一种分钟级沙尘天气识别方法、装置、设备及介质

    公开(公告)号:CN117725370A

    公开(公告)日:2024-03-19

    申请号:CN202410181196.2

    申请日:2024-02-18

    Abstract: 本申请公开了一种分钟级沙尘天气识别方法、装置、设备及介质,包括以下步骤:实时采集多源观测数据,对多源观测数据进行预处理,得到原始观测数据;根据原始观测数据匹配预设模型库中的识别算法,处理原始观测数据,得到第一识别结果,第一识别结果包括卫星识别结果和地面逐10min气象观测资料识别结果;通过距离权重法融合第一识别结果,得到沙尘天气识别结果。本申请的技术方案可以准确的处理多源数据,得到精确地识别结果,再结合距离权重法融合识别结果,构建出更加全面的、高精度、分钟级沙尘网格监测产品,识别实时性和准确率大大提高。

    基于小波变换的雷达回波动态融合预报方法、系统及设备

    公开(公告)号:CN115575920B

    公开(公告)日:2023-02-28

    申请号:CN202211478682.8

    申请日:2022-11-24

    Inventor: 张小雯 郑永光

    Abstract: 本发明提出一种基于小波变换的雷达回波动态融合预报方法、系统及设备,涉及天气预报短临强对流技术领域。其中,方法包括:采集多种雷达预报产品的数据和雷达反射率实况的数据并进行预处理和质量控制,得到标准化质控数据集,并对其进行时间匹配,并进行区域内空间数据匹配和检查,得到输入数据,进行小波变换,生成各成员多尺度的高低频域数据集;分别计算不同时效、不同强度在频率域的评分数据集;归一化处理后,得到各个成员在各尺度域上的权重;按照强度对各成员进行权重融合,形成历史权重的融合频率值,进而获得预报产品。本发明的预报命中率更高,虚警率低,克服了传统融合算法的预报不连续和偏弱的问题,具有较好的预报服务效益。

    一种地表蒸散估算方法
    14.
    发明公开

    公开(公告)号:CN113255133A

    公开(公告)日:2021-08-13

    申请号:CN202110585106.2

    申请日:2021-05-27

    Abstract: 本发明公开了一种地表蒸散估算方法,采集地表蒸散模型的输入数据,通过所述遥感叶面积指数以及地面观测的空气相对湿度和最大气孔导度驱动冠层导度模型计算植被冠层导度Gc,所述遥感叶面积指数分别计算出用于植被蒸腾的植被冠层吸收的可用能量AC和土壤吸收的可用能量AS,以及植物蒸腾Ec和土壤蒸发Es;利用总蒸散E0、温度、降水量数据和最大土壤可用水分含量(Mawc)参数驱动地表土壤水分平衡模型,对土壤水分变化进行了模拟得到实际蒸散E。本发明采用遥感和气象资料估计地表蒸散,根据地表水分和能量平衡原理,增加了净辐射、气温、大气和土壤水分亏缺和植被叶面积指数的影响,有助于陆地水循环和气候变化研究。

    基于广义三角帽理论的多模式集成降水预报方法及系统

    公开(公告)号:CN119644474A

    公开(公告)日:2025-03-18

    申请号:CN202510168481.5

    申请日:2025-02-17

    Abstract: 本发明公开了一种基于广义三角帽理论的多模式集成降水预报方法及系统,涉及气象预测技术领域,该方法通过实时获取多源数值模式数据,经空间标准化和实时频率匹配预处理消除系统性偏差,利用广义三角帽理论动态分析模式间差值序列的协方差矩阵以量化不确定性,并基于不确定性动态分配权重系数,最终加权集成输出标准化降水预报产品。可以无需依赖历史或实况观测数据,即可在暴雨和大暴雨预报中实现TS评分较国际先进模式(如ECMWF)提升49%‑124%,且在气象站点稀缺区域及台风、锋面等转折性天气场景下表现出高精度和强适应性,集成结果直接对接国家气象中心业务平台,支撑实时灾害预警决策。

    基于机器深度学习的卫星图像大雾自动判识方法及装置

    公开(公告)号:CN118628931A

    公开(公告)日:2024-09-10

    申请号:CN202410860813.1

    申请日:2024-06-28

    Abstract: 本发明公开了一种基于机器深度学习的卫星图像大雾自动判识方法及装置,包括获取高分辨率大气云雾卫星数据,并对卫星数据进行预处理得到图像数据,其中,图像数据中雾区被进行了标注;基于图像数据构建训练样本,得到正样本对、负样本对;基于正样本对、负样本对,构建机器深度学习模型并进行训练;其中,在训练过程中基于模型的骨干网络提取雾区特征和非雾区特征;基于所述雾区特征和非雾区特征进行雾区重构;将标注的雾区和重构的雾区进行比对,以二者的差异最小为目标进行模型训练。将对比学习机制应用于深度学习模型中,能够更充分的利用雾区样本,让神经网络更好的学习到雾区与其他非雾区的区分特征,达到更高的雾区判识准确率。

    基于多源预报产品的大释用短期降水预报方法和系统

    公开(公告)号:CN118068453B

    公开(公告)日:2024-08-27

    申请号:CN202410300754.2

    申请日:2024-03-15

    Abstract: 本发明提出一种基于多源预报产品的大释用短期降水预报方法和系统。属于气象预测技术领域。其中,方法包括:采用拼接技术将地面气象观测站点降水数据和多源融合降水实况分析数据拼接为降水实况复合场,解决了在观测站点密集区和稀疏区降水样本选择问题。针对数值天气模式网格预报产品的等压面物理量数据,采用等高插值算法进行数据变化,将传统的模式等压面物理量数据变化为离地等高度位置的物理量数据,使数据统一。结合降水实况复合场和带有等高度位置的物理量因子数据,利用集成学习方法建立降水发生预报模型、降水量预报模型、极端降水发生预报模型以及极端降水量修正预报模型,四个模型,成为建模区域统一的大释用降水预报模型。

Patent Agency Ranking