[发明专利]一种涡旋的识别方法、装置、存储介质及电子设备

说明书

本发明提供了一种涡旋的识别方法、装置、存储介质及电子设备，其中，该方法包括：基于风场数据选取出可能是涡旋中心的有效格点，通过将该有效格点周围的区域分为多个象限，并在每种方式均满足逆时针旋转条件的情况下再基于有效涡度来确定涡旋中心。该方法只选取部分格点作为有效格点进行识别，可以减少处理量；基于有效格点周围的多个象限进行识别，均满足象限平均风场限定条件和象限组平均风向逆时针旋转条件时，进行涡旋中心待定格点的识别，能够十分准确地确定涡旋中心。本发明可应用于识别不同形状及不同尺度的中尺度涡旋，也可适用于基于不同时空分辨率的风场资料的中尺度涡旋识别；特别地，可应用于复杂风场上的中尺度涡旋的识别。

技术领域

本发明涉及涡旋识别技术领域，具体而言，涉及一种涡旋的识别方法、装置、存储介质及电子设备。

背景技术

中尺度涡旋对平衡全球动量、水汽和能量有重要作用，是造成强对流或灾害性天气的重要系统，因此准确的涡旋自动识别和追踪算法有利于灾害天气的预警和预测。

目前国内外涡旋的识别主要包括以下方法：

(1)基于人工的涡旋识别方法：直接通过人工判别涡旋，该方法的缺点是识别具有很大的主观性，无法定量给出涡旋边界，且耗时长，人力成本高。

(2)基于高度场或气压场的涡旋识别方法：通过查找高度场或气压场最外层的闭合等值线确定涡旋边界，结合局部最小值来识别涡旋；例如，具体可参考文献Lin Z,Guo W,Jia L,et al.Climatology of Tibetan Plateau vortices derived from multiplereanalysis datasets[J].Climate Dynamics,2020,55(9)。该方法的缺点是运算量较大，由于有些涡旋系统不具有中低压特征，容易漏报尺度较小的涡旋。

(3)基于涡度场的涡旋识别方法：将涡度场滤波处理或涡度的拉普拉斯项作为识别指标，确定局部最大值来确定涡旋中心；例如，具体可参考文献Curio J,Chen Y,Schiemann R,Turner A G,Wong K C,Hodges K and Li Y.Comparison of a manual andan automated tracking method for Tibetan Plateau vortices.Adv.Atmos.Sci,2018,35:965–80。该方法的缺点是涡度场与风场并不完全匹配，容易识别出大量虚假涡旋，造成大量的空报。

(4)基于风场的涡旋识别方法：基于自动检测涡旋流型来识别涡旋中心；例如，具体可参考文献Hou J,Wang P,Zhuang S.A New Method of Characterizing FlowPatterns of Vortices and Detecting the Centers of Vortices in a NumericalWind Field[J].Journal of AtmosphericOceanic Technology,2015,34(1):101-115。该方法的缺点是运算量较大，检测流程复杂且空报率较高。

(5)基于深度学习的涡旋识别方法：使用卷积神经网络模型、金字塔场景解析网络模型等从样本集中学习；其中，卷积神经网络可参考文献：孙苗,姜晓轶,刘金等.基于深度学习的海洋中尺度涡分类识别方法:中国,110097075[P].2019-08-06；金字塔场景解析网络模型可参考文献：张卫民,殷何卿,戴海瑨等.一种基于深度学习的中尺度涡旋识别方法:中国,111767827[P].2020-10-13。该方法的优点是可以不受物理规则判别约束，直接从数据中学习规律。该方法的缺点是需要大量标注数据，建模受数据质量影响大且需要大量调参。

以上现有技术中的客观识别方法存在运算量大、识别涡旋中心容易空报和漏报的缺点，而人工识别又存在时间成本大、涡旋边界无法确定的缺点。

发明内容