一种多参数约束的基于矢栅分析的相似台风识别方法

1.本发明属于地球科学领域，尤其涉及一种多参数约束的基于矢栅分析的相似台风识别方法。


背景技术：

2.相似路径台风的准确识别对于台风路径预测和沿海风暴潮、台风浪、淹水等灾害预报至关重要。具有路径相似性的台风在受灾区域、受灾范围的提前预警方面发挥了重要的作用，可有效指导防灾策略并减少人民群众生命、财产损失。但如果相似路径的台风在强度等方面不匹配，则不能有效预估相应灾害的破坏程度，如风暴潮增水高度、淹水深度和范围等，使基于历史台风数据库进行灾害破坏预测的效果大打折扣。本研究目的是提出一种同时考虑台风强度及台风行进速度约束的台风路径相似性计算指标和计算方法，可保证识别出的台风路径在路径位置、台风强度和台风行进速度等方面均具有较好的相似性。
3.台风路径的相似性可以有不同方面的具体内涵，具体参数可包括台风中心位置、强度、行进速度及台风经过时间等，但若要求各方面都匹配则可能影响识别效率，并易使较多特征匹配较好而仅在某方面特征匹配性有所欠缺的台风被排除在外；因此，在实际应用中，均衡台风路径相似性和相应评价参数和指标的易用性更为关键。特别是在海岸灾害防御和预警应用中，赋予台风路径相似性的具体内涵直接影响灾害的合理预估。
4.因此，需要一种多参数约束的基于矢栅分析的相似台风识别方法以解决上述问题。


技术实现要素：

5.发明目的：本发明针对沿海台风风暴潮、台风浪及淹水灾害评估时，仅凭台风路径位置的相似性无法在兼顾灾害区域、范围基础上对灾害影响程度也做到合理预测的缺陷，提供了一种多参数约束的基于矢栅分析的相似台风识别方法，对现有的台风相似性识别指标和算法进行优化。
6.技术方案：为解决上述技术问题，本发明公开的一种多参数约束的基于矢栅分析的相似台风识别方法采用如下技术方案：
7.本发明基于台风中心位置、台风强度和行进速度三个参数对台风路径相似性进行选择性约束，提出一种有效的包含以上多参数约束的相似台风识别指标以及基于矢栅综合分析的计算方法，包括如下步骤：
8.步骤1，建立历史台风数据库；
9.步骤2，初步识别与目标台风的台风路径位置相似的历史台风，并形成待识别台风子集；
10.步骤3，针对待识别台风子集中各待识别台风，计算目标台风路径上各台风中心位置对应的最邻近位置和最邻近距离，对目标台风所有台风中心位置形成配对关系；
11.步骤4，针对待识别台风子集中各待识别台风，计算与目标台风在台风路径位置、
强度和/或行进速度多参数同时约束的相似性指标值，获得不同组合约束参数均相似的历史台风并进行排序。
12.进一步地，步骤1包括：基于台风最佳路径数据集建立包含台风中心位置经纬度、台风级别、台风最大风速的历史台风数据库，该历史台风数据库还包括通过计算得到的台风路径长度和台风行进速度数据。其中，台风最佳路径数据集采用从气象机构公开获取的数据。
13.进一步地，步骤2包括：
14.步骤2.1，将目标台风路径作为“线”矢量对象，以l为宽度进行缓冲区计算，得到缓冲区多边形p；
15.步骤2.2，遍历历史台风数据库中的所有待识别台风，统计每个待识别台风位于多边形p中的台风中心所占的百分比
16.其中，n
in
为某一待识别台风路径中位于多边形p内部的台风中心数目，n
total
为该待识别台风路径的台风中心总数；
17.步骤2.3，当目标台风和待识别台风之间的路径长度比满足ratio
len
≥r1,ratio
len
≤1/r1，且ratio
loc
≥r2时，初步识别为台风路径位置相似，并纳入待识别台风子集；
18.其中，r1表示台风路径长度相似阈值，r2表示待识别台风路径上台风中心位置落入多边形p中的百分比阈值。
19.在缓冲区多边形p中，通过台风路径长度相似阈值r1和待识别台风路径上台风中心位置落入多边形p中的百分比阈值r2共同约束，遍历台风路径数据库识别出路径位置相似的台风，通过路径位置对待识别台风进行初筛，可以有效降低子集中台风数目，后续针对台风的遍历计算则无需对所有历史台风进行，可提高相似台风识别效率。
20.进一步地，步骤4包括计算待识别台风和目标台风强度的相似性，所述台风强度采用不同台风中心位置处的最大风速作为台风强度指征，所述最大风速的单位为m/s；所述计算待识别台风和目标台风强度的相似性，包含以下步骤：
21.步骤4.1，将待识别台风的台风中心位置、最大风速以δt进行插值，形成时间分辨率为δt的台风路径数据，和分别代表插值后任一时刻台风中心位置j所处的球面坐标及相应的最大风速，j≥1；
22.步骤4.2，基于初步识别为路径相似的台风，记目标台风路径上各台风中心位置为其对应的最大风速为i表示各台风中心位置的索引，1≤i≤i，i表示目标台风路径上台风中心位置的总数；步骤3计算获得的待识别台风路径上最邻近位置记为ji，则配对的台风中心位置的台风强度差异为反映两个台风路径上强度相似性的指标定义为以上公式中的下标o和s分别对应插值后的目标台风路径数据和待识别台风路径数据。
23.本发明提出的台风中心位置的配对方式完全克服了现有算法的局限性和不合理之处，同时也是台风路径位置相似性、强度相似性以及行进速度相似性指标评价的关键所在；另外，基于最大风速差的强度相似性指标计算公式具有代表性强、计算简便等优点。相关有益效果将结合附图在具体实施例中进行进一步说明。
24.进一步地，步骤4还包括计算待识别台风和目标台风行进速度的相似性，包含以下步骤：
25.步骤4.3，将待识别台风的行进速度以δt进行插值，代表插值后任一时刻台风中心位置j的行进速度；
26.步骤4.4，基于初步识别为路径相似的台风，记目标台风路径上各台风中心位置的行进速度为则配对的台风中心位置的台风行进速度差异为反映两个台风路径上行进速度相似性的指标定义为
27.本发明提出的台风路径位置、强度与行进速度的相似性指标在形式上具有一致性，各指标的累加数目取决于目标台风的中心位置数目，也完全一致。采用本发明提出的各参数相似性指标，使其在量级上能够互相制衡，确保在识别台风相似性均有效施加效果。
28.进一步地，步骤4中提出的基于多参数约束的台风相似性指标计算基于台风中心最邻近位置的确定，形成目标台风和待识别台风中心位置的一一配对关系，并进行关于台风路径位置、强度和行进速度的匹配性指标计算；台风相似性综合指标的具体公式为：
[0029][0030]
其中，di为目标台风任一台风中心位置处与待识别台风路径最邻近距离，单位为km；d
start
代表待识别台风路径和目标台风路径起始点间的球面距离，d
end
代表待识别台风路径和目标台风路径终止点间的球面距离，单位为km；()代表参数约束作用可选择性施加与否，式中括号中内容依次为台风强度约束和行进速度约束，a为行进速度项的权重系数，可适当调整。剩余三项均为对台风路径位置进行的约束；为保证较好的相似台风识别效果，该指标中台风位置、台风强度及行进速度等相关参数的计算结果需采用以上标识的单位。
[0031]
本发明提出采用台风路径位置、强度和行进速度三个参数的选择性组合的相似性识别方法，既涵盖了影响台风风暴潮海岸灾害预报和评估的最关键的三个参数，同时可避免考虑过多参数反而影响相似台风识别效果和效率的问题，相关有益效果在具体实施例中会进一步进行说明。同时，本发明提出的多参数相似性指标的选择性组合具有很好的灵活性，用户可根据海岸灾害预测或防灾管理的具体需求选择相应的相似性参数，比如预估灾害风险区域时台风路径位置的相似最为重要，若要同时考虑灾害危险性时台风强度和行进速度的相似性也应同时考虑。
[0032]
该指标的数值越小，代表台风路径在位置、强度和/或行进速度同时匹配的程度越高；该指标为0时，两个台风路径完全一致；根据识别指标的数值从小到大进行排序，即可识别出台风位置、强度和/或行进速度相似性从高到低的台风。
[0033]
进一步地，步骤3中计算目标台风路径上各台风中心位置对应的最邻近位置和最邻近距离包括：对待识别台风路径进行插值加密，针对目标台风路径上每个台风中心位置，遍历待识别台风上各插值位置，求得球面距离最小时对应的位置ji即为该台风中心的最邻近位置，相应的距离则为最邻近距离。
[0034]
本发明提出的最邻近位置的识别基于对待识别台风的适当加密实现，由此计算的相似性指标可以确保待识别台风的位置、强度和行进速度均与目标台风中心位置在最邻近位置上相似。
[0035]
进一步地，步骤3中计算目标台风路径上各台风中心位置对应的最邻近距离包括：对待识别台风路径进行插值加密，对目标台风路径进行矩形区域覆盖；针对插值加密后的待识别台风路径，在目标台风路径覆盖的矩形区域内计算栅格化的邻近度，则目标台风各中心位置处的最邻近距离能够直接从邻近度场插值获得。
[0036]
本发明通过提出基于邻近度的计算方式提供了计算最邻近距离的另外一种算法，为用户实现本发明的具体应用提供多种实现路径。
[0037]
进一步地，步骤3所述对目标台风所有台风中心位置形成配对关系，是基于识别其最邻近位置实现的，包括针对目标台风路径上的各中心位置，在插值加密后的待识别台风路径上寻找最邻近点，保证台风中心配对组数取决于目标台风，从而在各待识别台风的指标计算上具有一致性。
[0038]
现有算法对台风路径中心位置进行逐一配对，对由于台风路径长短差异造成的台风中心位置记录使用不全和由于台风行进速度差异造成的台风中心位置错位累积都无法很好解决，而本发明可以有效避免以上问题。本发明的有益效果及与现有算法的差异将结合附图在具体实施例中进行进一步说明。
[0039]
进一步地，步骤1的台风路径长度，以及步骤3和4中的球面距离计算均采用大圆距离计算。
[0040]
本发明中所使用的台风路径数据插值加密用δt、缓冲区宽度l、台风路径长度相似阈值r1和待识别台风路径上台风中心位置落入多边形p中的百分比阈值r2等参数的具体取值并无限定，可根据研究区域或研究问题的差异进行调整。
[0041]
有益效果：本发明概念清晰、算法易于实现，提出的台风相似性判别指标能够快速、有效地识别出在台风路径行进位置及相应强度、行进速度上均具有相似性的历史台风路径，能够为灾害预报机构提供相似台风样本、有效预测未来台风可能对沿海区域形成的灾害范围、灾害程度等，协助当地政府做好防灾、避灾的合理决策。
[0042]
另外，本发明提出的台风相似性判别指标还在台风路径配对算法上优于已有算法。现有算法对台风路径中心位置进行逐一配对，对由于台风路径长短差异造成的台风中心位置记录使用不全和由于台风行进速度差异造成的台风中心位置错位累积都无法很好解决，本发明提出的判别指标及其计算方法可以很好的解决这个问题，具体细节将结合附图在实施例中进行进一步阐述。
附图说明
[0043]
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其它方面的优点将会变得更加清楚。
[0044]
图1为本技术实施例提供的一种多参数约束的基于矢栅分析的相似台风识别方法的示意图。
[0045]
图2为本技术实施例提供的一种多参数约束的基于矢栅分析的相似台风识别方法中基于邻近度栅格数据进行最邻近距离计算的示意图。
[0046]
图3为台风中心位置配对算法比较示意图，a)为已有算法，b)为本发明算法。
[0047]
图4为针对2019年台风利奇马识别出的最相似台风示意图，识别出的最相似台风为2015年麦莎，图例为不同台风中心位置处台风级别。
[0048]
图5为针对2019年台风利奇马识别出的前十相似台风示意图。
[0049]
图6为不约束登陆特征时针对1978年台风virginia识别出的前十相似台风示意图。
[0050]
图7为约束登陆特征时针对1978年台风virginia识别出的前十相似台风示意图。
[0051]
标记说明：1-目标台风路径，各时刻台风中心位置用圆圈表示；2-加密过的待识别台风路径，各时刻台风中心位置用黑点表示；3-目标台风某中心位置距待识别台风最邻近距离di；4-待识别台风路径上与目标台风某中心位置配对的最邻近位置处的最大风速或行进速度5-目标台风路径某中心位置处最大风速或行进速度6-缓冲区宽度l；7-目标台风的缓冲区多边形p；9-邻近度矩阵；10-邻近度场等值线(单位：km)；11-目标台风中心位置与其配对位置之间的连接线。
具体实施方式
[0052]
下面结合具体实施例，进一步阐明本发明提出的一种多参数约束的基于矢栅分析的相似台风识别方法的实施方案。
[0053]
台风路径位置(台风登陆地点涵盖在此范畴内)和台风强度对台风风暴潮增水等灾害具有较大影响已是学界普遍共识(如sebastian et al.,2014)，而台风行进速度和台风半径也被证实是影响海岸风暴潮灾害的重要因素(rego&li,2009；yang et al.,2019)，因此台风相似性应包含以上内涵。本发明中采用台风最大风速表征台风强度，台风最大风速和中心最低气压都是用来表征台风强度的指标，根据已有研究(如yang et al.,2019)，在近海风速对风暴潮增水、台风浪高等起关键性作用，且国际上通用最大风速作为台风分级的标准，采用最大风速表征台风强度更具代表性。同时，注意到公开的台风最佳路径数据集大多并未提供台风最大风速半径的信息，而台风半径的估算普遍采用经验公式，大多是与台风的最大风速和中心压差建立关系(如knaff et al.,2007；willoughby&rahn,2004)；由于经验公式的不确定性，各家公式结果存在不小差异，因此若将采用经验公式的台风半径信息纳入相似台风识别指标中，会引入不确定性和额外误差，影响相似性台风的识别效果。台风行进速度可根据台风最佳路径数据集中的台风中心位置计算得出。另外还需指出，台风发生时间(如月份)、生成源地位置等参数对于评价和预测台风在近海风暴潮灾害的范围和程度等方面并不重要，因此未纳入本发明的台风相似性指标中。
[0054]
参考文献：knaff,j.,sampson,c.,demaria,m.,marchok,t.,gross,j.,&mcadie,c.(2007).statistical tropical cyclone wind radii prediction using climatology and persistence.weather and forecasting,22(4),781
–
791.https://doi.org/10.1175/waf1026.1
[0055]
rego,j.l.,&li,c.(2009).on the importance of the forward speed of hurricanes in storm surge forecasting:a numerical study.geophysical research letters,36(7),l07609.https://doi.org/10.1029/2008gl036953
[0056]
sebastian,a.,proft,j.,dietrich,j.c.,du,w.,bedient,p.b.,&dawson,c.n.(2014).characterizing hurricane storm surge behavior in galveston bay using the swan+adcirc model.coastal engineering,88(journal article),171
–
181.https://doi.org/10.1016/j.coastaleng.2014.03.002
[0057]
willoughby,h.e.,&rahn,m.e.(2004).parametric representation of the primary hurricane vortex.part i:observations and evaluation of the holland(1980)model.monthly weather review,132(12),3033
–
3048.https://doi.org/10.1175/mwr2831.1
[0058]
yang,j.,li,l.,zhao,k.,wang,p.,wang,d.,sou,i.m.,et al.(2019).a comparative study of typhoon hato(2017)and typhoon mangkhut(2018)—their impacts on coastal inundation in macau.journal of geophysical research:oceans,124(12),9590
–
9619.https://doi.org/10.1029/2019jc015249
[0059]
综上所述，本实施例提出的一种多参数约束的基于矢栅分析的相似台风识别方法考虑台风路径位置、台风强度和行进速度三个关键性参数，既涵盖了评估海岸风暴潮灾害的重要影响因素，又可达到快速识别的目的；同时，通过优化相似性判别指标，优化现有的判别算法。具体包括以下步骤：
[0060]
步骤1，建立历史台风数据库，包括：
[0061]
台风最佳路径数据集可采用任何可公开获取的数据，本实施例中的台风最佳路径数据集基于中国气象局cma的台风最佳路径数据形成，该数据集包含1949年以来的台风路径数据，数据每6小时一组记录，每组记录具体包括台风中心发生的日期和时间、台风中心位置经度和纬度、台风级别、台风最大风速和中心最低气压。
[0062]
在此基础上，计算台风路径长度(单位：km)和台风行进速度(单位：km/h)并与以上数据共同形成历史台风数据库。
[0063]
步骤2，初步识别与目标台风的台风路径位置相似的历史台风，并形成待识别台风子集，具体包括：
[0064]
步骤2.1，将目标台风路径作为“线”矢量对象，以l为宽度进行缓冲区计算，得到缓冲区多边形p，
[0065]
步骤2.2，遍历历史台风数据库中的所有待识别台风，统计每个待识别台风位于多边形p中的台风中心所占的百分比ratio
loc
；
[0066]
步骤2.3，当目标台风和待识别台风之间的路径长度比满足ratio
len
≥r1,ratio
len
≤1/r1，且ratio
loc
≥r2时，初步识别为台风路径位置相似，并纳入待识别台风子集；
[0067]
其中，r1表示台风路径长度相似阈值，r2表示待识别台风路径上台风中心位置落入多边形p中的百分比阈值。
[0068]
通过台风路径长度相似阈值r1和待识别台风路径上台风中心位置落入多边形p中的百分比阈值r2共同约束，遍历历史台风数据库中的历史台风，识别出路径位置相似的历史台风，并形成路径相似的台风子集，如图1所示。以上两个判别指数及其阈值的计算公式如下：
[0069]
[0070][0071]
本实施例中，r1取值为0.6，r2取值为0.7，即
[0072]
ratio
len
≥0.6且ratio
len
≤1.6667且ratio
loc
≥0.7(3)
[0073]
其中，len为台风路径长度，下标o和s分别对应目标台风路径数据和待识别的样本台风路径数据，则leno和lens分别为目标台风和待识别台风的路径长度；n
total
和n
in
分别为待识别台风中心位置的总记录数和落入多边形p的记录数目。
[0074]
步骤3，台风中心最邻近距离和位置的确定
[0075]
为了更准确判别两台风之间的最邻近点，以δt＝1h对待识别台风路径位置、最大风速和行进速度进行插值，形成时间分辨率为δt的台风路径数据。所述插值可以是基于线性插值的方式。
[0076]
在一种可选的实现方式中，如图1所示，针对目标台风路径上每个中心位置遍历待识别台风上各插值位置，求得球面距离最小时对应的位置ji，相应的距离则为最邻近距离di(单位：km)。
[0077]
在另一种可选的实现方式中，台风中心最邻近距离的确定也可采用如下方式，具体为：针对插值加密后的待识别台风路径，在目标台风路径覆盖的矩形区域内计算栅格化的邻近度(单位：km)，则目标台风各中心位置处的最邻近距离可直接从邻近度场插值得到，如图2所示。
[0078]
本实施例提出的两种台风中心最邻近距离的确定方式可任选其一，当对邻近度栅格化的间距进行合理取值时，两种算法的速度相当，在cpu32g，windows7(64位)系统的个人电脑上，包括运算和绘制相关图片的总运行时间均不超过1分钟；两种算法对相似台风识别的结果完全一致。
[0079]
步骤4，基于多参数约束的相似台风识别和排序
[0080]
本发明通过台风中心最邻近位置对目标台风路径上的中心位置进行逐一配对，进行关于台风路径位置、强度和行进速度的匹配性指标计算。配对效果与现有算法的差异可参见图3。
[0081]
基于步骤2中初步识别的路径相似的待识别台风子集对其中每场台风做循环计算，针对目标台风路径上各台风中心位置及其对应的最大风速和行进速度由步骤3确定最邻近位置编号为ji，则配对的台风中心位置的台风强度差异和行进速度差异分别为和由此可进一步计算得到该场台风的台风路径相似性指标s。同时考虑台风路径位置、强度和行进速度多参数约束的台风相似性指标计算公式为：
[0082][0083]
其中，i为目标台风路径数据中的台风中心位置的记录数目；di为目标台风任一台风中心位置处与待识别台风路径最邻近距离，单位km；为与目标台风中心位置配对的最邻近位置处的台风最大风速，单位m/s；为与目标台风中心位置配对的最邻近位置处的台风行进速度，单位km/h；d
start
为待识别台风路径和目标台风路径起始点间的球面距离，单位km；d
end
为待识别台风路径和目标台风路径终止点间的球面距离，单位km；()代表参数
约束作用可选择性施加与否，式中括号中内容依次为台风强度约束和行进速度约束，剩余三项均为对台风路径位置进行的约束；a为行进速度项的权重系数，可适当调整，本实施例中取1。
[0084]
根据相似性指标s的数值从小到大进行排序，即可识别出台风位置、强度和行进速度综合相似性从高到低的台风；该指标为0时，两个台风路径完全一致。根据识别指标的数值从小到大进行排序，即可识别出台风相似性从高到低的台风。如本实施例中当采用2019年强台风利奇马作为目标台风时，识别出的最相似台风为2015年台风麦莎matsa，如图4所示，相似性排序前十的台风路径如图5所示。
[0085]
在本发明提出的相似性台风识别方法中，还可进一步施加其它台风路径位置相关的约束，比如若希望筛选出的相似台风与目标台风具有一致的海岸登陆特性，可以在上述算法基础上增加台风登陆与否的判别。图6和图7示意了针对1978年台风virginia(该台风未登陆日本)对台风登陆特征分别不进行约束和约束后识别得到的前十个相似路径台风，因为施加了额外的登陆约束条件，识别出的台风具有一定差异。
[0086]
仍以2019年台风利奇马为例，依照本发明提出的一种多参数约束的基于矢栅分析的相似台风识别方法，所识别出的前10个台风如下表所示。因台风利奇马本身也在历史台风库中，因此无论如何进行选择性施加约束参数的组合，识别出的第一个相似台风均为其本身，见序号为0的台风。计算结果还表明，步骤3中提出的两种台风中心最邻近距离的计算方法所得到的识别结果完全一致；是否施加台风行进速度对识别出的台风及排序均有影响。
[0087]
具体地，关于本发明提出的多参数相似性指标的选择性组合，用户可根据海岸灾害预测或防灾管理的具体需求选择相应的相似性参数，比如预估灾害风险区域时台风路径位置的相似最为重要，若要同时考虑灾害危险性时台风强度和行进速度的相似性也应同时考虑。一般来讲，在台风强度和行进速度之间，前者起着更加关键的作用，因为台风的行进速度通常在15～30km/h范围内，相比台风最大风速的变幅要小的多，因此不同台风之间由于行进速度造成的灾害性差异通常要小于台风强度造成的差异。所以当行进速度比较重要时，必须考虑其相似性，否则只包含台风路径位置和强度的相似性判别一般也可满足应用需求。
[0088]
表1针对2019年台风利奇马(lekima)识别的相似台风排序对比
[0089][0090]
注：算法1指通过遍历插值加密路径位置计算台风中心最邻近距离；算法2指通过邻近度计算最邻近距离。
[0091]
具体实现中，本技术提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的一种多参数约束的基于矢栅分析的相似台风识别方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0092]
本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机，muu或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0093]
本发明提供了一种多参数约束的基于矢栅分析的相似台风识别方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的具体实施方式，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的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。