技术领域
[0001] 本发明涉及天气风险评估领域，尤其涉及基于格点化气象数据的气象风险评估方法及分析预警平台。
相关背景技术
[0002] 气象灾害风险是对一定时期风险区遭受不同强度气象灾害的可能形及其可能造成的后果进行定量的分析和评估，气象灾害风险管理是通过风险识别、风险估测、风险评价，并在此基础上优化组合各种风险管理技术，对气象灾害风险实施有效地控制以及妥善处理风险所招致的的后果，以期达到以最小陈本获得最大安全保障的摸底。灾害风险评估是灾害风险管理中的关键环节，是开展有效的灾害预防、应急救援等活动的科学依据。
[0003] 天气风险的评估方法，主要是对历史数据进行分析，得出致灾因子及其权重系数，建立气象灾害风险指数，并以此建立天气风险评估模型，最后，通过加载预报的数据进行天气风险评估。
[0004] 因此，现有技术存在缺陷，需要改进。
具体实施方式
[0039] 以下结合附图和具体实施例，对本发明进行详细说明。
[0040] 参照图1和图2所示，本发明提供一种基于格点化气象数据的气象风险分析预警平台，所述气象风险分析预警平台包括：
[0041] 数据获取模块，通过多种渠道和方式收集气象风险评估所需的各地的各类天气的历史气象数据，其中从国家气象观测站、其他专业气象观测站、卫星遥感和雷达观测等方式和渠道获得的数据。
[0042] 数据清洗模块，比较历史气象数据的一致性，检测历史气象数据中包含无效值和缺失值在内的脏数据并进行处理，处理后再对历史气象数据进行重复性审查和校验，纠正历史气象数据中存在的错误。
[0043] 数据融合模块，对数据清洗模块得到的数据进行插值处理并验证，以得到最接近实况的数值；
[0044] 天气风险评估模块，所述天气风险评估模块包括综合展示单元和目标风险评估单元，所述综合展示单元用于展示目标地点的各类天气要素的评估值，目标风险评估单元用于展示目标地点的各类气象灾害的风险等级。
[0045] 本发明还提供一种基于格点化气象数据的气象风险评估方法，包括以下步骤：
[0046] S1，收集历史气象数据：通过多种渠道和方式收集气象风险评估所需的各地的各类天气的历史气象数据；
[0047] S2，清洗历史气象数据：比较通过多种方式所收集的历史气象数据的一致性，检测历史气象数据中包含无效值和缺失值在内的脏数据并进行处理，处理后再对历史气象数据进行重复性审查和校验，纠正历史气象数据中存在的错误；
[0048] S3：格点化气象数据：对各类历史气象数据进行插值，形成完整的气象数据集合，将原本按照一定分布密度进行布局的单独站点的气象探测数据，转化为格点化的面数据，实现气象数据区域化覆盖，并进行验证以得到最接近实况的数值；
[0049] S4：建立基础数据库：将各类的格点化气象数据结合包括年份和地理地域信息在内的数据建立基础数据库；
[0050] S5：气象风险评估：根据基础数据库对各个地区的各类气象灾害的风险等级进行评估。
[0051] 其中，步骤S1中获取气象风险评估所需的历史数据的途径包括从国家气象观测站、其他专业气象观测站、卫星遥感和雷达观测等方式获得的数据。
[0052] 作为一种实施例，步骤S2中采用质量控制算法对历史气象数据中的脏数据进行清洗。气象资料质量控制判别法的基本思路是以一个观测时次(一份天气报告)数据或者一日数据为单位，将进行各种单项质量检验的结果(质量控制数据)建立一个质量控制数据表，对表数据采用高可疑数据逐步确认淘汰再分析的方法，完成对各种单项质量检验的结果的综合判别，主要包括以下步骤：
[0053] 一、建立要素质量检验综合判别表和要素质量检验码表
[0054] 假设进行质量控制的气象资料要素有m项，进行多要素内部一致性检验有k项，则首先建立两个表：要素质量检验综合判别表和要素质量检验码表。
[0055] (1)要素质量检验综合判别表
[0056] 要素质量检验综合判别表用以记录每一项极值检查、内部一致性检查、时间一致性检查的结果，并用作为要素质量检验综合判别的统计处理工作表(见表a)。
[0057] 表a 要素质量检验综合判别表
[0058]
[0059] 其中，表元素ai，j为单项质量检验的结果，j＝1～m，对应m项气象资料要素，i＝1～n(n＝m+k+L)，i＝1～m对应m项气象资料要素，i＝m+1～m+k对应k项多要素内部一致性检验项目，，i＝m+1+1～m+k+L对应L类时间一致性检验项目。
[0060] 当i＝j时，ai，j为要素允许值范围、气候学界限值检验和极值检验的结果；
[0061] 当i≠j且i≤m时，ai，j为两要素一致性检验的结果；
[0062] 当m+1≤i≤m+k时，ai，j为多要素(相应j要素)内部一致性检验的结果；
[0063] 当i＝m+k+1～m+k+L时，ai，j为要素时间一致性检验的结果；
[0064] 设定：
[0065] ai，j＝0，初值(即未进行相应项目的质量检验)；
[0066] ai，j＝-1，表示通过相应项目的质量检验；
[0067] ai，j＝1，表示未通过相应项目的质量检验；
[0068] (2)要素质量检验码表
[0069] 要素质量检验码表用以记录要素质量检验综合判别的中间结果和最终结果(见表b)：
[0070] 表b 要素质量检验码表
[0071]
[0072] 其中，表元素bj为要素质量检验码，j＝1～m，对应m项气象资料要素[0073] 设定：
[0074] bj＝9，初值，表示未做质量检验；
[0075] bj＝0，表示数据正确；
[0076] bj＝1，表示数据可疑；
[0077] bj＝2，表示数据错误；
[0078] bj＝8，表示数据缺测；
[0079] (3)给要素质量检验综合判别表的各元素赋初值0。给要素质量检验码表的各元素赋初值9，数据缺测时赋值8。
[0080] 二、记录单项检验结果
[0081] (1)要素允许值范围和气候学界限值检验结果的记录
[0082] 进行要素允许值范围和气候学界限值的检验，通过检验的要素，置相应的bj＝0，未通过检验的要素，置相应的bj＝2。
[0083] (2)要素极值检验结果的记录
[0084] 进行要素极值检验，通过检验的要素，置相应的ai，j＝-1，未通过检验的要素，置相应的ai，j＝1。
[0085] (3)两要素一致性检验结果的记录
[0086] 进行两要素一致性检验，通过检验时，对相应两要素对应的ai，j＝-1、aj，i＝-1，未通过检验时，对相应两要素对应的ai，j＝1、ai，j＝1。
[0087] (4)多要素一致性检验结果的记录
[0088] 进行多要素一致性检验。通过检验时，在检验项目对应的i行，对有关要素对应的各列元素赋值ai，j＝-1，未通过检验时，在检验项目对应的i(i＝m+1～m+k)行，对有关要素对应的各列元素赋值ai，j＝1
[0089] (5)要素时间一致性检验结果的记录
[0090] 要素时间一致性检查可以分为前24小时的变化、后24小时的变化等多种类型。要素时间一致性检验的结果按类型分行记录。通过检验时，在检验类型对应的i(i＝m+k+1～m+k+L)行，对要素对应的列元素赋值ai，j＝-1，未通过检验时，在检验项目对应的(i(i＝m+k+1～m+k+L)行，对要素对应的列元素赋值ai，j＝1。
[0091] 三、综合统计判别质量检验
[0092] 单项检验结果记录完毕，即进行质量检验的综合统计判别如下：
[0093] (1)对于bj＝9(j＝1～m)的情况，分别统计要素质量检验综合判别表+相应各列中ai，j＝1和ai，j＝-1的数量axj和ayj。在各axj中挑取最大值max x，
[0094] 如果max x≥2，则：
[0095] 如果axj中等于max x只有一个axd，则赋值相应的bd＝2；同时对ad，j≠0(j＝1～m)的情况赋值ad，j＝0(j＝1～m)、ai，d＝0；对ai，d≠0(i＝m+1～m+k)的情况，赋值该行(i行)所有元素as，j＝0(j＝1～m)。同时赋值ai，d＝0(i＝1～n)。
[0096] 如果各axj中等于max x有两个以上，则从中在各ayj中挑取最小值max y，对于各ayj中所有等于max y的情况(表示为ayd)，赋值相应的各bd＝2；同时对ad，j≠0(j＝1～m)的情况赋值ad，j＝0(j＝1～m)、ai，d＝0；对ai，d≠0(i＝m+1～m+k)的情况，赋值该行(i行)所有元素as，j＝0(j＝1～m)。同时赋值ai，d＝0(i＝1～n)。
[0097] 如果不强调通过检验的概念，也可以忽略ayj的情况，对axj相等的情况同等对待。
[0098] max x≤1，则对于所有axj＝1，赋值相应的bj＝1；对于所有axj＝0，从中挑取ayj≥1的所有列，赋值相应的bj＝0。质量控制完成。
[0099] (2)循环执行上述过程，直至max x≤1。
[0100] 步骤S3包括以下步骤：
[0101] S301：运用插值方法，对各类缺测的历史气象数据进行插值，形成完整的气象数据集合，将原本按照一定分布密度进行布局的单独站点的气象探测数据，转化为格点化的面数据，实现气象数据区域化覆盖；
[0102] S302：利用包括地形资料同化技术、卫星资料反演证技术对格点化数据进行验证；
[0103] S303：将所有相关数据统一到同一物理空间，通过空间场算法融合，以得到最接近实况的数值。
[0104] 在天气风险评估时，需要根据某点的历史气象数据作为参考，而由于当地未建设气象站或气象数据缺失等原因，需要使用插值法将不规则的站点资料插值到规则的网格，以得到该点的数据估计值和直观的地区数据分布情况。
[0105] 现有的气象数据格点化插值方法有普通克里金(Kriging)法、反距离加权插值法(IDW)、梯度距离反比插值法(GIDW)、多项式插值法、样条函数插值法(Spline)、趋势面插值法等。其中克里金法利用变异函数衡量数据间的空间相关性，并强调局部最优以及无偏估计，应用最为广泛。
[0106] 克里金方法包括普通克里金方法和泛克里金方法。普通克里金方法假设区域化变量符合二阶平稳假设和本征假设，泛克里金方法假定区域化变量具有某种以多项式表征的倾向，从而无需平稳假设，适合于非平稳情形，泛克里金方法中的非对偶克里金方法广泛应用于地质、地理、海洋和气象等地球科学领域。在气象数据网格化处理时，针对泛克里金法计算量大、耗时长的缺点，通过等效替换，将泛克里金插值法转换成对偶克里金插值法，实现区域化变量的全局差值，在不影响精度的同时，大幅提升了计算效率，具有计算量小、容易实现等特点。
[0107] 假定一个空间物理变量可以用一个随机函数F(X)表示，其中X是空间位置向量，假如在N个不同的空间位置Xi的物理量观测值为fi，其中1≤i≤N。克里金方法就是构造F(X)的一个近似函数f(X)，使得f(Xi)＝fi。
[0108] 其中，f(X)的最简单形式可以取为fi的不同权重θi的线性组合：
[0109]
[0110] 泛克里金方法假定区域化变量是一阶非平稳的，因此，F(X)可表示成区域倾向项d(X)与残差项e(X)之和：F(X)＝d(X)+e(X)。
[0111] 倾向项d(X)一般表示为空间位置向量X的多项式：
[0112]
[0113] C(h)为残差项的协方差，是假定残差项e(X)各项同性的情形下，协方差表征为点对的距离相关量的函数，点对距离相关量只与观测场间的相互距离有关，与它们的绝对位置无关。
[0114] 泛克里金算法的方程组：
[0115]
[0116] 其中，Cij＝C(hi(Xj))，Ci(X)＝C(hi(X))，μ为拉格朗日乘子。
[0117] 由于本式的右端项依赖于插值点的空间位置向量X；因此对于每个插值点X，都要重新求解方程组，得到权重θi，才能得到插值点X的值f(X)。
[0118] 通过等价变换，将非对偶的泛克里金插值法转换成对偶克里金插值法，[0119]
[0120]
[0121] 由于上式不依赖于插值点X，因此只需求解一次得到系数αj和βk，即可计算不同插值点X的值f(X)。
[0122] 步骤S4为建立基础数据库，并对数据库进行优化包括以下步骤：
[0123] S401：按照年份、地理地域信息构件基础数据库的表结构；
[0124] S402：制作可按照年份、经纬度读取各类气象要素的表格；
[0125] S403：合成标准结构化查询语言，并插入基础数据库。
[0126] 步骤S5气象风险评估可采用保险领域的精确算法做出风险评估，作为一种实施例，此处气象风险评估包括以下步骤：
[0127] S501：通过设置阀值的方式，划分目标地点各类天气的风险等级；
[0128] S502：针对目标地点上的目标气象灾害建立风险评估模型；
[0129] S503：将目标地点的主、客观天气预报数据作为风险评估模型的输入数据，根据风险评估模型评估目标气象灾害发生的概率，根据目标气象灾害的发生概率划分风险等级。
[0130] 综上所述，本发明提供一种基于格点化气象数据的气象风险评估方法及分析预警平台，具有如下有益效果：
[0131] 该气象风险评估方法及分析预警平台，将通过多种渠道获得的历史气象数据进行充分清洗，检测历史气象数据中包含无效值和缺失值在内的脏数据并进行处理，处理后再对历史气象数据进行重复性审查和校验，纠正历史气象数据中存在的错误，以保证作为基础数据库的数据的来源的严谨性。
[0132] 运用对偶克里金法插值法对清洗后的历史气象数据进行插值。克里金法利用变异函数衡量数据间的空间相关性，并强调局部最优以及无偏估计，应用最为广泛。克里金方法中的泛克里金方法假定区域化变量具有某种以多项式表征的倾向，从而无需平稳假设，适合于非平稳情形，广泛应用于地质、地理、海洋和气象等地球科学领域。在气象数据网格化处理时，针对泛克里金法计算量大、耗时长的缺点，通过等效替换，将泛克里金插值法转换成对偶克里金插值法，实现区域化变量的全局差值，在不影响精度的同时，大幅提升了计算效率，具有计算量小、容易实现等特点。
[0133] 将插值后的历史气象数据结合精细化地形数据和卫星资料反演验证，形成格点化气象数据，将所有相关数据统一到同一物理空间，通过空间场算法融合，以得到最接近实况的数值。
[0134] 该气象风险评估方法及分析预警平台适用于多种气象灾害，将现有的气象预报数据纳入气象风险评估模型，实现实时气象灾害的播报，并能准确地针对目标气象灾害的风险等级进行评估。
[0135] 以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
