本发明专利技术公开了一种区域性极端事件的“糖葫芦串”客观识别方法，包括以下步骤：1、单一站点异常性判断；2、计算邻站异常率r(j)；3、选取最大潜在异常带中心；4、定义异常带5、定义异常带边缘；6、事件的时间连续性识别；7、判别区域性事件的极端性。通过本发明专利技术方法能够客观而自动地识别出区域性事件在持续期间逐日影响范围，并能将这些逐日影响范围合理地“串”成一串从而构成一个完整的区域性事件。
【技术实现步骤摘要】
本专利技术为，具体涉及区域性对极端天气气候事件的客观识别方法领域。
技术介绍
极端天气气候事件通常具有一定的影响范围和持续时间，即为区域性极端事件。 二现有对极端天气事件的研究大多针对单一台站的极值研究，如1948年由Penman H. L.提出了干燥度指数，Palmer W. C.于1965年提出帕尔默干旱指数PDSI，以及在对关于极端温度和极端江水的27个核心指数。而极端天气气候事件，如2003年夏季欧洲热浪、 2008年初中国南方冰冻雨雪灾害、2009/2010年中国西南大旱和2010年夏季巴基斯坦大洪水，通常都属于区域性极端事件。现有的研究也有触及这一领域，如Dai等人(1998)基于月-年时间尺度的区域平均累积指数的区域性干旱研究；如Shiau等人(2001)、张强 (2006)、王志南等人(2007)、闵岫等人(2008)和黄丹青等人(2009)分别在干旱、极端降水和极端温度三个方面分析了极端事件的区域性和持续性问题，但在方法上仍然是基于单一站点的持续性异常分析和站点之间的相关性分析，而并非直接针对区域性极端事件个体的研究。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺陷，提供一种能对区域性极端事件进行客观识别的方法。为了达到上述目的，本专利技术提供了一种，包括以下步骤(1)逐日异常带分离1.1针对需要研究的区域性事件，选定区域内的单一台站的指数及相应的异常性判别阀值，判断单一台站的逐日异常性；1. 2在所述区域内，对于异常性台站j，计算其邻站异常率r(j)=m/M ；对于非异常性台站j，r(j)=0 ；其中j=l，-,η, η为所述区域内的总台站数，m为出现异常性的邻站数，M为邻站总数；1. 3选取最大潜在异常带中心将步骤1. 2中得到的r (j)中最大的台站选为第一个最大潜在异常带中心；另外n-1个台站中的最大潜在异常带中心满足以下条件r(j)>RQ， d(j)>d。，其中，Rtl为0. 3 0. 5，d(j)为台站j与已经选为最大潜在异常带中心的台站之间距离的最小值，dc为100 400km ；1. 4定义异常带将步骤1. 3中选为最大潜在异常带中心的K个台站与其对应的邻站组成的异常带分离成相互独立的异常带；1. 5定义异常带边缘在所述区域内，对未隶属于任何步骤1. 4中已定义异常带的异常性台站，统计其邻站隶属于L个不同异常带的站数number (1) ,number (2)、…、number (L)，找出其中最大者number (Imax)，当number (Imax) >0时，该台站属于异常带Imax，否则，该台站为离散的异常性台站；其中L为步骤1. 4中分离出的相互独立的异常带个数；(2)事件的时间连续性识别当某一正在发生的临时事件上一日影响范围与当日异常带范围存在具有重合关系的异常带，则该临时事件连续，且该临时事件的当日影响范围为所述具有重合关系的异常带的并集，该连续的临时事件为区域性事件；(3)判别区域性事件的极端性将步骤(2)中识别的区域性事件进行综合强度排序，选取强度大的为区域性极端事件。步骤1. 1中所述区域性事件为干旱事件、高温热浪事件、冰冻事件、沙尘暴事件或连阴雨事件，单一台站的指数选自日综合气象干旱指数、帕尔默干旱指数、日最高气温或相应的其它指数；异常性判别阀值为绝对阀值或相对阀值，相对阀值为90%或10%。步骤1. 2中所述邻站为小于400km距离的台站。具体邻站的确定需要依据选定区域内的站点分布，站点分布密，则确定的邻站之间距离小，邻站分布疏，则确定的邻站之间距离大。步骤1. 4中所述定义异常带的过程为1. 4. 1、对于K个选为最大潜在异常带中心的台站，当该台站未隶属于任何已定义异常带时，它隶属于一个新的异常带1，否则，进行下一个台站处理；1. 4. 2、如果台站j隶属于异常带1，则对于它的任何一个未隶属于任何已定义异常带的邻站jo，当它满足Hjtl)彡Rtl时，该邻站隶属于异常带1;1.4.3、对新入选异常带1的台站，重复步骤1.4. 2，直至找不到任何满足条件的邻站时，回到步骤1.4. 1。在进行步骤(2)前，步骤1. 5中定义异常带边缘过程重复多次。步骤(2)中所述临时事件的识别为当临时事件个数为零时，所有当日的异常带则转变为下一日的临时事件；当异常带个数为零时，所有正在发生的临时事件转为正式事件；当某一临时事件无任何与其有重合关系的异常带，则该临时事件结束，并转为正式事件；当某一异常带无任何与其有重合关系的临时事件时，该异常带转化为下一日正在发生的临时事件。步骤(3)中所述综合强度选用过程综合强度Z = Fd1, I2, As, Am，D)，将I1, I2, As, An^n D各自先进行标准化后，再加权求和；所述I1为整个事件的过程极端强度，L=Max(Tki) ;ι2为整个事件的过程累计强度，A=ZZ(7V-1U) ;as为整个事件V“；: /的累积影响面积广(;Am为整个事件的过程最大影响面积，=ri」t ；D为持续时间；其中；f是台站j第k日指数的具体数值，Tki为其阀值，‘为逐日影*· ^ h响面积。区域性极端事件为过程综合强度排序在前10%的区域性事件。本专利技术相比现有技术具有以下优点利用区域性事件的特性——具有一定的持续时间和持续期内逐日气候要素异常且具有一定的影响范围，发现区域性事件的演变过程 (如图1所示)一由逐日影响范围“串”到一起的“逐日影响范围串”，每个“糖葫芦”相当于逐日影响范围，将持续期间的每一个“糖葫芦” “串”到一起就构成了一个完整的区域性事件。通过选取最大潜在异常带中心，分离相互独立的异常带，进行逐日异常带分离；通过对事件的连续性识别，将不同的逐日异常带合理地“串”成一串。建立专门针对区域性事件的指标体系，以实现对区域性事件的评价，进而可以合理地选出极端的区域性事件，即区域性极端天气气候事件(简称区域性极端事件)。利用本专利技术方法能客观而自动地识别出区域性事件在持续期间逐日影响范围，并能将这些逐日影响范围合理地“串”成一串从而构成一个完整的区域性事件。附图说明图1为区域性事件演变过程示意图。图2为本专利技术总体流程图。图3为图1中步骤(1)对逐日自然异常带分离的技术流程图。图4为日自然异常带识别结果事例图。图5为图1中步骤(2)对事件的时间连续性识别的技术流程图。图6为应用本专利技术研究1961-2010年中国区域性气象干旱事件频次演变图，图中直线为线性趋势。图7为应用本专利技术研究1998/1999年中国北方特大干旱事件的累积强度区域分布图。图8为应用本专利技术研究1961-2010年中国区域性降水事件频次演变图，图中直线为线性趋势。图9为应用本专利技术研究1961-2010年中国区域性高温事件频次演变图，图中直线为线性趋势。图10为应用本专利技术研究1961-2010 年中国区域性低温事件频次演变图，图中直线为线性趋势。具体实施例方式下面结合附图对本专利技术进行详细说明。如图2所示为本专利技术的总体流程图， 包括以下步骤1、逐日异常带分离结合图3，逐日自然异常带分离的技术流程如下 1.1单点(站)逐日指数选定针对所关注的某一种区域性事件，首先需要选定合适的针对单一台站的指数P。通常可从常用的指数，如针对区域性干旱事本文档来自技高网...
【技术保护点】
１．一种区域性极端事件的“糖葫芦串”客观识别方法，其特征在于：包括以下步骤：（１）逐日异常带分离：１．１、针对需要研究的区域性事件，选定区域内的单一台站的指数及相应的异常性判别阀值，判断单一台站的逐日异常性； １．２、在所述区域内，对于异常性台站ｊ，计算其邻站异常率ｒ（ｊ）＝ｍ／Ｍ；对于非异常性台站ｊ，ｒ（ｊ）＝０； 其中ｊ＝１，…，ｎ，ｎ为所述区域内的总台站数，ｍ为出现异常性的邻站数，Ｍ为邻站总数； １．３、选取最大潜在异常带中心：将步骤（２）中得到的ｒ（ｊ）中最大的台站选为第一个最大潜在异常带中心；另外ｎ－１个台站中的最大潜在异常带中心满足以下条件：ｒ（ｊ））Ｒ０，ｄ（ｊ））ｄｃ，其中，Ｒ０为０．３～０．５，ｄ（ｊ）为台站ｊ与已经选为最大潜在异常带中心的台站之间距离的最小值，ｄｃ为１００为区域性事件；（３）判别区域性事件的极端性：将步骤（２）中识别的区域性事件进行综合强度排序，选取强度大的为区域性极端事件。１．４中分离出的相互独立的异常带个数；（２）事件的时间连续性识别：当某一正在发生的临时事件上一日影响范围与当日异常带范围存在具有重合关系的异常带，则该临时事件连续，且该临时事件的当日影响范围为所述具有重合关系的异常带的并集，该连续的临时事件其邻站隶属于Ｌ个不同异常带的站数ｎｕｍｂｅｒ（１）、ｎｕｍｂｅｒ（２）、…、ｎｕｍｂｅｒ（Ｌ），找出其中最大者ｎｕｍｂｅｒ（ｌｍａｘ），当ｎｕｍｂｅｒ（ｌｍａｘ））０时，该台站属于异常带ｌｍａｘ，否则，该台站为离散的异常性台站；其中Ｌ为步骤～４００ｋｍ； １．４、定义异常带：将步骤１．３中选为最大潜在异常带中心的Ｋ个台站与其对应的邻站组成的异常带分离成相互独立的异常带； １．５、定义异常带边缘：在所述区域内，对未隶属于任何步骤１．４中已定义异常带的异常性台站，统计...
【技术特征摘要】
【专利技术属性】
技术研发人员：任福民，崔冬林，王艳姣，龚志强，邹旭恺，
申请(专利权)人：任福民，崔冬林，王艳姣，龚志强，邹旭恺，
类型：发明
国别省市：11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。