CN1922508B - 用于热带气旋的位置相关的自动概率预报的方法和系统 - Google Patents
用于热带气旋的位置相关的自动概率预报的方法和系统 Download PDFInfo
- Publication number
- CN1922508B CN1922508B CN2004800421359A CN200480042135A CN1922508B CN 1922508 B CN1922508 B CN 1922508B CN 2004800421359 A CN2004800421359 A CN 2004800421359A CN 200480042135 A CN200480042135 A CN 200480042135A CN 1922508 B CN1922508 B CN 1922508B
- Authority
- CN
- China
- Prior art keywords
- track
- historical
- alternative
- pressure
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
Abstract
本发明涉及一种用于热带气旋的与位置相关的自动概率预报方法,借助第一MonteCarlo模块基于历史轨迹产生表示替代轨迹的多个新数据记录,其中通过相关采样过程从沿着历史轨迹的所述点产生所述新数据记录的点;基于与位于某一网格单元内沿着历史轨迹的多个点中的至少一些点有关的强度数据,产生强度气候图;目前借助于第二MonteCarlo模块产生新的强度数据,其中借助MonteCarlo取样过程,从与沿着历史轨迹的多个点中的至少一些点有关的强度数据中产生新的强度数据;在新的或累积的数据记录内,所述历史轨迹的所述分布通过滤波模块被再现;以及产生每个数据记录的风场,以及由内插模块将概率赋予到所述网格中的每个点,从而给出在给定地理位置及时间处的特定风强度出现的概率。
Description
技术领域
本发明涉及一种用于位置相关的热带气旋的自动概率预报的方法和系统,其中产生热带气旋事件的数据记录,并且确定与热带气旋有关的特定气象条件的位置相关的概率值。具体地,本发明涉及所有种类的热带气旋,例如飓风、台风和热带风暴。
背景技术
每年热带气旋(也称为如飓风、台风和热带风暴等)在世界各地造成严重的破坏。对这种气象事件的发生做长期预测是困难的,如果说并非不可能的话。甚至对现存风暴在数小时或数日内的路径或轨迹做预测也会很难。具体地,本文件中的给定实例针对飓风,当然,对台风和热带风暴等也可用同样方式。飓风是被称为“热带气旋”的气象现象中最严重的种类。飓风,如同所有的热带气旋,包括预先存在的气象扰动、温暖的热带海洋、湿气、及在高处的相对轻的风。如果合适的条件存在足够长的时间,则它们可能组合产生由此现象联想到的强烈的风、难以置信的波浪、倾盆大雨、及洪水。这样,形成热带气旋及其发展成例如飓风需要:1)预先存在的气象扰动;2)至少26℃海洋温度直至大约45米的深度;以及3)贯穿大气深度相对轻的风(低的风切变)。典型地,当热带风暴及飓风的热源及湿气源被切断时(如当它们在陆地上移动时发生的)或当它们遭遇到强的风切变时,则其减弱。然而,如果减弱的飓风移动进入到更有利的区域,则会可以重新加强。残余的着陆飓风仍然可以引起严重的破坏。每年,平均十个热带风暴在大西洋、加勒比海及墨西哥海湾形成。其中有许多保留在海洋上。每年这些风暴中有六个变成飓风。在平均3年期间内,大约五个飓风侵袭例如美国海岸线,从德克萨斯州至缅因州各处夺去大约50至100人的生命。这当中,两个是典型的大飓风(风速大于110mph)。如上所提到,飓风是一种类型的热带气旋,是通常形成在热带的低气压系统的专业术语。气旋伴随有雷暴,并且在北半球,伴随有接近地球表面的逆时针风环流。可以将热带气旋分类成如下:(i)热带低气压:具有确定的表面环流及33kt或更低的最高持续风速(持续风被定义为在高于表面大约10米处测量的1分钟平均风速)的有组织的云与雷暴系统;(ii)热带风暴:具有规定的表面环流及34-63kt的最高持续风速的有组织的强雷暴系统;(iii)飓风:具有清晰的表面环流及64kt或更高最高持续风速的强雷暴的强烈热带天气系统。利用Saffir-Simpson飓风划分体系根据飓风的风强度可将其分类。1级风暴风力最低,而5级飓风风力最强。这些是相对术语,因为有时较低级别的风暴可以比较高级别的风暴造成更大的破坏,这取决于它们侵袭的地点及所引发的具体危害。事实上,主要是由于洪水,热带风暴还可能产生严重的破坏及生命损失。通常,当来自这些风暴的风力达到34kt时,都会给气旋起一名字。应该提到的是,风暴的级别并不总是与它会造成的破坏直接相关。较低级别的风暴(以及甚至热带风暴)可能造成重大的破坏,这取决于它们与其它的什么气象特征相互作用、它们在哪里侵袭以及它们移动得有多慢,。
如所提到的,Saffir-Simpson飓风划分体系(SS-等级)借助分类来定义飓风强度.1类风暴是最弱的飓风(风速64-82kt);5类飓风则最强(风速大于135kt).关于所导致的破坏,可以说风速在64-82kt的典型的1类风暴通常地对建筑结构不会造成实质性破坏.遭到破坏的主要是没有锚定的活动房屋、灌木及树木.还可能会出现一些沿海洪水及微小的码头破坏.风速在83-95kt之间的2类风暴通常地可以造成一些屋顶材料、门和窗户的破坏.还可能会对植被、活动房屋等有相当大的破坏或洪水破坏码头,在未受保护的停泊处小船可能会损坏它们的停泊处.风速在96-113kt之间的3类风暴通常会对小住所及公用事业建筑造成一些结构破坏,以及对幕墙有少量损坏.活动房屋被毁坏.同样,海岸附近的洪水毁坏较小的结构,而较大的结构被浮动的残骸所破坏.深入内陆的地带可能发生洪水.风速在114-135kt之间的4类风暴通常会导致更深度的幕墙损坏,伴有小住所上一些整个房顶结构的损坏.还可能会对海滩区有大的侵蚀.深入内陆的地带可能发生洪水.最后风速在135kt以上的5类风暴通常可以导致许多住所和工业建筑的整个房顶的损坏.还可能存在一些对整个建筑的损坏,伴有小公用事业建筑被吹垮或吹走.洪水造成对海岸线附近所有建筑的较低楼层的严重破坏.可能需要居住区的大规模撤离.
尽管如此,保险公司和其它实体需要研制评估与这种气象事件相关联的风险的方法,并且在对保险产品定价及预计随时间的推移破坏的程度和频率时,将那个知识计算在内。在这方面上可得到形式为历年出现的风暴的历史数据的信息。每年全球出现大约80个这样的风暴。有关许多这些风暴的数据得到收集,包括风暴路径或“轨迹”的位置数据、风速、大气压力及其它因素。这样的风暴在北大西洋(即,在赤道北部的大西洋部分)得到最佳的文件记录,那里可得到100年以上活动的可靠数据。每年在北大西洋区域出现大约10个风暴。出现在太平洋西北的气旋的历史数据也可得到,那里每年出现大约26个风暴。仅可得到在最近的大约50年里这些太平洋风暴的适当数据。可得到的其它区域的风暴的数据较少。
利用所有可得到的历史数据,可得到有关几百个风暴的信息,以供研究人员和科学家来研究。这样的信息有益于评估在所研究的区域中与风暴破坏有关的风险。然而,考虑风暴行为不可预测的性质,以及影响这些行为的因素的数量,从概率的角度看,可用的历史风暴的数据集是相对小的。假定此数据集将每年仅增长相对少量的风暴,则就进行有关在特定位置出现风暴的概率的统计分析存在困难。
发明内容
可解决该问题的一种方式是通过产生仿真的或“替代的(alternative)”风暴,并且使用来自这种“风暴”的数据来扩大从历史记录可用的数据集。该方法导致可用成千或甚至上万或数十万个附加风暴,从中建立足够大的数据集,以执行可靠的统计分析。本发明列举了不同的实施例,其中涉及用于产生这种扩展的概率数据集的方法、系统和计算机程序产品的使用。
因此应该指出的是,除了根据本发明的方法以外,本发明还涉及用于执行这种方法的系统和计算机程序产品。
具体地通过本发明获取的目标是:对于热带气旋的位置相关的自动预报,产生气象事件的数据记录,并且确定与热带气旋有关的特定气象条件的位置相关概率值;其中表示气象事件历史轨迹的数据记录被分配到所述气象事件出现的年份,并且被存储在计算单元的存储器模块中,所述数据记录包括表示沿着历史轨迹的事件的地理位置和/或强度的多个点;借助第一MonteCarlo模块对于每个历史轨迹产生表示替代轨迹的多个新数据记录,其中通过相关采样过程从沿着历史轨迹的所述点产生所述新数据记录的点;借助于计算单元来建立在所关注地理区域上的网格,所述区域包括该多个历史轨迹的至少一部分,并且基于与位于该网格中选择单元内沿着历史轨迹的多个点中的至少一些点有关的强度数据,产生所述选择网格单元的强度气候图;对于每个所述替代轨迹,借助于第二MonteCarlo模块产生一个或多个新的强度数据,其中,所述替代轨迹的新数据记录的一个或多个新强度数据是借助MonteCarlo采样过程,从与沿着历史轨迹的多个点中的至少一些点相关的强度数据中产生的;借助于根据强度和/或发生年份对气象事件分类的缩放比例表,产生历史轨迹数据记录的可定义的时间段的分布,所述历史轨迹的所述分布根据它们被赋予的年份,在新的或累积的数据记录内,通过滤波模块被再现;基于可定义的风场分布图产生每个数据记录的风场,并且由内插模块向所述网格中的每个点赋予一概率,从而给出在给定地理位置和时间的特定风强度出现的概率.作为缩放比例表的基础,例如可以使用Saffir-Simpson飓风划分体系.第一和第二MonteCarlo模块及内插模块可由硬件和/或软件来实现.
本发明的一个实施例包括一种用于产生与气象事件,如热带气旋、或飓风、或台风、或热带风暴相关的概率性数据集的方法。所述方法的该实施例包括如下步骤,即输入表示气象事件的历史轨迹的数据以及基于历史轨迹产生表示多个替代的轨迹的数据。通过相关采样过程,从沿着历史轨迹的相应点产生表示替代轨迹的数据点。在某些实施例中,相关的采样过程是有向的随机游走过程。
在一个实施例中,基于历史轨迹产生表示替代轨迹的数据的步骤包括如下步骤:产生针对历史轨迹的历史点(x,y)的一系列随机元组(xr,yr),沿着历史轨迹计算随机元组的随机偏差(x’,y’)的和,以及将随机偏差(x’,y’)的和相加到历史轨迹的历史点(x,y),以产生沿着替代轨迹的替代点。
表示历史轨迹的数据包括表示沿着历史轨迹的地理位置的多个点。所产生的表示多个替代轨迹的数据包括:多个表示沿着替代轨迹的地理位置的替代点。在一个实施例中,与特定轨迹有关的多个替代轨迹的至少一些具有如此起点,其不同于替代轨迹所基于的历史轨迹的起点。表示历史轨迹的数据可包括用来定义多个点中每点位置的经度和纬度数据。
在所述方法的某些实施例中,输入表示历史轨迹的数据包括输入至少下述内容之一的步骤:表示历史轨迹的多个点的经度和纬度;至少一些沿着历史轨迹的点的方位角;至少一些沿着历史轨迹的点的速度;至少一些沿着历史轨迹的点的方位角的变化率;以及至少一些沿着历史轨迹的点的速度的变化率。作为选择地,可根据以周期性时间间隔记录的经度和纬度数据,计算出后者的值(方位角、速度、及方位角和速度的变化率)。
本方法的一些实施例进一步包括如下步骤,即选择表示替代轨迹的数据的子集,用于概率性数据集。在这些及其它实施例中,产生表示替代轨迹的数据的步骤包括:根据一个或多个物理定律限制替代点与相应历史点的差异。
在本方法的某些实施例中,输入表示历史气象事件的轨迹的数据的步骤包括输入表示事件强度的数据.表示强度的数据可包括与至少一些沿着历史轨迹的多个点有关的大气压力数据.大气压力数据定义历史轨迹的历史压力分布图.大气压力数据可包括绝对压力和绝对压力关于时间的导数(或变化).在某些实施例中,大气压力数据包括一个或多个压力分布.在本方法的一些实施例中,输入数据的步骤包括输入表示多个历史轨迹的数据,以及在包括至少一部分多个轨迹的所关注的地理区域上建立网格的步骤.这些实施例可进一步包括如下步骤,即基于与位于所选择网格单元内沿着历史轨迹的多个点中的至少一些点有关的大气压力数据,建立网格中所选择单元的压力气候图.所选择单元的压力气候图可以是压力分布函数.可从与选择单元有关的大气数据及/或从与相邻于所选择单元的一个或多个单元(即,一个或多个相邻单元)有关的大气压力数据,建立网格中所选择单元的压力气候图.在某些实施例中,从与所选择单元有关的压力数据和与一个或多个相邻单元有关的压力数据的加权平均值,建立所选择单元的压力气候图.
在某些实施例中,网格中的每个单元均被赋予一陆地/海洋值。在这些实施例中,仅当相邻的及所选择的单元具有相同的陆地/海洋值时,利用与相邻单元有关的压力数据来建立所选择单元的压力气候图。
本发明方法的某些实施例包括利用网格中选择单元的压力气候图,产生针对一个或多个历史轨迹的一个或多个替代的压力分布图。此外,可为一个或多个替代轨迹产生一个或多个压力分布图。利用网格中所选择单元的压力气候图,还可为一个或多个替代轨迹产生一个或多个替代的压力分布图。在一些实施例中,至少部分地基于沿着相关气象事件的历史轨迹的历史压力分布图,修改至少如下各项之一:历史轨迹的替代压力分布图、替代轨迹的压力分布图,以及替代轨迹的替代压力分布图。
在本发明的某些实施例中,输入数据的步骤包括输入表示多个历史轨迹的数据和输入与沿着历史轨迹的多个点中的至少一些点有关的大气压力的数据。大气数据定义了历史轨迹的历史压力分布图。在这些实施例中,产生数据的步骤包括为不只一个历史轨迹产生多个替代轨迹。此外,这些实施例包括至少下述步骤之一:a)为一个或多个历史轨迹产生一个或多个替代压力分布图;b)为一个或多个替代轨迹产生一个或多个压力分布图;以及c)为一个或多个替代轨迹产生一个或多个替代压力分布图。本发明方法的这些或其它实施例可进一步包括如下步骤,即基于在所选择时间段的气候条件,从表示历史轨迹、替代轨迹及压力分布图的数据中提取一数据子集。
附图说明
考虑对示范了执行在此所构想方法的最佳模式的示例性实施例的下述详细说明,附加的特征和优点对于本领域技术人员将是显而易见的。
此后将参考仅作为非限制性实例给出的所附附图,说明本公开内容,其中:
图1是示例本发明方法的一个实施例的整个操作的流程图。
图2是进一步示例图1实施例中输入历史风暴数据的步骤的流程图。
图3是进一步示例图1实施例中建立气候图(climatology)的步骤的流程图。
图4是进一步示例图1实施例中产生可选择风暴轨迹的步骤的流程图。
图5是进一步示例图1实施例中产生可选择压力演变的步骤的流程图。
图6是进一步示例图1实施例中选择可选择风暴的子集以及计算风场的步骤的流程图。
图7示例产生表示可选择的风暴轨迹的一部分的概率数据集的点的方法。
图8a示例利用正态分布的随机游走由图7中所述方法所产生的多个可选择的风暴轨迹。
图8b示例利用均匀分布的随机游走由图7中所述方法所产生的多个替代的风暴轨迹。
图8c示例利用定向随机游走由图7中所述方法所产生的多个替代的风暴轨迹。
图9a示例多个替代的风暴轨迹,其每个起始于相应历史轨迹的起点。
图9b示例多个替代的风暴轨迹,其每个起始于相对于相应历史轨迹的替代起点。
图10示例叠置在地图一部分上的多个历史和替代的风暴轨迹。
图11(a,…,i)示例针对多个风暴的每一个的多个替代的压力演变。
具体实施方式
图1是示例本发明方法的一个实施例的整个操作的流程图。该实施例中的第一步骤是输入多个历史风暴的数据。该步骤由图1中的方框12来表示。这种数据包括定义相应历史风暴的轨迹的地理信息及用以指示风暴强度的强度数据。此数据的一个来源是National Hurricane Center(“NHC”(国家飓风中心),其是National Oceanic and AtmosphericAdministration(“NOAA”)(国家海洋和大气管理局)的一部分。可以从NHC网站www.nhc.noaa.gov看到并获得飓风和热带气旋及风暴的地理和强度数据。输入该数据之后,会在所关注的区域建立气候图(climatology)。该操作由图1中的方框14来表示。建立气候图之后,为所输入的数据中的每个历史轨迹产生替代的风暴轨迹。此步骤由方框16来表示。
在产生替代的风暴轨迹之后,为该历史和替代轨迹产生多个替代的压力演变。该步骤由图1中的方框18来表示。替代的风暴轨迹及历史的和替代的轨迹的替代的压力演变的产生创建了相应大的风暴集(既有历史的又有替代的)。基于气候学数据选择出替代风暴的子集。该步骤由方框20来表示。最终,计算出所关注的特定点的风场。该步骤在图1的流程图中由方框22来表示。下面结合图2-6的流程图对每个步骤12-22进一步加以详细讨论。
图2是进一步示例在图1实施例中输入历史风暴数据的步骤的流程图。该步骤中的第一操作由被标注有“读取原始数据”的方框24来表示。如前面所指示的,有关历史风暴的数据的一个来源是国家飓风中心。这些数据包括定义历史轨迹的单个结点的地理(即纬度和经度)数据。通常以六个小时的时间间隔报导风暴的位置。在许多实例中,也以在结点中心附近所测量的压力值形式来提供强度数据。在未提供中央压力测量值的情况下,从也可从可在该站点得到的最高持续风里计算出压力。这些操作由判断框26和处理框28来表示。
在读取原始数据之后,并且若有必要,在执行压力计算后,进行附加计算以确定速度、方位角及Saffir-Simpson等级.这些计算在图2的流程图中由方框30来表示.这里,数据被检查和验证(方框32).这些操作之后,原始数据可被内插以提高分辨率.即,在原始数据中可得到的“六小时结点”之间可定义附加的地理点或结点.六小时结点被内插以允许更佳的地理分辨率.在一个实施例中,将数据内插成0.2度的间隔.这样的内插允许生成更平滑的替代的风暴轨迹,并且增强了本发明方法的整个操作.该操作由图2中的方框34来表示.
输入历史数据步骤中的最后操作涉及添加“陆地上(on-land)”标志。当风暴从水面上的位置移动到陆地上的位置(或相反)时,观察到显著的压力变化。因而,确定着陆和离陆点并且将其输入所述数据中,以在过程的随后步骤中加以使用。该操作由图2实施例中的方框36来表示。
图3是一流程图,其进一步示例图1的实施例中建立气候图的步骤。即使存在100年以上可靠的压力数据记录,还是优选地对该历史数据加以预先处理,以通过在此所说明的方法来获取更一致的数据库。建立压力气候图步骤的第一操作是在所关注的地理区域上建立1°×1°的网格。该操作由图3实施例中的步骤38来表示。原始数据既包括在指定位置的绝对压力,也包括压力的变化(即,压力导数)。将这些数据与单独的网格位置相匹配(方框40)。网格中的一些位置将具有许多观测压力和压力导数值。其它的位置具有较少的观测值,还有其它位置可能没有观测值。
紧跟该操作,添加基于海表面温度(SST)气候学的最小压力。即,对于网格中的每个位置,输入在那个特定位置曾观测到的与最高SST有关的最低压力。该值充当与网格中每个位置有关的替代压力值的“地面”,结合历史和/或替代风暴轨迹的替代压力演变可对其加以选择(如下面进一步加以详细说明的)。该操作由图3实施例中的方框42来表示。
添加了最小压力之后,压力气候图得到平滑。平滑过程的目标包括下述之一或其中的几个:获取对所关注区域的全面覆盖;对从一个网格到其相邻网格压力和压力导数分布的变化加以平滑;对压力导数及绝对压力的最小值、最大值和平均值的分布的变化加以平滑;以及在每个网格位置获取相同的“观测”数目。该平滑过程得到所关注区域的更连贯的一组与压力相关的值,以用于下面进一步讨论的采样过程。在要说明的特定实施例中,待平滑的量并不是定标器量(如在每个位置处的平均压力量),而是对于每个位置的与压力相关的分布。因而,平滑过程相对更加复杂。
为了获取上述目标,本发明方法的一个实施例遵循以下所阐明的方法。可使用其它的方法,且有些方法与此方法极为相当,或甚至比此方法更可取。该方法如下:
确定每个位置的有效观测值数量。在该实施例中,每个位置可输入多达260个观测值。一些位置可能具有这么多(或更多)的观测值,而其它位置可能具有较少的观测值或一个也没有。所有非有效数据被取代。有效观测值与非有效观察值之间的差别是基于这样的事实,即低于800hPa的压力值是不可能的,且因此是无效的。当每个位置的全部有效观测值被输入后,本发明方法循环通过数据位置,在每个位置(被称为“中心位置”)应用下述程序:
1)获取该中心位置和具有相同陆地/海洋值的所有相邻位置(即,围绕“中心单元”的所有网格单元)的全部有效观测值。即,如果中心位置是海洋位置,则仅考虑也是海洋位置的相邻位置。如果中心位置是陆地位置,则仅考虑也是陆地位置的相邻位置。因此,在平滑过程中陆地和海洋观测值并不加以混合。
2)构建全部点的压力分布文件。例如,通过对中心位置观测值计数两次,则将它们更大量地加权。取决于具有相同陆地/海洋值的相邻位置的数目以及在每个位置的有效观测值的数目,获得任意数目的观测值用于此特定压力分布文件。
3)使用三次样条函数,以将压力分布函数内插成标准数目的观测值(例如,每个位置100个观测值).
上述方法将产生一数据集,其在与原始单元分隔不超过1度的每个网格单元上具有标准数目(例如100)的压力和压力导数观测值。通过重复操作(iteration),人们可从理论上可以填充所关注区域中存在的全部空隙。
上述所说明的方法实现了之前所阐述的目标。在所关注区域内得不到历史观测值的位置被“填充”,并且穿过所关注区域的变化得到平滑。然而,出现在陆地/海洋过渡位置处陡的压力梯度被维持。
压力气候图平滑操作由图3中的方框44来表示。应该注意到在所说明的实施例中,通过上述方式,陆地气候图和海洋气候图两者被建立和平滑。
图4是一流程图,其进一步示例了图1实施例中产生替代风暴轨迹的步骤。在该操作中的第一步骤是选择在图1所示例整个过程的第一步骤中所输入的多个历史轨迹(即经度和纬度数据)中的一个。选择操作在图4流程图中由方框46所表示。然后对于所选择的历史轨迹,产生替代轨迹。下面进一步详细描述其中产生每个替代轨迹的具体方式。该操作由4流程图中的方框48所表示。产生多(N)个替代的轨迹。在图4实施例中,这是通过判断框50和由此引起的循环的存在而加以示例。类似地,对于每个历史轨迹,产生多个轨迹。该方面的操作由判断框52及由此引起的循环的存在而加以示例。
在替代轨迹的产生之后,图1中所示例的方法实施例产生每个历史轨迹和替代轨迹的替代的压力演变(“APE”)。图5是进一步示例在图1实施例中产生APE的步骤的流程图。在此步骤中的第一操作是选择历史轨迹。该操作由图5中的方框54来表示。在该步骤中的下一个操作中产生选择历史轨迹的APE。该操作由图5中的方框56来表示。产生多(M)个APE。该特征由判断框58和由此引起的循环示意性地加以表示。
除了产生每个历史轨迹的APE以外,还希望产生与每个历史轨迹有关的每个替代轨迹的APE。因而,在产生第一历史轨迹的APE之后,该实施例的方法将从该选择的历史轨迹所产生的每个替代轨迹与该历史轨迹的原始压力演变相联系。该操作由图5中的方框60来表示。然后为该替代轨迹产生APE(方框62)。产生APE的方法与联系结合方框56所提及的操作使用的方法相同。下面进一步对适用于该操作的具体采样过程加以讨论。为每个替代轨迹产生多(M)个APE。此特征由图5中的判断框64及由此引起的循环来示例。然后类似地为与每个历史轨迹有关的多(N)个替代轨迹中的每一个产生APE。此特征由图5中的判断框66和由此引起的循环来表示。最终,以这种方式继续操作直至产生所有历史轨迹和所有有关的替代轨迹的APE。此特征由图5实施例中的判断框68和由此引起的循环来示例。
图6是一流程图,其进一步示例基于图1实施例中的气候图来选择替代风暴子集的步骤.该步骤中的第一操作是选择替代轨迹以建立多个“克隆(clone)”年份.具体地,每个历史年份包括多个历史风暴.根据上述讨论,为给定年份中的每个历史轨迹建立多(N)个替代轨迹.然而,由于替代轨迹是通过随机过程(尽管该过程使用相关采样技术)产生的,给定年份的一些替代轨迹比其它替代轨迹更可能出现.选择过程是基于其中出现有关历史风暴轨迹的实际年份的气候图知识.换句话说,基于所建立的气候图知识,取消选定可被判断为在现实中相对地不太可能出现的替代轨迹.由此,从整个可用来建立“克隆”年份的替代轨迹进行选择以包括某些替代轨迹并排除其它替代轨迹.该操作由图6中的方框70所示例.
对所选择风暴的数据进行的“调整”涉及之前所讨论的“陆地上”标志。由于当风暴从水面上移动到陆地上时压力快速增加,所以与替代轨迹有关的压力数据被调节以反映该现象。该操作由图6流程图中的方框72来表示。
在由图1流程图中所示例的整体方法中的第一步骤涉及对沿着每个风暴路径的特定点的风场进行计算。这种计算包括应用Holland的公式,计算方向性粗糙度系数,并且计算温带气旋边性(extra-tropicaltransition)。这些操作由图6流程图中的方框74、76、78和80来表示。
如之前提到的,通过相关采样技术来产生替代的风暴轨迹。图7示例产生表示替代风暴轨迹的概率数据集的点的方法。参考图7,线段100表示历史风暴轨迹的一部分。出于讨论的目的,叠加了x-y坐标系统,从而线100可以由如下三点来表示:
x=0 1 2
y=0 1 1
由线102所表示的替代轨迹的对应点通过如下步骤产生,即建立历史轨迹的每个点的序列随机多元组(xr,yr),然后计算沿着轨迹的这些数目的累加和(x’,y’)(即对沿着轨迹的随机偏差求和),且随后将这些累积的随机偏差(x’,y’)加到历史轨迹(x,y)中。最后得到的点定义了替代的轨迹。在图7实例中,随机元组是:
xr=1 0 -1
yr=0 0 1
沿着替代轨迹的累加和是:
x’=1 1+0=1 1+(-1)=0
y’=0 0+0=0 0+1=1
最终,获得在所产生轨迹(线102)上的点如下:
x+x’=0+1=1 1+1=2 2+0=2
y+y’=0+0=0 1+0=1 1+1=2
存在产生随机数字的不同办法,既可通过从正态或均匀分布的独立采样,也可以通过相关采样技术(如有向的随机游走)。利用后者,后一点可仅与前一点偏离一定的度数。正如下面将进一步加以详细示例的那样,相关采样技术(具体地,有向的随机游走)产生更逼真的替代风暴轨迹。
图8a-8c示例通过上述所说明的技术,采用独立和相关采样所产生的替代风暴轨迹。图8a示例当由从正态分布进行独立采样而产生随机数时所获取的结果。在图8a中,粗线104表示历史轨迹。其余的线表示替代轨迹。替代轨迹示例本质上不大可能出现的反复无常的风暴移动。
图8b示出历史轨迹104和由独立采样技术所产生的多个替代轨迹,其中随机数是从均匀分布产生的。在该实例中的替代轨迹比图8a中所示例的那些替代轨迹更加平滑。然而,图8b中的替代轨迹仍然显示出在沿着轨迹的众多点处不切实际的“移动”。
图8c示出历史轨迹104和通过相关采样技术而产生的多个替代轨迹。在图8c中,沿着替代轨迹的每个点可仅与前一点偏离一定度数。如结果所示例,此“有向的随机游走”产生的替代的轨迹比图8a和8b中所示例的那些更为现实。
图9a示例当根据相对较大数量的历史轨迹中的每一个来产生多个替代轨迹时而产生的结果。在图9a的示例中,每个历史轨迹,以及其相应有关的替代轨迹,开始于共同点(见,例如轨迹开始于图9a右下部分)。图9b示例类似数量的轨迹,但是其结合有本发明方面的改进。改进涉及为与特定历史轨迹有关的多个替代轨迹中的每一个选择替代的起点。由分别在图9a和9b右下部分中的区域显然可见该变化的效果。该变化在一定程度上减缓了替代的和历史轨迹的非自然“集聚”,这在图9a的示例中是显然的。
图10示例当将相对大量的历史轨迹和与每个历史轨迹有关的多个替代轨迹叠加在加勒比海和北大西洋的地图上时所获取的结果。
现在将说明产生替代压力演变(APE)的采样过程。正如上面结合图3所讨论的,建立压力气候图并且对其加以平滑。这些步骤之后,选择历史风暴以用于采样。在每个位置处,首先注意历史压力。然后,根据从经平滑的压力气候图中可得到的那个位置的压力分布,选择替代压力值。然后使所选择的压力与历史轨迹的那个地理点相联系,以产生那个点的替代压力演变。重复此过程以建立每个点的多(M)个替代压力值,且由此建立历史轨迹的多个替代压力演变。
产生所选择轨迹的替代压力演变的一种方式可被称为“最小值”方法。在此方法中,识别所选择轨迹中绝对压力最小值的位置(纬度和经度)。然后根据在那个位置处的压力分布函数选择新的压力值。所述选择可基于随机选择。一旦选择了新的最小值,则相应地沿着所选择轨迹的所有其它压力值被调节,只留下第一个和最后一个值不变。这导致反映所选择轨迹的形状的替代压力演变,但是其中压力的绝对值将在每个位置处(沿着轨迹的正好第一和正好最后位置除外)发生变化。着陆和离开陆地的位置还可被加以识别,以确保在那些位置处的替代压力演变中设置适当的值。
另一种可产生替代压力演变的方法可以被描述为“百分比”方法。该方法基于随着时间的压力差(dp/dt),以及来自历史轨迹的信息。计算替代轨迹的压力演变的步骤如下:
a)沿替代轨迹在时刻t=0时,将压力值p(0)设置成等于在时刻t=0时历史风暴的压力值。
b)在时刻t=1时,通过首先确定沿着历史轨迹在时刻t=0和t=1之间的压力变化的百分比,则对沿着替代轨迹的压力值加以确定。该值位于历史轨迹的压力分布曲线上位置x=1处。将该百分比改变一定量,并且对应于所变化的百分比的压力变化值位于替代轨迹的位置x=1处的压力分布中。则在替代轨迹中时刻t=1时的压力值等于在时刻t=0时的压力再加上位于替代轨迹压力分布中的值。
c)对于时刻t=2,参考在时刻t=1时所确定的值,重复上述步骤。
优选地根据均匀分布改变百分比。变化量优选地大约为+/-15%。通过从最后的时间步骤开始且反过来进行直到t=0时刻的所述相同过程之后,则可建立第二替代的压力演变。通过取第一和第二压力演变的加权平均,即给在轨迹开始附近的第一压力演变更多的权及给在轨迹终点附近的第二压力演变更多的权,则可确定第三替代压力演变。本领域技术人员将理解到可类似地确定其它变化,以产生附加的压力演变。
针对在初始步骤中所输入的每个历史轨迹,以及针对从每个历史轨迹中所产生的每个替代轨迹,重复产生替代压力演变的过程.因而,如果对每个历史轨迹产生N个替代轨迹,并且如果对每个历史和替代轨迹产生M个APE,则为每个历史风暴产生其数据可得到的总计(N+1)×M个“人造”风暴.即,每个轨迹(不管它是历史的或是替代的轨迹)与M个假定压力演变相联系.
图11示例为多个风暴轨迹产生的APE。在图11的每个示例中,所选择风暴轨迹的压力演变由粗线来加以示例,而为所选择风暴轨迹所产生的APE则由较轻的线来表示。如前面所讨论,APE的轮廓或形状类似于所选择的轨迹。然而,如所示例,沿着该轨迹在任一给定位置处的绝对压力值有差异。
每个历史压力演变点的替代压力的选择受到一些约束。例如,针对特定点所选择的替代压力值将不超过在那个特定点处还从未观测到的压力值,或基于SST利用气候图扩展已经被确定的那些压力值。此外,如果在历史压力演变中,在特定位置出现不寻常的压力变化,则可为那个位置处的APE选择类似地不寻常的变化。也避免了本质上不可能或在给定位置上极不可能出现的压力变化。结合联系图3所讨论的压力气候图的建立而研制的压力分布,被用来助于对这些约束的满足。
虽然根据上述说明,本公开内容已经参考特定的装置、材料和实施例被加以说明,但是本领域中的普通技术人员可以方便地判明本公开内容的基本特征,并且可进行各种变化和修改以适应各种使用和特征,而不偏离在下面权利要求所阐明的本发明的实质和范围。
Claims (34)
1.用于热带气旋的与位置相关的自动的概率预报方法,其中产生气象事件的数据记录,并确定与热带气旋有关的特定气象条件的与位置相关的概率值,其特征在于:
表示气象事件历史轨迹的数据记录被分配到所述气象事件出现的年份,并且被存储在计算单元的存储器模块中,所述数据记录包括表示沿着历史轨迹的事件的地理位置和/或强度的多个点,
借助第一MonteCarlo模块对于每个历史轨迹产生表示替代轨迹的多个新数据记录,其中通过相关采样过程从沿着历史轨迹的所述点产生所述新数据记录的点,
借助于计算单元来建立在所关注地理区域上的网格,所述区域包括该多个历史轨迹的至少一部分,并且基于与位于该网格中选择单元内沿着历史轨迹的多个点中的至少一些点有关的强度数据,产生所述选择网格单元的强度气候图,
对于每个所述替代轨迹,借助于第二MonteCarlo模块产生一个或多个新的强度数据,其中,所述替代轨迹的新数据记录的一个或多个新强度数据是借助MonteCarlo采样过程,从与沿着历史轨迹的多个点中的至少一些点相关的强度数据中产生的,
借助于根据强度和/或发生年份对气象事件分类的缩放比例表,产生历史轨迹数据记录的可定义的时间段的分布,所述历史轨迹的所述分布根据它们被赋予的年份,在新的或累积的数据记录内,通过滤波模块被再现,
基于可定义的风场分布图产生每个数据记录的风场,并且由内插模块向所述网格中的每个点赋予一概率,从而给出在给定地理位置和时间的特定风强度出现的概率。
2.根据权利要求1所述的方法,其特征在于:热带气旋事件被用作气象事件。
3.根据权利要求2所述的方法,其特征在于:表示强度的所述数据包括与沿着历史轨迹的多个点中的至少一些点有关的大气压力数据,所述大气压力数据定义历史轨迹的历史压力分布图。
4.根据权利要求3所述的方法,其特征在于:强度气候图包括压力气候图。
5.根据权利要求4所述的方法,其特征在于:用于所选择单元的至少一个的压力气候图是压力分布函数。
6.根据权利要求5所述的方法,其特征在于:所述大气压力数据包括绝对压力P和绝对压力关于时间的导数dP/dT。
7.根据权利要求6所述的方法,其特征在于:从与网格中选择单元有关的大气压力数据及从与相邻该选择单元的一个或多个单元有关的大气压力数据的至少一个中,建立所述用于网格中该选择单元的压力气候图。
8.根据权利要求7所述的方法,其特征在于:从与选择单元有关的压力数据和与选择单元相邻的一个或多个单元有关的压力数据的加权平均值,建立所述用于该选择单元的压力气候图。
9.根据权利要求8所述的方法,其特征在于:网格中的每个单元被赋予一陆地/海洋值,并且其中只有在相邻单元与选择单元具有相同的陆地/海洋值时,利用与该相邻单元有关的压力数据来建立所述选择单元的压力气候图。
10.根据权利要求9所述的方法,其特征在于:利用网格中所选择单元的压力气候图,产生一个或多个所述历史轨迹的一个或多个替代的压力分布图。
11.根据权利要求10所述的方法,其特征在于:产生所述一个或多个所述替代轨迹的一个或多个压力分布图.
12.根据权利要求11所述的方法,其特征在于:利用网格中所选择单元的压力气候图,产生所述替代轨迹中的一个或多个的一个或多个替代的压力分布图。
13.根据权利要求12所述的方法,其特征在于:至少部分地基于沿着与关联气象事件的历史轨迹的历史压力分布图,修改至少如下内容之一:历史轨迹的替代压力分布图、替代轨迹的压力分布图,以及替代轨迹的替代压力分布图。
14.根据权利要求1至13中的一个所述的方法,其特征在于:所述相关采样过程是有向的随机游走过程。
15.根据权利要求1至13中的一个所述的方法,其特征在于:多个替代轨迹中的至少一些所具有的起点与所述替代轨迹所基于的历史轨迹的起点不同。
16.根据权利要求1至13中的一个所述的方法,其特征在于:表示基于所述历史轨迹的替代轨迹的数据通过下述步骤产生:
i)产生针对历史轨迹的历史点(x,y)的系列随机元组(xr,yr);
ii)沿着历史轨迹计算随机元组的随机偏差(x’,y’)的和,以及
iii)将随机偏差(x’,y’)的和相加到历史轨迹的历史点(x,y),以产生沿着替代轨迹的替代点。
17.根据权利要求1至13中的一个所述的方法,其特征在于:经度和纬度被赋予给表示历史气象事件的轨迹的所述数据,所述经度和纬度定义沿着所述轨迹的多个点。
18.根据权利要求1至13中的一个所述的方法,其特征在于:所述数据记录包括表示多个历史轨迹的数据记录,并且所述新数据记录包括表示所述多个历史轨迹中不止一个历史轨迹的多个替代轨迹的数据记录。
19.根据权利要求1至13中的一个所述的方法,其特征在于:表示历史轨迹的所述数据包括至少:
i)表示历史轨迹的多个点的经度和纬度;
ii)至少一些沿着历史轨迹的点的方位角;
iii)至少一些沿着历史轨迹的点的速度;
iv)至少一些沿着历史轨迹的点的方位角的变化率;以及
v)至少一些沿着历史轨迹的点的速度的变化率。
20.根据权利要求1至13中的一个所述的方法,其特征在于:选择表示替代轨迹的数据的至少一个子集用于概率性数据集。
21.根据权利要求1至13中的一个所述的方法,其特征在于:根据一个或多个物理定律,限制表示替代轨迹的所述数据记录的所述替代点与相应历史点的差异。
22.根据权利要求1至13中的一个所述的方法,其特征在于:所述数据记录包括表示多个历史轨迹的数据以及表示与沿着历史轨迹的多个点中的至少一些点有关的大气压力的数据,所述大气数据定义历史轨迹的历史压力分布图,并且所述新数据记录包括所述多个历史轨迹中不止一个历史轨迹的多个替代轨迹,其中:
i)产生一个或多个历史轨迹的一个或多个替代的压力分布图;
ii)产生一个或多个替代轨迹的一个或多个压力分布图;以及
iii)产生一个或多个替代轨迹的一个或多个替代的压力分布图。
23.根据权利要求22所述的方法,其特征在于:基于选择时间段的气候条件,从表示历史轨迹、替代轨迹及压力分布图的数据中提取一数据子集。
24.根据权利要求23所述的方法,其特征在于:产生与历史气象事件的轨迹有关的多个替代的压力分布图。
25.根据权利要求24所述的方法,其特征在于:借助于Monte-Carlo模块通过下述步骤产生多个替代的压力分布图:
(i)识别沿着历史气象事件的轨迹绝对压力最小值的出现点;
(ii)选择在步骤(i)中所识别点处的替代压力值;
(iii)根据所选择的替代压力值,调节沿着历史气象事件轨迹的多个其它点处的压力值,以建立替代的压力分布图;以及
(iv)重复步骤(i)、(ii)和(iii)以产生与历史气象事件轨迹有关的多个替代压力分布图。
26.根据权利要求24所述的方法,其特征在于:基于所述历史气象事件的轨迹,产生表示多个替代轨迹的数据,所述数据包括表示沿着所述替代轨迹的地理位置的多个替代点。
27.根据权利要求26所述的方法,其特征在于:产生与所述多个替代轨迹的至少一些有关的多个替代压力分布图。
28.根据权利要求27所述的方法,其特征在于:通过下述步骤产生与所述多个替代轨迹有关的所述多个替代压力分布图:
(i)识别沿着所述替代轨迹之一绝对压力最小值的出现点;
(ii)选择在步骤(i)中所识别的点处的替代压力值;
(iii)根据所选择的替代压力值,调节沿着所述替代轨迹的多个其它点处的压力值,以产生替代的压力分布图;以及
(iv)重复步骤(i)、(ii)和(iii)以产生与所述多个替代轨迹有关的多个替代压力分布图。
29.根据权利要求28所述的方法,其特征在于:通过下述步骤产生与多个替代轨迹中的至少一些有关的多个替代压力分布图:
(i)识别沿着历史轨迹的第一位置处的压力值,并且设定在沿着替代轨迹的对应位置的压力值等于所识别的压力值;
(ii)确定在第一位置和第二位置之间沿着所述历史轨迹的压力变化的百分比;
(iii)使所述百分比改变一特定的量;
(iv)基于所改变的百分比确定在替代轨迹的第二位置处的压力值;以及
(v)对于沿着替代轨迹的附加点,重复步骤(i)、(ii)、(iii)和(iv),以建立与该替代轨迹有关的替代压力分布图;以及
(vi)重复步骤(i)、(ii)、(iii)、(iv)和(v),以建立所述多个替代轨迹中其它轨迹的压力分布图。
30.根据权利要求28所述的方法,其特征在于:百分比改变大约+/-15%。
31.根据权利要求29所述的方法,其特征在于:借助于Monte-Carlo模块通过下述步骤产生附加的替代的压力分布图:
(i)选择沿着历史轨迹的不同位置作为起点,以及/或
(ii)使百分比变化一与所述特定的量不同的量。
32.根据权利要求1至13中的一个所述的方法,其特征在于:使用Saffir-Simpson飓风划分体系作为缩放比例表的基础。
33.根据权利要求2至13中的一个所述的方法,其特征在于:所述热带气旋事件包括飓风事件或台风事件或热带风暴事件。
34.用于热带气旋的位置相关的自动预报系统,借助于此,产生气象事件的数据记录,并且确定与热带气旋有关的特定气象条件的位置相关概率值,其特征在于:
所述系统包括用于将表示气象事件的历史轨迹的数据记录分配给所述气象事件出现的年份的计算模块,以及用于将所述数据记录存储其中的存储器模块,所述数据记录包括表示沿着历史轨迹的事件的地理位置和/或强度的多个点,
所述系统包括用于产生表示每个历史轨迹的替代轨迹的多个新数据记录的MonteCarlo模块,其中通过相关采样过程从沿着历史轨迹的所述点产生所述新数据记录的点,
所述计算单元包括用于在所关注地理区域上建立网格的装置,所述区域包括多个历史轨迹的至少一部分,并且所述装置基于与位于所述选择网格单元内沿着历史轨迹的多个点中的至少一些点有关的强度数据,用于产生网格中所选择单元的强度气候图;
所述系统包括缩放比例表和滤波模块,所述缩放比例表用于产生历史轨迹数据记录的可定义的时间段的分布,其根据强度和/或出现的年份对气象事件分类,所述滤波模块根据历史轨迹被赋予的年份,在新的或累积的数据记录内再现所述历史轨迹的所述分布,
所述系统包括用于产生每个数据记录的风场的可定义的风场分布图,以及用于向所述网格中的每个点赋予概率的内插模块,从而给出在给定地理位置及时间处的特定风强度出现的概率。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/787,791 | 2004-02-26 | ||
US10/787,791 US7219015B2 (en) | 2004-02-26 | 2004-02-26 | Methods for generating data set |
PCT/EP2004/050981 WO2005083471A1 (en) | 2004-02-26 | 2004-06-01 | Method and system for automated location dependent probabilistic tropical cyclone forecast |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1922508A CN1922508A (zh) | 2007-02-28 |
CN1922508B true CN1922508B (zh) | 2010-05-05 |
Family
ID=34886856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2004800421359A Active CN1922508B (zh) | 2004-02-26 | 2004-06-01 | 用于热带气旋的位置相关的自动概率预报的方法和系统 |
Country Status (10)
Country | Link |
---|---|
US (3) | US7219015B2 (zh) |
EP (1) | EP1721193B1 (zh) |
JP (1) | JP4512635B2 (zh) |
CN (1) | CN1922508B (zh) |
AT (1) | ATE362119T1 (zh) |
AU (1) | AU2004316579B2 (zh) |
CA (1) | CA2556985C (zh) |
DE (1) | DE602004006444T2 (zh) |
DK (1) | DK1721193T3 (zh) |
WO (1) | WO2005083471A1 (zh) |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7110884B2 (en) * | 2001-05-15 | 2006-09-19 | Earthworks Solutions, Inc. | Methods in the engineering design and construction of earthen fills |
US20120078515A1 (en) * | 2002-09-16 | 2012-03-29 | Earthwork Solutions, Llc | Engineering design and construction of earthen fills |
US8229766B2 (en) | 2004-07-30 | 2012-07-24 | Risk Management Solutions, Inc. | System and method for producing a flexible geographical grid |
US7707050B2 (en) | 2004-03-11 | 2010-04-27 | Risk Management Solutions, Inc. | Systems and methods for determining concentrations of exposure |
US7783543B2 (en) | 2004-12-21 | 2010-08-24 | Weather Risk Solutions, Llc | Financial activity based on natural peril events |
US7584134B2 (en) * | 2004-12-21 | 2009-09-01 | Weather Risk Solutions, Llc | Graphical user interface for financial activity concerning tropical weather events |
US7783544B2 (en) | 2004-12-21 | 2010-08-24 | Weather Risk Solutions, Llc | Financial activity concerning tropical weather events |
US7783542B2 (en) | 2004-12-21 | 2010-08-24 | Weather Risk Solutions, Llc | Financial activity with graphical user interface based on natural peril events |
US7693766B2 (en) | 2004-12-21 | 2010-04-06 | Weather Risk Solutions Llc | Financial activity based on natural events |
US7584133B2 (en) | 2004-12-21 | 2009-09-01 | Weather Risk Solutions Llc | Financial activity based on tropical weather events |
WO2007056873A2 (de) * | 2005-11-15 | 2007-05-24 | Swiss Reinsurance Company | Automatisiertes triggersystem mit rückgekoppelten zeitabhängigen triggerindices für kontrollvorrichtungen bei mehrstufigen schadendeckungssystemen für aufkommende und/oder sich ereignende wirbelstürme und entsprechendes verfahren dafür |
US7734245B2 (en) * | 2006-01-13 | 2010-06-08 | Sai Ravela | Statistical-deterministic approach to natural disaster prediction |
US20070225915A1 (en) * | 2006-03-23 | 2007-09-27 | Weinzapfel Robert A | Methods of characterizing storms |
US20070221743A1 (en) * | 2006-03-23 | 2007-09-27 | Weinzapfel Robert A | Methods of calculating impact time for storms |
JP5044243B2 (ja) * | 2007-03-08 | 2012-10-10 | 一般財団法人電力中央研究所 | 被害関数作成方法、装置およびプログラム並びに台風被害予測方法、装置およびプログラム |
US7970543B2 (en) * | 2008-03-18 | 2011-06-28 | The United States Of America, Represented By The Secretary Of Commerce | Predicting tropical cyclone destructive potential by integrated kinetic energy according to the Powell/Reinhold scale |
US8204846B1 (en) | 2008-04-18 | 2012-06-19 | Wsi, Corporation | Tropical cyclone prediction system and method |
US8160995B1 (en) | 2008-04-18 | 2012-04-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
US8224768B1 (en) | 2008-04-18 | 2012-07-17 | Wsi, Corporation | Tropical cyclone prediction system and method |
US20100082253A1 (en) * | 2008-09-26 | 2010-04-01 | Buchanan William E | Strategic management system to stop the development of hurricanes and abate the intensity of tropical storms and hurricanes |
US8655924B2 (en) * | 2008-10-15 | 2014-02-18 | The United States Of America, As Represented By The Secretary Of The Navy | System and method for providing structured data to a structured or unstructured grid |
US8983808B2 (en) * | 2008-10-15 | 2015-03-17 | The United States Of America, As Represented By The Secretary Of The Navy | Automated mesh generation and editing tools |
US8098542B2 (en) * | 2009-01-05 | 2012-01-17 | Pgs Geophysical As | Combined electromagnetic and seismic acquisition system and method |
US8346682B2 (en) * | 2009-01-23 | 2013-01-01 | The United States Of America, As Represented By The Secretary Of The Navy | Information assisted visual interface, system, and method for identifying and quantifying multivariate associations |
US8280633B1 (en) | 2009-02-10 | 2012-10-02 | Strategic Design Federation W, Inc. | Weather risk estimation system and method |
US10068178B2 (en) * | 2010-01-13 | 2018-09-04 | Oath, Inc. | Methods and system for associating locations with annotations |
WO2011088473A2 (en) * | 2010-01-18 | 2011-07-21 | The Regents Of The University Of California | System and method for identifying patterns in and/or predicting extreme climate events |
CA2786303C (en) * | 2010-01-19 | 2015-01-06 | Swiss Reinsurance Company Ltd. | Method and system for automated location dependent natural disaster forecast |
CN101933448B (zh) * | 2010-07-26 | 2012-09-05 | 北京师范大学 | 一种制作热带气旋风带的方法 |
US9230219B2 (en) * | 2010-08-23 | 2016-01-05 | Institute Of Nuclear Energy Research Atomic Energy Council, Executive Yuan | Wind energy forecasting method with extreme wind speed prediction function |
CN102132662B (zh) * | 2011-01-10 | 2012-10-17 | 北京师范大学 | 改进的制作热带气旋风带的方法 |
WO2013126866A1 (en) | 2012-02-24 | 2013-08-29 | B3, Llc | Systems and methods for comprehensive insurance loss management and loss minimization |
FR2990681B1 (fr) * | 2012-05-16 | 2014-06-13 | Ingenierie De Rech S Et D Etudes En Hydrodynamique Navale Par Abreviation Sirehna Soc D | Procede de prevision d'au moins un mouvement d'un navire sous l'effet de la houle |
CN102681035B (zh) * | 2012-05-18 | 2013-12-25 | 福建四创软件有限公司 | 利用切线方法结合热带气旋预报路径实现预报误差的方法 |
CN103955009B (zh) * | 2014-04-25 | 2016-03-09 | 宁波市气象台 | 一种从数值预报产品中提取出台风客观预报信息的方法 |
KR101646587B1 (ko) * | 2014-08-19 | 2016-08-10 | 울산과학기술원 | 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법 |
CN104965993B (zh) * | 2015-07-17 | 2019-01-25 | 南京信息工程大学 | 一种基于尺度化集合变换的混合扰动方法 |
CN105425320B (zh) * | 2015-11-10 | 2018-01-05 | 中国科学院深圳先进技术研究院 | 热带气旋引发沿海地区大风的概率预报方法和系统 |
CN106570215B (zh) * | 2016-10-13 | 2019-08-06 | 北京航空航天大学 | 一种基于时变气象数据的热带气旋动态仿真方法 |
CN108427834A (zh) * | 2018-02-13 | 2018-08-21 | 中国气象科学研究院 | 基于中尺度模式的工程台风精细化数值模拟系统及方法 |
CN109086540B (zh) * | 2018-08-14 | 2022-11-11 | 中国科学院遥感与数字地球研究所 | 一种构建热带气旋路径预报模型的方法及装置 |
CN109325960B (zh) * | 2018-11-20 | 2021-07-09 | 南京信息工程大学 | 一种红外云图气旋分析方法及分析系统 |
CN109444989B (zh) * | 2018-12-28 | 2020-07-07 | 中山大学 | 台风预报方法、系统、可读存储介质和设备 |
CN109993282B (zh) * | 2019-03-28 | 2020-06-12 | 北京航空航天大学 | 一种台风波及范围的预测方法 |
CN111220786A (zh) * | 2020-03-09 | 2020-06-02 | 生态环境部华南环境科学研究所 | 一种深水沉积物有机污染快速监测方法 |
CN111427100B (zh) * | 2020-03-30 | 2021-09-03 | 广州数鹏通科技有限公司 | 一种台风中心定位方法、装置及台风路径生成方法 |
CN111523087B (zh) * | 2020-04-10 | 2021-04-16 | 北京航空航天大学 | 一种台风强度长期变化趋势分析方法 |
CN112394424B (zh) * | 2020-09-28 | 2022-04-26 | 南京信息工程大学 | 一种区域极端降水事件的监测方法 |
WO2022266910A1 (zh) * | 2021-06-24 | 2022-12-29 | 清华大学 | 台风活动的预测方法、装置、设备及存储介质 |
CN113344136B (zh) * | 2021-07-06 | 2022-03-15 | 南京信息工程大学 | 一种基于Mask R-CNN的新反气旋客观识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6076044A (en) * | 1997-02-13 | 2000-06-13 | Anthony Brown | Weather detector |
US6493633B2 (en) * | 1996-06-04 | 2002-12-10 | Robert O. Baron, Sr. | Systems and methods for distributing real-time site specific weather information |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3226468B2 (ja) * | 1996-11-29 | 2001-11-05 | 東京海上火災保険株式会社 | 風災害による損害評価システム |
US7424409B2 (en) * | 2001-02-20 | 2008-09-09 | Context-Based 4 Casting (C-B4) Ltd. | Stochastic modeling of time distributed sequences |
JP2002296362A (ja) * | 2001-03-29 | 2002-10-09 | Songai Hokenryoritsu Santeikai | 確率的手法を用いて合成された台風による風害評価システム及び方法 |
JP2003085361A (ja) * | 2001-07-03 | 2003-03-20 | Tokio Marine & Fire Insurance Co Ltd | デリバティブの設計支援システム、コンピュータプログラムおよび方法 |
-
2004
- 2004-02-26 US US10/787,791 patent/US7219015B2/en active Active
- 2004-06-01 EP EP04741694A patent/EP1721193B1/en active Active
- 2004-06-01 US US10/590,695 patent/US7359799B2/en not_active Expired - Fee Related
- 2004-06-01 CN CN2004800421359A patent/CN1922508B/zh active Active
- 2004-06-01 DK DK04741694T patent/DK1721193T3/da active
- 2004-06-01 CA CA2556985A patent/CA2556985C/en active Active
- 2004-06-01 AU AU2004316579A patent/AU2004316579B2/en active Active
- 2004-06-01 DE DE602004006444T patent/DE602004006444T2/de active Active
- 2004-06-01 JP JP2007500069A patent/JP4512635B2/ja active Active
- 2004-06-01 WO PCT/EP2004/050981 patent/WO2005083471A1/en active IP Right Grant
- 2004-06-01 AT AT04741694T patent/ATE362119T1/de not_active IP Right Cessation
-
2006
- 2006-11-13 US US11/598,524 patent/US7340346B2/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6493633B2 (en) * | 1996-06-04 | 2002-12-10 | Robert O. Baron, Sr. | Systems and methods for distributing real-time site specific weather information |
US6076044A (en) * | 1997-02-13 | 2000-06-13 | Anthony Brown | Weather detector |
Non-Patent Citations (3)
Title |
---|
M.DEMARIA AND J.KAPLAN.An Updated Statistical Hurricane Intensity PredictionScheme(SHIPS) for the Atlantic and Eastern North PacificBasins.WEATHER AND FORECASTING,AMERICAN METEOROLOGICAL SOC.14 3.1999, * |
M.DEMARIAANDJ.KAPLAN.AnUpdatedStatisticalHurricaneIntensityPredictionScheme(SHIPS)fortheAtlanticandEasternNorthPacificBasins.WEATHERANDFORECASTING AMERICAN METEOROLOGICAL SOC.14 3.1999 |
Mark DeMaria.Estimating Probabilities of Tropical Cyclone Surface Winds.2003, * |
Also Published As
Publication number | Publication date |
---|---|
JP2007524099A (ja) | 2007-08-23 |
DK1721193T3 (da) | 2007-09-24 |
CA2556985A1 (en) | 2005-09-09 |
EP1721193A1 (en) | 2006-11-15 |
EP1721193B1 (en) | 2007-05-09 |
US7359799B2 (en) | 2008-04-15 |
US7340346B2 (en) | 2008-03-04 |
AU2004316579A1 (en) | 2005-09-09 |
US20070185653A1 (en) | 2007-08-09 |
US20050192751A1 (en) | 2005-09-01 |
CN1922508A (zh) | 2007-02-28 |
AU2004316579B2 (en) | 2008-05-08 |
US7219015B2 (en) | 2007-05-15 |
WO2005083471A1 (en) | 2005-09-09 |
JP4512635B2 (ja) | 2010-07-28 |
DE602004006444T2 (de) | 2008-01-10 |
CA2556985C (en) | 2010-10-19 |
ATE362119T1 (de) | 2007-06-15 |
US20070093964A1 (en) | 2007-04-26 |
DE602004006444D1 (de) | 2007-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1922508B (zh) | 用于热带气旋的位置相关的自动概率预报的方法和系统 | |
Boose et al. | Landscape and regional impacts of hurricanes in Puerto Rico | |
Kyselý et al. | Comparison of regional and at‐site approaches to modelling probabilities of heavy precipitation | |
KR101646587B1 (ko) | 북서태평양 태풍 활동성에 대한 하이브리드 계절 예측 방법 | |
Crippa et al. | A temporal model for vertical extrapolation of wind speed and wind energy assessment | |
De Luca et al. | Extreme rainfall in the Mediterranean | |
Albert et al. | Optimal grid resolution for the detection lead time of cyclogenesis in the North Indian ocean | |
Diga | Using seasonal climate outlook to advise on sorghum production in the Central Rift Valley of Ethiopia | |
Mandal et al. | Prediction of Wind Speed using Machine Learning | |
Spassiani | Climatology of severe convective wind gusts in Australia | |
Fan et al. | Contrasting responses of hailstorms to anthropogenic climate change in different synoptic weather systems | |
GUPTA | CLIMATE NETWORKS | |
Mylonas et al. | Investigation of the Mediterranean Cyclone Cleopatra using the WRF model: Sensitivity analysis and ensemble forecasting approach | |
Prasad et al. | Potential Impacts of Accelerated Climate Change (4th Annual Report) | |
Akther et al. | Cyclone wind hazard assessment in coastal regions of Bangladesh | |
Esha | Modelling the impact of climate change on thunderstorm in Bangladesh based on global climate model simulations | |
Nuñez | Tools for forecasting or warning as well as hazard assessment to reduce impact of natural disasters on agriculture, forestry and fisheries | |
Böhner et al. | Impact of land use and climate change on wind erosion: Prediction of wind erosion activity for various land use and climate scenarios using the WEELS wind erosion model | |
Cerrai et al. | Weather-induced power outages | |
Bruneau | Future changes in convective precipitation and severe weather environment in western Canada and the central US Plains | |
Ibrahim et al. | AN IMPROVED RAINFALL PREDICTION MODEL FOR MINIMIZING THE NEGATIVE IMPACT OF INCREASED RAINFALL DAYS IN MINNA, NIGERIA USING ARTIFICIAL NEURAL NETWORK. | |
Ramnalis et al. | Applying two methodologies of an integrated coastal vulnerability index (ICVI) to future sea-level rise. Case study: southern coast of the Gulf of Corinth, Greece | |
SHAHADAT | FORECASTING OF METEROLOGICAL PARAMETER USING ARIMA MODEL FOR SELECTED REGIONS OF BANGLADESH | |
Refonaa et al. | Rainfall Prediction Model with Sea Surface Temperature Using Soft Computing Techniques | |
Klimánek et al. | Geoinformation analysis of factors affecting wind damage in the Šumava national park |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |