CN110488298A - 基于各尺度特征的冰雹预警方法 - Google Patents
基于各尺度特征的冰雹预警方法 Download PDFInfo
- Publication number
- CN110488298A CN110488298A CN201910811255.9A CN201910811255A CN110488298A CN 110488298 A CN110488298 A CN 110488298A CN 201910811255 A CN201910811255 A CN 201910811255A CN 110488298 A CN110488298 A CN 110488298A
- Authority
- CN
- China
- Prior art keywords
- hail
- target area
- helicity
- condition
- steam
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
- G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于各尺度特征的冰雹预测方法,包括以下步骤:对环流形势进行潜势分析;提出对流潜势,分析θse500‑700、水汽垂直螺旋度、热力切变平流参数、湿位涡和水汽能量垂直螺旋度,以诊断预测区是否存在水汽条件、动力抬升和不稳定条件共同促进强对流发展;提出强对流潜势,通过SI指数、BLI指数、温度露点差和垂直风切变来判断预测区的冰雹发生潜势;将0℃层高度诊断量代入45dBZ回波顶高与0℃层高度的线性方程中得45dBZ回波顶高阈值,若实际回波顶高度大于等于45dBZ回波顶高阈值则可提出冰雹预警。本发明多方面多尺度的考虑了冰雹的发生发展特征,利用多种数据,采用潜势分析、诊断分析等多种方式更全面的描述了其特征,以更准确预测冰雹。
Description
技术领域
本发明涉及气象数据监测管理技术领域,尤其涉及一种基于各尺度特征的冰雹预警方法。
背景技术
气象灾害不仅影响农业生产、人民生活,而且还危及人民的生命财产安全。国内外的学者对冰雹的研究已经很多,但在短临预报上,冰雹仍是一种难以准确预报的灾害性天气。做好冰雹的短期、临近预报及监测预警,及时开展防雹人影作业,减少冰雹造成的经济损失仍是当下气象工作者面临的一大难题。为了更好地开展防雹工作,寻找行之有效的科学人工防雹预警方法;通过分析降雹日各尺度特征和雷达回波特征,总结归纳典型特征,提炼冰雹识别指标是预测冰雹非常重要的手段之一。
现今,多个地区针对冰雹做了许多研究也得到了一些成果,其研究主要注重于对冰雹的气候特征、结构特征、识别算法分析。对于冰雹的预警方法主要依靠雷达回波,利用各尺度特征所提炼出的诊断量结合回波特征的预警方法较少;对于诊断量的分析多是统计发展变化特征,少数结合各尺度相关诊断量特征得出阈值用于预报预警。
有科研工作者将螺旋度和其他诊断量结合,分析诊断强对流的发生发展,例如能量螺旋度,就是将螺旋度与反映能量作用的对流有效位能结合起来进行应用,反映动力和能量对强对流天气发展的共同效应,对强风暴及其类型的预报有指示意义。有科研工作者分析了螺旋度作为一个动力学参数与热力场的关系,得到可以把地面相对螺旋度视为地转风或实际风引起的温度平流的一个量度的结论等。这些对研究暴雨灾害性天气和进行业务预报有着极为重要的作用。但降雹主要有三个基本条件:水汽条件、动力条件、不稳定条件。螺旋度只是一个作用比较显著的动力学诊断量,将其与水汽条件、能量条件相结合,对强对流发生发展的指示作用可能会更加明显。
同时,现有的对冰雹的研究中,多是依靠常规气象资料得到冰雹等强对流天气发生的潜在趋势。也有根据卫星资料反映的大气运动状况来判别冰雹的发生发展,但反演技术和时效性很难提前预报冰雹的发生。已有的冰雹预警方法研究中,多普勒雷达是冰雹探测和预警的重要工具,多普勒天气雷达具备了比较强的监测能力和时效性,许多专家学者利用其归纳了冰雹天气的回波特征、移动路径。但多普勒天气雷达多用于有冰雹生成的预报预警,对于冰雹生成前的潜势预警还需结合各尺度特征分析。对于多普勒天气雷达的利用,不能局限于回波的典型特征等定性分析。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于各尺度特征的冰雹预警方法。
为了实现上述目的,本发明提供一种基于各尺度特征的冰雹预测方法,包括以下步骤:
S1,对环流形势进行潜势分析:确定是否存在小槽,若存在小槽,则确定预测区是否存在能够触发对流的地面触发***和能够发展对流的高空维持***,若存在则提出对流潜势;
S2,若预测区存在对流潜势,则利用诊断分析模块分析θse500-700、水汽垂直螺旋度、热力切变平流参数、湿位涡和水汽能量垂直螺旋度,以诊断预测区是否存在水汽条件、动力抬升和不稳定条件共同促进强对流发展,若存在则提出强对流潜势;
S3,若预测区存在强对流潜势,通过SI指数、BLI指数、温度露点差和垂直风切变来判断预测区的冰雹发生潜势;
S4,若预测地区存在冰雹发生潜势,则进一步对其进行回波分析:将0℃层高度诊断量代入45dBZ回波顶高与0℃层高度的线性方程中得45dBZ回波顶高阈值,若实际回波顶高度大于等于45dBZ回波顶高阈值则可提出冰雹预警;
在回波分析过程中出现强对流回波特征时可直接提出冰雹预警。
本发明的有益效果在于:
1、本发明涉及的基于各尺度特征的冰雹预测方法,多方面多尺度的考虑了冰雹的发生发展特征,利用多种数据,采用潜势分析、诊断分析等多种方式更全面的描述了其特征,以更准确预警冰雹;
2、S2、S3步骤中通过各尺度特征分析提取出来的各物理量阈值在特殊环流形势下可直接用于诊断分析中,将主观的形式分析变得客观化,量化的阈值范围减少了不同人之间的主观误差,更加方便、简洁、准确;
3、S4步骤不仅利用根据典型回波特征预警的传统方式来确定冰雹发生的可能性,还利用45dBZ回波顶高与0℃层高度之间的关系,以45dBZ回波顶高阈值进行诊断分析,回波特征与阈值相结合的手段判定冰雹发生的可能性相较于普通的形势分析,更加简便快捷。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是本发明所述的基于各尺度特征的冰雹预警方法的流程图;
图2是具体实施方式中所述案例天气分析图;
图3是具体实施方式中所述案例的θse、水汽垂直螺旋度、热力切变平流参数、湿位涡分量MPV1、MPV2分布图;
图4是具体实施方式中所述案例水汽能量垂直螺旋度在700hPa分布情况;
图5是具体实施方式中所述案例反射率及其剖面图、径向速度及其剖面图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
如图1所示,本发明涉及的基于各尺度特征的冰雹预测方法,包括以下步骤:
S1,对环流形势进行潜势分析:确定是否存在小槽,若存在小槽,则确定预测区是否存在能够触发对流的地面触发***和能够发展对流的高空维持***,若存在则提出对流潜势。
该步骤主要注重于分析其触发机制与维持机制,观察预测区是否存在地面干线、地面辐合线、锋面等地面触发***,高空是否存在切变、急流、低槽等维持***相互作用维持对流的深厚发展。
如图2所示,案例天气分析图示出200hPa、500hPa、700hPa天气分析和T-logp图,实线为槽线,黄色区域为干区,双实线为切变线,橙色箭头为高空急流,红色箭头为低空急流,蓝色区域为湿区。案例存在地面干线与地面辐合线、切变、急流、低槽。提出案例具有对流潜势。
S2,若预测区存在对流潜势,则利用诊断分析模块分析θse500-700、水汽垂直螺旋度、热力切变平流参数、湿位涡和水汽能量垂直螺旋度,以诊断预测区是否存在有利的水汽条件、动力抬升条件和不稳定条件共同促进强对流发展,若存在则提出强对流潜势。
通过θse500-700、水汽垂直螺旋度、热力切变平流参数来分别判断预测区是否存在有利于强对流发生的不稳定条件、水汽条件和动力抬升条件,通过湿位涡、水汽能量垂直螺旋度来判断不稳定条件、水汽条件和动力抬升条件是否共同促进强对流发生。
预测区不稳定条件存在的判断:θse500-700实际值位于-10~0℃之间。
预测区水汽条件的判断:水汽垂直螺旋度>0,水汽垂直螺旋度是垂直螺旋度与水汽相关物理量比湿结合得到的诊断量,确定预测区存在有利于强对流发生的水汽条件。
水汽垂直螺旋度更好地体现水汽的向上输送,对强降水发生发展的指示作用将会更加明显。分析计算对流过程中冰雹发生6小时前,预测区域水汽垂直螺旋度大于零,且预测区域处于高值区域时提出其处于有利的水汽条件下,促进对流发展。
上式中,Hp为水汽垂直螺旋度,ω是等压坐标系中垂直方向的速度,ρ是密度,q是比湿、v是风速。
预测区动力抬升条件存在的判断:热力切变平流参数>0,且预测区正值大值区域位于对流层中下层。
热力切变平流参数把水平风场的垂直切变、广义位温的水平梯度、水平散度、广义位温的垂直梯度等动力因素和热力因素有机地结合起来,可以综合地表征雹暴过程中降雹地上空风场垂直切变和低层辐合、高层辐散的动力学结构特征。其异常值为正值,当诊断区域热力切变平流参数>0,且预测区正值高值区域位于对流层中下层时,判定其处于有利的动力抬升条件下。
上式中,J为热力切变平流参数,u、v分别为等压坐标系中X方向、Y方向的速度分量,θ*为广义位温。
不稳定条件、水汽条件和动力抬升条件共同促进强对流发生的判断:当预测区对流层中低层湿位涡MPV1<0、MPV2>0,预测区是对流不稳定区与正湿斜压区的交叉区域;
当水汽能量垂直螺旋度在预测区为负值,预测区上空负值中心位于对流层中低层时,水汽能量垂直螺旋度为垂直螺旋度与水汽相关物理量比湿、能量相关物理量广义位温结合得到的诊断量。
当具备了有利的热动力、水汽条件后,可利用水汽能量垂直螺旋度、湿位涡全面反映大气的热动力属性和水汽的作用。湿位涡的变化可反映对称不稳定的加强与减弱,对强对流天气的发生具有明显的指示意义。当预测区域对流层中低层为对流不稳定区(MPV1<0);对流层高层为弱稳定区。预测区位于正的湿斜压区(MPV2>0)与对流不稳定区重合的对应区域,有利于不稳定能量的释放、对流的发展。当水汽能量垂直螺旋度在诊断区为负值,且诊断区上空负值中心位于对流层中低层时,说明诊断区有利的水汽、动力、不稳定条件共同作用下促进强对流发展。
上式中,MPV为湿位涡,ζ为垂直涡度,f为地转参数,θse为假相当位温。
上式中,Mp为水汽能量垂直螺旋度,q为比湿、θ*为广义位温。
如图3所示,具体地,将具有对流潜势的案例进行诊断分析,运用θse500-700描述其不稳定条件。分析计算对流过程中冰雹发生12小时、6小时前θse500-700了解层结的稳定性,12小时前至6小时前,θse500-700趋于变为负值,负值中心逐渐包含诊断区域。6小时前通过对比诊断区域θse500-700实际值是否小于0℃,判断不稳定条件。案例中θse500-700为负值,-5℃处于阈值范围内,故案例处于不稳定条件下。
案例中水汽垂直螺旋度为0.1-0.2×104·kg·m-2·s-6>0,且处于高值区域,因此判定其处于有利的水汽条件下。
案例中热力切变平流参数J>0,预测区域上空皆为正值,诊断区域正值中心位于600hPa偏北位置,说明其处于有利的动力抬升条件下。
案例中湿位涡在预测区域上空直至450hPa皆是MPV1<0;400hPa以上对流层高层为弱稳定区。MPV1负值中心值为1.5PVU,位于600hPa左右。预测区域上空位于正的湿斜压区(MPV2>0),有利于不稳定能量的释放、对流的发展。如图4所示,整个预测地区处于水汽能量垂直螺旋度的负值区,预测区位于负值中心区域,有利于水汽、动力、不稳定条件共同作用下促进强对流发展。
S3,若预测区存在强对流潜势,通过SI指数、BLI指数、温度露点差和垂直风切变来判断预测区的冰雹发生潜势。
利用冰雹天气下SI指数、BLI指数、温度露点差和垂直风切变特征进行统计分析得出针对冰雹的诊断量阈值对预测区进行冰雹潜势判断。预测区冰雹发生潜势的判断:SI≤-0.02℃、BLI≤0、温度露点差(T-Td)700hPa≤5℃、垂直风切变V300hPa-V700hPa≥12m/s。
在SI≤-0.02℃、BLI≤0、温度露点差(T-Td)700hPa≤5℃、垂直风切变V300hPa-V700hPa≥12m/s时,提出加强回波观测,准备冰雹预警。
案例中BLI=0≤0、温度露点差(T-Td)700hPa=1≤5℃、垂直风切变V300hPa-V700hPa=13m/s≥12m/s,提出加强回波观测,准备冰雹预警。
S4,若预测地区存在冰雹发生潜势,则进一步对其进行回波分析:将0℃层高度诊断量代入45dBZ回波顶高与0℃层高度的线性方程中得45dBZ回波顶高阈值,若实际回波顶高度大于等于45dBZ回波顶高阈值则可提出冰雹预警;
在回波分析过程中出现强对流回波特征时可直接提出冰雹预警。
0℃层高度和45dBZ回波顶高的线性关系如下:
H0≥2500m,Y=2090.723+1.161X;
H0<2500m,Y=5621.526+1.821X;
式中,H0为0℃层高度,X为0℃层高度诊断量,Y为45dBZ回波顶高阈值。
根据统计得出的回波特征,根据0℃层高度是否超过2500m,将0℃层高度诊断量带入45dBZ回波顶高与0℃层高度线性方程中,通过诊断是否达到相关阈值来判断冰雹发生的可能性。
根据雹云的发展和6分钟的时间间隔可能会错过雹云强烈发展阶段;选取了降雹前一小时至降雹前一时次雷达数据,分析强回波顶高与0℃层高度之间的关系。既保证了能捕捉到冰雹发展的成熟阶段,又做到了在降雹前就能提出预报预警,为防雹作业提供了时间。
根据0℃层高度有一定的季节变化,雷达的回波高度和中心强度会根据0℃层高度的变化产生一定变化。考虑了0℃层的变化后得出的强回波顶高与0℃层高度之间的关系,不仅描述了两者之间的关系,而且提高了对两者复杂关系描述的准确性。据统计可知在0℃层高度高于和低于2500m时,强回波顶高度与0℃层高度之差有明显差异。因此在分析强回波顶高与0℃层高度之间的线性关系考虑了0℃层高度的季节变化,以2500m为限分析高于低于其的两种情况下的关系。
雹云的发展阶段至成熟阶段其回波强度范围可从35dBZ-60dBZ。本发明根据案例分析了35dBZ-60dBZ回波顶高度与0℃层高度的相关性,得出45dBZ的回波顶高度与0℃层高度具有更强的相关性,0℃层高度随着45dBZ的回波顶高度变化的可能性更大。因此选取了45dBZ的回波顶高度与0℃层高度之间的线性关系来作为冰雹判据。
进一步将有可能发生雹暴的案例,利用其反射率、径向速度特征分析短时内出现雹暴的可能性。当观测到强对流回波特征:三体散射长钉、“V”型缺口,径向速度图中出现中气旋等的时候,可直接提出预警。
案例中H0=1232.6代入X,实际H45dBZ>Y;如图5所示,反射率剖面图中可看出有弱回波区,径向速度图中无明显典型特征。因此本次案例可提出冰雹预警。
本发明结合了各尺度的特征,考虑了能体现冰雹发生发展的多方面数据,提取相关诊断量得出具有代表性的物理量阈值。本发明主要根据环流形势与相关物理量、回波特征与阈值相结合的手段判定冰雹发生的可能性来预报预警。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (8)
1.基于各尺度特征的冰雹预测方法,其特征在于,包括以下步骤:
S1,对环流形势进行潜势分析:确定是否存在小槽,若存在小槽,则确定预测区是否存在能够触发对流的地面触发***和能够发展对流的高空维持***,若存在则提出对流潜势;
S2,若预测区存在对流潜势,则利用诊断分析模块分析θse500-700、水汽垂直螺旋度、热力切变平流参数、湿位涡和水汽能量垂直螺旋度,以诊断预测区是否存在水汽条件、动力抬升和不稳定条件共同促进强对流发展,若存在则提出强对流潜势;
S3,若预测区存在强对流潜势,通过SI指数、BLI指数、温度露点差和垂直风切变来判断预测区的冰雹发生潜势;
S4,若预测地区存在冰雹发生潜势,则进一步对其进行回波分析:将0℃层高度诊断量代入45dBZ回波顶高与0℃层高度的线性方程中得45dBZ回波顶高阈值,若实际回波顶高度大于等于45dBZ回波顶高阈值则可提出冰雹预警;
在回波分析过程中出现强对流回波特征时可直接提出冰雹预警。
2.根据权利要求1所述的基于各尺度特征的冰雹预测方法,其特征在于,通过θse500-700、水汽垂直螺旋度、热力切变平流参数来分别判断预测区是否存在有利于强对流发生的不稳定条件、水汽条件和动力抬升条件,通过湿位涡、水汽能量垂直螺旋度来判断不稳定条件、水汽条件和动力抬升条件是否共同促进强对流发生。
3.根据权利要求2所述的基于各尺度特征的冰雹预测方法,其特征在于,预测区不稳定条件存在的判断:θse500-700实际值位于-10~0℃之间。
4.根据权利要求2所述的基于各尺度特征的冰雹预测方法,其特征在于,预测区水汽条件的判断:水汽垂直螺旋度>0,水汽垂直螺旋度是垂直螺旋度与水汽相关物理量比湿结合得到的诊断量,确定预测区存在有利于强对流发生的水汽条件。
5.根据权利要求2所述的基于各尺度特征的冰雹预测方法,其特征在于,预测区有利动力抬升条件存在的判断:热力切变平流参数>0,且预测区正值大值区域位于对流层中下层。
6.根据权利要求2所述的基于各尺度特征的冰雹预测方法,其特征在于,不稳定条件、水汽条件和动力抬升条件共同促进强对流发生的判断:当预测区对流层中低层湿位涡分量MPV1<0、MPV2>0,预测区是对流不稳定区与正湿斜压区的交叉区域;
当水汽能量垂直螺旋度在预测区为负值,且预测区上空负值中心位于对流层中低层时,水汽能量垂直螺旋度为垂直螺旋度与水汽相关物理量比湿、能量相关物理量广义位温结合得到的诊断量。
7.根据权利要求1所述的基于各尺度特征的冰雹预测方法,其特征在于,利用冰雹天气下诊断量特征进行统计分析得出针对冰雹的诊断量阈值。预测区冰雹发生潜势的判断:SI≤-0.02℃、BLI≤0、温度露点差(T-Td)700hPa≤5℃、垂直风切变V300hPa-V700hPa≥12m/s。
8.根据权利要求1所述的基于各尺度特征的冰雹预测方法,其特征在于,0℃层高度和45dBZ回波顶高的线性关系如下:
H0≥2500m,Y=2090.723+1.161X;
H0<2500m,Y=5621.526+1.821X;
式中,H0为0℃层高度,X为0℃层高度诊断量,Y为45dBZ回波顶高阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811255.9A CN110488298B (zh) | 2019-08-30 | 2019-08-30 | 基于各尺度特征的冰雹预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811255.9A CN110488298B (zh) | 2019-08-30 | 2019-08-30 | 基于各尺度特征的冰雹预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110488298A true CN110488298A (zh) | 2019-11-22 |
CN110488298B CN110488298B (zh) | 2022-11-11 |
Family
ID=68555277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910811255.9A Active CN110488298B (zh) | 2019-08-30 | 2019-08-30 | 基于各尺度特征的冰雹预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488298B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766581A (zh) * | 2021-01-25 | 2021-05-07 | 福建省气象科学研究所 | 一种计算机自动识别预报人工防雹作业潜势的方法 |
CN114384610A (zh) * | 2021-12-28 | 2022-04-22 | 中国人民解放军94201部队 | 冰雹短期落区预报方法、装置、电子设备及存储介质 |
CN114648181A (zh) * | 2022-05-24 | 2022-06-21 | 国能大渡河大数据服务有限公司 | 一种基于机器学习的降水预报修正方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017203A (zh) * | 2006-09-26 | 2007-08-15 | 南京大桥机器有限公司 | 便携式x波段多普勒天气雷达信号处理方法及装置 |
US7751978B1 (en) * | 2006-04-24 | 2010-07-06 | Peter Paul Neilley | Weather severity and characterization system |
CN104049285A (zh) * | 2014-07-01 | 2014-09-17 | 南京大学 | 一种预报中国地区龙卷潜势的方法 |
CN105182450A (zh) * | 2015-10-15 | 2015-12-23 | 成都信息工程大学 | 一种强对流天气短时预警*** |
CN105260603A (zh) * | 2015-10-14 | 2016-01-20 | 成都信息工程大学 | 一种气候事件风险评估方法及*** |
CN105354241A (zh) * | 2015-10-15 | 2016-02-24 | 西藏自治区气象台 | 一种高原强对流天气短时临近预报预警*** |
EP3070501A1 (en) * | 2015-03-18 | 2016-09-21 | Honeywell International Inc. | Prediction of ice crystal presence in a volume of airspace |
CN107423401A (zh) * | 2014-09-10 | 2017-12-01 | 气象预报公司 | 可定制的天气分析***、方法及计算机可读介质 |
CN108020840A (zh) * | 2017-11-20 | 2018-05-11 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
CN109116358A (zh) * | 2018-08-09 | 2019-01-01 | 成都信息工程大学 | 基于新一代天气雷达的冰雹识别及落区预报方法 |
-
2019
- 2019-08-30 CN CN201910811255.9A patent/CN110488298B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7751978B1 (en) * | 2006-04-24 | 2010-07-06 | Peter Paul Neilley | Weather severity and characterization system |
US7792642B1 (en) * | 2006-04-24 | 2010-09-07 | Wsi, Corporation | Weather severity and characterization system |
CN101017203A (zh) * | 2006-09-26 | 2007-08-15 | 南京大桥机器有限公司 | 便携式x波段多普勒天气雷达信号处理方法及装置 |
CN104049285A (zh) * | 2014-07-01 | 2014-09-17 | 南京大学 | 一种预报中国地区龙卷潜势的方法 |
CN107423401A (zh) * | 2014-09-10 | 2017-12-01 | 气象预报公司 | 可定制的天气分析***、方法及计算机可读介质 |
EP3070501A1 (en) * | 2015-03-18 | 2016-09-21 | Honeywell International Inc. | Prediction of ice crystal presence in a volume of airspace |
CN105260603A (zh) * | 2015-10-14 | 2016-01-20 | 成都信息工程大学 | 一种气候事件风险评估方法及*** |
CN105182450A (zh) * | 2015-10-15 | 2015-12-23 | 成都信息工程大学 | 一种强对流天气短时预警*** |
CN105354241A (zh) * | 2015-10-15 | 2016-02-24 | 西藏自治区气象台 | 一种高原强对流天气短时临近预报预警*** |
CN108020840A (zh) * | 2017-11-20 | 2018-05-11 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
CN109116358A (zh) * | 2018-08-09 | 2019-01-01 | 成都信息工程大学 | 基于新一代天气雷达的冰雹识别及落区预报方法 |
Non-Patent Citations (1)
Title |
---|
范玉芬等: ""基于多普勒雷达资料的强冰雹过程特征分析"", 《大气科学研究与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766581A (zh) * | 2021-01-25 | 2021-05-07 | 福建省气象科学研究所 | 一种计算机自动识别预报人工防雹作业潜势的方法 |
CN112766581B (zh) * | 2021-01-25 | 2023-05-30 | 福建省气象科学研究所 | 一种计算机自动识别预报人工防雹作业潜势的方法 |
CN114384610A (zh) * | 2021-12-28 | 2022-04-22 | 中国人民解放军94201部队 | 冰雹短期落区预报方法、装置、电子设备及存储介质 |
CN114384610B (zh) * | 2021-12-28 | 2024-02-20 | 中国人民解放军94201部队 | 冰雹短期落区预报方法、装置、电子设备及存储介质 |
CN114648181A (zh) * | 2022-05-24 | 2022-06-21 | 国能大渡河大数据服务有限公司 | 一种基于机器学习的降水预报修正方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110488298B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Burgess et al. | Radar observations of the 3 May 1999 Oklahoma City tornado | |
Vanderwende et al. | Observing and simulating the summertime low-level jet in central Iowa | |
Jiang | The relationship between tropical cyclone intensity change and the strength of inner-core convection | |
Garvert et al. | Multiscale mountain waves influencing a major orographic precipitation event | |
Marquis et al. | Tornado maintenance investigated with high-resolution dual-Doppler and EnKF analysis | |
Couvreux et al. | Resolved versus parametrized boundary-layer plumes. Part I: A parametrization-oriented conditional sampling in large-eddy simulations | |
Gedzelman et al. | Probing hurricanes with stable isotopes of rain and water vapor | |
Sun et al. | A frequent-updating analysis system based on radar, surface, and mesoscale model data for the Beijing 2008 forecast demonstration project | |
CN110488298A (zh) | 基于各尺度特征的冰雹预警方法 | |
Jewell et al. | Evaluation of Alberta hail growth model using severe hail proximity soundings from the United States | |
Ye et al. | The turbulent structure and transport in fog layers observed over the Tianjin area | |
Gultepe | Mountain weather: Observation and modeling | |
Sanchez et al. | Top-down and bottom-up aerosol–cloud closure: towards understanding sources of uncertainty in deriving cloud shortwave radiative flux | |
McCaffrey et al. | Identification and characterization of persistent cold pool events from temperature and wind profilers in the Columbia River Basin | |
Juliano et al. | An atmospheric hydraulic jump in the Santa Barbara Channel | |
Peña | Sensing the wind profile | |
Fang et al. | Variations in friction velocity with wind speed and height for moderate-to-strong onshore winds based on measurements from a coastal tower | |
He et al. | Characteristics and vertical profiles of mean wind and turbulence for typhoon, monsoon, and thunderstorm winds | |
Emeis | Upper limit for wind shear in stably stratified conditions expressed in terms of a bulk Richardson number | |
Kim et al. | Improving numerical weather prediction–based near-cloud aviation turbulence forecasts by diagnosing convective gravity wave breaking | |
Fathalli et al. | Formation of fog due to stratus lowering: An observational and modelling case study | |
Duncan Jr et al. | Doppler radar measurements of spatial turbulence intensity in the atmospheric boundary layer | |
Madougou et al. | Results of UHF radar observation of the nocturnal low-level jet for wind energy applications | |
Bratton et al. | The wind shear exponent: Comparing measured against simulated values and analyzing the phenomena that affect the wind shear | |
Qin et al. | Assimilation of Doppler radar observations with an ensemble square root filter: A squall line case study |
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 |