CN115047544B - 一种覆冰预警方法及系统 - Google Patents

Abstract

本申请实施例公开了一种覆冰预警方法及系统，属于天气预警技术领域，其中，所述方法包括：获取目标区域在目标时期对应的数值预报产品，获取目标区域的微地形数据，基于数值预报产品及微地形数据，确定目标区域的气象要素预报数据，确定目标区域对应的不同等级的气象要素阈值，基于气象要素预报数据及不同等级的气象要素阈值，确定目标区域在目标时期对应的预警等级，具有较为准确地确定区域的覆冰风险，及时提供预警信息的优点。

Description

一种覆冰预警方法及系统

技术领域

本发明主要涉及天气预警技术领域，具体地说，涉及一种覆冰预警方法及系统。

背景技术

高压输电线路覆冰灾害的决定性因素为温度，要求温度必须在0℃以下，空气湿度达85%以上。同时，线路覆冰的形成与海拔高度有关，对于同一地域，海拔高度越高，越易发生覆冰灾害。典型地形，如山顶、山脊、山坳、迎风坡、背风坡、湖泊、风口等，会使水汽更容易聚集在绝缘子串上，从而形成较厚的覆冰。由此可见，微地形对局地气象要素影响也较为显著，可以影响水汽、气温变化等方面。因此，覆冰与局地微地形也有较为密切的联系。目前，电网覆冰季节期间，运维单位通常采取人工观冰的方式进行观测和预警，但是易覆冰线路区段普遍都在山区，地形复杂，气候恶劣，交通恶劣，无人机不适合在天气条件恶劣情况下工作，到达观冰点普遍需要2-4小时以上，偏远地区至多只能保证每天观冰一次，且覆盖大多发生在夜间，运维单位将耗费大量人力、物力、财力进行巡线观冰。

因此，需要提供一种覆冰预警方法及系统，用于较为准确地确定区域的覆冰风险，及时提供预警信息。

发明内容

为了解决现有技术中，主要通过人力进行覆冰预警，效率低、准确率低且成本较大等问题，本说明书实施例之一提供一种覆冰预警方法，包括：获取目标区域在目标时期对应的数值预报产品；获取所述目标区域的微地形数据；基于所述数值预报产品及所述微地形数据，确定所述目标区域的气象要素预报数据；确定所述目标区域对应的不同等级的气象要素阈值；基于所述气象要素预报数据及所述不同等级的气象要素阈值，确定所述目标区域在目标时期对应的预警等级。

可以理解的，通过基于数值预报产品及微地形数据，可以确定较为准确的目标区域的气象要素预报数据，基于气象要素预报数据及不同等级的气象要素阈值，可以较为快速地确定目标区域在目标时期对应的预警等级，无需依靠人力，预警更为及时且成本较低。

在一些实施例中，所述基于所述数值预报产品及所述微地形数据，确定所述目标区域的气象要素预报数据，包括：获取所述目标区域的历史观测资料及历史数值预报产品；基于所述历史观测资料及所述历史数值预报产品，对所述目标区域在目标时期对应的数值预报产品进行修正，获取修正后数值预报产品。

可以理解的，基于历史观测资料及历史数值预报产品，对目标区域在目标时期对应的数值预报产品进行修正，使得后续用于确定预警等级的数据更加准确，进而使得确定的目标区域在目标时期对应的预警等级更加准确。

在一些实施例中，所述基于所述数值预报产品及所述微地形数据，确定所述目标区域的气象要素预报数据，包括：基于所述微地形数据对所述修正后数值预报产品进行二次修正，确定所述目标区域的气象要素预报数据。

可以理解的，目标区域的地形对目标区域的覆冰的生成存在影响，基于微地形数据对修正后数值预报产品进行二次修正，使得后续用于确定预警等级的数据更加准确，进而使得确定的目标区域在目标时期对应的预警等级更加准确。

在一些实施例中，所述基于所述微地形数据对所述修正后数值预报产品进行二次修正，确定所述目标区域的气象要素预报数据，包括：通过多元非线性回归模型基于所述微地形数据对所述修正后数值预报产品进行二次修正，确定所述目标区域的气象要素预报数据，其中，所述多元非线性回归模型的因变量包括气象要素，所述多元非线性回归模型的自变量包括所述微地形数据中的地理因子。

在一些实施例中，所述确定所述目标区域对应的不同等级的气象要素阈值，包括：通过极值分布函数基于历史观测数据确定所述目标区域对应的不同等级的气象要素阈值。

可以理解的，通过极值分布函数基于历史观测数据可以快速且准确地确定所述目标区域对应的不同等级的气象要素阈值。

在一些实施例中，所述极值分布函数包括耿贝尔分布函数和/或韦布尔分布函数。

在一些实施例中，所述基于所述气象要素预报数据及所述不同等级的气象要素阈值，确定所述目标区域在目标时期对应的预警等级，包括：基于所述气象要素预报数据确定与所述气象要素预报数据对应的气象要素阈值；基于所述气象要素阈值对应的等级，确定所述目标区域的预警等级。

可以理解的，通过将气象要素预报数据确定与各个等级的气象要素预报数据对应的气象要素阈值进行比对，可以快速确定目标区域的预警等级。

在一些实施例中，所述方法还包括：获取所述目标区域在目标时期的前期形势；基于所述前期形势确定所述目标区域的预警等级。

可以理解的，由于覆冰往往孕育在前期水汽积累的环境下，前期降水、周边水源可能为覆冰构造充沛的水汽补给，因此，基于前期形势，可以使得确定的目标区域的预警等级更加准确。

在一些实施例中，所述获取所述目标区域在目标时期的前期形势，包括：获取所述目标区域在所述目标时期的前期的观测资料；基于所述观测资料确定所述目标区域的前期形势。

本说明书实施例之一提供一种覆冰预警系统，包括；数据获取模块，用于获取目标区域在目标时期对应的数值预报产品，还用于获取所述目标区域的微地形数据；要素确定模块，用于基于所述数值预报产品及所述微地形数据，确定所述目标区域的气象要素预报数据；阈值确定模块，用于确定所述目标区域对应的不同等级的气象要素阈值；预警确定模块，用于基于所述气象要素预报数据及所述不同等级的气象要素阈值，确定所述目标区域的预警等级。

本说明书实施例提供一种覆冰预警方法及系统，至少具备以下有益效果：

1、通过基于历史观测资料及历史数值预报产品，对目标区域在目标时期对应的数值预报产品进行修正，使得后续用于确定预警等级的数据更加准确，进而使得确定的目标区域在目标时期对应的预警等级更加准确，并且，基于微地形数据对修正后数值预报产品进行二次修正，使得后续用于确定预警等级的数据更加准确，进而使得确定的目标区域在目标时期对应的预警等级更加准确，基于气象要素预报数据及不同等级的气象要素阈值，可以较为快速地确定目标区域在目标时期对应的预警等级，无需依靠人力，预警更为及时且成本较低；

2、由于覆冰往往孕育在前期水汽积累的环境下，前期降水、周边水源可能为覆冰构造充沛的水汽补给，因此，基于前期形势，可以使得确定的目标区域的预警等级更加准确。

附图说明

本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本申请一些实施例所示的一种覆冰预警系统的应用场景示意图；

图2是根据本申请一些实施例所示的一种覆冰预警系统的示例性框图；

图3是根据本申请一些实施例所示的一种覆冰预警方法的示例性流程图；

图4是根据本申请一些实施例所示的基于数值预报产品及微地形数据确定目标区域的气象要素预报数据的示例性流程图。

图中，110、处理设备；120、网络；130、用户终端；140、存储设备。

具体实施方式

为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。应当理解，给出这些示例性的实施例仅仅是为了使相关领域的技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本申请和权利要求书中所示，除非上下文明确提示例外情形， “一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

虽然本申请对根据本申请的实施例的系统中的某些模块或单元做出了各种引用，然而，任何数量的不同模块或单元可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本申请一些实施例所示的一种覆冰预警系统的应用场景示意图。

如图1所示，应用场景可以包括处理设备110、网络120、用户终端130和存储设备140。

在一些实施例中，处理设备110可以用于处理与覆冰预警相关的信息和/或数据。例如，处理设备110可以获取目标区域在目标时期对应的数值预报产品及目标区域的微地形数据，基于数值预报产品及微地形数据，确定目标区域的气象要素预报数据，确定目标区域对应的不同等级的气象要素阈值，基于气象要素预报数据及不同等级的气象要素阈值，确定目标区域的预警等级。处理设备110更多的描述可以参见本申请其他部分的描述。例如，图2、3及其描述。

在一些实施例中，处理设备110可以是区域的或者远程的。例如，处理设备110可以通过网络120访问存储于用户终端130和存储设备140中的信息和/或资料。在一些实施例中，处理设备110可以直接与用户终端130和存储设备140连接以访问存储于其中的信息和/或资料。在一些实施例中，处理设备110可以在云平台上执行。例如，该云平台可以包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。

在一些实施例中，处理设备110可以包含处理器，处理器可以包含一个或多个子处理器（例如，单芯处理设备或多核多芯处理设备）。仅仅作为范例，处理器可包含中央处理器（CPU）、专用集成电路（ASIC）、专用指令处理器（ASIP）、图形处理器（GPU）、物理处理器（PPU）、数字信号处理器（DSP）、现场可编程门阵列（FPGA）、可编辑逻辑电路（PLD）、控制器、微控制器单元、精简指令集电脑（RISC）、微处理器等或以上任意组合。

网络120可促进应用场景中数据和/或信息的交换。在一些实施例中，应用场景中的一个或多个组件（例如，处理设备110、用户终端130和存储设备140）可以通过网络120发送数据和/或信息给应用场景中的其他组件。例如，存储设备140存储的目标区域在目标时期对应的数值预报产品可以通过网络120传输至处理设备110。又例如，处理设备110可以通过网络120将确定的目标区域在目标时期对应的预警等级传输至用户终端130。在一些实施例中，网络120可以是任意类型的有线或无线网络。例如，网络120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络（LAN）、广域网络（WAN）、无线区域网络（WLAN）、都会区域网络（MAN）、公共电话交换网络（PSTN）、蓝牙网络、ZigBee网络、近场通讯（NFC）网络等或以上任意组合。

在一些实施例中，用户终端130可以包括移动装置、平板电脑、笔记本电脑等中的一种或其任意组合。

在一些实施例中，存储设备140可以与网络120连接以实现与应用场景的一个或多个组件（例如，处理设备110、用户终端130等）通讯。应用场景的一个或多个组件可以通过网络120访问存储于存储设备140中的资料或指令。在一些实施例中，存储设备140可以直接与应用场景中的一个或多个组件（如，处理设备110、用户终端130）连接或通讯。在一些实施例中，存储设备140可以是处理设备110的一部分。

应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。可以以各种方式组合本申请描述的示例性的实施例的特征、结构、方法和其他特征，以获得另外的和/或替代的示例性的实施例。例如，存储设备140可以是包括云计算平台的数据存储设备，例如公共云、私有云、社区和混合云等。然而，这些变化与修改不会背离本申请的范围。

图2是根据本申请一些实施例所示的一种覆冰预警系统的示例性框图。

如图2所示，一种覆冰预警系统可以包括数据获取模块、要素确定模块、阈值确定模块及预警确定模块。

数据获取模块可以用于获取目标区域在目标时期对应的数值预报产品，还可以用于获取目标区域的微地形数据。

要素确定模块可以用于基于数值预报产品及微地形数据，确定目标区域的气象要素预报数据。

阈值确定模块可以用于确定目标区域对应的不同等级的气象要素阈值。

预警确定模块可以用于基于气象要素预报数据及不同等级的气象要素阈值，确定目标区域的预警等级。

关于数据获取模块、要素确定模块、阈值确定模块及预警确定模块的更多描述可以参见图3及其相关描述，此处不再赘述。

图3是根据本申请一些实施例所示的一种覆冰预警方法的示例性流程图。如图3所示，一种覆冰预警方法包括下述步骤。在一些实施例中，一种覆冰预警方法可以被实现在处理设备110或覆冰预警系统上。

步骤310，获取目标区域在目标时期对应的数值预报产品。在一些实施例中，步骤310可以由数据获取模块执行。

目标时期可以是未来的某个时间段。

数值天气预报（numerical weather prediction）是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。数据获取模块可以从GRAPES（Global-Regional Assimilation and Prediction System，全球区域同化预报系统）、ECMWF（European Centre for Medium-Range Weather Forecasts，欧洲中期天气预报中心）等获取数值预报产品。在一些实施例中，数值预报产品还可以为WRF（TheWeather Research and Forecasting Model）中尺度模式。数据获取模块获取的数值预报产品可以包括目标区域在目标时期的气温、湿度、风速、降水等。

步骤320，获取目标区域的微地形数据。在一些实施例中，步骤310可以由数据获取模块执行。

在一些实施例中，微地形数据可以包括目标区域的海拔高度、坡向、坡度等。

在一些实施例中，数据获取模块可以从处理设备110、用户终端130和/或存储设备140获取目标区域的微地形数据。

步骤330，基于数值预报产品及微地形数据，确定目标区域的气象要素预报数据。在一些实施例中，步骤310可以由要素确定模块执行。

图4是根据本申请一些实施例所示的基于数值预报产品及微地形数据确定目标区域的气象要素预报数据的示例性流程图，如图4所示，在一些实施例中，要素确定模块可以获取目标区域的历史观测资料及历史数值预报产品，基于历史观测资料及历史数值预报产品，对目标区域在目标时期对应的数值预报产品进行修正，获取修正后数值预报产品。

在一些实施例中，要素确定模块可以采用多个时期的历史观测资料与对应的历史数值预报产品进行统计分析，建立两者的统计关系，然后选取目标时期的前一周期的观测资料与对应的数值预报产品进行对比分析，判断前一周期的数值预报产品的稳定性，进行误差分析，再结合统计关系和前一周期的数值预报产品的误差分析，对目标区域在目标时期对应的数值预报产品进行修正，获取修正后数值预报产品。

如图4所示，在一些实施例中，要素确定模块可以基于微地形数据对修正后数值预报产品进行二次修正，确定目标区域的气象要素预报数据。

在一些实施例中，通过多元非线性回归模型基于微地形数据对修正后数值预报产品进行二次修正，确定目标区域的气象要素预报数据。其中，多元非线性回归模型的因变量包括气象要素，多元非线性回归模型的自变量包括微地形数据中的地理因子。多元非线性回归模型可以表达为以下公式：

；

其中，Z为气象要素，

、

、

、

、

、

及

为系数，

为海拔高度，A为坡 向，B为坡度。

在一些实施例中，对于每一种气象要素（例如，气温、湿度、风速、降水等），要素确定模块可以建立对应的多元非线性回归模型，即多元非线性回归模型的因变量为一个。

步骤340，确定目标区域对应的不同等级的气象要素阈值。在一些实施例中，步骤310可以由阈值确定模块执行。

在一些实施例中，阈值确定模块可以通过极值分布函数基于历史观测数据确定目标区域对应的不同等级的气象要素阈值。其中，极值分布是指在概率论中极大值（或者极小值）的概率分布，从很多个彼此独立的值中挑出来的各个极大值应当服从的概率密度分布数f(x)。

在一些实施例中，极值分布函数包括耿贝尔分布函数和/或韦布尔分布函数。在一些实施例中，阈值确定模块可以根据耿贝尔分布函数和布尔分布函数在目标区域的适用性，选择耿贝尔分布函数或韦布尔分布函数用于确定目标区域对应的不同等级的气象要素阈值。

在一些实施例中，不同等级的气象要素阈值可以对应不同重现期的气象要素阈值，例如，10年一遇对应的气象要素阈值、30年一遇对应的气象要素阈值、50年一遇对应的气象要素阈值。其中，气象要素阈值可以包括气温阈值、湿度阈值、风速阈值、降水阈值等。

步骤350，基于气象要素预报数据及不同等级的气象要素阈值，确定目标区域在目标时期对应的预警等级。在一些实施例中，步骤310可以由预警确定模块执行。

在一些实施例中，预警确定模块可以基于气象要素预报数据确定与气象要素预报数据对应的气象要素阈值，基于气象要素阈值对应的等级，确定目标区域的预警等级。

仅作为示例地，若目标区域在目标时期对应的气象要素预报数据大于10年一遇对应的气象要素阈值且小于30年一遇对应的气象要素阈值，则目标区域在目标时期对应的预警等级为10年一遇，处理设备110可以向用户终端130发布蓝色预警。又示例地，若目标区域在目标时期对应的气象要素预报数据大于30年一遇对应的气象要素阈值且小于50年一遇对应的气象要素阈值，则目标区域在目标时期对应的预警等级为30年一遇，处理设备110可以向用户终端130发布橙色预警。

在一些实施例中，一种覆冰预警方法还包括步骤350，获取目标区域在目标时期的前期形势，基于前期形势确定目标区域的预警等级。在一些实施例中，步骤350可以由预警确定模块执行。

可以理解的，由于覆冰往往孕育在前期水汽积累的环境下，前期降水、周边水源可能为覆冰构造充沛的水汽补给，因此，预警确定模块可以基于前期形势（例如，高空和地面的天气环流背景、天气系统演变及热力动力条件等）确定目标区域的预警等级，以确定更加准确的目标区域的预警等级。

在一些实施例中，预警确定模块可以获取目标区域在目标时期的前期的观测资料，基于观测资料确定目标区域的前期形势。在一些实施例中，预警确定模块可以先分析目标区域在目标时期的前期对应的500hPa、700hPa、850hPa、地面的天气形势和天气系统，然后分析各层天气系统的演变情况，尤其是地面冷高压系统的演变发，同时分析相对湿度、850hPa温度、垂直速度、0摄氏度层高度等物理指数，最后综合分析得到覆冰预警的前期形势。

仅作为示例地，若目标区域在目标时期对应的气象要素预报数据大于30年一遇对应的气象要素阈值，且根据目标区域在目标时期的前期形势，判断目标区域在目标时期的前期水汽积累大于预设阈值，则判断目标区域在目标时期对应的预警等级为30年一遇。

在本申请的另一些实施例中，提供了一种覆冰预警装置，包括至少一个处理设备以及至少一个存储设备；至少一个存储设备用于存储计算机指令，至少一个处理设备用于执行计算机指令中的至少部分指令以实现如上的一种覆冰预警方法。

在本申请的又一些实施例中，提供了一种计算机可读存储介质，存储介质存储计算机指令，当计算机指令被处理设备执行时实现如上的覆冰预警方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件（包括固件、常驻软件、微码等）执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网（LAN）或广域网（WAN），或连接至外部计算机（例如通过因特网），或在云计算环境中，或作为服务使用如软件即服务（SaaS）。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (6)

1.一种覆冰预警方法，其特征在于，包括：

获取目标区域在目标时期对应的数值预报产品，其中，所述数值预报产品为WRF中尺度模式预报产品；

获取所述目标区域的微地形数据；

基于所述数值预报产品及所述微地形数据，确定所述目标区域的气象要素预报数据；

确定所述目标区域对应的不同等级的气象要素阈值；

基于所述气象要素预报数据、所述不同等级的气象要素阈值及目标区域在目标时期的前期形势，确定所述目标区域在目标时期对应的预警等级，其中，获取所述目标区域在目标时期的前期形势包括：先分析目标区域在目标时期的前期对应的500hPa等压面的天气形势和天气系统、700hPa等压面的天气形势和天气系统、850hPa等压面的天气形势和天气系统、地面的天气形势和天气系统，然后分析各层天气系统的演变情况，同时分析相对湿度、850hPa温度、垂直速度、0摄氏度层高度，最后综合分析得到所述前期形势；

其中，所述基于所述数值预报产品及所述微地形数据，确定所述目标区域的气象要素预报数据，包括：

获取所述目标区域的历史观测资料及历史数值预报产品；

基于所述历史观测资料及所述历史数值预报产品，对所述目标区域在目标时期对应的数值预报产品进行修正，获取修正后数值预报产品；

通过多元非线性回归模型基于所述微地形数据对所述修正后数值预报产品进行二次修正，确定所述目标区域的气象要素预报数据，其中，所述多元非线性回归模型的因变量包括气象要素，所述多元非线性回归模型的自变量包括所述微地形数据中的地理因子，其中，所述多元非线性回归模型的因变量包括气象要素，所述多元非线性回归模型的自变量包括微地形数据中的地理因子，多元非线性回归模型可以表达为以下公式：

；

其中，Z为气象要素，

、

、

、

、

、

及

为系数，

为海拔高度，A为坡向，B为坡度；

其中，所述基于所述历史观测资料及所述历史数值预报产品，对所述目标区域在目标时期对应的数值预报产品进行修正，获取修正后数值预报产品，包括：

采用多个时期的历史观测资料与对应的历史数值预报产品进行统计分析，建立两者的统计关系，然后选取目标时期的前一周期的观测资料与对应的数值预报产品进行对比分析，判断前一周期的数值预报产品的稳定性，进行误差分析，再结合统计关系和前一周期的数值预报产品的误差分析，对目标区域在目标时期对应的数值预报产品进行修正，获取所述修正后数值预报产品。

2.根据权利要求1所述的一种覆冰预警方法，其特征在于，所述确定所述目标区域对应的不同等级的气象要素阈值，包括：

通过极值分布函数基于历史观测数据确定所述目标区域对应的不同等级的气象要素阈值。

3.根据权利要求2所述的一种覆冰预警方法，其特征在于，所述极值分布函数包括耿贝尔分布函数或韦布尔分布函数。

4.根据权利要求1-3任意一项所述的一种覆冰预警方法，其特征在于，所述基于所述气象要素预报数据及所述不同等级的气象要素阈值，确定所述目标区域在目标时期对应的预警等级，包括：

基于所述气象要素预报数据确定与所述气象要素预报数据对应的气象要素阈值；

基于所述气象要素阈值对应的等级，确定所述目标区域的预警等级。

5.根据权利要求4所述的一种覆冰预警方法，其特征在于，还包括：

获取所述目标区域在目标时期的前期形势；

基于所述前期形势确定所述目标区域的预警等级。

6.一种覆冰预警系统，其特征在于，包括：

数据获取模块，用于获取目标区域在目标时期对应的数值预报产品，其中，所述数值预报产品为WRF中尺度模式预报产品，还用于获取所述目标区域的微地形数据；

要素确定模块，用于基于所述数值预报产品及所述微地形数据，确定所述目标区域的气象要素预报数据；

阈值确定模块，用于确定所述目标区域对应的不同等级的气象要素阈值；

预警确定模块，用于基于所述气象要素预报数据、所述不同等级的气象要素阈值及目标区域在目标时期的前期形势，确定所述目标区域的预警等级，其中，获取所述目标区域在目标时期的前期形势包括：先分析目标区域在目标时期的前期对应的500hPa等压面的天气形势和天气系统、700hPa等压面的天气形势和天气系统、850hPa等压面的天气形势和天气系统、地面的天气形势和天气系统，然后分析各层天气系统的演变情况，同时分析相对湿度、850hPa温度、垂直速度、0摄氏度层高度，最后综合分析得到所述前期形势；

所述要素确定模块还用于：

获取所述目标区域的历史观测资料及历史数值预报产品；

基于所述历史观测资料及所述历史数值预报产品，对所述目标区域在目标时期对应的数值预报产品进行修正，获取修正后数值预报产品；

通过多元非线性回归模型基于所述微地形数据对所述修正后数值预报产品进行二次修正，确定所述目标区域的气象要素预报数据，其中，所述多元非线性回归模型的因变量包括气象要素，所述多元非线性回归模型的自变量包括所述微地形数据中的地理因子，其中，所述多元非线性回归模型的因变量包括气象要素，所述多元非线性回归模型的自变量包括微地形数据中的地理因子，多元非线性回归模型可以表达为以下公式：

；

其中，Z为气象要素，

、

、

、

、

、

及

为系数，

为海拔高度，A为坡向，B为坡度；

其中，所述基于所述历史观测资料及所述历史数值预报产品，对所述目标区域在目标时期对应的数值预报产品进行修正，获取修正后数值预报产品，包括：

采用多个时期的历史观测资料与对应的历史数值预报产品进行统计分析，建立两者的统计关系，然后选取目标时期的前一周期的观测资料与对应的数值预报产品进行对比分析，判断前一周期的数值预报产品的稳定性，进行误差分析，再结合统计关系和前一周期的数值预报产品的误差分析，对目标区域在目标时期对应的数值预报产品进行修正，获取所述修正后数值预报产品。

Images