一种寒潮识别方法及装置

本发明属于天气预报，具体涉及一种寒潮识别方法及装置。

背景技术：

1、寒潮是冬季的灾害性天气之一，提前数天的寒潮预警，对于社会经济发展和人民的生命财产安全具有重要的意义。目前，数值天气预报作为主要的技术手段，对包含寒潮等的极端天气的预报水平，在提前1-2天时表现良好，但由于初始化误差等，在提前数天的预报准确性仍不能完全满足实际需求，且需要消耗大量的计算资源和时间。当前基于统计或机器学习方法的寒潮预警模型，准确性不高，且物理机制模糊。

技术实现思路

1、为解决现有技术中的不足，本发明提供一种寒潮识别方法及装置，结合寒潮发生的物理机制，提高了寒潮预警的准确性，同时降低了对计算资源的消耗，减少了计算时间。

2、为达到上述目的，本发明所采用的技术方案是：

3、第一方面，提供一种寒潮识别方法，包括：采集过去设定时间段的气象数据；获得采集的气象数据中的关键因子指数；将各关键因子指数输入构建的基于寒潮发生的物理机制的寒潮识别模型，输出未来设定时间段内发生寒潮的识别结果。

4、结合第一方面，所述气象数据包括与寒潮识别相关的不同地区的温度、风速和气压。

5、结合第一方面，获得采集的气象数据中的关键因子指数，包括：将采集的气象数据进行整合，转化为统一的形式，得到整合数据；根据整合数据计算各关键因子指数，所述关键因子指数包括下述中的至少一项：西伯利亚高压指数sh、乌拉尔山阻塞高压频率指数ub、急流切变指数jpi、巴伦支海地区减去西伯利亚地区的t2m异常得到的tb - ts指数、急流强度指数jii；其中，t2m指地面2m的温度。

6、结合第一方面，采用乌拉尔山阻塞高压频率指数ub在50°~75°n，30°~90°e区域的平均，表示乌拉尔山地区的阻塞频率。

7、结合第一方面，用巴伦支海地区减去西伯利亚地区的t2m异常得到的tb-ts指数作为考察温度经向分布的指标，其中，巴伦支海地区指65°~85°n，30°~90°e；西伯利亚地区指40°~60°n，60°~120°e。

8、结合第一方面，西伯利亚高压指数sh，采用区域平均的方法对关键区内的气象要素求空间平均获得，其中，sh关键区域为40°~60°n，80°~120°e。

9、结合第一方面，将各关键因子指数输入构建的基于寒潮发生的物理机制的寒潮识别模型，输出未来设定时间段内发生寒潮的识别结果，包括：对各关键因子指数的原始序列进行标准化处理，然后与寒潮识别阈值进行比较，当某个或多个关键因子指数超过了寒潮识别阈值，则识别为未来设定时间内可能会发生寒潮；否则，识别为未来设定时间内不会发生寒潮；其中，寒潮识别阈值，包括：第一部分：以平均曲线驻点作为分界点，分为两个阶段，二阶段相较于一阶段具有以下特征：jii下降并且小于0 ；jpi上升并且大于0 ； sh上升并且大于0 ；tb - ts下降并且小于0 ；ub上升并且大于0；其中，sh为西伯利亚高压指数，ub为乌拉尔山阻塞高压频率指数，jpi为急流切变指数，tb-ts为巴伦支海地区减去西伯利亚地区的t2m异常指数，jii为急流强度指数；第二部分：使用dtw方法计算原始序列与合成序列间的最小距离，用于衡量两个长度不同的时间序列的相似度，即第一个参数；将原始序列分为两个阶段，以第一部分的平均曲线驻点作为分界点，分别计算两个阶段的均值，即第二、三个参数；分别计算两个阶段的线性趋势，即第四、五个参数；将第一~第五个参数的取值范围作为识别阈值；取第一部分和第二部分的并集作为寒潮识别阈值。

10、结合第一方面，所述寒潮识别模型的构建方法，包括：采用不同来源的气象数据，对过去设定时间段内发生寒潮事件的过程中的环流异常进行合成分析，得到基于寒潮发生的物理机制的合成分析结果；从合成分析结果中确定出寒潮过程中有显著变化特征的关键影响因子；基于合成分析结果，确定各关键影响因子的关键因子指数，用于确定寒潮识别阈值，构建基于寒潮发生的物理机制的寒潮识别模型。

11、第二方面，提供一种寒潮识别装置，包括：数据采集模块，用于采集过去设定时间段的气象数据；数据处理模块，用于获得采集的气象数据中的关键因子指数；寒潮识别模块，用于将各关键因子指数输入构建的基于寒潮发生的物理机制的寒潮识别模型，输出未来设定时间段内发生寒潮的识别结果。

12、结合第二方面，所述寒潮识别模块被配置为：将各关键因子指数输入构建的基于寒潮发生的物理机制的寒潮识别模型，输出未来设定时间段内发生寒潮的识别结果，包括：对各关键因子指数的原始序列进行标准化处理，然后与寒潮识别阈值进行比较，当某个或多个关键因子指数超过了寒潮识别阈值，则识别为未来设定时间内可能会发生寒潮；否则，识别为未来设定时间内不会发生寒潮；其中，寒潮识别阈值，包括：第一部分：以平均曲线驻点作为分界点，分为两个阶段，二阶段相较于一阶段具有以下特征：jii下降并且小于0 ；jpi上升并且大于0 ； sh上升并且大于0 ；tb-ts下降并且小于0 ；ub上升并且大于0；其中，sh为西伯利亚高压指数，ub为乌拉尔山阻塞高压频率指数，jpi为急流切变指数，tb-ts为巴伦支海地区减去西伯利亚地区的t2m异常指数，jii为急流强度指数；第二部分：使用dtw方法计算原始序列与合成序列间的最小距离，用于衡量两个长度不同的时间序列的相似度，即第一个参数；将原始序列分为两个阶段，以第一部分的平均曲线驻点作为分界点，分别计算两个阶段的均值，即第二、三个参数；分别计算两个阶段的线性趋势，即第四、五个参数；将第一~第五个参数的取值范围作为识别阈值；取第一部分和第二部分的并集作为寒潮识别阈值。

13、与现有技术相比，本发明所达到的有益效果：本发明通过对采集的气象数据进行预处理，获得各关键因子指数；将各关键因子指数输入构建的基于寒潮发生的物理机制的寒潮识别模型，输出未来设定时间段内发生寒潮的识别结果；结合寒潮发生的物理机制，提高了寒潮预警的准确性，同时降低了对计算资源的消耗，减少了计算时间。

技术特征：

1.一种寒潮识别方法，其特征在于，包括：

2.根据权利要求1所述的寒潮识别方法，其特征在于，所述气象数据包括与寒潮识别相关的不同地区的温度、风速和气压。

3.根据权利要求1所述的寒潮识别方法，其特征在于，获得采集的气象数据中的关键因子指数，包括：

4.根据权利要求3所述的寒潮识别方法，其特征在于，采用乌拉尔山阻塞高压频率指数ub在50°~75°n，30°~90°e区域的平均，表示乌拉尔山地区的阻塞频率。

5.根据权利要求3所述的寒潮识别方法，其特征在于，用巴伦支海地区减去西伯利亚地区的t2m异常得到的tb-ts指数作为考察温度经向分布的指标，其中，巴伦支海地区指65°~85°n，30°~90°e；西伯利亚地区指40°~60°n，60°~120°e。

6.根据权利要求3所述的寒潮识别方法，其特征在于，西伯利亚高压指数sh，采用区域平均的方法对关键区内的气象要素求空间平均获得，其中，sh关键区域为40°~60°n，80°~120°e。

7.根据权利要求1所述的寒潮识别方法，其特征在于，将各关键因子指数输入构建的基于寒潮发生的物理机制的寒潮识别模型，输出未来设定时间段内发生寒潮的识别结果，包括：

8.根据权利要求1所述的寒潮识别方法，其特征在于，所述寒潮识别模型的构建方法，包括：

9.一种寒潮识别装置，其特征在于，包括：

10.根据权利要求9所述的寒潮识别装置，其特征在于，所述寒潮识别模块被配置为：

技术总结
本发明公开了一种寒潮识别方法及装置，方法包括：采集过去设定时间段的气象数据；获得采集的气象数据中的关键因子指数；将各关键因子指数输入构建的基于寒潮发生的物理机制的寒潮识别模型，输出未来设定时间段内发生寒潮的识别结果。本发明结合寒潮发生的物理机制，提高了寒潮预警的准确性，同时降低了对计算资源的消耗，减少了计算时间。

技术研发人员：黄艳艳,胡宏博,陈遗志,王伟,黄兴德
受保护的技术使用者：南京信息工程大学
技术研发日：
技术公布日：2024/3/4