CN111679345A - 提取航空气象要素值的方法与设备 - Google Patents
提取航空气象要素值的方法与设备 Download PDFInfo
- Publication number
- CN111679345A CN111679345A CN202010420737.4A CN202010420737A CN111679345A CN 111679345 A CN111679345 A CN 111679345A CN 202010420737 A CN202010420737 A CN 202010420737A CN 111679345 A CN111679345 A CN 111679345A
- Authority
- CN
- China
- Prior art keywords
- index
- target airport
- data
- meteorological element
- data record
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45504—Abstract machines for programme code execution, e.g. Java virtual machine [JVM], interpreters, emulators
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的目的是提供一种提取航空气象要素值的方案。该方案先获取数值模式预报数据,再基于用户配置生成包含目标机场的信息和待提取的航空气象要素信息的配置文件,然后根据所述配置文件调用应用程序接口,解析所述数值模式预报数据,得到所述目标机场的航空气象要素值。与现有技术相比,本申请通过调用应用程序接口,可以对所述数值模式预报数据进行快速检索,进而可以快速、高效、便利地提取所述目标机场的航空气象要素值,提升航空气象服务工作的效率。
Description
技术领域
本申请涉及信息技术领域,尤其涉及一种提取航空气象要素值的技术。
背景技术
在航空气象服务工作中,必须对当前的天气状况和未来的天气变化有充分的了解。民用航空气象工作的基本任务是探测、收集、分析、处理气象资料,制作发布航空气象产品,主要为航空公司、空中交通管制部门、机场及其它与航空有关的部门及时、准确地提供民用航空活动所需的气象信息,为飞行安全、正常和效率服务。
TAF(Terminal Aerodrome Forecasts)报文是其中一类重要的航空气象产品,它是机场气象台在特定的时间发布的,以该机场跑道中心点为中心,以50公里为半径的范围内特定时段预期气象情况的简要说明。制作TAF报文时需要知道机场附近未来的天气状况,这些天气预报的信息通常由数值模式提供。
目前,绝大多数数值模式提供的数据产品都是GRIB格式,用于网格数据的储存与交换。GRIB是世界气象组织(WMO)建议并通过的一种二进制格式,采用压缩数据表示形式,压缩率一般在50%以上,可用来有效地存储和传输气象和海洋的物理量场和描述它们的元数据,被广泛地用于数值模式。
数值模式数据产品通常包含数目众多的空间上三维的气象要素,如何高效地从数值模式数据中提取目标机场所在位置的特定的气象要素信息,是业务中面临的一个难题。由于GRIB包含GRIB1和GRIB2两种版本,格式编码较为复杂,大量使用模板,各种不同的气象机构发布的数据模板都不尽相同,给使用者带来很大的困难。尽管有一些工具或语言(如Grads、NCL和MATLAB等)能用来读取GRIB数据,但要么是命令行工具,要么编程效率低,仍然存在效率低、读取不方便等问题。
发明内容
本申请的一个目的是提供一种提取航空气象要素值的方法与设备,以解决从数值模式预报产品中提取航空气象要素值效率低和难度大的问题。
根据本申请的一个方面,提供了一种提取航空气象要素值的方法,其中,所述方法包括:
获取数值模式预报数据;
基于用户配置生成配置文件,其中,所述配置文件包括目标机场的信息和待提取的航空气象要素信息;
根据所述配置文件调用应用程序接口,解析所述数值模式预报数据,得到所述目标机场的航空气象要素值。
根据本申请的另一个方面,还提供了一种提取航空气象要素值的设备,其中,所述设备包括:
输入模块,用于获取数值模式预报数据;
配置模块,用于基于用户配置生成配置文件,其中,所述配置文件包括目标机场的信息和待提取的航空气象要素信息;
解析模块,用于根据所述配置文件调用应用程序接口,解析所述数值模式预报数据,得到所述目标机场的航空气象要素值。
根据本申请的又一个方面,还提供了一种计算设备,其中,该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发所述设备执行所述的提取航空气象要素值的方法。
根据本申请的又一个方面,还提供了一种计算机可读介质,其上存储有计算机程序指令,所述计算机可读指令可被处理器执行以实现所述的提取航空气象要素值的方法。
本申请提供的方案中,先获取数值模式预报数据,再基于用户配置生成包含目标机场的信息和待提取的航空气象要素信息的配置文件,然后根据所述配置文件调用应用程序接口,解析所述数值模式预报数据,得到所述目标机场的航空气象要素值。与现有技术相比,本申请通过调用应用程序接口,可以对所述数值模式预报数据进行快速检索,进而可以快速、高效、便利地提取所述目标机场的航空气象要素值,提升航空气象服务工作的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其他特征、目的和优点将会变得更明显:
图1是根据本申请实施例的一种提取航空气象要素值的方法流程图;
图2是根据本申请实施例的一种提取航空气象要素值的设备示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的装置或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
本申请实施例提供了基于数值模式预报数据提取航空气象要素值的方法,基于Python语言和ecCodes包,通过编写自定义的API(应用程序接口),可以实现快速、高效、便利地程序化提取目标机场的特定航空气象要素值,提升航空气象服务工作的效率,为其他航空气象业务提供支撑。
在实际场景中,执行该方法的设备可以是用户设备、网络设备或者用户设备与网络设备通过网络相集成所构成的设备。其中,所述用户设备包括但不限于个人计算机(PC)等终端设备,所述网络设备包括但不限于网络主机、单个网络服务器、多个网络服务器集或基于云计算的计算机集合等实现。在此,云由基于云计算(Cloud Computing)的大量主机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟计算机。
图1是根据本申请实施例的一种提取航空气象要素值的方法流程图,该方法包括步骤S101、步骤S102和步骤S103。
步骤S101,获取数值模式预报数据。
例如,常见的数值预报产品包括GFS(美国环境预报中心业务预报模式)、ECTHIN(欧洲中期天气预报中心业务预报模式)、Grapes(中国气象局业务预报模式)等模式预报数据,这些数值模式预报数据全部采用GRIB格式。
在一个实施例中,所述数值模式预报数据为GRIB格式。因数值模式预报数据大多为GRIB格式,本申请实施例主要针对GRIB格式数值模式预报数据进行处理。
步骤S102,基于用户配置生成配置文件,其中,所述配置文件包括目标机场的信息和待提取的航空气象要素信息。
例如,用户可以配置目标机场和待提取的航空气象要素信息,在此,基于用户配置生成配置文件,所述配置文件可以json格式存储。
在一个实施例中,所述目标机场的信息包括所述目标机场的地理经纬度信息。例如,所述配置文件包括两方面的内容:一,目标机场的地理经纬度信息;二,待提取的航空气象要素信息
在一个实施例中,所述目标机场的个数为一个或多个。例如,若采用json格式,以两个机场为例,关于所述目标机场的信息的举例如下:
其中,ZSOF和ZSHC为机场代号,两个大括号内分别是两个机场各自的地理经纬度信息。
在一个实施例中,所述待提取的航空气象要素信息包含的气象变量的个数为一个或多个,所述待提取的航空气象要素信息包含的气象变量的层次为单层或多层。在实际应用场景中,所述待提取的航空气象要素信息一般包含多个气象变量,既可以是单层的变量,如地表能见度,也可以是多层的变量,如垂直方向多个层次的云量,气象变量的个数和层次可以根据需要增加。如采用json格式,下面给出了一个包含地表变量和高空变量的例子:
其中,大括号前的vis和tcc是气象要素名,可以自定义,大括号内的shortName为气象要素在数值预报数据中的变量名;typeOfLevel为变量的层次类型,如surface为地表变量,isobaricInhPa为等压面变量;level为变量的层次,如果是地表变量,层次仅有一个值,如果是等压面变量,通常包含多个值,例子中所示为1000、950和850hPa。
步骤S103,根据所述配置文件调用应用程序接口,解析所述数值模式预报数据,得到所述目标机场的航空气象要素值。
例如,调用本方案自定义的API(应用程序接口),可以对所述数值模式预报数据进行快速检索,进而可以快速提取所述目标机场的航空气象要素值。具体地,可以采用Python语言及ecCodes包。ecCodes包是欧洲中期天气预报中心提供的Python包,里面包含非常多的子程序,可以实现多种对GRIB数据的操作。
在一个实施例中,所述步骤S103包括:生成所述数值模式预报数据的索引列表;定位所述目标机场对应的数据记录在所述索引列表中的位置;根据所述目标机场对应的数据记录在所述索引列表中的位置,得到所述目标机场对应的数据记录的识别信息(ID);根据所述目标机场对应的数据记录的识别信息,提取所述目标机场的航空气象要素值。由于GRIB数据一般包含多个气象要素的数据,数据文件大小一般较大,因此设计了此步骤以实现航空气象要素值的快速提取。
在一个实施例中,所述步骤S103中,生成所述数值模式预报数据的索引列表,包括:根据索引变量名列表,对所述数值模式预报数据中的每条数据记录进行处理,生成所述数值模式预报数据的索引列表,其中,所述索引列表的每个元素对应一组索引变量值,所述数值模式预报数据的每条数据记录对应一组索引变量值。
在一个实施例中,所述步骤S103中,定位所述目标机场对应的数据记录在所述索引列表中的位置,包括:根据所述配置文件,通过设置索引变量名获取索引变量值,定位所述目标机场对应的数据记录在所述索引列表中的位置。
在一个实施例中,所述步骤S103包括:(1)调用codes_index_new_from_file函数,生成所述数值模式预报数据的索引列表;(2)循环调用codes_index_select函数,定位所述目标机场对应的数据记录在所述索引列表中的位置;(3)调用codes_new_from_index函数,根据所述目标机场对应的数据记录在所述索引列表中的位置,得到所述目标机场对应的数据记录的识别信息(ID);(4)调用codes_grib_find_nearest函数,根据所述目标机场对应的数据记录的识别信息,提取所述目标机场的航空气象要素值;其中,所述codes_index_new_from_file函数、所述codes_index_select函数、所述codes_new_from_index函数、所述codes_grib_find_nearest函数来自ecCodes包。本实施例通过上述子步骤(1)~(4),在ecCodes包基础上构建自定义的API(应用程序接口)。
下面结合上文的举例给出了一个步骤S103的详细举例:
(1)调用codes_index_new_from_file(grib_file,index_keys)生成GRIB数据记录(即所述数值模式预报数据)的索引列表。其中,grib_file是GRIB文件名,index_keys是生成数据记录的索引用到的索引变量名列表,该列表来自于所述待提取的航空气象要素信息,在此引用上文提到的包含地表变量和高空变量的例子结合本例,index_keys应为["shortName","typeOfLevel","level"]。在GRIB文件中每个数据记录代表单层变量对应的数组或者某一个层次的多层变量对应的数组,通过以上的子函数调用可以根据shortName、typeOfLevel、level对数据文件中的所有数据记录生成一个索引列表,也就是说,该索引列表中的每个元素对应一组shortName、typeOfLevel、level的值,而每条数据记录对应一组唯一的shortName、typeOfLevel、level的值,因此可以通过shortName、typeOfLevel和level的值的组合来定位数据记录。
(2)循环调用codes_index_select(index_id,index_key,index_value)定位所述目标机场相关的数据记录在(1)中所得到的索引列表的位置,其中index_key和index_value分别是(1)中生成数据记录的索引用到的变量名和变量值。在此引用上文提到的包含地表变量和高空变量的例子结合本例,对于单层的变量,循环调用的过程中index_key依次设为"shortName"、"typeOfLevel"和"level",index_value依次取"vis"、"surface"和0便可以定位到数据文件中地表变量vis的索引号,对于多层的变量,把每个"level"看作是单层变量,每一个层次分别处理,可以定位到该层次的变量的索引号。
(3)调用codes_new_from_index(index_id)得到所述目标机场相关的数据记录的ID,其中index_id为(2)得到的数据记录的索引号。
(4)调用codes_grib_find_nearest(gid,lat,lon,is_lsm=False,npoints=4)提取所述目标机场所在位置的气象要素值。其中gid为(3)得到的数据记录的ID,lat和lon分别为某个机场的纬度和经度,is_lsm是一个逻辑变量,npoints代表取最临近机场位置的4个点。对4个点的值取平均,可得到目标机场位置的气象要素值。
在一个实施例中,所述的提取航空气象要素值的方法还包括:输出所述目标机场的航空气象要素值。例如,可以json格式输出所述目标机场的航空气象要素值,便于后续使用。
图2是根据本申请实施例的一种提取航空气象要素值的设备示意图,该设备包括输入模块201、配置模块202和解析模块203。
输入模块201获取数值模式预报数据。
例如,常见的数值预报产品包括GFS(美国环境预报中心业务预报模式)、ECTHIN(欧洲中期天气预报中心业务预报模式)、Grapes(中国气象局业务预报模式)等模式预报数据,这些数值模式预报数据全部采用GRIB格式。
在一个实施例中,所述数值模式预报数据为GRIB格式。因数值模式预报数据大多为GRIB格式,本申请实施例主要针对GRIB格式数值模式预报数据进行处理。
配置模块202基于用户配置生成配置文件,其中,所述配置文件包括目标机场的信息和待提取的航空气象要素信息。
例如,用户可以配置目标机场和待提取的航空气象要素信息,在此,基于用户配置生成配置文件,所述配置文件可以json格式存储。
在一个实施例中,所述目标机场的信息包括所述目标机场的地理经纬度信息。例如,所述配置文件包括两方面的内容:一,目标机场的地理经纬度信息;二,待提取的航空气象要素信息
在一个实施例中,所述目标机场的个数为一个或多个。例如,若采用json格式,以两个机场为例,关于所述目标机场的信息的举例如下:
其中,ZSOF和ZSHC为机场代号,两个大括号内分别是两个机场各自的地理经纬度信息。
在一个实施例中,所述待提取的航空气象要素信息包含的气象变量的个数为一个或多个,所述待提取的航空气象要素信息包含的气象变量的层次为单层或多层。在实际应用场景中,所述待提取的航空气象要素信息一般包含多个气象变量,既可以是单层的变量,如地表能见度,也可以是多层的变量,如垂直方向多个层次的云量,气象变量的个数和层次可以根据需要增加。如采用json格式,下面给出了一个包含地表变量和高空变量的例子:
其中,大括号前的vis和tcc是气象要素名,可以自定义,大括号内的shortName为气象要素在数值预报数据中的变量名;typeOfLevel为变量的层次类型,如surface为地表变量,isobaricInhPa为等压面变量;level为变量的层次,如果是地表变量,层次仅有一个值,如果是等压面变量,通常包含多个值,例子中所示为1000、950和850hPa。
解析模块203根据所述配置文件调用应用程序接口,解析所述数值模式预报数据,得到所述目标机场的航空气象要素值。
例如,调用本方案自定义的API(应用程序接口),可以对所述数值模式预报数据进行快速检索,进而可以快速提取所述目标机场的航空气象要素值。具体地,可以采用Python语言及ecCodes包。ecCodes包是欧洲中期天气预报中心提供的Python包,里面包含非常多的子程序,可以实现多种对GRIB数据的操作。
在一个实施例中,所述解析模块203生成所述数值模式预报数据的索引列表;定位所述目标机场对应的数据记录在所述索引列表中的位置;根据所述目标机场对应的数据记录在所述索引列表中的位置,得到所述目标机场对应的数据记录的识别信息(ID);根据所述目标机场对应的数据记录的识别信息,提取所述目标机场的航空气象要素值。由于GRIB数据一般包含多个气象要素的数据,数据文件大小一般较大,因此设计了本模块以实现航空气象要素值的快速提取。
在一个实施例中,所述解析模块203生成所述数值模式预报数据的索引列表,包括:根据索引变量名列表,对所述数值模式预报数据中的每条数据记录进行处理,生成所述数值模式预报数据的索引列表,其中,所述索引列表的每个元素对应一组索引变量值,所述数值模式预报数据的每条数据记录对应一组索引变量值。
在一个实施例中,所述解析模块203定位所述目标机场对应的数据记录在所述索引列表中的位置,包括:根据所述配置文件,通过设置索引变量名获取索引变量值,定位所述目标机场对应的数据记录在所述索引列表中的位置。
在一个实施例中,解析模块203:(1)调用codes_index_new_from_file函数,生成所述数值模式预报数据的索引列表;(2)循环调用codes_index_select函数,定位所述目标机场对应的数据记录在所述索引列表中的位置;(3)调用codes_new_from_index函数,根据所述目标机场对应的数据记录在所述索引列表中的位置,得到所述目标机场对应的数据记录的识别信息(ID);(4)调用codes_grib_find_nearest函数,根据所述目标机场对应的数据记录的识别信息,提取所述目标机场的航空气象要素值;其中,所述codes_index_new_from_file函数、所述codes_index_select函数、所述codes_new_from_index函数、所述codes_grib_find_nearest函数来自ecCodes包。本实施例通过上述子步骤(1)~(4),在ecCodes包基础上构建自定义的API(应用程序接口)。
下面结合上文的举例给出了一个解析模块203的详细举例:
(1)调用codes_index_new_from_file(grib_file,index_keys)生成GRIB数据记录(即所述数值模式预报数据)的索引列表。其中,grib_file是GRIB文件名,index_keys是生成数据记录的索引用到的索引变量名列表,该列表来自于所述待提取的航空气象要素信息,在此引用上文提到的包含地表变量和高空变量的例子结合本例,index_keys应为["shortName","typeOfLevel","level"]。在GRIB文件中每个数据记录代表单层变量对应的数组或者某一个层次的多层变量对应的数组,通过以上的子函数调用可以根据shortName、typeOfLevel、level对数据文件中的所有数据记录生成一个索引列表,也就是说,该索引列表中的每个元素对应一组shortName、typeOfLevel、level的值,而每条数据记录对应一组唯一的shortName、typeOfLevel、level的值,因此可以通过shortName、typeOfLevel和level的值的组合来定位数据记录。
(2)循环调用codes_index_select(index_id,index_key,index_value)定位所述目标机场相关的数据记录在(1)中所得到的索引列表的位置,其中index_key和index_value分别是(1)中生成数据记录的索引用到的变量名和变量值。在此引用上文提到的包含地表变量和高空变量的例子结合本例,对于单层的变量,循环调用的过程中index_key依次设为"shortName"、"typeOfLevel"和"level",index_value依次取"vis"、"surface"和0便可以定位到数据文件中地表变量vis的索引号,对于多层的变量,把每个"level"看作是单层变量,每一个层次分别处理,可以定位到该层次的变量的索引号。
(3)调用codes_new_from_index(index_id)得到所述目标机场相关的数据记录的ID,其中index_id为(2)得到的数据记录的索引号。
(4)调用codes_grib_find_nearest(gid,lat,lon,is_lsm=False,npoints=4)提取所述目标机场所在位置的气象要素值。其中gid为(3)得到的数据记录的ID,lat和lon分别为某个机场的纬度和经度,is_lsm是一个逻辑变量,npoints代表取最临近机场位置的4个点。对4个点的值取平均,可得到目标机场位置的气象要素值。
在一个实施例中,所述的提取航空气象要素值的方法还包括:输出所述目标机场的航空气象要素值。例如,可以json格式输出所述目标机场的航空气象要素值,便于后续使用。
综上所述,本申请实施例提供的方案基于Python语言和ecCodes包,调用自定义的API(应用程序接口),即可以对GRIB格式数值模式预报数据进行快速检索,进而可以快速获取目标机场所在位置的气象要素,从而实现高效率地提取航空气象要素值。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据程序指令运行的计算机设备的工作存储器中。在此,本申请的一些实施例提供了一种计算设备,该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发所述设备执行前述本申请的多个实施例的方法和/或技术方案。
此外,本申请的一些实施例还提供了一种计算机可读介质,其上存储有计算机程序指令,所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (10)
1.一种提取航空气象要素值的方法,其中,所述方法包括:
获取数值模式预报数据;
基于用户配置生成配置文件,其中,所述配置文件包括目标机场的信息和待提取的航空气象要素信息;
根据所述配置文件调用应用程序接口,解析所述数值模式预报数据,得到所述目标机场的航空气象要素值。
2.根据权利要求1所述的方法,其中,解析所述数值模式预报数据,包括:
生成所述数值模式预报数据的索引列表;
定位所述目标机场对应的数据记录在所述索引列表中的位置;
根据所述目标机场对应的数据记录在所述索引列表中的位置,得到所述目标机场对应的数据记录的识别信息;
根据所述目标机场对应的数据记录的识别信息,提取所述目标机场的航空气象要素值。
3.根据权利要求2所述的方法,其中,生成所述数值模式预报数据的索引列表,包括:
根据索引变量名列表,对所述数值模式预报数据中的每条数据记录进行处理,生成所述数值模式预报数据的索引列表,其中,所述索引列表的每个元素对应一组索引变量值,所述数值模式预报数据的每条数据记录对应一组索引变量值。
4.根据权利要求2所述的方法,其中,定位所述目标机场对应的数据记录在所述索引列表中的位置,包括:
根据所述配置文件,通过设置索引变量名获取索引变量值,定位所述目标机场对应的数据记录在所述索引列表中的位置。
5.根据权利要求2至4中任一项所述的方法,其中,调用应用程序接口,解析所述数值模式预报数据,包括:
调用codes_index_new_from_file函数,生成所述数值模式预报数据的索引列表;
循环调用codes_index_select函数,定位所述目标机场对应的数据记录在所述索引列表中的位置;
调用codes_new_from_index函数,根据所述目标机场对应的数据记录在所述索引列表中的位置,得到所述目标机场对应的数据记录的识别信息;
调用codes_grib_find_nearest函数,根据所述目标机场对应的数据记录的识别信息,提取所述目标机场的航空气象要素值;
其中,所述codes_index_new_from_file函数、所述codes_index_select函数、所述codes_new_from_index函数、所述codes_grib_find_nearest函数来自ecCodes包。
6.根据权利要求1所述的方法,其中,所述目标机场的信息包括所述目标机场的地理经纬度信息,所述目标机场的个数为一个或多个。
7.根据权利要求1所述的方法,其中,所述待提取的航空气象要素信息包含的气象变量的个数为一个或多个,所述待提取的航空气象要素信息包含的气象变量的层次为单层或多层。
8.一种提取航空气象要素值的设备,其中,所述设备包括:
输入模块,用于获取数值模式预报数据;
配置模块,用于基于用户配置生成配置文件,其中,所述配置文件包括目标机场的信息和待提取的航空气象要素信息;
解析模块,用于根据所述配置文件调用应用程序接口,解析所述数值模式预报数据,得到所述目标机场的航空气象要素值。
9.一种计算设备,其中,该设备包括用于存储计算机程序指令的存储器和用于执行计算机程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发所述设备执行权利要求1至7中任一项所述的方法。
10.一种计算机可读介质,其上存储有计算机程序指令,所述计算机可读指令可被处理器执行以实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010420737.4A CN111679345A (zh) | 2020-05-18 | 2020-05-18 | 提取航空气象要素值的方法与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010420737.4A CN111679345A (zh) | 2020-05-18 | 2020-05-18 | 提取航空气象要素值的方法与设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111679345A true CN111679345A (zh) | 2020-09-18 |
Family
ID=72451953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010420737.4A Pending CN111679345A (zh) | 2020-05-18 | 2020-05-18 | 提取航空气象要素值的方法与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111679345A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115903088A (zh) * | 2022-12-20 | 2023-04-04 | 中国民用航空局空中交通管理局航空气象中心 | 一种基于平流扩散模型的气象要素临近预报方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110928849A (zh) * | 2019-11-27 | 2020-03-27 | 上海眼控科技股份有限公司 | 气象数据的预处理方法、装置、计算机设备和存储介质 |
CN111090794A (zh) * | 2019-11-07 | 2020-05-01 | 远景智能国际私人投资有限公司 | 气象数据查询方法、装置及存储介质 |
CN111103635A (zh) * | 2019-12-04 | 2020-05-05 | 上海眼控科技股份有限公司 | 气象数据处理方法、系统、电子设备及存储介质 |
-
2020
- 2020-05-18 CN CN202010420737.4A patent/CN111679345A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111090794A (zh) * | 2019-11-07 | 2020-05-01 | 远景智能国际私人投资有限公司 | 气象数据查询方法、装置及存储介质 |
CN110928849A (zh) * | 2019-11-27 | 2020-03-27 | 上海眼控科技股份有限公司 | 气象数据的预处理方法、装置、计算机设备和存储介质 |
CN111103635A (zh) * | 2019-12-04 | 2020-05-05 | 上海眼控科技股份有限公司 | 气象数据处理方法、系统、电子设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115903088A (zh) * | 2022-12-20 | 2023-04-04 | 中国民用航空局空中交通管理局航空气象中心 | 一种基于平流扩散模型的气象要素临近预报方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11561869B2 (en) | Optimized disaster-recovery-as-a-service system | |
US10366172B2 (en) | Intelligent pseudo translation | |
CN106649061B (zh) | 一种记录用户在web系统中的操作日志的方法与设备 | |
CN110196834A (zh) | 一种用于数据项、文件、数据库的对标方法和系统 | |
CN113965389B (zh) | 一种基于防火墙日志的网络安全管理方法、设备及介质 | |
CN112256682B (zh) | 一种多维异构数据的数据质量检测方法及装置 | |
US11797354B2 (en) | Ensemble machine learning framework for predictive operational load balancing | |
US20210278564A1 (en) | Dynamic flood risk data management | |
US20140222538A1 (en) | Customer experience management for an organization | |
CN111679345A (zh) | 提取航空气象要素值的方法与设备 | |
CN107273264B (zh) | 对象实例关键属性及其关联属性的跟踪方法及装置 | |
CN111741329B (zh) | 一种视频处理方法、装置、设备及存储介质 | |
US11748219B1 (en) | Application event logging augmentation | |
CN113205130A (zh) | 一种数据审核方法、装置、电子设备及存储介质 | |
CN112163019A (zh) | 基于区块链的可信电子批记录处理方法及区块链服务平台 | |
CN101859413A (zh) | 一种企业资源计划产品缺陷收集方法和系统 | |
CN115116080A (zh) | 表格解析方法、装置、电子设备和存储介质 | |
CN115767601A (zh) | 一种基于多维数据的5gc网元自动化纳管方法及装置 | |
CN112306694B (zh) | 内存分析方法和装置、计算机可读存储介质、电子设备 | |
CN115168848A (zh) | 基于大数据分析拦截的拦截反馈处理方法 | |
CN114816815A (zh) | 故障定位方法、日志格式的配置方法、设备及存储介质 | |
CN112632211A (zh) | 用于移动机器人的语义信息处理方法与设备 | |
CN110750569A (zh) | 数据提取方法、装置、设备及存储介质 | |
CN112347066A (zh) | 日志处理方法、装置及服务器和计算机可读存储介质 | |
CN113051231A (zh) | 文件解析方法、装置、计算机设备和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |