基于高精度数值风场资料的涡旋中心自动识别方法技术

本发明专利技术公开了一种基于高精度数值风场资料的涡旋中心自动识别方法，包括：1)依据850pha数值风场的矢量特征，利用衡量风向杂乱度的特征提取出包含轴对称型风场的感兴趣区域；2)利用圆形数据理论对理想的轴对称型风场进行特征描述和分类；3)相对于复杂的轴对称风场依据步骤2)的结论和构建变形系数，初步检索出涡旋候选中心点集；4)改进Ward聚类算法得到属于同一涡旋系统的中心点集；5)利用步骤3)的候选中心点集的涡度对涡旋系统分类，并精确定位全局的涡旋中心。本发明专利技术可自动识别和定位多种类型的轴对称风场中心，能识别多尺度的涡旋系统及复杂风场中带有一定形变的涡旋系统；从而实现涡旋系统的准确、完整自动识别和涡旋中心定位。

Automatic recognition method of vortex center based on high precision numerical wind data

The invention discloses a method for automatic identification, high precision numerical wind field data based on the vortex center include: 1) based on the vector characteristics of 850pha wind field, the characteristics of wind measure messy of extracting the region including wind field with axial symmetry type of interest; 2) for feature description and classification of axial symmetry type the ideal wind field by using circular data theory; 3) relative to the axisymmetric wind field based on complex steps 2) conclusions and construction deformation coefficient, initial vortex retrieval of candidate set; 4) improved Ward clustering algorithm belongs to the same center of the vortex line set; 5) with step 3) candidate the center points of the vorticity vortex classification system, and accurate positioning of the global vortex center. The invention can be axisymmetric wind field center automatic recognition and location of various types, with a certain deformation of the vortex vortex system can identify multi scale and complex wind field; in order to achieve accurate and complete automatic identification and positioning system of the vortex vortex center.

【技术实现步骤摘要】
基于高精度数值风场资料的涡旋中心自动识别方法
本专利技术涉及气象学领域，特别涉及一种基于高精度数值风场资料的涡旋中心自动识别方法。
技术介绍
在中尺度天气系统分析领域，基于地面和高空的风场数据是预报员在分析和跟踪天气系统的主要资料依据。其中，辐合(或辐散)式涡旋是构成强对流或灾害性天气的重要风场系统。例如在北半球，中尺度的逆时针涡旋是灾害性风暴,龙卷风的重要成因；大尺度的热带气旋，是形成我国夏季台风的主要因素；反气旋也是形成雷暴天气的重要载体。因此，涡旋自动识别算法对于上述灾害性天气的预警和预测具有至关重要的作用(CoreyK.和Potvin2013)[1]；并且，实现计算机对涡旋的自动识别和量化描述，会有助于智能处理目前地面和高空庞大的数值资料，有助于利用数据挖掘技术在大数据中探索新规律。目前，国内外气象界研制开发的中小尺度的涡旋检测算法大部分是基于雷达数据的。(Potvin等2009[2]，Potvin等2011[3])。对于中大尺度的涡旋识别，大都基于网格气压数据的局部高(低)气压中心这一判别条件(John和Rodrigo2012[4]，林志强，周振波2013[5])。基于网格数据的风场涡旋识别算法在气象领域相对较少：Mark,R.和Sinclair.(1994)提出基于风场的位势相对涡度代替气压低中心[6]。但是，高涡度值的风场包含了涡旋区，风切变区以及风向变化杂乱的区域(CoreyK.和Potvin2013)[1]，因此单纯地计算高涡度区，对于检测气旋会产生大量的空报。Mark和Sinclair(1997)[7]提出了基于上述方法的扩展算法：通过一种空间平滑技术来控制需检测涡旋的尺度，保证了在不同分辨率的网格数据下对固定尺度的气旋检测的一致性。同时，结合气旋的中心低气压值和高涡度值的特性作为衡量气旋强度的条件。但其仍然没有解决空报的问题。Naylor和Gilmore(2012)[8]通过在网格风场数据上添加规则(包括：垂直涡度，水平风速的大小和中心点向四周方向的水平气压梯度)识别龙卷风。但该方法疏忽了实际的复杂流场上涡旋不具有完整的轴对称结构的现实，也就是相对于理想的圆形涡旋结构，实际的涡旋往往带有不同程度的形变。针对此问题，CoreyK.和Potvin(2013)[1]提出针对形变涡旋结构的对流性涡旋的检测模型：将基于多普勒雷达数据的风暴检测和对流性涡旋检测方法应用在笛卡尔网格风场数据中。该模型由兰金涡旋模式和恒定流场、线性切变流场和线性辐散流场线性组合而成。然而，受气压、温度、地势等多环境因素的影响，实际的风场在中大尺度下已不具有线性的性质，当流场较复杂时，模型的误差较大，只有缩小检索域尺度才能降低误差。[参考文献][1]CoreyK.Potvin.AVariationalMethodforDetectingandCharacterizingConvectiveVorticesinCartesianWindFields.MonthlyWeatherReview.2013,141(9):3102-3114。[2]Potvin,C.K.,A.Shapiro,T.-Y.Yu,J.Gao,andM.Xue,Usingalow-ordermodeltodetectandcharacterizetornadoesinmultiple-Dopplerradardata.Mon.Wea.Rev.,2009,137:1230–1249。[3]Potvin,C.K.,A.Shapiro,M.I.Biggerstaff,andJ.M.Wurman,TheVDACtechnique:Avariationalmethodfordetectingandcharacter-izingconvectivevorticesinmultiple-Dopplerradardata.Mon.Wea.Rev.,2011,139:2593–2613。[4]JohnHanley,RodrigoCaballero.ObjectiveidentificationandtrackingofmulticentrecyclonesintheERA-Interimreanalysisdataset.QuarterlyJournaloftheRoyalMeteorologicalSociety.2012:612-625。[5]林志强，周振波假拉.高原低涡客观识别方法及初步应用.高原气象[J],2013,32(6)。[6]Mark,R.Sinclair.AnObjectiveCycloneClimatologyfortheSouthernHemisphere.MonthlyWeatherReview[J].1994:2239-2256。[7]MARK,R.SINCLAIR.ObjectiveIdentificationofCyclonesandTheirCirculationIntensity,andClimatology.WEATHERANDFORECASTING.1997:595-612。[8]Naylor,J.,andM.S.Gilmore,Environmentalfactorsinfluentialtothedurationandintensityoftornadoesinsimulatedsupercells.Geophys.Res.Lett.,2012,39。
技术实现思路
本专利技术公开了一种基于高精度数值风场资料的涡旋中心自动识别方法，可以解决的技术问题包括：自动识别和定位多种类型的轴对称风场中心(包括：顺(逆)时针旋转涡旋，辐合(散))；能识别多尺度的涡旋系统；能够识别复杂风场中带有一定形变的涡旋系统；达到准确、完整自动识别涡旋系统和定位涡旋中心的目的。为了解决上述技术问题，本专利技术提出的一种基于高精度数值风场资料的涡旋中心自动识别方法，包括以下步骤：步骤一、依据850pha数值风场的矢量特征，利用衡量风向杂乱度的特征提取出包含轴对称型风场的感兴趣区域；步骤如下：1-1)设输入的风场矩阵为WM,N，其中，M,N分别为矩阵的行数和列数；设风场矩阵WM,N中的两个矢量的方向夹角为Λ，构建一个统计特征即：在L×L窗口内，分别计算风场矩阵WM,N中的网格点(i,j)和该网格点的相邻点(i，j+1)与(i-1,j)的方向夹角Λ，并累积求和；设风矢量的角度分量为θ，则两个矢量的方向夹角为Λ(θ1,θ2)，统计特征的计算公式如下：式(1)中，i，j，m和n分别是风场矩阵WM,N中网格的东西方向和南北方向的索引；m＝r+2，…，M-r；n＝r+1，…，N-(r+1)，L为窗口的尺度，且为奇数；1-2)对上述统计特征进行归一化得到归一化的统计特征对输入的给定分辨率的高精度网格风场数据，计算出统计特征的最大值，即对进行归一化得到计算公式为最后，遍历计算WM,N，得到归一化的特征矩阵即为：1-3)利用Bayesian决策对参数L进行优化，和对公式(1)得出的进行阈值选取，以获得输入风场矩阵的最优感兴趣区；从给定分辨率的风场数据中搜集涡旋样本V，等分为三组测试样本，包括：VA，VB和VC，其中，风场数据包含不同季节、时间和海拔高度；然后，对杂乱风样本M本文档来自技高网...

【技术保护点】
一种基于高精度数值风场资料的涡旋中心自动识别方法，其特征在于，包括以下步骤：步骤一、依据850pha数值风场的矢量特征，利用衡量风向杂乱度的特征

【技术特征摘要】
1.一种基于高精度数值风场资料的涡旋中心自动识别方法，其特征在于，包括以下步骤：步骤一、依据850pha数值风场的矢量特征，利用衡量风向杂乱度的特征提取出包含轴对称型风场的感兴趣区域；步骤如下：1-1)设输入的风场矩阵为WM,N，其中，M,N分别为矩阵的行数和列数；设风场矩阵WM,N中的两个矢量的方向夹角为Λ，构建一个统计特征即：在L×L窗口内，分别计算风场矩阵WM,N中的网格点(i,j)和该网格点的相邻点(i，j+1)与(i-1,j)的方向夹角Λ，并累积求和；设风矢量的角度分量为θ，则两个矢量的方向夹角为Λ(θ1,θ2)，统计特征的计算公式如下：式(1)中，i，j，m和n分别是风场矩阵WM,N中网格的东西方向和南北方向的索引；m＝r+2，…，M-r；n＝r+1，…，N-(r+1)，L为窗口的尺度，且为奇数；1-2)对上述统计特征进行归一化得到归一化的统计特征对输入的给定分辨率的高精度网格风场数据，计算出统计特征的最大值，即对进行归一化得到计算公式为最后，遍历计算WM,N，得到归一化的特征矩阵即为：1-3)利用Bayesian决策对参数L进行优化，和对公式(1)得出的进行阈值选取，以获得输入风场矩阵的最优感兴趣区；从给定分辨率的风场数据中搜集涡旋样本V，等分为三组测试样本，包括：VA，VB和VC，其中，风场数据包含不同季节、时间和海拔高度；然后，对杂乱风样本M的三个子样本：MA，MB和MC和一致风样本S的三个子样本：SA，SB和SC分别计算当L＝5,7,9,11和13的五类训练子特征：和当L取上述给定某一尺度值时，分别计算对于类别VA，MA和SA的条件概率密度：和根据最小错误率的原则，获得的最优阈值和相应的最小错误率同样的过程应用于[VB,MB,SB]和[VC,MC,SC]，获得相应的最小错误率和比较不同的L取值下的最小错误率的平均值，求得对于给定分辨率的风场数据的最优L取值；基于最优L值，确定的最优阈值，该阈值包含一个与杂乱区域分界的最大值和与一致风向区域的最小值；步骤二、利用圆形数据理论，对理想的轴对称型风场，包括：顺时针旋转场、逆时针旋转场、辐合场、辐散场和鞍形场进行特征描述和分类；步骤如下：2-1)对于两个圆形数据变量α和β，它们之间的一种有向的方向差Q(α,β)，定义为：定义α到β的一种走向为：其中，α和β的取值范围各为[-180°,180°]；α到β的走向α→β为：在极坐标系下从α到β的走向；2-2)结论1：设θk是以理想轴对称风场中心为中心的单位圆弧上k位置处风的角度，当0°<Q(θk,θk+ε)<180°,ε>0时，则θk→θk+ε:counterclockwise；对于所有的0°≤k<360°，结论1都成立时，判定θk为第一类轴对称场，即涡旋场或辐合场或辐散场；结论2：设θk是以理想轴对称风场中心为中心的单位圆弧上k位置处风的角度，当-180°<Q(θk,θk+ε)<0°,ε>0时，则θk→θk+ε:clockwise；对于所有的0°≤k<360°，结论2都成立时，判定θk为第二类轴对称场，即鞍形场；2-3)设是轴对称型风场，对于所有的0°≤k<360°，当时，和θk同属一类轴对称场；如果θk为逆时针涡旋场，当δ＝90°时，为辐合场；当δ＝180°时，为顺时针涡旋场；当δ＝270°时，为辐散场；如果θk为鞍形场，δ取0°～360°任意值，为鞍形场；步骤三、相对于理想轴对称风场，实际的涡旋场是复杂的轴对称风场，依据步骤二的结论和构建变形系数，初步检索出涡旋候选中心点集；步骤如下：3-1)对步骤一计算出的感兴趣区域的每个格点风向值进行角度量化：依次为：东风、东北风、北风、西北风、西风、西南风、南风和东南风八个方向；3-2)以步骤一计算出的感兴趣区域为当前检索范围，依次对每个以当前格点为中心的d×d窗口下分析域的风向进行特征提取，判定当前格点是否为涡旋中心点；从中心点向X轴方向的射线开始，以45°角为步长，依次引出八条射线对分析域进行八等分；3-3)涡旋场的特征提取；对于当前分析域的第i(i＝1,2,…,8.)个子区域，所有格点数为Si、具有相同角度α的连通格点数为则该子区域的特征值定义为ci，因此当前分析域的特征向量描述为C＝{c1,c2,…c8}；C的提取规则为：IF存在α使得ci＝α；ELSE停止并检索下一格点；END其中，ρ是阈值变量，默认值是0.4；3-4)将C简化为设ci和cj是两个相邻子区域的特征值；即，其中，如果i<8,j＝i+1,如果i＝8,j＝1；简化规则为：IFci＝cj去掉cjEND3-5)剔除不合理的设q是的长度，和是的相邻元素，其中，如果i<8,j＝i+1,如果i＝8,j＝1；则规则为：IFq<4或存在ci使得停止并检索下一格点；END3-6)设为中方向角所对应的空间子象限的索引向量；对通...

【专利技术属性】
技术研发人员：王萍，侯洁，庄硕，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12