CN112987131B - 一种云海景观预报方法及系统 - Google Patents
一种云海景观预报方法及系统 Download PDFInfo
- Publication number
- CN112987131B CN112987131B CN202110129722.7A CN202110129722A CN112987131B CN 112987131 B CN112987131 B CN 112987131B CN 202110129722 A CN202110129722 A CN 202110129722A CN 112987131 B CN112987131 B CN 112987131B
- Authority
- CN
- China
- Prior art keywords
- cloud
- grid
- data
- meteorological
- geographic
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于气象预报技术领域,公开了一种云海景观预报方法及系统,根据相对湿度和位势高度气象数据得到气象网格上的云量数据并建立气象网格,根据地理高度数据建立地理网格,并将地理网格上的地理高度数据向气象网格进行匹配,得到气象网格上的地理高度数据,每个气象网格点均可通过该网格点对应的地理高度数据、位势高度数据和云量数据,得到对应的垂直多层的云量特征数据,最后根据垂直多层的云量特征数据,得到云海预报结果,本发明提解决了现有技术存在的受地域限制难以在空间上推广的问题,实现了云海景观的网格化预报,建设成本低,实用性强,适合推广使用。
Description
技术领域
本发明属于气象预报技术领域,具体涉及一种云海景观预报方法及系统。
背景技术
云海属自然景源中的云雾类景观,是指在一定的条件下形成的、云顶高度低于山顶高度的云层,当人们在高山之巅俯瞰云层,便可见到壮观的云海景象。云海的形成与气象要素特征密切相关,由于气象要素是不断变化的,云海景观开发面临的难点之一就是云海景观的时空多变性。
目前,主要有以下两类预报云海景观的方法:
a.指标叠套法,具体为:基于测站上云海的历史观测结果,统计当前云海出现时和未出现时各种气象要素的阈值分布,再依据未来对气象要素的预报来判断云海是否出现。基于气象要素指标的主观判断方法和客观判断方法,以及基于气象预报人员的主观预报方法,均可以归为指标叠套法。以丁国香等人的指标叠套法试验为例,丁国香等人统计了2004—2014年冬半年各月备选指标在云海出现时和不出现时的平均值及标准差,备选指标包括925—700hPa湿度差、700hPa的24h变湿、850—700hPa温差、925hPa的24h变温、850hPa风速及850hPa的24h变高等。根据上述备选指标在云海出现时和不出现时的差异,设定各指标的阈值区间。以上述指标作为预报因子,逐个判断样本中预报因子是否在既定区间内,如果在区间内则对预报因子的得分记1,否则记0,最后将16个预报因子的得分相加,得到累加值,累加值越大说明发生云海的概率越高,当累加值大于等于13时,认为会有云海出现[1]([1]丁国香,刘安平,杨彬.黄山冬半年云海预报研究[J].气象与环境学报,2019,35(2):97-101)。
b.统计预报方法,具体为:基于云海的观测结果,以云海出现或不出现作为预报对象(因变量),以各气象因子值作为预报因子(自变量),采用多项式拟合、逻辑统计或机器学习等方法,建立统计学关系模型。以丁胜等人的云海预报试验为例,丁圣等人以第二日云海是否出现作为预报对象(因变量,1为出现,0为未出现),通过相关性统计确定了X1-X13共13个待选预报因子,其中,X1为今天是否出现云海(1为出现,0为未出现)、X2为预报是否有雨(1为有降水类天气,0为未出现降水类天气)、X3为预报最高气温、X4为预报最低气温、X5为日最大逆温、X6为日最高气温、X7为日最低气温,X8为14时露点温度,X9为14时露点温度与14时最低温度的差值、X10为14时最低气温、X11为今天是否有雨(1为有降水类天气,0为未出现降水类天气)、X12为日最大风速、X13为日最大相对湿度;然后,将上述13个预报因子与第二日云海是否出现的预报对象之间开展各类统计学分析,采用逻辑回归、决策树等多种客观方法开展了云南元江云海出现与否的二分类预报实验[2]([2]丁圣,段玮,朱勇,等.基于多种模型的云南元江哈尼云海景观预报研究[J].气象与环境学报,2020,36(3):106-112)。
然而上述两类方法均是在特定高山站点的云海观测基础上,基于特定站点的云海和其他气象因子特征,建立该站点未来云海预报模型的方法。由于建立的预报模型以该站点的观测为基础,寻找本站云海与气象要素的联系,建立的预报模型的方式适用于该站点的云海景观预报,但云海的形成却与山脉地形密切相关,区域差异极大,因此难以适用于地形和天气气候特征不同的其他地区。而当前国内仅黄山、华山、峨眉山等数座名山建立有常规的人工观测站点,云海观测数据极为稀少,因此依据指标叠套法和统计预报方法建立的预报模型受限于观测资料的不足,难以在空间上推广,尤其是我国西部等地形复杂的地区,难以形成有效的、大范围的、空间连续的云海预报。
因此,目前亟需一种建设成本低、不受地域限制可在空间上推广的云海景观预报方法。
发明内容
本发明旨在于在一定程度上解决上述问题。
为此,本发明提供了一种依据现有资料,可在空间上推广的云海景观预报方法及系统,能够定量给出云海景观出现概率,实现复杂地形条件下的云海景观的网格化预报。
本发明所采用的技术方案为:
一种云海景观预报方法,包括以下步骤:
S1:获取目标区域的垂直多层的相对湿度数据和位势高度数据,得到目标区域的气象网格;根据垂直多层的相对湿度数据,得到气象网格上垂直多层的云量数据;
S2:获取目标区域的地理高度数据,得到目标区域的地理网格;
S3:将地理网格上的地理高度数据向气象网格进行匹配,得到气象网格上的地理高度数据;
S4:根据目标区域气象网格中的地理高度数据,判断目标气象网格点是否满足云海出现的地形条件,若是,则进入步骤S5;若否,则判定目标气象网格点不存在云海;
S5:根据气象网格点上的地理高度数据、垂直多层的位势高度数据和云量数据,得到每个气象网格点上垂直多层的云量特征数据;
S6:根据每个气象网格点上的垂直多层的云量特征数据,得到每个气象网格点上的云海预报结果。
进一步地,所述步骤S1的具体步骤为:
S1-1:将目标区域的大气按不同垂直高度分为多个气象层;
S1-2:获取目标区域的多个气象层的相对湿度数据和位势高度数据;
S1-3:根据目标区域的垂直多层的相对湿度数据和位势高度数据,得到目标区域的气象网格;根据垂直多层的相对湿度数据,得到气象网格上垂直多层的云量数据;
进一步地,所述步骤S1-3中,通过Slingo云量计算公式得到目标区域气象网格上多个气象层的云量数据,其中,Slingo云量计算公式如下:
式中,N为云量,Hk为第k个气象层的相对湿度数据,Hck为第k个气象层的相对湿度阈值。
进一步地,所述步骤S3中,采用双线性插值方法将地理网格上的地理高度数据向气象网格进行匹配。
进一步地,所述步骤S5中,所述云量特征数据包括山顶云量、高空云量和山下云量;
所述山顶云量,为当前目标气象网格点垂直方向上距离其最近且高于该点地理高度的气象层的云量;
所述高空云量,为当前目标气象网格点垂直方向上高于山顶云量对应的气象层的所有垂直层次的最大云量值;
所述山下云量,为当前目标气象网格点垂直下方低于山顶云量对应的气象层的所有垂直层次的周边气象网格点的云量的平均值。
进一步地,所述步骤S6中,所述云海预报结果包括云海出现概率和云海类型。
进一步地,所述步骤S6中,判断云海类型的具体步骤为:
S6-1:判断山顶云量是否小于山顶云量阈值,若是,则进入步骤S6-2,若否,则判定目标气象网格点不存在云海;
S6-2:判断山下云量是否大于山下云量阈值,若是,则进入步骤S6-3,若否,则判定目标气象网格点不存在云海;
S6-3:判断高空云量是否大于第一高空云量阈值,若是,则判定当前云海类型为阴天云海,若否,则进入步骤S6-4;
S6-4:判断高空云量是否小于第二高空云量阈值,若是,则判定当前云海类型为晴天云海,若否,则判定当前云海类型为多云云海。
进一步地,所述步骤S6中,通过云海概率计算公式得到云海出现概率,其中,云海概率计算公式为:
P=(1-C山顶)*C山下
式中,P为云海出现概率,C山顶为山顶云量,C山下为山下云量。
本发明还提供一种云海景观预报系统,应用于云海景观预报方法,所述云海景观预报系统包括气象局预报获取模块、数据处理模块和云海预报模块;
所述气象局预报获取模块,用于获取气象局发布的气象预报数据,所述气象预报数据包括目标区域的相对湿度和位势高度数据;所述气象局预报获取模块还用于获取地理信息数据,所述地理信息数据包括目标区域的地理高度数据;
所述数据处理模块,用于根据气象预报数据得到目标区域的垂直多层的云量数据并建立气象网格,用于根据地理信息数据建立地理网格,还用于将地理网格上的地理高度数据向气象网格进行匹配得到气象网格上的地理高度数据;
所述云海预报模块,用于根据所有气象网格点对应的地理高度数据、位势高度数据和云量数据,得到垂直多层的云量特征数据,并根据垂直多层的云量特征数据得出云海预报结果,所述云海预报结果包括云海类型和云海出现概率。
进一步地,所述云海景观预报系统还包括云端服务器,所述云端服务器与云海预报模块通讯连接,所述云端服务器还通讯连接有查询端;所述云端服务器还用于存储目标区域的相对湿度数据、位势高度数据、云量数据、地理高度数据和云海预报结果。
本发明的有益效果为:
本发明提供了一种云海景观预报方法,根据相对湿度和位势高度气象数据得到气象网格上的云量数据并建立气象网格,根据地理高度数据建立地理网格,并将地理网格上的地理高度数据向气象网格进行匹配,得到气象网格上的地理高度数据,再根据气象网格点对应的地理高度数据、垂直多层的位势高度数据和云量数据,得到每个气象网格点上垂直多层的云量特征数据;最后根据每个气象网格点上的垂直多层的云量特征数据,得到每个气象网格点上的云海预报结果,实现了复杂地形条件下的云海景观的网格化预报,方便旅客和摄影爱好者的出行,推动当地旅游业发展;同时,本发明还提供了一种基于现有资料的、不受地域限制可在空间上推广的云海景观预报系统,无需在目标区域建立特定的气象观测站点,通过获取气象局发布的气象预报数据实现复杂地形条件下的云海景观的网格化预报,建设成本低,实用性强,适合推广使用。
本发明的其他有益效果将在具体实施方式中进行详细说明。
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介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1是云海景观预报方法的流程示意图。
图2是预报方法中双线性插值匹配示意图。
图3是预报方法中目标气象网格点存在云海所需的地形示意图。
图4是预报方法中目标气象网格点的周边网格点数的统计示意图。
图5是预报方法中云量特征数据的划分示意图。
图6是云海景观预报系统的结构示意图。
图7是实施例2中利用云海景观预报方法得到的重庆市云海概率预报图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本发明阐述的实施例中。
应当理解,本发明使用的术语仅用于描述特定实施例,并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解,还应当注意到在一些备选实施例中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实例中,可以不以不必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
实施例1
如图1所示,本实施例提供一种云海景观预报方法,包括以下步骤:
S1:获取目标区域的垂直多层的相对湿度数据和位势高度数据,得到目标区域的气象网格;根据垂直多层的相对湿度数据,得到气象网格上垂直多层的云量数据;
S2:获取目标区域的地理高度数据,得到目标区域的地理网格;
S3:将地理网格上的地理高度数据向气象网格进行匹配,得到气象网格上的地理高度数据;
S4:根据目标区域气象网格中的地理高度数据,判断目标气象网格点是否满足云海出现的地形条件,若是,则进入步骤S5;若否,则判定目标气象网格点不存在云海;
S5:根据气象网格点上的地理高度数据、垂直多层的位势高度数据和云量数据,得到每个气象网格点上垂直多层的云量特征数据;
S6:根据每个气象网格点上的垂直多层的云量特征数据,得到每个气象网格点上的云海预报结果。
本实施例需要说明的是,垂直多层指局地直角坐标系中垂直于地表水平面、指向天顶的不同高度的多个层级。
本实施例提供了一种云海景观预报方法,根据相对湿度和位势高度气象数据得到气象网格上的云量数据并建立气象网格,根据地理高度数据建立地理网格,并将地理网格上的地理高度数据向气象网格进行匹配,得到气象网格上的地理高度数据,每个气象网格点均可通过该网格点对应的地理高度数据、位势高度数据和云量数据,得到对应的垂直多层的云量特征数据,最后根据垂直多层的云量特征数据,得到云海预报结果,实现了复杂地形条件下的云海景观的网格化预报,方便旅客和摄影爱好者的出行,推动当地旅游业发展,同时无需在目标区域建立特定的气象观测站点,仅需要通过当地气象局获取相应的云量数据、地理高度数据和位势高度数据,便可对气象网格内的所有区域进行云海预报,不受地域限制,建设成本低,实用性强,适合推广使用。
实施例2
如图1-5所示,本实施例提供一种云海景观预报方法,包括以下步骤:
S1:获取目标区域的垂直多层的相对湿度数据和位势高度数据,得到目标区域的气象网格;根据垂直多层的相对湿度数据,得到气象网格上垂直多层的云量数据,具体步骤为:
S1-1:将目标区域的大气按不同垂直高度分为多个气象层,其中,垂直高度指垂直于地表水平面、指向天顶的不同高度;
S1-2:获取目标区域的多个气象层的相对湿度数据和位势高度数据;
S1-3:根据目标区域的垂直多层的相对湿度数据和位势高度数据,得到目标区域的气象网格;根据垂直多层的相对湿度数据,得到气象网格上垂直多层的云量数据;
具体地,根据目标区域的相对湿度数据和位势高度数据,通过Slingo云量计算公式得到目标区域多个气象层的云量数据,Slingo云量计算公式为:
式中,N为云量,Hk为第k个气象层的相对湿度数据,Hck为第k个气象层的相对湿度阈值;
本步骤需要说明的是,在目前的气象数值模式中,可将大气从地面到大气层顶分为多个垂直层次,在本实施例中,将大气按不同高度垂直分为不均匀的51个气象层,以开展不同高度的模拟计算,具体地,第k个气象层指模式垂直第K个气象层,Hk是第k个气象层的相对湿度数据,Hck为模式第k个气象层的相对湿度阈值,若第K个气象层属于高层,Hck为0.8,此时当前云为高云;若第K个气象层属于中层,Hck为0.65,此时当前云为中云;若第K个气象层属于低层,Hck为0.8,此时当前云为低云;
本步骤需要进一步说明的是,在本实施例中,高层、中层和低层以500hPa和700hPa为界(hPa为气压单位,越靠近地面气压越大,在中纬度地区,地面附近约1000hPa左右,大气层顶约为0hPa,500hPa大约为5500米高度,700hPa大约3000米高度),700hPa以下为低层,500hPa以上为高层,700-500hPa之间为中层。如垂直方向850hPa这个层,由于850hPa在700hPa以下,故850hPa为低层,阈值Hck为0.8,若某点的相对湿度是80%,则该点对应气象层的云量N=0;若该点相对湿度为0.9,则该点对应气象层的云量N=((0.9-0.8)/(1-0.8))2=0.25,即总云量为0.25;若该点相对湿度为70%,低于阈值,则该点对应气象层的总云量N=0;
S2:获取目标区域的地理高度数据,得到目标区域的地理网格;
本步骤需要说明的是,地理高度数据为网格化的地理高度数据;
S3:将地理网格上的地理高度数据向气象网格进行匹配,得到气象网格上的地理高度数据;
本步骤需要说明的是,将地理网格上的地理高度数据向气象网格进行匹配时,作为其中的一个优选方式,采用双线性插值方法对地理网格上的地理高度数据向气象网格进行匹配,将高精度的地理高度数据从地理网格插值到气象网格中;
如图2所示,对目标气象网格中的任意一点进行双线性插值时,包括以下步骤:
S3-1:获取当前气象网格点(x,y)周围的四个地理网格点(x1,y1)、(x1,y2)、(x2,y1)、(x2,y2)分别对应的值f(x1,y1)、f(x1,y2)、f(x2,y1)、f(x2,y2);
S3-2:计算气象网格点(x,y1)的值f(x,y1),计算气象网格点(x,y2)的值f(x,y2),根据f(x,y1)和f(x,y2)获取气象网格点(x,y)点的值f(x,y),完成地理网格上地理高度数据向气象网格的匹配:
式中,(x,y)为气象网格中需要计算地理高度数值的网格点,f(x,y)为该点的地理高度值,x为对应气象网格上的横坐标,y为对应气象网格上的纵坐标;(x1,y1)、(x1,y2)、(x2,y1)、(x2,y2)为地理网格中位于气象网格点(x,y)周边相邻的四个格点,f(x1,y1)、f(x1,y2)、f(x2,y1)、f(x2,y2)为对应网格点的地理高度值,x1、x2为对应地理网格上的横坐标,y1、y2为对应地理网格上的纵坐标;
S4:根据目标区域气象网格中的地理高度数据,判断目标气象网格点是否满足云海出现的地形条件,若是,则进入步骤S5;若否,则判定目标气象网格点不存在云海;
在本步骤中,进行地形判断时,气象网格点上通常存在多种地形,如图3所示,以A网格点为例,只有当A网格点位于山顶或山坡上时才满足云海出现的地形条件,即只有在第(1)类中A点高于周围所有点或第(2)类中A点高于周围部分点的情况下,A点才满足云海出现的地形条件。在A点满足地形条件要求后,进入步骤S5,否则判断目标气象网格点不存在云海,流程结束或者返回步骤S1;
S5:根据气象网格点上的地理高度数据、垂直多层的位势高度数据和云量数据,得到每个气象网格点上垂直多层的云量特征数据;
如图5所示,作为其中的一个优选方式,可根据气象网格点对应的地理高度数据、垂直多层的位势高度数据和云量数据,得到垂直方向三个特征层的云量特征数据,云量特征数据包括山顶云量、高空云量和山下云量;
山顶云量,为当前目标气象网格点垂直方向上距离其最近且高于该点地理高度的气象层的云量;
高空云量,为当前目标气象网格点垂直方向上高于山顶云量对应的气象层的所有垂直层次的最大云量值;
山下云量,为当前目标气象网格点垂直下方低于山顶云量对应的气象层的所有垂直层次的周边气象网格点的云量的平均值;
如图4所示,通常山下云量的统计范围为目标气象网格点周边8个格点,若目标气象网格点在网格边界上,则统计周围3个或5个格点的云量数据;
S6:根据每个气象网格点上的垂直方向三个特征层的云量特征数据,得到每个气象网格点上的云海预报结果;
其中,判断云海类型的具体步骤为:
S6-1:判断山顶云量是否小于山顶云量阈值,若是,则进入步骤S6-2,若否,则判定目标气象网格点不存在云海;
S6-2:判断山下云量是否大于山下云量阈值,若是,则进入步骤S6-3,若否,则判定目标气象网格点不存在云海;
S6-3:判断高空云量是否大于第一高空云量阈值,若是,则判定当前云海类型为阴天云海,若否,则进入步骤S6-4;
S6-4:判断高空云量是否小于第二高空云量阈值,若是,则判定当前云海类型为晴天云海,若否,则判定当前云海类型为多云云海;
在本步骤中,作为其中的一个优选方式,山顶云量阈值为0.4,山下云量阈值为0.1;第一高空云量阈值为0.4,第二高空云量阈值为0.1;
在本步骤中,目标气象网格的云海概率计算公式为:
P=(1-C山顶)*C山下
式中,P为云海出现概率,C山顶为山顶云量,C山下为山下云量。
在本实施例中,如图7所示,通过本实施例提供的云海景观预报方法可得知重庆市各个区域的云海出现概率,实现对重庆市的网格化预报。
本实施例提供了一种云海景观预报方法,根据目标区域的相对湿度数据和位势高度数据得到气象网格上的云量数据并建立气象网格,根据地理高度数据建立地理网格,并将地理网格上的地理高度数据向气象网格进行匹配,得到气象网格上的地理高度数据,每个气象网格点均可通过该网格点对应的地理高度数据、位势高度数据和云量数据,得到对应的垂直三个特征层的云量特征数据,最后根据垂直三个特征层的云量特征数据,得到云海预报结果,实现了复杂地形条件下的云海景观的网格化预报,方便旅客和摄影爱好者的出行,推动当地旅游业发展,同时无需在目标区域建立特定的气象观测站点,仅需要通过当地气象局获取相应的云量数据、地理高度数据和位势高度数据,便可对气象网格内的所有区域进行云海预报,不受地域限制,实用性强,适合推广使用。
实施例3
本实施例提供一种云海景观预报系统,如图6所示,应用于实施例1或2中的云海景观预报方法,包括气象局预报获取模块、数据处理模块和云海预报模块;
气象局预报获取模块,用于获取气象局发布的气象预报数据,气象预报数据包括目标区域的相对湿度和位势高度数据;气象局预报获取模块还用于获取地理信息数据,地理信息数据包括目标区域的地理高度数据;
数据处理模块,用于根据气象预报数据得到目标区域的垂直多层的云量数据并建立气象网格,用于根据地理信息数据建立地理网格,还用于将地理网格上的地理高度数据向气象网格进行匹配得到气象网格上的地理高度数据;
云海预报模块,用于根据所有气象网格点对应的地理高度数据、位势高度数据和云量数据,得到垂直多层的云量特征数据,并根据垂直多层的云量特征数据得出云海预报结果,云海预报结果包括云海类型和云海出现概率;
作为其中的一个优选方案,云海景观预报系统还包括云端服务器,云端服务器与云海预报模块通讯连接,云端服务器还通讯连接有查询端,查询端可以但不限于移动用户端和PC端,用户可通过查询端获取云海预报结果;云端服务器还用于存储目标区域的相对湿度数据、位势高度数据、云量数据、地理高度数据和云海预报结果。
本实施例提供的一种基于现在资料的、可在空间上推广的云海景观预报系统,可以实现复杂地形条件下的云海景观的网格化预报,对网格范围内的区域进行有效的、大范围的、空间连续的云海预报,并能够给出概率预报结果,无需在目标区域建立特定的气象观测站点,仅需要通过当地气象局获取相应的气象预报数据和地理信息数据,便可构建气象网格并对气象网格内的所有区域进行云海预报,建设成本低,实用性强,无论是当地旅游局还是游客均可对云海预报结果进行查询,可有效促进当地旅游发展,适合推广使用。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所描述的实施例仅仅是示意性的,若涉及到作为分离部件说明的单元,其可以是或者也可以不是物理上分开的;若涉及到作为单元显示的部件,其可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上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精神和范围。
本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (5)
1.一种云海景观预报方法,其特征在于:包括以下步骤:
S1:获取目标区域的垂直多层的相对湿度数据和位势高度数据,得到目标区域的气象网格;根据垂直多层的相对湿度数据,得到气象网格上垂直多层的云量数据;
S2:获取目标区域的地理高度数据,得到目标区域的地理网格;
S3:将地理网格上的地理高度数据向气象网格进行匹配,得到气象网格上的地理高度数据;
S4:根据目标区域气象网格中的地理高度数据,判断目标气象网格点是否满足云海出现的地形条件,若是,则进入步骤S5;若否,则判定目标气象网格点不存在云海;
S5:根据气象网格点上的地理高度数据、垂直多层的位势高度数据和云量数据,得到每个气象网格点上垂直多层的云量特征数据;
S6:根据每个气象网格点上的垂直多层的云量特征数据,得到每个气象网格点上的云海预报结果;
所述步骤S3中,采用双线性插值方法将地理网格上的地理高度数据向气象网格进行匹配;对目标气象网格中的任意一点进行双线性插值时,包括以下步骤:
S3-1:获取当前气象网格点(x,y)周围的四个地理网格点(x1,y1)、(x1,y2)、(x2,y1)、(x2,y2)分别对应的值f(x1,y1)、f(x1,y2)、f(x2,y1)、f(x2,y2);
S3-2:计算气象网格点(x,y1)的值f(x,y1),计算气象网格点(x,y2)的值f(x,y2),根据f(x,y1)和f(x,y2)获取气象网格点(x,y)点的值f(x,y),完成地理网格上地理高度数据向气象网格的匹配:
;
;
;
式中,(x,y)为气象网格中需要计算地理高度数值的网格点,f(x,y)为该点的地理高度值,x为对应气象网格上的横坐标,y为对应气象网格上的纵坐标;(x1,y1)、(x1,y2)、(x2,y1)、(x2,y2)为地理网格中位于气象网格点(x,y)周边相邻的四个格点,f(x1,y1)、f(x1,y2)、f(x2,y1)、f(x2,y2)为对应网格点的地理高度值,x1、x2为对应地理网格上的横坐标,y1、y2为对应地理网格上的纵坐标;
所述步骤S5中,所述云量特征数据包括山顶云量、高空云量和山下云量;
所述山顶云量,为当前目标气象网格点垂直方向上距离其最近且高于该点地理高度的气象层的云量;
所述高空云量,为当前目标气象网格点垂直方向上高于山顶云量对应的气象层的所有垂直层次的最大云量值;
所述山下云量,为当前目标气象网格点垂直下方低于山顶云量对应的气象层的所有垂直层次的周边气象网格点的云量的平均值;
所述步骤S6中,所述云海预报结果包括云海出现概率和云海类型;
所述步骤S6中,判断云海类型的具体步骤为:
S6-1:判断山顶云量是否小于山顶云量阈值,若是,则进入步骤S6-2,若否,则判定目标气象网格点不存在云海;
S6-2:判断山下云量是否大于山下云量阈值,若是,则进入步骤S6-3,若否,则判定目标气象网格点不存在云海;
S6-3:判断高空云量是否大于第一高空云量阈值,若是,则判定当前云海类型为阴天云海,若否,则进入步骤S6-4;
S6-4:判断高空云量是否小于第二高空云量阈值,若是,则判定当前云海类型为晴天云海,若否,则判定当前云海类型为多云云海;
所述步骤S6中,通过云海概率计算公式得到云海出现概率,其中,云海概率计算公式为:
P=(1-C山顶)*C山下
式中,P为云海出现概率,C山顶为山顶云量,C山下为山下云量。
2.根据权利要求1所述的一种云海景观预报方法,其特征在于:所述步骤S1的具体步骤为:
S1-1:将目标区域的大气按不同垂直高度分为多个气象层;
S1-2:获取目标区域的多个气象层的相对湿度数据和位势高度数据;
S1-3:根据目标区域的垂直多层的相对湿度数据和位势高度数据,得到目标区域的气象网格;根据垂直多层的相对湿度数据,得到气象网格上垂直多层的云量数据。
3.根据权利要求2所述的一种云海景观预报方法,其特征在于:所述步骤S1-3中,通过Slingo云量计算公式得到目标区域气象网格上多个气象层的云量数据,其中,Slingo云量计算公式如下:
式中,N为云量,Hk为第k个气象层的相对湿度数据,Hck为第k个气象层的相对湿度阈值。
4.一种云海景观预报系统,其特征在于:应用于如权利要求1-3任一所述的云海景观预报方法,所述云海景观预报系统包括气象局预报获取模块、数据处理模块和云海预报模块;
所述气象局预报获取模块,用于获取气象局发布的气象预报数据,所述气象预报数据包括目标区域的相对湿度和位势高度数据;所述气象局预报获取模块还用于获取地理信息数据,所述地理信息数据包括目标区域的地理高度数据;
所述数据处理模块,用于根据气象预报数据得到目标区域的垂直多层的云量数据并建立气象网格,用于根据地理信息数据建立地理网格,还用于将地理网格上的地理高度数据向气象网格进行匹配得到气象网格上的地理高度数据;
所述云海预报模块,用于根据所有气象网格点对应的地理高度数据、位势高度数据和云量数据,得到垂直多层的云量特征数据,并根据垂直多层的云量特征数据得出云海预报结果。
5.根据权利要求4所述的一种云海景观预报系统,其特征在于:所述云海景观预报系统还包括云端服务器,所述云端服务器与云海预报模块通讯连接,所述云端服务器还通讯连接有查询端;所述云端服务器还用于存储目标区域的相对湿度数据、位势高度数据、云量数据、地理高度数据和云海预报结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110129722.7A CN112987131B (zh) | 2021-01-29 | 2021-01-29 | 一种云海景观预报方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110129722.7A CN112987131B (zh) | 2021-01-29 | 2021-01-29 | 一种云海景观预报方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112987131A CN112987131A (zh) | 2021-06-18 |
CN112987131B true CN112987131B (zh) | 2023-08-08 |
Family
ID=76346743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110129722.7A Active CN112987131B (zh) | 2021-01-29 | 2021-01-29 | 一种云海景观预报方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987131B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002156466A (ja) * | 2000-11-16 | 2002-05-31 | Mitsubishi Electric Corp | 雲量算出システムおよび方法 |
CN103018793A (zh) * | 2012-12-05 | 2013-04-03 | 高强 | 一种极端气象条件下的架线的云预警系统和方法 |
WO2017115686A1 (ja) * | 2015-12-28 | 2017-07-06 | 日本電気株式会社 | 予測システム、情報処理装置、予測方法および予測プログラム |
CN111177978A (zh) * | 2019-12-31 | 2020-05-19 | 航天新气象科技有限公司 | 训练地面气象观测要素监测模型、质量检查方法及系统 |
CN112148774A (zh) * | 2020-09-29 | 2020-12-29 | 华能新能源股份有限公司 | 一种高分辨率空间多区域气象数据处理系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140149038A1 (en) * | 2012-11-28 | 2014-05-29 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | Solar irradiance measurement system and weather model incorporating results of such measurement |
CN106909722B (zh) * | 2017-02-10 | 2019-07-26 | 广西壮族自治区气象减灾研究所 | 一种近地面气温的大面积精准反演方法 |
CN108761484A (zh) * | 2018-04-26 | 2018-11-06 | 江苏省气象台 | 一种基于多源卫星遥感数据的海雾监测方法 |
-
2021
- 2021-01-29 CN CN202110129722.7A patent/CN112987131B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002156466A (ja) * | 2000-11-16 | 2002-05-31 | Mitsubishi Electric Corp | 雲量算出システムおよび方法 |
CN103018793A (zh) * | 2012-12-05 | 2013-04-03 | 高强 | 一种极端气象条件下的架线的云预警系统和方法 |
WO2017115686A1 (ja) * | 2015-12-28 | 2017-07-06 | 日本電気株式会社 | 予測システム、情報処理装置、予測方法および予測プログラム |
CN111177978A (zh) * | 2019-12-31 | 2020-05-19 | 航天新气象科技有限公司 | 训练地面气象观测要素监测模型、质量检查方法及系统 |
CN112148774A (zh) * | 2020-09-29 | 2020-12-29 | 华能新能源股份有限公司 | 一种高分辨率空间多区域气象数据处理系统及方法 |
Non-Patent Citations (1)
Title |
---|
Walter Maldonado Júnior 等.EVAPO: A smartphone application to estimate potential evapotranspiration using cloud gridded meteorological data from NASA-POWER system.《Computers and Electronics in Agriculture》.2019,第156卷187-192. * |
Also Published As
Publication number | Publication date |
---|---|
CN112987131A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | A city-scale estimation of rooftop solar photovoltaic potential based on deep learning | |
CN108227041B (zh) | 基于站点实测数据和模式结果的水平能见度预报方法 | |
CN110298115B (zh) | 一种基于简化地形气动参数的风场动力降尺度方法 | |
CN111815038B (zh) | 一种光伏超短期预测方法及系统 | |
CN107703564B (zh) | 一种降雨预测方法、系统及电子设备 | |
CN104200484B (zh) | 基于云团特征分析的分布式光伏系统超短期出力预测方法 | |
US20150039228A1 (en) | Ultra-short-term forecasting method including real-time monitoring of the effect of upper and lower courses | |
CN102254239A (zh) | 基于微地形风场分布及台风叠加效应的电网风灾预警系统 | |
CN109375290B (zh) | 一种基于机器学习的跨海大桥雾监测系统及其应用方法 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN110781458B (zh) | 一种基于混合回归模型预测地表太阳辐照度的方法 | |
CN116070728B (zh) | 光伏发电系统发电量预测方法、设备、系统及介质 | |
CN111221925A (zh) | 一种配电网风涝灾害监测组网方法和装置 | |
CN108808671A (zh) | 一种风电场短期风速集合预报方法 | |
CN112711919A (zh) | 基于中小尺度模式耦合的导线覆冰预报方法及系统 | |
CN117374956A (zh) | 一种针对综合能源站光伏发电的短期预测方法 | |
CN114093133A (zh) | 一种区域地质灾害气象预报预警方法 | |
CN112987131B (zh) | 一种云海景观预报方法及系统 | |
CN115731560A (zh) | 一种基于深度学习的槽线识别方法、装置、存储介质及终端 | |
CN107943899A (zh) | 一种为天气预报增加应景诗词的方法及系统 | |
CN115567970A (zh) | 基站信号覆盖数据测量方法、装置、设备及存储介质 | |
Chao | Machine learning-based intelligent weather modification forecast in smart city potential area | |
CN108597013B (zh) | 一种特定区域气象水文资料抽点填图方法 | |
CN111950813A (zh) | 一种气象干旱监测与预测方法 | |
CN111696330B (zh) | 一种用于输电线路风灾的分类方法和系统 |
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 |