-
公开(公告)号：CN115291302B
公开(公告)日：2024-08-02
申请号：CN202210835781.0
申请日：2022-07-15
Applicant: 南京信大气象科学技术研究院有限公司 , 南京信大气象科技有限公司
Abstract: 本发明公开了基于频率与百分位匹配的逐小时降水订正预报方法及设备。该方法获取全球模式的实时降水预报数据和历史预报降水数据，通过时间作差计算出逐3小时累计降水数据，并将计算出结果存在数组中；采用三次样条插值法对所述数组的时间进行降尺度处理，以获得1小时累计降水模式的预报数据；基于频率匹配法进行降水预报订正；基于百分位匹配法进行降水预报订正；将上述订正后的预报降水数值通过权重比配获得最终订正降水预报数据。本发明有效地提高气象领域模式降水订正产品性能，提升预报人员进行天气系统分析的效率，提高预报、预警业务自动化水平，推进气象工作与MICAPS业务平台自动化进一步发展与应用。
-
公开(公告)号：CN112255611B
公开(公告)日：2023-04-11
申请号：CN202011171264.5
申请日：2020-10-28
Applicant: 南京信大气象科学技术研究院有限公司
IPC: G01S7/41
Abstract: 本发明实施例公开了大气科学技术领域的一种基于雷达探测数据的下击暴流智能识别方法，包括如下步骤：S1、建立随雷达探测时间t变化的雷达探测数据D(t)，并定义D(t‑1)、D(t‑2)直至D(t‑n)分别为t时刻之前的1‑n个时间周期的雷达探测数据；S2、建立随雷达探测数据D(t)变化的雷达回波图像Pa(D(t))和雷达径向速度图像Pb(D(t))。本发明通过从有限的数据集中获得尽可能多的有效信息，避免陷入局部的极值，并寻求最优参数；通过多个模型可以用于模型集成，提升模型识别的准确率和稳定性。
-
公开(公告)号：CN115755227A
公开(公告)日：2023-03-07
申请号：CN202310032172.6
申请日：2023-01-10
Applicant: 南京信大气象科学技术研究院有限公司
Abstract: 本发明公开了一种基于深度神经网络模型的三维雷达外推方法。该方法包括获取雷达基数据，并对所述雷达基数据进行质量控制处理，读取回波强度数据，并对回波强度数据进行预处理，以设定的时间间隔为一个单位构建3D雷达回波数据集，构建深度神经网络模型，将3D雷达回波数据集输入至构建好的深度神经网络模型中，以获得预报的回波强度。本发明将原先聚焦于二维的雷达回波外推，推广至三维的雷达回波外推，建立以仰角φ，方位角ω和径长γ为坐标系的空间结构，比以二维空间表达雷达回波特性更加符合雷达回波的实际情况，可以对雷达回波的生消变化进行有效的预报，并使模型更加符合拥有时序信息的三维回波数据结构。
-
公开(公告)号：CN115656947A
公开(公告)日：2023-01-31
申请号：CN202211609704.X
申请日：2022-12-15
Applicant: 南京信大气象科学技术研究院有限公司
Abstract: 本发明公开了一种双偏振天气雷达ZDR偏差实时校正方法和装置。该方法包括从双偏振天气雷达的信号处理机实时采集雷达观测数据，雷达观测数据包括差分反射率因子；实时采集双偏振天气雷达的机内温度和机外温度；根据雷达观测数据、机内温度和机外温度计算偏差，根据所述偏差生成修正ZDR偏差指令，并将修正ZDR偏差指令发送至双偏振天气雷达，以使双偏振天气雷达根据所述雷达观测数据中的差分反射率因子和偏差计算校正后的差分反射率因子。本发明可实时对ZDR进行校正，在后续使用过程中，可通过对雷达观测数据进行分析来进行筛选，以不断补充样本来更新，保证校正的准确性和代表性；提高双偏振雷达的数据质量，具有广阔的应用前景。
-
公开(公告)号：CN115144835B
公开(公告)日：2023-01-03
申请号：CN202211069438.6
申请日：2022-09-02
Applicant: 南京信大气象科学技术研究院有限公司
Abstract: 本发明公开了一种基于神经网络的卫星反演天气雷达反射率的方法。该方法包括读取卫星多通道数据，将气象卫星的6.5um和7.1um通道数据辐射定标，将8.5um、10.8um、12um和13.5um通道数据辐射定标后计算对应通道的亮度温度，并获取卫星云掩膜数据，将组合反射率中的多层基本反射率投影到笛卡尔坐标系上，提取多层基本反射率的最大值作为空间分辨率为0.01°×0.01°格网的数值，将上述数据通过投影变换与空间插值到0.01°×0.01°的格网上，读取SRTM_DEM数据，并将其空间分辨率插值到上述格网上，然后数据匹配到雷达反射率覆盖的空间范围。本发明相对于传统的线性拟合方法能够有更好的效果。
-
Patent Agency Ranking
公开(公告)号：CN115291302A
公开(公告)日：2022-11-04
申请号：CN202210835781.0
申请日：2022-07-15
Applicant: 南京信大气象科学技术研究院有限公司 , 南京信大气象科技有限公司
Abstract: 本发明公开了基于频率与百分位匹配的逐小时降水订正预报方法及设备。该方法获取全球模式的实时降水预报数据和历史预报降水数据，通过时间作差计算出逐3小时累计降水数据，并将计算出结果存在数组中；采用三次样条插值法对所述数组的时间进行降尺度处理，以获得1小时累计降水模式的预报数据；基于频率匹配法进行降水预报订正；基于百分位匹配法进行降水预报订正；将上述订正后的预报降水数值通过权重比配获得最终订正降水预报数据。本发明有效地提高气象领域模式降水订正产品性能，提升预报人员进行天气系统分析的效率，提高预报、预警业务自动化水平，推进气象工作与MICAPS业务平台自动化进一步发展与应用。
-
公开(公告)号：CN110413656B
公开(公告)日：2021-05-18
申请号：CN201910541278.2
申请日：2019-06-20
Applicant: 南京信大气象科技有限公司 , 南京信大气象科学技术研究院有限公司
IPC: G06F16/2458 , G06F16/29 , G01W1/10
Abstract: 本发明涉及一种基于高空间分辨率数值模式的急流轴自动识别方法，解决的是自动化程度低、精度低的技术问题，通过采用步骤一，采集基于高空间分辨率数值模式风场资料，对风场资料进行数据预处理，获得风向与风速；步骤二，定义急流判别标准，根据急流判别标准识别出急流区域；步骤三，在识别出的急流区域内，利用流线追踪算法追踪初选节点，对初选节点进行节点划分，包括进行急流节点计算、噪声节点剔除，识别出节点经纬度，根据节点经纬度识别出当前高度层的急流轴的技术方案，较好的解决了该问题，可用于急流轴识别中。
-
公开(公告)号：CN111766641A
公开(公告)日：2020-10-13
申请号：CN202010901847.2
申请日：2020-09-01
Applicant: 南京信大气象科学技术研究院有限公司
Abstract: 本发明涉及大气科学领域，提出一种以深度神经网络为模型，以雷达回波图像为主要输入，利用光流技术生成回波移动光流图像作为辅助输入，通过数据集增强、代价函数优化和模型泛化性能优化等步骤，实现对强对流天气智能识别的方法。本申请提出一种基于深度神经网络技术的强对流天气智能识别方法，该方法能够将以往由气象工作者主观研读雷达资料来分析强对流天气的过程自动化、定量化，提高了对强对流天气识别相关业务的可靠性和时效性。
-
公开(公告)号：CN110413656A
公开(公告)日：2019-11-05
申请号：CN201910541278.2
申请日：2019-06-20
Applicant: 南京信大气象科技有限公司 , 南京信大气象科学技术研究院有限公司
IPC: G06F16/2458 , G06F16/29 , G01W1/10
Abstract: 本发明涉及一种基于高空间分辨率数值模式的急流轴自动识别方法，解决的是自动化程度低、精度低的技术问题，通过采用步骤一，采集基于高空间分辨率数值模式风场资料，对风场资料进行数据预处理，获得风向与风速；步骤二，定义急流判别标准，根据急流判别标准识别出急流区域；步骤三，在识别出的急流区域内，利用流线追踪算法追踪初选节点，对初选节点进行节点划分，包括进行急流节点计算、噪声节点剔除，识别出节点经纬度，根据节点经纬度识别出当前高度层的急流轴的技术方案，较好的解决了该问题，可用于急流轴识别中。
-
公开(公告)号：CN119167312A
公开(公告)日：2024-12-20
申请号：CN202411651643.2
申请日：2024-11-19
Applicant: 南京信大气象科学技术研究院有限公司 , 南京信大气象科技有限公司
IPC: G06F18/25
Abstract: 本发明公开了一种基于数据融合的高精度云相态识别方法。该方法包括获取风云四号B星成像仪全圆盘4km L1级数据、风云三号E星中分辨率光谱成像仪1km L1级数据及其定位数据，并提取相应辐射波长的数据；对提取的数据解析后进行定标，并计算获得相应的辐亮度，并将辐亮度转化成红外通道亮温数据；解析风云四号B星的红外通道量温数据作为底层，并将存在的风云三号E星的红外通道量温数据与底层进行融合；然后对目标区域内进行有无云检测，以将所述目标区域划分为有云的目标像元和无云的目标像元，再进行云相态识别。本发明可有效识别出冰云区、暖水云区、过冷水云和混合水云，大幅提高云相态识别的精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.044 seconds)
