CN117290675B - 降水数据处理方法、装置、存储介质及电子设备 - Google Patents
降水数据处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117290675B CN117290675B CN202311591612.8A CN202311591612A CN117290675B CN 117290675 B CN117290675 B CN 117290675B CN 202311591612 A CN202311591612 A CN 202311591612A CN 117290675 B CN117290675 B CN 117290675B
- Authority
- CN
- China
- Prior art keywords
- precipitation
- data
- time
- target
- background
- 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
- 238000001556 precipitation Methods 0.000 title claims abstract description 824
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 230000004927 fusion Effects 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000000153 supplemental effect Effects 0.000 claims description 29
- 239000013589 supplement Substances 0.000 claims description 16
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000011161 development Methods 0.000 abstract description 3
- 230000002354 daily effect Effects 0.000 description 28
- 238000005259 measurement Methods 0.000 description 12
- 238000003908 quality control method Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Environmental & Geological Engineering (AREA)
- Hydrology & Water Resources (AREA)
- Probability & Statistics with Applications (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
本公开提供了一种降水数据处理方法、装置、存储介质及电子设备,涉及数据处理领域。该降水数据处理方法包括:根据经过校正的降水参考数据确定降水本底数据中的缺测时次,然后利用降水补充数据填补降水本底数据的缺测时次,并通过降水参考数据与初始融合降水数据之间的偏差对初始融合降水数据进行调整,从而得到目标融合降水数据。本公开可以提高降水数据的准确性,进而提高对极端降水发展过程分析的准确性,以便于及时预防和应对极端天气造成的影响。
Description
技术领域
本公开涉及数据处理技术领域,具体而言,涉及一种降水数据处理方法、降水数据处理装置、计算机可读存储介质及电子设备。
背景技术
降水是全球大部分地区可利用水资源的主要来源,是几乎所有水文过程的关键补给,是决定植被生长和农业活动的主要影响因素,重要的是,降水与人类生产生活和社会经济发展息息相关。近年来,全球变暖导致的极端降水显著增多。因此,对降水数据进行准确分析以应对极端天气具有重要意义。
高精度、高时间分辨率的降水数据是预防极端降水的关键。相关技术中,高时间分辨率的降水数据中存在较多的缺测数据,从而影响了对极端降水分析的准确性,不利于对极端天气的预警及预报。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例的目的在于提供一种降水数据处理方法、降水数据处理装置、计算机可读存储介质及电子设备,进而至少在一定程度上解决相关技术中用于解决高时间分辨率的降水数据存在的缺测问题。
根据本公开实施例的第一方面,提供了一种降水数据处理方法,包括:
获取目标区域对应的多种历史降水数据,多种历史降水数据包括降水本底数据、降水参考数据以及降水补充数据,其中,降水本底数据的时间分辨率大于降水参考数据的时间分辨率,且降水参考数据为经过校正的降水数据;
根据降水参考数据确定降水本底数据中的缺测时次;
利用降水补充数据中与缺测时次对应的目标降水数据填补降水本底数据的缺测时次,得到初始融合降水数据;
确定降水参考数据与初始融合降水数据之间的偏差,并根据偏差对初始融合降水数据进行调整,得到目标融合降水数据。
根据本公开实施例的第二方面,提供了一种降水数据处理装置,包括:
降水数据获取模块,用于获取目标区域对应的多种历史降水数据,多种历史降水数据包括降水本底数据、降水参考数据以及降水补充数据,其中,所述降水本底数据的时间分辨率大于所述降水参考数据的时间分辨率,且所述降水参考数据为经过校正的降水数据;
缺测时次确定模块,用于根据降水参考数据确定降水本底数据中的缺测时次;
第一融合数据确定模块,用于利用所述降水补充数据中与所述缺测时次对应的目标降水数据填补所述降水本底数据的缺测时次,得到初始融合降水数据;
第二融合数据确定模块,用于确定降水参考数据与初始融合降水数据之间的偏差,并根据偏差对初始融合降水数据进行调整,得到目标融合降水数据。
根据本公开的第三方面,提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现第一方面中降水数据处理方法的任一步骤。
根据本公开的第四方面,提供了一种电子设备,包括:
处理器;以及
存储器,存储器上存储有计算机可读指令,计算机可读指令被处理器执行时实现第一方面中降水数据处理方法的任一步骤。
本公开实施例提供的技术方案可以包括以下有益效果:
本公开的示例实施例中的降水数据处理方法,根据经过校正的降水参考数据确定降水本底数据中的缺测时次,然后利用降水补充数据填补降水本底数据的缺测时次,并通过降水参考数据与初始融合降水数据之间的偏差对初始融合降水数据进行调整,从而得到目标融合降水数据。一方面,通过不含缺测数据的降水补充数据对降水本底数据进行填充,并通过准确性高的降水参考数据对填充后的降水本底数据进行调整得到融合降水数据,解决降水数据的缺测问题的同时保障了降水数据的精确度,从而提高降水数据的准确性以及完整性;另一方面,基于高质量的融合降水数据进行研究可以提高对降水形成过程进行分析的准确性,以便于及时预防和应对极端天气造成的影响。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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。
图1示意性示出了本公开实施例中的一种降水数据处理方法的流程图。
图2示意性示出了本公开实施例中的一种降水数据处理方法的另一种流程图。
图3示意性示出了某地区在一时间段内的不同降水数据分别对应的年累积降水量的示意图。
图4示意性示出了根据本公开实施例中的一种降水数据处理装置的流程图。
图5示意性示出了根据本公开的一些实施例的电子设备的计算机系统的结构示意图。
图6示意性示出了根据本公开的一些实施例的计算机可读存储介质的示意图。
在附图中,相同或对应的标号表示相同或对应的部分。
图中附图标记如下:
410、降水数据获取模块;420、缺测时次确定模块;430、第一融合数据确定模块;440、第二融合数据确定模块;
500、电子设备;510、处理单元;520、存储单元;521、随机存取存储单元(RAM);522、高速缓存存储单元;523、只读存储单元(ROM);524、程序/实用工具;525、程序模块;
530、总线;540、显示单元;550、输入/输出(I/O)接口;560、网络适配器;570、外部设备;
600、程序产品。
具体实施方式
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在相关技术中,存在以下技术问题:
高精度、高时间分辨率的降水数据是预防极端降水的关键。相关技术中,高时间分辨率的降水数据中存在较多的缺测数据,从而影响了对极端降水分析的准确性,不利于对极端天气的预防。
基于相关技术中的一个或者多个问题,本公开实施例首先提出了一种降水数据处理方法,该方法可以由终端设备执行,也可以由服务器执行,下面以服务器执行为例,对降水数据处理方法进行说明。
图1示意性示出了本公开实施例中的一种降水数据处理方法的流程图。参考图1所示,该降水数据处理方法可以包括以下步骤:
步骤S110,获取目标区域对应的多种历史降水数据,多种历史降水数据包括降水本底数据、降水参考数据以及降水补充数据,其中,降水本底数据的时间分辨率大于降水参考数据的时间分辨率,且降水参考数据为经过校正的降水数据;
步骤S120,根据降水参考数据确定降水本底数据中的缺测时次;
步骤S130,利用降水补充数据中与缺测时次对应的目标降水数据填补降水本底数据的缺测时次,得到初始融合降水数据;
步骤S140,确定降水参考数据与初始融合降水数据之间的偏差,并根据偏差对初始融合降水数据进行调整,得到目标融合降水数据。
根据本公开的降水数据处理方法,根据经过校正的降水参考数据确定降水本底数据中的缺测时次,然后利用降水补充数据填补降水本底数据的缺测时次,并通过降水参考数据与初始融合降水数据之间的偏差对初始融合降水数据进行调整,从而得到目标融合降水数据。一方面,通过不含缺测时次的降水补充数据对降水本底数据进行填充,并通过准确性高的降水参考数据对填充后的降水本底数据进行调整得到融合降水数据,解决降水数据的缺测问题的同时保障了降水数据的精确度,从而提高降水数据的准确性以及完整性;另一方面,基于高质量的融合降水数据进行研究可以提高对降水形成过程进行分析的准确性,以便于及时预防和应对极端天气造成的影响。
下面,将对本示例实施例中的降水数据处理方法进行详细说明。
在步骤S110,获取目标区域对应的多种历史降水数据,多种历史降水数据包括降水本底数据、降水参考数据以及降水补充数据,其中,降水本底数据的时间分辨率大于降水参考数据的时间分辨率,且降水参考数据为经过校正的降水数据。
其中,降水本底数据可以是时间分辨率较高且存在缺省值的降水数据,缺省值可以是无降水的时次对应的降水数据,也可以是缺测时次对应的降水数据,本公开对此不做限定。降水参考数据的时间分辨率低于降水本底数据的时间分辨率,但降水参考数据为经过校正的降水数据,例如,可以是经过质量控制,并进行人工核对后的降水数据,用于判断降水本底数据中是否存在缺测时次以及进行无雨测试,从而得到高精度的降水数据。可选的,也可以利用降水参考数据对融合降水数据进行质控,从而降低融合降水数据与降水参考数据之间的偏差,进一步的提高融合数据的准确性。
举例而言,降水本底数据可以是每小时分辨率的站点观测数据,降水参考数据可以是每日/每半日分辨率的站点观测数据,可选的,降水本底数据与降水参考数据中存在多个相同的站点以及相同的时间段,如降水本底数据与降水参考数据中相同观测站点为88个,相同时间序列为2012-2015年的地区。
示例性的,可以获取时间分辨率不同的第一观测站降水数据和第二观测站降水数据,提取第一观测站降水数据和第二观测站降水数据中属于相同时间段和相同地点的降水数据,得到降水本底数据和降水参考数据;确定与第一观测站和第二观测站之间的距离满足预设距离条件的网格点,获取对应的网格点降水数据,并将网格点降水数据插值为与降水本底数据具有相同时间分辨率的降水数据,得到降水补充数据。
其中,第一观测站降水数据是从气象观测站获取的每小时分辨率的站点观测降水数据,第一观测站降水数据中可能会存在空值站点即所有数据均缺测的站点,因此可以对第一观测站降水数据进行数据清洗,如去除第一观测站降水数据中的空值站点,将未被去除的站点的所有数据作为确定降水本底数据的基础,当然,也可以根据具体的情况对第一观测站降水数据进行预处理操作,本实施例对于第一观测站点降水数据进行预处理的操作不做特别限定。
可选的,气象观测站的降水数据的时间分辨率较高,因此将高时间分辨率的站点观测降水数据作为第一观测站降水数据,通过对第一观测站降水数据进行预处理操作得到的降水本底数据的时间分辨率也较高,可以通过对降水本底数据中的缺测时次进行填充,从而得到高时间分辨率的不含缺测信息的融合降水数据。
第二观测站降水数据是从地面气候资料日值数据集获取的每日或者每半日分辨率的站点观测降水数据,通过第二观测站降水数据确定的降水参考数据与第一观测站降水数据有关,可以根据去除空值站点后的第一观测站降水数据的时间序列以及站点信息确定降水参考数据,如可以提取第二观测站降水数据中与第一观测站降水数据具有同时间段、同站点的降水数据,作为降水参考数据。
可选的,降水本底数据为自动气象观测站将每小时观测到的数据传递给气象局确定的,会受到信号强弱的影响从而导致降水本底数据中存在缺测时次,降水参考数据是每日或每半日依靠雨量筒称重的结果确定的,不受信号强弱的影响,因此可以通过降水参考数据与降水本底数据的差值对降水本底数据存在的缺测时次进行判断。
可选的,地面气候资料日值数据集经过了质量控制,并且进行了人工二次核对,数据的准确性较高,可以作为第二观测站降水数据确定的降水参考数据,用于确定降水本底数据中的缺测时次,并且通过降水参考数据对降水本底数据进行无雨测试,并对填充后的降水本底数据进行质控,得到高精度的降水数据。
降水补充数据可以是基于遥感和再分析数据的不含缺测时次的网格化降水数据,可以用于填充降水本底数据中的缺测时次。可选的,通过降水参考数据及衍生产品对降水补充数据进行同化,可以提高降水补充数据的准确性,从而提高通过降水补充数据填充的降水本底数据的准确性。
预设距离是指选取网格化降水数据中的对应的部分网格点降水数据作为降水补充数据的依据,用于确定降水补充数据。例如,预设距离的设置可以根据降水本底数据与降水填充数据共有站点的平均距离确定,也可以根据降水本底数据与降水填充数据共有站点距离信息的中位数距离确定,当然,还可以根据具体的情况选择合适的距离,本实施例对于预设距离的确定方式不做特别限定。
可选的,若网格化的降水数据的时间分辨率为每三小时,则可以利用双线性插值法将根据预设距离提取到的各网格点降水数据插值成时间分辨率为每小时的降水数据,从而确定降水补充数据。
可选的,基于遥感和再分析数据的网格化降水数据不含缺测时次同时还同化了降水参考数据及其衍生产品,使得网格化降水数据的准确性较高,通过提取到的部分网格降水数据确定的降水补充数据中不含缺测时次,从而可以利用降水补充数据对降水本底数据中的所有缺测时次进行填充,得到不含缺测时次的融合降水数据。
在步骤S120,根据降水参考数据确定降水本底数据中的缺测时次。
可选的,降水参考数据的准确性较高,将降水参考数据作为判断依据可以准确的确定降水本底数据中是否存在缺测时次。例如,若降水本底数据的每日累积降水量大于零且小于降水参考数据的每日累积降水量时,则表示降水本底数据中存在缺测时次,如可能存在至少一个缺测时次,也可能缺少所有时次的降水数据,本公开对此不做具体限定,此时可以利用对应时次的降水补充数据对相应降水本底数据的缺测时次进行填充。若降水本底数据的每日累积降水量为零且降水参考数据的每日累积降水量大于零时,则表示降水本底数据中降水数据在该日全部丢失,从而可以利用对应日的降水补充数据对降水本底数据进行填充。
在本公开的一示例实施例中,可以通过以下步骤实现对步骤S120中对降水本底数据中的缺测时次的确定:
统计降水本底数据对应的每日累积降水量,若目标日累积降水量大于零,且与目标日累积降水量对应的降水本底数据与降水参考数据之间的差值大于预设的降水量差值时,则确定与目标日累积降水量对应的降水本底数据中至少包含一个缺测时次,若目标日累积降水量等于零,且与目标日累积降水量对应的降水参考数据大于零,则确定与目标日累积降水量对应的降水本底数据中的所有时次均缺测。
其中,每日累积降水量是指对降水本底数据中每天24个时次的降水数据进行求和确定的累积降水量,用于确定选定日期的日累积降水量即目标日累积降水量,可以通过目标日累积降水量与降水参考数据中对应的累积降水量之间的差值确定降水本底数据中的缺测时次。举例而言,若预设的降水量差值为1mm,当目标日累积降水量比降水参考数据中对应的累积降水量偏小1mm或1mm以上时,则表示目标日的降水本底数据中的24个时次中至少有一个缺测时次;也可以通过降水参考数据验证目标日累积降水量为零时的情况,如当目标日累积降水量为零时但降水参考数据大于零,则表示目标日的降水本底数据中的24个时次均缺测;当然,还可以根据具体的情况利用降水参考数据确定降水本底数据中的缺测时次,本实施例对于通过降水参考数据确定降水本底数据中的缺测时次的方式不做特别限定。
可选的,可以利用与降水本底数据同时间段、同站点的降水参考数据来进一步的确定降水本底数据中的缺测时次,从而可以在判定降水本底数据中存在缺测时次时可以精准定位目标日24个时次中缺测的具体时次。
可选的,通过目标日累积降水量判断降水本底数据中的缺测时次可以不受信号强弱的影响,从而保障了通过降水参考数据确定的降水本底数据中的缺测时次的准确性。
在步骤S130,利用降水补充数据中与缺测时次对应的目标降水数据填补降水本底数据的缺测时次,得到初始融合降水数据。
其中,目标降水数据可以是与降水本底数据的缺测时次属于相同日的对应时次的降水补充数据,也可以是与降水本底数据的缺测时次属于相邻日的对应时次的降水补充数据,本实施例对于目标降水数据的类型不做特别限定。
举例而言,当降水参考数据中第i天的降水大于零,降水本底数据中第i天的所有时次均缺测时,则可以利用第i天的降水补充数据对缺测的所有时次进行填充;而当第i天的降水补充数据也为零时,则判断当天降水补充数据的降水时间可能发生了前移或者后移,可以通过第i-1天或第i+1天的降水补充数据对降水本底数据进行填充,当然,可以根据具体的情况选择合适日期的降水填充数据对降水本底数据进行填充,本实施例对于作为数据填充的降水填充数据的日期不做特别限定。
初始融合降水数据是指基于对目标区域的降水本底数据经过填补后无缺测时次并经过初次质控的融合降水数据,可作为基础数据用于进一步的质控从而得到准确性更高的降水数据。初始融合降水数据可以通过对降水本底数据与降水参考数据共有时间序列中每一天经过填充以及无雨测试的降水本底数据得到,如当目标区域选取的为共有时间序列为2012-2015年地区时,则初始融合降水数据是通过2012-2015年中每一天经过填充以及无雨测试的降水本底数据的集合,当然,也可以根据具体的情况选择合适的目标区域从而确定对应的初始融合降水数据,本实施例对于初始融合降水数据表示的具体的数据不做特别限定。
在本公开的一示例实施例中,目标降水数据包括第一目标降水数据和第二目标降水数据,可以通过以下步骤实现对步骤S130中对降水本底数据中的缺测时次的填补:
当确定与目标日累积降水量对应的降水本底数据中至少包含一个缺测时次时,利用降水补充数据中属于相同时次的第一目标降水数据填补降水本底数据中的至少一个缺测时次,当确定与目标日累积降水量对应的降水本底数据中的所有时次均缺测时,确定与目标日累积降水量对应的降水补充数据是否大于零,若降水补充数据大于零,则利用降水补充数据中目标日的相同时次的第二目标降水数据填补降水本底数据中的所有缺测时次,若降水补充数据等于零,则利用降水补充数据中相邻日的相同时次的第二目标降水数据填补降水本底数据中的所有缺测时次。
其中,第一目标降水数据是指目标日累积降水量不为零且含有缺测时次时进行填充的降水补充数据,用于填充降水本底数据中的缺测时次。第一目标降水数据的时次与缺测时次相同,如当确定的降水本底数据中缺测的时次为目标日的第11个时次时,则第一目标降水数据为降水补充数据中目标日的第11个时次。
第二目标降水数据是指目标日累积降水量为零且目标日的所有时次均缺测时进行填充的降水补充数据,用于填充降水本底数据中的缺测时次。第二目标降水数据可以是与目标日相同日期的降水补充数据,也可以是与目标日相差一天的降水补充数据,本实施例对于第二目标降水数据对应的日期不做特别限定。
举例而言,当目标日的降水本底数据的所有时次均缺测且相同日的降水补充数据为零时,则可以用与目标日相差一天的降水补充数据的所有时次的数据对降水本底数据填充,当目标日的降水本底数据的所有时次均缺测且相同日的降水补充数据不为零时,则可以用目标日的降水补充数据的所有时次对降水本底数据填充。
在本公开的一示例实施例中,可以通过以下步骤实现对降水本底数据的无雨测试:
若目标日的降水参考数据等于零,则将目标日的所有时次的降水本底数据设为零。
可选的,降水补充数据依赖于遥感反演及再分析降水数据,因此在冬季会存在一些虚假的降水数据,通过准确性高的降水参考数据对利用降水补充数据进行填充后的降水本底数据进行无雨测试,可以更进一步的提高填充后的降水本底数据的准确性。降水参考数据可以对该日预先进行无雨测试,也可以对填充后的降水本底数据中是否引入虚假降水数据进行判断,从而保障对降水本底数据中缺测时次判断的准确性。
举例而言,当目标日的降水参考数据为零时,可以直接将对应的所有时次的未进行填充的降水本底数据均设为零,若填充后的降水本底数据不为零可以将引入虚假降水数据的填充后的降水本底数据中目标日所有时次对应的降水数据均设为零,从而保障填充后的降水本底数据集合即初始融合降水数据的准确性。
在步骤S140,确定降水参考数据与初始融合降水数据之间的偏差,并根据偏差对初始融合降水数据进行调整,得到目标融合降水数据。
其中,目标融合降水数据是指利用降水参考数据对初始融合降水数据进行质控得到的降水数据,用于作为数据基础对降水尤其极端降水的分析和数值模拟等研究工作的开展。举例而言,利用目标融合降水数据可以对极端降水的发生发展过程进行研究,也可以作为其数值模拟结果的精度验证数据,还可以作为陆面过程模式、水文模型、积雪模型等的大气驱动数据,从而提高流域水文过程模拟性能;本实施例对于基于目标融合降水数据进行的研究类型不做特别限定。
可选的,利用准确性较高的降水参考数据与初始融合降水数据之间的偏差值对初始融合降水数据进行质控,可以通过偏差值的大小对初始融合降水数据进行相应的调整,如当初始融合降水数据中某一天的数据值小于降水参考数据时,则可以利用偏差值增大初始融合降水数据相应日期的数据值,而当初始融合降水数据中某一天的数据值大于降水参考数据时,则可以利用偏差值减小初始融合降水数据相应日期的数据值;当然,还可以根据具体的情况选择合适的方式对初始融合降水数据进行质控,本实施例对于通过降水参考数据对初始融合降水数据进行质控的具体方式不做特别限定。
在本公开的一示例实施例中,可以通过以下步骤实现步骤S140中目标融合降水数据的确定:
统计初始融合降水数据对应的每日累积降水量,并确定初始融合降水数据对应的每日累积降水量与降水参考数据对应的每日累积降水量之间的偏差,当偏差小于零时,计算初始融合降水数据的平均偏差,并根据平均偏差对初始融合降水数据进行调整,当偏差大于零时,根据偏差和初始融合降水数据中的目标降水数据对初始融合降水数据进行调整。
其中,目标降水数据是指初始融合降水数据目标日的24个时次中降水数据最大的时次对应的降水数据,用于优化初始融合降水数据,从而提高初始融合降水数据的准确性。举例而言,当初始融合降水数据中目标日的降水量大于降水参考数据时,则表示目标日的初始融合降水数据仍存在部分虚假数据,将对应的初始融合降水数据中24个时次中数据最大的值减去偏差值,从而减小误差,保障了目标融合降水数据的准确性。
可选的,当初始融合降水数据中目标日的降水量大于降水参考数据时,则表示目标日的初始融合降水数据对应的降水数据中的24个时次相对降水参考数据偏小,可以将偏差值平均在24个时次并依次累加至对应时次的初始融合降水数据中,从而减小与降水参考数据之间的误差。
一种示例实施方式中,参考图2所示,示出了本公开实施例中降水数据处理方法的另一种流程图,包括以下步骤S201至步骤S218:
步骤S201,获取i天的降水本底数据A,降水参考数据B和降水补充数据C,如获取目标区域在第i天的降水本底数据A,降水参考数据B和降水补充数据C;
步骤S202,统计第i天的降水本底数据A、降水参考数据B和降水补充数据C对应的日累积降水量,分别记为Q1、Q2和Q3;
步骤S203,判断Q1>0是否成立,若成立,则执行步骤S204,若不成立,则执行步骤S206;
步骤S204,判断Q1<Q2是否成立,若成立,则执行步骤S205,若不成立,则执行步骤S211;
步骤S205,确定第i天对应的A中存在至少一个缺测时次,并利用相同时次的C填补A;
步骤S206,判断Q2>0是否成立,若成立,则执行步骤S207,若不成立,执行步骤S212;
步骤S207,确定第i天对应的A中的所有时次均缺测,并继续执行S208;
步骤S208,判断Q3>0是否成立,若成立,说明第i天的降水补充数据未发生移位,则需执行步骤S209,若不成立,说明第i天的降水补充数据发生了移位,则需执行步骤S210;
步骤S209,利用第i天所有时次的C填补A;
步骤S210,利用第i-1天或第i+1天的所有时次的C填补A;
步骤S211,判断Q2=0是否成立,若成立则执行步骤S212,并在执行完步骤S212后执行步骤S213,若不成立则执行步骤S213;
步骤S212,将第i天所有时次的A均置为0;
步骤S213,得到初始融合降水数据M1;
步骤S214,统计M1中第i天累积降水量Q4,并计算Q4与Q1之间的偏差;如可以将第i天的初始融合降水数据减去第i天降水参考数据对应的日累积降水量得到的数值作为Q4与Q1之间的偏差;
步骤S215,判断偏差大于零是否成立,若成立,则执行步骤S217,若不成立,则执行步骤S216;
步骤S216,计算平均偏差,并利用平均偏差对M1进行调整,如可以计算偏差平均在第i天的24个时次的平均偏差,通过将平均偏差分别累加至第i天的初始融合降水数据的对应的24个时次中,从而对初始融合降水数据进行调整;
步骤S217,利用偏差和Q3中的目标降水数据对M1进行调整,如可以将第i天的初始融合降水数据中降水量最大的时次对应的降水数据减去偏差对初始融合降水数据进行调整;
步骤S218,得到目标融合降水数据M2。
本公开的示例实施例中的降水数据处理方法,根据经过校正的降水参考数据确定降水本底数据中的缺测时次,然后利用降水补充数据填补降水本底数据的缺测时次,并通过降水参考数据与初始融合降水数据之间的偏差对初始融合降水数据进行调整,从而得到目标融合降水数据。一方面,通过不含缺测数据的降水补充数据对降水本底数据进行填充,并通过准确性高的降水参考数据对填充后的降水本底数据进行调整得到融合降水数据,解决降水数据的缺测问题的同时保障了降水数据的精确度,从而提高降水数据的准确性以及完整性;另一方面,基于高质量的融合降水数据进行研究可以提高对降水形成过程进行分析的准确性,以便于及时预防和应对极端天气造成的影响。
表1示意性的给出了降水本底数据A、降水补充数据C和目标融合降水数据M2的分析结果,如下所示:
表1
具体包括年累积降水量相对偏差、年降水日数相对偏差、命中率(POD)、临界成功指数(CSI)和空报比率(FAR)等多个指标。从表1表示的统计结果可以看出,目标融合降水数据的年累积降水量的相对偏差由−41.5%显著减小至−9.5%,而年降水日数的相对偏差虽略有增加,但仍显著小于降水补充数据。目标融合降水数据的命中率和临界成功指数也有显著提升,从70%左右提升至95.7%,空报率由5%低至0,各项指数均显著高于降水本底数据A和降水补充数据C。由此表明,通过不含缺测时次的降水补充数据对降水本底数据进行填充,并通过准确性高的降水参考数据对填充后的降水本底数据进行调整得到融合降水数据,可以在解决高质量降水数据的缺测问题的同时保障了降水数据的精确度,从而提高降水数据的准确性以及全面性。
进一步的,参考图3所示,图3中的纵坐标表示降水本底数据、降水参考数据、降水补充数据及目标融合降水数据对应的年累积降水量,如图3所示,经过严格质控后得到的目标融合数据与高精度的降水参考数据的年累积降水量较为接近,也可以表明目标融合降水数据的精确度较高。
接下来,参考图4对本公开示例性实施方式的降水数据处理装置进行介绍。
如图4所示,降水数据处理装置包括降水数据获取模块410,缺测时次确定模块420,第一融合数据确定模块430,第二融合数据确定模块440。
降水数据获取模块410,用于获取目标区域对应的多种历史降水数据,多种历史降水数据包括降水本底数据、降水参考数据以及降水补充数据,其中,降水本底数据的时间分辨率大于降水参考数据的时间分辨率,且降水参考数据为经过校正的降水数据;
缺测时次确定模块420,用于根据降水参考数据确定降水本底数据中的缺测时次;
第一融合数据确定模块430,用于利用所述降水补充数据中与所述缺测时次对应的目标降水数据填补所述降水本底数据的缺测时次,得到初始融合降水数据;
第二融合数据确定模块440,用于确定降水参考数据与初始融合降水数据之间的偏差,并根据偏差对初始融合降水数据进行调整,得到目标融合降水数据。
在本公开的一示例实施例中,降水数据获取模块410被配置为用于提取第一观测站降水数据和第二观测站降水数据中属于相同时间段和相同地点的降水数据,得到降水本底数据和降水参考数据,确定与第一观测站和第二观测站之间的距离满足预设距离条件的网格点,获取对应的网格点降水数据,并将网格点降水数据插值为与降水本底数据具有相同时间分辨率的降水数据,得到降水补充数据。
在本公开的一示例实施例中,缺测时次确定模块420被配置为用于统计降水本底数据对应的每日累积降水量,若目标日累积降水量大于零,且与目标日累积降水量对应的降水本底数据与降水参考数据之间的差值大于预设的降水量差值时,则确定与目标日累积降水量对应的降水本底数据中至少包含一个缺测时次,若目标日累积降水量等于零,且与目标日累积降水量对应的降水参考数据大于零,则确定与目标日累积降水量对应的降水本底数据中的所有时次均缺测。
在本公开的一示例实施例中,目标降水数据包括第一目标降水数据和第二目标降水数据;
第一融合数据确定模块430被配置为用于当确定与目标日累积降水量对应的降水本底数据中至少包含一个缺测时次时,利用降水补充数据中属于相同时次的第一目标降水数据填补降水本底数据中的至少一个缺测时次,当确定与目标日累积降水量对应的降水本底数据中的所有时次均缺测时,确定与目标日累积降水量对应的降水补充数据是否大于零,若降水补充数据大于零,则利用降水补充数据中目标日的相同时次的第二目标降水数据填补降水本底数据中的所有缺测时次,若降水补充数据等于零,则利用降水补充数据中相邻日的相同时次的第二目标降水数据填补降水本底数据中的所有缺测时次。
在本公开的一示例实施例中,降水数据处理装置还包括降水本底数据处理模块,该降水本底数据处理模块被配置为用于若目标日的所述降水参考数据等于零,则将目标日的所有时次的所述降水本底数据设为零。
在本公开的一示例实施例中,降水本底数据处理模块还被配置为用于将目标日的所有时次的填充后的所述降水本底数据设为零。
在本公开的一示例实施例中,第二融合数据确定模块440被配置为用于统计初始融合降水数据对应的每日累积降水量,并确定初始融合降水数据对应的每日累积降水量与降水参考数据对应的每日累积降水量之间的偏差,当偏差小于零时,计算初始融合降水数据的平均偏差,并根据平均偏差对初始融合降水数据进行调整,当偏差大于零时,根据偏差和初始融合降水数据中的目标降水数据对初始融合降水数据进行调整。
上述中降水数据处理装置各模块的具体细节已经在对应的降水数据处理方法中进行了详细的描述,因此此处不再赘述。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述降水数据处理方法的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为装置、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本公开的这种实施例的电子设备500。图5所示的电子设备500仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540。
其中,存储单元存储有程序代码,程序代码可以被处理单元510执行,使得处理单元510执行本公开上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。例如,处理单元510可以执行如图1中所示的步骤S110,获取目标区域对应的多种历史降水数据,多种历史降水数据包括降水本底数据、降水参考数据以及降水补充数据,其中,降水本底数据的时间分辨率大于降水参考数据的时间分辨率,且降水参考数据为经过校正的降水数据;步骤S120,根据降水参考数据确定降水本底数据中的缺测时次;步骤S130,利用降水补充数据中与缺测时次对应的目标降水数据填补降水本底数据的缺测时次,得到初始融合降水数据;步骤S140,确定降水参考数据与初始融合降水数据之间的偏差,并根据偏差对初始融合降水数据进行调整,得到目标融合降水数据。
存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)521和/或高速缓存存储单元522,还可以进一步包括只读存储单元(ROM)523。
存储单元520还可以包括具有一组(至少一个)程序模块525的程序/实用工具524,这样的程序模块525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。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备570(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、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550进行。并且,电子设备500还可以通过网络适配器560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560通过总线530与电子设备500的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备500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。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施例中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本公开上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。
参考图6所示,描述了根据本公开的实施例的用于实现降水数据处理方法的程序产品600,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,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。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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。
计算机可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本公开实施例的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种降水数据处理方法,其特征在于,包括:
获取目标区域对应的多种历史降水数据,所述多种历史降水数据包括降水本底数据、降水参考数据以及降水补充数据,其中,所述降水本底数据为存在缺省值的降水数据,包括无降水的时次对应的降水数据和/或缺测时次对应的降水数据,所述降水本底数据的时间分辨率大于所述降水参考数据的时间分辨率,且所述降水参考数据为经过校正的降水数据,所述降水补充数据的时间分辨率等于所述降水本底数据的时间分辨率,且所述降水补充数据为不含缺测时次的降水数据;
根据所述降水参考数据确定所述降水本底数据中的缺测时次;
利用所述降水补充数据中与所述缺测时次对应的目标降水数据填补所述降水本底数据的缺测时次,得到初始融合降水数据;
确定所述降水参考数据与所述初始融合降水数据之间的偏差,并根据所述偏差对所述初始融合降水数据进行调整,得到目标融合降水数据。
2.根据权利要求1所述的降水数据处理方法,其特征在于,所述获取目标区域对应的多种历史降水数据,包括:
获取时间分辨率不同的第一观测站降水数据和第二观测站降水数据;
提取所述第一观测站降水数据和第二观测站降水数据中属于相同时间段和相同地点的降水数据,得到所述降水本底数据和所述降水参考数据;
确定与第一观测站和第二观测站之间的距离满足预设距离条件的网格点,获取对应的网格点降水数据,并将所述网格点降水数据插值为与所述降水本底数据具有相同时间分辨率的降水数据,得到所述降水补充数据。
3.根据权利要求1所述的降水数据处理方法,其特征在于,所述根据所述降水参考数据确定所述降水本底数据中的缺测时次,包括:
统计所述降水本底数据对应的每日累积降水量;
若目标日累积降水量大于零,且与所述目标日累积降水量对应的所述降水本底数据与所述降水参考数据之间的差值大于预设的降水量差值时,则确定与所述目标日累积降水量对应的所述降水本底数据中至少包含一个缺测时次;
若所述目标日累积降水量等于零,且与所述目标日累积降水量对应的所述降水参考数据大于零,则确定与所述目标日累积降水量对应的所述降水本底数据中的所有时次均缺测。
4.根据权利要求3所述的降水数据处理方法,其特征在于,所述目标降水数据包括第一目标降水数据和第二目标降水数据;
所述利用所述降水补充数据中与所述缺测时次对应的目标降水数据填补所述降水本底数据的缺测时次,包括:
当确定与所述目标日累积降水量对应的所述降水本底数据中至少包含一个缺测时次时,利用所述降水补充数据中属于相同时次的所述第一目标降水数据填补所述降水本底数据中的至少一个缺测时次;
当确定与所述目标日累积降水量对应的所述降水本底数据中的所有时次均缺测时,确定与所述目标日累积降水量对应的所述降水补充数据是否大于零;
若所述降水补充数据大于零,则利用所述降水补充数据中与目标日相同时次的所述第二目标降水数据填补所述降水本底数据中的所有缺测时次;
若所述降水补充数据等于零,则利用所述降水补充数据中相邻日的相同时次的所述第二目标降水填补所述降水本底数据中的所有缺测时次;
其中,所述第一目标降水数据为所述目标日累积降水量不为零且含有缺测时次时进行填充的降水补充数据,所述第二目标降水数据为所述目标日累积降水量为零且目标日的所有时次均缺测时进行填充的降水补充数据。
5.根据权利要求3所述的降水数据处理方法,其特征在于,所述方法还包括:
若目标日的所述降水参考数据等于零,则将目标日的所有时次的所述降水本底数据设为零。
6.根据权利要求5所述的降水数据处理方法,其特征在于,所述将目标日的所有时次的所述降水本底数据设为零,包括:
将目标日的所有时次的填充后的所述降水本底数据设为零。
7.根据权利要求1所述的降水数据处理方法,其特征在于,所述确定所述降水参考数据与所述初始融合降水数据之间的偏差,并根据所述偏差对所述初始融合降水数据进行调整,包括:
统计所述初始融合降水数据对应的每日累积降水量,并确定所述初始融合降水数据对应的每日累积降水量与所述降水参考数据对应的每日累积降水量之间的偏差;
当所述偏差小于零时,计算所述初始融合降水数据的平均偏差,并根据所述平均偏差对所述初始融合降水数据进行调整;
当所述偏差大于零时,根据所述偏差和所述初始融合降水数据中的目标降水数据对所述初始融合降水数据进行调整。
8.一种降水数据处理装置,其特征在于,包括:
降水数据获取模块,用于获取目标区域对应的多种历史降水数据,所述多种历史降水数据包括降水本底数据、降水参考数据以及降水补充数据,其中,所述降水本底数据为存在缺省值的降水数据,包括无降水的时次对应的降水数据和/或缺测时次对应的降水数据,所述降水本底数据的时间分辨率大于所述降水参考数据的时间分辨率,且所述降水参考数据为经过校正的降水数据,所述降水补充数据的时间分辨率等于所述降水本底数据的时间分辨率,且所述降水补充数据为不含缺测时次的降水数据;
缺测时次确定模块,用于根据所述降水参考数据确定所述降水本底数据中的缺测时次;
第一融合数据确定模块,用于利用所述降水补充数据中与所述缺测时次对应的目标降水数据填补所述降水本底数据的缺测时次,得到初始融合降水数据;
第二融合数据确定模块,用于确定所述降水参考数据与所述初始融合降水数据之间的偏差,并根据所述偏差对所述初始融合降水数据进行调整,得到目标融合降水数据。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如权利要求1-7中任一项所述的降水数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311591612.8A CN117290675B (zh) | 2023-11-27 | 2023-11-27 | 降水数据处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311591612.8A CN117290675B (zh) | 2023-11-27 | 2023-11-27 | 降水数据处理方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117290675A CN117290675A (zh) | 2023-12-26 |
CN117290675B true CN117290675B (zh) | 2024-02-27 |
Family
ID=89248458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311591612.8A Active CN117290675B (zh) | 2023-11-27 | 2023-11-27 | 降水数据处理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117290675B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708113B (zh) * | 2024-02-06 | 2024-05-17 | 中国电建集团西北勘测设计研究院有限公司 | 降水数据构建方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
CN110580453A (zh) * | 2019-08-20 | 2019-12-17 | 清华大学 | 大气水汽含量监测方法、装置、计算机设备和存储介质 |
CN112381337A (zh) * | 2021-01-14 | 2021-02-19 | 四川大汇大数据服务有限公司 | 一种多源气象数据融合处理方法、系统、终端及介质 |
CN112699951A (zh) * | 2021-01-06 | 2021-04-23 | 中国气象局乌鲁木齐沙漠气象研究所 | 降水数据融合方法、装置、终端设备及可读存储介质 |
CN113205155A (zh) * | 2021-05-27 | 2021-08-03 | 中国水利水电科学研究院 | 一种基于分区自适应权重的多源降水数据融合方法 |
CN114114198A (zh) * | 2022-01-27 | 2022-03-01 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 一种降水数据质控方法、装置、存储介质及设备 |
CN114936201A (zh) * | 2022-03-31 | 2022-08-23 | 河海大学 | 基于自适应分块神经网络模型的卫星降水数据校正方法 |
CN115508918A (zh) * | 2022-08-18 | 2022-12-23 | 广东省气象探测数据中心(广东省气象技术装备中心、广东省气象科技培训中心) | 一种基于雷达组合反射率的地面降水协同质控方法和系统 |
CN116910041A (zh) * | 2023-06-21 | 2023-10-20 | 中国水利水电科学研究院 | 一种基于尺度分析的遥感降水产品的逐日订正方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738252B (zh) * | 2019-10-14 | 2020-08-14 | 广州地理研究所 | 空间自相关的机器学习卫星降水数据降尺度方法、系统 |
-
2023
- 2023-11-27 CN CN202311591612.8A patent/CN117290675B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416031A (zh) * | 2018-03-12 | 2018-08-17 | 南京恩瑞特实业有限公司 | Nriet气象多源探测资料融合分析系统 |
CN110580453A (zh) * | 2019-08-20 | 2019-12-17 | 清华大学 | 大气水汽含量监测方法、装置、计算机设备和存储介质 |
CN112699951A (zh) * | 2021-01-06 | 2021-04-23 | 中国气象局乌鲁木齐沙漠气象研究所 | 降水数据融合方法、装置、终端设备及可读存储介质 |
CN112381337A (zh) * | 2021-01-14 | 2021-02-19 | 四川大汇大数据服务有限公司 | 一种多源气象数据融合处理方法、系统、终端及介质 |
CN113205155A (zh) * | 2021-05-27 | 2021-08-03 | 中国水利水电科学研究院 | 一种基于分区自适应权重的多源降水数据融合方法 |
CN114114198A (zh) * | 2022-01-27 | 2022-03-01 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 一种降水数据质控方法、装置、存储介质及设备 |
CN114936201A (zh) * | 2022-03-31 | 2022-08-23 | 河海大学 | 基于自适应分块神经网络模型的卫星降水数据校正方法 |
CN115508918A (zh) * | 2022-08-18 | 2022-12-23 | 广东省气象探测数据中心(广东省气象技术装备中心、广东省气象科技培训中心) | 一种基于雷达组合反射率的地面降水协同质控方法和系统 |
CN116910041A (zh) * | 2023-06-21 | 2023-10-20 | 中国水利水电科学研究院 | 一种基于尺度分析的遥感降水产品的逐日订正方法 |
Non-Patent Citations (3)
Title |
---|
Imputation of missing sub-hourly precipitation data in a large sensor network: A machine learning approach;Benedict D. Chivers et al;《Journal of Hydrology》;全文 * |
地面气象观测资料一体化质控中出现的问题及处理;杜丽英 等;《气象研究与应用》;全文 * |
山西复杂地形下CMA-MESO 3 km系统降水预报检验及订正;胡嘉缨 等;《暴雨灾害》;第42卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117290675A (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761574B (zh) | 基于多源信息融合的降雨量估算方法 | |
CN117290675B (zh) | 降水数据处理方法、装置、存储介质及电子设备 | |
KR20200135125A (ko) | 강한 대류기상을 예측하기 위한 방법 및 장치 | |
Van Steenbergen et al. | A non-parametric data-based approach for probabilistic flood forecasting in support of uncertainty communication | |
Kjeldsen | The revitalised FSR/FEH rainfall-runoff method | |
CN110646867A (zh) | 一种城市排水监测预警方法和系统 | |
CN112308292A (zh) | 一种火灾风险等级分布图的绘制方法 | |
KR101285044B1 (ko) | 발전용 댐의 홍수기 수문방류량 결정방법 | |
CN111795681A (zh) | 一种山洪灾害预警方法、装置、服务器及存储介质 | |
CN112598883B (zh) | 基于贝叶斯网络的输电线路落雷概率预警方法及预警系统 | |
CN111504425A (zh) | 一种估算干旱平原地区生态地下水位的方法及装置 | |
CN117037076B (zh) | 一种基于遥感技术的土壤墒情智能监测方法 | |
CN113592143A (zh) | 基于降雨预报的中长期径流集合预报方法及系统 | |
CN116910041B (zh) | 一种基于尺度分析的遥感降水产品的逐日订正方法 | |
CN111915158A (zh) | 一种基于Flood Area模型的暴雨灾害天气风险评估方法、装置及设备 | |
CN112785035A (zh) | 融合多元信息的中短期水文预报方法及系统 | |
JP2020134300A (ja) | 予測方法、予測プログラム及び情報処理装置 | |
CN112668238A (zh) | 一种降雨量处理方法、装置、设备和存储介质 | |
JP2006092058A (ja) | 流量予測装置 | |
CN113420458A (zh) | 一种风场数据精细化处理方法、装置、终端及介质 | |
CN112016744B (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 | |
Xiang et al. | Real-Time streamflow forecasting framework, implementation and post-analysis using deep learning | |
CN116822185A (zh) | 基于hasm的日降水数据空间模拟方法和系统 | |
CN109948175B (zh) | 基于气象数据的卫星遥感反照率缺失值反演方法 | |
CN111597692A (zh) | 一种地表净辐射估算方法、系统、电子设备和存储介质 |
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 |