CN113156546B - 一种日出日落景观预报方法及系统 - Google Patents

一种日出日落景观预报方法及系统 Download PDF

Info

Publication number
CN113156546B
CN113156546B CN202110268188.8A CN202110268188A CN113156546B CN 113156546 B CN113156546 B CN 113156546B CN 202110268188 A CN202110268188 A CN 202110268188A CN 113156546 B CN113156546 B CN 113156546B
Authority
CN
China
Prior art keywords
sunrise
sunset
meteorological
landscape
value
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
CN202110268188.8A
Other languages
English (en)
Other versions
CN113156546A (zh
Inventor
邓承之
周国兵
吴志鹏
韩潇
周盈颖
吴钲
赵磊
周燕秋
何军
何跃
蔡博
武哲宇
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.)
Chongqing Meteorological Bureau
Original Assignee
Chongqing Meteorological Bureau
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 Chongqing Meteorological Bureau filed Critical Chongqing Meteorological Bureau
Priority to CN202110268188.8A priority Critical patent/CN113156546B/zh
Publication of CN113156546A publication Critical patent/CN113156546A/zh
Application granted granted Critical
Publication of CN113156546B publication Critical patent/CN113156546B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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，公开了一种日出日落景观预报方法及系统，根据目标区域的历史日出时间段获取日出取值时刻，根据目标区域的历史日落时间段获取日落取值时刻，创建目标区域在日出取值时刻和日落取值时刻的气象网格并将地理网格上的地理高度匹配到气象网格中，再根据相对湿度数据，获取目标气象网格点的地理高度以上的云量最大值，根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率，本发明解决了现有技术存在的日出日落景观预报难以在空间上推广的问题，实现了地形起伏较大区域的日出日落景观的网格化预报，不受地域限制，建设成本低，实用性强，适合推广使用。

Description

一种日出日落景观预报方法及系统
技术领域
本发明属于气象预报技术领域，具体涉及一种日出日落景观预报方法及系统。
背景技术
气象预报是使用现代科学技术对未来一定时期内天气变化进行的事先估计和预告，包括对天气影响系统生消演变的形势预报和对气温、气压、湿度、风、云、降水及其他天气现象的要素预报。气象预报技术发展至今，以现代大气探测技术和高速计算机支持的数值天气预报模式早已取代常规天气图推演预报，成为现代气象预报的支柱和核心。数值天气预报模式，是一种根据大气动力学和热力学方程组，应用数值积分的方法，对地球大气进行数学建模，能够计算未来一定时效内的天气形势和气象要素的方法。随着数值天气预报技术的不断发展，数值天气预报模式对地球大气状态的模拟及未来一定时效内的预报能力逐渐提高。
气象景观预报通过分析重点景区具有代表性的气象景观发生特征及气象条件，剖析其成因，结合气象预报数据建立气象景观预报模型，是对观赏条件、地点、角度等信息进行科学预报预测的服务，亦是对旅游资源开发利用具有重大意义的气象保障服务。其中，日出、日落景观属自然景源中的日月景，观测点上空的云量条件是决定观测点能否观赏到日出、日落景观的关键因子。目前，日出、日落景观预报主要基于定点的云量预报或雾预报开展。如在中国授权专利(授权公告号：CN107748933B)《气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法》中，通过订正峨眉山的总云量预报信息和雾预报信息来判断该峨眉山出现日出景观的概率。需要指出的是，目前尚缺乏可以在空间上推广的网格化的日出日落景观预报方法，尤其是在地形结构复杂的山区。地形对于山区的日出日落景观的影响极为明显，如在由低云形成的阴天天气下，对于山区被低云覆盖的低洼地区是无法观赏到日出、日落景观的，但对于海拔高度突破了云顶高度的山顶而言，是具有日出、日落景观的观赏条件的。现有技术的日出、日落景观预报方法通常基于固定的气象观测站点，统计特定区域的气象数据，难以在空间上推广，尤其是在地理条件复杂的地区，难以形成有效的、大范围的及空间连续的日出日落景观预报。
发明内容
本发明旨在于至少在一定程度上解决上述技术问题。
为此，本发明目的在于提供一种可在空间上推广的日出、日落景观预报方法及系统，能够给出日出景观出现概率和日落景观出现概率，实现复杂地形条件下日出、日落景观的网格化预报，并提高预报准确率。
本发明所采用的技术方案为：
一种日出日落景观预报方法，包括以下步骤：
S1：根据目标区域的历史日出时间段获取日出取值时刻，根据目标区域的历史日落时间段获取日落取值时刻；获取目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据；
所述历史日出时间段为目标区域不同年份、月份的日出时间段，所述日出取值时刻为最接近日出时间段的整数时刻；
所述历史日落时间段为目标区域不同年份、月份的日落时间段，所述日落取值时刻为最接近日落时间段的整数时刻；
S2：根据目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据，得到目标区域在日出取值时刻和日落取值时刻的气象网格；
S3：获取目标区域的地理高度，得到目标区域的地理网格；
S4：将地理网格上的地理高度向气象网格进行匹配，得到气象网格上所有网格点的地理高度；
S5：根据垂直多层的相对湿度数据，获取目标气象网格点的地理高度以上的云量最大值；
S6：根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率。
进一步地，所述步骤S2的具体步骤为：
S2-1：将目标区域的大气按不同垂直高度分为多个气象层；
S2-2：根据目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据，得到每个气象层的相对湿度数据和位势高度数据；
S2-3：根据每个气象层的相对湿度数据和位势高度数据，得到目标区域在日出取值时刻和日落取值时刻的气象网格。
进一步地，所述步骤S4中，采用双线性插值方法将地理网格上的地理高度向气象网格进行匹配。
进一步地，所述步骤S5的具体步骤为：
S5-1：根据垂直多层的相对湿度数据，得到目标气象网格点上垂直多层的云量；
S5-2：根据垂直多层的云量，获取目标气象网格点的地理高度以上的云量最大值。
进一步地，所述步骤S5-1中，通过Slingo云量计算公式得到目标气象网格点上垂直多层的云量，其中，Slingo云量计算公式如下：
Figure GDA0003065175310000041
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S6的具体步骤为：
S6-1：判断目标气象网格点的云量最大值是否大于云量阈值，若是，则判定目标网格点不能观测到日出景观或日落景观，若否，则进入步骤S6-2；
S6-2:根据目标气象网格点的云量最大值，通过概率计算公式得到目标气象网格点的日出景观出现概率或日落景观出现概率，其中，概率计算公式为：
P＝(1-Nmax)2；
式中，P为日出景观出现概率或日落景观出现概率，Nmax为目标气象网格点的地理高度以上的云量最大值。
进一步地，所述云量阈值为0.6。
本发明还提供一种日出日落景观预报系统，应用于日出日落景观预报方法，所述日出日落景观预报系统包括历史数据获取模块、气象局预报获取模块、地理信息获取模块、数据处理模块和日出日落预报模块；
所述历史数据获取模块，用于获取目标区域的历史日出时间段和历史日落时间段；
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在日出取值时刻和日落取值时刻的垂直多层的相对湿度和位势高度数据；
所述地理信息获取模块，用于获取目标区域的地理高度；
所述数据处理模块，用于根据目标区域的历史日出时间段得到日出取值时刻，用于根据目标区域的历史日落时间段得到日落取值时刻，用于根据目标区域的垂直多层的相对湿度和位势高度数据建立目标区域的气象网格，用于根据目标区域的地理高度建立地理网格，用于将地理网格上的地理高度向气象网格进行匹配得到气象网格上所有网格点的地理高度，还用于根据垂直多层的相对湿度数据得到目标气象网格点的地理高度以上的云量最大值；
所述日出日落预报模块，用于根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率。
进一步地，所述日出日落景观预报系统还包括更新模块；所述更新模块分别与气象局预报获取模块和数据处理模块连接，所述更新模块用于更新气象局发布的气象预报数据。
进一步地，所述日出日落景观预报系统还包括云端服务器和查询端；所述云端服务器分别与日出日落预报模块和查询端通讯连接，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、地理高度、日出景观出现概率和日落景观出现概率。
本发明的有益效果为：
本发明提供了一种日出日落景观预报方法及系统，根据目标区域的历史日出时间段获取日出取值时刻，根据目标区域的历史日落时间段获取日落取值时刻，根据目标区域在日出取值时刻和日落取值时刻的相对湿度数据和位势高度数据建立气象网格，并将地理网格上的地理高度匹配到气象网格中，再根据垂直多层的相对湿度数据，获取目标气象网格点的地理高度以上的云量最大值，根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率，可提供复杂地形条件下的目标区域日出、日落景观概率预报，实现了地形起伏较大区域的日出、日落景观的网格化预报，可有效推动当地旅游业发展，同时，本发明不受地域限制，无需在目标区域建立特定的气象观测站点，在一定程度上节省了气象观测站点建设和维持成本，具有建设成本低、实用性强、易推广等优势。
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地介绍，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是日出日落景观预报方法的流程示意图。
图2是日出日落景观预报方法中的双线性插值匹配示意图。
图3是日出日落景观预报方法中不同高度地区的云量最大值示意图。
图4是日出日落景观预报系统的结构示意图。
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，本实施例提供一种日出日落景观预报方法，包括以下步骤：
S1：根据目标区域的历史日出时间段获取日出取值时刻，根据目标区域的历史日落时间段获取日落取值时刻；获取目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据；
所述历史日出时间段为目标区域不同年份、月份的日出时间段，所述日出取值时刻为最接近日出时间段的整数时刻；
所述历史日落时间段为目标区域不同年份、月份的日落时间段，所述日落取值时刻为最接近日落时间段的整数时刻；
本步骤需要说明的是，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气象层；
S2：根据目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据，得到目标区域在日出取值时刻和日落取值时刻的气象网格；
S3：获取目标区域的地理高度，得到目标区域的地理网格；
S4：将地理网格上的地理高度向气象网格进行匹配，得到气象网格上所有网格点的地理高度；
S5：根据垂直多层的相对湿度数据，获取目标气象网格点的地理高度以上的云量最大值；
S6：根据目标气象网格点在地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率。
本实施例提供了一种日出日落景观预报方法，根据目标区域的历史日出时间段获取日出取值时刻，根据目标区域的历史日落时间段获取日落取值时刻，根据目标区域在日出取值时刻和日落取值时刻的相对湿度数据和位势高度数据建立气象网格，并将地理网格上的地理高度匹配到气象网格中，再根据垂直多层的相对湿度数据，获取目标气象网格点的地理高度以上的云量最大值，根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率，可提供复杂地形条件下的目标区域日出、日落景观概率预报，实现了地形起伏较大区域的日出、日落景观的网格化预报，不受地形限制，建设成本低，实用性强，可有效推动当地旅游业发展。
实施例2
如图1-3所示，本实施例提供可一种日出日落景观预报方法，包括以下步骤：
S1：根据目标区域的历史日出时间段获取日出取值时刻，根据目标区域的历史日落时间段获取日落取值时刻；获取目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据；
具体地，步骤S1中，历史日出时间段为目标区域不同年份、月份的日出时间段，日出取值时刻为最接近日出时间段的整数时刻；历史日落时间段为目标区域不同年份、月份的日落时间段，日落取值时刻为最接近日落时间段的整数时刻，如重庆市在2021年不同月份的日出时刻和日出取值时刻如表1所示，重庆市在2021年不同月份的日落时刻和日落取值时刻如表2所示。
月份 日出时间段 日出取值时刻
1月 07:43—07:48 08时
2月 07:20—07:43 08时
3月 06:44—07:19 07时
4月 06:12—06:43 06时
5月 05:54—06:11 06时
6月 05:53—05:57 06时
7月 05:57—06:13 06时
8月 06:13—06:30 06时
9月 06:31—06:46 07时
10月 06:47—07:06 07时
11月 07:07—07:30 07时
12月 07:31—07:48 08时
表1
月份 日落时间段 日落取值时刻
1月 18:06—18:30 18时
2月 18:31—18:52 19时
3月 18:53—19:11 19时
4月 19:12—19:29 19时
5月 19:30—19:48 20时
6月 19:49—19:58 20时
7月 19:47—19:58 20时
8月 19:17—19:46 20时
9月 18:40—19:16 19时
10月 18:08—18:39 18时
11月 17:54—18:07 18时
12月 17:54—18:05 18时
表2
如表1所示，重庆市在2021年1月份的日出时间段为07:43—07:48，与该时间段最接近的整数时间段为08时，则获取目标区域在08时对应的相对湿度数据和位势高度数据用于后续计算，使得预报结果更为准确。本步骤需要进一步说明的是，相对湿度数据和位势高度数据源自于气象局发布的气象预报数据，气象预报数据是指在数值天气预报模式运行过程中，在每个整数时刻产生的物理量数值，其中物理量数值就包括目标区域在某一整数时刻的相对湿度数据和位势高度数据等；
S2：根据目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据，得到目标区域在日出取值时刻和日落取值时刻的气象网格，具体步骤为：
S2-1：将目标区域的大气按不同垂直高度分为多个气象层；
S2-2：根据目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据，得到每个气象层的相对湿度数据和位势高度数据；
S2-3：根据每个气象层的相对湿度数据和位势高度数据，得到目标区域在日出取值时刻和日落取值时刻的气象网格；
S3：获取目标区域的地理高度，得到目标区域的地理网格；
S4：将地理网格上的地理高度向气象网格进行匹配，得到气象网格上所有网格点的地理高度；
本步骤需要说明的是，将地理网格上的地理高度向气象网格进行匹配时，采用双线性插值方法对地理网格上的地理高度向气象网格进行匹配，将高精度的地理高度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：
S4-1：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)；
S4-2：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向气象网格的匹配：
Figure GDA0003065175310000111
Figure GDA0003065175310000112
Figure GDA0003065175310000113
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；
S5：根据垂直多层的相对湿度数据，获取目标气象网格点的地理高度以上的云量最大值，具体步骤为：
S5-1：根据垂直多层的相对湿度数据，得到目标气象网格点上垂直多层的云量；
具体地，步骤S5-1中，通过Slingo云量计算公式得到目标气象网格点上垂直多层的云量，其中，Slingo云量计算公式如下：
Figure GDA0003065175310000121
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，在目前的数值天气预报模式中，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，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；
S5-2：根据垂直多层的云量，获取目标气象网格点的地理高度以上的云量最大值；
本步骤需要说明的是，根据位势高度和几何高度的换算公式H＝Z*(g/9.8)(式中：H为位势高度；g为所在纬度的重力加速度；Z为几何高度)可以看出，位势高度与几何高度的差值几乎可以忽略。一方面，在本实施例中，气象层是多层的，而每一层的几何高度和位势高度都是变化的，另一方面，在气象领域中，位势高度数据更易获取，因此此处用气象层的位势高度数据代替该气象层对应的几何高度数据。所以为获取目标气象网格点的地理高度以上的云量，会将每一个垂直气象层对应的位势高度与目标气象网格点的地理高度进行比较，若某一气象层对应的位势高度大于地理高度，说明该气象层位于目标气象网格点的上方并计算该气象层的云量。通过计算目标气象网格点的地理高度以上的所有气象层的云量，便可得到云量最大值。
具体地，如图3所示，对于A点而言，K2层为A点地理高度以上距离A点最近的气象层，通过Slingo云量计算公式得到K2及其以上所有气象层的云量，进而得到云量最大值作为A点的云量最大值；类似的，对于B点而言，K1层及其以上的所有气象层的云量最大值为B点的云量最大值；对于C点而言，K层及其以上的所有气象层的云量最大值为C点的云量最大值；
S6：根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率，具体步骤为：
S6-1：判断目标气象网格点的地理高度以上的云量最大值是否大于云量阈值，若是，则判定目标网格点不能观测到日出景观或日落景观，若否，则进入步骤S6-2；
S6-2:根据目标气象网格点的地理高度以上的云量最大值，通过概率计算公式得到目标气象网格点的日出景观出现概率或日落景观出现概率，其中，概率计算公式为：
P＝(1-Nmax)2；
式中，P为日出景观出现概率或日落景观出现概率，Nmax为目标气象网格点的地理高度以上的云量最大值。
作为其中的一个优选方案，步骤S6-1中的云量阈值为0.6，即若云量最大值高于0.6，则目标气象网格点上的日出景观出现概率和日落景观出现概率均为零；若云量最大值低于0.6，则有一定概率可以观测到日出景观或者日落景观，概率值通过步骤S6-2中的概率计算公式所得。
本实施例提供了一种日出日落景观预报方法，根据目标区域的历史日出时间段获取日出取值时刻，根据目标区域的历史日落时间段获取日落取值时刻，根据目标区域在日出取值时刻和日落取值时刻的相对湿度数据和位势高度数据建立气象网格，并将地理网格上的地理高度匹配到气象网格中，再根据垂直多层的相对湿度数据，获取目标气象网格点的地理高度以上的云量最大值，根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率，可提供复杂地形条件下的目标区域日出、日落景观概率预报，实现了地形起伏较大区域的日出、日落景观的网格化预报，可有效推动当地旅游业发展，同时，本实施例不受地域限制，无需在目标区域建立特定的气象观测站点，在一定程度上节省了气象观测站点建设和维持成本，具有建设成本低、实用性强、易推广等优势。利用本实施例提供的一种日出日落景观预报方法，不仅能在推动当地对日出日落景观的开发利用，还有利于促进其他经济产业的挖掘和形成。
实施例3
本实施例提供了一种日出日落景观预报系统，如图4所示，应用于如实施例1或实施例2中的日出日落景观预报方法，日出日落景观预报系统包括历史数据获取模块、气象局预报获取模块、地理信息获取模块、数据处理模块和日出日落预报模块；
历史数据获取模块，用于获取目标区域的历史日出时间段和历史日落时间段；
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在日出取值时刻和日落取值时刻的垂直多层的相对湿度和位势高度数据；
地理信息获取模块，用于获取目标区域的地理高度；
数据处理模块，用于根据目标区域的历史日出时间段得到日出取值时刻，用于根据目标区域的历史日落时间段得到日落取值时刻，用于根据目标区域的垂直多层的相对湿度和位势高度数据建立目标区域的气象网格，用于根据目标区域的地理高度建立地理网格，用于将地理网格上的地理高度向气象网格进行匹配得到气象网格上所有网格点的地理高度，还用于根据垂直多层的相对湿度数据得到目标气象网格点的地理高度以上的云量最大值；
日出日落预报模块，用于根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率。
作为其中的一个优选方案，日出日落景观预报系统还包括更新模块；更新模块分别与气象局预报获取模块和数据处理模块连接，更新模块用于更新气象局发布的气象预报数据；日出日落景观预报系统还包括云端服务器和查询端；云端服务器分别与日出日落预报模块和查询端通讯连接，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、地理高度、日出景观出现概率和日落景观出现概率。
本实施例提供的一种日出日落景观预报系统，其中数据处理模块通过历史数据获取模块、气象局预报获取模块和地理信息获取模块提供的气象预报数据建立气象网格，实现了复杂地形条件下的日出日落景观的网格化预报，日出日落预报模块仅需根据数据处理模块得出的云量最大值，便可得出目标气象网格点上的日出景观出现概率和日落景观出现概率，无需在目标区域建立特定的气象观测站点，建设成本低，实用性强，不仅能够满足人民群众日益增长的文化旅游需求，还能有效推动当地旅游经济发展。
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)

1.一种日出日落景观预报方法，其特征在于：包括以下步骤：
S1：根据目标区域的历史日出时间段获取日出取值时刻，根据目标区域的历史日落时间段获取日落取值时刻；获取目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据；
所述历史日出时间段为目标区域不同年份、月份的日出时间段，所述日出取值时刻为最接近日出时间段的整数时刻；
所述历史日落时间段为目标区域不同年份、月份的日落时间段，所述日落取值时刻为最接近日落时间段的整数时刻；
S2：根据目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据，得到目标区域在日出取值时刻和日落取值时刻的气象网格；
S3：获取目标区域的地理高度，得到目标区域的地理网格；
S4：将地理网格上的地理高度向气象网格进行匹配，得到气象网格上所有网格点的地理高度；
S5：根据垂直多层的相对湿度数据，获取目标气象网格点的地理高度以上的云量最大值；
S6：根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率；
所述步骤S2的具体步骤为：
S2-1：将目标区域的大气按不同垂直高度分为多个气象层；
S2-2：根据目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据，得到每个气象层的相对湿度数据和位势高度数据；
S2-3：根据每个气象层的相对湿度数据和位势高度数据，得到目标区域在日出取值时刻和日落取值时刻的气象网格；
所述步骤S4中，采用双线性插值方法将地理网格上的地理高度向气象网格进行匹配；
所述步骤S5的具体步骤为：
S5-1：根据垂直多层的相对湿度数据，得到目标气象网格点上垂直多层的云量；
S5-2：根据垂直多层的云量，获取目标气象网格点的地理高度以上的云量最大值；
所述步骤S5-1中，通过Slingo云量计算公式得到目标气象网格点上垂直多层的云量，其中，Slingo云量计算公式如下：
Figure FDA0003946882660000021
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；
所述步骤S6的具体步骤为：
S6-1：判断目标气象网格点的地理高度以上的云量最大值是否大于云量阈值，若是，则判定目标网格点不能观测到日出景观或日落景观，若否，则进入步骤S6-2；
S6-2:根据目标气象网格点的地理高度以上的云量最大值，通过概率计算公式得到目标气象网格点的日出景观出现概率或日落景观出现概率，其中，概率计算公式为：
P＝(1-Nmax)2；
式中，P为日出景观出现概率或日落景观出现概率，Nmax为目标气象网格点的地理高度以上的云量最大值。
2.根据权利要求1所述的一种日出日落景观预报方法，其特征在于：所述云量阈值为0.6。
3.一种日出日落景观预报系统，其特征在于：应用于如权利要求1-2任一所述的日出日落景观预报方法，所述日出日落景观预报系统包括历史数据获取模块、气象局预报获取模块、地理信息获取模块、数据处理模块和日出日落预报模块；
所述历史数据获取模块，用于获取目标区域的历史日出时间段和历史日落时间段；
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在日出取值时刻和日落取值时刻的垂直多层的相对湿度和位势高度数据；
所述地理信息获取模块，用于获取目标区域的地理高度；
所述数据处理模块，用于根据目标区域的历史日出时间段得到日出取值时刻，用于根据目标区域的历史日落时间段得到日落取值时刻，用于根据目标区域的垂直多层的相对湿度和位势高度数据建立目标区域的气象网格，用于根据目标区域的地理高度建立地理网格，用于将地理网格上的地理高度向气象网格进行匹配得到气象网格上所有网格点的地理高度，还用于根据垂直多层的相对湿度数据得到目标气象网格点的地理高度以上的云量最大值；
所述日出日落预报模块，用于根据目标气象网格点的地理高度以上的云量最大值，得到目标气象网格点上的日出景观出现概率和日落景观出现概率；
所述步骤S2的具体步骤为：
S2-1：将目标区域的大气按不同垂直高度分为多个气象层；
S2-2：根据目标区域在日出取值时刻和日落取值时刻的垂直多层的相对湿度数据和位势高度数据，得到每个气象层的相对湿度数据和位势高度数据；
S2-3：根据每个气象层的相对湿度数据和位势高度数据，得到目标区域在日出取值时刻和日落取值时刻的气象网格；
所述步骤S4中，采用双线性插值方法将地理网格上的地理高度向气象网格进行匹配；
所述步骤S5的具体步骤为：
S5-1：根据垂直多层的相对湿度数据，得到目标气象网格点上垂直多层的云量；
S5-2：根据垂直多层的云量，获取目标气象网格点的地理高度以上的云量最大值；
所述步骤S5-1中，通过Slingo云量计算公式得到目标气象网格点上垂直多层的云量，其中，Slingo云量计算公式如下：
Figure FDA0003946882660000041
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；
所述步骤S6的具体步骤为：
S6-1：判断目标气象网格点的地理高度以上的云量最大值是否大于云量阈值，若是，则判定目标网格点不能观测到日出景观或日落景观，若否，则进入步骤S6-2；
S6-2:根据目标气象网格点的地理高度以上的云量最大值，通过概率计算公式得到目标气象网格点的日出景观出现概率或日落景观出现概率，其中，概率计算公式为：
P＝(1-Nmax)2；
式中，P为日出景观出现概率或日落景观出现概率，Nmax为目标气象网格点的地理高度以上的云量最大值。
4.根据权利要求3所述的一种日出日落景观预报系统，其特征在于：所述日出日落景观预报系统还包括更新模块；所述更新模块分别与气象局预报获取模块和数据处理模块连接，所述更新模块用于更新气象局发布的气象预报数据。
5.根据权利要求3所述的一种日出日落景观预报系统，其特征在于：所述日出日落景观预报系统还包括云端服务器和查询端；所述云端服务器分别与日出日落预报模块和查询端通讯连接，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、地理高度、日出景观出现概率和日落景观出现概率。
CN202110268188.8A 2021-03-12 2021-03-12 一种日出日落景观预报方法及系统 Active CN113156546B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110268188.8A CN113156546B (zh) 2021-03-12 2021-03-12 一种日出日落景观预报方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110268188.8A CN113156546B (zh) 2021-03-12 2021-03-12 一种日出日落景观预报方法及系统

Publications (2)

Publication Number Publication Date
CN113156546A CN113156546A (zh) 2021-07-23
CN113156546B true CN113156546B (zh) 2023-02-17

Family

ID=76886982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110268188.8A Active CN113156546B (zh) 2021-03-12 2021-03-12 一种日出日落景观预报方法及系统

Country Status (1)

Country Link
CN (1) CN113156546B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016108420A1 (ko) * 2014-12-31 2016-07-07 (주)가교테크 일사량 예측방법
CN106772697A (zh) * 2016-11-21 2017-05-31 元江哈尼族彝族傣族自治县气象局 云海自然景观预报方法及系统
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
CN107748933A (zh) * 2017-10-23 2018-03-02 成都信息工程大学 气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法
CN110992212A (zh) * 2019-12-12 2020-04-10 支付宝(杭州)信息技术有限公司 一种提示信息的生成方法、装置、设备和可读介质
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)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10459119B2 (en) * 2014-12-26 2019-10-29 Matthew Kuhns System and method for predicting sunset vibrancy
CN104849774B (zh) * 2015-04-17 2017-03-29 中国水产科学研究院东海水产研究所 一种包含天气因素的日出日落时间测量方法
CN109725371A (zh) * 2018-12-24 2019-05-07 深圳市六韬天气科技有限公司 基于低频流场图的华南地区台风和暴雨的预测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016108420A1 (ko) * 2014-12-31 2016-07-07 (주)가교테크 일사량 예측방법
CN107110995A (zh) * 2014-12-31 2017-08-29 株式会社架桥科技 日射量预测方法
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
CN106772697A (zh) * 2016-11-21 2017-05-31 元江哈尼族彝族傣族自治县气象局 云海自然景观预报方法及系统
CN107748933A (zh) * 2017-10-23 2018-03-02 成都信息工程大学 气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法
CN110992212A (zh) * 2019-12-12 2020-04-10 支付宝(杭州)信息技术有限公司 一种提示信息的生成方法、装置、设备和可读介质
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)

* Cited by examiner, † Cited by third party
Title
泰山日出的气象条件及气候概率;康桂红等;《科技情报开发与经济》;20070625(第18期);全文 *

Also Published As

Publication number Publication date
CN113156546A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
Ouammi et al. Artificial neural network analysis of Moroccan solar potential
CN109583653B (zh) 基于统计模型的西北太平洋台风的延伸期预报方法
CN111652975B (zh) 城市建筑群可利用太阳能资源评估方法及系统
Sun et al. Geospatial analysis of urban expansion using remote sensing methods and data: A case study of Yangtze River Delta, China
CN112880634B (zh) 一种基于cors站网的高程参考框架动态监测方法
CN112200377A (zh) 基于sarimax模型的光伏中长期发电量预报方法及装置
CN112801427B (zh) 基于XGBoost的光伏辐照度预报方法及系统
Satyanarayana Gubbala et al. Assessment of wind energy potential over India using high-resolution global reanalysis data
CN104570161A (zh) 基于ec/jma全球格点预报资料的台风自动化预报方法
Sakti et al. Spatial integration framework of solar, wind, and hydropower energy potential in Southeast Asia
Pan et al. Spatiotemporal dynamics of electricity consumption in China
Esmaeili Shayan et al. Possibility of supplying energy to border villages by solar energy sources
Lopatoukhin et al. Wave climate of the Caspian Sea, input wind data for hydrodynamic modeling, and some calculation results
CN108808671A (zh) 一种风电场短期风速集合预报方法
CN111652126A (zh) 一种基于卫星云图的反演辐射方法
CN113156546B (zh) 一种日出日落景观预报方法及系统
Wang et al. Modulation of winter precipitation associated with tropical cyclone of the western North Pacific by the stratospheric Quasi-Biennial oscillation
CN112884601B (zh) 一种基于天气区划策略的电力系统运行风险评估方法
Lee et al. Floating photovoltaic plant location analysis using GIS
Vecchio et al. Sea level rise projections up to 2150 in the northern Mediterranean coasts
CN109583095B (zh) 基于混合统计动力模型的西北太平洋台风延伸期预报方法
CN108549118B (zh) 一种以输电线路杆塔为载体的飑线风行进路径预测方法
CN111178631A (zh) 一种水浮莲入侵分布区预测方法及系统
CN112987131B (zh) 一种云海景观预报方法及系统
Men et al. Incorporating network topology and ecosystem services into the optimization of ecological network: A case study of the Yellow River Basin

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