[发明专利]一种江淮地区强降水中心场的提取方法

说明书

本发明涉及一种江淮地区强降水中心场的提取方法，属于计算机客观天气分型技术领域。该方法包括如下步骤：1)建立表示强降水量场集合的数据集；2)查找每个强降水量场的κ邻域强降水量场；3)求每个强降水量场的密度指标；4)求每个强降水量场的分布指标；5)计算每个强降水量场的密度指标和分布指标的几何平均值，即为中心场的判定初值，然后更新判定初值，得到每个强降水量场的中心场判定值；6)从中心场判定值中选取大于0的值对应的降水量场日期和降水量格点值，即为强降水类型的中心场的出现日期及降水量。本发明只需要单一的预定义参数，且运行结果没有随机性，并能准确提取出分布呈现非凸形状的强降水量场集合的中心场。

技术领域

本发明涉及一种江淮地区强降水中心场的提取方法，属于计算机客观天气分型技术领域。

背景技术

我国江淮地处雨量丰沛的南方和干旱少雨的北方过渡地带，降水的年际和季节变率都很大，影响因素复杂，旱涝和台风等气象灾害频频发生，因此出于研制更加先进的预报方法，从而更好的防灾减灾的需要，对江淮地区的强降水天气进行天气分型是十分必要的。

天气分型的原理是根据客观或主观的方法分析特定的气象要素来识别出若干种出现频次较高的天气类型，从而将气象场分类为这些天气类型的方法。相对于主观天气分型，客观天气分型采用数理统计、数值分析等方法实现，从而更加的客观全面，其常用的方法包括空间天气分类法(Spatial Synoptic Classification,SSC)、经验正交函数分析法(Empirical Orthogonal Function，EOF)、小波分析(wavelet analysis)、k均值(k-means)、层次聚类法等。在这些方法中往往需要先提取出各天气类型的中心场，如SSC的滑动种子日，对比文件：Sheridan S C,2002.The redevelopment of a weather-typeclassification scheme for north America(北美天气分型计划的再发展)、k均值的簇心，对比文件：张鸿雁,2021.基于密度加权的分裂式K均值聚类算法、EOF的典型模态，对比文件：秦岭,2020.全球春－秋季风降水的年际变化主模态时空特征，然后再得到分类结果，但这些方法都要指定中心场的数量，且其中滑动种子日需要人为主观的定义；簇心的选择在k-means的改进算法下遵循一定的规则但仍具有随机性,或为了消除随机性而增加预定义参数，同时k-means簇心的选择也不适用于非凸形状的簇；EOF采用求特征值和特征向量的方法提取典型模态，但受限于数据空间变换的局限性，对于非凸形状的气象场分布情况不具有适用性。

鉴于上述现有技术的不足之处，需要建立一种新型的气象场典型模态提取方法用于获取江淮地区的强降水中心场。

发明内容

本发明提出了一种江淮地区强降水中心场的提取方法，将一种新型的气象场典型模态提取方法应用到江淮地区的强降水中心场获取上，以便于后期对强降水天气进行天气分型。该方法只需要单一的预定义参数，且运行结果没有随机性，并能准确提取出分布呈现非凸形状的强降水量场集合的中心场。

本发明为解决其技术问题采用如下技术方案：

一种江淮地区强降水中心场的提取方法，包括如下步骤：

步骤1)收集待分析区域的逐日降水量站点数据并将其转换成格点数据，筛选其中的强降水日数据、建立表示强降水量场集合的数据集；

步骤2)计算强降水量场的距离矩阵，查找每个强降水量场的κ邻域强降水量场，其中κ邻域为预定义参数；

步骤3)求每个强降水量场在κ邻域范围内的密度指标；

步骤4)以每个强降水量场为原点，计算其和κ邻域范围内所有的k(k-1)/2对强降水量场形成的空间线段的夹角弧度值，其中一对强降水量场为两个强降水量场，并筛选得到k-1个相邻的最小夹角弧度值的集合，以此计算每个原点强降水量场的分布指标；