地形修正因子，并基于该新的地形修正因子执行后续步骤；
具体的，基于预设的分段阈值，对所述地形修正因子t执行分段式标准化处理，以实现地形修正幅度的合理化设定。
其中，所述分段阈值为预先设定的阈值大小，用于对所述地形修正因子t的数值大小进行分段；
于一实施例中，所述分段阈值包括第一分段阈值和第二分段阈值；所述第一分段阈值为所述地形影响作用由削弱作用转为无作用的临界值，所述第二分段阈值为所述地形影响作用由无作用转为增强作用的临界值。
具体的，比较所述地形修正因子t与所述第一分段阈值和所述第二分段阈值之间的大小关系，根据比较结果，对所述地形修正因子t执行分段式标准化处理，包括：
1)、当所述地形修正因子小于所述第一分段阈值时，即为当前路径点的山后减弱作用大于山前增强作用时，则将所述地形修正因子t线性转化至（0，1）区间内；
2)、当所述地形修正因子小于所述第二分段阈值，且大于或等于所述第一分段阈值时，即当前路径点的山前地形增强作用和山后减弱效用相近时，则将所述地形修正因子t线性转化为1；
3)、当所述地形修正因子大于所述第二分段阈值，即当前路径点的山前地形增强作用大于山后减弱效用时，则对所述地形修正因子t进行增益处理。
于一更具体的实施方式中，所述第一分段阈值为0，所述第二分段阈值为1；所述对所述地形修正因子t执行分段式标准化处理，即构建地形修正因子标准化处理模型为：
其中，t为各地形修正因子ti的集合；b为等于或略大于0的常数，示例性的，b为0.1，以避免因地形修正而导致将降水量误修正为零；为地形修正因子t的增益参数。
可选的，对所述地形修正因子t进行增益处理，包括：
基于地形增强的路径点所对应的理论降水总量，和该路径点对应的实际降水总量，构建一拉伸系数；基于该拉伸系数对所述地形修正因子进行拉伸处理。
具体的，构建拉伸系数，为：
式中，Ri为第 i 个栅格的降水量；I 为工作区的总栅格数；J 为ti<0的栅格数，tj为ti<0的栅格处（即背风坡处）所对应的地形修正因子值；K 为 ti >0 的栅格数；tk为ti >0的栅格处（即迎风坡处）所对应的地形修正因子值；为当前路径点对应观测时刻下热带气旋的降水总量；/>为当前路径点对应观测时刻下，于背风坡处的降水总量；/>为当前路径点对应观测时刻下，除背风坡外的降水总量; />为当前路径点对应观测时刻下，于迎风坡处的降水总量。
需要说明的是，对于某一栅格所对应的降水量小于预设的固定常量时，则该栅格忽略不计；当固定常量为0.1 mm时，当某一栅格所对应的降水量小于0.1 mm时，则该栅格忽略不计。
为验证本发明提供的所述基于地形的热带气旋降水修正方法所具有的有益效果，以下对西太平洋区域第200513号热带气旋—“泰利”的降水率分布进行对照实验，基于对照实验的实验结果进行本方法有益效果的展示。请参阅图4至图6，分别示出了第200513号热带气旋登陆之后，基于热带测雨卫星数据所获得的2005年9月2日12时（世界时）的热带气旋降水率的实际观测结果、基于热带气旋气候持续性模型(Rainfall Climate andPersistence Model，简称R-CLIPER)对称性模型所获得的第一降水率模拟结果和第二降水率模拟结果；其中，所述第一降水率模拟结果为未进行地形修正因子修正的降水率模拟分布结果，所述第二降水率模拟结果为已进行地形修正因子修正后的降水率模拟分布结果。
根据图4示出的观测结果可知，热带气旋降水率的主要分布呈东北向西南方向展布；图5示出的第一降水率模拟结果可见，降水估测模型对于热带气旋陆面降水的模拟能力仍然较弱，但未体现出热带气旋降水率的主要分布特征；而图6示出的第二降水率模拟结果中明显可见热带气旋降水分布更合理，且主要分布区域和主要分布特征，与图4示出的分布区域和分布特征更加接近；由此可知，利用本发明提供的所述方法，通过引入地形修正因子，可以有效地提升热带气旋降水分布信息的准确性，从而可以显著地提升降水估测模型的模拟效果。
为解决现有技术中存在的问题，本发明于第三方面还提供一种终端，请参阅图7，示出了本发明所述终端的结构示意图；如图7所示，所述终端5包括相互连接的存储器51和处理器52；存储器51用于存储计算机程序，处理器52用于执行存储器存储的计算机程序，以使终端执行时可实现所述基于地形的热带气旋降水修正方法中的步骤。
可选的，所述存储器的数量均可以是一个或多个，所述处理器的数量可以是一个或多个，图7中均以一个为例。
可选的，所述终端中的处理器按照如上所述基于地形的热带气旋降水修正方法中的步骤，将一个或多个以应用程序进程对应的指令加载到存储器上中，并由处理器运行存储于存储器中的应用程序，从而实现如所述基于地形的热带气旋降水修正方法中的各功能，在此不在对其进行赘述。
需要说明的是，存储器包括但不限于随机存取存储器（Random Access Memory，简称RAM），也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。同理处理器也可以是通用处理器，包括中央处理器（Central Processing Unit，简称CPU）、网络处理器（Network Processor，简称NP）等；还可以是数字信号处理器（DigitalSignal Processing，简称DSP）、专用集成电路（Application Specific IntegratedCircuit，简称ASIC）、现场可编程门阵列（Field Programmable Gate Array，简称FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例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，该程序被处理器调用时实现所述基于地形的热带气旋降水修正方法。
其中，计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD) 、记忆棒、软盘、机械编码设备。
这里所描述的计算机可读程序可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
综上所述，本发明提供的所述基于地形的热带气旋降水修正方法、终端及计算机存储介质，通过获取各路径点于第一移动方向的地形增强因子和于第二移动方向上的地形减弱因子，以基于地形增强因子和地形减弱因子构建地形修正因子，从而基于所述地形修正因子对各路径点的热带气旋降水分布信息进行修正，可以有效地提升各路径点所对应的热带气旋降水分布的准确性，从而提高了热带气旋灾害预测、气象预报等的准确性；此外，通过适用于采用西北太平洋地区的热带气旋降水对称模型来获取各路径点的热带气旋降水信息，相比于现有的模型，可以进一步提高各路径点所对应的热带气旋降水分布的准确性。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于地形的热带气旋降水修正方法，其特征在于，包括：
根据预先构建的热带气旋降水估测模型，获取热带气旋各路径点对应的热带气旋降水分布信息；所述热带气旋降水分布信息包括各路径点对应的热带气旋降水率分布；
基于热带气旋的路径数据，获取各路径点的第一移动方向和第二移动方向；所述第一移动方向为所述热带气旋于当前路径点的移动前进方向，所述第二移动方向为所述热带气旋于当前路径点的移动往来方向；
基于预设的地形影响半径，于工作区的区域高程分布信息中，提取各路径点对应的周围高程信息；
基于所述周围高程信息，提取各路径点于所述第一移动方向上的地形增强因子和于所述第二移动方向上的地形减弱因子；将所述地形增强因子与所述地形减弱因子相减，以获取地形修正因子，使所述地形修正因子与地形增强因子为正相关，与所述地形减弱因子为负相关；
基于所述地形修正因子，修正各路径点对应的热带气旋降水分布信息，以获得修正后的热带气旋降水分布信息；其中，
所述基于所述地形修正因子，修正各所述路径点对应的热带气旋降水分布信息，包括：
对于单个路径点，将当前路径点对应的所述热带气旋降水信息，与当前 路径点所对应的地形修正因子值进行计算。
2.根据权利要求1所述的基于地形的热带气旋降水修正方法，其特征在于，所述第一移动方向的获取方式，包括：
获取所述热带气旋的路径分布曲线，提取所述路径分布曲线于当前路径点处的切线；将该切线指向下一路径点的方向设为所述第一移动方向；或，
基于当前路径点的分布位置和下一路径点的分布位置，提取当前路径点指向下一路径点的连线方向；将该连线方向设为所述第一移动方向；
所述第二移动方向的获取方式，包括：
将所述第一移动方向的反方向设为所述第二移动方向。
3.根据权利要求1所述的基于地形的热带气旋降水修正方法，其特征在于，所述地形增强因子的获取方式，包括：
于所述周围高程信息中，提取当前路径点于所述第一移动方向上，且高程值大于当前路径点所对应高程值的栅格数；
以及，所述地形减弱因子的获取方式，包括：
于所述周围高程信息中，提取当前路径点于所述第二移动方向上，且高程值大于当前路径点所对应高程值的栅格数；
其中，所述周围高程信息为高程栅格数据。
4.根据权利要求1所述的基于地形的热带气旋降水修正方法，其特征在于，所述将所述地形增强因子与所述地形减弱因子相减，以获取地形修正因子，使所述地形修正因子与地形增强因子为正相关，与所述地形减弱因子为负相关，为：
t=E-a×D
其中，t为所述地形修正因子；E为所述地形增强因子；D为所述地形减弱因子；a为地形减弱因子的权重系数。
5.根据权利要求1所述的基于地形的热带气旋降水修正方法，其特征在于，于所述构建各路径点对应的地形修正因子后，所述基于地形的热带气旋降水修正方法，还包括：
对所述地形修正因子执行标准化处理，以获得新的地形修正因子，并基于该新的地形修正因子执行后续步骤。
6.根据权利要求5所述的基于地形的热带气旋降水修正方法，其特征在于，所述对所述地形修正因子执行标准化处理，包括：
基于预设的第一分段阈值和第二分段阈值，对所述地形修正因子执行分段式标准化处理，包括：
当所述地形修正因子小于所述第一分段阈值时，则将所述地形修正因子线性转化至（0，1）区间内；
当所述地形修正因子小于所述第二分段阈值，且大于等于所述第一分段阈值时，则将所述地形修正因子转化为1；
当所述地形修正因子大于等于所述第二分段阈值，则对所述地形修正因子进行增益处理；
其中，所述第一分段阈值小于所述第二分段阈值。
7.根据权利要求6所述的基于地形的热带气旋降水修正方法，其特征在于，所述对所述地形修正因子进行增益处理，包括：
基于地形增强的路径点所对应的理论降水总量，和该路径点对应的实际降水总量，构建一拉伸系数；
基于所述拉伸系数对所述地形修正因子进行拉伸处理。
8.根据权利要求1所述的基于地形的热带气旋降水修正方法，其特征在于，所述热带气旋降水估测模型，包括：
其中，
TRR(r，Vm)为所述热带气旋降水估测模型；r为降水半径；Vm为热带气旋最大风速；U为热带气旋最大风速Vm标准化后的最大风速；T0为热带气旋中心点处的降水；Tm为最大降水半径处的降水；rm为最大降水半径；re为降水尺度参数；a1～a4和b1～b4分别为模型的模型参数。
9.一种终端，其特征在于，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以执行如权利要求1至8中任一项所述的基于地形的热带气旋降水修正方法。
10.一种计算机存储介质，所述计算机存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行如权利要求1至8中任一项所述的基于地形的热带气旋降水修正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311330341.0A CN117077442B (zh) | 2023-10-16 | 2023-10-16 | 基于地形的热带气旋降水修正方法、终端及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311330341.0A CN117077442B (zh) | 2023-10-16 | 2023-10-16 | 基于地形的热带气旋降水修正方法、终端及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117077442A CN117077442A (zh) | 2023-11-17 |
| CN117077442B true CN117077442B (zh) | 2024-02-09 |
Family
ID=88717492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311330341.0A Active CN117077442B (zh) | 2023-10-16 | 2023-10-16 | 基于地形的热带气旋降水修正方法、终端及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117077442B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073038A (zh) * | 2010-11-29 | 2011-05-25 | 上海大学 | 基于微小地形的遥感影像的地形校正的方法 |
| US8204846B1 (en) * | 2008-04-18 | 2012-06-19 | Wsi, Corporation | Tropical cyclone prediction system and method |
| CN111832176A (zh) * | 2020-07-14 | 2020-10-27 | 中国人民解放军61540部队 | 降雨条件下全极化微波辐射计海面风场反演方法及系统 |
| CN114910980A (zh) * | 2022-06-08 | 2022-08-16 | 中国气象局上海台风研究所(上海市气象科学研究所) | 基于主观路径强度预报和参数化风场模型的热带气旋大风风圈预报方法 |
| CN116305834A (zh) * | 2023-02-17 | 2023-06-23 | 金华市气象局 | 热带气旋径向降水模型构建方法及装置、存储介质和终端 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9014984B2 (en) * | 2011-10-14 | 2015-04-21 | Weatherford Technology Holdings, Llc | Resolution matched nonlinear resolution enhancement of well logs |
| US20220268963A1 (en) * | 2019-08-01 | 2022-08-25 | The Trustees Of Princeton University | System and method for environment-dependent probabilistic tropical cyclone modeling |
-
2023
- 2023-10-16 CN CN202311330341.0A patent/CN117077442B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8204846B1 (en) * | 2008-04-18 | 2012-06-19 | Wsi, Corporation | Tropical cyclone prediction system and method |
| CN102073038A (zh) * | 2010-11-29 | 2011-05-25 | 上海大学 | 基于微小地形的遥感影像的地形校正的方法 |
| CN111832176A (zh) * | 2020-07-14 | 2020-10-27 | 中国人民解放军61540部队 | 降雨条件下全极化微波辐射计海面风场反演方法及系统 |
| CN114910980A (zh) * | 2022-06-08 | 2022-08-16 | 中国气象局上海台风研究所(上海市气象科学研究所) | 基于主观路径强度预报和参数化风场模型的热带气旋大风风圈预报方法 |
| CN116305834A (zh) * | 2023-02-17 | 2023-06-23 | 金华市气象局 | 热带气旋径向降水模型构建方法及装置、存储介质和终端 |
Non-Patent Citations (3)
| Title |
|---|
| Weather type conditioned calibration of TRMM precipitation over the South Pacific Convergence Zone;Oscar Mirones 等;ResearchGate;1-22 * |
| 基于改进指数和法的地形因素对土地利用变化影响程度评价;王世东;吴超;;中国生态农业学报(03);130-140 * |
| 浙西南热带气旋强降水主要影响因子;林巧燕;郭品文;周国华;江剑霞;;气象科技(01);123-127 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117077442A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
| US11168667B2 (en) | Method and device for calculating power generation of wind farm | |
| Stathopoulos et al. | Wind power prediction based on numerical and statistical models | |
| Nijssen et al. | Predicting the discharge of global rivers | |
| Lock et al. | Empirical examination of the factors regulating thunderstorm initiation | |
| Angulo-Martínez et al. | Do atmospheric teleconnection patterns influence rainfall erosivity? A study of NAO, MO and WeMO in NE Spain, 1955–2006 | |
| Mo et al. | Estimating the extreme wind speed for regions in China using surface wind observations and reanalysis data | |
| Ji et al. | Characterizing spatial patterns of precipitation based on corrected TRMM 3 B 43 data over the mid Tianshan Mountains of China | |
| CN108154193B (zh) | 一种长时间序列降水数据降尺度方法 | |
| CN113591572A (zh) | 基于多源数据和多时相数据的水土流失定量监测方法 | |
| Zhu et al. | Predictability and skill of convection-permitting ensemble forecast systems in predicting the record-breaking “21· 7” extreme rainfall event in Henan Province, China | |
| CN116305933B (zh) | 一种基于dem数据的坡面产汇流简易计算方法及装置 | |
| Bae et al. | Utilization of the Bayesian method to improve hydrological drought prediction accuracy | |
| Yang et al. | Climate change in the Tianshan and northern Kunlun Mountains based on GCM simulation ensemble with Bayesian model averaging | |
| GÜLER | A comparison of different interpolation methods using the geographical information system for the production of reference evapotranspiration maps in Turkey | |
| Lu et al. | Seasonal forecast of early summer rainfall at stations in South China using a statistical downscaling model | |
| Pirooz et al. | New Zealand design wind speeds, directional and lee-zone multipliers proposed for AS/NZS 1170.2: 2021 | |
| CN117077442B (zh) | 基于地形的热带气旋降水修正方法、终端及介质 | |
| Bughici et al. | Evaluation and bias correction in WRF model forecasting of precipitation and potential evapotranspiration | |
| CN116415495A (zh) | 面向复杂地形与气象环境的雷击跳闸率获取方法及设备 | |
| CN108399507B (zh) | 一种台风致灾影响的评估方法和装置 | |
| CN107423541B (zh) | 一种改进的核动力厂设计基准事故潜在后果的大气弥散计算方法 | |
| Guo et al. | Application of the frequency-matching method in the probability forecast of landfalling typhoon rainfall | |
| Dehghan et al. | Regional frequency analysis with development of region-of-influence approach for maximum 24-h rainfall (case study: Urmia Lake Basin, Iran) | |
| Muleta et al. | Rainfall-Runoff Modeling and Hydrological Responses to the Projected Climate Change for Upper Baro Basin, Ethiopia |
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 |