CN110751412B - 一种农业气象灾害预警方法及系统 - Google Patents
一种农业气象灾害预警方法及系统 Download PDFInfo
- Publication number
- CN110751412B CN110751412B CN201911031307.7A CN201911031307A CN110751412B CN 110751412 B CN110751412 B CN 110751412B CN 201911031307 A CN201911031307 A CN 201911031307A CN 110751412 B CN110751412 B CN 110751412B
- Authority
- CN
- China
- Prior art keywords
- weather
- disaster
- data
- early warning
- meteorological
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 238000011161 development Methods 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims description 3
- 244000046052 Phaseolus vulgaris Species 0.000 description 20
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 20
- 241000209140 Triticum Species 0.000 description 11
- 235000021307 Triticum Nutrition 0.000 description 11
- 230000006378 damage Effects 0.000 description 6
- 208000009084 Cold Injury Diseases 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002595 cold damage Effects 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 208000003643 Callosities Diseases 0.000 description 1
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009746 freeze damage Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 235000021374 legumes Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Computing Systems (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农业气象灾害预警方法及系统,该系统应用该方法,方法包括:气象数据采集,获取气象数据生成当天的气象格网数据和预报格网数据;农业气象灾害规则配置,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,形成各种作物、各生长发育期的一系列气象灾害规则组配置数据,并配置到规则库中;农业气象灾害预警分析,根据作物的当前发育期,获取当前发育期内的作物的气象灾害规则组配置数据,用于判断采集到的气象数据和气象预报数据是否符合气象灾害,得到气象灾害预警信息;气象灾害分析结果更新,将预警信息写入到气象灾害分析成果数据库中,并检查所有“有效期”内的预警信息,对预警信息状态进行更新。
Description
技术领域
本发明属于农业气象灾害预警技术领域,具体地说,涉及一种农业气象灾害预警方法及系统。
背景技术
农业气象灾害是不利气象条件给农业造成的灾害。由温度因子引起的有热害、冻害、霜冻、热带作物寒害和低温冷害;由水分因子引起的有旱灾、洪涝灾害、雪害和雹害;由风引起的有风害;由气象因子综合作用引起的有干热风、冷雨和冻涝害等。与气象的概念不同,农业气象灾害是结合农业生产遭受灾害而言的。例如寒潮、倒春寒等,在气象上是一种天气气候现象或过程,不一定造成灾害。但当它们危及小麦、水稻等农作物时,即造成冻害、霜冻、低温冷害等农业气象灾害。
而对于同一种天气气候现象,对于同时期的不同作物,并不都会形成气象灾害,如:涝害,对水生作物则不是气象灾害,对育苗期的水稻同样也不是气象灾害,但是对于挂果期的玉米、小麦则是涝害。单纯使用天气气候现象进行预警,并不能够准确的提供农业预警。
发明内容
针对现有技术中上述的不足,本发明提供一种农业气象灾害预警方法及系统,该方法针对不同作物的不同生长发育期对相同天气气候现象的不同反应,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,依据农业气象灾害包含的气象因子,对采集到的气象因子对应的气象数据进行分析,提供准确的农业气象灾害预警,该系统应用该方法,可以布置在辖区,根据农户地块位置及种植作物,为辖区范围内农户提供更加明确的农业气象灾害预警信息服务。
为了达到上述目的,本发明采用的解决方案是:一种农业气象灾害预警方法,包括如下步骤:
S1:气象数据采集,获取实时气象数据生成当天的气象格网数据,获取最新气象预报数据并生成预报格网数据;
S2:气象灾害规则配置,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,将作物气象灾害分类归纳,形成各种作物、各生长发育期的一系列气象灾害规则组配置数据,并配置到规则库中;
S2:农业气象灾害规则配置,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,将作物气象灾害分类归纳,形成各种作物、各生长发育期的一系列气象灾害规则组配置数据,并配置到规则库中;
S3:农业气象灾害预警分析,根据作物的当前所处的发育期,获取当前发育期内的作物的气象灾害规则组配置数据,根据获取的气象灾害规则组配置数据判断采集到的气象数据和气象预报数据是否符合气象灾害规则组配置数据,得到气象灾害预警信息;
S4:气象灾害分析结果更新,获取预警分析模块计算所得的气象灾害预警信息,将预警信息写入到气象灾害分析成果数据库中,并检查所有“有效期”内的预警信息,判断该信息是否失效,并对气象灾害分析成果数据库中的预警信息状态进行更新。
所述的气象数据采集包括:
S101:获取气象站点的实时气象数据和最新采集预报数据;
S102:采用IDW插值生成区域范围内各气象因子当天的格网数据和最新的预报格网数据;
S103:将当天的格网数据插入历史气象格网数据,将最新的预报格网数据更新到气象数据库中。
所述的S101包括:通过全国综合气象信息共享平台接口获取区域范围内的所有气象站点的实时气象数据和最新采集预报数据。
所述的气象灾害规则配置包括:
S201:根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,获取作物气象灾害判断的指标数据;
S202:配置定义气象灾害中基于不可量化的气象因子判断的指标数据为字典规则;配置定义气象灾害中基于单日气象数据判断的指标数据为算术规则;配置定义气象灾害中基于时间段的统计气象数据判断的指标数据为统计规则;配置定义气象灾害中基于时间段且需要进行气象数据判定的指标数据为判定规则;配置定义同一气象灾害的不同规则构成气象灾害规则组;
S203:以气象灾害规则组为单位将配置定义的规则配置到规则库中。
所述的农业气象灾害预警分析包括如下步骤:
S301:根据作物当前所处的发育期,读取各作物当前发育期内的所有作物的气象灾害规则组配置数据;
S302:择一气象灾害规则组配置数据,获取该规则组配置数据中的每个规则的气象因子组成气象因子并集,获取该规则组配置数据中的每个规则的起止时间组成起止时间并集;
S303:根据起止时间并集和气象因子并集从气象数据库中获取所需要的气象数据;
S304:将气象数据代入到气象灾害规则组配置数据中,逐一判定数据是否满足规则组中的规则,若不满足,则不符合气象灾害规则;若满足,则输出满足规则的起止日期;直至规则组中的所有规则判定完成,输出规则组中所有规则起止日期的交集,作为该气象灾害的预警起止日期;
S305:重复S302~S304,直至所有规则组判定完成,输出所有气象灾害预警信息。
所述的S303包括:获取起止时间并集;结合当前年度,形成本年度对应的起止时间并集;从气象数据库中获取气象因子并集内所有气象因子在属于本年度对应的起止时间并集的所有时间的气象数据。
所述的气象灾害预警信息包括作物类别、位置、气象灾害种类和气象灾害预警起止日期。
所述的气象灾害分析结果更新包括预警信息写入和预警信息状态更新;
所述的预警信息写入包括:获取预警分析模块计算所得的气象灾害预警信息;逐一判断气象灾害分析成果数据库中是否存在预警信息,若存在,则更新预警信息;若不存在,则写入预警信息;
所述的预警信息状态更新包括:查询“有效期”内的气象灾害信息,逐一判断气象灾害预警信息是否过期,若已过期,则更新预警信息状态为失效。
所述的更新预警信息包括:判断气象灾害分析成果数据库中的预警信息与预警分析模块计算所得的气象灾害预警信息是否相同,相同则不更新,不相同则更新为预警分析模块计算所得的气象灾害预警信息。
应用所述的农业气象灾害预警方法的系统,包括气象数据采集单元、作物气象灾害描述配置单元、作物气象灾害预警分析单元和气象灾害分析结果更新单元;
气象数据采集单元用于获取实时气象数据生成当天的气象格网数据,获取最新气象预报数据并生成预报格网数据;
作物气象灾害描述配置单元用于根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,结合当地农业科技部门田间数据,将作物气象灾害分类归纳,形成各种作物、各生长发育期的一系列气象灾害规则组配置数据,并配置到规则库中;
作物气象灾害预警分析单元,根据作物的当前发育期,获取当前发育期内的作物的气象灾害规则组配置数据,根据获取的气象灾害规则组配置数据判断采集到的气象数据和气象预报数据是否存在符合气象灾害规则组配置数据,得到气象灾害预警信息;
气象灾害分析结果更新单元,获取预警分析模块计算所得的气象灾害预警信息,将预警信息写入到气象灾害分析成果数据库中,并检查所有“有效期”内的预警信息,判断预警信息是否失效,并对预警信息状态进行更新。
本发明的有益效果是:
(1)该方法针对不同作物的不同生长发育期对相同天气气候现象的不同反应,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,依据农业气象灾害包含的气象因子,对采集到的气象因子对应的气象数据进行分析,提供准确的农业气象灾害预警,该系统应用该方法,可以布置在辖区,根据农户地块位置及种植作物,为辖区范围内农户提供更加明确的农业气象灾害预警信息服务。
(2)将田间试验数据、国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献与气象数据相结合,通过气象数据采集单元采集气象站的实际气象数据和预报气象数据,并对各种作物气象灾害规则计算,最终得到辖区范围内各个地理格网范围内,针对各种作物的气象灾害预警信息实时数据库,为各个地理格网范围内各种作物种植农户提供了更加明确的防灾、救灾数据基础。
附图说明
图1为本发明预警方法流程图;
图2为本发明气象数据采集方法流程图;
图3为本发明气象灾害预警分析流程图;
图4为本发明预警信息写入流程图;
图5为本发明预警信息状态更新流程图;
图6为本发明预警系统示意图。
具体实施方式
以下结合附图对本发明作进一步描述:
如图1所示,一种农业气象灾害预警方法,包括如下步骤:
S1:气象数据采集,获取实时气象数据生成当天的气象格网数据,获取最新气象预报数据并生成最新的预报格网数据;
S2:农业气象灾害规则配置,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,将作物气象灾害分类归纳,形成各种作物、各生长发育期的一系列气象灾害规则组配置数据,并配置到规则库中;
S3:农业气象灾害预警分析,根据作物的当前所处的发育期,获取当前发育期内的作物的气象灾害规则组配置数据,根据获取的气象灾害规则组配置数据判断采集到的气象数据和气象预报数据是否符合气象灾害规则组配置数据,得到气象灾害预警信息;
S4:气象灾害分析结果更新,获取预警分析模块计算所得的气象灾害预警信息,将预警信息写入到气象灾害分析成果数据库中,并检查所有“有效期”内的预警信息,判断该信息是否失效,并对气象灾害分析成果数据库中的预警信息状态进行更新。
如图2所示,所述的气象数据采集包括:
S101:获取气象站点的实时气象数据和最新采集预报数据,气象站点为区域范围内的所有气象站点,需要同时获取气象站点的坐标、气象数据和最新采集预报数据,系统可以直接对接到全国综合气象信息共享平台CIMISS,通过CIMISS平台接口获取区域范围内所有气象站点的原始采集数据和最新采集预报数据,获取时间间隔可以任意确定,较佳的是间隔3小时,(CIMISS平台为每3小时更新一次);
S102:采用IDW插值生成区域范围内各气象因子的当天的格网数据和最新的预报格网数据;
S103:将当天的格网数据插入历史气象格网数据,将最新的预报格网数据更新到气象数据库中。
所述的气象灾害规则配置包括:
S201:根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,获取作物气象灾害判断的指标数据;
S202:配置定义气象灾害中基于不可量化的气象因子判断的指标数据为字典规则;配置定义气象灾害中基于单日气象数据判断的指标数据为算术规则;配置定义气象灾害中基于时间段的统计气象数据判断的指标数据为统计规则;配置定义气象灾害中基于时间段且需要进行气象数据判定的指标数据为判定规则;配置定义同一气象灾害的不同规则构成气象灾害规则组;
S203:以气象灾害规则组为单位将配置定义的规则配置到规则库中。
如图3所示,所述的农业气象灾害预警分析包括如下步骤:
S301:根据作物当前所处的发育期,读取各作物当前发育期内的所有作物的气象灾害规则组配置数据;
S302:择一气象灾害规则组配置数据,获取该规则组配置数据中的每个规则的气象因子组成气象因子并集,获取该规则组配置数据中的每个规则的起止时间组成起止时间并集;
S303:根据起止时间并集和气象因子并集从气象数据库中获取所需要的气象数据;获取起止时间并集后,需要结合当前年度,形成本年度起止时间并集,从气象数据库中获取气象因子并集内所有气象因子在属于本年度对应的起止时间并集的所有时间的气象数据,例如,起止时间并集为4月5号-4月10号,结合当前年度后,起止时间并集为2019年4月5号-4月10号,假设气象因子包括光照和湿度,则需要从气象数据库中获取2019年4月5号-4月10号的光照数据和湿度数据;
S304:将气象数据代入到气象灾害规则组配置数据中,逐一判定数据是否满足规则组中的规则,若不满足,则不符合气象灾害规则;若满足,则输出满足规则的起止日期;直至规则组中的所有规则判定完成,输出规则组中所有规则起止日期的交集,作为该气象灾害的预警起止日期;
S305:重复S302~S304,直至所有规则组判定完成,输出所有气象灾害预警信息,气象灾害预警信息包括作物类别、位置、气象灾害种类和气象灾害预警起止日期。
所述的气象灾害分析结果更新包括预警信息写入和预警信息状态更新;
如图4所示,所述的预警信息写入包括:获取预警分析模块计算所得的气象灾害预警信息;逐一判断气象灾害分析成果数据库中是否存在预警信息,若存在,则更新预警信息;若不存在,则写入预警信息。在更新预警信息时,判断气象灾害分析成果数据库中的预警信息与预警分析模块计算所得的气象灾害预警信息是否相同,相同则不更新,不相同则更新为预警分析模块计算所得的气象灾害预警信息。预警信息更新主要更新的是由于气象数据变化造成的预警信息时间变化或者预警内容变化更新。
如图5所示,所述的预警信息状态更新包括:查询“有效期”内的气象灾害信息,逐一判断气象灾害预警信息是否过期,若已过期,则更新预警信息状态为失效。
如图6所示,应用农业气象灾害预警方法的系统,包括气象数据采集单元、作物气象灾害描述配置单元、作物气象灾害预警分析单元和气象灾害分析结果更新单元;
气象数据采集单元用于获取实时气象数据生成当天的气象格网数据,获取最新气象预报数据并生成预报格网数据;所述的气象数据采集单元包括气象数据获取模块、气象格网数据生成模块和数据更新模块,所述的气象数据获取模块用于获取各气象站点的坐标及采集的最新气象数据和气象预报数据;所述的气象格网数据生成模块用于采用IDW差值算法生成区域范围内各气象因子当天的格网数据和最新的预报格网数据;所述的数据更新模块用于将当天的格网数据插入历史气象格网数据,将最新的预报格网数据更新到气象数据库中。
作物气象灾害配置描述单元用于根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,结合当地农业科技部门田间数据,将作物气象灾害分类归纳,形成各种作物、各生长发育期的一系列气象灾害规则组配置数据,并配置到规则库中。
作物气象灾害预警分析单元,根据作物的当前所处的发育期,获取当前发育期内的作物的气象灾害规则组配置数据,根据获取的气象灾害规则组配置数据判断采集到的历史气象数据和气象预报数据是否存在符合气象灾害规则组配置数据,得到气象灾害预警信息;所述的作物气象灾害预警分析单元包括气象灾害读取模块、时间区间获取模块、气象因子获取模块、气象数据获取模块、气象数据判断模块和结果输出模块;所述的气象灾害读取模块用于根据作物当前发育期,读取作物气象灾害配置描述单元内存储的各作物的当前发育期内的气象灾害规则组;时间区间获取模块用于根据气象灾害规则组配置数据取并集计算出每种气象灾害相关起止时间;所述的气象因子获取模块根据气象灾害规则组配置数据取并集计算出每种气象灾害所需要的气象因子;所述的气象数据获取模块用于根据起止时间和气象因子,在采集的气象数据中读取所需要的数据;所述的气象数据判断模块用于将气象数据代入到读取的气象灾害规则组配置数据中计算是否满足气象灾害规则组配置数据;所述的结果输出模块用于根据判断的结果输出气象灾害预警信息。
气象灾害分析结果更新单元,获取预警分析模块计算所得的气象灾害预警信息,将预警信息写入到气象灾害分析成果数据库中,并检查所有“有效期”内的预警信息,判断预警信息是否失效,并对预警信息状态进行更新。
该方法针对不同作物的不同生长发育期对相同天气气候现象的不同反应,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,依据农业气象灾害包含的气象因子,对采集到的气象因子对应的气象数据进行分析,提供准确的农业气象灾害预警,该系统应用该方法,可以布置在辖区,根据农户地块位置及种植作物,为辖区范围内农户提供更加明确的农业气象灾害预警信息服务。
实施例一,以小麦春旱为例,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献、田间数据等可以获得小麦春旱的指标是:(1)4-5月总雨量50毫米;(2)4月中下旬无≥20毫米的降雨过程。系统的作物气象灾害描述配置单元将前述两个指标进行配置,(1)基于时间段[4月1日]到[4月30日],具有[统计][总][降雨量][小于等于][50],属于统计规则;(2)基于时间段[4月10日]到[4月30日],需要进行[判定][不存在][降雨量][大于等于][20],属于判定规则,该条气象灾害包括了两条规则。两条规则定义的时间区间取并集,并结合当前年度,时间结果为2019年4月1日到4月30日。作物气象灾害预警分析单元从气象数据库中获取所需气象数据。
气象数据情况1
历史数据有2019年4月1日-2019年4月20日,总降雨量45毫米。
预报数据有2019年4月21日-2019年4月27日(最多只有7天预报数据),无降雨。
作物气象灾害预警分析单元逐一进行判断:不符合规则1,不符合规则2(缺乏3天的气象数据,无论如何也不可能符合规则)。
判断结果:不符合小麦春旱。
气象数据情况2
历史数据有2019年4月1日-2019年4月23日,总降雨量45毫米。
预报数据有2019年4月24日-2019年4月30日(最多只有7天预报数据),无降雨。
作物气象灾害预警分析单元逐一进行判断:符合规则1,符合规则2。
判断结果:符合小麦春旱,时间区间取交集即2019年4月10-4月30日。
预警信息:规则判定时间区间与天气预报时间取交集即2019年4月24日-4月30日,气象灾害分析结果更新单元判断气象灾害分析成果数据库中不存在该小麦春旱预警信息,则在气象灾害分析成果数据库中写入该预警信息:2019年4月24日-4月30日注意小麦春旱灾害,最终用户收到的气象灾害信息为,2019年4月24日-4月30日注意小麦春旱灾害。
气象数据情况3
历史数据有2019年4月1日-2019年4月27日,总降雨量45毫米。
预报数据有2019年4月28日-2019年4月30日(最多只有7天预报数据,需求数据为2019年4月1日-2019年4月30日),无降雨。
规则判断:符合规则1,符合规则2
判断结果:符合小麦春旱,时间区间取交集即2019年4月10-4月30日
预警信息:气象灾害分析结果更新单元判断气象灾害分析成果数据库中存在该小麦春旱预警信息,且预警信息相同,则将该预警信息过期部分的状态更新为失效。规则判定时间区间与天气预报时间取交集即2019年4月28日-4月30日,最终用户收到的气象灾害预警信息为,2019年4月28日-4月30日注意小麦春旱灾害。
实施例二,以豆类洪涝为例,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献、田间数据等可以获得豆类洪涝的指标是:(1)>200毫米出现涝灾;(2)>300毫米出现严重洪涝。注意:为明确指定发育期则指豆类的整个生长周期中出现暴雨则会产生洪涝灾害。系统的作物气象灾害描述配置单元将前述指标进行配置,豆类涝灾:降雨量大于200,仅一条规则;豆类严重洪涝:降雨量大于300,仅一条规则。由于该规则组中没有特定的时间区间,则作物气象灾害预警分析单元直接从气象数据库中获取所需预报气象数据。
气象数据情况1
预报数据有:2019年4月1日-4月7日,具体预报数据如表一。
表一
规则判断:符合豆类涝害,不符合豆类严重洪涝,时间区间为2019年4月1日-4月7日
预警信息:气象灾害分析结果更新单元判断气象灾害分析成果数据库中不存在该豆类涝害预警信息,则在气象灾害分析成果数据库中写入该预警信息,最终用户收到的气象灾害信息为,2019年4月1日-4月7日,注意豆类涝害。
气象数据情况2(与气象数据情况1间隔1天的数据)
预报数据有:2019年4月2日-4月8日,具体数据如表二。
表二
规则判断:符合豆类涝害:时间区间为2019年4月2日-4月6日。
预警信息:气象灾害分析结果更新单元判断气象灾害分析成果数据库存在该豆类涝害预警信息,原预警信息为“2019年4月1日-4月7日,注意豆类涝害”,最新预警信息与原预警信息不相同,将预警信息更新为:2019年4月2日-4月6日,注意豆类涝害,最终用户收到的气象灾害信息为,2019年4月2日-4月6日,注意豆类涝害。
气象数据情况3
预报数据有:2019年4月1日-4月7日,具体预报数据如表三。
表三
规则判断:符合豆类涝害,时间区间为2019年4月1日-4月7日
规则判断:符合豆类严重洪涝,时间为2019年4月2日、2019年4月6日
预警信息:气象灾害分析结果更新单元判断气象灾害分析成果数据库存在该豆类涝害预警信息,判断该预警信息相同,不进行更新;判断没有豆类严重涝害预警信息,将豆类严重涝害预警信息增加到气象灾害分析成果数据库中,最终用户收到的预警信息为(1)2019年4月1日-4月7日,注意豆类涝害;(2)2019年4月2日,注意豆类严重涝害;(3)2019年4月6日,注意豆类严重涝害。
需要说明的是,采用IDW插值生成的当前格网数据和预报格网数据代表的是一个格网的气象数据,得到的预警信息也是该格网范围内的预警信息,同一个行政区域的不同地区可能会属于不同的格网,预警信息会存在多条。同时,根据实际需要,预警信息发布的最小时间单位为天,小时对于农业生产过于精细,没有实际定义。
本申请的方法产生的预警信息除了应用于全作物种类,全部区域及全部预警发布外,更适合由农户自己订阅,根据农户种植的作物类型及种植的地理位置,为用户发布更具有针对性的预警信息。
以上所述实施例仅表达了本发明的具体实施方式,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。
Claims (8)
1.一种农业气象灾害预警方法,其特征在于:包括如下步骤:
S1:气象数据采集,获取实时气象数据生成当天的气象格网数据,获取最新气象预报数据并生成预报格网数据;
S2:农业气象灾害规则配置,根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,将作物气象灾害分类归纳,形成各种作物、各生长发育期的一系列气象灾害规则组配置数据,并配置到规则库中;具体为:
S201:根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,获取作物气象灾害判断的指标数据;
S202:配置定义气象灾害中基于不可量化的气象因子判断的指标数据为字典规则;配置定义气象灾害中基于单日气象数据判断的指标数据为算术规则;配置定义气象灾害中基于时间段的统计气象数据判断的指标数据为统计规则;配置定义气象灾害中基于时间段且需要进行气象数据判定的指标数据为判定规则;配置定义同一气象灾害的不同规则构成气象灾害规则组;
S203:以气象灾害规则组为单位将配置定义的规则配置到规则库中;
S3:农业气象灾害预警分析,根据作物的当前所处的发育期,获取当前发育期内的作物的气象灾害规则组配置数据,根据获取的气象灾害规则组配置数据判断采集到的气象数据和气象预报数据是否符合气象灾害规则组配置数据,得到气象灾害预警信息;具体为:
S301:根据作物当前所处的发育期,读取各作物当前发育期内的所有作物的气象灾害规则组配置数据;
S302:择一气象灾害规则组配置数据,获取该规则组配置数据中的每个规则的气象因子组成气象因子并集,获取该规则组配置数据中的每个规则的起止时间组成起止时间并集;
S303:根据起止时间并集和气象因子并集从气象数据库中获取所需要的气象数据;
S304:将气象数据代入到气象灾害规则组配置数据中,逐一判定数据是否满足规则组中的规则,若不满足,则不符合气象灾害规则;若满足,则输出满足规则的起止日期;直至规则组中的所有规则判定完成,输出规则组中所有规则起止日期的交集,作为该气象灾害的预警起止日期;
S305:重复S302~S304,直至所有规则组判定完成,输出所有气象灾害预警信息;
S4:气象灾害分析结果更新,获取预警分析模块计算所得的气象灾害预警信息,将预警信息写入到气象灾害分析成果数据库中,并检查所有“有效期”内的预警信息,判断该信息是否失效,并对气象灾害分析成果数据库中的预警信息状态进行更新。
2.根据权利要求1所述的农业气象灾害预警方法,其特征在于:所述的气象数据采集包括:
S101:获取气象站点的实时气象数据和最新采集预报数据;
S102:采用IDW插值生成区域范围内各气象因子当天的格网数据和最新的预报格网数据;
S103:将当天的格网数据插入历史气象格网数据,将最新的预报格网数据更新到气象数据库中。
3.根据权利要求2所述的农业气象灾害预警方法,其特征在于:所述的S101包括:通过全国综合气象信息共享平台接口获取区域范围内的所有气象站点的实时气象数据和最新采集预报数据。
4.根据权利要求1所述的农业气象灾害预警方法,其特征在于:所述的S303包括:获取起止时间并集;结合当前年度,形成本年度对应的起止时间并集;从气象数据库中获取气象因子并集内所有气象因子在属于本年度对应的起止时间并集的所有时间的气象数据。
5.根据权利要求1所述的农业气象灾害预警方法,其特征在于:所述的气象灾害预警信息包括作物类别、位置、气象灾害种类和气象灾害预警起止日期。
6.根据权利要求1所述的农业气象灾害预警方法,其特征在于:所述的气象灾害分析结果更新包括预警信息写入和预警信息状态更新;
所述的预警信息写入包括:获取预警分析模块计算所得的气象灾害预警信息;逐一判断气象灾害分析成果数据库中是否存在预警信息,若存在,则更新预警信息;若不存在,则写入预警信息;
所述的预警信息状态更新包括:查询“有效期”内的气象灾害信息,逐一判断气象灾害预警信息是否过期,若已过期,则更新预警信息状态为失效。
7.根据权利要求6所述的农业气象灾害预警方法,其特征在于:所述的更新预警信息包括:判断气象灾害分析成果数据库中的预警信息与预警分析模块计算所得的气象灾害预警信息是否相同,相同则不更新,不相同则更新为预警分析模块计算所得的气象灾害预警信息。
8.应用权利要求1-7中任意一项所述的农业气象灾害预警方法的系统,其特征在于:包括气象数据采集单元、作物气象灾害描述配置单元、作物气象灾害预警分析单元和气象灾害分析结果更新单元;
气象数据采集单元用于获取实时气象数据生成当天的气象格网数据,获取最新气象预报数据并生成预报格网数据;
作物气象灾害描述配置单元用于根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,结合当地农业科技部门田间数据,将作物气象灾害分类归纳,形成各种作物、各生长发育期的一系列气象灾害规则组配置数据,并配置到规则库中;具体为:
S201:根据国家标准、行业标准以及农业气象灾害分类及灾害程度评价文献,获取作物气象灾害判断的指标数据;
S202:配置定义气象灾害中基于不可量化的气象因子判断的指标数据为字典规则;配置定义气象灾害中基于单日气象数据判断的指标数据为算术规则;配置定义气象灾害中基于时间段的统计气象数据判断的指标数据为统计规则;配置定义气象灾害中基于时间段且需要进行气象数据判定的指标数据为判定规则;配置定义同一气象灾害的不同规则构成气象灾害规则组;
S203:以气象灾害规则组为单位将配置定义的规则配置到规则库中;
作物气象灾害预警分析单元,根据作物的当前发育期,获取当前发育期内的作物的气象灾害规则组配置数据,根据获取的气象灾害规则组配置数据判断采集到的气象数据和气象预报数据是否存在符合气象灾害规则组配置数据,得到气象灾害预警信息;具体为:
S301:根据作物当前所处的发育期,读取各作物当前发育期内的所有作物的气象灾害规则组配置数据;
S302:择一气象灾害规则组配置数据,获取该规则组配置数据中的每个规则的气象因子组成气象因子并集,获取该规则组配置数据中的每个规则的起止时间组成起止时间并集;
S303:根据起止时间并集和气象因子并集从气象数据库中获取所需要的气象数据;
S304:将气象数据代入到气象灾害规则组配置数据中,逐一判定数据是否满足规则组中的规则,若不满足,则不符合气象灾害规则;若满足,则输出满足规则的起止日期;直至规则组中的所有规则判定完成,输出规则组中所有规则起止日期的交集,作为该气象灾害的预警起止日期;
S305:重复S302~S304,直至所有规则组判定完成,输出所有气象灾害预警信息;
气象灾害分析结果更新单元,获取预警分析模块计算所得的气象灾害预警信息,将预警信息写入到气象灾害分析成果数据库中,并检查所有“有效期”内的预警信息,判断预警信息是否失效,并对预警信息状态进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911031307.7A CN110751412B (zh) | 2019-10-28 | 2019-10-28 | 一种农业气象灾害预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911031307.7A CN110751412B (zh) | 2019-10-28 | 2019-10-28 | 一种农业气象灾害预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751412A CN110751412A (zh) | 2020-02-04 |
CN110751412B true CN110751412B (zh) | 2023-05-23 |
Family
ID=69280485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911031307.7A Active CN110751412B (zh) | 2019-10-28 | 2019-10-28 | 一种农业气象灾害预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751412B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111626599A (zh) * | 2020-05-22 | 2020-09-04 | 广东省突发事件预警信息发布中心(广东省人工影响天气中心) | 一种气象灾害风险研判方法及系统 |
CN112070297A (zh) * | 2020-09-04 | 2020-12-11 | 浙江省气候中心 | 农事活动的天气指标预测方法、装置、设备及存储介质 |
CN112070314A (zh) * | 2020-09-14 | 2020-12-11 | 山东省地质矿产勘查开发局第一地质大队 | 一种农业气象灾害预警方法与系统 |
CN112215716A (zh) * | 2020-10-13 | 2021-01-12 | 浙江省气候中心 | 农作物生长干预方法、装置、设备及存储介质 |
CN112561315A (zh) * | 2020-12-15 | 2021-03-26 | 云南省气候中心(云南省生态气象和卫星遥感中心) | 烤烟气象灾害定量评估及预估方法 |
CN112990579A (zh) * | 2021-03-16 | 2021-06-18 | 中化现代农业有限公司 | 农业气象灾害预报方法、装置、设备和存储介质 |
CN113744074A (zh) * | 2021-09-06 | 2021-12-03 | 北京超图软件股份有限公司 | 确定农业作物的减灾保产措施的方法和装置 |
CN113743832B (zh) * | 2021-11-05 | 2022-04-08 | 中化现代农业有限公司 | 水稻灾害监测系统及方法 |
CN114167521B (zh) * | 2021-12-10 | 2022-08-30 | 南京信息工程大学 | 一种农业气象灾害预警系统及其方法 |
CN115619222B (zh) * | 2022-11-01 | 2023-07-07 | 成都市美幻科技有限公司 | 面向多种灾害的预警信息处理方法、装置及终端设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017068869A (ja) * | 2016-12-27 | 2017-04-06 | 三菱電機株式会社 | 農業用管理システム及び農業用管理システム用管理センタ |
CN108764643A (zh) * | 2018-04-27 | 2018-11-06 | 浙江水利水电学院 | 大范围作物病害风险评估方法 |
CN110059915A (zh) * | 2019-03-01 | 2019-07-26 | 广东奥博信息产业股份有限公司 | 一种冬小麦气象灾害综合风险动态评价方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102668846B (zh) * | 2012-05-23 | 2013-05-15 | 云南省昆明农业气象试验站 | 作物低温灾害分析方法 |
CN103970976A (zh) * | 2013-02-06 | 2014-08-06 | 中国水利水电科学研究院 | 农业干旱预警预报监测装置和方法 |
CN104635694A (zh) * | 2015-01-08 | 2015-05-20 | 沈阳远大智能高科农业有限公司 | 一种智能农业预警系统 |
US9792557B2 (en) * | 2015-01-14 | 2017-10-17 | Accenture Global Services Limited | Precision agriculture system |
US9031884B1 (en) * | 2015-01-23 | 2015-05-12 | Iteris, Inc. | Modeling of plant wetness and seed moisture for determination of desiccant application to effect a desired harvest window using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states |
CN207408986U (zh) * | 2017-01-13 | 2018-05-25 | 北京金禾天成科技有限公司 | 农作物病虫害的预警系统 |
CN208207247U (zh) * | 2017-12-28 | 2018-12-07 | 山西省农业科学院畜牧兽医研究所 | 一种农业气象灾害预警系统 |
CN109685280A (zh) * | 2018-12-29 | 2019-04-26 | 山东丰信农业服务连锁有限公司 | 针对单一地块利用人工智能进行农业气象预报的处理方法及装置 |
CN110210742A (zh) * | 2019-05-23 | 2019-09-06 | 东南大学 | 一种台风天气下输电杆塔预警方法 |
-
2019
- 2019-10-28 CN CN201911031307.7A patent/CN110751412B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017068869A (ja) * | 2016-12-27 | 2017-04-06 | 三菱電機株式会社 | 農業用管理システム及び農業用管理システム用管理センタ |
CN108764643A (zh) * | 2018-04-27 | 2018-11-06 | 浙江水利水电学院 | 大范围作物病害风险评估方法 |
CN110059915A (zh) * | 2019-03-01 | 2019-07-26 | 广东奥博信息产业股份有限公司 | 一种冬小麦气象灾害综合风险动态评价方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110751412A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751412B (zh) | 一种农业气象灾害预警方法及系统 | |
CN108760643B (zh) | 一种适宜于高海拔地区的干旱遥感监测方法 | |
Driessen et al. | Land-use systems analysis | |
Guttman et al. | A historical perspective of US climate divisions | |
Legler et al. | Impact of ENSO-related climate anomalies on crop yields in the US | |
CN110059915A (zh) | 一种冬小麦气象灾害综合风险动态评价方法及装置 | |
CN115062997A (zh) | 一种适用于西藏地区的基于遥感技术和机器学习的农业干旱监测方法 | |
Oruonye | An assessment of the trends of climatic variables in Taraba State Nigeria | |
Kuntoro et al. | The effect of land use change to maximum and minimum discharge in Cikapundung River Basin | |
Fontenot | An evaluation of reference evapotranspiration models in Louisiana | |
Wang et al. | Global warming effects on climate zones for wine grape in Ningxia region, China | |
Dong et al. | Spatiotemporal change in the climatic growing season in Northeast China during 1960–2009 | |
CN104732045A (zh) | 一种基于作物生长模型确定作物旱灾自然脆弱性曲线的方法 | |
Díaz de la Guardia et al. | Aerobiological analysis of Olea europaea L. pollen in different localities of southern Spain: Forecasting models | |
Ma et al. | Impact of climate change on the growth of typical crops in karst areas: A case study of Guizhou province | |
Ahmadi et al. | Assessment of anomalies and effects of climate change on reference evapotranspiration and water requirement in pistachio cultivation areas in Iran | |
Garrido-Perez et al. | Examining the outstanding Euro-Mediterranean drought of 2021–2022 and its historical context | |
Szyga-Pluta et al. | Assessment of climate variations in the growing period in Central Europe since the end of eighteenth century | |
Podhrázská et al. | Effect of changes in some climatic factors on wind erosion risks–the case study of South Moravia | |
Matera et al. | Use of a new agricultural drought index within a regional drought observatory | |
Rajabi et al. | Climate change impact on the estimation of reference evapotranspiration, water requirement, and irrigation requirement in irrigated areas (a case study: Bardsir plain) | |
Drzeniecka-Osiadacz et al. | Statistical modelling of the main features of the Artemisia pollen season in Wrocław, Poland, during the 2002–2011 time period | |
Burga et al. | Trends in observed temperature and rainfall variability in major potato growing districts of eastern Ethiopia | |
Saseendran et al. | Characterization of weekly cumulative rainfall forecasts over meteorological subdivisions of India using a GCM | |
Terjung et al. | Potential paddy rice yields for rainfed and irrigated agriculture in China and Korea |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for early warning of agricultural meteorological disasters Effective date of registration: 20231114 Granted publication date: 20230523 Pledgee: Hua Xia Bank Co.,Ltd. Kunming Branch Pledgor: YUNNAN HANZHE TECHNOLOGY CO.,LTD. Registration number: Y2023980065535 |