公共文化服务平台

搜索到441篇“ 台风强度“的相关文章

一种台风强度预测方法、系统、设备及介质: 本发明属于气象预测技术领域，公开了一种台风强度预测方法、系统、设备及介质，以解决台风强度预测准确性差的问题。本发明方法包括获取台风初始场数据，台风初始场数据包括至少两个在先时刻的ERA5再分析数据；获取伏羲气象大模型并向...; 蔡钧宇韩嘉佳吴钢汪自翔姜文东刘镕豪赵峥孙歆丁宁李沁园韩睿周林帆

台风强度的评估方法、系统、电子设备及存储介质: 本申请提供一种台风强度的评估方法、系统、电子设备及存储介质，包括：获取卫星数据集；卫星数据集包括多个数据网格点的亮温数据和经纬度数据；确定台风计算区域内的多个数据网格点以获取台风中心点的位置信息；在卫星数据集中截取相关数...; 沈晓亮何韦伟

一种融合时序和空间动态特征的台风强度估测方法及系统: 本发明涉及气象监测领域，尤其是一种融合时序和空间动态特征的台风强度估测方法及系统，所述方法包括如下步骤：获取待估测台风的基本信息数据；基于所述基本信息数据得到所述待估测台风的卫星云图；依据所述卫星云图获得所述待估测台风的...; 鲁小琴王月

基于地基GNSS观测数据反演台风强度的方法: 本发明提供基于地基GNSS观测数据反演台风强度的方法，包括以下步骤：S1、收集地面风速站附近的多个GNSS监测站水汽数据(PWV)，将最近的四个GNSS站点PWV改正至风速站高度，采用反距离加权法得到风速站处的PWV(W...; 何琦敏高笔清宋康明殷琪王佩瑶王瑞张克非富尔江

基于光纤水听器潜标的台风强度监测方法、系统及终端: 本发明公开了基于光纤水听器潜标的台风强度监测方法、系统及终端，所述方法包括：获取台风的台风轨迹数据，并进行识别处理得到目标时间信息和目标台风强度信息；当监测到台风经过部署光纤水听器潜标的海域时，采集对应的水下声学数据，根...; 李超崔红星杨华勇崔小明苍思远

基于光纤水听器潜标的台风强度监测方法、系统及终端: 本发明公开了基于光纤水听器潜标的台风强度监测方法、系统及终端，所述方法包括：获取台风的台风轨迹数据，并进行识别处理得到目标时间信息和目标台风强度信息；当监测到台风经过部署光纤水听器潜标的海域时，采集对应的水下声学数据，根...; 李超崔红星杨华勇崔小明苍思远

热力和动力环境因子对与台风“海燕”路径相似的两类台风强度的相对贡献: 2024年; 本文分析了热力、动力环境因子对与百年一遇超强台风“海燕”有相似路径的热带气旋的强度的影响。为了定量分析环境因子的相对重要性,将相似路径下的台风分为超强台风和一般台风两类。结果表明,相较于动力因子,热力因子对生成超强台风更为重要。根据BDI(Box Difference Index)指数的排序,选择925 hPa湿静力能MSE(Moist Static Energy)、950 hPa比湿、900 hPa温度作为重要预测因子来判断是否生成超强台风。此外,海洋热容量和台风移动速度在两类台风中有着明显差异,也可以作为辅助预测因子。最后,用WRF模式(Weather Research and Forecasting)设计理想数值试验,揭示环境温度和水汽垂直剖面对台风强度影响的相对重要性。敏感性试验结果表明,环境水汽和温度的相对贡献比约为1∶4,它们的共同作用使得相似路径下的一般台风可以发展成为超强台风。; 徐昝敏李天明; 关键词：热带气旋强度 BDI指数

小样本数据下台风强度尾部概率特性建模及风险评估方法: 本发明提供一种小样本数据下台风强度尾部概率特性建模及风险评估方法，属于台风强度评估技术领域，基于“机理‑数据”融合的台风强度概率特性建模框架，利用台风的科学规律初步确定分布类型；利用数据迁移优选分布类型及参数估计，构建台...; 许寅陈怡冉张宸赓

基于多变量灰色模型的台风强度模拟方法被引量：2: 2024年; 随着台风全路径模拟技术的不断完善,全海域、大范围的台风危险性分析方法得到发展,然而强度模型的模拟精度不能满足需求。针对台风强度演变受多因素影响、动力关系复杂及强度变化随机性强的特点,基于多变量灰色模型对台风强度模拟方法进行研究,并建立起台风多变量灰色强度模型。利用该模型还原了台风“山竹”的强度演变过程,同时对西北太平洋地区整体台风强度进行模拟及检验分析。结果表明:垂直风切变及垂直速度与台风强度的灰色关联度分别为0.771 8、0.745 1,显著高于其他3个环境因素;台风“山竹”强度模拟的后验差比值及小概率误差分别为0.349 1、0.960 8,达到了最高模拟精度;模型模拟所得西北太平洋地区整体的强度变化趋势及分布特征均与地区实际情况保持一致。; 孙建鹏郑仕豪马萧岗黄文锋; 关键词：极值风速

一种基于几何代数机器学习模型的台风强度预测方法: 本发明公开了一种基于几何代数机器学习模型的台风强度预测方法，对原始台风数据进行预处理和特征提取，得到二维和三维特征数据集，并确定训练数据集、测试数据集和验证数据集；构建Clifford‑CNN模型，模型训练后，通过验证数...; 李冬双黄亚迪陈海燕罗文俞肇元袁林旺

相关作者