Previsão e análise de 12 tufões de combate com aprendizado de máquina com base em dados históricos (o tufão nº 5 Dusurui chegará a Fujian em 2023)

Olá a todos, sou Weixue AI. Hoje, apresentarei a você Prática de aprendizado de máquina 12-Typhoon Forecast and Analysis Based on Historical Data. Typhoon Forecast and Analysis é um importante projeto de pesquisa meteorológica destinado a prever, rastrear e analisar com antecedência A pista , intensidade e possível impacto do tufão na região. Os tufões são desastres meteorológicos poderosos e destrutivos que muitas vezes trazem grandes tempestades, chuvas fortes e ventos fortes para as áreas costeiras e causam desastres secundários, como inundações e deslizamentos de terra.

Às 8h do dia 21 de julho de 2023, o tufão nº 5 "Dusuri" deste ano se formou no oceano a leste das Filipinas. Às 17h daquele dia, seu centro estava localizado no oceano a cerca de 1.270 quilômetros a leste de Manila, nas Filipinas. A força máxima do vento perto do centro era de nível 8 (18 m/s, nível de tempestade tropical) e pode se tornar forte tufão de nível 15 no futuro.

Este artigo usará dados históricos para analisar e prever todos os tufões gerados na Ásia durante o período de 1951-2022 e estudar a trilha do tufão.

Causas dos tufões

Os tufões são formados por uma série de fatores meteorológicos e oceânicos complexos. A seguir estão as principais causas dos tufões:

Temperatura do mar quente: os tufões precisam de água do mar quente como fonte de energia. Normalmente, as temperaturas da água do mar superiores a 26,5 graus Celsius são propícias ao desenvolvimento de tufões. Os oceanos nos trópicos e subtrópicos geralmente têm águas quentes suficientes para suportar tufões.

Condições atmosféricas úmidas: A formação de tufões requer condições atmosféricas úmidas, ou seja, maior teor de vapor d'água. Nuvens convectivas se formam quando a água do mar evapora na atmosfera. Essas nuvens crescem gradualmente à medida que mais vapor de água se condensa e eventualmente formam tufões.

Falta de forte cisalhamento do vento horizontal: O cisalhamento do vento horizontal refere-se à variação na velocidade do vento horizontal em diferentes altitudes. Os tufões se formam mais facilmente se o cisalhamento horizontal do vento for pequeno. Um cisalhamento menor do vento ajuda a manter a estrutura geral e a rotação do tufão.

Perturbação inicial: A formação de um tufão geralmente requer uma perturbação inicial ou uma onda de perturbação como início. Essa perturbação pode ser um ciclone tropical, uma confluência de frentes meteorológicas ou a interação de outros sistemas climáticos. Eles são capazes de fornecer a rotação inicial e a corrente ascendente que facilitam o desenvolvimento do tufão.

Condições de circulação sazonal: A formação de tufões costuma ser mais ativa no verão e início do outono, pois nesta época as condições de circulação nas regiões tropicais e subtropicais são mais propícias à formação e fortalecimento de ciclones.

Significado da previsão e análise de tufões

Proteger a vida e a propriedade das pessoas: ao prever o caminho e a intensidade dos tufões, os alertas podem ser emitidos para as áreas afetadas com antecedência, para que as pessoas tenham tempo de tomar medidas de proteção para minimizar as vítimas e perdas materiais que os tufões podem causar.

Pesquisa científica meteorológica: O tufão é um sistema meteorológico complexo. Estudar o processo de formação, desenvolvimento e dissipação do tufão é útil para uma compreensão aprofundada da circulação atmosférica e do processo termodinâmico. Observações e análises de tufões podem melhorar a compreensão do tempo e dos sistemas climáticos e melhorar os modelos e algoritmos de previsão do tempo.

Fornecer suporte para resposta a desastres: por meio da previsão e análise de tufões, pode fornecer base científica para os departamentos de gerenciamento de emergência para ajudá-los a formular planos de resposta a desastres e planos de resgate de emergência. Ao mesmo tempo, também pode prever com antecedência a situação de desastre na área afetada e fornecer orientações direcionadas para o envio de forças de resgate e a implantação de recursos.

Pesquisa sobre Mudanças Climáticas: À medida que as mudanças climáticas globais se intensificam, a frequência e a intensidade dos tufões podem mudar. Por meio de observação e pesquisa de longo prazo sobre previsão e análise de tufões, o impacto das mudanças climáticas nas atividades dos tufões pode ser explorado, fornecendo referência científica e apoio à decisão para lidar com as mudanças climáticas.

Análise de dados históricos do tufão

Uma tabela de todos os dados de tufões gerados na região asiática durante 1951-2022: typhoon_data.csv

Link para download: Link: https://pan.baidu.com/s/1FjMSnngby4qUNL2fVCg-Jg?pwd=rxfs
Código de extração: rxfs

Tabela de informações do índice Typhoon: typhoon_info.csv
Endereço de download: Link: Link: https://pan.baidu.com/s/1giaOVpDEx9XHzCkXJs_6XQ?pwd=2a3o
Código de extração: 2a3o

Estrutura do campo de dados

,International number ID,year,month,day,hour,grade,Latitude of the center,Longitude of the center,Central pressure,Maximum sustained wind speed,Direction of the longest radius of 50kt winds or greater,The longeast radius of 50kt winds or greater,The shortest radius of 50kt winds or greater,Direction of the longest radius of 30kt winds or greater,The longeast radius of 30kt winds or greater,The shortest radius of 30kt winds or greater,Indicator of landfall or passage
0,5101,1951,2,19,6,Tropical Depression,200,1385,1010,,,,,,,, 
1,5101,1951,2,19,12,Tropical Depression,200,1385,1010,,,,,,,, 
2,5101,1951,2,19,18,Tropical Depression,230,1421,1000,,,,,,,, 
3,5101,1951,2,20,0,Tropical Cyclone of TS intensity or higher,250,1460,994,,,,,,,, 
4,5101,1951,2,20,6,Tropical Cyclone of TS intensity or higher,276,1506,994,,,,,,,, 
5,5101,1951,2,20,12,Tropical Cyclone of TS intensity or higher,289,1533,994,,,,,,,, 
6,5101,1951,2,20,18,Tropical Cyclone of TS intensity or higher,313,1575,992,,,,,,,, 
7,5101,1951,2,21,0,Tropical Cyclone of TS intensity or higher,326,1621,990,,,,,,,, 

Análise de Carregamento de Dados

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import folium
import seaborn as sns

data = pd.read_csv("typhoon_data.csv", index_col=0)
info = pd.read_csv("typhoon_info.csv", index_col=0)

print(data.shape)
data.sample(5)
print(info.shape)
info.sample(5)

print(len(data["International number ID"].unique()))
vc = data["International number ID"].value_counts()

# 数据处理
data[data["year"] < 1977]["grade"].unique()
data[data["year"] >= 1977]["grade"].unique()
data = data[data["year"] >= 1977]


typhoons = data["International number ID"].unique() # Unique IDs of typhoons
info[info["Name"].str.strip() == "MAEMI"]

Sabemos que o tufão nº 5 "Dusuri" deste ano foi formado no oceano a leste das Filipinas, e sua posição é aproximadamente 132,8° de longitude leste e 13,9° de latitude norte

Agora procuramos o caminho do tufão gerado perto de 132,1300:

similar_data = data[((data["Latitude of the center"] < 140) & (data["Latitude of the center"] > 110)) & \
                   ((data["Longitude of the center"] < 1440) & (data["Longitude of the center"] > 1240))]
similar_data.to_csv("similar_data.csv")

Gerado em similar_data.csv para encontrar vários tufões gerados perto daqui:

Selecione um dos quatro caminhos de análise de tufão e visualize o tufão de 1911, o que significa o tufão nº 11 Bailu em 2019, e gere um mapa de análise de caminho:

Diagrama de trajetória:

maemi_data = data.copy()[data["International number ID"]==1911]

maemi_data["Elapsed Hour"] = (maemi_data["day"]-4)*24 + maemi_data["hour"]
maemi_data.head()

maemi_data = maemi_data.drop(["International number ID", "year", "month", "day", "hour"], axis=1)
maemi_data.head()

maemi_data["Longitude of the center"] /= 10
maemi_data["Latitude of the center"] /= 10

fig = plt.figure(figsize=(3,3))
plt.xlim(120, 170)
plt.ylim(5, 55)
plt.plot(maemi_data["Longitude of the center"], maemi_data["Latitude of the center"], "red")
plt.show()

gráfico de dispersão

scale = maemi_data["The longeast radius of 30kt winds or greater"].fillna(60)
fig = plt.figure(figsize=(5,5))
plt.xlim(120, 170)
plt.ylim(5, 55)
plt.plot(maemi_data["Longitude of the center"], maemi_data["Latitude of the center"], "black", linewidth=1)
plt.scatter(maemi_data["Longitude of the center"], maemi_data["Latitude of the center"], s=scale/3, c=maemi_data["Maximum sustained wind speed"])
plt.show()

mapa círculo de vento

import matplotlib.cm as cm

c = maemi_data.copy()["Maximum sustained wind speed"]
cmap = cm.jet

def rgb_to_hex(rgb):
    return '#%02x%02x%02x' % rgb
m = folium.Map(location=[38.9, 153.2], zoom_start=3, width=600, height=600)
for i in range(len(maemi_data)):
    color = cmap(c.iloc[i]/c.max())
    color = tuple([int(c*255) for c in color[:3]])
    color = rgb_to_hex(color)
    folium.Circle(location=[maemi_data.iloc[i]["Latitude of the center"], maemi_data.iloc[i]["Longitude of the center"]],
                 radius=scale.iloc[i]*1852,  #  nautical mile to meter
                 fill=True,
                 color="black",
                 fill_color=color).add_to(m)
m.save('map.html')  # 保存地图为HTML文件
import webbrowser
webbrowser.open('map.html', new=2)  # 在浏览器中打开地图

Mudanças na pressão do ar e na força do vento no centro do tufão

plt.title("Typhoon's Central Pressure in hPa")
plt.plot(maemi_data["Elapsed Hour"],maemi_data["Central pressure"])
plt.xlabel("Elapsed Hour")
plt.ylabel("Central Pressure")
plt.legend()
plt.show()


plt.title("Typhoon's Wind Speed in knot(kt)")
plt.plot(maemi_data["Elapsed Hour"],maemi_data["Maximum sustained wind speed"])
plt.xlabel("Elapsed Hour")
plt.ylabel("Maximum sustained wind speed")
plt.legend()
plt.show()


sns.heatmap(maemi_data.corr(), annot=True)
plt.show()

Resumir

A previsão de tufões é baseada em dados de várias fontes e métodos de análise. Através da previsão do caminho, intensidade e possível impacto do tufão, fornece alerta precoce e suporte à decisão para áreas relevantes, de modo a minimizar as possíveis vítimas e perdas materiais causadas pelo tufão. No entanto, devido à complexidade e incerteza dos tufões, a observação contínua e técnicas de previsão aprimoradas ainda são direções importantes para melhorar a precisão das previsões.

É muito provável que "Du Su Rui" aterrisse no sul de Fujian, Fujian. "Du Su Rui" se moverá de oeste para norte a uma velocidade de 10-15 quilômetros por hora e virará para noroeste.