CN108416031B - 气象多源探测资料融合分析系统 - Google Patents
气象多源探测资料融合分析系统 Download PDFInfo
- Publication number
- CN108416031B CN108416031B CN201810199865.3A CN201810199865A CN108416031B CN 108416031 B CN108416031 B CN 108416031B CN 201810199865 A CN201810199865 A CN 201810199865A CN 108416031 B CN108416031 B CN 108416031B
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- field
- cloud
- dimensional
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种NRIET气象多源探测资料融合分析系统,包括数据采集:获取地面、高空常规观测、卫星、雷达的遥感观测及模式背景场的各种气象数据。数据质量控制:将采集到的多种观探测资料进行质量控制处理。数据归一处理:将进行质控化的资料进行归一化处理,提供统一的标准数据接口,供后续模块调用。背景场网格插值:将模式输入作为背景场插值到三维格点上,获得三维背景资料。多源资料融合:利用观测资料进行融合,修正三维背景资料。融合分析:在融合资料的基础上进一步利用地面分析、温度分析、云分析、水汽分析和平衡分析,进一步订正并进行诊断分析。三维气象信息显示分析:将融合分析的三维格点数据进行展示,并提供交互分析功能。
Description
技术领域
本发明涉及一种气象多源观探测资料融合分析系统,尤其涉及一种气象多源探测资料融合分析系统。
背景技术
近年来,我国社会经济的快速发展,也为气象观测系统发展带来了机遇。气象探测技术不断改进,大气探测设备不断增加,不仅建成了新一代天气雷达网、FY-2E、FY-2F、FY-3A、FY-3B气象卫星观测网以及遍布全国的地面自动气象站观测网,一些新兴的观测仪器,如风廓线仪、RASS无线电声学空气廓线测量仪、GPS水汽、微波辐射仪等观测网也在建设当中,使得气象观测在时空密度上得到极大提高。这些多源、多时相、多尺度的探测手段的快速发展,为灾害性天气超短期预报和临近预报提供了强有力的观测数据保障。
另一方面,我国中尺度气象观测网数据日益丰富,如何将这些多源观测数据进行分析并在天气预报中发挥作用是迫切需要解决的问题。目前的预报方法主要包括传统的基于预报员经验的主观预报以及仍在不断发展的基于数值模式的客观预报。其中,数值预报是气象预报主要的发展趋势,但现阶段数值模式预报的初值问题并没有完全解决,并且数值模式的预报结果带有一定的不确定性,与实际结果有一定的偏差,因此,预报员的主观预报仍然占有非常重要的位置。预报员凭借积累的预报经验,通过天气图、卫星、雷达的综合分析,做出天气发展趋势的判断。这就需要为预报员提供最为详尽,最接近客观实际的数据。目前,我国的大气探测设备种类不断增加,气象观测资料日益丰富,但由于观测条件、观测原理等限制,各种资料都存在或大或小的误差,因此,需要对多源数据进行统一处理,相互校正、互为补充,分析出一套高分辨率、融合尽可能多观测的、更接近实际大气的分析数据。
目前常用的再分析资料主要有美国NCEP的NCEP-FNL,日本JMA的JRA-25以及欧洲中心ECWMF的ERA-15、ERA-40等,这些国外的再分析资料为气候变化研究、灾害监测、驱动数值模式提供了数据保障,也是我国气候研究的主要数据来源之一。但这些再分析资料输入的我国观测资料有限,并且时空分辨率较低,难以描绘出中小尺度天气系统的结构特征以及演变规律,这对中小尺度天气研究的推进造成了诸多限制。我国作为一个复员辽阔,气象条件复杂,观测资料丰富的气象大国,尚没有一套供业务和研究用的分析、再分析数据集,在社会经济的日益繁荣、气象业务及气象科学研究快速发展的背景下,气象分析数据的需求也日益迫切。
气象公共服务部门需要向公众提供实时的气象信息,而出于国家气象信息安全的考虑,原始的观测数据不方便直接对外公布,而且观测站点分布极不均勻,这就需要对各种观测数据及其他辅助数据进行处理,制作一套基于实际观测的分析数据产品。而目前气象业务当中还没有这样的平台,通常对观测数据进行简单的插值,缺乏对数据的统一处理,特别是源于多种观测仪器、多时相、多尺度的观测数据。
因此在加强气象观探测技术的同时,应当构建统一的、规范化数据服务环境,并综合利用融合分析预报方法,将不同时空分辨率、包含不同气象要素的多源观测数据构建成一个的三维气象分析场,基于新建的三维分析场进行背景天气条件以及诊断量分析,从而更好的进行中小尺度灾害性天气预报预警以及研究。
发明内容
目前,多源气象观探测资料的应用主要存在以下几点问题:1)不同类型的观探测设备所采集气象要素和信息的时空分辨率不一致、数据结构不一致、数据服务方式不一致,导致各类气象观探测资料不能得到充分的挖掘和利用。2)单一观探测手段只能反映大气状态的一部分信息,因此单一的、时空分辨率不统一的探测资料不能形成全面描述灾害性天气的特征和指标,难以满足灾害性天气分析和预报的精度要求。3)各类观探测资料的表达方式多样,产品的空间范围与坐标投影不一致,不同资料的时间难以匹配,不便于预报人员综合使用这些信息。因此本发明主要需要解决以下主要技术问题。
■多源观探测数据归一化处理
针对不同类型、不同厂家、不同体制、不同来源的各种气象观探测设备形成的原始的气象观探测资料格式差异很大的问题。本发明通过设计统一的数据存储标准规范和数据结构模型,使得气象观测系统所采集的地面观测、高空观测、多普勒雷达、卫星、风廓线、微波辐射仪、GPS等观探测资料能够通过统一的数据模型进行存储,并形成统一的数据访问接口,便于方便快捷的调用。
■观探测资料融合分析
通过多源资料融合技术,基于Barnes分析、统计分析以及基于多重网格技术的连续变分方法,把地面观测资料、高空观测资料和雷达探测资料等这些时间、空间特征不同,具有不同观测精度的数据融合到一个网格上,成为网格点数据。并在此基础上,根据数据融合的输出场进行多源观探测资料分析(如风分析、云分析、诊断分析、平衡分析等),生成可用于诊断中尺度强对流天气的三维维度场、三维风分析、三维湿度分析和雷暴指数物理量等产品,为灾害性天气预报预警以及研究提供支撑。
■高性能气象资料图形渲染技术
围绕多源气象观探测资料协同融合系统的需求,需要提供与此功能相关的各种气象数据分析处理与产品显示,因此需要提供高效的气象数据图形绘制引擎,以满足气象数据显示与分析的业务需求。针对实现高效绘图引擎需要解决的问题进行分析,采用以下技术手段进行应对,基于数据缓存解决数据访问和数据获取效率的问题,实现气象数据的快速访问;基于并行计算实现气象数据的复杂计算和概念模型的并行计算处理的问题,实现气象数据高效处理;基于异步渲染机制解决实施渲染过程中UI线程阻塞的问题,实现数据的高效渲染。
基于“多源气象观探测数据归一化处理技术”和“观探测数据协同融合技术”,构建统一的、规范化、全要素覆盖、全时空匹配的基础观探测数据服务环境;融合地面观测、高空观测、雷达观探测资料等多种观测数据获得高时空分辨率的风、温、压、湿等大气参数,为灾害性天气预报预警以及研究提供支撑。
为了解决以上问题,本发明采用了如下技术方案:一种气象多源探测资料融合分析系统,其特征在于,包括以下内容:
1)数据采集
获取地面、高空常规观测、卫星、雷达等遥感观测以及模式背景场等各种气象数据;
2)数据质量控制
将采集到的多种观探测资料进行质量控制处理,保证资料的准确性;
3)数据归一处理
将进行质控化的资料进行归一化处理,提供统一的标准数据接口,供后续模块调用;
4)背景场网格插值
将模式输入作为背景场插值到三维格点上,获得三维背景资料;
5)多源资料融合
利用各种观测资料进行融合,修正三维背景资料;
6)融合分析
在融合资料的基础上进一步利用地面分析、温度分析、云分析、水汽分析和平衡分析等,进一步订正并进行诊断分析;
7)三维气象信息显示分析
将融合分析的三维格点数据进行展示,并提供交互分析功能。
所述的数据采集:
1-1)观探测资料的采集支持多协议的收集,包括FTP采集、共享目录采集;采集的资料包括地面自动站、探空、多普勒天气雷达、双偏振天气雷达、微波辐射仪、GPS水汽、机场AWOS自观资料、飞机METAR报、卫星等。
1-2)数据解码将通过对识别出的站点、格点格式的数据文件用对应的方法进行解码,对文件中的每一个报告的格式正确性、数值范围等做一个初步的筛选,过滤掉不符合业务规则的数据,最后得到解码后的数据。
所述的数据质量控制:数据质量控制根据定义的质量控制规则,对采集的观探测资料数据进行解析分析,对分析出来有异常不符合规则的数据,依据质量控制算法对这些观测数据进行修改、订正,使这些数据的值符合实际情况,更加精确可靠;包括对常规观探测资料进行基本参数检查、缺测检查、要素界限值检查和突变检查,以及对雷达资料平滑、滤波、填补缺测,去地物杂波算法。
所述的数据归一处理:
3-1)针对气象数据的特点,数据格式标准化采用了通用的格点、矢量、记录数据模型的概念,将获取资料中的地面观测数据、高空观测数据、天气雷达数据适配到这三种数据模型上,同时考虑对地理信息数据的解析和适配,进而为其他平台使用。
3-2)数据服务子模块,根据用户定义数据或数据文件名规范的元数据及数据特点,基于相关的接口开发规范,并借助对底层数据环境封装的服务接口,为其他分系统提供数据支撑服务。
所述的背景场网格插值:
融合观探测资料的基础算法是在背景场基础上采用距离权重插值得到网格点值,然后分别对气温、气压、风、云等采用连续订正与经验相结合的方法,垂直层数21层,层顶气压为100hPa。所使用的资料包括精细化数值预报业务系统最新一次启动的预报结果、地面观测资料、高空观测资料和遥感探测资料,将多源观探测资料融合后形成后成为水平空间分辨率为1km×1km的三维维度场、三维风场、三维湿度场等多维数据环境;
首先将精细化数值预报业务系统最新一次启动的预报结果作为提供的大尺度初猜场插值到设定网格,产生NetCDF格式的背景场lga(三维资料融合场)和lgb(地面资料融合场),提供给资料融合模块。
所述的多源资料融合:
然后基于观探测资料采集与处理分系统采集、质量控制和格式标准化处理后的的观探测资料中间文件,利用Barnes分析、统计分析以及基于多重网格技术的连续变分方法等手段,将不同的资料融合加入背景场资料中,得到同化融合的网格点数据并用于下一步分析;在对每个场进行分析之前,要进行质量控制;即当观测值与背景场的离差大于某个临界值时,将拒绝该观测值。此临界值与观测增量的标准差成正比,不同的场具有不同的比例常数。
所述的融合分析:
在同化融合的网格点数据基础上,根据数据融合的输出场进行其它物理量的反演和导出分析,包括:地面分析、三维风分析、三维温度场分析、云分析、水汽分析以及雷暴指数等物理量。
所述的地面分析的是进行一个与三维风和温度分析类似的逐次订正技术;对于温度、露点、风U、V分量和海平面气压均使用观测值与背景场值之差,而能见度直接使用观测值;温度和露点也要对测站高度与LAPS地形的高度差值进行校正;标准的直减率将用于这个校正;分析产生的新值与背景场之差不能大于前面质量控制中观测值与背景场的离差的临界值;这有助于防止在数据稀少地区产生过大的梯度。在气压分析的连续过程中,高度表的观测按标准大气转换为测站场面气压;测站场面气压利用静力方程转换为参考高度的换算气压,气压分析使用气压背景场加参考高度换算气压的增量;然后使用变分技术将地面风和参考层气压约束到完全运动方程;而海平面气压是对观测值与背景场的差值直接进行分析;测站的场面气压则使用模式背景场格点化的地面气压场和海平面气压分析结果与背景场的离差来计算;能见度的分析是首先分析地面能见度的观测值;第二步是在高相对湿度和靠近云底(由前一时次的云分析给出)的地方降低能见度;
所述的温度分析用实测数据调整温度格点场,首先根据静力关系用分析的温度场计算高度场,其次根据地面分析的温度调整边界层温度,然后调整位温,保证高层位温大于等于低层位温,最后计算边界层顶的气压和高度;其中最重要的是边界层部分的处理,主要分以下几步:1)用地面分析得到的地面气压场,求平均后减去设置的临界值(缺省为200hPa);作为边界层顶气压;2)利用前面温度分析得到的三维高空温度场和边界层顶气压线性内插出边界层顶的温度和地面温度;3)利用上述内插得到的地面温度和LAPS地面分析的地面温度相减地面偏差,然后线性内插出边界层各层的温度偏差;4)将各层温度偏差加到温度分析得到的边界层内三维高空温度上,得到调整后的边界层温度场;
所述的云分析给预报员提供各种条件下云量的面覆盖范围,以及航空上感兴趣的三维的云场分布;仅有卫星资料不能提供完整的三维的云位置,为了获得三维云量,需要结合其他资料来分析,其资料包括:常规观测,卫星观测11um、3.9um、可见光观测数据、三维温度场(LAPS温度分析产生)、三维高度场(LAPS分析产生)、三维雷达反射率。分析可以得到三维云量场、云分类、云水含量、云冰含量、雨水等云产品,并可以得到云底高度、云顶高度等附加产品;三维云分析应用融合背景场、地面、高空等资料,并将融合资料与飞机报进行水平分析,产生初步的三维云分析,得到云层的垂直位置和大概的水平分布信息,然后,通过雷达资料修正云中、底部云量,得到更精确的云顶高度场和云的水平分布信息;首先,在水平方向上分析云层报告资料给出的垂直云信息,得到三维初猜云分析场,提供云层垂直及近似水平分析场;根据三维温度分析场计算云顶高度场,再将云顶高度场插值到初猜云分析场以确定云顶高度及三维云分析场;最后,利用三维雷达反射率场修正云分析场,得到云物理量;同时,云分析模块对雷达资料进行质量控制;若回波顶在2000KM以下,则舍弃雷达回波;若雷达回波很强,则消除可见光信息,保留云最小值;
所述的水汽分析用到背景场资料、地面分析场、云分析场、温度分析场、高空观测资料场等资料中的水汽信息,输出场为三维比湿、相对湿度以及总的可降水量;水汽分析利用Barnes分析处理探空资料;Barnes分析方法包括两个部分,一是以相邻点的距离为权重插值到整个区域;二是将插入到整个区域的值与观测值之间的差异场添加到调整权重后的插值场中,以更好地协调尺度影响。在LAPS水汽分析中,直接用LAPS背景分析场作为Barnes分析第一步的结果,利用与LAPS区域分辨率和观测资料密度相协调的权重来处理LAPS背景分析场与观测值之间的差异场;
除了给出上述基本物理量的分析之外,还提供一些由上述分析量导出的衍生产品,如K指数、SI指数、风暴指数、对流有效位能等雷暴指数物理量产品;根据实际情况,还提供各个量的平衡场等。可以根据需要新增或重新定义一些指数,对其它分析即将来的云参数预报有所帮助。
所述的三维气象信息显示分析:
借助WEBGIS、SVG矢量化图形、HTML5、WEBGL等先进的GIS分析、图形处理和信息推送技术,建立基于B/S架构的多源观探测融合场资料的显示和交互分析平台,综合显示与交互分析分系统包括地面产品显示分析、高空产品显示分析、雷达产品显示分析和三维产品显示分析;
·地面产品显示分析通过高性能的图形渲染引擎,对地面产品进行图形图像处理后显示,显示的要素包括:露点温度、海平面气压、地面温度、能见度、低云高、3小时降水、天气现象、云量、风、雷电,同时获取地理信息,将经纬度信息叠加地理信息进行显示;
·高空产品显示分析通过高性能的图形渲染引擎,对高空产品进行图形图像处理后显示,显示的要素包括:风向、风速、气温、位势高度、温度露点差、等压面比湿,同时获取地理信息,将经纬度信息叠加地理信息进行显示;
·雷达产品显示分析系统提供对天气雷达图的平面显示功能,包括:反射率(Z)、修正反射率(U)、多普勒速度(V)、谱宽(W)、含水量(R)、回波顶高TOPS、PPI/CAPPI(1KM、3KM、5KM、7KM)、累积降水量(ACM),同时获取地理信息,将经纬度信息叠加地理信息进行显示;
·三维产品显示分析借助WEBGIS、SVG矢量化图形、HTML5、WEBGL等先进的GIS分析、图形处理和信息推送技术,通过地理点、线信息,对三维产品进行显示和分析,如三维维度场、三维风分析、三维湿度分析和雷暴指数物理量产品的显示,提供融合分析的任意气象量的任意垂直、水平剖面,以及交互分析操作。
所述的数据采集、数据质量控制、数据归一处理构成观探测资料归一化处理分系统。
所述的背景场网格插值、多源资料融合、融合分析构成多源观探测资料融合处理分系统。
所述的三维气象信息显示分析构成综合显示与交互分析分系统。
本发明相对于最接近的现有技术而言,有以下有益效果:本发明通过观探测资料归一化处理技术,将时间、空间特征不同,具有不同观测精度的数据形成统一规范、全要素覆盖、全时空匹配的基础观探测数据服务环境。在此基础上形成单一观测手段无法形成的重要天气的特征指标,最终通过时间、空间、要素全匹配展现方式对各类观探测资料进行统一展现,便于气象预报人员综合利用这些观探测数据。
多源气象观探测资料协同融合系统输出多种气象要素分析场的具有时空分辨率高的特点(空间分辨率1km×1km甚至更小,每5-10分钟更新一次),极大的保留了对流系统的局部特征,能准确描述中小尺度天气系统的三维结构和时空演变特征。可以实现对中小尺度强对流天气系统等灾害性天气的发生、发展、演变和消亡的智能化、客观化、精细化的预报预警,进而为灾害性天气预警和防灾减灾辅助决策提供支撑。
附图说明
图1为本发明X波段雷达协同组网分析方法的流程图。
具体实施方式
下面结合附图1对本发明作具体说明。
基于2016年6-7月江苏省9座S波段雷达资料和对应时间段常规地面观测,使用本发明进行多源观探测资料的融合处理。首先将雷达基数据、常规地面观测数据处理成融合需要的格式;然后使用多源融合算法,将经过预处理的数据作为输入,获得融合后的大气三维网格数据。进一步利用融合产品和源数据进行对比,检验融合效果
1、数据处理
·常规地面观测资料处理
常规地面观测资料分为两类,一类是国家级观测站观测资料,另一类是地方区域级观测站观测资料。常规地面观测资料记录了站点信息以及多种地面气象要素,主要包括:站点经纬度、气压、温度、露点、累积降水量、风速风向等。由于两类资料在格式上略有差异,因此需要将两类资料中的要素提取出来并处理成统一格式的地面观测资料供融合系统使用。
这里选取的网格点经度范围为:116°E-121°E,纬度范围为:30°N-35°N。对每次融合计算,把近10分钟该区域内的观测站处理成规定格式。
·雷达数据处理
为了融合雷达资料,需将雷达基数据处理为指定格式的多层仰角数据。多层仰角数据按照雷达体扫的仰角高度进行逐仰角储存,包括反射率,径向速度和谱宽。将处理过的雷达数据按照命名规则重命名后储存到融合系统指定目录下。
2、数据融合
利用融合系统对预处理的数据进行融合分析处理。首先确定融合的网格分辨率,包括水平分辨率和垂直分辨率。这里规定水平分辨率3km×3km,垂直气压层43层,并根据融合区域选择对应的投影方式及融合循环时间。按照规定的网格精度将数值模式数据插值到融合系统的网格点上,作为融合处理初始场。之后根据融合系统的运行流程分别进行风场分析、地面分析、水汽分析、云分析、衍生分析以及平衡分析,得到三维精细化格点数据及对应分析产品,实现对大气状况的精细化反映。
3、融合结果对比检验
将融合后的三维格点数据和模式数据以及实况观测数据进行对比,检验融合效果。通过对比融合产品和模式数据,发现经过融合处理后,数据能够反映更精细化的要素分布特征,对模式结果做出了较好的修正。通过将融合产品和实况观测站数据进行对比发现,融合数据基本能够正确反映气象要素的实况分布特征和变化情况,各特征统计量也表明,融合数据与实况观测之间的误差较小,具备良好的可信度。
以上所述仅为本发明的优选实施例而已,并不限制于本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种气象多源探测资料融合分析系统,其特征在于,包括以下内容:
1)数据采集
获取地面、高空常规观测、卫星、雷达的遥感观测以及模式背景场的各种气象数据;
2)数据质量控制
将采集到的多种观探测资料进行质量控制处理;
3)数据归一处理
将进行质控化的资料进行归一化处理,提供统一的标准数据接口,供后续模块调用;
4)背景场网格插值
将模式输入作为背景场插值到三维格点上,获得三维背景资料;
5)多源资料融合
利用观测资料进行融合,修正三维背景资料;
6)融合分析
在融合资料的基础上进一步利用地面分析、温度分析、云分析、水汽分析和平衡分析,进一步订正并进行诊断分析;
7)三维气象信息显示分析
将融合分析的三维格点数据进行展示,并提供交互分析功能;
所述的地面分析的是进行一个与三维风和温度分析类似的逐次订正技术;对于温度、露点、风U、V分量和海平面气压均使用观测值与背景场值之差,而能见度直接使用观测值;温度和露点也要对测站高度与LAPS地形的高度差值进行校正;标准的直减率将用于这个校正;分析产生的新值与背景场之差不能大于前面质量控制中观测值与背景场的离差的临界值;在气压分析的连续过程中,高度表的观测按标准大气转换为测站场面气压;测站场面气压利用静力方程转换为参考高度的换算气压,气压分析使用气压背景场加参考高度换算气压的增量;然后使用变分技术将地面风和参考层气压约束到完全运动方程;而海平面气压是对观测值与背景场的差值直接进行分析;测站的场面气压则使用模式背景场格点化的地面气压场和海平面气压分析结果与背景场的离差来计算;能见度的分析是首先分析地面能见度的观测值;第二步是在高相对湿度和靠近云底的地方降低能见度;
所述的温度分析用实测数据调整温度格点场,首先根据静力关系用分析的温度场计算高度场,其次根据地面分析的温度调整边界层温度,然后调整位温,保证高层位温大于等于低层位温,最后计算边界层顶的气压和高度;其中最重要的是边界层部分的处理,主要分以下几步:1)用地面分析得到的地面气压场,求平均后减去设置的临界值;作为边界层顶气压;2)利用前面温度分析得到的三维高空温度场和边界层顶气压线性内插出边界层顶的温度和地面温度;3)利用上述内插得到的地面温度和LAPS地面分析的地面温度相减地面偏差,然后线性内插出边界层各层的温度偏差;4)将各层温度偏差加到温度分析得到的边界层内三维高空温度上,得到调整后的边界层温度场;
所述的云分析给预报员提供各种条件下云量的面覆盖范围,以及航空上感兴趣的三维的云场分布;仅有卫星资料不能提供完整的三维的云位置,为了获得三维云量,需要结合其他资料来分析,其资料包括:常规观测,卫星观测11um、3.9um、可见光观测数据、三维温度场、三维高度场、三维雷达反射率;分析可以得到三维云量场、云分类、云水含量、云冰含量、雨水的云产品,并可以得到云底高度、云顶高度的附加产品;三维云分析应用融合背景场、地面、高空资料,并将融合资料与飞机报进行水平分析,产生初步的三维云分析,得到云层的垂直位置和大概的水平分布信息,然后,通过雷达资料修正云中、底部云量,得到更精确的云顶高度场和云的水平分布信息;首先,在水平方向上分析云层报告资料给出的垂直云信息,得到三维初猜云分析场,提供云层垂直及近似水平分析场;根据三维温度分析场计算云顶高度场,再将云顶高度场插值到初猜云分析场以确定云顶高度及三维云分析场;最后,利用三维雷达反射率场修正云分析场,得到云物理量;同时,云分析模块对雷达资料进行质量控制;若回波顶在2000KM以下,则舍弃雷达回波;若雷达回波很强,则消除可见光信息,保留云最小值;
所述的水汽分析用到背景场资料、地面分析场、云分析场、温度分析场、高空观测资料场资料中的水汽信息,输出场为三维比湿、相对湿度以及总的可降水量;水汽分析利用Barnes分析处理探空资料;Barnes分析方法包括两个部分,一是以相邻点的距离为权重插值到整个区域;二是将插入到整个区域的值与观测值之间的差异场添加到调整权重后的插值场中;在LAPS水汽分析中,直接用LAPS背景分析场作为Barnes分析第一步的结果,利用与LAPS区域分辨率和观测资料密度相协调的权重来处理LAPS背景分析场与观测值之间的差异场。
2.根据权利要求1所述的气象多源探测资料融合分析系统,其特征在于,所述的数据采集:
1-1)观探测资料的采集支持多协议的收集,包括FTP采集、共享目录采集;采集的资料包括地面自动站、探空、多普勒天气雷达、双偏振天气雷达、微波辐射仪、GPS水汽、机场AWOS自观资料、飞机METAR报、卫星;
1-2)数据解码将通过对识别出的站点、格点格式的数据文件用对应的方法进行解码,对文件中的每一个报告的格式正确性、数值范围做一个初步的筛选,过滤掉不符合业务规则的数据,最后得到解码后的数据。
3.根据权利要求1所述的气象多源探测资料融合分析系统,其特征在于,所述的数据质量控制:数据质量控制根据定义的质量控制规则,对采集的观探测资料数据进行解析分析,对分析出来有异常不符合规则的数据,依据质量控制算法对这些观测数据进行修改、订正,使这些数据的值符合实际情况;包括对常规观探测资料进行基本参数检查、缺测检查、要素界限值检查和突变检查,以及对雷达资料平滑、滤波、填补缺测,去地物杂波算法。
4.根据权利要求1所述的气象多源探测资料融合分析系统,其特征在于,所述的数据归一处理:
3-1)针对气象数据的特点,数据格式标准化采用了通用的格点、矢量、记录数据模型的概念,将获取资料中的地面观测数据、高空观测数据、天气雷达数据适配到这三种数据模型上,同时考虑对地理信息数据的解析和适配;
3-2)数据服务子模块,根据用户定义数据或数据文件名规范的元数据及数据特点,基于相关的接口开发规范,并借助对底层数据环境封装的服务接口,为其他分系统提供数据支撑服务。
5.根据权利要求1所述的气象多源探测资料融合分析系统,其特征在于,所述的背景场网格插值:
融合观探测资料的基础算法是在背景场基础上采用距离权重插值得到网格点值,然后分别对气温、气压、风、云采用连续订正与经验相结合的方法,垂直层数21层,层顶气压为100hPa;所使用的资料包括精细化数值预报业务系统最新一次启动的预报结果、地面观测资料、高空观测资料和遥感探测资料,将多源观探测资料融合后形成后成为水平空间分辨率为1km×1km的三维维度场、三维风场、三维湿度场的多维数据环境;
将精细化数值预报业务系统最新一次启动的预报结果作为提供的大尺度初猜场插值到设定网格,产生NetCDF格式的背景场lga三维资料融合场和lgb地面资料融合场,提供给资料融合模块。
6.根据权利要求1所述的气象多源探测资料融合分析系统,其特征在于,所述的多源资料融合:基于观探测资料采集与处理分系统采集、质量控制和格式标准化处理后的的观探测资料中间文件,利用Barnes分析、统计分析以及基于多重网格技术的连续变分方法手段,将不同的资料融合加入背景场资料中,得到同化融合的网格点数据并用于下一步分析;在对每个场进行分析之前,要进行质量控制;即当观测值与背景场的离差大于临界值时,将拒绝该观测值。
7.根据权利要求1所述的气象多源探测资料融合分析系统,其特征在于,所述的融合分析:在同化融合的网格点数据基础上,根据数据融合的输出场进行其它物理量的反演和导出分析,包括:地面分析、三维风分析、三维温度场分析、云分析、水汽分析以及雷暴指数物理量。
8.根据权利要求1所述的气象多源探测资料融合分析系统,其特征在于,三维气象信息显示分析:借助WEBGIS、SVG矢量化图形、HTML5、WEBGL先进的GIS分析、图形处理和信息推送技术,建立基于B/S架构的多源观探测融合场资料的显示和交互分析平台,综合显示与交互分析分系统包括地面产品显示分析、高空产品显示分析、雷达产品显示分析和三维产品显示分析;
所述的地面产品显示分析通过高性能的图形渲染引擎,对地面产品进行图形图像处理后显示,显示的要素包括:露点温度、海平面气压、地面温度、能见度、低云高、3小时降水、天气现象、云量、风、雷电,同时获取地理信息,将经纬度信息叠加地理信息进行显示;
所述的高空产品显示分析通过高性能的图形渲染引擎,对高空产品进行图形图像处理后显示,显示的要素包括:风向、风速、气温、位势高度、温度露点差、等压面比湿,同时获取地理信息,将经纬度信息叠加地理信息进行显示;
所述的雷达产品显示分析系统提供对天气雷达图的平面显示功能,包括:反射率Z、修正反射率U、多普勒速度V、谱宽W、含水量R、回波顶高TOPS、PPI/CAPPI、累积降水量ACM,同时获取地理信息,将经纬度信息叠加地理信息进行显示;
所述的三维产品显示分析借助WEBGIS、SVG矢量化图形、HTML5、WEBGL先进的GIS分析、图形处理和信息推送技术,通过地理点、线信息,对三维产品进行显示和分析,提供融合分析的任意气象量的任意垂直、水平剖面,以及交互分析操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810199865.3A CN108416031B (zh) | 2018-03-12 | 2018-03-12 | 气象多源探测资料融合分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810199865.3A CN108416031B (zh) | 2018-03-12 | 2018-03-12 | 气象多源探测资料融合分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108416031A CN108416031A (zh) | 2018-08-17 |
CN108416031B true CN108416031B (zh) | 2021-07-27 |
Family
ID=63130978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810199865.3A Active CN108416031B (zh) | 2018-03-12 | 2018-03-12 | 气象多源探测资料融合分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108416031B (zh) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344865B (zh) * | 2018-08-24 | 2022-03-04 | 山东省环境规划研究院 | 一种多数据源的数据融合方法 |
CN108983301B (zh) * | 2018-08-27 | 2019-11-29 | 北京理工大学 | 一种k指数现报方法 |
CN109061776B (zh) * | 2018-10-08 | 2020-12-01 | 中国气象局广州热带海洋气象研究所(广东省气象科学研究所) | 一种短时临近数值天气预报系统及方法 |
CN109583467A (zh) * | 2018-10-11 | 2019-04-05 | 中国电力科学研究院有限公司 | 一种电力气象数据融合方法和系统 |
CN109933877B (zh) * | 2019-03-04 | 2022-08-12 | 哈尔滨工程大学 | 代数多重网格三维变分数据同化方法 |
CN110020462B (zh) * | 2019-03-07 | 2023-04-07 | 江苏无线电厂有限公司 | 一种对气象数据进行融合处理并生成数值天气预报的方法 |
CN110068655B (zh) * | 2019-04-24 | 2022-04-22 | 中国科学院城市环境研究所 | 一种天空地一体化大气监测系统 |
JP7280947B2 (ja) * | 2019-05-13 | 2023-05-24 | 古野電気株式会社 | 水蒸気観測システム及び水蒸気観測方法 |
CN110191171B (zh) * | 2019-05-27 | 2021-09-07 | 北京气象在线科技有限公司 | 气象信息传播方法 |
CN112015786B (zh) * | 2019-05-29 | 2024-05-07 | 国家卫星气象中心 | 一种外赛场极端天气监测预警信息处理系统 |
CN110263392B (zh) * | 2019-06-01 | 2023-04-28 | 邯郸市气象局 | 基于多模式分区误差检验的风场预报方法及其系统 |
CN110298781A (zh) * | 2019-07-04 | 2019-10-01 | 南京恩瑞特实业有限公司 | 基于WebGL的气象雷达及卫星大数据可视化方法 |
CN110333554B (zh) * | 2019-07-10 | 2021-10-22 | 南京恩瑞特实业有限公司 | Nriet暴雨智能相似分析方法 |
CN110389947A (zh) * | 2019-07-22 | 2019-10-29 | 中国气象局气象探测中心 | 一种黑名单生成方法、装置、设备及介质 |
CN110765644B (zh) * | 2019-11-06 | 2022-02-22 | 兰州大学 | 一种风云四号卫星闪电成像仪资料同化方法 |
CN111611731B (zh) * | 2020-03-27 | 2021-03-30 | 国家卫星海洋应用中心 | 卫星数据融合方法、装置及电子设备 |
CN112033870B (zh) * | 2020-07-20 | 2021-03-09 | 宁波市气象台 | 一种区域边界层pm2.5立体分布及总量推算的方法 |
CN112308973A (zh) * | 2020-10-30 | 2021-02-02 | 无锡九方科技有限公司 | 基于机器学习的三维海洋要素场智能构建方法及系统 |
CN112541161B (zh) * | 2020-11-05 | 2021-11-12 | 中国气象局气象探测中心 | 一种区域多源降水数据质量控制方法及系统 |
CN112526638B (zh) * | 2020-11-27 | 2022-07-29 | 中国气象局气象探测中心 | 一种基于多源观测数据的云边界判识方法及相关设备 |
CN113127530A (zh) * | 2021-03-05 | 2021-07-16 | 中国气象科学研究院 | 一种基于铁路网的大气三维结构动态探测信息群同化系统 |
CN113095691B (zh) * | 2021-04-16 | 2023-06-20 | 中国气象局气象探测中心 | 地面观测站位势高度要素的数据质量评估方法和装置 |
CN113674419B (zh) * | 2021-08-16 | 2022-05-20 | 中科三清科技有限公司 | 气象云数据的三维展示方法、装置、电子设备及存储介质 |
CN113687324B (zh) * | 2021-10-26 | 2022-03-08 | 南京恩瑞特实业有限公司 | 一种相控阵天气雷达标定机外验证系统 |
CN113960700B (zh) * | 2021-11-08 | 2023-09-29 | 北京城市气象研究院 | 区域数值预报结果的客观检验、统计及分析系统 |
CN114489883A (zh) * | 2021-12-17 | 2022-05-13 | 中国民用航空华东地区空中交通管理局 | 一种多源数值预报数据的资料处理分析方法 |
CN114581043B (zh) * | 2022-02-21 | 2023-01-31 | 国家海洋环境预报中心 | 跨网络模块化多源多要素海浪实况分析系统 |
CN114488160A (zh) * | 2022-04-02 | 2022-05-13 | 南京师范大学 | 顾及三维风场影响的雷达降雨估算误差校正方法 |
CN116070050B (zh) * | 2022-04-27 | 2023-09-26 | 广东省气象台(南海海洋气象预报中心、珠江流域气象台) | 一种立体网格交互订正方法及装置 |
CN114756606B (zh) * | 2022-06-14 | 2022-09-02 | 深圳市缘力胜科技有限公司 | 一种气象天气数字孪生可视化方法及其系统 |
CN115292554B (zh) * | 2022-09-27 | 2023-01-17 | 中国民用航空局空中交通管理局航空气象中心 | 一种航空气象四维数据集的构建方法及系统 |
CN115932766B (zh) * | 2022-12-15 | 2024-03-22 | 佛山市龙卷风研究中心 | 一种相控阵雷达数据订正系统 |
CN116484118B (zh) * | 2023-03-24 | 2024-04-09 | 中国科学院空天信息创新研究院 | 无人机飞行环境数据服务系统及方法 |
CN116306038B (zh) * | 2023-05-19 | 2023-07-28 | 北京弘象科技有限公司 | 一种气象模式和同化系统的垂直层匹配方法和装置 |
CN116916166B (zh) * | 2023-09-12 | 2023-11-17 | 湖南湘银河传感科技有限公司 | 一种基于ai图像解析的遥测终端机 |
CN117609932A (zh) * | 2023-09-22 | 2024-02-27 | 宁波市气象网络与装备保障中心 | 一种海面能见度多源数据融合方法 |
CN117290675B (zh) * | 2023-11-27 | 2024-02-27 | 中国电建集团西北勘测设计研究院有限公司 | 降水数据处理方法、装置、存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6054943A (en) * | 1998-03-25 | 2000-04-25 | Lawrence; John Clifton | Multilevel digital information compression based on lawrence algorithm |
CN102221381A (zh) * | 2011-06-10 | 2011-10-19 | 国网信息通信有限公司 | 电网输电线路监测方法和系统 |
CN103543639A (zh) * | 2013-10-30 | 2014-01-29 | 武汉大学 | 河湖水体量质耦合自优化模拟调控方法 |
CN106547840A (zh) * | 2016-10-13 | 2017-03-29 | 国家卫星气象中心 | 一种全球三维大气数据的解析及管理方法 |
CN107367773A (zh) * | 2017-03-14 | 2017-11-21 | 北京维艾思气象信息科技有限公司 | 一种基于北斗定位的单点气象要素确定方法 |
-
2018
- 2018-03-12 CN CN201810199865.3A patent/CN108416031B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6054943A (en) * | 1998-03-25 | 2000-04-25 | Lawrence; John Clifton | Multilevel digital information compression based on lawrence algorithm |
CN102221381A (zh) * | 2011-06-10 | 2011-10-19 | 国网信息通信有限公司 | 电网输电线路监测方法和系统 |
CN103543639A (zh) * | 2013-10-30 | 2014-01-29 | 武汉大学 | 河湖水体量质耦合自优化模拟调控方法 |
CN106547840A (zh) * | 2016-10-13 | 2017-03-29 | 国家卫星气象中心 | 一种全球三维大气数据的解析及管理方法 |
CN107367773A (zh) * | 2017-03-14 | 2017-11-21 | 北京维艾思气象信息科技有限公司 | 一种基于北斗定位的单点气象要素确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108416031A (zh) | 2018-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416031B (zh) | 气象多源探测资料融合分析系统 | |
US11294096B2 (en) | Real-time data pipeline techniques for improving a fast weather forecasting system | |
Zhao et al. | Estimating the daily PM2. 5 concentration in the Beijing-Tianjin-Hebei region using a random forest model with a 0.01× 0.01 spatial resolution | |
CN104462660B (zh) | 一种野外输电线路冬季覆冰厚度分布绘制方法 | |
WO2019126707A1 (en) | Improved real-time weather forecasting system | |
CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
CN110378540A (zh) | 一种适用于广西北部湾地区的大气加权平均温度计算方法 | |
CN111210483B (zh) | 基于生成对抗网络和数值模式产品的仿真卫星云图生成方法 | |
Chen et al. | PM 2.5 over North China based on MODIS AOD and effect of meteorological elements during 2003–2015 | |
CN115189762B (zh) | 星地激光通信地面站通信可用度的检测方法及装置 | |
Wong et al. | Development of a gridded daily hydrometeorological data set for Peninsular Malaysia | |
CN114264780A (zh) | 基于空天地一体化的温室气体监测方法及系统 | |
CN114048944A (zh) | 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法 | |
Houchi et al. | Statistical quality control of high-resolution winds of different radiosonde types for climatology analysis | |
Zhao et al. | A high-precision ZTD interpolation method considering large area and height differences | |
Mile et al. | Overview of mesoscale data assimilation developments at the Hungarian Meteorological Service | |
Dallavalle et al. | 6.1 MODEL OUTPUT STATISTICS (MOS) GUIDANCE FOR SHORT-RANGE PROJECTIONS | |
CN111898296A (zh) | 一种核物质大气扩散及沉降多尺度模拟方法及系统 | |
CN116609859A (zh) | 一种气象灾害高分辨率区域模式预报系统及方法 | |
CN115907201A (zh) | 一种基于双向lstm网络的短时降雨预测方法、装置及系统 | |
CN115687448A (zh) | 短临降水预报方法、装置、电子设备及存储介质 | |
CN112034007B (zh) | 一种微波辐射计间接测量露点温度方法及系统 | |
Gregow et al. | Improving the precipitation accumulation analysis using lightning measurements and different integration periods | |
De Haan et al. | Use of GNSS Tropospheric Products for High-Resolution, Rapid-Update NWP and Severe Weather Forecasting (Working Group 2) |
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 |