CN112633347B - 登陆台风近地层风特性及其与晴空风特性差异的分析方法 - Google Patents
登陆台风近地层风特性及其与晴空风特性差异的分析方法 Download PDFInfo
- Publication number
- CN112633347B CN112633347B CN202011498381.2A CN202011498381A CN112633347B CN 112633347 B CN112633347 B CN 112633347B CN 202011498381 A CN202011498381 A CN 202011498381A CN 112633347 B CN112633347 B CN 112633347B
- Authority
- CN
- China
- Prior art keywords
- typhoon
- wind
- influence
- landing
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W2001/003—Clear air turbulence detection or forecasting, e.g. for aircrafts
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种登陆台风近地层风特性及其与晴空风特性差异的分析方法,包括登陆台风路径和多源垂直梯度探测数据预处理;采用台风移动路径象限客观分析法进行数据分类;综合利用阈值和百分位法挑选台风影响样本簇;利用临近距离法和云量阈值挑选晴空样本簇;通过时空匹配法获取配对的台风影响及晴空样本簇;不同影响象限内分别开展风廓线对比研究。基于登陆台风影响空间的客观分类而开展登陆台风近地层风特性的差异性分析方法,既实现了登陆台风不同影响部位的客观分类,解决了主观分类不能大规模推广应用的技术问题,又克服了仅关注台风风特征本身而忽略其与良态风特性的差异问题,整体上提升了对登陆台风近地层风特征分类分析的适应性。
Description
技术领域
本发明属于气象数据分析与处理技术领域,涉及一种登陆台风近地层风特性分析的方法,尤其涉及一种基于影响空间客观分类而开展的登陆台风近地层风特性及其与晴空风特性差异的分析方法。
背景技术
登陆台风近地层风特性的准确刻画是高层结构抗台设计的首要任务,尤其是台风影响风廓线及其与晴空风廓线的差异是其中最重要的因素之一。登陆台风受到地形摩擦作用,近地层风场特征复杂,且具有独特的非对称螺旋结构,使得常规均匀的风特性统计分析方法不再适用。因此,登陆台风近地层风特性的客观分类分析方法是工程抗台防灾减灾的核心技术之一。
基于致灾影响的登陆台风近地层风特性分析中的重点环节是针对登陆台风的非对称结构对数据样本进行分型分类,进而获取具有代表性的样本簇开展相关的风特性分析。目前受限于登陆台风影响期间的观测数据稀少问题,以往的分类分析方法都是基于某个台风生命周期内的风速变化曲线,主观选择风速阈值从时间维度上对台风的影响进行分类,个性化较强,一方面使其大规模推广应用受到限制;另一方面,上述方法本身未考虑台风移动路径上不同方位空间上的差异及台风影响风特性与非台风影响风特性的差异,难以真实反映登陆台风的非对称风场特征。
发明内容
针对现有技术中所存在的上述技术问题,本发明提出了一种登陆台风近地层风特性及其与晴空风特性差异的分析方法,该方法基于登陆台风的影响空间客观分类而开展,包括登陆台风路径和多源垂直梯度探测数据预处理;采用台风移动路径象限客观分析法进行数据分类;综合利用阈值和百分位法挑选台风影响样本簇;利用临近距离法和云量阈值挑选晴空样本簇;通过时空匹配法获取配对的台风影响及晴空样本簇;不同影响象限内分别开展风廓线对比研究。本发明的上述方法,既实现了登陆台风不同影响部位的客观分类,解决了主观分类不能大规模推广应用的技术问题,又克服了仅关注台风风特征本身而忽略其与良态风特性的差异问题,整体上提升了对登陆台风近地层风特征分类分析的适应性,且具有较强的通用性。
本发明为解决其技术问题所采用的技术方案为:
一种登陆台风近地层风特性及其与晴空风特性差异的分析方法,所述分析方法基于登陆台风的影响空间的客观分类而开展,其特征在于,所述分析方法至少包括如下步骤:
SS1.登陆台风移动路径和多源垂直梯度探测数据预处理:确定登陆台风移动路径,并根据登陆台风移动路径初选其影响范围内的多源垂直探测资料;
SS2.采用台风移动路径象限客观分析法进行数据分类:利用台风移动路径和站点经纬度信息,逐小时动态计算台风中心位置处不同影响象限内探测站点的分布,将其影响范围内的探测资料按照时间和空间特征划分为右前、右后、左前和左后四个影响象限组;
SS3.综合利用阈值和百分位法挑选台风影响样本簇:在步骤SS2所划分的四个影响象限组中,以固定探测点为基准,综合参考特征高度层的风速阈值和百分位风速值挑选出该探测点受台风影响的大风样本簇;
SS4.利用临近距离法和云量阈值挑选晴空样本簇;
SS5.通过时空匹配法获取配对的台风影响及晴空样本簇;
SS6.不同影响象限内分别开展风廓线对比研究。
优选地,所述步骤SS1中,所述数据预处理包括:根据登陆台风最佳移动路径初选其影响范围内的多源垂直探测资料,如风廓线雷达探测资料、测风塔梯度观测资料、无线电探空资料和地面气象站定时总云量观测资料等,并剔除观测资料中的僵值和虚假值。
进一步地,所述步骤SS1中,根据距离阈值法初选台风影响范围内的垂直探测点,并通过前后时次风速差和风速切变阈值来剔除垂直梯度观测资料中的僵值和虚假值。
优选地,所述步骤SS2中,通过探测点(xs,ys)至台风当前位置(x0,y0)的距离R小于设置阈值来辨识该探测点是否在台风影响范围内;利用三角函数关系,分别计算正北方向与台风移动方向和探测点位置方向的顺时针夹角;利用上述角度差值,对探测资料进行象限归类。
优选地,所述步骤SS3中,在步骤SS2所划分的四个影响象限组中,将来自同一探测点的样本组按照目标高度层的风速升序排序。以风速阈值(样本量较小)或百分位法(样本量较大)挑选出大风样本簇。
优选地,所述步骤SS4中,根据垂直探测站点和总云量观测气象站的地理位置,利用临近距离法,逐一挑选出垂直探测站点的代表云量气象观测站,利用代表云量气象站观测的总云量来表征垂直探测站点的总云量,并根据总云量阈值挑选出各垂直探测点不受台风影响的晴空样本簇。
进一步地,所述步骤SS4中,利用距离临近法,挑选距离探测点最近的地面气象站作为该探测点对应的云量代表站;并将该气象站总云量小于2成的观测样本标记为对应探测点的晴空样本。
优选地,所述步骤SS5中,分别在步骤SS2所划分的四个影响象限分组中,以步骤SS3挑选的大风样本簇为基准,在步骤SS4完成的晴空样本簇中挑选与大风样本簇所在时刻所属探测点一致的晴空样本对,获取一一配对的台风影响及晴空样本簇。
优选地,所述步骤SS6中,分别在步骤SS2所划分的四个影响象限分组中,利用步骤SS5得到的配对数据,开展不同影响象限内、不同下垫面粗糙度环境下的风廓线及其与晴空风廓线的差异分析。
优选地,所述步骤SS5、SS6中,在步骤SS2所划分的四个影响象限分组中,以探测点(地表下垫面类型)为基准,依次在大风样本所属时刻的附近时段内(背景气候特征一致)挑选相同时刻标记为晴空的样本进行一一匹配,并开展风廓线对比分析。
同现有技术相比,本发明的有益效果:本发明基于登陆台风影响空间的客观分类而开展台风影响风特性的差异性分析方法,既实现了登陆台风不同影响部位的客观分类,解决了主观分类不能大规模推广应用的技术问题,又克服了仅关注台风风特征本身而忽略其与良态风特性的差异问题,整体上提升了对登陆台风近地层风特征分类分析的适应性。本发明只需对台风最佳路径和垂直探测点的经纬度信息进行分析即可实现探测样本的客观分类,不仅降低了传统方法对探测数据时序的高度依赖性,而且可以准确快速辨识出台风影响范围内的垂直探测点,具有较强的通用性。
附图说明
图1为本发明的基于登陆台风影响空间的客观分类而开展台风影响风特性的差异性分析方法流程图。
图2为预处理后的垂直探测数据示意图。
图3为台风移动路径象限客观分析法示意图。
图4为台风路径影响范围内的垂直探测点及四象限分类散点示意图,其中,(a)为“利奇马”台风路径影响范围内的垂直探测点示意图,(b)为四象限分类散点示意图。
图5为“利奇马”台风路径影响范围内的大风样本点示意图。
图6为“利奇马”右前象限内台风影响风廓线(实线)与晴空风廓线(虚线)对比示意图,其中,(a)为1663#测风塔探测的风廓线,(b)为6602#测风塔探测的风廓线。
图7为“利奇马”左前象限内台风影响风廓线(实线)与晴空风廓线(虚线)对比示意图,其中,(a)为58760#风廓线雷达探测的风廓线,(b)为58557#风廓线雷达探测的风廓线,(c)为1663#测风塔探测的风廓线,(d)为6602#测风塔探测的风廓线。
图8为“利奇马”右后象限内1663#测风塔探测的台风影响风廓线(实线)与晴空风廓线(虚线)对比示意图。
图9为“利奇马”左后象限内58760#风廓线雷达探测的台风影响风廓线(实线)与晴空风廓线(虚线)对比示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明的基于影响空间客观分类而开展的登陆台风风特性及其与晴空风特性差异的分析方法,该方法在实施时至少包括如下步骤:
SS1.登陆台风路径和多源垂直梯度探测数据预处理;
SS2.采用台风移动路径象限客观分析法进行数据分类;
SS3.综合利用阈值和百分位法挑选台风影响样本簇;
SS4.利用临近距离法和云量阈值挑选晴空样本簇;
SS5.通过时空匹配法获取配对的台风影响及晴空样本簇;
SS6.不同影响象限内分别开展风廓线对比研究。
1、上述步骤SS1中,登陆台风路径和多源垂直梯度探测数据预处理
根据登陆台风最佳移动路径初选其影响范围内的多源垂直探测资料,如风廓线雷达探测资料、测风塔梯度观测资料、无线电探空资料和地面气象站定时总云量观测资料等。收集到的多源垂直探测数据中会存在一些由故障、传感器失灵等原因造成的僵值或虚假值,即连续多个时次的探测值固定不变或相邻高度层的风速切变超过合理阈值。对于僵值,通过某特定高度层ut+1-ut=0进行筛选和剔除,其中,ut+1表示t+1时刻的风速,ut表示t时刻的风速;对于虚假值,相邻高度层的风切变通过如下公式计算:α=ln(u2/u1)/ln(z2/z1),其中,u1表示第1个高度层的风速,u2表示第2个高度层的风速,z1表示第1个高度层的海拔高度,z2表示第2个高度层的海拔高度,进而剔除超过风切变阈值的虚假探测值,保证垂直探测数据的有效性,如图2所示,图中,TY1、TY2、TY3分别表示台风影响时刻的三条风廓线,NON1、NON2、NON3分别表示非台风影响期间的三条晴空风廓线。
2、上述步骤SS2中,采用台风移动路径象限客观分析法进行数据分类
利用台风移动路径和站点经纬度信息,逐小时动态计算台风最佳中心位置处不同影响象限内探测站点的分布,将其影响范围内的站点探测资料按照时间和空间特征划分为右前、右后、左前和左后四个象限组,更加具体地:
台风移动路径象限客观分析法如图3示意,图中四角星(xs,ys)为某探测点S所在位置,右下圆点(x0,y0)为当前时刻台风所在位置,左上圆点(x1,y1)为下一时刻台风所在位置,通过计算theta角度即可对探测点S当前时刻的探测数据所属的台风影响象限进行辨识。整个辨识过程可分为以下几步:
I.利用台风路径及探测点位置信息,计算探测点(xs,ys)至台风当前位置(x0,y0)的距离R,若R小于设置阈值,则该探测点在台风影响范围内,否则不属于台风影响点,其中探测点S至台风当前位置的距离R通过如下公式计算:
R=6371×acos[cos(ys)×cos(y0)×cos(xs-x0)+sin(ys)×sin(y0)]
II.利用三角函数关系,分别计算正北方向与台风移动方向和探测点位置方向的顺时针夹角thetas和theta1。
thetai=atan((yi-y0)/(xi-x0))×180/3.14159
当yi-y0<0,xi-x0<0时,thetai=270-abs(thetai);
当yi-y0≥0,xi-x0≥0时,thetai=90-abs(thetai);
当yi-y0<0,xi-x0≥0时,thetai=90+abs(thetai);
当yi-y0≥0,xi-x0<0时,thetai=270+abs(thetai)。
III.计算theta,并进行象限归类。
theta=thetas-thetai,当theta<0时,theta=theta+360
当theta≤90时,标记为“右前”象限;
当90<theta≤180时,标记为“右后”象限;
当180<theta≤270时,标记为“左后”象限;
当270<theta≤360时,标记为“右前”象限。
以“利奇马”台风为例,将其影响范围内(200km以内)的风廓线雷达(图4(a)中以五边形示出)和测风塔(图4(a)中以三角形示出)探测资料分为四个影响象限组,如图4(b)所示。
3、上述步骤SS3中,综合利用阈值和百分位法挑选台风影响的大风样本簇
在步骤SS2所划分的四个影响象限组中,以固定探测点为基准,综合参考特征高度层的风速阈值和百分位风速值挑选出该探测点受台风影响的大风样本簇。具体地,在图4(b)的四个影响象限组中,将来自同一探测点的样本组按照目标高度层的风速升序排序,即u1<u2…<un,u1、u2、…、un分别为该探测点目标高度层不同时刻的风速。以风速阈值(样本量较小)或百分位法(样本量较大)挑选出大风样本簇,如图5所示。
4、上述步骤SS4中,挑选云量代表站和晴空样本簇
根据垂直探测站点和总云量观测气象站的地理位置,利用临近距离法,逐一挑选出垂直探测站点的代表云量气象观测站,利用代表云量气象站观测的总云量来表征垂直探测站点的总云量,并根据总云量阈值挑选出各垂直探测点不受台风影响的晴空样本簇。具体地,利用地面气象站及探测点位置信息,计算垂直探测点S(xs,ys)至地面气象站(xi,yi)的距离Ri,取Ri最小值所在气象站为该探测点对应的云量代表站,其中探测点S至地面气象站的距离Ri通过如下公式计算:
Ri=6371×acos[cos(ys)×cos(yi)×cos(xs-xi)+sin(ys)×sin(yi)]
将该气象站总云量小于2成的观测样本标记为对应探测点的晴空样本。
5、上述步骤SS5中,通过时空匹配法获取配对的台风影响及晴空样本簇
分别在步骤SS2所划分的四个影响象限分组中,以步骤SS3挑选的大风样本簇为基准,在步骤SS4完成的晴空样本簇中挑选与大风样本簇所在时刻所属探测点一致的晴空样本对,获取一一配对的台风影响及晴空样本簇。具体地,在图4(b)的四个影响象限组中,以探测点(地表下垫面类型)为基准,依次在大风样本所属时刻的附近时段内(背景气候特征一致)挑选相同时刻标记为晴空的样本进行一一匹配,比如大风样本为8月8日08时,则可在8月1日至8月15日(时段范围可调整)内挑选08时标记为晴空的样本进行配对,最终获取一一匹配的台风影响和晴空样本对。
6、上述步骤SS6中,不同影响象限内分别开展台风影响风廓线对比分析
分别在步骤SS2所划分的四个影响象限分组中,利用步骤SS5得到的配对数据,开展不同影响象限内、不同下垫面粗糙度环境下的风廓线及其与晴空风廓线的差异分析。具体地,如图6-9所示,分别在右前、左前、右后和左后四个影响象限内,针对不同下垫面特点,对筛选匹配的样本进行廓线分析,获取登陆台风风特性的精细化描述。
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种登陆台风近地层风特性及其与晴空风特性差异的分析方法,所述分析方法基于登陆台风的影响空间的客观分类而开展,其特征在于,所述分析方法至少包括如下步骤:
SS1. 登陆台风移动路径和多源垂直梯度探测数据预处理:确定登陆台风移动路径,并根据登陆台风移动路径初选其影响范围内的多源垂直探测资料;
SS2. 采用台风移动路径象限客观分析法进行数据分类:利用台风移动路径和探测点经纬度信息,逐小时动态计算台风中心位置处不同影响象限内探测点的分布,将其影响范围内的探测资料按照时间和空间特征划分为右前、右后、左前和左后四个影响象限组;
SS3. 综合利用阈值和百分位法挑选台风影响样本簇:在步骤SS2所划分的四个影响象限组中,以固定探测点为基准,综合参考特征高度层的风速阈值和百分位风速值挑选出该探测点受台风影响的大风样本簇;
SS4. 利用临近距离法和云量阈值挑选晴空样本簇:
根据垂直探测站点和总云量观测气象站的地理位置,利用临近距离法,逐一挑选出垂直探测站点的代表云量气象观测站,利用代表云量气象站观测的总云量来表征垂直探测站点的总云量,并根据总云量阈值挑选出各垂直探测点不受台风影响的晴空样本簇;
SS5. 通过时空匹配法获取配对的台风影响及晴空样本簇:
分别在步骤SS2所划分的四个影响象限分组中,以步骤SS3挑选的大风样本簇为基准,在步骤SS4完成的晴空样本簇中挑选与大风样本簇所在时刻所属探测点一致的晴空样本对,获取一一配对的台风影响及晴空样本簇;
SS6. 不同影响象限内分别开展风廓线对比研究。
2.根据权利要求1所述的分析方法,其特征在于,所述步骤SS1中,所述数据预处理包括:根据登陆台风最佳移动路径初选其影响范围内的多源垂直探测资料,并剔除观测资料中的僵值和虚假值。
3.根据权利要求2所述的分析方法,其特征在于,所述步骤SS1中,所述多源垂直探测资料,为风廓线雷达探测资料、测风塔梯度观测资料、无线电探空资料或地面气象站定时总云量观测资料。
4.根据权利要求2所述的分析方法,其特征在于,所述步骤SS1中,根据距离阈值法初选台风影响范围内的垂直探测点,并通过前后时次风速差和风速切变阈值来剔除多源垂直探测资料中的僵值和虚假值。
5.根据权利要求1所述的分析方法,其特征在于,所述步骤SS2中,通过探测点(xs,ys)至台风当前位置(x0,y0)的距离R小于设置阈值来辨识该探测点是否在台风影响范围内;利用三角函数关系,分别计算正北方向与台风移动方向和探测点位置方向的顺时针夹角;利用上述角度差值,对探测资料进行象限归类。
6.根据权利要求1所述的分析方法,其特征在于,所述步骤SS3中,在步骤SS2所划分的四个影响象限组中,将来自同一探测点的样本组按照目标高度层的风速升序排序,以风速阈值或百分位法挑选出大风样本簇。
7.根据权利要求1所述的分析方法,其特征在于,所述步骤SS4中,利用临近距离法,挑选距离探测点最近的地面气象站作为该探测点对应的云量代表站;并将该气象站总云量小于2成的观测样本标记为对应探测点的晴空样本。
8.根据权利要求1所述的分析方法,其特征在于,所述步骤SS6中,分别在步骤SS2所划分的四个影响象限分组中,利用步骤SS5得到的配对数据,开展不同影响象限内、不同下垫面粗糙度环境下的风廓线及其与晴空风廓线的差异分析。
9.根据权利要求1所述的分析方法,其特征在于,所述步骤SS5、SS6中,在步骤SS2所划分的四个影响象限分组中,以探测点为基准,依次在大风样本所属时刻的附近时段内挑选相同时刻标记为晴空的样本进行一一匹配,并开展风廓线对比分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011498381.2A CN112633347B (zh) | 2020-12-17 | 2020-12-17 | 登陆台风近地层风特性及其与晴空风特性差异的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011498381.2A CN112633347B (zh) | 2020-12-17 | 2020-12-17 | 登陆台风近地层风特性及其与晴空风特性差异的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112633347A CN112633347A (zh) | 2021-04-09 |
CN112633347B true CN112633347B (zh) | 2021-07-06 |
Family
ID=75316502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011498381.2A Active CN112633347B (zh) | 2020-12-17 | 2020-12-17 | 登陆台风近地层风特性及其与晴空风特性差异的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633347B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117521282B (zh) * | 2023-11-07 | 2024-04-12 | 国家气候中心 | 用于风电场气候特征模拟的密度依赖型风机参数化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104656163A (zh) * | 2015-02-04 | 2015-05-27 | 中国人民解放军理工大学 | 一种基于大数据的移动通信网降水分布及动态测量方法 |
CN109902327A (zh) * | 2018-07-16 | 2019-06-18 | 江苏省气象台 | 近地层大风的湍流特征计算方法 |
CN110749943A (zh) * | 2019-10-18 | 2020-02-04 | 武汉工程大学 | 一种基于气象无人机的气象探测*** |
CN111427100A (zh) * | 2020-03-30 | 2020-07-17 | 广州数鹏通科技有限公司 | 一种台风中心定位方法、装置及台风路径生成方法 |
CN111523087A (zh) * | 2020-04-10 | 2020-08-11 | 北京航空航天大学 | 一种台风强度长期变化趋势分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10888051B2 (en) * | 2017-04-11 | 2021-01-12 | Thomas Peter DeFelice | Intelligent systems for weather modification programs |
-
2020
- 2020-12-17 CN CN202011498381.2A patent/CN112633347B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104656163A (zh) * | 2015-02-04 | 2015-05-27 | 中国人民解放军理工大学 | 一种基于大数据的移动通信网降水分布及动态测量方法 |
CN109902327A (zh) * | 2018-07-16 | 2019-06-18 | 江苏省气象台 | 近地层大风的湍流特征计算方法 |
CN110749943A (zh) * | 2019-10-18 | 2020-02-04 | 武汉工程大学 | 一种基于气象无人机的气象探测*** |
CN111427100A (zh) * | 2020-03-30 | 2020-07-17 | 广州数鹏通科技有限公司 | 一种台风中心定位方法、装置及台风路径生成方法 |
CN111523087A (zh) * | 2020-04-10 | 2020-08-11 | 北京航空航天大学 | 一种台风强度长期变化趋势分析方法 |
Non-Patent Citations (3)
Title |
---|
A Case Study of Land-Surface-Temperature Impact from Large-Scale Deployment of Wind Farms in China from Guazhou;Rui Chang.et.;《Remote Sens》;20160923;第8卷(第10期);第1-13页 * |
Diurnal variations of land surface wind speed probability distributions under clear-sky and low-cloud conditions;Yanping He.et.;《GEOPHYSICAL RESEARCH LETTERS》;20130630;第40卷(第12期);第3308-3314页 * |
强台风纳沙(1117)近地层风特性观测分析;王志春等;《应用气象学报》;20131031;第24卷(第5期);第595-605页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112633347A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866494B (zh) | 一种基于光学遥感影像的城镇群提取方法及*** | |
CN110263717A (zh) | 一种融入街景影像的土地利用类别确定方法 | |
CN112883635B (zh) | 一种基于随机森林算法的热带气旋全路径模拟方法 | |
CN106920013A (zh) | 一种地面气温观测资料的质量控制方法 | |
CN109658948A (zh) | 一种面向候鸟迁徙活动的声学监测方法 | |
CN110749942A (zh) | 适用于静止卫星资料同化的晴空通道检测质量控制方法 | |
CN104200082A (zh) | 台风登陆预测方法 | |
CN113189014A (zh) | 一种融合卫星遥感和地面监测数据的臭氧浓度估算方法 | |
CN108154271A (zh) | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 | |
CN102129566A (zh) | 基于静止气象卫星识别暴雨云团的方法 | |
CN112633347B (zh) | 登陆台风近地层风特性及其与晴空风特性差异的分析方法 | |
CN113836808A (zh) | 一种基于重污染特征约束的pm2.5深度学习预测方法 | |
CN109164450A (zh) | 一种基于多普勒雷达数据的下击暴流预测方法 | |
CN113281716A (zh) | 一种光子计数激光雷达数据去噪方法 | |
CN116310853A (zh) | 一种基于多源数据的中小城市边缘区提取方法 | |
CN117725448A (zh) | 气象导航信号特征的聚类分析方法 | |
CN104198998B (zh) | 非均匀背景下基于聚类处理的恒虚警检测方法 | |
CN116609858A (zh) | 一种基于可解释性XGBoost模型的热带气旋大气波导预测方法及*** | |
CN113516060B (zh) | 基于多时相高分辨率数据的建筑空间融合判别方法及装置 | |
CN114254692A (zh) | 基于多源闪电数据的多尺度的雷暴智能分类与识别方法 | |
CN114266932A (zh) | 一种基于自学习的遥感多光谱数据半监督标注方法 | |
Zhang et al. | Improved forest signal detection for space-borne photon-counting lidar using automatic machine learning | |
CN113671599A (zh) | 一种基于全球气候模式的登陆气旋识别方法 | |
CN109543911A (zh) | 一种日照辐射预测方法及*** | |
CN110765900B (zh) | 一种基于dssd的自动检测违章建筑方法及*** |
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 |