CN110928973A - 一种降水量状况评估方法 - Google Patents

一种降水量状况评估方法 Download PDF

Info

Publication number
CN110928973A
CN110928973A CN201911208823.2A CN201911208823A CN110928973A CN 110928973 A CN110928973 A CN 110928973A CN 201911208823 A CN201911208823 A CN 201911208823A CN 110928973 A CN110928973 A CN 110928973A
Authority
CN
China
Prior art keywords
precipitation
grid
year
average
data
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
CN201911208823.2A
Other languages
English (en)
Inventor
王保林
哈斯尔
孙广福
白耀华
景文
道力格亚
张全民
敖一杰
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.)
Inner Mongolia Mengcao Ecological Environment (group) Co Ltd
Inner Mongolia Mengcao Life Community Big Data Co Ltd
Original Assignee
Inner Mongolia Mengcao Ecological Environment (group) Co Ltd
Inner Mongolia Mengcao Life Community Big Data 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 Inner Mongolia Mengcao Ecological Environment (group) Co Ltd, Inner Mongolia Mengcao Life Community Big Data Co Ltd filed Critical Inner Mongolia Mengcao Ecological Environment (group) Co Ltd
Priority to CN201911208823.2A priority Critical patent/CN110928973A/zh
Publication of CN110928973A publication Critical patent/CN110928973A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种降水量状况评估方法。具体包括：获取气象站点的降水数据并进行预处理；根据所述获取到的预处理后的降水数据，生成不同期年的降水量栅格图；根据所述降水量栅格图，计算起始年份到目标年份的降水量平均值，生成年降水量均值栅格图；计算目标期年与所述年降水均值的差值，获得差值栅格图。在差值栅格图直接显示生成区域的降水状况的丰、平、欠，能根据年份的更新自动更新，进一步指导农牧业生产当中的用水需求；基于地理信息系统，与其他生态指标数据如植被指数、植被覆盖度、净初级生产力、地上生物量等进行相关性分析时无缝链接。

Description

一种降水量状况评估方法
技术领域
本申请涉及生态环境保护技术领域，特别是涉及一种评价降水状况的地理信息系统计算方法。
背景技术
在生态环境保护技术领域，降水状况评估是一项非常重要的工作。
现有技术中，只是能了解到降水的现状数据，即利用气象站点的点降水数据通过GIS插值方法处理生成区域的降水分布数据。评价降水状况只有加权马尔科夫链模型。但是，降水的现状数据只是揭示某一期降水的空间分布数值，无法揭示降水是高还是低，即没有形成评价降水状况的模型。而加权马尔科夫链模型也只是基于RM软件的数学模型，无法展示区域降水状况评价的空间分布，更无法与基于GIS的地理信息大数据系统相融合。
发明内容
本申请提供一种降水量状况评估方法方法，以解决现有技术中降水的现状数据只是揭示某一期降水的空间分布数值，无法揭示降水相比于年降水量均值是高还是低的问题。
为解决上述技术问题，本申请采用的一个技术方案是一种降水量状况评估方法，所述方法包括以下步骤:获取气象站点的降水数据并进行预处理；根据所述获取到的预处理后的降水数据，生成不同期年的降水量栅格图；根据所述降水量栅格图，计算起始年份到目标年份的降水量平均值，生成年降水量均值栅格图；计算目标期年与所述年降水均值的差值，获得差值栅格图。
进一步地，所述根据所述获取到的预处理后的降水数据，生成不同期年的降水量栅格图，包括：使用ArcGIS平台空间分析模块中的克里金插值方法生成年度降水量栅格图。
进一步地，使用ArcGIS平台空间分析模块中的克里金插值方法生成年度降水量栅格图，包括按照预设规则，设置所述栅格图的行列数量和栅格尺寸。
进一步地，根据所述降水量栅格图，计算起始年份到目标年份的降水量平均值，生成年降水量均值栅格图，包括：使用ArcGIS平台的栅格计算器，对栅格中的每一个期年的降水量数据进行平均值计算，计算各年份栅格数据的平均值。
进一步地，所述降水量均值栅格图随年份的更新而自动更新。
进一步地，所述计算目标期年与年降水均值的差值，获得差值栅格图的步骤之后，还包括以下步骤：按照年份输出降水量变化评估图。
进一步地，所述计算目标期年与年降水均值的差值，获得差值栅格图的步骤还包括：使用ArcGIS中栅格计算器，将目标期年降水栅格数据减去栅格中的降水量均值，获得降水量的差值，生成目标期年的降水量差值栅格图。
进一步地，所述栅格中降水量与平均值的差值在一定预设阈值范围内，记为平；小于预设阈值，记为丰；小于预设阈值的绝对值，记为欠。
进一步地，将上述步骤中丰、平、或欠对应的降水量值投影在差值栅格图中，并输出，进而可以对降水量变化情况进行评估。
进一步地，对所述丰、平、欠用不同的颜色或者透明度或者阴影线进行标记。
有益效果：区别于现有技术，本申请的有益效果是：本次计算方法可直接通过差值栅格图揭示生成区域的降水状况的丰、平、欠，并且，能根据年份的更新自动更新，进一步指导农牧业生产当中的用水需求；基于地理信息系统，与其他生态指标数据如植被指数、植被覆盖度、净初级生产力、地上生物量等进行相关性分析时无缝链接。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对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是本申请提供的降水状况评估方法的流程图。
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清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在目前降水状况评估中，现有技术中，只是能了解到降水的当前现状数据，即通过获取气象站点的点降水数据通过GIS插值方法处理生成当前区域的降水分布数据。评价降水状况只有加权马尔科夫链模型。但是，当前的降水现状数据只是揭示某一期降水的空间分布数值，无法揭示降水是高还是低，即没有形成评价降水状况的模型 。而加权马尔科夫链模型也只是基于RM软件的数学模型，无法展示区域降水状况评价的空间分布，更无法与基于GIS的地理信息大数据系统相融合。因此，显示当前区域的降水状况的升、降、平很有必要。。
为解决现有技术中只能获取当前降水状况的局限性，本申请提出了降水状况评估方法，具体请参阅图1，图1是本申请提供的降水状况评估方法流程图。
如图1所示，本实施例降水状况评估方法包括以下步骤：
步骤S100：获取气象站点的降水数据；
从中国气象数据网(http://data.cma.cn)或者中国气象科学数据共享服务网（cdc.cma.gov.cn）以及相关其他气象局网站等途径获取相应的降水数据，需要的降水数据包含日降水量数据、月总降水量、日蒸发数据、气象站点的位置信息、降水发生时间以及区站编号、站名、经纬度、海拔高度等信息等数据；并将上述数据投影到同一坐标系中。使用等面积的Albers投影。
对获取到的降水数据进行预处理，有一些值如999、9999、32700等是填充值，要先去掉；也剔除部分观测较多或者观测年限较短的站点；获得预处理后的生成区域的站点数量及站点对应的降水量数据；所述获得的预处理后的降水数据再进行后续处理。其中站点数据还包括地理坐标信息，站点的地理坐标信息主要通过经纬度生成。站点的经纬度信息是建立空间关系的基础。
步骤S200：根据所述获取到的预处理后的降水数据，生成不同期年的降水量栅格图；
该降水数据为上个步骤中经过预处理的降水数据；
对预处理后的降水数据插值处理得到每个气象站点的年降水量值。
综合所述降水数据中的降水量,结合每个站点的空间地理坐标信息，并借助利用ArcGIS平台空间分析模块，将各站点逐日降水统计数据计算为的目标区域的月度和/或年度降水矢量点图层，再使用ArcGIS平台空间分析模块中的kriging插值方法生成感生成区域年度降水量栅格图层；
ArcGIS平台空间分析模块中的kriging（克里金法）插值方法生成特定区域的月度和年度降水量栅格图层具体包括：包括按照预设规则，设置所述栅格图的行列数量和栅格尺寸；在本实施例中，设置统一的行列数量、栅格尺寸等，行列数量、栅格尺寸的设置依据经验值，并不限定具体的数值。
在诸多的插值法中，本申请优选使用kriging（克里金法）插值方法，是因为Kriging 法相较而言插值效果较好，能够较好的反映流域尺度的降水量空间分布格局；并且Kriging 法已经较为成熟，插值容易实现，较为简单易行。因此，综合考虑下本公开的申请最终采用了Kriging 法统计各生成区域的各站点降水量数据插值成连续的面状数据。
将各气象战点的降水数据插值成为降水量的栅格数据 ，这里以2000年至今的年降水数据为例。所述栅格中气象要素为每年的降水量；比如2000年，2010年，2018年等。
步骤S300：根据所述降水量栅格图，计算起始年份到目标年份的降水量平均值，生成年降水量均值栅格图；
301：使用ArcGIS中Raster Calculator工具（栅格计算器），对栅格中对栅格中的每一个期年的降水量数据进行平均值计算，计算各年份栅格数据的平均值。形成多年气象要素的时间序列，以分析降水量的在生成区域随年份的变化特征。
比如：计算2000年至今各期年降水栅格数据的均值，生成年降水均值栅格图 ，且该数据随年份的更新而自动更新。
使用Raster Calculator工具，直接选择所有要计算均值的图层，再计算均值即可；
以上所述：年降水量均值栅格图随着年份的更新而自动更新。比如：当前年份为2019年，那么这个2019年的降水量也要被算到均值里去，因为我在2019年的时候是不知道今年的降水量的，是按18年之前的算的；那么均值包括起始年份至当前年份的均值，如果当前年份更新，则均值更新。
步骤S400：计算目标期年与年降水均值的差值，获得差值栅格图。
使用ArcGIS中Raster Calculator工具，将目标期年降水栅格数据减去栅格中的降水量均值，获得降水量的差值，生成降水量差值栅格图，
所述栅格中降水量与平均值的差值在一定预设阈值范围内，记为平；小于预设阈值，记为丰；小于预设阈值的绝对值，记为欠；
该阈值一般为20，可以人工调整或者系统内置提前设定；比如差值在[-20,20]mm内则为平，说明当年降水量与过去N年的均值基本持平；比如，如果差值大于20mm,则说明当年降水量将过去N年的均值有所增加，记为丰；如果差值小于-20mm，则说明当年降水量将过去N年的均值有所减少，记为欠。
在所述差值阈值栅格中标记处当前年份的降水量为丰、平、还是欠。
进一步的，对于丰、平、或欠用不同的颜色或者透明度或者阴影线进行标记。
将上述步骤中丰、平、或欠对应的降水量值投影在差值栅格图中，并输出，进而可以对降水量变化情况进行评估，以用来预测未来的降水量趋势。能够进一步指导农牧业生产当中的用水需求；同时，可以基于地理信息系统，与其他生态指标数据如植被指数、植被覆盖度、净初级生产力、地上生物量等进行相关性分析时无缝链接。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种降水量状况评估方法，其特征在于， 包括以下步骤:
获取气象站点的降水数据并进行预处理；
根据所述获取到的预处理后的降水数据，生成不同期年的降水量栅格图；
根据所述降水量栅格图，计算起始年份到目标年份的降水量平均值，生成年降水量均值栅格图；
计算目标期年与所述年降水均值的差值，获得差值栅格图。
2.根据权利要求1所述的一种降水量状况评估方法，其特征在于，所述根据所述获取到的预处理后的降水数据，生成不同期年的降水量栅格图，包括：使用ArcGIS平台空间分析模块中的克里金插值方法生成年度降水量栅格图。
3.根据权利要求2所述的一种降水量状况评估方法，其特征在于，使用ArcGIS平台空间分析模块中的克里金插值方法生成年度降水量栅格图，包括按照预设规则，设置所述栅格图的行列数量和栅格尺寸。
4.根据权利要求1所述的一种降水量状况评估方法，其特征在于，根据所述降水量栅格图，计算起始年份到目标年份的降水量平均值，生成年降水量均值栅格图，包括：使用ArcGIS平台的栅格计算器，对栅格中的每一个期年的降水量数据进行平均值计算，计算各年份栅格数据的平均值。
5.根据权利要求4所述的一种降水量状况评估方法，其特征在于，所述降水量均值栅格图随年份的更新而自动更新。
6.根据权利要求1所述的一种降水量状况评估方法，其特征在于，所述计算目标期年与年降水均值的差值，获得差值栅格图的步骤之后，还包括以下步骤：按照年份输出降水量变化评估图。
7.根据权利要求6所述的一种降水量状况评估方法，其特征在于，所述计算目标期年与年降水均值的差值，获得差值栅格图的步骤还包括：使用ArcGIS中栅格计算器，将目标期年降水栅格数据减去栅格中的降水量均值，获得降水量的差值，生成目标期年的降水量差值栅格图。
8.根据权利要求7所述的一种降水量状况评估方法，其特征在于，所述栅格中降水量与平均值的差值在一定预设阈值范围内，记为平；小于预设阈值，记为丰；小于预设阈值的绝对值，记为欠。
9.根据权利要求8所述的一种降水量状况评估方法，其特征在于，将上述步骤中丰、平、或欠对应的降水量值投影在差值栅格图中，并输出，进而可以对降水量变化情况进行评估。
10.根据权利要求9所述的一种降水量状况评估方法，其特征在于，对所述丰、平、欠用不同的颜色或者透明度或者阴影线进行标记。
CN201911208823.2A 2019-11-30 2019-11-30 一种降水量状况评估方法 Pending CN110928973A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911208823.2A CN110928973A (zh) 2019-11-30 2019-11-30 一种降水量状况评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911208823.2A CN110928973A (zh) 2019-11-30 2019-11-30 一种降水量状况评估方法

Publications (1)

Publication Number Publication Date
CN110928973A true CN110928973A (zh) 2020-03-27

Family

ID=69848309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911208823.2A Pending CN110928973A (zh) 2019-11-30 2019-11-30 一种降水量状况评估方法

Country Status (1)

Country Link
CN (1) CN110928973A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111458770A (zh) * 2020-05-27 2020-07-28 上海眼控科技股份有限公司 降水量预报评估方法、装置、计算机设备及存储介质
CN113050195A (zh) * 2021-02-07 2021-06-29 国家气象中心(中央气象台) 一种小时分辨率降水过程辨识方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975791A (zh) * 2016-05-20 2016-09-28 南京信息工程大学 一种基于双平滑法的稀疏区域降水估算融合方法
CN106651723A (zh) * 2016-12-29 2017-05-10 环境保护部南京环境科学研究所 一种水源涵养功能保护红线的划定方法
CN109635352A (zh) * 2018-11-16 2019-04-16 西安理工大学 一种水源涵养功能生态红线区的划定方法
CN109856702A (zh) * 2019-01-29 2019-06-07 南京泛在地理信息产业研究院有限公司 一种基于聚类的降水日变化类型划分与空间分布提取方法
CN110020469A (zh) * 2019-03-21 2019-07-16 武汉大学 基于泊松回归和空间滤值的洪水预警分析方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975791A (zh) * 2016-05-20 2016-09-28 南京信息工程大学 一种基于双平滑法的稀疏区域降水估算融合方法
CN106651723A (zh) * 2016-12-29 2017-05-10 环境保护部南京环境科学研究所 一种水源涵养功能保护红线的划定方法
CN109635352A (zh) * 2018-11-16 2019-04-16 西安理工大学 一种水源涵养功能生态红线区的划定方法
CN109856702A (zh) * 2019-01-29 2019-06-07 南京泛在地理信息产业研究院有限公司 一种基于聚类的降水日变化类型划分与空间分布提取方法
CN110020469A (zh) * 2019-03-21 2019-07-16 武汉大学 基于泊松回归和空间滤值的洪水预警分析方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚磊: "皖北地区降水的时空演变特征分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111458770A (zh) * 2020-05-27 2020-07-28 上海眼控科技股份有限公司 降水量预报评估方法、装置、计算机设备及存储介质
CN113050195A (zh) * 2021-02-07 2021-06-29 国家气象中心(中央气象台) 一种小时分辨率降水过程辨识方法
CN113050195B (zh) * 2021-02-07 2022-07-15 国家气象中心(中央气象台) 一种小时分辨率降水过程辨识方法

Similar Documents

Publication Publication Date Title
US20220043182A1 (en) Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data
Aryal et al. Quantifying the sources of uncertainty in an ensemble of hydrological climate-impact projections
Mehrotra et al. A multivariate quantile-matching bias correction approach with auto-and cross-dependence across multiple time scales: Implications for downscaling
van Bussel et al. From field to atlas: upscaling of location-specific yield gap estimates
Lima et al. A local-regional scaling-invariant Bayesian GEV model for estimating rainfall IDF curves in a future climate
Kidd et al. Digital soil assessment of agricultural suitability, versatility and capital in Tasmania, Australia
Zhao et al. Ensemble forecasting of monthly and seasonal reference crop evapotranspiration based on global climate model outputs
CN110058329B (zh) 一种气象要素智能网格预报产品空间降尺度方法
Liu et al. Improving drought predictability in Arkansas using the ensemble PDSI forecast technique
CN114254802B (zh) 气候变化驱动下植被覆盖时空变化的预测方法
CN102722766A (zh) 基于修订的区域气候模式数据的小麦产量预测方法
Gouda et al. Evaluation of a GCM in seasonal forecasting of extreme rainfall events over continental India
CN112585505A (zh) 确定用于农学决策支持的位置特定的天气信息
CN116341841B (zh) 径流预报误差校正方法、装置、设备、介质和程序产品
Shin et al. Bias correction of RCM outputs using mixture distributions under multiple extreme weather influences
CN110928973A (zh) 一种降水量状况评估方法
Jung et al. Statistical modeling of near-surface wind speed: a case study from Baden-Wuerttemberg (Southwest Germany)
Bogner et al. Skill of hydrological extended range forecasts for water resources management in Switzerland
Johnson et al. A comprehensive continent-wide regionalisation investigation for daily design rainfall
Sisay et al. Daily climate data for the Amhara region in Northwestern Ethiopia
Frimane et al. Infinite hidden Markov model for short-term solar irradiance forecasting
Han et al. Dynamic change, driving mechanism and spatiotemporal prediction of the normalized vegetation index: a case study from Yunnan Province, China
CN107944466B (zh) 一种基于分段思想的降雨偏差纠正方法
Olsson et al. Budburst model performance: The effect of the spatial resolution of temperature data sets
Wagner et al. Integrated modeling of global change impacts on land and water resources

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 011517 room 2230, enterprise headquarters building, Shengle modern service industry cluster, Shengle economic Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region

Applicant after: Inner Mongolia Xiaocao digital Ecological Industry Co.,Ltd.

Applicant after: Mengcao ecological environment (Group) Co.,Ltd.

Address before: 011517 room 2230, enterprise headquarters building, Shengle modern service industry cluster, Shengle economic Park, Helingeer County, Hohhot City, Inner Mongolia Autonomous Region

Applicant before: Inner Mongolia mengcao life community big data Co.,Ltd.

Applicant before: INNER MONGOLIA MONGOLIAN GRASS ECOLOGICAL ENVIRONMENT (GROUP) Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200327