CN115826093B - 一种海面风全区订正预报方法 - Google Patents
一种海面风全区订正预报方法 Download PDFInfo
- Publication number
- CN115826093B CN115826093B CN202211353744.2A CN202211353744A CN115826093B CN 115826093 B CN115826093 B CN 115826093B CN 202211353744 A CN202211353744 A CN 202211353744A CN 115826093 B CN115826093 B CN 115826093B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- forecasting
- wind
- correction
- forecast
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 77
- 238000013277 forecasting method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000012360 testing method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000011160 research Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 4
- 239000003208 petroleum Substances 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于气象预报技术领域，涉及一种海面风全区订正预报方法。步骤包括获取数值模式的风速预报产品，数据处理和数据集建设，进行沿海代表站选取，建立全区风速订正预报模型，建立单站风速订正预报模型，对不同模型风速预报产品进行对比检验，建立海面风全区订正预报方法和业务化系统。对2022年4‑8月山东省沿海8个代表站ECMWF欧洲中心细网格模式风速预报以及建模订正风速预报准确率检验表明，全区预报模型较好地提高了数值模式风速预报准确率，单站预报模型可更好地提高单站风速预报准确率，通过二者相结合，可使海面风预报达到最佳订正预报效果，表明该方法是合理有效的，具有较高应用价值。
Description
技术领域
本发明属于气象预报技术领域，涉及一种海面风全区订正预报方法。
背景技术
大风是海上主要灾害性天气。据统计，黄渤海海域超过一半的渔船事故是由风灾引起的（尹尽勇等，2009）。随着数值预报准确率的不断提高，数值模式对于大风预报准确率也越来越高，成为海上大风精细化预报的主要技术支撑。但由于模式存在一定的系统偏差，大风预报通常偏弱，因此，通过统计订正、人工智能等技术对数值模式风速预报进行订正，是提高大风预报准确率的重要手段。目前，已有多种风的客观订正预报方法，如MOS统计订正方法（曾晓青等，《应用气象学报》，2019），概率密度匹配的海面风订正预报方法（胡海川，《热带气象学报》，2021）等，这些方法不同程度地提高了数值模式风速预报准确率。由于统计订正方法均需要依靠实况观测进行建模，而广阔的海面观测资料严重缺乏，因此，对于海面风的预报订正一直难以开展。如何针对缺乏观测的海面风数值预报产品进行订正，提高海上大风预报准确率，是当前海面风预报的一个难点。
发明内容
本发明针对开展海面风订正预报建模受限于观测资料的问题，提出了一种海面风全区订正预报方法，以期达到对整个海面风的订正预报，提高海上大风预报准确率。
为了达到上述目的，本发明是采用下述的技术方案实现的：
一种海面风全区订正预报方法，步骤如下：
（1）获取数值模式的风速预报产品
获取(包括从气象CIMISS数据库、大数据云平台、气象数值预报云共享平台、因特网等方式获取数据)研究区域范围内数值模式风速预报产品，通过插值技术将数值模式风速预报产品插值处理到沿海观测站点以及等经纬网格点上。
（2）数据处理和数据集建设
根据关注重点和用户服务需求，基于数值模式风速预报产品分别求取特定时段内最大风速，或选择数值模式某时刻的风速，建立数值模式风速预报历史数据集以及数值模式风速预报实时数据；获取(包括从气象CIMISS数据库、大数据云平台等方式获取数据)研究区域范围内与风预报产品相一致的站点或网格点的实况风速历史数据集。
（3）进行沿海代表站选取
选取研究区域范围内的代表性较好的沿海观测站点作为建模订正的代表站；得到建模订正用的代表站实况风速历史数据集。
（4）采用概率密度匹配等方法建立全区风速订正预报模型
基于数值模式风速预报历史数据集和步骤（3）选取的代表站风速实况风历史数据集，采用概率密度匹配等方法建立研究区域范围内海面风全区数值模式风速订正预报模型（模型ALL），并实现模型ALL实时业务化运行。
（5）采用概率密度匹配等方法建立单站风速订正预报模型
基于数值模式风速预报历史数据集和步骤（3）选取的代表站实况风历史数据集，采用概率密度匹配等方法逐个沿海站建立数值模式风速客观订正预报模型（模型SINGLE），并实现模型SINGLE实时业务化运行。
（6）对不同模型风速预报产品进行对比检验
以步骤（3）选取的研究范围内沿海代表站实况风速历史数据集为基础，对模型ALL和模型SINGLE的风速订正预报产品对所有沿海代表站进行风速分级预报准确率检验，或风速分级预报误差检验。
（7）建立海面风全区订正预报方法和业务化系统
根据模型ALL和模型SINGLE对所有沿海代表站的风速预报准确率或预报误差检验结果，确定海面风全区订正预报方法为：如果模型SINGLE预报结果优于模型ALL，则针对沿海站分别采用单站预报模型SINGLE进行单站风速预报订正，其他无观测站的点采用模型ALL进行预报订正；否则，整个海面站（点）全部采用模型ALL进行预报订正，并建立海面风全区订正预报方法业务化系统，实现系统的实时业务化运行，提供整个海面风全区订正预报产品。
作为优选，步骤（1）中所述获取研究区域范围内数值模式风预报产品，其产品时间分辨率通常为逐1小时或逐3小时（需要说明的是，逐1小时或逐3小时是目前气象局预报常用的分辨率，但随着技术发展，也可能有其他更高分辨率产品出现，本发明对此不做限制，其他分辨率的情况也在本发明保护范围内），如中国气象局数值预报中心提供的CMA-MESO中尺度模式风速预报产品时间分辨率为1小时，华东、华北区域中心提供的中尺度数值模式风速预报产品时间分辨率为1小时，ECMWF欧洲中心数值预报中心的EC细网格以及中国气象局数值预报中心GRAPES_GFS全球模式风速预报产品时间分辨率为逐3h。
作为优选，步骤（1）中所述插值技术通常指双线性插值或反距离权重等插值方法。
作为优选，步骤（2）中所述时段内最大风通常指24小时内，或12小时内最大风，也可根据需求求取任意时段内最大风。
作为优选，步骤（3）中所述代表性较好的沿海观测站，通常指国家级气象观测站，或站点海拔高度较低、且站点周围无遮挡的区域、海岛、浮标、石油平台站等；所述海拔较低的沿海观测站，理想状态为站点海拔高度接近海平面10-20米。如果沿海观测站较少，代表站海拔高度限制可以根据需要适当放宽。
作为优选，步骤（4）和步骤（5）中所述采用概率密度匹配方法，其实施步骤为：
a.利用下述公式计算实况观测风速出现不同风速阈值时的频率，建立实况风速值与实况风速频率的线性插值函数f（x），其中f（x）为风速，x为风速出现频率Pi的对数（lnPi）。公式为：
其中，Ai为出现某一阈值风速的站点次数，B为总站次数。
b.利用上述公式计算数值模式预报的风速不同阈值时的频率Pi，并代入f（x）中，可求新的预报风速值与风速频率的线性插值函数。
c.根据数值模式风速预报值，按照步骤b中所求解的风速阈值找到对应的实况风速值，求解出不同风速阈值的订正系数，即为风速概率密度匹配订正模型。
作为优选，步骤（4）中所述采用概率密度匹配等方法，还包含其他统计或人工智能订正预报等方法。
作为优选，步骤（6）中所述风速分级预报准确率检验，风速分级预报误差检验等，计算公式如下：
风力等级预报准确率检验公式为：
，
式中k为风力等级， 为预报正确站（次）数、 />为预报偏强站（次）数（即预报风力等级大于实况风力检验等级）、 />为预报偏弱站（次）数（即预报风力等级小于实况风力检验等级）。
风速分级预报误差检验公式为：
平均绝对误差： ；
平均误差： ；
式中 为第k等级风第i站（次）预报值；/>第k等级风第i站（次）实况值。
与现有技术相比，本发明的优点和积极效果在于：
本发明提供的一种海面风全区订正预报方法，通过选取研究范围内沿海代表站建立全区订正预报模型，并与单个代表站订正预报模型的预报结果进行对比检验，综合确定海面风全区订正预报方法，实现对缺少观测的海面数值模式风速预报的订正，从而提高海面风预报准确率。对2022年4-8月山东省沿海8个代表站ECMWF欧洲中心细网格模式风速预报以及建模订正风速预报准确率检验表明，全区预报模型较好地提高了数值模式风速预报准确率，单站预报模型可更好地提高单站风速预报准确率，通过二者相结合进行海面风全区订正预报，可使海面风预报达到最佳订正预报效果，表明该方法是合理且有效的。
附图说明
图1、图2为2022年4-8月山东省沿海8个代表站日最大风速预报准确率对比，EC表示ECMWF欧洲中心细网格模式日最大风预报，ALL表示采用全区预报模型对模式日最大风的订正预报，SINGLE表示采用单站预报模型对模式日最大风的订正预报。
其中，横坐标为风力等级，纵坐标为风力等级预报准确率评分。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合具体实施例对本发明做进一步说明。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。
实施例1
本实施例基于ECMWF欧洲中心细网格模式风速预报产品分别建立山东区域范围海面风全区预报模型和单站预报模型，通过对比确定全区订正预报方法，对ECMWF欧洲中心细网格模式风速预报产品进行海面风全区订正。采用如下步骤。
（1）获取数值模式的风速预报产品
以python、shell为主要编程语言，在WINDOWS或LINUX环境下从气象CIMISS数据库获取山东区域范围内ECMWF欧洲中心细网格模式逐3小时风速预报产品以及6小时内最大风预报产品，通过反距离权重插值方法将模式风速预报产品插值处理到山东省沿海观测站点以及0.05°×0.05°网格点上。
（2）数据处理和数据集建设
基于ECMWF欧洲中心细网格6小时内最大风求取24小时内最大风速，建立山东省沿海观测站数值模式风速预报历史集及实时数据；从气象CIMISS数据库获取山东省沿海观测站相应风的实况数据。
（3）进行沿海代表站选取
根据山东省沿海站点分布及海拔高度情况，选取代表性较好的8个沿海代表站作为建模订正的代表站。
（4）采用概率密度匹配方法建立全区风速客观订正预报模型
基于ECMWF欧洲中心细网格风速预报历史数据集和步骤（3）选取的沿海8个代表站实况风历史数据集，采用概率密度匹配方法建立山东区域范围海面风全区数值模式风速订正预报模型（模型ALL），并实现模型ALL实时业务化运行。
（5）采用概率密度匹配方法建立单站风速客观订正预报模型
基于ECMWF欧洲中心细网格风速预报历史数据集和步骤（3）选取的沿海8个代表站实况风历史数据集，采用概率密度匹配方法逐个沿海观测站建立数值模式风速订正预报模型（模型SINGLE），并实现模型SINGLE实时业务化运行。
（6）对不同模型风速预报产品进行对比检验
以步骤（3）选取的山东区域范围内沿海8个代表站实况为基础，对模型ALL和模型SINGLE的风速订正预报产品进行风速分级预报准确率检验。
（7）建立海面风全区订正预报方法和业务化系统
根据模型ALL和模型SINGLE对所有8个沿海代表站风速预报准确率检验结果，确定山东区域海面风全区建模预报方法为：针对沿海观测站分别建立单站预报模型SINGLE，进行单站风速预报订正，其他无观测站的点采用模型ALL进行订正预报，实现整个海面风的订正预报，并建立海面风全区订正预报方法业务化系统，提供整个海面风全区订正预报产品。
分别对2022年4-8月ECMWF细网格模式（以EC表示）、全区预报模型ALL（以ALL表示）和8个沿海代表站单站预报模型SINGLE（以SINGLE表示）风速预报准确率进行检验，结果见表1、表2。
表1 2022年4-8月山东省沿海8个代表站0-24小时
日最大风预报准确率（%）评分对比
表2 2022年4-8月山东省沿海8个代表站24-48小时
日最大风预报准确率（%）评分对比
为了更直观表示各产品的准确率情况，将表1、表2中的数据绘制成图形（图1、图2），从表1、表2结合图1、图2得到的结果可知：全区预报模型较好地提高了ECMWF欧洲中心细网格模式风速预报准确率，单站预报模型可更好地提高单站风速预报准确率，通过二者相结合进行海面风全区订正预报，可使海面风预报达到最佳订正预报效果，表明该方法是合理且有效的。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
Claims (6)
1.一种海面风全区订正预报方法，其特征在于，步骤如下：
（1）获取数值模式的风速预报产品
获取研究区域范围内数值模式风速预报产品，通过插值技术将数值模式风速预报产品插值处理到沿海观测站点以及等经纬网格点上；
（2）数据处理和数据建设
基于数值模式风速预报产品分别求取特定时段内最大风速，或选择数值模式某时刻的风速，建立数值模式风速预报历史数据集以及数值模式风速预报实时数据；获取研究区域范围内与风预报产品相一致的站点或网格点风的实况风速历史数据集；
（3）沿海代表站选取
选取代表性好的沿海观测站点，得到建模订正用的代表站实况风速历史数据集；
（4）建立全区风速订正预报模型
基于数值模式风速预报历史数据集和代表站实况风速历史数据集，采用概率密度匹配法建立研究区域范围内海面风全区数值模式风速订正预报模型ALL，并实现模型ALL实时业务化运行；
（5）建立单站风速订正预报模型
基于数值模式风速预报历史数据集和代表站实况风速历史数据集，采用概率密度匹配法逐个沿海站建立数值模式风速客观订正预报模型SINGLE，并实现模型SINGLE实时业务化运行；
（6）对不同模型风速预报产品进行对比检验
以步骤（3）中的代表站实况风速历史数据集为基础，采用模型ALL和模型SINGLE的风速订正预报产品对所有沿海代表站进行风速分级预报准确率检验，或风速分级预报误差检验；
（7）建立海面风全区订正预报方法和业务化系统
根据模型ALL和模型SINGLE对所有沿海代表站的风速预报准确率或预报误差检验结果，确定海面风全区订正预报方法为：
如果模型SINGLE预报结果优于模型ALL，则针对沿海站分别采用单站预报模型SINGLE进行单站风速预报订正，其他无观测站的点采用模型ALL进行预报订正；
否则，整个海面站点全部采用模型ALL进行预报订正，
然后建立海面风全区订正预报方法业务化系统，实现系统的实时业务化运行，提供整个海面风全区订正预报产品。
2.根据权利要求1所述海面风全区订正预报方法，其特征在于，步骤（1）中获取途径为通过气象CIMISS数据库、大数据云平台、气象数值预报云共享平台、因特网任意一种或多种；所述获取研究区域范围内数值模式风预报产品的时间分辨率为逐1小时或逐3小时，所述插值技术指双线性插值或反距离权重。
3.根据权利要求1所述海面风全区订正预报方法，其特征在于，步骤（2）中所述时段内最大风指24小时内，或12小时内最大风。
4.根据权利要求1所述海面风全区订正预报方法，其特征在于，步骤（3）中所述代表性好的沿海观测站点，指国家级气象观测站，或站点海拔高度较低、且站点周围无遮挡的区域、海岛、浮标、石油平台站；所述海拔较低的沿海观测站，为站点海拔高度高于海平面10-20米。
5.根据权利要求1所述海面风全区订正预报方法，其特征在于，步骤（4）和步骤（5）中所述采用概率密度匹配法，步骤为：
a.根据下述公式计算实况观测风速出现不同风速阈值时的频率Pi：
，
其中，Ai为出现某一阈值风速的站点次数，B为总站次数；
b.利用步骤a得到的数值模式预报的风速不同阈值时的频率Pi,建立实况风速值与实况风速频率的线性插值函数f（x），其中f（x）为风速，x为风速出现频率Pi的对数lnPi，从而获取新的风速值与预报风速频率的线性插值函数；
c.根据数值模式风速预报值，按照步骤b中所求解的风速阈值找到对应的实况风速值，求解出不同风速阈值的订正系数。
6.根据权利要求1所述海面风全区订正预报方法，其特征在于，步骤（6）中风速分级预报准确率检验公式如下：
，
其中k为风力等级，NRk为预报正确站次数、NSk 为预报偏强站次数、NWk 为预报偏弱站次数；
风速分级预报误差检验公式如下：
平均绝对误差：,
平均误差：,
其中Fk,i为第k等级风第i站次预报值；Ok,i第k等级风第i站次实况值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211353744.2A CN115826093B (zh) | 2022-11-01 | 2022-11-01 | 一种海面风全区订正预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211353744.2A CN115826093B (zh) | 2022-11-01 | 2022-11-01 | 一种海面风全区订正预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115826093A CN115826093A (zh) | 2023-03-21 |
| CN115826093B true CN115826093B (zh) | 2024-01-30 |
Family
ID=85526050
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211353744.2A Active CN115826093B (zh) | 2022-11-01 | 2022-11-01 | 一种海面风全区订正预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115826093B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5987379A (en) * | 1997-10-30 | 1999-11-16 | Trimble Navigation Limited | Creation and monitoring of variable buffer zones |
| JP2004069478A (ja) * | 2002-08-06 | 2004-03-04 | Japan Weather Association | 落雷予想方法 |
| JP2005031927A (ja) * | 2003-07-11 | 2005-02-03 | Hitachi Ltd | 電力需要予測装置及びその方法 |
| CN109960078A (zh) * | 2017-12-26 | 2019-07-02 | 优美特创新材料股份有限公司 | 背光模块 |
| CN110989046A (zh) * | 2019-12-25 | 2020-04-10 | 中国气象局气象探测中心 | 一种锚碇浮标站数据质量控制方法系统 |
| CN113239971A (zh) * | 2021-04-16 | 2021-08-10 | 中广核(北京)新能源科技有限公司 | 一种面向风场的临近预报与短期预报的融合系统 |
-
2022
- 2022-11-01 CN CN202211353744.2A patent/CN115826093B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5987379A (en) * | 1997-10-30 | 1999-11-16 | Trimble Navigation Limited | Creation and monitoring of variable buffer zones |
| JP2004069478A (ja) * | 2002-08-06 | 2004-03-04 | Japan Weather Association | 落雷予想方法 |
| JP2005031927A (ja) * | 2003-07-11 | 2005-02-03 | Hitachi Ltd | 電力需要予測装置及びその方法 |
| CN109960078A (zh) * | 2017-12-26 | 2019-07-02 | 优美特创新材料股份有限公司 | 背光模块 |
| CN110989046A (zh) * | 2019-12-25 | 2020-04-10 | 中国气象局气象探测中心 | 一种锚碇浮标站数据质量控制方法系统 |
| CN113239971A (zh) * | 2021-04-16 | 2021-08-10 | 中广核(北京)新能源科技有限公司 | 一种面向风场的临近预报与短期预报的融合系统 |
Non-Patent Citations (2)
| Title |
|---|
| 华北及周边地区夏季分区客观降水预报;赵翠光;赵声蓉;;应用气象学报;22(第05期);560 * |
| 多种风电场风速预报订正方法的适用性研究与集成应用;徐丽娜 等;干旱区地理;第45卷(第4期);1114-1124 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115826093A (zh) | 2023-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Anderson-Frey et al. | Investigation of near-storm environments for tornado events and warnings | |
| CN107688906B (zh) | 多方法融合的输电线路气象要素降尺度分析系统及方法 | |
| Kent et al. | Choice of a Beaufort equivalent scale | |
| CN112070286A (zh) | 复杂地形流域的降水预报预警系统 | |
| Hong et al. | Basis for recommending an update of wind velocity pressures in Canadian design codes | |
| CN113176420B (zh) | 一种针对电网杆塔点的风速预报订正系统 | |
| CN116910041B (zh) | 一种基于尺度分析的遥感降水产品的逐日订正方法 | |
| Caton Harrison et al. | Reanalysis representation of low-level winds in the Antarctic near-coastal region | |
| CN114511061A (zh) | 基于深度神经网络的岸滨地区海雾能见度预报方法 | |
| Célestin et al. | Spatio-temporal analysis of climate change impact on future wind power potential in Burundi (East Africa) | |
| Liu et al. | Empirical correction ratio and scale factor to project the extreme wind speed profile for offshore wind energy exploitation | |
| CN111563660A (zh) | 一种架空输电线路覆冰预报检验评估方法 | |
| CN109583095B (zh) | 基于混合统计动力模型的西北太平洋台风延伸期预报方法 | |
| Chen et al. | Proactive quality control: Observing system experiments using the NCEP global forecast system | |
| Chang | Assessing the increasing trend in Northern Hemisphere winter storm track activity using surface ship observations and a statistical storm track model | |
| CN115600142A (zh) | 一种基于不同方法的大风融合集成预报方法 | |
| CN115826093B (zh) | 一种海面风全区订正预报方法 | |
| Fang et al. | Multi-scheme corrected dynamic–analogue prediction of summer precipitation in northeastern China based on BCC_CSM | |
| CN112364301A (zh) | 基于坡长的近地面风速统计降尺度订正方法 | |
| Hughes et al. | An evaluation of the potential use of satellite rainfall data for input to water resource estimation models in southern Africa | |
| Gastón et al. | Wind resources map of Spain at mesoscale. Methodology and validation | |
| CN115511192A (zh) | 一种基于闪电资料同化的降水预报方法及系统 | |
| Baran et al. | A two-step machine learning approach to statistical post-processing of weather forecasts for power generation | |
| CN110727719A (zh) | 一种基于动力松弛逼近的闪电定位资料同化方法 | |
| Shi et al. | A Grey Model for Short-Term Prediction of the Ionospheric TEC |
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 | ||
| CB02 | Change of applicant information |
Address after: No.11, Wuying Shandong Road, Tianqiao District, Jinan City, Shandong Province Applicant after: SHANDONG PROV METEOROL SCIENCE Address before: No.11, Wuying Shandong Road, Tianqiao District, Jinan City, Shandong Province Applicant before: Shandong Institute of Meteorological Sciences (Shandong Institute of Marine Meteorological Sciences, Shandong Meteorological Bureau Training Center) |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |