CN114488352B - 一种无缝隙精细化降水预报方法及系统 - Google Patents
一种无缝隙精细化降水预报方法及系统 Download PDFInfo
- Publication number
- CN114488352B CN114488352B CN202210140968.9A CN202210140968A CN114488352B CN 114488352 B CN114488352 B CN 114488352B CN 202210140968 A CN202210140968 A CN 202210140968A CN 114488352 B CN114488352 B CN 114488352B
- Authority
- CN
- China
- Prior art keywords
- center
- generate
- calculation formula
- precipitation
- rainfall
- 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
- 238000013277 forecasting method Methods 0.000 title abstract description 3
- 238000001556 precipitation Methods 0.000 claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000010586 diagram Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 58
- 230000033001 locomotion Effects 0.000 claims description 50
- 238000000034 method Methods 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009792 diffusion process Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000002592 echocardiography Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 abstract description 3
- 238000013213 extrapolation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007670 refining Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Environmental & Geological Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种无缝隙精细化降水预报方法及系统。该方案包括获取初始采集数据并处理生成为单部雷达初始数据；根据所述单部雷达初始数据进行自动分析，生成为中间降水图；根据所述中间降水图进行自动的中心移动速度和中心移动角度计算；获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置；统计中心数量和面积，输出总体状态；进行短临降水预报，生成未来3小时内多段的降雨预测。该方案通过对于雨水信息的中心化外推进行雨水态势的连续的精细化预测，高效准确。
Description
技术领域
本发明涉及气象预测技术领域，更具体地，涉及一种无缝隙精细化降水预报方法及系统。
背景技术
降雨信息是在气象预测中的一个关键信息，为了能够获得关键的降雨信息外推，需要进行大量信息的采集。但是，现在的雨量预测方式多关注如何进行采集，而忽略了如何关注未来一段时间的精细化预测。
在本发明技术之前，现有技术仅仅它能通过历史数据进行单点的外推，无法进行根据雨势移动等情况进行自动的分析，可能会产生一些预测的间隙，导致预测失真和不连贯。
发明内容
鉴于上述问题，本发明提出了一种无缝隙精细化降水预报方法及系统，通过对于雨水信息的中心化外推进行雨水态势的连续的精细化预测，高效准确。
根据本发明实施例第一方面，提供一种无缝隙精细化降水预报方法。
在一个或多个实施例中，优选地，所述一种无缝隙精细化降水预报方法包括：
获取初始采集数据并处理生成为单部雷达初始数据；
根据所述单部雷达初始数据进行自动分析，生成为中间降水图；
根据所述中间降水图进行自动的中心移动速度和中心移动角度计算；
获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置；
统计中心数量和面积，输出总体状态；
进行短临降水预报，生成未来3小时内多段的降雨预测。
在一个或多个实施例中，优选地，所述获取初始采集数据并处理生成为单部雷达初始数据，具体包括：
获得回波强度、竖直结构、水平结构和水平纹理，组成第一数据；
对所述第一数据进行插值和平滑处理；
进行单部雷达质量控制，完成地物遮挡补偿，组成第二数据；
对所述第二数据滤除同步干扰杂波，并剔除非降水回波，生成所述单部雷达初始数据。
在一个或多个实施例中，优选地，所述根据所述单部雷达初始数据进行自动分析，生成为中间降水图，具体包括：
根据所述单部雷达初始数据进行自动分析，生成为所述中间降水图
对所述单部雷达初始数据进行水平和垂直插值，生成第一中间拼图；
对所述第一中间拼图进行雷达同步分析，生成反射率因子、组合反射率因子、垂直积累含水量、累计降水量；
对所述第一中间拼图进行统计回归分析，生成第二中间拼图；
对所述第二中间拼图进行雨量计降水分析，生成10分钟定量估算降水量、1小时累积降水量、逐日累积降水量，生成为所述中间降水图。
在一个或多个实施例中，优选地，所述根据所述中间降水图进行自动的中心移动速度和中心移动角度计算，具体包括：
对所述中间降水图进行灰度化处理，生成灰度图；
以固定的地理位置为坐标原点，生成目标坐标系；
对所述灰度图进行网格化处理，生成灰度坐标点矩阵；
获得所有大于预设灰度的坐标点，并进行连通性分析，将每个连通区域由上到下、由左到右依次标记Ni个采集区块；
利用第一计算公式获得连通区域横坐标中心；
利用第二计算公式获得连通区域纵坐标中心；
利用第三计算公式计算所述中心移动速度；
利用第四计算公式计算所述中心移动角度；
所述第一计算公式为：
其中，Ai为第i次采集连通区域横坐标中心，Ni为所述第i次采集连通区域中的区块数量，xki为所述第i次采集连通区域第k个采集区块横坐标；
所述第二计算公式为：
其中，Bi为所述第i次采集区块纵坐标中心，yki为所述第i次采集连通区域横第k个采集区块纵坐标；
所述第三计算公式为：
其中，V为所述中心移动速度，t1为当前时刻时间记录，t0为初始时刻，xti为所述第i次采集连通区域的初始时刻横坐标，yti为所述第i次采集连通区域的初始时刻纵坐标；
所述第四计算公式为：
θ＝arctan[(Bi-yti)/(Ai-xti)]
其中，θ为所述中心移动角度。
在一个或多个实施例中，优选地，所述获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置，具体包括：
获得所述中心移动速度和所述中心移动角度；
利用第五计算公式进行连通区域横坐标预测值；
利用第六计算公式进行连通区域纵坐标预测值；
所述第五计算公式为：
Xi＝tan(θ)VT+k1Ai+C1
其中，k1为第一系数，C1为第一常数，Xi为所述第i次采集连通区域横坐标预测值，T为采样间隔；
所述第六计算公式为：
Yi＝tan(90-θ)VT+k2Bi+C2
其中，k2为第二系数，C2为第二常数，Yi为所述第i次采集连通区域纵坐标预测值。
在一个或多个实施例中，优选地，所述统计中心数量和面积，输出总体状态，具体包括：
统计所述中心数量，当所述中心数量不变时，面积增加则为扩散状态；
当所述中心数量增加时，同时面积增加则为扩散状态；
当所述中心数量增加时，同时面积减少则为散化状态；
当所述中心数量减少时，同时面积减少则为集中状态；
将收集获得的扩散状态、散化状态和集中状态组成为总体状态。
在一个或多个实施例中，优选地，所述进行短临降水预报，生成未来3小时内多段的降雨预测，具体包括：
进行短临降水预报，生成10分钟降水预报和1小时降水预报；
设置降水模式和降水雷达外推，生成2-12小时1逐小时降水预报；
进行频率匹配和权重系数设置，生成12-24小时3逐小时降水预报。
根据本发明实施例第二方面，提供一种无缝隙精细化降水预报系统。
在一个或多个实施例中，优选地，所述一种无缝隙精细化降水预报系统包括：
雷达提取模块，用于获取初始采集数据并处理生成为单部雷达初始数据；
降水图提取模块，用于根据所述单部雷达初始数据进行自动分析，生成为中间降水图；
第一计算模块，用于根据所述中间降水图进行自动的中心移动速度和中心移动角度计算；
第二计算模块，用于获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置；
状态提取模块，用于统计中心数量和面积，输出总体状态；
短期预测模块，用于进行短临降水预报，生成未来3小时内多段的降雨预测。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果：
在本发明实施例中，通过对于雨水信息的中心化外推，进行雨水态势的预估，能够精细化雨水预测信息。
本发明实施例中，通过自动根据雨水中心的变换完成对于总体降水状态的评估，更加直观。
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
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明一个实施例的一种无缝隙精细化降水预报方法的流程图。
图2是本发明一个实施例的一种无缝隙精细化降水预报方法中的获取初始采集数据并处理生成为单部雷达初始数据的流程图。
图3是本发明一个实施例的一种无缝隙精细化降水预报方法中的根据所述单部雷达初始数据进行自动分析，生成为中间降水图的流程图。
图4是本发明一个实施例的一种无缝隙精细化降水预报方法中的根据所述中间降水图进行自动的中心移动速度和中心移动角度计算的流程图。
图5是本发明一个实施例的一种无缝隙精细化降水预报方法中的获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置的流程图。
图6是本发明一个实施例的一种无缝隙精细化降水预报方法中的统计中心数量和面积，输出总体状态的流程图。
图7是本发明一个实施例的一种无缝隙精细化降水预报方法中的进行短临降水预报，生成未来3小时内多段的降雨预测的流程图。
图8是本发明一个实施例的一种无缝隙精细化降水预报系统的结构图。
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
降雨信息是在气象预测中的一个关键信息，为了能够获得关键的降雨信息外推，需要进行大量信息的采集。但是，现在的雨量预测方式多关注如何进行采集，而忽略了如何关注未来一段时间的精细化预测。
在本发明技术之前，现有技术仅仅它能通过历史数据进行单点的外推，无法进行根据雨势移动等情况进行自动的分析，可能会产生一些预测的间隙，导致预测失真和不连贯。
本发明实施例中，提供了一种无缝隙精细化降水预报方法及系统。该方案通过对于雨水信息的中心化外推进行雨水态势的连续的精细化预测，高效准确。
根据本发明实施例第一方面，提供一种无缝隙精细化降水预报方法。
图1是本发明一个实施例的一种无缝隙精细化降水预报方法的流程图。
在一个或多个实施例中，优选地，所述一种无缝隙精细化降水预报方法包括：
S101、获取初始采集数据并处理生成为单部雷达初始数据；
S102、根据所述单部雷达初始数据进行自动分析，生成为中间降水图；
S103、根据所述中间降水图进行自动的中心移动速度和中心移动角度计算；
S104、获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置；
S105、统计中心数量和面积，输出总体状态；
S106、进行短临降水预报，生成未来3小时内多段的降雨预测。
图2是本发明一个实施例的一种无缝隙精细化降水预报方法中的获取初始采集数据并处理生成为单部雷达初始数据的流程图。
如图2所示，在一个或多个实施例中，优选地，所述获取初始采集数据并处理生成为单部雷达初始数据，具体包括：
S201、获得回波强度、竖直结构、水平结构和水平纹理，组成第一数据；
S202、对所述第一数据进行插值和平滑处理；
S203、进行单部雷达质量控制，完成地物遮挡补偿，组成第二数据；
S204、对所述第二数据滤除同步干扰杂波，并剔除非降水回波，生成所述单部雷达初始数据。
在本发明实施例中，为了进行精细化的数据处理，在获得初始采集数据后，全部处理为单部雷达初始数据。
图3是本发明一个实施例的一种无缝隙精细化降水预报方法中的根据所述单部雷达初始数据进行自动分析，生成为中间降水图的流程图。
如图3所示，在一个或多个实施例中，优选地，所述根据所述单部雷达初始数据进行自动分析，生成为中间降水图，具体包括：
S301、根据所述单部雷达初始数据进行自动分析，生成为所述中间降水图
S302、对所述单部雷达初始数据进行水平和垂直插值，生成第一中间拼图；
S303、对所述第一中间拼图进行雷达同步分析，生成反射率因子、组合反射率因子、垂直积累含水量、累计降水量；
S304、对所述第一中间拼图进行统计回归分析，生成第二中间拼图；
S305、对所述第二中间拼图进行雨量计降水分析，生成10分钟定量估算降水量、1小时累积降水量、逐日累积降水量，生成为所述中间降水图。
在本发明实施例中，为了能进行后续的数据分析，因此集合了短时间、长时间和中等时间的降雨数据，生成为降雨图，这个降雨图中，通过短时、长时和中等时的降雨量叠加，获得不同地理位置的雨量灰度不同。
图4是本发明一个实施例的一种无缝隙精细化降水预报方法中的根据所述中间降水图进行自动的中心移动速度和中心移动角度计算的流程图。
如图4所示，在一个或多个实施例中，优选地，所述根据所述中间降水图进行自动的中心移动速度和中心移动角度计算，具体包括：
S401、对所述中间降水图进行灰度化处理，生成灰度图；
S402、以固定的地理位置为坐标原点，生成目标坐标系；
S403、对所述灰度图进行网格化处理，生成灰度坐标点矩阵；
S404、获得所有大于预设灰度的坐标点，并进行连通性分析，将每个连通区域由上到下、由左到右依次标记Ni个采集区块；
S405、利用第一计算公式获得连通区域横坐标中心；
S406、利用第二计算公式获得连通区域纵坐标中心；
S407、利用第三计算公式计算所述中心移动速度；
S408、利用第四计算公式计算所述中心移动角度；
所述第一计算公式为：
其中，Ai为第i次采集连通区域横坐标中心，Ni为所述第i次采集连通区域中的区块数量，xki为所述第i次采集连通区域第k个采集区块横坐标；
所述第二计算公式为：
其中，Bi为所述第i次采集连通区域纵坐标中心，yki为所述第i次采集连通区域中的第k个采集区块纵坐标；
所述第三计算公式为：
其中，V为所述中心移动速度，t1为当前时刻时间记录，t0为初始时刻，xti为所述第i次采集连通区域的初始时刻横坐标，yti为所述第i次采集连通区域的初始时刻纵坐标；
所述第四计算公式为：
θ＝arctan[(Bi-yti)/(Ai-xti)]
其中，θ为所述中心移动角度。
在本发明实施例中，为了能够自动确认雨量的中心位置，自动的进行采集信息的横坐标和纵坐标中心的计算，在此基础上进行当前的雨水的移动速度和移动方向。
图5是本发明一个实施例的一种无缝隙精细化降水预报方法中的获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置的流程图。
如图5所示，在一个或多个实施例中，优选地，所述获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置，具体包括：
S501、获得所述中心移动速度和所述中心移动角度；
S502、利用第五计算公式进行连通区域横坐标预测值；
S503、利用第六计算公式进行连通区域纵坐标预测值；
所述第五计算公式为：
Xi＝tan(θ)VT+k1Ai+C1
其中，k1为第一系数，C1为第一常数，Xi为所述第i次采集连通区域横坐标预测值，T为采样间隔；
所述第六计算公式为：
Yi＝tan(90-θ)VT+k2Bi+C2
其中，k2为第二系数，C2为第二常数，Yi为所述第i次采集连通区域纵坐标预测值。
在本发明实施例中，根据当前的中心坐标的位置和移动输电，对未来的移动时刻的中心位置进行预估。
图6是本发明一个实施例的一种无缝隙精细化降水预报方法中的统计中心数量和面积，输出总体状态的流程图。
如图6所示，在一个或多个实施例中，优选地，所述统计中心数量和面积，输出总体状态，具体包括：
S601、统计所述中心数量，当所述中心数量不变时，面积增加则为扩散状态；
S602、当所述中心数量增加时，同时面积增加则为扩散状态；
S603、当所述中心数量增加时，同时面积减少则为散化状态；
S604、当所述中心数量减少时，同时面积减少则为集中状态；
S605、将收集获得的扩散状态、散化状态和集中状态组成为总体状态。
在本发明实施例中，在雨水中的中心数量可能在一段时间的移动后，发变化，此种情况下进行整体的状态的分析。
图7是本发明一个实施例的一种无缝隙精细化降水预报方法中的进行短临降水预报，生成未来3小时内多段的降雨预测的流程图。
如图7所示，在一个或多个实施例中，优选地，所述进行短临降水预报，生成未来3小时内多段的降雨预测，具体包括：
S701、进行短临降水预报，生成10分钟降水预报和1小时降水预报；
S702、设置降水模式和降水雷达外推，生成2-12小时1逐小时降水预报；
S703、进行频率匹配和权重系数设置，生成12-24小时3逐小时降水预报。
在本发明实施例中，根据当前的雨水预报信息未来一定时段的短期的雨水预报。
根据本发明实施例第二方面，提供一种无缝隙精细化降水预报系统。
图8是本发明一个实施例的一种无缝隙精细化降水预报系统的结构图。
在一个或多个实施例中，优选地，所述一种无缝隙精细化降水预报系统包括：
雷达提取模块801，用于获取初始采集数据并处理生成为单部雷达初始数据；
降水图提取模块802，用于根据所述单部雷达初始数据进行自动分析，生成为中间降水图；
第一计算模块803，用于根据所述中间降水图进行自动的中心移动速度和中心移动角度计算；
第二计算模块804，用于获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置；
状态提取模块805，用于统计中心数量和面积，输出总体状态；
短期预测模块806，用于进行短临降水预报，生成未来3小时内多段的降雨预测。
在本发明实施例中，通过模块化方式，实现快速的组合，形成无缝精细化的降雨预测。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备。图9是本发明一个实施例中一种电子设备的结构图。图9所示的电子设备为通用无缝隙精细化降水预报装置，其包括通用的计算机硬件结构，其至少包括处理器901和存储器902。处理器901和存储器902通过总线903连接。存储器902适于存储处理器901可执行的指令或程序。处理器901可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器901通过执行存储器902所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线903将上述多个组件连接在一起，同时将上述组件连接到显示控制器904和显示装置以及输入/输出(I/O)装置905。输入/输出(I/O)装置905可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置905通过输入/输出(I/O)控制器906与系统相连。
本发明的实施例提供的技术方案可以包括以下有益效果：
在本发明实施例中，通过对于雨水信息的中心化外推，进行雨水态势的预估，能够精细化雨水预测信息。
本发明实施例中，通过自动根据雨水中心的变换完成对于总体降水状态的评估，更加直观。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (7)
1.一种无缝隙精细化降水预报方法，其特征在于，该方法包括：
获取初始采集数据并处理生成为单部雷达初始数据；
根据所述单部雷达初始数据进行自动分析，生成为中间降水图；
根据所述中间降水图进行自动的中心移动速度和中心移动角度计算；
获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置；
统计中心数量和面积，输出总体状态；
进行短临降水预报，生成未来3小时内多段的降雨预测；
其中，所述根据所述中间降水图进行自动的中心移动速度和中心移动角度计算，具体包括：
对所述中间降水图进行灰度化处理，生成灰度图；
以固定的地理位置为坐标原点，生成目标坐标系；
对所述灰度图进行网格化处理，生成灰度坐标点矩阵；
获得所有大于预设灰度的坐标点，并进行连通性分析，将每个连通区域由上到下、由左到右依次标记Ni个采集区块；
利用第一计算公式获得连通区域横坐标中心；
利用第二计算公式获得连通区域纵坐标中心；
利用第三计算公式计算所述中心移动速度；
利用第四计算公式计算所述中心移动角度；
所述第一计算公式为：
其中，Ai为第i次采集连通区域横坐标中心，Ni为所述第i次采集连通区域中的采集区块数量，xki为所述第i次采集连通区域第k个采集区块的横坐标；
所述第二计算公式为：
其中，Bi为所述第i次采集连通区域纵坐标中心，yki为所述第i次采集连通区域中的第k个采集区块纵坐标；
所述第三计算公式为：
其中，V为所述中心移动速度，t1为当前时刻时间记录，t0为初始时刻，xti为所述第i次采集连通区域的初始时刻横坐标，yti为所述第i次采集连通区域的初始时刻纵坐标；
所述第四计算公式为：
θ＝arctan[(Bi-yti)/(Ai-xti)]
其中，θ为所述中心移动角度；
其中，所述获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置，具体包括：
获得所述中心移动速度和所述中心移动角度；
利用第五计算公式进行连通区域横坐标预测值；
利用第六计算公式进行连通区域纵坐标预测值；
所述第五计算公式为：
Xi＝tan(θ)VT+k1Ai+C1
其中，k1为第一系数，C1为第一常数，Xi为所述第i次采集连通区域横坐标预测值，T为采样间隔；
所述第六计算公式为：
Yi＝tan(90-θ)VT+k2Bi+C2
其中，k2为第二系数，C2为第二常数，Yi为所述第i次采集连通区域纵坐标预测值；
其中，所述统计中心数量和面积，输出总体状态，具体包括：
统计所述中心数量，当所述中心数量不变时，面积增加则为扩散状态；
当所述中心数量增加时，同时面积增加则为扩散状态；
当所述中心数量增加时，同时面积减少则为散化状态；
当所述中心数量减少时，同时面积减少则为集中状态；
将收集获得的扩散状态、散化状态和集中状态组成为总体状态。
2.如权利要求1所述的一种无缝隙精细化降水预报方法，其特征在于，所述获取初始采集数据并处理生成为单部雷达初始数据，具体包括：
获得回波强度、竖直结构、水平结构和水平纹理，组成第一数据；
对所述第一数据进行插值和平滑处理；
进行单部雷达质量控制，完成地物遮挡补偿，组成第二数据；
对所述第二数据滤除同步干扰杂波，并剔除非降水回波，生成所述单部雷达初始数据。
3.如权利要求2所述的一种无缝隙精细化降水预报方法，其特征在于，所述根据所述单部雷达初始数据进行自动分析，生成为中间降水图，具体包括：
根据所述单部雷达初始数据进行自动分析，生成为所述中间降水图
对所述单部雷达初始数据进行水平和垂直插值，生成第一中间拼图；
对所述第一中间拼图进行雷达同步分析，生成反射率因子、组合反射率因子、垂直积累含水量、累计降水量；
对所述第一中间拼图进行统计回归分析，生成第二中间拼图；
对所述第二中间拼图进行雨量计降水分析，生成10分钟定量估算降水量、1小时累积降水量、逐日累积降水量，生成为所述中间降水图。
4.如权利要求1所述的一种无缝隙精细化降水预报方法，其特征在于，所述进行短临降水预报，生成未来3小时内多段的降雨预测，具体包括：
进行短临降水预报，生成10分钟降水预报和1小时降水预报；
设置降水模式和降水雷达外推，生成2-12小时1逐小时降水预报；
进行频率匹配和权重系数设置，生成12-24小时3逐小时降水预报。
5.一种无缝隙精细化降水预报系统，其特征在于，该系统包括：
雷达提取模块，用于获取初始采集数据并处理生成为单部雷达初始数据；
降水图提取模块，用于根据所述单部雷达初始数据进行自动分析，生成为中间降水图；
第一计算模块，用于根据所述中间降水图进行自动的中心移动速度和中心移动角度计算；
第二计算模块，用于获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置；
状态提取模块，用于统计中心数量和面积，输出总体状态；
短期预测模块，用于进行短临降水预报，生成未来3小时内多段的降雨预测；
其中，所述根据所述中间降水图进行自动的中心移动速度和中心移动角度计算，具体包括：
对所述中间降水图进行灰度化处理，生成灰度图；
以固定的地理位置为坐标原点，生成目标坐标系；
对所述灰度图进行网格化处理，生成灰度坐标点矩阵；
获得所有大于预设灰度的坐标点，并进行连通性分析，将每个连通区域由上到下、由左到右依次标记Ni个采集区块；
利用第一计算公式获得连通区域横坐标中心；
利用第二计算公式获得连通区域纵坐标中心；
利用第三计算公式计算所述中心移动速度；
利用第四计算公式计算所述中心移动角度；
所述第一计算公式为：
其中，Ai为第i次采集连通区域横坐标中心，Ni为所述第i次采集连通区域中的采集区块数量，xki为所述第i次采集连通区域第k个采集区块的横坐标；
所述第二计算公式为：
其中，Bi为所述第i次采集连通区域纵坐标中心，yki为所述第i次采集连通区域中的第k个采集区块纵坐标；
所述第三计算公式为：
其中，V为所述中心移动速度，t1为当前时刻时间记录，t0为初始时刻，xti为所述第i次采集连通区域的初始时刻横坐标，yti为所述第i次采集连通区域的初始时刻纵坐标；
所述第四计算公式为：
θ＝arctan[(Bi-yti)/(Ai-xti)]
其中，θ为所述中心移动角度；
其中，所述获得所述中心移动速度和所述中心移动角度，预测未来一段时间的中心位置，具体包括：
获得所述中心移动速度和所述中心移动角度；
利用第五计算公式进行连通区域横坐标预测值；
利用第六计算公式进行连通区域纵坐标预测值；
所述第五计算公式为：
Xi＝tan(θ)VT+k1Ai+C1
其中，k1为第一系数，C1为第一常数，Xi为所述第i次采集连通区域横坐标预测值，T为采样间隔；
所述第六计算公式为：
Yi＝tan(90-θ)VT+k2Bi+C2
其中，k2为第二系数，C2为第二常数，Yi为所述第i次采集连通区域纵坐标预测值；
其中，所述统计中心数量和面积，输出总体状态，具体包括：
统计所述中心数量，当所述中心数量不变时，面积增加则为扩散状态；
当所述中心数量增加时，同时面积增加则为扩散状态；
当所述中心数量增加时，同时面积减少则为散化状态；
当所述中心数量减少时，同时面积减少则为集中状态；
将收集获得的扩散状态、散化状态和集中状态组成为总体状态。
6.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-4中任一项所述的方法。
7.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210140968.9A CN114488352B (zh) | 2022-02-16 | 2022-02-16 | 一种无缝隙精细化降水预报方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210140968.9A CN114488352B (zh) | 2022-02-16 | 2022-02-16 | 一种无缝隙精细化降水预报方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114488352A CN114488352A (zh) | 2022-05-13 |
| CN114488352B true CN114488352B (zh) | 2022-11-15 |
Family
ID=81479610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210140968.9A Active CN114488352B (zh) | 2022-02-16 | 2022-02-16 | 一种无缝隙精细化降水预报方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114488352B (zh) |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| MY118014A (en) * | 1996-12-13 | 2004-08-30 | Nippon Telegraph & Telephone | Method and equipment for weather image prediction |
| JP3458940B2 (ja) * | 1996-12-13 | 2003-10-20 | 日本電信電話株式会社 | 気象画像予測方法、装置および気象画像予測プログラムを記録した記録媒体 |
| JP3377075B2 (ja) * | 1997-02-13 | 2003-02-17 | 日本電信電話株式会社 | ２次元降水量予測装置 |
| EP1602941B1 (en) * | 1996-12-26 | 2010-11-03 | Nippon Telegraph And Telephone Corporation | Meteorological radar precipitation pattern prediction method and apparatus |
| JPH1114760A (ja) * | 1997-04-30 | 1999-01-22 | Nippon Telegr & Teleph Corp <Ntt> | 気象画像予測方法、装置および気象画像予測プログラムを記録した記録媒体 |
| JP6178121B2 (ja) * | 2013-06-04 | 2017-08-09 | 株式会社東芝 | 模擬降雨データ生成装置、生成方法およびプログラム |
| KR102128156B1 (ko) * | 2018-01-25 | 2020-07-09 | 광운대학교 산학협력단 | Polar format 프로세싱에 의한 바이스태틱 지대공 레이더 환경에서의 이동 표적 탐지 장치 및 방법 |
| CN108828691B (zh) * | 2018-04-18 | 2021-06-22 | 青岛心中有数科技有限公司 | 短临降水预报方法与装置 |
| CN109116358B (zh) * | 2018-08-09 | 2022-11-22 | 成都信息工程大学 | 基于新一代天气雷达的冰雹识别及落区预报方法 |
| CN111090130B (zh) * | 2020-02-12 | 2021-07-23 | 江苏省气象科学研究所 | 一种基于最小泛函获取边界条件的雷达-雨量计联合估测降水的改进算法 |
| CN111538013A (zh) * | 2020-05-12 | 2020-08-14 | 上海眼控科技股份有限公司 | 雷达回波外推方法、装置、计算机设备和存储介质 |
| CN113640803B (zh) * | 2021-09-01 | 2022-07-22 | 江西师范大学 | 一种基于回波强度和回波顶高外推的短时定量降水预报方法 |
-
2022
- 2022-02-16 CN CN202210140968.9A patent/CN114488352B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114488352A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112735094B (zh) | 基于机器学习的地质灾害预测方法、装置和电子设备 | |
| CN111623722A (zh) | 一种基于多传感器的边坡变形立体监测系统和方法 | |
| CN108416468B (zh) | 一种洪水超前预警预报方法 | |
| CN101718775A (zh) | 围垦地土壤中重金属含量的空间变异分布图生成方法 | |
| CN107895014B (zh) | 一种基于MapReduce框架的时间序列桥梁监测数据分析方法 | |
| CN102004856A (zh) | 高频观测资料实时数据的快速集合卡曼滤波同化方法 | |
| CN104424812A (zh) | 一种公交到站时间预测系统和方法 | |
| CN108388957A (zh) | 一种基于多特征融合技术的中小河流洪水预报方法及其预报系统 | |
| CN110853347A (zh) | 一种短时交通路况预测方法、装置及终端设备 | |
| CN116595394A (zh) | 风速修正模型的训练方法及风速预测方法、设备和介质 | |
| CN116167585A (zh) | 应用于垃圾运收的数据处理方法、装置、设备及调度系统 | |
| CN108984304A (zh) | 基于回归方程的服务器扩容计算方法及装置 | |
| CN114488352B (zh) | 一种无缝隙精细化降水预报方法及系统 | |
| CN109299521A (zh) | 径流总量控制率的确定方法及装置 | |
| CN112016744A (zh) | 一种基于土壤水分的森林火灾预测方法、装置及存储介质 | |
| CN116151482B (zh) | 一种露天矿区的开采土方量预测方法、装置、设备及介质 | |
| CN100532745C (zh) | 雨水排水支持控制装置 | |
| CN112651338A (zh) | 一种输电线路违章施工隐患的判别方法及装置 | |
| CN110164127B (zh) | 一种车流量预测的方法、装置及服务器 | |
| CN112531679A (zh) | 一种测负荷特征大数据监测设备及监测方法 | |
| Pape et al. | Multivariate analysis of nonlinearity in sandbar behavior | |
| CN111754050A (zh) | 配送对象配送画像的预测方法及装置 | |
| CN111310960A (zh) | 一种能源消耗预测方法及装置 | |
| Portilla | Buoy data assimilation in nearshore wave modeling | |
| CN111368257A (zh) | 煤改电负荷特性的分析预测方法及装置 |
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 |