本發明專利技術公開了一種區域性極端事件的“糖葫蘆串”客觀識別方法，包括以下步驟：1、單一站點異常性判斷；2、計算鄰站異常率r(j)；3、選取最大潛在異常帶中心；4、定義異常帶5、定義異常帶邊緣；6、事件的時間連續性識別；7、判別區域性事件的極端性。通過本發明專利技術方法能夠客觀而自動地識別出區域性事件在持續期間逐日影響范圍，并能將這些逐日影響范圍合理地“串”成一串從而構成一個完整的區域性事件。
【技術實現步驟摘要】
本專利技術為，具體涉及區域性對極端天氣氣候事件的客觀識別方法領域。
技術介紹
極端天氣氣候事件通常具有一定的影響范圍和持續時間，即為區域性極端事件。 二現有對極端天氣事件的研究大多針對單一臺站的極值研究，如1948年由Penman H. L.提出了干燥度指數，Palmer W. C.于1965年提出帕爾默干旱指數PDSI，以及在對關于極端溫度和極端江水的27個核心指數。而極端天氣氣候事件，如2003年夏季歐洲熱浪、 2008年初中國南方冰凍雨雪災害、2009/2010年中國西南大旱和2010年夏季巴基斯坦大洪水，通常都屬于區域性極端事件。現有的研究也有觸及這一領域，如Dai等人(1998)基于月-年時間尺度的區域平均累積指數的區域性干旱研究；如Shiau等人(2001)、張強 (2006)、王志南等人(2007)、閔岫等人(2008)和黃丹青等人(2009)分別在干旱、極端降水和極端溫度三個方面分析了極端事件的區域性和持續性問題，但在方法上仍然是基于單一站點的持續性異常分析和站點之間的相關性分析，而并非直接針對區域性極端事件個體的研究。
技術實現思路
本專利技術的目的是為了解決現有技術中存在的缺陷，提供一種能對區域性極端事件進行客觀識別的方法。為了達到上述目的，本專利技術提供了一種，包括以下步驟(1)逐日異常帶分離1.1針對需要研究的區域性事件，選定區域內的單一臺站的指數及相應的異常性判別閥值，判斷單一臺站的逐日異常性；1. 2在所述區域內，對于異常性臺站j，計算其鄰站異常率r(j)=m/M ；對于非異常性臺站j，r(j)=0 ；其中j=l，-,η, η為所述區域內的總臺站數，m為出現異常性的鄰站數，M為鄰站總數；1. 3選取最大潛在異常帶中心將步驟1. 2中得到的r (j)中最大的臺站選為第一個最大潛在異常帶中心；另外n-1個臺站中的最大潛在異常帶中心滿足以下條件r(j)>RQ， d(j)>d。，其中，Rtl為0. 3 0. 5，d(j)為臺站j與已經選為最大潛在異常帶中心的臺站之間距離的最小值，dc為100 400km ；1. 4定義異常帶將步驟1. 3中選為最大潛在異常帶中心的K個臺站與其對應的鄰站組成的異常帶分離成相互獨立的異常帶；1. 5定義異常帶邊緣在所述區域內，對未隸屬于任何步驟1. 4中已定義異常帶的異常性臺站，統計其鄰站隸屬于L個不同異常帶的站數number (1) ,number (2)、…、number (L)，找出其中最大者number (Imax)，當number (Imax) >0時，該臺站屬于異常帶Imax，否則，該臺站為離散的異常性臺站；其中L為步驟1. 4中分離出的相互獨立的異常帶個數；(2)事件的時間連續性識別當某一正在發生的臨時事件上一日影響范圍與當日異常帶范圍存在具有重合關系的異常帶，則該臨時事件連續，且該臨時事件的當日影響范圍為所述具有重合關系的異常帶的并集，該連續的臨時事件為區域性事件；(3)判別區域性事件的極端性將步驟(2)中識別的區域性事件進行綜合強度排序，選取強度大的為區域性極端事件。步驟1. 1中所述區域性事件為干旱事件、高溫熱浪事件、冰凍事件、沙塵暴事件或連陰雨事件，單一臺站的指數選自日綜合氣象干旱指數、帕爾默干旱指數、日最高氣溫或相應的其它指數；異常性判別閥值為絕對閥值或相對閥值，相對閥值為90%或10%。步驟1. 2中所述鄰站為小于400km距離的臺站。具體鄰站的確定需要依據選定區域內的站點分布，站點分布密，則確定的鄰站之間距離小，鄰站分布疏，則確定的鄰站之間距離大。步驟1. 4中所述定義異常帶的過程為1. 4. 1、對于K個選為最大潛在異常帶中心的臺站，當該臺站未隸屬于任何已定義異常帶時，它隸屬于一個新的異常帶1，否則，進行下一個臺站處理；1. 4. 2、如果臺站j隸屬于異常帶1，則對于它的任何一個未隸屬于任何已定義異常帶的鄰站jo，當它滿足Hjtl)彡Rtl時，該鄰站隸屬于異常帶1;1.4.3、對新入選異常帶1的臺站，重復步驟1.4. 2，直至找不到任何滿足條件的鄰站時，回到步驟1.4. 1。在進行步驟(2)前，步驟1. 5中定義異常帶邊緣過程重復多次。步驟(2)中所述臨時事件的識別為當臨時事件個數為零時，所有當日的異常帶則轉變為下一日的臨時事件；當異常帶個數為零時，所有正在發生的臨時事件轉為正式事件；當某一臨時事件無任何與其有重合關系的異常帶，則該臨時事件結束，并轉為正式事件；當某一異常帶無任何與其有重合關系的臨時事件時，該異常帶轉化為下一日正在發生的臨時事件。步驟(3)中所述綜合強度選用過程綜合強度Z = Fd1, I2, As, Am，D)，將I1, I2, As, An^n D各自先進行標準化后，再加權求和；所述I1為整個事件的過程極端強度，L=Max(Tki) ;ι2為整個事件的過程累計強度，A=ZZ(7V-1U) ;as為整個事件V“；: /的累積影響面積廣(;Am為整個事件的過程最大影響面積，=ri」t ；D為持續時間；其中；f是臺站j第k日指數的具體數值，Tki為其閥值，‘為逐日影*· ^ h響面積。區域性極端事件為過程綜合強度排序在前10%的區域性事件。本專利技術相比現有技術具有以下優點利用區域性事件的特性——具有一定的持續時間和持續期內逐日氣候要素異常且具有一定的影響范圍，發現區域性事件的演變過程 (如圖1所示)一由逐日影響范圍“串”到一起的“逐日影響范圍串”，每個“糖葫蘆”相當于逐日影響范圍，將持續期間的每一個“糖葫蘆” “串”到一起就構成了一個完整的區域性事件。通過選取最大潛在異常帶中心，分離相互獨立的異常帶，進行逐日異常帶分離；通過對事件的連續性識別，將不同的逐日異常帶合理地“串”成一串。建立專門針對區域性事件的指標體系，以實現對區域性事件的評價，進而可以合理地選出極端的區域性事件，即區域性極端天氣氣候事件(簡稱區域性極端事件)。利用本專利技術方法能客觀而自動地識別出區域性事件在持續期間逐日影響范圍，并能將這些逐日影響范圍合理地“串”成一串從而構成一個完整的區域性事件。附圖說明圖1為區域性事件演變過程示意圖。圖2為本專利技術總體流程圖。圖3為圖1中步驟(1)對逐日自然異常帶分離的技術流程圖。圖4為日自然異常帶識別結果事例圖。圖5為圖1中步驟(2)對事件的時間連續性識別的技術流程圖。圖6為應用本專利技術研究1961-2010年中國區域性氣象干旱事件頻次演變圖，圖中直線為線性趨勢。圖7為應用本專利技術研究1998/1999年中國北方特大干旱事件的累積強度區域分布圖。圖8為應用本專利技術研究1961-2010年中國區域性降水事件頻次演變圖，圖中直線為線性趨勢。圖9為應用本專利技術研究1961-2010年中國區域性高溫事件頻次演變圖，圖中直線為線性趨勢。圖10為應用本專利技術研究1961-2010 年中國區域性低溫事件頻次演變圖，圖中直線為線性趨勢。具體實施例方式下面結合附圖對本專利技術進行詳細說明。如圖2所示為本專利技術的總體流程圖， 包括以下步驟1、逐日異常帶分離結合圖3，逐日自然異常帶分離的技術流程如下 1.1單點(站)逐日指數選定針對所關注的某一種區域性事件，首先需要選定合適的針對單一臺站的指數P。通常可從常用的指數，如針對區域性干旱事本文檔來自技高網...
【技術保護點】
１．一種區域性極端事件的“糖葫蘆串”客觀識別方法，其特征在于：包括以下步驟：（１）逐日異常帶分離：１．１、針對需要研究的區域性事件，選定區域內的單一臺站的指數及相應的異常性判別閥值，判斷單一臺站的逐日異常性； １．２、在所述區域內，對于異常性臺站ｊ，計算其鄰站異常率ｒ（ｊ）＝ｍ／Ｍ；對于非異常性臺站ｊ，ｒ（ｊ）＝０； 其中ｊ＝１，…，ｎ，ｎ為所述區域內的總臺站數，ｍ為出現異常性的鄰站數，Ｍ為鄰站總數； １．３、選取最大潛在異常帶中心：將步驟（２）中得到的ｒ（ｊ）中最大的臺站選為第一個最大潛在異常帶中心；另外ｎ－１個臺站中的最大潛在異常帶中心滿足以下條件：ｒ（ｊ））Ｒ０，ｄ（ｊ））ｄｃ，其中，Ｒ０為０．３～０．５，ｄ（ｊ）為臺站ｊ與已經選為最大潛在異常帶中心的臺站之間距離的最小值，ｄｃ為１００為區域性事件；（３）判別區域性事件的極端性：將步驟（２）中識別的區域性事件進行綜合強度排序，選取強度大的為區域性極端事件。１．４中分離出的相互獨立的異常帶個數；（２）事件的時間連續性識別：當某一正在發生的臨時事件上一日影響范圍與當日異常帶范圍存在具有重合關系的異常帶，則該臨時事件連續，且該臨時事件的當日影響范圍為所述具有重合關系的異常帶的并集，該連續的臨時事件其鄰站隸屬于Ｌ個不同異常帶的站數ｎｕｍｂｅｒ（１）、ｎｕｍｂｅｒ（２）、…、ｎｕｍｂｅｒ（Ｌ），找出其中最大者ｎｕｍｂｅｒ（ｌｍａｘ），當ｎｕｍｂｅｒ（ｌｍａｘ））０時，該臺站屬于異常帶ｌｍａｘ，否則，該臺站為離散的異常性臺站；其中Ｌ為步驟～４００ｋｍ； １．４、定義異常帶：將步驟１．３中選為最大潛在異常帶中心的Ｋ個臺站與其對應的鄰站組成的異常帶分離成相互獨立的異常帶； １．５、定義異常帶邊緣：在所述區域內，對未隸屬于任何步驟１．４中已定義異常帶的異常性臺站，統計...
【技術特征摘要】
【專利技術屬性】
技術研發人員：任福民，崔冬林，王艷姣，龔志強，鄒旭愷，
申請(專利權)人：任福民，崔冬林，王艷姣，龔志強，鄒旭愷，
類型：發明
國別省市：11
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。