[發明專利]基于高精度數值風場資料的渦旋中心自動識別方法

有效

• 申請號: 201710101655.1
• 申請日: 2017-02-24
• 公開（公告）號: CN106919792B
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 王萍;侯潔;莊碩
• 申請（專利權）人: 天津大學
• 主分類號: G06F17/10
• 分類號: G06F17/10;G01W1/00;G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李麗萍

本發明公開了一種基于高精度數值風場資料的渦旋中心自動識別方法，包括：1)依據850pha數值風場的矢量特征，利用衡量風向雜亂度的特征提取出包含軸對稱型風場的感興趣區域；2)利用圓形數據理論對理想的軸對稱型風場進行特征描述和分類；3)相對于復雜的軸對稱風場依據步驟2)的結論和構建變形系數，初步檢索出渦旋候選中心點集；4)改進Ward聚類算法得到屬于同一渦旋系統的中心點集；5)利用步驟3)的候選中心點集的渦度對渦旋系統分類，并精確定位全局的渦旋中心。本發明可自動識別和定位多種類型的軸對稱風場中心，能識別多尺度的渦旋系統及復雜風場中帶有一定形變的渦旋系統；從而實現渦旋系統的準確、完整自動識別和渦旋中心定位。

技術領域

本發明涉及氣象學領域，特別涉及一種基于高精度數值風場資料的渦旋中心自動識別方法。

背景技術

在中尺度天氣系統分析領域，基于地面和高空的風場數據是預報員在分析和跟蹤天氣系統的主要資料依據。其中，輻合(或輻散)式渦旋是構成強對流或災害性天氣的重要風場系統。例如在北半球，中尺度的逆時針渦旋是災害性風暴,龍卷風的重要成因；大尺度的熱帶氣旋，是形成我國夏季臺風的主要因素；反氣旋也是形成雷暴天氣的重要載體。因此，渦旋自動識別算法對于上述災害性天氣的預警和預測具有至關重要的作用(Corey K.和Potvin 2013)[1]；并且，實現計算機對渦旋的自動識別和量化描述，會有助于智能處理目前地面和高空龐大的數值資料，有助于利用數據挖掘技術在大數據中探索新規律。

目前，國內外氣象界研制開發的中小尺度的渦旋檢測算法大部分是基于雷達數據的。(Potvin等2009[2]，Potvin等2011[3])。對于中大尺度的渦旋識別，大都基于網格氣壓數據的局部高(低)氣壓中心這一判別條件(John和Rodrigo 2012[4]，林志強，周振波2013[5])。基于網格數據的風場渦旋識別算法在氣象領域相對較少：Mark,R.和Sinclair.(1994)提出基于風場的位勢相對渦度代替氣壓低中心[6]。但是，高渦度值的風場包含了渦旋區，風切變區以及風向變化雜亂的區域(Corey K.和Potvin 2013)[1]，因此單純地計算高渦度區，對于檢測氣旋會產生大量的空報。Mark和Sinclair(1997)[7]提出了基于上述方法的擴展算法：通過一種空間平滑技術來控制需檢測渦旋的尺度，保證了在不同分辨率的網格數據下對固定尺度的氣旋檢測的一致性。同時，結合氣旋的中心低氣壓值和高渦度值的特性作為衡量氣旋強度的條件。但其仍然沒有解決空報的問題。Naylor和Gilmore(2012)[8]通過在網格風場數據上添加規則(包括：垂直渦度，水平風速的大小和中心點向四周方向的水平氣壓梯度)識別龍卷風。但該方法疏忽了實際的復雜流場上渦旋不具有完整的軸對稱結構的現實，也就是相對于理想的圓形渦旋結構，實際的渦旋往往帶有不同程度的形變。針對此問題，Corey K.和Potvin(2013)[1]提出針對形變渦旋結構的對流性渦旋的檢測模型：將基于多普勒雷達數據的風暴檢測和對流性渦旋檢測方法應用在笛卡爾網格風場數據中。該模型由蘭金渦旋模式和恒定流場、線性切變流場和線性輻散流場線性組合而成。然而，受氣壓、溫度、地勢等多環境因素的影響，實際的風場在中大尺度下已不具有線性的性質，當流場較復雜時，模型的誤差較大，只有縮小檢索域尺度才能降低誤差。

[參考文獻]

[1]Corey K.Potvin.A Variational Method for Detecting andCharacterizing Convective Vortices in Cartesian Wind Fields.Monthly WeatherReview.2013,141(9):3102-3114。

[2]Potvin,C.K.,A.Shapiro,T.-Y.Yu,J.Gao,and M.Xue,Using a low-ordermodel to detect and characterize tornadoes in multiple-Doppler radardata.Mon.Wea.Rev.,2009,137:1230–1249。