CN112699204B - 空间匹配窗口的确定方法和装置 - Google Patents

空间匹配窗口的确定方法和装置 Download PDF

Info

Publication number
CN112699204B
CN112699204B CN202110051483.8A CN202110051483A CN112699204B CN 112699204 B CN112699204 B CN 112699204B CN 202110051483 A CN202110051483 A CN 202110051483A CN 112699204 B CN112699204 B CN 112699204B
Authority
CN
China
Prior art keywords
range
value
target object
determining
preset
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
Application number
CN202110051483.8A
Other languages
English (en)
Other versions
CN112699204A (zh
Inventor
刘宇昕
王兆徽
张毅
叶小敏
杨典
林明森
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.)
NATIONAL SATELLITE OCEAN APPLICATION SERVICE
Original Assignee
NATIONAL SATELLITE OCEAN APPLICATION SERVICE
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 NATIONAL SATELLITE OCEAN APPLICATION SERVICE filed Critical NATIONAL SATELLITE OCEAN APPLICATION SERVICE
Priority to CN202110051483.8A priority Critical patent/CN112699204B/zh
Publication of CN112699204A publication Critical patent/CN112699204A/zh
Application granted granted Critical
Publication of CN112699204B publication Critical patent/CN112699204B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Graphics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种空间匹配窗口的确定方法和装置，包括：从预设数据库中获取目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值；针对每个时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于第一范围内每个观测点的估计值确定估计平均值；基于上述估计平均值和估计值，确定空间代表性相对误差序列；如果空间代表性相对误差序列满足预设条件，基于第一范围确定空间匹配窗口的取值范围；如果不满足预设条件，扩大第一范围，继续使用扩大后的第一范围，确定目标对象的空间代表性相对误差序列，直到确定出空间匹配窗口的取值范围。该方式操作简单，且能够准确确定出任何海域的空间匹配窗口的取值范围。

Description

空间匹配窗口的确定方法和装置
技术领域
本发明涉及海洋遥感监测技术领域，尤其是涉及一种空间匹配窗口的确定方法和装置。
背景技术
卫星遥感已成为海洋动力环境的一种重要观测手段，使用卫星遥感数据前必须要经过检验，才能够确认海洋遥感数据的真实性。相关技术中，通常使用浮标观测的方式来检验卫星遥感的真实性，但是当出现浮标海域发生变化、天气情况发生变化等因素时，难以在全球任何海域准确确定空间匹配窗口阈值，会导致真实性检验中产生不必要的误差。
发明内容
针对上述现有技术中存在的问题，本发明的目的在于提供一种空间匹配窗口的确定方法和装置，以提高确定空间匹配窗口阈值的准确度，同时简化计算流程，提高计算效率。
第一方面，本发明实施例提供了一种空间匹配窗口的确定方法，其中，包括：从预设数据库中获取目标对象的参考数据；其中，该参考数据包括目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值；针对每个时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于第一范围内每个观测点的估计值，确定目标对象在第一范围内的估计平均值；其中，第一范围小于预设范围；基于每个时间点对应的估计平均值和指定观测点的估计值，确定目标对象对应的空间代表性相对误差序列；如果该空间代表性相对误差序列满足预设条件，基于第一范围确定空间匹配窗口的取值范围；如果空间代表性相对误差序列不满足预设条件，扩大第一范围，将扩大后的第一范围确定为新的第一范围，继续执行基于第一范围内每个预设观测点的估计值，确定目标对象在第一范围内的估计平均值的步骤，直到确定出空间匹配窗口的取值范围；其中，扩大后第一范围小于预设范围。
在可选的实施方式中，上述空间代表性相对误差序列中包含有每个时间点对应的空间代表性相对误差值；上述预设条件包括：空间代表性相对误差序列中小于或者等于第一预设阈值的空间代表性相对误差值的占比，小于第二预设阈值。
在可选的实施方式中，上述目标对象包括风场、浪场、高度场、温度场或者流场中的任意一种；预设数据库中包括ECMWF ERA5(European Centre for Medium-RangeWeather Forecasts Re-Analysis 5，即第五代欧洲中尺度天气预报中心研发的再分析产品)全球海洋数值模式数据库或精细化数值模式数据库。
在可选的实施方式中，上述以预设的指定观测点为中心向指定方向延伸至第一范围，基于该第一范围内每个观测点的估计值，确定该目标对象在该第一范围内的估计平均值的步骤，包括：以该指定观测点为中心向东西南北各延伸第一长度M，得到边长为2M的第一网格；其中，该第一网格内的区域为第一范围；将该第一网格划分为边长为M的多个子网格，将每个子网格的顶点确定为第一范围内的观测点；计算该第一范围内每个观测点的估计值的算数平均值，将该算数平均值确定该目标对象在第一范围内的估计平均值。
在可选的实施方式中，上述基于该第一范围确定该空间匹配窗口的取值范围的步骤，包括：将第一范围的边长的一半，确定为空间匹配窗口的取值范围的最大值。
在可选的实施方式中，上述扩大该第一范围的步骤包括：以指定观测点为中心向东西南北各延伸长度M*(N+1)，得到第二网格；其中，该第二网格内的区域为扩大后的该第一范围；其中，M表示第一长度，N表示扩大次数。
在可选的实施方式中，上述基于每个时间点对应的估计平均值和指定观测点的估计值，确定目标对象对应的空间代表性相对误差序列的步骤，包括：针对每个时间点，根据当前时间点的估计平均值和该指定观测点的估计值，确定该目标对象在当前时间点的空间代表性相对误差值；组合该目标对象在每个时间点的空间代表性相对误差值，得到目标对象对应的空间代表性相对误差序列。
在可选的实施方式中，上述根据当前时间点的估计平均值和该指定观测点的估计值，确定该目标对象在当前时间点的空间代表性相对误差值的步骤，包括：通过下述算式计算该目标对象在当前时间点的空间代表性相对误差值δt：
Figure BDA0002898220730000031
其中，Wt表示该指定观测点在当前时间点的估计值，
Figure BDA0002898220730000032
表示该当前时间点的估计平均值。
在可选的实施方式中，上述目标对象为风场，该目标对象的参考数据包括X轴方向上的风矢量和Y轴方向上的风矢量；该从预设数据库中获取目标对象的参考数据的步骤之后，该方法还包括：针对目标对象的每个参考数据，通过下述算式计算当前参考数据对应的风速；将该风速确定为当前参考数据中的估计值：
Figure BDA0002898220730000033
其中，Wa表示当前参考数据对应的风速，Xa表示当前参考数据中X轴方向上的风矢量；Ya表示当前参考数据中Y轴方向上的风矢量。
第二方面，本发明实施例还提供了一种空间匹配窗口的确定装置，其中，包括：数据获取模块，用于从预设数据库中获取目标对象的参考数据；其中，该参考数据包括目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值；范围延伸模块，用于针对每个时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于该第一范围内每个观测点的估计值，确定该目标对象在该第一范围内的估计平均值；其中，该第一范围小于该预设范围；误差序列计算模块，用于基于每个时间点对应的估计平均值和指定观测点的估计值，确定该目标对象对应的空间代表性相对误差序列；窗口范围确定模块，用于如果该空间代表性相对误差序列满足预设条件，将该第一范围确定为该空间匹配窗口的取值范围；上述窗口范围确定模块，还用于如果该空间代表性相对误差序列不满足预设条件，扩大第一范围，将扩大后的该第一范围确定为新的第一范围，继续执行基于该第一范围内每个预设观测点的估计值，确定该目标对象在该第一范围内的估计平均值的步骤，直到确定出该空间匹配窗口的取值范围；其中，扩大后该第一范围小于预设范围。
本发明实施例带来了以下有益效果：
本发明提供了一种空间匹配窗口的确定方法和装置，首先从预设数据库中获取目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值；针对每个时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于第一范围内每个观测点的估计值，确定目标对象在第一范围内的估计平均值；基于每个时间点对应的估计平均值和指定观测点的估计值，确定目标对象对应的空间代表性相对误差序列；如果空间代表性相对误差序列满足预设条件，基于第一范围确定空间匹配窗口的取值范围；如果空间代表性相对误差序列不满足预设条件，扩大第一范围，将扩大后的第一范围确定为新的第一范围，继续执行基于第一范围内每个预设观测点的估计值，确定目标对象在第一范围内的估计平均值的步骤，直到确定出空间匹配窗口的取值范围。该方式操作简单，且能够准确确定出任何海域的空间匹配窗口的取值范围。
另外，上述预设数据库中包括数值模式数据，该方式通过上述数据模式数据建立了简洁有效的计算空间匹配窗口的判断流程，解决了不同海域现场观测的空间匹配窗口问题，为空间匹配窗口范围的选择制定了合理的标准，为卫星遥感的真实性检验提供了更加可行、准确的技术方案。
本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于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为本发明实施例提供的一种空间匹配窗口的确定方法的流程图；
图2为本发明实施例提供的另一种空间匹配窗口的确定方法的流程图；
图3为本发明实施例提供的一种空间匹配窗口确定装置的结构示意图；
图4为本发明实施例提供的一种电子设备的结构示意图。
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
卫星遥感已成为海洋动力环境的一种重要观测手段，使用卫星遥感数据前必须要经过真实性检验。使用卫星遥感数据时，我们既要使卫星像元与现场观测点保持足够小的距离，以使估计值更加准确，同时又要尽可能的匹配更多的样本。浮标的现场观测频率较高，且带来的误差小于或者等于空间差异带来的误差，所以我们将浮标观测到的值称为真值。现有的站点观测空间代表性评价大多集中在陆地研究，在海洋中还很少见。以海面风场为例，海洋中确定空间匹配窗口的范围的标准时，要基于两个观测点联合观测海面风场的变化性。实验中对两个现场观测点的距离分别为39km和109km两种情况进行分析，位于39至109km之间的一对浮标位置之间的差异是同浮标两个现场观测仪器间差异的2-3倍，空间匹配窗口阈值通常默认为100km。
相关技术中，通常是从浮标数据中抽取参考数据，浮标常用于卫星遥感的真实性检验，从而确定空间匹配窗口阈值，但该方式受海域、季节、温度影响较大，且无法收集足够多的数据样本，导致最终确定的空间匹配窗口阈值不够准确，导致真实性检验中存在不必要的误差。
基于上述问题，本发明实施例提供了一种空间匹配窗口确定方法和装置。该技术可以应用于海洋遥感监测场景中，尤其是监测中的空间匹配窗口范围的确定场景。为了便于对本发明实施例进行理解，首先对本发明实施例所公开的一种空间匹配窗口确定方法进行详细介绍，如图1所示，该方法包括如下步骤：
步骤S102，从预设数据库中获取目标对象的参考数据；其中，该参考数据包括目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值。
上述目标对象可以是风场、浪场、高度场、温度场或者流场中的任意一种。上述预设数据库包括ECMWF ERA5全球海洋数值模式数据库或者精细化数值模式数据库等其他再分析资料数据库、遥感资料数据库(满足覆盖范围、频率)。其中，ECMWF ERA5全球海洋数值模式数据库指的是第五代欧洲中尺度天气预报中心研发的再分析产品数据库，该ECMWFERA5数据库中的数据将全球划分为720*1440个网格，提供了每个网格顶点每小时的大气、陆地和海洋气候变量的估计值(相当于上述估计值)。上述精细化数值模式数据库中的数据通常是把地图分成一个个小网格，每个网格里有相应的气象海洋数据。另外，模式通常是指有限元的模型，用于预报，比如把当前的气象海洋数据输入到有动力学模型(数值模式)中，能够输出之后的气象海洋数据，类似天气预报，根据当前的天气，预测接下来的天气，这个模型就叫做模式，本发明所利用的也即是模式数据。
在具体实现时，上述目标对象的参考数据中包含有目标对象在指定时间段内的每个时间点上针对于预设范围内的每个观测点的估计值；该指定时间段可以根据用户需求进行设定，可以是一个月、一年或者几天等，例如，该指定时间段可以是2020年1月份、或者2019年1月到2月等；该指定时间段内的时间点可以是按小时划分的，也可以是按照用户指定的时间划分的，例如，可以是一个小时代表一个时间点，也可以是每12小时代表一个时间点。上述预设范围也可以根据用户需求进行设置，可以是全球的整个海域，也可以是某一指定海域等。上述观测点可以是用于在预设范围内指定的观测点，该观测点的分布可能存在一定的规律性，该规律性可以根据数据库存储的规则或者用户研发需求进行设定。
步骤S104，针对每个时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于第一范围内每个观测点的估计值，确定该目标对象在第一范围内的估计平均值；其中，第一范围小于预设范围，预设范围可以是全球，可以是大西洋或者太平洋，也可以是用户任意规定的海面区域。
上述指定观测点可以是根据用户需求设置的，例如，可以将预设范围内的任意位置设置为指定观测点。需要说明的是，指定观测点对应的海域上需要设置有浮标。上述指定方向可以用户设置的任意方向，例如，是以指定观测点为中心的东、西、南、北四个方向等。上述第一范围通常是正方形或者长方形，以便以网格的形式进行表示，从而将网格的顶点确定为第一范围内的观测点。上述第一范围应小于预设范围，以便从获取的目标对象的参考数据中采集该第一范围内的观测点的估计值。
在具体实现时，针对每个时间点，以指定观测点为中心向指定方向延伸至第一范围，进而将第一范围按照预设规则划分为多个子网格，将子网格的顶点确定为第一范围内的观测点；然后根据第一范围内每个观测点在当前时间点的估计值，得到在当前时间点上目标对象在第一范围内的估计平均值。上述指定时间段内的每个时间点，均可以作为一次当前时间点。
步骤S106，基于每个时间点对应的估计平均值和指定观测点的估计值，确定目标对象对应的空间代表性相对误差序列。
在具体实现时，针对每个时间点对应的估计平均值和指定观测点的估计值，可以得到每个时间对应的空间代表性相对误差值，该空间代表性相对误差值可以是标称误差、绝对误差或相对误差。将每个时间点对应的空间代表性相对误差值按照时间顺序进行排序，可以得到目标对象的空间代表性相对误差序列，也即是该空间代表性相对误差序列中包含有每个时间点对应的空间代表性相对误差值。
步骤S108，判断上述空间代表性相对误差序列是否满足预设条件；如果是，执行步骤S110；否则，执行步骤S112。
具体地，上述预设条件可以是用户根据需求设置的任意条件，例如，更改预设条件可以是空间代表性相对误差序列中小于或者等于预设值的空间代表性相对误差值的数量小于指定数值，也可以是空间代表性相对误差序列中小于或者等于预设阈值的空间代表性相对误差值的占比小于指定百分比。
步骤S110，基于第一范围确定空间匹配窗口的取值范围。
在具体实现时，可以根据第一范围的大小，确定空间匹配窗口的取值范围，例如，可以将第一范围的边长的一半确定为空间匹配窗口的取值范围的最大值，将0确定为空间匹配窗口的取值范围的最小值；也可以将第一范围的边长与预设值的乘积确定为空间匹配窗口的取值范围的最大值，将0确定为空间匹配窗口的取值范围的最小值。
步骤S112，扩大第一范围，将扩大后的第一范围确定为新的第一范围，继续执行基于第一范围内每个预设观测点的估计值，确定目标对象在第一范围内的估计平均值的步骤，直到确定出空间匹配窗口的取值范围。
在具体实现时，如果空间代表性相对误差序列不满足预设条件，需要扩大第一范围，也可以理解为按照预设扩大规则扩大第一范围，得到扩大后的第一范围。该预设扩大规则可以是以指定观测点为中心向指定方向分别扩充指定长度的(N+1)倍，其中，N可以表示扩大次数，第一次扩大时，N为1，第二次扩大时，N为2，以此类推；也可以是每一次都根据用户需求扩大相应的长度。
当第一范围扩大为扩大后的第一范围后，针对每个时间点，以指定观测点为中心向指定方向延伸至扩大后的第一范围，基于扩大后的第一范围内每个观测点的估计值，确定目标对象在扩大后的第一范围内的估计平均值；再基于每个时间点对应的估计平均值和指定观测点的估计值，确定目标对象对应的空间代表性相对误差序列；再次判断该空间代表性相对误差序列是否满足预设条件；如果满足，基于扩大后的第一范围确定空间匹配窗口的取值范围；如果不满足，再次扩大扩大后的第一范围，继续执行步骤S104-S112，直到确定出空间匹配窗口的取值范围。
本发明实施例提供的一种空间匹配窗口的确定方法，首先从预设数据库中获取目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值；针对每个时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于第一范围内每个观测点的估计值，确定目标对象在第一范围内的估计平均值；基于每个时间点对应的估计平均值和指定观测点的估计值，确定目标对象对应的空间代表性相对误差序列；如果空间代表性相对误差序列满足预设条件，基于第一范围确定空间匹配窗口的取值范围；如果空间代表性相对误差序列不满足预设条件，扩大第一范围，将扩大后的第一范围确定为新的第一范围，继续执行基于第一范围内每个预设观测点的估计值，确定目标对象在第一范围内的估计平均值的步骤，直到确定出空间匹配窗口的取值范围。该方式操作简单，且能够准确确定出任何海域的空间匹配窗口的取值范围。
另外，上述预设数据库中包括数值模式数据，该方式通过该数据模式数据建立了简洁有效的计算空间匹配窗口的判断流程，解决了不同海域现场观测的空间匹配窗口问题，为空间匹配窗口范围的选择制定了合理的标准，为卫星遥感的真实性检验提供了更加可行、准确的技术方案。
本发明实施例还提供了另一种空间匹配窗口确定的方法，该方法在上述实施例方法的基础上实现；如图2所示；该方法包括如下具体步骤：
步骤S202，从预设数据库中获取目标对象的参考数据；其中，参考数据包括目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值。
在一些实施例中，如果目标对象为风场，该风场的参考数据包括X轴方向上的风矢量和Y轴方向上的风矢量，而且一个具体的估计值；因此，需要在获取到风场的参考数据后，针对目标对象(相当于风场)的每个参考数据，通过下述算式计算当前参考数据对应的风速；将该风速确定为该当前参考数据中的估计值：
Figure BDA0002898220730000111
其中，Wa表示当前参考数据对应的风速，Xa表示当前参考数据中X轴方向上的风矢量；Ya表示当前参考数据中Y轴方向上的风矢量。
步骤S204，针对指定时间段内的第一个时间点，以指定观测点为中心向东西南北各延伸第一长度M，得到边长为2M的第一网格；其中，第一网格内的区域为第一范围。
上述第一长度的具体数值可以根据用户需求进行设定，例如，可以设置为25km或者12.5km等。上述第一网络为正方形网格，该网格的边长为2M。在具体实现时，如果从ECMWFERA5全球海洋数值模式数据库中获取的参考数据，那么需要采用ECMWF ERA5数据的分辨率25km作为第一长度；如果从精细化数值模式数据库中获取的参考数据，那么需要采用精细化数值模式数据的分辨率12.5km作为第一长度。
步骤S206，将第一网格划分为边长为M的多个子网格，将每个子网格的顶点确定为第一范围内的观测点；计算第一范围内每个观测点在第一时间点的估计值的算数平均值，将算数平均值确定为目标对象在第一范围内的估计平均值。
上述子网络为边长为第一长度M的正方形网格，由于第一网格的变成为2M，那么可以将第一网格划分为4个边长为M的子网格，每个子网格均有4个顶点，但由于子网格之间有互相重叠的顶点，该第一网格划分的4个子网格中包含有9个顶点。
当第一范围扩大后(也可以理解为第一网格的大小扩大后)，扩大后的第一范围的大小发生了变化，但是划分子网格时的子网格边长保持不变，也即是无论第一范围如何变化，子网格的大小不变。
步骤S208，根据第一时间点的估计平均值和指定观测点的估计值，确定目标对象在第一时间点的空间代表性相对误差值。
在具体实现时，由于需要计算指定时间段内的每个时间对应的空间代表性相对误差值，所以第一时间点可以是指定时间段内的每个时间点。针对指定时间段内的每个时间点，计算目标对象在当前时间点(也可以理解为第一时间点)的空间代表性相对误差值的具体过程为：通过下述算式计算目标对象在当前时间点的空间代表性相对误差值δt：
Figure BDA0002898220730000121
其中，Wt表示指定观测点在当前时间点的估计值，
Figure BDA0002898220730000122
表示当前时间点的估计平均值。
步骤S210，判断上述第一个时间点是否为指定时间段内的最后一个时间点；如果是，执行步骤S214；否则，执行步骤S212。
如果上述第一个时间点为指定时间段内的最后一个时间点，说明指定时间段内的每个时间点均已执行完毕，也即是得到了目标对象在指定时间段内的每个时间点对应的空间代表性相对误差值。如果上述第一时间点不是指定时间段内的最后一个时间点，说明需要将该第一时间点的下一个时间点确定新的第一时间点，继续计算该第一时间点的下一个时间点对应的空间代表性相对误差值，直到得到目标对象在指定时间段内的最后一个时间点对应的空间代表性相对误差值。
步骤S212，将上述第一时间点的下一个时间点确定为新的第一时间点，执行步骤S204。
步骤S214，组合目标对象在指定时间段内每个时间点的空间代表性相对误差值，得到目标对象对应的空间代表性相对误差序列；执行步骤S216。
在具体实现时，按照时间顺序将目标对象在指定时间段内每个时间点的空间代表性相对误差值整合为空间代表性相对误差序列。
步骤S216，判断上述空间代表性相对误差序列是否满足预设条件，如果是，执行步骤S218，否则，执行步骤S220。
在具体实现时，上述预设条件可以为：当空间代表性相对误差序列中小于或者等于第一预设阈值的空间代表性相对误差值的占比，小于第二预设阈值。上述第一预设阈值和第二预设阈值均可以根据用户需求进行设置，例如，第一预设阈值可以是0.1或者0.2；第二预设阈值可以是0.8或者0.9等。
步骤S218，将第一范围的边长的一半，确定为空间匹配窗口的取值范围的最大值；将零确定为空间匹配窗口的取值范围的最小值。
步骤S220，以指定观测点为中心向东西南北各延伸长度M*(N+1)，得到第二网格；其中，第二网格内的区域为扩大后的第一范围；其中，M表示第一长度，N表示扩大次数。
上述N为正整数，在第一次扩大时，N为1，第二次扩大时，N为2，以此类推。在具体实现时，扩大后的第一范围(相当于上述第二网格)对应的子网格的顶点数，可以通过公式[2*(N+1)+1]2计算得到。
步骤S222，将扩大后的第一范围确定为新的第一范围，执行步骤S204。
上述空间匹配窗口的确定方法，该方式通过现有的数值模式数据库，建立了简洁有效的计算空间匹配窗口的判断流程，为空间匹配窗口范围的选择制定了合理的标准。从数值模式数据库中提取的数据更加详实准确，在减小计算误差的同时增强了可操作性，且计算结果与前期经验验证结果相符。
对应于上述方法实施例，本发明实施例还提供了一种空间匹配窗口确定装置，如图3所示，该装置包括：
数据获取模块30，用于从预设数据库中获取目标对象的参考数据；其中，该参考数据包括目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值。
范围延伸模块31，用于针对每个时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于该第一范围内每个观测点的估计值，确定该目标对象在该第一范围内的估计平均值；其中，该第一范围小于该预设范围。
误差序列计算模块32，用于基于每个该时间点对应的估计平均值和该指定观测点的估计值，确定该目标对象对应的空间代表性相对误差序列。
窗口范围确定模块33，用于如果该空间代表性相对误差序列满足预设条件，将该第一范围确定为空间匹配窗口的取值范围。
范围扩大模块34，用于如果空间代表性相对误差序列不满足预设条件，扩大第一范围，将扩大后的第一范围确定为新的第一范围，继续执行基于第一范围内每个预设观测点的估计值，确定该目标对象在该第一范围内的估计平均值的步骤，直到确定出该空间匹配窗口的取值范围；其中，扩大后该第一范围小于预设范围。
上述空间匹配窗口确定模块，首先从预设数据库中获取目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值；针对每个时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于第一范围内每个观测点的估计值，确定目标对象在第一范围内的估计平均值；基于每个时间点对应的估计平均值和指定观测点的估计值，确定目标对象对应的空间代表性相对误差序列；如果空间代表性相对误差序列满足预设条件，基于第一范围确定空间匹配窗口的取值范围；如果空间代表性相对误差序列不满足预设条件，扩大第一范围，将扩大后的第一范围确定为新的第一范围，继续执行基于第一范围内每个预设观测点的估计值，确定目标对象在第一范围内的估计平均值的步骤，直到确定出空间匹配窗口的取值范围。该方式操作简单，且能够准确确定出任何海域的空间匹配窗口的取值范围。
另外，上述预设数据库中包括数值模式数据，该方式通过上述数据模式数据建立了简洁有效的计算空间匹配窗口的判断流程，解决了不同海域现场观测的空间匹配窗口问题，为空间匹配窗口范围的选择制定了合理的标准，为卫星遥感的真实性检验提供了更加可行、准确的技术方案。
进一步地，上述目标对象包括风场、浪场、高度场、温度场或者流场中的任意一种；该预设数据库中包括ECMWF ERA5全球海洋数值模式数据库或者精细化数值模式数据库。
进一步地，上述范围延伸模块31，还用于：以指定观测点为中心向东西南北各延伸第一长度M，得到边长为2M的第一网格；其中，该第一网格内的区域为该第一范围；将该第一网格划分为边长为M的多个子网格，将每个子网格的顶点确定为第一范围内的观测点；计算第一范围内每个观测点的估计值的算数平均值，将该算数平均值确定该目标对象在第一范围内的估计平均值。
具体地，上述窗口范围确定模块33，用于：将第一范围的边长的一半，确定为空间匹配窗口的取值范围的最大值。
具体地，上述范围扩大模块34，还用于：以指定观测点为中心向东西南北各延伸长度M*(N+1)，得到第二网格；其中，该第二网格内的区域为扩大后的该第一范围；其中，M表示第一长度，N表示扩大次数。
进一步地，上述误差序列计算模块32，还用于：针对每个时间点，根据当前时间点的估计平均值和该指定观测点的估计值，确定目标对象在当前时间点的空间代表性相对误差值；组合目标对象在每个时间点的空间代表性相对误差值，得到目标对象对应的空间代表性相对误差序列。
具体地，上述误差序列计算模块32，还用于：通过下述算式计算目标对象在当前时间点的空间代表性相对误差值δt：
Figure BDA0002898220730000161
其中，Wt表示指定观测点在当前时间点的估计值，
Figure BDA0002898220730000162
表示当前时间点的估计平均值。
在具体实现时，上述空间代表性相对误差序列中包含有每个时间点对应的空间代表性相对误差值；上述预设条件为该空间代表性相对误差序列中小于或者等于第一预设阈值的空间代表性相对误差值的占比，小于第二预设阈值。
进一步地，上述装置还包括风速计算模块，用于：当目标对象为风场时，基于目标对象的参考数据包括X轴方向上的风矢量和Y轴方向上的风矢量计算风速；从预设数据库中获取目标对象的参考数据的步骤之后，方法还包括：针对目标对象的每个参考数据，通过下述算式计算当前参考数据对应的风速；将该风速确定为该当前参考数据中的估计值：
Figure BDA0002898220730000163
其中，Wa表示当前参考数据对应的风速，Xa表示当前参考数据中X轴方向上的风矢量；Ya表示当前参考数据中Y轴方向上的风矢量。
本发明实施例所提供的空间匹配窗口的确定装置，其实现原理及产生的技术效果和前述空间匹配窗口确定方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例还提供了一种电子设备，参见图4所示，该电子设备包括处理器101和存储器100，该存储器100存储有能够被处理器101执行的机器可执行指令，该处理器执行机器可执行指令以实现上述空间匹配窗口的确定方法。
进一步地，图4所示的电子设备还包括总线102和通信接口103，处理器101、通信接口103和存储器100通过总线102连接。
其中，存储器100可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100，处理器101读取存储器100中的信息，结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，该机器可执行指令促使处理器实现上述空间匹配窗口的确定方法，具体实现可参见方法实施例，在此不再赘述。
本发明实施例所提供的空间匹配窗口的确定方法、装置和电子设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，该程序代码包括的指令可用于执行前面方法实施例中该的方法，具体实现可参见方法实施例，在此不再赘述。
该功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例该方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、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 (8)

1.一种空间匹配窗口的确定方法，其特征在于，所述方法包括：
从预设数据库中获取目标对象的参考数据；其中，所述参考数据包括目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值；
针对每个所述时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于所述第一范围内每个观测点的估计值，确定所述目标对象在所述第一范围内的估计平均值；其中，所述第一范围小于所述预设范围；
基于每个所述时间点对应的所述估计平均值和所述指定观测点的估计值，确定所述目标对象对应的空间代表性相对误差序列；
如果所述空间代表性相对误差序列满足预设条件，基于所述第一范围确定所述空间匹配窗口的取值范围；
如果所述空间代表性相对误差序列不满足预设条件，扩大所述第一范围，将扩大后的所述第一范围确定为新的第一范围，继续执行基于所述第一范围内每个预设观测点的估计值，确定所述目标对象在所述第一范围内的估计平均值的步骤，直到确定出所述空间匹配窗口的取值范围；其中，扩大后所述第一范围小于所述预设范围；
所述基于每个所述时间点对应的所述估计平均值和所述指定观测点的估计值，确定所述目标对象对应的空间代表性相对误差序列的步骤，包括：针对每个所述时间点，根据当前时间点的估计平均值和所述指定观测点的估计值，确定所述目标对象在所述当前时间点的空间代表性相对误差值；组合所述目标对象在每个所述时间点的空间代表性相对误差值，得到所述目标对象对应的空间代表性相对误差序列；
所述根据当前时间点的估计平均值和所述指定观测点的估计值，确定所述目标对象在所述当前时间点的空间代表性相对误差值的步骤，包括：
通过下述算式计算所述目标对象在所述当前时间点的空间代表性相对误差值δt：
Figure FDA0003153919660000021
其中，Wt表示所述指定观测点在所述当前时间点的估计值，
Figure FDA0003153919660000022
表示所述当前时间点的所述估计平均值。
2.根据权利要求1所述的方法，其特征在于，所述空间代表性相对误差序列中包含有每个时间点对应的空间代表性相对误差值；所述预设条件包括：所述空间代表性相对误差序列中小于或者等于第一预设阈值的所述空间代表性相对误差值的占比，小于第二预设阈值。
3.根据权利要求1所述的方法，其特征在于，所述目标对象包括风场、浪场、高度场、温度场或者流场中的任意一种；所述预设数据库包括ECMWF ERA5全球海洋数值模式数据库或者精细化数值模式数据库。
4.根据权利要求1所述的方法，其特征在于，所述以预设的指定观测点为中心向指定方向延伸至第一范围，基于所述第一范围内每个观测点的估计值，确定所述目标对象在所述第一范围内的估计平均值的步骤，包括：
以所述指定观测点为中心向东西南北各延伸第一长度M，得到边长为2M的第一网格；其中，所述第一网格内的区域为所述第一范围；
将所述第一网格划分为边长为M的多个子网格，将每个所述子网格的顶点确定为所述第一范围内的观测点；
计算所述第一范围内每个观测点的估计值的算数平均值，将所述算数平均值确定所述目标对象在所述第一范围内的估计平均值。
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一范围确定所述空间匹配窗口的取值范围的步骤，包括：
将所述第一范围的边长的一半，确定为所述空间匹配窗口的取值范围的最大值。
6.根据权利要求4所述的方法，其特征在于，所述扩大所述第一范围的步骤包括：
以所述指定观测点为中心向东西南北各延伸长度M*(N+1)，得到第二网格；其中，所述第二网格内的区域为扩大后的所述第一范围；其中，M表示第一长度，N表示扩大次数。
7.根据权利要求1所述的方法，其特征在于，所述目标对象为风场，所述目标对象的参考数据包括X轴方向上的风矢量和Y轴方向上的风矢量；所述从预设数据库中获取目标对象的参考数据的步骤之后，所述方法还包括：
针对目标对象的每个参考数据，通过下述算式计算当前参考数据对应的风速；将所述风速确定为所述当前参考数据中的估计值：
Figure FDA0003153919660000031
其中，Wa表示当前参考数据对应的风速，Xa表示当前参考数据中X轴方向上的风矢量；Ya表示当前参考数据中Y轴方向上的风矢量。
8.一种空间匹配窗口的确定装置，其特征在于，所述装置包括：
数据获取模块，用于从预设数据库中获取目标对象的参考数据；其中，所述参考数据包括目标对象在指定时间段内的每个时间点上，针对预设范围的每个观测点的估计值；
范围延伸模块，用于针对每个所述时间点，以预设的指定观测点为中心向指定方向延伸至第一范围，基于所述第一范围内每个观测点的估计值，确定所述目标对象在所述第一范围内的估计平均值；其中，所述第一范围小于所述预设范围；
误差序列计算模块，用于基于每个所述时间点对应的所述估计平均值和所述指定观测点的估计值，确定所述目标对象对应的空间代表性相对误差序列；
窗口范围确定模块，用于如果所述空间代表性相对误差序列满足预设条件，将所述第一范围确定为所述空间匹配窗口的取值范围；
所述窗口范围确定模块，还用于如果所述空间代表性相对误差序列不满足预设条件，扩大所述第一范围，将扩大后的所述第一范围确定为新的第一范围，继续执行基于所述第一范围内每个预设观测点的估计值，确定所述目标对象在所述第一范围内的估计平均值的步骤，直到确定出所述空间匹配窗口的取值范围；其中，扩大后所述第一范围小于所述预设范围；
所述误差序列计算模块，还用于：针对每个所述时间点，根据当前时间点的估计平均值和所述指定观测点的估计值，确定所述目标对象在所述当前时间点的空间代表性相对误差值；组合所述目标对象在每个所述时间点的空间代表性相对误差值，得到所述目标对象对应的空间代表性相对误差序列；
所述误差序列计算模块，还用于：通过下述算式计算所述目标对象在所述当前时间点的空间代表性相对误差值δt：
Figure FDA0003153919660000041
其中，Wt表示所述指定观测点在所述当前时间点的估计值，
Figure FDA0003153919660000051
表示所述当前时间点的所述估计平均值。
CN202110051483.8A 2021-01-14 2021-01-14 空间匹配窗口的确定方法和装置 Active CN112699204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110051483.8A CN112699204B (zh) 2021-01-14 2021-01-14 空间匹配窗口的确定方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110051483.8A CN112699204B (zh) 2021-01-14 2021-01-14 空间匹配窗口的确定方法和装置

Publications (2)

Publication Number Publication Date
CN112699204A CN112699204A (zh) 2021-04-23
CN112699204B true CN112699204B (zh) 2021-08-27

Family

ID=75515153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110051483.8A Active CN112699204B (zh) 2021-01-14 2021-01-14 空间匹配窗口的确定方法和装置

Country Status (1)

Country Link
CN (1) CN112699204B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114692470B (zh) * 2022-05-31 2022-09-06 中国空气动力研究与发展中心计算空气动力研究所 一种重叠网格的装配方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020478A (zh) * 2012-12-28 2013-04-03 杭州师范大学 一种海洋水色遥感产品真实性检验的方法
CN106022790A (zh) * 2016-05-09 2016-10-12 中国科学院遥感与数字地球研究所 一种定量遥感产品真实性检验系统
CN109633648A (zh) * 2019-01-22 2019-04-16 北京航空航天大学 一种基于似然估计的多基线相位估计装置及方法
CN110929776A (zh) * 2019-11-18 2020-03-27 杭州师范大学 一种基于海面风场稳定度统计区划的遥感风场数据质量评估方法及装置
CN111090834A (zh) * 2019-12-24 2020-05-01 国家卫星海洋应用中心 海洋观测数据产品质量离线检验方法、装置及服务器

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6215898B1 (en) * 1997-04-15 2001-04-10 Interval Research Corporation Data processing system and method
US9286354B2 (en) * 2011-08-15 2016-03-15 Software Ag Systems and/or methods for forecasting future behavior of event streams in complex event processing (CEP) environments
CN108460792B (zh) * 2016-12-12 2021-09-21 南京理工大学 一种基于图像分割的高效聚焦立体匹配方法
CN111860146B (zh) * 2020-06-11 2023-06-09 中山大学 海洋锋区域的获取方法、装置、计算机设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020478A (zh) * 2012-12-28 2013-04-03 杭州师范大学 一种海洋水色遥感产品真实性检验的方法
CN106022790A (zh) * 2016-05-09 2016-10-12 中国科学院遥感与数字地球研究所 一种定量遥感产品真实性检验系统
CN109633648A (zh) * 2019-01-22 2019-04-16 北京航空航天大学 一种基于似然估计的多基线相位估计装置及方法
CN110929776A (zh) * 2019-11-18 2020-03-27 杭州师范大学 一种基于海面风场稳定度统计区划的遥感风场数据质量评估方法及装置
CN111090834A (zh) * 2019-12-24 2020-05-01 国家卫星海洋应用中心 海洋观测数据产品质量离线检验方法、装置及服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于ASCAT微波散射计风场与NCEP再分析风场的全球海洋表面混合风场";刘宇昕 等;《海洋预报》;20140615;第10-18页 *

Also Published As

Publication number Publication date
CN112699204A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
Mitasova et al. Raster-based analysis of coastal terrain dynamics from multitemporal lidar data
CN105095589B (zh) 一种山区电网风区分布图绘制方法
CN111666971A (zh) 基于位置定位的事件识别方法、装置、设备及存储介质
KR102319145B1 (ko) 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치
CN104268429A (zh) 基于星载sar的近海岸海上风能资源遥感方法及系统
CN111736148B (zh) 卫星雷达高度计海浪有效波高的订正方法及相关装置
CN110134907B (zh) 一种降雨缺失数据填补方法、系统及电子设备
CN112699204B (zh) 空间匹配窗口的确定方法和装置
CN112712219B (zh) 大气污染物浓度的预估方法、系统、电子设备及介质
CN103499846A (zh) 对天气状况进行预测的方法和设备
KR102391607B1 (ko) 폭염 중기예보 시스템 및 그 방법
CN111583406A (zh) 杆塔脚基点坐标计算方法、装置及终端设备
CN108957594B (zh) 一种商遥卫星轨道总云量预报修正方法及修正系统
CN113689526B (zh) 地图中无效区域的划分方法及装置、电子设备
CN111611233B (zh) 数据质量检测方法、装置及电子设备
Nurhamidah et al. Evaluation of the Compatibility of TRMM Satellite Data with Precipitation Observation Data
Zhang et al. Exploring mean annual precipitation values (2003–2012) in a specific area (36° N–43° N, 113° E–120° E) using meteorological, elevational, and the nearest distance to coastline variables
CN114386294A (zh) 一种台风环境模型生成方法和装置
Yu et al. Development of probability wind speed map based on frequency analysis
Chang et al. Modeling spatial variations of sea level rise and corresponding inundation impacts: A case study for Florida, USA
Nunchhani et al. Prioritization of Mago Basin based on erodibility through morphometric analysis using GIS technique: A PCA-based approach
CN112162336A (zh) 基于二维气象要素场的能见度预测方法和装置
CN117251520B (zh) 生物多样性关键区域识别方法、装置和电子设备
CN111181809A (zh) 网络rtk中心解算软件中基准站的监测方法及装置
CN115687805B (zh) 一种基于位置的气象数据查询方法及系统

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