CN105069292B - 一种局部山地区域的温度日变化基线的构建方法 - Google Patents
一种局部山地区域的温度日变化基线的构建方法 Download PDFInfo
- Publication number
- CN105069292B CN105069292B CN201510477839.9A CN201510477839A CN105069292B CN 105069292 B CN105069292 B CN 105069292B CN 201510477839 A CN201510477839 A CN 201510477839A CN 105069292 B CN105069292 B CN 105069292B
- Authority
- CN
- China
- Prior art keywords
- temperature
- value
- moment
- minor cycle
- day
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种局部山地区域的温度日变化基线的构建方法,包括如下步骤:S1、将原始温度数据以3天到7天为一个小周期,分成多个温度数据组T0;S2、用T0分别求出每个小周期的每一个所需时刻的平均温度值,生成温度数据集合avg0;S3、在每个小周期中,用每一天的温度值与相应时刻的平均值avg0做减法,得到每天每个所需时刻的距平值集合T1;S4、在每个小周期中,把S2中每一天所有时刻的距平值集合T1总体做平均,S5、在每个小周期中,用T0与平均距平值相减,得到温度值T2;S6、根据S5中所得出来的所有周期数据的T2,再以此做温度日变化基线模型Y。本发明最大限度的消除了温度变化对均值的影响,更加准确的描述了温度的日变化规律。
Description
技术领域
本发明涉及构建局部山地区域的温度日变化基线的数据处理技术领域,具体为一种局部山地区域的温度日变化基线的构建方法。
背景技术
一般来说,海拔升高或降低一百多米所导致的温度变化,就相当于纬度变化一度引起的温度变化,所以云南等山地区域素有“一山分四季、十里不同天”的说法。温度基本格局及变化,是多种自然地理条件及其人为活动综合影响的结果。假设某片山地区域的温度日平均变化遵从一定的规律,反映这个规律的曲线就叫日变化基线,本发明就是有关构建这条基线的技术和方法。
云南山地区域特殊的地理和气候条件,形成了其宏观上“年温差小,日温差大”的特点。但是从微观一点的角度上讲,其不同日期的气温变化也是有差异的。对数据进行对比分析,发现天气变化是存在一定周期性的规律的,日观测数据有3到7天不等的上下波动规律,主要是西北利亚的干冷空气和来自海洋的暖湿空气的环流影响导致的。一般情况下,3到7天之内气温的变化会维持在某一个比较稳定的范围之内,不会出现突然降温或者升温的气温变化,但是3到7天之后,或因为气流影响导致云量变大太阳辐射减少,或导致降水等原因,使得气温骤降,明显与之前的气温并不在一个变化曲线上。独特的天气变化规律,导致直接用温度的均值来描述其变化规律,缺乏一定的准确性,因此本研究提出了一种“温度基线”模型来描述温度的平均日变化规律。
发明内容
本发明的目的在于提供一种局部山地区域的温度日变化基线的构建方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种局部山地区域的温度日变化基线的构建方法,包括如下步骤:
S1、将原始温度数据以3天到7天为一个小周期,分成多个温度数据组,根据目视和计算的方法去除掉异常温度值,生成若干个小周期温度数据组T0;
S2、用温度数据组T0分别求出每个小周期的每一个所需时刻的平均温度值,生成温度数据集合avg0;
S3、在每个小周期中,用每一天的温度值与相应时刻的平均值avg0做减法,得到每天每个所需时刻的距平值集合T1;
S4、在每个小周期中,把S2中每一天所有时刻的距平值集合T1总体做平均,得到每天一个平均距平值avg1;
S5、在每个小周期中,用S1温度数据组T0与平均距平值avg1相减,得到一个每一天每个所需时刻的温度接近平均曲线的温度值T2;
S6、根据S5中所得出来的所有周期数据的T2,求出24小时的平均温度值avgT,再以此做温度日变化基线模型Y。
优选的,S3中T1为正值代表某天的温度变化曲线在平均温度曲线上方,T1为负值则代表某天的温度变化曲线在平均温度曲线下方,T1的绝对值代表每个时刻的温度值距离平均温度值的距离。
本发明提出的一种局部山地区域的温度日变化基线的构建方法,最大限度的消除了温度变化对均值的影响,更加准确的描述了温度的日变化规律。本发明适用于山地气象台站及周边区域的温度表达的日变化规律,并用曲线表示其变化过程,消除大气环流的3到7天周期的平均振幅影响,以获得该区域上的、本质上由自然地理区位和人为活动格局影响的日变化数据,并以该数据的某个时间期限内的时刻平均值为样本数据,以指数函数为基本模型,利用回归统计方法,得出该观测站点的“日温度变化基线”基线。
本发明利用计算机、卫星遥感和地理信息系统技术,模拟和表达任何时刻任何地点的温度及变化关键技术,可应用农业、林业、生态和自然灾害等领域。由于温度及时空格局变化是影响农林作物生长、森林植被分布、自然灾害发生的重要因子,为了实现温度场的时空变化的模拟和表达,利用气象观测台站或观测点的温度的“时间基线”及“空间基线”,叠加台站观距平观测变量,以模拟和表达温度场的时空格局及连续变化的方法。
附图说明
图1为本发明实施例中会泽大桥乡6个月平均温度avg0随时间变化曲线图。
图2为本发明实施例中温度日变化基线模型Y的曲线图。
图3为本发明提出的一种局部山地区域的温度日变化基线的构建方法的流程示意图。
具体实施方式
如图1-3所示,图1为本发明实施例中会泽大桥乡6个月平均温度avg0随时间变化曲线图;图2为本发明实施例中温度日变化基线模型Y的曲线图;图3为本发明提出的一种局部山地区域的温度日变化基线的构建方法的流程示意图。
请参阅图1-3,一种局部山地区域的温度日变化基线的构建方法,包括如下步骤:
S1、获得台站多年的地表气温的历史日观测数据集合;该观测数据集合可以以小时、半小时、15分钟等为时间间隔刻度,记录每天的观测值;一般要求数据集合中的每天观测和记录的时刻是一致;多年历史观测数据可以是近30年的、20年、10年的、5年的或1年的;
利用计算机编程及程序、或者直接利用Excel工具,调入原始观测数据集合,再利用spss软件进行聚类分析,再根据分类结果将原始温度数据分成若干的3天到7天不等的温度数据组。利用利用计算机编程及程序、或者直接利用Excel工具,画出其变化折线或者散点图,利用目视去掉明显异常值,再以3倍标准差为标准,将每个时刻大于标准的值作为异常值去除。生成新的待处理温度数据组T0。
本实施方案中选取的是云南省曲靖市会泽县大桥乡的气象站点的实测数据,时间为2014年1月到2014年6月防火期间6个月的数据。所要建立的模型是自变量时刻t和因变量温度Y之间的模型。
S2、利用计算机编程及程序、或者直接利用Excel工具,调入S1中小周期温度数据组T0,计算每天观测时刻上的平均值avg0。本实验方案中,数据集合T0是按每天整小时时刻进行观测和记录,则avg0有24个时刻的均值,如图1所示。
S3、将T0中的每天观测数据减去平均值avg0,得到每天的观察距平值集合T1;T1为正值代表某天的温度变化曲线在平均温度曲线上方,T1为负值则代表某天的温度变化曲线在平均温度曲线下方,T1的绝对值代表每个时刻的温度值距离平均温度值的距离。
S4、将S2中每一天24个时刻的T1总体做平均,得到每一天一个平均距平值avg1。
S5、用S1温度数据组T0减去相对应的当天的平均距平值avg1,得到每天每一时刻温度接近平均曲线的温度值T2。
S6、再将T2按照时刻做平均,得到24小时的平均温度值avgT。以avgT为样本数据,在平均温度avgT中的最高值的时刻分段,将数据分成两部分,分别建立自变量时刻t和因变量温度Y之间的模型。依据检验参数R2以及p值等,确定最佳回归模型,以此作为日变化基线。
根据上述所得出的处理结果,最低温出现在早上7时,最高温出现在下午16时,所以将数据从这两个时刻处分成两部分,进行回归。第一部分数据是从7时到16时,第二部分是16时到7时。其中avgT的n个时刻的排序方法为,从早上7时开始,时刻值即为7,顺延时刻值,到24时,时刻25为1时,直到时刻30代表早上6时。为了使模型更加准确,涵盖所有的时刻变化。
根据以上的方法对温度数据进行处理后,对所得的平均温度值avgT进行分段回归。建立的自变量时刻t和因变量温度Y之间的模型结果如下:
第一段7时到16时(时刻7到16):
Y(7-16)=-0.016t3+18.6t-65.940
模型检验结果如下表1所示:
表1 Y(7-16)模型结果检验参数表
R | R2 | 调整 R2 | Sig. |
0.994 | 0.989 | 0.986 | 0.000 |
第二段16时到7时(时刻16到31):
Y(16-31)=0.573t2-33.664t+561.719
表2 Y(16-31)模型结果检验参数表
R | R 方 | 调整 R 方 | Sig. |
0.992 | 0.983 | 0.981 | 0.000 |
其中,以上检验都是在置信水平0.95上进行计算的。
根据以上的检验结果的参数可以得出,两个模型都是具有可行性的,最后得出的模型曲线如图2所示。
根据上述得出的模型,可以对任意时刻的温度进行预测。
假设,某一天的早上5点的温度为Y0=10℃,预测下午14点的温度。带入模型中,则可以得出:
早上5点均温(t值为29):Y(5)= 6.74℃
下午14点均温(t值为14):Y(14)= 15.16℃
早上5点实际均温:△d= Y0- Y(5)=3.26℃
下午14点预测温度:Y(14,∆d)= Y(14)+∆d=18.42℃
根据以上方法,就可以在已知任一时刻的实际温度的基础上,预测任一时刻的温度值。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种局部山地区域的温度日变化基线的构建方法,其特征在于;包括如下步骤:
S1、将原始温度数据以3天到7天为一个小周期,分成多个温度数据组,根据目视和计算的方法去除掉异常温度值,生成若干个小周期温度数据组T0;
S2、用温度数据组T0分别求出每个小周期的每一个所需时刻的平均温度值,生成温度数据集合avg0;
S3、在每个小周期中,用每一天的温度值与相应时刻的平均值avg0做减法,得到每天每个所需时刻的距平值集合T1;
S4、在每个小周期中,把S2中每一天所有时刻的距平值集合T1总体做平均,得到每天一个平均距平值avg1;
S5、在每个小周期中,用S1温度数据组T0与平均距平值avg1相减,得到一个每一天每个所需时刻的温度接近平均曲线的温度值T2;
S6、根据S5中所得出来的所有小周期数据的T2,求出24小时的平均温度值avgT,以avgT为样本数据,在平均温度avgT中的最高值的时刻分段,将数据分成两部分,分别建立自变量时刻t和因变量温度Y之间的模型,依据检验参数R2以及p值,确定最佳回归模型,以此作为日变化基线。
2.根据权利要求1所述的一种局部山地区域的温度日变化基线的构建方法,其特征在于:S3中T1为正值代表某天的温度变化曲线在平均温度曲线上方,T1为负值则代表某天的温度变化曲线在平均温度曲线下方,T1的绝对值代表每个时刻的温度值距离平均温度值的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510477839.9A CN105069292B (zh) | 2015-08-07 | 2015-08-07 | 一种局部山地区域的温度日变化基线的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510477839.9A CN105069292B (zh) | 2015-08-07 | 2015-08-07 | 一种局部山地区域的温度日变化基线的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105069292A CN105069292A (zh) | 2015-11-18 |
CN105069292B true CN105069292B (zh) | 2018-09-28 |
Family
ID=54498657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510477839.9A Expired - Fee Related CN105069292B (zh) | 2015-08-07 | 2015-08-07 | 一种局部山地区域的温度日变化基线的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069292B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11666004B2 (en) | 2020-10-02 | 2023-06-06 | Ecoation Innovative Solutions Inc. | System and method for testing plant genotype and phenotype expressions under varying growing and environmental conditions |
US20220104437A1 (en) * | 2020-10-02 | 2022-04-07 | Ecoation Innovative Solutions Inc. | Reduction of time of day variations in plant-related data measurements |
CN112598763B (zh) * | 2020-11-24 | 2023-02-03 | 西南林业大学 | 一种区域地表温度场的时间过程模拟方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526424A (zh) * | 2008-03-06 | 2009-09-09 | 通用电气公司 | 实时检测燃气轮机或飞机发动机叶片问题的系统和方法 |
US20110193576A1 (en) * | 2010-02-10 | 2011-08-11 | Kezia Cheng | Electron radiation monitoring system to prevent gold spitting and resist cross-linking during evaporation |
CN103530499A (zh) * | 2013-08-29 | 2014-01-22 | 西南林业大学 | 山区地表温度基线构建的一种方法及应用 |
CN103811034A (zh) * | 2012-11-07 | 2014-05-21 | 西部数据技术公司 | 磁盘驱动器通过相对温度评估电流预测主轴电机故障 |
-
2015
- 2015-08-07 CN CN201510477839.9A patent/CN105069292B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526424A (zh) * | 2008-03-06 | 2009-09-09 | 通用电气公司 | 实时检测燃气轮机或飞机发动机叶片问题的系统和方法 |
US20110193576A1 (en) * | 2010-02-10 | 2011-08-11 | Kezia Cheng | Electron radiation monitoring system to prevent gold spitting and resist cross-linking during evaporation |
CN102834542A (zh) * | 2010-02-10 | 2012-12-19 | 天工方案公司 | 在蒸发期间防止金喷溅且抗蚀剂交联的电子辐射监测系统 |
CN103811034A (zh) * | 2012-11-07 | 2014-05-21 | 西部数据技术公司 | 磁盘驱动器通过相对温度评估电流预测主轴电机故障 |
CN103530499A (zh) * | 2013-08-29 | 2014-01-22 | 西南林业大学 | 山区地表温度基线构建的一种方法及应用 |
Non-Patent Citations (2)
Title |
---|
《基于地表温度与湿度场遥感数据的火险等级预报新技术》;王一凯,等;《西部林业科学》;20141215;第97-103页 * |
《温度变化下哈巴雪山寒温性灌丛空间格局变化研究》;段卫虎,等;《绿色科技》;20150430;第31-33页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105069292A (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | The performance of CMIP6 versus CMIP5 in simulating temperature extremes over the global land surface | |
Napoly et al. | Development and application of a statistically-based quality control for crowdsourced air temperature data | |
Abbasian et al. | Performance of the general circulation models in simulating temperature and precipitation over Iran | |
Spinoni et al. | European degree‐day climatologies and trends for the period 1951–2011 | |
Hubbard | Spatial variability of daily weather variables in the high plains of the USA | |
Anandhi et al. | Role of predictors in downscaling surface temperature to river basin in India for IPCC SRES scenarios using support vector machine | |
CN111027175A (zh) | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 | |
Sarkar et al. | Predicting future changes in temperature and precipitation in arid climate of Kutch, Gujarat: analyses based on LARS-WG model | |
CN109472283B (zh) | 一种基于多重增量回归树模型的危险天气预测方法和装置 | |
CN105069292B (zh) | 一种局部山地区域的温度日变化基线的构建方法 | |
CN112819312A (zh) | 气候变化情景下干旱社会经济暴露度评估方法和系统 | |
CN110347671A (zh) | 构建海上风能数据资料库及海上风能发电量数据库的方法 | |
Ma et al. | Large-scale estimates of gross primary production on the Qinghai-Tibet plateau based on remote sensing data | |
Zahid et al. | Return levels of temperature extremes in southern Pakistan | |
Li et al. | Assessing MODIS carbon and water fluxes in grasslands and shrublands in semiarid regions using eddy covariance tower data | |
CN112100922A (zh) | 一种基于wrf和cnn卷积神经网络的风资源预测方法 | |
CN112700349A (zh) | 测风塔选址方法和装置 | |
Shao et al. | Introducing long‐term trends into subseasonal temperature forecasts through trend‐aware postprocessing | |
CN116628519B (zh) | 一种生态脆弱区识别方法及系统 | |
CN105095660B (zh) | 一种局部山地区域的相对湿度日变化基线的构建方法 | |
CN109948175B (zh) | 基于气象数据的卫星遥感反照率缺失值反演方法 | |
CN116663786A (zh) | 一种风光资源评估方法、装置、电子设备和存储介质 | |
Hu et al. | Trends in agricultural heat and solar radiation resources in Northeast China: A multistage spatio‐temporal analysis | |
Olaniyan et al. | Simulating the daily evolution of West African monsoon using high resolution regional COSMO-model: A case study of the first half of 2015 over Nigeria | |
Bassett et al. | Methodology to separate urban from regional heat advection by use of the Weather Research and Forecasting mesoscale model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190416 Address after: 650000 Bailong Temple 300, Kunming City, Yunnan Province Patentee after: Southwest Forestry University Address before: 650000 Southwest Forestry University Living Area No. 300 Bailong Temple, Kunming City, Yunnan Province Patentee before: Zhou Ruliang |
|
TR01 | Transfer of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180928 Termination date: 20200807 |
|
CF01 | Termination of patent right due to non-payment of annual fee |