CN113987094A - 一种基于气象雷达的gis地图预警方法 - Google Patents

Abstract

本发明提供了一种基于气象雷达的GIS地图预警方法，包括，获取原始GIS地图；基于雷达系统，对预设区域进行不同角度不同方位的扫描，获得雷达波动图，并对所述雷达波动图按照预设变化周期进行循环跟踪；通过所述原始GIS地图将天气预警范围内的目标进行筛选和定位，并结合循环跟踪结果，制定预警信息和通知，并进行下发。本发明可全方位把握地理环境减轻地理因素对于人们的干扰，更好地服务于应急处理各种突发危机，保障地理环境宏观与微观相结合更加可靠。

Description

一种基于气象雷达的GIS地图预警方法

技术领域

本发明涉及气象预警领域技术领域，特别涉及一种基于气象雷达的GIS地图预警方法。

背景技术

目前，原始GIS地图多为静态显示，偏重于地理地面信息或者卫星信息状况的长周期分析，属于一个封闭的相对稳定的显示平台，依赖于数据包缓慢更新，不能适应突发情况和应急处理的要求，且对于决策无法起到提前预警的作用，虽然偶尔会有更新，但大多是基于长期性和稳定性要求，无法实现真实的虚拟效果。

发明内容

本发明提供一种基于气象雷达的GIS地图预警方法，用以解决原始GIS地图多为静态，不能适应突发情况和应急处理的要求，无法实现真实的虚拟效果的问题。

为达到上述目的，本发明实施例提出了一种基于气象雷达的GIS地图预警方法，包括：

步骤1：获取原始GIS地图；

步骤2：基于雷达系统，对预设区域进行不同角度不同方位的扫描，获得雷达波动图，并对所述雷达波动图按照预设变化周期进行循环跟踪；

步骤3：通过所述原始GIS地图将天气预警范围内的目标进行筛选和定位，并结合循环跟踪结果，制定预警信息和通知，并进行下发。

优选的，所述的一种基于气象雷达的GIS地图预警方法，所述步骤1：获取原始GIS地图，还包括：

基于互联网云端数据库获取预设区域地理位置信息；

根据所述地理位置信息，生成预设区域三维立体模型；

根据所述三维立体模型，获取预设区域原始GIS地图。

优选的，所述的一种基于气象雷达的GIS地图预警方法，所述步骤2：对预设区域进行不同角度不同方位的扫描，获得雷达波动图，还包括：

基于中央气象台原始雷达，由发射器经向预设区域不同角度不同方发射探测电磁波；

通过接收机接收所述探测电磁波反射的回波，生成雷达波动图。

优选的，所述的一种基于气象雷达的GIS地图预警方法，步骤2：对所述雷达波动图按照预设变化周期进行循环跟踪，还包括：

根据所述雷达波动图，获取预设模块气象数据；

将所述气象数据输入所述原始GIS地图，按照气象等级进行模块划分，并对不同气象等级的模块进行渲染处理；

判断不同气象等级的模块中是否存在极端天气，若存在，对所述雷达波动图按照预设变化周期进行循环跟踪。

优选的，所述的一种基于气象雷达的GIS地图预警方法，根据雷达波动图，获取预设区域气象数据，还包括：

基于所述雷达波动图，获取中央气象台原始雷达所发射电磁波探测范围，基于所述探测范围，判断预设区域是否下雨；

基于所述雷达波动图，获取回波的强度，根据回波强度获取预设区域的空气含水量；

基于所述雷达波动图，提取所述回波的多普勒频移的频谱特征，根据所得频谱特征，判断预设区域是否为风切边区域；

根据所述预设区域是否下雨、预设区域的含水量以及所测区域是否为风切边区域，生成预设区域气象数据。

优选的，所述的一种基于气象雷达的GIS地图预警方法，所述步骤3：结合循环跟踪结果，制定预警信息和通知，并进行下发，还包括：

根据所述雷达波动图，对所划分各模块进行分割处理，得到不同气象等级的各个子地图；

获取预设时间段历史雷达波动图，提取其中与所述雷达波动图中各模块重合区域的降水信息，得到各模块预设时间实际降水量；

基于互联网数据库，查找各种地理信息与该地理信息所对应的最大允许降水量，获取地理信息与降水量的对应关系，并将对应关系导入目标检测网络模型进行训练及拟合，获取训练好的降水量预测模型；

提取各子地图中的地理信息，将所得地理信息输入所述降水量预测模型，输入结果为所输入地理区域的最大允许降水量；

根据雷达波动图与历史雷达波动图，对预设区域未来气象进行预测，生成预测雷达波动图；

将所述各模块预设时间实际降水量与最大允许降水量进行比较；

若所述各模块预设时间实际降水量小于最大允许降水量，则在预测雷达波动图中查找与该模块对应区域的预测气象信息，结合所述预测气象信息判断此模块未来降水量是否大于最大允许降水量，若大于，则向此区域居民发送气象预警信息，若小于，则判定此区域为安全区域；

若所述各模块预设时间实际降水量大于最大允许降水量，则将此模块判定为危险模块，立即向该模块人员发送极端天气通知，并基于地理信息，判断是否会对周边地区造成影响，若是，则向受影响地区居民发送预警信息；

根据所述预测雷达波动图，获取所述危险模块未来气象情况，建立模拟模型，模拟所述危险地区实际气象情况，并基于危险模块未来气象情况，获取模拟模型由实际情况变为未来气象情况的过程，根据模拟过程，制定合理应急方案；

基于各大运营商基站数据，获取用户位置信息；

对处于危险区域内用户信息进行提取，获取用户手机终端信息；

将所发送信息转换为手机短信，发送至所述用户手机终端。

优选的，所述的一种基于气象雷达的GIS地图预警方法，根据雷达波动图与历史雷达波动图，对预设区域未来气象进行预测，生成预测雷达波动图，还包括：

基于雷达波动图，获取第一气象分析场序列，获取所述雷达波动图上一周期的历史雷达波动图，并根据所述所述历史雷达波动图，生成相应第二气象分析场序列；

对所述第一气象分析场序列与第二气象分析场序列进行相比较，获取所述第一气象分析场序列与第二气象分析场序列之间的第一差异值；

计算所述预设时间端内相邻历史雷达波动图之间相应分析场序列的差异值，并计算其平均差异，将所述平均差异与所述第一差异值进行比较，并根据比较结果，判断气象变化趋势；

根据所述预设时间端内相邻历史雷达波动图之间相应分析场序列的差异值与其相应分析场序列变化情况输入神经网络模型中进行训练，获取气象变化特征，基于所述气象变化特征，生成相应气象预测模型；

将所述第一气象分析场序列输入所述气象预测模型，输出为多种预测气象分析场序列，生成多个预测雷达波动图，将与所述气象变化趋势不符的预测雷达波动图剔除，对剩余多个预测雷达波动图进行融合处理，生成预测雷达波动图。

优选的，所述的一种基于气象雷达的GIS地图预警方法，对所述气象数据进行分析，判断所述预设区域内是否存在极端天气，还包括：

根据预设区域气象数据，提取预设区域风切情况；

基于所述风切情况，获取风切移动路线，提取所述移动路线中风速，风向变换情况，生成风切动态数据；

根据所述风切移动路线与风切动态数据进行分析，对未来情况进行预测，判断未来是否会产生风暴眼或者飑线切面。

优选的，所述的一种基于气象雷达的GIS地图预警方法，通过接收机接收所述探测电磁波反射的回波，生成雷达波动图，还包括：

基于预设时间间隔，对中央气象台原始雷达的参数进行监测，获取中央气象台原始雷达数据，并基于获取时间将所得中央气象台原始雷达数据录入数据库；

基于互联网云端数据库与历史维修数据，获取中央气象台原始雷达故障时的异常数据点信息，与中央气象台原始雷达故障信息，并在数据库中查找与所述异常数据点对应的正常数据点信息；

根据所述异常数据点信息与所述异常数据点对应的正常数据点信息，获取异数据点的异常程度，比基于所述异常程度与中央气象台原始雷达故障信息，获取各异常点相对中央气象台原始雷达的故障影响系数；

根据各异常数据点的异常程度与各异常点对中央气象台原始雷达的故障影响系数，获取中央气象台原始雷达故障影响特征，并基于所述故障影响特征，训练故障鉴定模型；

根据预设时间间隔，在所述数据库中提取固定组数的历史中央气象台原始雷达数据，将所述历史中央气象台原始雷达数据输入所述故障鉴定模型，输入为历史中央气象台原始雷达数据内各数据点的故障程度，将所述历史中央气象台原始雷达数据内各数据点的故障程度与预设故障程度阈值进行比较，判断是否存在故障程度超标数据点；

若不存在，则判定所述中央气象台原始雷达无故障；

若存在，则确定所述故障程度超标数据点位置，判断所述故障程度超标数据点是出现在多组历史中央气象台原始雷达数据中，还是只出现在在一组中央气象台原始雷达数据中；

若只出现在在一组中央气象台原始雷达数据中，则判定此次结果为数据波动；

若出现在多组历史中央气象台原始雷达数据，则判定所述中央气象台原始雷达出现故障，生成故障维修方案，并进行故障提醒。

优选的，所述的一种基于气象雷达的GIS地图预警方法，生成故障消除方案，包括：

根据故障程度超标数据点位置信息，获取故障位置；

根据所述故障超标程度与故障位置，生成故障信息，基于所述故障信息，生成相应的维修方案。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于气象雷达的GIS地图预警方法流程图；

图2为本发明又一实施例的一种基于气象雷达的GIS地图预警方法流程图；

图3为本发明又一实施例的一种基于气象雷达的GIS地图预警方法流程图；

图4为本发明又一实施例的一种基于气象雷达的GIS地图预警方法流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

下面参考图1至图4来描述本发明实施例提出的一种基于气象雷达的GIS地图预警方法。

实施例1：

如图1所示，本发明提供一种基于气象雷达的GIS地图预警方法，包括：

步骤1：获取原始GIS地图；

步骤2：基于雷达系统，对预设区域进行不同角度不同方位的扫描，获得雷达波动图，并对所述雷达波动图按照预设变化周期进行循环跟踪；

步骤3：通过所述原始GIS地图将天气预警范围内的目标进行筛选和定位，并结合循环跟踪结果，制定预警信息和通知，并进行下发。

该实施例中，原始GIS地图为为所呈现的内容远远多于静态地图的一种新型地图；雷达波动图为表示雷达回波信息的图像；预设变化周期为预先设置好的变化周期；循环跟踪为根据预设变化周期对雷达波动图进行实时获取；雷达系统为中央气象台原始雷达；

上述方案的有益效果：本发明可获取原始GIS地图，并通过雷达系统，对预设区域进行全方位的扫描，通过气象雷达补充GIS地图方法，一方面能最大程度的反应真实地理信息包含气象情况，另一方面通过动态显示突发降雨灾害情况，立体全方位把握地理环境减轻地理因素对于人们的干扰，更好地服务于应急处理各种突发危机，保障地理环境宏观与微观相结合更加可靠。

实施例2：

基于实施例1的基础上，如图2所示，所述步骤1：获取原始GIS地图，还包括：

基于互联网云端数据库获取预设区域地理位置信息；

根据所述地理位置信息，生成预设区域三维立体模型；

根据所述三维立体模型，获取预设区域原始GIS地图。

该实施例中，互联网云端数据库为基于互联网云数据的一种数据库；地理位置信息为预设区域的地形地貌信息；三维立体模型为预设区域的模拟模型；

上述方案的有益效果：本发明可根据互联网云端数据库获取预设区域地理位置信息，基于所得信息生成原始GIS地图，本发明可经过互联网数据，快速建立预设区域原始GIS地图，提高工作效率。

实施例3：

基于实施例1的基础上，所述步骤2：对预设区域进行不同角度不同方位的扫描，获得雷达波动图，还包括：

基于中央气象台原始雷达，由发射器经向预设区域不同角度不同方发射探测电磁波：

通过接收机接收所述探测电磁波反射的回波，生成雷达波动图。

所述中央气象原始雷达，包括发射机、发射天线、接收机以及抗干扰组件，在不同温度下，接收机接收通道内的噪声不同；

其中，抗干扰组件，位于所述雷达接收机上，可在雷达接收信号较弱时打开，减小接收信号受到的干扰，从而对接收信号进行增益。

上述方案中，通过接收机接收所述探测电磁波反射的回波过程中，包括：

实时检测所述接收机接收通道内的输入噪声、输出噪声以及抗干扰组件打开时接收通道内的输出噪声，并检测所述接收机在工作状态时，接收通道内的超噪比；

可根据如下公式，计算所述接收机中接收通道在工作状态下受到的噪声系数Y：

其中，ξ为噪声源的超噪比，取值为2；N_sc为所述接收通道内的输出噪声，取值为60DB；N_ec为抗干扰组件打开时，取值为50DB；δ为数据测量的误差率，取值为0.75；θ为所述接收通道中接收信号的反射系数，取值为0.2；

将数据带入，可得所述接收机中接收通道在工作状态下受到的噪声系数Y为1.22；

根据所述噪声系数Y，可计算抗干扰组件对所述接收通道内接收信号的增益效果Z，计算公式如下所示：

其中，N_r为所述接收机的接收通道输入噪声，且取值为80DB；H为环境因素对噪声的影响系数，取值为0.85；

将数据带入，可计算出噪声源对所述接收通道的增益效果Z为52％；

将所计算出噪声源对所述接收通道的增益效果与预设阈值进行比较，当噪声源对所述接收通道的增益效果小于预设阈值时，进行报警提示，可实时检测抗干扰组件开启时对通过接收通道的接收信号的增益效果，防止增益效果不达标造成接收信号无法达到预设要求从而难以获取其中信息。

上述方案的有益效果：本发明可基于中央气象台原始雷达，由发射器经向预设区域不同角度不同方发射探测电磁波，并对接收到的回波进行检测，当回波信号过弱时对其进行增益，可以提高检测的准确率，有很强的实用性。

实施例4：

基于实施例1的基础上，如图3所示，所述步骤2：对所述雷达波动图按照预设变化周期进行循环跟踪，还包括：

根据所述雷达波动图，获取预设模块气象数据；

将所述气象数据输入所述原始GIS地图，按照气象等级进行模块划分，并对不同气象等级的模块进行渲染处理；

判断不同气象等级的模块中是否存在极端天气，若存在，对所述雷达波动图按照预设变化周期进行循环跟踪。

该实施例中，气象等级包括：绿色回波覆盖的区域代表当地正沉浸在绵绵细雨之中；黄色到红色回波覆盖的区域有中到大雨现身；一般亮黄色区域一般对应有10毫米/小时左右降雨强度出现，暖红色雷达回波一般对应有20毫米/小时左右的降雨强度，并且有可能出现短时雷雨大风、冰雹等强对流天气。紫色“披上紫色回波”的区域降水强度最大，该地区正“沦陷”于暴雨、甚至大暴雨之中，并有可能伴随雷电大风甚至冰雹等剧烈天气。

该实施例中，气象数据为根据雷达波动图获取的气象情况；气象等级为基于气象的危害程度划分的等级；极端天气为危害性强的恶劣天气；

上述方案的有益效果：根据雷达波动图获取气象数据，并将气象数据融入原始GIS地图中，可适应突发情况和应急处理的要求，且能对决策起到提前预警的作用，可实现实现真实的虚拟效果。

实施例5：

基于实施例4的基础上，所述根据所述雷达波动图，获取预设区域气象数据，还包括：

基于所述雷达波动图，获取中央气象台原始雷达所发射电磁波探测范围，基于所述探测范围，判断预设区域是否下雨；

基于所述雷达波动图，获取回波的强度，根据回波强度获取预设区域的空气含水量；

基于所述雷达波动图，提取所述回波的多普勒频移的频谱特征，根据所得频谱特征，判断预设区域是否为风切边区域；

根据所述预设区域是否下雨、预设区域的含水量以及所测区域是否为风切边区域，生成预设区域气象数据；

根据所述预设区域是否下雨、预设区域的含水量以及所测区域是否为风切边区域，生成预设区域气象数据。

该实施例中，探测范围为雷达的有效探测范围，本发明中雷达采用X波段雷达的波长更短，在雨中衰减得更厉害，所以可根据探测范围获取衰减情况从而判断是否下雨；多普勒频移是指当移动台以恒定的速率沿某一方向移动时，由于传播路程差的原因，会造成相位和频率的变化；

上述方案的有益效果：本发明可根据雷达波动图，获取检测区域的各项环境数据，将各项环境数据进行整合，生成气象数据，可根据气象数据对所测区域气象情况进行分析，具有很强的实用性。

实施例6：

基于实施例1的基础上，所述步骤3：结合循环跟踪结果，制定预警信息和通知，并进行下发，还包括：

根据所述雷达波动图，对所划分各模块进行分割处理，得到不同气象等级的各个子地图；

获取预设时间段历史雷达波动图，提取其中与所述雷达波动图中各模块重合区域的降水信息，得到各模块预设时间实际降水量；

基于互联网数据库，查找各种地理信息与该地理信息所对应的最大允许降水量，获取地理信息与降水量的对应关系，并将对应关系导入目标检测网络模型进行训练及拟合，获取训练好的降水量预测模型；

提取各子地图中的地理信息，将所得地理信息输入所述降水量预测模型，输入结果为所输入地理区域的最大允许降水量；

根据雷达波动图与历史雷达波动图，对预设区域未来气象进行预测，生成预测雷达波动图；

将所述各模块预设时间实际降水量与最大允许降水量进行比较；

若所述各模块预设时间实际降水量小于最大允许降水量，则在预测雷达波动图中查找与该模块对应区域的预测气象信息，结合所述预测气象信息判断此模块未来降水量是否大于最大允许降水量，若大于，则向此区域居民发送气象预警信息，若小于，则判定此区域为安全区域；

若所述各模块预设时间实际降水量大于最大允许降水量，则将此模块判定为危险模块，立即向该模块人员发送极端天气通知，并基于地理信息，判断是否会对周边地区造成影响，若是，则向受影响地区居民发送预警信息；

根据所述预测雷达波动图，获取所述危险模块未来气象情况，建立模拟模型，模拟所述危险地区实际气象情况，并基于危险模块未来气象情况，获取模拟模型由实际情况变为未来气象情况的过程，根据模拟过程，制定合理应急方案；

基于各大运营商基站数据，获取用户位置信息；

对处于危险区域内用户信息进行提取，获取用户手机终端信息；

将所发送信息转换为手机短信，发送至所述用户手机终端。

该实施例中，子地图为对各模块对应的地图信息；历史雷达波动图为之前获取的雷达波动图；降水量预测模型为可对根据地理信息对该地理信息最大允许降水量进行预测的模拟模型；预测雷达波动图为根据未来气象数据生成的预测出的雷达波动图；预测气象信息根据预测波动图获取的预测气象信息；安全区域为降水量小于最大允许降水量的区域；危险区域为降水量大于最大允许降水量的区域；

上述方案的有益效果：本发明可根据GIS地图，获取各模块地理信息，并根据地理信息生成预测模型，对该模块的最大允许降水量进行预测，并根据历史信息，获取该区域预设时间段内的降水量，当降水量超标时进行报警提示，并可对降水量未超标的地区进行预测，若预测结果显示未来该区域降水量超标，对该区域居民进行报警提示，可以提起做好救灾准备，减少损失。

实施例7：

基于实施例6的基础上，所述根据雷达波动图与历史雷达波动图，对预设区域未来气象进行预测，生成预测雷达波动图，还包括：

基于雷达波动图，获取第一气象分析场序列，获取所述雷达波动图上一周期的历史雷达波动图，并根据所述所述历史雷达波动图，生成相应第二气象分析场序列；

对所述第一气象分析场序列与第二气象分析场序列进行相比较，获取所述第一气象分析场序列与第二气象分析场序列之间的第一差异值；

计算所述预设时间端内相邻历史雷达波动图之间相应分析场序列的差异值，并计算其平均差异，将所述平均差异与所述第一差异值进行比较，并根据比较结果，判断气象变化趋势；

根据所述预设时间端内相邻历史雷达波动图之间相应分析场序列的差异值与其相应分析场序列变化情况输入神经网络模型中进行训练，获取气象变化特征，基于所述气象变化特征，生成相应气象预测模型；

将所述第一气象分析场序列输入所述气象预测模型，输出为多种预测气象分析场序列，生成多个预测雷达波动图，将与所述气象变化趋势不符的预测雷达波动图剔除，对剩余多个预测雷达波动图进行融合处理，生成预测雷达波动图。

该实施例中，第一气象分析场序列为基于雷达波动图获取的气象信息序列；第二气象分析场序列为根据与所述第一气象分析场序列对应的雷达波动图上一周期的雷达波动图生成的；第一差异值为所述第一气象分析场序列与所述第二气象分析场序列的差异值；平均差异为预设时间段内，除了第一第二气分析场序列对应雷达波动图之外剩余的雷达波动图分析场序列的平均值；气象变化特征为气象变化相应的特征信息；

上述方案的有益效果：本发明可根据历史雷达波动图进行分析，根据气象变化特征，对未来气象情况进行预测，并生成预测雷达波动图，有极大的准确性可对未来气象信息进行预测，便于对未来受灾地区进行预警，使未来受灾地区人群有足够的时间执行应急方案。

实施例8：

基于实施例4的基础上，如图4所示，对所述气象数据进行分析，判断所述预设区域内是否存在极端天气，还包括：

根据预设区域气象数据，提取预设区域风切情况；

基于所述风切情况，获取风切移动路线，提取所述移动路线中风速，风向变换情况，生成风切动态数据；

根据所述风切移动路线与风切动态数据进行分析，对未来情况进行预测，判断未来是否会产生风暴眼或者飑线切面。

该实施例中，风切为一种大气现象，风矢量(风向、风速)在空中水平和(或)垂直距离上的变化；动态数据为所测地区风量的动态变化情况；

上述方案的有益效果：本发明可根据气象数据获取所测地区的风切变化，并根据分切变化生成动态数据，基于所述动态数据对所测地区风量进行预测，判断是否会生成风暴，可以提前预测风暴信息并进行显示，防止因没有检测到风暴信息而对所测区域居民造成危害。

实施例9：

基于实施例3的基础上，通过接收机接收所述探测电磁波反射的回波，生成雷达波动图，还包括：

基于预设时间间隔，对中央气象台原始雷达的参数进行监测，获取中央气象台原始雷达数据，并基于获取时间将所得中央气象台原始雷达数据录入数据库；

基于互联网云端数据库与历史维修数据，获取中央气象台原始雷达故障时的异常数据点信息，与中央气象台原始雷达故障信息，并在数据库中查找与所述异常数据点对应的正常数据点信息；

根据所述异常数据点信息与所述异常数据点对应的正常数据点信息，获取异数据点的异常程度，比基于所述异常程度与中央气象台原始雷达故障信息，获取各异常点相对中央气象台原始雷达的故障影响系数；

根据各异常数据点的异常程度与各异常点对中央气象台原始雷达的故障影响系数，获取中央气象台原始雷达故障影响特征，并基于所述故障影响特征，训练故障鉴定模型；

根据预设时间间隔，在所述数据库中提取固定组数的历史中央气象台原始雷达数据，将所述历史中央气象台原始雷达数据输入所述故障鉴定模型，输入为历史中央气象台原始雷达数据内各数据点的故障程度，将所述历史中央气象台原始雷达数据内各数据点的故障程度与预设故障程度阈值进行比较，判断是否存在故障程度超标数据点；

若不存在，则判定所述中央气象台原始雷达无故障；

若存在，则确定所述故障程度超标数据点位置，判断所述故障程度超标数据点是出现在多组历史中央气象台原始雷达数据中，还是只出现在在一组中央气象台原始雷达数据中；

若只出现在在一组中央气象台原始雷达数据中，则判定此次结果为数据波动；

若出现在多组历史中央气象台原始雷达数据，则判定所述中央气象台原始雷达出现故障，生成故障维修方案，并进行故障提醒。

该实施例中，参数为中央气象台原始雷达的工作时的各项基本信息；数据库用于储存信息；历史维修数据为所述中央气象台原始雷达历史故障维修信息；异常数据点信息为当中央气象台原始雷达故障时的数据异常点；异常程度为数据与异常点相对该数据点正常情况下的差异程度；故障影响系数为各个点数据异常对重要故障台原始雷达故障的影响程度；故障影响特征为各数据点异常所对应中央气象台原始雷达的故障情况；

上述方案的有益效果：本发明可基于预设时间间隔，对中央气象台原始雷达的参数进行监测，获取中央气象台原始雷达数据，并根据互联网数据库中数据与历史维修记录，获取各数据点数据对应的故障情况，生成检测模型，将监测数据输入可得到雷达故障情况，本发明可基于预设时间间隔对雷达进行检测，判断雷达是否故障，可以有效地避免雷达没被检测出而造成的损失。

实施例10：

基于实施例9的基础上，生成故障消除方案，包括：

根据故障程度超标数据点位置信息，获取故障位置；

根据所述故障超标程度与故障位置，生成故障信息，基于所述故障信息，生成相应的维修方案。

该实施例中，故障位置为雷达故障位置；故障信息为根据故障位置的故障严重程度生成的故障信息；

上述方案的有益效果：本发明可根据故障程度超标数据点位置信息获取故障位置，并生成故障信息，根据故障信生成维修方案，可以有效地提高故障维修速度。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于气象雷达的GIS地图预警方法，其特征在于，包括：

步骤1：获取原始GIS地图；

步骤2：基于雷达系统，对预设区域进行不同角度不同方位的扫描，获得雷达波动图，并对所述雷达波动图按照预设变化周期进行循环跟踪；

步骤3：通过所述原始GIS地图将天气预警范围内的目标进行筛选和定位，并结合循环跟踪结果，制定预警信息和通知，并进行下发。

2.基于权利要求1所述的一种基于气象雷达的GIS地图预警方法，其特征在于，所述步骤1：获取原始GIS地图，还包括：

基于互联网云端数据库获取预设区域地理位置信息；

根据所述地理位置信息，生成预设区域三维立体模型；

根据所述三维立体模型，获取预设区域原始GIS地图。

3.基于权利要求1所述的一种基于气象雷达的GIS地图预警方法，其特征在于，所述步骤2：对预设区域进行不同角度不同方位的扫描，获得雷达波动图，还包括：

基于中央气象台原始雷达，由发射器经向预设区域不同角度不同方发射探测电磁波；

通过接收机接收所述探测电磁波反射的回波，生成雷达波动图。

4.基于权利要求1的一种基于气象雷达的GIS地图预警方法，其特征在于，步骤2：对所述雷达波动图按照预设变化周期进行循环跟踪，还包括：

根据所述雷达波动图，获取预设模块气象数据；

将所述气象数据输入所述原始GIS地图，按照气象等级进行模块划分，并对不同气象等级的模块进行渲染处理；

判断不同气象等级的模块中是否存在极端天气，若存在，对所述雷达波动图按照预设变化周期进行循环跟踪。

5.基于权利要求4的一种基于气象雷达的GIS地图预警方法，其特征在于，根据所述雷达波动图，获取预设区域气象数据，还包括：

基于所述雷达波动图，获取中央气象台原始雷达所发射电磁波探测范围，基于所述探测范围，判断预设区域是否下雨；

基于所述雷达波动图，获取回波的强度，根据回波强度获取预设区域的空气含水量；

基于所述雷达波动图，提取所述回波的多普勒频移的频谱特征，根据所得频谱特征，判断预设区域是否为风切边区域；

根据所述预设区域是否下雨、预设区域的含水量以及所测区域是否为风切边区域，生成预设区域气象数据。

6.基于权利要求1的一种基于气象雷达的GIS地图预警方法，其特征在于，步骤3：结合循环跟踪结果，制定预警信息和通知，并进行下发，还包括：

根据所述雷达波动图，对所划分各模块进行分割处理，得到不同气象等级的各个子地图；

获取预设时间段历史雷达波动图，提取其中与所述雷达波动图中各模块重合区域的降水信息，得到各模块预设时间实际降水量；

基于互联网数据库，查找各种地理信息与该地理信息所对应的最大允许降水量，获取地理信息与降水量的对应关系，并将对应关系导入目标检测网络模型进行训练及拟合，获取训练好的降水量预测模型；

提取各子地图中的地理信息，将所得地理信息输入所述降水量预测模型，输入结果为所输入地理区域的最大允许降水量；

根据雷达波动图与历史雷达波动图，对预设区域未来气象进行预测，生成预测雷达波动图；

将所述各模块预设时间实际降水量与最大允许降水量进行比较；

若所述各模块预设时间实际降水量小于最大允许降水量，则在预测雷达波动图中查找与该模块对应区域的预测气象信息，结合所述预测气象信息判断此模块未来降水量是否大于最大允许降水量，若大于，则向此区域居民发送气象预警信息，若小于，则判定此区域为安全区域；

若所述各模块预设时间实际降水量大于最大允许降水量，则将此模块判定为危险模块，立即向该模块人员发送极端天气通知，并基于地理信息，判断是否会对周边地区造成影响，若是，则向受影响地区居民发送预警信息；

根据所述预测雷达波动图，获取所述危险模块未来气象情况，建立模拟模型，模拟所述危险地区实际气象情况，并基于危险模块未来气象情况，获取模拟模型由实际情况变为未来气象情况的过程，根据模拟过程，制定合理应急方案；

基于各大运营商基站数据，获取用户位置信息；

对处于危险区域内用户信息进行提取，获取用户手机终端信息；

将所发送信息转换为手机短信，发送至所述用户手机终端。

7.基于权利要求6的一种基于气象雷达的GIS地图预警方法，其特征在于，根据雷达波动图与历史雷达波动图，对预设区域未来气象进行预测，生成预测雷达波动图，还包括：

基于雷达波动图，获取第一气象分析场序列，获取所述雷达波动图上一周期的历史雷达波动图，并根据所述所述历史雷达波动图，生成相应第二气象分析场序列；

对所述第一气象分析场序列与第二气象分析场序列进行相比较，获取所述第一气象分析场序列与第二气象分析场序列之间的第一差异值；

计算所述预设时间段内相邻历史雷达波动图之间相应分析场序列的差异值，并计算其平均差异，将所述平均差异与所述第一差异值进行比较，并根据比较结果，判断气象变化趋势；

根据所述预设时间段内相邻历史雷达波动图之间相应分析场序列的差异值与其相应分析场序列变化情况输入神经网络模型中进行训练，获取气象变化特征，基于所述气象变化特征，生成相应气象预测模型；

将所述第一气象分析场序列输入所述气象预测模型，输出为多种预测气象分析场序列，生成多个预测雷达波动图，将与所述气象变化趋势不符的预测雷达波动图剔除，对剩余多个预测雷达波动图进行融合处理，生成预测雷达波动图。

8.基于权利要求4的一种基于气象雷达的GIS地图预警方法，其特征在于，对所述气象数据进行分析，判断所述预设区域内是否存在极端天气，还包括：

根据预设区域气象数据，提取预设区域风切情况；

基于所述风切情况，获取风切移动路线，提取所述移动路线中风速，风向变换情况，生成风切动态数据；

根据所述风切移动路线与风切动态数据进行分析，对未来情况进行预测，判断未来是否会产生风暴眼或者飑线切面。

9.基于权利要求3的一种基于气象雷达的GIS地图预警方法，其特征在于，通过接收机接收所述探测电磁波反射的回波，生成雷达波动图，还包括：

基于预设时间间隔，对中央气象台原始雷达的参数进行监测，获取中央气象台原始雷达数据，并基于获取时间将所得中央气象台原始雷达数据录入数据库；

基于互联网云端数据库与历史维修数据，获取中央气象台原始雷达故障时的异常数据点信息，与中央气象台原始雷达故障信息，并在数据库中查找与所述异常数据点对应的正常数据点信息；

根据所述异常数据点信息与所述异常数据点对应的正常数据点信息，获取异数据点的异常程度，比基于所述异常程度与中央气象台原始雷达故障信息，获取各异常点相对中央气象台原始雷达的故障影响系数；

根据各异常数据点的异常程度与各异常点对中央气象台原始雷达的故障影响系数，获取中央气象台原始雷达故障影响特征，并基于所述故障影响特征，训练故障鉴定模型；

根据预设时间间隔，在所述数据库中提取固定组数的历史中央气象台原始雷达数据，将所述历史中央气象台原始雷达数据输入所述故障鉴定模型，输入为历史中央气象台原始雷达数据内各数据点的故障程度，将所述历史中央气象台原始雷达数据内各数据点的故障程度与预设故障程度阈值进行比较，判断是否存在故障程度超标数据点；

若不存在，则判定所述中央气象台原始雷达无故障；

若存在，则确定所述故障程度超标数据点位置，判断所述故障程度超标数据点是出现在多组历史中央气象台原始雷达数据中，还是只出现在在一组中央气象台原始雷达数据中；

若只出现在在一组中央气象台原始雷达数据中，则判定此次结果为数据波动；

若出现在多组历史中央气象台原始雷达数据，则判定所述中央气象台原始雷达出现故障，生成故障维修方案，并进行故障提醒。

10.基于权利要求9的一种基于气象雷达的GIS地图预警方法，其特征在于，生成故障消除方案，包括：

根据故障程度超标数据点位置信息，获取故障位置；

根据所述故障超标程度与故障位置，生成故障信息，基于所述故障信息，生成相应的维修方案。

Images