CN113724280B - 一种地面天气图高压***的自动识别方法 - Google Patents
一种地面天气图高压***的自动识别方法 Download PDFInfo
- Publication number
- CN113724280B CN113724280B CN202111077956.8A CN202111077956A CN113724280B CN 113724280 B CN113724280 B CN 113724280B CN 202111077956 A CN202111077956 A CN 202111077956A CN 113724280 B CN113724280 B CN 113724280B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- contour
- voltage system
- air pressure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011160 research Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 abstract 1
- 238000005452 bending Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种地面天气图高压***的自动识别方法,包括步骤S1:基于二阈值,查找地面天气图中的高压中心候选点;步骤S2:基于三角网格插值法对地面天气图绘制等值线;步骤S3:确定地面天气图中的高压***及高压中心。本发明基于最***闭合等值线客观识别地面高压,降低地面高压的自动识别不确定性,客观准确地刻画高压***的二维结构特征,为业务预报提高准确性提供帮助,实现了地面高压业务分析自动化,具有重要的现实意义。
Description
技术领域
本发明属于天气***自动识别技术领域,具体涉及一种地面天气图高压***的自动识别方法。
背景技术
地面天气图的高压/反气旋***是气象业务预报分析和相关科学研究的重要关注点之一,如何客观、高效且准确地记录追踪这类***对于研究和业务预报具有重要的社会意义。
当前业务和科研工作中对地面高压研究以人工识别与主观分析为主,近来相继出现了一些地面高压的自动识别算法,但多是针对单点(高压中心点)的客观识别。由于地面高压内部往往存在多中心情况,对其识别带来较大的不确定性和更高的识别度要求,并且业务分析中还需客观描述高压***的影响范围以及形态变化,例如冬季西伯利亚高压***发展演变对东亚寒潮的形成和发展,对于寒潮与大风等灾害性天气预报具有重要指示意义。
但是,由于大陆地面高压的外型结构相对复杂,容易受到地形影响出现弯曲,迄今尚无专门针对地面高压二维结构以及高压***的自动识别与追踪客观算法。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种地面天气图高压***的自动识别方法,基于最***闭合等值线客观识别地面高压,降低地面高压的自动识别不确定性,客观准确地刻画高压***的二维结构特征,为业务预报提高准确性提供帮助,实现了地面高压业务分析自动化,具有重要的现实意义。
为实现上述技术目的,本发明采取的技术方案为:
一种地面天气图高压***的自动识别方法,包括:
步骤S1:基于二阈值,查找地面天气图中的高压中心候选点;
步骤S2:基于三角网格插值法对地面天气图绘制等值线;
步骤S3:确定地面天气图中的高压***及高压中心。
为优化上述技术方案,采取的具体措施还包括:
上述的方法还包括步骤S4:计算高压***特征值。
上述的步骤S4具体包含以下步骤:
步骤S401:将相邻等值线上两点的距离进行迭代相加,计算高压***长度track_len;
步骤S402:通过步骤3判断位于高压***内的格点,使用迭代法将高压***内各格点的面积相加,计算高压***的面积area。
上述的步骤S1具体包含以下步骤:
步骤S101:输入地面天气图原始数据,包括气压值和经纬度;
步骤S102:框定研究区域,设置研究区域内格点坐标及气压数值;
步骤S103:采用九点极值法选择候选点,对研究区域分闭合和非闭合的情况将中心格点与周围八格点进行气压值比较大小,若中心格点是这九点内的极值点,则将其作为候选点i_can;
并记录已经做过运算的格点位置;
步骤S104:根据第一阈值合并邻近候选点,计算任意候选点间距离,若距离小于第一阈值,选取气压较低值的中心点作为候选点;
步骤S105:根据第二阈值进一步合并邻近候选点,输出最终候选点。
上述的第一阈值为100km,第二阈值为35km。
上述的步骤S2具体包含以下步骤:
步骤S201:遍历地面天气图格点数据,找到气压的最大值max以及最小值min;
步骤S202:设置等值线间隔,根据最大值max以及最小值min,得到一组等值线;
步骤S203:将格点值放置在三角网格的顶点上,若三角顶点的值等于等值线的气压值,则对顶点做小位移,以确保等值线穿过每个三角网格的两个边;
步骤S204:对三角网格的边进行插值;
步骤S205:根据插值的数据以及步骤S202确定的等值线气压数值,连接等值点,以追踪等值线穿过三角网格的位置,从而得到整个区域上等值线的分布情况。
上述的步骤S203所述对顶点做小位移是指对三角顶点气压数据减一个量级为10-4的量。
上述的步骤S204所述对三角网格的边进行插值,具体为:
比较每条边上的相邻顶点的气压值p1%z、p2%z,判断是否有步骤S202中确定的等值线v_contour的数值介于两个顶点的气压值之间,若有,且值为v_contour,则对这两个顶点所在的边进行线性插值,得到气压值为v_contour的点的位置;
遍历每条边,插值点总数记为nPoint,插值点坐标数据放入数组SignPoint(nPoint)内,从而每条等值线都有一组插值点。
上述的步骤S205具体为:根据步骤S204得到的插值点数组,选定一条等值线并选定一个初始点,找到其相邻的插值点,若两个点所在边有共同的顶点,则两个点为相邻点,依次寻找相邻点并计入数组D1,从而得到每一条等值线穿过三角网格的位置,得到整个区域上等值线的分布情况。
上述的步骤S3具体包含以下步骤:
步骤S301:比较等值线首端与尾端两端点v0与v1的气压数值,判断等值线是否闭合,若任意两点插值点的气压值相等且不为0,判断等值线闭合;
步骤S302:对于闭合等值线,利用回旋数法确定闭合等值线内部点作为一个闭合点集;
步骤S303:判别所有闭合点集相互包含的情况,若无共享点,则记录新的气旋,通过由外至内,找到最***等值线;若有共享点,则记录最低压值点和最高压值点,并计算当前等值线到最低压值点和最高压值点之间的等值线数目;
步骤S304:对当前等值线到最低压值点和最高压值点之间的等值线数目进行比较判断循环,如果前者比后者大两倍,则缩小等值线,回到步骤S302,利用回旋数法确定缩小后的闭合等值线,从而达到分离闭合等值线内部多中心点的目的,直至闭合圈等值线数满足要求;否则,不对由S303得到的共享点进行处理;
步骤S305:经过S304得到一系列等值线及中心点,对等值线进行平滑处理并将闭合等值线内部最终保留的最高压值点作为高压中心,确定高压***。
本发明具有以下有益效果:
(1)本发明提出了一种改进的地面高压二维结构识别方法,该方法主要包括四个步骤:高压中心候选点识别,等值线识别,闭合高压***区域判别,基于高压二维结构的面积、影响范围等特征参数计算。本发明通过闭合***多中心识别,能自动排除使用传统方法检测到的不闭合***,降低地面高压***的识别不确定性,不闭合***的剔除也有利于后期对于该***移动追踪。
(2)基于客观判别的高压***二维结构,计算得到了地面高压的二维特征参数,丰富了地面高压***活动的描述特征。
(3)能够通过格点资料天气填图中的海平面气压值自动确定高压环流***特征值,增加客观性。
附图说明
图1为本发明方法的流程图;
图2为本发明方法详细流程示意图;
图3为本发明所应用实例地面高压识别图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
如图1-2所示,本发明提供一种地面天气图高压***的自动识别方法,可自动识别高压反气旋***,能够通过天气填图中的气压值自动确定高压环流***特征值,增加客观性,所述方法包括以下步骤:
步骤S1:基于二阈值,查找地面天气图中的高压中心候选点,具体包含以下步骤:
步骤S101:输入1979年1月1日00时的原始数据,纬向m=512个格点,经向n1=256个格点(气压值、经纬度);
步骤S102:框定研究区域(20°N—70°N,0°E—180°E),将沿纬线方向设置mt=258个格点,经向设置nt=74个格点,设置研究区域内格点坐标及气压数值;
步骤S103:采用九点极值法选择候选点,对研究区域分闭合和非闭合的情况(这里所用案例为非闭合区域)将格点与周围八格点气压值比较大小,若中心格点是这九点内的极小值点(因将气压值乘上负号,各气压值代数值均为负,极小值的绝对值较大,是候选高压中心点),则将其作为候选点i_can;
其中定义记录已经做过运算的格点位置的数组mgo(i,j),以减少重复工作量;
步骤S104:根据第一阈值合并邻近候选点(<100km),计算任意候选点间距离,若距离小于第一阈值100km,选取气压较低值的中心点作为候选点;
选取研究区域中候选点,经纬度坐标转化为实际距离坐标,并计算任意候选点间距离:
若距离小于100km,选取气压较低值的中心点作为筛选后的候选点;
步骤S105:根据第二阈值进一步合并邻近(<35km)候选点,输出最终候选点,即同理合并邻近(<35km)中心候选点,输出最终候选点共75个。
步骤S2:基于三角网格插值法对地面天气图绘制等值线,具体包含以下步骤:
步骤S201:遍历格点气压数据go(mt,nt),(mt=258,nt=74)找到气压的最大值maxv以及最小值minv;
步骤S202:设置等值线间隔i_inte=2hpa;
根据上一步的最值,得到一组等值线,等值线条数为
n_contour=((floor(maxv)-floor(minv))/i_inte)+1
(floor为取整函数,等值线数组记为v_contour(n_contour);
步骤S203:将格点值气压放置在三角网格的顶点Vertex(k)%z上,(以下z都表示气压值)若三角顶点的值等于上一步骤中等值线的值,表现为二者差值小于10,则对三角顶点气压数据减一个量级为10-4的小量,以确保等值线穿过每个三角网格的两个边;
步骤S204:对三角网格的边进行插值:
比较每条边上的相邻顶点的气压值p1%z、p2%z,判断是否有步骤s202中确定的等值线v_contour的数值介于两个顶点的气压值之间,若有,且值为v_contour,则对这两个顶点所在的边进行线性插值,得到气压值为v_contour的点的位置,遍历每条边,插值点总数记为nPoint,插值点坐标数据放入数组SignPoint(nPoint)内,从而每条等值线都有一组插值点。
如:假设p1%z>p2%z,并且顶点坐标已知为p1%x、p1%y、p2%x、p2%y,则插值点的坐标为:
SignPoint(i)%x=p2%x+(p1%x-p2%x)(v_contour-p2%z)/(p1%z-p2%z)
SignPoint(i)%y=p2%y+(p1%y-p2%y)(v_contour-p2%z)/(p1%z-p2%z)
插值点的气压值:SignPoint(i)%z=v_contour
插值点所在边即为点p1、p2的公共边;
步骤S205:根据步骤S204得到的插值点数组,选定一条等值线并选定一个初始点,找到其相邻的插值点,若两个点所在边有共同的顶点,则两个点为相邻点,依次寻找相邻点并计入数组D1,从而可得到每一条等值线穿过三角网格的位置,也得到整个区域上等值线的分布情况。
步骤S3:确定地面天气图中的高压***及高压中心,具体包含以下步骤:
步骤S301:循环遍历所有等值线ccontour(i),比较每一条等值线首段signpoint(0)和尾段signpoint(np-1)的两端点vo与v1,任意两点插值点的气压值相等且不为0,判断等值线闭合。
步骤S302:对于闭合等值线,利用回旋数法确定闭合等值线内部点,标记并记录点序号于数组mmmp(kkp),即闭合点集中。
回旋数法思路:
1.用线段分别连接点和多边形的全部顶点。
2.计算所有点与相邻顶点连线的夹角。
3.计算所有夹角和。注意每个夹角都是有方向的,所以有可能是负值。
4.最后根据角度累加值计算回转数。360°(2π)相当于一次回转。
步骤S303:判别所有闭合点集相互包含的情况,若无共享点,则记录新的气旋,通过由外至内,找到最***等值线;若有共享点,并记录最低压值点和最高压值点,并计算当前等值线到最低压值点和最高压值点之间的等值线数目;
一条闭合等值线能确定一个多边形,对于多边形内包含的点进行数量判断:若只有一个点,即判断为中心并加入closec(i_center)数组,并通过由内至外找到最***的闭合等值线;
若此条闭合等值线内包含多个点,记录这些点中最高气压点mmaxp和最低气压点mminp。计算这条等值线及到这两个点之间的等值线数目(计算思路同S202)。
步骤S304:对当前等值线到最低压值点和最高压值点之间的等值线数目进行比较判断循环,如果前者比后者大两倍,则缩小等值线,回到步骤S302,利用回旋数法确定缩小后的闭合等值线,从而达到分离闭合等值线内部多中心点的目的,直至闭合圈等值线数满足要求;否则,不对由S303得到的共享点进行处理;
如果这条等值线到最大值点之间的等值线数目比到最小值点之间的数目大两倍,则需要缩小等值线,回到S302,分离多中心点。否则合并多中心点,以最低气压点mminp为中心,并加入closec(i_center)数组。
对每条闭合等值线循环步骤S303及S304,最终得到14个闭合中心点。
步骤S305:经过S304得到一系列等值线及中心点,对等值线进行平滑处理并将闭合等值线内部最终保留的最高压值点作为高压中心,从地面天气图中可以较直观地确定高压***。
平滑等值点,如果等值线超过20个点,滤除奇异弯曲点,并重新使等压线闭合,并输出高压***及高压中心
步骤S4:计算高压***特征值,具体包含以下步骤:
步骤S401:判断等值线是否闭合,对于闭合等值线圈,将等值线上两点利用两点间距离公式(如下)进行计算,并进行迭代相加,得到等值线长度track_len;
步骤S402:根据输入的面积文件area.nc,通过步骤3判断位于高压***内的格点,使用迭代法将高压***内各格点的面积area(i,j)相加,计算***的面积area。
图3为本发明所应用实例地面高压识别图,其中等值线为地面等压线,阴影区为闭合地面高压***,灰色点为候选点,黑色点为闭合高压***中心点
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (9)
1.一种地面天气图高压***的自动识别方法,其特征在于,包括:
步骤S1:基于二阈值,查找地面天气图中的高压中心候选点;
步骤S2:基于三角网格插值法对地面天气图绘制等值线;
步骤S3:确定地面天气图中的高压***及高压中心;
所述步骤S3具体包含以下步骤:
步骤S301:比较等值线首端与尾端两端点v0与v1的气压数值,判断等值线是否闭合,若任意两点插值点的气压值相等且不为0,判断等值线闭合;
步骤S302:对于闭合等值线,利用回旋数法确定闭合等值线内部点作为一个闭合点集;
步骤S303:判别所有闭合点集相互包含的情况,若无共享点,则记录新的气旋,通过由外至内,找到最***等值线;若有共享点,则记录最低压值点和最高压值点,并计算当前等值线到最低压值点和最高压值点之间的等值线数目;
步骤S304:对当前等值线到最低压值点和最高压值点之间的等值线数目进行比较判断循环,如果前者比后者大两倍,则缩小等值线,回到步骤S302,利用回旋数法确定缩小后的闭合等值线,从而达到分离闭合等值线内部多中心点的目的,直至闭合圈等值线数满足要求;否则,不对由S303得到的共享点进行处理;
步骤S305:经过S304得到一系列等值线及中心点,对等值线进行平滑处理并将闭合等值线内部最终保留的最高压值点作为高压中心,从而确定高压***。
2.根据权利要求1所述的一种地面天气图高压***的自动识别方法,其特征在于,所述方法还包括步骤S4:计算高压***特征值。
3.根据权利要求2所述的一种地面天气图高压***的自动识别方法,其特征在于,所述步骤S4具体包含以下步骤:
步骤S401:将相邻等值线上两点的距离进行迭代相加,计算高压***长度track_len;
步骤S402:通过步骤3判断位于高压***内的格点,使用迭代法将高压***内各格点的面积相加,计算高压***的面积area。
4.根据权利要求1所述的一种地面天气图高压***的自动识别方法,其特征在于,所述步骤S1具体包含以下步骤:
步骤S101:输入地面天气图原始数据,包括气压值和经纬度;
步骤S102:框定研究区域,设置研究区域内格点坐标及气压数值;
步骤S103:采用九点极值法选择候选点,对研究区域分闭合和非闭合的情况将中心格点与周围八格点进行气压值比较大小,若中心格点是这九点内的极值点,则将其作为候选点i_can;
并记录已经做过运算的格点位置;
步骤S104:根据第一阈值合并邻近候选点,计算任意候选点间距离,若距离小于第一阈值,选取气压较低值的中心点作为候选点;
步骤S105:根据第二阈值进一步合并邻近候选点,输出最终候选点。
5.根据权利要求4所述的一种地面天气图高压***的自动识别方法,其特征在于,所述第一阈值为100km,第二阈值为35km。
6.根据权利要求1所述的一种地面天气图高压***的自动识别方法,其特征在于,所述步骤S2具体包含以下步骤:
步骤S201:遍历地面天气图格点数据,找到气压的最大值max以及最小值min;
步骤S202:设置等值线间隔,根据最大值max以及最小值min,得到一组等值线;
步骤S203:将格点值放置在三角网格的顶点上,若三角顶点的值等于等值线的气压值,则对顶点做小位移,以确保等值线穿过每个三角网格的两个边;
步骤S204:对三角网格的边进行插值;
步骤S205:根据插值的数据以及步骤S202确定的等值线气压数值,连接等值点,以追踪等值线穿过三角网格的位置,从而得到整个区域上等值线的分布情况。
7.根据权利要求6所述的一种地面天气图高压***的自动识别方法,其特征在于,步骤S203所述对顶点做小位移是指对三角顶点气压数据减一个量级为10-4的量。
8.根据权利要求6所述的一种地面天气图高压***的自动识别方法,其特征在于,步骤S204所述对三角网格的边进行插值,具体为:
比较每条边上的相邻顶点的气压值p1%z、p2%z,判断是否有步骤S202中确定的等值线v_contour的数值介于两个顶点的气压值之间,若有,且值为v_contour,则对这两个顶点所在的边进行线性插值,得到气压值为v_contour的点的位置;
遍历每条边,插值点总数记为nPoint,插值点坐标数据放入数组SignPoint(nPoint)内,从而每条等值线都有一组插值点。
9.根据权利要求6所述的一种地面天气图高压***的自动识别方法,其特征在于,所述步骤S205具体为:根据步骤S204得到的插值点数组,选定一条等值线并选定一个初始点,找到其相邻的插值点,若两个点所在边有共同的顶点,则两个点为相邻点,依次寻找相邻点并计入数组D1,从而得到每一条等值线穿过三角网格的位置,得到整个区域上等值线的分布情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077956.8A CN113724280B (zh) | 2021-09-15 | 2021-09-15 | 一种地面天气图高压***的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111077956.8A CN113724280B (zh) | 2021-09-15 | 2021-09-15 | 一种地面天气图高压***的自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113724280A CN113724280A (zh) | 2021-11-30 |
CN113724280B true CN113724280B (zh) | 2023-12-01 |
Family
ID=78683819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111077956.8A Active CN113724280B (zh) | 2021-09-15 | 2021-09-15 | 一种地面天气图高压***的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724280B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006293105A (ja) * | 2005-04-12 | 2006-10-26 | Takashi Watanabe | 数値標高モデル自動生成システム |
CN104252549A (zh) * | 2013-06-28 | 2014-12-31 | 中国石油天然气股份有限公司 | 一种基于克里金插值的分析布井方法 |
CN104459783A (zh) * | 2014-12-11 | 2015-03-25 | 中国石油天然气集团公司 | 一种识别构造圈闭的方法及装置 |
CN104898186A (zh) * | 2015-06-09 | 2015-09-09 | 天津大学 | 一种用于槽脊线的特征点提取及自动绘制的方法 |
CN105678235A (zh) * | 2015-12-30 | 2016-06-15 | 北京工业大学 | 基于典型区域多维度特征的三维人脸表情识别方法 |
CN107330268A (zh) * | 2017-06-29 | 2017-11-07 | 吉林省气候中心 | 一种北半球阻塞高压活动的识别方法 |
CN109101535A (zh) * | 2018-06-27 | 2018-12-28 | 成都信息工程大学 | 一种基于曲率的槽脊线的提取与识别方法 |
CN109102554A (zh) * | 2018-08-08 | 2018-12-28 | 湖北河海科技发展有限公司 | 天气图填绘***及方法 |
CN109102538A (zh) * | 2018-07-17 | 2018-12-28 | 成都信息工程大学 | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 |
CN110488392A (zh) * | 2019-08-13 | 2019-11-22 | 中国科学院海洋研究所 | 一种基于海平面气压数据的气旋中心识别和半径估算方法 |
RU2725508C1 (ru) * | 2019-12-13 | 2020-07-02 | Федеральное государственное бюджетное учреждение науки Институт физики атмосферы им. А.М. Обухова Российской академии наук (ИФА им. А.М. Обухова РАН) | Способ определения параметров атмосферных циклонов |
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 |
CN111650673A (zh) * | 2020-06-05 | 2020-09-11 | 成都信息工程大学 | 一种利用风场资料订正低涡中心位置的方法 |
CN112613633A (zh) * | 2020-09-30 | 2021-04-06 | 江苏金风软件技术有限公司 | 风电场的气象要素预测方法和装置 |
CN112949639A (zh) * | 2021-01-26 | 2021-06-11 | 浙江大学医学院附属儿童医院 | 一种先天性心脏病心音智能分割分类算法、装置及存储介质 |
-
2021
- 2021-09-15 CN CN202111077956.8A patent/CN113724280B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006293105A (ja) * | 2005-04-12 | 2006-10-26 | Takashi Watanabe | 数値標高モデル自動生成システム |
CN104252549A (zh) * | 2013-06-28 | 2014-12-31 | 中国石油天然气股份有限公司 | 一种基于克里金插值的分析布井方法 |
CN104459783A (zh) * | 2014-12-11 | 2015-03-25 | 中国石油天然气集团公司 | 一种识别构造圈闭的方法及装置 |
CN104898186A (zh) * | 2015-06-09 | 2015-09-09 | 天津大学 | 一种用于槽脊线的特征点提取及自动绘制的方法 |
CN105678235A (zh) * | 2015-12-30 | 2016-06-15 | 北京工业大学 | 基于典型区域多维度特征的三维人脸表情识别方法 |
CN107330268A (zh) * | 2017-06-29 | 2017-11-07 | 吉林省气候中心 | 一种北半球阻塞高压活动的识别方法 |
CN109101535A (zh) * | 2018-06-27 | 2018-12-28 | 成都信息工程大学 | 一种基于曲率的槽脊线的提取与识别方法 |
CN109102538A (zh) * | 2018-07-17 | 2018-12-28 | 成都信息工程大学 | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 |
CN109102554A (zh) * | 2018-08-08 | 2018-12-28 | 湖北河海科技发展有限公司 | 天气图填绘***及方法 |
CN110488392A (zh) * | 2019-08-13 | 2019-11-22 | 中国科学院海洋研究所 | 一种基于海平面气压数据的气旋中心识别和半径估算方法 |
RU2725508C1 (ru) * | 2019-12-13 | 2020-07-02 | Федеральное государственное бюджетное учреждение науки Институт физики атмосферы им. А.М. Обухова Российской академии наук (ИФА им. А.М. Обухова РАН) | Способ определения параметров атмосферных циклонов |
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 |
CN111650673A (zh) * | 2020-06-05 | 2020-09-11 | 成都信息工程大学 | 一种利用风场资料订正低涡中心位置的方法 |
CN112613633A (zh) * | 2020-09-30 | 2021-04-06 | 江苏金风软件技术有限公司 | 风电场的气象要素预测方法和装置 |
CN112949639A (zh) * | 2021-01-26 | 2021-06-11 | 浙江大学医学院附属儿童医院 | 一种先天性心脏病心音智能分割分类算法、装置及存储介质 |
Non-Patent Citations (5)
Title |
---|
A Modifified Algorithm for Identifying and Tracking Extratropical Cyclones;Chuhan LU;《ADVANCES IN ATMOSPHERIC SCIENCES》;第34卷;第909-924页第3.1、3.2.1节 * |
Synoptic-scale fire weather conditions in Alaska;Hiroshi Hayasaka等;《Polar Science》;第1-46页 * |
三角网格等值线的追踪与填充;刘静玮;《电脑与电信》(第6期);第66-69页第2.2节 * |
热带气旋逆时针打转异常路径的成因分析;王新伟;《中国优秀硕士学位论文全文数据库 基础科学辑》;A009-136 * |
贵州强降雪天气过程环流形势分析;曾维;《贵州气象》;第36卷(第6期);第29-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113724280A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753682B (zh) | 一种基于目标检测算法的吊装区域动态监控方法 | |
US10289634B2 (en) | Data clustering employing mapping and merging | |
CN112712033B (zh) | 一种城市排水管网汇水区自动划分方法 | |
CN114749342B (zh) | 一种锂电池极片涂布缺陷识别方法、装置及介质 | |
CN106096497B (zh) | 一种针对多元遥感数据的房屋矢量化方法 | |
CN103646238A (zh) | 指纹方向场的估计方法和装置 | |
CN111539296A (zh) | 一种基于遥感影像变化检测的违章建筑识别方法及*** | |
CN114564545A (zh) | 一种基于ais历史数据的船舶经验航线提取***及方法 | |
CN112150412B (zh) | 一种基于投影曲线分析的绝缘子自爆缺陷检测方法 | |
CN111290053B (zh) | 一种基于卡尔曼滤波的雷暴路径预测方法 | |
CN113345094A (zh) | 基于三维点云的电力走廊安全距离分析方法及*** | |
Zhang et al. | A dual attention neural network for airborne LiDAR point cloud semantic segmentation | |
CN113640826A (zh) | 一种基于3d激光点云的障碍物识别方法及*** | |
CN113985406B (zh) | 一种海上雷达目标航迹拼接方法 | |
CN115953421A (zh) | 一种用于蜂窝结构规整度检测的Harris蜂窝顶点提取方法 | |
CN113724280B (zh) | 一种地面天气图高压***的自动识别方法 | |
CN117131394A (zh) | 一种基于ais数据的船舶轨迹聚类方法、设备及存储设备 | |
CN114399428A (zh) | 面状人工要素降维处理方法 | |
CN115620169A (zh) | 基于区域一致性的建筑物主角度修正方法 | |
CN112882058B (zh) | 一种基于变尺寸栅格地图的船载激光雷达障碍物检测方法 | |
CN114511709A (zh) | 一种高效准确识别角点特征的方法 | |
CN114091578A (zh) | 一种基于曲线长度距离的船舶轨迹聚类方法 | |
Zou et al. | An adaptive strips method for extraction buildings from light detection and ranging data | |
Moore | The case for approximate Distance Transforms | |
CN117132478B (zh) | 一种基于法向量二范数特征参数的轨道点云去噪方法 |
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 |