CN110244387B - 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质 - Google Patents

一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN110244387B
CN110244387B CN201910696604.7A CN201910696604A CN110244387B CN 110244387 B CN110244387 B CN 110244387B CN 201910696604 A CN201910696604 A CN 201910696604A CN 110244387 B CN110244387 B CN 110244387B
Authority
CN
China
Prior art keywords
rainfall
current
rainfall weather
variable
threshold value
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
CN201910696604.7A
Other languages
English (en)
Other versions
CN110244387A (zh
Inventor
秦鑫
张晋广
赵姝慧
刘宽宗
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.)
Liaoning Office of artificial weather
Original Assignee
Chengdu Runlian Technology Development Co ltd
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 Chengdu Runlian Technology Development Co ltd filed Critical Chengdu Runlian Technology Development Co ltd
Priority to CN201910696604.7A priority Critical patent/CN110244387B/zh
Publication of CN110244387A publication Critical patent/CN110244387A/zh
Application granted granted Critical
Publication of CN110244387B publication Critical patent/CN110244387B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions

Landscapes

  • Environmental & Geological Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及气象预报技术领域，公开了一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质。通过本发明创造，提供了一种获取原料数据方便且预测结果准确率高、漏报率和空报率均低的降雨天气预测新方法、装置、设备和存储介质，即可直接基于GPS观测站所测得的当前大气可降水量和当前地面温度，快速的且高精准地预测未来几小时是否有降雨天气，从而可以在降水预报中推广应用此方法，为人们工作生活的便利性提供可靠保障。

Description

一种基于大气可降水量预测降雨天气的方法、装置、设备以及 存储介质
技术领域
本发明属于气象预报技术领域，具体涉及一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质。
背景技术
水汽是产生降水的必要条件，也是引发暴雨的重要因素。大气可降水量(Precipitable Water Vapor,PWV)被认为是衡量大气水汽条件以及判断强对流天气的重要指标。已有学者利用GPS(Global Positioning System，全球定位系统)、微波辐射计和MODIS(即中分辨率成像光谱仪，搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过X波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器，全球许多国家和地区都在接收和使用MODIS数据)反演以及气象探空数据累加、地面水汽压推算等方法得到PWV，并针对PWV与降水关系进行深入研究。
通过对国内外研究进行总结发现，基于PWV的降水预报研究主要可以概括为两个方向，一是利用PWV在降水前的变化率来预报降水，二是建立PWV降水阈值，通过观察PWV是否达到该阈值判断是否产生降水。研究表明降水前一段时间内，PWV会有一定的跃增，其高值阶段往往对应着较高的降水概率，即当PWV达到某一阈值时出现降水的可能性较大，该值称为PWV降水阈值。降水预报中阈值定的过高，会降低预报的准确率，阈值过低，虽然会提高准确率，但同时会增加空报率，因此准确计算PWV降水阈值对提高降水临近预报精度具有重要意义。
近年来，尽管许多学者针对不同地区和季节的PWV降水阈值进行了分析，并在降水预报中取得了较好的应用效果。但是在分析PWV降水阈值的过程中，普遍会引入整层大气饱和水汽含量(Precipitable Water Vapor Saturation,PWVsat)概念来表示整个气柱容纳水汽的上限，并且是通过对各层单位面积饱和水汽压进行累加的方法给出PWVsat计算公式，使得需要依赖各层大气中的实际温度，在实际应用中存在一定的不便。此外，现有基于大气可降水量预测降雨天气的准确率、漏报率和空报率都有待进一步提升。
发明内容
为了解决当前降雨天气预测过程中所存在的应用不便，预测结果准确率、漏报率和空报率都有待进一步提升的问题，本发明目的在于提供一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质。
本发明所采用的技术方案为：
一种基于大气可降水量预测降雨天气的方法，包括如下步骤：
S101.获取由目标地区的GPS观测站所测得的当前大气可降水量PWV和当前地面温度ts；
S102.按照如下公式计算当前大气可降水量阈值PWVt：
Figure BDA0002149550680000021
式中，α为介于12.4～12.6之间的常数，β为介于0.060～0.062之间的常数，e为自然对数的底；
S103.按照如下公式计算变量S的当前值：S＝PWV-PWVt；
S104.判断所述变量S的当前值是否大于零，若大于零，则判定未来N小时内有降雨天气，否则判定未来N小时内无降雨天气，其中，N为介于0～4之间的自然数。
优化的，在所述步骤S101中，若目标地区的GPS观测站存在多个，则对所测得的当前大气可降水量PWV和当前地面温度ts分别做均值化处理。
优化的，在所述步骤S102之前，还包括如下步骤：
S2001.获取由目标地区的且针对850hPa和500hPa的当前假相当位温之差Δθse850-500，然后判断目标地区对流层中低层的对流稳定度，若Δθse850-500小于零，则判断对流稳定，许可执行后续步骤S102～S104，否则禁止执行后续步骤S102～S104。
优化的，在所述步骤S102之前，还包括如下步骤：
S2002.获取目标地区的降水系统类型，若所述降水系统类型为西风槽型，则许可执行后续步骤S102～S104，否则禁止执行后续步骤S102～S104。
具体的，在所述步骤S102中，α为等于12.49的常数，β为等于0.0612的常数。
优化的，在所述步骤S104中，若所述变量S的当前值大于零，则还按照如下方式判定对应的降雨天气类型：
若所述变量S的当前值介于零至第一阈值之间，则判定未来N小时内的降雨天气类型为小雨；
若所述变量S的当前值介于第一阈值至第二阈值之间，则判定未来N小时内的降雨天气类型为中雨；
若所述变量S的当前值介于第二阈值至第三阈值之间，则判定未来N小时内的降雨天气类型为大雨；
若所述变量S的当前值介于第三阈值至第四阈值之间，则判定未来N小时内的降雨天气类型为暴雨；
若所述变量S的当前值介于第四阈值至第五阈值之间，则判定未来N小时内的降雨天气类型为大暴雨；
若所述变量S的当前值大于第五阈值，则判定未来N小时内的降雨天气类型为特大暴雨。
优化的，所述第一阈值、所述第二阈值、所述第三阈值、所述第四阈值和所述第五阈值与所述当前大气可降水量阈值的关系分别为递增的线性关系或非线性关系。
本发明所采用的另一种技术方案为：
一种基于大气可降水量预测降雨天气的装置，包括数据获取模块、阈值计算模块、变量计算模块和降雨预测模块；
所述数据获取模块，用于获取由目标地区的GPS观测站所测得的当前大气可降水量PWV和当前地面温度ts；
所述阈值计算模块，通信连接所述数据获取模块，用于按照如下公式计算当前大气可降水量阈值PWVt：
Figure BDA0002149550680000031
式中，α为介于12.4～12.6之间的常数，β为介于0.060～0.062之间的常数，e为自然对数的底；
所述变量计算模块，分别通信连接所述数据获取模块和所述阈值计算模块，用于按照如下公式计算变量S的当前值：S＝PWV-PWVt；
所述降雨预测模块，通信连接所述变量计算模块，用于判断所述变量S的当前值是否大于零，若大于零，则判定未来N小时内有降雨天气，否则判定未来N小时内无降雨天气，其中，N为介于0～4之间的自然数。
本发明所采用的另一种技术方案为：
一种总揽信息探索设备，包括通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序实现如前所述基于大气可降水量预测降雨天气的方法步骤。
本发明所采用的另一种技术方案为：
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执行时实现如前所述基于大气可降水量预测降雨天气的方法步骤。
本发明的有益效果为：
(1)本发明创造提供了一种获取原料数据方便且预测结果准确率高、漏报率和空报率均低的降雨天气预测新方法、装置、设备和存储介质，即可直接基于GPS观测站所测得的当前大气可降水量和当前地面温度，快速的且高精准地预测未来几小时是否有降雨天气，从而可以在降水预报中推广应用此方法，为人们工作生活的便利性提供可靠保障。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是本发明提供的基于大气可降水量预测降雨天气的方法流程示意图。
图2是本发明提供的基于大气可降水量预测降雨天气的装置结构示意图。
图3是本发明提供的基于大气可降水量预测降雨天气的设备结构示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解，在本文描述的一些流程中，包含了按照特定顺序出现的多个操作，但是这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如S101、S102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作同样按顺序执行或并行执行。
应当理解，尽管本文可以使用术语第一、第二等等来描述各种单元，这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。
应当理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，单独存在B，同时存在A和B三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A，单独存在A和B两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。
应当理解，当将单元称作与另一个单元“连接”、“相连”或“耦合”时，它可以与另一个单元直相连接或耦合，或中间单元可以存在。相対地，当将单元称作与另一个单元“直接相连”或“直接耦合”时，不存在中间单元。应当以类似方式来解释用于描述单元之间关系的其他单词(例如，“在……之间”对“直接在……之间”,“相邻”对“直接相邻”等等)。
本文使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。如本文所使用的，单数形式“一”、“一个”以及“该”意在包括复数形式，除非上下文明确指示相反意思。还应当理解术语“包括”、“包括了”、“包含”和/或“包含了”在本文中使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。
实施例一
如图1所示，本实施例提供的所述基于大气可降水量预测降雨天气的方法，可以但不限于包括如下步骤S101～S104。
S101.获取由目标地区的GPS观测站所测得的当前大气可降水量PWV和当前地面温度ts。
在所述步骤S101中，所述GPS观测站为现有监测站点，例如在我国辽宁地区就至少布置有36个GPS观测站，这些除用于监测地壳运动、滑坡和重点工程建筑物等之外，还可以根据GPS卫星发射信号穿过大气层产生的延迟与气象关系得到当前的大气可降水量PWV，以及通过温度计等配件获取当前的地面温度ts等。前述大气可降水量PWV和地面温度ts的时间分辨率可举例为1小时，且获取方式也分别为现有常规方式。此外，在所述步骤S101中，若目标地区的GPS观测站存在多个，则为了使获取的数据唯一且精准，可对所测得的当前大气可降水量PWV和当前地面温度ts分别做均值化处理，然后再执行后续步骤。
S102.按照如下公式计算当前大气可降水量阈值PWVt：
Figure BDA0002149550680000051
式中，α为介于12.4～12.6之间的常数，β为介于0.060～0.062之间的常数，e为自然对数的底。
在所述步骤S102中，发明人通过对大气可降水量和降水量等资料进行研究，发现：降水前的大气可降水量至少有一次跃增，一般跃增到某一阈值后将出现降水，当降水结束后大气可降水量迅速下降，同时降水时刻与大气可降水量高值区对应较好。
大气可降水量PWV为整层大气水汽总量，是整层水汽密度的积分量，其计算方式可见如下公式(1)：
Figure BDA0002149550680000061
式中，ρv为水汽密度和饱和水汽密度，z为高度。
整层大气饱和水汽含量PWVsat表示整层大气在饱和状态下可容纳的最大水汽量，是整层饱和水汽密度的积分量，其计算方式可根据公式(1)推导为如下公式(2)：
Figure BDA0002149550680000062
式中，ρvs为水汽密度和饱和水汽密度，z为高度。
在对流层中，温度t随高度而线性变化：t(z)＝ts-γz，γ为温度递减率，在-30℃≤t≤30℃范围内，ρvs可以近似为4.97×10-3eβt，单位为kg/m3，其中β＝0.0612，如此有：
Figure BDA0002149550680000063
Figure BDA0002149550680000064
在对流层中γ一般为4～7℃/km，因此整层大气饱和水汽含量为：
Figure BDA0002149550680000065
若γ取6.5℃/km，有：
Figure BDA0002149550680000066
由公式(5)和(6)可以看出PWVsat是ts的函数。由于多元大气对流层的大气温度随高度递减，气温垂直梯度变化较小，而且水汽主要集中在大气底层，所以ts对PWVsat具有较好的指示作用。
最后考虑大气中，水汽必须达到一定层次的饱和才能成云致雨，PWVsat是PWVt的极大值，由于ts影响着PWVsat，因此推断ts与PWVt也可能存在一定的相关性，如此可得到前述公式：
Figure BDA0002149550680000071
式中，α为介于12.4～12.6之间的常数，β为介于0.060～0.062之间的常数，e为自然对数的底。特别的，α可优选为等于12.49的常数，β可优选为等于0.0612的常数。
S103.按照如下公式计算变量S的当前值：S＝PWV-PWVt。
S104.判断所述变量S的当前值是否大于零，若大于零，则判定未来N小时内有降雨天气，否则判定未来N小时内无降雨天气，其中，N为介于0～4之间的自然数。
在所述步骤S104中，N可具体举例为2，即预测未来两小时内是否有降雨天气。
为了验证由前述步骤S101～S104所构成降雨天气预测方法的可靠性，可先对降水预报的正确率、漏报率和空报率进行如下定义：
正确率＝(a+d)/(a+b+c+d)×100％；
漏报率＝b/(a+b+c+d)×100％；
空报率＝c/(a+b+c+d)×100％；
其中，a、b、c和d分别表示正确肯定、漏报、空报和正确否定的次数：当预报有雨，若实况降水量高于0.0mm评定为正确肯定，若实况无雨则评定为空报；当预报为无雨，若实况无雨评定为正确否定，若实况降水量高于0.0mm评定为漏报。然后筛选出2015年5月至2016年10月辽宁地区36个站的且时间分辨率为1小时的完整数据：201539时次的降水量、地面温度ts和大气可降水量PWV，其中，降水总时次为13510次，同时采用前述步骤S101～S104所构成的降雨天气预测方法，可统计得出正确肯定次数a为8834次，漏报次数b为4676次，空报次数c为8044次，正确否定次数d为179985次，因此降雨天气的预测正确率为93.69％，漏报率为2.32％，空报率为3.99％。由此可见，本方法在降水预报中具有极高的准确率，可以在降水预报中进行推广应用。
在所述步骤S104中，为了进一步精确地预报降雨天气的不同类型，则当所述变量S的当前值大于零时，还按照如下方式判定对应的降雨天气类型：
若所述变量S的当前值介于零至第一阈值之间，则判定未来N小时内的降雨天气类型为小雨；
若所述变量S的当前值介于第一阈值至第二阈值之间，则判定未来N小时内的降雨天气类型为中雨；
若所述变量S的当前值介于第二阈值至第三阈值之间，则判定未来N小时内的降雨天气类型为大雨；
若所述变量S的当前值介于第三阈值至第四阈值之间，则判定未来N小时内的降雨天气类型为暴雨；
若所述变量S的当前值介于第四阈值至第五阈值之间，则判定未来N小时内的降雨天气类型为大暴雨；
若所述变量S的当前值大于第五阈值，则判定未来N小时内的降雨天气类型为特大暴雨。
在上述判定降雨天气类型的过程的，由于降水量的多少与当前大气可降水量阈值和当前大气可降水量均有着某种必然关系，是动态变化的，因此进一步优化的，所述第一阈值、所述第二阈值、所述第三阈值、所述第四阈值和所述第五阈值与所述当前大气可降水量阈值的关系分别为递增的线性关系或非线性关系，具体的，前述多阈值的具体线性关系或具体非线性关系可通过有限次实验所得的数据进行拟合得到。
综上，采用本实施例所提供的基于大气可降水量预测降雨天气的方法，具有如下技术效果：
(1)本实施例提供了一种获取原料数据方便且预测结果准确率高、漏报率和空报率均低的降雨天气预测新方法，即可直接基于GPS观测站所测得的当前大气可降水量和当前地面温度，快速的且高精准地预测未来几小时是否有降雨天气，从而可以在降水预报中推广应用此方法，为人们工作生活的便利性提供可靠保障。
实施例二
本实施例提供了一种基于实施例一所述基于大气可降水量预测降雨天气的方法的进一步优选方案，且与实施例一的不同之处在于，在所述步骤S102之前，还包括如下步骤：
S2001.获取目标地区的且针对850hPa和500hPa的当前假相当位温之差Δθse850-500，然后判断目标地区对流层中低层的对流稳定度，若Δθse850-500小于零，则判断对流稳定，许可执行后续步骤S102～S104，否则禁止执行后续步骤S102～S104。
在所述步骤S2001中，所述假相当位温之差Δθse850-500可从EC再分析资料中直接获取，其中，所述EC再分析资料为由欧洲中期天气预报中心(WCMWF)提供的现有资料，时间分辨率为6小时，空间分辨率为0.125°×0.125°。由于在大气不稳定条件下，天气系统发展速度相对较快、单位时间内水汽凝结释放的潜热较大，影响了高低空温度配置，从而使得温度梯度变化较大，因此通过前述适用场景的条件限制，可进一步提升最终预测结果的准确性。
本实施例提供的降雨天气预测方法的步骤细节和技术效果，可以参见实施例一推导得到，于此不再赘述。
实施例三
本实施例提供了另一种基于实施例一所述基于大气可降水量预测降雨天气的方法的进一步优选方案，且与实施例一的不同之处在于，在所述步骤S102之前，还包括如下步骤：
S2002.获取目标地区的降水系统类型，若所述降水系统类型为西风槽型，则许可执行后续步骤S102～S104，否则禁止执行后续步骤S102～S104。
在所述步骤S2002中，目标地区的降水系统类型与所处地理位置和所处季节等有着必然联系，可预先地根据历史经验等得到，由于西风槽型一般具有对流稳定等特征，因此非常适合采用本预测方法进行降雨天气的预报。
本实施例提供的降雨天气预测方法的步骤细节和技术效果，同样可以参见实施例一推导得到，于此不再赘述。
实施例四
如图2所示，本实施例提供了一种实现实施例一所述基于大气可降水量预测降雨天气的方法的硬件装置，包括数据获取模块、阈值计算模块、变量计算模块和降雨预测模块；
所述数据获取模块，用于获取由目标地区的GPS观测站所测得的当前大气可降水量PWV和当前地面温度ts；
所述阈值计算模块，通信连接所述数据获取模块，用于按照如下公式计算当前大气可降水量阈值PWVt：
Figure BDA0002149550680000091
式中，α为介于12.4～12.6之间的常数，β为介于0.060～0.062之间的常数，e为自然对数的底；
所述变量计算模块，分别通信连接所述数据获取模块和所述阈值计算模块，用于按照如下公式计算变量S的当前值：S＝PWV-PWVt；
所述降雨预测模块，通信连接所述变量计算模块，用于判断所述变量S的当前值是否大于零，若大于零，则判定未来N小时内有降雨天气，否则判定未来N小时内无降雨天气，其中，N为介于0～4之间的自然数。
本实施例提供的硬件装置的工作过程、工作细节和技术效果，可以参见实施例一，于此不再赘述。
实施例五
如图3所示，本实施例提供了一种实现实施例一、实施例二或实施例三所述基于大气可降水量预测降雨天气的方法的硬件设备，包括通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序实现如实施例一、实施例二或实施例三所述基于大气可降水量预测降雨天气的方法步骤。
本实施例提供的硬件设备的工作过程、工作细节和技术效果，可以参见实施例一、实施例二或实施例三，于此不再赘述。
实施例六
本实施例提供了一种存储包含实施例一、实施例二或实施例三所述基于大气可降水量预测降雨天气的方法的计算机程序的存储介质，即在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执行时实现如实施例一、实施例二或实施例三所述基于大气可降水量预测降雨天气的方法步骤。其中，计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置，也可以是移动智能设备(如智能手机、PAD或ipad等)。
本实施例提供的存储介质的工作过程、工作细节和技术效果，可以参见实施例一，于此不再赘述。
以上所描述的多个实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备执行各个实施例或者实施例的某些部分所述的方法。
以上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精神和范围。
最后应说明的是，本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (10)

1.一种基于大气可降水量预测降雨天气的方法，其特征在于，包括如下步骤：
S101.获取由目标地区的GPS观测站所测得的当前大气可降水量PWV和当前地面温度ts；
S102.按照如下公式计算当前大气可降水量阈值PWVt：
Figure FDA0002149550670000011
式中，α为介于12.4～12.6之间的常数，β为介于0.060～0.062之间的常数，e为自然对数的底；
S103.按照如下公式计算变量S的当前值：S＝PWV-PWVt；
S104.判断所述变量S的当前值是否大于零，若大于零，则判定未来N小时内有降雨天气，否则判定未来N小时内无降雨天气，其中，N为介于0～4之间的自然数。
2.如权利要求1所述的一种基于大气可降水量预测降雨天气的方法，其特征在于，在所述步骤S101中，若目标地区的GPS观测站存在多个，则对所测得的当前大气可降水量PWV和当前地面温度ts分别做均值化处理。
3.如权利要求1所述的一种基于大气可降水量预测降雨天气的方法，其特征在于，在所述步骤S102之前，还包括如下步骤：
S2001.获取由目标地区的且针对850hPa和500hPa的当前假相当位温之差Δθse850-500，然后判断目标地区对流层中低层的对流稳定度，若Δθse850-500小于零，则判断对流稳定，许可执行后续步骤S102～S104，否则禁止执行后续步骤S102～S104。
4.如权利要求1所述的一种基于大气可降水量预测降雨天气的方法，其特征在于，在所述步骤S102之前，还包括如下步骤：
S2002.获取目标地区的降水系统类型，若所述降水系统类型为西风槽型，则许可执行后续步骤S102～S104，否则禁止执行后续步骤S102～S104。
5.如权利要求1所述的一种基于大气可降水量预测降雨天气的方法，其特征在于，在所述步骤S102中，α为等于12.49的常数，β为等于0.0612的常数。
6.如权利要求1所述的一种基于大气可降水量预测降雨天气的方法，其特征在于，在所述步骤S104中，若所述变量S的当前值大于零，则还按照如下方式判定对应的降雨天气类型：
若所述变量S的当前值介于零至第一阈值之间，则判定未来N小时内的降雨天气类型为小雨；
若所述变量S的当前值介于第一阈值至第二阈值之间，则判定未来N小时内的降雨天气类型为中雨；
若所述变量S的当前值介于第二阈值至第三阈值之间，则判定未来N小时内的降雨天气类型为大雨；
若所述变量S的当前值介于第三阈值至第四阈值之间，则判定未来N小时内的降雨天气类型为暴雨；
若所述变量S的当前值介于第四阈值至第五阈值之间，则判定未来N小时内的降雨天气类型为大暴雨；
若所述变量S的当前值大于第五阈值，则判定未来N小时内的降雨天气类型为特大暴雨。
7.如权利要求6所述的一种基于大气可降水量预测降雨天气的方法，其特征在于，所述第一阈值、所述第二阈值、所述第三阈值、所述第四阈值和所述第五阈值与所述当前大气可降水量阈值的关系分别为递增的线性关系或非线性关系。
8.一种基于大气可降水量预测降雨天气的装置，其特征在于：包括数据获取模块、阈值计算模块、变量计算模块和降雨预测模块；
所述数据获取模块，用于获取由目标地区的GPS观测站所测得的当前大气可降水量PWV和当前地面温度ts；
所述阈值计算模块，通信连接所述数据获取模块，用于按照如下公式计算当前大气可降水量阈值PWVt：
Figure FDA0002149550670000021
式中，α为介于12.4～12.6之间的常数，β为介于0.060～0.062之间的常数，e为自然对数的底；
所述变量计算模块，分别通信连接所述数据获取模块和所述阈值计算模块，用于按照如下公式计算变量S的当前值：S＝PWV-PWVt；
所述降雨预测模块，通信连接所述变量计算模块，用于判断所述变量S的当前值是否大于零，若大于零，则判定未来N小时内有降雨天气，否则判定未来N小时内无降雨天气，其中，N为介于0～4之间的自然数。
9.一种基于大气可降水量预测降雨天气的设备，其特征在于，包括通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序实现如权利要求1～7任意一项所述基于大气可降水量预测降雨天气的方法步骤。
10.一种存储介质，其特征在于，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执行时实现如权利要求1～7任意一项所述基于大气可降水量预测降雨天气的方法步骤。
CN201910696604.7A 2019-07-30 2019-07-30 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质 Active CN110244387B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910696604.7A CN110244387B (zh) 2019-07-30 2019-07-30 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910696604.7A CN110244387B (zh) 2019-07-30 2019-07-30 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN110244387A CN110244387A (zh) 2019-09-17
CN110244387B true CN110244387B (zh) 2021-06-22

Family

ID=67893793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910696604.7A Active CN110244387B (zh) 2019-07-30 2019-07-30 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN110244387B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113988361A (zh) * 2021-09-14 2022-01-28 中国科学院空天信息创新研究院 基于gnss水汽开展短临降水预报的逐日阈值构建与应用方法
CN114548488A (zh) * 2022-01-10 2022-05-27 国网安徽省电力有限公司 基于大气稳定度拟合订正温湿廓线的闪电资料同化方法
CN114791638B (zh) * 2022-06-29 2022-09-16 山东大学 基于多源数据的特大暴雨监测方法及系统
CN117872510B (zh) * 2024-03-11 2024-05-17 成都润联科技开发有限公司 一种气象数据分析方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036086A (zh) * 2014-06-17 2014-09-10 杭州电子科技大学 一种基于modis数据的大气相对湿度估算方法
CN104700577A (zh) * 2015-03-16 2015-06-10 中国科学院、水利部成都山地灾害与环境研究所 一种降水预警方法及其在地质灾害中的应用
CN109001382A (zh) * 2018-09-20 2018-12-14 武汉大学 一种基于cors的区域大气水汽实时监测方法及系统
WO2019051522A1 (de) * 2017-09-13 2019-03-21 UBIMET GmbH VERFAHREN ZUR ERMITTLUNG ZUMINDEST EINER METEOROLOGISCHEN GRÖßE ZUR BESCHREIBUNG EINER ZUSTANDSFORM ATMOSPHÄRISCHEN WASSERS
CN109543353A (zh) * 2018-12-29 2019-03-29 广东电网有限责任公司 三维水汽反演方法、装置、设备和计算机可读存储介质
CN109917494A (zh) * 2019-02-13 2019-06-21 上海华测导航技术股份有限公司 降雨预报方法、装置、设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7337065B2 (en) * 2001-01-23 2008-02-26 Spectral Sciences, Inc. Methods for atmospheric correction of solar-wavelength hyperspectral imagery over land
US9232426B2 (en) * 2012-11-01 2016-01-05 Verizon Patent And Licensing Inc. System and method for improving information carrying capacity by controlling re-transmissions
CN104155705B (zh) * 2014-08-13 2016-05-25 中国人民解放军理工大学 一种利用地基红外测云仪间接测量大气可降水量的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036086A (zh) * 2014-06-17 2014-09-10 杭州电子科技大学 一种基于modis数据的大气相对湿度估算方法
CN104700577A (zh) * 2015-03-16 2015-06-10 中国科学院、水利部成都山地灾害与环境研究所 一种降水预警方法及其在地质灾害中的应用
WO2019051522A1 (de) * 2017-09-13 2019-03-21 UBIMET GmbH VERFAHREN ZUR ERMITTLUNG ZUMINDEST EINER METEOROLOGISCHEN GRÖßE ZUR BESCHREIBUNG EINER ZUSTANDSFORM ATMOSPHÄRISCHEN WASSERS
CN109001382A (zh) * 2018-09-20 2018-12-14 武汉大学 一种基于cors的区域大气水汽实时监测方法及系统
CN109543353A (zh) * 2018-12-29 2019-03-29 广东电网有限责任公司 三维水汽反演方法、装置、设备和计算机可读存储介质
CN109917494A (zh) * 2019-02-13 2019-06-21 上海华测导航技术股份有限公司 降雨预报方法、装置、设备和存储介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Cloud and Aerosol Properties, Precipitable Water, and Profiles of Temperature and Water Vapor from MODIS;Michael D. King etc.;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20030228;第41卷(第2期);全文 *
Comparison of GPS precipitable water vapor and meteorological parameters during rainfalls in Tehran;Mohammad Ali Sharifi etc.;《Meteorol Atmos Phys》;20150514;全文 *
Real-Time GPS Precise Point Positioning-Based Precipitable Water Vapor Estimation for Rainfall Monitoring and Forecasting;Junbo Shi etc.;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20150630;全文 *
利用地基GPS资料分析成都地区大气可降水量;赵有兵 等;《测绘工程》;20080229;第17卷(第1期);全文 *
辽宁地区大气可降水量与降水关系的研究;秦鑫 等;《气象》;20200131;第46卷(第1期);全文 *

Also Published As

Publication number Publication date
CN110244387A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
CN110244387B (zh) 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质
CN106950614B (zh) 一种区域自动气象站小时雨量数据质量控制方法
KR101370482B1 (ko) 날씨 예측 시스템
CN108061910B (zh) 基于相位差分的组网方法、装置及差分定位系统
US20120316831A1 (en) System and method for determining altitude
CN111551964B (zh) 一种基于导航卫星系统的水汽观测方法
Chen et al. Detecting water vapor variability during heavy precipitation events in Hong Kong using the GPS tomographic technique
US9645283B2 (en) Weather prediction apparatus and weather prediction method
CN109543907B (zh) 一种复杂地形风资源评估方法及其装置
CN103217177A (zh) 一种电波折射修正方法、装置及系统
Li et al. Detecting heavy rainfall using anomaly-based percentile thresholds of predictors derived from GNSS-PWV
CN104748722A (zh) 利用卫星定位信息实时校准气压测高结果的高程定位方法
CN104808225A (zh) 单点卫星定位误差的测量方法、校正方法及装置
CN111191673A (zh) 一种地表温度降尺度方法及系统
CN114910982A (zh) 一种基于北斗技术的降雨预警模型构建方法
Li et al. A precipitation forecast model with a neural network and improved GPT3 model for Japan
CN117687125A (zh) 构建覆冰格点数据集的方法、处理器、装置及存储介质
CN112285130B (zh) 大气热力结构的反演方法、装置、设备以及存储介质
CN115980317B (zh) 基于修正相位的地基gnss-r数据土壤水分估算方法
CN110865425B (zh) 一种基于先验信息的雨量计粗差探测方法
CN117607918A (zh) 卫星定位数据质量控制方法、系统及存储介质
CN110441830B (zh) 基于自动气象站的小区域天气预测方法及存储介质
Du et al. Novel validation and calibration strategy for total precipitable water products of Fengyun-2 geostationary satellites
Dao et al. New observations of the total electron content and ionospheric scintillations over Ho Chi Minh City
CN113009595B (zh) 一种基于车载传感器的降雨监测方法及相关装置

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
TR01 Transfer of patent right

Effective date of registration: 20210816

Address after: No.388, Changbai South Road, Heping District, Shenyang, Liaoning 110000

Patentee after: Liaoning Office of artificial weather

Address before: 610000 cross strait science and Technology Industrial Development Park, Chengdu, Sichuan (Tianfu town, Wenjiang)

Patentee before: CHENGDU RUNLIAN TECHNOLOGY DEVELOPMENT Co.,Ltd.

TR01 Transfer of patent right