CN115687448A - 短临降水预报方法、装置、电子设备及存储介质 - Google Patents
短临降水预报方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115687448A CN115687448A CN202211286267.2A CN202211286267A CN115687448A CN 115687448 A CN115687448 A CN 115687448A CN 202211286267 A CN202211286267 A CN 202211286267A CN 115687448 A CN115687448 A CN 115687448A
- Authority
- CN
- China
- Prior art keywords
- data
- water vapor
- short
- rainfall
- meteorological parameters
- 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
Images
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了短临降水预报方法、装置、电子设备及存储介质,方法包括:获取待处理数据,所述待处理数据包括CORS站的实况观测数据和气象站的历史气象参数;所述历史气象参数为在当前时刻之前的预设时间段内的气象参数;基于所述实况观测数据得到CORS站的天顶对流层延迟;基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,所述大气水汽数据包括大气可降水量以及大气水汽密度;通过预先训练获得的降水预报模型对所述大气水汽数据以及所述历史气象参数进行处理,得到短临降水数据,所述短临降水数据包括是否降水以及降水量。本发明实施例中提高了短临降水预报的准确度。
Description
技术领域
本发明涉及一种大气水汽探测领域,尤其涉及一种短临降水预报方法、装置、电子设备及存储介质。
背景技术
强降水常伴随着雷电、山洪、滑坡、泥石流等自然灾害,极大影响电力、通讯、交通等领域安全生产和作业,严重威胁人民生命和财产安全。当前中国气象局仅公开发布地区未来预定时间段内的累计降水量。但是无法精准的预测出未来预定时间段内的具体降水时间以及降水量。
因此,需要一种短临降水预报方法,以无法精准的预测出具体降水时间以及降水量的问题。
发明内容
本发明实施例提供了一种短临降水预报方法、装置、电子设备及存储介质,解决了上述的技术问题。
第一方面,本发明实施例提供了一种短临降水预报方法,包括:
获取待处理数据,所述待处理数据包括CORS站的实况观测数据和气象站的历史气象参数;所述历史气象参数为在当前时刻之前的预设时间段内的气象参数;
基于所述实况观测数据得到CORS站的天顶对流层延迟;
基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,所述大气水汽数据包括大气可降水量以及大气水汽密度;
通过预先训练获得的降水预报模型对所述大气水汽数据以及所述历史气象参数进行处理,得到短临降水数据,所述短临降水数据包括是否降水以及降水量。
第二方面,本发明实施例还提供了一种短临降水预报系统,系统包括:
数据获取模块,用于获取待处理数据,所述待处理数据包括CORS站的实况观测数据和气象站的历史气象参数;所述历史气象参数为在当前时刻之前的预设时间段内的气象参数;
天顶对流层延迟获取模块,用于基于所述实况观测数据得到CORS站的天顶对流层延迟;
水汽反演模块,用于基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,所述大气水汽数据包括大气可降水量以及大气水汽密度;
短临降水数据获取模块,用于通过预先训练获得的降水预报模型对所述大气水汽数据以及所述历史气象参数进行处理,得到短临降水数据,所述短临降水数据包括是否降水以及降水量。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
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实现如本发明任一所述实施例中的短临降水预报方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明任一所述实施例中的短临降水预报方法。
本发明实施例的技术方案,通过获取CORS站的实况观测数据和气象站的历史气象数据,基于实况观测数据得到CORS站的天顶对流层延迟,基于历史气象参数对天顶对流程延迟进行大气水汽反演,得到大气水汽数据,大气水汽数据包括大气可降水量和大气水汽密度,通过预先训练获取的降水预报模型对大气水汽数据以及历史气象参数进行处理,得到短临降水数据。本发明实施例的技术方案,实现了通过对实况观测数据和气象站的历史气象参数,得到短临降水数据,使得短临时间达到3小时之内,提高了预报的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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获得其他的附图。
其中:
图1为一个实施例中短临降水预报方法的流程示意图;
图2为一个实施例中的大气可降水量的待处理数据中加权平均温度T1在中国区域与地面温度T2、气压P2、水汽压e2和相对湿度RH的相关情况示意图;
图3为一个实施例中的大气可降水量与实际降水量的相关情况示意图;
图4为另一个实施例中的短临降水预报系统的结构示意图;
图5为另一个实施例中的短临降水预报系统的结构示意图;
图6为另一个实施例中的电子设备的结构示意图。
具体实施方式
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,本领域普通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。
在一本发明实施例中,提供了一种短临降水预报方法。如图1所示,为本发明实施例所提供的短临降水预报方法的流程示意图。本发明实施例所提供的短临降水预报方法可适用于对各个区域的短临降水情况进行预报的情况,该方法可以由短临降水预报系统来执行,该系统可以通过软件和/或硬件的形式实现。
如图1所示,本发明实施例所提供的短临降水预报方法包括如下步骤:
S110、获取待处理数据,所述待处理数据包括CORS站的实况观测数据和气象站的历史气象参数。
其中,所述历史气象参数为在当前时刻之前的预设时间段内的气象参数。所述历史气象参数的参数类型包括气温、气压、水汽压、相对湿度、降水量、风速和风向中的至少一项,CORS站观测数据包括观测值文件,用于存放GNSS观测值,比如,伪距观测值,载波相位观测值等,导航电文文件,用于存放GNSS卫星导航电文等当然,也可以包括其他的气象数据文件等。CORS是有卫星定位接收机(含天线)、计算机、气象设备、通讯设备及电源设备、观测墩等构成的观测系统。应当理解,CORS站的实况观测数据为GNSS实况观测数据。GNSS是指全球卫星导航系(Global Navigation Satellite System,GNSS)。
具体的,通过获取待处理数据,为后续分析短临降水预报做准备工作。可选地,本发明实施例中的历史气象参数为当前时刻之前的5个小时内的气象参数。可选地,气象参数可以为每隔一个小时获取一次,每次获取一组气象参数。则当前时刻之前的5个小时的5组气象参数。气象参数可以通过气象站获取。待处理数据可以是针对某个区域的,也可以是针对全国范围内的,这样,经过下述步骤的处理,可以得到某个区域的短临降水预报,也可以得到全国范围内的各个地区的短临降水预报。
可选地,在所述获取待处理数据之前,还包括:根据预设规则对待处理气象参数进行处理,得到与大气降水量相关的待获取气象参数,所述待处理气象参数是指当前时刻之前的预设时间段内的所有的气象参数;所述待处理气象参数是指当前时刻之前的预设时间段内的所有的气象参数;确定待获取气象参数的参数类型;所述待获取气象参数的参数类型包括气温、气压、水汽压、相对湿度、降水量、风速和风向中的至少一项;所述获取待处理数据,包括:获取与所述参数类型对应的历史气象参数。
其中,预设阈值可以是选择0.3,当然,也可以根据实际情况进行设置。与大气降水量相关的待获取气象参数为与大气降水量的相关系数大于预设阈值的待处理气象参数,作为待获取气象参数。
具体的,根据预设规则对待处理气象参数进行处理,得到与大气降水量相关系数大于预设阈值的待获取气象参数。并确定待获取气象参数的参数类型。之后在获取待处理数据时,可以根据参数类型获取历史气象参数。本发明实施例为了从众多的气象参数中,挑选出与大气可降水量(perceptible water vapor,PWV)相关程度高于预设阈值的气象参数,作为待获取气象参数,之后,在进行待处理数据的获取时,可以基于待获取气象参数的参数类型获取历史气象参数。比如,待获取气象参数包括气温、相对湿度两种参数类型的数据,则在获取待处理数据时,获取的历史气象参数包括气温和相对湿度两类的数据。
可选地,预设规则可以是多源气象要素相关性等。当然,也可以是其他的方法。多源气象要素相关性是指大气可降水量与各个气象参数之间的相关度分析。
示例性的,首先对区域大气水汽含量相关因素进行特征分析,通过多源气象要素相关性分析、天气过程分析来得到大气可降水量与气温、气压、水汽压、相对湿度、降水量、风速、风向等之间的相关关系,如图2所示,计算大气可降水对应的气温的加权平均温度T1在中国区域与地面温度T2、气压P2、水汽压e2和相对湿度RH的相关情况。相关系数分别为0.9229、0.3045、0.8152和0.2646,其中T1与T2存在较强的线性关系,T1与RH没有相关性,T1与P2在单站呈现一定的负相关特性,T1与e2具有明显的非线性关系。本发明实施例中,地面温度是指获取的气象参数。如图3所示,为根据上述的待获取气象参数得到的大气可降水量与实际的每小时降水量的相关情况,可以看出计算得的大气可降水量与实际的每小时的降水量相关性较强,说明计算得到大气可降水量较为精准。经实验验证,在本发明实施例中,选取相关性强的气象参数(比如,相关系数绝对值大于0.3)的气象参数作为降水预报的待获取气象参数。本发明实施例通过精密单点定位法PPP反演大气可降水量(PPP PWV)。
S120、基于所述实况观测数据得到CORS站的天顶对流层延迟。
本发明实施例中,通过对实况观测数据进行计算,得到CORS站的天顶对流层延迟。为后续进行短临降水数据的获取做准备工作。S130、基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据。
其中,所述大气水汽数据包括大气可降水量以及大气水汽密度。
本发明实施例中,通过历史气象参数,对天顶对流层延迟进行大气水汽反演,得到大气水汽数据。为后续进行短临降水数据的获取做准备工作。
S140、通过预先训练获得的降水预报模型对所述大气水汽数据以及所述历史气象参数进行处理,得到短临降水数据,所述短临降水数据包括是否降水以及降水量。
其中,降水预报模型可以是卷积神经网络模型进行训练而获得的。可选的,本发明实施例中的短临降水数据可以进行0-3小时内的降水预报。
本发明实施例中,通过预先训练获得的降水预报模型对大气水汽数据和历史气象参数进行处理,得到短临降水数据,具体为,降水预报模型的输入参数为各测站点过去五小时的GNSS PWV、和大气水汽密度和的三维大气水汽产品、气温、气压、水汽压、相对湿度、降水量、风速、风向中的至少一项。之后输出短临降水数据。本发明实施例中的,GNSS PWV是指通过GNSS进行反演得到的大气可降水量,每个小时都会计算一次,得到大气可降水量。
可选地,将不同位置坐标的大气水汽数据以及历史气象参数输入到训练完成的降水预报模型中,通过降水预报模型对这些数据进行处理,得到不同位置坐标处的短临降水数据,实现针对具有特定需求的小范围地区精细化短临降水预报。
本发明实施例的技术方案,通过获取CORS站的实况观测数据和气象站的历史气象数据,基于实况观测数据得到CORS站的天顶对流层延迟,基于历史气象参数对天顶对流程延迟进行大气水汽反演,得到大气水汽数据,大气水汽数据包括大气可降水量和大气水汽密度,通过预先训练获取的降水预报模型对大气水汽数据以及历史气象参数进行处理,得到短临降水数据。本发明实施例的技术方案,实现了通过对实况观测数据和气象站的历史气象参数,得到短临降水数据,使得短临时间达到3小时之内,提高了预报的准确度。
在另一本发明实施例中,对于降水预报模型的训练,输入数据为各气象站过去五小时的基于GNSS反演得到的包括大气可降水量和大气水汽密度组成的三维大气水汽产品,也即大气水汽数据,还包括气温、气压、水汽压、相对湿度、降水量、风速、风向等。其中,GNSS每隔一个小时反演一次,得到一组大气水汽数据。气象站同样是每隔一个小时获取一组气象数据,这样,每组气象数据和每组大气水汽数据可以根据时间关系,得到每个小时的气象数据和大气水汽数据。便于降水预报模型的训练。训练数据的准确度,也可以提高降水预报模型训练的准确度。气象数据是指与大气可降水量相关系数大于预设阈值的至少一项数据。输出数据为对应CORS站位置处0~3小时时间分辨率的短临降水数据,短临降水数据包括是否降水、降水量等,当然,也可以包括降水时长。结果评价指标则可以依据的得到的训练误差,判断降水预报模型是否训练完成。
在另一本发明实施例中,所述基于所述实况观测数据得到CORS站的天顶对流层延迟,包括:通过精密单点定位方法对所述实况观测数据进行数据处理,得到天顶对流层延迟。
本发明实施例中,通过精密单点定位方法对实况观测数据进行处理,得到 GNSS误差源之一的CORS站上空对流层延迟。
在另一本发明实施例中,所述基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,包括:通过天顶对流层延迟和天顶对流层湿延迟的转换公式,将所述天顶对流层延迟转换为天顶对流层湿延迟;将所述天顶对流层湿延迟转换为所述大气可降水量。
本发明实施例中,通过天顶对流层延迟和天顶对流层湿延迟之间的转换公式,将天顶对流层延迟转换为天顶对流层湿延迟。之后通过天顶对流程湿延迟和大气可降水量之间的转换公式,将天顶对流层湿延迟转换为大气可降水量。
可选的,天顶对流层延迟和天顶对流层湿延迟的转换公式为:
ZWD=ZTD-ZHD,
可选的,天顶对流程湿延迟和大气可降水量的转换公式:
PWV=Π×ZWD
式中,ZWD为天顶对流层湿延迟,Π为将ZWD转换至PWV的无量纲比例因子,ρ是液态水密度,R是水汽气体常数,k1、k'2和k3均为常数,T1为加权平均温度。
区域加权平均温度经验模型,具体为:
T1=a+b·T2
其中,T1为根据模型计算得到的加权平均温度,T2为地面温度,a、b均为模型系数。
本发明实施例中,通过天顶对流层延迟、大气可降水量的转换系数以及区域加权平均温度经验模型得到的加权平均温度,实现了COPS站的天顶对流层延迟向大气可降水量的反演。大气可降水量的转换系数是指无量纲比例因子。
在另一本发明实施例中,所述基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,包括:通过斜路径湿延迟计算公式对所述天顶对流层湿延迟进行计算,得到斜路径方向的水汽密度;基于所述斜路径方向的水汽密度,得到斜路径方向的大气可降水量;通过水汽层析观测方程对所述斜路径方向的大气可降水量进行计算,得到各个层析网格内的大气水汽密度。
其中,层析网格是指空间内的水平与竖直方向的网格,形成三维立体的多网格。网格的尺寸大小可以预先设置。
本发明实施例中,通过斜路径湿延迟计算公式对天顶对流层湿延迟进行计算,得到斜路径方向的水汽密度,根据斜路径方向的水汽密度,得到斜路径方向的大气可降水量,之后对大气可降水量进行计算,得到各个层析网格内的大气水汽密度。本发明实施例的方法,可以根据多个公式的计算,从天顶对流层湿延迟,得到大气水汽密度。提高大气水汽密度的准确度。
可选地,为了进一步求取空间水汽在不同方向、高度的含量,在获取COPS 站点位置上方的ZWD并计算PWV的基础上,利用卫星方向角和高度角信息,联合估计出来的南北方向和东西方向湿大气梯度。计算代表大气水汽密度的各个方向的斜路径湿延迟,公式如下:
SWD=m1(ele)·ZWD+mΔ(ele)cot(ele)·[GNSos(azi)+GWEsin(azi)]+R2,
其中,m1(ele)为与高度角相关的湿映射函数,mΔ(ele)为与高度角相关的大气水平梯度映射函数,GNS和GWE为南北方向和东西方向湿大气梯度,R2为残差项。 GNS中的N表示北,S表示南,GWE中的W表示西,E表示东。
利用以T1为自变量的转换因子,将SWD转化为斜路径方向的大气可降水量,即SWV:
SWV=∏×SWD,
针对区域CORS站具体分布情况、当地的地理特征,以及站星之间的空间网形,构建合适的层析网格分辨率。在确定好网格类型的基础上,通过计算卫星射线在每个网格内的截距来建立水汽层析观测方程:
受北斗/GNSS地面观测站数目和站星几何结构的限制,水汽层析的部分网格往往没有卫星信号射线穿过,导致层析观测方程解算中的系数矩阵存在秩亏现象,难以通过最小二乘法进行直接求解,因此利用代数重构算法对层析方程进行解算还将顾及区域地形建立水汽三维层析方程组,通过代数重构法即可解算得到垂向不均匀分层的大气水汽密度和三维大气水汽产品。
在另一本发明实施例中,基于预设划分网格,进行高时空分辨率预报,实现 1分钟的天顶对流层延迟的获得和斜路径方向的水汽密度的获取。3小时短临降水数据每每隔十分钟更新一次,形成每天24小时的无缝衔接的降水预报。
示例性的,在进行短临降水预报时,发布对应县(区)降水与否、降水时间、当前降水量、预估当前累积降水情况以及预计当日最高温和最低温等短临将水预报信息。通过这样的播报内容,便于用户了解天气情况。本发明实施例中,可以根据当前获取的气象站的气象参数以及得到短临降水数据,整理得到上述的短临将水预报信息。
在另一本发明实施例中,在得到短临降水数据之后,还包括:根据短临降水数据与电网降水风险等级的对应关系,对短临降水数据进行对应风险等级的风险预警。
本发明实施例中,预先设置了短临降水数据和电网降水风险等级之间的对应关系,比如,将电网的输电杆塔所处位置的地质环境因素与短临降水数据等多因素叠加作为电力气象灾害预警判据,将这些预警判据划分出等级,作为风险预警等级。地址环境因素包括地形地貌、岩土体特征、风场、气温、多年平均降水量、瞬时最大降水量、地震动峰值加速度、现状地质灾害发育密度、人类工程活动强度中的至少一项。示例性,根据地质环境因素的情况,叠加上当前得到的短临降水数据,判断风险预警等级。可以根据预设规则对地质环境因素和当前得到的短临降水数据进行处理,得到风险预警等级。比如,预设规则可以是,根据地址环境因素,判断当前地区在短临降水量在40毫米以上,持续时长达到2小时,发生山体滑坡的概率为89%。当前获得的短临降水量约41毫米,持续时长约2小时,则风险等级为高级。当然,这只是一种预设规则的示例,也可以是其他的不同的规则。
具体的,根据短临降水数据与电网降水风险等级的对应关系,对短临降水数据进行对应风险等级的风险预警。可以根据电力GIS系统获得电力设备所处的地质环境因素以及当前得到的短临降水数据,得到输电杆塔所在区域的短临降水风险预警。比如,风险预警包括风险等级、降水灾害概率以及降水的空间分布等。通过风险预警,便于工作人员提前对风险预警区域的输电杆塔,采取保护措施等,避免由于降水情况,导致输电线路的无法正常运行。降水灾害概率是指强降水引发的滑坡等地质灾害的概率,降水空间分布是指预报的降水区域。
示例性,可以根据降水灾害概率和降水空间分布结合,确定风险预警。通过对降水灾害概率、降水空间分布以及风险等级划分出对应关系,进而在获得降水灾害概率和降水空间分布的情况下,可以得到风险等级。
在本发明实施例中,短临降水数据可以是某一个区域的短临降水数据,也可以是全国各个区域的。当然,短临降水数据是基于历史气象数据和实况观测数据经过一系列的处理得到的,因此,若历史气象数据和实况观测数据是针对某一地区的,则短临降水数据是针对该地区的。若历史气象数据和实况观测数据是针对全国范围内的,则短临降水数据是针对全国范围内的。本发明实施例的技术方案不局限区域。
在另一本发明实施例中,可以通过显示界面显示风险预警信息,还可以将风险预警信息通过终端上的推送消息推送给相关工作人员,便于相关工作人员根据风险预警信息采取相应的措施。
在另一本发明实施例中,对获取到的待处理数据和得到的大气水汽数据进行信息的存储,便于工作人员对这些数据进行调取和查阅。
在另一本发明实施例中,在所述获取待处理数据之后,还包括:对所述待处理数据进行预处理,剔除异常的待处理数据,并通过内插方法进行补充,得到更新的待处理数据。
本发明实施例中,通过对待处理数据进行异常数据的剔除,并通过内插法进行补充,达到更新的待处理数据。通过GNSS观测数据的伪距粗差探测、载波相位周跳探测、钟跳探测和修复,以及气象数据的粗差探测等方法,将不满足使用条件的异常的待处理数据进行剔除。并通过内插方法进行补充,保证更新的待处理数据的可行有效。异常的待处理数据,比如当前区域的气温应在20-30摄氏度之内,但是,当前获取的气温达到60摄氏度,则属于异常气温,需要剔除。
可选地,对待处理数据的异常数据剔除,还可以通过误差模型进行处理, GNSS伪距及载波相位观测数据的异常数据还可以通过截止高度角的方式剔除异常数据。
在另一本发明实施例中,提供了一种短临降水预报系统。如图4所示,本发明实施例的短临降水预报系统可执行本发明任意实施例所提供的短临降水预报方法。具备执行方法相应的功能模块和有益效果。因此,与上述实施例相同或者相似的技术术语将不再赘述。该系统包括:数据获取模块410、天顶对流层延迟获取模块420、水汽反演模块430和短临降水数据获取模块440,其中:
数据获取模块410,用于获取待处理数据,所述待处理数据包括CORS站的实况观测数据和气象站的历史气象参数;所述历史气象参数为在当前时刻之前的预设时间段内的气象参数;天顶对流层延迟获取模块420,用于基于所述实况观测数据得到CORS站的天顶对流层延迟;水汽反演模块430,用于基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,所述大气水汽数据包括大气可降水量以及大气水汽密度;短临降水数据获取模块440,用于通过预先训练获得的降水预报模型对所述大气水汽数据以及所述历史气象参数进行处理,得到短临降水数据,所述短临降水数据包括是否降水以及降水量。
进一步的,在本发明实施例中,天顶对流层延迟获取模块420还用于:
通过精密单点定位方法对所述实况观测数据进行数据处理,得到天顶对流层延迟。
进一步的,在本发明实施例中,水汽反演模块430还用于:
通过天顶对流层延迟和天顶对流层湿延迟的转换公式,将所述天顶对流层延迟转换为天顶对流层湿延迟;将所述天顶对流层湿延迟转换为所述大气可降水量。
进一步的,在本发明实施例中,,水汽反演模块430还用于:
通过斜路径湿延迟计算公式对所述天顶对流层湿延迟进行计算,得到斜路径方向的水汽密度;基于所述斜路径方向的水汽密度,得到斜路径方向的大气可降水量;通过水汽层析观测方程对所述斜路径方向的大气可降水量进行计算,得到各个层析网格内的大气水汽密度。
进一步的,在本发明实施例中,所述系统还包括:
数据预处理模块,用于对所述待处理数据进行预处理,剔除异常的待处理数据,并通过内插方法进行补充,得到更新的待处理数据。
进一步的,在本发明实施例中,所述系统还包括:
预警模块,用于根据短临降水数据与电网降水风险等级的对应关系,对短临降水数据进行对应风险等级的风险预警。
进一步的,在本发明实施例中,系统还包括:
参数类型获取模块,用于根据预设规则对待处理气象参数进行处理,得到与大气降水量相关系数大于预设阈值的待获取气象参数;所述待处理气象参数是指当前时刻之前的预设时间段内的所有的气象参数;确定待获取气象参数的参数类型;所述待获取气象参数的参数类型包括气温、气压、水汽压、相对湿度、降水量、风速和风向中的至少一项;
所述获取待处理数据还用于:
获取与所述参数类型对应的历史气象参数。
本发明实施例的技术方案,通过获取CORS站的实况观测数据和气象站的历史气象数据,基于实况观测数据得到CORS站的天顶对流层延迟,基于历史气象参数对天顶对流程延迟进行大气水汽反演,得到大气水汽数据,大气水汽数据包括大气可降水量和大气水汽密度,通过预先训练获取的降水预报模型对大气水汽数据以及历史气象参数进行处理,得到短临降水数据。本发明实施例的技术方案,实现了通过对实况观测数据和气象站的历史气象参数,得到短临降水数据,使得短临时间达到3小时之内,提高了预报的准确度。
值得注意的是,上述系统所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
在另一本发明实施例中,提供的短临降水预报系统,如图5所示。为上述短临降水预报系统的优选实施例。本发明实施例提出的短临降水预报系统可以实现上述任意实施例中的短临降水预报方法。本系统在上述实施例的系统的基础上增加信息存储模块、信息查询模块、反演水汽模块。将在下述进行详细的解释:
本发明实施例的系统接收多个CORS站的实况观测数据,多个CORS站可以通过编号的方式来区分,比如CORS站1、CORS站2——CORS站n。同理,本发明实施例的系统对接多个气象站,包括气象站1、气象站2……,气象站n,当然,CORS站和气象站都是位于相同区域内的。获取待处理数据,包括区域内的 CORS站的实况观测数据,以及该区域内的气象站的气象数据,包括历史气象数据和当前的气象数据,对获取到的待处理数据进行存储。对实况观测数据和历史气象数据进行预处理,剔除不符合使用条件的数据,之后通过内插法进行补充,计算大气水汽数据以及后续风险预警都与上述实施例相同,上述实施例已经进行了介绍,这里不再赘述。
在本发明实施例的系统中,还包括信息存储模块(图中未示出),对实时获取的CORS观测数据、气象站的历史气象数据、短临降水数据及其关联的气象站和CORS观测站的位置坐标等进行自动保存。便于之后进行历史信息查询,以及年季性的时空数据挖掘和分析,实现对区域北斗/GNSS CORS站稳定性监测,并对输电线路的巡检运维和电力基础设施建设提供指导。
本发明实施例的系统中,还包括短临降水预报预警模块,包括高时空短临降水预报子模块、可视化电网GIS展示子模块以及面向电网需求风险评估预警子模块。高时空短临降水预报子模块,用于进行短临降水数据的预报。面向电网需求风险评估预警子模块,用于根据短临降水数据和电网的电力设备比如输电杆塔所在区域的地质环境因素,评估风险,进行风险预警。在系统建立时,将需要进行短临降水预报的区域地图、电网输电杆塔的坐标信息等通过嵌入式地理信息系统开发平台制作为电网地理信息系统(GeographicInformation System,GIS),本发明实施例的系统可以实现针对电网GIS电子地图的打开、关闭、放大、缩小、旋转、刷新以及漫游等功能。用户可以在信息查询模块中,对感兴趣的区域的历史气象信息和降水情况进行快速查询访问。可选地,本发明实施例的系统把实时得到的高时空分辨率的短临降水数据和输电杆塔的风险预警信息叠加到电网GIS系统中,在电网GIS系统的显示界面中,对短临降水数据和风险预警信息进行滚动展示,也即可视化电网GIS展示子模块的作用。可选的,可以以短信和微信小程序的方式进行实时降水数据以及风险预警信息的发布。
本发明实施例的系统具有以下有益效果:
1、通常极端天气(如台风、暴雨和龙卷风等)的发生、发展和消亡都伴随着水汽的强烈变化,相比于其他水汽观测手段,GNSS连续运行参考站具有时间分辨率高和全天候观测的优势,随着各地区各种测站网的布设和投入使用,地面全球导航卫星系统测站数目越来越多,分布也越来越密集,它在提供精确位置服务的同时,特别能够为快速发生、发展和消亡的极端天气提供宝贵的观测信息,以进一步提高对极端天气的认识和理解。
2、与常规利用气象卫星云图、历史降水数据、气象站实况数据等进行降水预报不同,本发明实施例采用GNSS反演计算得到区域天顶方向和倾斜路径的大气水汽,进而基于深度学习理论挖掘区域降水与大气水汽、气象实况数据间隐藏的非线性相关关系,构建精确的降水预报模型,实现常态化高时空分辨率的暴雨监测和预警,不仅可以预报强对流天气的可能性,同时还是能根据捕捉到的位置预测出降雨的落区,能够极大增强重大降雨灾害的实时决策应对能力,减小灾害损失,保障重大活动的安全,满足人民群众的生产生活需求。
3、本发明实施例的技术方案,实现1分钟天顶对流层延迟和倾斜方向大气水汽密度的获取,同时3小时临近降水信息发布为逐10分钟滚动更新,形成了 0~24小时无缝隙1km降水网格,最终形成优于县区分钟级高时空分辨率降水预报服务,并面向电网需求进行风险评估及预警。应当理解,本发明实施例中将层析网格的尺寸设置为1km,也即每个网格为1千立方米。
在另一本发明实施例中提供了一种电子设备。图6示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图6显示的电子设备50仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于:一个或者多个处理器或者处理单元501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA) 总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA) 局域总线以及外围组件互连(PCI)总线。
电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统506可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM, DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块507的程序/实用工具508,可以存储在例如存储器502中,这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。
电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信,还可与一个或者多个使得用户能与该电子设备50交互的设备通信,和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O) 接口511进行。并且,电子设备50还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器512通过总线503与电子设备50的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备50使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID 系统、磁带驱动器以及数据备份存储系统等。
处理单元501通过运行存储在系统存储器502中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的短临降水预报方法。
在另一本发明实施例中,还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种短临降水预报方法,所述方法包括:
获取待处理数据,所述待处理数据包括CORS站的实况观测数据和气象站的历史气象参数;所述历史气象参数为在当前时刻之前的预设时间段内的气象参数;基于所述实况观测数据得到CORS站的天顶对流层延迟;基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,所述大气水汽数据包括大气可降水量以及大气水汽密度;通过预先训练获得的降水预报模型对所述大气水汽数据以及所述历史气象参数进行处理,得到短临降水数据,所述短临降水数据包括是否降水以及降水量。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、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。在本文件中,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。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如 Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN) —连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种短临降水预报方法,其特征在于,包括:
获取待处理数据,所述待处理数据包括CORS站的实况观测数据和气象站的历史气象参数;所述历史气象参数为在当前时刻之前的预设时间段内的气象参数;
基于所述实况观测数据得到CORS站的天顶对流层延迟;
基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,所述大气水汽数据包括大气可降水量以及大气水汽密度;
通过预先训练获得的降水预报模型对所述大气水汽数据以及所述历史气象参数进行处理,得到短临降水数据,所述短临降水数据包括是否降水以及降水量。
2.根据权利要求1所述的方法,其特征在于,所述基于所述实况观测数据得到CORS站的天顶对流层延迟,包括:
通过精密单点定位方法对所述实况观测数据进行数据处理,得到天顶对流层延迟。
3.根据权利要求1所述的方法,其特征在于,所述基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,包括:
通过天顶对流层延迟和天顶对流层湿延迟的转换公式,将所述天顶对流层延迟转换为天顶对流层湿延迟;
将所述天顶对流层湿延迟转换为所述大气可降水量。
4.根据权利要求3所述的方法,其特征在于,所述基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,包括:
通过斜路径湿延迟计算公式对所述天顶对流层湿延迟进行计算,得到斜路径方向的水汽密度;
基于所述斜路径方向的水汽密度,得到斜路径方向的大气可降水量;
通过水汽层析观测方程对所述斜路径方向的大气可降水量进行计算,得到各个层析网格内的大气水汽密度。
5.根据权利要求1所述的方法,其特征在于,在所述获取待处理数据之后,还包括:
对所述待处理数据进行预处理,剔除异常的待处理数据,并通过内插方法进行补充,得到更新的待处理数据。
6.根据权利要求1所述的方法,其特征在于,在得到短临降水数据之后,还包括:
根据短临降水数据与电网降水风险等级的对应关系,对短临降水数据进行对应风险等级的风险预警。
7.根据权利要求1所述的方法,其特征在于,在所述获取待处理数据之前,还包括:
根据预设规则对待处理气象参数进行处理,得到与大气降水量相关的待获取气象参数,所述待处理气象参数是指当前时刻之前的预设时间段内的所有的气象参数;
确定待获取气象参数的参数类型;所述待获取气象参数的参数类型包括气温、气压、水汽压、相对湿度、降水量、风速和风向中的至少一项;
所述获取待处理数据,包括:
获取与所述参数类型对应的历史气象参数。
8.一种短临降水预报系统,其特征在于,包括:
数据获取模块,用于获取待处理数据,所述待处理数据包括CORS站的实况观测数据和气象站的历史气象参数;所述历史气象参数为在当前时刻之前的预设时间段内的气象参数;
天顶对流层延迟获取模块,用于基于所述实况观测数据得到CORS站的天顶对流层延迟;
水汽反演模块,用于基于所述历史气象参数对所述天顶对流层延迟进行大气水汽反演,得到大气水汽数据,所述大气水汽数据包括大气可降水量以及大气水汽密度;
短临降水数据获取模块,用于通过预先训练获得的降水预报模型对所述大气水汽数据以及所述历史气象参数进行处理,得到短临降水数据,所述短临降水数据包括是否降水以及降水量。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
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实现如权利要求1-7中任一所述的短临降水预报方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的短临降水预报方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211286267.2A CN115687448A (zh) | 2022-10-20 | 2022-10-20 | 短临降水预报方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211286267.2A CN115687448A (zh) | 2022-10-20 | 2022-10-20 | 短临降水预报方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115687448A true CN115687448A (zh) | 2023-02-03 |
Family
ID=85066545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211286267.2A Pending CN115687448A (zh) | 2022-10-20 | 2022-10-20 | 短临降水预报方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115687448A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116068670B (zh) * | 2023-03-30 | 2023-06-06 | 中国科学院精密测量科学与技术创新研究院 | 一种无地面网络区适用的北斗水汽场实时重构方法及装置 |
-
2022
- 2022-10-20 CN CN202211286267.2A patent/CN115687448A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116068670B (zh) * | 2023-03-30 | 2023-06-06 | 中国科学院精密测量科学与技术创新研究院 | 一种无地面网络区适用的北斗水汽场实时重构方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Draxl et al. | Overview and meteorological validation of the wind integration national dataset toolkit | |
Boilley et al. | Comparison between meteorological re-analyses from ERA-Interim and MERRA and measurements of daily solar irradiation at surface | |
Krueger et al. | Inconsistencies between long-term trends in storminess derived from the 20CR reanalysis and observations | |
US10725205B2 (en) | Forensic weather system | |
Dube et al. | Forecasting the heavy rainfall during Himalayan flooding—June 2013 | |
CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
Tan et al. | Mapping the wind hazard of global tropical cyclones with parametric wind field models by considering the effects of local factors | |
Yang et al. | Performance of the CRA-40/Land, CMFD, and ERA-Interim datasets in reflecting changes in surface air temperature over the Tibetan Plateau | |
Wilken et al. | An ionospheric index suitable for estimating the degree of ionospheric perturbations | |
Wang et al. | Performance of three reanalysis precipitation datasets over the Qinling‐Daba Mountains, eastern fringe of Tibetan Plateau, China | |
Kumar et al. | Multiscale evaluation of the improvements in surface snow simulation through terrain adjustments to radiation | |
Cornejo et al. | A through analysis of solar irradiation measurements in the region of Arica Parinacota, Chile | |
US20180156940A1 (en) | Forensic weather system | |
CN111340668B (zh) | 一种台风灾害评估系统 | |
Hdidou et al. | Impact of the variational assimilation of ground-based GNSS zenith total delay into AROME-Morocco model | |
CN115267786A (zh) | 融合卫星观测亮温和高程的ResUNet-GAN全球雷达反演方法及装置 | |
Brown et al. | Severe convection-related winds in Australia and their associated environments | |
CN115687448A (zh) | 短临降水预报方法、装置、电子设备及存储介质 | |
Varotsos et al. | Monitoring and forecasting of tropical cyclones: A new information-modeling tool to reduce the risk | |
Dang-Quang et al. | On the presence of tropical vortices over the Southeast Asian sea–Maritime Continent region | |
US10345485B2 (en) | Forensic weather system | |
Johnson et al. | Assessment of quantitative precipitation forecasts | |
Wang et al. | Newly collected data across Alaska reveal remarkable biases in solar radiation products | |
Kang et al. | Wind resource assessment and potential development of wind farms along the entire coast of South Korea using public data from the Korea meteorological administration | |
Baltas et al. | GIS-based optimisation of the hydrometeorological network in Greece |
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 |