-
公开(公告)号：CN119623853A
公开(公告)日：2025-03-14
申请号：CN202411706565.1
申请日：2024-11-26
Applicant: 南京大学
IPC: G06Q10/063 , G06Q50/26 , G01W1/10 , G06N20/00
Abstract: 本发明属于大气科学技术领域，公开了一种基于气象大模型的集合‑变分混合同化系统及方法，采用一种具有物理约束的方式(RANDOMMV)对大气初始场进行随机扰动，基于人工智能气象大模型的强大推演能力，快速生成集合成员，以保证成员多样性并减小采样误差。在此基础上，采用集合‑变分混合同化方法，结合动态的集合背景误差协方差和通过NMC方法估计的静态背景误差，构建集合‑变分混合同化系统，实现对多源观测数据的有效同化。本发明能够保证AI集合预报成员的物理一致性与稳定性。结合了由历史预报数据的差异场推导的长期平均的静态误差信息与集合预报的流依赖背景误差信息；动静结合，增强了混合同化系统的鲁棒性。
-
公开(公告)号：CN119247523A
公开(公告)日：2025-01-03
申请号：CN202411551056.6
申请日：2024-11-01
Applicant: 南京大学
Abstract: 本发明提供一种监控相机与气象站融合的地表降水高分辨率观测方法，该方法包括：从区域中的监控相机拍摄的视频中提取雨线，确定所述雨线对应的雨滴的尺寸和数量；根据所述雨滴的尺寸和数量，确定所述监控相机对应的降雨强度值；将所述监控相机对应的降雨强度值和所述区域中的气象站观测的降雨强度值进行融合，得到所述区域的降雨强度值的时空分布图。本发明融合监控相机和（气象站）雨量计的同步观测结果，形成监控相机加密的地表降雨观测网络；在已有的城市监控资源和地表气象站点的基础上实现，无需额外的硬件投入与添加，从而低成本、高效率的提高地表降水观测的空间分辨率。
-
公开(公告)号：CN119229328A
公开(公告)日：2024-12-31
申请号：CN202411746051.9
申请日：2024-12-02
IPC: G06V20/17 , G06V10/10 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/60 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , H04N7/18 , G06N3/048
Abstract: 本发明属于内涝监测领域，公开了一种基于深度学习的低空无人机内涝巡检方法及系统，该方法包括：通过低空无人机获取高时空分辨率的遥感可见光图像，并利用5G通信技术将无人机数据上传至云端；基于无人机内涝图像分割的深度学习内涝自动识别及分析模型，进行内涝的实时识别、分割，高效、精准、快速地实现城市内涝信息的巡检；结合无人机轨迹信息以及图像边缘特征拼接巡检区域图分割内涝区域并绘制、更新城市内涝时空分布格局，为城市内涝灾害的减灾防灾、救急抢险、灾情评估提供技术支持与基础数据支撑。
-
公开(公告)号：CN119068427A
公开(公告)日：2024-12-03
申请号：CN202411570869.X
申请日：2024-11-06
IPC: G06V20/52 , G06V20/40 , G06V10/22 , G06V10/44 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种监控视频与双偏振雷达融合的地面降水相态识别方法，包括：对于给定观测区域，从地面监控相机拍摄的视频中识别降水相态类型；将监控相机与区域的双偏振雷达影像图坐标匹配，逐一获取相机所处位置的像素；将获得的像素作为图模型的顶点，以相机之间的空间距离为约束建立图模型顶点的连接规则，并将像素的双偏振雷达系列回波参数作为顶点特征值生成图模型；将图模型作为输入，将视频同步识别的降水相态类型作为真值标签，构建监控相机与双偏振雷达融合的地表降水相态识别图卷积神经网络，用于地面降水相态识别。本发明将监控相机与与双偏振雷达有机结合，形成“地‑空”融合的地表降水相态判别新策略，提高地面降水相态识别的准确性。
-
公开(公告)号：CN118799767B
公开(公告)日：2024-11-12
申请号：CN202411288264.1
申请日：2024-09-14
Applicant: 南京大学
IPC: G06V20/17 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0442
Abstract: 本发明属于但不限于气象技术领域，尤其涉及一种基于无人机视频的降水定量估计方法及系统，以无人机自带的视觉传感器为突破口，采用计算机视觉、深度学习等方法，建立基于无人机视频的降水定量估计方法，该方法充分利用无人机自载的感知和计算资源，在无人机终端实现周边区域降水事件的感知。本专利实现了无人机对飞行区降水信息的自给自足，具有实时、灵敏、高效的优势，有效缓解了对高质量降水数据的迫切需求，为提高无人机安全飞行、飞行路径规划、任务管理等提供技术支持。
-
Patent Agency Ranking
公开(公告)号：CN118330645B
公开(公告)日：2024-08-16
申请号：CN202410763768.8
申请日：2024-06-14
Applicant: 南京大学
Abstract: 本发明属于大气科学技术领域，公开了一种模式微物理约束的双偏振雷达双参水凝物反演方法及系统，该方法包括：输入模式背景场以及对应的微物理参数化方案；计算各水凝物粒子的水平/垂直反射率因子；按照模式层、反射率阈值进行分桶；计算各粒子在水平/垂直反射率因子中的贡献并建立查找表；将反射率与差分反射率观测进行不同类型粒子的权重分离；计算出不同类型水凝物的粒子谱分布中的截距、形状和斜率参数；估计出不同类型粒子的混合比与数浓度。本发明发展一种结合模式背景场和双偏振雷达信息的水凝物混合比与数浓度的反演方法，提高水凝物混合比与数浓度的反演精度。
-
公开(公告)号：CN119229328B
公开(公告)日：2025-03-04
申请号：CN202411746051.9
申请日：2024-12-02
IPC: G06V20/17 , G06V10/10 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/60 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , H04N7/18 , G06N3/048
Abstract: 本发明属于内涝监测领域，公开了一种基于深度学习的低空无人机内涝巡检方法及系统，该方法包括：通过低空无人机获取高时空分辨率的遥感可见光图像，并利用5G通信技术将无人机数据上传至云端；基于无人机内涝图像分割的深度学习内涝自动识别及分析模型，进行内涝的实时识别、分割，高效、精准、快速地实现城市内涝信息的巡检；结合无人机轨迹信息以及图像边缘特征拼接巡检区域图分割内涝区域并绘制、更新城市内涝时空分布格局，为城市内涝灾害的减灾防灾、救急抢险、灾情评估提供技术支持与基础数据支撑。
-
公开(公告)号：CN119515909A
公开(公告)日：2025-02-25
申请号：CN202411711537.9
申请日：2024-11-27
Abstract: 本发明属于降水观测技术领域，尤其涉及一种基于监控相机的雨滴谱仪降水观测质量评估方法及系统，该方法包括：监控相机‑雨滴谱仪时钟配准；建立雨线提取模型；建立雨滴倾斜计算模型；降雨发生判断；风影响度量；雨滴谱仪工作状态判断。本发明为地面降水信息观测有效性提供了重要佐证，可实现对地面降水产品有效性的自动化评估，极大节约了当前降水地面数据校验工作的时间和资金消耗，解决了现今气象、水利相关部门难以有效判断地面降水观测可用与否的难题。此外，本发明进一步提升已有地表观测设备的效益、为天气预报、气象建模、气象雷达/卫星精度的提升具有积极作用，对气象、水文科学研究和业务应用意义显著。
-
公开(公告)号：CN118799767A
公开(公告)日：2024-10-18
申请号：CN202411288264.1
申请日：2024-09-14
Applicant: 南京大学
IPC: G06V20/17 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0442
Abstract: 本发明属于但不限于气象技术领域，尤其涉及一种基于无人机视频的降水定量估计方法及系统，以无人机自带的视觉传感器为突破口，采用计算机视觉、深度学习等方法，建立基于无人机视频的降水定量估计方法，该方法充分利用无人机自载的感知和计算资源，在无人机终端实现周边区域降水事件的感知。本专利实现了无人机对飞行区降水信息的自给自足，具有实时、灵敏、高效的优势，有效缓解了对高质量降水数据的迫切需求，为提高无人机安全飞行、飞行路径规划、任务管理等提供技术支持。
-
公开(公告)号：CN119294466A
公开(公告)日：2025-01-10
申请号：CN202411825310.7
申请日：2024-12-12
Applicant: 南京大学
IPC: G06N3/084 , G01S7/41 , G01W1/10 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N5/045 , G06F18/214 , G06F18/25 , G06T3/4046 , G06T3/4053 , G06V20/10 , G06V20/70 , G06V10/44 , G06N3/048 , G06F123/02
Abstract: 本发明属于气象预报技术领域，公开了一种信息融合的双偏振雷达城市强降水短临预报深度学习方法及系统。本发明基于深度学习技术，结合强降水的物理机制，通过“空间→时间→时空融合”的研究思路，提出了一种新的基于气象雷达数据的城市强降水短临预报方法。该方法通过分析强降水的时空分布特征，提取高维空间特征，发展超分辨率强降水空间特征提取模型，并结合强降水的时间演变特征，采用LSTM和时空特征融合模型，对强降水进行精确预报，提升城市强降水预报的准确性和时效性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
