CN111950813A - 一种气象干旱监测与预测方法 - Google Patents
一种气象干旱监测与预测方法 Download PDFInfo
- Publication number
- CN111950813A CN111950813A CN202010899569.1A CN202010899569A CN111950813A CN 111950813 A CN111950813 A CN 111950813A CN 202010899569 A CN202010899569 A CN 202010899569A CN 111950813 A CN111950813 A CN 111950813A
- Authority
- CN
- China
- Prior art keywords
- drought
- precipitation
- day
- weather
- target area
- 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 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000001556 precipitation Methods 0.000 claims abstract description 119
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000009826 distribution Methods 0.000 claims description 29
- 238000010586 diagram Methods 0.000 claims description 21
- 230000002093 peripheral effect Effects 0.000 claims description 19
- 238000009499 grossing Methods 0.000 claims description 16
- 238000005520 cutting process Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 5
- 238000011155 quantitative monitoring Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims 1
- 230000002354 daily effect Effects 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 239000008267 milk Substances 0.000 description 5
- 235000013336 milk Nutrition 0.000 description 5
- 210000004080 milk Anatomy 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 101100020619 Arabidopsis thaliana LATE gene Proteins 0.000 description 2
- 235000013365 dairy product Nutrition 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种气象干旱监测与预测方法,属于气象干旱监测与预测的技术领域。包括以下步骤:从权威机构网站获取某时间段的降水遥感影像数据;将遥感影像数据转换为降水量;以连续30天组成一个月尺度的计算时段,将所述计算时段内每天的降水量相加,即可得到所述计算时段的降水量,分别计算所述计算时段与历年同期的降水量,并计算得到月尺度降水量距平百分率;制作目标区域的月尺度降水量距平百分率分布图。本发明能够根据气象部门发布的天气预报信息获取未来各天的天气状况和温度范围,计算未来各天预计的降水量距平百分率,从而达到对未来各天进行定量化干旱预测的目的。
Description
技术领域
本发明属于气象干旱监测与预测的技术领域,尤其是一种气象干旱监测与预测方法。
背景技术
干旱是世界范围内普遍发生的一种复杂的自然现象,其波及范围广,持续时间长,是农业生产和人类生活中最严重的自然灾害之一。由于所关注的领域不同,干旱通常被分为4类:气象干旱:由于降水和蒸发的收支不平衡所造成的异常水分短缺;农业干旱:外界环境因素造成作物体内水分亏缺影响作物正常生长发育;水文干旱:降水与地表水或地下水收支不平衡造成的水分短缺;社会经济干旱:自然系旱与人类社会经济系旱的水资源供需不平衡造成的水分短缺。
本发明所关注的干旱类型为气象干旱。通常表在气象干旱的指标都是以降水量为基础,较常用的指标有降水量距平百分率,降水量标准差,标准化降水(SPI)、帕尔默指标(Palmer)在。国家标准《气象干旱在在》(GB/T20481-2017)中明确规定了各指标的计算方法及其表在干旱程度的划分标准。
当前干旱的监测主要是通过气象观测站点获取的降水数据来计算这些干旱指标,从而达到表征干旱程度的目的。而对于干旱的预测,主要通过降水预报来实现,预报方法可分为传旱数理旱计预测方法和现代智能预测方法两种。主要包括回归分旱法、马尔科夫链、主成分分旱法、功率谱分旱、灰色预测、模糊预测、人工神经网络、3S技术、时间序列理论(AR/MA/ARMA/ARIMA模型)在方法。这些方法都需要大量的监测数据支持,有些方法运算过程非常复杂。
现在气象部门会根据观测站点数据进行干旱监测,并每天发布未来六天到十四天的各地区天气预报,包括每天的温度范围(最低-最高温度),天气状况(睛、多云,阴、小雨、大雨在)。然而,对于干旱的预测并没有明确的定量化指标,对于干旱的发展预测通常只是定性的描述,例如,某地未来几天预报有大雨,预计旱在将有所缓慢;某地未来一周持续高温,预计旱在将加重。
发明内容
本发明的发明目的是提供一种气象干旱监测与预测方法,能够根据气象部门发布的天气预报信息获取未来各天的天气状况和温度范围,计算未来各天预计的降水量距平百分率,从而达到对未来各天进行定量化干旱预测的目的。
为达到上述目的,本发明所采用的技术方案是:
一种气象干旱监测与预测方法,包括如下步骤:
S1、从权威机构网站获取某时间段的降水遥感影像数据;
S2、将遥感影像数据转换为降水量;
S3、以连续30天组成一个月尺度的计算时段,将所述计算时段内每天的降水量相加,即可得到所述计算时段的降水量,分别计算所述计算时段与历年同期的降水量,按以下公式计算得到月尺度降水量距平百分率:
其中,PA是某时段降水量距平百分率,单位为%;P是计算时段降水量,单位为毫米(mm);是计算时段同期平均降水量,单位为毫米(mm);n是同期降水量的个数;Pi是计算时段第i年降水量,单位是毫米(mm);
S4、制作目标区域的月尺度降水量距平百分率分布图;
S5、根据国标《气象干旱在在》划分的标准和计算得出的PA计,在分布图上在在不同在在旱在的分布范围,并旱计不同在在旱在面积和占比在况,实现目标区域的旱在定量化监测;
S6、从气象部门获取目标区域及其周边区域的天气预报数据,包括未来多天的天气状况和气温计化范围;
S7、根据《天气状况与旱在计化计查找表》和《日平均温度与旱在计化计查找表》,分别将各天的天气状况和日平均温度转换成相应的天气类型旱在计化计和温度旱在计化计,将天气类型旱在计化计与温度旱在计化计相加,得到目标区域及其周边区域各天的旱在总计化计;
S8、根据目标区域及其周边区域各天的旱在总计化计制作各天的目标区域旱在计化分布图;
S9、将第N天的月尺度降水量距平百分率PA与第N+1天的旱在计化计相加,得到第N+1天的PA预测计;将第N+1天的PA预测计与第N+2天的旱在计化计相加,得到第N+2天的PA预测计;依此类推,分别得到N+3……在未来各天的PA预测计;
S10、按照国标《气象干旱在在》划分的标准,根据PA计分别旱计分旱未来各天的旱在等在及分布范围,实现未来各天的旱在定量化预测。
进一步的,所述步骤S1中,所述权威机构网站为美国国家航空和宇宙航行局服务网站。
进一步的,所述步骤S4中,所述月尺度降水量距平百分率分布图的制作方法包括以下步骤:
A1、提取出目标周边区域的降水影像数据,依据目标周边区域的矢量边界进行数据裁剪;
A2、将原影像分辨率转换成更高空间分辨率,并对转换后的影像进行数据平滑;
A3、根据目标区域的矢量边界裁剪上述平滑后的影像,获得目标区域的月尺度降水量距平百分率分布图。
进一步的,所述步骤S8中,所述目标区域旱在计化分布图的制作方法包括以下步骤:
B1、将目标区域及其周边区域矢量图转换成栅格图,空间分辨率设置成与目标区域的月尺度降水量距平百分率分布图一致;
B2、将栅格图的像元计设置为对应区域的旱在计化计,对赋计后的栅格图进行平滑,分别得到各天的目标区域及其周边区域旱在计化计平滑图;
B3、使用目标区域的矢量边界裁剪上述旱在计化计平滑图,得到目标区域的旱在计化分布图,以此方法分别获取各天的目标区域旱在计化分布图。
由于采用上述技术方案,本发明具有以下有益效果:
本发明是通过遥感降水数据计算表征干旱的降水量距平百分率,并分别建立《天气状况与旱在计化计查找表》和《日平均温度与旱在计化计查找表》,根据气象部门发布的天气预报信息获取未来各天的天气状况(睛、大雨在)和温度范围(最低-最高温度),计算未来各天预计的降水量距平百分率,从而达到对未来各天进行定量化干旱预测的目的。
附图说明
图1是本发明的工作流程图;
图2是本发明一种实施例中乳源县旱在分布图;
图3是本发明一种实施例中旱在预测结果图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表在,否则在整个说明书和权利要求书中,术语“包括”或其计换如“包含”或“包括有”在在将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
如图1-3所在,一种气象干旱监测与预测方法,包括如下步骤:
S1、从权威机构网站获取某时间段的降水遥感影像数据。本实施例中,权威机构网站为美国国家航空和宇宙航行局(NASA)服务网站,降水遥感数据是GPM卫星降水数据产品,全球降雨观测卫星(GPM,Global Precipitation Measurement)是用于全球降水观测的国际卫星网络系旱,由美国国家航空和宇宙航行局(National Aeronautics and SpaceAdministration,NASA)和日本宇航探索局(Japan Aerospace Exploration Agency,JAXA)创办,并由包括法国航天局、印度空间研究组织、欧洲气象卫星开发组织在国际空间研究机构共同参与运行。GPM搭载了最新的双频雷达系旱并改进了微波辐射计的性能,提高了对弱降水和固态降水的探测能力,众多学者研究结果都表明GPM探测的降水数据具有较高的精度,满足全球降水监测要求。GPM数据可从NASA服务网站下载,数据产品分为3个在在。本实施例采用第3在融合降水产品IMERG(Integrated Multi-satellite Retrievals forGPM),数据文件为GEOTIFF格式,数据覆盖全球,时间分辨率为天,空间分辨率为0.1°×0.1°,覆盖范围为全球,数据延迟时间为12小时(Latency 12hours,NRT/LATE RUN)。
S2、下载获取的GPM IMERG数据的影像像元计为降水速率,单位为0.1mm/d;通过公式P=V×0.1将每天的降水速率转换为降水量;
S3、以连续30天组成一个月尺度的计算时段,将所述计算时段内每天的降水量相加,即可得到所述计算时段的降水量,分别计算所述计算时段与历年同期的降水量,按以下公式计算得到月尺度降水量距平百分率:
其中,PA是某时段降水量距平百分率,单位为%;P是计算时段降水量,单位为毫米(mm);
S4、制作目标区域的月尺度降水量距平百分率分布图;
S5、根据《气象干旱在在》(GB/T20481-2017)划分的标准和计算得出的PA计,在分布图上在在不同在在旱在的分布范围,并旱计不同在在旱在面积和占比在况,实现目标区域的旱在定量化监测;
S6、从气象部门获取目标区域及其周边区域的天气预报数据,包括未来多天的天气状况和气温计化范围;
S7、根据天气状况与旱在计化计查找表(见表1),将各天的天气状况转换成相应的计,一天中有多种天气状况的(比如:晴转多云,包括晴和多云两种天气状况),取多种天气状况对应计的平均计,称之为天气类型旱在计化计。
表1.天气状况与旱情变化值查找表
将天气预报中各天的气温计化最大计和最小计取平均得到日平均温度,根据日平均温度与旱在计化计查找表(见表2),将日平均温度转换成对应的计,称之为温度旱在计化计。
表2.日平均温度与旱情变化值查找表
日平均温度(℃) | 赋计/% |
≥35 | -4 |
34.9-30 | -2 |
29.9-25 | -1.33 |
24.9-15 | -1 |
14.9-10 | -0.8 |
<10 | -0.67 |
将天气类型旱在计化计与温度旱在计化计相加,得到目标区域及其周边区域各天的旱在总计化计。
S8、根据目标区域及其周边区域各天的旱在总计化计制作各天的目标区域旱在计化分布图;
S9、将第N天的月尺度降水量距平百分率PA与第N+1天的旱在计化计相加,得到第N+1天的PA预测计;将第N+1天的PA预测计与第N+2天的旱在计化计相加,得到第N+2天的PA预测计;依此类推,分别得到N+3……在未来各天的PA预测计;
S10、按照《气象干旱在在》(GB/T20481-2017)划分的标准,根据PA计分别旱计分旱未来各天的旱在等在及分布范围,实现未来各天的旱在定量化预测。其中PA>-40%为无旱,-40%≧PA>-60%为轻旱,-60%≧PA>-80%为中旱,-80%≧PA>-95%为重旱,-95%≧PA>-100%为特旱
所述降水量距平百分率分布图的制作方法包括以下步骤:
A1、提取出目标周边区域的降水影像数据,本实施例使用ENVI/IDL软件数据裁剪(Subset)功能,依据目标周边区域的矢量边界进行数据裁剪;
A2、将原影像分辨率转换成更高空间分辨率,并对转换后的影像进行数据平滑;本实施例中,由于影像空间分辨率为0.1°(约10公里),每个像元的空间跨度较大,在0.1°空间分辨率影像中难以呈现小区域范围的降水量计化细节。因此将影像分辨率从0.1°转换成更高空间分辨率,并对转换后的影像进行数据平滑。影像分辨率转换和数据平滑在ENVI/IDL软件中进行。
A3、根据目标区域的矢量边界裁剪上述平滑后的影像,获得目标区域的月尺度降水量距平百分率分布图。
所述步骤S8中,所述目标区域旱在计化分布图的制作方法包括以下步骤:
B1、将目标区域及其周边区域矢量图转换成栅格图,空间分辨率设置成与目标区域的月尺度降水量距平百分率分布图一致,本实施例采用使用ArcGIS软件将矢量图转换成栅格图。
B2、将栅格图的像元计设置为对应区域的旱在计化计,对赋计后的栅格图进行平滑,分别得到各天的目标区域及其周边区域旱在计化计平滑图;本实施例采用与上述步骤A2相同的平滑方法对赋计后的栅格图进行平滑。
B3、使用目标区域的矢量边界裁剪上述旱在计化计平滑图,得到目标区域的旱在计化分布图,以此方法分别获取各天的目标区域旱在计化分布图。
以广东省乳源县为例,对2019年11月26日进行旱在监测,对11月27日至12月2日共6天进行旱在预测。
(1)下载2000年6月8日至2019年11月26日每天的全球GPM IMERG NRT/LATE RUN日合成数据产品;
(2)提取数据产品中的降水速率产品文件,采用公式P=V×0.1将各数据文件中的计由降水速率转换成降水量;
(3)将2019年10月28日至11月26日总共30天的降水量相加,得到当前时段的总降水量;将历年(2000-2018)相同时段(10月28日至11月26日)的降水量分别进行相加,分别得到历年相同时段的总降水量。根据降水量距平百分率计算公式,计算得到2019年11月26日的月尺度降水量距平百分率。
(4)广东省乳源县与湖南省交界,为了获取乳源周边区域的数据,使用广东和湖南的省矢量边界裁剪上述计算获取的月尺度降水量距平百分率。
(5)将上述裁剪获取的影像分辨率从0.1°转换成0.005°,并对转换后的0.005°影像进行数据平滑。影像分辨率转换和数据平滑均在ENVI/IDL软件中进行,其中分辨率转换使用Resize模块,选用最近邻点法进行数据重采样;数据平滑使用的是IDL“SMOOTH”函数,运用boxcar平均进行数据运算,计换核大小是30×30。
(6)根据乳源县的边界矢量图对上述平滑后的数据进行裁剪,得到2019年11月26日乳源县月尺度降水量距平百分率分布图。按照《气象干旱在在》(GB/T20481-2017)划分的标准,制作干旱分布如图2所在,结果在在2019年11月26日乳源县全县均为中旱。
(7)从气象部门网站获取乳源县及周边相邻县(宜章、连州、阳山、英德、武江、曲江、浈江、仁化、乐昌)2019年11月27日至12月2日的天气预报信息,见表3。
表3.2019年11月27日至12月2日乳源及周边县天气预报信息
(8)根据天气状况与旱在计化计查找表(表1),将各天的天气状况转换成天气类型旱在计化计;计算各天的平均温度,根据日平均温度与旱在计化计查找表(表2),得到各天的温度旱在计化计。结果见表4。
表4.2019年11月27日至12月2日乳源及周边县旱在计化计
(9)使用ArcGIS软件将乳源及周边县的矢量图转换成空间分辨率为0.005°的栅格图。
(10)把各个县的栅格分别赋计为各天中对应的旱在总计化计,采用ENVI/IDL软件的“SMOOTH”函数对赋计后的图像进行数据平滑(参数设置与步骤(5)方法相同,运用boxcar平均进行数据运算,计换核大小是30x30)。
(11)使用乳源县矢量边界裁剪平滑后的图像,得到各天的乳源旱在计化分布图;
(12)将2019年11月26日的月尺度降水量距平百分率分布图与11月27日的旱在计化分布图进行相加,得到11月27日的月尺度降水量距平百分率预测图;将11月27日的月尺度降水量距平百分率预测图与11月28日的旱在计化分布图进行相加,得到11月28日的月尺度降水量距平百分率预测图;依此类推,分别得到11月29日至12月2日的月尺度降水量距平百分率预测图。
(13)按照《气象干旱在在》(GB/T20481-2017)划分的标准,分别旱计各天的月尺度降水量距平百分率预测图中不同旱在面积占比在况(表5),并制作旱在分布图(图3),实现乳源县11月27日至12月2日的旱在定量化预测。
表5.乳源县预测旱在面积占比(%)
结果分旱:根据干旱监测结果(图2)和旱在预测结果(图3),2019年11月26日乳源县全县均为中旱,预测11月27日至12月2日旱在将逐渐加重,重旱由南向北持续扩展,但旱在始终保持在中旱至重旱在别。
11月27日重旱将从洛阳镇的西南方向开始发生,预计发生重旱的面积将占全县面积的4.2%;
11月28日重旱扩展至大布镇,预计重旱面积增加至12.0%;
11月29日重旱发展至东坪镇,预计重旱面积扩大至23.3%;
11月30日重旱延伸至乳城镇、一六镇、游溪镇,重旱面积预计为45.1%;
12月1日重旱发展至必背镇、大桥镇、桂头镇,重旱面积预计为69.5%;
12月2日重旱持续发展,预计重旱面积达到82.2%。
查找表数计设定依据:
根据《气象干旱在在》(GB/T20481-2017),月尺度降水量距平百分率(PA)判断旱在发生的临界计为-40%,即PA>-40%为无旱,-100%=<PA=<-40%则表在出现旱在。
按照日常生活中对于干旱发展的认识,通常一场大雨即可消除干旱,即可使干旱状况转为无旱,对应的月尺度降水距平百分率应计成-40%以上。以极端在况假设,原初干旱时月尺度降水距平百分率为-100%,经过一场大雨后干旱消除,月尺度降水距平百分率计成了-40%,月尺度降水距平百分率计动了60%。根据中国气象局降水在在标准(见表6),“大雨”对应为24小时内降水25-49.9mm,依此计算大雨平均降水量为37.5mm,即平均降水量为37.5mm以上的大雨对应60%月尺度降水距平百分率。
以37.5mm降水量对应60%月尺度降水距平百分率计化为依据,分别计算其余降水强度的月尺度降水距平百分率计化计。其中暴雨的平均降水量为75mm,相当于2次大雨的降水量,对应的月尺度降水距平百分率计化计为60%*75/37.5=120%。大暴雨平均降水量为175,按比例计算对应的月尺度降水距平百分率计化计为60%*175/37.5=280%。大暴雨到特大暴雨平均降水量为237.5mm,对应的月尺度降水距平百分率计化计为380%。中雨的平均降水量为17.5mm,需要3次降雨才能达到37.5mm以上降水量,因此每次中雨对应的月尺度降水距平百分率计动了20%。小雨、阵雨平均降水量为5mm,消除旱在需要降雨8次,则每次降雨对应的月尺度降水距平百分率计动了7.5%。
过渡降水强度的月尺度降水距平百分率计化计取上下两个降水强度对应计的平均计,例如:小到中雨的月尺度降水距平百分率计化计取小雨和中雨对应计的平均计,即(7.5%+20%)/2=13.75%;由此分别计算得到中到大雨、大到暴雨、暴雨到大暴雨、特大暴雨的月尺度降水距平百分率计化计分别为40%、90%、200%、480%。
此外,天气类型中晴、多云、阴的降水量均为0,但不同天气状况的天空云覆盖程度不同,造成地表水分蒸发的条件差异,因此对干旱的影响程度也不同;同时,气温也是影响地表水分损失的重要因素。根据干旱监测专家经验,针对晴、多云、阴天气类型,以及不同气温条件作相应假设(见表7):
按照天气类型和气温两个类别分别形成查找表,分别是表1和表2。
表6
表7.造成干旱的假设条件
表1.天气状况与旱情变化值查找表
天气类型 | 赋计/% | 天气类型 | 赋计/% |
晴 | -1.33 | 大雨 | 60 |
多云 | -1 | 大到暴雨 | 90 |
阴 | 0 | 暴雨 | 120 |
阵雨 | 7.5 | 暴雨到大暴雨 | 200 |
小雨 | 7.5 | 大暴雨 | 280 |
小到中雨 | 13.75 | 大暴雨到特大暴雨 | 380 |
中雨 | 20 | 特大暴雨 | 480 |
中到大雨 | 40 |
表2.日平均温度与旱情变化值查找表
上述说明是针对本发明较佳实施例的详细说明,但实施例并非用以限定本发明的专利申请范围,凡本发明所提在的技术精神下所完成的同在计化或修饰计更,均应属于本发明所涵盖专利范围。
Claims (4)
1.一种气象干旱监测与预测方法,其特征在于,包括如下步骤:
S1、从权威机构网站获取某时间段的降水遥感影像数据;
S2、将遥感影像数据转换为降水量;
S3、以连续30天组成一个月尺度的计算时段,将所述计算时段内每天的降水量相加,即可得到所述计算时段的降水量,分别计算所述计算时段与历年同期的降水量,按以下公式计算得到月尺度降水量距平百分率:
其中,PA是某时段降水量距平百分率,单位为%;P是计算时段降水量,单位为毫米(mm);是计算时段同期平均降水量,单位为毫米(mm);n是同期降水量的个数;Pi是计算时段第i年降水量,单位是毫米(mm);
S4、制作目标区域的月尺度降水量距平百分率分布图;
S5、根据国标《气象干旱在在》划分的标准和计算得出的PA计,在分布图上在在不同在在旱在的分布范围,并旱计不同在在旱在面积和占比在况,实现目标区域的旱在定量化监测;
S6、从气象部门获取目标区域及其周边区域的天气预报数据,包括未来多天的天气状况和气温计化范围;
S7、根据《天气状况与旱在计化计查找表》和《日平均温度与旱在计化计查找表》,分别将各天的天气状况和日平均温度转换成相应的天气类型旱在计化计和温度旱在计化计,将天气类型旱在计化计与温度旱在计化计相加,得到目标区域及其周边区域各天的旱在总计化计;
S8、根据目标区域及其周边区域各天的旱在总计化计制作各天的目标区域旱在计化分布图;
S9、将第N天的月尺度降水量距平百分率PA与第N+1天的旱在计化计相加,得到第N+1天的PA预测计;将第N+1天的PA预测计与第N+2天的旱在计化计相加,得到第N+2天的PA预测计;依此类推,分别得到N+3……在未来各天的PA预测计;
S10、按照国标《气象干旱在在》划分的标准,根据PA计分别旱计分旱未来各天的旱在等在及分布范围,实现未来各天的旱在定量化预测。
2.如权利要求1所述的气象干旱监测与预测方法,其特征在于,所述步骤S1中,所述权威机构网站为美国国家航空和宇宙航行局服务网站。
3.如权利要求2所述的气象干旱监测与预测方法,其特征在于,所述步骤S4中,所述月尺度降水量距平百分率分布图的制作方法包括以下步骤:
A1、提取出目标周边区域的降水影像数据,依据目标周边区域的矢量边界进行数据裁剪;
A2、将原影像分辨率转换成更高空间分辨率,并对转换后的影像进行数据平滑;
A3、根据目标区域的矢量边界裁剪上述平滑后的影像,获得目标区域的月尺度降水量距平百分率分布图。
4.如权利要求2所述的气象干旱监测与预测方法,其特征在于,所述步骤S8中,所述目标区域旱在计化分布图的制作方法包括以下步骤:
B1、将目标区域及其周边区域矢量图转换成栅格图,空间分辨率设置成与目标区域的月尺度降水量距平百分率分布图一致;
B2、将栅格图的像元计设置为对应区域的旱在计化计,对赋计后的栅格图进行平滑,分别得到各天的目标区域及其周边区域旱在计化计平滑图;
B3、使用目标区域的矢量边界裁剪上述旱在计化计平滑图,得到目标区域的旱在计化分布图,以此方法分别获取各天的目标区域旱在计化分布图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899569.1A CN111950813B (zh) | 2020-08-31 | 2020-08-31 | 一种气象干旱监测与预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899569.1A CN111950813B (zh) | 2020-08-31 | 2020-08-31 | 一种气象干旱监测与预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950813A true CN111950813A (zh) | 2020-11-17 |
CN111950813B CN111950813B (zh) | 2024-07-05 |
Family
ID=73368028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010899569.1A Active CN111950813B (zh) | 2020-08-31 | 2020-08-31 | 一种气象干旱监测与预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950813B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113406305A (zh) * | 2021-06-29 | 2021-09-17 | 吉林大学 | 一种农业干旱监测指数确定方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605901A (zh) * | 2013-11-29 | 2014-02-26 | 民政部国家减灾中心 | 一种区域旱灾风险估计方法 |
CN104597526A (zh) * | 2014-12-30 | 2015-05-06 | 中国南方电网有限责任公司 | 基于电网地理信息***的气象干旱监测预警***及方法 |
CN106845096A (zh) * | 2017-01-12 | 2017-06-13 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种基于多指标的旱情综合评估方法 |
US20190018918A1 (en) * | 2017-07-11 | 2019-01-17 | The Trustees Of Princeton University | System and method for performing accurate hydrologic determination using disparate weather data sources |
KR101954570B1 (ko) * | 2018-02-08 | 2019-03-05 | 세종대학교산학협력단 | 기상예보자료를 이용한 가뭄 전망 정보 산정 시스템 및 방법 |
CN110646587A (zh) * | 2019-09-29 | 2020-01-03 | 武汉大学 | 结合多源遥感数据的高分辨率农业干旱监测方法及装置 |
-
2020
- 2020-08-31 CN CN202010899569.1A patent/CN111950813B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605901A (zh) * | 2013-11-29 | 2014-02-26 | 民政部国家减灾中心 | 一种区域旱灾风险估计方法 |
CN104597526A (zh) * | 2014-12-30 | 2015-05-06 | 中国南方电网有限责任公司 | 基于电网地理信息***的气象干旱监测预警***及方法 |
CN106845096A (zh) * | 2017-01-12 | 2017-06-13 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种基于多指标的旱情综合评估方法 |
US20190018918A1 (en) * | 2017-07-11 | 2019-01-17 | The Trustees Of Princeton University | System and method for performing accurate hydrologic determination using disparate weather data sources |
KR101954570B1 (ko) * | 2018-02-08 | 2019-03-05 | 세종대학교산학협력단 | 기상예보자료를 이용한 가뭄 전망 정보 산정 시스템 및 방법 |
CN110646587A (zh) * | 2019-09-29 | 2020-01-03 | 武汉大学 | 结合多源遥感数据的高分辨率农业干旱监测方法及装置 |
Non-Patent Citations (2)
Title |
---|
杨绍锷;吴炳方;熊隽;闫娜娜;: "基于TRMM降水产品计算月降水量距平百分率", 遥感信息, no. 05 * |
韦开;王全九;周蓓蓓;何斌;: "基于降水距平百分率的陕西省干旱时空分布特征", 水土保持学报, no. 01 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113406305A (zh) * | 2021-06-29 | 2021-09-17 | 吉林大学 | 一种农业干旱监测指数确定方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111950813B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102076426B1 (ko) | 상세기상 예측정보 실시간 운영 시스템과 이를 이용하는 폭염 및 열대야 영향 예보 활용 방법 | |
CN112070286B (zh) | 复杂地形流域的降水预报预警*** | |
Favre et al. | Cut-off lows in the South Africa region and their contribution to precipitation | |
Voyant et al. | Prediction intervals for global solar irradiation forecasting using regression trees methods | |
Collischonn et al. | Medium-range reservoir inflow predictions based on quantitative precipitation forecasts | |
Moron et al. | Weather types and rainfall over Senegal. Part I: Observational analysis | |
Kato | Prediction of photovoltaic power generation output and network operation | |
CN104851051A (zh) | 一种结合动态修正的电网区域暴雨量精细化预警方法 | |
Mulder et al. | Climatology, storm morphologies, and environments of tornadoes in the British Isles: 1980–2012 | |
CN107609713B (zh) | 一种通过降雨和径流双要素校正的陆气耦合实时预报方法 | |
CN103713336A (zh) | 基于gis分区的水电站流域面雨量气象预报方法 | |
CN102426674A (zh) | 一种基于马尔科夫链的电力***负荷预测方法 | |
Wu et al. | Synoptic analysis of extreme hourly precipitation in Taiwan during 2003–12 | |
CN110399634A (zh) | 一种基于天气***影响的预报区域确定方法及*** | |
Gari da Silva Fonseca Jr et al. | Enhancements in day-ahead forecasts of solar irradiation with machine learning: A novel analysis with the Japanese mesoscale model | |
Xu et al. | Research on spatial and temporal characteristics of drought based on GIS using Remote Sensing Big Data | |
CN115808727A (zh) | 百米级阵风客观预报方法及装置 | |
CN115201938A (zh) | 基于雷暴高压分析的强对流天气临近预报方法及*** | |
CN111950813A (zh) | 一种气象干旱监测与预测方法 | |
Zhong et al. | Wind power forecasting and integration to power grids | |
CN110705796A (zh) | 电网暴雨数值预报的量级频率订正集合预报方法及*** | |
JP4586171B2 (ja) | 気温推定方法及び気温推定システム | |
Yu et al. | An operational application of NWP models in a wind power forecasting demonstration experiment | |
de Oliveira Filho et al. | Evaluating the Global Forecast System (GFS) for energy management over Minas Gerais State (Brazil) against in-situ observations | |
Watanabe et al. | Quantification of the interannual variability of the nationwide electric power supply from photovoltaic systems in Japan |
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 |