- 综合排序
- 最热优先
- 最新优先
- 来自专栏API 分享
基于分钟级降水预报API 的智能农业水资源管理探究
其中，智能农业水资源管理就是依托新型技术手段，实现对水资源的更加精准预报、科学调度的一种管理模式。而基于分钟级降水预报API的智能农业水资源管理，则是新型技术手段中的一种代表性形式。 智能农业水资源管理的重要性在于：提高灌溉效率：分钟级降水预报可以帮助农场主根据未来的降水情况来合理安排灌溉，避免浪费水资源。 二、分钟级降水预报API的应用在智能农业水资源管理中，基于分钟级降水预报API实现的水资源管理主要分为以下几个方面：一、对雨量的预报和监测：利用分钟级降水预报API，能够实时监测气象数据，进行准确的雨量预报和监测 这一手段能够为农业生产提供实时数据支持，减少因雨量预报不准确而导致的生产损失。二、水资源调度：基于分钟级降水预报API，能够对不同地区的降雨情况进行预判，从而根据实际需要，对水资源进行合理的调度。 三、分钟级降水预报API推荐APISpace 的 分钟级降水预报API，支持国内任一经纬度的预报数据，实时调取某地未来2小时内降水预报，可做到分钟级、公里级，可准确提醒下一场雨何时出现，何时变大，何时停止等预报信息
31261编辑于 2023-11-06 - 来自专栏Android、鸿蒙开发
Android 天气APP（三十）分钟级降水
---- 分钟级降水 前言 正文 一、新增分钟级降水API 二、修改布局 三、增加适配器 四、增加网络请求与回调 五、控件初始化、数据请求和返回 六、动画展开收缩效果 七、运行GIF效果图 文末 -- 首先是和风天气更新的新的分钟级降水API，这个是可以提供给开发者免费调用的。话不多说了，进入正文。 一、新增分钟级降水API 这个分钟级降水的API测试地址如下： https://devapi.qweather.com/v7/minutely/5m? TextView tvPrecMore;//降水详情 @BindView(R.id.rv_prec_detail) RecyclerView rvPrecDetail;//分钟级降水列表 private MinutePrecAdapter mAdapterMinutePrec;//分钟级降水适配器 private boolean state = false;//分钟级降水数据
86020发布于 2020-12-08 - 来自专栏机器之心
10倍分辨率，5分钟预测：谷歌深度学习短时降水预报超越传统方法
天气总是会或轻或重地影响人们的日常生活，而天气预报的准确性会极大影响人们应对天气的方式。 这种聚焦于 0-6 小时短时降水预测方法可以在总延迟仅为 5-10 分钟的情况下生成 1km 分辨率的预测结果，这其中还包括了数据采集的延迟。 该方法虽然还处于早期发展阶段，但已经优于传统模型。 超越传统天气预报方法 世界各地的气象机构都有大量的监控设施，例如，多普勒雷达可以实时测量降水量；气象卫星可以提供多光谱成像；地面气象站可以直接测量风速、风向和降水量等。 例如，如果过去一小时采集了 10 张卫星图像，每张多光谱图像都成像于 10 个不同的波长，那么模型的输入将是一张由 100 个通道组成的图像。 可以每两分钟进行一次预测（这里展示了每 15 分钟的结果），预测区域的分辨率约为 HRRR 方法的 10 倍。可以注意到此方法捕捉到了风暴整体的运动和形态。
1.2K10发布于 2020-02-24 - 来自专栏高速公路那点事儿
案例学习 | 学习一下深中通道，高速公路精准气象服务系统的设计思路
系统主要功能包括： （1） 精准交通气象预报和预警 1) 公里级分钟级监测预测： 实现2小时内的5分钟级别的精准天气预报，未来72 小时的小时天气预报，可实现精细化天气、路温、能见度预测，满足以下技术指标 ： – 精细尺度：1公里； – 更新频率：5-10分钟； – 分钟级预报时长：120分钟； – 小时级预报时长：360小时； – 监测要素：天气现象、气温、气压、风速风向、降水量、降水位置及到达时间、能见度 （2） 养护施工天气预警 可通过解析视频图像，结合天气模型，识别路面干燥潮湿情况和分钟级降水预测，包括降水时间和降水距离，降水减弱时间预测。 对施工和养护部门提供精准天气指标。 (2) 格点预报数据（分钟级、小时级、日级） 覆盖项目所在地及周边区域(外延 150km 范围)1 公里网格分辨率的格点气象预报数据（气温、降水量／降水强度、湿度、气压、风向、辐射、风速、雷电、雾等高影响天气要素 未来 2 小时预报结果为逐10min 更新未来 2 小时的逐分钟分辨率，未来 24 小时和未来10 天的预报结果为逐小时更新，数据分别为未来逐 1 小时和未来逐日的预报结果。
35610编辑于 2025-07-03 - 来自专栏好奇心Log
国产气象预报模式第一梯队！
0-10天冬奥关键点位‘定时定点定量’预报，可以为本届冬奥提供平均风、阵风、温度、湿度、能见度、降水量、降水相态（雨、雪、雨夹雪）等赛事所需的关键预报产品。” 分钟百米级 睿图团队针对冬奥研发的技术和产品，特点就是“空间网格细、时间更新频率快、预报精准度高”。 以降水预报为例，由多个子系统构成的睿图模式体系，其降水预报的核心是其中的两个子系统。 临近数值预报集成子系统主要关注未来2小时内天气，每10分钟更新一次，是气象预报员对雷暴等灾害性天气做出临近预警的重要参考；短期预报子系统则主要关注未来2-12小时，是短时天气预报预警的重要参考。 “其实，‘睿图-睿思’系统是一个多源气象数据快速集成与融合预报系统，它采用了机器学习等人工智能新技术方法，主要可形成未来24小时时段内的天气预报，即便是在复杂地形下，也能做到每10分钟更新一次。” 22米网格的0-24小时逐10分钟预报。
1.2K30编辑于 2022-04-12 - 来自专栏气象学家
FuXi-Nowcast: 应对临近预报中长期存在的对流初生挑战
传统方法大多只关注降水量预报，但业务预报需要的是多灾种协同监测。一次强飑线过程往往伴随狂风、短时强降水和冰雹，单变量预报无法满足防灾减灾的实际需求。 多任务学习框架 主预报分支同时输出8个变量（2米温度、10米风速/阵风、雷达组合反射率、降水等），辅助分支专门处理降水分类任务（11类降水强度等级）。 高分辨率观测数据 • 雷达资料：1km分辨率的组合反射率，6分钟原始数据抽取整点值。这里有个细节值得商榷：整点抽取可能引入时间采样误差，强对流系统的演变往往在分钟级，未来可考虑时间插值或概率匹配。 （二）数据预处理与质量控制 作者采用了一个非常明智的数据过滤策略：训练阶段只保留"有天气"的样本，即满足"降水>1mm的格点数>10个"或"阵风>10.8 m/s的格点数>10个"。 6级、7级、8级大风 CSI的计算公式中，分母包含命中、空报、漏报三项，对空报和漏报同等惩罚。
23310编辑于 2026-03-25 - 来自专栏HyperAI超神经
3 年过去了，为什么气象站和 AI 仍然测不准天气？
受台风「杜苏芮」影响，我国多地近日连降暴雨，以福建省为例，截止 7 月 30 日 10:07，已造成超 145 万人受灾，直接经济损失 30.53 亿元人民币。 目前，太空中有全球 1000 多颗气象卫星，可提供风雨、温度等的大量气象数据，地球上还有数十万个国家级和企业级气象站，它们都在不断收集实时数据。 国家级的气象站为国民生活提供便利，企业级的气象站则是提供商用服务，比如为大型农场、体育赛事、航空业提供更细粒度的气象数据。 在这个方法中，降水预报被看作是一种由图片至图片的转换问题，并利用一种 U-net 结构的卷积神经网来实现预报目的。 2. 上排的前三张图，显示了距现在 60 分钟前，30 分钟前和 0 分钟之前的雷达图像，最右边的图片显示 60 分钟后的雷达图像，即临近预报的地面真实情况。
57810编辑于 2023-08-31 - 来自专栏API百科
一文带你看透天气预报
所以天气预报查询接口，在各行各业当中是很需要的。在这里为大家推荐一款很不错的天气预报查询的API服务——APISpace 的 天气预报查询。 它支持全国以及全球多个城市的天气查询，包含国内3400+个城市以及国际4万个城市的实况数据；更新频率分钟级别。 图片天气预报查询服务中含有五个API：智能天气实况 API天气实况是天气预报中最基础的数据，主要是对最近天气进行的监测，该接口的更新频率是分钟级。 天气逐3小时预报 API天气逐3小时预报主要包含天气现象、气温、体感温度、风力、风向、相对湿度、云量、降水量等，国内最长可支持7天。目前支持国内3400+个城市的预报数据。 具体要素包含：将一个自然日区分为白天、黑夜，分别预报出天气现象、最高气温、最低气温、风力、风向等。随着预报水平的提高，逐天预报时效也越来越长，从最初的3天、7天提高到10天、15天。
73520编辑于 2023-02-06 - 来自专栏HyperAI超神经
为什么气象站和 AI 都测不准天气？
目前，太空中有全球 1000 多颗气象卫星，可提供风雨、温度等的大量气象数据，地球上还有数十万个国家级和企业级气象站，它们都在不断收集实时数据。 国家级的气象站为国民生活提供便利，企业级的气象站则是提供商用服务，比如为大型农场、体育赛事、航空业提供更细粒度的气象数据。 在这个方法中，降水预报被看作是一种由图片至图片的转换问题，并利用一种 U-net 结构的卷积神经网来实现预报目的。 上排的前三张图，显示了距现在 60 分钟前，30 分钟前和 0 分钟之前的雷达图像，最右边的图片显示 60 分钟后的雷达图像，即临近预报的地面真实情况。 IBM 为其支持了 84 个 AC922 节点，每个节点配备 4 个 Nvidia V100 GPU 以及 3.5 PB 的 IBM Spectrum Scale Storage ，每天可处理多达 10
83620发布于 2020-08-14 - 来自专栏气象学家
OpenClaw 在大气科学领域的应用方案
2 小时缩短至 15-30 分钟 • 减少人为遗漏（系统自动检查所有模式、所有时效） • 预报一致性提升（避免不同预报员风格差异过大） 3.2 极端天气监测预警系统 场景描述 强对流天气（短时强降水、雷暴大风 实时数据流接入 • 每 5-10 分钟获取一次雷达拼图数据（全国或区域） • 获取闪电定位数据（监测对流活动） • 获取自动站实况（识别突发强降水、大风） 2. 效果 • 预报制作时间从 90 分钟缩短至 25 分钟 • 预报员专注于复杂天气研判，routine 工作自动化 • 产品标准化，不同预报员风格统一 案例二：强对流天气实时监测系统 背景 夏季强对流多发 预计未来 1 小时内该地区将出现短时强降水（小时雨强 30-50mm）、 雷暴大风（8-10 级）和局地冰雹。请注意防范！" 3. 边缘计算与物联网结合 对接自动气象站、农业传感器、无人机观测等边缘设备，实现从观测到预警的分钟级响应。 7.2 应用场景拓展 1.
43410编辑于 2026-03-26 - 来自专栏气象学家
短程X波段相控阵天气雷达是天气雷达发展新的里程碑
其核心功能包括：一是定量测雨反演，结合Z-I关系、极化与多普勒参数优化算法，根据降水类型动态调整参数，降低误差；二是数据融合，整合雷达、地面雨量站与卫星数据，修正系统误差与随机误差；三是快速生成产品，更新周期达秒级至分钟级 此类雷达采用电扫描技术，全空域扫描时间缩短至10秒至1分钟，重点区域扫描可低至1-5秒，速度提升数倍。 实践表明，其在城市环境中可将降水强度估算误差控制在10%以内，远优于机械扫描雷达的20%-30%；在山区可采用负仰角扫描模式，贴合地形精准监测降水。 机械扫描雷达体扫时间3分钟左右，这就会造成在同一空间点上两个雷达获取径向速度的时间差大约3分钟左右。对于强对流降水就可能造成巨大的风场误差，从而导致降水预报的巨大误差。 例如，当垂直气流和回波强度不断加强，就可以根据这个加速度预报未来几分钟、几十分钟有可能产生冰雹。显然这种思路在判定冰雹和预报冰雹的发生时间上都会优于传统的方法。
25410编辑于 2026-03-26 - 来自专栏气象学家
DeepFusion：基于多气象模态深度融合网络的短时强降水预报
我们使用过去 36 分钟（6 个时间步，间隔 6 分钟）的雷达回波序列作为输入，捕捉降水系统的移动和演变趋势。 历史降水数据：历史降水强度序列为模型提供了降水演变的直接观测信息。 与雷达数据类似，我们使用过去 36 分钟的逐 6 分钟降水强度作为输入，帮助模型学习降水的时间演变规律。 数值模式（NWP）数据：数值模式提供了大气环境的背景场信息，对于理解降水的物理成因至关重要。 最终输出为未来 2 小时（20 个时间步，间隔 6 分钟）的降水强度场，空间分辨率为 1km × 1km。 训练策略 数据预处理 气象数据通常存在缺失、异常等问题。 应用价值：实现了高分辨率（1km × 1km）、高时间密度（6 分钟间隔）的 0-2 小时短临预报，对城市防汛和公众出行具有重要指导意义。 旗下产品彩云天气 APP 以精准的分钟级降水预报著称，累计服务数亿用户，帮助人们更好地规划出行、应对天气变化。
38010编辑于 2026-03-26 - 来自专栏气象学家
气象观测全面自动化之路——德国走了快120年
当时全境约有350个人工气象站，15个探空气球释放点，2400个降水测量点与1500个雷暴天气报告处。 （图3：1900年当时的探空风筝） 1935年，德国境内气象站数量增加至552个，降水测量点增加至约4400个。 温、湿、压、风速、风向的数据采集频次提高到每30分钟一次。 2003-2007年，所有地面气象观测数据采集频次均提高到每30分钟一次。 2008年，气象卫星数据分析、资料同化技术广泛应用。 直至2019年，总部位于美茵河畔奥芬巴赫（Offenbach am Main）的德国气象局全境范围内拥有5个局地气候与环境咨询中心、5个航空气象咨询中心、3个农业气象咨询中心、182个一级气象站、1735 个二级天气与降水监测站、1082个物候观测站、18个天气雷达站点、10个探空观测点（每年释放约7000个探空气球）。
1.5K20发布于 2020-04-16 - 来自专栏API 分享
APISpace 天气预报查询API接口案例代码
1.天气预报查询API产品介绍APISpace 的 天气预报查询，支持全国以及全球多个城市的天气查询，包含国内3400+个城市以及国际4万个城市的实况数据，同时也支持全球任意经纬度查询，接口会返回该经纬度最近的站点信息 ；更新频率分钟级别。 2.天气预报查询详解2.1 API列表智能天气实况天气逐小时预报天气逐3小时预报15天预报城市搜索（国内、国外城市）接下来以【智能天气实况】为例展示2.2 接口请求请求方式：GET请求头：标签必填说明X-APISpace-Token 体感温度，单位℃，int类型 “rh”: 38, //相对湿度，单位%，int类型 “wind_class”: “2级” ，单位毫米(mm)，double类型 “prec_time”: “2021-03-05 18:00:00”, //过去1小时降水量所对应的时间段 “clouds
1K20编辑于 2023-11-01 - 来自专栏气象学家
基于人工智能的大型天气模型：进展、对比与展望
相比传统数值天气预报（NWP），AI模型在计算效率（提速万倍以上）、时空分辨率（公里级/分钟级）和多样化应用场景方面展现巨大优势。然而，模型可解释性、训练成本、极端事件预测和平滑效应等挑战仍待解决。 核心优势： • 推理速度：训练后的模型可在秒级至分钟级内生成高分辨率预报 • 数据驱动：直接从观测数据学习，预测结果更接近大气真实状态 • 时空分辨率：可实现公里级空间分辨率和分钟级时间分辨率 二、大型 10分钟 • 创新点：端到端建模降水相关物理过程，捕捉公里尺度降水结构 • 业务应用：已部署于中国气象局短临预报业务平台（SWAN 3.0） FengLei（风雷）模型（2024）： • 技术升级：融合物理模式的中尺度预报与 AI模型的对流尺度预报 • 性能提升：0-3小时公里级雷达反射率预报技巧提升25%，强回波预报技巧提升显著 • 时效性：3分钟内生成6小时间隔预报产品 • 典型案例：2024年成功预报湖南地区飑线合并过程 ，小时级15天预报 三、大型AI天气模型的核心优势 3.1 预报效率的指数级提升 传统NWP需要超级计算机运行数小时，而AI模型可在秒至分钟级生成预测。
41410编辑于 2026-03-26 - 来自专栏ClimAI 智慧气象
AI气象大模型最新总结 ! 揭秘智能天气预测的新纪元
它可以在不到一分钟的时间内完成10天内的天气预报，准确性超过了业界公认的高标准的欧洲中期天气预报中心（ECMWF）的高分辨率天气模拟系统（HRES）。它还能够提前预测像飓风、洪水等极端天气事件。 使用GraphCast进行10天的预测仅需不到一分钟的时间，而传统方法如HRES可能需要数小时的超级计算机计算。 同时预测速度提升10000倍，能够提供秒级的全球气象预报，包括位势、湿度、风速、温度、海平面气压等。作为基础模型，盘古气象大模型还能够直接应用于多个下游场景。 模型分辨率为20km×20km，可以逐10min生成3h的降水预报。在全国62位气象预报专家的过程检验中，该方法大幅领先国际上的同类方法，研究成果现已登Nature。 得益于上述融合设计，该模型兼具深度学习与物理建模的优势，在国际上首次将降水临近预报的时效延长至3小时，并弥补了极端降水预报的短板。
15.4K14编辑于 2023-12-03 - 来自专栏API接口分享
免费天气预报API接口详解
接口概述天气预报1-7天API接口是一个基于地址查询的免费天气数据服务，提供准确、权威的天气预报信息。 :可获取一天内多个时间点的详细天气情况预警信息:包含天气预警数据，及时掌握灾害天气信息地理信息:提供查询地点的经纬度坐标多天预报:支持1-7天天气预报查询请求参数详解参数名必填说明示例id是用户ID，用户中心的数字 IDid=10000000key是用户通讯秘钥key=15he5h15ty854j5sr152hs2sheng否省份名称（一级行政区）sheng=四川省place是查询地点（市级或区级名称）place= 分钟super(). _cache_timestamp[cache_key]=current_timereturnweather_data批量查询处理对于需要查询多个城市的情况，建议：合理安排查询间隔，避免频繁请求使用异步请求提高效率实现错误重试和降级处理应用场景天气预报应用
2.4K10编辑于 2025-12-21 - 来自专栏新智元
AI天气预报吊打气象台：1张GPU1秒预测1小时天气
即时预报填补了这一关键时间区间的性能空白。气象传感的进步使高分辨率雷达可以高频地（在1公里分辨率下每5分钟）提供测量出的地面降水量数据。 过去20分钟的观测雷达被用来提供未来90分钟的概率预测 已有的短期预测方法，如STEPS和PySTEPS，沿用NWP的方法来考虑不确定性，但按照带有雷达信息的平流方程对降水进行建模。 学习是在用于降水预测的条件生成对抗网络（GAN）的算法框架内进行的。四个连续的雷达观测数据（之前的20分钟）被用作发生器的背景，对未来降水的多个实现进行采样，每个实现为18帧（90分钟）。 使用交替的星期作为独立单位的配对置换测试来评估统计学意义，发现DGMR与PySTEPS相比，在所有的降水阈值上都具有更好的效果（n=26，P<10-4）。 在T+90分钟时，UNet的有效分辨率为32公里，轴向注意力的有效分辨率为16公里，降低了这些预报对气象学家的价值。
1.1K10发布于 2021-10-12 - 来自专栏Web技术布道师
10 分钟掌握 MySQL 的索引查询优化技巧
MySQL默认的存储引擎是InnoDB，该存储引擎的主要特点是： 支持事务处理 支持行级锁 数据存储在表空间中，表空间由一些列数据文件组成 采用MVVC(多版本并发控制)机制实现高并发 表基于主键的聚簇索引建立 支持热备份 其它常见存储引擎特点概述： MyISAM：老版本MySQL的默认引擎，不支持事务和行级锁，开发者可以手动控制表锁；支持全文索引；崩溃后无法安全恢复；支持压缩表，压缩表数据不可修改，但占用空间较少 另外，InnoDB的二级索引列中默认包含主键列，如果主键太长，也会使得二级索引很占空间。 www.baidu.com' 如果数据量比较多，为防止哈希冲突，可自定义哈希函数，或用MD5函数返回值的一部分作为哈希值： SELECT CONV(RIGHT(MD5('www.baidu.com'),16), 16, 10 查询优化 查询慢的原因 是否向数据库请求了多余的行 比如应用程序只需要10条数据，但是却向数据库请求了所有的数据，在显示在UI上之前抛弃了大部分数据。
1.3K20发布于 2019-05-15 - 来自专栏气象学家
基于概率匹配思想修复AI降水预报短板
目前，绝大多数深度学习降水预报模型都采用均方误差 (MSE) 作为损失函数。它的计算方法是：将预报降水场和观测降水场中每一个处于相同位置的降水值进行对比，计算所有区域降水值差异的平均平方和。 于是，模型会倾向于给出一个平滑化、接近气候平均状态的预报图：刻意压低强降水的峰值，同时可能夸大弱降水的范围 (如图1a)。因此，降水预报中最关键、最具致灾风险的强降水信号被显著弱化，预报价值下降。 ；二是利用公开的风暴数据集 (SEVIR) 在更精细的时间尺度上进行未来1小时、逐5分钟的临近降水预报。 (e) 降水短期预报(提前12h)的频率分布。黑色虚线表示观测数据，红色与橙色实线分别代表基于mse与wmse的模型；绿色、青色与蓝色实线依次对应权重因子为1、10、100的基于PM的模型。 第1行是观测 (truth)；第2行是基于mse的预报；第3行是基于wmse的预报；第4–6行表示权重因子分别为1、10、100的基于PM的预报。
15910编辑于 2026-03-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号