CN112766581A - 一种计算机自动识别预报人工防雹作业潜势的方法 - Google Patents

一种计算机自动识别预报人工防雹作业潜势的方法 Download PDF

Info

Publication number
CN112766581A
CN112766581A CN202110096885.XA CN202110096885A CN112766581A CN 112766581 A CN112766581 A CN 112766581A CN 202110096885 A CN202110096885 A CN 202110096885A CN 112766581 A CN112766581 A CN 112766581A
Authority
CN
China
Prior art keywords
theta
layer
potential
hail suppression
forecasting
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.)
Granted
Application number
CN202110096885.XA
Other languages
English (en)
Other versions
CN112766581B (zh
Inventor
林文
张维
李丹
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.)
Fujian Institute Of Meteorological Sciences
Original Assignee
Fujian Institute Of Meteorological Sciences
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 Fujian Institute Of Meteorological Sciences filed Critical Fujian Institute Of Meteorological Sciences
Priority to CN202110096885.XA priority Critical patent/CN112766581B/zh
Publication of CN112766581A publication Critical patent/CN112766581A/zh
Application granted granted Critical
Publication of CN112766581B publication Critical patent/CN112766581B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种计算机自动识别预报人工防雹作业潜势的方法，包括基于实时读取的探空特征层数据，计算并绘制出位温θ、假相当位温θse以及饱和假相当位温
Figure DDA0002914652090000011
线，并结合探空风向风速数据，得到V‑3θ图像，其中横坐标为绝对温度，纵坐标为大气压强；根据V‑3θ图像图像，识别大气层结参量特征，包括：θ折拐、超低温、垂直风切条件、水汽垂直分布条件和冷层云特征；根据大气层结参量特征进行人工防雹作业潜势的自动识别预报。利用计算机图像识别方法，通过自动识别判断大气垂直层结条件以及降雹潜势指标，提供人工防雹潜势预报结果，避免主观判断误差，提高预报准确率和防灾减灾效率。

Description

一种计算机自动识别预报人工防雹作业潜势的方法
技术领域
本发明涉及人工防雹技术领域，更具体的说是涉及一种利用计算机自动识别和预报人工防雹作业潜势条件的方法。
背景技术
人工防雹是目前能够有效抵御或减轻冰雹灾害的人工手段之一。我国是开展人工防雹的大国，现有20多个省都在开展防护烟草、果树等不同目的的人工防雹作业。
虽然国内外进行人工防雹的研究已经有多年积累，但在人工防雹作业中仍未解决的关键问题是如何提前数小时获取可能发生冰雹天气的先兆气象信息，以便人工防雹来抑制冰雹的发生，目前普遍使用的数值模式对中小尺度强对流天气发生区域和灾害强度的预报困难较大。因此，为了提前有效地预测人工防雹的最佳作业时机，首先需要深入认识冰雹或强对流天气产生的动力热力原因，弄清大气层结不稳定的物理过程。
基于探空转化得出的V-3θ图，建立以大气热结构不稳定及涡旋流场转换为依据的冰雹天气潜势预测指标，较传统天气诊断及T-logP图对大气结构分析更为直观准确，国内部分省份的气象局或航管部门在冰雹潜势预报中使用效果显著。但由于人为主观对V-3θ图中冰雹潜势指标的识别判断差异性较大，常因此造成漏报和空报。
因此，如何提供一种利用计算机自动识别和预报人工防雹作业潜势条件的方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种计算机自动识别预报人工防雹作业潜势的方法，利用计算机图像识别方法，通过自动识别判断大气垂直层结条件以及降雹潜势指标，提供人工防雹潜势预报结果，避免主观判断误差，提高预报准确率和防灾减灾效率。
为了实现上述目的，本发明采用如下技术方案：
一种计算机自动识别预报人工防雹作业潜势的方法，包括：
步骤1：基于实时读取的探空特征层数据，计算并绘制出位温θ、假相当位温θse以及饱和假相当位温
Figure BDA0002914652070000021
线，并结合探空风向风速数据，得到V-3θ图像，其中横坐标为绝对温度，纵坐标为大气压强；
步骤2：计算机根据V-3θ图像，识别大气层结参量特征，包括：θ折拐、超低温、垂直风切条件、水汽垂直分布条件和冷层云特征；
步骤3：根据大气层结参量特征进行人工防雹作业潜势的自动识别预报。
优选的，识别θ折拐、超低温的具体方法为：
根据V-3θ图像中数据点间对应的位温θ差值和绝对温度差计算得到位温θ线与横坐标夹角，当某高度θ线夹角大于45°，表示该高度有θ折拐；
θ线左倾部分，且该左倾部分θ线与横坐标夹角大于70°，表示该特征层存在超低温。
优选的，识别垂直风切条件的具体方法为：
根据V-3θ图像，若上层风向与下层方向结果为0～-180°或者-180～-360°，表示垂直风切顺时针旋转，且连续四层特征层或以上均为垂直风切顺时针旋转，则判断为顺滚流，否则为逆滚流。
优选的，识别水汽垂直分布条件的具体方法为：
根据V-3θ图像，计算地面到400hPa大气压强中每一特征层
Figure BDA0002914652070000022
最小值MINwet；
计算每一特征层
Figure BDA0002914652070000023
值，并与MINwet比较，若差值小于5，则将该层定义为湿层，否则为干层。
优选的，识别冷层云特征的具体方法为：
根据V-3θ图像，计算位温θ线与横坐标夹角，当某高度θ线夹角大于45°，并且该高度下
Figure BDA0002914652070000024
小于5K，表示该特征层为冷层云。
优选的，步骤3：进行人工防雹作业潜势预报的条件为：
同时存在θ折拐、超低温、顺滚流、水汽呈现上干下湿、中干上下湿或者多干湿，则根据500hPa主导风向对下游250km地区进行人工防雹作业潜势预报；
如果同时存在冷层云，则在预报区域提供人工防雹潜势及冰雹灾害等级。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种计算机自动识别预报人工防雹作业潜势的方法，该方法适用于我国除青藏高原附近的高海拔地区外的大部分地区，不需要学习V-3θ相关理论；同时，节省人工识图的时间，有效避免主观误差，提高了对冰雹潜势预报的准确度，本发明对全国各省开展人工防雹作业提供了有效的指导依据。
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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的计算机自动识别预报人工防雹作业潜势的方法流程图。
图2附图为实施例水汽识别结果图。
图3附图为实施例计算机自动识别大气层结参量特征的结果图。
图4附图为实施例预报人工防雹作业潜势条件站点的结果图。
具体实施方式
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，所描述的实施例仅仅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。
本实施例利用计算机自动识别和预报人工防雹作业潜势条件的方法，如图1所示，实施步骤为：
A计算大气层结参量；
选择单站或多个探空站，实时读取特性层数据，计算并绘出位温θ、假相当位温θse以及饱和假相当位温
Figure BDA0002914652070000041
三个物理量的曲线，叠加上同站探空风向风速数据，绘制显示出V-3θ图像，横坐标为绝对温度(单位K)，纵坐标为大气压强(单位hPa)；当选择多个站点时，尽量选择相邻站点。
在本实施例中，除了选择厦门市探空站外，还选择了根据长期预报总结出来的主导天气系统风向500hPa作为主导风向上游250km范围内的探空站点。
B大气层结参量特征的识别；
对各个站点的位温θ、假相当位温θse以及饱和假相当位温
Figure BDA0002914652070000042
所表现出的特征做计算机识别，如图3所示。
1)识别θ折拐及超低温；
θ线折拐代表大气热力层结不稳定。大气热力层结可通过计算机来判断θ线随海拔高度(大气压强)变化与横坐标(绝对温度)的夹角，当夹角大于45°时判断热力层结不稳定，夹角小于45°时判断热力层结稳定。V-3θ图像中，通过每个数据点间对应的θ差值和绝对温度差值计算得到θ线与横坐标夹角，当某高度θ线夹角大于45°甚至大于90°时，则识别该高度有θ线折拐；
超低温是指在对流层上层(150～400hPa)气温降低的一种现象，是冰雹生长层。V-3θ图上表现θ线突然左倾，通过计算机识别400hPa以上θ线的夹角(与折拐计算方法类似)，当夹角大于70°即认为该层存在超低温。
在本实施例中，某探空站点300hPa识别出超低温，θ线出现几处折拐。
2)识别垂直风切条件(又称滚流)；
对于某一个站点，风向从低层至高层顺时针旋转，即上层风向减去下层风向结果为0～-180°或者-180～-360°，则判断为垂直风切顺转，同时必须连续四层或以上均构成垂直风切顺转，即判断为顺滚流。与以上相反的识别结果，称为逆滚流。
在本实施例中，某探空站点计算机识别出风场为顺滚流。
3)识别水汽垂直分布条件
判断某一层水汽的干湿主要根据该层θse、
Figure BDA0002914652070000043
的差值进行判断。首先从地面到400hPa中找到最小的
Figure BDA0002914652070000044
值，定义为MINwet，然后每一层的
Figure BDA0002914652070000045
值与最小值进行对比，当该层
Figure BDA0002914652070000046
值与MINwet之间差值小于5，则将该层定义为湿层，否则为干层。确定好每一层的干湿情况后，就能区分出各种类型的水汽条件，比如中上干下湿，或者中干上下湿，或者多干湿等等，如图2所示。
在本实施例中，某探空站点计算机识别出水汽分布为多干湿。
4)冷层云特征
冷层云需要通过位温θ、假相当位温θse以及饱和假相当位温
Figure BDA0002914652070000051
三条曲线共同识别判断，当θ线与横坐标夹角大于90°并且
Figure BDA0002914652070000052
值小于5K，可识别该层为冷层云。
在本实施例中，692Hpa为冷层云。
C人工防雹作业潜势的自动识别预报
对各个探空站点分别对B中提到的参量进行识别，若某站均识别出以下4个特征：1)顺滚流(上升运动)，2)θ线折拐，3)超低温，4)、水汽呈现上干下湿、中干上下湿或者多干湿，根据500hPa主导风向，对该站的下游250km范围内进行人工防雹潜势预报(提前量在12-24小时)，若还识别出B中的冷层云特征，则在预报区域提高人工防雹潜势及冰雹灾害等级。
在本实施例中，如图3所示，某探空站点被计算机识别出1)顺滚流，2)θ线折拐，3)超低温，4)水汽呈现多干湿，另外还识别出冷层云特征。同时在A所关注站点中有4个站点均满足4个特征条件，3个站点不能满足4个特征条件，如图4灰色不规则区域所示可预报4个站点500hPa主导风向下游250km范围内12-24小时有人工防雹潜势条件。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种计算机自动识别预报人工防雹作业潜势的方法，其特征在于，包括：
步骤1：基于实时读取的探空特征层数据，计算并绘制出位温θ、假相当位温θse以及饱和假相当位温
Figure FDA0002914652060000011
曲线，并结合探空风向风速数据，得到V-3θ图像，其中横坐标为绝对温度，纵坐标为大气压强；
步骤2：计算机根据V-3θ图像，识别大气层结参量特征，包括：θ折拐、超低温、垂直风切条件、水汽垂直分布条件和冷层云特征；
步骤3：根据大气层结参量特征进行人工防雹作业潜势的自动识别预报。
2.根据权利要求1所述的一种计算机自动识别预报人工防雹作业潜势的方法，其特征在于，识别θ折拐、超低温的具体方法为：
根据V-3θ图像中数据点间对应的位温θ差值和绝对温度差计算得到位温θ线与横坐标夹角，当某高度θ线夹角大于45°，表示该高度有θ折拐；
θ线左倾部分，且该左倾部分θ线与横坐标夹角大于70°，表示该特征层存在超低温。
3.根据权利要求1所述的一种计算机自动识别预报人工防雹作业潜势的方法，其特征在于，识别垂直风切条件的具体方法为：
根据V-3θ图像，若上层风向与下层方向结果为0～-180°或者-180～-360°，表示垂直风切顺时针旋转，且连续四层特征层或以上均为垂直风切顺时针旋转，则判断为顺滚流，否则为逆滚流。
4.根据权利要求1所述的一种计算机自动识别预报人工防雹作业潜势的方法，其特征在于，识别水汽垂直分布条件的具体方法为：
根据V-3θ图像，计算地面到400hPa大气压强中每一特征层
Figure FDA0002914652060000012
最小值MINwet；
计算每一特征层
Figure FDA0002914652060000013
值，并与MINwet比较，若差值小于5，则将该层定义为湿层，否则为干层。
5.根据权利要求2所述的一种计算机自动识别预报人工防雹作业潜势的方法，其特征在于，识别冷层云特征的具体方法为：
根据V-3θ图像，计算位温θ线与横坐标夹角，当某高度θ线夹角大于45°，并且该高度下
Figure FDA0002914652060000014
小于5K，表示该特征层为冷层云。
6.根据权利要求1所述的一种计算机自动识别预报人工防雹作业潜势的方法，其特征在于，步骤3：进行人工防雹作业潜势预报的条件为：
同时存在θ折拐、超低温、顺滚流、水汽呈现上干下湿、中干上下湿或者多干湿，则根据500hPa主导风向对下游250km以内地区进行人工防雹作业潜势预报；
如果同时存在冷层云，则在预报区域提供人工防雹潜势及冰雹灾害等级。
CN202110096885.XA 2021-01-25 2021-01-25 一种计算机自动识别预报人工防雹作业潜势的方法 Active CN112766581B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110096885.XA CN112766581B (zh) 2021-01-25 2021-01-25 一种计算机自动识别预报人工防雹作业潜势的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110096885.XA CN112766581B (zh) 2021-01-25 2021-01-25 一种计算机自动识别预报人工防雹作业潜势的方法

Publications (2)

Publication Number Publication Date
CN112766581A true CN112766581A (zh) 2021-05-07
CN112766581B CN112766581B (zh) 2023-05-30

Family

ID=75707119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110096885.XA Active CN112766581B (zh) 2021-01-25 2021-01-25 一种计算机自动识别预报人工防雹作业潜势的方法

Country Status (1)

Country Link
CN (1) CN112766581B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114384610A (zh) * 2021-12-28 2022-04-22 中国人民解放军94201部队 冰雹短期落区预报方法、装置、电子设备及存储介质
CN114627747A (zh) * 2022-02-23 2022-06-14 福建省气象科学研究所 一种防雹示意图制作方法及终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105182450A (zh) * 2015-10-15 2015-12-23 成都信息工程大学 一种强对流天气短时预警系统
CN105354241A (zh) * 2015-10-15 2016-02-24 西藏自治区气象台 一种高原强对流天气短时临近预报预警系统
CN110488298A (zh) * 2019-08-30 2019-11-22 成都信息工程大学 基于各尺度特征的冰雹预警方法
US20190383966A1 (en) * 2018-04-19 2019-12-19 Korea Meteorological Administration Apparatus for forecasting of hydrometeor classification using numerical weather prediction model and method thereof
CN112001534A (zh) * 2020-08-07 2020-11-27 兰州中心气象台(兰州干旱生态环境监测预测中心) 基于集合预报和要素叠套法的强对流天气概率预报方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105182450A (zh) * 2015-10-15 2015-12-23 成都信息工程大学 一种强对流天气短时预警系统
CN105354241A (zh) * 2015-10-15 2016-02-24 西藏自治区气象台 一种高原强对流天气短时临近预报预警系统
US20190383966A1 (en) * 2018-04-19 2019-12-19 Korea Meteorological Administration Apparatus for forecasting of hydrometeor classification using numerical weather prediction model and method thereof
CN110488298A (zh) * 2019-08-30 2019-11-22 成都信息工程大学 基于各尺度特征的冰雹预警方法
CN112001534A (zh) * 2020-08-07 2020-11-27 兰州中心气象台(兰州干旱生态环境监测预测中心) 基于集合预报和要素叠套法的强对流天气概率预报方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
林文 等: "闽西北地区冰雹天气大气垂直结构特征", 《自然灾害学报》 *
耿德祥 等: "皖北地区冰雹预警系统的设计与实现", 《安徽农业科学》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114384610A (zh) * 2021-12-28 2022-04-22 中国人民解放军94201部队 冰雹短期落区预报方法、装置、电子设备及存储介质
CN114384610B (zh) * 2021-12-28 2024-02-20 中国人民解放军94201部队 冰雹短期落区预报方法、装置、电子设备及存储介质
CN114627747A (zh) * 2022-02-23 2022-06-14 福建省气象科学研究所 一种防雹示意图制作方法及终端
CN114627747B (zh) * 2022-02-23 2024-03-22 福建省气象科学研究所 一种防雹示意图制作方法及终端

Also Published As

Publication number Publication date
CN112766581B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN110058328B (zh) 东北夏季降水多模式组合降尺度预测方法
Soegaard et al. Towards a spatial CO2 budget of a metropolitan region based on textural image classification and flux measurements
CN105808819B (zh) 一种输电线路覆冰实时分布模型计算方法
Huang et al. An analytical comparison of four approaches to modelling the daily variability of solar irradiance using meteorological records
Sunderland et al. Estimating the wind resource in an urban area: A case study of micro-wind generation potential in Dublin, Ireland
CN112766581A (zh) 一种计算机自动识别预报人工防雹作业潜势的方法
CN109740195B (zh) 一种基于气象站观测数据的极值台风风速概率分布模型及设计台风风速的评估方法
CN111985389B (zh) 一种基于流域属性距离的流域相似判别方法
Chen et al. A statistical downscaling model for forecasting summer rainfall in China from DEMETER hindcast datasets
CN110134907B (zh) 一种降雨缺失数据填补方法、系统及电子设备
Miller et al. Topographic speed-up effects and observed roof damage on Bermuda following Hurricane Fabian (2003)
CN113591572A (zh) 基于多源数据和多时相数据的水土流失定量监测方法
CN115201938B (zh) 基于雷暴高压分析的强对流天气临近预报方法及系统
Lan et al. Understanding the relationship between urban morphology and solar potential in mixed-use neighborhoods using machine learning algorithms
KR20170025709A (ko) 황사와 연무 통합 예측 및 검증 방법 및 시스템
CN108808671A (zh) 一种风电场短期风速集合预报方法
CN115578227A (zh) 一种基于多源数据确定大气颗粒物污染重点区域的方法
CN107944188A (zh) 基于气象站实测数据的台风近地面风眼半径辨识方法
CN113537515A (zh) Pm2.5预测方法、系统、装置及存储介质
KR102497676B1 (ko) 인공지능 기반의 태양광 모니터링 시스템
KR101097947B1 (ko) 호우 예측 방법 및 시스템
CN115902812A (zh) 一种短时暴雨天气背景自动判别方法、系统、设备及终端
CN103424782B (zh) 一种中层径向辐合的自动识别方法
CN113689053A (zh) 一种基于随机森林的强对流天气架空线停电预测方法
CN103617452A (zh) 一种大型光伏基地区域测光网络布局方法

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