-
公开(公告)号:CN119167667A
公开(公告)日:2024-12-20
申请号:CN202411673710.0
申请日:2024-11-21
Applicant: 南京气象科技创新研究院
IPC: G06F30/20 , G06F111/10 , G06F119/08
Abstract: 本发明属于大气科学和遥感研究领域,具体公开一种基于山地辐射效应的静止卫星陆上窗区通道资料同化方法,首先针对静止卫星的固定观测区域,基于高分辨率地形高程数据建立微观地形因子静态基础数据集。其次,在大气数值模式中引入次网格地形三维地表太阳辐射参数化方案实现地表辐射修正的快速计算,优化模式对地形复杂区地表辐射和地表温度的刻画能力,进而减小陆上红外亮温模拟偏差随地形的高度敏感性,提高卫星窗区通道资料的同化利用率和效果。
-
公开(公告)号:CN118246303A
公开(公告)日:2024-06-25
申请号:CN202410455978.0
申请日:2024-04-16
Applicant: 南京气象科技创新研究院
IPC: G06F30/25 , G06F17/10 , G06C3/00 , G06F111/10
Abstract: 本发明涉及气象学和遥感科学领域。主要是适用于卫星红外亮温模拟的冰云散射特性分段式计算方法,包括根据待模拟的数值模式所采用的云微物理方案,确定冰晶粒子的粒径分布形式,以及冰云对应的粒径分布参数;将冰云粒子按照粒径大小进行分段,计算每段粒径范围内冰粒子对冰云整体辐射特性贡献的权重系数,制作为权重系数查找表;在快速辐射传输模型中,找到对应的权重系数,带入到冰云散射特性计算。本发明建立冰云散射特性分段计算方法,一方面保证计算效率以满足业务预报的需求,另一方面更加准确地计算冰云散射特性以降低红外亮温模拟误差。
-
公开(公告)号:CN116430476B
公开(公告)日:2024-02-13
申请号:CN202310144339.8
申请日:2023-02-21
Applicant: 南京气象科技创新研究院
IPC: G01W1/10
Abstract: 本发明提供一种用于热带气旋预报的变分辨率网格设置方法,涉及气象研究领域,1、包括下述步骤:S1、根据预报需求和计算资源选择或生成一个变分辨率网格作为原始网格;S2、对原始网格沿其网格加密中心进行平移以生成若干新的网格,新的网格记为待选网格;S3、对于某个起报时刻,获取该起报时刻前最新的热带气旋主观路径预报;S4、对每个待选网格,计算热带气旋主观路径预报中热带气旋位置位于待选网格加密区域内的预报时刻总个数;S5、确定某个预报时刻最终用于模式预报的变分辨率网格。本发明方法为变分辨率全球模式的热带气旋预报提供了便捷、高效的网格设置方法,能够有效提高热带气旋的预报效果。
-
公开(公告)号:CN116975523B
公开(公告)日:2023-12-12
申请号:CN202311231702.6
申请日:2023-09-22
Applicant: 南京气象科技创新研究院
IPC: G06F17/18 , G06F17/16 , G06F18/22 , G06F18/241 , G06Q50/26
Abstract: 本发明公开了一种强对流天气分型的资料同化背景误差协方差特征统计方法,涉及大气科学研究领域,包括如下步骤:步骤一、对研究区域的强对流天气形势进行分型;步骤二、根据空间相似度判据,判断新的预报场是否是强对流背景场,若是强对流背景场,进一步判定是属于步骤一分型出的哪一类型从而将当下新的预报场归类;步骤三、新的预报场归类后,挑选出该类型下的所有历史样本,然后基于频谱滤波技术对样本预报场进行全球模式大尺度背景误差协方差和区域模式小尺度背景误差协方差的分离,从而分析不同强对流天气类型下对流区与非对流区的
-
公开(公告)号:CN116893449B
公开(公告)日:2023-12-01
申请号:CN202311164329.7
申请日:2023-09-11
Applicant: 南京气象科技创新研究院
IPC: G01W1/10 , G06F18/22 , G06F18/2415
Abstract: 本发明公开了一种基于客观天气分型和多变量的极端暴雨潜势预报方法,涉及天气预报技术领域,包括如下步骤:S1、利用旋转T模态客观分型方法将十年再分析资料位势高度场进行客观分型;S2、对模式预报500 hPa位势高度场和步骤S1中的客观分型结果进行相似判断,选择相似度最高的类型作为分类结果;S3、在每一种客观分型结果下,根据十年地面降水资料,建立先验概率密度函数,以及基于再分析资料的条件相似概率密度函数;S4、对模式预报500 hPa、700 hPa、850 hPa和925 hPa位势高度场和每一种客观分型类型下各降雨量级500 hPa、700 hPa、850 hPa和925 hPa合成位势高度场进行相似判定,结合S3中获得的后验概率密度函数进行加权平均,选择具有最大概率的降雨量级作为潜势预报结果。
-
公开(公告)号:CN119046802A
公开(公告)日:2024-11-29
申请号:CN202411551204.4
申请日:2024-11-01
Applicant: 南京气象科技创新研究院
IPC: G06F18/2415 , G06F18/214 , G06F18/21 , G06Q50/26 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种基于强对流识别的集合同化成员构建方法,包括步骤:根据预报区域和预报时段,获取历史气象数据,并进行预处理,构建数据训练集;采用所述数据训练集,构建并训练获得用于识别强对流的类型的分类识别模型;构建集合成员生成模型,并基于不同的强对流的类型分别进行训练,为每种强对流的类型各构建集合成员生成模式;采用分类识别模型对预生成集合成员的天气进行分类,再根据分类结果,选择对应的集合成员生成模式生成集合同化成员。本发明可以有效的对强对流进行分类,结合历史同类型的强对流信息生成集合成员,本发明不需要对模式进行积分,且可以有效提高离散度,降低生成集合成员时对计算资源的需求。
-
公开(公告)号:CN118210086B
公开(公告)日:2024-08-30
申请号:CN202410635937.X
申请日:2024-05-22
Applicant: 南京气象科技创新研究院
IPC: G01W1/10
Abstract: 本发明涉及数值天气预报技术领域,具体公开一种基于湿位涡的集合预报扰动方法,包括如下步骤:设定扰动循环参数;S200、开始扰动循环,对集合预报成员进行扰动,生成湿位涡扰动预报集合;将全部扰动后集合预报成员预报到下一个扰动循环时刻,生成下一个扰动循环时刻的模式预报场,再次执行步骤S200,反复循环,直至遍历完所有扰动循环时刻。本发明基于湿位涡的集合预报扰动方法能够有效影响模式预报的对流不稳定与斜压不稳定环境,从而减小当模式预报的不稳定环境存在偏差时导致的扰动增长与实际误差演变的差异,改进集合预报效果,提高预报技巧评分。
-
公开(公告)号:CN117953193B
公开(公告)日:2024-06-11
申请号:CN202410346549.X
申请日:2024-03-26
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开了一种极轨气象卫星微波成像仪资料地理定位误差的估计方法,包括如下步骤:步骤一、对极轨气象卫星遥感资料进行预处理,极轨气象卫星遥感资料包括微波成像仪观测数据以及中分辨率光谱成像仪观测数据;步骤二、选定两个观测区域:观测区域处于具有强烈的亮温差异特征的海陆交界处,并在南、北半球各建立一个;步骤三、在两个观测区域中分别识别出各自区域内的晴空观测视场:基于晴空视场识别算法,识别出各扫描线上连续分布的晴空观测视场;步骤四、分别获取两个观测区域的海岸线计算位置;步骤五、估计地理定位误差。由此可见,本发明降低云污染对地理定位误差估计的影响,提高了地理定位误差估计的准确度。
-
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。
-
-
-
-
-
-
-
-
-