【技术实现步骤摘要】
本申请涉及沙尘天气等级预报，尤其是涉及一种基于地气耦合遥感的下垫面起沙等级预报模型的构建方法。
技术介绍
1、现有沙尘天气的网格化实况多采用将地基站点观测直接插值的方法，由于东亚地区的沙尘源区，特别是地基观测分布严重不均，加之复杂的下垫面条件，使得仅依靠地基观测难以获取全面的沙尘灾害天气分布信息。
2、卫星遥感手段可以提供广阔背景条件下的大气污染监测，并通过遥感方法保留颗粒物的原有特性不被物理手段破坏，在大气颗粒物的空间分布监测和远距离传输上具有广阔的应用前景。在环境监测与气象预报领域，下垫面起沙等级的预测对于评估沙尘暴、土壤风蚀及空气质量等具有重要意义。目前，市场上广泛采用的技术方案多依赖于地面观测站数据结合气象模型进行预测，如使用气象卫星数据结合地面气象站的风速、湿度等参数，通过经验公式或统计模型来估算起沙等级。然而，这些现有技术方案存在以下明显缺点：地面观测站分布不均，尤其在偏远或复杂地形区域，数据获取困难，导致预测精度受限，传统模型往往基于复杂的物理方程，计算量大，难以实现快速高效的实时预测，现有模型大多忽略了地表特性(如土壤湿度、植被覆盖)与大气状态之间的动态相互作用，影响了预测的准确性。
3、目前单一观测资料在沙尘实况中的应用仍存在一定的局限性，其时空分辨率或数据完整性仍不能满足实际定量化分析的需要。相较于再分析资料具有较长时间滞后的缺陷。因此需要一种基于地气耦合遥感的下垫面起沙等级预报模型的构建方法。
技术实现思路
1、本申请提供了一种基于地气
2、第一方面，本申请提供一种基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，采用如下的技术方案：
3、实时采集多源观测数据，对所述多源观测数据进行预处理，得到原始观测数据；
4、通过所述原始观测数据获取关键气象预报因子，所述关键气象预报因子包括归一化植被指数、土壤湿度、土壤温度、降水和积雪五个要素，除积雪为当日积雪深度均值外，其余通过16天作为间隔统计获取多年样本数据集，
5、采用气溶胶产品数据均值作为起沙量真值，利用随机森林算法对所述样本数据集进行训练和测试，构建识别起沙条件机器学习模型；
6、采用识别起沙条件机器学习模型预测计算得到沙尘起沙指数后，通过判别条件输出未来十天逐日起沙等级预报的初始结果；
7、所述判别条件具体包括：
8、当满足沙尘起沙指数≥0.61时候，判定该格点处为起沙等级1级，标记为极高；
9、当满足0.61>沙尘起沙指数≥-0.39时候判定该格点处为起沙等级2级，标记为容易起沙；
10、当满足-0.39>沙尘起沙指数≥-0.82判定该格点处为起沙等级3级，标记为可起沙；
11、当满足-0.82>沙尘起沙指数≥-1.32判定该格点处为起沙等级4级，标记为不易起沙；
12、当满足<-1.32判定该格点处为起沙等级5级，标记为难起沙。
13、根据新增积雪数据以及降水相态和降水量产品作为补充条件进行对所述初始结果进行修订，输出未来十天逐日起沙等级预报；
14、具体修改方法包括：按照格点对降水量区分降水相态进行判断，判断降水类型和降水量，如降水类型显示有降水类型，但降水数据为零的数据不参与判断，直接认为该格点为无降水点，
15、当格点降水类型为降雨或雨夹雪：
16、当24h累计降水量≥10mm时，该格点48小时内预报起沙等级＝5级，72小时至96小时预报在原有级别降一级，120小时及其后时效的预报根据沙尘起沙指数的阈值求取；
17、当5mm≤24h累计降水量＜10mm，该格点24小时内起沙等级＝5级，48小时预报在原有级别降一级，72小时及其后时效的预报根据沙尘起沙指数的阈值求取；
18、当1mm≤24h累计降水量＜5mm时，该格点24小时内起沙等级在原有级别降一级，48小时及其后时效的预报根据沙尘起沙指数的阈值求取；
19、当r＜1mm时，该格点的起沙等级根据沙尘起沙指数的阈值求取；
20、当格点降水类型为降雪：
21、当24h累计降水量≥5mm时或新增积雪量≥5mm，该格点48小时内起沙等级5级，72小时至96小时预报在原有级别降一级，120小时及其后时效的预报根据沙尘起沙指数的阈值求取；
22、当2.5mm≤24h累计降水量＜5mm或2.5mm≤新增积雪量＜5mm，24小时内起沙等级5级，48小时预报在原有级别降一级，72小时及其后时效的预报根据沙尘起沙指数的阈值求取；
23、当1mm≤24h累计降水量＜2.5mm时或1mm≤24h累计降水量＜2.5mm时，该格点24小时内起沙等级在原有级别降一级，48小时及其后时效的预报根据沙尘起沙指数的阈值求取；
24、当24h累计降水量＜1mm时，该格点的起沙等级根据沙尘起沙指数的阈值求取。
25、进一步地，所述多源观测数据包括哨兵卫星气溶胶指数产品数据、大气环境监测数据和卫星遥感观测数据。
26、进一步地，所述数据集包括以16天作为间隔统计ndvi最大值的土壤湿度的平均值，土壤温度的方差，降水累计值，积雪的覆盖率以及气溶胶的平均值。
27、进一步地，所述随机森林算法将所述样本数据集分为训练集和测试集，对训练集数据进行数据增强，提取影响因子。
28、采用mse作为损失函数来评估调度性能，mse的计算如下：
29、
30、其中yi是第i个实际数据，是第i个预测数据，m表示训练数据量。
31、第二方面，本申请提供一种计算机设备，采用如下的技术方案：
32、一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的方法。
33、第三方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
34、一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面中任一种方法的计算机程序。
35、综上所述，本申请包括以下至少一种有益技术效果：
36、本申请提供了一种基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，通过实时采集多源观测数据并进行处理，在模型结果修订过程中，特别关注降水相态和降水量的影响。通过区分不同的降水类型和降水量，对起沙等级进行动态调整，以提高预报的准确性和针对性。
本文档来自技高网...【技术保护点】
1.一种基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，其特征在于，所述多源观测数据包括哨兵卫星气溶胶指数产品数据、大气环境监测数据和卫星遥感观测数据。
3.根据权利要求1所述的基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，其特征在于，所述数据集包括以16天作为间隔统计NDVI最大值的土壤湿度的平均值，土壤温度的方差，降水累计值，积雪的覆盖率以及气溶胶的平均值。
4.根据权利要求1所述的基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，其特征在于，所述随机森林算法将所述样本数据集分为训练集和测试集，对训练集数据进行数据增强，提取影响因子；
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，所述计算机程序用于实现如权利要求1-4中任一项所述的方法。
6.一种计算设备，其特征在于，所述计算设备包括存储器和处理器，所述存储器用于存储计算机程序，当所述计算机程序被所述处理器执行时，实现如
...【技术特征摘要】
1.一种基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，其特征在于，所述多源观测数据包括哨兵卫星气溶胶指数产品数据、大气环境监测数据和卫星遥感观测数据。
3.根据权利要求1所述的基于地气耦合遥感的下垫面起沙等级预报模型的构建方法，其特征在于，所述数据集包括以16天作为间隔统计ndvi最大值的土壤湿度的平均值，土壤温度的方差，降水累计值，积雪的覆盖率以及气溶胶的平均值。
【专利技术属性】
技术研发人员：江琪，吴国周，花丛，靳雨晨，温建伟，尤媛，
申请(专利权)人：国家气象中心中央气象台，
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。