1.一种基于AI气象模型的台风远距离暴雨快速识别方法，其特征在于，所述台风远距离暴雨快速识别方法在实施时至少包括如下步骤：SS1. 天气数据获取获取高质量和高时空分辨率的历史天气数据和/或预报天气数据，所述天气数据覆盖全球的陆地和海洋区域，并至少包括温度、湿度、气压、风速、风向和降水量气象参数；SS2. AI天气预报模型选择选择基于深度学习技术并利用大量历史天气数据进行训练且能够提供高精度中期天气预报和极端天气事件识别的AI天气模型作为预报模型；SS3. 典型降水个例选择根据历史气象灾害记录和历史气象数据筛选和确定具有代表性和典型性的降水个例，且所选择的典型降水个例应具备一定的台风远距离影响特征，并至少提供该典型降水个例的起报时间、降水位置信息及台风位置信息；SS4. 控制及敏感性试验设计基于所选择的AI天气预报模型、所获取的天气数据以及所选择的典型降水个例，设计控制实验和敏感性实验，其中：所述控制实验基于所选择的AI天气预报模型，采用对应所选择典型降水个例的历史天气数据和/或预报天气数据作为初始场，进行标准天气预报模拟并生成基准预测结果；所述敏感性实验在控制实验的基础上，应用从所述初始场中去除台风核心涡旋的方法构建新的初始场，并基于所选择的AI天气预报模型重新进行天气预报模拟，生成敏感性实验结果；并且其中，从初始场中去除台风核心涡旋构建新的初始场，包括：SS41. 确定台风核心位置：根据台风的位置信息，并至少结合初始场中的气压及风场气象数据，确定台风核心的位置，并通过分析气压最低点和风速最大区域来定位台风中心；SS42. 定义滤波区域：在台风核心位置周围定义一个圆柱形滤波区域，所述滤波区域的半径和高度尺寸根据台风的实际尺寸和影响范围来确定，以覆盖整个台风涡旋结构；SS43. 提取台风涡旋：采用圆柱滤波器，通过计算滤波区域内的平均值，并通过该平均值分离出台风的对称部分，实现从初始场中提取出台风涡旋；SS44. 去除涡旋结构：通过将滤波区域内的涡旋部分替换为周围区域的平均气象参数值，以消除台风核心对初始场的影响，从而将提取出的台风涡旋结构从初始场中去除；SS45. 构建新初始场：利用去除台风核心涡旋后的初始场，重新构建数值天气预报模型的初始条件，该新初始场用于进行敏感性实验，以分析台风的远距离影响；SS5. 结果分析与台风远距离暴雨识别通过比较控制实验和敏感性实验结果的差异，并基于整层水汽散度变化和/或降水变化分析，量化分析目标台风对远距离降水的影响，识别并确定台风的远距离暴雨影响范围和强度，从而实现对台风远距离暴雨的快速识别。
2.根据权利要求1所述的基于AI气象模型的台风远距离暴雨快速识别方法，其特征在于，上述步骤SS1中，所述历史天气数据采用ERA5天气数据集提供的高分辨率全球气象数据，所述预报天气数据采用IFS预报场数据。
3.根据权利要求1所述的基于AI气象模型的台风远距离暴雨快速识别方法，其特征在于，上述步骤SS2中，所述AI天气预报模型选择Pangu、GraphCast或Fengwu预报模型，并通过结合多模态数据输入，包括气象观测数据、历史天气预报数据和环境数据，以增强模型的预测能力，并通过跨模态学习技术提高对复杂天气事件的识别和预报精度。
4.根据权利要求1所述的基于AI气象模型的台风远距离暴雨快速识别方法，其特征在于，上述步骤SS3中，典型降水个例的筛选标准包括降水强度超过预设临界阈值、降水持续时间超过预设临界值和/或该降水事件具备由热带气旋或其他极端天气系统引起的特征，通过对历史气象灾害记录和历史气象数据进行聚类分析，确定若干个具有代表性的典型降水个例，为后续的敏感性实验研究提供研究对象。
5.根据权利要求1所述的基于AI气象模型的台风远距离暴雨快速识别方法，其特征在于，上述子步骤SS44中，通过如下方式将提取出的台风涡旋结构从初始场中去除：SS441. 设初始场中的气象变量为Φ( x , y , z )，台风核心位置为( x 0 , y 0 )，滤波区域半径为R，则圆柱滤波器表示为：SS442. 基于如下计算式计算初始场中包括气压、风速及风向在内的各气象变量的台风涡旋分量Φ v ( x , y , z )：其中，Φ b ( x , y , z )表示背景场，并通过下式所示的滤波器计算得到：SS443. 从初始场中减去子步骤SS442中技术得到的各涡旋分量，以生成不含台风核心涡旋的初始条件：式中，Φ new ( x , y , z )表示新的不含台风核心涡旋的初始场中的气象变量，Φ( x , y , z )为原初始场中的气象变量，Φ v ( x , y , z )为各气象变量的台风涡旋分量。
6.根据权利要求1所述的基于AI气象模型的台风远距离暴雨快速识别方法，其特征在于，上述步骤SS5中，基于如下方式计算整层水汽通量及整层水汽散度，其中：（a）整层水汽通量计算：整层水汽通量用于表示大气中的水汽在水平风场作用下的输送量，其计算式如下：其中，q为比湿，V为水平风速，V = (u, v)，分别为东西风速分量和南北风速分量，p s 、p t 分别为地表和大气顶层的气压；（b）整层水汽散度计算：整层水汽散度表示大气中水汽的汇聚或发散情况，为水汽通量的散度，其计算式如下：其中，Q为整层水汽通量，Q u 、Q v 分别为水汽通量的东西分量和南北分量， 表示水汽通量的散度。
7.根据权利要求1所述的基于AI气象模型的台风远距离暴雨快速识别方法，其特征在于，所述台风远距离暴雨快速识别方法在实施时还包括：SS6. 台风远距离暴雨识别结果评估与验证将步骤SS5得到的台风远距离暴雨识别结果与实际观测数据进行对比以评估模型预测的准确性和可靠性，并根据评估结果优化和调整AI天气预报模型的参数和算法，以提高其预测精度和效率。
8.一种计算机程序产品，其特征在于，包括计算机指令，用于执行如权利要求1~7任一项所述的基于AI气象模型的台风远距离暴雨快速识别方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1~7任一项所述的基于AI气象模型的台风远距离暴雨快速识别方法。
