【技术实现步骤摘要】
本申请涉及人工智能(artificial intelligence,ai)领域，尤其涉及一种气象预报方法、系统及相关设备。
技术介绍
1、数值天气预报(numerical weather prediction)是指根据大气实际情况，给定一定的初值和边界条件，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学方程组，从而制作天气预报预测未来一定时段的大气运动状态和天气现象的方法。数值天气预报技术广泛发展，多个国家或组织都建立了自己的数值天气预报系统，其中比较著名的有欧洲的ecmwf-ifs、美国的ncep-gfs、中国的grapes-gfs。
2、但是，上述数值天气预报系统以常规观测资料搭建，其本身的动力框架、物理过程的参数化方案选择、时空分辨率、地形等的设置偏向于大范围内的总体情况。但在实际天气预报服务中，更关注的是局部地区(如省域、市域、流域等较小范围)的预报效果。这种建模范围和应用需求的巨大差异，经常导致预报数据和实际站点观测存在较大差别，预报结果难以应用于实际生产生活。
技术实现思路
1、本申请提供了一种气象预报方法、系统及相关设备，用于解决数值天气预报的预报结果与实际应用需求存在差异，预报结果难以应用于实际生产生活的问题。
2、第一方面，提供了一种气象预报方法，该方法包括以下步骤：获取第一地区未来的数值天气预报结果和第二地区当前的观测数据，其中，第一地区包括第二地区，数值天气预报结果的时空分辨率低于观测数据的时空分辨率，根据观测数据确定
3、其中，第一地区包括第二地区，也就是说第一地区的范围大于第二地区的范围，比如第二地区是第一地区的局部地区，举例来说，比如第二地区是a国b省的c市，那么第一地区可以是全球，也可以是a国，也可以是b省，观测数据可以是c市观测数据，数值天气预报结果可以是a国的数值天气预报结果，本申请不作具体限定。
4、观测数据包括高分辨率多普勒雷达观测数据、双偏振雷达观测数据、高分辨率气象数据、风廓线雷达数据中的一种或者多种，具体可以包括高分辨率的气象观测数据以及雷达观测数据，比如多普勒雷达数据，气象卫星数据、风廓线雷达数据、地空观测数据等高分辨率等局地多源的观测数据，本申请不作具体限定。观测数据可以是高分辨率的观测传感器采集的，比如高分辨率多普勒雷达、双偏振雷达、风廓线雷达、局地气象观测自动站、地空摄像头等，本申请不作具体限定。
5、数值天气预报结果是数值天气预报系统输出的第一地区的气象预报结果，数值天气预报系统包括基于全球数值模式的中尺度或者常规尺度模式预报系统。数值天气预报系统是基于数值天气预报方法来预测未来一定时段的大气运动状态和天气现象的系统，具体实现中，数值天气预报系统可以是前述内容中的ecmwf-ifs、ncep-gfs以及grapes-gfs全球数值模式预报系统，本申请不作具体限定。数值天气预报系统输出的数值天气预报结果可包括天空状况、天气现象、降水量、温度、湿度、风等常规气象要素的预测结果，数值天气预报结果覆盖的时段可包括短期和中长期，其中，短期通常指的是未来0-2小时，中长期可以是未来几天到几个季节，应理解，上述举例用于说明，本申请不作具体限定。
6、可选地，观测数据的时空分辨率不低于数值天气预报结果。参考前述内容可知，数值天气预报系统本身的动力框架、物理过程的参数化方程选择、地形等设置偏向于大范围内的总体情况，因此数值天气预报系统输出的数值天气预报结果的时空分辨率较低，对于局部地区(比如省、市、流域等较小范围)的气象预报效果较差，观测数据是针对局部地区的高时空分辨率数据，结合观测数据可以提高数值天气预报结果的精度，弥补其对局部地区气象预报效果差的问题。
7、可选地，未来第一时段的起始时间早于未来第二时段的起始时间，这里第一时段可以是短临时段，比如未来0-2小时，第二时段为中长时段，比如未来几天到几个季节，本申请不作具体限定。
8、实施第一方面描述的方法，通过获取第一地区的数值天气预报结果和第二地区的观测数据，其中第一地区包括第二地区，数值天气预报结果的时空分辨率低于观测数据的时空分辨率，根据观测数据确定第二地区在未来第一时段的第一气象预报结果，根据数值天气预报结果、观测数据以及第一气象预报结果，确定第二地区在未来第二时段的第二气象预报结果，其中第一时段早于第二时段，这样获得的气象预报结果是针对局部地区的预报结果，并且覆盖了未来第一时段和第二时段，解决了数值天气预报结果的建模范围和应用需求的巨大差异，经常导致预报数据和实际站点观测存在较大差别，预报结果难以应用于实际生产生活的问题，提高用户的使用体验。
9、在一可能的实现方式中，可将观测数据输入短临外推模型，获得第二地区在未来第一时段的第一气象预报结果，即短临外推模型的短临外推结果。该观测数据可包括但不限于高分辨率多普勒雷达观测数据、双偏振雷达观测数据、高分辨率气象数据、风廓线雷达数据等等。
10、可选地，上述短临外推模型可包括但不限于雷达回波外推模型、机器学习模型、线性外推模型、反演外推模型等等，机器学习模型可包括但不限于卷积神经网络、深度神经网络、残差神经网络等等，本申请不作具体限定。
11、举例来说，短临外推模型可以是基于深度学习卷积神经网络实现的雷达回波图时空序列外推算法，比如convlstm系列模型，该模型的输入数据可以包括高分辨率多普勒雷达或双偏振雷达观测序列、对应时间段的高分辨率局地气象观测数据、风廓线雷达数据以及地空观测数据等多模态数据，输出结果可以是未来短临时间的外推分析场，即第一气象预报结果。该模型可以运用光流法、单体质心法、交叉相关法等，根据前后两个时刻的雷达回波计算回波像素或单体的运动场来外推未来时刻的雷达回波，获得降雨图，或者结合卷积神经网络对回波云团的生消过程进行建模，获得更加准确的未来第一时段的第一气象预报结果。应理解，上述举例用于说明，本申请不作具体限定。
12、需要说明的，上述第一气象预报结果可包括但不限天空状况、天气现象、降水量、温度、湿度、风等常规气象要素的预报结果，比如未来的降雨分布、温度曲线、风力方向、空气质量、湿度等，具体可根据实际的应用场景的需求，确定第一气象预报结果中所需的气象要素，本申请不作具体限定。
13、上述实现方式，通过观测数据确定短临外推结果，可以弥补数值天气预报结果的计算周期长，无法预测短期气象预报的不足。
14、在一可能的实现方式中，可以将数值天气预报结果作为背景场，通过资料同化算法将观测数据和第一气象预报结果与背景场整合至同一个气象场中，基于气象场进行高分辨率中尺度或者对流尺度数值模式计算求解未来第二时段的第二气象预报本文档来自技高网...
【技术保护点】
1.一种气象预报方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述气象预报结果还包括第三气象预报结果，所述第三气象预报结果是对所述第一气象预报结果和所述第二气象预报结果进行融合后获得的，所述第三气象预报结果是所述第二地区在未来第三时段的第三气象预报结果，所述未来第三时段的起始时间早于所述未来第二时段，所述未来第一时段的起始时间早于所述未来第三时段。
3.根据权利要求2所述的方法，其特征在于，所述未来第三时段位于所述未来第一时段和所述未来第二时段之间，或者，所述未来第三时段是所述未来第一时段和所述未来第二时段的重叠时段。
4.根据权利要求1至3任一权利要求所述的方法，其特征在于，所述输出气象预报结果包括：
5.根据权利要求1至4任一权利要求所述的方法，其特征在于，所述根据所述数值天气预报结果、所述观测数据和所述第一气象预报结果，确定所述第二地区在未来第二时段的第二气象预报结果包括：
6.根据权利要求1至5任一权利要求所述的方法，其特征在于，所述观测数据包括高分辨率多普勒雷达观测数据、双偏振雷达
7.根据权利要求1至6任一权利要求所述的方法，其特征在于，所述数值天气预报结果是数值天气预报系统输出的第一地区的气象预报结果，所述数值天气预报系统包括基于全球数值模式的中尺度或者常规尺度模式预报系统。
8.一种气象预报系统，其特征在于，所述系统包括：
9.根据权利要求8所述的系统，其特征在于，所述气象预报结果还包括第三气象预报结果，所述第三气象预报结果是对所述第一气象预报结果和所述第二气象预报结果进行融合后获得的，所述第三气象预报结果是所述第二地区在未来第三时段的第三气象预报结果，所述未来第三时段的起始时间早于所述未来第二时段，所述未来第一时段的起始时间早于所述未来第三时段。
10.根据权利要求9所述的系统，其特征在于，所述未来第三时段位于所述未来第一时段和所述未来第二时段之间，或者，所述未来第三时段是所述未来第一时段和所述未来第二时段的重叠时段。
11.根据权利要求8至10任一权利要求所述的系统，其特征在于，所述输出单元，用于将所述气象预报结果输入校正模型，获得校正后的气象预报结果，输出所述校正后的气象预报结果，其中，所述校正模型是使用样本集对机器学习模型进行训练后获得的，所述样本集包括历史的气象预报结果和同时空下历史的真实气象观测结果。
12.根据权利要求8至11任一权利要求所述的系统，其特征在于，所述第二预报单元，用于将所述数值天气预报结果作为背景场，通过资料同化算法将所述观测数据和所述第一气象预报结果与所述背景场整合至同一个气象场中，基于所述气象场进行高分辨率中尺度或者对流尺度数值模式计算求解所述未来第二时段的第二气象预报结果。
13.根据权利要求8至12任一权利要求所述的系统，其特征在于，所述观测数据包括高分辨率多普勒雷达观测数据、双偏振雷达观测数据、高分辨率气象数据、风廓线雷达数据中的一种或者多种。
14.根据权利要求8至13任一权利要求所述的系统，其特征在于，所述数值天气预报结果是数值天气预报系统输出的第一地区的气象预报结果，所述数值天气预报系统包括基于全球数值模式的中尺度或者常规尺度模式预报系统。
15.一种计算设备，其特征在于，包括存储器和处理器，所述存储器用于存储代码，所述处理器用于运行所述代码实现如权利要求1至7任一权利要求所述的方法。
16.一种计算机可读存储介质，其特征在于，包括指令，所述指令在计算机上运行时使得所述计算机实现如权利要求1至7任一权利要求所述的方法。
...【技术特征摘要】
1.一种气象预报方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述气象预报结果还包括第三气象预报结果，所述第三气象预报结果是对所述第一气象预报结果和所述第二气象预报结果进行融合后获得的，所述第三气象预报结果是所述第二地区在未来第三时段的第三气象预报结果，所述未来第三时段的起始时间早于所述未来第二时段，所述未来第一时段的起始时间早于所述未来第三时段。
3.根据权利要求2所述的方法，其特征在于，所述未来第三时段位于所述未来第一时段和所述未来第二时段之间，或者，所述未来第三时段是所述未来第一时段和所述未来第二时段的重叠时段。
4.根据权利要求1至3任一权利要求所述的方法，其特征在于，所述输出气象预报结果包括：
5.根据权利要求1至4任一权利要求所述的方法，其特征在于，所述根据所述数值天气预报结果、所述观测数据和所述第一气象预报结果，确定所述第二地区在未来第二时段的第二气象预报结果包括：
6.根据权利要求1至5任一权利要求所述的方法，其特征在于，所述观测数据包括高分辨率多普勒雷达观测数据、双偏振雷达观测数据、高分辨率气象数据、风廓线雷达数据中的一种或者多种。
7.根据权利要求1至6任一权利要求所述的方法，其特征在于，所述数值天气预报结果是数值天气预报系统输出的第一地区的气象预报结果，所述数值天气预报系统包括基于全球数值模式的中尺度或者常规尺度模式预报系统。
8.一种气象预报系统，其特征在于，所述系统包括：
9.根据权利要求8所述的系统，其特征在于，所述气象预报结果还包括第三气象预报结果，所述第三气象预报结果是对所述第一气象预报结果和所述第二气象预报结果进行融合后获得的，所述第三气象预报结果是所述第二地区在未来第三时段的第三气象预报结果，所述未来第三时段的起始时...
【专利技术属性】
技术研发人员：马立永，金鑫，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。