基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法与流程

本发明涉及短时临近天气预报技术领域，具体为一种基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法。

背景技术：

近年来气象预报格点化、精细化逐渐成为发展趋势，精细化格点预报主要依靠数值预报，但数值模式在起步阶段往往表现较差，因而短临预报作为有效补充手段必不可少。

目前，短时临近预报大都基于雷达装置进行，已实现通过读取雷达基数据生成组合反射率拼图数据，进而预报降水量，通过雷达反射率与降水量的动态回归，估算指定范围、指定分辨率降水量，利用半拉格朗日外推法，循环外推n*10次，得到未来n小时逐6分钟雷达回波预报结果，再根据z-r回归函数，计算定量降水预报值。但天气雷达运行成本比较高，一般只有在汛期才开机，不能持续获取数据，天气雷达属于气象局管控，生成的雷达数据一般都在气象局内网，并不对外公开，非合作单位无法获取，没有雷达数据，基于雷达的短时临近预报系统无法运行。

针对这种情况，本发明提出一种基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法，利用气象卫星进行短时临近天气预报，气象卫星可以不间断运行，可持续获取数据，如日本葵花8卫星覆盖中国范围，时空分辨率也比较高，可以直接通过官网或者自己安装接收设备获取数据，可广泛应用。

技术实现要素：

本发明的目的在于提供一种基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法，包括以下步骤：

结合自动站资料及多通道卫星云图数据，剥离数据读取和算法分析；

根据自动站观测降水量及多通道卫星云图，计算站点位置卫星云图数值，随机森林训练并保存模型；

加载虚拟站点、卫星云图数据及保存的随机森林训练模型，计算输出虚拟站点降水量，创建站点数组；

输入站点数组，通过信任传播算法，校正站点降水量；

输入上一步的站点数组，通过梯度校正算法，进一步校正站点降水量；

输入前10分钟红外云图，通过光流法计算风场；以及

通过拉格朗日外推插值法，外推站点降水，barnes插值到格点，输出到tif文件；循环12次，生成未来2小时，10分钟间隔预报降水量。

优选的，将观测降水量与预报降水量进行比对，进行ts评分。

优选的，定义数据读取接口类，剥离数据读取和算法分析，支持简单二次开发，方便对接来源不确定的数据。

优选的，自动站资料必须包含字段：站号、经度、纬度、逐10分钟降水量(mm)。

优选的，预报降水量需要多个通道的卫星云图数据，包括红外、水汽以及可见光。

优选的，创建随机森林训练模型方法步骤包括：加载过去2小时、10分钟间隔自动站观测降水量及多通道卫星云图；计算站点位置卫星云图数值；随机森林训练并保存模型。

优选的，估算虚拟站点降水量方法步骤包括：加载虚拟站点及当前时次卫星云图数据，计算虚拟站点位置卫星云图数值；加载保存的随机森林训练模型，输入虚拟站点，计算输出虚拟站点降水量；创建站点数组，添加观测站点及虚拟站点。

优选的，通过信任传播算法校正站点降水量的步骤包括：输入站点数组，创建信任概率矩阵，将信任概率初始化为0；遍历站点对；判断遍历站点对是否结束，若否，继续判断站点距离是否小于最大距离，若否，则继续进行遍历站点对，若是，则调整概率为exp(-距离/最大距离)，继续进行遍历站点对；判断遍历站点对是否结束，若是，则创建值数组，值数组初始化为0；遍历值数组；判断遍历值数组是否结束，若否，对值数组进行标记，标记为一级信任传播、二级信任传播，继续进行遍历值数组，若是，则更新站点组，流程结束。

优选的，通过梯度校正算法进一步校正站点降水量的步骤包括：输入更新后的站点数组，创建距离矩阵；计算站点对距离；创建值数组，并初始化为0；遍历值数组；判断遍历值数组是否结束，若否，计算和临近站点的平均梯度，继续判断平均梯度是否大于100，若否，则继续遍历值数组，若是则重新计算与相邻站点的平均梯度，继续进行遍历值数组；判断遍历值数组是否结束，若是，则更新站点值，流程结束。

与现有技术相比，本发明的有益效果是：

本发明的基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法，基于气象卫星做短时临近天气预报，气象卫星可以不间断运行，可持续获取数据，可以直接通过官网或者自己安装接收设备获取数据，本申请发明通过随机森林训练、信任传播及梯度校正，来校正站点降水量，临近天气的预报准确可靠。

附图说明

图1为本发明的一种基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法流程图；

图2为本发明的创建随机森林训练模型方法流程图；

图3为本发明的估算虚拟站点降水量方法流程图；

图4为本发明通过信任传播算法校正站点降水量步骤流程图；

图5为本发明通过梯度校正算法进一步校正站点降水量的步骤包括程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-5，本发明提供一种技术方案：

一种基于光流法和拉格朗日卫星云图外推的短时临近天气的预报方法，包括以下步骤：

s101：结合自动站资料及多通道卫星云图数据，剥离数据读取和算法分析，支持简单二次开发，方便对接来源不确定的数据，自动站资料必须包含字段：站号、经度、纬度、逐10分钟降水量(mm)，预报降水量需要多个通道的卫星云图数据，包括红外、水汽以及可见光；

s102：根据自动站观测降水量及多通道卫星云图，计算站点位置卫星云图数值，随机森林训练并保存模型；

s103：加载虚拟站点、卫星云图数据及保存的随机森林训练模型，计算输出虚拟站点降水量，创建站点数组；

s104：输入站点数组，通过信任传播算法，校正站点降水量；

s105：输入上一步的站点数组，通过梯度校正算法，进一步校正站点降水量；

s106：输入前10分钟红外云图，通过光流法计算风场；

s107：通过拉格朗日外推插值法，外推站点降水，barnes插值到格点，输出到tif文件；循环12次，生成未来2小时，10分钟间隔预报降水量；以及

s108：将观测降水量与预报降水量进行比对，进行ts评分。

其中，创建随机森林训练模型方法步骤包括：

s201：加载过去2小时、10分钟间隔自动站观测降水量及多通道卫星云图；

s202：计算站点位置卫星云图数值；

s203：随机森林训练并保存模型。

其中，估算虚拟站点降水量方法步骤包括：

s301：加载虚拟站点及当前时次卫星云图数据，计算虚拟站点位置卫星云图数值；

s302：加载保存的随机森林训练模型，输入虚拟站点，计算输出虚拟站点降水量；

s303：创建站点数组，添加观测站点及虚拟站点。

其中，通过信任传播算法校正站点降水量的步骤包括：

s401：输入站点数组，创建信任概率矩阵，将信任概率初始化为0；

遍历站点对；

s402：判断遍历站点对是否结束，若否，继续判断站点距离是否小于最大距离，若否，则继续进行遍历站点对，若是，则调整概率为exp(-距离/最大距离)，继续进行遍历站点对；

s403：判断遍历站点对是否结束，若是，则创建值数组，值数组初始化为0；

s404：遍历值数组；

s405：判断遍历值数组是否结束，若否，对值数组进行标记，标记为一级信任传播、二级信任传播，继续进行遍历值数组，若是，则更新站点组，流程结束。

其中，通过梯度校正算法进一步校正站点降水量的步骤包括

s501：输入更新后的站点数组，创建距离矩阵；

s502：计算站点对距离；

s503：创建值数组，并初始化为0；

s504：遍历值数组；

s505：判断遍历值数组是否结束，若否，计算和临近站点的平均梯度，继续判断平均梯度是否大于100，若否，则继续遍历值数组，若是则重新计算与相邻站点的平均梯度，继续进行遍历值数组；

s506：判断遍历值数组是否结束，若是，则更新站点值，流程结束。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。