CN113033957B - 一种多模式降水预报及实时动态检验评估系统 - Google Patents

一种多模式降水预报及实时动态检验评估系统 Download PDF

Info

Publication number
CN113033957B
CN113033957B CN202110219319.3A CN202110219319A CN113033957B CN 113033957 B CN113033957 B CN 113033957B CN 202110219319 A CN202110219319 A CN 202110219319A CN 113033957 B CN113033957 B CN 113033957B
Authority
CN
China
Prior art keywords
precipitation
forecast
mode
module
data
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
CN202110219319.3A
Other languages
English (en)
Other versions
CN113033957A (zh
Inventor
魏栋
刘维成
孔祥伟
宋强
狄潇泓
李蓉
刘丽伟
魏素娟
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.)
Lanzhou Central Meteorological Station Lanzhou Drought Ecological Environment Monitoring And Prediction Center
Original Assignee
Lanzhou Central Meteorological Station Lanzhou Drought Ecological Environment Monitoring And Prediction Center
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 Lanzhou Central Meteorological Station Lanzhou Drought Ecological Environment Monitoring And Prediction Center filed Critical Lanzhou Central Meteorological Station Lanzhou Drought Ecological Environment Monitoring And Prediction Center
Priority to CN202110219319.3A priority Critical patent/CN113033957B/zh
Publication of CN113033957A publication Critical patent/CN113033957A/zh
Application granted granted Critical
Publication of CN113033957B publication Critical patent/CN113033957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G06F16/287—Visualization; Browsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/148—Wavelet transforms
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (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

本发明公开了一种多模式降水预报及实时动态检验评估系统，包括基于系统架构设计的降水预报场模块、落区检验模块、最优模式推荐模块、效果展示模块。本发明与现有技术相比的优点在于：实现了基于实况降水频率订正和多模式概率匹配订正降水客观预报；开发了多模式降水预报实时动态检验评估系统，引入了常规检验、小波时空检验、IOU空间检验等方法；友好的展示交互，界面上提供了各种图表、地图、表格等，并且都支持导出功能，图表支持任意选择等功能，极大的方便了业务人员的操作；基于WEB的架构，区别于传统的CS系统，简化了系统部署，方便系统的推广，业务人员只需要一个浏览器即可完成所有的业务操作。

Description

一种多模式降水预报及实时动态检验评估系统
技术领域
本发明涉及气象平台，具体是指一种多模式降水预报及实时动态检验评估系统。
背景技术
现有气象平台因算法及架构设计上的不足，导致实际使用中对降水的动态评测效果差，不能准确的评估降水信息，不满足目前的功能需要。
发明内容
本发明要解决的技术问题是现有的气象平台因其功能上的不足，导致实际降水评估效果差且精度不高，耗用大量人力物力，前期成本投入和后期维护成本高昂，不满足目前使用需要。
为解决上述技术问题，本发明提供的技术方案为：一种多模式降水预报及实时动态检验评估系统，包括基于系统架构设计的降水预报场模块、落区检验模块、最优模式推荐模块、效果展示模块，降水预报场模块可以选择时段值，根据不同的区域自动站资料、CLDAS智能网格融合实况资料；CMA、GRAPES-GFS、EC模式的0-168h、5km空间分辨率、逐6h资料，通过频率匹配法及概率匹配法得到降水预报场的预报格点场，频率匹配法统计不同阈值下降水出现的参考频率和预报频率，把预报频率调整到较准确的参考频率以保持两者在相同阈值下降水频率的一致，从而达到订正降水偏差的效果，概率匹配法利用多家模式的频率订正场，将所有格点融合为一个数组，从大到小排序，再按模式个数进行抽样，找到各模式的高频信息，过滤低频信息，然后把模式原始格点场进行简单集合平均，也对其格点值进行排序，最后按照简单集合平均的降水分布趋势将抽样得到的格点场按顺序填入；
落区检验模块利用地面站点实况观测和快速更新的CLDAS智能网格融合实况资料，结合EC、GRAPES_GFS及CMA多家模式客观降水预报资料，可设置时段选择，针对分级降水要素，设置降水量级，检验方式由附属的小波检验模组、IOU检验模组、时序检验模组实现；
最优模式推荐模块根据信道传输来的不同的区域自动站资料、CLDAS智能网格融合实况资料；CMA、GRAPES-GFS、EC模式下0-168h、5km空间分辨率、逐6h资料数据，通过落区检验模块给出的反馈数据，选择最优的模式数据进行展示；
效果展示模块实现最优模式数据下原始数据与订正后的数据的集中展示，主要是预报降水网格分布图、预报降水订正后的网格分布图、实况降水网格分布图以及实况订正过后的网格分布图，通过前端界面的集中展示，可看出预报与实况、原始与订正后的对比结果，进行后续对比分析。
本发明与现有技术相比的优点在于：(1)实现了基于实况降水频率订正和多模式概率匹配订正降水客观预报；(2)开发了多模式降水预报实时动态检验评估系统，引入了常规检验、小波时空检验、IOU空间检验等方法；(3)友好的展示交互，界面上提供了各种图表、地图、表格等，并且都支持导出功能，图表支持任意选择等功能，极大的方便了业务人员的操作；(4)基于WEB的架构，区别于传统的CS系统，简化了系统部署，方便系统的推广，业务人员只需要一个浏览器即可完成所有的业务操作。
作为改进，降水预报场模块先用频率匹配发对各家模式逐一订正，在此基础上，利用订正后的多模式预报，基于概率匹配法最终获得在消除系统性偏差的同时各量级降水分布的客观降水预报。
作为改进，降水预报场模块的频率匹配方法计算公式如下：
Fj＝Bj/A，
其中，j是不同等级降水阈值，Fj为大于降水阈值J的频率，A为总格点数，Bj为大于降水阈值J出现的格点数，利用CLDAS实况采用滑动平均计算过去20天观测降水的平均频率作为参考频率，预报频率计算方式与参考频率计算相似，利用多项式插值得到降水频率曲线，计算降水订正系数并对各家模式进行订正，得到各模式频率订正场。
作为改进，落区检验模块的检验对象包括主客观降水预报产品的历史预报、考核站和乡镇代表站，实现对格点和站点的综合检验，以图片、表格、文字材料的方式进行结果展示。
作为改进，小波检验模组根据所处理的格点数据的特性均匀分布的特性，采用Harr小波，使其母小波函数覆盖2km*2km、4km*4k直至512km*512km的不同空间尺度范围，在傅里叶变换思想的基础上，改变了无限时间窗口的局限性，在对数据样本进行频域分析的同时兼顾时域或空间域的分析。
作为改进，IOU检验模组通过信道接收气象监测数据，通过不同降水强度的落区分别评估形成梯级强度的落区IOU分析结果，并给定一组图像，IOU检验模组给出了在该组图像中存在的对象的预测区域和地面实况区域之间的相似性。
附图说明
图1是一种多模式降水预报及实时动态检验评估系统的主界面示意图。
图2是一种多模式降水预报及实时动态检验评估系统的系统架构示意图。
图3是一种多模式降水预报及实时动态检验评估系统的降水预报场模块的界面示意图。
图4是一种多模式降水预报及实时动态检验评估系统的频率匹配模组的预报及实况频率表。
图5是一种多模式降水预报及实时动态检验评估系统的频率匹配模组的预报及实况频率函数图。
图6是一种多模式降水预报及实时动态检验评估系统的频率匹配模组的模式频率订正场的示意图。
图7是一种多模式降水预报及实时动态检验评估系统的概率匹配模组的实况示意图。
图8是一种多模式降水预报及实时动态检验评估系统的概率匹配模组的多模式集合平均示意图。
图9是一种多模式降水预报及实时动态检验评估系统的频率概率匹配场示意图。
图10是一种多模式降水预报及实时动态检验评估系统的成果展示模块的界面示意图。
图11是一种多模式降水预报及实时动态检验评估系统的小波检验模组的结构设计示意图。
图12是一种多模式降水预报及实时动态检验评估系统的小波检验模组的效果展示示意图。
图13是一种多模式降水预报及实时动态检验评估系统的小波检验模组的算法示意图。
图14是一种多模式降水预报及实时动态检验评估系统的小波检验模组的概率分布示意图。
图15是一种多模式降水预报及实时动态检验评估系统的小波检验模组的算法效果展示示意图。
图16是一种多模式降水预报及实时动态检验评估系统的IOU检验模组的架构设计示意图。
图17是一种多模式降水预报及实时动态检验评估系统的IOU检验模组的梯级强度落区示意图。
图18是一种多模式降水预报及实时动态检验评估系统的IOU检验模组的结果示意图。
图19是一种多模式降水预报及实时动态检验评估系统的最优模式推荐模块的界面展示示意图。
图20是一种多模式降水预报及实时动态检验评估系统的效果展示模块的界面展示示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
本发明在具体实施时，一种多模式降水预报及实时动态检验评估系统，包括基于系统架构设计的降水预报场模块、落区检验模块、最优模式推荐模块、效果展示模块，所述降水预报场模块可以选择时段值，根据不同的区域自动站资料、CLDAS智能网格融合实况资料；CMA、GRAPES-GFS、EC模式的0-168h、5km空间分辨率、逐6h资料，通过频率匹配法及概率匹配法得到降水预报场的预报格点场，所述频率匹配法统计不同阈值下降水出现的参考频率和预报频率，把预报频率调整到较准确的参考频率以保持两者在相同阈值下降水频率的一致，从而达到订正降水偏差的效果，所述概率匹配法利用多家模式的频率订正场，将所有格点融合为一个数组，从大到小排序，再按模式个数进行抽样，找到各模式的高频信息，过滤低频信息，然后把模式原始格点场进行简单集合平均，也对其格点值进行排序，最后按照简单集合平均的降水分布趋势将抽样得到的格点场按顺序填入；
所述落区检验模块利用地面站点实况观测和快速更新的CLDAS智能网格融合实况资料，结合EC、GRAPES_GFS及CMA多家模式客观降水预报资料，可设置时段选择，针对分级降水要素，设置降水量级，检验方式由附属的小波检验模组、IOU检验模组、时序检验模组实现；
所述最优模式推荐模块根据信道传输来的不同的区域自动站资料、CLDAS智能网格融合实况资料；CMA、GRAPES-GFS、EC模式下0-168h、5km空间分辨率、逐6h资料数据，通过落区检验模块给出的反馈数据，选择最优的模式数据进行展示；
所述效果展示模块实现最优模式数据下原始数据与订正后的数据的集中展示，主要是预报降水网格分布图、预报降水订正后的网格分布图、实况降水网格分布图以及实况订正过后的网格分布图，通过前端界面的集中展示，可看出预报与实况、原始与订正后的对比结果，进行后续对比分析。
所述降水预报场模块先用频率匹配发对各家模式逐一订正，在此基础上，利用订正后的多模式预报，基于概率匹配法最终获得在消除系统性偏差的同时各量级降水分布的客观降水预报。
所述降水预报场模块的频率匹配方法计算公式如下：
Fj＝Bj/A，
其中，j是不同等级降水阈值，Fj为大于降水阈值J的频率，A为总格点数，Bj为大于降水阈值J出现的格点数，利用CLDAS实况采用滑动平均计算过去20天观测降水的平均频率作为参考频率，预报频率计算方式与参考频率计算相似，利用多项式插值得到降水频率曲线，计算降水订正系数并对各家模式进行订正，得到各模式频率订正场。
所述落区检验模块的检验对象包括主客观降水预报产品的历史预报、考核站和乡镇代表站，实现对格点和站点的综合检验，以图片、表格、文字材料的方式进行结果展示。
所述小波检验模组根据所处理的格点数据的特性均匀分布的特性，采用Harr小波，使其母小波函数覆盖2km*2km、4km*4k直至512km*512km的不同空间尺度范围，在傅里叶变换思想的基础上，改变了无限时间窗口的局限性，在对数据样本进行频域分析的同时兼顾时域或空间域的分析。
所述IOU检验模组通过信道接收气象监测数据，通过不同降水强度的落区分别评估形成梯级强度的落区IOU分析结果，并给定一组图像，IOU检验模组给出了在该组图像中存在的对象的预测区域和地面实况区域之间的相似性。
本发明的工作原理：本系统利用区域站实况、CLDAS智能网格融合实况产品及EC、GRAPES_GFS及CMA等多家模式客观降水预报产品，基于“概率匹配法”和“频率匹配法”的思路，开展利用多模式降水概率匹配法订正模式降水预报的方法研究，并利用实况降水频率开展模式降水预报系统偏差的订正方法研究；建立针对以数值预报模式产品为主的主客观融合预报产品检验评估系统，实现基于点(国家站、考核站和乡镇代表站)和面(格点场)的主客观降水预报产品动态检验，实现对任意点(站点、格点)主客观降水预报产品的空间、时间检验评估结果展示，实现未来24-168h降水预报的客观优选功能。
本系统的首页主要包括实况中央台订正结果、EC细网格、EC细网格订正、GRAPES-GFS结果的检验结果柱状图展示；以及晴雨检验、08分级降水、08累计降水TS评分结果的表格展示；降水以及实况降水的对比格点分布图展示结果。
一、降水预报场
通过频率匹配以及概率匹配算法，得到降水预报场。可以选择时段值，根据不同的区域自动站资料(2010-2019)、CLDAS智能网格融合实况资料(2010-2019)；CMA、GRAPES-GFS、EC(2014-2019)等模式0-168h、5km空间分辨率、逐6h资料等数据资料。通过概率匹配法、频率匹配法，实现降水预报格点场。
预报方法搭建思路：
“频率匹配法”是利用实况降水频率订正集合成员降水预报系统偏差的“预报偏差订正”法；
“概率匹配法”是利用集合成员降水频率订正简单集合平均平滑效应的“概率匹配平均”法。
通过个例和批量试验，结果表明：
(1)频率匹配法对降水落区预报的改进有限，但可以订正模式降水预报的系统性误差，改进模式预报的离散度特征；
(2)概率匹配平均法对预报区域内总降水量的预报没有改进作用，不能改善预报的系统性偏差，但是可以矫正简单集合平均的平滑作用所造成的小量级降水分布范围增大而强降水被削弱的负作用。
综合上述两种方法，先用频率匹配对各家模式逐一订正，在此基础上，利用订正后的多模式预报，基于概率匹配的方法，最终获得在消除系统性偏差的同时各量级降水分布又合理的客观降水预报
(1)频率匹配法
基本思路是统计不同阈值下降水出现的参考频率和预报频率，把预报频率调整到较准确的参考频率以保持两者在相同阈值下降水频率的一致，从而达到订正降水偏差的效果。降水频率的计算方法如下：
Fj＝Bj/A，
其中，J是不同等级降水阈值，Fj为大于降水阈值J的频率，A为总格点数，Bj为大于降水阈值J出现的格点数。利用CLDAS实况采用滑动平均计算过去20天观测降水的平均频率作为参考频率，预报频率计算方式与参考频率计算相似。利用多项式插值得到降水频率曲线，计算降水订正系数并对各家模式进行订正，得到各模式频率订正场。
(2)概率匹配
基本思路是利用多家模式的频率订正场，将所有格点融合为一个数组，从大到小排序，再按模式个数进行抽样，找到各模式的高频信息，过滤低频信息，然后把模式原始格点场进行简单集合平均，也对其格点值进行排序，最后按照简单集合平均的降水分布趋势将抽样得到的格点场按顺序填入
三、落区检验
(1)小波检验，在傅里叶变换思想的基础上，改变了无限时间窗口的局限性，让人们在对于数据样本进行频域分析的同时，兼顾时域或空间域的分析。根据所处理的格点数据的特性均匀分布的特性，可采用Harr小波；使其母小波函数覆盖2km*2km，4km*4km…直致512km*512km的不同空间尺度范围。采用小波变换的预报检验方法优势：1)反映不同空间尺度的预报准确度。例如：一些预报产品在空间尺度大于32km时预报准确度高，但在小尺度2km，4km时误差偏大；2)反映不同时间尺度的预报准确度。例如：可以独立分析时间尺度3小时，或时间尺度6小时的预报准确度。此方法有效提升了预报检验评价体系对于时间、空间尺度下预报结果的表现能力。
其中涉及到的算法有:
1)计算二值化均方误差，由图13，设定确定性预报的概率分布为如此表所示，由此分布可求得事件发生的均方误差：
其中，n为预报区域格点总数，a为预报和观测值同时满足阈值条件的格点数,b为预报满足但观测不满足的格点数，c为观测满足但预报不满足阈值条件的格点数，d为预报、观测都不满足的格点数。
随机预报误差排除：设定随机事件，满足预报场与观测场相互独立，且满足伯努利分布，已知隋策观测变量与随机预报变量的先验概率相同，根据贝叶斯定理，可对随机事件的发生概率进行修正，得到图14所示的概率分布；计算求得随机预报事件的均方误差：
排除随机预报误差后，使用小波分析得到的均方误差技巧评分：
(2)IOU检验,在AI技术对于物体探测中被广泛使用，将此方法移植到气象预报检测中，解决降水落区预测精度分析问题.不同降水强度的落区分别评估，形成梯级强度的落区IOU分析结果，如图17所示。
IoU分数是对象类别分割问题的标准性能度量。给定一组图像，IoU测量给出了在该组图像中存在的对象的预测区域和地面实况区域之间的相似性，并且由以下等式定义：
其中TP，FP和FN分别表示真阳性，假阳性和假阴性计数。
从上式可以看到IoU得分是基于计数的度量，而所提出的FCN的输出是表示像素是对象的一部分的可能性的概率值。因此，无法直接从网络输出中准确测量IoU得分。所以使用概率值来近似IoU分数。更正式地说，让V＝{1，2，…，N}是训练集中所有图像的所有像素的集合，X是表示集合V上的像素概率的网络的输出(在sigmoid层之外)，并且Y∈{0，1}V，是集合V的地面实况分配，其中0表示背景像素，1表示对象像素。然后，IoU计数可以定义为：
其中，I(X)的U(X)可近似如下：
四、最优模式推荐
根据不同的区域自动站资料、CLDAS智能网格融合实况资料；CMA、GRAPES-GFS、EC等模式0-168h、5km空间分辨率、逐6h资料等数据资料，通过小波检验以及IOU检验，选择最优的模式数据进行展示。
五、效果展示
实现最优模式数据下，原始数据与订正后的数据的集中展示，主要是预报降水网格分布图、预报降水订正后的网格分布图、实况降水网格分布图以及实况订正过后的网格分布图；这样集中展示，可看出预报与实况，原始与订正后的对比结果，方便业务员做对比分析。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”，“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种多模式降水预报及实时动态检验评估系统，包括基于系统架构设计的降水预报场模块、落区检验模块、最优模式推荐模块、效果展示模块，其特征在于：所述降水预报场模块可以选择时段值，根据不同的区域自动站资料、CLDAS智能网格融合实况资料；CMA、GRAPES-GFS、EC模式的0-168h、5km空间分辨率、逐6h资料，通过频率匹配法及概率匹配法得到降水预报场的预报格点场，所述频率匹配法统计不同阈值下降水出现的参考频率和预报频率，把预报频率调整到较准确的参考频率以保持两者在相同阈值下降水频率的一致，从而达到订正降水偏差的效果，所述概率匹配法利用多家模式的频率订正场，将所有格点融合为一个数组，从大到小排序，再按模式个数进行抽样，找到各模式的高频信息，过滤低频信息，然后把模式原始格点场进行简单集合平均，也对其格点值进行排序，最后按照简单集合平均的降水分布趋势将抽样得到的格点场按顺序填入；
所述落区检验模块利用地面站点实况观测和快速更新的CLDAS智能网格融合实况资料，结合EC、GRAPES_GFS及CMA多家模式客观降水预报资料，可设置时段选择，针对分级降水要素，设置降水量级，检验方式由附属的小波检验模组、IOU检验模组、时序检验模组实现；
所述最优模式推荐模块根据信道传输来的不同的区域自动站资料、CLDAS智能网格融合实况资料；CMA、GRAPES-GFS、EC模式下0-168h、5km空间分辨率、逐6h资料数据，通过落区检验模块给出的反馈数据，选择最优的模式数据进行展示；
所述效果展示模块实现最优模式数据下原始数据与订正后的数据的集中展示，主要是预报降水网格分布图、预报降水订正后的网格分布图、实况降水网格分布图以及实况订正过后的网格分布图，通过前端界面的集中展示，可看出预报与实况、原始与订正后的对比结果，进行后续对比分析。
2.根据权利要求1所述的一种多模式降水预报及实时动态检验评估系统，其特征在于：所述降水预报场模块先用频率匹配发对各家模式逐一订正，在此基础上，利用订正后的多模式预报，基于概率匹配法最终获得在消除系统性偏差的同时各量级降水分布的客观降水预报。
3.根据权利要求1所述的一种多模式降水预报及实时动态检验评估系统，其特征在于：所述降水预报场模块的频率匹配方法计算公式如下：
Fj＝Bj/A，
其中，j是不同等级降水阈值，Fj为大于降水阈值J的频率，A为总格点数，Bj为大于降水阈值J出现的格点数，利用CLDAS实况采用滑动平均计算过去20天观测降水的平均频率作为参考频率，预报频率计算方式与参考频率计算相似，利用多项式插值得到降水频率曲线，计算降水订正系数并对各家模式进行订正，得到各模式频率订正场。
4.根据权利要求1所述的一种多模式降水预报及实时动态检验评估系统，其特征在于：所述落区检验模块的检验对象包括主客观降水预报产品的历史预报、考核站和乡镇代表站，实现对格点和站点的综合检验，以图片、表格、文字材料的方式进行结果展示。
5.根据权利要求1所述的一种多模式降水预报及实时动态检验评估系统，其特征在于：所述小波检验模组根据所处理的格点数据的特性均匀分布的特性，采用Harr小波，使其母小波函数覆盖2km*2km、4km*4k直至512km*512km的不同空间尺度范围，在傅里叶变换思想的基础上，改变了无限时间窗口的局限性，在对数据样本进行频域分析的同时兼顾时域或空间域的分析。
6.根据权利要求1所述的一种多模式降水预报及实时动态检验评估系统，其特征在于：所述IOU检验模组通过信道接收气象监测数据，通过不同降水强度的落区分别评估形成梯级强度的落区IOU分析结果，并给定一组图像，IOU检验模组给出了在该组图像中存在的对象的预测区域和地面实况区域之间的相似性。
CN202110219319.3A 2021-02-26 2021-02-26 一种多模式降水预报及实时动态检验评估系统 Active CN113033957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110219319.3A CN113033957B (zh) 2021-02-26 2021-02-26 一种多模式降水预报及实时动态检验评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110219319.3A CN113033957B (zh) 2021-02-26 2021-02-26 一种多模式降水预报及实时动态检验评估系统

Publications (2)

Publication Number Publication Date
CN113033957A CN113033957A (zh) 2021-06-25
CN113033957B true CN113033957B (zh) 2023-10-27

Family

ID=76461938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110219319.3A Active CN113033957B (zh) 2021-02-26 2021-02-26 一种多模式降水预报及实时动态检验评估系统

Country Status (1)

Country Link
CN (1) CN113033957B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113466968A (zh) * 2021-07-15 2021-10-01 海南省气象台 一种基于频率匹配和动态融合的多模式降水预报订正方法
CN113515871B (zh) * 2021-09-08 2023-10-20 中科星图深海科技有限公司 一种面向对象的降水预报人工智能检验方法
CN114325879B (zh) * 2021-12-20 2022-09-30 广东省气象台(南海海洋气象预报中心) 一种基于分级概率的定量降水订正方法
CN115291302B (zh) * 2022-07-15 2024-08-02 南京信大气象科学技术研究院有限公司 基于频率与百分位匹配的逐小时降水订正预报方法及设备
CN115391745B (zh) * 2022-10-27 2023-01-20 国能大渡河大数据服务有限公司 一种基于概率匹配平均法的降水预报订正方法及系统
CN117434624B (zh) * 2023-09-28 2024-04-16 兰州中心气象台(兰州干旱生态环境监测预测中心) 一种基于语义分割的强对流天气识别和发展预判方法
CN118363093A (zh) * 2024-06-19 2024-07-19 江苏省气象台 一种基于目标对象诊断的降水预报时空检验方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10197706B1 (en) * 2016-03-04 2019-02-05 The Florida State University Research Foundation, Inc. System and method for sub-seasonal forecasts of extreme weather events in winter
CN109615236A (zh) * 2018-12-13 2019-04-12 深圳市气象局 降水预报模式检验评分方法、系统、终端及存储介质
CN109946762A (zh) * 2019-03-06 2019-06-28 重庆邮电大学移通学院 一种基于概率分布短时预报降水的方法及系统
CN110058328A (zh) * 2019-01-30 2019-07-26 沈阳区域气候中心 东北夏季降水多模式组合降尺度预测方法
CN110163426A (zh) * 2019-05-09 2019-08-23 中国科学院深圳先进技术研究院 一种多模式集成降水预报方法及装置
CN112070286A (zh) * 2020-08-25 2020-12-11 贵州黔源电力股份有限公司 复杂地形流域的降水预报预警系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105808948B (zh) * 2016-03-08 2017-02-15 中国水利水电科学研究院 一种自动修正的多模式数值降雨集合预报方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10197706B1 (en) * 2016-03-04 2019-02-05 The Florida State University Research Foundation, Inc. System and method for sub-seasonal forecasts of extreme weather events in winter
CN109615236A (zh) * 2018-12-13 2019-04-12 深圳市气象局 降水预报模式检验评分方法、系统、终端及存储介质
CN110058328A (zh) * 2019-01-30 2019-07-26 沈阳区域气候中心 东北夏季降水多模式组合降尺度预测方法
CN109946762A (zh) * 2019-03-06 2019-06-28 重庆邮电大学移通学院 一种基于概率分布短时预报降水的方法及系统
CN110163426A (zh) * 2019-05-09 2019-08-23 中国科学院深圳先进技术研究院 一种多模式集成降水预报方法及装置
CN112070286A (zh) * 2020-08-25 2020-12-11 贵州黔源电力股份有限公司 复杂地形流域的降水预报预警系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于小波分析的客观预报方法在智能网格高低温预报中的应用;刘新伟;段伯隆;黄武斌;段明铿;李蓉;狄潇泓;魏素娟;大气科学学报(第003期);577-584 *

Also Published As

Publication number Publication date
CN113033957A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN113033957B (zh) 一种多模式降水预报及实时动态检验评估系统
CN113919231B (zh) 基于时空图神经网络的pm2.5浓度时空变化预测方法及系统
CN109165693B (zh) 一种适用于露、霜和结冰的天气现象的自动判识方法
CN110222911B (zh) 一种卫星遥感与地面数据协同的雨量站网优化布局方法
CN111242022B (zh) 基于低分辨率遥感产品降尺度的高分辨率fapar估算方法
CN110930048A (zh) 一种基于成灾机理过程的农作物干旱风险评估系统及方法
CN111126511B (zh) 一种基于植被指数融合的lai定量模型建立的方法
CN110134907B (zh) 一种降雨缺失数据填补方法、系统及电子设备
CN111401602A (zh) 基于神经网络的卫星以及地面降水测量值同化方法
CN111650572B (zh) 一种减小短时降水估测偏差的方法及系统
CN109255100A (zh) 一种基于微波衰减特征响应指纹识别的城市降雨反演算法
CN113189014A (zh) 一种融合卫星遥感和地面监测数据的臭氧浓度估算方法
CN116912690A (zh) 一种基于数据融合的森林叶面积指数反演获取方法和系统
CN111950530A (zh) 农作物种植结构提取的多特征优选与融合方法
CN115575601A (zh) 基于水汽通量散度的植被旱灾指数评估方法和系统
CN116910041B (zh) 一种基于尺度分析的遥感降水产品的逐日订正方法
CN116432032A (zh) 基于多源数据和机器学习的气象数据异常事件识别方法
CN110502526B (zh) 一种适用于结冰现象的资料序列插补的方法
CN113742929B (zh) 一种针对格点气象实况的数据质量评价方法
CN109543911B (zh) 一种日照辐射预测方法及系统
CN113946796B (zh) 一种基于条件概率高时空分辨率的干旱传播时间计算方法
CN109272230B (zh) 一种地面观测站气压要素的数据质量评估方法和系统
Ruiz-Arias et al. CAELUS: classification of sky conditions from 1-min time series of global solar irradiance using variability indices and dynamic thresholds
CN110441830B (zh) 基于自动气象站的小区域天气预测方法及存储介质
CN110059972B (zh) 基于泛函深度信念网络的日太阳辐射资源评估方法

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