-
公开(公告)号：CN112946655B
公开(公告)日：2022-05-13
申请号：CN202110111297.9
申请日：2021-01-27
Applicant: 江苏省气象科学研究所 , 南京气象科技创新研究院 , 南京大学
IPC: G01S13/95
Abstract: 本发明公开了一种基于近地面散度场的下击暴流识别计算方法，首先提取多普勒天气雷达探测的对流回波的反射率因子与径向速度信息，经过质量控制，获得质控后的速度资料与反射率因子信息，然后使用线性最小二乘法，计算获得多仰角的散度，通过设定的距离阈值、反射率因子阈值，获得初步删选的对流回波多仰角散度分布，在此基础上提取对流回波的辐合、辐散的垂直分布，分析其空间结构，基于暖季典型下击暴流个例建立的散度阈值得到下击暴流发生概率。本申请的方法能够弥补下击暴流监测与预报预警的不足，解决敏感用户监测下击暴流、并对其产生的灾害性大风进行预报预警的需求。
-
公开(公告)号：CN119270275A
公开(公告)日：2025-01-07
申请号：CN202411795533.3
申请日：2024-12-09
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开了一种基于风廓线雷达的低空大气风切变和湍流监测方法。利用五波束探测模式下的径向速度资料，计算垂直风速与水平风速廓线，并据此获得垂直及水平方向上的风切变指数；同时，通过四组水平风速标准差计算大气水平运动均一性指数。结合径向速度谱宽资料与其他观测手段如微波辐射计、探空或卫星提供的温度廓线，计算并合成五组湍流动能耗散率廓线。该方法能够在高时空分辨率下连续监测低空大气中的风切变、水平运动均一性和湍流状况，为低空飞行安全提供有力技术支撑。
-
公开(公告)号：CN114415136B
公开(公告)日：2022-06-10
申请号：CN202210314856.0
申请日：2022-03-29
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开一种连续波天气雷达在线标定回波强度的方法，包括如下步骤：从连续波天气雷达基数据中分别提取出回波强度、多普勒速度、速度谱宽和回波功率四个参数；对四种参数进行特征分析，获取其中目标物为飞机的观测数据，将其回波功率与对应的位置记录保存为一个样本；对样本的回波功率进行位置处理，对样本的回波功率进行雷达散射截面RCS订正；由多个样本之间修正后的回波功率的波动情况判断雷达性能的稳定性。本发明适用于所有的连续波天气雷达回波强度标定，可以在不关机的情况下迅速检测出雷达性能变化，及时标定雷达，提高雷达数据精度，保证雷达观测数据的一致性。
-
公开(公告)号：CN111427101B
公开(公告)日：2022-04-26
申请号：CN202010262608.7
申请日：2020-04-07
Applicant: 南京气象科技创新研究院 , 江苏省气象科学研究所
Abstract: 本发明属于天气预报技术领域，公开了一种雷雨大风分级预警方法、系统、存储介质、计算机程序，利用二步式速度退模糊方法对雷达资料径向速度进行质量控制；获取径向速度大风区数据，并逐方位扫描大风数据；挑选出大于设定面积阈值的大风区域；获取雷达站周围80km范围内0.5°仰角径向速度超过17m/s以上大风区域格点数据；采用自助法重采样技术生成新的训练样本集合；将每个大风区域内的7‑14级风所占区域面积百分比作为特征；进行随机森林的构建；通过5折交叉验证来进行模型评估。本发明能够提供大风预警落区和分级预警信息，为预报人员发布预警提供信息，对灾害大风敏感行业提供参考。
-
公开(公告)号：CN113933845A
公开(公告)日：2022-01-14
申请号：CN202111211856.X
申请日：2021-10-18
Applicant: 南京气象科技创新研究院 , 南京大学 , 江苏省气象科学研究所
IPC: G01S13/95
Abstract: 本发明公开了一种基于双线偏振雷达的地面降雹识别和预警方法，包括利用双线偏振雷达观测数据建立训练样本，利用二维高斯分布和一维正态分布拟合统计样本，建立ZH‑ZDR、LKDP和交叉相关系数CC的模型，从而计算每个雷达观测距离库上的冰雹和非冰雹概率，将探空温度插值到雷达观测坐标高度上，利用温度信息和统计冰雹在垂直高度的概率密度函数，对识别冰雹进行约束，并通过统计垂直累计液态水含量，确定对应的强对流三维结构信息，从而判断对应位置是否存在冰雹，能够提供明确的地面降雹，并结合预警的预设条件，为预报人员发布预警提供信息。
-
Patent Agency Ranking
公开(公告)号：CN117908166B
公开(公告)日：2024-05-24
申请号：CN202410303465.8
申请日：2024-03-18
Applicant: 南京气象科技创新研究院
Abstract: 本发明涉及天气预报技术领域，具体公开一种基于机器学习的强降水超级单体识别预警方法，包括如下步骤：选取强降水超级单体个例，并筛选出各强降水超级单体个例对应的风暴特征参数，由此形成特征数据集；依据特征数据集，采用基于CatBoost的框架，训练获得强降水超级单体识别预警模型；将待识别区域的天气雷达组网观测数据、地形数据以及下垫面数据输入所述强降水超级单体识别预警模型，获得识别结果，在识别结果超出设定阈值时，判断有强降水超级单体发生可能性。本发明融合多源数据，结合CatBoost机器学习算法，能够准确、快速识别和预警强降水超级单体风暴，这对于减少由于强降水超级单体引起的天气灾害的影响尤为重要。
-
公开(公告)号：CN117290810B
公开(公告)日：2024-02-02
申请号：CN202311584724.0
申请日：2023-11-27
Applicant: 南京气象科技创新研究院
IPC: G06F18/25 , G01W1/10 , G06F18/241 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/08
Abstract: 明可以大幅提升对短时强降水的概率预测能力。本发明公开了一种基于循环卷积神经网络的短时强降水概率预报融合方法，涉及大气科学研究领域，包括如下步骤：步骤一、建立降水短时预测的融合数据集，并将融合数据集划分为降水短时预测训练集、验证集和测试集；步骤二、使用步骤一中的降水短时预测训练集和验证集，训练出基于循环卷积神经网络的降水时序预测模型；采用训练出的基于循环卷积神经网络的降水时序预测模型，获取未来6‑18小时的小时降水量时空预报结果；步骤三、采用步骤二中得到的降水(56)对比文件庄潇然 等.基于深度学习的融合降水临近预报方法及其在中国东部地区的应用研究 《.气象学报》.2023,286-303.郑玉 等.基于循环神经网络改进雷达定量估测强降水《.中国科技论文》.2020,第15卷(第5期),585-592.WU Zhi-peng 等.A COMBINEDVERIFICATION METHOD FOR PREDICTABILITY OFPERSISTENT HEAVY RAINFALL EVENTS OVEREAST ASIA BASED ON ENSEMBLE FORECAST.《JOURNAL OF TROPICAL METEOROLOGY》.2020,1-12.Xiaoran Zhuang 等.SpatialPredictability of Heavy Rainfall Eventsin East China and the Application ofSpatial-Based Methods of ProbabilisticForecasting《.atmosphere》.2019,1-19.Angelica N. Caseri 等.A convolutionalrecurrent neural network for strongconvective rainfall nowcasting usingweather radar data in SoutheasternBrazil《.Artificial Intelligence inGeosciences》.2022,1-6.
-
公开(公告)号：CN117290810A
公开(公告)日：2023-12-26
申请号：CN202311584724.0
申请日：2023-11-27
Applicant: 南京气象科技创新研究院
IPC: G06F18/25 , G01W1/10 , G06F18/241 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于循环卷积神经网络的短时强降水概率预报融合方法，涉及大气科学研究领域，包括如下步骤：步骤一、建立降水短时预测的融合数据集，并将融合数据集划分为降水短时预测训练集、验证集和测试集；步骤二、使用步骤一中的降水短时预测训练集和验证集，训练出基于循环卷积神经网络的降水时序预测模型；采用训练出的基于循环卷积神经网络的降水时序预测模型，获取未来6‑18小时的小时降水量时空预报结果；步骤三、采用步骤二中得到的降水时空预测结果，对LightGBM分类模型进行训练，得到短时强降水分类模型，获取未来6‑18小时的逐小时的短时强降水事件的概率预测结果。本发明可以大幅提升对短时强降水的概率预测能力。
-
公开(公告)号：CN114463947B
公开(公告)日：2022-11-18
申请号：CN202210050608.X
申请日：2022-01-17
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开一种基于时空网络卷积模型的对流性致灾强风预警预报方法，包括如下步骤：对天气雷达组网数据进行质控；将雷达数据插值到3km高度的等经纬度网格点上；对地面自动站要素观测数据进行采样和格点化；构建平均风临近预报数据集；将数据集进行训练与检验；构建基于深度学习的平均风临近预报模型；通过阵风系数构建分钟级平均风速与瞬时极大风速之间的关系，将平均风速的预报结果转化为阵风风速预报产品。本发明基于业务需求将多源数据进行融合，利用天气雷达组网观测以及地面自动站的分钟级要素观测，解决了业务上阵风千米网格临近预报的业务难题。
-
公开(公告)号：CN114463947A
公开(公告)日：2022-05-10
申请号：CN202210050608.X
申请日：2022-01-17
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开一种基于时空网络卷积模型的对流性致灾强风预警预报方法，包括如下步骤：对天气雷达组网数据进行质控；将雷达数据插值到3km高度的等经纬度网格点上；对地面自动站要素观测数据进行采样和格点化；构建平均风临近预报数据集；将数据集进行训练与检验；构建基于深度学习的平均风临近预报模型；通过阵风系数构建分钟级平均风速与瞬时极大风速之间的关系，将平均风速的预报结果转化为阵风风速预报产品。本发明基于业务需求将多源数据进行融合，利用天气雷达组网观测以及地面自动站的分钟级要素观测，解决了业务上阵风千米网格临近预报的业务难题。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.023 seconds)
