CN116434485A - 基于多维度气象数据的灾害预警方法、系统、设备及介质 - Google Patents
基于多维度气象数据的灾害预警方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116434485A CN116434485A CN202310705776.2A CN202310705776A CN116434485A CN 116434485 A CN116434485 A CN 116434485A CN 202310705776 A CN202310705776 A CN 202310705776A CN 116434485 A CN116434485 A CN 116434485A
- Authority
- CN
- China
- Prior art keywords
- data
- weather
- dimensional
- multidimensional
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001960 triggered effect Effects 0.000 claims abstract description 8
- 238000003860 storage Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 9
- 239000004973 liquid crystal related substance Substances 0.000 claims description 8
- 230000029087 digestion Effects 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012876 topography Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
Abstract
本发明提供一种基于多维度气象数据的灾害预警方法、系统、设备及介质,该方法包括:从多个数据源获取多维度气象数据,从地面传感器和GIS数据采集地形和城市数据;建立多维度气象预测模型和三维地形和城市模型并按照空间三维坐标进行融合;对模型的预测结果进行分析和判断,判断是否超过环境的承受阈值;当预测结果超过承受阈值,表明可能发生灾害,触发相应的预警措施。通过建立多维度气象预测模型和三维地形和城市模型,可以获取全面准确的气象信息,提高气象预测的准确率,同时能够根据预测结果判断对环境的影响。本发明能够实时获取气象数据进行预测,并定时进行灾害判断,能够根据判定结果进行提前进行预防,保证了人身和财产安全。
Description
技术领域
本发明涉及灾害预警领域,具体为基于多维度气象数据的灾害预警方法、系统、设备及介质。
背景技术
灾害预警是指在可能发生自然灾害或人为灾害之前,通过分析预测数据、监测预警信息和灾害历史,对可能发生的灾害进行及时预警和预测,以便采取措施减轻灾害带来的损失。
气象预测是指根据已有气象观测资料,利用数理统计、物理学、气象学、计算机科学等知识和方法,推算未来一段时间内的天气情况,包括气温、气压、降水量、风向风速、云量等气象参数。
灾害预警的基础是气象预测和地质地形建模,气象预测数据以及地质地形建模数据的准确性和时效性对气象预测结果的准确性和实时性有很大影响。同时气象数据范围广、数据量大,不同维度的数据相互关联、相互影响,没有进行有效的处理和分析,往往会产生预测的数据不准确的问题,同时地质地形数据获取不全或者由于地形地质的变化,会导致阈值判断出现误差,出现灾害预警出现偏差。
发明内容
鉴于以上所述现有技术的缺点,本发明提供一种基于多维度气象数据的灾害预警方法、系统、设备及介质,以解决上述技术问题。
本发明提供的一种基于多维度气象数据的灾害预警方法,所述方法包括以下步骤:
S110:从气象观测站、卫星遥感和气象雷达多个数据源获取多维度气象数据,并使用地面传感器和GIS数据采集地形和城市数据;
S120:通过多维度气象数据建立多维度气象预测模型,通过地形和城市数据建立三维地形和城市模型;
S130:将多维度气象预测模型和三维地形和城市模型按照空间三维坐标进行融合;
S140:将实时采集的多维度气象数据和三维地形和城市模型数据输入多维度气象预测模型和三维地形和城市模型;
S150:结合三维地形和城市模型对多维度气象预测模型的预测结果进行分析和判断,判断是否超过三维地形和城市模型所能承受的阈值;
S160:当预测结果超过三维地形和城市模型所能承受的阈值,表明可能发生灾害,触发相应的预警措施。
于本发明中,所述多维度气象数据包括温度、湿度、气压、降水量、风速和风向。
于本发明中,所述地形和城市数据包括地形、土地利用、道路以及建筑数据。
于本发明中,步骤S150具体包括:
S210:确定待分析的天气类型;
S220:根据多维度气象预测模型的预测结果,获取该天气类型在持续时间内的空间分布情况,其中,所述空间分布情况包括强度、范围、移动速度;
S230:将该天气类型在持续时间内的空间分布情况与环境消化能力以及最大承受阈值进行比较,确定该天气类型带来的最大影响;
S240:通过计算某地区受影响的程度来量化影响大小,评估发生灾害可能性。
于本发明中,步骤S240的计算逻辑为:
其中,为持续时间内的实际影响,/>表示待分析的天气类型预测单位时间产生的影响,/>表示单位时间的环境消化能力,/>表示其他的天气类型预测单位时间产生的影响,k表示待分析的天气类型的持续时间,n表示持续时间,且/>,/>为影响系数。
于本发明中,步骤S160还包括:
S310:根据预测结果输出相应的灾害预警报告;
S320:将最新的多维度气象数据更新至多维度气象预测模型;
S330:定时执行S150,S160,按照固定的时间间隔更新灾害预警报告。
本发明还提供一种基于多维度气象数据的灾害预警系统,所述系统包括:
数据采集模块:从气象观测站、卫星遥感和气象雷达多个数据源获取多维度气象数据,并使用地面传感器和GIS数据采集地形和城市数据;
模型建立模块:通过多维度气象数据建立多维度气象预测模型,通过地形和城市数据建立三维地形和城市模型;
模型融合模块:将多维度气象预测模型和三维地形和城市模型按照空间三维坐标进行融合;
数据输入模块:将实时采集的多维度气象数据和三维地形和城市模型数据输入多维度气象预测模型和三维地形和城市模型;
分析判断模块:结合三维地形和城市模型对多维度气象预测模型的预测结果进行分析和判断,判断是否超过三维地形和城市模型所能承受的阈值;
灾害预警模块:当预测结果超过三维地形和城市模型所能承受的阈值,表明可能发生灾害,触发相应的预警措施。
本发明还提供一种电子设备,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,使得所述电子设备实现如上述任一项所述的一种基于多维度气象数据的灾害预警方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行如上述实施例中任一项所述的一种基于多维度气象数据的灾害预警方法。
本发明的有益效果:本发明通过采集多维度的气象数据建立多维度气象预测模型,可以获取更全面、更准确的气象信息,进而提高气象预测的准确率,同时通过地形和城市数据建立三维地形和城市模型,将多维度气象预测模型与三维地形和城市模型按照空间三维坐标进行融合,能够根据预测结果判断对环境的影响,当预测结果超过三维地形和城市模型所能承受的阈值,表明可能发生灾害,触发相应的预警措施。本发明能够实时获取气象数据进行预测,并定时进行灾害判断,能够根据判定结果进行提前进行预防,保证了人身和财产安全。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
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。在附图中:
图1为本发明的一示例性实施例示出的一种基于多维度气象数据的灾害预警方法的流程图;
图2为本发明的一示例性实施例示出的一种基于多维度气象数据的灾害预警方法中步骤S150的流程图;
图3为本发明的一示例性实施例示出的一种基于多维度气象数据的灾害预警系统结构示意图;
图4为本发明的一示例性实施例示出的电子设备的计算机系统的结构示意图。
具体实施方式
以下将参照附图和优选实施例来说明本发明的实施方式,本领域技术人员可由本说明书中所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在下文描述中,探讨了大量细节,以提供对本发明实施例的更透彻的解释,然而,对本领域技术人员来说,可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的,在其他实施例中,以方框图的形式而不是以细节的形式来示出公知的结构和设备,以避免使本发明的实施例难以理解。
首先需要说明的是,气象预测是指根据已有气象观测资料,利用数理统计、物理学、气象学、计算机科学等知识和方法,推算未来一段时间内的天气情况,包括气温、气压、降水量、风向风速、云量等气象参数。气象预测的原理是通过对已知的大气物理学规律和历史气象数据进行分析、统计和模拟,利用计算机模型模拟未来天气变化趋势和规律,以预测未来天气状况。气象预测对于人类的生产、生活、交通、安全等各个方面都具有重要意义。比如在农业生产中,气象预测可以为农民的种植、施肥、灌溉等工作提供重要的参考依据;在海上航行中,气象预测可以为船只的航行安全提供保障;在城市管理中,气象预测可以为交通管理、应急救援等提供支持。因此,气象预测的必要性不可忽视。
灾害预警是指在可能发生自然灾害或人为灾害之前,通过分析预测数据、监测预警信息和灾害历史,对可能发生的灾害进行及时预警和预测,以便采取措施减轻灾害带来的损失。
灾害预警的原理是基于先进的监测预警技术和灾害预测模型,通过对大气、海洋、地质等多个领域的多维度数据进行分析、处理和比对,预测灾害的可能发生时间、区域和强度,并及时向有关部门和公众发布预警信息,以帮助他们采取必要的措施,减轻灾害对人们生命、财产和环境的损害。灾害预警通常需要监测和分析多个因素,如气象、地质、水文、生态等,从而形成多维度、多层次的预警体系。此外,预警信息需要及时、准确地传达给公众和相关部门,才能发挥预警的作用。
图1为本发明的一示例性实施例示出的一种基于多维度气象数据的灾害预警方法的流程图;
如图1所示,本发明提供的一种基于多维度气象数据的灾害预警方法,所述方法包括:
步骤S110:从气象观测站、卫星遥感和气象雷达多个数据源获取多维度气象数据,并使用地面传感器和GIS数据采集地形和城市数据;
步骤S120:通过多维度气象数据建立多维度气象预测模型,通过地形和城市数据建立三维地形和城市模型;
步骤S130:将多维度气象预测模型和三维地形和城市模型按照空间三维坐标进行融合;
步骤S140:将实时采集的多维度气象数据和三维地形和城市模型数据输入多维度气象预测模型和三维地形和城市模型;
步骤S150:结合三维地形和城市模型对多维度气象预测模型的预测结果进行分析和判断,判断是否超过三维地形和城市模型所能承受的阈值;
步骤S160:当预测结果超过三维地形和城市模型所能承受的阈值,表明可能发生灾害,触发相应的预警措施。
在一示例性的实施例中,所述气象雷达包括反射率雷达、多普勒雷达、相控阵雷达、大气激光雷达、电阻率探测雷达和闪电定位雷达。上述气象雷达的原理和作用如下所示:
反射率雷达:测量大气中水滴或冰晶对雷达波的反射,用于探测降水。
多普勒雷达:测量大气中水滴或冰晶对雷达波的反射和散射,利用多普勒效应测量降水的速度和方向,用于探测强风暴和风切变等。
相控阵雷达:通过改变天线单元的相位和振幅来实现电波束的电子扫描,用于实现三维气象观测。
大气激光雷达:使用激光束穿过大气,测量散射光的时间延迟和强度,从而确定大气中的温度、湿度和风速等参数。
电阻率探测雷达:通过测量大气中电磁波的电阻率变化,可以反演出大气的温度和湿度等参数。
闪电定位雷达:通过测量闪电的电磁波信号,可以确定闪电的位置和强度,从而实现对雷暴活动的监测。
通过上述多维度气象雷达获取多维度气象数据,可以获取更全面、更准确的气象信息,通过对多维度气象数据进行分析,进而提高气象预测的准确率。
优选的,GIS数据指地理信息系统数据,它是通过空间数据采集、处理和存储等操作得到的地理数据。GIS数据通常包含地理实体的位置、形状、属性和拓扑关系等信息。例如,地图数据、卫星影像、遥感数据、人口普查数据、地形数据等都是GIS数据的一种形式。通过对GIS数据的分析和处理,可以获取关于地理空间上现象和现象之间关系的信息,从而支持各种地理决策和规划。
在一示例性的实施例中,所述多维度气象数据包括温度、湿度、气压、降水量、风速和风向。
在一示例性的实施例中,所述地形和城市数据包括地形、土地利用、道路以及建筑数据。
在一示例性的实施例中,三维地形和城市模型所能承受的阈值包括雨量阈值、雷暴阈值、风速阈值、温度阈值、水位阈值、土壤湿度阈值、雾霾阈值以及海浪阈值。优选的,各阈值所表示的含义为:高于阈值或者低于阈值所带来的气象灾害,雨量阈值:指在一定时间内某个区域内的降雨量超过一定值时会引发灾害。雷暴阈值:指雷暴天气的强度、范围、持续时间等达到一定程度时会引发灾害。风速阈值:指当风速超过一定值时,可能会对建筑物和其他设施造成损害。温度阈值:指当温度过高或过低时,可能会对人类、动植物等造成伤害。水位阈值:指水位超过一定高度时可能会引发洪涝灾害。土壤湿度阈值:指当土壤湿度过高时,可能会引发滑坡、泥石流等灾害。雾霾阈值:指当空气污染程度过高时,可能会对人类、动植物等造成伤害。海浪阈值:指海浪高度超过一定值时可能会对船只、港口等造成危害。
图2为本发明的一示例性实施例示出的一种基于多维度气象数据的灾害预警方法中步骤S150的流程图;
如图2所示,本发明提供的一种基于多维度气象数据的灾害预警方法,所述方法中步骤S150具体包括:
步骤S210:确定待分析的天气类型;
步骤S220:根据多维度气象预测模型的预测结果,获取该天气类型在持续时间内的空间分布情况,其中,所述空间分布情况包括强度、范围、移动速度;
步骤S230:将该天气类型在持续时间内的空间分布情况与环境消化能力以及最大承受阈值进行比较,确定该天气类型带来的最大影响;
步骤S240:通过计算某地区受影响的程度来量化影响大小,评估发生灾害可能性。
在一示例性的实施例中,步骤S240的计算逻辑为:
其中,为持续时间内的实际影响,/>表示待分析的天气类型预测单位时间产生的影响,/>表示单位时间的环境消化能力,/>表示其他的天气类型预测单位时间产生的影响,k表示待分析的天气类型的持续时间,n表示持续时间,且/>,/>为影响系数。
示例性的,对于一个城市的某个区域,假设要分析的天气类型为暴雨,待分析时间段为24小时,环境消化能力平均值为12.5毫米/小时,其他天气类型的影响平均值为2.5毫米/小时,暴雨在该时间段内预测产生的影响的平均值为75毫米/小时,影响系数为0.8,则可以按照公式计算持续时间内的实际影响为:
因此,在该时间段内,暴雨可能带来的实际影响为1452毫米。即在24小时内城市区域积水会达到1.452米,该区域有可能发生洪涝灾害,会对人们生命、财产和环境造成严重的损害,所以需要根据气象预测结果提前发布灾害预警,提前做好预防措施,减少损失。
在一示例性的实施例中,步骤S160还包括:
步骤S310:根据预测结果输出相应的灾害预警报告;
步骤S320:将最新的多维度气象数据更新至多维度气象预测模型;
步骤S330:定时执行S150,S160,按照固定的时间间隔更新灾害预警报告。
优选的,通过步骤S310、步骤S320以及步骤S330实现了自动地完成对气象数据的处理和分析,无需人工干预,大大降低了工作量和人为因素带来的误差。同时可以实时监测和分析气象数据并结合三维地形和城市模型进行灾害预警,为决策者提供及时的灾害预警和预测结果,提高决策的及时性。
图3为本发明的一示例性实施例示出的一种基于多维度气象数据的灾害预警系统结构示意图;
如图3所示,该示例性的一种基于多维度气象数据的灾害预警系统包括:
数据采集模块301:从气象观测站、卫星遥感和气象雷达多个数据源获取多维度气象数据,并使用地面传感器和GIS数据采集地形和城市数据;
模型建立模块302:通过多维度气象数据建立多维度气象预测模型,通过地形和城市数据建立三维地形和城市模型;
模型融合模块303:将多维度气象预测模型和三维地形和城市模型按照空间三维坐标进行融合;
数据输入模块304:将实时采集的多维度气象数据和三维地形和城市模型数据输入多维度气象预测模型和三维地形和城市模型;
分析判断模块305:结合三维地形和城市模型对多维度气象预测模型的预测结果进行分析和判断,判断是否超过三维地形和城市模型所能承受的阈值;
灾害预警模块306:当预测结果超过三维地形和城市模型所能承受的阈值,表明可能发生灾害,触发相应的预警措施。
需要说明的是,上述实施例所提供的一种基于多维度气象数据的灾害预警系统与上述实施例所提供的一种基于多维度气象数据的灾害预警方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的一种基于多维度气象数据的灾害预警系统在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将系统的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种电子设备,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,使得所述电子设备实现上述各个实施例中提供的一种基于多维度气象数据的灾害预警方法。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图4示出的电子设备的计算机系统400仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory,RAM)403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input/Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分407;包括硬盘等的储存部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的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或者是上述两者的任意组合。计算机可读存储介质例如可以是电、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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,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计算机程序。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计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前所述的一种基于多维度气象数据的灾害预警方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
本申请的另一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各个实施例中提供的一种基于多维度气象数据的灾害预警方法。
上述实施例仅示例性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,但凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种基于多维度气象数据的灾害预警方法,其特征在于,所述方法包括以下步骤:
S110:从气象观测站、卫星遥感和气象雷达多个数据源获取多维度气象数据,并使用地面传感器和GIS数据采集地形和城市数据;
S120:通过多维度气象数据建立多维度气象预测模型,通过地形和城市数据建立三维地形和城市模型;
S130:将多维度气象预测模型和三维地形和城市模型按照空间三维坐标进行融合;
S140:将实时采集的多维度气象数据和三维地形和城市模型数据输入多维度气象预测模型和三维地形和城市模型;
S150:结合三维地形和城市模型对多维度气象预测模型的预测结果进行分析和判断,判断是否超过三维地形和城市模型所能承受的阈值;
S160:当预测结果超过三维地形和城市模型所能承受的阈值,表明可能发生灾害,触发相应的预警措施。
2.根据权利要求1所述的一种基于多维度气象数据的灾害预警方法,其特征在于,所述多维度气象数据包括:温度、湿度、气压、降水量、风速和风向。
3.根据权利要求2所述的一种基于多维度气象数据的灾害预警方法,其特征在于,所述地形和城市数据包括:地形、土地利用、道路以及建筑数据。
4.根据权利要求3所述的一种基于多维度气象数据的灾害预警方法,其特征在于,三维地形和城市模型所能承受的阈值包括:雨量阈值、雷暴阈值、风速阈值、温度阈值、水位阈值、土壤湿度阈值、雾霾阈值以及海浪阈值。
5.根据权利要求1所述的一种基于多维度气象数据的灾害预警方法,其特征在于,步骤S150具体包括:
S210:确定待分析的天气类型;
S220:根据多维度气象预测模型的预测结果,获取该天气类型在持续时间内的空间分布情况,其中,所述空间分布情况包括强度、范围、移动速度;
S230:将该天气类型在持续时间内的空间分布情况与环境消化能力以及最大承受阈值进行比较,确定该天气类型带来的最大影响;
S240:通过计算某地区受影响的程度来量化影响大小,评估发生灾害可能性。
7.根据权利要求1所述的一种基于多维度气象数据的灾害预警方法,其特征在于,步骤S160还包括:
S310:根据预测结果输出相应的灾害预警报告;
S320:将最新的多维度气象数据更新至多维度气象预测模型;
S330:定时执行S150,S160,按照固定的时间间隔更新灾害预警报告。
8.一种基于多维度气象数据的灾害预警系统,其特征在于,包括:
数据采集模块:从气象观测站、卫星遥感和气象雷达多个数据源获取多维度气象数据,并使用地面传感器和GIS数据采集地形和城市数据;
模型建立模块:通过多维度气象数据建立多维度气象预测模型,通过地形和城市数据建立三维地形和城市模型;
模型融合模块:将多维度气象预测模型和三维地形和城市模型按照空间三维坐标进行融合;
数据输入模块:将实时采集的多维度气象数据和三维地形和城市模型数据输入多维度气象预测模型和三维地形和城市模型;
分析判断模块:结合三维地形和城市模型对多维度气象预测模型的预测结果进行分析和判断,判断是否超过三维地形和城市模型所能承受的阈值;
灾害预警模块:当预测结果超过三维地形和城市模型所能承受的阈值,表明可能发生灾害,触发相应的预警措施。
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,使得所述电子设备实现如权利要求1至7中任一项所述的一种基于多维度气象数据的灾害预警方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行权利要求1至7中任一项所述的一种基于多维度气象数据的灾害预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310705776.2A CN116434485A (zh) | 2023-06-15 | 2023-06-15 | 基于多维度气象数据的灾害预警方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310705776.2A CN116434485A (zh) | 2023-06-15 | 2023-06-15 | 基于多维度气象数据的灾害预警方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116434485A true CN116434485A (zh) | 2023-07-14 |
Family
ID=87092940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310705776.2A Pending CN116434485A (zh) | 2023-06-15 | 2023-06-15 | 基于多维度气象数据的灾害预警方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434485A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117872510A (zh) * | 2024-03-11 | 2024-04-12 | 成都润联科技开发有限公司 | 一种气象数据分析方法、装置、设备及介质 |
CN117872510B (zh) * | 2024-03-11 | 2024-05-17 | 成都润联科技开发有限公司 | 一种气象数据分析方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130035859A1 (en) * | 2010-01-19 | 2013-02-07 | Swiss Reinsurance Company Ltd. | Method and system for automated location dependent natural disaster forecast |
CN105590160A (zh) * | 2015-10-30 | 2016-05-18 | 国网山东省电力公司青岛供电公司 | 一种基于gis的三维应急指挥方法及其系统 |
CN111613017A (zh) * | 2020-04-26 | 2020-09-01 | 李海波 | 一种城市洪涝灾害紧急预警处理方法及系统 |
CN112526637A (zh) * | 2020-11-17 | 2021-03-19 | 国网湖南省电力有限公司 | 基于不均匀权重的一体化电网通道暴雨监测方法和系统 |
CN116070918A (zh) * | 2023-04-06 | 2023-05-05 | 珠江水利委员会珠江水利科学研究院 | 一种城市洪涝安全评估及洪涝灾害防治方法 |
-
2023
- 2023-06-15 CN CN202310705776.2A patent/CN116434485A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130035859A1 (en) * | 2010-01-19 | 2013-02-07 | Swiss Reinsurance Company Ltd. | Method and system for automated location dependent natural disaster forecast |
CN105590160A (zh) * | 2015-10-30 | 2016-05-18 | 国网山东省电力公司青岛供电公司 | 一种基于gis的三维应急指挥方法及其系统 |
CN111613017A (zh) * | 2020-04-26 | 2020-09-01 | 李海波 | 一种城市洪涝灾害紧急预警处理方法及系统 |
CN112526637A (zh) * | 2020-11-17 | 2021-03-19 | 国网湖南省电力有限公司 | 基于不均匀权重的一体化电网通道暴雨监测方法和系统 |
CN116070918A (zh) * | 2023-04-06 | 2023-05-05 | 珠江水利委员会珠江水利科学研究院 | 一种城市洪涝安全评估及洪涝灾害防治方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117872510A (zh) * | 2024-03-11 | 2024-04-12 | 成都润联科技开发有限公司 | 一种气象数据分析方法、装置、设备及介质 |
CN117872510B (zh) * | 2024-03-11 | 2024-05-17 | 成都润联科技开发有限公司 | 一种气象数据分析方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nandi et al. | Flood hazard mapping in Jamaica using principal component analysis and logistic regression | |
Liu et al. | Evaluation of three satellite precipitation products TRMM 3B42, CMORPH, and PERSIANN over a subtropical watershed in China | |
KR101788104B1 (ko) | 극한 강우를 고려한 실시간 산사태 예보 및 경보 시스템 및 방법 | |
Villarini et al. | Towards probabilistic forecasting of flash floods: The combined effects of uncertainty in radar-rainfall and flash flood guidance | |
US8984939B1 (en) | Dual-polarization weather radar data system and method | |
de Lima | Multifractals and the temporal structure of rainfall | |
US11899103B2 (en) | Dual-polarization weather radar data system and method | |
Monaghan et al. | High-resolution historical climate simulations over Alaska | |
US9519057B1 (en) | Dual-polarization weather radar data system and method | |
CN111784976B (zh) | 一种山洪灾害预警方法、装置、系统及存储介质 | |
Douvinet et al. | A flash flood hazard assessment in dry valleys (northern France) by cellular automata modelling | |
He et al. | Estimation of roughness length at Hong Kong International Airport via different micrometeorological methods | |
Wang et al. | A regime-based evaluation of southern and northern Great Plains warm-season precipitation events in WRF | |
Yilmaz et al. | Comparing uniform and random data reduction methods for DTM accuracy | |
Ferretti et al. | A meteorological–hydrological regional ensemble forecast for an early-warning system over small Apennine catchments in Central Italy | |
Siems-Anderson et al. | Impacts of assimilating observations from connected vehicles into a numerical weather prediction model | |
Tatishvili et al. | The Use of Structured Data for Drought Evaluation in Georgia | |
Young et al. | Submitted on | |
Hu | An algorithm for converting weather radar data into GIS polygons and its application in severe weather warning systems | |
Sokol et al. | Nowcasting of hailstorms simulated by the NWP model COSMO for the area of the Czech Republic | |
CN116434485A (zh) | 基于多维度气象数据的灾害预警方法、系统、设备及介质 | |
Gourley et al. | Real-time flash flood forecasting | |
CN114898138A (zh) | 一种基于地形地貌及遥感数据进行森林火灾预测的方法 | |
CN116502151B (zh) | 基于多维度气象数据的气象预测方法、系统、设备及介质 | |
Anuruddhika et al. | Forecasting flood inundation areas of Attanagalu Oya |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230714 |
|
RJ01 | Rejection of invention patent application after publication |