[发明专利]一种高分辨率气象网格数据的生成方法及系统

说明书

本发明提供了一种高分辨率气象网格数据的生成方法及系统，包括：采集当前地域在粗分辨率下气象要素实际数据；基于预先建立的多元线性气象回归方程模型，计算得到当前地域在粗分辨率下和高分辨率下气象要素计算数据；对所述当前地域在粗分辨率下气象要素实际数据和气象要素计算数据作差，得到当前地域在粗分辨率下气象要素数据的预估残差，并在高分辨率下对所述预估残差插值；拟合所述当前地域在高分辨率下气象要素计算数据和插值后的预估残差，得到当前地域高分辨率气象网格数据；本发明综合考虑局地地理要素的影响，提升了分辨率的同时，也提升了气象模拟精度，使气象网格数据可以更好的应用在各个电力等行业中。

技术领域

本发明属于微地形、微气象电网预测领域，尤其是涉及一种高分辨率气象网格数据的生成方法及系统。

背景技术

气象网格数据由气象预测模型输出，可应用于气象灾害预警、新能源功率预测等领域。目前气象预测模型一般均使用WRF、MM5、RAMS等中尺度气象模式，其输出的气象网格数据的水平空间分辨率一般在1至10公里左右。然而，在实际应用中，尤其是在电力应用中，由于输电杆塔、风机等设备的空间尺度在十米量级，因此需要的是十米级别分辨率的气象网格数据，传统气象网格分辨率过粗会限制预测精度和使用效果。

为克服气象网格分辨率过粗的问题，目前一般使用统计或动力降尺度方法提升网格分辨率。统计降尺度就是利用不同尺度数据间的统计关系进行降尺度插值，动力降尺度就是使用中尺度模式驱动小尺度模式得到更精细化的网格数据。但传统的统计降尺度方法一般只考虑单一局地地形高程的影响，会使得高分辨率预测的准确度存在不足等问题。

发明内容

为克服上述现有技术的不足，本发明提出一种高分辨率气象网格数据的生成方法，包括：

采集当前地域在粗分辨率下气象要素实际数据；

基于预先建立的多元线性气象回归方程模型，计算得到当前地域在粗分辨率下和高分辨率下气象要素计算数据；

对所述当前地域在粗分辨率下气象要素实际数据和气象要素计算数据作差，得到当前地域在粗分辨率下气象要素数据的预估残差，并在高分辨率下对所述预估残差插值；

拟合所述当前地域在高分辨率下气象要素计算数据和插值后的预估残差，得到当前地域高分辨率气象网格数据；

其中，所述多元线性气象回归方程模型是历史粗分辨率下多数据源的网格化地理要素数据和历史粗分辨率下网格气象要素数据进行拟合后得到的。

优选的，所述多元线性气象回归方程模型的建立，包括：

以历史粗分辨率下多数据源的地理要素数据为输入数据，以历史粗分辨率下气象要素数据为输出数据，对阶数等于数据源个数的多元线性回归方程进行回归训练得到的拟合系数值；

在粗分辨率下和高分辨率下基于所述拟合系数值建立所述多元线性气象回归方程模型；

其中，多元线性气象回归方程模型包括粗分辨率下多元线性气象回归方程模型和高分辨率下多元线性气象回归方程模型。

优选的，所述地理要素数据，包括：网格值、经度数据、纬度数据、地形高程数据、植被覆盖指数、坡向数据、人工建筑面积和人工建筑高度。

优选的，所述多元线性气象回归方程模型的计算式如下：

Y_R＝a+b·X_R1+c·X_R2+d·X_R3+e·X_R4+f·X_R5+g·X_R6+h·X_R7