CN111596385A - 报文的生成方法、装置及系统 - Google Patents
报文的生成方法、装置及系统 Download PDFInfo
- Publication number
- CN111596385A CN111596385A CN202010405725.4A CN202010405725A CN111596385A CN 111596385 A CN111596385 A CN 111596385A CN 202010405725 A CN202010405725 A CN 202010405725A CN 111596385 A CN111596385 A CN 111596385A
- Authority
- CN
- China
- Prior art keywords
- weather
- prediction
- state
- generating
- live
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 60
- 238000001556 precipitation Methods 0.000 claims description 64
- 239000002131 composite material Substances 0.000 claims description 16
- 238000002310 reflectometry Methods 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 7
- 230000008014 freezing Effects 0.000 claims description 6
- 238000007710 freezing Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 description 21
- 238000004590 computer program Methods 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- GDOPTJXRTPNYNR-UHFFFAOYSA-N methyl-cyclopentane Natural products CC1CCCC1 GDOPTJXRTPNYNR-UHFFFAOYSA-N 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 208000029257 vision disease Diseases 0.000 description 1
- 230000004393 visual impairment Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W2001/003—Clear air turbulence detection or forecasting, e.g. for aircrafts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
-
- 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
Abstract
本发明提供一种报文的生成方法、装置及系统，该方法包括：获取机场预设气象预报系统中的气象预报数据，所述气象预报数据包括多个气象预报参数；根据所述气象预报数据生成气象预测数据，所述气象预测数据包括多个气象预测状态，所述气象预测状态用于表征预设时长内对应气象特征的气象状态；若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，所述趋势报文用于记录从所述实况气象监测状态至所述气象预测状态的状态变化。提高趋势报文生成的准确率和高效性，从而保证飞机着陆的安全性。
Description
技术领域
本发明涉及气象预报技术领域，尤其涉及一种报文的生成方法、装置及系统。
背景技术
随着我国航空运输业不断发展，飞机和航班数量的不断增加，对航空气象预报提出了更高的要求。其中趋势型着陆预报是指附带在机场例行天气预报、特殊天气预报后部表明该机场气象情况预期趋势的简要说明。其有效时段是从附着的机场天气报告时刻起2小时。必须指明以下一个或几个要素的重要变化：地面风、能见度、天气现象和云。由于国内航班的航程大多在2小时左右，因此，趋势性着陆预报对于航班放行有着十分重要的作用。
相对于市民接触的一般天气预报，航空预报更具有专业性，因此空管气象服务部门(尤其是中小机场气象台)需要进行人才培训，人才培训具有周期长、储备难、流失率高等特点。
现有技术通常依靠人工手动编译才可以得到着陆预报，但是人工编译用时较久，不仅编译效率较低，而且不利于及时的机场着陆预报。
发明内容
本发明提供一种报文的生成方法、装置及系统，以提高报文生成的准确率和高效性，从而保证飞机着陆的安全性。
第一方面，本发明实施例提供的一种报文的生成方法，包括：
获取机场预设气象预报系统中的气象预报数据，所述气象预报数据包括多个气象预报参数；
根据所述气象预报数据生成气象预测数据，所述气象预测数据包括多个气象预测状态，所述气象预测状态用于表征预设时长内对应气象特征的气象状态；
若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，所述趋势报文用于记录从所述实况气象监测状态至所述气象预测状态的状态变化。
在一种可能的设计中，根据所述气象预报数据生成气象预测数据，包括：
根据所述气象预报数据中的水平风预报参数、竖直风预报参数，生成风组预测状态；
获取所述气象预报数据中的能见度预报参数，得到能见度预测状态；
根据所述气象预报数据中的分类雨预报参数、分类冰粒预报参数、分类冻雨预报参数、分类雪预报参数，以及所述能见度预报参数，得到降水类天气现象预测状态的类型、视程障碍类天气现象预测状态。
在一种可能的设计中，所述方法还包括：
根据降水类天气现象预测状态的类型，结合复合反射率预报参数或者历史气象降水时间段，分别判断所述降水类天气现象的类型、所述复合反射率是否符合降水类对应的降水条件，若符合降水类对应降水条件中的至少一项，则生成降水类天气现象预测状态。
在一种可能的设计中，若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，包括：
若检测所述降水类天气现象预测状态、视程障碍类天气现象预测状态分别与实况气象监测状态之间的差异满足恶劣天气预设条件，则生成所述气象特征对应的趋势报文。
在一种可能的设计中，所述方法，还包括：
根据海拔层预报参数生成云高预测状态；
根据所述云高预测状态、降水类天气现象预测状态，以及视程障碍类天气现象预测状态，生成云组预测状态；
若所述云组预测状态与实况云组监测状态的差异满足预设条件，则生成云组对应的趋势报文。
在一种可能的设计中，若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，包括：
检测能见度预测状态与实况能见度监测状态是否属于同一能见度区间，若不属于所述同一能见度区间，则生成能见度对应的趋势报文。
在一种可能的设计中，若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，包括：
若所述风组预测状态与实况风组监测状态的差异满足预设风组变化条件，则生成风组对应的趋势报文。
在一种可能的设计中，所述方法，还包括：
通过文件监控器监测实况报文的推送，若检测实况报文产生，则获取所述实况气象监测状态。
第二方面，本发明实施例提供的一种报文的生成装置，包括：
获取模块，用于获取机场预设气象预报系统中的气象预报数据，所述气象预报数据包括多个气象预报参数；
生成模块，用于根据所述气象预报数据生成气象预测数据，所述气象预测数据包括多个气象预测状态，所述气象预测状态用于表征预设时长内对应气象特征的气象状态；
检测模块，用于若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，所述趋势报文用于记录从所述实况气象监测状态至所述气象预测状态的状态变化。
在一种可能的设计中，生成模块，具体用于：
根据所述气象预报数据中的水平风预报参数、竖直风预报参数，生成风组预测状态；
获取所述气象预报数据中的能见度预报参数，得到能见度预测状态；
根据所述气象预报数据中的分类雨预报参数、分类冰粒预报参数、分类冻雨预报参数、分类雪预报参数，以及所述能见度预报参数，得到降水类天气现象预测状态的类型、视程障碍类天气现象预测状态。
在一种可能的设计中，所述装置还包括：
根据降水类天气现象预测状态的类型，结合复合反射率预报参数或者历史气象降水时间段，分别判断所述降水类天气现象的类型、所述复合反射率是否符合降水类对应的降水条件，若符合降水类对应降水条件中的至少一项，则生成降水类天气现象预测状态。
在一种可能的设计中，所述检测模块，具体用于：
若检测所述降水类天气现象预测状态、视程障碍类天气现象预测状态分别与实况气象监测状态之间的差异满足恶劣天气预设条件，则生成所述气象特征对应的趋势报文。
在一种可能的设计中，所述装置，还包括：
根据海拔层预报参数生成云高预测状态；
根据所述云高预测状态、降水类天气现象预测状态，以及视程障碍类天气现象预测状态，生成云组预测状态；
若所述云组预测状态与实况云组监测状态的差异满足预设条件，则生成云组对应的趋势报文。
在一种可能的设计中，所述检测模块，具体用于：
检测能见度预测状态与实况能见度监测状态是否属于同一能见度区间，若不属于所述同一能见度区间，则生成能见度对应的趋势报文。
在一种可能的设计中，所述检测模块，具体用于：
若所述风组预测状态与实况风组监测状态的差异满足预设风组变化条件，则生成风组对应的趋势报文。
在一种可能的设计中，所述装置，还包括：
通过文件监控器监测实况报文的推送，若检测实况报文产生，则获取所述实况气象监测状态。
第三方面，本发明实施例提供的一种报文的生成系统，包括：存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行第一方面任一项所述的报文的生成方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项所述的报文的生成方法。
本发明提供一种报文的生成方法、装置及系统，该方法包括：获取机场预设气象预报系统中的气象预报数据，所述气象预报数据包括多个气象预报参数；根据所述气象预报数据生成气象预测数据，所述气象预测数据包括多个气象预测状态，所述气象预测状态用于表征预设时长内对应气象特征的气象状态；若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，所述趋势报文用于记录从所述实况气象监测状态至所述气象预测状态的状态变化。相对于现有技术在机场跑道附近设置观测站由专业的观测人员根据其多年天气观察的积累经验，依靠人工手动编译才可以得到着陆预报，不仅编译效率较低，而且不利于及时的机场着陆预报，因此应用本发明趋势报文的生成方法可以提高趋势报文生成的准确率和高效性，从而保证飞机着陆的安全性。
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一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一典型应用场景图；
图2为本发明实施例提供的一种报文的生成方法的流程图；
图3为本发明实施例提供的一种报文的生成装置的结构示意图；
图4为本发明实施例提供的一种报文的生成系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
趋势型着陆预报是指附带在机场例行天气预报、特殊天气预报后部表明该机场气象情况预期趋势的简要说明。其有效时段是从附着的机场天气报告时刻起2小时。必须指明以下一个或几个要素的重要变化：地面风、能见度、天气现象和云。现有技术通常依靠人工手动编译才可以得到着陆预报，但是人工编译用时较久，不仅编译效率较低，而且不利于及时得到机场着陆预报。
图1为本发明一典型应用场景图，如图1所示，航班飞机11在着陆之前，机场跑道附近的天气情况需要进行预测，若出现低云、能见度不佳甚至出现雷雨等天气时，更加需要生成趋势报文，以通过对天气情况的预测保证飞机降落的安全性。现有技术通过在跑道附近设置观测站通过观测员以及长期天气的积累经验来进行天气预测，这样的时效性不高。因此本发明采用自动化趋势报文的生成方法可以在METAR报出现后，3-5分钟内生成准确的趋势报文，提高趋势报文生成的时效性，从而提高飞机着陆的安全性。其中趋势报文为全球趋势型着陆预报，又可称为着陆预报。
图2为本发明实施例提供的一种报文的生成方法的流程图，如图2所示，本实施例中趋势报文的生成方法可以包括：
S201、获取机场预设气象预报系统中的气象预报数据，气象预报数据包括多个气象预报参数。
具体的，机场预设气象预报系统可以包括5M系统，全称为快速循环更新数值预报系统，一种数值模式预报系统，每个一小时发报一次，预测间隔为20分钟；且其中气象预报参数可以包括：U(地面风U分量)，V(地面风V分量)，gust(阵风)，vis(能见度)，dpt(露点温度)，rh(相对湿度)，temperature(温度)，sf(雪水当量)，cp(一小时对流性降水量)，tp(一小时降水量)，tcc(总云量)，lcc(低云量),refc(符合反射率)，cape(对流有效位能)，crain(分类雨)，cicep(分类冰粒)，cfrzr(分类冻雨)，csnow(分类雪)。以便后续根据这些气象预报参数，生成航空气象预报对应的多项气象预测数据，进而确定趋势报文，其中趋势报文可以对未来2小时内天气趋势预测，其还可以包括NOSIG、TEMPO，以及BECMG三小类，每一类中可以包括气象特征对应的趋势报文，其中气象特征可以包括风组、能见度、天气现象以及云组。上述5M系统不同于GFS系统数值模式，GFS每六个小时发报一次，预测间隔为1小时。本实施例中将从5M系统获得的气象预报数据存储于数据库中，以便后续根据生成的实况报文，进一步生成对应的趋势报文。
S202、根据气象预报数据生成气象预测数据，气象预测数据包括多个气象预测状态，气象预测状态用于表征预设时长内对应气象特征的气象状态。
本实施例中气象预测数据可以包括风组预测状态、能见度预测状态、降水类天气现象预测状态、视程障碍类天气现象预测状态、降水类天气现象预测状态、云高预测状态以及云组预测状态。以便检测是否需要生成趋势报文。
S203、若气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成气象特征对应的趋势报文，趋势报文用于记录从实况气象监测状态至气象预测状态的状态变化。
结合上述各项气象预测数据，根据各项气象预测状态与其对应的实况气象监测状态之间的差异满足预设条件，则生成气象特征对应的趋势报文。其中预设条件可以包括出现恶劣天气现象，出现450米以下多云或者满天云，是否属于同一能见度区间，以及风速的变化超过5米/s等等。且趋势报文中NOSIG、TEMPO、BECMG分别表示未来2小时内天气没有明显变化，气象要素达到或经过特定值的预期短暂波动，要素以规则或不规则的速度达到或经过特定值的预期变化。
本实施例可以实时监控实况报文信息，在Metar报出现后，3分钟内生成(最晚5分钟内)，自动生成准确率较高的趋势报文，提升报文编发工作的速度与质量，进而保证飞机着陆的安全性。
结合上述图2所示的实施例，根据气象预报数据生成气象预测数据可以进一步采用以下方式实现，具体的根据气象预报数据中的水平风预报参数、竖直风预报参数，生成风组预测状态；获取气象预报数据中的能见度预报参数，得到能见度预测状态；根据气象预报数据中的分类雨预报参数、分类冰粒预报参数、分类冻雨预报参数、分类雪预报参数，以及能见度预报参数，得到降水类天气现象预测状态的类型、视程障碍类天气现象预测状态。
例如，根据气象预报数据中的水平风预报参数U、竖直风预报参数V，生成风组预测状态，其中风组预测状态可以包括风向预测状态和风速预测状态，并分别采用如下公式一、公式二获得风角
(即可以生成风向预测状态)和风速W(即可以生成风速预测状态)。
在一种可选的实施例中，从快速循环更新数值预报数据(5M)，提取能见度量预报参数即可生成能见度预测状态。
又例如，天气现象可以分为降水类和视程障碍类，其中降水类包括：雨(RA)、阵雨(SHRA)、雷雨(TSRA)、冻雨(FZRA)、雪(SN)，视程障碍类包括：轻雾(BR)、雾(FG)、冻雾(FZFG)、霾(HZ)。
其中气象预报参数可以包括：cape(对流有效位能)，crain(分类雨)，cicep(分类冰粒)，cfrzr(分类冻雨)，csnow(分类雪)，以及复合反射率refc。根据气象预报数据中的crain(分类雨)，cicep(分类冰粒)，cfrzr(分类冻雨)，csnow(分类雪)，可以得到降水类天气现象预测状态的类型，例如crain(分类雨)，cicep(分类冰粒)，cfrzr(分类冻雨)，csnow(分类雪)数据备注为1时，则可以分别得到对应降水类天气现象预测状态的类型。
再例如，根据温度预报参数，以及能见度预报参数，结合视程障碍类天气现象预报状态类别对应的能见度预判条件，若符合能见度预判条件中的一项，则生成视程障碍类天气现象预测状态。
本实施例中从5M获取温度预报参数，并采用如下公式三转化为摄氏温如单位对应的温度，进一步结合能见度预报参数，进而可以生成视程障碍类天气现象预测状态。例如当temperature＞0时：如果vis≤1000，则FG；如果1000＜vis≤5000，则为BR；如果5000＜vis＜10000同时2r＜80％，则为HZ；当temperature≤0时：如果vis＞1000，则无值；如果vis≤1000，则为FZFG。
℃＝°K-273.15 公式三
天气现象由降水类和视程障碍类组成。只要有一项满足其对应的预设条件就可以生成气象预测状态。
在一种可选的实施例中，根据降水类天气现象预测状态的类型，结合复合反射率预报参数或者历史气象降水时间段，分别判断降水类天气现象的类型、复合反射率是否符合降水类对应的降水条件，若符合降水类对应降水条件中的至少一项，则生成降水类天气现象预测状态。
例如当crain＝1时，如果0<refc<＝30，则为-RA；如果30<refc<＝40，则为RA；如果refc>40，则为+RA。进而结合历史气象降水时间段(例如4月-10月)，则降水类天气现象的符号不变，则需在RA之前添加SH；进一步的符合SH基础上，当cape>1000且refc>45时，则为TSRA，且符号不变。
例如当cfrzr＝1时，如果0<refc<＝20，则为-FZRA；如果20<refc<＝35，则为FZRA；如果refc>35，则为+FZRA。
又例如当cicep＝1，则为BL；如果refc>0，BL后增加FZRA；如果0<refc<＝20，则为-RA；如果20<refc<＝35，则为RA；如果refc>35，则为+RA。
再例如当csnow＝1时，如果10<refc<＝20，则为-SN；如果20<refc<＝30，则为SN；如果refc>30，则为+SN；如果refc>55，则为GR。
在一种可选的实施例中，如果crain，cfrzr，csnow，cicep等于预设数据0且refc>10，则将crain设为1，天气现象为-RA。
结合上述图2所示的实施例，若气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成气象特征对应的趋势报文可以进一步采用以下方式实现，若检测降水类天气现象预测状态、视程障碍类天气现象预测状态分别与实况气象监测状态之间的差异满足恶劣天气预设条件，则生成气象特征对应的趋势报文。
例如若检测降水类天气现象预测状态、视程障碍类天气现象预测状态分别与实况气象监测状态之间的差异满足恶劣天气预设条件，其中预设条件可以包括出现恶劣天气现象，例如能见度不佳(例如能见度低于500米)、阵雨或者雷雨等等；或者还可以包括恶劣天气现象消失。
在一种可选的实施例中,根据海拔层预报参数生成云高预测状态；根据云高预测状态、降水类天气现象预测状态，以及视程障碍类天气现象预测状态，生成云组预测状态；若云组预测状态与实况云组监测状态的差异满足预设条件，则生成云组对应的趋势报文。其中云组预测状态包括云高预测状态、云量预测状态，以及云状预测状态。
具体的，根据海拔层预报参数生成云高预测状态。例如，海拔层level分别取1000，975，950，925，900，875，850这几层，则对应的云高预测状态分别为007、011、023、030、033、040、045。一种可选的实施例中，将海拔层从左到右划分为Level＝【1000,975】、【950、925】、【900、875、850】三组，且该三组海拔层对应的优先级依次从高到低设置。在检测过程中若不符合某组海拔层，则跳过此组海拔层，进行下一组海拔层的检测。
进而根据云高预测状态、降水类天气现象预测状态，以及视程障碍类天气现象预测状态，生成云组预测状态中云量预测状态。例如，如果level＝1000：tcc>75时：则云组＝BKN007；tcc>95时，BKN005；tcc>90且湿度>95％,BKN003；tcc>95且湿度>95％,BKN002。
在一种可选的实施例中检测能见度预测状态是否符合能见度预设范围中的一项，若符合能见度预设范围中的一项，则确定云组预测状态。例如，vis>800时，如果level＝850：0<tcc<＝25，则云组＝FEW045；25<tcc<＝50，则云组＝SCT045；50<tcc<＝75，则云组＝BKN045；tcc>75，则云组＝OVC045；又例，如果level＝850及以下的tcc都无值，则云组＝NSC。又例如，当600＜vis≤800时，云组＝VV003；当350＜vis≤600时，云组＝VV002；当0＜vis≤350时，云组＝VV001，其中VV表明天空状态不明跟随百英尺为单位的垂直能见度。在一种可选的实施例中，检测存在预设降水类天气现象预测状态，且云组预测状态中存在第二层云信息，则确定云状预测状态中的第二层云状信息；若云组预测状态中不存在第二层云信息，则添加云状预测状态中的第二层云状信息；若云组预测状态中存在第一层云信息，则生成云状预测状态中的第一层云状信息。
再例如，如果存在TSRA或SHRA(阵雨或雷雨)等降水类天气现象预测状态，则确定云组预测状态中的云状预测状态。一种可选的实施例中云组预测状态还包括云状预测状态，其中云状中的云层定义为第一层云信息：任何数量的最低云层，第二层云信息：多于20KTA(八分量(okta)云量记录和编制天气报电码的一种单位，即云遮蔽天空八分之见的量)的独立云层，第三层云信息：多于40KTA的较高云层。检测存在预设降水类天气现象预测状态，例如存在TSRA或SHRA(阵雨或雷雨)，例如在云组预测状态中不低于100米的云层(暂定是第二层云信息)最后加“CB”(即确定第二层云状信息)，如果没有第二层云信息，则添加第二层云状信息，例如第二层云信息不存在时，在第二层云信息添加“CB”后，得到“SCT033CB”(即添加第二层云状信息)；又例如当存在第一层云信息(BKN003)时，则添加OVC015CB(即生成第一层云状信息)。
本实施例中通过定义报文信息的生成规则，缩短报文信息生成的时间，节省人力成本，提高趋势报文生成的效率和准确率。
进而若云组预测状态与实况云组监测状态的差异满足预设条件，则生成云组对应的趋势报文。其中预设条件可以包括是否出现450米以下多云或者满天云，还可以包括450米以下多云或者满天云消失，若检测满足预设条件，则生成云组对应的趋势报文，例如BECMG 2050TL+TSRA BKN030CB。
结合上述图2所示的实施例，若气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成气象特征对应的趋势报文可以进一步采用以下方式实现，具体的检测能见度预测状态与实况能见度监测状态是否属于同一能见度区间，若不属于同一能见度区间，则生成能见度对应的趋势报文。
本实施例中能见度区间可以划分为小于150米、大于等于350小于600米、大于等于600米小于800米，以及大于800米小于1500米等等。例如当能见度预测状态与实况能见度监测状态属于同一能见度区间，例如能见度预测状态低于500米，而实况能见度状态大于500米，则不属于同一能见度区间，且该能见度预测状态低于500米时，导致航班无法降落，故生成趋势报文中的能见度特征项。
结合上述图2所示的实施例，若气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成气象特征对应的趋势报文可以进一步采用以下方式实现，具体的，若风组预测状态与实况风组监测状态的差异满足预设风组变化条件，则生成风组对应的趋势报文。
本实施例中，若风组预测状态与实况风组监测状态的差异满足风速的变化超过5米/s，其中预设风组变化条件为风速变化大于等于5米/s，则生成风组对应的趋势报文，例如WS ALL RWY。
在一种可选的实施例中，将Metar报文当做报文头，该趋势报文跟随其后，根据出现变化的规律来确定用TEMPO还是BECMG，且根据出现变化的时间来确定使用FM或者TL来修饰出现变化的时间段，其中，FM：用来修饰趋势报文中预测的时间，后面紧跟预测变化发生的时间，表示从该时间开始出现变化TL：用来修饰趋势报文中预测的时间，后面紧跟预测变化发生的时间，表示到该时间，变化完成。
本实施例中根据5M解析后的各项气象预报参数，结合定义规则在Metar报出现后，3分钟内生成(最晚5分钟内)自动生成准确度更加的趋势报文，从而提高趋势报文的高效性，以保证飞机着陆的安全性。
在一种可选的实施例中，还包括：通过文件监控器监测实况报文的推送，若检测实况报文产生，则获取实况气象监测状态。
本实施例中可以通过WatchService用来观察被注册了的实况报文所有的变化和事件，若检测有新的实况报文产生，则获取实况气象监测状态。例如实况报文中可以包括地名代码、观测时间、地面风向和风速、能见度、天气现象、天空云组以及温度/露点。
本实施例中按固定时间间隔在指定地点观测到的气象情况的报告。一般可以根据气象主管部门的要求，每半个时或1小时发布一次。其中METAR报中依次包含有地名代码、观测时间、地面风向和风速、能见度、天气现象、天空状况、温度露点，以及观测到的场面气压，后面还可以包括风切变警报、趋势着陆报。
图3为本发明实施例提供的一种报文的生成装置的结构示意图，如图3所示，本实施例的趋势报文生成的装置可以包括：
获取模块31，用于获取机场预设气象预报系统中的气象预报数据，气象预报数据包括多个气象预报参数；
生成模块32，用于根据气象预报数据生成气象预测数据，气象预测数据包括多个气象预测状态，气象预测状态用于表征预设时长内对应气象特征的气象状态；
检测模块33，用于若气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成气象特征对应的趋势报文，趋势报文用于记录从实况气象监测状态至气象预测状态的状态变化。
在一种可能的设计中，生成模块32，具体用于：
根据气象预报数据中的水平风预报参数、竖直风预报参数，生成风组预测状态；
获取气象预报数据中的能见度预报参数，得到能见度预测状态；
根据气象预报数据中的分类雨预报参数、分类冰粒预报参数、分类冻雨预报参数、分类雪预报参数，以及能见度预报参数，得到降水类天气现象预测状态的类型、视程障碍类天气现象预测状态。
在一种可能的设计中，装置还包括：
根据降水类天气现象预测状态的类型，结合复合反射率预报参数或者历史气象降水时间段，分别判断降水类天气现象的类型、复合反射率是否符合降水类对应的降水条件，若符合降水类对应降水条件中的至少一项，则生成降水类天气现象预测状态。
在一种可能的设计中，检测模块33，具体用于：
若检测降水类天气现象预测状态、视程障碍类天气现象预测状态分别与实况气象监测状态之间的差异满足恶劣天气预设条件，则生成气象特征对应的趋势报文。
在一种可能的设计中，装置还包括：
根据海拔层预报参数生成云高预测状态；
根据云高预测状态、降水类天气现象预测状态，以及视程障碍类天气现象预测状态，生成云组预测状态；
若云组预测状态与实况云组监测状态的差异满足预设条件，则生成云组对应的趋势报文。
在一种可能的设计中，检测模块33，具体用于：
检测能见度预测状态与实况能见度监测状态是否属于同一能见度区间，若不属于同一能见度区间，则生成能见度对应的趋势报文。
在一种可能的设计中，检测模块33，具体用于：
若风组预测状态与实况风组监测状态的差异满足预设风组变化条件，则生成风组对应的趋势报文。
在一种可能的设计中，装置，还包括：
通过文件监控器监测实况报文的推送，若检测实况报文产生，则获取实况气象监测状态。
本实施例的趋势报文的生成装置，可以执行图2所示方法中的技术方案，其具体实现过程和技术原理参见图2所示方法中的相关描述，此处不再赘述。
图4为本发明实施例提供的一种报文的生成系统的结构示意图，如图4所示，本实施例的报文的生成系统40可以包括：处理器41和存储器42。
存储器42，用于存储计算机程序(如实现上述趋势报文的生成方法的应用程序、功能模块等)、计算机指令等；
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
处理器41，用于执行存储器42存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器41和存储器42可以是独立结构，也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时，存储器42、处理器41可以通过总线43耦合连接。
本实施例的服务器可以执行图2所示方法中的技术方案，其具体实现过程和技术原理参见图2所示方法中的相关描述，此处不再赘述。
此外，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当用户设备的至少一个处理器执行该计算机执行指令时，用户设备执行上述各种可能的。
其中，计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。
本领域普通技术人员可以理解：实现上述各实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。
Claims (10)
1.一种报文的生成方法，其特征在于，包括：
获取机场预设气象预报系统中的气象预报数据，所述气象预报数据包括多个气象预报参数；
根据所述气象预报数据生成气象预测数据，所述气象预测数据包括多个气象预测状态，所述气象预测状态用于表征预设时长内对应气象特征的气象状态；
若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，所述趋势报文用于记录从所述实况气象监测状态至所述气象预测状态的状态变化。
2.根据权利要求1所述的方法，其特征在于，根据所述气象预报数据生成气象预测数据，包括：
根据所述气象预报数据中的水平风预报参数、竖直风预报参数，生成风组预测状态；
获取所述气象预报数据中的能见度预报参数，得到能见度预测状态；
根据所述气象预报数据中的分类雨预报参数、分类冰粒预报参数、分类冻雨预报参数、分类雪预报参数，以及所述能见度预报参数，得到降水类天气现象预测状态的类型、视程障碍类天气现象预测状态。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据降水类天气现象预测状态的类型，结合复合反射率预报参数或者历史气象降水时间段，分别判断所述降水类天气现象的类型、所述复合反射率是否符合降水类对应的降水条件，若符合降水类对应降水条件中的至少一项，则生成降水类天气现象预测状态。
4.根据权利要求3所述的方法，其特征在于，若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，包括：
若检测所述降水类天气现象预测状态、视程障碍类天气现象预测状态分别与实况气象监测状态之间的差异满足恶劣天气预设条件，则生成所述气象特征对应的趋势报文。
5.根据权利要求4所述的方法，其特征在于，所述方法，还包括：
根据海拔层预报参数生成云高预测状态；
根据所述云高预测状态、降水类天气现象预测状态，以及视程障碍类天气现象预测状态，生成云组预测状态；
若所述云组预测状态与实况云组监测状态的差异满足预设条件，则生成云组对应的趋势报文。
6.根据权利要求2所述的方法，其特征在于，若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，包括：
检测能见度预测状态与实况能见度监测状态是否属于同一能见度区间，若不属于所述同一能见度区间，则生成能见度对应的趋势报文。
7.根据权利要求2-6中任一项所述的方法，其特征在于，若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，包括：
若所述风组预测状态与实况风组监测状态的差异满足预设风组变化条件，则生成风组对应的趋势报文。
8.根据权利要求1所述的方法，其特征在于，所述方法，还包括：
通过文件监控器监测实况报文的推送，若检测实况报文产生，则获取所述实况气象监测状态。
9.一种报文的生成装置，其特征在于，包括：
获取模块，用于获取机场预设气象预报系统中的气象预报数据，所述气象预报数据包括多个气象预报参数；
生成模块，用于根据所述气象预报数据生成气象预测数据，所述气象预测数据包括多个气象预测状态，所述气象预测状态用于表征预设时长内对应气象特征的气象状态；
检测模块，用于若所述气象预测状态与实况气象监测状态之间的差异满足预设条件，则生成所述气象特征对应的趋势报文，所述趋势报文用于记录从所述实况气象监测状态至所述气象预测状态的状态变化。
10.一种报文的生成系统，其特征在于，包括：存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-8任一项所述的报文的生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010405725.4A CN111596385A (zh) | 2020-05-14 | 2020-05-14 | 报文的生成方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010405725.4A CN111596385A (zh) | 2020-05-14 | 2020-05-14 | 报文的生成方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111596385A true CN111596385A (zh) | 2020-08-28 |
Family
ID=72188846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010405725.4A Pending CN111596385A (zh) | 2020-05-14 | 2020-05-14 | 报文的生成方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111596385A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101408842A (zh) * | 2008-11-14 | 2009-04-15 | 山东省气象台 | 一种数字化天气预报制作的方法 |
| CN101533106A (zh) * | 2009-03-23 | 2009-09-16 | 民航数据通信有限责任公司 | 提取气象数据的方法和装置 |
| CN101592740A (zh) * | 2006-12-08 | 2009-12-02 | 国家气象信息中心 | 气象数据的北斗卫星自动发送系统 |
| CN101806925A (zh) * | 2010-03-05 | 2010-08-18 | 北京佳讯飞鸿电气股份有限公司 | 铁路接触网霜冻预测 |
| CN102305951A (zh) * | 2011-06-09 | 2012-01-04 | 民航数据通信有限责任公司 | 用于判断重大天气变化的数据处理系统及方法 |
| CN103729536A (zh) * | 2012-07-31 | 2014-04-16 | 通用电气公司 | 用于提供飞行中气象数据的方法和装置 |
| US20140327547A1 (en) * | 2010-04-09 | 2014-11-06 | Weather Decision Technologies | Multimedia alerting |
| CN206908631U (zh) * | 2017-06-27 | 2018-01-19 | 武汉中心气象台(长江流域水文气象预报台湖北省决策气象服务中心) | 一种天气预报业务质量实时检验评估系统 |
| CN107991978A (zh) * | 2017-10-23 | 2018-05-04 | 北京迈特力德信息技术有限公司 | 一种基于航空气象数据的飞行决策方法及系统 |
| CN108418822A (zh) * | 2018-03-06 | 2018-08-17 | 杜刚 | 航空气象的taf报文自动编译方法、系统及终端 |
| CN109188564A (zh) * | 2018-09-26 | 2019-01-11 | 武汉东湖大数据交易中心股份有限公司 | 一种智能交通气象监测系统 |
| WO2019126707A1 (en) * | 2017-12-21 | 2019-06-27 | Climacell Inc. | Improved real-time weather forecasting system |
| CN110770610A (zh) * | 2017-05-01 | 2020-02-07 | I.M.系统集团公司 | 模拟、记录和预测对流气象的自学习即时预报系统 |
-
2020
- 2020-05-14 CN CN202010405725.4A patent/CN111596385A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101592740A (zh) * | 2006-12-08 | 2009-12-02 | 国家气象信息中心 | 气象数据的北斗卫星自动发送系统 |
| CN101408842A (zh) * | 2008-11-14 | 2009-04-15 | 山东省气象台 | 一种数字化天气预报制作的方法 |
| CN101533106A (zh) * | 2009-03-23 | 2009-09-16 | 民航数据通信有限责任公司 | 提取气象数据的方法和装置 |
| CN101806925A (zh) * | 2010-03-05 | 2010-08-18 | 北京佳讯飞鸿电气股份有限公司 | 铁路接触网霜冻预测 |
| US20140327547A1 (en) * | 2010-04-09 | 2014-11-06 | Weather Decision Technologies | Multimedia alerting |
| CN102305951A (zh) * | 2011-06-09 | 2012-01-04 | 民航数据通信有限责任公司 | 用于判断重大天气变化的数据处理系统及方法 |
| CN103729536A (zh) * | 2012-07-31 | 2014-04-16 | 通用电气公司 | 用于提供飞行中气象数据的方法和装置 |
| CN110770610A (zh) * | 2017-05-01 | 2020-02-07 | I.M.系统集团公司 | 模拟、记录和预测对流气象的自学习即时预报系统 |
| CN206908631U (zh) * | 2017-06-27 | 2018-01-19 | 武汉中心气象台(长江流域水文气象预报台湖北省决策气象服务中心) | 一种天气预报业务质量实时检验评估系统 |
| CN107991978A (zh) * | 2017-10-23 | 2018-05-04 | 北京迈特力德信息技术有限公司 | 一种基于航空气象数据的飞行决策方法及系统 |
| WO2019126707A1 (en) * | 2017-12-21 | 2019-06-27 | Climacell Inc. | Improved real-time weather forecasting system |
| CN108418822A (zh) * | 2018-03-06 | 2018-08-17 | 杜刚 | 航空气象的taf报文自动编译方法、系统及终端 |
| CN109188564A (zh) * | 2018-09-26 | 2019-01-11 | 武汉东湖大数据交易中心股份有限公司 | 一种智能交通气象监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nygaard et al. | Prediction of in-cloud icing conditions at ground level using the WRF model | |
| CN103033855B (zh) | 电网气象灾害监测预警系统 | |
| CN111508279A (zh) | 一种天气避让场划设的方法 | |
| Yao et al. | Toward simulation and risk assessment of weather-related outages | |
| CN111552011A (zh) | Taf报文的生成方法、装置及系统 | |
| Watson et al. | The relationship of lightning to surface convergence at Kennedy Space Center: A preliminary study | |
| CN111596385A (zh) | 报文的生成方法、装置及系统 | |
| Schulz | Revision of the turbulent gust diagnostics in the COSMO model | |
| Manobianco et al. | Evaluation of the 29-km Eta model. Part II: Subjective verification over Florida | |
| CN111599162A (zh) | 报文的测试方法、装置及系统 | |
| Rossi et al. | Real-time hazard approximation of long-lasting convective storms using emergency data | |
| Cunningham et al. | 540 The Utilization of Current Forecast Products in a Probabilistic Airport Capacity Model | |
| Ellrod et al. | Experimental GOES sounder products for the assessment of downburst potential | |
| Vaillancourt et al. | Comparison of aircraft observations with mixed-phase cloud simulations | |
| CN113487914A (zh) | 基于机场气象报文的低着陆运行标准识别告警方法 | |
| Hirashima et al. | Development of a Snow Load Alert System,“YukioroSignal” for Aiding Roof Snow Removal Decisions in Snowy Areas in Japan | |
| Elíasson et al. | Wet snow icing-Comparing simulated accretion with observational experience | |
| Smith et al. | Cold fronts research: The Australian summertime “cool change” | |
| Gelpi et al. | Study of NWP parameterizations on extreme precipitation events over Basque Country | |
| CN112101639A (zh) | 一种基于多源气象数据的机场通行能力分析方法及系统 | |
| Wang | Analysis and prediction of weather impacted ground stop operations | |
| CN114355482B (zh) | 基于光流和气象数值预报的强对流天气识别方法及系统 | |
| Jones | Simulation of meteorological fields for icing applications at the summit of mount Washington | |
| Hand | The Met Office convection diagnosis scheme | |
| Jenamani et al. | Final Report of IGI Airport, New Delhi, India |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240126 |