CN110826231B - 一种气象站点多源数据整合方法 - Google Patents
一种气象站点多源数据整合方法 Download PDFInfo
- Publication number
- CN110826231B CN110826231B CN201911086707.8A CN201911086707A CN110826231B CN 110826231 B CN110826231 B CN 110826231B CN 201911086707 A CN201911086707 A CN 201911086707A CN 110826231 B CN110826231 B CN 110826231B
- Authority
- CN
- China
- Prior art keywords
- data
- meteorological
- station
- typical
- observation station
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种气象站点多源数据整合方法,包括:将研究区域进行网格化划分,剔除站点未覆盖区域,建立站点数学规划模型,构建典型站点及备选多源站点;综合观测站点采样间隔及气象数据最终应用需要确定二次采样周期,结合站点类型及数据时标,采用临近值、插值、加权方式进行多源数据的二次整合处理;以典型站点整合数据为基础,演算至各网格点。本发明方法解决了区域内站点相近的典型站点选择,气象要素、采集频次、数据时标不一致等数据整合,以及数据缺失与延迟上送等问题,可应用于气象***构建的数据采集及处理单元***。
Description
技术领域
本发明涉及一种气象站点多源数据整合方法,属于电网气象信息应用技术领域。
背景技术
随着气象信息的广泛应用,越来越多的机构建立各自气象观测站点,实时监测气象信息并进行综合应用;例如,国家气象台建设的国家标准站,地方气象台建设的城市站点、加密站点,电网公司建设的微气象站(变电站、杆塔),水利部分建设的雨量站,交通部门建设的气象观测站等等。
在电网气象信息应用***建设过程中,通常会集成该区域范围内的各类气象站点的监测信息并进行综合应用。在气象监测数据综合应用时,通常需要预先解决如下问题:首先,不同机构建设的气象观测站点会存在站点空间位置相近或重叠,站点冗余,需确定区域内具有典型代表意义的站点位置;其次,各类监测站点提供数据质量各异,各站点观测的气象要素个数、采集频次、数据时标不太一致,数据利用困难,需结合典型站点,从备选站点按照一定时间断面选择或分析得到合适的气象数据;最后,气象数据大多存在缺失、延迟的情况,在数据分析整合时,需进行数据补采和计算。
发明内容
为了克服现有技术中存在的不足,本发明提供一种气象站点多源数据整合方法,解决区域内站点相近的典型站点选择问题;解决气象要素、采集频次、数据时标不一致等数据整合问题;以及解决数据缺失与延迟上送等数据处理问题。
为解决上述技术问题,本发明采用的技术方案为:
一种气象站点多源数据整合方法,包括:
建立气象观测站点数学规划模型,确定研究区域的典型气象观测站点及备选多源数据气象观测站点;
对典型气象观测站点各采样时间断面数据进行二次整合;
根据典型气象观测站点各采样时间断面数据确定整个研究区域的气象要素数据。
进一步的,还包括:对所述研究区域进行网格化划分,并剔除气象观测站点未覆盖区域;
对所述研究区域进行网格化划分包括:将研究区域按照预设的空间距离,划分成为正方形的网格;
所述剔除气象观测站点未覆盖区域包括:以气象观测站点为中心,气象要素覆盖半径为参数,确定气象观测站点所能覆盖的网格范围,将气象观测站点未覆盖的格点排除。
进一步的,所述气象要素覆盖半径结合实际气象站点密集程度和气象数据的精度进行选择;所述气象要素覆盖半径需要大于网格边长距离。
进一步的,所述建立气象观测站点数学规划模型,确定研究区域的典型气象观测站点及备选多源数据气象观测站点,包括:
确定混合整数线性规划模型:
其中,i为气象观测站点编号,N为气象观测站点总个数,ui为0或1变量,1表示气象观测站点i为典型站点,0表示气象观测站点i为备选多源站点;
所述混合整数线性规划模型需满足约束条件:
λij≤ui
其中,j为网格点编号,M为网格点总个数,λij为0或1变量,1表示站点i的数值可以用于代表网格点j,0表示不能代表,xi为气象观测站点i的覆盖半径,(ai,bi)为气象观测站点i的坐标,(cj,dj)为网格点j的坐标;
满足混合整数线性规划模型和约束条件的气象观测站点,即为典型气象观测站点;
被典型气象观测站点有效覆盖的其他气象观测站点,为该典型气象观测站点的备用多源数据气象观测站点。
进一步的,还包括:
对典型气象观测站点各采样时间断面数据进行二次整合前,确定二次采样周期;
所述二次采样周期应该能保证在每个采样周期内都有相应的气象观测站点数据落入该期间内,即满足:
Tint≥Torg
其中,Tint为二次采样周期,Torg为依据各气象观测站点的采样间隔获得的最小采样间隔。
进一步的,所述对典型气象观测站点各采样时间断面数据进行二次整合,包括:
根据二次采样周期重新对典型气象观测站点及备选多源气象观测站点的观测数据进行二次采样;
对于无备选多源数据气象观测站点的典型气象观测站点,选取二次采样时间断面前后各一个或多个周期的数据进行分析;在研究时间范围内,若只有一个数值点落入,则采用最临近的数值,包括前方临近或后方临近;若有多个数值点落入,则采用插值计算,包括内插或外插方式;
对于有备选多源数据气象观测站点的典型气象观测站点,选取二次采样时间断面前后各一个或多个周期的数据进行分析;研究时间范围内,若只有一个数据源的数值点落入,则采用该数据源最临近的数值,同样包括前方临近或后方临近;若有一个数据源的多个数值点落入,则采用插值计算,包括内插或外插方式;若有多个数据源的数值点落入,则采用加权方式计算。
进一步的,当气象观测站点上送的数据时标为所研究时间范围外,触发补采流程,重新计算该气象观测站点的采样时间断面整合值。
进一步的,以典型气象观测站点各采样时间断面数据确定整个研究区域的气象要素数据,包括:
根据所划分的网格与典型气象观测站点的关系,将典型气象观测站点二次整合的采样时间断面数据作为所对应的网格的气象要素数据。
本发明所达到的有益效果为:
本发明将研究区域进行网格化划分,剔除站点未覆盖格点,缩小研究范围;建立站点数学规划模型,得到均匀覆盖研究区域的典型站点及备选多源站点;合理确定二次采样周期,结合站点类型及数据时标,采用临近值、插值、加权方式进行多源数据的二次整合处理,并结合站点延迟上送数据触发数据整合的补采流程,得到实时、准确的气象数据;以典型站点整合数据为基础,演算至各网格点,为气象应用提供更为精细化的数据支撑。
本发明方法解决了区域内站点相近的典型站点选择问题,解决气象要素、采集频次、数据时标不一致等数据整合问题;以及解决数据缺失与延迟上送等数据处理问题。可应用于气象***构建的数据采集及处理单元***。
附图说明
图1是本发明气象站点多源数据整合的流程示意图;
图2是本发明中研究区域网格划分示意图。
图3是本发明中研究区域网格排除示意图。
图4是本发明中典型站点和备选多源站点示意图。
图5是本发明中无备选多源站点的典型站点整合示意图。
图6是本发明中有备选多源站点的典型站点整合示意图。
图7是本发明中延迟上送数据补采整合示意图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明实施例提供一种气象站点多源数据整合方法,如图1所示,包括如下步骤:
步骤1:将研究区域进行网格化划分,剔除气象观测站点未覆盖区域,建立气象观测站点数学规划模型,构建典型气象观测站点及备选多源气象观测站点。
所述将研究区域进行网格化划分,是指将研究区域,按照预设的空间距离,划分成为正方形的网格。气象各气象要素(温度、湿度、降雨、风速、风向、气压等),在一定的空间范围内,其数值一般变化不大。结合气象要素变化情况、所研究区域的大小、网格计算量等因素,设定网格边长距离参数,例如,1km或3km。如图2所示,通过划分得到所研究区域的全部网格点。图中的灰色实心点代表其所在的网格,为该网格的中心。
所述剔除站点未覆盖区域,是指以气象观测站点为中心,气象要素覆盖半径为参数,确定该气象观测站点所能覆盖的网格范围;同时将该气象观测站点未覆盖的格点排除,不作为研究范围。如图3所示,气象观测站点虚圆范围所覆盖格点为有效范围,虚圆未覆盖范围格点为排除点。
气象要素覆盖半径需结合实际气象站点密集程度、气象数据的精度,进行合理选择;如果参数值过大,站点代表范围过大,可能造成与实际情况误差过大;如果参数值太小,又可能造成站点代表性不够。气象要素覆盖半径应大于网格边长距离。
所述建立气象观测站点数学规划模型,构建典型气象观测站点及备选多源气象观测站点,是指建立混合整数线性规划模型,优化分析得到典型代表气象观测站点,典型气象观测站点能够均匀覆盖整个研究区域,具有较好的代表性。其他未选中站点将根据与典型气象观测站点距离,作为该典型气象观测站点的备选多源气象观测站点。如图4所示,通过优化计算,分析出典型气象观测站点和备选多源气象观测站点。
混合整数线性规划模型如下所示:
目标函数:
其中,i为气象观测站点编号,N为气象观测站点总个数,ui为0或1变量,1表示气象观测站点i为典型站点,0表示气象观测站点i为备选多源站点。
该目标函数表示,在所研究区域中,典型站点的代表个数最少。
约束条件为:
其中,j为网格点编号,M为网格点总个数,λij为0或1变量,1表示站点i的数值可以用于代表网格点j,0表示不能代表。
约束条件(1)表示,一个网格点j只属于一个站点i。
λij≤ui (2)
约束条件(2)表示,网格点j需要在保留的ui=1的站点中选择。
其中,xi为站点i的覆盖半径,站点i的坐标为(ai,bi),网格点j的坐标为(cj,dj)。
约束条件(3)表示,选中的站点i能覆盖网格点j。
该混合整数线性规划模型可以很好的解决观测站点重叠或站点相近的问题,能够从冗余的观测站点中,挑选出典型的具有代表性的站点。
优化后,对于被典型观测站点有效覆盖的其他观测站点,则作为该典型观测站点的备用多源数据观测站点。
步骤2:综合观测站点采样间隔及气象数据最终应用需要确定二次采样周期,结合站点类型及数据时标,采用临近值、插值、加权方式进行多源数据的二次整合处理。
所述综合观测站点采样间隔及气象数据最终应用需要确定二次采样周期,是指首先依据各类气象观测数据的采样间隔获得其中最小的采样间隔Torg=min(Ti),Ti为各观测站点的采样周期。而实际气象数据应用时,会对整合后的气象数据间隔有一个基本要求,该间隔一般会大于等于Torg;二次采样周期Tint的选择应能保证在每个采样周期内都有相应的站点观测数据能落入该期间内,因此有,Tint≥Torg。
所述结合站点类型及数据时标,采用临近值、插值、加权方式进行多源数据的二次整合处理,是指依照上述方式确定的二次采样周期Tint重新对典型站点及其备选多源站点的观测数据进行二次采样。
对于无备选多源站点的典型站点,选取其二次采样时间断面前后各一个或多个周期的数据进行分析;可采用最临近采样时间断面的站点数据,也可采用一个或多个临近点插值。
如图5所示,采用采样时间断面前后一个周期的数据进行分析,t为二次采样时间断面,v、t为站点观测值和时间。图5中,A、B是指研究时间范围内,某个观测点有两个数值点落在其范围内。
研究时间范围内[t-Tint,t+Tint],若只有一个数值点落入,则采用最临近的数值,包括前方临近或后方临近;若有多个数值点落入,则采用插值计算,包括内插或外插方式。
同样,若取采样时间断面的前后多个周期进行分析,依照上述方法做类似处理,只是研究的时间范围为[t-m*Tint,t+m*Tint],m为周期个数。
对于有备选多源站点的典型站点,选取其二次采样时间断面前后各一个或多个周期的数据进行分析;可采用最临近采样时间断面的站点数据,也可采用一个或多个临近点插值,还可采用多个数据源数值的加权平均。
如图6所示,多个备选多源站点的数据处理方式。研究时间范围内[t-Tint,t+Tint],若只有一个数据源的数值点落入,则采用该数据源最临近的数值,同样包括前方临近或后方临近;若有一个数据源的多个数值点落入,则采用插值计算,包括内插或外插方式;若有多个数据源的数值点落入,则采用加权方式计算。权重可采用与采样时间断面的时间距离占比。
同样,若考虑采样时间断面的前后多个周期,也做类似处理。
对于研究时间范围内无任何观测的多源数据,对温度、湿度等变化缓慢的气象要素,在有效时间内(如30分钟),可采用上一次二次采样整合的数值。
步骤3:站点延迟上送数据触发数据整合的补采流程,重新计算受该站点数据影响的断面整合值;
所述站点延迟上送数据触发数据整合的补采流程,重新计算受该站点数据影响的断面整合值,是指当站点上送的数据时标为所研究时间范围外,如[t-Tint,t+Tint],该数据为延迟上送数据,此时触发补采流程。
首先分析该站点类型,是无备选多源站点的典型站点,还是有备选多源站点的情况;依照步骤2进行二次采样整合处理。其次,分析站点上送的数据时标,分析其直接影响的二次采样时间断面,以及该点落在某个二次采样时间断面的周期范围内;对这两种情形下进行数据重新整合计算,将计算值更新到对应的二次采样断面整合值。
如图7所示,以研究时间范围内[t-Tint,t+Tint]为例,延迟上送补采点A,为备选多源站点,其计算需要纳入多源选择的相关流程;该数据时间点对本采样时间断面及前一周期时间断面有影响,因此,补采点A会影响X及Y两个整合取值点,将触发这两个断面的重新计算。
步骤4:以典型站点整合数据为基础,演算至各网格点。
所述以典型站点各断面数据演算至各网格点,是指按照步骤1确定的网格与典型站点关系,得到各网格点对应的气象要素数据。
实施例:
如表1所示,表中列出了气象站点类型、原有站点个数,通过整合分析后的典型站点个数,站点个数减少了44%。
表1某气象信息应用决策支持***应用结果
站点类型 | 原有站点 | 典型站点 |
微气象点 | 793 | 321 |
自建电力气象站 | 27 | 19 |
国家标准站 | 115 | 102 |
城市气象站 | 447 | 315 |
加密气象站 | 2134 | 1209 |
水文气象站 | 1533 | 951 |
杆塔微气象站 | 104 | 12 |
大风监测点 | 187 | 19 |
… | … | … |
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
Claims (6)
1.一种气象站点多源数据整合方法,其特征在于,包括:
建立气象观测站点数学规划模型,确定研究区域的典型气象观测站点及备选多源数据气象观测站点,如下:
确定混合整数线性规划模型:
其中,i为气象观测站点编号,N为气象观测站点总个数,ui为0或1变量,1表示气象观测站点i为典型站点,0表示气象观测站点i为备选多源站点;
所述混合整数线性规划模型需满足约束条件:
λij≤ui,
其中,j为网格点编号,M为网格点总个数,λij为0或1变量,1表示站点i的数值用于代表网格点j,0表示不能代表,xi为气象观测站点i的覆盖半径,(ai,bi)为气象观测站点i的坐标,(cj,dj)为网格点j的坐标;
满足混合整数线性规划模型和约束条件的气象观测站点,即为典型气象观测站点;
被典型气象观测站点有效覆盖的其他气象观测站点,为该典型气象观测站点的备用多源数据气象观测站点;
对典型气象观测站点各采样时间断面数据进行二次整合,如下:
根据二次采样周期重新对典型气象观测站点及备选多源气象观测站点的观测数据进行二次采样;
对于无备选多源数据气象观测站点的典型气象观测站点,选取二次采样时间断面前后各一个或多个周期的数据进行分析;在研究时间范围内,若只有一个数值点落入,则采用最临近的数值,包括前方临近或后方临近;若有多个数值点落入,则采用插值计算,包括内插或外插方式;
对于有备选多源数据气象观测站点的典型气象观测站点,选取二次采样时间断面前后各一个或多个周期的数据进行分析;研究时间范围内,若只有一个数据源的数值点落入,则采用该数据源最临近的数值,同样包括前方临近或后方临近;若有一个数据源的多个数值点落入,则采用插值计算,包括内插或外插方式;若有多个数据源的数值点落入,则采用加权方式计算;
根据典型气象观测站点各采样时间断面数据确定整个研究区域的气象要素数据。
2.根据权利要求1所述的一种气象站点多源数据整合方法,其特征在于,还包括:对所述研究区域进行网格化划分,并剔除气象观测站点未覆盖区域;
对所述研究区域进行网格化划分包括:将研究区域按照预设的空间距离,划分成为正方形的网格;
所述剔除气象观测站点未覆盖区域包括:以气象观测站点为中心,气象要素覆盖半径为参数,确定气象观测站点所能覆盖的网格范围,将气象观测站点未覆盖的格点排除。
3.根据权利要求2所述的一种气象站点多源数据整合方法,其特征在于,所述气象要素覆盖半径结合实际气象站点密集程度和气象数据的精度进行选择;所述气象要素覆盖半径需要大于网格边长距离。
4.根据权利要求1所述的一种气象站点多源数据整合方法,其特征在于,还包括:
对典型气象观测站点各采样时间断面数据进行二次整合前,确定二次采样周期;
所述二次采样周期应该能保证在每个采样周期内都有相应的气象观测站点数据落入该期间内,即满足:
Tint≥Torg,
其中,Tint为二次采样周期,Torg为依据各气象观测站点的采样间隔获得的最小采样间隔。
5.根据权利要求1所述的一种气象站点多源数据整合方法,其特征在于,当气象观测站点上送的数据时标为所研究时间范围外,触发补采流程,重新计算该气象观测站点的采样时间断面整合值。
6.根据权利要求1所述的一种气象站点多源数据整合方法,其特征在于,以典型气象观测站点各采样时间断面数据确定整个研究区域的气象要素数据,包括:
根据所划分的网格与典型气象观测站点的关系,将典型气象观测站点二次整合的采样时间断面数据作为所对应的网格的气象要素数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086707.8A CN110826231B (zh) | 2019-11-08 | 2019-11-08 | 一种气象站点多源数据整合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911086707.8A CN110826231B (zh) | 2019-11-08 | 2019-11-08 | 一种气象站点多源数据整合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826231A CN110826231A (zh) | 2020-02-21 |
CN110826231B true CN110826231B (zh) | 2022-07-22 |
Family
ID=69553489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911086707.8A Active CN110826231B (zh) | 2019-11-08 | 2019-11-08 | 一种气象站点多源数据整合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826231B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380499B (zh) * | 2020-11-11 | 2021-06-29 | 成都市气象局 | 一种区域自动气象站客观分群方法 |
CN112364029B (zh) * | 2021-01-12 | 2021-04-02 | 中国气象局气象探测中心 | 一种星地雨滴谱参数匹配及评估方法和*** |
CN113722673B (zh) * | 2021-08-19 | 2023-06-13 | 南京信息工程大学 | 一种重复观测气象数据优化处理方法 |
CN115640467B (zh) * | 2022-10-19 | 2023-07-14 | 中科三清科技有限公司 | 确定天气状态的方法、特征数据库构建方法和装置 |
CN117272704B (zh) * | 2023-11-23 | 2024-01-26 | 湖南华自卓创智能技术有限责任公司 | 一种面向多源异构数据的数字孪生驱动的数据处理*** |
CN118225180B (zh) * | 2024-05-23 | 2024-07-19 | 四川省气象探测数据中心 | 气象台站净空环境分析方法、设备及储存介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107870376A (zh) * | 2016-09-28 | 2018-04-03 | 南京南瑞继保电气有限公司 | 一种多源气象数据二次采样整合方法 |
CN110019595B (zh) * | 2017-09-29 | 2023-09-22 | 中国电力科学研究院 | 一种多源气象数据集成方法及*** |
-
2019
- 2019-11-08 CN CN201911086707.8A patent/CN110826231B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110826231A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826231B (zh) | 一种气象站点多源数据整合方法 | |
Mwangi et al. | Forecasting droughts in East Africa | |
Andrade et al. | Temperature extremes in Europe: overview of their driving atmospheric patterns | |
CN112070286A (zh) | 复杂地形流域的降水预报预警*** | |
KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
CN110555561A (zh) | 一种中长期径流集合预报方法 | |
CN107563554B (zh) | 一种统计降尺度模型预报因子的筛选方法 | |
Cheng et al. | Statistical downscaling of hourly and daily climate scenarios for various meteorological variables in south-central Canada | |
CN110390343B (zh) | 一种空间气象数据的订正方法及*** | |
CN110399634B (zh) | 一种基于天气***影响的预报区域确定方法及*** | |
CN113821939A (zh) | 基于时空分布特征的城市暴雨强度计算方法及***、设备、存储介质 | |
CN110619433B (zh) | 电网暴雨数值模式参数化方案的快速选择方法及*** | |
Lopes et al. | Improved ECMWF forecasts of direct normal irradiance: A tool for better operational strategies in concentrating solar power plants | |
CN115358060A (zh) | 一种支持新能源发电功率高精度预测的高效算法框架 | |
CN113657610A (zh) | 一种基于随机森林的冰雹气候特征预测方法 | |
CN103886177A (zh) | 一种基于空间网格预测雷击火日发生概率的方法 | |
CN115983478A (zh) | 分布式光伏发电功率预测分析方法、***、终端及介质 | |
CN116167211A (zh) | 一种电网输电通道复杂地形区域的风场预测***及方法 | |
CN112949920B (zh) | 一种基于观冰代表站数据的区域覆冰预测及预警方法 | |
KR101865791B1 (ko) | 태풍 리스크 분석 시스템 및 이를 이용한 태풍 리스크 분석 방법 | |
Annisa et al. | Analysis and Projections of Rainfall using representative concentration pathways (RCPs) Scenarios in Sleman Yogyakarta | |
CN110390481B (zh) | 一种水平面太阳散射辐照量评估方法及装置 | |
CN111948739B (zh) | 一种洪水预报*** | |
CN110070199B (zh) | 一种电网台风灾害预警方法和*** | |
CN103886386A (zh) | 一种基于空间网格预测人为火日发生概率的方法 |
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 |