Similarity Retrieval Method for Regional Rainstorm Processes Based on Multidimensional Features
-
摘要: 针对一次区域性暴雨过程，检索与之相似的历史案例，对区域性暴雨过程的评估、防灾减灾和决策服务等具有重要意义。以京津冀地区为例，利用1961—2023年京津冀175个气象观测站逐日降水数据，定义和识别了京津冀区域性暴雨过程，提出了一种基于多维特征的区域性暴雨过程相似判别方法。该方法基于最大过程降水量、最大日降水量、暴雨范围、持续时间、平均范围和平均强度等特征，采用欧式距离度量属性维度相似性；基于过程降水量、最大日降水量和平均降水量分布图，采用LPIPS (learned perceptual image patchsimilarity，学习感知图像块相似度)度量空间维度相似性；将属性和空间相似度加权求和，得出最终综合相似度。通过本方法确定“23·7”暴雨过程最相似的前3次暴雨过程为“63·8”、“96·8”和“16·7”，与专家经验分析结果一致。进一步采用检索覆盖率和不同强度等级过程随机检索进行验证，结果表明与现有常见方法相比，本方法检索结果覆盖率最高，且检索结果具有合理性。
-
关键词:
- 多维特征 /
- 区域性暴雨 /
- 欧式距离 /
- 学习感知图像块相似度 /
- 相似性检索
Abstract: For the assessment of regional rainstorm processes, disaster prevention and mitigation efforts, and decision-making services, it is crucial to retrieve historical cases with similar characteristics and compare their meteorological parameters. With a focus on the Beijing-Tianjin-Hebei region, we used daily precipitation data during 1961—2023 from 175 meteorological observation stations in this area, and identified 517 regional rainstorm processes. To measure the similarity of these processes, we proposed a similarity discrimination method for regional rainstorm processes based on multidimensional parameters. The Euclidean distance was used to measure attribute similarity based on parameters such as maximum process precipitation, maximum daily precipitation, influence range, duration, average intensity, and average range. The learned perceptual image patch similarity was used to measure spatial similarity based on the distribution of process precipitation, maximum daily precipitation, and average daily precipitation. The composite similarity score was calculated using a weighted summation of attribute and spatial similarity. The similarity analysis of the rainstorm process in July 2023 reveals that the three most similar rainstorm processes were in August 1963, August 1996, and July 2016, consistent with experts'empirical analyses. Compared with other methods, this method offers the broadest retrieval coverage and reasonable retrieval results, as validated by retrieval coverage rates and the random retrieval of rainstorms across different intensity levels. -
图 3 “23·7”(Ⅰ)、“96·8”(Ⅱ)、“16·7”(Ⅲ)、“63·8”(Ⅳ)、“00·7”(Ⅴ)与“82·7”(Ⅵ)过程降水量(a)、最大日降水量(b) 和平均降水量(c)分布
表 1 6种区域性暴雨过程相似性检索方法说明
编号 方法名称 方法说明 1 PDCT 利用文献[23]提出的综合强度指数进行相似性检索。即采用最大过程降水量、最大日降水量、暴雨范围和持续时间构建的综合强度指数为特征，采用欧式距离进行相似性检索。 2 IAT 利用文献[1]提出的综合强度指数进行相似性检索。即采用平均强度、平均范围和持续时间构建综合强度指数为特征，采用欧式距离进行相似性检索。 3 CRD 利用文献[14]提出方法进行相似性检索。即采用重合率、降水量和降水日数3项指标进行相似性检索。 4 ED 利用本文提出的属性相似度(公式(8))进行相似性检索，其中属性特征采用Z-Score方法进行标准化处理。 5 LPIPS 利用本文提出的空间相似度(公式(10))进行相似性检索，通过调用LPIPS框架[32]，采用Python语言设计实现，其中特征提取网络设置为VGG。 6 ED+LPIPS 利用本文提出的多维特征相似度(公式(11))进行相似性检索，即采用属性相似度和空间相似度进行加权求和构建的综合相似度进行相似性检索。 
下载: 导出CSV
表 2 “23·7”暴雨过程不同相似性检索方法相似度前5的检索结果
方法名称 Top1 Top2 Top3 Top4 Top5 PDCT 1996.08.02—05 1978.07.25—28 2016.07.19—21 1963.08.03—10 1975.07.29—30 IAT 2016.07.19—21 1963.08.03—10 1984.08.09—10 1996.08.02—05 1994.07.12—13 CRD 1996.08.02—05 2016.07.19—21 2021.07.11—13 1963.08.03—10 2000.07.04—06 ED 1996.08.02—05 1978.07.25—28 1975.07.29—30 2016.07.19—21 1962.07.24—26 LPIPS 1963.08.03—10 1996.08.02—05 2016.07.19—21 1982.07.31—08.05 1976.07.18—20 ED+LPIPS 1996.08.02—05 2016.07.19—21 1963.08.03—10 2000.07.04—06 1982.07.31—08.05
下载: 导出CSV
表 3 不同检索方法覆盖率
序号 方法名称 检索准确个数/个 检索覆盖率/% 1 PDCT 72 15.03 2 IAT 58 12.11 3 CRD 113 23.59 4 LPIPS 142 29.65 5 ED+LPIPS 203 42.37
下载: 导出CSV
表 4 “23·7”暴雨过程及其综合相似度排名前5区域性暴雨过程的要素特征值
序号 开始结束时间 最大过程降水量/mm 最大日降水量/mm 暴雨范围/stn 持续时间/d 平均范围/(stn·d -1) 平均强度/(mm·stn -1·d -1) 属性相似度/% 空间相似度/% 综合相似度/% 1 2023.07.28—08.01 775.0 307.5 129 5 48.0 106.2 -- -- -- 2 1996.08.02—05 520.7 413.3 120 4 42.3 100.3 16.60 50.34 32.8 3 2016.07.19—21 433.4 307.2 160 3 63.7 128.9 10.84 49.76 29.52 4 1963.08.03—10 1 045.1 518.5 77 8 43.7 92.5 7.76 52.30 29.14 5 2000.07.04—06 398.0 201.5 81 3 68.8 80.7 9.58 43.94 26.07 6 1982.07.31—08.05 355.9 165.0 74 6 16.8 79.1 7.61 45.67 25.87
下载: 导出CSV
表 5 不同等级区域性暴雨过程相似性检索结果
等级 待检索过程 检索结果 综合相似度/% 特强 1978.07.25—28 1962.07.24—07.26 35 强 1983.08.05—06 2018.07.16—07.17 59 较强 2009.08.26 1988.07.15—07.15 67 弱 2006.08.28 2020.08.15—08.15 70
下载: 导出CSV
-
[1] 叶殿秀, 王遵娅, 高荣, 等. 1961—2016年我国区域性暴雨过程的客观化识别及其气候特征[J]. 气候变化研究进展, 2019, 15(6): 575-583. [2] 马铮, 王国复, 张颖娴. 1961—2019年中国区域连续性暴雨过程的危险性区划[J]. 气候变化研究进展, 2022, 18(2): 142-153. [3] 陈小雷, 王丽荣, 赵铁松, 等. 河北省暴雨洪涝灾害评估——2016年7月19—21日特大暴雨过程[M]. 北京: 气象出版社, 2018. [4] 余锡平, 单楷越. 华北平原极端暴雨洪水事件共性机制探讨及对策建议[J]. 中国水利, 2023(18): 24-28. [5] 黄治勇, 龙利民, 邵末兰, 等. 类比法在暴雨灾害损失定量预估中的应用[J]. 大气科学学报, 2011, 34(2): 246-250. [6] 张国峰, 张京红, 田光辉, 等. 台风灾害评估中相似台风的筛选[J]. 湖北农业科学, 2012, 51(7): 1 334-1 337. [7] 夏兴生, 朱秀芳, 潘耀忠, 等. 基于历史相似案例的农业旱灾灾情快速评估方法研究[J]. 北京师范大学学报(自然科学版), 2015, 51(1): 77-81. [8] 夏兴生, 朱秀芳, 潘耀忠, 等. 基于历史案例的自然灾害灾情评估方法研究[J]. 灾害学, 2016, 31(1): 219-225. [9] 栗健, 方伟华, 张晓宁, 等. 基于多致灾因子相似的热带气旋检索方法研究: 以风暴潮-海浪灾害预评估为例[J]. 海洋科学, 2016, 40(8): 49-60. [10] 赖宝帮. 基于台风相似性的台风灾害损失估计方法研究[D]. 哈尔滨: 哈尔滨工业大学, 2020. [11] 牛俊, 董增川, 梁忠民, 等. 流域场次暴雨相似性的综合评判物元模型[J]. 西北水力发电, 2006(2): 16-20. [12] 张静, 何俊仕. 模糊可变集合方法在降雨相似性分析中的应用[J]. 水文, 2012, 32(4): 44-48. [13] 汪汇洁, 孙建华, 卫捷, 等. 近30年我国南方区域持续性暴雨过程的分类研究[J]. 气候与环境研究, 2014, 19(6): 713-725. [14] 周斌, 王春学, 张顺谦, 等. 四川盆地区域性暴雨过程相似度指标及其与灾情的关系研究[J]. 气象与环境科学, 2021, 44(5): 33-39. [15] 李虎, 王丽晶, 杨思敏, 等. 基于多距离融合的场次降雨时空相似性比较[J]. 水利水电技术(中英文), 2024, 55(6): 106-119. [16] 周必高, 鲁小琴, 郑峰, 等. 基于改进的VGG16模型的副热带高压相似识别及应用评估[J]. 气象, 2022, 48(12): 1 608-1 616. [17] YU Y F, HE X G, ZHU Y L, et al. Rainfall similarity search based on deep learning by using precipitation images[J]. Applied Sciences, 2023, 13(8): 4883. [18] TANG T T, GUI G. Precipitation similarity recognition method based on deep learning for streamflow forecasting[C]//2023 IEEE 23rd International Conference on Communication Technology (ICCT), 2023: 1 380-1 384. [19] 钟元, 潘劲松, 朱红, 等. 一种台风过程雨量的相似预报方法[J]. 热带气象学报, 2009, 25(6): 681-689. [20] 郑霞. 基于DTW的多元台风时间序列相似性度量研究[D]. 上海: 上海海洋大学, 2018. [21] 姜丽黎, 余晖. 基于动力相似方法的台风极端降水概率预报研究[J]. 热带气象学报, 2019, 35(3): 353-364. [22] 李颖, 金茹, 许娈, 等. 基于路径与环境场最优赋权的致灾相似台风检索方法研究[J]. 水利水电技术(中英文), 2023, 54(7): 14-26. [23] 邹燕, 叶殿秀, 林毅, 等. 福建区域性暴雨过程综合强度定量化评估方法[J]. 应用气象学报, 2014, 25(3): 360-364. [24] 吴慧, 邹燕, 朱晶晶, 等. 海南省区域性暴雨过程综合强度评估方法研究[J]. 气象研究与应用, 2017, 38(3): 8-12. [25] 伍红雨, 邹燕, 刘尉. 广东区域性暴雨过程的定量化评估及气候特征[J]. 应用气象学报, 2019, 30(2): 233-244. [26] 洪国平. 区域性暴雨过程评价指标在湖北的本地化修订与应用[J]. 暴雨灾害, 2020, 39(5): 470-476. [27] 王胜, 田红, 宋阿伟, 等. 1961—2020年安徽省区域性暴雨和干旱过程识别及演变特征[J]. 暴雨灾害, 2022, 41(6): 671-678. [28] 陶维青, 李雪婷, 华玉婷, 等. 基于曼哈顿平均距离和余弦相似度的配网单相接地故障定位[J]. 电力工程技术, 2023, 42(2): 130-138. [29] ZHANG R, ISOLA P, EFROS A A, et al. The unreasonable effectiveness of deep features as a perceptual metric[C]//The 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2018: 1-14. [30] 毕尧山, 吴基文, 翟晓荣, 等. 基于AHP与独立性权系数综合确权的煤矿含水层富水性评价[J]. 水文, 2020, 40(4): 40-45. [31] 郑恺原, 向小华. 基于AHM-CRITIC赋权的小兴凯湖水质评价模型[J]. 节水灌溉, 2020(9): 79-83. [32] ZHANG R. Perceptual similarity metric and dataset[OL]. https://github.com/richzhang/PerceptualSimilarity . 2018.[33] 李修仓, 张颖娴, 李威, 等. "23·7"京津冀暴雨极端性特征及对我国城市防汛的启示[J]. 中国防汛抗旱, 2023, 33(11): 13-18. [34] 杨晓亮, 杨敏, 金晓青, 等. "23.7"河北罕见特大暴雨过程降水演变与中尺度特征分析[J]. 暴雨灾害, 2024, 43(1): 1-12. [35] 唐永兰, 徐桂荣, 唐国瑛, 等. "23·7"华北特大暴雨过程小时强降水时空分布特征[J]. 大气科学学报, 2024, 47(5): 778-788. -
点击查看大图
图(4) / 表(5)
计量
- 文章访问数: 11
- HTML全文浏览量: 5
- PDF下载量: 2
- 被引次数: 0
粤公网安备 4401069904700003号