CN109886354A - 风场融合方法及装置 - Google Patents
风场融合方法及装置 Download PDFInfo
- Publication number
- CN109886354A CN109886354A CN201910167695.5A CN201910167695A CN109886354A CN 109886354 A CN109886354 A CN 109886354A CN 201910167695 A CN201910167695 A CN 201910167695A CN 109886354 A CN109886354 A CN 109886354A
- Authority
- CN
- China
- Prior art keywords
- wind field
- data
- wave number
- wavelet coefficient
- fusion
- 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.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种风场融合方法及装置,涉及海面风场领域。该风场融合方法包括:获取风场数据,风场数据包括模式数据以及第一预设时间段内的第一散射计数据;根据第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数;根据第一小波系数计算各个小波分辨率对应的小波系数标准差;对目标计算区域的小波系数标准差以及周边计算区域的小波系数标准差做滑动平均,得到目标计算区域中各个小波分辨率对应的平均标准差;根据平均标准差构造目标计算区域中各个小波分辨率对应的第二小波系数;利用多个第二小波系数合成第一高波数变化数据;根据模式数据以及第一高波数变化数据得到第一融合风场。
Description
技术领域
本申请涉及海面风场领域,具体而言,涉及一种风场融合方法及装置。
背景技术
目前,卫星观测资料在全球是不均衡分布的,有些区域在一段时间内可能存在多次观测,有些区域可能长期缺乏观测数据。为了弥补信息缺失的观测缺陷,通常是采用时空加权分析法对卫星采样数据进行处理,使用时间和空间两种卫星采样模式的插值方法,在空间信息缺失的地方用时间信息替换,在时间信息缺失的地方用空间信息替换。
但是,在采用时空加权分析法时,随着时间窗口和空间窗口的增大,会使得风场过渡平滑,部分区域将难以保留高波数信息。
发明内容
有鉴于此,本申请实施例的目的在于提供一种风场融合方法及装置,以改善现有技术中风场过渡平滑、部分区域难以保留高波数信息的问题。
第一方面,本申请实施例提供了一种风场融合方法,所述方法包括:
获取风场数据,所述风场数据包括模式数据以及第一预设时间段内的第一散射计数据;
根据所述第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数;
根据所述第一小波系数计算各个小波分辨率对应的小波系数标准差;
对所述目标计算区域的小波系数标准差以及周边计算区域的小波系数标准差做滑动平均,得到所述目标计算区域中各个小波分辨率对应的平均标准差;
根据所述平均标准差构造所述目标计算区域中各个小波分辨率对应的第二小波系数;
利用所有所述第二小波系数合成第一高波数变化数据;
根据所述模式数据以及所述第一高波数变化数据得到第一融合风场。
在上述实现过程中,对在一段时间内涉及目标计算区域的所有散射计数据进行了统计分析处理,对目标计算区域中涉及的数据进行了小波分解与合成(或称重组),将小波分析与统计过程相结合后保留了散射计数据的高波数信息。将小波合成得到的第一高波数变化数据与作为背景场的模式数据融合后,能够得到具有高波数特性的第一融合风场。以此能够改善现有技术中风场过渡平滑、部分区域难以保留高波数信息的问题。
结合第一方面,在一种可能的设计中,所述根据所述第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数,包括:对所述第一散射计数据进行切割,得到多个散射计数据片段;确定每个所述数据片段对应的目标计算区域;利用变分法分别计算每个所述目标计算区域中各个小波分辨率下的第一小波系数。
通过上述方法,可以根据划分的散射计数据片段确定需要进行计算的目标计算区域,能够得到关于目标计算区域的多个第一小波系数,有利于后续数据统计与合成。
结合第一方面,在一种可能的设计中,所述根据所述模式数据以及所述第一高波数变化数据得到第一融合风场,包括:对所述模式数据进行低通滤波,得到低波数模式数据;根据所述低波数模式数据以及所述第一高波数变化数据得到第一融合风场。
通过上述方法,给出了一种得到融合风场的方式,将对模式数据进行低通滤波处理后得到的低波数模式数据作为了背景场,并将第一高波数变化数据作为高波数分量,以背景场与高波数分量相结合的方式改善了现有技术中在散射计观测存在间隙的地方缺乏高波数信息的问题。
结合第一方面,在一种可能的设计中,所述对所述模式数据进行低通滤波,得到低波数模式数据,包括:通过双三次B样条插值法对所述模式数据进行处理,得到低波数模式数据,所述低波数模式数据的空间分辨率与所述第一散射计数据的空间分辨率匹配。
通过上述方法,给出了一种得到低波数背景场的方式,通过双三次B样条插值法实现对模式数据的低通滤波,能够得到空间分辨率与第一散射计数据匹配的低波数模式数据。
结合第一方面,在一种可能的设计中,所述风场数据还包括第二预设时间段内的第二散射计数据,所述第二预设时间段的长度小于所述第一预设时间段的长度,所述方法还包括:根据所述模式数据以及所述第二散射计数据得到第二融合风场,所述第二融合风场表示在所述第二预设时间段内得到的刈幅内风场,所述刈幅表示卫星观测范围。
通过上述方法能够得到散射计观测范围内的第二融合风场,可以保留散射计反演风场信息。
结合第一方面,在一种可能的设计中,所述根据所述模式数据以及所述第二散射计数据得到第二融合风场,包括:对所述模式数据进行低通滤波,得到低波数模式数据;在所述模式数据与所述第二散射计数据的观测重叠区,对所述第二散射计数据与所述低波数模式数据之差进行高通滤波,得到所述观测重叠区的第二高波数变化数据;对所述低波数模式数据以及所述第二高波数变化数据进行融合,得到第二融合风场。
通过上述方法可以得到作为背景场的低波数模式数据,还能够得到两种风场数据观测重叠区的高波数变化数据,将二者进行融合后能够准确反映出散射计观测范围内的风场信息。
结合第一方面,在一种可能的设计中,通过双三次B样条插值方式对所述第二散射计数据与所述低波数模式数据之差进行高通滤波。以此有利于减少散射计观测范围内、外边缘之间的不连续性。
结合第一方面,在一种可能的设计中,所述方法还包括:根据所述第一融合风场以及所述第二融合风场得到全球范围的混合风场。以此能够利用第一融合风场(包括刈幅外,可能包括刈幅内)、刈幅内的第二融合风场得到全球范围的混合风场,可以改善现有技术中的风场过渡平滑的现象,保留全球范围的风场高波数信息。其中,刈幅表示散射计观测范围。
结合第一方面,在一种可能的设计中,在所述根据所述第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数之前,所述方法还包括:根据所述第一散射计数据的空间分辨率确定全球范围的规则网格,所述规则网格中的每个单元格作为一个计算区域。以此有利于确定目标计算区域,能够有目的的针对划分出的计算区域进行计算,可以事先确定哪些区域会成为一段时间内的观测空白区域、哪些区域会成为一段时间内的观测区域,甚至可以确定出哪些计算区域中的部分位置会成为一段时间内的观测空白区域。
第二方面,本申请实施例提供了一种风场融合装置,所述装置包括:获取模块、计算模块、生成模块、融合模块;
所述获取模块,用于获取风场数据,所述风场数据包括模式数据以及第一预设时间段内的第一散射计数据;
所述计算模块,用于根据所述第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数;
所述计算模块还用于根据所述第一小波系数计算各个小波分辨率对应的小波系数标准差,并对所述目标计算区域的小波系数标准差以及周边计算区域的小波系数标准差做滑动平均,得到所述目标计算区域中各个小波分辨率对应的平均标准差;
所述生成模块,用于根据所述平均标准差构造所述目标计算区域中各个小波分辨率对应的第二小波系数,还用于利用所有所述第二小波系数合成第一高波数变化数据;
所述融合模块,用于根据所述模式数据以及所述第一高波数变化数据得到第一融合风场。
通过上述装置可以执行上述第一方面提供的风场融合方法,有利于改善现有技术中风场过渡平滑、部分区域难以保留高波数信息的问题。
结合第二方面,在一种可能的设计中,所述风场数据还包括第二预设时间段内的第二散射计数据,所述第二预设时间段的长度小于所述第一预设时间段的长度,所述装置还包括:第二计算模块,用于根据所述模式数据以及所述第二散射计数据得到第二融合风场,所述第二融合风场表示在所述第二预设时间段内得到的刈幅内风场,所述刈幅表示卫星观测范围。
第三方面,本申请实施例提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行第一方面所述的方法的步骤。
第四方面,本申请实施例提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行第一方面所述的方法的步骤。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的风场融合方法的流程图。
图2为本申请实施例提供的一个实例中的散射计观测区域示意图。
图3为本申请实施例提供的计算区域示意图。
图4为本申请实施例提供的一个实例中得到的低波数背景场的示意图。
图5为本申请实施例提供的风场融合方法的部分流程图。
图6为本申请实施例提供的一个实例中沿轨ASCAT散射计数据的风矢量分量等值线示意图。
图7为本申请实施例提供的一个实例中低通NCEP数据的风矢量分量等值线示意图。
图8为本申请实施例提供的一个实例中低通NCEP背景场和刈幅内高波数信息的风矢量分量等值线示意图。
图9为本申请实施例提供的一个实例中的高波数混合风场数据的风矢量分量等值线示意图。
图10为本申请实施例提供的风场融合装置的功能模块框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
下面将对本申请中的一些概念和原理进行解释,以便理解方案。
时空加权分析法:是一种使用时间和空间两种卫星采样模式的插值方法,在空间信息缺失的地方用时间信息替换,在时间信息缺失的地方用空间信息替换。在时空加权分析法中,对于一个特定时间的待插值网格位置(待插值点),会寻找距离待插值点空间范围小于R、时间范围小于T的n个观测点,这个待插值点的数据将由这n个观测点的值进行线性组合后得到。例如,若是要得到2018年1月3日12点这一指定时刻的6小时产品,会选择指定时刻起的前后6小时时间范围内的风场数据进行时空加权分析,在这12小时(前后6小时)内处于卫星观测范围内的区域被称作刈幅内,在这12小时内没有直接观测到的区域称作刈幅外。即,刈幅表示卫星观测区域。需要说明的是,刈幅内、刈幅外是相对的概念,会随着实际卫星与地球之间的位置关系而变化。
混频:也被称作频谱交叠或者频率交叠。若卫星对固定经纬度指示的区域进行采样,每隔一个采样周期采样一次,采样周期的倒数称为采样频率,采样频率的单位是采样数/每秒。根据采样定理,最低采样频率必须大于信号最高频率的两倍,当采样频率低于信号最高频率时就会出现混频现象。也就是说,如果给定采样频率,那么能正确显示信息而不发生畸变的最大频率叫奈奎斯特频率,奈奎斯特频率是采样频率的一半。采样频率过低会导致还原的信息频率与原始信息不同,这种信号的畸变叫做混频,只要奈奎斯特频率高于被采样信号的信号最高频率,就可以避免混频。
散射计:又称为斜视观测的主动式微波探测装置,是一种非成像卫星雷达传感器,是卫星观测风场的一种传感器。散射计通过测量海线表面后向散射系数获得海表面粗糙度信息,进而反演得出海表面风矢量。散射计资料可以提供准确的海洋表面风速和风向的信息。散射计资料一天覆盖全球海面70%以上的面积,利用散射计进行观测的方式成为海洋表面风场探测的主要手段。
波数:是波长的倒数。
UTC:英文全称是Coordinated Universal Time,表示协调世界时,又称世界统一时间、世界标准时间、国际协调时间。
发明人经过研究发现,在传统做法中,对于指定时刻或者指定时刻前后一段时间内没有散射计观测的区域(观测空白区域或者称刈幅外),一种常见的方法是采用时空加权插值法进行处理的,实际应用中,随着空间窗口R、时间窗口T的扩大,会采用更多用于插值的周围观测点,以提高采样频率,以此逐步消除混频现象,但是实际上会使得得到的风场过渡平滑,失去中小尺度信息(这里的尺度也被称作分辨率),难以保留部分区域的高波数信息。
因此,发明人经过研究提出了一种风场融合方法,以改善传统做法中部分区域难以保留高波数信息的问题。
由于准地转海洋模型的环流模式和能量学对散射计风场数据中的高波数光谱内容非常敏感。为此在本申请中要获得符合海洋环流模式要求波数内容的海表面风场,在散射计的刈幅外未采样区域或者刈幅内外所有区域,将低波数模式数据和高波数分量相结合。在散射计观测刈幅内,可以保留散射计反演风场信息。若是在刈幅外能够保留高波数信息的情况下得到全球风场数据,最终的全球风场数据将更加真实可靠,能够有效展示刈幅内、外的风场情况。需要说明的是,这里的高波数的具体范围可能跟实际产品需求、传感器有关,高波数对应的波长可以是50千米-700千米,相应的高波数可以是0.007-0.12。
下面结合附图对本申请实施例作详细说明。
请参阅图1,图1为本申请实施例提供的一种风场融合方法的流程图。下面将对图1所示的具体流程进行详细阐述,包括S11-S17。为便于描述,下面以需要得到2018年1月3日12点这一指定时刻的6小时产品为例进行描述,将2018年1月3日这一天称为指定日期。
S11:获取风场数据,风场数据包括模式数据以及第一预设时间段内的第一散射计数据。
其中,这里的风场数据表示海洋卫星观测数据,可以通过一些观测站提供的网站进行下载得到。模式数据表示一种通过输入各种观测数据并根据特定的数据模型计算生成的数据,是覆盖全球的,时间分辨率高,模式数据的时间分辨率可以达到6小时。散射计数据是一种海洋卫星观测数据,通过极轨卫星观测得到(散射计观测得到),在观测过程中是围绕轨道飞行,轨道通过南北极区域,一轨时间大概几十分钟,散射计数据的时间分辨率低于模式数据的时间分辨率,散射计的时间分辨率达不到目前的用户需求。但是散射计数据的空间分辨率高于模式数据的空间分辨率,散射计数据的空间分辨率可以达到0.25°(即25公里)甚至更高的精度。散射计观测扫描过程中通常集中观测当前的观测区域,而不是同一时刻观测全球。如图2所示,“P”指向的条带状区域可以表示在一段时间内绕地球扫描的散射计所观测的刈幅内区域,条带状之间的空白间隙区域就是这段时间内的观测空白区域。
在具体实施时,关于S11中的模式数据,可以获取NCEP(National Centers forEnvironmental Prediction,美国国家环境预报中心)数据,也可以获取ECMWF(EuropeanCentre for Medium-Range Weather Forecasts,欧洲中期天气预报中心)数据。对于散射计数据,可以获取国家卫星海洋应用中心的海洋二号HY-2的数据,也可以获取欧洲的ASCAT散射计数据或者NASA(National Aeronautics and Space Administration,美国国家航空航天局)的NSCAT散射计数据。
第一预设时间段的长度设为一个月或其它时间长度的时间段(例如两个月)。本领域技术人员根据实际情况获取第一预设时间段内的第一散射计数据,只要在第一预设时间段内的散射计观测到的数据能够反映出所在月份的空间分布特征即可。若第一预设时间段是一个月,那么对于上述指定时刻的6小时产品,获取的是2018年1月这一整个月的所有观测数据作为第一散射计数据,即,数据选取方式可以是获取指定日期所在月份的全部观测数据。
S12:根据第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数。其中,在执行S12之前,可以根据第一散射计数据的空间分辨率在全球范围内做投影以便于确定计算区域,例如,可以将全球视为一个大网格,根据第一散射计数据的空间分辨率对全球范围的大网格进行划分,将全球划分为多个单元格,以此确定全球范围的规则网格,规则网格中的每个单元格作为一个计算区域。每个计算区域都有可能成为指定时期(包括上述指定日期、指定时刻)的目标计算区域。
在执行S12时,为了便于计算和数据处理,可以先将第一散射计数据划分为多个散射计数据片段,针对每个散射计数据片段在目标计算区域中的部分数据进行计算,得到关于目标计算区域的数据在多个小波分辨率下的第一小波系数。
S13:根据第一小波系数计算各个小波分辨率对应的小波系数标准差。
其中,同一计算区域可能被同一散射计在2018年1月中的不同时间段内进行观测,或,同一计算区域在同一时间段内被不同的卫星观测扫描,会使得同一目标计算区域与第一预设时间段内的多个散射计数据片段关联。每个片段能够得到一组小波系数,根据小波分辨率的不同,一组小波系数可能有一个或多个小波系数。每个小波分辨率对应多个第一小波系数(因为有多个片段且每个片段能够得到一组系数),通过对多个第一小波系数进行统计分析,每个小波分辨率对应的多个小波系数可以计算得到一个小波系数平均值和一个小波系数标准差。若是有四个小波分辨率,那么对于同一目标计算区域可以得到四个小波系数平均值和四个小波系数标准差。
S14:对目标计算区域的小波系数标准差以及周边计算区域的小波系数标准差做滑动平均,得到目标计算区域中各个小波分辨率所对应平滑后的平均标准差。其中,对于目标计算区域中每个小波分辨率的小波系数标准差都要做滑动平均,例如,若是有一目标计算区域A可以对应四个小波分辨率:0.5°、1°、2°、4°,对于0.5°的小波分辨率所对应的那个小波系数标准差,需要与其他计算区域中0.5°小波分辨率对应的小波系数标准差做滑动平均,以对目标计算区域A中0.5°小波分辨率所对应的小波系数标准差做更新。利用同样的原理可以对1°、2°、4°小波分辨率分别对应的小波系数标准差做滑动平均,得到目标计算区域A中四个小波分辨率分别对应的四个平均标准差。通过对每个目标计算区域中各个小波分辨率对应的标准差做滑动平均的方式,能够避免每个目标计算区域与其他计算区域之间的数据突变,减少不连续性。需要说明的是,本领域技术人员可以根据实际需要设置不同的小波分辨率,并不以上述四种小波分辨率为限。
S15:根据平均标准差构造目标计算区域中各个小波分辨率对应的第二小波系数。
其中,在构造每个小波分辨率对应的第二小波系数时,可以采用前述步骤得到的小波系数平均值和平均标准差构造一个第二小波系数,第二小波系数符合统计函数分布,例如可以符合对数分布。由于在实际应用过程中,前述步骤得到的小波系数平均值为零,因此,在S15中未提及小波系数平均值。若要采用小波系数平均值和平均标准差构造第二小波系数,可以将小波系数平均值、平均标准差代入一些统计分布函数,以得到各个小波分辨率分别对应的第二小波系数。
S16:利用所有第二小波系数合成第一高波数变化数据。其中,这里的“所有第二小波系数”可以表示同一目标计算区域对应的所有第二小波系数,也可以表示多个目标计算区域对应的所有第二小波系数,还可以表示所有计算区域对应的所有第二小波系数。本领域技术人员可以根据实际需要计算的区域确定对应的第二小波系数以得到对应区域的第一高波数变换数据。
由于同一个目标计算区域对应多个小波分辨率,那么会得到多个小波分辨率的多个第二小波系数,对多个小波分辨率的多个第二小波系数进行合成可以得到关于目标计算区域的第一高波数变化数据。本领域技术人员可以根据实际需要选择小波系数的合成函数,根据第二小波系数得到第一高波数变化数据的具体过程不应理解为对本申请的限制,只要第一高波数变化数据能够体现出第二小波系数在各个小波分辨率下的特征即可。若是对多个目标计算区域的第一高波数变化数据进行汇总融合,可以得到多个计算区域甚至所有计算区域的第一高波数变化数据。
S17:根据模式数据以及第一高波数变化数据得到第一融合风场。
其中,可以根据模式数据得到低波数的背景场,以第一高波数变化数据作为高波数分量,将低波数背景场与高波数分量叠加融合在一起可以得到第一融合风场。若采用的第一高波数变化数据是关于一个计算区域的,那么可以得到一个计算区域的第一融合风场,若采用的第一高波数变换数据是关于多个计算区域的,那么可以得到多个计算区域的第一融合风场,且得到的第一融合风场由于结合了目标计算区域的高波数变化数据,能够改善风场过渡平滑的问题,能够得到高波数的细节信息。
通过上述方法能够得到指定区域的高波数信息,可以得到指定区域对应的第一融合风场,指定区域可以是刈幅外的部分计算区域,也可以是刈幅外的所有计算区域,还可以是全球范围的所有计算区域,本领域技术人员可以根据实际需要进行选择。以上方法可以改善现有技术中风场过渡平滑、部分区域难以保留高波数信息的问题。另外,由于第一预设时间段的长度(例如一个月)远大于指定时期对应的观测时间(例如12个小时),利用较长时间段内的大量观测数据(基本覆盖全球任何海域)作为指定时期刈幅外的数据以计算分布特征,仍然可以避免混频现象。
可选的,利用上述方法可以进一步得到全球范围内的混合风场,有两种处理方式:
第一种,先计算全部区域的第一融合风场,再计算指定时期的刈幅内风场,最后将刈幅内风场和全部区域的第一融合风场融合在一起,得到指定时期的混合风场(包括刈幅内、刈幅外)。即,先利用上述方法(S11-S17)对全球所有计算区域(包括刈幅内、外)进行处理,使得所有计算区域能够保留高波数信息,然后可以在所有计算区域已经保留高波数信息的基础上叠加或者融合一个刈幅内风场。
第二种,分别计算指定时期的刈幅外、内风场,再将分别计算得到的刈幅内、外风场融合在一起,得到指定时期的混合风场。那么,对于指定时期的刈幅外区域,利用上述方法(S11-S17)进行处理,而对于该指定时期的刈幅内区域,可以另外根据指定时刻前后6小时的散射计数据进行处理得到刈幅内风场。
上述两种实施方式都能够实现以下有益效果:一,在散射计观测刈幅外,保留高波数信息,可以改善现有技术中风场过渡平滑、部分区域难以保留高波数信息的问题;二,在散射计观测刈幅内,保留散射计反演风场信息;三,若将上述方法得到的第一融合风场与刈幅内风场进行融合,可以得到信息更加全面、可靠的混合风场,混合风场中可以保留更多中小尺度信息,得到更多的风场细节;四,能够在解决混频现象的前提下得到融合风场或者最终混合风场的高波数特征。
下面将结合上述第一种实施方式来说明上述方案的过程。
仍然以需要获得上述指定时期(包括指定日期、指定时刻)的6小时产品为例。根据产品需求,确定模式数据的时间分辨率是6小时,并确定刈幅内需要的是12点前后6小时(共12小时)的散射计数据,其中,未在该12小时内由散射计观测到的区域都属于“刈幅外”,处于该12小时内由散射计观测到的区域属于“刈幅内”。在本例的应用场景中可以先得到全球范围的第一融合风场,暂不对刈幅内风场作处理。因此,所有计算区域都可以是目标计算区域。
本例中,关于S11,获取了上述指定日期的NCEP数据(即模式数据),还获取了与NCEP数据对应的2018年1月份的所有ASCAT数据(即第一散射计数据),这些ASCAT数据中可以包括与NECP数据对应时刻前后6小时的散射计数据(后续描述提到的第二散射计数据)。
需要说明的是,获取到的原始风场数据里面可能不止有风场相关的数据,在具体执行S11时,可以对原始数据进行预处理,以得到与风场有关的风矢量分量,在每个风场融合的时刻,对每个风矢量分量分别实施处理,下面以其中一个风矢量分量U为例进行描述。其中,每个风场融合的时刻可以根据NCEP的数值模式确定,本例中,每个风场融合的时刻包括每天的00UTC、06UTC、12UTC、18UTC。
在本实例中具体进行计算之前,可以将全球划分为45*90个4°×4°的单元格(即计算区域),并将2018年1月份的ASCAT数据切割为沿轨道长度为24°的多个数据片段,然后可以执行S12。当然,在其他实例中,也可以不对ASCAT数据进行切割,只要能够确定计算区域与ASCAT数据中部分数据之间的映射关系即可,若是第一散射计数据中的部分数据观测点的位置落在相应计算区域中,那么选取这部分数据观测点对应的部分散射计数据参与计算。
本实例中,在执行S12时需要对每个目标计算区域进行计算。如图3所示,图3中的A、B、C分别表示不同的计算区域,M1-M5分别表示第一散射计数据的多个散射计数据片段。一个散射计数据片段的观测范围有可能涉及多个计算区域。同一个目标计算区域中的数据来源于多个散射计数据片段(因为被多次进行观测或者被多个卫星观测),以此能够在对每一个目标计算区域进行计算时尽可能考虑到多个散射计数据片段的观测区域,减少目标计算区域中的观测空白区域。
如图3所示,数据片段M1的观测范围涉及多个计算区域,包括区域A、区域B、区域C,区域A、区域B、区域C可以分别作为目标计算区域。若是要针对目标计算区域A进行计算,意味着需要对区域A所对应的多个数据片段(包括片段M1、片段M2、片段M3)进行计算。
其中,在对各个目标计算区域(A、B、C)进行计算时,利用变分法分别计算每个目标计算区域中各个小波分辨率下的第一小波系数。例如,对于区域A,利用变分法分别计算得到0.5°、1°、2°、4°这四个小波分辨率沿轨方向的第一小波系数。可选地,在计算第一小波系数时的基函数可以是三次B样条。需要说明的是,由于海面风场的空间变化性可以使用二维湍流理论来研究,那么可以假设风场是各向同性的,能够推出水平、垂直、对角三个方向的第一小波系数相等,由于各个方向的小波系数相等,多个方向的小波系数仍然可以统称为第一小波系数。
在得到第一小波系数后,针对每个单元格(目标计算区域)对应的0.5°、1°、2°、4°这四个小波分辨率,可以分别计算每个小波分辨率的小波系数平均值、小波系数标准差。以此可以得到区域A对应的四个小波系数平均值和四个小波系数标准差,同理可以得到区域B对应的四个小波系数平均值和四个小波系数标准差。
在得到所有目标计算区域中各个小波分辨率的小波系数平均值、小波系数标准差之后,分别对每个目标计算区域中的每个小波系数标准差进行更新。例如,对于区域A,关于0.5°这一小波分辨率对应的那个小波系数标准差,可以与其他相邻区域中关于0.5°这一小波分辨率的小波系数标准差做滑动平均。以五点滑动平均为例,对于区域A,可以选取区域A的上、下、左、右四个相邻区域的小波系数标准差参与滑动平均,即对五个区域的小波系数标准差求平均,得到的平均标准差作为区域A中关于0.5°这一小波分辨率的新的小波系数标准差,为便于描述,将这一新的小波系数标准差称作平均标准差。利用前述同样原理,可以得到每个目标计算区域的各个小波分辨率对应的各个平均标准差,然后执行S15。需要说明的是,在具体实施时,本领域技术人员也可以采用其他更新方式以对小波系数标准差进行处理,并不仅限于五点滑动平均这一方式。
在本例中,可对每个目标计算区域的各个(四个)小波分辨率分别使用以下方式构造相应尺度的高波数变化信息:利用相应尺度(分辨率)的小波系数平均值和平均标准差,构造该尺度下符合对数分布的第二小波系数,再使用构造得到的第二小波系数合成该尺度下的高波数部分USYN,利用四个尺度的高波数部分得到第一高波数变化数据。
在得到关于目标计算区域A在四个小波分辨率下的第一高波数变化数据后,可以结合模式数据背景场得到关于区域A的第一融合风场。利用同样的处理方式可以对其他计算区域进行处理,得到关于其他区域的融合风场,以此能够得到全球范围内所有计算区域的第一融合风场。其中,这里的模式数据背景场也称作低波数背景场(简称背景场),可以根据指定时期的NCEP模式数据得到。
需要说明的是,若是要采用上述第二种实施方式来实现目的,只需要选择不同的目标计算区域即可。
可选地,对于上述S17,在一种实施方式中,可以采用以下方式得到第一融合风场:
对模式数据进行低通滤波,得到低波数模式数据,根据低波数模式数据以及第一高波数变化数据得到第一融合风场。其中,可以通过双三次B样条插值法对模式数据进行处理,得到低波数模式数据,低波数模式数据的空间分辨率与第一散射计数据的空间分辨率匹配。对应上述实例,可以对0.5°空间分辨率的NCEP数据的U风矢量分量进行低通滤波,低通滤波的方式可以通过双三次B样条插值实现。由于获取到的NCEP数据空间分辨率是0.5°,因此将样条分辨率设为0.5°,若ASCAT散射计数据的空间分辨率为0.25°,那么将NCEP模式数据插值为0.25°分辨率的低通NCEP场ULP(即得到低波数模式数据),如图4所示。在具体实施时,对每天四次(00UTC、06UTC、12UTC、18UTC)的0.25°NCEP数据进行低通滤波(可以通过双三次B样条插值为0.25°),以此可以去除原始模式数据中的高波数信息。
在得到低通NCEP场ULP对应的低波数模式数据后,结合前述描述得到的第一高波数变换数据可以得到第一融合风场,以此能够在融合风场中体现根据散射计数据统计到的高波数信息。
基于图1所示的风场融合方法,本申请实施例还提供一种风场融合方法,请参阅图5。图5所示的风场融合方法中的各个步骤可以对上述指定时期内的刈幅内区域进行处理,得到刈幅内的融合风场。而前述实施例中得到的第一融合风场可以作为刈幅外风场,也可以作为能够与刈幅内的融合风场进行叠加、融合的一个背景风场。
下面将对图5所示的具体流程进行详细阐述,包括S21-S22。
S21:获取模式数据以及第二预设时间段内的第二散射计数据。
第二预设时间段可以表示前述“指定时期”。
S22:根据模式数据以及第二散射计数据得到第二融合风场,第二融合风场表示在第二预设时间段内得到的刈幅内风场。
其中,第二预设时间段的长度小于第一预设时间段的长度。第二预设时间段与实际产品需求有关,若是仍然需要得到2018年1月3日12点这一指定时刻的6小时产品,那么第二预设时间段表示指定时刻的前后6小时(共12小时)。此S21得到的数据与前述S11得到的数据类似,数据获取方式以及数据的预处理方式也类似,只是在S21中要得到的散射计数据是在第二预设时间段内的数据。
通过图5所示的风场融合方法能够得到指定时期的刈幅内风场数据,可以保留散射计反演风场信息,得到指定时期的刈幅内有效数据。
可选地,S22具体可以包括以下子步骤:S221-S223。
S221:对模式数据进行低通滤波,得到低波数模式数据。关于低波数模式数据的具体细节可以参考前述方法中的相关描述,在此不再赘述。
S222:在模式数据与第二散射计数据的观测重叠区,对第二散射计数据与低波数模式数据之差进行高通滤波,得到观测重叠区的第二高波数变化数据。其中,观测重叠区指的是在第二预设时间段内由模式数据、散射计数据共同观测覆盖的区域,由于模式数据的观测范围可以覆盖全球(但空间分辨率低),那么观测重叠区也可以表示第二散射计数据所观测的区域,即指定时期的刈幅内区域。
S223:对低波数模式数据以及第二高波数变化数据进行融合,得到第二融合风场。
若是S21中的第二散射计数据表示为USM,S221中得到的低波数模式数据表示为ULP,那么可以在S222中对于USM-ULP的结果进行高通滤波,滤波方式可以采用双三次B样条插值实现。若第二散射计数据USM的分辨率为0.25°,那么将样条分辨率设置为0.25°,插值为0.25°分辨率的高波数变化信息UHP(第二高波数变化数据)。
那么对于第二融合风场USUB,可以根据低波数模式数据ULP和第二高波数变化数据UHP融合后得到,即USUB=ULP+UHP。
由于在S222中移除的低通NCEP场又在S223中得到补偿,因此刈幅内的第二融合风场USUB能够准确反映第二预设时间段内的散射计信息。
若是要将上述方法得到的第二融合风场以及第一融合风场结合在一起得到全球范围的混合风场,由于在每次插值时使用的样条的分辨率是匹配的,因此能够平滑地减少刈幅内、外边缘的不连续性。
基于图1所示的风场融合方法以及图5所示的风场融合方法,本申请实施例还提供另一种风场融合方法,该方法包括:根据第一融合风场以及第二融合风场得到全球范围的混合风场。
以此可以得到指定时期下全球范围内的混合风场,该混合风场中包括刈幅内的融合风场和刈幅外的融合风场。其中,刈幅内的融合风场可以由图5所示的风场融合方法得到,刈幅外的融合风场可以由图1所示的风场融合方法得到。
在一种实施方式中,为了得到全球范围的混合风场,可以先执行图1所示的风场融合方法以得到第一融合风场,再执行图5所示的风场融合方法以得到第二融合风场,然后对第一融合风场、第二融合风场进行融合以得到全球范围的混合风场。
在另一种实施方式中,可以先得到第二融合风场,再得到第一融合风场,然后对第一融合风场、第二融合风场进行融合以得到全球范围的混合风场。
再一种实施方式中,可以同时执行图1、图5所示的风场融合方法,在得到第一融合风场、第二融合风场以后才得到混合风场。
其中,在对第一融合风场、第二融合风场进行融合时,可以采用叠加、覆盖等方式进行融合。若在计算第一融合风场时并未针对刈幅内计算区域进行计算,那么可以不对两个融合风场的融合方式作限制,而若在计算第一融合风场时计算的是全球所有范围内(包括刈幅内、外)的散射计数据,那么在对第一融合风场、第二融合风场进行融合时,对于刈幅内涉及的计算区域,需要用第二融合风场的刈幅内数据覆盖第一融合风场关于刈幅内的数据,以此实现保留刈幅内的散射计信息,同时还能保留刈幅外的高波数特性。
由于刈幅内、外的两个融合风场通过不同方法产生,所以对于刈幅内、外两个融合风场的衔接需要进行检验,检验过程中可以通过实验实现。可以对于全球范围内目标海域,通过高波数混合风场的U分量(u component contour)等值线图来判断刈幅内、外的衔接情况。为了更清晰的展现衔接情况,在一个实例中,选取了170°E~160°W、10°S~20°S的海域进行分析。
如图6所示的沿轨ASCAT散射计数据的风矢量分量等值线(ucomponent contour)能够清晰的分辨出该海域中ASCAT散射计的刈幅,还可以看出风矢量分量的变化快慢情况。图7为NCEP数据经过低通滤波后的低波数背景场(low-pass NCEP)的风矢量分量等值线,与图6相比,可以直观看出等值线变化趋势明显变缓,这是因为NCEP数据经过低通滤波后的小尺度信息被移除了。图8示出的是在低通滤波后的NCEP数据中加入12小时ASCAT刈幅内高波数变化数据(low-pass NCEP+high-pass ASCAT(within swaths))所得到的风矢量分量等值线,可以看出在图7的基础上对应图6ASCAT轨道出现的位置增加了高频信息。通过图9示出的高波数混合风场数据(ASCAT/NCEP blended winds)的风矢量分量等值线可以看出,没有显示出明显的刈幅边界,但是仍然可以结合图8显示的刈幅内、外等值线变化趋势区别而看出散射计数据的高波数特征,刈幅内的高波数特征在图9中被复制,由此可以看出图9中统计得到的刈幅外风矢量分量与刈幅内风矢量分量在边缘结合处有较好的衔接。以此可以证明,通过图1所示的方法得到的第一融合风场能够与第二融合风场较好地衔接,不论是对于第一融合风场、第二融合风场、混合风场中的哪个风场都能够保留高波数特征。
请参阅图10,本申请实施例还提供了一种风场融合装置300,该风场融合装置300与前述风场融合方法中的各个步骤对应,风场融合装置300用于执行前述风场融合方法中的各个步骤以及各种实施方式。
该风场融合装置300包括:获取模块310、计算模块320、生成模块330、融合模块340。
获取模块310,用于获取风场数据,风场数据包括模式数据以及第一预设时间段内的第一散射计数据。
计算模块320,用于根据第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数。
计算模块320还用于根据第一小波系数计算各个小波分辨率对应的小波系数标准差,并对目标计算区域的小波系数标准差以及周边计算区域的小波系数标准差做滑动平均,得到目标计算区域中各个小波分辨率对应的平均标准差。
生成模块330,用于根据平均标准差构造目标计算区域中各个小波分辨率对应的第二小波系数,还用于利用多个第二小波系数合成第一高波数变化数据。
融合模块340,用于根据模式数据以及第一高波数变化数据得到第一融合风场。
可选地,计算模块320具体还用于:对第一散射计数据进行切割,得到多个散射计数据片段;确定每个数据片段对应的目标计算区域;利用变分法分别计算每个目标计算区域中各个小波分辨率下的第一小波系数。
可选地,计算模块320还可用于对模式数据进行低通滤波,得到低波数模式数据;融合模块340还可用于根据低波数模式数据以及第一高波数变化数据得到第一融合风场。
可选地,计算模块320具体可用于通过双三次B样条插值法对模式数据进行处理,得到低波数模式数据,低波数模式数据的空间分辨率与第一散射计数据的空间分辨率匹配。
可选地,获取模块310还可用于获取第二预设时间段内的第二散射计数据。第二预设时间段的长度小于第一预设时间段的长度。该风场融合装置300还可以包括第二计算模块,第二计算模块用于根据模式数据以及第二散射计数据得到第二融合风场,第二融合风场表示在第二预设时间段内得到的刈幅内风场。
可选地,计算模块320还可以用于对模式数据进行低通滤波,得到低波数模式数据,并在模式数据与第二散射计数据的观测重叠区,对第二散射计数据与低波数模式数据之差进行高通滤波,得到观测重叠区的第二高波数变化数据;融合模块340还可以用于对低波数模式数据以及第二高波数变化数据进行融合,得到第二融合风场。
可选地,融合模块340还可以用于根据第一融合风场以及第二融合风场得到全球范围的混合风场。
可选地,该风场融合装置300还可以包括计算区域划分模块,计算区域划分模块用于根据第一散射计数据的空间分辨率确定全球范围的规则网格,规则网格中的每个单元格作为一个计算区域。
关于风场融合装置300的其他细节可以参考前述风场融合方法中的相关描述,在此不再赘述。
综上,通过上述风场融合方法及装置,能够针对指定区域保留散射计数据的高波数特征,指定区域可能是刈幅外区域,也可能是包括刈幅外区域的更多区域。以此能够改善现有技术中难以在风场中保留部分区域的高波数信息的问题。
除了上述风场融合方法及装置,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,存储器存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储器之间通过总线通信,机器可读指令被处理器执行时执行前述风场融合方法中的各个步骤。
此外,本申请实施例还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行前述风场融合方法中的各个步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种风场融合方法,其特征在于,所述方法包括:
获取风场数据,所述风场数据包括模式数据以及第一预设时间段内的第一散射计数据;
根据所述第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数;
根据所述第一小波系数计算各个小波分辨率对应的小波系数标准差;
对所述目标计算区域的小波系数标准差以及周边计算区域的小波系数标准差做滑动平均,得到所述目标计算区域中各个小波分辨率对应的平均标准差;
根据所述平均标准差构造所述目标计算区域中各个小波分辨率对应的第二小波系数;
利用所有所述第二小波系数合成第一高波数变化数据;
根据所述模式数据以及所述第一高波数变化数据得到第一融合风场。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数,包括:
对所述第一散射计数据进行切割,得到多个散射计数据片段;
确定每个所述数据片段对应的目标计算区域;
利用变分法分别计算每个所述目标计算区域中各个小波分辨率下的第一小波系数。
3.如权利要求1所述的方法,其特征在于,所述根据所述模式数据以及所述第一高波数变化数据得到第一融合风场,包括:
对所述模式数据进行低通滤波,得到低波数模式数据;
根据所述低波数模式数据以及所述第一高波数变化数据得到第一融合风场。
4.如权利要求3所述的方法,其特征在于,所述对所述模式数据进行低通滤波,得到低波数模式数据,包括:
通过双三次B样条插值法对所述模式数据进行处理,得到低波数模式数据,所述低波数模式数据的空间分辨率与所述第一散射计数据的空间分辨率匹配。
5.如权利要求1所述的方法,其特征在于,所述风场数据还包括第二预设时间段内的第二散射计数据,所述第二预设时间段的长度小于所述第一预设时间段的长度,所述方法还包括:
根据所述模式数据以及所述第二散射计数据得到第二融合风场,所述第二融合风场表示在所述第二预设时间段内得到的刈幅内风场,所述刈幅表示卫星观测范围。
6.如权利要求5所述的方法,其特征在于,所述根据所述模式数据以及所述第二散射计数据得到第二融合风场,包括:
对所述模式数据进行低通滤波,得到低波数模式数据;
在所述模式数据与所述第二散射计数据的观测重叠区,对所述第二散射计数据与所述低波数模式数据之差进行高通滤波,得到所述观测重叠区的第二高波数变化数据;
对所述低波数模式数据以及所述第二高波数变化数据进行融合,得到第二融合风场。
7.如权利要求5所述的方法,其特征在于,所述方法还包括:
根据所述第一融合风场以及所述第二融合风场得到全球范围的混合风场。
8.如权利要求1-7任一项所述的方法,其特征在于,在所述根据所述第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数之前,所述方法还包括:
根据所述第一散射计数据的空间分辨率确定全球范围的规则网格,所述规则网格中的每个单元格作为一个计算区域。
9.一种风场融合装置,其特征在于,所述装置包括:获取模块、计算模块、生成模块、融合模块;
所述获取模块,用于获取风场数据,所述风场数据包括模式数据以及第一预设时间段内的第一散射计数据;
所述计算模块,用于根据所述第一散射计数据计算目标计算区域中各个小波分辨率下的第一小波系数;
所述计算模块还用于根据所述第一小波系数计算各个小波分辨率对应的小波系数标准差,并对所述目标计算区域的小波系数标准差以及周边计算区域的小波系数标准差做滑动平均,得到所述目标计算区域中各个小波分辨率对应的平均标准差;
所述生成模块,用于根据所述平均标准差构造所述目标计算区域中各个小波分辨率对应的第二小波系数,还用于利用所有所述第二小波系数合成第一高波数变化数据;
所述融合模块,用于根据所述模式数据以及所述第一高波数变化数据得到第一融合风场。
10.如权利要求9所述的装置,其特征在于,所述风场数据还包括第二预设时间段内的第二散射计数据,所述第二预设时间段的长度小于所述第一预设时间段的长度,所述装置还包括:
第二计算模块,用于根据所述模式数据以及所述第二散射计数据得到第二融合风场,所述第二融合风场表示在所述第二预设时间段内得到的刈幅内风场,所述刈幅表示卫星观测范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910167695.5A CN109886354B (zh) | 2019-03-06 | 2019-03-06 | 风场融合方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910167695.5A CN109886354B (zh) | 2019-03-06 | 2019-03-06 | 风场融合方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109886354A true CN109886354A (zh) | 2019-06-14 |
CN109886354B CN109886354B (zh) | 2020-12-22 |
Family
ID=66930911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910167695.5A Active CN109886354B (zh) | 2019-03-06 | 2019-03-06 | 风场融合方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886354B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111582547A (zh) * | 2020-04-09 | 2020-08-25 | 中国科学院国家空间科学中心 | 一种利用风场数据集获取不同地方时风场分布的方法 |
CN111582546A (zh) * | 2020-04-09 | 2020-08-25 | 中国科学院国家空间科学中心 | 利用降雨数据集获取不同地方时全球降雨量信息的方法及系统 |
CN111611731A (zh) * | 2020-03-27 | 2020-09-01 | 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 |
CN114358843A (zh) * | 2021-12-31 | 2022-04-15 | 胜斗士(上海)科技技术发展有限公司 | 对象分布状态的确定方法及装置 |
CN117235658A (zh) * | 2023-07-13 | 2023-12-15 | 国家卫星海洋应用中心 | 一种融合风场数据的方法、装置、设备和可读存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010127140A2 (en) * | 2009-04-29 | 2010-11-04 | California Institute Of Technology | High-resolution wind measurements for offshore wind energy development |
CN102063715A (zh) * | 2010-12-25 | 2011-05-18 | 浙江师范大学 | 基于nsct和粒子群优化算法的台风云图融合方法 |
KR20140018497A (ko) * | 2012-08-01 | 2014-02-13 | 한국전력공사 | 단기 풍속 예측을 통한 풍력 발전량 예측 방법과, 그 기능을 이용한 배전선로 전압 예측 방법 |
CN105787281A (zh) * | 2016-03-24 | 2016-07-20 | 国家海洋环境预报中心 | 一种海浪有效波高场的融合反演方法和装置 |
CN105975763A (zh) * | 2016-04-29 | 2016-09-28 | 国家卫星海洋应用中心 | 一种多源海面风场的融合方法和装置 |
CN107274006A (zh) * | 2017-05-23 | 2017-10-20 | 中国地质大学(武汉) | 一种基于贝叶斯推断的多源气象风速融合方法 |
RU2016119460A (ru) * | 2016-05-19 | 2017-11-23 | федеральное государственное бюджетное образовательное учреждение высшего образования "Российский государственный гидрометеорологический университет" | Способ предсказания и оценки аномально высоких волн, генерируемых движущимися погодными системами |
US20180081080A1 (en) * | 2016-09-16 | 2018-03-22 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Automated Tropical Storm Wind Radii Analysis and Forecasting |
CN108416372A (zh) * | 2018-02-11 | 2018-08-17 | 同济大学 | 基于多种传感器的风电场风速获取方法 |
CN109100717A (zh) * | 2018-06-11 | 2018-12-28 | 广州地理研究所 | 一种多源微波遥感海面风场数据融合方法及其装置 |
CN109299430A (zh) * | 2018-09-30 | 2019-02-01 | 淮阴工学院 | 基于两阶段分解与极限学习机的短期风速预测方法 |
CN109344865A (zh) * | 2018-08-24 | 2019-02-15 | 山东省环境规划研究院 | 一种多数据源的数据融合方法 |
-
2019
- 2019-03-06 CN CN201910167695.5A patent/CN109886354B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010127140A2 (en) * | 2009-04-29 | 2010-11-04 | California Institute Of Technology | High-resolution wind measurements for offshore wind energy development |
CN102063715A (zh) * | 2010-12-25 | 2011-05-18 | 浙江师范大学 | 基于nsct和粒子群优化算法的台风云图融合方法 |
KR20140018497A (ko) * | 2012-08-01 | 2014-02-13 | 한국전력공사 | 단기 풍속 예측을 통한 풍력 발전량 예측 방법과, 그 기능을 이용한 배전선로 전압 예측 방법 |
CN105787281A (zh) * | 2016-03-24 | 2016-07-20 | 国家海洋环境预报中心 | 一种海浪有效波高场的融合反演方法和装置 |
CN105975763A (zh) * | 2016-04-29 | 2016-09-28 | 国家卫星海洋应用中心 | 一种多源海面风场的融合方法和装置 |
RU2016119460A (ru) * | 2016-05-19 | 2017-11-23 | федеральное государственное бюджетное образовательное учреждение высшего образования "Российский государственный гидрометеорологический университет" | Способ предсказания и оценки аномально высоких волн, генерируемых движущимися погодными системами |
US20180081080A1 (en) * | 2016-09-16 | 2018-03-22 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Automated Tropical Storm Wind Radii Analysis and Forecasting |
CN107274006A (zh) * | 2017-05-23 | 2017-10-20 | 中国地质大学(武汉) | 一种基于贝叶斯推断的多源气象风速融合方法 |
CN108416372A (zh) * | 2018-02-11 | 2018-08-17 | 同济大学 | 基于多种传感器的风电场风速获取方法 |
CN109100717A (zh) * | 2018-06-11 | 2018-12-28 | 广州地理研究所 | 一种多源微波遥感海面风场数据融合方法及其装置 |
CN109344865A (zh) * | 2018-08-24 | 2019-02-15 | 山东省环境规划研究院 | 一种多数据源的数据融合方法 |
CN109299430A (zh) * | 2018-09-30 | 2019-02-01 | 淮阴工学院 | 基于两阶段分解与极限学习机的短期风速预测方法 |
Non-Patent Citations (4)
Title |
---|
TAKVOR SOUKISSIAN等: "Offshore wind power in the Mediterranean Sea using Blended Sea Winds", 《OCEANS 2015 - GENOVA》 * |
ZHUXIAO SHAO等: "Blended wind fields for wave modeling of tropical cyclones in the South China Sea and East China Sea", 《APPLIED OCEAN RESEARCH》 * |
刘宇昕等: "基于ASCAT微波散射计风场与NCEP再分析风场的全球海洋表面混合风场", 《海洋预报》 * |
柳婧等: "海面风场融合技术综述", 《海洋预报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611731A (zh) * | 2020-03-27 | 2020-09-01 | 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 |
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 |
CN111582547A (zh) * | 2020-04-09 | 2020-08-25 | 中国科学院国家空间科学中心 | 一种利用风场数据集获取不同地方时风场分布的方法 |
CN111582546A (zh) * | 2020-04-09 | 2020-08-25 | 中国科学院国家空间科学中心 | 利用降雨数据集获取不同地方时全球降雨量信息的方法及系统 |
CN111582546B (zh) * | 2020-04-09 | 2023-07-25 | 中国科学院国家空间科学中心 | 利用降雨数据集获取不同地方时全球降雨量信息的方法及系统 |
CN114358843A (zh) * | 2021-12-31 | 2022-04-15 | 胜斗士(上海)科技技术发展有限公司 | 对象分布状态的确定方法及装置 |
CN117235658A (zh) * | 2023-07-13 | 2023-12-15 | 国家卫星海洋应用中心 | 一种融合风场数据的方法、装置、设备和可读存储介质 |
CN117235658B (zh) * | 2023-07-13 | 2024-06-28 | 国家卫星海洋应用中心 | 一种融合风场数据的方法、装置、设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109886354B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886354A (zh) | 风场融合方法及装置 | |
Woodworth et al. | Evidence for systematic changes in extreme high waters since the mid-1970s | |
CN102254239A (zh) | 基于微地形风场分布及台风叠加效应的电网风灾预警系统 | |
CN108646319B (zh) | 一种短时强降雨预报方法及系统 | |
CN113009490B (zh) | 一种基于高分辨率模式动力约束的雷达三维风场反演方法 | |
CN110826183A (zh) | 一种多维动态海洋环境标量场的构建交互方法 | |
CN110376570A (zh) | 对扫描仪坐标系与imu坐标系进行标定的方法、系统和设备 | |
CN101706536A (zh) | 一种基于gis的电磁波自动监测与分析系统 | |
CN111126968A (zh) | 天气分析预报服务平台 | |
CN102984714B (zh) | 一种基于无线广播式覆盖数据的区域检测方法和设备 | |
CN114020786A (zh) | 一种通过多种气象信息计算雨情预警范围的方法及系统 | |
Dieterich et al. | Extreme sea levels in the Baltic Sea under climate change scenarios–Part 1: Model validation and sensitivity | |
Zhou et al. | Delineating beach and dune morphology from massive terrestrial laser-scanning data using generic mapping tools | |
CN112579980A (zh) | 风场数据处理方法、装置、设备及存储介质 | |
CN111797083A (zh) | 一种规范化的基础地理数据制作方法及系统 | |
CN108957571A (zh) | 一种航空重力数据插值、扩边和下延一体化方法 | |
CN112561121B (zh) | 基于手机信令数据的复工趋势预测方法及系统 | |
CN114828070A (zh) | 一种干扰波形的匹配系统及其定位方法 | |
CN114219176A (zh) | 一种多源算法集成的太阳辐射预报系统及方法 | |
CN114764846A (zh) | 一种数字高程异常数据的转换方法及装置 | |
Pint02 et al. | Advances in the consolidated storm prediction for aviation (CoSPA) | |
Ping et al. | An approximate system for evaluating real-time port operations based on remote sensing images | |
CN117874315B (zh) | 用户需求分析展示方法、系统、计算机设备和存储介质 | |
CN116070926B (zh) | 一种基于vod数据进行碳储量动态监测可行性的判定方法 | |
Lee et al. | A spatiotemporal data acquisition toolkit for volume estimation tools in precision agriculture |
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 |