- 综合排序
- 最热优先
- 最新优先
- 来自专栏气象学家
聊聊“气象服务”（2）
上一期，我给大家简单介绍了有关气象服务的分类，今天给大家聊聊有关“气象服务”的一些误区。 —误区1— 预报准了，气象服务质量就会提高 ? 很多人认为，“只要预报准确率提升了，气象服务质量就会提高”。 从本质上而言，发展气象科学，提高预报准确率的根本目的就是为各行各业提供更优质的气象服务，从而创造更大的价值。 需要我们认识的是，任何基础气象能力只是支撑气象服务价值落地的底层支撑之一。 基础预报能力提升，固然重要，但如果要提升整体气象服务质量，还需要各个“因”环节配合，并传递出去，这样才会发挥出最大的服务能力。 —误区2— 关注气象服务就要提升“精细化”？ ? 诚然，气象未来的发展一定是朝着“精细化”这个方向。但，是否所有的气象服务，都需要“精细化” 呢？ 在上一篇文章中，我提到了有关气象服务的分类。比较典型的主要涉及到两种：公众气象服务和商业气象服务。 无论是公众气象服务，还是商业气象服务，气象服务价值最终落地，还需要在其他环节不断探索。
58720发布于 2020-05-27 - 来自专栏自学气象人
气象处理技巧—时间序列处理2
时间序列处理2 在前面一个章节，我们学习了常用的时间序列的生成方法，这一节，则是非常方便的如何使用xarray进行数据集的时间维度的抽取合并操作。 例如我想提取前15个元素值： ds.time[0:15] 我想提取前30个元素，但每两月取一次值： ds.time[0:30:2] 上面1948-01后面直接是1948-03，2月被跳过了。 先进行和运算，再或运算，如果不能理解，可以用初中数学那个在x轴上画取值范围的方法去套： import datetime t1=pd.to_datetime(datetime.date(1955,1,1)) t2= 若判定为2号，则全部不符合要求，全部返回False，数据全部舍弃，返回一个空数组。 年5月到2001年1月，北纬10-50，东经90-100的数据，则提取语句为： import datetime t1=pd.to_datetime(datetime.date(1955,1,1)) t2=
1.4K11编辑于 2023-06-21 - 来自专栏气象杂货铺
气象数据读取：grib2数据读取
MATLAB 鉴于气象圈中使用matlab的比较多，先说一下使用matlab如何读取 grib2 格式数据。 演示使用 NCL 6.3.0 NCL读取grib2格式数据同样非常方便。 Python python读取grib2格式数据主要有两种方式，1) 使用 pygrib 读取 2) 使用PyNio 由于 PyNio 的读取方式和 NCL 非常相似，这里主要说一下使用 pygrib 1., 2., ..., 357., 358., 359.], ..., [ 0., 1., 2., ..., 357., 358 ., 359.], [ 0., 1., 2., ..., 357., 358., 359.], [ 0., 1., 2., ...
16K31发布于 2020-04-21 - 来自专栏气象杂货铺
气象数据处理：气象雷达数据II
接着上次，之前说了S波段气象雷达数据的处理及绘图，这次说一下C波段双偏振多普勒雷达数据的处理和绘图。 通过双偏振技术的应用，对云和大气水凝结物的物理特性有了更深的了解，提高了雷达的测雨精度，提高了雷达对冰雹等大气水凝结物的识别能力，预报云内过冷水的出现，从而更准确地进行气象预报[注1]。 关于数据说明的具体信息查阅文档[注2]。 由于此雷达基数据中存储了雷达的坐标，因此不需要指定雷达坐标，但加入了debug信息。 因为每一次仰角开始时径向状态是0（体扫开始时是3，即第一条径向），结束时是2（体扫结束是4，即最后一条径向）。通过记录径向开始的值出现的次数确定当前所读取的cut。 最后，转换坐标为经纬度坐标 大体的流程如上所述，可以对照源代码[注2]来看读取流程。 最后当然还是要上一张效果图了，毕竟不能纸上谈兵嘛！ ?
3.8K34发布于 2020-04-20 - 来自专栏气象杂货铺
气象数据处理：气象雷达数据I
气象雷达是气象中应用非常广泛的一种工具，通常可以用来进行强对流天气大预警和预报。 气象雷达数据通常为二进制编码数据，而且不同波段的雷达数据所采用的编码方式也会有所不同。 MATLAB和Python读取SA/SB雷达数据源代码通过以下链接下载[注2]，其中MATLAB版源代码可读取SA/SB/CB雷达数据，但仅测试了SA/SB雷达数据读取，而python版程序仅支持读取SA 此处不提供数据格式说明，因为没有电子版== 注2：https://pan.baidu.com/s/1gfgNIvT
6.6K52发布于 2020-04-20 - 来自专栏智慧气象
微型气象仪：捕捉气象参数瞬时变化
微型气象仪：捕捉气象参数瞬时变化【TH-WQX6】微型气象仪凭借其小巧便携、高精度、实时监测等优势，能够精准捕捉气象参数的瞬时变化，在多个领域发挥着重要作用。 工作原理微型气象仪通常集成了多种传感器，用于测量不同的气象参数。温度传感器：一般采用热敏电阻、热电偶或半导体温度传感器等。 例如，温度测量精度可达±0.1℃-±0.5℃，湿度测量精度可达±2%RH-±5%RH，可以准确捕捉到气象参数的微小变化。快速响应：传感器的响应时间短，能够在短时间内对气象参数的变化做出反应。 比如，风速传感器的响应时间可能仅为零点几秒，使得微型气象仪可以及时捕捉到风速的瞬时突变。 实时连续监测：具备实时数据采集和传输功能，能够连续不断地监测气象参数的变化，并将数据及时传输到显示终端或数据处理系统。用户可以随时查看当前的气象数据，了解气象参数的瞬时状态。
26710编辑于 2025-08-01 - 来自专栏编外气象人
新基建下气象事业面临的机遇与挑战【2】
在介绍气象业务时我认为“气象服务社会发展”是气象事业的宗旨，因此当前要融入新基建，将新基建作为气象事业发展的阶段任务是不可避免的。 在之前的文章中我多次阐述过气象业务的数字化、智能化等话题，感兴趣的朋友可以往前翻翻（《你的气象业务完成数字化转型了吗？》、《研究型业务建设会成为气象业务发展的驱动力吗？》）。 从国到省大力发展的高性能机房和气象大数据中心建设、横向扩展到各行各业的气象融合服务业务、已经非常完善的垂直管理气象业务规范等等，这也是组成我们气象事业在新基建过程中的优势和机遇。 数字化经济时代，数据驱动业务，我们气象部门积累的海量气象大数据正等着利用新技术挖掘出更大的价值，这就是我们的机遇。在应用层面，气象具有先天优势。 气象连接我们生活的方方面面，社会的很多行业都和气象息息相关。
64620发布于 2020-06-04 - 来自专栏气象学家
推进气象科技自立自强 加快建设气象强国
，并为世界气象科技发展和全球气象治理贡献力量。 、应对气候变化与生态气象保障技术和人工智能气象应用技术。 五是构建促进科技成果转化的评价体系，促进气象科技成果转化应用。六是积极参与全球气象科学治理，打造气象装备、气象学科、气象科技平台等国际品牌。 （作者系中国气象局党组书记、局长 庄国泰） 推进气象科技自立自强 加快建设气象强国 《中国气象局加强气象科技创新工作方案》提出，2021年将完成中国气象局气候变化中心、中国气象局温室气体及碳中和监测评估中心 据介绍，重大天气气候机理研究、下一代数值预报模式、第二代再分析系统、气象观测装备技术、气象卫星遥感应用、新一代信息技术的气象融合应用、气象服务数字化智能化等是解决气象科技“卡脖子”问题的攻关重点。
36710编辑于 2022-03-31 - 来自专栏编外气象人
智慧气象服务
气象服务业务要讨论的问题还很多，以后我再继续，今天暂且换个轻松点的话题，我想跟大家讨论一下智慧气象服务。智慧气象服务是未来愿景，所以可以尽情畅想。 服务本身是供需双方的互动行为，我们的气象部门是服务供给方，不同类型的用户是服务需求方，不论是公众服务用户还是专业服务用户，要优先考虑供需连接，构建以满足用户需求为目标的气象服务体系才是开展智慧气象服务的出发点 （二） 开展智慧气象服务的技术路线 发展智慧气象服务的背景是数字化经济和数字化社会转型的一个过程，是从符号语言转向数字语言的过渡阶段，技术支撑就是大数据、云计算、人工智能、边缘计算、移动通信和物联网等信息技术的发展 （三） 智慧气象服务场景设想 云+端的气象服务生态是未来智慧气象服务所要创建的支撑体系。 智能移动端将成为主要的服务载体，相信在智能硬件的不断发展下，边缘计算会让“随身气象台”成为可能。 智慧气象服务目前还处在规划设计阶段，我们可以从更多角度去认识、从更多角度去解读。
1.1K10发布于 2020-06-01 - 来自专栏编外气象人
格点化气象数据在气象服务中的应用设想
总之，基于格点化的数据要进行深入的二次开发，并且对用户来说尽量去“气象化”的专业术语来展现。 2、 面向出行服务的交通气象服务产品，在现有格点化数据的基础上，还需要融合社会化数据进行二次开发。 基于以上三点设想，我认为面向交通出行的气象服务、基于移动互联技术开发，单纯的格点化气象数据是不够的，要多角度考虑交通行业数据，探索交通行业与气象数据的相互融合和二次开发。 这个精细化要从应用细节着手，无论是面向公众还是面向专业领域，服务调研和需求分析是应用好格点化数据的关键； 2、 服务产品要去“气象化”，转而向“专业化”靠近。 面向公众的产品展现不能出现让人不理解或者产生误解的表现方式，面向专业的产品要想该行业贴近，真正的实现“交通气象”、“旅游气象”等专业化气象服务产品。 以“气象+行业”作为推进目标，将行业数据和气象数据融合，并进行挖掘和二次加工。
1.4K20发布于 2020-07-02 - 来自专栏FreeBuf
实现低成本接收解码韩国GK-2A气象卫星信号
上学的时候，玩过一段时间的电视卫星（中六、亚太五），介于气象卫星和电视卫星存在一些相通性，便在近期开始尝试接收、解码气象卫星信号。 国家级卫星地面站往往占地十几公顷，投入数千万进行建设、安装、调试。 我们可以通过现有的SDR 硬件加上DIY 制作特定的天线，便可以花费几百上千块钱实现接收、解码气象卫星的信号。 ? 老挝万象卫星地面站 ? 武汉大学诗琳通地球空间信息科学国际研究中心THEOS遥感卫星地面站 在韩国国家气象卫星官网（NMSC）可以查到很多GEO-KOMPSAT-2A卫星（简称GK-2A）的详细资料，包括射频参数 。 另外，因为气象卫星在很高很远的地方，当信号通过无线传输到地面的时候其信号强度往往已经微乎其微，所以我们需要通过低噪音放大器（low-noise amplifier 简称 LNA） 将信号放大，以便电脑识别 v=xdeXO2BGqvM ? ? ? ? ? ? ?
8.5K42发布于 2020-02-20 - 来自专栏气象学家
聊聊“气象服务” （1）
一直在说“气象服务”，到底什么是气象服务呢？今天趁着两会的热度，跟大家一起聊聊 气象服务这件事？ 政府工作报告明确要求：做好气象服务！ 一直在说“气象服务”，到底什么是气象服务呢？ 趁着两会的热度，最近跟大家一起聊聊“气象服”这件事~ 今天要跟大家聊的是有关气象服务的分类。 —1— 公众气象服务 ? 从小到大，我们一直在接受“气象服务”。 —2— 气象有偿服务 除了公众气象服务之外，气象有偿服务（专业气象服务）是在十一届三中全会以后逐步发展起来。提供服务的主体主要是气象部门。 最开始，气象有偿服务的出现，是为了适应社会主义市场经济对气象服务的特殊的要求。可以说气象有偿服务，是气象部门深化改革的产物。 与公众气象服务不同的是，商业气象服务是面向市场以营利为目的的气象服务行为，比气象有偿服务更加强调市场化运作。提供气象服务的主体逐渐从气象部门发展到气象公司。 —4— 决策气象服务 ?
65520发布于 2020-05-27 - 来自专栏编外气象人
浅谈气象服务需求
1、 开展气象服务之前总是抓不准用户的真正需求； 2、 跟用户交流后发现用户也说不出来想要什么； 3、 绞尽脑汁提出的气象服务解决方案用户并不买账； 4、 用户提出的气象服务需求我们觉得非常不合理。 02 间接气象服务需求 间接气象服务需求，简而言之就是不能直接获取到，需要从用户的沟通中去分析并确认气象服务需求，这种间接气象服务需求目前其实越来越常见。 03 延展气象服务需求 获取用户延展气象服务需求比间接气象服务需求，就需要做更进一步的工作，也就是需要下更大的功夫，做更多的功课了。什么是延展气象服务需求？这在决策气象服务中会经常碰到。 气象是个专业领域，一般人对气象的理解仅仅停留在天气预报和气象预警层面，所以只有发生气象灾害时才会从不同渠道上去了解气象，并且当前的气象科普内容也比较单一，更多的还是从气象灾害防御角度去宣传，要谈到如何应用气象服务 所以，我们要想做高质量的气象服务工作，首先要做的就是发掘气象服务需求，并将气象服务与各行各业通过气象服务产品进行融合发展。提了这么多年的“气象+”和“+气象”，成果如何呢？
54030编辑于 2022-12-27 - 来自专栏自学气象人
气象绘图——白化杂谈
目前气象领域流行的是花式利用地图shp文件进行操作，达到白化的目的。 库包下的clip白化； ④公众号DataCharm推送的Fiona、shapely库包赋nan值白化； ⑤气象家园Masterpiece提出的shp转path判别法。 一、maskout白化 这个方法其实很多地方都使用过，比如气象学家公众号上面，还有很多同志也自主开发了类似方法。但是由于气象家园的这个是影响最大的，也是比较完善的，我单独提出来。 具体如何使用maskout程序，可以参考我在一年前刚学习时候的推文Python气象绘图教程特刊（一）。 这里简单回复很多人提过的问题——怎么引入maskout。 如果看过气象家园的文章，可以知道作者提供了一个名为maskout.py的Python程序。但是不知道怎么引入。这里我提供了一个懒办法——添加指定的读取路径。
2.1K33编辑于 2023-06-21 多参数自动气象站：气象监测的 “智慧大脑”
多参数自动气象站：气象监测的 “智慧大脑”【BF-QX】在科技飞速发展的当下，气象监测领域也迎来了革命性的变革。 多参数自动气象站作为现代气象监测的核心设备，正以其强大的功能和智能化的运作，为我们的生活、生产以及科学研究提供着至关重要的支持。今天，就让我们一同走进多参数自动气象站的奇妙世界。 一、多参数自动气象站的功能特点多参数自动气象站，宛如一个全能的气象 “侦察兵”，能够同时监测多种气象参数。 二、多参数自动气象站的工作原理多参数自动气象站主要由传感器、数据采集器、数据传输模块、电源系统、支架及防护装置等部分构成。传感器可谓是气象站的 “感知器官”，负责感知和测量各种气象要素。 在气象监测与预报领域，它为气象部门提供了大量准确、实时的气象数据，帮助气象工作者更精准地预测天气变化，提高天气预报的准确性和时效性，为公众的出行、生活安排提供可靠的气象信息。
27910编辑于 2025-07-07- 来自专栏好奇心Log
世界气象日 | 各位大咖带我们探秘气象（录播回放）
3月23日是第62个“世界气象日”。以“早预警、早行动：气象水文气候信息，助力防灾减灾”为主题的“世界气象日”研讨会通过线上直播的方式举行。 此次活动由华风气象传媒集团、中国气象学会秘书处、中国气象局国际合作司、中国气象局气象宣传与科普中心、中国气象服务协会、中国气象局国家气候中心、自然资源部国家海洋环境预报中心联合主办。 孕育 观天测云 捕捉规律 为了掌握灾害天气运行和发生规律，尽早、尽准的预测灾害天气发生的可能，气象工作者利用空、天、地、海四基观测设备构建实时气象观测网，展开全方位的气象观测。 气象观测网可通过地面气象站、高空探测站、气象雷达、气象卫星、海上浮标、人工观测等多种手段获取地面及空中的气温、气压、湿度、风向、风速、能见度等海量气象信息。 传播 多渠道及时响应发布 各级气象主管机构所属的气象台站需及时发布并指明气象灾害预警的区域，同时通报本级人民政府及有关部门、防灾减灾机构。
73010编辑于 2022-04-12 - 来自专栏编外气象人
数字气象将加速推进
（三） 数字气象发展将会加快速度 在我以往的推文中，讨论过多次数字化的技术话题，结合气象业务的发展，也谈论过“数字气象”、“数字化气象服务转型”等，其实都是因为我国在大力推进“数字经济”的发展，希望在气象领域能有所突破 当然，实现“气象业务的数字化转型、适应数字经济发展方向、促进气象服务高质量发展”这个大目标还有很长的路要走，但是经过“疫情”这个特殊时期很多人“不正常”的工作与生活状态之后，迫不及待的希望加快脚步，我也希望 “数字气象”率先落地。 有很多正在创业的气象同行，相信跟我有同样的感受。气象政务数字化、气象业务数字化、气象服务数字化在后疫情时代可能会成为气象发展的新需求，甚至是刚需。 希望大家一起加入“气象服务人”（关注同名公众号），抱团取暖，共同努力，一起为促进气象服务发展而助力！
37610编辑于 2022-09-26 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球月度气象数据集
简介 全球月度气象数据集（GLDAS Noah Land Surface Model L4 monthly 0.25 x 0.25 degree V2.1，简称GLDAS_NOAH025_M 2.1）， 全球月度气象数据集是指收集和整理全球各地区月度气象数据的数据集。它包含了气温、降水、湿度、风向和风速等气象要素的数据。 这些数据是从各国气象部门、研究机构以及私人气象站等多个渠道收集而来，通过标准化处理后，被用于气候变化研究、农业预测、水资源管理、能源规划等领域的应用。 据世界气象组织（WMO）统计，全球有超过1万个气象站点，其中有超过8000个站点提供了全年的气象数据。 这些数据通过WMO的全球气象观测系统（GOS）共享和传输，形成了全球气象数据网（GDN）和国际气象数据中心（IMDC），为全球气象预报和研究提供了重要的支持。
56310编辑于 2024-02-02 - 来自专栏气象杂货铺
气象领域最强Python教程
Unidata在其GitHub站点发起了一个地球科学相关的Python在线培训课程，主要包括大量的绘图示例以及很多气象常用库的入门教程。 ? Git和GitHub使用 Python的安装 Jupyter Lab的使用方法 Python基本语法 Python科学应用库 大气科学相关Python库 Example Gallery 此部分给出了大量的气象相关的绘图示例 Python Workshop Materials 主要提供了基础Python科学应用库以及大气科学和气象类Python库的使用教程。 Analysis Introduction to Data Analysis Advanced Data Analysis Time Series Time Series Plotting 大气科学和气象类
4K71发布于 2020-04-21 - 来自专栏气象学家
Python气象绘图教程（三）
气象上常用的有三线图、五线图。三线图主要是日常气象分析的气压、气温、湿度（或其他绘图量）有时还会绘制降水柱状图。五线图主要是展示春夏秋冬和年平均的变化关系。 这两张图就是典型的折线图，折线图在表示某个气象数据随时间变化特点时相对视觉观感更好。 #### temps=df['TEM']#####给每种气象特征量一个列表用以储存数据#### rhu=df['RHU']#####给每种气象特征量一个列表用以储存数据#### rains=df['PRE ax1.twinx() line2,=ax2.plot(times,pressures,'k-',lw=1.2,label='气压') plt.legend((line1,bar1,line2),('气温 ，ax2使用右侧y轴。
3.5K31发布于 2020-06-09
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