CN108474867A - 高分辨率降水量资料复原系统及其方法 - Google Patents

高分辨率降水量资料复原系统及其方法 Download PDF

Info

Publication number
CN108474867A
CN108474867A CN201580085377.4A CN201580085377A CN108474867A CN 108474867 A CN108474867 A CN 108474867A CN 201580085377 A CN201580085377 A CN 201580085377A CN 108474867 A CN108474867 A CN 108474867A
Authority
CN
China
Prior art keywords
precipitation
mentioned
data
value
high resolution
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.)
Pending
Application number
CN201580085377.4A
Other languages
English (en)
Inventor
吴载镐
金弘中
梁信
梁信一
嫝亨硂
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.)
lndustry University Cooperation Foundation of Pukyong National University
Pukyong National University Business Incubator Center
Original Assignee
Pukyong National University Business Incubator Center
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 Pukyong National University Business Incubator Center filed Critical Pukyong National University Business Incubator Center
Publication of CN108474867A publication Critical patent/CN108474867A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Hydrology & Water Resources (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及高分辨率降水量资料复原系统及其方法，尤其，涉及分别向将通过作为高分辨率降水量诊断模型(Quantitative Precipitation Model，QPM)的初始资料输入再分析资料来导出的降水量信息和雷达回波降水量信息及卫星降水量信息赋予加权值来计算最终复原降水量的高分辨率降水量资料复原系统及其方法。本发明将再分析资料用作高分辨率降水量诊断模型的初始资料，从而可减少所需区域的0.1km‑1.0km降水量资料的误差。并且，在本发明中，分别向将通过作为高分辨率降水量诊断模型的初始资料输入再分析资料来导出的降水量信息和雷达回波降水量信息及卫星降水量信息赋予加权值来计算最终复原降水量，由此，能够准确地复原历史降水量。

Description

高分辨率降水量资料复原系统及其方法
技术领域
本发明涉及高分辨率降水量资料复原系统及其方法，尤其，涉及分别向将通过作为高分辨率降水量诊断模型(Quantitative Precipitation Model，QPM)的初始资料输入再分析资料来导出的降水量信息和雷达回波降水量信息及卫星降水量信息赋予加权值来计算最终复原降水量的高分辨率降水量资料复原系统及其方法。
背景技术
对于城市洪水、病虫害等的历史四象研究需要0.1km-1.0km分辨率的超高分辨率气象资料。对于历史四象，由于已经存在观测资料，从而可利用自动气象系统观测资料进行四象研究，但上述观测资料仅提供观测点所在地的气象资料。若利用简单插值法来将自动气象系统(AWS，Automatic Weather System)制成高分辨率的观测资料，则上述资料画出同心圆，且发生规定区域的资料显示为“0”值的现象。为了解决上述问题，需要利用自动气象系统观测资料和高分辨率降水量诊断模型复原所需区域的0.1km-1.0km的降水资料来去除规定区域的资料显示为“0”值的现象，并复原高分辨率资料的方法。
发明内容
技术问题
本发明的目的在于，提供利用高分辨率降水量诊断模型来复原所需区域的0.1km-1.0km的降水资料，从而使误差相对较少的高分辨率降水量资料复原系统及其方法。
解决问题的方案
为了实现上述目的，本发明提供如下的高分辨率降水量资料复原系统及其方法，上述高分辨率降水量资料复原系统包括：资料收集模块，用于收集再分析资料的地面降水量和再分析资料的上层变量及数字高程模型(DEM)的地形高度资料；降水量信息复原模块，通过将上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料作为高分辨率降水量诊断模型(Quantitative Precipitation Model,QPM)的初始资料输入来复原降水量信息；以及复原降水量计算模块，分别向以从上述降水量信息复原模块中复原的降水量信息和雷达回波降水量资料及卫星降水量资料赋予加权值来计算最终复原降水量。
本发明的高分辨率降水量资料复原系统包括分辨率转换模块，上述分辨率转换模块将上述雷达回波降水量资料和卫星降水量资料的分辨率转换成与在上述降水量信息复原模块中复原的降水量信息的分辨率相同。
本发明的高分辨率降水量资料复原系统包括资料网格化模块，上述资料网格化模块通过高斯加权客观分析法对在上述资料收集模块中收集的上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型地形高度资料进行网格化。
上述资料网格化模块包括：加权值确定模块，通过格点周边的观测位置值来计算并确定基于从格点的距离的加权值；初始推定值计算模块，通过在上述加权值确定模块中确定的加权值和在各个观测位置中的初始值来计算各个格点中的初始推定值；以及分析值计算模块，以上述观测位置为中心，从影响半径内格点中的多个初始推定值插值来计算观测位置中的分析值，在向观测位置中的初始值与分析值之间的差异赋予基于距离的加权值来进行计算之后，加上初始推定值来求出所需格点中的分析值。
上述加权值(wk)为上述R为影响半径，上述d为从格点至观测位置的距离，上述k为影响半径内的各个观测位置。
上述初始推定值(Ig)为上述Ik为各个观测位置k中的初始值，上述g为各个格点，上述N为所有观测位置的数量。
在上述分析值计算模块中计算的分析值(Ag)为上述Ak为以观测位置为中心，从影响半径内格点中的初始推定值Ig插值来计算的观测位置k中的分析值，上述W′k为上述Γ具有0与1之间的值。
本发明的高分辨率降水量资料复原系统包括用于计算位势的位势计算模块，上述位势通过计算，上述g(ms-2)在z(km)为0，且Z(km)为0时为9.81；当z(km)为1，且Z(km)为1.00时为9.80；当z(km)为10，且Z(km)为9.99时为9.77；当z(km)为100，且Z(km)为98.47时为9.50；当z(km)为500，且Z(km)为463.6时为8.43。
本发明的高分辨率降水量资料复原系统包括用于计算垂直速度的垂直速度计算模块，上述垂直速度通过ω＝dp/dt计算。
上述降水量信息复原模块通过将以二进制形式网格化的自动气象系统资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息。
并且，本发明提供高分辨率降水量资料复原方法，上述高分辨率降水量资料复原方法包括：资料收集模块对再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料进行收集的步骤；降水量信息复原模块通过将上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息的步骤；以及复原降水量计算模块分别向以从上述降水量信息复原模块中复原的降水量信息和雷达回波资料及卫星资料赋予加权值来计算最终复原降水量的步骤。
本发明的高分辨率降水量资料复原方法包括分辨率转换模块将上述雷达回波降水量资料和卫星降水量资料的分辨率转换成与在上述降水量信息复原模块中复原的降水量信息的分辨率相同的步骤，并包括资料网格化模块通过高斯加权客观分析法对在上述资料收集模块中收集的上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料进行网格化的步骤。
在上述复原降水量计算模块中计算的最终复原降水量(R)为Rij＝ω1QRij+ω2SRij+ω3RRij，上述ω1为对于上述QR的加权值，上述ω2为对于SR的加权值，上述ω3为对于上述RR的加权值，上述QR为在上述降水量信息复原模块中复原的降水量，上述SR为卫星降水量，上述RR为雷达回波降水量，上述i为纬度，上述j为经度。上述ω1和ω2及ω3之和为1，在上述降水量信息复原模块中复原的降水量和上述卫星降水量及上述雷达回波降水量中没有未知值的情况下，上述ω1和ω2及ω3为在上述降水量信息复原模块中复原的降水量和上述卫星降水量及上述雷达回波降水量中存在未知值的情况下，未知值的加权值为0。
上述资料网格化模块通过高斯加权客观分析方法对上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料进行网格化的步骤包括：加权值确定模块通过格点周边的观测位置值来计算并确定基于从格点的距离的加权值的步骤；初始推定值计算模块通过在上述加权值确定模块中确定的加权值和在各个观测位置中的初始值来计算各个格点中的初始推定值的步骤；以及分析值计算模块以上述观测位置为中心，从在影响半径内格点中的多个初始推定值插值来计算在观测位置中的分析值，在向观测位置中的初始值与分析值之间的差异赋予基于距离的加权值来进行计算之后，加上初始推定值来求出所需格点中的分析值的步骤。
本发明的高分辨率降水量资料复原方法包括位势计算模块计算位势的步骤，上述位势通过计算，上述g(ms-2)在z(km)为0，且Z(km)为0时为9.81；当z(km)为1，且Z(km)为1.00时为9.80；当z(km)为10，且Z(km)为9.99时为9.77；当z(km)为100，且Z(km)为98.47时为9.50；当z(km)为500，且Z(km)为463.6时为8.43。
本发明的高分辨率降水量资料复原方法包括垂直速度计算模块计算垂直速度的步骤，上述垂直速度通过ω＝dp/dt计算。
上述降水量信息复原模块通过将上述网格化的资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息的步骤包括降水量信息复原模块通过将以二进制形式网格化的自动气象系统资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息的步骤。
发明的效果
在本发明中，将再分析资料用作高分辨率降水量诊断模型的初始资料，从而使所需区域的0.1km-1.0km降水资料的误差相对较少。
并且，在本发明中，分别向将通过作为高分辨率降水量诊断模型的初始资料输入再分析资料来导出的降水量信息和雷达回波降水量信息及卫星降水量信息赋予加权值来计算最终复原降水量，由此，可准确地复原历史降水量。
附图说明
图1为本发明的高分辨率降水量资料复原系统及其方法的框图。
图2为用于说明本发明的高分辨率降水量资料复原系统及其方法中的资料网格化的图。
图3为本发明的高分辨率降水量资料复原方法的流程图。
具体实施方式
以下，参照附图来详细说明本发明的实施例。
但是，本发明并不局限于以下公开的实施例，而是可体现为多种不同形态，提供本实施例的目的仅仅在于使本发明的公开变得完整，并向本发明所属技术领域的普通技术人员完整地说明本发明的范畴。在附图中，相同附图标记表示相同的要素。
图1为本发明的高分辨率降水量资料复原系统及其方法的框图。
如图1所示，本发明的高分辨率降水量资料复原系统包括：资料收集模块100，用于收集再分析资料和雷达回波降水量资料及卫星降水量资料；资料网格化模块200，用于对不规则的再分析资料进行网格化；降水量信息复原模块300，通过将网格化的再分析资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息；分辨率转换模块400，用于对雷达回波降水量资料和卫星降水量资料的分辨率进行转换；以及复原降水量计算模块500，分别向经过复原的降水量信息和雷达回波降水量资料及卫星降水量资料赋予加权值来计算复原降水量。
图2为用于说明本发明的高分辨率降水量资料复原系统及其方法中的资料网格化的图。
资料收集模块100包括：再分析资料收集模块，收集用于复原地面降水量资料的再分析资料；雷达回波资料收集模块，用于收集雷达回波资料；以及卫星降水量资料收集模块，用于收集卫星降水量资料。其中，从再分析资料收集模块中收集的再分析资料包含再分析资料的地面降水量、再分析资料的上层变量及数字高程模型的地形高度资料。并且，上层变量包含相对湿度、位势高度、东西流、南北流、垂直速度及气温。
资料网格化模块200以使不规则形态的再分析资料可与高分辨率降水量诊断模型相结合的方式使其网格化。在本发明中，用于网格化的插值方法利用高斯加权(1964)客观分析方法，高斯加权客观分析方法为通过向格点周边的观测位置值赋予基于从格点的距离的加权值来从不规则分布的观测位置的值中计算规定格点的值的方法。并且，资料网格化模块200包括加权值确定模块210、初始推定值计算模块220及分析值计算模块230。
加权值确定模块210通过格点周边的观测位置值来求出基于从格点的距离的加权值。若假设影响半径为R，从格点至观测位置的距离为d，则在影响半径内的各个观测位置k中的基于距离的加权值可通过以下数学式1得出。
数学式1
若在加权值确定模块210中确定基于影响半径内格点与观测位置之间的距离的加权值，则初始推定值计算模块220利用各个观测位置k中的初始值Ik来通过以下数学式2计算各个格点k中的初始推定值Ig。
数学式2
在数学式2中，N为整体观测位置的数。
分析值计算模块230以观测位置为中心，从影响半径内格点中的初始推定值Ig进行如数学式2的插值来计算作为在观测位置k中的分析值的Ak。之后，如数学式3所示，向观测位置k中的初始值Ik与分析值Ak之间的差异赋予基于距离的加权值来进行计算之后，加上在数学式2中求出的Ig来获得所需格点g中的分析值Ag。
数学式3
其中，加权值W′k通过以下数学式4计算。
数学式4
在数学式4中，Γ为0与1之间的值。
此时，优选地，分辨率考虑观测位置分布的平均距离来确定为10km。
高分辨率降水量诊断模型所需资料如表1所示。
表1
结构要素[单位]
1 总降水量(Total precipitation)[kg/m2]
2 纬向风(zonal wind)[m/s]
3 经向风(meridional wind)[m/s]
4 位势(geopotential)[m2/s2]
5 气温(temperature)[K]
6 垂直速度(vertical velocity)ω＝dp/dt[Pa/s]
7 相对湿度(relative humidity)[％]
在自动气象系统观测资料中不提供表1的4号项的位势和6号项的垂直速度，因此，分别利用ω＝dp/dt式来求出。由此，本发明的高分辨率降水量资料复原系统还包括用于计算位势的位势计算模块和用于计算垂直速度的垂直速度计算模块。并且，其中，g根据表2适用。
表2
z(km) Z(km) g(ms-2)
0 0 9.81
1 1.00 9.80
10 9.99 9.77
100 98.47 9.50
500 463.6 8.43
网格化的自动气象系统资料的形态(format)为了与高分辨率降水量诊断模型结合而采用二进制(binary)形态。
降水量信息复原模块300将二进制形态的网格化的自动气象系统资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息。
分辨率转换模块400将雷达回拨资料和卫星降水量资料的分辨率转换成与在降水量信息复原模块300中复原的地面降水量资料相同。为此，分辨率变化模块400包括：雷达回波资料分辨率变化模块410，用于转换雷达回拨资料的分辨率；以及卫星降水量资料分辨率转换模块420，用于转换卫星降水量资料的分辨率。
复原降水量计算模块500分别向第一次复原成雷达回波资料和卫星资料、再分析资料的降水量资料赋予加权值来计算最终复原降水量。其中，最终复原降水量R如以下数学式5。
数学式5 Rij＝ω1QRij+ω2SRij+ω3RRij
在数学式5中，R为最终复原降水量，ωn为各个加权值。并且，各个加权值之和为1(ω1+ω2+ω3＝1)，QR意味着考虑到在信息复原模块200中复原的地形降水的复原降水量。SR表示卫星降水量，RR表示雷达回波降水量，i表示纬度，j表示经度。
并且，加权值在选择与最终复原降水量的网格重叠的观测位置之后，以在对所选择的观测位置的降水量和对应网格的降水量进行比较时使它们最为一致的方式调整加权值。
当然，考虑到降水量信息复原模块200中复原的地面降水量的复原降水量和卫星降水量及雷达回波降水量通过不同资料和不同方法来生成，因此，如所示，优选地，适用相同的加权值。并且，在考虑到降水量信息复原模块200中复原的地形降水的复原降水量和卫星降水量及雷达回波降水量中存在未知值的情况下，对应加权值为0。例如，在雷达回波降水量为未知的情况下，ω1＝ω2＝0.5，ω3＝0。并且，在卫星降水和雷达回波降水为未知的情况下，ω1＝1，ω2＝ω3＝0。
如上所述，本发明将自动气象系统观测资料用作高分辨率降水量诊断模型的初始资料来弥补自动气象系统观测资料所具有的局限性，从而可提供利用误差相对少的高分辨率降水量诊断模型来复原所需区域的0.1km-1.0km降水资料的历史详细降水量资料复原系统。并且，在本发明中，相对于将气象模型的预测值用作基于初始资料的灵敏度大的高分辨率降水量诊断模型的初始资料，具有可维持存在观测位置的部分的值并可计算没有观测位置的值的优点。并且，经过复原的降水资料可用于以往城市洪水及病虫害等多种历史四象研究。
接着，参照附图，说明本发明的高分辨率降水量资料复原方法。在后述的内容中，将省略或简要说明与本发明的高分辨率降水量资料复原系统的说明重复的内容。
图3为本发明的高分辨率降水量资料复原方法的流程图。
如图3所示，本发明的高分辨率降水量资料复原方法包括：资料收集步骤(步骤S1)；网格化步骤(步骤S2)，对不规则的资料进行网格化；降水量信息复原步骤(步骤S3)，将网格化的资料作为输入值来复原降水量信息；分辨率转换步骤(步骤S4)；以及复原降水量计算步骤(步骤S5)。
在资料收集步骤(步骤S1)中，资料收集模块收集用于复原地面降水量资料的再分析资料和雷达回波资料及卫星降水量资料。其中，如上所述，再分析资料包含再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地面高度资料。
在网格化步骤(步骤S2)中，网格化模块以使不规则形态的自动气象系统资料与高分辨率降水量诊断模型相结合的方式使其网格化。如上所述，利用高斯加权(1964)客观分析方法，网格化步骤(步骤S2)包括：确定加权值的步骤(步骤S2-1)；计算初始推定值的步骤(步骤S2-2)及计算分析值的步骤(步骤S2-3)。
在确定加权值的步骤(步骤S2-1)中，加权值确定模块通过格点周边的观测位置值来求出基于从格点的距离的加权值。在确定加权值的步骤(步骤S2-1)中，可通过上述数学式1计算并确定加权值。
在初始推定值计算步骤(步骤S1-2)中，初始推定值计算模块利用基于在确定加权值的步骤(步骤S1-1)中确定的影响半径内的格点和观测位置之间的距离的加权值和各个观测位置k中的初始值Ik，通过上述数学式2计算各个格点g中的初始推定值Ig。
在计算分析值的步骤(步骤S1-3)中，分析值计算模块从初始推定值计算步骤(步骤S1-2)中以观测位置为中心计算的影响半径内格点中的初始推定值Ig进行如上述数学式2所示的插值来计算作为观测位置k中的分析值的Ak。之后，如数学式3所示向观测位置中的初始值Ak和分析值Ik差异赋予基于距离的加权值W′k来进行计算之后，加上在数学式2中求出的Ig来获得所需格点g中的分析值Ag。
另一方面，如上所述，自动气象系统观测资料中不提供位势和垂直速度，因此，本发明的高分辨率降水量资料复原方法还包括计算位势的步骤和计算垂直速度的步骤。并且，在计算位势的步骤中，位势计算模块利用来计算位势，在计算垂直速度的步骤中，垂直速度计算模块利用ω＝dp/dt来计算垂直速度。
在降水量信息复原步骤(步骤S3)中，降水量信息复原模块将二进制形态的网格化的自动气象系统资料作为高分辨率降水量诊断模型的初始资料来接收，由此复原降水量信息。
在分辨率转换步骤(步骤S4)中，分辨率转换模块将雷达回波资料和卫星降水量资料的分辨率转换成与在降水量信息复原步骤(步骤S3)中复原的地面降水量资料相同。
在复原降水量计算步骤(步骤S5)中，如上所述，复原降水量计算模块分别向再分析资料、上述分辨率转换步骤(步骤S4)中转换分辨率的雷达回波资料及卫星资料赋予加权值来计算最终复原降水量。
如上所述，在本发明中，将自动气象系统观测资料用作高分辨率降水量诊断模型的初始资料，从而可提供利用误差相对小的高分辨率降水量诊断模型来复原所需区域的0.1km-1.0km降水资料的历史四象高分辨率降水量资料复原方法。
以上，参照附图及实施例来进行了说明，但本发明所属技术领域的普通技术人员可以理解，可在不脱离本发明要求保护范围中记载的本发明的技术思想的范围内对本发明进行多种修改及变形。

Claims (24)

1.一种高分辨率降水量资料复原系统，其特征在于，包括：
资料收集模块，用于收集再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料；
降水量信息复原模块，通过将上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息；以及
复原降水量计算模块，分别向以从上述降水量信息复原模块中复原的降水量信息和雷达回波降水量资料及卫星降水量资料赋予加权值来运算最终复原降水量。
2.根据权利要求1所述的高分辨率降水量资料复原系统，其特征在于，包括分辨率转换模块，上述分辨率转换模块将上述雷达回波降水量资料和卫星降水量资料的分辨率转换成与在上述降水量信息复原模块中复原的降水量信息的分辨率相同。
3.根据权利要求2所述的高分辨率降水量资料复原系统，其特征在于，
在上述复原降水量计算模块中计算的最终复原降水量(R)为Rij＝ω1QRij+ω2SRij+ω3RRij，
上述ω1为对于上述QR的加权值，
上述ω2为对于SR的加权值，
上述ω3为对于上述RR的加权值，
上述QR为在上述降水量信息复原模块中复原的降水量，
上述SR为卫星降水量，
上述RR为雷达回波降水量，
上述i为纬度，
上述j为经度。
4.根据权利要求3所述的高分辨率降水量资料复原系统，其特征在于，
上述ω1和ω2及ω3之和为1，
在上述降水量信息复原模块中复原的降水量和上述卫星降水量及上述雷达回波降水量中没有未知值的情况下，上述ω1和ω2及ω3为
在上述降水量信息复原模块中复原的降水量和上述卫星降水量及上述雷达回波降水量中存在未知值的情况下，未知值的加权值为0。
5.根据权利要求4所述的高分辨率降水量资料复原系统，其特征在于，包括资料网格化模块，上述资料网格化模块通过高斯加权客观分析法对在上述资料收集模块中收集的上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料进行网格化。
6.根据权利要求5所述的高分辨率降水量资料复原系统，其特征在于，上述资料网格化模块包括：
加权值确定模块，通过向格点周边的观测位置的值赋予基于从格点的距离的加权值来计算并确定加权值；
初始推定值计算模块，通过在上述加权值确定模块中确定的加权值和在各个观测位置中的初始值来计算各个格点中的初始推定值；以及
分析值计算模块，以上述观测位置为中心，从影响半径内格点中的多个初始推定值插值来计算观测位置中的分析值，在向观测位置中的初始值与分析值之间的差异赋予基于距离的加权值来进行计算之后，加上初始推定值来求出所需格点中的分析值。
7.根据权利要求6所述的高分辨率降水量资料复原系统，其特征在于，
上述加权值(wk)为
上述R为影响半径，
上述d为从格点至观测位置的距离，
上述k为影响半径内的各个观测位置。
8.根据权利要求7所述的高分辨率降水量资料复原系统，其特征在于，
上述初始推定值(Ig)为
上述Ik为各个观测位置k中的初始值，
上述g为各个格点，
上述N为所有观测位置的数量。
9.根据权利要求8所述的高分辨率降水量资料复原系统，其特征在于，
在上述分析值计算模块中计算的分析值(Ag)为
上述Ak为以观测位置为中心，从影响半径内格点中的初始推定值Ig插值来计算的观测位置k中的分析值，
上述W′k为
上述Γ具有0与1之间的值。
10.根据权利要求9所述的高分辨率降水量资料复原系统，其特征在于，
包括用于计算位势的位势计算模块，
上述位势通过计算，
上述g(ms-2)在z(km)为0，且Z(km)为0时为9.81；当z(km)为1，且Z(km)为1.00时为9.80；当z(km)为10，且Z(km)为9.99时为9.77；当z(km)为100，且Z(km)为98.47时为9.50；当z(km)为500，且Z(km)为463.6时为8.43。
11.根据权利要求10所述的高分辨率降水量资料复原系统，其特征在于，
包括用于计算垂直速度的垂直速度计算模块，
上述垂直速度通过ω＝dp/dt计算。
12.根据权利要求11所述的高分辨率降水量资料复原系统，其特征在于，上述降水量信息复原模块通过将以二进制形式网格化的自动气象系统资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息。
13.一种高分辨率降水量资料复原方法，其特征在于，包括：
资料收集模块对再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料进行收集的步骤；
降水量信息复原模块通过将上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息的步骤；以及
复原降水量计算模块分别向以从上述降水量信息复原模块中复原的降水量信息和雷达回波资料及卫星资料赋予加权值来计算最终复原降水量的步骤。
14.根据权利要求13所述的高分辨率降水量资料复原方法，其特征在于，包括分辨率转换模块将上述雷达回波降水量资料和卫星降水量资料的分辨率转换成与在上述降水量信息复原模块中复原的降水量信息的分辨率相同的步骤。
15.根据权利要求14所述的高分辨率降水量资料复原方法，其特征在于，
在上述复原降水量计算模块中计算的最终复原降水量(R)为Rij＝ω1QRij+ω2SRij+ω3RRij，
上述ω1为对于上述QR的加权值，
上述ω2为对于SR的加权值，
上述ω3为对于上述RR的加权值，
上述QR为在上述降水量信息复原模块中复原的降水量，
上述SR为卫星降水量，
上述RR为雷达回波降水量，
上述i为纬度，
上述j为经度。
16.根据权利要求15所述的高分辨率降水量资料复原方法，其特征在于，
上述ω1和ω2及ω3之和为1，
在上述降水量信息复原模块中复原的降水量和上述卫星降水量及上述雷达回波降水量中没有未知值的情况下，上述ω1和ω2及ω3为
在上述降水量信息复原模块中复原的降水量和上述卫星降水量及上述雷达回波降水量中存在未知值的情况下，未知值的加权值为0。
17.根据权利要求16所述的高分辨率降水量资料复原方法，其特征在于，包括资料网格化模块通过高斯加权客观分析法对在上述资料收集模块中收集的上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料进行网格化的步骤。
18.根据权利要求17所述的高分辨率降水量资料复原方法，其特征在于，上述资料网格化模块通过高斯加权客观分析方法对上述再分析资料的地面降水量和再分析资料的上层变量及数字高程模型的地形高度资料进行网格化的步骤包括：
加权值确定模块通过格点周边的观测位置值来计算并确定基于从格点的距离的加权值的步骤；
初始推定值计算模块通过在上述加权值确定模块中确定的加权值和在各个观测位置中的初始值来计算模块计算各个格点中的初始推定值的步骤；以及
分析值计算模块以上述观测位置为中心，从在影响半径内格点中的多个初始推定值插值来计算在观测位置中的分析值，在向观测位置中的初始值与分析值之间的差异赋予基于距离的加权值来进行计算之后，加上初始推定值来求出所需格点中的分析值的步骤。
19.根据权利要求18所述的高分辨率降水量资料复原方法，其特征在于，
上述加权值(wk)为
上述R为影响半径，
上述d为从格点至观测位置的距离，
上述k为影响半径内的各个观测位置。
20.根据权利要求19所述的高分辨率降水量资料复原方法，其特征在于，
上述初始推定值(Ig)为
上述Ik为各个观测位置k中的初始值，
上述g为各个格点，
上述N为整个观测位置的数量。
21.根据权利要求20所述的高分辨率降水量资料复原方法，其特征在于，
在上述分析值计算模块中计算的分析值(Ag)为
上述Ak为以观测位置为中心，从影响半径内格点中的初始推定值Ig插值来计算的观测位置k中的分析值，
上述W′k为
上述Γ具有0与1之间的值。
22.根据权利要求20所述的高分辨率降水量资料复原方法，其特征在于，
包括位势计算模块计算位势的步骤，
上述位势通过计算，
上述g(ms-2)在z(km)为0，且Z(km)为0时为9.81；当z(km)为1，且Z(km)为1.00时为9.80；当z(km)为10，且Z(km)为9.99时为9.77；当z(km)为100，且Z(km)为98.47时为9.50；当z(km)为500，且Z(km)为463.6时为8.43。
23.根据权利要求23所述的高分辨率降水量资料复原方法，其特征在于，
包括垂直速度计算模块计算垂直速度的步骤，
上述垂直速度通过ω＝dp/dt计算。
24.根据权利要求23所述的高分辨率降水量资料复原方法，其特征在于，上述降水量信息复原模块通过将上述网格化的资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息的步骤包括降水量信息复原模块通过将以二进制形式网格化的自动气象系统资料作为高分辨率降水量诊断模型的初始资料输入来复原降水量信息的步骤。
CN201580085377.4A 2015-12-18 2015-12-21 高分辨率降水量资料复原系统及其方法 Pending CN108474867A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020150182037A KR101791007B1 (ko) 2015-12-18 2015-12-18 고해상도 강수량자료 복원시스템 및 그 방법
KR10-2015-0182037 2015-12-18
PCT/KR2015/013996 WO2017104882A1 (ko) 2015-12-18 2015-12-21 고해상도 강수량자료 복원시스템 및 그 방법

Publications (1)

Publication Number Publication Date
CN108474867A true CN108474867A (zh) 2018-08-31

Family

ID=59056762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580085377.4A Pending CN108474867A (zh) 2015-12-18 2015-12-21 高分辨率降水量资料复原系统及其方法

Country Status (4)

Country Link
US (1) US20180372912A1 (zh)
KR (1) KR101791007B1 (zh)
CN (1) CN108474867A (zh)
WO (1) WO2017104882A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991702A (zh) * 2019-11-13 2020-04-10 清华大学 山区降水量的计算方法、装置、计算机设备和存储介质
CN113876422A (zh) * 2020-07-01 2022-01-04 釜庆大学校产学协力团 不可见光可视化自动配准型增强现实眼镜
CN114398592A (zh) * 2021-12-27 2022-04-26 中国人民武装警察部队警官学院 一种基于异质格网高程线性分解模型的高程值解算方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3061775B1 (fr) * 2017-01-09 2020-03-27 Novimet Procede d'estimation d'un taux de precipitations, notamment de pluie ou de neige
US10983249B2 (en) * 2017-09-14 2021-04-20 Farmers Edge Inc. Indicator interpolation to predict a weather state
CN107885696B (zh) * 2017-11-20 2021-09-07 河海大学 一种利用观测序列相似性实现缺失数据修复的方法
KR102099652B1 (ko) * 2019-04-02 2020-05-26 부경대학교 산학협력단 미관측 레일의 온도 산출 방법
KR102115825B1 (ko) * 2019-11-19 2020-05-27 한국교통연구원 Aws 관측정보 해상도 향상 장치 및 방법
CN111078678B (zh) * 2019-12-18 2021-03-23 中国气象局乌鲁木齐沙漠气象研究所 一种基于多源信息融合与降尺度的卫星降水数据校正方法
CN112526637B (zh) * 2020-11-17 2022-12-06 国网湖南省电力有限公司 基于不均匀权重的一体化电网通道暴雨监测方法和系统
CN115661004B (zh) * 2022-12-26 2023-03-21 武汉天际航信息科技股份有限公司 三维地形模型及道路dem的更新方法、设备以及存储介质

Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USH31H (en) * 1983-01-10 1986-03-04 Method and apparatus for determining the size distribution of tobacco
CN1265504A (zh) * 1999-03-01 2000-09-06 铁道部科学研究院西南分院 铁路沿线区域降雨与灾害预警系统
CN2553389Y (zh) * 2002-04-20 2003-05-28 哈尔滨华良科技有限公司 可连网的采用现场总线技术的自动气象检测装置
US6581009B1 (en) * 2002-01-02 2003-06-17 User-Centric Enterprises, Inc. Quantitative precipitation prediction method
JP2003344556A (ja) * 2002-05-27 2003-12-03 Toshiba Corp 気象観測・予測システムと気象レーダ情報解析装置、気象予測モデル装置
US20040068496A1 (en) * 2001-01-19 2004-04-08 International Business Machines Corporation Method and apparatus for opportunistic decision support from intermittent interconnected sensors and data archives
WO2004104718A1 (en) * 2003-05-16 2004-12-02 Seawest Holdings, Inc. Wind power management system and method
CN1588125A (zh) * 2004-08-11 2005-03-02 柳威仪 遥测降水参数的方法及高频多普勒声雷达装置
CN1811806A (zh) * 2006-02-23 2006-08-02 山东省气象科学研究所 人工增雨最佳经济效益区选择及定量评估方法
CN101349767A (zh) * 2008-09-05 2009-01-21 国家卫星气象中心 高分辨率降水数据处理方法
US20090327023A1 (en) * 2008-06-25 2009-12-31 Nanji Chris System for management and control of an enterprise
CN101799561A (zh) * 2010-02-05 2010-08-11 民政部国家减灾中心 一种基于减灾小卫星的雪灾遥感监测模拟评估方法
CN102323628A (zh) * 2011-09-07 2012-01-18 西安电子科技大学 降水信息采集计量方法、采集计量单元及雨量计
CN102508961A (zh) * 2010-12-16 2012-06-20 南京大学 一种高分辨率的全分布式水文模型topx的设计方法
CN102707336A (zh) * 2012-02-13 2012-10-03 安徽师范大学 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法
CN102880755A (zh) * 2012-09-25 2013-01-16 河海大学 一种极端降水的定量预测方法及系统
KR20130030605A (ko) * 2011-09-19 2013-03-27 한국수자원공사 댐 유역 정량 강우 예측 시스템
KR20130080683A (ko) * 2012-01-05 2013-07-15 부경대학교 산학협력단 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템
KR101335209B1 (ko) * 2013-09-12 2013-11-29 공주대학교 산학협력단 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법
CN103439756A (zh) * 2013-07-31 2013-12-11 中国人民解放军理工大学 一种基于粒子成像测速的自然降水粒子微物理特征测量方法
CN103792524A (zh) * 2014-03-06 2014-05-14 兰州大学 基于云分类的雷达定量降水估计方法
CN103926635A (zh) * 2014-04-29 2014-07-16 中国人民解放军理工大学气象海洋学院 一种利用微波链路网络监测雨区分布的方法
CN104298851A (zh) * 2014-07-22 2015-01-21 兰州大学 一种用于预报强降水天气的数据处理方法
CN104380146A (zh) * 2013-04-04 2015-02-25 天气变化研究无限责任公司 基于概率分布短时预报降水的方法与系统
KR20150026137A (ko) * 2013-08-31 2015-03-11 (주)헤르메시스 레이더 관측자료를 3차원 격자 데이터로 구축하여 활용하는 강우량 추정 장치
CN104464478A (zh) * 2014-12-17 2015-03-25 中国地质大学（武汉） 一种滑坡模型实验用的降水模拟装置
CN104820754A (zh) * 2015-05-13 2015-08-05 南京信息工程大学 一种基于地理差异分析法的空间统计降尺度降水估算方法
KR101547681B1 (ko) * 2014-08-13 2015-08-27 부경대학교 산학협력단 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템 및 그 방법
CN104898183A (zh) * 2015-05-29 2015-09-09 杭州辰青和业科技有限公司 暴雨城市内涝建模评估方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7515088B1 (en) * 2003-07-31 2009-04-07 Rockwell Collins, Inc. Weather radar detection system and method that is adaptive to weather characteristics
US8681021B1 (en) * 2011-09-29 2014-03-25 Rockwell Collins, Inc. System, apparatus, and method for generating a lateral meteorological profile on an aircraft display unit
KR101483617B1 (ko) 2013-12-06 2015-01-16 대한민국 강수 추정 시스템 및 그 방법
KR101547682B1 (ko) 2014-08-13 2015-08-27 부경대학교 산학협력단 고해상도기온진단모형을 이용한 과거 사상 상세기온자료복원시스템 및 그 방법
WO2017223475A2 (en) * 2016-06-24 2017-12-28 Climacell Inc. Real-time precipitation forecasting system

Patent Citations (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USH31H (en) * 1983-01-10 1986-03-04 Method and apparatus for determining the size distribution of tobacco
CN1265504A (zh) * 1999-03-01 2000-09-06 铁道部科学研究院西南分院 铁路沿线区域降雨与灾害预警系统
US20040068496A1 (en) * 2001-01-19 2004-04-08 International Business Machines Corporation Method and apparatus for opportunistic decision support from intermittent interconnected sensors and data archives
US6581009B1 (en) * 2002-01-02 2003-06-17 User-Centric Enterprises, Inc. Quantitative precipitation prediction method
CN2553389Y (zh) * 2002-04-20 2003-05-28 哈尔滨华良科技有限公司 可连网的采用现场总线技术的自动气象检测装置
JP2003344556A (ja) * 2002-05-27 2003-12-03 Toshiba Corp 気象観測・予測システムと気象レーダ情報解析装置、気象予測モデル装置
WO2004104718A1 (en) * 2003-05-16 2004-12-02 Seawest Holdings, Inc. Wind power management system and method
CN1588125A (zh) * 2004-08-11 2005-03-02 柳威仪 遥测降水参数的方法及高频多普勒声雷达装置
CN1811806A (zh) * 2006-02-23 2006-08-02 山东省气象科学研究所 人工增雨最佳经济效益区选择及定量评估方法
US20090327023A1 (en) * 2008-06-25 2009-12-31 Nanji Chris System for management and control of an enterprise
CN101349767A (zh) * 2008-09-05 2009-01-21 国家卫星气象中心 高分辨率降水数据处理方法
CN101799561A (zh) * 2010-02-05 2010-08-11 民政部国家减灾中心 一种基于减灾小卫星的雪灾遥感监测模拟评估方法
CN102508961A (zh) * 2010-12-16 2012-06-20 南京大学 一种高分辨率的全分布式水文模型topx的设计方法
CN102323628A (zh) * 2011-09-07 2012-01-18 西安电子科技大学 降水信息采集计量方法、采集计量单元及雨量计
KR20130030605A (ko) * 2011-09-19 2013-03-27 한국수자원공사 댐 유역 정량 강우 예측 시스템
KR20130080683A (ko) * 2012-01-05 2013-07-15 부경대학교 산학협력단 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템
CN102707336A (zh) * 2012-02-13 2012-10-03 安徽师范大学 一种利用A-Train系列卫星数据协同反演云相态和云参量的新方法
CN102880755A (zh) * 2012-09-25 2013-01-16 河海大学 一种极端降水的定量预测方法及系统
CN104380146A (zh) * 2013-04-04 2015-02-25 天气变化研究无限责任公司 基于概率分布短时预报降水的方法与系统
CN103439756A (zh) * 2013-07-31 2013-12-11 中国人民解放军理工大学 一种基于粒子成像测速的自然降水粒子微物理特征测量方法
KR20150026137A (ko) * 2013-08-31 2015-03-11 (주)헤르메시스 레이더 관측자료를 3차원 격자 데이터로 구축하여 활용하는 강우량 추정 장치
KR101335209B1 (ko) * 2013-09-12 2013-11-29 공주대학교 산학협력단 고해상도 격자형 미래기후변화 시나리오 자료 생성 방법
CN103792524A (zh) * 2014-03-06 2014-05-14 兰州大学 基于云分类的雷达定量降水估计方法
CN103926635A (zh) * 2014-04-29 2014-07-16 中国人民解放军理工大学气象海洋学院 一种利用微波链路网络监测雨区分布的方法
CN104298851A (zh) * 2014-07-22 2015-01-21 兰州大学 一种用于预报强降水天气的数据处理方法
KR101547681B1 (ko) * 2014-08-13 2015-08-27 부경대학교 산학협력단 고해상도강수량진단모형을 이용한 과거 사상 상세강수량자료복원시스템 및 그 방법
CN104464478A (zh) * 2014-12-17 2015-03-25 中国地质大学（武汉） 一种滑坡模型实验用的降水模拟装置
CN104820754A (zh) * 2015-05-13 2015-08-05 南京信息工程大学 一种基于地理差异分析法的空间统计降尺度降水估算方法
CN104898183A (zh) * 2015-05-29 2015-09-09 杭州辰青和业科技有限公司 暴雨城市内涝建模评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
J.MC LEAN SLOUGHTER ET,AL: "Probabilistic Quantitative Precipitation Forecasting Using Bayesian Model Averaging", 《AMERICAN METEOROLOGICAL SOCIETY》 *
吴敬禄等: "青藏高原东部兴措湖近0.2ka来的气候定量复原", 《中国科学（D辑：地球科学）》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991702A (zh) * 2019-11-13 2020-04-10 清华大学 山区降水量的计算方法、装置、计算机设备和存储介质
CN113876422A (zh) * 2020-07-01 2022-01-04 釜庆大学校产学协力团 不可见光可视化自动配准型增强现实眼镜
CN113876422B (zh) * 2020-07-01 2024-04-19 釜庆大学校产学协力团 不可见光可视化自动配准型增强现实眼镜
CN114398592A (zh) * 2021-12-27 2022-04-26 中国人民武装警察部队警官学院 一种基于异质格网高程线性分解模型的高程值解算方法

Also Published As

Publication number Publication date
US20180372912A1 (en) 2018-12-27
KR101791007B1 (ko) 2017-10-30
KR20170073817A (ko) 2017-06-29
WO2017104882A1 (ko) 2017-06-22

Similar Documents

Publication Publication Date Title
CN108474867A (zh) 高分辨率降水量资料复原系统及其方法
Chen et al. Mapping landslide susceptibility at the Three Gorges Reservoir, China, using gradient boosting decision tree, random forest and information value models
Chalise et al. Estimation of sediment yield and maximum outflow using the IntErO model in the Sarada river basin of Nepal
Hearn et al. The repeatability of vegetation classification and mapping
CN104282026B (zh) 基于分水岭算法和最小生成树的分布均匀性评估方法
CN106021872A (zh) 一种基于低分辨率卫星遥感数据的环境变量动态筛选建模降尺度方法
CN102004856B (zh) 高频观测资料实时数据的快速集合卡曼滤波同化方法
CN109815305A (zh) 一种无资料地区场次洪水径流过程反演的方法
CN113204061B (zh) 一种构建格点风速订正模型的方法及装置
CN104063718A (zh) 在作物识别和面积估算中选择遥感数据和分类算法的方法
CN107084709A (zh) 一种多弹性对径流变化驱动因素的定量分割方法
CN105740990A (zh) 一种铁路风监测系统中常驻监测点的选取方法
CN112131731A (zh) 一种基于空间特征向量滤波的城市生长元胞模拟方法
CN116070792B (zh) 一种多源降水数据的融合方法、装置、存储介质和设备
CN115638767B (zh) 地面沉降监测方法
Lin et al. Development and evaluation of a physically-based lake level model for water resource management: A case study for Lake Buchanan, Texas
CN106772697A (zh) 云海自然景观预报方法及系统
Davies et al. Assessment of methods for extracting low-resolution river networks from high-resolution digital data
KR101547682B1 (ko) 고해상도기온진단모형을 이용한 과거 사상 상세기온자료복원시스템 및 그 방법
CN109214687B (zh) 滑雪场选址方法和装置
CN106980764B (zh) 一种通用的直接利用遥感蒸发的水文模拟方法
Si et al. Urban Flood Loss Estimation and Evacuation Design Based on a 500-Year Extreme Flood Event in Syracuse City
CN113807724B (zh) 一种基于综合风险评价的弃碴场选址方法
Choudhary et al. Mapping and evaluating urban density patterns in Moscow, Russia
Mahmoodzada et al. Monitoring of riverbank erosion and shoreline movement at Amu River using remote sensing and GIS: a case study in Jowzjan, Afghanistan

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180831

WD01 Invention patent application deemed withdrawn after publication