远程复合极端气候预测方法与流程

1.本发明涉及气候监测预测技术领域，特别是涉及一种远程复合极端气候预测方法。


背景技术：

2.极端天气和气候事件具有毁灭性影响，预计在气候变化下会加剧。诸如热浪之类的极端事件每年不仅会夺去人的生命，还会破坏生态系统，与热带气旋，大气河流，季风系统以及全球各地的山洪有关的极端降水也是如此，越来越多的证据表明，极端天气事件是相互联系的，而不是独立的或孤立的。在过去的几年中，一种新的极端事件被称为复合极端事件。因此，对这种新型极端气候事件的更好理解可以为预测未来的气候风险评估铺平道路。
3.最近的研究已经证明了包括极端干旱和热浪，热带气旋和干旱，极端风和降水极端和高温的复合极端事件，空气污染热应力和随后的美国中部洪水沿海洪水和风暴潮。由于已在相同的空间区域/域中识别出这些极端，因此尚不清楚复合极端是否可以连接并位于不同区域中。


技术实现要素：

4.本发明要解决的技术问题是：现有技术不能够预测复合极端气候是否发生的问题。
5.为了解决上述技术问题，本发明提供了一种远程复合极端气候预测方法，包括如下步骤：
6.s1、样本隔离树构建：采集过去一定时间和一定范围内的几种气候数据，构建每种气候数据的样本隔离树；
7.s2、测试异常点：将待测试的某一类型的气候数据以步骤s1中的样本隔离树计算出异常点；
8.s3、极值判断：根据分位数函数公式计算出异常点的概率，并将异常点的概率与给定的概率阈值进行比较，若异常点的概率大于给定的概率阈值，则该异常点为极端值；若异常点的概率等于或者小于给定的概率阈值，则该异常点不是极端值；
9.s4、求取极端值中位数的相关性：将步骤s3判断得出两种相关联的气候数据的极端值的中位数，然后将两种相关连的气候数据的极端值得中位数进行拟合，判断两种气候数据之间的相关性，若两种气候数据的极端值中位数之间的相关性数值大于预设值，则说明两种极端气候复合发生的可能性大；若两种气候数据的极端值中位数之间的相关性数值等于或者小于预设值，则说明两种极端气候复合发生的可能性小。通过步骤s1、s2的孤立森林法和步骤s3的极值判断，以及对相应的气候数据极端值中位数的拟合相关性来判断两种极端气候是否会在相邻的两个区域内同时发生，解决现有技术无法对于两种或者多种极端气候是否会同时复合发生的问题。
10.优选的，所述步骤s1具体操作如下，采集过去一定时间和一定范围内的几种气候数据，然后将每种气候的气候数据进行隔离，直到每种气候所有的气候数据都不能再分离；
11.优选的，所述步骤s1中一定时间是指过去1－30年内的气候数据，一定范围是指100km－9999km内的两个或者多个区域，气候数据包括相同海拔高度的温度、降雨量，以及风速、中的一种或这几种。
12.优选的，所述步骤s2具体的操作如下：将待测试的气候数据以步骤s1构建的隔离树进行测试，以获取每个气候数据的异常分数，
[0013][0014]
计算公式如下：
[0015]
式(1)中，n是气候数据中的样本，e(h(x))是一组路径长度 h(x)的平均值，c(n)是给定n的h(x)的平均值，式(1)用于归一化隔离树的路径长度，气候数据的正常点倾向于在隔离树的深端隔离，而异常点由于其奇异性而更靠近树的根部，平均长度越短出现异常的机会就越大。
[0016]
优选的，所述步骤s3具体操作如下：根据分布函数f，由分位数函数计算公式
[0017]
q(p)＝inf{x∈r：p＜＝f(x)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2) 得到所述步骤s2中得出的异常点的概率，然后将异常点的概率与给定的概率阈值进行比较，若异常点的概率大于给定的概率阈值，则，该异常点为极端值；若异常点的概率等于或者小于给定的概率阈值，则该异常点不是极端值。
[0018]
优选的，所述步骤s4计算步骤s3中的气候数据的极端值的中位数，然后将中位数进行皮尔逊拟合，求得两种相关联的气候数据的相关性，若两种气候数据的极端值中位数之间的相关性数值大于预设值，则说明两种极端气候复合发生的可能性大；若两种气候数据的极端值中位数之间的相关性数值等于或者小于预设值，则说明两种极端气候复合发生的可能性小。
[0019]
优选的，所述步骤s4中的皮尔逊相关性的预设值≥0.35。
[0020]
与现有技术相比，其有益效果在于：
[0021]
本发明的远程复合极端气候预测方法先通过孤立森林法，将各种现有的气候数据进行分类和整理，构建出样本隔离树，然后通过样本隔离树进行异常点测试，并对异常点进行极值判断，进而再将极端值计算中位数并将中位数进行皮尔逊拟合，求得拟合的相关性数值进行相关性判断，进而预测两种或者多种极端气候在响铃的两个区域内的复合发生的概率，解决现有技术无法预测两种或者多种极端气候能否同时复合发生的问题。
附图说明
[0022]
图1是本发明实施例在6、7月期间珠江三角洲局部地区的降水量图，图中，横坐标显示的是经度，纵坐标显示的是纬度。
[0023]
图2是本发明实施例在6、7月期间长江中下游地区的局部气温空间图，图中，横坐标显示的是经度，纵坐标显示的是纬度。
[0024]
图3是本发明实施例在6、7月期间珠江三角洲局部地区的极端降水量图，图中，横坐标显示的是经度，纵坐标显示的是纬度。
[0025]
图4是长江中下游局部地区极端气温空间图，图中，横坐标显示的是经度，纵坐标显示的是纬度。
[0026]
图5是6、7月珠江三角洲极端温度和长江三角洲极端降水的散点图，图中，横坐标为极端温度，纵坐标为极端降水量。
[0027]
图6是6月和7月珠江三角洲极端气温和长江三角洲极端降水的 500－hpa位势高度5880－gpm等值线(左下侧的线条)以及1979－2020 年6、7月的气候平均值5880－gpm等值线(右上侧的线条)。
具体实施方式
[0028]
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0029]
实施例：本实施例提供一种远程复合极端气候预测方法，包括如下步骤：
[0030]
s1、样本隔离树构建：采集过去1979－2020年珠江三角洲和长江中下游区域内的温度和降水量数据，然后将每种气候的气候数据进行隔离，直到每种气候所有的气候数据都不能再分离，构建温度和降水量的气候数据的样本隔离树；
[0031]
s2、测试异常点：将待测试的温度和降水量的气候数据以步骤s1中的样本隔离树计算出异常点；具体的，将待测试的气候数据以步骤s1构建的隔离树进行测试，以获取每个气候数据的异常分数，
[0032][0033]
计算公式如下：
[0034]
式(1)中，n是气候数据中的样本，e(h(x))是一组路径长度 h(x)的平均值，c(n)是给定n的h(x)的平均值，式(1)用于归一化隔离树的路径长度，气候数据的正常点倾向于在隔离树的深端隔离，而异常点由于其奇异性而更靠近树的根部，平均长度越短出现异常的机会就越大。
[0035]
s3、极值判断：根据分布函数f，由分位数函数计算公式
[0036]
q(p)＝inf{x∈r：p＜＝f(x)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0037]
得到所述步骤s2中得出的异常点的概率，然后将异常点的概率与给定的概率阈值进行比较，若异常点的概率大于给定的概率阈值，则，该异常点为极端值；若异常点的概率等于或者小于给定的概率阈值，则该异常点不是极端值。
[0038]
s4、求取极端值中位数的相关性：将步骤s3判断得出两种相关联的气候数据的极端值的中位数，然后将两种相关连的气候数据的极端值得中位数进行皮尔逊拟合，求得两种相关联的气候数据的相关性数值，判断两种气候数据之间的相关性，若两种气候数据的极端值中位数之间的相关性数值大于预设值(0.35)，则说明两种极端气候复合发生的可能性大；若两种气候数据的极端值中位数之间的相关性数值等于或者小于预设值，则说明两种极端气候复合发生的可能性小。通过步骤s1、s2的孤立森林法和步骤s3的极值判断，以及对相应的气候数据极端值中位数的拟合相关性来判断两种极端气候是否会在相邻的两个区域内同时发生，解决现有技术无法对于两种或者多种极端气候是否会同时复合发生的问题。，若两种气候数据的极端值中位数之间的相关性数值大于预设值，则说明两种极端气候
复合发生的可能性大；若两种气候数据的极端值中位数之间的相关性数值等于或者小于预设值，则说明两种极端气候复合发生的可能性小。
[0039]
当然，所述步骤s1中一定时间是指过去1－30年内的气候数据，一定范围是指100km－9999km内的两个或者多个区域，气候数据包括相同海拔高度的温度、降雨量，以及风速、中的一种或这几种。
[0040]
通过分析研究区域(珠江三角洲和长江三角洲中下游)的温度和降水气候(图1和2)。长江中下游地区在6月和7月期间比华南其他地区表现出更高的气候降水量(例如10毫米/天)(图1)。同时，在珠江三角洲观测到较高的气候地表温度，表明发生热浪事件的风险很高(图1)。值得注意的是，湖南和江西省的气候表面温度在6月和7月期间也很高(图2)。为了检测极端温度和降水，我们采用了新的极值检测方法来检测珠三角和长江中下游6月和7月的极端降水和极端温度。极端降水和极端温度的空间模式(图3和图4)不同于气候降水和极端温度的空间模型(图1和图4)。具体来说，与气候温度相比，极端温度区域向极地移动(图2和图4)。气候降水的高－低－高三极模式(图1和图2)无法确定极端降水(图3和图4)。
[0041]
为了检验珠江三角洲的极端温度与长江三角洲的极端降水之间是否存在关联，我们计算了前者的极端温度中位数值与后者的极端降水中位数值之间的皮尔逊相关系数(图5)。在26年中，当我们可以检测到极端温度和降水时，极端温度的中位数值与极端降水的中位数值之间存在统计学上显着的皮尔逊(即pearson)相关性(0.52)(图5)，暗示着偏远复合极端的存在。极端温度中位数值和极端降水中位数值之间的kendall tau(0.35)在0.05水平上也具有统计学意义。
[0042]
远程复合极端的潜在物理机制与亚热带高压有关，后者调节着中国的天气和气候，是造成极端温度和降水的原因。图6显示了极端温度和降水事件发生时500hpa地势高度的5880gpm轮廓。极端温度期间的亚热带高压与极端降水期间的高度相当一致(图6)。当副热带高压向西移动并位于珠江三角洲时，就会激发热浪。同时，这种副热带高压也有利于长江三角洲的极端降水，因为沿副热带高压的西翼普遍向该区域输送大量水分(图6)。
[0043]
综上，本发明的远程复合极端气候预测方法先通过孤立森林法，将各种现有的气候数据进行分类和整理，构建出样本隔离树，然后通过样本隔离树进行异常点测试，并对异常点进行极值判断，进而再将极端值计算中位数并将中位数进行皮尔逊拟合，求得拟合的相关性数值进行相关性判断，进而预测两种或者多种极端气候在响铃的两个区域内的复合发生的概率，解决现有技术无法预测两种或者多种极端气候能否同时复合发生的问题。
[0044]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。