获取最优地表类型数据集配置的方法和设备技术

提供一种获取最优地表类型数据集配置的方法和设备，所述方法包括：根据地表粗糙度对地表类型进行粗分类，获取粗分类地表类别；根据粗分类地表类别的划分标准，分别将第一地表分类数据集和第二地表分类数据集归类到相应的粗分类地表类别中，得到第一分类结果和第二分类结果；针对每个粗分类地表类别，将第二分类结果中落入该粗分类地表类别的地表类型，以遍历的方式与所述第一分类结果中落入该粗分类地表类别的地表类型进行配对，得到多种地表类型配对方案；对目标区域在预定时间段内的天气进行WRF模拟，得到与各地表类型配对方案对应的数值天气模拟结果；根据目标区域在预定时间段内的天气实测值及数值天气模拟结果，确定最优地表类型数据集。

【技术实现步骤摘要】
获取最优地表类型数据集配置的方法和设备
本专利技术总体来说涉及地表下垫面分类数据集的处理领域，更具体地讲，涉及一种获取最优地表类型数据集配置的方法和设备。
技术介绍
在新能源电场功率预测、新能源资源评估、气象灾害预报等领域中，准确的数值天气模拟是解决问题的关键之一。在现有的技术中，可通过中尺度数值天气模式来进行对区域以及全球的气象场的数值天气模拟计算，目前，常用的中尺度数值天气模式是天气搜索和预报(WRF，WeatherResearchandForecast)模式。WRF模式仅可直接识别MODIS(ModerateResolutionImagingSpectroradiometer)地表下垫面分类数据集或者USGS(U.S.GeologicalSurvey)地表下垫面分类数据集。具体说来，MODIS地表下垫面分类数据集包括21种地表类型，空间分辨率为15arcsec；USGS地表下垫面分类数据集包括24种地表类型，空间分辨率为30arcsec，此外，MODIS地表下垫面分类数据集或者USGS地表下垫面分类数据集代表的时间较为久远。由于MODIS地表下垫面分类数据集和USGS地表下垫面分类数据集的分辨率较低、所包括的地表类型较少，代表时间较为久远等原因，目前，MODIS地表下垫面分类数据集和USGS地表下垫面分类数据集无法准确代表当前地表下垫面的实际情况。随着勘探技术的发展，市面上逐渐出现了具有更高分辨率、更准确的地表类型数据集，例如欧洲航天局(EuropeanSpaceAgency，ESA)发布了ClimateChangeInitiative(CCI)地表下垫面分类数据集，该地表下垫面数据集具有300m高空间分辨率，并且具有很长的代表年份(1992-2015)，如果能应用在WRF模式的下边界条件中，将改善WRF模式的模拟效果。但是，由于数据分类系统的不同，在将该地表下垫面数据集应用到WRF模式的过程中，工作人员仅能依据经验和当地的地理气候特征对其进行大致分类，由于通过这种方式获取的分类结果准确性较差，因此会导致数据使用不当或效率低下等问题的发生。
技术实现思路
本专利技术的示例性实施例在于提供一种获取最优地表类型数据集配置的方法和设备，其能够克服将新地表下垫面分类数据集应用到WRF模式的过程中，对新地表下垫面分类数据集进行人工分类时，分类结果准确性较差的缺陷，以及还能够克服使用当前的MODIS地表下垫面分类数据集或者USGS地表下垫面分类数据集进行数值天气模拟时得到的数值天气模拟结果不准确的缺陷。根据本专利技术示例性实施例的一方面，提供一种获取最优地表类型数据集配置的方法，所述方法包括：根据地表粗糙度对地表类型进行粗分类，获取粗分类地表类别；根据所述粗分类地表类别的划分标准，分别将第一地表分类数据集和第二地表分类数据集归类到相应的粗分类地表类别中，得到第一分类结果和第二分类结果；针对每个所述粗分类地表类别，将所述第二分类结果中落入该粗分类地表类别的地表类型，以遍历的方式与所述第一分类结果中落入该粗分类地表类别的地表类型进行配对，得到多种地表类型配对方案；基于各所述地表类型配对方案中与第一地表分类数据集对应的第二地表分类数据集，对目标区域在预定时间段内的天气进行WRF模拟，得到与各地表类型配对方案对应的数值天气模拟结果；根据所述目标区域在预定时间段内的天气实测值及所述数值天气模拟结果，确定最优地表类型数据集；其中，所述第一地表分类数据集为WRF模式可直接识别的地表分类数据集，第二地表分类数据集为WRF模式不可直接识别的地表分类数据集。可选地，针对每个所述粗分类地表类别，将所述第二分类结果中落入该粗分类地表类别的地表类型，以遍历的方式与所述第一分类结果中落入该粗分类地表类别的地表类型进行配对，得到多种地表类型配对方案，包括：针对所述粗分类地表类别中的第i个类别，将所述第二分类结果中落入第i个类别的每个地表类型，以遍历的方式与所述第一分类结果中落入第i个类别的每个地表类型数据进行配对，得到Ni种地表类型配对方案；将遍历得到的所有粗分类地表类别对应的地表类型配对方案进行组合，得到N种地表类型数据配置；其中，Ni＝XiYi，Xi为所述第一分类结果中落入第i个类别的地表类型的数量，Yi为所述第二分类结果中落入第i个类别的地表类型的数量，Ni、X和Y为正整数；N＝X1Y1×X2Y2×…×XiYi×…×XnYn，n为所述粗分类地表类别的总数，i、N和n为正整数，1≤i≤n。可选地，基于各所述地表类型配对方案中与第一地表分类数据集对应的第二地表分类数据集，对目标区域在预定时间段内的天气进行WRF模拟，得到与各地表类型配对方案对应的数值天气模拟结果，包括：对各所述地表类型配对方案中与第一地表分类数据集对应的第二地表分类数据集进行格式转换，并插值到所述目标区域中，得到所述目标区域对应于各个地表类型配对方案的多组地表数据；获取所述目标区域的气象初始场数据，所述气象初始场数据的格式可被WRF识别；将所述气象初始场数据分别与所述多组地表数据进行匹配，得到多组匹配输入数据；基于每组匹配输入数据对所述目标区域在预定时间段内的天气进行WRF模拟，得到与所述多组匹配输入数据对应的多种数值天气模拟结果。可选地，根据所述目标区域在预定时间段内的天气实测值及所述数值天气模拟结果，确定最优地表类型数据集，包括：获取所述目标区域在预定时间段内的第一天气实测值，根据所述第一天气实测值对所述多种数值天气模拟结果进行初筛选，得到初筛后的数值天气模拟结果；获取所述目标区域在预定时间段内的第二天气实测值，根据第二天气实测值对所述初筛得到的数值天气模拟结果进行复筛选，以确定最优地表类型数据集。可选地，根据所述第一天气实测值对所述N种数值天气模拟结果进行初筛选，得到初筛后的数值天气模拟结果，包括：从所述多种数值天气模拟结果中分别提取第一天气指数模拟值；将各所述第一天气指数模拟值中分别与所述第一天气指数实测值进行比较；剔除不满足第一条件的第一天气指数模拟值所对应的数值天气模拟结果，得到初筛后的数值天气模拟结果。可选地，根据第二天气实测值对所述初筛得到的数值天气模拟结果进行复筛选，以确定最优地表类型数据集，包括：从所述初筛得到的数值天气模拟结果中提取第二天气指数模拟值；分别计算每各第二天气数值模拟值与所述第二天气指数实测值的均方根误差；获取所求得的均方根误差中的最小均方根误差，将所述最小均方根误差所对应的地表类型配对方案作为最优地表类型数据集。可选地，所述第一天气指数包括以下项中的任意一项：降水量、降雪量；所述第二天气指数包括以下项中的任意一项：风速、气温、湿度、风力、风向、气压。可选地，所述第一地表分类数据集包括MODIS地表下垫面分类数据集或者USGS地表下垫面分类数据集，所述第二地表分类数据集包括ESA-CCI地表下垫面分类数据集。根据本专利技术的示本文档来自技高网...

【技术保护点】
1.一种获取最优地表类型数据集配置的方法，其特征在于，所述方法包括：/n根据地表粗糙度对地表类型进行粗分类，获取粗分类地表类别；/n根据所述粗分类地表类别的划分标准，分别将第一地表分类数据集和第二地表分类数据集归类到相应的粗分类地表类别中，得到第一分类结果和第二分类结果；/n针对每个所述粗分类地表类别，将所述第二分类结果中落入该粗分类地表类别的地表类型，以遍历的方式与所述第一分类结果中落入该粗分类地表类别的地表类型进行配对，得到多种地表类型配对方案；/n基于各所述地表类型配对方案中与第一地表分类数据集对应的第二地表分类数据集，对目标区域在预定时间段内的天气进行WRF模拟，得到与各地表类型配对方案对应的数值天气模拟结果；/n根据所述目标区域在预定时间段内的天气实测值及所述数值天气模拟结果，确定最优地表类型数据集；/n其中，所述第一地表分类数据集为WRF模式可直接识别的地表分类数据集，第二地表分类数据集为WRF模式不可直接识别的地表分类数据集。/n

【技术特征摘要】
1.一种获取最优地表类型数据集配置的方法，其特征在于，所述方法包括：
根据地表粗糙度对地表类型进行粗分类，获取粗分类地表类别；
根据所述粗分类地表类别的划分标准，分别将第一地表分类数据集和第二地表分类数据集归类到相应的粗分类地表类别中，得到第一分类结果和第二分类结果；
针对每个所述粗分类地表类别，将所述第二分类结果中落入该粗分类地表类别的地表类型，以遍历的方式与所述第一分类结果中落入该粗分类地表类别的地表类型进行配对，得到多种地表类型配对方案；
基于各所述地表类型配对方案中与第一地表分类数据集对应的第二地表分类数据集，对目标区域在预定时间段内的天气进行WRF模拟，得到与各地表类型配对方案对应的数值天气模拟结果；
根据所述目标区域在预定时间段内的天气实测值及所述数值天气模拟结果，确定最优地表类型数据集；
其中，所述第一地表分类数据集为WRF模式可直接识别的地表分类数据集，第二地表分类数据集为WRF模式不可直接识别的地表分类数据集。


2.如权利要求1所述的方法，其特征在于，针对每个所述粗分类地表类别，将所述第二分类结果中落入该粗分类地表类别的地表类型，以遍历的方式与所述第一分类结果中落入该粗分类地表类别的地表类型进行配对，得到多种地表类型配对方案，包括：
针对所述粗分类地表类别中第i个类别，将所述第二分类结果中落入第i个类别的每个地表类型，以遍历的方式与所述第一分类结果中落入第i个类别的每个地表类型数据进行配对，得到Ni种地表类型配对方案；
将遍历得到的所有粗分类地表类别对应的地表类型配对方案进行组合，得到N种地表类型数据配置，
其中，Ni＝XiYi，Xi为所述第一分类结果中落入第i个类别的地表类型的数量，Yi为所述第二分类结果中落入第i个类别的地表类型的数量，Ni、X和Y为正整数；N＝X1Y1×X2Y2×…×XiYi×…×XnYn，n为所述粗分类地表类别的总数，i、N和n为正整数，1≤i≤n。


3.如权利要求1所述的方法，其特征在于，基于各所述地表类型配对方案中与第一地表分类数据集对应的第二地表分类数据集，对目标区域在预定时间段内的天气进行WRF模拟，得到与各地表类型配对方案对应的数值天气模拟结果，包括：
对各所述地表类型配对方案中与第一地表分类数据集对应的第二地表分类数据集进行格式转换，并插值到所述目标区域中，得到所述目标区域对应于各个地表类型配对方案的多组地表数据；
获取所述目标区域的气象初始场数据，所述气象初始场数据的格式可被WRF识别；
将所述气象初始场数据分别与所述多组地表数据进行匹配，得到多组匹配输入数据；
基于每组匹配输入数据对所述目标区域在预定时间段内的天气进行WRF模拟，得到与所述多组匹配输入数据对应的多种数值天气模拟结果。


4.如权利要求1所述的方法，其特征在于，根据所述目标区域在预定时间段内的天气实测值及所述数值天气模拟结果，确定最优地表类型数据集，包括：
获取所述目标区域在预定时间段内的第一天气实测值，根据所述第一天气实测值对所述多种数值天气模拟结果进行初筛选，得到初筛后的数值天气模拟结果；
获取所述目标区域在预定时间段内的第二天气实测值，根据第二天气实测值对所述初筛得到的数值天气模拟结果进行复筛选，以确定最优地表类型数据集。


5.如权利要求4所述的方法，其特征在于，根据所述第一天气实测值对所述N种数值天气模拟结果进行初筛选，得到初筛后的数值天气模拟结果，包括：
从所述多种数值天气模拟结果中分别提取第一天气指数模拟值；
将各所述第一天气指数模...

【专利技术属性】
技术研发人员：丁宇宇，丁明月，金莹，
申请(专利权)人：北京金风慧能技术有限公司，江苏金风软件技术有限公司，
类型：发明
国别省市：北京;11