CN114154705A - 应用于降水预报的数据处理方法、装置、设备和介质 - Google Patents
应用于降水预报的数据处理方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114154705A CN114154705A CN202111428374.XA CN202111428374A CN114154705A CN 114154705 A CN114154705 A CN 114154705A CN 202111428374 A CN202111428374 A CN 202111428374A CN 114154705 A CN114154705 A CN 114154705A
- Authority
- CN
- China
- Prior art keywords
- precipitation
- index
- data
- forecast
- current
- 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.)
- Pending
Links
- 238000001556 precipitation Methods 0.000 title claims abstract description 487
- 238000003672 processing method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims description 68
- 238000003860 storage Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000013277 forecasting method Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 32
- 238000004590 computer program Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 14
- 230000033001 locomotion Effects 0.000 description 14
- 238000011161 development Methods 0.000 description 13
- 230000015654 memory Effects 0.000 description 11
- 241000219094 Vitaceae Species 0.000 description 10
- 235000021021 grapes Nutrition 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 239000005436 troposphere Substances 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 230000001808 coupling effect Effects 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000004907 flux Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013213 extrapolation Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000005437 stratosphere Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000005570 vertical transmission Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 238000013265 extended release Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种应用于降水预报的数据处理方法、装置、设备和介质。其中,该应用于降水预报的数据处理方法包括:根据历史降水数据确定反演降水规则,并根据当前降水数据确定至少一个降水指数;基于反演降水规则,获取与至少一个降水指数一一对应的至少一个当前反演降水数据;以及对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据。可见,通过上述方法可以基于至少一个降水指数数值预报的地形追随坐标系客观降水预报方法,充分发挥数值模式预报潜力,能够改善数值模式降水预报的准确率,以提高地形陡峭山区和流域的降水预报水平或能力。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种应用于降水预报的数据处理方法、装置、设备和介质。
背景技术
目前地形陡峭地区和流域的降水预报准确率比较低,除了观测少,还缺乏有效的预报方法。目前,气象部门降水预报主要技术手段是数值模式预报和临近外推预报,其中数值模式是目前预报天气系统发生发展的主要工具。随着计算机技术发展和数值模式不断完善,降水预报水平显著提高。数值模式预报和临近外推预报在特定方面都有自己独特的优势,数值模式可以提供高时间和空间分辨率的格点预报产品,临近预报可以对强对流0-2小时的发展移动进行预报。这两种预报手段也存在某些不足。临近预报主要是依赖雷达卫星的观测进行外推预报,基于天气系统的线性发展,能够提供强对流天气的临近预报产品,但无法提供2小时以上的强对流系统的高质量预报,同时也不能预报强对流的生消演变。数值预报模式存在较大不确定性,例如,模式降水预报包括可分辨尺度降水和次网格尺度降水两部分,其中可分辨尺度降水主要由云微物理过程决定;而次网格尺度降水主要是由积云对流参数化方案计算产生,而实际降水是一个非常复杂的物理过程,数值模式中云微物理参数化方案和积云对流参数化方案都有一定的经验性和主观性,这些参数化方案对物理过程的描述并不完善,造成数值模式降水预报准确率不高,常常难以满足大众需求。陡峭地形激发重力波,但是模式中重力波参数化方案还不完善。另外,复杂地形导致数值模式气压梯度力的计算不够精确。
发明内容
(一)要解决的技术问题
为解决现有技术中因复杂地形增加数值模式预报的复杂性,导致地形陡峭山区模式降水预报能力不足的瓶颈技术问题,本公开提供了一种应用于降水预报的数据处理方法、装置、设备和介质。
(二)技术方案
本公开的第一个方面提供了一种应用于降水预报的数据处理方法,其中,包括:根据历史降水数据确定反演降水规则,并根据当前降水数据确定至少一个降水指数;基于反演降水规则,获取与至少一个降水指数一一对应的至少一个当前反演降水数据;以及对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据。
根据本公开的实施例,历史降水数据包括历史降水观测数据和对应历史数值模式的降水指数预报数据,在根据历史降水数据确定反演降水规则中,包括:对应于至少一个降水指数,对降水指数预报数据和历史降水观测数据进行拟合分析,依据最小二乘法确定反演降水规则。
根据本公开的实施例,在根据当前降水数据确定至少一个降水指数中,包括:根据当前降水数据确定当前数值模式的预报输出数据;基于预报输出数据提取基本降水要素数据;通过基本降水要素数据,根据质量地形追随坐标系确定至少一个降水指数。
根据本公开的实施例,基本降水要素数据包括:温度、气压、湿度以及风速中至少之一;至少一个降水指数包括:锋生指数、涡度指数、位涡指数、位涡梯度指数、螺旋度指数、热力螺旋度指数、散度指数、切变指数、变形指数以及垂直速度指数中至少之一。
根据本公开的实施例,在基于反演降水规则,获取与至少一个降水指数一一对应的至少一个当前反演降水数据中,包括:根据至少一个降水指数,以及与至少一个降水指数分别对应的至少一个指数系数,确定至少一个当前反演降水数据。
根据本公开的实施例,在对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据之前,还包括:确定与至少一个降水指数分别对应的至少一个反演降水与观测降水的相关系数总数;确定对应至少一个降水指数的反演降水的相关系数在相关系数总数中的顺序号;通过相关系数总数和顺序号确定对应至少一个降水指数的每个降水指数的反演降水权重。
根据本公开的实施例,在对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据中,包括:按照至少一个指数的反演降水权重,对当前反演降水数据进行线性叠加,确定对应平均降水预报数据。
本公开的第二个方面提供了一种应用于降水预报的数据处理装置,其中,包括规则指数确定模块、反演数据获取模块和数据处理模块。规则指数确定模块用于根据历史降水数据确定反演降水规则,并根据当前降水数据确定至少一个降水指数;反演数据获取模块用于基于反演降水规则,获取与至少一个降水指数一一对应的至少一个当前反演降水数据;以及数据处理模块用于对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述应用于降水预报的数据处理方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述应用于降水预报的数据处理方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述应用于降水预报的数据处理方法。
(三)有益效果
本公开提供了一种应用于降水预报的数据处理方法、装置、设备和介质。其中,该应用于降水预报的数据处理方法包括:根据历史降水数据确定反演降水规则,并根据当前降水数据确定至少一个降水指数;基于反演降水规则,获取与至少一个降水指数一一对应的至少一个当前反演降水数据;以及对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据。可见,通过上述方法可以基于至少一个降水指数数值预报的地形追随坐标系客观降水预报方法,充分发挥数值模式预报潜力,能够改善数值模式降水预报的准确率,以提高地形陡峭山区和流域的降水预报水平或能力。
附图说明
图1示意性示出了根据本公开实施例的应用于降水预报的数据处理方法的流程图;
图2示意性示出了根据本公开实施例的应用于降水预报的数据处理方法的应用场景流程图;
图3示意性示出了根据本公开实施例的应用于降水预报的数据处理装置的架构图;以及
图4示意性示出了根据本公开实施例的适用于上述应用于降水预报的数据处理方法的电子设备架构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,在附图或说明书正文中,未绘示或描述的实现方式,均为所属技术领域中普通技术人员所知的形式,并未进行详细说明。此外,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换。
还需要说明的是,实施例中提到的方向用语,例如“上”、“下”、“前”、“后”、“左”、“右”等,仅是参考附图的方向,并非用来限制本公开的保护范围。贯穿附图,相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时,将省略常规结构或构造。
并且图中各部件的形状和尺寸不反映真实大小和比例,而仅示意本公开实施例的内容。另外,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。
再者,单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”等的用词,以修饰相应的元件,其本身并不意味着该元件有任何的序数,也不代表某一元件与另一元件的顺序或是制造方法上的顺序,这些序数的使用仅用来使具有某命名的一元件得以和另一具有相同命名的元件能做出清楚区分。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把他们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把他们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的代替特征来代替。并且,在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。
类似地,应当理解,为了精简本公开并帮助理解各个公开方面的一个或多个,在上面对本公开的示例性实施例的描述中,本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,公开方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的单独实施例。
为了更好地描述地形的动力和热力作用,数值天气预报模式多采用地形追随坐标系。与局地直角坐标系相比,其下边界条件简单,便于引入地形对大气的影响。以往用于暴雨诊断的物理量,例如,散度和涡度等,都是定义在局地直角坐标系或等压坐标系,无法直接考虑地形效应。在计算时,需要将模式输出数据插值到等高面或等压面上,这样做会将插值过程中产生的误差代入物理量计算中,从而影响分析的准确性。另外,如果坐标面(等高面或等压面)低于地形高度,那么坐标面与地形表面相交,造成近地面物理量计算的不准确。
为解决现有技术中因复杂地形增加数值模式预报的复杂性,导致地形陡峭山区模式降水预报能力不足的瓶颈技术问题,本公开提供了一种应用于降水预报的数据处理方法、装置、设备和介质。
如图1所示,本公开的第一个方面提供了一种应用于降水预报的数据处理方法,其中,包括步骤S101-S103。
在步骤S101中,根据历史降水数据确定反演降水规则,并根据当前降水数据确定至少一个降水指数;
在步骤S102中,基于反演降水规则,获取与至少一个降水指数一一对应的至少一个当前反演降水数据;以及
在步骤S103中,对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据。
在本公开实施例中,降水可以包括降雪、降雨甚至冰雹等大气中水汽凝结后以液态或固态水降落到地面的自然现象。为实现降水量监测,通常需要对各个区域的降水数据进行收集,并经综合处理之后反馈该区域的某个时间段的平均降水量,而对于降水预报,则可以根据该平均降水量进行预测。
历史降水数据为历史时间段内的某个或多个特定区域内的降水数据。根据该历史降水数据可以确定反演降水规则,该反演降水规则为降水指数、对应该降水指数的相关系数与反演累计降水量之间的关系。当前降水数据为当前时段的某个或多个特定区域内的降水数据。其中,该当前降水数据可以根据质量地形追随坐标,获取一系列降水宏观指数作为上述的降水指数。该降水指数为基于上述质量地形追随坐标用于表征有利于降水发生发展的动力学和热力学等环境条件的系数。根据反演降水规则可以确定与每个降水指数对应的当前反演降水数据,该当前反演降水数据为对应至少一个降水指数中每个降水指数的当前时刻的某个或多个特定区域的反演降水数据。
对该当前反演降水数据进行处理,可以确定对应与当前降水数据的当前时刻的平均降水预报数据。该平均降水预报数据可以应用于对包括平原山地在内的特殊复杂地形的降水预报。其中,多个降水指数可以指多个不同种类的降水指数,也可以指其中具有若干个相同的种类的降水指数且同时具有其他不同种类的降水指数,降水指数的种类可以依据质量地形追随坐标确定。
可见,通过上述方法可以基于至少一个降水指数数值预报的地形追随坐标系客观降水预报方法,充分发挥数值模式预报潜力,能够改善数值模式降水预报的准确率,引入地形效应,以提高地形陡峭山区和流域的降水预报水平或能力,有效避免了对流层低层等压面或等高面与地面相交情况,克服不能准确分析和预报山地降水的强度和移动的问题
如图1和图2所示,根据本公开的实施例,历史降水数据包括历史降水观测数据和对应历史数值模式的降水指数预报数据,在步骤S101根据历史降水数据确定反演降水规则中,包括:
对应于至少一个降水指数,对降水指数预报数据和历史降水观测数据进行拟合分析,依据最小二乘法确定反演降水规则。
在本公开的实施例中,对于历史降水数据而言,主要包括历史降水观测数据和对应历史数值模式的降水指数预报数据。
其中,历史降水观测数据具体为历史降水观测数据集。如图2所示,在步骤S202中,可以通过收集建立历史6小时累计观测降水数据集,具体地可以通过收集整理近三年的降水观测基本数据,以产生上述6小时累计观测降水量数据;然后插值到数值模式网格点上,形成格点化的6小时累计观测降水数据集,即作为该历史降水观测数据。同时,该历史降水观测数据的数据集实时更新,不断有最新的降水观测数据纳入该数据集,以扩大数据集容量,实现数据的实时性特点。
此外,历史数值模式的降水指数预报数据具体为历史数值模式的降水指数预报数据数据集。如图2所示,在步骤S201中,收集历史数值模式的降水预报的温度、湿度、气压以及风速等基本气象要素数据,多个不同种类的降水指数,从而可以建立历史数值模式对应的降水指数预报数据数据集。可以通过收集整理近三年数值模式的温度、湿度、气压和风场以及降水的预报数据等基本预报数据,并利用这些基本预报数据计算多种多个降水指数,产生模式格点化的多种降水指数预报数据集作为上述的历史数值模式的降水指数预报数据;同时该降水指数预报数据集也实时更新,不断地利用最新数值模式预报数据计算对应多种降水指数,并纳入该预报数据集(具体可以参照如图2所示步骤S205-S207)。需要注意的是该预报数据集与6小时累计降水观测数据集的水平网格完全一致,时间也完全对应。
如图2所示,在步骤S203中,在获取反演降水规则的过程中,利用长期的降水观测和降水指数预报的历史数据集,对降水指数预报数据和6小时降水观测数据进行拟合分析,根据最小二乘法确定反演降水规则,具体可以用于确定该反演降水规则的相关系数ai和bi。
如图2所示,在步骤S208中,可以利用前述建立的长期历史降水观测数据集和历史数值模式降水指数预报数据集,对观测降水与每个降水指数进行线性拟合统计分析,建立每个降水指数与6小时累计观测降水的反演降水规则,实现降水指数反演降水。具体地,反演降水规则可以体现如下:
Ri=aiXi+bi (1)
其中,Xi为利用数值模式预报数据计算的第i种降水指数,ai为第i种指数的系数,bi为常数,Ri为第i种降水指数反演的6小时累计降水量。
因此,通过历史降水数据可完成对反演降水规则的获取,从而使得反演降水规则能够改善本公开实施例上述数据处理方法的数值模式降水预报的准确率,发挥数值模式的预报潜力,确保能够准确分析和预报山地降水的强度和移动。
需要特别说明的是,为使得本公开的技术方案能够得以清楚完整的说明,在本公开的实施例中所提及的3年、6小时等具体的时间数值仅为说明使用,并非将本公开的保护范围限定于此,本领域技术人员应当知晓其中相应时间数值可以依照具体的应用实例进行替换或修改,在此不做赘述。
如图1和图2所示,根据本公开的实施例,在步骤S101根据当前降水数据确定至少一个降水指数中,包括:
根据当前降水数据确定当前数值模式的预报输出数据;
基于预报输出数据提取基本降水要素数据;
通过基本降水要素数据,根据质量地形追随坐标系确定至少一个降水指数。
根据本公开的实施例,基本降水要素数据包括:温度、气压、湿度以及风速中至少之一;
至少一个降水指数包括:锋生指数、涡度指数、位涡指数、位涡梯度指数、螺旋度指数、热力螺旋度指数、散度指数、切变指数、变形指数以及垂直速度指数中至少之一。
如图2所示,在步骤S205中,当前降水数据可以为收集的当前时刻数值模式的降水预报输出数据。在步骤S206中,根据该当前时刻数值模式的降水预报输出数据可以提取基本降水要素数据,该基本降水要素数据可以包括温度、气压、湿度、风速等基本要素数据。在步骤S207中,通过这些基本降水要素数据可以依据质量地形追随坐标系确定与上述当前降水数据对应的、不同种类的至少一个降水指数。
其中,在本公开实施例中,可以引入质量地形追随坐标系(x,y,η,t),其中,x为东西方向坐标轴,y为南北方向坐标轴,η为质量地形追随垂直坐标轴,t为时间。其中,η具体可以定义为:
其中,pdh为干大气静力平衡气压;pdht为数值模式顶干大气静力平衡气压;μd=pdhs-pdht为气柱干大气质量,其中,pdhs为干大气静力平衡地表气压。
其中,μd也称为地形影响因子,因为干大气静力平衡地表气压pdhs随地形高度不同而不同,可以用于体现地形效应。因此,本公开实施例的上述数据处理方法可以通过引入质量地形追随坐标系,考虑了地形效应对降水预报的影响,使得其不仅能够适用于传统的地形简单的平原地区的降水预报,也同时能够适用于地形复杂的陡峭山区的降水预报,有效解决了坐标面与地形相交和近地面空间差分计算不准确的问题。
具体地,局地直角坐标系(x,y,z,t)与质量地形追随坐标系(x,y,η,t)的转换关系为:
其中,S代表坐标(x,y,t),A代表风、温度、湿度和气压等中至少之一的基本气象要素。
进一步地,引入位势高度定义:
φ=gz (5)
其中,g为重力加速度,Z为距离海平面的高度。
因此,利用公式(5)中的位势高度φ,则公式(3)和(4)进一步改写为:
因此,根据质量地形追随坐标系的公式(2)、(6)和(7)可以通过地表气压pdhs把地形效应引入η坐标面,这样不论在陡峭山区,还是平原地区,η坐标面始终平行于地形表面,并且在地面η=1,在模式顶η=0。因此,有效避免了η坐标面与地形表面相交的情况,近地面的空间插分计算公式(6)和(7)更加准确。同时也把地形效应引入物理量公式中,使得研究地形效应对气象要素的影响变得更加简单。
显然,本公开实施例的上述数据处理方法,能够利用上述质量地形追随坐标系发展一系列降水指数,这些降水指数可以综合表征有利于降雨发生发展的动力和热力环境,并引入地形效应,因而能够与降水系统密切相关,对山区和平原地区降雨都有一定的指示预报意义。
在本公开实施例中,至少一个降水指数包括:锋生指数、涡度指数、位涡指数、位涡梯度指数、螺旋度指数、热力螺旋度指数、散度指数、切变指数、变形指数以及垂直速度指数中至少之一。具体地,上述降水指数的定义极其物理意义作解释说明如下:
1)锋生指数
锋生指数定义为:
降水过程往往存在强烈的锋生、显著的湿斜压性和位势不稳定。锋生指数公式(8)是综合描述大气锋生、湿斜压性和位势不稳定的物理量,与降水系统密切相关。
需要说明的是,在公式(8)式中,和代表地形效应,在地形陡峭山区,这两项可以是大量,可以增加锋生指数的异常性;在平原地区,这两项可以为零,对锋生指数几乎没有贡献,因此该锋生指数不论对山区降雨还是平原降雨的发展移动均有指示预报意义。
2)涡度指数
涡度指数定义为:
低空急流是驱动降水的主要天气系统之一,具有强垂直风切变和强斜压性的特点。涡度指数能够表征低空急流这些动、热力学性质,因而对低空急流引发的降雨有一定捕捉能力。
3)位涡指数
位涡指数定义为:
对于中高纬度地区强降水系统,通常存在从平流层伸展到对流层的位涡异常值,代表干冷空气侵入,一方面可以增强对流层中低层气流的旋转,另一方面可以把平流层干冷空气带到对流层中低层,造成上冷下暖的热力配置,增强大气位势不稳定性。位涡指数能够描述这种位涡干冷侵入的特征,对中高纬度地形陡峭山区和平原地区强降水系统有一定的追踪能力。
4)位涡梯度指数
位涡梯度指数定义为:
其中,PVindex为位涡指数,其他符号与公式(9)参数相同。
降水过程中大气具有明显的动、热力学不连续性,特别是位涡指数的水平分布具有显著的非均匀性,降雨常常发生在位涡指数梯度带内,为了准确描述位涡指数这种不连续性,本公开实施例的上述数据处理方法提供地形追随坐标系位涡梯度指数,该位涡梯度指数可以表征位涡指数三维梯度与垂直风切变和涡度的耦合作用,对非均匀分布降雨的刻画能力突出。
5)螺旋度指数
螺旋度指数定义为:
由于降水过程中伴有明显的垂直运动和涡旋环流,特别是在对流层中低层垂直涡度的垂直通量非常显著,改变局地涡度的强度。为了刻画气流旋转上升的动力学性质,本公开实施例的上述数据处理方法提供地形追随坐标系螺旋度指数,以此来描述降水中涡旋垂直输送的特征。
6)热力螺旋度指数
热力螺旋度指数定义为:
该热力螺旋度指数为热量通量(uθc,vθc)涡度的垂直通量,代表垂直速度(W)对相当位温通量(uθe,νθe)涡度的垂直输送。
降水过程伴有凝结潜热释放,存在明显的热量环流的垂直输送,具有涡度上传或者下传的特征。为了捕捉降水中这种涡度垂直输送的信号,本公开实施例的上述数据处理方法提出了热力螺旋度指数,以此来描述降水中热量涡旋环流的垂直输送情况。
7)散度指数
散度指数定义为:
降水过程通常伴有对流层低层气流辐合和高层气流辐散,同时也存在明显的不稳定层结,为降水系统发展积蓄能量。针对上述降水过程的特点,本公开实施例的上述数据处理方法通过提供散度指数,以此来表征低层大气辐合、高层大气辐散和位势不稳定的环境条件。
8)切变指数
切变指数定义为:
由于降水过程中,近地面通常存在切变线,它引起水汽辐合,触发降水,因此低空切变线是引起降水发生发展的主要机制之一。为了有效表征低空切变线的动力和热力性质,本公开实施例的上述数据处理方法通过提供地形追随坐标系切变指数,以此来表达降水过程中切变线引起的垂直风切变、切边形变和热力斜压性以及条件不稳定的综合作用。
9)变形指数
变形指数定义为:
在降雨天气中通常存在变形流场,其中的流场伸展变形与气流辐合辐散关系密切。伸展变形是一种很不稳定的流场状态,很容易转化成水平散度,增强气流的辐合辐散。为了有效描述降水中大气流场的伸展变形特征,本公开实施例的上述数据处理方法通过提供变形指数,以此来表征降水天气中流场伸展变形的强度。
10)垂直速度指数
垂直速度指数定义为:
其中,qx和qy为Q矢量的X和y分量。
该指数为地形追随坐标系Q矢量散度。Q矢量是静力平衡动力框架下垂直运动方程的唯一强迫项,体现了涡度平流和位温平流垂直梯度对垂直运动的强迫作用,而垂直运动又是引发降水的最基本因素,因此Q矢量散度对降水发展演变有重要指示作用,是降水分析和预报的关键物理量,为此本公开实施例的上述数据处理方法通过提供地形追随坐标系下Q矢量散度,考虑地形对垂直运动的贡献,以此来有效描述地形陡峭山区和平原地区降水中垂直运动触发机制。
基于上述针对本公开实施例的多种降水指数的分析,本公开实施例的上述数据处理方法通过提供地形追随坐标系的至少10种多个降水指数,使得降水指数具有明确的物理意义。这些降水指数能够从不同方面表征描述有利于降水发生发展的动力学和热力学环境条件,能够指示降水系统的发展移动。同时,建立在质量地形追随坐标系基础上,可以考虑地形效应,适用于地形陡峭的山区和平原地区降水预报,解决了坐标面与地形相交和近地面空间差分计算不准确的问题。并且,基于这些降水指数可以进一步发展本公开实施例的降水预报过程。
总体而言,地形陡峭的山区降水预报一直是降水预报技术领域中的难点问题,主要在于数值模式中地形陡峭山区气压梯度力的处理不完善,计算不准确。同时,数值模式的降水预报来源于云微物理过程和积云对流参数化方案,这些方案具有人为不确定性和本地适用性的问题。整体上,数值模式对温、湿、压、风等宏观要素预报的准确率要高于降水预报。
为解决上述地形陡峭山区的降水预报不准确的技术问题,本公开实施例的上述数据处理方法提供了多降水指数平均降水预报方法。其中,为了解决地形表征问题,克服坐标面位于地形高度以下,与地形相交和近地面计算不准确的问题,本公开实施例的上述数据处理方法设计了质量地形追随坐标系和坐标转换关系,可以准确计算近地面的物理量空间差分。
进一步地,降水过程中大气低层气流辐合、高层气流辐散、层结不稳定、垂直运动、垂直风切变和气旋性环流和湿斜压性都非常显著,这些是降水的典型动、热力学特征。为了准确描述降水大气的这些特点,本公开实施例的上述数据处理方法进一步提供质量地形追随坐标系的锋生指数、涡度指数、位涡指数、位涡梯度指数、螺旋度指数、热力螺旋度指数、散度指数、切变指数、变形指数和垂直速度指数等至少10种降水指数。这些降水指数建立在质量地形追随坐标系,解决了近地面准确计算的问题,适用于地形陡峭的山区,也可用于平原地区。由于这些指数能够准确地描述降水的动力和热力结构特点,因而与降水系统密切相关,能够指示降水的发展和移动,这为实现准确地降水预报提供应用理论基础。
如图1和图2所示,根据本公开的实施例,在步骤S102基于反演降水规则,获取与至少一个降水指数一一对应的至少一个当前反演降水数据中,包括:
根据至少一个降水指数,以及与至少一个降水指数分别对应的至少一个指数系数,确定至少一个当前反演降水数据。
如上述公式(1)所示,反演降水规则实际上反馈了对应某个降水指数与该降水指数反演的6小时累计降水量之间的关系。其中,当该降水指数是根据当前降水数据所确定的情况下,该降水指数反演的6小时累计降水量实际为与该降水指数对应的当前反演降水数据。可以理解为,将根据当前降水数据所确定的降水指数,以及前述根据历史降水数据确定的与该降水指数对应的反演降水规则的相关系数ai和bi代入上述公式(1),计算出与该降水指数对应的反演降水Ri,即当前反演降水数据。当存在多个不同种类的降水指数时,则分别对应多个不同的当前反演降水数据。
如图1和图2所示,根据本公开的实施例,在步骤S103对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据之前,还包括:
确定与至少一个降水指数分别对应的至少一个反演降水与观测降水的相关系数总数;
确定对应至少一个降水指数的反演降水的相关系数在相关系数总数中的顺序号;
通过相关系数总数和顺序号确定对应至少一个降水指数的每个降水指数的反演降水权重。
如图2所示,在步骤S204中,首先分析各种降水指数反演降水与观测降水的相关性,并按照相关系数从大到小的顺序进行排序,确定反演降水权重。具体地,该反演降水权重可以通过如下权重函数体现:
其中,M为降水指数的反演降水与观测降水的相关系数总数,mi为第i种降水指数的反演降水的相关系数在M个相关系数中的顺序号,Wi为第i种降水指数的反演降水的权重。
如图1和图2所示,根据本公开的实施例,在步骤S103对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据中,包括:
按照至少一个指数的反演降水权重,对当前反演降水数据进行线性叠加,确定对应平均降水预报数据。
如图2所示,在步骤S209中,预设降水指数的降水预报规则用于反馈与每种降水指数的反演降水权重和其当前反演降水数据对应的平均降水预报数据之间的对应关系,其中,反演降水权重可以参照前述关于图2所示步骤S204的内容,当前反演降水数据可以参照前述关于图2所示步骤S203-S208的内容。
具体地,该预设降水指数的降水预报规则可以体现如下:
其中,Rf为最终的多降水指数的平均降水预报数据;Ri为第i种降水指数的当前反演降水数据,如公式(1);Wi为第i种降水指数的反演降水权重,如公式(18)。
可见,把相互不同的每个降水指数的当前反演降水数据,按照对应的反演降水权重进行线性叠加,可以根据上述公式(19)的降水预报方程,获得与多种降水指数对应的平均降水预报数据。因此,可以利用当前数值模式的预报数据计算降水指数,通过上述公式(1)、(18)和(19)实现当前降水预报。
因此,本公开实施例的上述数据处理方法可以利用数值模式的预报输出数据对多个降水指数进行计算,通过长时间序列统计分析,建立降水指数的反演降水规则,获得每种降水指数对应的反演降水。由于每种降水指数只能抓住降水过程的某些动热力特征,不能全面地表征降水过程的所有动热力学特点,所以进一步把各个降水指数反演的降水进行不同权重叠加,最终获得多降水指数的平均降水,实现降水落区和强度的预报。
可见,通过上述方法可以基于至少一个降水指数数值预报的地形追随坐标系客观降水预报方法,充分发挥数值模式预报潜力,能够改善数值模式降水预报的准确率,引入地形效应,以提高地形陡峭山区和流域的降水预报水平或能力,有效避免了对流层低层等压面或等高面与地面相交情况,克服不能准确分析和预报山地降水的强度和移动的问题。
需要说明的是,上述应用于降水预报过程的数据处理方法的核心思想可以理解为利用观测和数值模式预报的历史数据确立降水预报方程的各种系数,然后再把当前预报的降水指数代入降水预报方程,从而获得基于降水指数的降水预报。在本质上,这种数据处理方法属于数值预报产品的延伸释用预报处理技术,是利用数值模式预报的温、湿、压、风基本要素从宏观动力、热力学特征角度制作降水预报,不同于数值模式云微物理过程和积云对流参数化的模式降水预报。
为进一步体现上述应用于降水预报的数据处理方法的有益效果,并使得本领域技术人员能够对该方法具有更清楚的认识,特提供一具体应用实例做出如下说明:
该预报技术应用到2016年7月19日至2016年7月20日华北降雨过程,以检验预报效果。其中,选取2016年7月20日06时-12时(世界时)的6小时累计观测降雨。2016年7月20日06时-12时主要存在华北和华中两个降雨区,其中华北降雨区主要位于河北、北京和天津以及辽宁的西部,呈东西向带状分布,强降雨区从北京东延至河北东南部,强降雨中心达到75mm。华中降雨区发生在山东南部、江苏西北部和河南北部,成东北-西南向带状分布,强降雨中心位于山东中南部,强度约为15mm。华北降雨比华中降雨要强很多,此次降雨给北京和河北造成严重的洪涝灾害。
针对上述实例,在本公开的实施例中,可选用美国国家环境预报中心(NCEP)的全球预报系统(GFS)和中国气象局GRAPES模式的预报数据按照本公开实施例图1和图2所示数据处理流程实现多降雨指数平均降雨预报。
其中,依据2016年7月19日12时(世界时)基于GFS模式和基于GRAPES模式的多降雨指数平均6小时累计降雨预报数据看,基于GFS模式和GRAPES模式的地形追随坐标系多降雨指数平均降雨预报的都较好地预报出了华北和华中强降雨区以及秦皇岛附近的强降雨中心,降雨强度和范围比观测略大。相对来说,对于华北强降雨区,基于GFS模式的多指数降雨预报更加合理,更接近实况;基于GRAPES模式的多指数降雨预报比实况较弱,范围偏小。对于华中降雨区,二者预报的范围与实况接近,但强度都偏强。综合来看,基于GFS模式的多指数降雨预报能够更加合理地预报再现华北和华中强降雨区,展现出一定的预报效果。
为了定量评估此次降雨个例的预报效果,分别计算了ETS评分和Bias偏差。其中,ETS和Bias评分分别定义为:
其中,NA为预报正确的站数,NB为空报的站数,NC为漏报的站数,R为随机数。
具体地,如下述表1所示2016年7月19日06时-12时(世界时)关于GFS模式和GRAPES模式自身和地形追随坐标系多降雨指数降雨预报的ETS评分和Bias评分。其中,对于大于10mm降雨,基于GFS模式的多指数降雨预报的ETS评分明显高于GFS模式本身的降雨预报(来自模式的积云对流参数化和云微物理过程);对于大于20mm降雨的ETS评分,多指数降雨预报略低于模式本身的降雨预报。对应的Bias地形坐标降雨指数预报降雨也较小。总的来看,本公开实施例所提供的地形追随坐标系多降雨指数降雨预报的数据处理结果在此次过程中表现得更好。GRAPES模式同样是多指数降雨预报表现更优。从两个模式对比来看,GFS模式多指数降雨预报的ETS评分略高,准确率高于GRAPES预报;GFS模式多指数预报的Bias评分比GRAPES小。总体上,GFS模式多指数降雨预报比GRAPES模式效果更好。
表1
显然,本公开实施例的上述数据处理方法能够充分利用数值模式对温、湿、压、风等基本气象要素预报比较准确的优势,采用历史数值模式预报数据计算降水指数,再与历史降水观测数据进行拟合,建立降水指数反演降水方程;同时综合考虑产生降水的动热力条件的多种可能性,把各个降水指数反演降水进行非等权重线性叠加,建立多降水指数平均降水预报方程;最后输入当前数值模式预报的温湿压风数据,即可产生当前的降水预报。
可见,本公开实施例的上述数据处理方法不是单纯的数学统计预报,它是建立在物理意义明确的降水指数基础上,是大气动力学与统计学的有机结合。该数据处理方法用到了数值模式预报和观测的历史数据,包含一定的历史预报误差信息,体现了历史预报对当前的预报的订正作用。该数据处理方法输入数据可以来自各种不同的模式,例如:WRF、GRAPES、GFS模式以及ECMWF模式的输出数据都可以方便接入。因此,本公开实施例的上述数据处理方法具有较强的灵活性和适应性。
此外,本公开实施例的上述数据处理方法实现降水预报的途径完全不同于数值模式预报,它是从温湿压风和降水指数等宏观动、热力学角度进行降水预报,而数值模式是通过云微物理过程和积云对流参数化来预报降水。实际上,二者可以结合起来进行融合,形成降水预报优势互补,共同提高降水预报准确率。
进一步而言,本公开实施例的上述数据处理方法具有扩展性,针对某地区的典型降水过程,可以挖掘新的降水形成机制,提出新的降水指数,将其纳入到历史数据集中,扩大降水指数体系的容量,提升客观降水预报的能力。
可见,本公开实施例的上述数据处理方法计算量适中,计算效率高,对硬件没有特殊要求。通常一台装有LINUX操作系统的台式机就可以满足计算要求。
不同地区降水天气形成机制各异,但它们都有一些相同的宏观天气形势,例如,冷暖气团交汇、低层辐合高层辐散、垂直上升运动,水汽集中、垂直风切变、等熵面倾斜、大气斜压性、凝结潜热释放和位势不稳定等。数值模式对这些天气形势预报的准确率要远高于降水。因此,针对数值模式降水预报的不确定性,本公开实施例的上述数据处理方法利用数值模式预报准确率较高的宏观天气形势场,发挥数值模式的优势潜力,引入地形追随坐标,提供了一种基于数值预报的地形追随坐标系的数据处理方案,以应用于客观降水预报中,从而有效解决地形陡峭地区和流域的降雨预报问题,与数值模式降水预报形成互补,订正模式预报结果,提高降雨预报的准确率。
其中,本公开实施例的上述数据处理方法主要包括地形追随坐标系降水指数处理过程和降水预报数据处理过程两部分。地形追随坐标系降水指数处理过程是在地形追随坐标系发展的一系列对降水有指示意义的动热力学指数,这些降水指数主要可以包括锋生指数、涡度指数、位涡指数、位涡梯度指数、螺旋度指数、热力螺旋度指数、散度指数、切变指数、变形指数、垂直速度指数等。降水预报处理过程是指利用上述降水指数理论体系,统计分析降水指数与观测降水之间的关系,建立基于降水指数的降水预报的模型方程,在此基础上,构建可用于实践的自动化运行的降水预报系统。
可见,本公开实施例的上述数据处理方法作为基于计算机技术的数据处理手段,可以应用于属于天气预报中降水预报领域,适用于气象业务部门、科研院所气象机构和气象行业的降水预报,为数值降水预报提供一种客观订正预报方法。
综上,本公开实施例的上述数据处理方法的能够使得降水预报能力显著提高,预报准确率明显高于数值模式本身的降水预报(如来自积云对流参数化方案和云微物理过程)。实际上,本公开实施例的上述数据处理方法不仅可以提供降雨预报,还可以提供冬季降雪预报。需要说明的是,本公开实施例的上述数据处理方法所采用的输入数据均是依据相关法律法规,并经过合法授权所获取。
因此,本公开实施例的上述数据处理方法在数据处理过程中数据计算量小,数据占用的存储空间小,对计算机软硬件环境的要求不高(如软件采用LINUX系统和ifort编译器,硬件采用普通台式机即可达到),模块化移植方便,计算效率高,很容易在气象业务和各个行业部门推广应用,具有极高的科学研究价值和商业利用价值。
此外,对于气象业务部门,该数据处理方法可以与气象业务台站的数值模式预报系统无缝链接,互相融合,为国家和社会公益提供精准的高分辨率降水预报。针对水利部门,该数据处理方法可以提供江河流域的降水预报,为水库蓄水和水利发电提供服务;对应急减灾部门,该数据处理方法可以提供暴雨和台风等灾害天气的降水预报,为防灾减灾采取应急措施提供科学支撑;对于农林部门,该数据处理方法可以为农业种植和畜牧业养殖提供降雨和降雪预报,为农业粮食安全生产提供服务;对于交通管理部门,该数据处理方法可以提供道路积水和积雪预报,为人民群众交通出行安全做出贡献。显然,该数据处理方法能够满足水利、防灾减灾、农业和交通等行业部门对降水或降雪预报的需求,具有广阔的应用前景和显著应用价值。
基于上述应用于降水预报的数据处理方法,本公开还提供了一种应用于降水预报的数据处理装置。以下将结合图3对该装置300进行详细描述。
图3示意性示出了根据本公开实施例的应用于降水预报的数据处理装置300的结构框图。
如图3所示,该实施例的应用于降水预报的数据处理装置300包括规则指数确定模块310、反演数据获取模块320和数据处理模块330。
规则指数确定模块310用于根据历史降水数据确定反演降水规则,并根据当前降水数据确定至少一个降水指数。在一实施例中,规则指数确定模块310可以用于执行前文描述的操作S101,在此不再赘述。
反演数据获取模块320用于基于反演降水规则,获取与至少一个降水指数一一对应的至少一个当前反演降水数据。在一实施例中,反演数据获取模块320可以用于执行前文描述的操作S102,在此不再赘述。
数据处理模块330用于对当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据。在一实施例中,数据处理模块330可以用于执行前文描述的操作S103,在此不再赘述。
根据本公开的实施例,规则指数确定模块310、反演数据获取模块320和数据处理模块330中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,规则指数确定模块310、反演数据获取模块320和数据处理模块330中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,规则指数确定模块310、反演数据获取模块320和数据处理模块330中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图4示意性示出了根据本公开实施例的适于实现应用于降水预报的数据处理方法的电子设备400的方框图。
本公开的实施例还提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述应用于降水预报的数据处理方法。
如图4所示,根据本公开实施例的电子设备400包括处理器401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。处理器401例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器401还可以包括用于缓存用途的板载存储器。处理器401可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 403中,存储有电子设备400操作所需的各种程序和数据。处理器401、ROM402以及RAM 403通过总线404彼此相连。处理器401通过执行ROM 402和/或RAM403中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM402和RAM 403以外的一个或多个存储器中。处理器401也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备400还可以包括输入/输出(I/O)接口405,输入/输出(I/O)接口405也连接至总线404。电子设备400还可以包括连接至I/O接口405的以下部件中的一项或多项:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
本公开的实施例还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述应用于降水预报的数据处理方法。
本公开实施例的计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 402和/或RAM 403和/或ROM 402和RAM 403以外的一个或多个存储器。
本公开的实施例还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述应用于降水预报的数据处理方法。
本公开实施例的计算机程序产品包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例的上述方法。
在该计算机程序被处理器401执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分409被下载和安装,和/或从可拆卸介质411被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被处理器401执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
至此,已经结合附图对本公开实施例进行了详细描述。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种应用于降水预报的数据处理方法,其中,包括:
根据历史降水数据确定反演降水规则,并根据当前降水数据确定至少一个降水指数;
基于所述反演降水规则,获取与所述至少一个降水指数一一对应的至少一个当前反演降水数据;以及
对所述当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据。
2.根据权利要求1所述的方法,其中,历史降水数据包括历史降水观测数据和对应历史数值模式的降水指数预报数据,在所述根据历史降水数据确定反演降水规则中,包括:
对应于所述至少一个降水指数,对降水指数预报数据和历史降水观测数据进行拟合分析,依据最小二乘法确定所述反演降水规则。
3.根据权利要求1所述的方法,其中,在根据当前降水数据确定至少一个降水指数中,包括:
根据当前降水数据确定当前数值模式的预报输出数据;
基于所述预报输出数据提取基本降水要素数据;
通过所述基本降水要素数据,根据质量地形追随坐标系确定所述至少一个降水指数。
4.根据权利要求3所述的方法,其中,
所述基本降水要素数据包括:温度、气压、湿度以及风速中至少之一;
所述至少一个降水指数包括:锋生指数、涡度指数、位涡指数、位涡梯度指数、螺旋度指数、热力螺旋度指数、散度指数、切变指数、变形指数以及垂直速度指数中至少之一。
5.根据权利要求1所述的方法,其中,在所述基于所述反演降水规则,获取与所述至少一个降水指数一一对应的至少一个当前反演降水数据中,包括:
根据所述至少一个降水指数,以及与所述至少一个降水指数分别对应的至少一个指数系数,确定所述至少一个当前反演降水数据。
6.根据权利要求1所述的方法,其中,在所述对所述当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据之前,还包括:
确定与所述至少一个降水指数分别对应的至少一个反演降水与观测降水的相关系数总数;
确定对应所述至少一个降水指数的反演降水的相关系数在所述相关系数总数中的顺序号;
通过所述相关系数总数和所述顺序号确定对应所述至少一个降水指数的每个降水指数的反演降水权重。
7.根据权利要求6所述的方法,其中,在所述对所述当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据中,包括:
按照所述至少一个指数的反演降水权重,对所述当前反演降水数据进行线性叠加,确定对应所述平均降水预报数据。
8.一种应用于降水预报的数据处理装置,其中,包括:
规则指数确定模块,用于根据历史降水数据确定反演降水规则,并根据当前降水数据确定至少一个降水指数;
反演数据获取模块,用于基于所述反演降水规则,获取与所述至少一个降水指数一一对应的至少一个当前反演降水数据;以及
数据处理模块,用于对所述当前反演降水数据进行处理,确定对应当前降水数据的平均降水预报数据。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111428374.XA CN114154705A (zh) | 2021-11-26 | 2021-11-26 | 应用于降水预报的数据处理方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111428374.XA CN114154705A (zh) | 2021-11-26 | 2021-11-26 | 应用于降水预报的数据处理方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114154705A true CN114154705A (zh) | 2022-03-08 |
Family
ID=80454412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111428374.XA Pending CN114154705A (zh) | 2021-11-26 | 2021-11-26 | 应用于降水预报的数据处理方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154705A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648181A (zh) * | 2022-05-24 | 2022-06-21 | 国能大渡河大数据服务有限公司 | 一种基于机器学习的降水预报修正方法及系统 |
CN115049168A (zh) * | 2022-08-16 | 2022-09-13 | 成都信息工程大学 | 一种雾污预警方法及系统 |
CN115860268A (zh) * | 2023-02-20 | 2023-03-28 | 南京信息工程大学 | 基于cnn-xgboost模型的短时强降水预测方法 |
-
2021
- 2021-11-26 CN CN202111428374.XA patent/CN114154705A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114648181A (zh) * | 2022-05-24 | 2022-06-21 | 国能大渡河大数据服务有限公司 | 一种基于机器学习的降水预报修正方法及系统 |
CN115049168A (zh) * | 2022-08-16 | 2022-09-13 | 成都信息工程大学 | 一种雾污预警方法及系统 |
CN115049168B (zh) * | 2022-08-16 | 2022-10-25 | 成都信息工程大学 | 一种雾污预警方法及系统 |
CN115860268A (zh) * | 2023-02-20 | 2023-03-28 | 南京信息工程大学 | 基于cnn-xgboost模型的短时强降水预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bright et al. | The sensitivity of the numerical simulation of the southwest monsoon boundary layer to the choice of PBL turbulence parameterization in MM5 | |
CN114154705A (zh) | 应用于降水预报的数据处理方法、装置、设备和介质 | |
Tveito et al. | A GIS-based agro-ecological decision system based on gridded climatology | |
Kim et al. | Evaluation of the Weather Research and Forecast/urban model over Greater Paris | |
Marsh et al. | A finite volume blowing snow model for use with variable resolution meshes | |
Schoetter et al. | Multi-layer coupling between SURFEX-TEB-v9. 0 and Meso-NH-v5. 3 for modelling the urban climate of high-rise cities | |
Fuhrmann et al. | A trajectory approach to analyzing the ingredients associated with heavy winter storms in central North Carolina | |
Das et al. | Sensitivity study with physical parameterization schemes for simulation of mesoscale convective systems associated with squall events | |
Gómez et al. | Real-time weather forecasting in the Western Mediterranean Basin: An application of the RAMS model | |
Ngan et al. | A long-term WRF meteorological archive for dispersion simulations: Application to controlled tracer experiments | |
Tiwari et al. | Sensitivity of the Himalayan orography representation in simulation of winter precipitation using Regional Climate Model (RegCM) nested in a GCM | |
Bae et al. | Utilization of the Bayesian method to improve hydrological drought prediction accuracy | |
Fast et al. | Advanced atmospheric modeling for emergency response | |
Music et al. | Investigation of the sensitivity of water cycle components simulated by the Canadian Regional Climate Model to the land surface parameterization, the lateral boundary data, and the internal variability | |
Clark et al. | Simulations of seasonal snow for the South Island, New Zealand | |
Yang et al. | Linking fine-scale sub-arctic vegetation distribution in complex topography with surface-air-temperature modelled at 50-m resolution | |
Rabbani et al. | Prediction of sand and dust storms in West Asia under climate change scenario (RCPs) | |
Roff et al. | APS2-ACCESS-C2: the first Australian operational NWP convection-permitting model | |
Carraça et al. | Modelling the impact of high‐rise buildings in urban areas on precipitation initiation | |
Hanna et al. | Evaluations of numerical weather prediction (NWP) models from the point of view of inputs required by atmospheric dispersion models | |
Kumar et al. | Implementation of Polar WRF for short range prediction of weather over Maitri region in Antarctica | |
Buckley et al. | Statistical comparison of Regional Atmospheric Modelling System forecasts with observations | |
Gao et al. | Modeling intraseasonal features of 2004 North American monsoon precipitation | |
Baklanov et al. | Approaches for urbanization of DMI-HIRLAM NWP model | |
Mahura et al. | DMI-HIRLAM modelling with high resolution setup and simulations for areas of Denmark |
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 |