[发明专利]基于高精度数值风场资料的涡旋中心自动识别方法

说明书

本发明公开了一种基于高精度数值风场资料的涡旋中心自动识别方法，包括：1)依据850pha数值风场的矢量特征，利用衡量风向杂乱度的特征提取出包含轴对称型风场的感兴趣区域；2)利用圆形数据理论对理想的轴对称型风场进行特征描述和分类；3)相对于复杂的轴对称风场依据步骤2)的结论和构建变形系数，初步检索出涡旋候选中心点集；4)改进Ward聚类算法得到属于同一涡旋系统的中心点集；5)利用步骤3)的候选中心点集的涡度对涡旋系统分类，并精确定位全局的涡旋中心。本发明可自动识别和定位多种类型的轴对称风场中心，能识别多尺度的涡旋系统及复杂风场中带有一定形变的涡旋系统；从而实现涡旋系统的准确、完整自动识别和涡旋中心定位。

技术领域

本发明涉及气象学领域，特别涉及一种基于高精度数值风场资料的涡旋中心自动识别方法。

背景技术

在中尺度天气系统分析领域，基于地面和高空的风场数据是预报员在分析和跟踪天气系统的主要资料依据。其中，辐合(或辐散)式涡旋是构成强对流或灾害性天气的重要风场系统。例如在北半球，中尺度的逆时针涡旋是灾害性风暴,龙卷风的重要成因；大尺度的热带气旋，是形成我国夏季台风的主要因素；反气旋也是形成雷暴天气的重要载体。因此，涡旋自动识别算法对于上述灾害性天气的预警和预测具有至关重要的作用(Corey K.和Potvin 2013)[1]；并且，实现计算机对涡旋的自动识别和量化描述，会有助于智能处理目前地面和高空庞大的数值资料，有助于利用数据挖掘技术在大数据中探索新规律。

目前，国内外气象界研制开发的中小尺度的涡旋检测算法大部分是基于雷达数据的。(Potvin等2009[2]，Potvin等2011[3])。对于中大尺度的涡旋识别，大都基于网格气压数据的局部高(低)气压中心这一判别条件(John和Rodrigo 2012[4]，林志强，周振波2013[5])。基于网格数据的风场涡旋识别算法在气象领域相对较少：Mark,R.和Sinclair.(1994)提出基于风场的位势相对涡度代替气压低中心[6]。但是，高涡度值的风场包含了涡旋区，风切变区以及风向变化杂乱的区域(Corey K.和Potvin 2013)[1]，因此单纯地计算高涡度区，对于检测气旋会产生大量的空报。Mark和Sinclair(1997)[7]提出了基于上述方法的扩展算法：通过一种空间平滑技术来控制需检测涡旋的尺度，保证了在不同分辨率的网格数据下对固定尺度的气旋检测的一致性。同时，结合气旋的中心低气压值和高涡度值的特性作为衡量气旋强度的条件。但其仍然没有解决空报的问题。Naylor和Gilmore(2012)[8]通过在网格风场数据上添加规则(包括：垂直涡度，水平风速的大小和中心点向四周方向的水平气压梯度)识别龙卷风。但该方法疏忽了实际的复杂流场上涡旋不具有完整的轴对称结构的现实，也就是相对于理想的圆形涡旋结构，实际的涡旋往往带有不同程度的形变。针对此问题，Corey K.和Potvin(2013)[1]提出针对形变涡旋结构的对流性涡旋的检测模型：将基于多普勒雷达数据的风暴检测和对流性涡旋检测方法应用在笛卡尔网格风场数据中。该模型由兰金涡旋模式和恒定流场、线性切变流场和线性辐散流场线性组合而成。然而，受气压、温度、地势等多环境因素的影响，实际的风场在中大尺度下已不具有线性的性质，当流场较复杂时，模型的误差较大，只有缩小检索域尺度才能降低误差。

[参考文献]

[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。