CN106772697B - 云海自然景观预报方法及系统 - Google Patents

云海自然景观预报方法及系统 Download PDF

Info

Publication number
CN106772697B
CN106772697B CN201611041336.8A CN201611041336A CN106772697B CN 106772697 B CN106772697 B CN 106772697B CN 201611041336 A CN201611041336 A CN 201611041336A CN 106772697 B CN106772697 B CN 106772697B
Authority
CN
China
Prior art keywords
sea
clouds
value
forecast
meteorological data
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.)
Active
Application number
CN201611041336.8A
Other languages
English (en)
Other versions
CN106772697A (zh
Inventor
丁圣
李刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yuanjiang Hani And Yi Dai Autonomous County Meteorological Bureau
Original Assignee
Yuanjiang Hani And Yi Dai Autonomous County Meteorological Bureau
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yuanjiang Hani And Yi Dai Autonomous County Meteorological Bureau filed Critical Yuanjiang Hani And Yi Dai Autonomous County Meteorological Bureau
Priority to CN201611041336.8A priority Critical patent/CN106772697B/zh
Publication of CN106772697A publication Critical patent/CN106772697A/zh
Application granted granted Critical
Publication of CN106772697B publication Critical patent/CN106772697B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01WMETEOROLOGY
    • G01W1/00Meteorology
    • G01W1/10Devices for predicting weather conditions

Abstract

本发明提供了一种云海自然景观预报方法及系统。本发明提供的方法包括:获取第一自动气象站采集的当天的第一气象数据,第一自动气象站设在海拔高于云海的云顶高度处;获取第二自动气象站采集的当天的第二气象数据,第二自动气象站设在云海中;获取气象局发布的当天的天气预报数据;获取当天的云海出现情况;根据第一气象数据、第二气象数据、天气预报数据、当天的云海出现情况得到预报方程中每个自变量的数值,输入预报方程得到第二天的云海预报结果,其中,预报方程预先采用logistics回归分析得到。本发明提供的方法及系统,能够提供高准确率的云海景观出现概率预报,方便旅客和摄影爱好者的出行计划,推动当地旅游事业发展。

Description

云海自然景观预报方法及系统
技术领域
本发明涉及气象预报技术领域,具体涉及一种云海自然景观预报方法及系统。
背景技术
云海是自然景观,云海是山岳风景的重要景观之一,所谓云海,是指在一定的条件下形成的云层。并且云顶高度低于山顶高度,当人们在高山之巅俯首云层时,看到的是漫无边际的云,如临于大海之滨,波起峰涌,浪花飞溅,惊涛拍岸。故称这一现象为“云海”。
目前对云海的研究主要集中在云海出现机理研究和气候背景分析研究;常规气象预报技术,主要是气温高低,是否降雨雪、风力大小等,没有针对云海景观出现的可业务化的实用预报技术和系统。
发明内容
针对现有技术中的缺陷,本发明提供的云海自然景观预报方法及系统,能够提供高准确率的云海景观出现概率预报,方便旅客和摄影爱好者的出行计划,推动当地旅游事业发展。
第一方面,本发明提供的云海自然景观预报方法,包括:获取第一自动气象站采集的当天的第一气象数据,所述第一自动气象站设在海拔高于云海的云顶高度处;获取第二自动气象站采集的当天的第二气象数据,所述第二自动气象站设在云海中;获取气象局发布的当天的天气预报数据;获取当天的云海出现情况;根据所述第一气象数据、所述第二气象数据、所述天气预报数据、所述当天的云海出现情况得到预报方程中每个自变量的数值,输入所述预报方程得到第二天的云海预报结果,其中,所述预报方程预先采用logistics回归分析得到。
本发明提供的云海自然景观预报方法,遵循云海出现机理原理,能够提供高准确率的云海景观出现概率预报,方便旅客和摄影爱好者的出行计划,进一步对推动当地旅游事业发展。
优选地,所述第一气象数据包括多个时间段的温度值、湿度值、风速值,所述第二气象数据包括多个时间段的温度值和雨量值;根据所述第一气象数据、所述第二气象数据、所述天气预报数据、所述当天的云海出现情况得到预报方程中每个自变量的数值,输入所述预报方程得到第二天的云海预报结果,包括:根据所述天气预报数据判断第二天的天空状况值x1;根据所述第一气象数据中的温度值,得到所述第一自动气象站处的最高气温值x2和最低气温值x3;求所述第一气象数据和第二气象数据中同一小时正点的气温值的差值,取差值的最大值作为最高逆温值x4;根据所述第一气象数据中的湿度值,得到所述第一自动气象站处的最高湿度值x5;根据所述天气预报数据中的气温值,预报第二天所述第一自动气象站处的最高气温值x6和最低气温值x7;根据所述第一气象数据中的温度值,得到所述第一自动气象站处当天14时的露点温度x8;根据所述当天的云海出现情况,得到云海情况参数x9;根据所述第一气象数据中的风速值,得到风速参数x10;根据所述第二气象数据中的雨量值,得到雨量参数x11;将x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11输入预先采用logistics回归分析得到的预报方程,其中所述预报方程为
其中,p为第二天出现云海的概率值,β0、βi为估计值,n为所述预报方程的自变量的个数,此处n=11;根据第二天出现云海的概率值p得到第二天的云海预报结果。
优选地,所述根据所述第二气象数据中的雨量值,得到雨量参数x11,包括:若所述第二气象数据中的雨量值大于阈值,则x11=0,否则得到雨量参数x11
优选地,所述根据第二天出现云海的概率值p得到第二天的云海预报结果,包括:若p≤0.5,则第二天的云海预报结果为无云海出现,若p>0.5,则第二天的云海预报结果为有云海出现。
优选地,还包括将所述第一自动气象站采集的第一气象数据、所述第二自动气象站采集的第二气象数据、所述气象局发布的天气预报数据和所述云海出现情况存入远程气象数据库,根据所述远程气象数据库中的数据更新所述预报方程。
优选地,采用logistics回归分析得到所述预报方程的步骤包括:确定logistics回归分析的自变量;获取所述第一自动气象站每天采集的第一气象数据、所述第二自动气象站每天采集的第二气象数据、所述气象局每天发布的天气预报数据和每天的云海出现情况;根据同一天的第一气象数据、第二气象数据、天气预报数据、云海出现情况得到每个所述自变量的数值,将第二天的云海出现情况作为因变量的数值,组成一组测试样本;利用多组测试样本进行logistics回归分析,得到每个自变量对应的估计值;对所述估计值进行假设检验,剔除不合格的自变量,筛选出准确率最高的回归方程作为预报方程。
第二方面,本发明提供的一种云海自然景观预报系统,包括:设在高于云海的云顶高度处的第一自动气象站和视频监控模块、设在云海中的第二自动气象站、气象局预报获取模块和云海预报模块;所述第一自动气象站用于采集云海上的气象数据;所述第二自动气象站用于采集云海中的气象数据;所述视频监控模块用于拍摄云海的视频,预报人员根据云海的视频记录每天的云海出现情况;所述气象局预报获取模块用于获取气象局发布的天气预报数据;所述云海预报模块用于获取第一自动气象站采集的当天的第一气象数据、第二自动气象站采集的当天的第二气象数据、气象局发布的当天的天气预报数据以及当天的云海出现情况;根据所述第一气象数据、所述第二气象数据、所述天气预报数据、所述当天的云海出现情况得到预报方程中每个自变量的数值,输入所述预报方程得到第二天的云海预报结果,其中,所述预报方程预先采用logistics回归分析得到。
本发明提供的云海自然景观预报系统,结合云海出现机理原理,创造性地建设两套自动气象站、视频监控系统和自行开发软件系统,实现了人机交互的可用于业务化的自动预报系统,成本低,可实用性强,能够提供高准确率的云海景观出现概率预报,方便旅客和摄影爱好者的出行计划,进一步对推动当地旅游事业发展。
优选地,所述第一自动气象站包括:第一温度传感器、第一湿度传感器、第一雨量传感器、风向风速传感器;所述第二自动气象站包括:第二温度传感器、第二雨量传感器。
优选地,还包括远程气象数据库,所述远程气象数据库用于存储每天的第一气象数据、第二气象数据、天气预报数据、云海出现情况和云海预报结果。
优选地,还包括预报方程更新模块,所述预报方程更新模块用于从所述远程气象数据库中获取数据,更新所述云海预报模块中的预报方程。
附图说明
图1为本发明实施例提供的云海自然景观预报系统的结构框图;
图2为本发明实施例提供的云海自然景观预报系统的硬件布设示意图;
图3为本发明实施例提供的云海自然景观预报方法的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本实施例提供了一种云海自然景观预报系统,如图1所示,包括:第一自动气象站1、第二自动气象站2、视频监控模块3、气象局预报获取模块4、云海预报模块5和远程气象数据库6。
如图2所示,第一自动气象站1和视频监控模块3布设的海拔高度高于云海的云顶高度,第二自动气象站2布设于云海中,海拔高度低于云海的云顶高度。第一自动气象站1和第二自动气象站2采集的数据通过有线或无线通讯方式传输并存储到远程气象数据库6中。视频监控模块3用于拍摄云海的视频,预报人员根据云海的视频记录每天的云海出现情况,包括云海景观每天是否出现和出现及消散时间等信息,并存入气象数据库中。气象局预报获取模块4用于获取气象局发布的天气预报数据。
其中,第一自动气象站1集成有多种传感器用于监测环境数据,包括但不限于以下传感器,如:第一温度传感器、第一湿度传感器、风向风速传感器、第一雨量传感器等;第二自动气象站2集成有多种传感器用于监测环境数据包括但不限于以下传感器,如:第二温度传感器、第二雨量传感器等。具体传感器根据使用地点的环境可以增加或减少,各类传感器可使用市面通用的传感器实现。
通过上述系统记录至少1年的观测资料,作为样本数据,然后采用logistics回归分析方法得到可以进行云海景观预报的预报方程,具体过程如下:
步骤S1,确定logistics回归分析的自变量;
其中,自变量可以根据监测地点当地自然和气候环境确定,根据云海的形成条件,一般自变量的选择可以从气温、温差、湿度、风向、风速、降雨量、前一天云海出现的情况、气象局预报的天气状况等方面考虑,但不限于上述列举的方面。
步骤S2,从远程气象数据库6中获取同一天的第一气象数据、第二气象数据、天气预报数据、云海出现情况和第二天的云海出现情况。
步骤S3,根据同一天的第一气象数据、第二气象数据、天气预报数据、云海出现情况得到每个自变量的数值,将第二天的云海出现情况作为因变量的数值,组成一组测试样本。
步骤S4,利用多组测试样本进行logistics回归分析,得到估计值。
其中,回归方程为
其中,p为因变量,表示第二天出现云海的概率值,β0、βi为估计值,n为自变量的个数。
步骤S5,对估计值进行假设检验,剔除不合格的自变量,筛选出准确率最高的回归方程作为预报方程。
其中,假设检验是推论统计中,除了估计之外,另一个重要的步骤,其基本原理是先对测试样本总体的特征做出某种假设,然后通过抽样研究的统计推理,对此假设应该被拒绝还是接受做出推断。常用的假设检验方法有u—检验法、t检验法、χ2检验法(卡方检验)、F—检验法,秩和检验等。本实施例中采用“t检验法”进行假设检验,首先建立假设H0、确定检验水准α,然后计算检验统计量,最后查相应的界值表做出对假设H0的判断,当α小于0.10时视为通过假设检验。通过“t检验法”,分别对每个估计量进行假设检验,若某个估计量没有通过假设检验,则从回归方程中剔除该估计量对应的自变量,若估计量通过了假设检验,则保留该估计量对应的自变量。
本实施例结合云海出现机理原理,创造性地建设两套自动气象站、视频监控系统和自行开发软件系统,实现了人机交互的可用于业务化的自动预报系统,成本低,可实用性强,能够提供高准确率的云海景观出现概率预报,方便旅客和摄影爱好者的出行计划,进一步对推动当地旅游事业发展。
实际应用中,监测地区所处的地理位置不同,会得到不同的预报方程,因监测地区所处的地理位置导致预报方程中选取的自变量或估计值不同,都应纳入本专利的保护范围。
通过logistics回归分析确定预报方程后,系统就可以通过云海预报模块5进行云海景观的预报。具体地,云海预报模块5用于从气象数据库中获取第一自动气象站1采集的当天的第一气象数据、第二自动气象站2采集的当天的第二气象数据、气象局发布的当天的天气预报数据以及当天的云海出现情况;云海预报模块5根据第一气象数据、第二气象数据、天气预报数据、当天的云海出现情况得到预报方程中每个自变量的数值,输入预报方程得到第二天的云海预报结果。
为了使云海景观的预报更加准确,本实施例的云海自然景观预报系统还包括预报方程更新模块,在预报方程投入使用后,以新存入远程气象数据库6中的数据为测试样本,继续对预报方程进行logistics回归分析,以得到预报能力更加准确的预报方程,通过测试后将新的预报方程更新云海预报模块5中。
以在元江哈尼云海梯田地区采集到的气象数据为样本,通过上述logistics回归分析方法,剔除一些影响不大的自变量后,最终得到适合该地区的预报方程为:
其中,p为第二天出现云海的概率值,xi为自变量,β0、βi为估计值,n为预报方程的自变量的个数,此处n=11。
x1为根据天气预报数据得到的第二天的天空状况值,预报第二天的天空状况,若预报第二天有降水则x1=1,若预报第二天无降水(晴间多云、多云间晴等)x1=0。
x2为一天中第一自动气象站1处的最高气温值。
x3为一天中第一自动气象站1处的最低气温值。
x4为一天中最高逆温值,其求取方式为:求第一气象数据和第二气象数据中同一小时正点的气温值的差值,取差值的最大值作为最高逆温值。
x5为一天中第一自动气象站1处的最高湿度值。
x6为预报的第二天第一自动气象站1处的最高气温值,由气象局发布的天气预报根据海拔高差每100米减0.6℃自动计算得到x6
x7为预报的第二天第一自动气象站1处的最低气温值,由气象局发布的天气预报根据海拔高差每100米减0.6℃自动计算得到x7
x8为一天中第一自动气象站1处当天14时的露点温度。
x9为当天的云海出现情况,若当天出现云海则x9=1,若当天未出现云海则x9=0。
x10为根据一天中的第一气象数据中的风速值,得到风速参数。
x11为根据一天中的第二气象数据中的雨量值得到雨量参数。
通过采用上述预报方程的云海自然景观预报系统,可以较准确地预报当地第二天的云海景观。根据大量实验和测试得到的数据显示,对元江哈尼云海预报的总体准确率高达81.7%,其中无云海的准确率为69.6%,有云海出现的准确率为89.2%。
基于上述云海自然景观预报系统,本发明实施例提供了云海自然景观预报方法,如图3所示,包括:
步骤S10,获取第一自动气象站1采集的当天的第一气象数据、第二自动气象站2采集的当天的第二气象数据、气象局发布的当天的天气预报数据、当天的云海出现情况。
步骤S20,根据第一气象数据、第二气象数据、天气预报数据、当天的云海出现情况得到预报方程中每个自变量的数值,输入预报方程得到第二天的云海预报结果。
本实施例提供的云海自然景观预报方法,遵循云海出现机理原理,能够提供高准确率的云海景观出现概率预报,方便旅客和摄影爱好者的出行计划,进一步对推动当地旅游事业发展。
其中,第一气象数据包括多个时间段的温度值、湿度值、风速值,第二气象数据包括多个时间段的温度值和雨量值。
其中,根据获取的第一气象数据、第二气象数据、天气预报数据、当天的云海出现情况这些数据可以得到很多气象参数,通过预先进行的logistics回归分析,从众多的气象参数中筛选出影响较大的多个参数,最终确定最合适的预报方程。
其中,步骤S20具体包括如下步骤:
步骤S201,根据天气预报数据判断第二天的天空状况值x1
步骤S202,根据第一气象数据中的温度值,得到第一自动气象站1处的最高气温值x2和最低气温值x3
步骤S203,求第一气象数据和第二气象数据中同一小时正点的气温值的差值,取差值的最大值作为最高逆温值x4
步骤S204,根据第一气象数据中的湿度值,得到第一自动气象站1处的最高湿度值x5
步骤S205,根据天气预报数据中的气温值,预报第二天第一自动气象站1处的最高气温值x6和最低气温值x7
步骤S206,根据第一气象数据中的温度值,得到第一自动气象站1处当天14时的露点温度x8
步骤S207,根据当天的云海出现情况,得到云海情况参数x9
步骤S208,根据第一气象数据中的风速值,得到风速参数x10
步骤S209,根据第二气象数据中的雨量值,得到雨量参数x11;其中,若第二气象数据中的雨量值大于阈值,则x11=0,否则得到雨量参数x11
步骤S210,将x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11输入预先采用logistics回归分析得到的预报方程,其中预报方程为
其中,p为第二天出现云海的概率值,β0、βi为每个自变量对应的估计值,n为预报方程的自变量的个数,此处n=11;
步骤S211,根据第二天出现云海的概率值p得到第二天的云海预报结果。其中,若p≤0.5,则第二天的云海预报结果为无云海出现,若p>0.5,则第二天的云海预报结果为有云海出现。
为了使云海景观的预报更加准确,本实施例的云海自然景观预报方法还包括:将第一自动气象站1采集的第一气象数据、第二自动气象站2采集的第二气象数据、气象局发布的天气预报数据和云海出现情况存入远程气象数据库6;然后根据远程气象数据库6中的数据更新预报方程,具体的为:以新存入远程气象数据库6中的数据为测试样本,继续对预报方程进行logistics回归分析,以得到预报能力更加准确的预报方程,通过测试后将新的预报方程投入使用。
本实施例提供的云海自然景观预报系统,是国内首次在山岳型云海地区建立云海旅游气象观测系统,结合气象实时观测数据、气象预报数据和视频监控结果,预报出第二天的云海景观出现与否结果。本实施例提供的方法和系统可方便地移植到其它山岳型云海的旅游地区投入使用,以方便旅客和摄影爱好者,推动当地旅游事业发展。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (7)

1.一种云海自然景观预报方法,其特征在于,包括:
获取第一自动气象站采集的当天的第一气象数据,所述第一自动气象站设在海拔高于云海的云顶高度处;
获取第二自动气象站采集的当天的第二气象数据,所述第二自动气象站设在云海中;
获取气象局发布的当天的天气预报数据;
获取当天的云海出现情况;
根据所述第一气象数据、所述第二气象数据、所述天气预报数据、所述当天的云海出现情况得到预报方程中每个自变量的数值,输入所述预报方程得到第二天的云海预报结果,其中,所述预报方程预先采用logistics回归分析得到;
所述第一气象数据包括多个时间段的温度值、湿度值、风速值,所述第二气象数据包括多个时间段的温度值和雨量值;
根据所述第一气象数据、所述第二气象数据、所述天气预报数据、所述当天的云海出现情况得到预报方程中每个自变量的数值,输入所述预报方程得到第二天的云海预报结果,包括:
根据所述天气预报数据判断第二天的天空状况值x1
根据所述第一气象数据中的温度值,得到所述第一自动气象站处的最高气温值x2和最低气温值x3
求所述第一气象数据和第二气象数据中同一小时正点的气温值的差值,取差值的最大值作为最高逆温值x4
根据所述第一气象数据中的湿度值,得到所述第一自动气象站处的最高湿度值x5
根据所述天气预报数据中的气温值,预报第二天所述第一自动气象站处的最高气温值x6和最低气温值x7
根据所述第一气象数据中的温度值,得到所述第一自动气象站处当天14 时的露点温度x8
根据所述当天的云海出现情况,得到云海情况参数x9
根据所述第一气象数据中的风速值,得到风速参数x10
根据所述第二气象数据中的雨量值,得到雨量参数x11
将x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11输入预先采用logistics回归分析得到的预报方程,其中所述预报方程为
其中,p为第二天出现云海的概率值,β0、βi为估计值,n为所述预报方程的自变量的个数,此处n=11;
根据第二天出现云海的概率值p得到第二天的云海预报结果;
所述根据所述第二气象数据中的雨量值,得到雨量参数x11,包括:若所述第二气象数据中的雨量值大于阈值,则x11=0,否则得到雨量参数x11
所述根据第二天出现云海的概率值p得到第二天的云海预报结果,包括:若p≤0.5,则第二天的云海预报结果为无云海出现,若p>0.5,则第二天的云海预报结果为有云海出现。
2.根据权利要求1所述的方法,其特征在于,还包括将所述第一自动气象站采集的第一气象数据、所述第二自动气象站采集的第二气象数据、所述气象局发布的天气预报数据和所述云海出现情况存入远程气象数据库,根据所述远程气象数据库中的数据更新所述预报方程。
3.根据权利要求1所述的方法,其特征在于,采用logistics回归分析得到所述预报方程的步骤包括:
确定logistics回归分析的自变量;
获取所述第一自动气象站每天采集的第一气象数据、所述第二自动气象站每天采集的第二气象数据、所述气象局每天发布的天气预报数据和每天的云海出现情况;
根据同一天的第一气象数据、第二气象数据、天气预报数据、云海出现情况得到每个所述自变量的数值,将第二天的云海出现情况作为因变量的数值,组成一组测试样本;
利用多组测试样本进行logistics回归分析,得到每个自变量对应的估计值;
对所述估计值进行假设检验,剔除不合格的自变量,筛选出准确率最高的回归方程作为预报方程。
4.一种云海自然景观预报系统,其特征在于,包括:设在高于云海的云顶高度处的第一自动气象站和视频监控模块、设在云海中的第二自动气象站、气象局预报获取模块和云海预报模块;
所述第一自动气象站用于采集云海上的气象数据;
所述第二自动气象站用于采集云海中的气象数据;
所述视频监控模块用于拍摄云海的视频,预报人员根据云海的视频记录每天的云海出现情况;
所述气象局预报获取模块用于获取气象局发布的天气预报数据;
所述云海预报模块用于获取第一自动气象站采集的当天的第一气象数据、第二自动气象站采集的当天的第二气象数据、气象局发布的当天的天气预报数据以及当天的云海出现情况;根据所述第一气象数据、所述第二气象数据、所述天气预报数据、所述当天的云海出现情况得到预报方程中每个自变量的数值,输入所述预报方程得到第二天的云海预报结果,其中,所述预报方程预先采用logistics回归分析得到;
所述第一气象数据包括多个时间段的温度值、湿度值、风速值,所述第二气象数据包括多个时间段的温度值和雨量值;
根据所述第一气象数据、所述第二气象数据、所述天气预报数据、所述当天的云海出现情况得到预报方程中每个自变量的数值,输入所述预报方程得到第二天的云海预报结果,包括:
根据所述天气预报数据判断第二天的天空状况值x1
根据所述第一气象数据中的温度值,得到所述第一自动气象站处的最高气温值x2和最低气温值x3
求所述第一气象数据和第二气象数据中同一小时正点的气温值的差值,取差值的最大值作为最高逆温值x4
根据所述第一气象数据中的湿度值,得到所述第一自动气象站处的最高湿度值x5
根据所述天气预报数据中的气温值,预报第二天所述第一自动气象站处的最高气温值x6和最低气温值x7
根据所述第一气象数据中的温度值,得到所述第一自动气象站处当天14时的露点温度x8
根据所述当天的云海出现情况,得到云海情况参数x9
根据所述第一气象数据中的风速值,得到风速参数x10
根据所述第二气象数据中的雨量值,得到雨量参数x11
将x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11输入预先采用logistics回归分析得到的预报方程,其中所述预报方程为
其中,p为第二天出现云海的概率值,β0、βi为估计值,n为所述预报方程的自变量的个数,此处n=11;
根据第二天出现云海的概率值p得到第二天的云海预报结果;
所述根据所述第二气象数据中的雨量值,得到雨量参数x11,包括:若所述第二气象数据中的雨量值大于阈值,则x11=0,否则得到雨量参数x11
所述根据第二天出现云海的概率值p得到第二天的云海预报结果,包括:若p≤0.5,则第二天的云海预报结果为无云海出现,若p>0.5,则第二天的云海预报结果为有云海出现。
5.根据权利要求4所述的系统,其特征在于,所述第一自动气象站包括:第一温度传感器、第一湿度传感器、第一雨量传感器、风向风速传感器;所述第二自动气象站包括:第二温度传感器、第二雨量传感器。
6.根据权利要求4所述的系统,其特征在于,还包括远程气象数据库,所述远程气象数据库用于存储每天的第一气象数据、第二气象数据、天气预报数据、云海出现情况和云海预报结果。
7.根据权利要求6所述的系统,其特征在于,还包括预报方程更新模块,所述预报方程更新模块用于从所述远程气象数据库中获取数据,更新所述云海预报模块中的预报方程。
CN201611041336.8A 2016-11-21 2016-11-21 云海自然景观预报方法及系统 Active CN106772697B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611041336.8A CN106772697B (zh) 2016-11-21 2016-11-21 云海自然景观预报方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611041336.8A CN106772697B (zh) 2016-11-21 2016-11-21 云海自然景观预报方法及系统

Publications (2)

Publication Number Publication Date
CN106772697A CN106772697A (zh) 2017-05-31
CN106772697B true CN106772697B (zh) 2019-07-05

Family

ID=58974645

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611041336.8A Active CN106772697B (zh) 2016-11-21 2016-11-21 云海自然景观预报方法及系统

Country Status (1)

Country Link
CN (1) CN106772697B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107748933B (zh) * 2017-10-23 2020-07-14 成都信息工程大学 气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202196189U (zh) * 2011-08-30 2012-04-18 长春希迈气象科技股份有限公司 一种六要素自动气象站对比装置
CN103472501A (zh) * 2013-09-06 2013-12-25 中国气象科学研究院 云检测及全天空总云量检测方法和系统
CN103901505A (zh) * 2014-03-11 2014-07-02 中国气象科学研究院 一种基于湿球效应的云顶高度探测方法及装置
CN104345355A (zh) * 2014-09-30 2015-02-11 天青公司 一种采集与处理天气数据和图像的装置、方法和系统
CN204479775U (zh) * 2015-01-09 2015-07-15 芜湖航飞科技股份有限公司 一种新型云观探测系统
CN104820250A (zh) * 2015-04-14 2015-08-05 国家卫星气象中心 一种极轨气象卫星virr海洋上云检测的处理方法
CN205229492U (zh) * 2015-11-23 2016-05-11 四川长虹电器股份有限公司 气象预测系统
CN105607153A (zh) * 2016-02-25 2016-05-25 清华大学 基于智能气球群的云监测系统和人工降水系统、控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202196189U (zh) * 2011-08-30 2012-04-18 长春希迈气象科技股份有限公司 一种六要素自动气象站对比装置
CN103472501A (zh) * 2013-09-06 2013-12-25 中国气象科学研究院 云检测及全天空总云量检测方法和系统
CN103901505A (zh) * 2014-03-11 2014-07-02 中国气象科学研究院 一种基于湿球效应的云顶高度探测方法及装置
CN104345355A (zh) * 2014-09-30 2015-02-11 天青公司 一种采集与处理天气数据和图像的装置、方法和系统
CN204479775U (zh) * 2015-01-09 2015-07-15 芜湖航飞科技股份有限公司 一种新型云观探测系统
CN104820250A (zh) * 2015-04-14 2015-08-05 国家卫星气象中心 一种极轨气象卫星virr海洋上云检测的处理方法
CN205229492U (zh) * 2015-11-23 2016-05-11 四川长虹电器股份有限公司 气象预测系统
CN105607153A (zh) * 2016-02-25 2016-05-25 清华大学 基于智能气球群的云监测系统和人工降水系统、控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Logistic回归及其在概率降水预报中的应用;纪玲玲;《解放军理工大学学报(自然科学版)》;20031031;第4卷(第5期);正文第93-93页
安徽省山岳型景区旅游气象服务业务系统;丁国香;《南京信息工程大学学报》;20160131(第1期);正文第72页左栏第3段,第73页左栏

Also Published As

Publication number Publication date
CN106772697A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
Wei et al. Estimating 1-km-resolution PM2. 5 concentrations across China using the space-time random forest approach
Koračin et al. Marine fog: A review
Vose et al. Monitoring and understanding changes in extremes: Extratropical storms, winds, and waves
Revuelto et al. Topographic control of snowpack distribution in a small catchment in the central Spanish Pyrenees: intra-and inter-annual persistence
Haeffelin et al. Evaluation of mixing-height retrievals from automatic profiling lidars and ceilometers in view of future integrated networks in Europe
Weng et al. Assimilating airborne Doppler radar observations with an ensemble Kalman filter for convection-permitting hurricane initialization and prediction: Katrina (2005)
von Engeln et al. A planetary boundary layer height climatology derived from ECMWF reanalysis data
Ricard et al. A climatology of the mesoscale environment associated with heavily precipitating events over a northwestern Mediterranean area
Colle et al. Historical evaluation and future prediction of eastern North American and western Atlantic extratropical cyclones in the CMIP5 models during the cool season
Xu et al. Evaluation of machine learning techniques with multiple remote sensing datasets in estimating monthly concentrations of ground-level PM2. 5
Parker et al. Organizational modes of midlatitude mesoscale convective systems
Cifelli et al. Radar observations of the kinematic, microphysical, and precipitation characteristics of two MCSs in TRMM LBA
CN105975763B (zh) 一种多源海面风场的融合方法和装置
US9229133B2 (en) Meteorological parameter forecasting
Kaufmann et al. Climate response to rapid urban growth: Evidence of a human-induced precipitation deficit
Carvalho et al. Comparison of reanalyzed, analyzed, satellite-retrieved and NWP modelled winds with buoy data along the Iberian Peninsula coast
Mansell et al. Simulated electrification of a small thunderstorm with two-moment bulk microphysics
Toba et al. Wave dependence of sea-surface wind stress
Chen et al. Spatial and temporal characteristics of warm season convection over Pearl River Delta region, China, based on 3 years of operational radar data
Jiang The relationship between tropical cyclone intensity change and the strength of inner-core convection
Roebber et al. Improving snowfall forecasting by diagnosing snow density
Cardone et al. Evaluation of contemporary ocean wave models in rare extreme events: The “Halloween Storm” of October 1991 and the “Storm of the Century” of March 1993
Goodman et al. The GOES-R proving ground: Accelerating user readiness for the next-generation geostationary environmental satellite system
Atlas Atmospheric observations and experiments to assess their usefulness in data assimilation (gtSpecial IssueltData assimilation in Meteology and oceanography: theory and practice)
Sills et al. Lake breezes in the southern Great Lakes region and their influence during BAQS-Met 2007

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant