CN117872510A - 一种气象数据分析方法、装置、设备及介质 - Google Patents
一种气象数据分析方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117872510A CN117872510A CN202410270175.8A CN202410270175A CN117872510A CN 117872510 A CN117872510 A CN 117872510A CN 202410270175 A CN202410270175 A CN 202410270175A CN 117872510 A CN117872510 A CN 117872510A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- cloud
- real
- medicament
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000007405 data analysis Methods 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 239000003814 drug Substances 0.000 claims description 62
- 230000000875 corresponding effect Effects 0.000 claims description 52
- 238000005507 spraying Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000009331 sowing Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 230000003449 preventive effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 239000000575 pesticide Substances 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G15/00—Devices or methods for influencing weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
- B64U2101/31—UAVs specially adapted for particular uses or applications for imaging, photography or videography for surveillance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/40—UAVs specially adapted for particular uses or applications for agriculture or forestry operations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/45—UAVs specially adapted for particular uses or applications for releasing liquids or powders in-flight, e.g. crop-dusting
-
- 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
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Environmental & Geological Engineering (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Aviation & Aerospace Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及气象观测技术领域，具体而言，涉及一种气象数据分析方法、装置、设备及介质，所述方法包括：基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施。本发明通过分析特定区域内在对应季节或时间段对应的历史数据，筛选出最容易发生的灾害类型，并基于该灾害类型重点监测对应的气象数据，进而缩小数据检测范围，降低功能模型的数据处理量，提高检测实时性、高效性，便于在高危天气风险出现前期及时发现并提前采取对应的预防措施。
Description
技术领域
本发明涉及气象观测技术领域，具体而言，涉及一种气象数据分析方法、装置、设备及介质。
背景技术
人工天气干预作为一种常见的控制天气的手段，时常用于干旱或强降雨较多的地区，进而减低相关自然灾害的影响，目前常见的手段为基于当前的实时情况做相关的干预，缺乏提前布局的思维，然而随着气象基础设施的建设和完善以及人工智能算法的普及，让获取专业性的实时气象数据越发容易，进而使基于气象数据分析的人工智能算法对局部区域的气象数据进行实时监测并预测其动向或发展趋势进而提前采取相关干预措施成为可能。
发明内容
本发明的目的在于提供一种气象数据分析方法、装置、设备及介质，以改善上述的当前人工天气的干预通常基于当前的实时情况做相关的干预，缺乏提前布局的问题。
为了实现上述目的，本申请提供了如下技术方案：
一方面，本申请提供了一种气象数据分析方法，所述方法包括：基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施。
可选地，所述监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，包括：
在实时数据包括云层形状参数且云层形状参数处于异常的情况下，通过在异常云层下方放飞观测用无人机，以使观测用无人机在到达异常云层边缘位置后结合远程气象数据调整观测飞行轨迹，进而获取多个不同角度的异常云层图样。
可选地，所述基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施，包括：
获取目标区域在当前季节的历史灾害数据，若所述历史灾害数据主要为强降雨灾害，则确定待监测的第一数据类型为目标区域对应的上空领域内的多个目标云层厚度、多个目标云层面积、风速和风向，所述目标区域对应的上空领域的大小与风速成正相关；
基于当前的风速和风向，模拟未来6-8小时内的多个目标云层的移动轨迹，并基于多个目标云层的移动轨迹、目标云层厚度和目标云层面积，在多个目标云层中筛选出至少一个危险云层目标，记为第一危险云层，所述第一危险云层为在未来6-8小时内可能会途经目标区域上方且带来的降雨量超出预设安全阈值的目标云层；
基于危险云层目标到达目标区域上方的时间以及药剂起效时长，判定干预实施目标地址和干预实施时间节点，并根据估算的危险云层目标平均降雨量与预设安全阈值之间的差值，配置对应批量的药剂；
基于配置的药剂重量，制定多个固定翼无人机的药剂播撒轨迹和每个固定翼无人机的药剂携带量；
基于每个固定翼无人机的药剂播撒轨迹判定多个固定翼无人机完成药剂播撒的第一时长，并在实施药剂播撒实施条件对照表中找到对应的第一风速阈值，所述第一风速阈值为在第一时长内完成药剂播撒的理想风速范围；
获取干预实施时间节点对应的第一风速是否在所述第一风速阈值内，若不在所述第一风速阈值内，则根据第一风速修正固定翼无人机的药剂播撒轨迹，进而提高药剂播撒的准确性。
第二方面，本申请提供了一种气象数据分析装置，所述装置包括：
第一计算模块，用于基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；
第二计算模块，用于监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施。
可选地，所述第二计算模块，包括：
第一计算单元，用于在实时数据包括云层形状参数且云层形状参数处于异常的情况下，通过在异常云层下方放飞观测用无人机，以使观测用无人机在到达异常云层边缘位置后结合远程气象数据调整观测飞行轨迹，进而获取多个不同角度的异常云层图样。
可选地，所述第二计算模块，包括：
第一获取单元，用于获取目标区域在当前季节的历史灾害数据，若所述历史灾害数据主要为强降雨灾害，则确定待监测的第一数据类型为目标区域对应的上空领域内的多个目标云层厚度、多个目标云层面积、风速和风向，所述目标区域对应的上空领域的大小与风速成正相关；
第一模拟单元，用于基于当前的风速和风向，模拟未来6-8小时内的多个目标云层的移动轨迹，并基于多个目标云层的移动轨迹、目标云层厚度和目标云层面积，在多个目标云层中筛选出至少一个危险云层目标，记为第一危险云层，所述第一危险云层为在未来6-8小时内可能会途经目标区域上方且带来的降雨量超出预设安全阈值的目标云层；
第二计算单元，用于基于危险云层目标到达目标区域上方的时间以及药剂起效时长，判定干预实施目标地址和干预实施时间节点，并根据估算的危险云层目标平均降雨量与预设安全阈值之间的差值，配置对应批量的药剂；
第三计算单元，用于基于配置的药剂重量，制定多个固定翼无人机的药剂播撒轨迹和每个固定翼无人机的药剂携带量；
查找单元，用于基于每个固定翼无人机的药剂播撒轨迹判定多个固定翼无人机完成药剂播撒的第一时长，并在实施药剂播撒实施条件对照表中找到对应的第一风速阈值，所述第一风速阈值为在第一时长内完成药剂播撒的理想风速范围；
修正单元，用于获取干预实施时间节点对应的第一风速是否在所述第一风速阈值内，若不在所述第一风速阈值内，则根据第一风速修正固定翼无人机的药剂播撒轨迹，进而提高药剂播撒的准确性。
第三方面，本申请提供了一种气象数据分析设备，所述设备包括存储器和处理器。
存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述气象数据分析方法的步骤。
第四方面，本申请提供了一种介质，所述介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述气象数据分析方法的步骤。
本发明的有益效果为：
本发明通过分析特定区域内在对应季节或时间段对应的历史数据，筛选出最容易发生的灾害类型，并基于该灾害类型重点监测对应的气象数据，进而缩小数据检测范围，降低功能模型的数据处理量，提高检测实时性、高效性，便于在高危天气风险出现前期及时发现并提前采取对应的预防措施。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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相关的附图。
图1是本发明实施例中所述的一种气象数据分析方法流程示意图；
图2是本发明实施例中所述的一种气象数据分析装置结构示意图；
图3是本发明实施例中所述的一种气象数据分析设备结构示意图。
附图标识：
71-第一计算模块；72-第二计算模块；721-第一计算单元；722-第一获取单元；723-第一模拟单元；724-第二计算单元；725-第三计算单元；726-查找单元；727-修正单元；800-电子设备；801-处理器；802-存储器；803-多媒体组件；804-I/O接口；805-通信组件。
具体实施方式
应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1:如图1所示，提供了一种气象数据分析方法，所述方法包括步骤S100和步骤S200。
步骤S100、基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；
步骤S200、监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施。
本发明通过分析特定区域内在对应季节或时间段对应的历史数据，筛选出最容易发生的灾害类型，并基于该灾害类型重点监测对应的气象数据，进而缩小数据检测范围，降低功能模型的数据处理量，提高检测实时性、高效性，便于在高危天气风险出现前期及时发现并提前采取对应的预防措施。
其次在步骤S200中所述的监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势的具体实现方式为：在实时数据包括云层形状参数且云层形状参数处于异常的情况下，例如通过设置云层面积、厚度等阈值进行限定，通过在异常云层下方放飞观测用无人机，以使观测用无人机在到达异常云层边缘位置后结合远程气象数据调整观测飞行轨迹，进而获取多个不同角度的异常云层图样，该云层图样会辅助区域气象人员进一步准确判断云层情况，为后期干预措施的制定提供更加精确的参考数据。
在此，以强降雨灾害对应的气象数据为例，具体阐述基于上述方法提前布局实施干预措施的实现方式，在应对强降雨灾害过程中通常会在云层上方播撒相应药剂如冰核等，减缓雨滴的形成进而降低降雨强度，然而药剂的播撒需要提前播撒，进而有效降低对应云层在导致目标区域后的降雨强度，其具体实现方式包括：
步骤S310、获取目标区域在当前季节的历史灾害数据，若所述历史灾害数据主要为强降雨灾害，则确定待监测的第一数据类型为目标区域对应的上空领域内的多个目标云层厚度、多个目标云层面积、风速和风向，所述目标区域对应的上空领域的大小与风速成正相关；
步骤S320、基于当前的风速和风向，模拟未来6-8小时内的多个目标云层的移动轨迹，并基于多个目标云层的移动轨迹、目标云层厚度和目标云层面积，在多个目标云层中筛选出至少一个危险云层目标，记为第一危险云层，所述第一危险云层为在未来6-8小时内可能会途经目标区域上方且带来的降雨量超出预设安全阈值的目标云层；
步骤S330、基于危险云层目标到达目标区域上方的时间以及药剂起效时长，判定干预实施目标地址和干预实施时间节点，并根据估算的危险云层目标平均降雨量与预设安全阈值之间的差值，配置对应批量的药剂；
步骤S340、基于配置的药剂重量，制定多个固定翼无人机的药剂播撒轨迹和每个固定翼无人机的药剂携带量；
步骤S350、基于每个固定翼无人机的药剂播撒轨迹判定多个固定翼无人机完成药剂播撒的第一时长，并在实施药剂播撒实施条件对照表中找到对应的第一风速阈值，所述第一风速阈值为在第一时长内完成药剂播撒的理想风速范围；
其次，对于干预实施时间过长的干预活动，需要根据时长和预期风速之间的比值进行修正，即相同时长的干预措施由于预期的风速不同可能需要采取修正或无需修正。
步骤S360、获取干预实施时间节点对应的第一风速是否在所述第一风速阈值内，若不在所述第一风速阈值内，则根据第一风速修正固定翼无人机的药剂播撒轨迹，进而提高药剂播撒的准确性。
实施例2:如图2所示，提供一种气象数据分析装置，所述装置包括：
第一计算模块71，用于基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；
第二计算模块72，用于监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施。
可选地，所述第二计算模块72，包括：
第一计算单元721，用于在实时数据包括云层形状参数且云层形状参数处于异常的情况下，通过在异常云层下方放飞观测用无人机，以使观测用无人机在到达异常云层边缘位置后结合远程气象数据调整观测飞行轨迹，进而获取多个不同角度的异常云层图样。
可选地，所述第二计算模块72，包括：
第一获取单元722，用于获取目标区域在当前季节的历史灾害数据，若所述历史灾害数据主要为强降雨灾害，则确定待监测的第一数据类型为目标区域对应的上空领域内的多个目标云层厚度、多个目标云层面积、风速和风向，所述目标区域对应的上空领域的大小与风速成正相关；
第一模拟单元723，用于基于当前的风速和风向，模拟未来6-8小时内的多个目标云层的移动轨迹，并基于多个目标云层的移动轨迹、目标云层厚度和目标云层面积，在多个目标云层中筛选出至少一个危险云层目标，记为第一危险云层，所述第一危险云层为在未来6-8小时内可能会途经目标区域上方且带来的降雨量超出预设安全阈值的目标云层；
第二计算单元724，用于基于危险云层目标到达目标区域上方的时间以及药剂起效时长，判定干预实施目标地址和干预实施时间节点，并根据估算的危险云层目标平均降雨量与预设安全阈值之间的差值，配置对应批量的药剂；
第三计算单元725，用于基于配置的药剂重量，制定多个固定翼无人机的药剂播撒轨迹和每个固定翼无人机的药剂携带量；
查找单元726，用于基于每个固定翼无人机的药剂播撒轨迹判定多个固定翼无人机完成药剂播撒的第一时长，并在实施药剂播撒实施条件对照表中找到对应的第一风速阈值，所述第一风速阈值为在第一时长内完成药剂播撒的理想风速范围；
修正单元727，用于获取干预实施时间节点对应的第一风速是否在所述第一风速阈值内，若不在所述第一风速阈值内，则根据第一风速修正固定翼无人机的药剂播撒轨迹，进而提高药剂播撒的准确性。
实施例3:提供了一种气象数据分析设备，下文描述的一种气象数据分析设备与上文描述的一种气象数据分析方法可相互对应参照。
图3示出了一种气象数据分析设备的框图。如图3所示，该电子设备800可以包括：处理器801，存储器802。该电子设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该电子设备800的整体操作，以完成上述的气象数据分析方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该电子设备800的操作，这些数据例如可以包括用于在该电子设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该电子设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(NearFieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
电子设备800可以被一个或多个应用专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable GateArray，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的气象数据分析方法。
其次，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的气象数据分析方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由电子设备800的处理器801执行以完成上述的气象数据分析方法。
实施例4:提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种气象数据分析方法可相互对应参照。
一种可读存储介质，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上述方法的气象数据分析方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
Claims (8)
1.一种气象数据分析方法，其特征在于，所述方法包括：
基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；
监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施。
2.根据权利要求1所述的气象数据分析方法，其特征在于，所述监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，包括：
在实时数据包括云层形状参数且云层形状参数处于异常的情况下，通过在异常云层下方放飞观测用无人机，以使观测用无人机在到达异常云层边缘位置后结合远程气象数据调整观测飞行轨迹，进而获取多个不同角度的异常云层图样。
3.根据权利要求1所述的气象数据分析方法，其特征在于，所述基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施，包括：
获取目标区域在当前季节的历史灾害数据，若所述历史灾害数据主要为强降雨灾害，则确定待监测的第一数据类型为目标区域对应的上空领域内的多个目标云层厚度、多个目标云层面积、风速和风向，所述目标区域对应的上空领域的大小与风速成正相关；
基于当前的风速和风向，模拟未来6-8小时内的多个目标云层的移动轨迹，并基于多个目标云层的移动轨迹、目标云层厚度和目标云层面积，在多个目标云层中筛选出至少一个危险云层目标，记为第一危险云层，所述第一危险云层为在未来6-8小时内可能会途经目标区域上方且带来的降雨量超出预设安全阈值的目标云层；
基于危险云层目标到达目标区域上方的时间以及药剂起效时长，判定干预实施目标地址和干预实施时间节点，并根据估算的危险云层目标平均降雨量与预设安全阈值之间的差值，配置对应批量的药剂；
基于配置的药剂重量，制定多个固定翼无人机的药剂播撒轨迹和每个固定翼无人机的药剂携带量；
基于每个固定翼无人机的药剂播撒轨迹判定多个固定翼无人机完成药剂播撒的第一时长，并在实施药剂播撒实施条件对照表中找到对应的第一风速阈值，所述第一风速阈值为在第一时长内完成药剂播撒的理想风速范围；
获取干预实施时间节点对应的第一风速是否在所述第一风速阈值内，若不在所述第一风速阈值内，则根据第一风速修正固定翼无人机的药剂播撒轨迹，进而提高药剂播撒的准确性。
4.一种气象数据分析装置，其特征在于，所述装置包括：
第一计算模块，用于基于目标区域所处季节确定易发性的灾害类型，并根据灾害类型确定待监测的第一气象数据类型；
第二计算模块，用于监测所述第一气象数据类型对应的实时数据，并在所述实时数据存在异常的情况下，预判实时数据的变化趋势，并根据所述变化趋势提前确定干预实施目标地址和干预措施。
5.根据权利要求4所述的气象数据分析装置，其特征在于，所述第二计算模块，包括：
第一计算单元，用于在实时数据包括云层形状参数且云层形状参数处于异常的情况下，通过在异常云层下方放飞观测用无人机，以使观测用无人机在到达异常云层边缘位置后结合远程气象数据调整观测飞行轨迹，进而获取多个不同角度的异常云层图样。
6.根据权利要求4所述的气象数据分析装置，其特征在于，所述第二计算模块，包括：
第一获取单元，用于获取目标区域在当前季节的历史灾害数据，若所述历史灾害数据主要为强降雨灾害，则确定待监测的第一数据类型为目标区域对应的上空领域内的多个目标云层厚度、多个目标云层面积、风速和风向，所述目标区域对应的上空领域的大小与风速成正相关；
第一模拟单元，用于基于当前的风速和风向，模拟未来6-8小时内的多个目标云层的移动轨迹，并基于多个目标云层的移动轨迹、目标云层厚度和目标云层面积，在多个目标云层中筛选出至少一个危险云层目标，记为第一危险云层，所述第一危险云层为在未来6-8小时内可能会途经目标区域上方且带来的降雨量超出预设安全阈值的目标云层；
第二计算单元，用于基于危险云层目标到达目标区域上方的时间以及药剂起效时长，判定干预实施目标地址和干预实施时间节点，并根据估算的危险云层目标平均降雨量与预设安全阈值之间的差值，配置对应批量的药剂；
第三计算单元，用于基于配置的药剂重量，制定多个固定翼无人机的药剂播撒轨迹和每个固定翼无人机的药剂携带量；
查找单元，用于基于每个固定翼无人机的药剂播撒轨迹判定多个固定翼无人机完成药剂播撒的第一时长，并在实施药剂播撒实施条件对照表中找到对应的第一风速阈值，所述第一风速阈值为在第一时长内完成药剂播撒的理想风速范围；
修正单元，用于获取干预实施时间节点对应的第一风速是否在所述第一风速阈值内，若不在所述第一风速阈值内，则根据第一风速修正固定翼无人机的药剂播撒轨迹，进而提高药剂播撒的准确性。
7.一种电子设备，其特征在于，包括：
存储器，用于存放计算机程序；
处理器，用于在执行存储器上所存放的程序时，实现权利要求1-3任一所述的方法步骤。
8.一种介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1-3任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410270175.8A CN117872510B (zh) | 2024-03-11 | 2024-03-11 | 一种气象数据分析方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410270175.8A CN117872510B (zh) | 2024-03-11 | 2024-03-11 | 一种气象数据分析方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117872510A true CN117872510A (zh) | 2024-04-12 |
| CN117872510B CN117872510B (zh) | 2024-05-17 |
Family
ID=90595222
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410270175.8A Active CN117872510B (zh) | 2024-03-11 | 2024-03-11 | 一种气象数据分析方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117872510B (zh) |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004346653A (ja) * | 2003-05-23 | 2004-12-09 | Kyushu Univ | 土砂災害予測システム、方法、およびプログラム |
| JP2005084930A (ja) * | 2003-09-08 | 2005-03-31 | Toshiba Corp | 空間データマイニング方法及び空間データマイニングシステム |
| WO2014154147A1 (zh) * | 2013-03-28 | 2014-10-02 | Liu Yee Man | 阻止严重天气灾难的方法 |
| KR20160110035A (ko) * | 2015-09-25 | 2016-09-21 | 유찬호 | 재해예측 시스템 |
| WO2016176355A1 (en) * | 2015-04-29 | 2016-11-03 | Precision Planting Llc | Systems, methods, and devices for monitoring weather and field conditions |
| KR20170095513A (ko) * | 2016-02-15 | 2017-08-23 | 유찬호 | 실시간 재해 발생 시간 예측 시스템 및 방법 |
| CN108983314A (zh) * | 2018-04-25 | 2018-12-11 | 成都润联科技开发有限公司 | 一种人工影响天气作业安全管理应用系统及其工作方法 |
| KR102015889B1 (ko) * | 2018-10-24 | 2019-08-29 | 김춘지 | 방사선비상대응 원전부지 기상관측자료 분석 시스템 및 방법 |
| CN110244387A (zh) * | 2019-07-30 | 2019-09-17 | 成都润联科技开发有限公司 | 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质 |
| JP2019211342A (ja) * | 2018-06-05 | 2019-12-12 | 株式会社東芝 | 気象解析装置、気象解析方法、およびプログラム |
| CN111626599A (zh) * | 2020-05-22 | 2020-09-04 | 广东省突发事件预警信息发布中心(广东省人工影响天气中心) | 一种气象灾害风险研判方法及系统 |
| JP2020155854A (ja) * | 2019-03-19 | 2020-09-24 | 日本電気株式会社 | 親局、方法及びプログラム |
| CN111723994A (zh) * | 2020-06-24 | 2020-09-29 | 中国平安财产保险股份有限公司 | 基于灾害性天气的车辆预警方法及系统 |
| CN112419675A (zh) * | 2020-12-02 | 2021-02-26 | 南宁师范大学 | 一种基于物联网的自然灾害风险处理系统 |
| CN113450545A (zh) * | 2021-08-31 | 2021-09-28 | 广东新禾道信息科技有限公司 | 自然灾害预警系统、方法、云平台及可储存介质 |
| CN113900103A (zh) * | 2021-08-23 | 2022-01-07 | 王磊 | 突发性强对流灾害天气自适应快速识别预警改进算法 |
| CN114118544A (zh) * | 2021-11-11 | 2022-03-01 | 深圳市赑玄阁科技有限公司 | 一种城市积涝检测方法及装置 |
| JP2022130912A (ja) * | 2021-02-26 | 2022-09-07 | 公益財団法人鉄道総合技術研究所 | 短時間強雨に対する減災システム |
| CN115453661A (zh) * | 2022-11-14 | 2022-12-09 | 中科星图维天信(北京)科技有限公司 | 气象预报方法、装置、设备以及存储介质 |
| WO2023045797A1 (zh) * | 2021-09-24 | 2023-03-30 | 华为技术有限公司 | 基站的供电管理方法和供电管理装置 |
| CN116434485A (zh) * | 2023-06-15 | 2023-07-14 | 深圳市千百炼科技有限公司 | 基于多维度气象数据的灾害预警方法、系统、设备及介质 |
| SE2250366A1 (en) * | 2022-03-24 | 2023-09-25 | Alveo Ab | Methods, and unmanned aerial systems for obtaining meteorological data |
| CN117031584A (zh) * | 2023-08-15 | 2023-11-10 | 贵州省安顺市气象局 | 一种霜冻预测预报方法及系统 |
-
2024
- 2024-03-11 CN CN202410270175.8A patent/CN117872510B/zh active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004346653A (ja) * | 2003-05-23 | 2004-12-09 | Kyushu Univ | 土砂災害予測システム、方法、およびプログラム |
| JP2005084930A (ja) * | 2003-09-08 | 2005-03-31 | Toshiba Corp | 空間データマイニング方法及び空間データマイニングシステム |
| WO2014154147A1 (zh) * | 2013-03-28 | 2014-10-02 | Liu Yee Man | 阻止严重天气灾难的方法 |
| WO2016176355A1 (en) * | 2015-04-29 | 2016-11-03 | Precision Planting Llc | Systems, methods, and devices for monitoring weather and field conditions |
| KR20160110035A (ko) * | 2015-09-25 | 2016-09-21 | 유찬호 | 재해예측 시스템 |
| KR20170095513A (ko) * | 2016-02-15 | 2017-08-23 | 유찬호 | 실시간 재해 발생 시간 예측 시스템 및 방법 |
| CN108983314A (zh) * | 2018-04-25 | 2018-12-11 | 成都润联科技开发有限公司 | 一种人工影响天气作业安全管理应用系统及其工作方法 |
| JP2019211342A (ja) * | 2018-06-05 | 2019-12-12 | 株式会社東芝 | 気象解析装置、気象解析方法、およびプログラム |
| KR102015889B1 (ko) * | 2018-10-24 | 2019-08-29 | 김춘지 | 방사선비상대응 원전부지 기상관측자료 분석 시스템 및 방법 |
| JP2020155854A (ja) * | 2019-03-19 | 2020-09-24 | 日本電気株式会社 | 親局、方法及びプログラム |
| CN110244387A (zh) * | 2019-07-30 | 2019-09-17 | 成都润联科技开发有限公司 | 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质 |
| CN111626599A (zh) * | 2020-05-22 | 2020-09-04 | 广东省突发事件预警信息发布中心(广东省人工影响天气中心) | 一种气象灾害风险研判方法及系统 |
| CN111723994A (zh) * | 2020-06-24 | 2020-09-29 | 中国平安财产保险股份有限公司 | 基于灾害性天气的车辆预警方法及系统 |
| CN112419675A (zh) * | 2020-12-02 | 2021-02-26 | 南宁师范大学 | 一种基于物联网的自然灾害风险处理系统 |
| JP2022130912A (ja) * | 2021-02-26 | 2022-09-07 | 公益財団法人鉄道総合技術研究所 | 短時間強雨に対する減災システム |
| CN113900103A (zh) * | 2021-08-23 | 2022-01-07 | 王磊 | 突发性强对流灾害天气自适应快速识别预警改进算法 |
| CN113450545A (zh) * | 2021-08-31 | 2021-09-28 | 广东新禾道信息科技有限公司 | 自然灾害预警系统、方法、云平台及可储存介质 |
| WO2023045797A1 (zh) * | 2021-09-24 | 2023-03-30 | 华为技术有限公司 | 基站的供电管理方法和供电管理装置 |
| CN114118544A (zh) * | 2021-11-11 | 2022-03-01 | 深圳市赑玄阁科技有限公司 | 一种城市积涝检测方法及装置 |
| SE2250366A1 (en) * | 2022-03-24 | 2023-09-25 | Alveo Ab | Methods, and unmanned aerial systems for obtaining meteorological data |
| CN115453661A (zh) * | 2022-11-14 | 2022-12-09 | 中科星图维天信(北京)科技有限公司 | 气象预报方法、装置、设备以及存储介质 |
| CN116434485A (zh) * | 2023-06-15 | 2023-07-14 | 深圳市千百炼科技有限公司 | 基于多维度气象数据的灾害预警方法、系统、设备及介质 |
| CN117031584A (zh) * | 2023-08-15 | 2023-11-10 | 贵州省安顺市气象局 | 一种霜冻预测预报方法及系统 |
Non-Patent Citations (7)
| Title |
|---|
| 张宝贵;孙丽华;燕成玉: "强化秦皇岛海洋天气灾害预防预警体系的探讨", 第26届中国气象学会年会气象灾害与社会和谐分会场, 31 December 2009 (2009-12-31) * |
| 李晓勇 等: "基于轻量级卷积神经网络的天气现象识别研究", 信息记录材料, vol. 22, no. 8, 31 December 2021 (2021-12-31), pages 78 - 80 * |
| 田永丽;王秋华;罗燕;: "云南林业气象灾害及气象服务需求研究", 林业调查规划, no. 02, 15 March 2020 (2020-03-15) * |
| 薄琪苇: "基于卷积神经网络的植物叶片识别研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 7, 15 July 2018 (2018-07-15) * |
| 邓晔;: "AI数据中心成为人工智能应用的重要基石", 中国公共安全, no. 10, 1 October 2017 (2017-10-01) * |
| 陈子云: "盐城大丰港气象灾害应急管理能力提升研究", 中国优秀硕士学位论文全文数据库基础科学辑, no. 6, 15 June 2013 (2013-06-15) * |
| 陶本艿: "天气雷达监测台风灾害研究与应用", 全国日地关系与灾害学术研讨会, 31 December 2005 (2005-12-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117872510B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11224206B2 (en) | Agricultural monitoring system using image analysis | |
| US10795056B2 (en) | Local weather forecast | |
| US10832351B2 (en) | Correcting bias in agricultural parameter monitoring | |
| CN112285807B (zh) | 一种气象信息预测方法及装置 | |
| US20210118117A1 (en) | Predicting and correcting vegetation state | |
| CN107784395A (zh) | 一种基于lstm人工神经网络的输电线路覆冰厚度预测方法 | |
| ES2963926T3 (es) | Método para monitorización del estado de subsistemas dentro de una planta de generación renovable o microrred | |
| CN111879671A (zh) | 环境监控方法、装置、电子设备及系统 | |
| CN117872510B (zh) | 一种气象数据分析方法、装置、设备及介质 | |
| CN114911788A (zh) | 一种数据插补方法、装置及存储介质 | |
| CN109146177B (zh) | 一种输配电线路树障预测方法及装置 | |
| CN105678089B (zh) | 模型自匹配融合健康预测方法 | |
| CN112884801B (zh) | 高空抛物检测方法、装置、设备和存储介质 | |
| US20170142553A1 (en) | Diagnosis of beacons in an open architecture | |
| CN109871371A (zh) | Ads-b航迹去噪系统 | |
| Xu et al. | Research for multi-sensor data fusion based on Huffman tree clustering algorithm in greenhouses | |
| EP4120148A1 (en) | Parameter adjusting device, inference device, parameter adjusting method, and parameter adjusting program | |
| US20220357481A1 (en) | Information processing device and method | |
| Moon et al. | Microclimate-Based Predictive Weather Station Platform: A Case Study for Frost Forecast | |
| CN116539000B (zh) | 杆塔的倾斜度的监测方法、装置和电子设备 | |
| CN118229037B (zh) | 一种基于物理模型的高速违法监控设施管理方法及系统 | |
| CN113222423B (zh) | 电网设备的台风监测方法 | |
| CN117350114B (zh) | 一种风机健康状态评估方法、装置和系统 | |
| CN112198541B (zh) | 可移动平台的轨迹确定方法、装置及设备、存储介质 | |
| CN118151676B (zh) | 一种用于无人机遥感场景的自动巡航系统和方法 |
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 |