基于多因子耦合的森林火险天气等级评估方法

    公开(公告)号:CN115639623A

    公开(公告)日:2023-01-24

    申请号:CN202210915235.8

    申请日:2022-08-01

    Abstract: 本发明公开了资源与环境技术领域的基于多因子耦合的森林火险天气等级评估方法,该方法中使用的模拟装置包括矩形盒,所述矩形盒的一端固定有推杆电机,所述矩形盒远离推杆电机的一端设有开口,所述矩形盒内活动安装有两个以上沿其长度方向并列放置的实验盒,所述实验盒内放置有土壤层、模拟花草层,所述模拟花草层位于土壤层上方,所述模拟花草层内放置有温度感应板,所述温度感应板表面固定有燃烧体;本发明通过在现实环境中进行模拟燃烧,基于温度、湿度以及风力多因子耦合形成独特的评估系统,对于火险预防具有实际意义,可以在实际燃烧发生之前发出预警,比其他高科技探测具有更准确、更具体的优势。

    一种气象要素超分辨率图像评估方法

    公开(公告)号:CN118761909A

    公开(公告)日:2024-10-11

    申请号:CN202411239331.0

    申请日:2024-09-05

    Abstract: 本发明涉及气象图像处理技术领域,涉及到一种气象要素超分辨率图像评估方法,用于由图像评估装置接收来自各气象渠道对应同一观测时间点的气象图像,并对各气象渠道对应同一观测时间点的气象图像应用超分辨率重建技术,生成各气象渠道对应同一观测时间点的高分辨率气象图像,进而对各气象渠道对应同一观测时间点的高分辨率气象图像进行质量评估,并基于各气象渠道对应同一观测时间点的高分辨率气象图像的质量评估结果,对各气象渠道对应同一观测时间点的气象图像进行实用性评估,得到各气象渠道对应同一观测时间点的气象图像的计算实用分,高质量的气象图像是进行有效气象分析和准确预报的基础,可以确保所使用的数据在视觉和技术层面上的准确性。

    面向对流风暴精细结构的三维雷达回波临近预报方法

    公开(公告)号:CN117907965B

    公开(公告)日:2024-05-24

    申请号:CN202410308899.7

    申请日:2024-03-19

    Abstract: 本发明涉及天气雷达信息处理技术领域,提供一种面向对流风暴精细结构的三维雷达回波临近预报方法,包括如下步骤:获取分析区域的基本反射率因子数据,通过质控和插值,建立分析区域的高分辨率三维雷达回波数据集;根据高分辨率三维雷达回波数据集,采用SwinURNN3D融合框架,训练得到最优三维雷达回波临近预报模型;以最临近三维雷达反射率数据序列作为最优三维雷达回波临近预报模型输入,输出预测的三维雷达反射率因子序列。本发明建立了包含多垂直层的三维雷达回波数据集作为模型输入,解决了现有技术中单一层次雷达回波临近预报不能反映对流风暴结构的问题。

    面向对流风暴精细结构的三维雷达回波临近预报方法

    公开(公告)号:CN117907965A

    公开(公告)日:2024-04-19

    申请号:CN202410308899.7

    申请日:2024-03-19

    Abstract: 本发明涉及天气雷达信息处理技术领域,提供一种面向对流风暴精细结构的三维雷达回波临近预报方法,包括如下步骤:获取分析区域的基本反射率因子数据,通过质控和插值,建立分析区域的高分辨率三维雷达回波数据集;根据高分辨率三维雷达回波数据集,采用SwinURNN3D融合框架,训练得到最优三维雷达回波临近预报模型;以最临近三维雷达反射率数据序列作为最优三维雷达回波临近预报模型输入,输出预测的三维雷达反射率因子序列。本发明建立了包含多垂直层的三维雷达回波数据集作为模型输入,解决了现有技术中单一层次雷达回波临近预报不能反映对流风暴结构的问题。

    一种基于高分辨率模式动力约束的雷达三维风场反演方法

    公开(公告)号:CN113009490B

    公开(公告)日:2022-10-21

    申请号:CN202110192886.4

    申请日:2021-02-20

    Abstract: 本发明提供一种基于高分辨率模式动力约束的雷达三维风场反演方法,包括以下步骤:确定反演分辨率与范围,建立分析网格;获取反演区域内高分辨率数值预报系统在短临预报时效内的三维风场,插值到分析网格;从反演区域中的偏振雷达中提取径向风要素,进行速度退模糊处理并插值到分析网格;在借助径向速度、质量连续方程和平滑项建立代价函数的基础上,加入模式动力约束项,形成新的代价函数;基于代价函数极小化原则对其进行迭代求解,最终求得区域内完整的三维风场。本发明通过高分辨率模式动力约束,使得雷达反演得到的三维风场具有物理和动力协调性,能够提高风场反演的完整性和精度,有效改善对垂直风切变、下击暴流等强天气的监测预警能力。

    基于深度学习的对流性大风短时预报方法及系统

    公开(公告)号:CN118153786A

    公开(公告)日:2024-06-07

    申请号:CN202410579397.8

    申请日:2024-05-11

    Abstract: 本发明公开一种基于深度学习的对流性大风短时预报方法及系统,涉及对流性大风预报技术领域。包括获取待预报地区历史地面自动站观测资料数据与对应时间段的区域数值模式未来预报变量,并对数据进行预处理,建立待预报地区的对流性大风短时预报数据集,以建立的所述流性大风短时预报数据集,基于PhyDNet的深度学习网络,训练生成对流性大风短时预报模型,利用训练生成的对流性大风短时预报模型,输入待预报地区临近预报时间的地面观测资料数据和区域数值模式未来的预报变量,生成该区域的对流性大风短时预报。本发明提出的预报方法,能缩短对流性大风的预报时间,提高预报的准确度以提高对流性大风的预报能力,减少因自然灾害带来的损失。

Patent Agency Ranking