气象数据处理方法：spss和Excel
一、下载原始txt数据中的经纬度处理：将度分处理成度，Excel处
理
首先除以100，处理成小数格式，这里第一个实际是52度58分，
在Excel中用公式：=LEFT(O2,FIND(".",O2)-1)+RIGHT(O2,LEN(O2)-FIND(".",O2))/60
需注意：
当为整数时，值为空，这时需查找出来手动修改，或者将经纬度这一列的小数位改成两位再试试，可能好使（这个我没尝试）
第二步：
将经纬度转换成投影坐标，在arcgis实现
将Excel中的点导入arcgis，给定坐标系为wgs84地理坐标，然后投影转换成自己定义的等面积的albers投影（因为anusplina软件需要投影坐标，这里转换成自己需要的坐标系）
第三步：spss处理
将下载的txt数据导入spss之后，编辑变量属性，删掉不需要的列，然后将最后需要的那些变量进行数据重组
本实验下载的数据是日均温数据，全国800+个站点2012年366天的数据。相当于有800+ * 366行数据
1.变量
变量属性：变量属性这里的设置决定了在SPLINA这个模块中输入数据的格式，本实验spss处理的气象数据的格式统一用这个：(A5,2F18.6,F8.2,F8.2)，一共5列。
即：台站号，字符串，5位；
经纬度：都是浮点型，18位，6个小数位
海拔：浮点型，8位，2个小数位
日均温：浮点型，8位，2个小数位
2.数据重组，将个案重组成变量：
后几步都默认就行：
重组之后结果：变成了800+行，370列，就相当于数据变成了：行代表每个站点，列是代表每一天的数据。
3. 因为anusplin这个软件需要的是投影坐标，在重组完的基础上，将经纬度这两列替换成投影之后的经纬度。
方法1：直接复制粘贴即可
方法二：用合并文件，添加变量功能
运行结果：
下面说明：
本实验中站点59981的位置在南沙那边，不在现有的DEM范围内，固可以删掉这个点不用。如果在arcgis中插值，删掉这个点
如果在anusplin中，可以通过设置XY范围自动舍去这个点，固可以不删
此处统一将这个点删掉.
所以一共838个站点
变量属性：变量属性这里的设置决定了在SPLINA这个模块中输入数据的格式，本实验spss处理的气象数据的格式统一用这个：(A5,2F18.6,F8.2,F8.2)，一共5列。
即：台站号，字符串，5位；
经纬度：都是浮点型，18位，6个小数位
海拔：浮点型，8位，2个小数位
日均温：浮点型，8位，2个小数位
4. 最后：保存成固定ASCII格式
保存成这种格式之后就可以被anusplin软件读取了。
总结：anusplin软件设置的一个易错点：设置xy范围中，splina的范围要比第二步lapgrd中dem的范围大~和dem一样或者比DEM小都会出错
一、软件xy设置，以后可用这个范围(全国的)：
第一步- splina 3054296.000 2595703.750
945413.000 6945413.750
或者：-3054296.52594703.5
860413.104751626945413.10475162
海拔：-400到9000
第二步lapgrd：-2954296.500 2494703.500
960413.104751626845413.10475162
二、本实验spss处理的气象数据的格式统一用这个：
(A5,2F18.6,F8.2,F8.2)
4.37版本的软件中SPLINA的操作
1.界面介绍
2.运行输出
运行完之后会出现很多文件：
三、4.2版本的软件中Cmd界面中输入命令：
1.程序和数据介绍
2.运行过程
然后出现如下DOS界面：
然后在这个界面下输入语句
3.本实验中输入如下：
1.h:
2.cd h:\anusplin\run（定位到本机存放cmd,exe和数据的位置，cmd,exe和数据要放
在同一个文件夹下）
https://www.doczj.com/doc/481350578.html,pgrd
4.解释lapgrd
lapgrd指调用这个模块
Dos界面中08011.log，是输出的日志文件的名字，这里边的“名字”自己设置，是用来指定输出日志文件的名字，无影响。
气象数据处理方法：spss和Excel 一、下载原始txt数据中的经纬度处理：将度分处理成度，Excel处 理 首先除以100，处理成小数格式，这里第一个实际是52度58分， 在Excel中用公式：=LEFT(O2,FIND(".",O2)-1)+RIGHT(O2,LEN(O2)-FIND(".",O2))/60 需注意： 当为整数时，值为空，这时需查找出来手动修改，或者将经纬度这一列的小数位改成两位再试试，可能好使（这个我没尝试） 第二步： 将经纬度转换成投影坐标，在arcgis实现 将Excel中的点导入arcgis，给定坐标系为wgs84地理坐标，然后投影转换成自己定义的等面积的albers投影（因为anusplina软件需要投影坐标，这里转换成自己需要的坐标系）
第三步：spss处理 将下载的txt数据导入spss之后，编辑变量属性，删掉不需要的列，然后将最后需要的那些变量进行数据重组 本实验下载的数据是日均温数据，全国800+个站点2012年366天的数据。相当于有800+ * 366行数据 1.变量 变量属性：变量属性这里的设置决定了在SPLINA这个模块中输入数据的格式，本实验spss处理的气象数据的格式统一用这个：(A5,2F18.6,F8.2,F8.2)，一共5列。
即：台站号，字符串，5位； 经纬度：都是浮点型，18位，6个小数位海拔：浮点型，8位，2个小数位 日均温：浮点型，8位，2个小数位 2.数据重组，将个案重组成变量： 后几步都默认就行：
重组之后结果：变成了800+行，370列，就相当于数据变成了：行代表每个站点，列是代表每一天的数据。 3. 因为anusplin这个软件需要的是投影坐标，在重组完的基础上，将经纬度这两列替换成投影之后的经纬度。 方法1：直接复制粘贴即可 方法二：用合并文件，添加变量功能
注：下面的为之前做的方法（7-以后不用做），里面的参数与现在的有出入，自己找到区域内站点，插值过程如下。 气象站点数据插值处理流程 1气象站点数据整理 Excel格式，第一行输入字段名称，包括站点名称、x经度（lon）、y纬度（lat）、平均气温、平均风速、相对湿度、平均日照时数。其中经纬度需换算为度的形式，其它数据换算为对应单位。 2excel气象数据转为shape格式的矢量点数据插值分析 （1）打开Arcgis，添加excel气象站点数据。打开LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，打开边界.shp,三个应该能叠加在一起 （2）在arcgis内容列表中右键单击excel表，选择“显示XY数据”，设置X、Y字段为表中对应经-x、纬-y度字段，编辑坐标系，设置为气象站点经纬度获取时的坐标系，这里为地理坐标系WGS84。(图中错了，按上述，要不就换下一下XY对应的经纬度试一试看看形状对就可以了) （3）导出为shape格式的点数据。右键单击上一个步骤中新生成的事件图层，单击“数据-导出数据”。需注意导出数据的坐标系应选择“此图层的源数据”。
（4）设置Arcgis环境。在“地理处理”菜单下单击“环境”，在环境设置窗口中选择“处理范围”，选择一个处理好的遥感数据（LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，主要是参考该遥感数据的行数和列数）。再选择“栅格分析”，按下图设置插值的分辨率为“0.0045”，掩膜文件设置为边界2/LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img。注意：生成出来的是否有坐标系，插值-环境-输出坐标系-与**相同 （5）气象站点数据插值。在toolbox中选择工具箱“Spatial Analyst————反距离权法”，默认12个数据参与运算，“Z值字段”分别选择平均风速、平均气温、相对湿度，直接输出，不要改输出路径名字。再导出数据。在差值分析界面最下栏也有环境，进去设置，注意经纬度显示位置是经纬度投影的投影坐标系，UTM不能用 （6）数据转换为image格式。上步骤中得到的插值栅格数据是Arcgis格式的栅格格式（grid格式），该格式envi识别不了。右键单击插值数据选择“数据—导出数据”，设置导出数据格式为image。 （7）再用envi claas 转换为UTM投影 （8）UTM 设置参数：datum：（原来为North America 1927）改为为WGS84, zone 49。 E: 719614.2770 N: 4100314.6180 X/Y PIXEL: 16.0 meter output x size: 8723 output y size: 6066
气象资料业务系统(MDOS 操作平台业务流程一、地面自动站观测资料上传 按业务规定上传国家级测站实时地面气象分钟数据文件、小时数据文件、日数据文件、日照数据文件、 (辐射数据文件。 每日定时观测后, 登录 MDOS 平台查看本站数据完整性, 对缺测时次及时补传。 二、疑误信息处理与反馈 台站配置应值班手机,用于接收台站疑误信息短信;值班手机要保证 24小时开机,手机号码变动应及时向省级管理部门上报。 台站对疑误信息的反馈包括定时反馈、被动反馈和更正数据反馈。 (1定时反馈:在每日定时观测后,登录 MDOS 操作平台,查询本站国家站和区域站未处理疑误信息并反馈。保证疑误数据在下一次定时观测前完成反馈。 A:国家站数据质控信息处理——台站处理与反馈——台站未处理 B:区域站数据质控信息处理——台站处理与反馈——台站未处理 台站级数据处理:处理并反馈省级提交给台站的疑误查询信息。包括 3种处理流程: 流程 1:确认数据无误→处理完成。 流程 2:确认数据错误→修正(给出修改值→处理完成。流程 3:批量数据为缺测→处理完成。 (2被动反馈:收到疑误信息短信和电话后,实时登录 MDOS 操作平台反馈; 接到显性错误短信后, 先核对显性错误数据值, 检查相应观测仪器, 查明可能引起出现错误数据的原因, 并及时进行相关数据处理和观测仪器维护等工作。对省级转交台站
处理的疑误信息, 及时查明原因, 通过 MDOS 操作平台进行数据处理和反馈。台站在 收到疑误信息 12小时之内完成反馈。守班时段应急响应期间, 接收到疑误短信或电话后 1小时内进行反馈。 (3更正数据反馈:对台站本地更正过的数据要及时向省级进行反馈,更正报时效内的数据既可通过“ MDOS 数据查询与质疑”功能主动填报反馈, 也可发送更正报 进行修改;时效外的数据可通过 MDOS 平台的“数据查询与质疑”进行修改。 三、台站变动登记 包括变动信息登记(名称,台站号,级别,观测时间,机构,位置,要素, 仪器,障碍物,守班,其他 ,图像、观测记录和规范。 四、台站附加信息登记 (1备注信息登记,通过选择记录年月,事件类型,填入具体内容后,点击即可完成登记。 (2若该台站同一时间同一事件类型已经有记录内容,选择记录年月,事件类型后,具体内容文本框会显示已经填写登记的内容,用户可以直接修改后提交。 (3一般备注事件,本月天气气候概况,图像、观测记录和规范操作参照纪要信息登记方法。 五、产品下载与保存 A 、 J 文件在 MDOS 平台“功能菜单”中的“产品制作与数据服务”下的“ A 、 J 、 Y 文件管理”模块中下载。 每月 6号前将下载后的 A 、 J 文件上传至 10.79.3.18/xj/zdzh/目录下,上传后的文件如有变更请及时进行更新。
(1)复杂地形下气温空间化模拟模型 首先考虑海拔高度、经度、纬度对气温空间分布影响，再进一步考虑坡度、坡向这些微观地形因子对气温空间分布的影响。根据地形调节统计模型，即在考虑微观地形(坡度、坡向)情况下，面辐射与地形存在着函数关系，其实际气温可表示为： T T=T H cosi/cosz (1) 式中，T T为地形调节统计模型模拟的气温；T H为常规统计模型模拟的气温；i为地球面法线与太阳光线之间的角度。其中，T H可根据式(2)求得，i可根据式(3)求得 T H=a0+ a1λ+ a2φ+ a3h (2) 式中，λ为经度，φ为纬度，h为海拔高度，a0为常数，a1、a2、a3为偏回归系数。 cosi=cosαcosz+sinαsinzcos(ф-β) (3) 式中，α为坡度，z为太阳天顶角，ф为太阳方位角，β为坡向。 对于中国的地理位置特点和气温模拟方法，可将太阳天顶角z设为45°，太阳方位角ф设为180°(为正午时间)，所以公式(1)归纳为： T T=T H(cosα-sinαcosβ) (2) “回归分析计算+残差插值”模型构建用于降水数据处理 以2006年4月为例，得到各气象站点4月降水量与经纬度、海拔高度的线性关系式： P=-66.840+4.518*lat-1.324*long+0.001*ele(r2=0.456) (4) 式中：lat为气象站点的经度，long为气象站点的纬度，ele为气象站点的海拔高度，P为月降水。 由DEM提取经度、纬度、坡度、坡向 1.dem栅格转点 2.把Data frame propoties显示单位设置为度分秒 3投影
4生成经纬度 5点转栅格（生成经度）
气象数据处理流程1.数据下载 1.1.登录中国气象科学数据共享服务网 1.2.注册用户 1.3.选择地面气象资料 1.4.选择中国地面国际交换站日值数据 选择所需数据点击预览（本次气象数据为：降水量、日最高气温、日最低气温、平均湿度、辐射度、积雪厚度等；地区为：黑龙江省、吉林省、辽宁省、内蒙古） 下载数据并同时下载文档说明 1.5.网站数据粘贴并保存为TXT文档 2.建立属性库 2.1.存储后的TXT文档用Excel打开并将第一列按逗号分列 2.2.站点数据处理 2.2.1.由于站点数据为经纬度数据 为方便插值数据设置分辨率（1公里）减少投影变换次数，先将站点坐标转为大地坐标并添加X、Y列存储大地坐标值后将各项数据按照站点字段年月日合成总数据库 （注意：数据库存储为DBF3格式，个字段均为数值型坐标需设置小数位数） 为填补插值后北部和东部数据的空缺采用最邻近法将漠河北部、富锦东部补齐2点数据。
2.2.2.利用VBA程序 Sub we() i = 6 For j = 1 To 30 Windows("").Activate Rows("1:1").Select Field:=5, Criteria1:=i Field:=6, Criteria1:=j Windows("").Activate Rows("1:1").Select Windows("book" + CStr(j)).Activate Range("A1:n100").Select Range("I14").Activate ChDir "C:\Documents and Settings\王\桌面" Filename:="C:\Documents and Settings\王\桌面\6\" & InputBox("输入保存名", Title = "保存名字", "20070" + CStr(i) + "0" + CStr(j)), _ FileFormat:=xlDBF4, CreateBackup:=False SaveChanges:=True Next j End Sub 将数据库按照日期分为365个文件 3.建立回归模型增加点密度 由于现有的日辐射值数据不能覆盖东三省（如图），需要对现有数据建模分析，以增加气象数据各点密度。 已有数据10个太阳辐射站点，为了实现回归模型更好拟合效果，将10个样本全部作为回归参数。利用SPSS软件建模步骤：
气象数据处理流程 1.数据下载 1.1. 登录中国气象科学数据共享服务网 1.2. 注册用户 1.3. 1.4. 辐射度、1.5. 2. 2.1. 2.2. 2.2.1. 为方便插值数据设置分辨率（1公里）减少投影变换次数，先将站点坐标转为大地坐标 并添加X、Y列存储大地坐标值后将各项数据按照站点字段年月日合成总数据库 （注意：数据库存储为DBF3格式，个字段均为数值型坐标需设置小数位数） 为填补插值后北部和东部数据的空缺采用最邻近法将漠河北部、富锦东部补齐2点数据。 2.2.2.利用VBA程序 Sub we() i = 6
For j = 1 To 30 Windows("chengle.dbf").Activate Rows("1:1").Select Selection.AutoFilter Selection.AutoFilter Field:=5, Criteria1:=i Selection.AutoFilter Field:=6, Criteria1:=j Cells.Select Selection.Copy Workbooks.Add ActiveSheet.Paste Windows("chengle.dbf").Activate ", Title = " 3. 利用 3.1. 3.2. 选择分析→回归→非线性回归 3.3. 将辐射值设为因变量 将经度（X）和纬度（Y）作为自变量，采用二次趋势面模型（f=b0+b1*x+b2*y+b3*x2+b4*x*y+b5*y2）进行回归，回归方法采用强迫引入法。 如图，在模型表达式中输入模型方程。 在参数中设置参数初始值
1 引言 在气象行业内部，气象数据的价值已经和正在被深入挖掘着。但是，不能将气象预报产品的社会化推广简单地认为就是“气象大数据的广泛应用”。 大数据实际上是一种混杂数据，气象大数据应该是指气象行业所拥有的以及锁接触到的全体数据，包括传统的气象数据和对外服务提供的影视音频资料、网页资料、预报文本以及地理位置相关数据、社会经济共享数据等等。 传统的”气象数据“，地面观测、气象卫星遥感、天气雷达和数值预报产品四类数据占数据总量的90%以上，基本的气象数据直接用途是气象业务、天气预报、气候预测以及气象服务。“大数据应用”与目前的气象服务有所不同，前者是气象数据的“深度应用”和“增值应用”，后者是既定业务数据加工产品的社会推广应用。 “大数据的核心就是预测”，这是《大数据时代》的作者舍恩伯格的名言。天气和气候系统是典型的非线性系统，无法通过运用简单的统计分析方法来对其进行准确的预报和预测。人们常说的南美丛林里一只蝴蝶扇动几下翅膀，会在几周后引发北美的一场暴风雪这一现象，形象地描绘了气象科学的复杂性。运用统计分析方法进行天气预报在数十年前便已被气象科学界否决了——也就是说，目前经典的大数据应用方法并不适用于天气预报业务。 现在，气象行业的公共服务职能越来越强，面向政府提供决策服务，面向公众提供气象预报预警服务，面向社会发展，应对气候发展节能减排。这些决策信息怎么来依赖于我们对气象数据的处理。
气象大数据应该在跨行业综合应用这一“增值应用”价值挖掘过程中焕发出的新的光芒。 2 大数据平台的基本构成 2.1 概述 “大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。 从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘（SaaS），但它必须依托云计算的分布式处理、分布式数据库（PaaS）和云存储、虚拟化技术（IaaS）。 大数据可通过许多方式来存储、获取、处理和分析。每个大数据来源都有不同的特征，包括数据的频率、量、速度、类型和真实性。处理并存储大数据时，会涉及到更多维度，比如治理、安全性和策略。选择一种架构并构建合适的大数据解决方案极具挑战，因为需要考虑非常多的因素。 气象行业的数据情况则更为复杂，除了“机器生成”（可以理解为遥测、传感设备产生的观测数据，大量参与气象服务和共享的信息都以文本、图片、视频等多种形式存储，符合“大数据”的4V特点：Volume(大量)、Velocity(高速)、
数据质量控制方法 1. 数据质量检查的内容 地面气象要素上传文件的各要素值的质量控制以实时检查为主，检查内容包括气候学界限值检查、气候极值检查、数据内部一致性检查和数据时间一致性检查。 （1）气候学界限值检查：指从气候学的角度不可能发生的要素值，观测记录应在气候学界限值之内的检查 （2）气候极值检查：指气象记录是否是超气候极值的检查。气候极值是指在固定地点的气象台站在一定的时间范围内出现概率很小的气象记录 （3）内部一致性检查：指同一时间观测的气象要素记录之间的关系必须符合一定规律的检查 （4）时间一致性检查：指对气象记录变化是否在一定的时间范围内变化具有特定的规律的检查
内部一致性 内部一致性对地面观测数据而言，即为要素间一致性，它是基于一个观测点内同一时刻所测得的要素之间或多或少有点相关的事实，对某些有物理特征关联的气象要素间是否一致进行检测。例如：水汽压、露点温度与气温和相对湿度的一致性，海平面气压与本站气压和气温的一致性，小时内极值出现时间只能是从本小时内 时间一致性 大多数气象要素（除风、降水量和蒸发量外）都是连续变化的，它们随时间的变化应该是连续的，在一定的时间间隔，同一要素的前后波动应是在一定范围内。建立各要素的每分钟和每小时的最大变化值表
数据质量检查流程及质量控制码的确定 数据质量检查的顺序是：气候学界限值检查、气候极值检查、内部一致性检查、时间一致性检查 （1）与气候学界限值比较，观测记录不在气候学界限值范围内的，其数据定性为错误，数据作缺测处理，质量控制码为6 （2）与该月累年极端值比较，观测记录不在气候极值范围内的，其数据定性为“可疑”，质量控制码为1 （3）用气温、相对湿度计算水汽压、露点温度，用本站气压计算海平面气压，计算值应与观测记录一致，若不一致时，用计算值代替观测值。代替后的观测值按正确对待，相应质量控制码为6，若原数据为缺测，相应质量控制码为8 （4）小时内极值出现时间不在本小时内时，出现时间按缺测处理，质量控制码为6 （5）当前小时值与前一小时值比较，超过小时最大变化值的，该当前值定性为“可疑”，质量控制码为1，此值参与下一小时的比较 （6）本站气压、气温、相对湿度、最大风速、极大风速、地面温度、草面温度的小时极值与该小时内的极值出现时间的分钟值应该一致。出现极值与分钟值矛盾时，该时极值定性为“可疑”，质量控制码为1。出现时间与记录时间矛盾时，出现时间按缺测处理，质量控制码为6 （7）小时降水量与小时内分钟降水量之和不相等时，在没有人工干预时，将分钟降水量全部定性为“可疑”，质量控制码为1；若进行人工干预，能够确定正确值，则用正确值代替小时降水量或分钟降水量，质量控制码为6，小时值正确但不能给出正确的分钟值时，可将
气象数据处理流程 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】
气象数据处理流程1.数据下载 1.1.登录中国气象科学数据共享服务网 1.2.注册用户 1.3.选择地面气象资料 1.4.选择中国地面国际交换站日值数据 选择所需数据点击预览（本次气象数据为：降水量、日最高气温、日最低气温、平均湿度、辐射度、积雪厚度等；地区为：黑龙江省、吉林省、辽宁省、内蒙古） 下载数据并同时下载文档说明
1.5.网站数据粘贴并保存为TXT文档 2.建立属性库 2.1.存储后的TXT文档用Excel打开并将第一列按逗号分列 2.2.站点数据处理 2.2.1.由于站点数据为经纬度数据 为方便插值数据设置分辨率（1公里）减少投影变换次数，先将站点坐标转为大地坐标 并添加X、Y列存储大地坐标值后将各项数据按照站点字段年月日合成总数据库（注意：数据库存储为DBF3格式，个字段均为数值型坐标需设置小数位数） 为填补插值后北部和东部数据的空缺采用最邻近法将漠河北部、富锦东部补齐2点数据。 2.2.2.利用VBA程序 Sub we() i = 6 For j = 1 To 30 Windows("").Activate Rows("1:1").Select Field:=5, Criteria1:=i
Field:=6, Criteria1:=j Windows("").Activate Rows("1:1").Select Windows("book" + CStr(j)).Activate Range("A1:n100").Select Range("I14").Activate ChDir "C:\Documents and Settings\王\桌面" Filename:="C:\Documents and Settings\王\桌面\6\" & InputBox("输入保存名", Title = "保存名字", "20070" + CStr(i) + "0" + CStr(j)), _ FileFormat:=xlDBF4, CreateBackup:=False SaveChanges:=True Next j End Sub 将数据库按照日期分为365个文件 3.建立回归模型增加点密度 由于现有的日辐射值数据不能覆盖东三省（如图），需要对现有数据建模分析，以增加气象数据各点密度。 已有数据10个太阳辐射站点，为了实现回归模型更好拟合效果，将10个样本全部作为回归参数。利用SPSS软件建模步骤：
气象站点数据插值处理流程 1气象站点数据整理 Excel格式，第一行输入字段名称，包括站点名称、x经度（lon）、y纬度（lat）、平均气温、平均风速、相对湿度、平均日照时数。其中经纬度需换算为度的形式，其它数据换算为对应单位。 2excel气象数据转为shape格式的矢量点数据插值分析 （1）打开Arcgis，添加excel气象站点数据。打开LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，打开边界.shp,三个应该能叠加在一起 （2）在arcgis内容列表中右键单击excel表，选择“显示XY数据”，设置X、Y字段为表中对应经、纬度字段，编辑坐标系，设置为气象站点经纬度获取时的坐标系，这里为地理坐标系WGS84。 （3）导出为shape格式的点数据。右键单击上一个步骤中新生成的事件图层，单击“数据-导出数据”。需注意导出数据的坐标系应选择“此图层的源数据”。 （4）设置Arcgis环境。在“地理处理”菜单下单击“环境”，在环境设置窗口中选择“处理范围”，选择一个处理好的遥感数据（LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，主要是参考该遥感数据的行数和列数）。再选
择“栅格分析”，按下图设置插值的分辨率为“0.0045”，掩膜文件设置为边界2/LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img。注意：生成出来的是否有坐标系，插值-环境-输出坐标系-与**相同 （5）气象站点数据插值。在toolbox中选择工具箱“Spatial Analyst————反距离权法”，默认12个数据参与运算，“Z值字段”分别选择平均风速、平均气温、相对湿度，直接输出，不要改输出路径名字。再导出数据。在差值分析界面最下栏也有环境，进去设置，注意经纬度显示位置是经纬度投影的投影坐标系，UTM不能用 （6）数据转换为image格式。上步骤中得到的插值栅格数据是Arcgis格式的栅格格式（grid格式），该格式envi识别不了。右键单击插值数据选择“数据—导出数据”，设置导出数据格式为image。 （7）再用envi claas 转换为UTM投影 （8）UTM 设置参数：datum：（原来为North America 1927）改为为WGS84, zone 49。 E: 719614.2770 N: 4100314.6180 X/Y PIXEL: 16.0 meter output x size: 8723 output y size: 6066
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910170766.7 (22)申请日 2019.03.07 (71)申请人 江苏无线电厂有限公司 地址 210012 江苏省南京市秦淮区石婆庙 298号 (72)发明人 孙婕 杜一凡 于群宁 张群 陈国鑫 周康 陈晨 吴宇飞 赵娟 (74)专利代理机构 江苏圣典律师事务所 32237 代理人 吴庭祥 (51)Int.Cl. G06F 17/50(2006.01) G06K 9/62(2006.01) (54)发明名称 一种对气象数据进行融合处理并生成数值 天气预报的方法 (57)摘要 本发明公开了一种对气象数据进行融合处 理并生成数值天气预报的方法，包括如下步骤： 步骤1，从气象观探测设备或是CCTV采集接收各 类气象要素数据，得到气象要素集合X 1；步骤2， 对采集的气象要素数据进行标准化预处理，得到 标准化后的气象要素集合X；步骤3，对气象要素 集合X进行三维资料变分同化，并对气象要素集 合X中的数据进行特征误差分析和交叉协方差分 析，得到气象要素集合X中的每个数据的协方差 误差均方根，根据协方差误差均方根得到最优的 气象要素资料种类；步骤4，根据最优的气象要素 种类进行WRF数值天气预报模式地编译；步骤5， 将WRF模式结果进行预报后处理，生成气象要素 数值预报。权利要求书3页 说明书10页 附图1页CN 110020462 A 2019.07.16 C N 110020462 A
1.一种对气象数据进行融合处理并生成数值天气预报的方法，其特征在于，包括如下步骤： 步骤1，采集接收各类气象要素数据，得到气象要素集合X 1； 步骤2，对采集的气象要素数据进行标准化预处理，得到标准化后的气象要素集合X；步骤3，对气象要素集合X进行三维资料变分同化，并对气象要素集合X中的数据进行特征误差分析和交叉协方差分析，得到气象要素集合X中的每个数据的协方差误差均方根，根据协方差误差均方根得到最优的气象要素资料种类； 步骤4，根据最优的气象要素种类进行WRF数值天气预报模式地编译； 步骤5，将WRF模式结果进行预报后处理，生成气象要素数值预报。 2.根据权利要求1所述的方法，其特征在于，步骤1包括：采集n类气象要素数据，形成气象要素集合X 1(x 1，x 2，x 3，……x n )，x n 表示气象要素集合X 1中的第n个气象要素数据。 3.根据权利要求2所述的方法，其特征在于，步骤2中，对气象要素集合X 1中的气象要素数据进行标准化处理，得出标准化后的气象要素集合X(u 1，u 2，u 3，……u n )，u n 表示x n 经过标准化后的气象要素数据。 4.根据权利要求3所述的方法，其特征在于，步骤3包括如下步骤： 步骤3-1， 建立三维变分的目标泛函数F(X)的表达式： 其中，X表示观测场即气象要素的观测值，X b 表示背景场，B表示背景场误差协方差矩阵，H表示观测算子，Y obs 表示观测向量，R表示观测误差协方差矩阵，F b (X)和F o (X)分别表示背景项和观测项；目标泛函数F(x)的梯度 为： 对应的分析场X a 为： X a ＝X b +BH T (HBH T +R)-1(Y obs -HX b ) (3) 将气象要素集合X中的所有气象要素集合成一个向量，定义为联合向量T： T＝[X，HX t ]＝[X，Y] (4) 其中，X表示模式状态向量，X t 表示状态向量的真值，Y表示观测向量的真值，观测值是模式状态的函数，并且包含误差，则： Y obs ＝HX t +ε (5) ε表示服从均值为0，协方差为R的高斯分布； 步骤3-2，根据贝叶斯理论，T的后验分布p(T u )表示为： p(T u )＝p(Y obs |T p )p(T p )/D (6) 在高斯分布的设定下，p(Y obs |T p )是后验分布函数，p(T p )是先验分布函数，T u 和T p 分别表示T的后验取值和先验取值，D表示标准化因子，T u 也服从高斯分布， 其均值 和协方差∑u 分别为： ∑u ＝[(∑p )-1+M ′T R -1M ′]-1 (8)权 利 要 求 书1/3页2CN 110020462 A
气象数据预处理二（筛选、去空格、批量套用公式） 西北农林科技大学资环学院小华哥 一、数据筛选 二、去除空格 三、批量套用公式 四、三点注意（去公式，保留负值，扩展排序） 一、数据筛选 1、下载的气象数据有10万条记录左右，包含了全国各个省份不同站点的不同气象数据，而我们在使用的时候可能并不需要这么多，只需要几个省、某些年月分的某些指标，因此我们迫切需要找到一种方便快捷的数据筛选方法。这就需要用到Excel的数据筛选功能。 2、如我们需要“陕西省+2012年+1月”的气象数据，操作方法如下： ①选择条件行，也可以按住“shift”逐个选择筛选条件。条件行选择第一列。 ②找到头行的“数据-筛选”点击“筛选”，可以看到每个单元格后面显示了一个倒三角，这就是条件选择列表。 ③我们在省份后面点击三角形出现以下筛选条件，打对勾的数据就是会显示的数据，我们只保留陕西的对勾，其他省份对勾去掉。
④这时，保留下来的数据都是陕西的了。同理，保存只显示2012年、1月的数据。那么保留下来的数据就是陕西省2012年1月份的数据了，可见，筛选条件是可以多次套用的。此时，我们就可以将筛选后的数据单独保存成工作簿，导入ArcGIS 等软件进行空间插值了。 二、去除空格 1、⑤在第③步中，可以发现陕西省有两个，这是因为省份名称中有空格，这时，我们就需要将空格去掉，以便以后进行查询筛选。选中第一行筛选条件列，点击“筛选”按钮，将筛选模式关闭，此时会显示所有数据。选中省份列（只对此列进行数据查询），击替换按钮，查找内容设置为“ ”（不要双引号，在“查找内容处敲一个空格，不能多敲；如果是查找两个空格，就敲两个空格”，如下左图，注意空格的位置）；替换内容为空即可（空表示连空格都没有，如下右图，注意输入光标的位置）；点击全部替换即可将本列一个空格的去掉。 2、我们再来筛选陕西省的数据，可以发现只有一个陕西了