申请/专利权人：南京大学连云港高新技术研究院;南京大学;南京气象科技创新研究院

申请日：2023-10-16

公开（公告）日：2024-02-27

公开（公告）号：CN117612353A

主分类号：G08B31/00

分类号：G08B31/00;G08B21/10;G08B21/18;G06F18/2415

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明公开了一种基于多维变量特征的龙卷分级预警方法，包括步骤1、雷达天气扫描；步骤2、识别强对流区域；步骤3、计算雷达反演涡度；步骤4、识别龙卷特征：具体包括构建贝叶斯分类模型、最底层仰角识别龙卷特征、以及倒数第二层仰角识别龙卷特征；步骤5、龙卷预报：当最低两个仰角中任意一个仰角识别到7个距离库以上的龙卷特征，并且最大涡度强度超过5×10‑3s‑1，则预警龙卷；当最低两个仰角都识别到7个距离库以上的龙卷特征，涡度强度超过10×10‑3s‑1，则预警强龙卷；否则预报无龙卷。本发明结合涡度强度和两层低仰角中具有龙卷特征的距离库数量，对龙卷进行分级预警，从而为预报人员及时发布准确预警信号提供重要参考，提高龙卷预警能力。

主权项：1.一种基于多维变量特征的龙卷分级预警方法，其特征在于：包括如下步骤：步骤1、雷达天气扫描：雷达按照设定采样频率对局部预报区进行一次雷达扫描；在每次雷达扫描过程中，均按照从下至少或从上至下分n个设定仰角方式进行扫描；每个仰角扫描完成后，均得到一幅雷达扫描图；每幅雷达扫描图均具有呈a行b列均匀排列的a×b个距离库；每个距离库均对应一组雷达观测参数；每组雷达观测参数均包括反射率因子ZH、差分反射率ZDR、零滞后相关系数ρhv、差分相位标准差SDΦDP和雷达径向速度u；其中；n≥3，n＝1表示最底层仰角，n＝2表示倒数第二层仰角；a＞10，b＞10；每个距离库长度均为局部预报区的中心为天气预报点A；步骤2、识别强对流区域：结合客观对流识别方法和强对流回波顶高和垂直累计液态水含量VIL，从步骤1的局部预报区中识别出强对流区域；位于强对流区域中的距离库称为强对流距离库；步骤3、计算雷达反演涡度us：针对最底层仰角和倒数第二层仰角中的每个强对流距离库，根据各自的雷达径向速度u和距离库长度反演计算得到对应的雷达反演涡度us；步骤4、识别龙卷特征，具体包括如下步骤：步骤4-1、构建贝叶斯分类模型PC|V：贝叶斯分类模型PC|V中的V为输入样本数据，且V＝{V1，V2，V3，V4，V5}，其中，V1＝ZH，V2＝ZDR，V3＝ρhv，V4＝SDΦDP，V5＝us；贝叶斯分类模型PC|V中的C为龙卷分类类别，且C＝{C1，C2}，其中，C1表示无龙卷、C2表示有龙卷；步骤4-2、最底层仰角识别龙卷特征：对最底层仰角中的每个强对流距离库，均采用步骤4-1构建的贝叶斯分类模型PC|V进行龙卷特征识别；设最底层仰角共识别出M个强对流距离库具有龙卷特征；步骤4-3、倒数第二层仰角识别龙卷特征：采用步骤4-2的龙卷特征识别方法，倒数第二层仰角共识别出N个强对流距离库具有龙卷特征；步骤5、龙卷预报：将龙卷预报类型分为无龙卷、龙卷和强龙卷三类，具体预报方法为：A、强龙卷：当M≥7、N≥7且usmax＞u's三者同时满足时，预报天气预报点A具有强龙卷；其中，usmax为最底层仰角和倒数第二层仰角中所有强对流距离库的雷达反演涡度us的最大值；u's为涡度强度最大阈值；B、龙卷：当M≥7或N≥7且usmax＞u‘’s时，预报天气预报点A具有龙卷；其中，u‘’s为涡度强度最小阈值，且u‘’su's；C、无龙卷：不满足强龙卷和龙卷预报条件时，预报天气预报点A无龙卷。

全文数据：

权利要求：

百度查询： 南京大学连云港高新技术研究院;南京大学;南京气象科技创新研究院 一种基于多维变量特征的龙卷分级预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD