CN114399567B - 高分辨率格点分布图显示方法及相关设备 - Google Patents
高分辨率格点分布图显示方法及相关设备 Download PDFInfo
- Publication number
- CN114399567B CN114399567B CN202210028423.9A CN202210028423A CN114399567B CN 114399567 B CN114399567 B CN 114399567B CN 202210028423 A CN202210028423 A CN 202210028423A CN 114399567 B CN114399567 B CN 114399567B
- Authority
- CN
- China
- Prior art keywords
- point
- grid point
- files
- resolution
- slice
- 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
- 238000010586 diagram Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001556 precipitation Methods 0.000 claims abstract description 56
- 238000005516 engineering process Methods 0.000 claims abstract description 20
- 238000007906 compression Methods 0.000 claims abstract description 17
- 230000006835 compression Effects 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000002085 persistent effect Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 10
- 238000009877 rendering Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 abstract description 7
- 230000004927 fusion Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4007—Interpolation-based scaling, e.g. bilinear interpolation
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种高分辨率格点分布图显示方法、系统、设备及可读存储介质。该方法包括:服务器通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;客户端基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图。通过本发明,减少了频繁的I/O操作,从而提高了数据调取的效率且提高了传输效率,从而提高了高分辨率格点分布图的显示速度。
Description
技术领域
本发明涉及天气预报技术领域,尤其涉及一种高分辨率格点分布图显示方法及相关设备。
背景技术
当前,各类气象预报业务系统均采用B/S架构设计,在进行大范围(国家级,区域级,流域级)精细化网格显示过程中,由于网格经度高、时间分辨率大以及预报时效长的特点(经纬度范围为90E-125E,20N-37N,总格点数为701*341,时间分辨率最低1h,最长预报时效360h),以每日2个起报时间计算,每日的参考背景场的文件数量就达到几千个,单个文件体积2M以上,从而在格点数据加载过程中,会存在大量的I/O操作,客户端与服务端请求数据时,网络传输也有巨大的压力,从到导致高分辨率格点分布图从加载到显示需要的时间较长。
发明内容
为解决上述技术问题,本发明的主要目的在于提供一种高分辨率格点分布图显示方法、系统、设备及可读存储介质。
第一方面,本发明提供一种高分辨率格点分布图显示方法,所述高分辨率格点分布图显示方法包括:
服务器通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;
客户端基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图。
第二方面,本发明还提供一种高分辨率格点分布图显示系统,所述高分辨率格点分布图显示系统包括服务器以及客户端:
服务器,用于通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;
客户端,用于基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图。
第三方面,本发明还提供一种高分辨率格点分布图显示设备,所述高分辨率格点分布图显示设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的高分辨率格点分布图显示程序,其中所述高分辨率格点分布图显示程序被所述处理器执行时,实现如上所述的高分辨率格点分布图显示方法的步骤。
第四方面,本发明还提供一种可读存储介质,所述可读存储介质上存储有高分辨率格点分布图显示程序,其中所述高分辨率格点分布图显示程序被处理器执行时,实现如上所述的高分辨率格点分布图显示方法的步骤。
本发明中,服务器通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;客户端基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图。通过本发明,服务器通过缓存技术将同一若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件以切片形式压缩后持久化到内存,减少了频繁的I/O操作,从而提高了数据调取的效率且提高了传输效率,从而提高了高分辨率格点分布图的显示速度。
附图说明
图1为本发明实施例方案中涉及的高分辨率格点分布图显示设备的硬件结构示意图;
图2为本发明高分辨率格点分布图显示方法一实施例的流程示意图;
图3为本发明高分辨率格点分布图显示系统一实施例的架构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
第一方面,本发明实施例提供一种高分辨率格点分布图显示设备。
参照图1,图1为本发明实施例方案中涉及的高分辨率格点分布图显示设备的硬件结构示意图。本发明实施例中,高分辨率格点分布图显示设备可以包括处理器1001(例如中央处理器Central Processing Unit,CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信;用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard);网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WI-FI接口);存储器1005可以是高速随机存取存储器(random access memory,RAM),也可以是稳定的存储器(non-volatilememory),例如磁盘存储器,存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解,图1中示出的硬件结构并不构成对本发明的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
继续参照图1,图1中作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及高分辨率格点分布图显示程序。其中,处理器1001可以调用存储器1005中存储的高分辨率格点分布图显示程序,并执行本发明实施例提供的高分辨率格点分布图显示方法。
第二方面,本发明实施例提供了一种高分辨率格点分布图显示方法。
一实施例中,参照图2,图2为本发明高分辨率格点分布图显示方法一实施例的流程示意图。如图2所示,高分辨率格点分布图显示方法包括:
步骤S10,服务器通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;
本实施例中,缓存技术,可采用redis数据缓存技术,如此,可减少频繁的I/O操作,通过发挥服务器高速内存的作用,可以进一步提高数据调取的效率。可通过逻辑压缩技术或物理压缩技术对若干切片文件逐片进行压缩处理。
进一步地,一实施例中,所述对若干切片文件逐片进行压缩处理,得到若干切片压缩文件的步骤包括:
对若干切片文件逐片进行倍化和位移处理,得到若干切片压缩文件。
本实施例中,切片文件为浮点数据,通过对切片文件进行倍化和位移技术,即将一个浮点数据通过加上特定数值和乘以10的倍数的方式,从而得到若干切片压缩文件。使得传输时单个数据的数据量缩减至200kb左右,从而减少了带宽压力,提高了传输效率。
进一步地,一实施例中,所述对若干切片文件逐片进行压缩处理,得到若干切片压缩文件的步骤包括:
对若干切片文件逐片进行倍化和位移处理,得到若干切片压缩文件。
本实施例中,服务器采用物理压缩技术(例如Gzip压缩技术)对切片文件进行压缩处理,得到压缩文件。通过服务器与客户端的一些性能消耗,达到数据压缩率50%的效果,可以进一步减少网络传输的数据包大小,增加网络传输的速度。
步骤S20,客户端基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图。
本实施例中,客户端基于视窗范围进行碰撞检测确定目标切片压缩文件(即当前视窗范围对应的高分辨率格点分布图对应的切片压缩文件),并对其进行解压以及解析,以供显示解析结果对应的高分辨率格点分布图。
本实施例中,服务器通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;客户端基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图。通过本实施例,服务器通过缓存技术将同一若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件以切片形式压缩后持久化到内存,减少了频繁的I/O操作,从而提高了数据调取的效率且提高了传输效率,从而提高了高分辨率格点分布图的显示速度。
进一步地,一实施例中,步骤S20之后,还包括:
基于视窗缩放级别对高分辨率格点分布图进行抽稀处理得到待显示降水分布图,并基于Canvas渲染技术对待显示降水分布图进行绘制;
通过订正算法对绘制得到的降水分布图上各个格点的数值进行订正。
本实施例中,使用的WebGIS框架为Leaflet,该框架针对地理图层的渲染使用Canvas渲染技术。但是,在网格分辨率超过200*100或总格点数量超过2万个格点时,超出了Canvas的高性能区间,Canvas渲染方式也会出现绘制效率大幅下滑的情况,会形成一定的卡顿,严重影响订正过程中的操作体验,甚至会产生崩溃的现象。因此,本实施例采用了根据地图缩放级别动态抽稀格点的显示方式,并根据视窗范围动态调节绘制范围,即只绘制在屏幕显示范围内的格点,而不是绘制所有格点,从而能够有效解决绘制的性能瓶颈。
例如,降水格点分布图包括50000个格点,当前处于视窗范围的格点有500个,则以这500个格点组成的视图为高分辨率格点分布图。然后进一步根据视窗缩放级别对高分辨率格点分布图进行抽稀处理得到待显示降水分布图,例如,高分辨率格点分布图包括500个格点,但基于视窗缩放级别需要将每四个格点合并成一个格点,则通过抽稀处理实现这一目的,得到待显示降水分布图,并基于Canvas渲染技术对待显示降水分布图进行绘制。
进一步地,一实施例中,所述基于视窗缩放级别对高分辨率格点分布图进行抽稀处理得到待显示降水分布图的步骤包括:
基于视窗缩放级别确定高分辨率格点分布图中的待合并格点;若待合并格点的赋值属于同一量级,则以待合并格点的赋值的平均值为合并得到的格点的赋值;若待合并格点的赋值不属于同一量级,则以待合并格点中最大的赋值为合并得到的格点的赋值。
本实施例中,若基于视窗缩放级别需要将每四个格点合并成一个格点,则以2×2形式的四个格点为一组待合并格点,容易理解的是,待合并格点有多组。
若某组待合并格点的新的赋值属于同一量级,则以待合并格点的赋值的平均值为合并得到的格点的赋值。其中,量级根据实际需要进行设置,例如0~9设置为第一量级,10~19设置为第二量级,20~29设置为第三量级,以此类推。若待合并格点的赋值不属于同一量级,则以待合并格点中最大的赋值为合并得到的格点的赋值。
由于抽稀势必会丢失一些格点,采用一般的抽稀方式,势必会将一些雨量较大,范围较小的格点隐藏掉,从而出现误判。通过本实施例的抽稀处理即可避免这种误判的产生,也不会出现由于平均值引起的降水量级变化。
进一步地,一实施例中,所述通过订正算法对绘制得到的降水分布图上各个格点的数值进行订正的步骤包括:
基于主客观融合算法对绘制得到的降水分布图上各个格点进行赋值处理,主客观融合算法的公式表示如下:
其中,V1为赋值区间下限值,V2为赋值区间上限值,Vmax为绘制得到的降水分布图中最大原始赋值,Vmin为绘制得到的降水分布图中最小原始赋值,V0为绘制得到的降水分布图中一格点的原始赋值,V为所述一格点的新的赋值。
本实施例中,从绘制得到的降水分布图中各个格点的原始赋值中选取最大原始赋值为Vmax,从绘制得到的降水分布图中各个格点的原始赋值中选取最小原始赋值为Vmin,在需要计算一格点的新的赋值V时,将一格点的原始赋值V0代入主客观融合算法的公式即可。如此,即可对绘制得到的降水分布图中各个格点进行赋值处理。
进一步地,一实施例中,所述通过订正算法对绘制得到的降水分布图上各个格点的数值进行订正的步骤包括:
基于单权重点插值算法对绘制得到的降水分布图上各个格点进行赋值处理,单权重点插值算法的公式表示如下:
其中,由权重点W出发经过待赋值格点G的射线L与绘制得到的降水分布图边界的交点为C,LCG为点C到待赋值格点G的距离,LGW为点W到待赋值格点G的距离,V1为赋值区间下限值,V2为赋值区间上限值,VG为待赋值格点G的新的赋值。
本实施例中,在绘制得到的降水分布图中指定权重点W,构建由权重点W出发经过待赋值格点G的射线L,记L与绘制得到的降水分布图边界的交点为C,将点C到待赋值格点G的距离LCG、点W到待赋值格点G的距离LGW、赋值区间下限值V1以及赋值区间上限值V2代入单权重点插值算法的公式,即可得到待赋值格点G的新的赋值VG。如此,即可对绘制得到的降水分布图中各个格点进行赋值处理。
当订正区域涉及到多个权重点时,要求实现以每个权重点为中心的多落区效果,此时要充分考虑到距被订正格点最临近的边界上的点的值对该格点产生的影响,即把边界上的这一个点同样作为对该订正格点富有影响的权重点。
需要说明的是,单个权重点时是点线的插值计算,当为多个权重点时,要同时将所有的权重点对格点的影响进行考量,此时使用反距离插值法(Inverse DistanceWeighted)对绘制得到的降水分布图中各个格点进行赋值处理。当然,还可以通过落区权重插值法对绘制得到的降水分布图中各个格点进行赋值处理,即绘制多条具有包含关系的等值线和权重点,并根据它们的值和分布对绘制得到的降水分布图中各个格点进行赋值。
第三方面,本发明实施例还提供一种高分辨率格点分布图显示系统。
一实施例中,参照图3,图3为本发明高分辨率格点分布图显示系统一实施例的架构示意图。如图3所示,高分辨率格点分布图显示系统包括服务器10以及客户端20:
服务器10,用于通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;
客户端20,用于基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图。
进一步地,一实施例中,客户端20还用于:
基于视窗缩放级别对高分辨率格点分布图进行抽稀处理得到待显示降水分布图,并基于Canvas渲染技术对待显示降水分布图进行绘制;
通过订正算法对绘制得到的降水分布图上各个格点的数值进行订正。
进一步地,一实施例中,服务器10用于:
对若干切片文件逐片进行倍化和位移处理,得到若干切片压缩文件。
进一步地,一实施例中,服务器10用于:
通过物理压缩技术对若干切片文件逐片进行压缩处理,得到若干切片压缩文件。
进一步地,一实施例中,客户端20,用于:
基于主客观融合算法对绘制得到的降水分布图上各个格点进行赋值处理,主客观融合算法的公式表示如下:
其中,V1为赋值区间下限值,V2为赋值区间上限值,Vmax为绘制得到的降水分布图中最大原始赋值,Vmin为绘制得到的降水分布图中最小原始赋值,V0为绘制得到的降水分布图中一格点的原始赋值,V为所述一格点的新的赋值。
进一步地,一实施例中,客户端20,用于:
基于单权重点插值算法对绘制得到的降水分布图上各个格点进行赋值处理,单权重点插值算法的公式表示如下:
其中,由权重点W出发经过待赋值格点G的射线L与绘制得到的降水分布图边界的交点为C,LCG为点C到待赋值格点G的距离,LGW为点W到待赋值格点G的距离,V1为赋值区间下限值,V2为赋值区间上限值,VG为待赋值格点G的新的赋值。
进一步地,一实施例中,客户端20,用于:
基于视窗缩放级别确定高分辨率格点分布图中的待合并格点;
若待合并格点的赋值属于同一量级,则以待合并格点的赋值的平均值为合并得到的格点的赋值;
若待合并格点的赋值不属于同一量级,则以待合并格点中最大的赋值为合并得到的格点的赋值。
其中,上述高分辨率格点分布图显示系统的具体实施例与上述高分辨率格点分布图显示方法的各个实施例基本相同,在此不做赘述。
第四方面,本发明实施例还提供一种可读存储介质。
本发明可读存储介质上存储有高分辨率格点分布图显示程序,其中所述高分辨率格点分布图显示程序被处理器执行时,实现如上述的高分辨率格点分布图显示方法的步骤。
其中,高分辨率格点分布图显示程序被执行时所实现的方法可参照本发明高分辨率格点分布图显示方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种高分辨率格点分布图显示方法,其特征在于,所述高分辨率格点分布图显示方法包括:
服务器通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;
客户端基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图;
在显示解析结果对应的高分辨率格点分布图的步骤之后,还包括:
基于视窗缩放级别对高分辨率格点分布图进行抽稀处理得到待显示降水分布图,并基于Canvas渲染技术对待显示降水分布图进行绘制;
通过订正算法对绘制得到的降水分布图上各个格点的数值进行订正;
所述通过订正算法对绘制得到的降水分布图上各个格点的数值进行订正的步骤包括:
基于单权重点插值算法对绘制得到的降水分布图上各个格点进行赋值处理,单权重点插值算法的公式表示如下:
其中,由权重点W出发经过待赋值格点G的射线L与绘制得到的降水分布图边界的交点为C,LCG为点C到待赋值格点G的距离,LGW为点W到待赋值格点G的距离,V1为赋值区间下限值,V2为赋值区间上限值,VG为待赋值格点G的新的赋值。
2.如权利要求1所述的高分辨率格点分布图显示方法,其特征在于,所述对若干切片文件逐片进行压缩处理,得到若干切片压缩文件的步骤包括:
对若干切片文件逐片进行倍化和位移处理,得到若干切片压缩文件。
3.如权利要求1所述的高分辨率格点分布图显示方法,其特征在于,所述对若干切片文件逐片进行压缩处理,得到若干切片压缩文件的步骤包括:
通过物理压缩技术对若干切片文件逐片进行压缩处理,得到若干切片压缩文件。
4.如权利要求1所述的高分辨率格点分布图显示方法,其特征在于,所述基于视窗缩放级别对高分辨率格点分布图进行抽稀处理得到待显示降水分布图的步骤包括:
基于视窗缩放级别确定高分辨率格点分布图中的待合并格点;
若待合并格点的赋值属于同一量级,则以待合并格点的赋值的平均值为合并得到的格点的赋值;
若待合并格点的赋值不属于同一量级,则以待合并格点中最大的赋值为合并得到的格点的赋值。
5.一种高分辨率格点分布图显示系统,其特征在于,所述高分辨率格点分布图显示系统包括服务器以及客户端:
服务器,用于通过缓存技术将同一起报时间若干种数值模式预报与客观预报的全国范围高分辨率降水、气温以及风格点文件进行解析、分级以及切片,得到若干切片文件;对若干切片文件逐片进行压缩处理,得到若干切片压缩文件;将若干切片压缩文件持久化到内存;
客户端,用于基于视窗范围进行碰撞检测从内存中获取目标切片压缩文件并对其进行解压以及解析,显示解析结果对应的高分辨率格点分布图;
客户端还用于:
基于视窗缩放级别对高分辨率格点分布图进行抽稀处理得到待显示降水分布图,并基于Canvas渲染技术对待显示降水分布图进行绘制;
通过订正算法对绘制得到的降水分布图上各个格点的数值进行订正;
客户端,用于:
基于单权重点插值算法对绘制得到的降水分布图上各个格点进行赋值处理,单权重点插值算法的公式表示如下:
其中,由权重点W出发经过待赋值格点G的射线L与绘制得到的降水分布图边界的交点为C,LCG为点C到待赋值格点G的距离,LGW为点W到待赋值格点G的距离,V1为赋值区间下限值,V2为赋值区间上限值,VG为待赋值格点G的新的赋值。
6.一种高分辨率格点分布图显示设备,其特征在于,所述高分辨率格点分布图显示设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的高分辨率格点分布图显示程序,其中所述高分辨率格点分布图显示程序被所述处理器执行时,实现如权利要求1至4中任一项所述的高分辨率格点分布图显示方法的步骤。
7.一种可读存储介质,其特征在于,所述可读存储介质上存储有高分辨率格点分布图显示程序,其中所述高分辨率格点分布图显示程序被处理器执行时,实现如权利要求1至4中任一项所述的高分辨率格点分布图显示方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028423.9A CN114399567B (zh) | 2022-01-11 | 2022-01-11 | 高分辨率格点分布图显示方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028423.9A CN114399567B (zh) | 2022-01-11 | 2022-01-11 | 高分辨率格点分布图显示方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114399567A CN114399567A (zh) | 2022-04-26 |
CN114399567B true CN114399567B (zh) | 2024-02-20 |
Family
ID=81231335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210028423.9A Active CN114399567B (zh) | 2022-01-11 | 2022-01-11 | 高分辨率格点分布图显示方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399567B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759416A (zh) * | 2022-11-21 | 2023-03-07 | 四川省气象探测数据中心 | 一种网格实况产品的评估分析方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095259A (zh) * | 2014-05-08 | 2015-11-25 | 腾讯科技(北京)有限公司 | 瀑布流对象显示方法及装置 |
CN109086657A (zh) * | 2018-06-08 | 2018-12-25 | 华南理工大学 | 一种基于机器学习的耳朵检测方法、系统及模型 |
CN109801352A (zh) * | 2018-12-28 | 2019-05-24 | 宁波市气象台 | 一种气象格点数据动画显示方法 |
CN110097224A (zh) * | 2019-05-05 | 2019-08-06 | 中国科学院海洋研究所 | 一种可视化风暴潮-海浪耦合预报方法 |
CN111489410A (zh) * | 2019-01-25 | 2020-08-04 | 中国石油天然气集团有限公司 | 观测系统炮检点数据绘制方法及装置 |
CN112148703A (zh) * | 2020-09-29 | 2020-12-29 | 华能新能源股份有限公司 | 一种高分辨率风资源图谱数据分层切片系统及方法 |
CN112307146A (zh) * | 2020-10-29 | 2021-02-02 | 中交公路规划设计院有限公司 | Gis路线数据展示系统及方法 |
CN112445649A (zh) * | 2019-08-30 | 2021-03-05 | 中国石油化工股份有限公司 | 地震缺失数据恢复方法、计算机存储介质和计算机系统 |
CN112711647A (zh) * | 2021-01-19 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 地图信息显示方法和装置、存储介质及电子设备 |
CN112819237A (zh) * | 2021-02-08 | 2021-05-18 | 广东省气象台(南海海洋气象预报中心) | 降水多尺度融合预报方法和装置 |
CN113032513A (zh) * | 2021-05-21 | 2021-06-25 | 北京数字政通科技股份有限公司 | 一种针对空间地理数据的切片方法及渲染方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7961960B2 (en) * | 2006-08-24 | 2011-06-14 | Dell Products L.P. | Methods and apparatus for reducing storage size |
-
2022
- 2022-01-11 CN CN202210028423.9A patent/CN114399567B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095259A (zh) * | 2014-05-08 | 2015-11-25 | 腾讯科技(北京)有限公司 | 瀑布流对象显示方法及装置 |
CN109086657A (zh) * | 2018-06-08 | 2018-12-25 | 华南理工大学 | 一种基于机器学习的耳朵检测方法、系统及模型 |
CN109801352A (zh) * | 2018-12-28 | 2019-05-24 | 宁波市气象台 | 一种气象格点数据动画显示方法 |
CN111489410A (zh) * | 2019-01-25 | 2020-08-04 | 中国石油天然气集团有限公司 | 观测系统炮检点数据绘制方法及装置 |
CN110097224A (zh) * | 2019-05-05 | 2019-08-06 | 中国科学院海洋研究所 | 一种可视化风暴潮-海浪耦合预报方法 |
CN112445649A (zh) * | 2019-08-30 | 2021-03-05 | 中国石油化工股份有限公司 | 地震缺失数据恢复方法、计算机存储介质和计算机系统 |
CN112148703A (zh) * | 2020-09-29 | 2020-12-29 | 华能新能源股份有限公司 | 一种高分辨率风资源图谱数据分层切片系统及方法 |
CN112307146A (zh) * | 2020-10-29 | 2021-02-02 | 中交公路规划设计院有限公司 | Gis路线数据展示系统及方法 |
CN112711647A (zh) * | 2021-01-19 | 2021-04-27 | 腾讯科技(深圳)有限公司 | 地图信息显示方法和装置、存储介质及电子设备 |
CN112819237A (zh) * | 2021-02-08 | 2021-05-18 | 广东省气象台(南海海洋气象预报中心) | 降水多尺度融合预报方法和装置 |
CN113032513A (zh) * | 2021-05-21 | 2021-06-25 | 北京数字政通科技股份有限公司 | 一种针对空间地理数据的切片方法及渲染方法 |
Non-Patent Citations (5)
Title |
---|
Hybrid Point Cloud Attribute Compression Using Slice-based Layered Structure and Block-based Intra Prediction;Yiting Shao et al;《Multimedia》;全文 * |
MICAPS4预报业务系统建设进展与未来发展;高嵩 等;《应用气象学报》;第28卷(第5期);全文 * |
主客观融合定量降水预报方法及平台实现;唐健 等;《气象》;第44卷(第8期);全文 * |
基于时空网络的雷达回波降雨反演算法研究;余孝忠;《中国优秀硕士学位论文全文数据库电子期刊 基础科学辑》;第2021卷(第1期);全文 * |
雷暴云地面电场特征和基于多源观测资料的雷电预警研究;曾庆锋;《中国博士学位论文全文数据库电子期刊 基础科学辑》;第2015卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114399567A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190034516A1 (en) | Method and apparatus for acquiring an evaluation index | |
CN108809944B (zh) | 一种交通气象平台数据传输方法及传输系统 | |
CN114399567B (zh) | 高分辨率格点分布图显示方法及相关设备 | |
CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
CN111753041A (zh) | 数据聚合渲染方法、装置、系统、电子设备及存储介质 | |
CN110019622A (zh) | 一种实时海量地图点位聚合方法及装置 | |
US10594890B2 (en) | Compressing each object in an electronic document | |
CN110990612A (zh) | 一种矢量大数据快速显示的方法及终端 | |
CN114138868B (zh) | 空气质量统计分布图绘制方法和装置 | |
CN113837965A (zh) | 图像清晰度识别方法、装置、电子设备及存储介质 | |
CN115937212B (zh) | 一种玻璃板裂纹检测方法、装置、设备及介质 | |
CN117370798A (zh) | 模型压缩方法、训练方法、多媒体数据处理方法及装置 | |
CN114626458B (zh) | 一种高压后部识别方法、装置、存储介质及终端 | |
CN102903104A (zh) | 一种基于减法聚类的快速图像分割方法 | |
CN113628256B (zh) | 一种数据处理方法和装置 | |
CN110545427A (zh) | 一种pdf文档压缩方法、装置及电子设备 | |
CN114881227A (zh) | 模型压缩方法、图像处理方法、装置和电子设备 | |
CN114443787A (zh) | 大气污染特征识别方法和装置 | |
CN109410296B (zh) | 一种实现数据显示的方法及装置 | |
CN114419327A (zh) | 图像检测方法和图像检测模型的训练方法、装置 | |
CN114286408A (zh) | 基于天地一体化的网络性能优化方法、系统、装置及介质 | |
CN113268307A (zh) | 页面组件显示方法、装置、设备及存储介质 | |
CN112966723A (zh) | 视频数据增广方法、装置、电子设备及可读存储介质 | |
CN113094454A (zh) | 一种地图数据搜索方法及装置 | |
CN113963300B (zh) | 目标检测方法、装置、电子设备和存储介质 |
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 |