基于密度峰值聚类的气象灾害识别

气象灾害案例是气象业务部门归纳与总结预报经验的前提与基础，但是当需要的灾害性天气没有时空定位档案，或档案不够完整和全面，那么就势必要从海量的历史数据中逐一进行查找定位，因此针对这种海量数据中逐一查找的低效问题，应用一种改进的密度峰值聚类方法进行灾害天气识别。该方法首先以气象要素为维度计算每个数据点的密度、距离、路径、分布四大属性，然后用回归分析提取簇心并判定其灾害类型及级别，最后判定同簇剩余数据点划入对应的灾害得到识别结果，由于可以同时定位多种类型和级别的灾害天气，且无需低效地逐一比对数据和灾害等级标准，因此具有适用性强、速度快、控制参数少的优点。使用该方法基于欧洲中期天气预报中心(European centre for medium-range weather forecasts, ECMWF)的再分析资料进行聚类分析，进而识别出江苏省2018年各类气象灾害出现的时间和地点，试验结果表明：该方法可以一次性识别出暴雨、烈风、暴雪、高温、寒潮、重旱六种灾害，而k-means聚类识别率为其53%,层级聚类识别率为其77%,密度峰值聚类(Clustering by density peaks...