CN112149294A - 弹性气象栅格设计方法 - Google Patents

Abstract

本发明公开了一种弹性气象栅格设计方法，包括：S1，气象栅格的设计面向应用，可以同时满足多个应用任务的需求；S2，气象栅格具有外形尺寸和内部结构可变的特点，从而有效提高其在实际应用中的灵活性，满足任务需求；S3，采用粗精结合的方式生成气象栅格数据，提高栅格数据的效用比；S4，气象栅格中的数据服务具有时空敏感能力，能够在时间和空间两个维度上准确匹配任务需求。其利用多种探测装置协同组网获取三维空间的气象数据，通过采用多级模块化设计以及信息融合和人工智能等方法来提高数据时空精准性和应用灵活性，形成“面向应用、结构可变、粗精结合、时空敏感”的立体弹性气象栅格。

Description

弹性气象栅格设计方法

技术领域

本发明涉及气象技术领域，尤其涉及一种弹性气象栅格设计方法。

背景技术

气象栅格是一种将一定空间范围内气象数据按照栅格点的形式进行组织和呈现的气象数据平台。现有气象栅格主要为平面的二维结构，结构形式单一；栅格中的数据由少量原始数据经过插值后获得，数据精度无法得到保证；数据时效性较差，不能实时更新；气象数据较为单一，往往仅含有较少的气象要素；此外，栅格数据的生成和分发方法不够灵活，任务适配性差。

针对上述问题，本发明专利提出一种弹性气象栅格的设计方法，通过采用协同组网探测、信息融合、人工智能、短临预报等技术，构建“面向应用、结构可变、粗精结合、时空敏感”的气象栅格系统，为气象保障部门提供更为精准的气象数据。

发明内容

针对以上问题，本发明提出一种弹性气象栅格设计方法。

为实现本发明的目的，提供一种弹性气象栅格设计方法，包括如下步骤：

S1，气象栅格的设计面向应用，以同时满足多个应用任务的需求；

S2，气象栅格具有外形尺寸和内部结构可变的特点，以提高其在实际应用中的灵活性，满足任务需求；

S3，采用粗精结合的方式生成气象栅格数据，提高栅格数据的效用比；

S4，气象栅格中的数据服务具有时空敏感能力，以在时间和空间两个维度上准确匹配任务需求。

在一个实施例中，步骤S1包括：

S11，气象栅格采用模块化设计方法，将整个气象栅格按结构、气象要素、和精度进行解耦，划分出多个栅格模块，各个模块进一步细分为更小的模块，采用通用模块与专用模块相结合的方法，进一步提高模块化的设计效率，通过不同模块的组合，使气象栅格满足不同的应用需求。

S12，气象栅格各模块的组合方式与具体应用的对应关系由专家系统给出，在应用中，由应用任务给出具体的栅格指标要求，专家系统中的知识库和推理机根据指标得到所需的栅格模块以及相应的组合方式，完成栅格数据的整合并发送给用户；

S13，采用缓存机制提高气象数据的更新和传输效率，系统运行过程中，为每个应用任务开辟一个缓存来存放其所需的气象数据，并设计一个专用关系数据库来保存各个应用任务中的数据与气象栅格中数据之间的对应关系，当气象栅格的数据发生更新时，系统通过数据库查看该数据被哪些应用调用，然后将相应的应用缓存中的气象数据进行更新并传输给应用；

S14，气象栅格同时面向多个应用任务，各个应用具有优先级，当栅格数据发生更新时，优先级高的应用将首先进行数据更新，高优先级应用的数据更新可以打断低优先级应用的数据更新，此时系统自动设置断点，待高优先级应用的数据更新完成后继续从断点处更新低优先级应用的数据。

在一个实施例中，步骤S2包括：

S21，气象栅格的外形结构为长方体、球体、圆柱体、椭球体，或是几种形式的组合；

S22，气象栅格的结构将影响气象探测节点的部署，根据探测节点的探测距离、通信距离、动特性和静特性，建立多约束条件下的最优规划问题，并通过原始分解的方法降低求解计算量，再采用贪婪算法进行求解，得到满足气象栅格结构要求的探测节点部署方案；

S23，气象栅格的结构可以随着探测节点的退出或加入进行自适应的调整，当有探测节点因为故障而退出时，其他节点能够自适应的进行补充探测，当有新探测节点加入时，通过与其他节点的协商进行最优化的自适应功能分配；

S24，气象栅格的结构动态改变，利用欧氏距离来衡量不同结构之间的差异性，当其需要由一种结构变化为另一种结构时，首先计算两种结构间的欧氏距离，然后以此为约束条件来解优化问题，并基于启发式算法进行求解；

S25，气象栅格中同时存在多种不同的格点密度，栅格点的局部密度进行动态改变，在有限探测资源的条件下，通过探测节点的移动来动态调整栅格点的局部密度。

在一个实施例中，步骤S3包括：

S31，根据具体应用需求，气象栅格中不同栅格点的气象数据具有不同的精度，同一个栅格点中不同气象要素具有不同的精度；

S32，格点数据精度与气象采集设备的采样频率与采样精度相关，精度要求高的区域，需要更高的采样频率和采样精度，通过在采集设备的采样频率及采样精度与格点数据精度之间建立映射关系，由格点数据精度来快速确定采集设备的采样频率和采样精度要求，具体映射关系由多条映射规则组成；

S33，气象栅格利用多种探测装置进行协同组网探测，网络结构根据探测需求进行自演变，通信链路可以自调整，并利用底层链路组网结合5G通信，来进一步提高组网效率，改善网络QoS；

S34，气象栅格中的原始采集数据通过扩展卡尔曼滤波结合粒子滤波进行数据初始化，并利用预报场大数据，进行多源/多模信息融合，以提高栅格节点的数据精度。

在一个实施例中，步骤S4包括：

S41，气象栅格中的每个格点数据均带有时间属性和空间属性，时间属性以秒为单位，空间属性以米为单位，时间属性和空间属性通过北斗系统获得，时间属性和空间属性影响该格点当前数据的时空精度；

S42，格点数据的精度在采样后随着时间的指数衰减，随着远离采样点距离的平方衰减，如下式所示：

其中P为数据精度，c为常数，t₀为采样时刻，t为当前时间，d₀为采样点，d为当前点，λ₁为时间衰减系数，λ₂为距离衰减系数；

S43，当格点数据的时间属性不满足使用要求时，采用预测加预报的方式提高数据时间精度，预测采用基于长短时记忆的深度学习网络，预报采用基于光流法的短临预报，预测和预报采用动态加权求和进行融合；

S44，当数据的空间属性不满足使用要求时，采用深度置信网络或快速张量填充方法进行数据补盲和外推来提高数据空间精度。

上述弹性气象栅格设计方法，利用多种探测装置协同组网获取三维空间的气象数据，通过采用多级模块化设计以及信息融合和人工智能等方法来提高数据时空精准性和应用灵活性，形成“面向应用、结构可变、粗精结合、时空敏感”的立体弹性气象栅格。

附图说明

图1是一个实施例的弹性气象栅格设计方法流程图；

图2是一个实施例的弹性气象栅格设计流程图；

图3是一个实施例的面向应用的栅格设计流程图；

图4是一个实施例的结构可变气象栅格生成图；

图5是一个实施例的粗精结合栅格数据生成图；

图6是一个实施例的时空敏感栅格数据生成图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

参考图1所示，图1为一个实施例的弹性气象栅格设计方法流程图，包括如下步骤：

S1，气象栅格的设计面向应用，以同时满足多个应用任务的需求；

S2，气象栅格具有外形尺寸和内部结构可变的特点，以提高其在实际应用中的灵活性，满足任务需求；

S3，采用粗精结合的方式生成气象栅格数据，提高栅格数据的效用比；

S4，气象栅格中的数据服务具有时空敏感能力，以在时间和空间两个维度上准确匹配任务需求。

本实施例通过采用协同组网探测、信息融合、短临预报、智能预测等技术，提供了一种弹性气象栅格的设计方法，步骤如下：S1，气象栅格的设计面向应用，可以同时满足多个应用任务的需求；S2，气象栅格具有外形尺寸和内部结构可变的特点，从而有效提高其在实际应用中的灵活性，满足任务需求；S3，采用粗精结合的方式生成气象栅格数据，提高栅格数据的效用比；S4，气象栅格中的数据服务具有时空敏感能力，能够在时间和空间两个维度上准确匹配任务需求。

上述弹性气象栅格设计方法，利用多种探测装置协同组网获取三维空间的气象数据，通过采用多级模块化设计以及信息融合和人工智能等方法来提高数据时空精准性和应用灵活性，形成“面向应用、结构可变、粗精结合、时空敏感”的立体弹性气象栅格。

在一个实施例中，步骤S1包括：

S11，气象栅格采用模块化设计方法，将整个气象栅格按结构、气象要素、和精度进行解耦，划分出多个栅格模块，各个模块进一步细分为更小的模块，采用通用模块与专用模块相结合的方法，进一步提高模块化的设计效率，通过不同模块的组合，使气象栅格满足不同的应用需求。

S12，气象栅格各模块的组合方式与具体应用的对应关系由专家系统给出，在应用中，由应用任务给出具体的栅格指标要求，专家系统中的知识库和推理机根据指标得到所需的栅格模块以及相应的组合方式，完成栅格数据的整合并发送给用户；

S13，采用缓存机制提高气象数据的更新和传输效率，系统运行过程中，为每个应用任务开辟一个缓存来存放其所需的气象数据，并设计一个专用关系数据库来保存各个应用任务中的数据与气象栅格中数据之间的对应关系，当气象栅格的数据发生更新时，系统通过数据库查看该数据被哪些应用调用，然后将相应的应用缓存中的气象数据进行更新并传输给应用；

S14，气象栅格同时面向多个应用任务，各个应用具有优先级，当栅格数据发生更新时，优先级高的应用将首先进行数据更新，高优先级应用的数据更新可以打断低优先级应用的数据更新，此时系统自动设置断点，待高优先级应用的数据更新完成后继续从断点处更新低优先级应用的数据。

在一个实施例中，步骤S2包括：

S21，气象栅格的外形结构为长方体、球体、圆柱体、椭球体，或是几种形式的组合；

S22，气象栅格的结构将影响气象探测节点的部署，根据探测节点的探测距离、通信距离、动特性和静特性，建立多约束条件下的最优规划问题，并通过原始分解的方法降低求解计算量，再采用贪婪算法进行求解，得到满足气象栅格结构要求的探测节点部署方案；

S23，气象栅格的结构可以随着探测节点的退出或加入进行自适应的调整，当有探测节点因为故障而退出时，其他节点能够自适应的进行补充探测，当有新探测节点加入时，通过与其他节点的协商进行最优化的自适应功能分配；

S24，气象栅格的结构动态改变，利用欧氏距离来衡量不同结构之间的差异性，当其需要由一种结构变化为另一种结构时，首先计算两种结构间的欧氏距离，然后以此为约束条件来解优化问题，并基于启发式算法进行求解；

S25，气象栅格中同时存在多种不同的格点密度，栅格点的局部密度进行动态改变，在有限探测资源的条件下，通过探测节点的移动来动态调整栅格点的局部密度。

在一个实施例中，步骤S3包括：

S31，根据具体应用需求，气象栅格中不同栅格点的气象数据具有不同的精度，同一个栅格点中不同气象要素具有不同的精度；

S32，格点数据精度与气象采集设备的采样频率与采样精度相关，精度要求高的区域，需要更高的采样频率和采样精度，通过在采集设备的采样频率及采样精度与格点数据精度之间建立映射关系，由格点数据精度来快速确定采集设备的采样频率和采样精度要求，具体映射关系由多条映射规则组成；

S33，气象栅格利用多种探测装置进行协同组网探测，网络结构根据探测需求进行自演变，通信链路可以自调整，并利用底层链路组网结合5G通信，来进一步提高组网效率，改善网络QoS；

S34，气象栅格中的原始采集数据通过扩展卡尔曼滤波结合粒子滤波进行数据初始化，并利用预报场大数据，进行多源/多模信息融合，以提高栅格节点的数据精度。

在一个实施例中，步骤S4包括：

S41，气象栅格中的每个格点数据均带有时间属性和空间属性，时间属性以秒为单位，空间属性以米为单位，时间属性和空间属性通过北斗系统获得，时间属性和空间属性影响该格点当前数据的时空精度；

S42，格点数据的精度在采样后随着时间的指数衰减，随着远离采样点距离的平方衰减，如下式所示：

其中P为数据精度，c为常数，t₀为采样时刻，t为当前时间，d₀为采样点，d为当前点，λ₁为时间衰减系数，λ₂为距离衰减系数；

S43，当格点数据的时间属性不满足使用要求时，采用预测加预报的方式提高数据时间精度，预测采用基于长短时记忆的深度学习网络，预报采用基于光流法的短临预报，预测和预报采用动态加权求和进行融合；

S44，当数据的空间属性不满足使用要求时，采用深度置信网络或快速张量填充方法进行数据补盲和外推来提高数据空间精度。

在一个实施例中，上述弹性气象栅格设计方法可以参考图2所示，利用自动气象站、探空仪、无人机、气象雷达、星载探测仪等多种探测装置进行协同组网探测，获取三维空间的温度、湿度、气压、风向、风速等常规气象要素，以及日照、辐射、降水、蒸发量、能见度、云等专用气象要素，然后对采集的气象数据进行融合处理与智能外推，并采用多级模块化设计方法，形成“面向应用、结构可变、粗精结合、时空敏感”的立体弹性气象栅格。具体步骤如下：

步骤1，气象栅格的设计面向应用，可以同时满足多个应用任务的需求，如图3所示，具体包括以下步骤：

(1.1)气象栅格采用模块化设计方法，将整个气象栅格按结构、气象要素、精度等指标进行解耦，划分出多个栅格模块，各个模块又可以进一步细分为更小的模块。此外，采用通用模块与专用模块相结合的方法，来进一步提高模块化的设计效率。通过不同模块的组合，可以使气象栅格满足不同的应用需求。同时，模块化设计还便于气象数据的更新以及整个栅格的升级改造。

(1.2)气象栅格各模块的组合方式与具体应用的对应关系由专家系统给出，在应用中，由应用任务给出具体的栅格指标要求，如覆盖范围、三维外形、栅格尺寸、气象要素构成、数据精度、更新周期、敏感时点和位置等，专家系统中的知识库和推理机根据指标得到所需的栅格模块以及相应的组合方式，完成栅格数据的整合并发送给用户。

(1.3)采用缓存机制提高气象数据的更新和传输效率，系统运行过程中，为每个应用任务开辟一个缓存来存放其所需的气象数据，并设计一个专用关系数据库来保存各个应用任务中的数据与气象栅格中数据之间的对应关系，当气象栅格的数据发生更新时，系统通过数据库查看该数据被哪些应用调用，然后将相应的应用缓存中的气象数据进行更新并传输给应用，没有发生更新的气象数据则不用传输，从而有效提高数据的传输效率，节省系统通信资源。

(1.4)气象栅格可以同时面向多个应用任务，各个应用具有优先级，当栅格数据发生更新时，优先级高的应用将首先进行数据更新，高优先级应用的数据更新可以打断低优先级应用的数据更新，此时系统自动设置断点，待高优先级应用的数据更新完成后继续从断点处更新低优先级应用的数据。

步骤2，气象栅格具有结构可变的特点，从而有效提高其在实际应用中的灵活性，如图4所示，具体步骤如下：

(2.1)气象栅格的外形结构可以为长方体、球体、圆柱体、椭球体等多种形式，或是几种形式的组合，具体结构由使用要求和地形以及当前气象条件共同决定。

(2.2)气象栅格的结构将影响气象探测节点的部署，需要根据探测节点的探测距离、通信距离、动/静特性等指标，建立多约束条件下的最优规划问题，并通过原始分解的方法降低求解计算量，再采用贪婪算法进行求解，得到满足气象栅格结构要求的探测节点部署方案。

(2.3)气象栅格的结构可以随着探测节点的退出或加入进行自适应调整，当有探测节点因为故障而退出时，其他节点能够自适应地进行补充探测，当有新探测节点加入时，也会通过与其他节点的协商进行最优化的自适应功能分配。

(2.4)气象栅格的结构可以动态改变，利用欧氏距离来衡量不同结构之间的差异性，当其需要由一种结构变化为另一种结构时，首先计算两种结构间的欧氏距离，然后以此为约束条件来解优化问题，并基于启发式算法进行求解。

(2.5)气象栅格中可以同时存在多种不同的格点密度，栅格点的局部密度可进行动态改变，在有限探测资源的条件下，可通过探测节点的移动来动态调整栅格点的局部密度。

步骤3，采用粗精结合的方式生成气象栅格数据，提高栅格数据的效用比，如图5所示，具体包括以下步骤：

(3.1)根据具体应用需求，气象栅格中不同栅格点的气象数据可以具有不同的精度，同一个栅格点中不同气象要素也可以具有不同的精度。通过不同精度的组合，可以提高栅格数据的使用效率。

(3.2)格点数据精度与气象采集设备的采样频率与采样精度有关，精度要求高的区域，需要更高的采样频率和采样精度，通过在采集设备的采样频率及采样精度与格点数据精度之间建立映射关系，可以由格点数据精度来快速确定采集设备的采样频率和采样精度要求，具体映射关系由多条映射规则组成。

(3.3)气象栅格利用多种探测装置进行协同组网探测，网络结构可根据探测需求进行自演变，通信链路可以自调整，并利用底层链路组网结合上层TCP/IP协议，来进一步提高组网效率，改善网络QoS。

(3.4)气象栅格中的原始采集数据通过扩展卡尔曼滤波结合粒子滤波进行数据初始化，并利用预报场大数据，进行多源/多模信息融合，有效提高栅格节点的数据精度。

步骤4，气象栅格中的数据具有时空敏感性，从而能够定量分析数据的时空精准程度，如图6所示，具体包括以下步骤：

(4.1)气象栅格中的每个格点数据均带有时间属性和空间属性，时间属性以秒为单位，空间属性以米为单位，时间属性和空间属性影响该格点当前数据的时空精度。

(4.2)格点数据的精度在采样后随着时间的指数衰减，随着远离采样点距离的平方衰减，如下式所示：

其中P为数据精度，c为常数，t₀为采样时刻，t为当前时间，d₀为采样点，d为当前点，λ₁为时间衰减系数，λ₂为距离衰减系数。

(4.3)当格点数据的时间属性不满足使用要求时，采用预测+预报的方式提高数据时间精度，预测采用基于长短时记忆的深度学习网络，预报采用基于光流法的短临预报，预测和预报采用动态加权求和进行融合。

(4.4)当数据的空间属性不满足使用要求时，采用深度置信网络或快速张量填充方法进行数据补盲和外推来提高数据空间精度，其中深度置信网络获得的数据精度较高，但计算量大，快速张量填充获得的数据精度较低，但其可有效降低计算量，实际中根据精度要求和可用计算资源选择其中一种使用。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

本申请实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。

以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (5)

1.一种弹性气象栅格设计方法，其特征在于，包括如下步骤：

S1，气象栅格的设计面向应用，以同时满足多个应用任务的需求；

S2，气象栅格具有外形尺寸和内部结构可变的特点，以提高其在实际应用中的灵活性，满足任务需求；

S3，采用粗精结合的方式生成气象栅格数据，提高栅格数据的效用比；

S4，气象栅格中的数据服务具有时空敏感能力，以在时间和空间两个维度上准确匹配任务需求。

2.根据权利要求1所述的弹性气象栅格设计方法，其特征在于，步骤S1包括：

S11，气象栅格采用模块化设计方法，将整个气象栅格按结构、气象要素、和精度进行解耦，划分出多个栅格模块，各个模块进一步细分为更小的模块，采用通用模块与专用模块相结合的方法，进一步提高模块化的设计效率，通过不同模块的组合，使气象栅格满足不同的应用需求；

S12，气象栅格各模块的组合方式与具体应用的对应关系由专家系统给出，在应用中，由应用任务给出具体的栅格指标要求，专家系统中的知识库和推理机根据指标得到所需的栅格模块以及相应的组合方式，完成栅格数据的整合并发送给用户；

S13，采用缓存机制提高气象数据的更新和传输效率，系统运行过程中，为每个应用任务开辟一个缓存来存放其所需的气象数据，并设计一个专用关系数据库来保存各个应用任务中的数据与气象栅格中数据之间的对应关系，当气象栅格的数据发生更新时，系统通过数据库查看该数据被哪些应用调用，然后将相应的应用缓存中的气象数据进行更新并传输给应用；

S14，气象栅格同时面向多个应用任务，各个应用具有优先级，当栅格数据发生更新时，优先级高的应用将首先进行数据更新，高优先级应用的数据更新可以打断低优先级应用的数据更新，此时系统自动设置断点，待高优先级应用的数据更新完成后继续从断点处更新低优先级应用的数据。

3.根据权利要求1所述的弹性气象栅格设计方法，其特征在于，步骤S2包括：

S21，气象栅格的外形结构为长方体、球体、圆柱体、椭球体，或是几种形式的组合；

S22，气象栅格的结构将影响气象探测节点的部署，根据探测节点的探测距离、通信距离、动特性和静特性，建立多约束条件下的最优规划问题，并通过原始分解的方法降低求解计算量，再采用贪婪算法进行求解，得到满足气象栅格结构要求的探测节点部署方案；

S23，气象栅格的结构可以随着探测节点的退出或加入进行自适应的调整，当有探测节点因为故障而退出时，其他节点能够自适应的进行补充探测，当有新探测节点加入时，通过与其他节点的协商进行最优化的自适应功能分配；

S24，气象栅格的结构动态改变，利用欧氏距离来衡量不同结构之间的差异性，当其需要由一种结构变化为另一种结构时，首先计算两种结构间的欧氏距离，然后以此为约束条件来解优化问题，并基于启发式算法进行求解；

S25，气象栅格中同时存在多种不同的格点密度，栅格点的局部密度进行动态改变，在有限探测资源的条件下，通过探测节点的移动来动态调整栅格点的局部密度。

4.根据权利要求1所述的弹性气象栅格设计方法，其特征在于，步骤S3包括：

S31，根据具体应用需求，气象栅格中不同栅格点的气象数据具有不同的精度，同一个栅格点中不同气象要素具有不同的精度；

S32，格点数据精度与气象采集设备的采样频率与采样精度相关，精度要求高的区域，需要更高的采样频率和采样精度，通过在采集设备的采样频率及采样精度与格点数据精度之间建立映射关系，由格点数据精度来快速确定采集设备的采样频率和采样精度要求，具体映射关系由多条映射规则组成；

S33，气象栅格利用多种探测装置进行协同组网探测，网络结构根据探测需求进行自演变，通信链路可以自调整，并利用底层链路组网结合5G通信，来进一步提高组网效率，改善网络QoS；

S34，气象栅格中的原始采集数据通过扩展卡尔曼滤波结合粒子滤波进行数据初始化，并利用预报场大数据，进行多源/多模信息融合，以提高栅格节点的数据精度。

5.根据权利要求1所述的弹性气象栅格设计方法，其特征在于，步骤S4包括：

S41，气象栅格中的每个格点数据均带有时间属性和空间属性，时间属性以秒为单位，空间属性以米为单位，时间属性和空间属性通过北斗系统获得，时间属性和空间属性影响该格点当前数据的时空精度；

S42，格点数据的精度在采样后随着时间的指数衰减，随着远离采样点距离的平方衰减，如下式所示：

其中P为数据精度，c为常数，t₀为采样时刻，t为当前时间，d₀为采样点，d为当前点，λ₁为时间衰减系数，λ₂为距离衰减系数；

S43，当格点数据的时间属性不满足使用要求时，采用预测加预报的方式提高数据时间精度，预测采用基于长短时记忆的深度学习网络，预报采用基于光流法的短临预报，预测和预报采用动态加权求和进行融合；

S44，当数据的空间属性不满足使用要求时，采用深度置信网络或快速张量填充方法进行数据补盲和外推来提高数据空间精度。

Images