CN109782375A - 基于大数据的降水强度估测方法及系统 - Google Patents
基于大数据的降水强度估测方法及系统 Download PDFInfo
- Publication number
- CN109782375A CN109782375A CN201910010825.4A CN201910010825A CN109782375A CN 109782375 A CN109782375 A CN 109782375A CN 201910010825 A CN201910010825 A CN 201910010825A CN 109782375 A CN109782375 A CN 109782375A
- Authority
- CN
- China
- Prior art keywords
- intensity
- precipitation
- precipitation intensity
- estimation
- radar
- 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
Links
Classifications
-
- 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
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于大数据的降水强度估测方法及系统,该方法包括:获取估测地点关联的多个目标雷达探测的雷达反射率因子;根据雷达反射率因子与降水强度之间的模型关系,计算出每一雷达反射率因子对应的降水强度;将计算得到的所有降水强度求均值,以得到估测地点的估测降水强度。本发明当中的基于大数据的降水强度估测方法及系统,估测时,同时获取估测地点附近的多个目标雷达探测的雷达反射率因子,并分别计算出每一雷达反射率因子对应的降水强度,然后求均值,以得到估测降水强度,由于采用均衡考虑多个雷达探测的数据的技术方案,即便存在个别雷达受到干扰,对于均衡求值得到的估测降水强度的影响较小,提高了估测降水强度的可靠性。
Description
技术领域
本发明涉及气象技术领域,特别涉及一种基于大数据的降水强度估测方法及系统。
背景技术
降水量是一定时间内,降落到水平面上,假定无渗漏,不流失,也不蒸发,累积起来的水的深度,是衡量一个地区降水多少的数据。其单位是毫米,符号是mm。常用年降水量来描述该地气候,是除气候类型之外的一个重要指标,并用等降水量线来划分各个干湿区域。
降水强度是指单位时间内的降水量,通常取10min、1h或1d为时间单位。故降水强度与时间的累积即为降水量,因此计算降水量的关键在于计算降水强度。目前多采用雷达探测技术来估测降水强度。
然而,现有技术当中,一般采用取单个探测雷达的数据来计算降水强度,但雷达受摆放位置的影响,其发射的部分探测电磁波通常会被地形、建筑物等干扰因素阻挡,无法保证每一雷达的探测精度都稳定可靠,导致估测出的降水强度可靠性差。
发明内容
基于此,本发明的目的是提供一种基于大数据的降水强度估测方法及系统,以解决现有技术当中估测出的降水强度可靠性差的技术问题。
根据本发明实施例的一种基于大数据的降水强度估测方法,包括:
获取估测地点关联的多个目标雷达探测的雷达反射率因子;
根据雷达反射率因子与降水强度之间的模型关系,计算出每一所述雷达反射率因子对应的降水强度;
将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度。
另外,根据本发明上述实施例的一种基于大数据的降水强度估测方法,还可以具有如下附加的技术特征:
进一步地,在所述获取估测地点关联的多个雷达探测的雷达反射率因子的步骤之前,还包括:
将处于预设范围内的所有所述目标雷达与所述估测地点建立关联,所述预设范围内为以所述估测地点的中心点为圆心预设半径以内的区域。
进一步地,在所述将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度的步骤之前,还包括:
获取所述估测地点的气象数据,并根据所述估测地点所在的地理位置,获取与所述气象数据相匹配的历史降水强度;
根据所述估测降水强度和所述历史降水强度,计算所述估测降水强度的估测准确率。
进一步地,根据所述估测降水强度和所述历史降水强度,计算所述估测降水强度的估测准确率的步骤包括:
计算所述估测降水强度与所述历史降水强度之间的偏差值;
计算所述偏差值的绝对值与所述历史降水强度之间的比值,以得到所述估测准确率。
进一步地,所述气象数据包括温度、风速和光线强度当中的至少一种。
进一步地,所述雷达反射率因子与降水强度之间的模型关系为:
Z=220R1.6,其中,Z为降水强度,R为雷达反射率因子。
根据本发明实施例的一种基于大数据的降水强度估测系统,包括:
雷达数据获取模块,用于获取估测地点关联的多个目标雷达探测的雷达反射率因子;
降水强度计算模块,用于根据雷达反射率因子与降水强度之间的模型关系,计算出每一所述雷达反射率因子对应的降水强度;
降水强度估测模块,用于将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度。
另外,根据本发明上述实施例的一种基于大数据的降水强度估测系统,还可以具有如下附加的技术特征:
进一步地,基于大数据的降水强度估测系统还包括:
关联模块,用于将处于预设范围内的所有所述目标雷达与所述估测地点建立关联,所述预设范围内为以所述估测地点的中心点为圆心预设半径以内的区域。
进一步地,基于大数据的降水强度估测系统还包括:
气象获取模块,用于获取所述估测地点的气象数据,并根据所述估测地点所在的地理位置,获取与所述气象数据相匹配的历史降水强度;
准确率计算模块,用于根据所述估测降水强度和所述历史降水强度,计算所述估测降水强度的估测准确率。
进一步地,准确率计算模块包括:
偏差值计算单元,用于计算所述估测降水强度与所述历史降水强度之间的偏差值;
比值计算单元,用于计算所述偏差值的绝对值与所述历史降水强度之间的比值,以得到所述估测准确率。
本发明当中的基于大数据的降水强度估测方法及系统,估测时,同时获取估测地点附近的多个目标雷达(与估测地点相关联)探测的雷达反射率因子,并分别计算出每一雷达反射率因子对应的降水强度,然后求均值,以得到估测降水强度,由于采用均衡考虑多个雷达探测的数据的技术方案,规避了采用单个雷达探测的高风险,即便存在个别雷达受到干扰,对于均衡求值得到的估测降水强度的影响较小,这样就大大提高了估测降水强度的可靠性。
附图说明
图1为本发明第一实施例中的基于大数据的降水强度估测方法的流程图;
图2为本发明第二实施例中的基于大数据的降水强度估测方法的流程图;
图3为本发明第三实施例中的基于大数据的降水强度估测系统的结构示意图。
主要元件符号说明:
以下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,所示为本发明第一实施例中的基于大数据的降水强度估测方法,应用于降水强度估测服务器,所述服务器与多个目标雷达建立通讯连接,所述基于大数据的降水强度估测方法包括步骤S01至步骤S03。
步骤S01,获取估测地点关联的多个目标雷达探测的雷达反射率因子。
其中,所述估测地点可以为某个城市(如天津市、南昌市等),或特定的地点(如著名景点),这些估测地点需要具有稳定的地理位置,并具有唯一的地理坐标。
需要指出的是,为了估测全国各地的降水量,气象部门在全国各个地区均布置了多个探测雷达,这些探测雷达构成一个立体的全面探测区域,以用作探测对应地区的降水量,目前我国雷达已经基本上实现人居地区的地域全覆盖,基本都有多部雷达同时观测,我国的S波段和C波段雷达可以实现6分钟完成一次体扫,空间分辨率约1公里。在各个探测雷达铺设以后,其所在位置也随之固定,也具有唯一的地理坐标。
也就是说,每一估测地点均存在多个目标雷达协同进行降水探测,且根据估测地点与各探测雷达之间的地理坐标关系,可以很清楚的辨别负责探测每一估测地点的具体几个目标雷达。因此可以将每一估测地点和负责该地点探测的多个目标雷达建立关联,当需要估测该地点的降水强度时,只需获取其所关联的几个目标雷达探测的雷达反射率因子即可。
此外,还需要说明的是,具体探测时,雷达会发出探测波,探测波碰到降水粒子后会被反射。雷达反射率因子便是表征降水目标物回波强度的单位,它与降水目标物单位体积中降水粒子的大小、数量以及相态有关。
步骤S02,根据雷达反射率因子与降水强度之间的模型关系,计算出每一所述雷达反射率因子对应的降水强度。
需要指出的是,雷达反射率因子与降水强度之间的模型关系,也称雷达Z-R关系,它是在分析大量的历史降水强度数据和对应的雷达反射率因子之间的相关性后,得出的一种模型关系,具体地,所述雷达反射率因子与降水强度之间的模型关系为:
Z=220R1.6,其中,Z为降水强度,R为雷达反射率因子。
因此,在任意时刻,只需给出雷达反射率因子,根据Z-R关系即可获取降水强度,而降水强度和时间累积,即可得到降水量。
步骤S03,将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度。
综上,本发明上述实施例当中的基于大数据的降水强度估测方法,估测时,同时获取估测地点附近的多个目标雷达(与估测地点相关联)探测的雷达反射率因子,并分别计算出每一雷达反射率因子对应的降水强度,然后求均值,以得到估测降水强度,由于采用均衡考虑多个雷达探测的数据的技术方案,规避了采用单个雷达探测的高风险,即便存在个别雷达受到干扰,对于均衡求值得到的估测降水强度的影响较小,这样就大大提高了估测降水强度的可靠性。
请参阅图2,所示为本发明第二实施例中的基于大数据的降水强度估测方法,应用于降水强度估测服务器,所述服务器与多个目标雷达建立通讯连接,所述基于大数据的降水强度估测方法包括步骤S11至步骤S22。
步骤S11,将处于预设范围内的所有目标雷达与估测地点建立关联,所述预设范围内为以所述估测地点的中心点为圆心预设半径以内的区域。
可以理解的,本步骤的目的在于,将每个估测地点附近的所有目标雷达建立关联,在具体实施时,可以根据估测地点和探测雷达之间的位置关系,来确定关联关系。通过本步骤,可以将全国各地需要进行降水估测的每个地点,与其附近的多个目标雷达建立关联,这样在确定估测地点后,通过获取对应的目标雷达的数据,即可估测该地点的降水降低。
步骤S12,获取所述估测地点关联的多个所述目标雷达探测的雷达反射率因子。
具体来说,当需要回去某一估测地点的降水量时,只需输入该估测地点的地理位置,然后根据关联关系,即可确定目标雷达,然后分别获取这些目标雷达反馈的雷达反射率因子。
步骤S13,根据雷达反射率因子与降水强度之间的模型关系,计算出每一所述雷达反射率因子对应的降水强度。
需要指出的是,雷达反射率因子与降水强度之间的模型关系,也称雷达Z-R关系,它是在分析大量的历史降水强度数据和对应的雷达反射率因子之间的相关性后,得出的一种模型关系,具体地,所述雷达反射率因子与降水强度之间的模型关系为:
Z=220R1.6,其中,Z为降水强度,R为雷达反射率因子。
因此,在任意时刻,只需给出雷达反射率因子,根据Z-R关系即可获取降水强度,而降水强度和时间累积,即可得到降水量。
步骤S14,将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度。
步骤S15,获取所述估测地点的气象数据,并根据所述估测地点所在的地理位置,获取与所述气象数据相匹配的历史降水强度。
其中,所述所述气象数据包括温度、风速和光线强度当中的至少一种。
可以理解的,在特定地区当中,降水量与降水环境存在相关性,即一般情况下,一个地区的降水量和降水环境都是有规律的。因此根据当前获取的气象数据,就可从数据库当中匹配出与该气象数据对应的历史降水强度,该历史降水强度优选为气象部门实测的降水强度,当然在其它实施例当中,也可以为选用之前估测的降水强度。
步骤S16,计算所述估测降水强度与所述历史降水强度之间的偏差值。
步骤S17,计算所述偏差值的绝对值与所述历史降水强度之间的比值,以得到所述估测降水强度的估测准确率。
可以理解的,所述估测准确率可以用于评价估测降水强度的准确性,其值越小,代表当前估测降水强度与历史降水强度接近,通常来说,代表当前估测降水强度估测的越准确,其值越小,代表当前估测降水强度与历史降水强度偏差较大,通常来说,代表当前估测降水强度估测的越不准确。
本实施例当中的基于大数据的降水强度估测系统,相比于第一实施例当中的基于大数据的降水强度估测系统,除采用均衡考虑多个雷达探测的数据的技术方案以为,还计算出用于评价估测降水强度的准确性的估测准确率,给气象部分提供了可靠性参考。
本发明另一方面还提供一种基于大数据的降水强度估测系统,请查阅图3,所示为本发明第三实施例中的基于大数据的降水强度估测系统,应用于降水强度估测服务器,所述服务器与多个目标雷达建立通讯连接,所述基于大数据的降水强度估测系统包括:
雷达数据获取模块11,用于获取估测地点关联的多个目标雷达探测的雷达反射率因子;
降水强度计算模块12,用于根据雷达反射率因子与降水强度之间的模型关系,计算出每一所述雷达反射率因子对应的降水强度;
降水强度估测模块13,用于将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度。
其中,所述雷达反射率因子与降水强度之间的模型关系为:
Z=220R1.6,其中,Z为降水强度,R为雷达反射率因子。
进一步地,所述基于大数据的降水强度估测系统还包括:
关联模块14,用于将处于预设范围内的所有所述目标雷达与所述估测地点建立关联,所述预设范围内为以所述估测地点的中心点为圆心预设半径以内的区域。
进一步地,所述基于大数据的降水强度估测系统还包括:
气象获取模块15,用于获取所述估测地点的气象数据,并根据所述估测地点所在的地理位置,获取与所述气象数据相匹配的历史降水强度;
准确率计算模块16,用于根据所述估测降水强度和所述历史降水强度,计算所述估测降水强度的估测准确率。
其中,所述气象数据包括温度、风速和光线强度当中的至少一种。
进一步地,所述准确率计算模块包括:
偏差值计算单元161,用于计算所述估测降水强度与所述历史降水强度之间的偏差值;
比值计算单元162,用于计算所述偏差值的绝对值与所述历史降水强度之间的比值,以得到所述估测准确率。
综上,本发明上述实施例当中的基于大数据的降水强度估测系统,估测时,同时获取估测地点附近的多个目标雷达(与估测地点相关联)探测的雷达反射率因子,并分别计算出每一雷达反射率因子对应的降水强度,然后求均值,以得到估测降水强度,由于采用均衡考虑多个雷达探测的数据的技术方案,规避了采用单个雷达探测的高风险,即便存在个别雷达受到干扰,对于均衡求值得到的估测降水强度的影响较小,这样就大大提高了估测降水强度的可靠性,此外,还计算出用于评价估测降水强度的准确性的估测准确率,给气象部分提供了可靠性参考。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于大数据的降水强度估测方法,其特征在于,包括:
获取估测地点关联的多个目标雷达探测的雷达反射率因子;
根据雷达反射率因子与降水强度之间的模型关系,计算出每一所述雷达反射率因子对应的降水强度;
将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度。
2.根据权利要求1所述的基于大数据的降水强度估测方法,其特征在于,在所述获取估测地点关联的多个雷达探测的雷达反射率因子的步骤之前,还包括:
将处于预设范围内的所有所述目标雷达与所述估测地点建立关联,所述预设范围内为以所述估测地点的中心点为圆心预设半径以内的区域。
3.根据权利要求1所述的基于大数据的降水强度估测方法,其特征在于,在所述将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度的步骤之前,还包括:
获取所述估测地点的气象数据,并根据所述估测地点所在的地理位置,获取与所述气象数据相匹配的历史降水强度;
根据所述估测降水强度和所述历史降水强度,计算所述估测降水强度的估测准确率。
4.根据权利要求3所述的基于大数据的降水强度估测方法,其特征在于,根据所述估测降水强度和所述历史降水强度,计算所述估测降水强度的估测准确率的步骤包括:
计算所述估测降水强度与所述历史降水强度之间的偏差值;
计算所述偏差值的绝对值与所述历史降水强度之间的比值,以得到所述估测准确率。
5.根据权利要求3所述的基于大数据的降水强度估测方法,其特征在于,所述气象数据包括温度、风速和光线强度当中的至少一种。
6.根据权利要求1所述的基于大数据的降水强度估测方法,其特征在于,所述雷达反射率因子与降水强度之间的模型关系为:
Z=220R1.6,其中,Z为降水强度,R为雷达反射率因子。
7.一种基于大数据的降水强度估测系统,其特征在于,包括:
雷达数据获取模块,用于获取估测地点关联的多个目标雷达探测的雷达反射率因子;
降水强度计算模块,用于根据雷达反射率因子与降水强度之间的模型关系,计算出每一所述雷达反射率因子对应的降水强度;
降水强度估测模块,用于将计算得到的所有所述降水强度求均值,以得到所述估测地点的估测降水强度。
8.根据权利要求7所述的基于大数据的降水强度估测系统,其特征在于,还包括:
关联模块,用于将处于预设范围内的所有所述目标雷达与所述估测地点建立关联,所述预设范围内为以所述估测地点的中心点为圆心预设半径以内的区域。
9.根据权利要求7所述的基于大数据的降水强度估测系统,其特征在于,还包括:
气象获取模块,用于获取所述估测地点的气象数据,并根据所述估测地点所在的地理位置,获取与所述气象数据相匹配的历史降水强度;
准确率计算模块,用于根据所述估测降水强度和所述历史降水强度,计算所述估测降水强度的估测准确率。
10.根据权利要求9所述的基于大数据的降水强度估测系统,其特征在于,所述准确率计算模块包括:
偏差值计算单元,用于计算所述估测降水强度与所述历史降水强度之间的偏差值;
比值计算单元,用于计算所述偏差值的绝对值与所述历史降水强度之间的比值,以得到所述估测准确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910010825.4A CN109782375A (zh) | 2019-01-07 | 2019-01-07 | 基于大数据的降水强度估测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910010825.4A CN109782375A (zh) | 2019-01-07 | 2019-01-07 | 基于大数据的降水强度估测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109782375A true CN109782375A (zh) | 2019-05-21 |
Family
ID=66499907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910010825.4A Pending CN109782375A (zh) | 2019-01-07 | 2019-01-07 | 基于大数据的降水强度估测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109782375A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110850414A (zh) * | 2019-11-26 | 2020-02-28 | 北京天元创新科技有限公司 | 降雨预警方法及装置 |
CN114742206A (zh) * | 2022-04-20 | 2022-07-12 | 南京信息工程大学 | 综合多时空尺度多普勒雷达数据的降雨强度估计方法 |
CN115047463A (zh) * | 2022-08-16 | 2022-09-13 | 成都远望科技有限责任公司 | 一种考虑降雨区域雷达回波衰减协同扫描调度方法 |
CN116184342A (zh) * | 2023-04-27 | 2023-05-30 | 无锡智鸿达电子科技有限公司 | 一种基于多雷达组网的测云雷达数据校准方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150073710A1 (en) * | 2013-09-10 | 2015-03-12 | University Corporation For Atmospheric Research | Method for lightning forecasting and alert system |
CN105068153A (zh) * | 2015-06-19 | 2015-11-18 | 中国气象科学研究院 | 一种区域自动雨量站小时降水数据质量控制系统及方法 |
CN107807907A (zh) * | 2017-09-08 | 2018-03-16 | 中国电力科学研究院 | 一种降水分类方法及系统 |
WO2018131787A1 (ko) * | 2017-01-16 | 2018-07-19 | 한국건설기술연구원 | 초단거리 이중 편파 레이더의 다중고도 관측자료를 이용한 강우강도 추정 방법 |
CN109061646A (zh) * | 2018-06-26 | 2018-12-21 | 成都信息工程大学 | 一种基于降水云识别的多普勒天气雷达定量降水估计方法 |
-
2019
- 2019-01-07 CN CN201910010825.4A patent/CN109782375A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150073710A1 (en) * | 2013-09-10 | 2015-03-12 | University Corporation For Atmospheric Research | Method for lightning forecasting and alert system |
CN105068153A (zh) * | 2015-06-19 | 2015-11-18 | 中国气象科学研究院 | 一种区域自动雨量站小时降水数据质量控制系统及方法 |
WO2018131787A1 (ko) * | 2017-01-16 | 2018-07-19 | 한국건설기술연구원 | 초단거리 이중 편파 레이더의 다중고도 관측자료를 이용한 강우강도 추정 방법 |
CN107807907A (zh) * | 2017-09-08 | 2018-03-16 | 中国电力科学研究院 | 一种降水分类方法及系统 |
CN109061646A (zh) * | 2018-06-26 | 2018-12-21 | 成都信息工程大学 | 一种基于降水云识别的多普勒天气雷达定量降水估计方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110850414A (zh) * | 2019-11-26 | 2020-02-28 | 北京天元创新科技有限公司 | 降雨预警方法及装置 |
CN114742206A (zh) * | 2022-04-20 | 2022-07-12 | 南京信息工程大学 | 综合多时空尺度多普勒雷达数据的降雨强度估计方法 |
CN114742206B (zh) * | 2022-04-20 | 2023-07-25 | 南京信息工程大学 | 综合多时空尺度多普勒雷达数据的降雨强度估计方法 |
CN115047463A (zh) * | 2022-08-16 | 2022-09-13 | 成都远望科技有限责任公司 | 一种考虑降雨区域雷达回波衰减协同扫描调度方法 |
CN115047463B (zh) * | 2022-08-16 | 2022-11-01 | 成都远望科技有限责任公司 | 一种考虑降雨区域雷达回波衰减协同扫描调度方法 |
CN116184342A (zh) * | 2023-04-27 | 2023-05-30 | 无锡智鸿达电子科技有限公司 | 一种基于多雷达组网的测云雷达数据校准方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109782375A (zh) | 基于大数据的降水强度估测方法及系统 | |
RU2465616C2 (ru) | Способ и устройство для трилатерации с использованием прогнозирования линий связи в пределах прямой видимости и фильтрации трасс в пределах прямой видимости до проведения измерений | |
CN108445471B (zh) | 一种单光子激光雷达多探测器条件下的测距精度评估方法 | |
Viandier et al. | GNSS performance enhancement in urban environment based on pseudo-range error model | |
US20210055180A1 (en) | Apparatuses and methods for gas flux measurements | |
RU2630783C2 (ru) | Способ и система определения погрешности оценки времени прохождения ионосферы | |
CN105093201B (zh) | 一种基于多基地mimo雷达的目标关联方法 | |
CN103069253A (zh) | 激光跟踪器的自动预热和稳定性检查 | |
Grzechca et al. | Analysis of object location accuracy for iBeacon technology based on the RSSI path loss model and fingerprint map | |
Ahmed et al. | A study of forest biomass estimates from lidar in the northern temperate forests of New England | |
Binjammaz et al. | GPS integrity monitoring for an intelligent transport system | |
ES2778427T3 (es) | Geolocalización tridimensional automática de objetivos de SAR y estimación simultánea de retardos de propagación troposférica usando dos imágenes de SAR de apertura larga | |
US20190162812A1 (en) | System and method for determining the source location of a firearm discharge | |
CN102096062A (zh) | 用于确定工作空间中的位置的系统 | |
CN108152868A (zh) | 利用闪电定位数据计算雷暴日天数的方法及装置 | |
CN109085619A (zh) | 多模gnss系统的定位方法及装置、存储介质、接收机 | |
Drosos et al. | Measuring the accuracy and precision of the Garmin GPS positioning in forested areas: A case study in Taxiarchis-Vrastama University Forest | |
CN109884605A (zh) | 云雨对雷达信号的吸收衰减和米氏散射衰减的提取方法 | |
CN112990168B (zh) | 一种违法用地监测方法及系统 | |
JPH06213949A (ja) | 複数放射源アンテナのオンライン試験方法及びその装置 | |
CN106601032A (zh) | 一种基于下视传感器的多路径地形完整性检测方法 | |
CN106501815A (zh) | 一种仅天基测角跟踪的空间目标轨道机动融合检测方法 | |
US11704916B2 (en) | Three-dimensional environment analysis method and device, computer storage medium and wireless sensor system | |
CN108168440A (zh) | 基于雷达卫星影像的高压输电线路弧垂预警检测方法 | |
Franceschetti et al. | Accuracy of building height estimation from SAR images |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200924 Address after: Hangzhou City, Zhejiang province 310018 Xiasha Higher Education Park No. 2 Street No. 928 Applicant after: Zhejiang University of Technology Address before: 330013 Jiangxi Province, Nanchang Qingshan Lake East Shuanggang Street No. 808 South Campus of East China Jiaotong University Applicant before: East China Jiaotong University |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |
|
RJ01 | Rejection of invention patent application after publication |