一种风场监测方法及系统

1.本发明涉及风场监测技术领域，具体而言，涉及一种风场监测方法及系统。


背景技术：

2.现有的风场廓线监测方法常见有多层传感器的测风塔，低空超声测风雷达，地面微波雷达，相干多普勒激光雷达等方法，都能够实现在地面进行特定位置的风场信息监测。但是，面临区域风场监测，例如复杂地形下以及森林火灾现场这样的下垫面场景下，地形和下垫面会造成近地面风场巨大的空间异质性，而这种区域风场信息对于航空救援的飞机灭火扑救以及森林消防救援队伍的行动计划具有重要意义。因此常用的地面观测方案，无法满足这种异质性地表区域风场监测的需求，适用于复杂环境的区域风场快速监测方法显得尤为重要。
3.现有的方法多是常用的气象监测方法都是定点观测方法，例如气象塔，地面微波雷达配合探空气球，都是用于气象系统长期定点的气象风场监测，设备设施固定，投资巨大，多布置在平坦而又代表性的气象站；最新的相干多普勒激光雷达可以高效准确获得观测位置边界层的三维风速风向信息，然后本质上只是可移动的地面观测，获得的依然是设备上空固定区域的廓线数据，并且该设备成本较高；低空超声测风雷达可以获取近地面层的风场信息，尽管成本较低，然而与相干多普勒激光雷达一样，也是属于地面观测。当面临地面环境恶劣人员无法靠近，以及复杂地形下及下垫面，例如森林火灾这样场景时，即使是具有可移动性的地面观测设备，例如新型便携低空测风雷达，相干多普勒及激光雷达，一方面设备的机动灵活性不够，在复杂地形环境中移动性会被大大限制，另一方面，地面观测设备的空间代表性完全无法适应复杂地形环境的区域近地面层风场监测，无法适应用区域精细风场的要求。


技术实现要素：

4.本发明的目的在于提供一种风场监测方法及系统，用以改善现有技术方案中地面观测设备的机动灵活性不够，地面观测设备的空间代表性完全无法适应复杂地形环境的区域近地面层风场监测，无法适应用区域精细风场要求的问题。
5.第一方面，本技术实施例提供一种风场监测方法，包括以下步骤：
6.获取目标区域的低空风速风向廓线数据；
7.通过无人机搭载机载气象站获取目标区域的近地面不同高度与位置处瞬时的风速风向观测数据和无人机姿态数据；
8.结合无人机姿态数据对机载气象站的风速风向观测数据进行数据校正，得到无人机风速风向校正数据；
9.基于目标区域的相对固定的低空风速风向廓线数据对无人机获取的风速风向校正数据进行综合校正，得到无人机风速风向观测数据；
10.根据目标区域的低空风速风向廓线数据和观测数据进行目标区域风场空间模拟，
生成近地面的近实时区域的风速风向三维空间数据。
11.上述实现过程中，通过获取目标区域的低空风速风向廓线数据；然后通过无人机搭载机载气象站获取目标区域的近地面不同空间位置的风速风向观测数据和同步无人机姿态数据；由于多旋翼无人机平台高速移动状态和结构对气流的扰动，需要结合无人机平台姿态信息和地面超声测风雷达提供的风廓线数据，进行数据校正，获得无人机飞行瞬时位置的真实风速风向数据。因此，首先根据无人机姿态数据对机载自动气象站观测数据进行数据校正，初步得到无人机风速风向校正数据；再结合目标区域的低空风速风向廓线数据对无人机的风速风向校正数据进行综合校正，得到无人机观测数据；借助无人机平台的高速移动性，近实时获得不同空间位置的观测数据，生成区域近实时的三维风场结果。通过集成无人机平台 机载自动气象站设备和便携超声测风雷达，结合下垫面地形及植被数据综合分析，进行采样方案规划和无人机平台飞行路径规划，通过高机动的测风软硬件集成操作，实现多源气象观测数据的监测、融合与模拟，可以在区域内机动、灵活、快速完成恶劣地形和复杂环境的高效低空风场观测，克服了现有方法地面监测方法在移动性、灵活性和空间代表性的不足。地面观测与无人机移动观测相辅相成，经济高效，物理过程清晰，操作简单，实现过程快速、灵活、机动，适用于各种不同区域与场景，能够快速获取区域空间连续的三维风场信息。
12.基于第一方面，在本发明的一些实施例中，根据目标区域的低空风速风向廓线数据和观测数据进行目标区域风场的空间模拟，生成近地面的近实时区域的风速风向三维空间数据包括以下步骤：
13.对目标区域的低空风速风向廓线数据和观测数据分别进行格点化处理，生成点状瞬时风场观测数据；
14.基于边界层对数廓线方程来描述近地表风场特征并结合流体质量与动量守恒方程，根据无人机密集点状瞬时风场观测数据进行目标区域风场的空间模拟，生成近地面的近实时区域的风速风向三维空间数据。
15.基于第一方面，在本发明的一些实施例中，根据目标区域的低空风速风向廓线数据和观测数据进行目标区域风场的空间模拟，生成近地面的近实时区域的风速风向三维空间数据：
16.对目标区域的低空风速风向廓线数据和观测数据进行筛选，得到t时间内的低空风速风向廓线数据和密集观测数据；
17.分别对t时间内的低空风速风向廓线数据和不同空间位置密集观测数据的平均值，得到低空平均风速风向廓线数据和不同位置平均观测数据；
18.根据低空平均风速风向廓线数据和平均观测数据进行空间模拟，生成近地面的近实时区域的风速风向三维空间数据。
19.基于第一方面，在本发明的一些实施例中，通过无人机搭载机载气象站获取目标区域的近地面层风速风向观测数据和无人机姿态数据的步骤包括以下步骤：
20.获取目标区域地形信息和目标区域植被信息；
21.根据目标区域地形信息和目标区域植被信息确定飞行路径；
22.无人机搭载机载气象站按照飞行路径飞行，以获取目标区域的近地面不同高度风速风向观测数据以及同步的无人机姿态数据。
23.基于第一方面，在本发明的一些实施例中，根据目标区域地形信息和目标区域植被信息确定飞行路径的步骤包括以下步骤：
24.根据目标区域地形信息和目标区域植被信息判断区域植被和地形是否均匀，若是，则采用立体环绕飞行模式确定飞行路径；若否，则采用蛙跳飞行模式确定飞行路径。
25.基于第一方面，在本发明的一些实施例中，还包括以下步骤：
26.判断目标区域是否为空域管制区域，若是，则获取并根据可飞行的外围区域采用垂上垂下飞行模式确定飞行路径；若否，则根据目标区域地形信息和目标区域植被信息确定飞行路径。
27.第二方面，本技术实施例提供一种风场监测系统，包括：
28.低空风速风向数据获取模块，用于获取目标区域的低空风速风向廓线数据；
29.无人机风场数据获取模块，用于通过无人机搭载机载气象站获取目标区域的近地面层风速风向观测数据和无人机姿态数据；
30.第一数据校正模块，用于根据无人机姿态数据对目标区域的无人机机载气象站获取的风速风向观测数据进行数据校正，得到无人机瞬时风速风向数据；
31.第二数据校正模块，用于基于目标区域的低空风速风向廓线数据对无人机获取的风速风向数据再次进行数据校正，得到观测数据；
32.空间模拟模块，用于根据目标区域的低空风速风向廓线数据和密集观测数据进行目标区域三维空间的风场模拟，生成近实时的三维风场数据。
33.上述实现过程中，通过低空风速风向数据获取模块获取目标区域的低空风速风向廓线数据；无人机风场数据获取模块通过无人机搭载机载气象站获取目标区域的近地面层风速风向观测数据和无人机姿态数据；由于多旋翼无人机平台高速移动状态对气象观测数据的影响，需要结合无人机平台姿态信息和地面超声测风雷达提供的风廓线数据，进行无人机观测数据校正，可以获得无人机瞬时位置的真实风速风向数据。第一数据校正模块根据无人机姿态数据对无人机机载气象站获得风速风向初始观测数据进行数据校正，得到无人机瞬时风速风向校正数据；第二数据校正模块基于目标区域的低空风速风向廓线数据对无人机风速风向校正数据再次进行数据校正，得到观测数据；空间模拟模块根据目标区域的低空风速风向廓线数据和观测数据进行目标区域风场的空间模拟，生成区域三维风场模拟数据，借助无人机平台的高速移动性，近实时获得不同空间位置的观测数据，生成区域近实时的三维风场结果。通过集成无人机平台 机载自动气象站设备和便携超声测风雷达，结合下垫面地形及植被数据综合分析，进行采样方案规划和无人机平台飞行路径规划，通过高机动的测风软硬件集成操作，实现多源气象观测数据的监测、融合与模拟，可以在区域内机动、灵活、快速完成恶劣地形和复杂环境的高效低空风场观测，克服了现有方法地面监测方法在移动性、灵活性和空间代表性的不足。地面观测与无人机移动观测相辅相成，经济高效，物理过程清晰，操作简单，实现过程快速、灵活、机动，适用于各种不同区域与场景，能够快速获取区域空间连续的三维风场信息。基于第二方面，在本发明的一些实施例中，空间模拟模块包括：
34.格点化处理单元，用于对目标区域的低空风速风向廓线数据和观测数据分别进行格点化处理，生成点状瞬时风场观测数据；
35.区域风场模拟单元，基于边界层对数廓线方程来描述近地表风场特征并结合流体
质量与动量守恒方程，根据点状瞬时风场观测数据进行目标区域风场的空间模拟，生成近地面的近实时区域的风速风向三维空间数据。
36.第三方面，本技术实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。
37.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
38.本发明实施例至少具有如下优点或有益效果：
39.本发明实施例提供一种风场监测方法及系统，通过获取目标区域的低空风速风向廓线数据；然后通过无人机搭载机载气象站获取目标区域的近地面不同空间位置的风速风向观测数据和同步无人机姿态数据；由于多旋翼无人机平台高速移动状态和结构对气流的扰动，需要结合无人机平台姿态信息和地面超声测风雷达提供的风廓线数据，进行数据校正，获得无人机飞行瞬时位置的真实风速风向数据，因此，需要根据无人机姿态数据对机载自动气象站观测数据进行数据校正，初步得到无人机风速风向校正数据；再结合目标区域的低空风速风向廓线数据对无人机的风速风向校正数据进行综合校正，得到无人机观测数据；通过发挥无人机平台的高速移动性，近实时获得不同空间位置的密集的观测数据，然后结合目标区域的低空风速风向廓线数据进行目标区域风场的空间模拟。通过集成无人机平台 机载自动气象站设备和便携超声测风雷达，结合下垫面地形及植被数据综合分析，进行采样方案规划和无人机平台飞行路径规划，通过高机动的测风软硬件集成操作，实现多源气象观测数据的监测、融合与模拟，可以在区域内机动、灵活、快速完成恶劣地形和复杂环境的高效低空风场观测，克服了现有方法地面监测方法在移动性、灵活性和空间代表性的不足。地面观测与无人机移动观测相辅相成，经济高效，物理过程清晰，操作简单，实现过程快速、灵活、机动，适用于各种不同区域与场景，能够快速获取区域空间连续的三维风场信息。
附图说明
40.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
41.图1为本发明实施例提供的一种风场监测方法流程图；
42.图2为本发明实施例提供的设备系统与方法流程图；
43.图3为本发明实施例提供的蛙跳飞行路径示意图；
44.图4为本发明实施例提供的立体环绕飞行路径示意图；
45.图5为本发明实施例提供的一种风场监测系统结构框图；
46.图6为本发明实施例提供的一种电子设备的结构框图。
47.图标：110-低空风速风向数据获取模块；120-无人机风场数据获取模块；130-第一数据校正模块；140-第二数据校正模块；150-空间模拟模块；101-存储器；102-处理器；103-通信接口。
具体实施方式
48.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
49.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
50.实施例
51.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
52.请参看图1-2，图1为本发明实施例提供的一种风场监测方法流程图，图2为本发明实施例提供的设备系统与方法流程图。该风场监测方法，包括以下步骤：
53.步骤s110：获取目标区域的低空风速风向廓线数据；上述获取可以是通过便携超声测风雷达作为地面观测，放在尽可能靠近目标区域，无论距离远近以及是否在范围内，尽快开机工作，作为移动性的地面观测，以得到低空风速风向廓线数据。
54.步骤s120：通过无人机搭载机载气象站获取目标区域的近地面不同高度与位置处瞬时的风速风向观测数据和无人机姿态数据；上述近地面层风速风向观测数据包括机载气象站获得的风速风向等气象数据，上述无人机可以是多旋翼无人机，多旋翼无人机平台将提供电力和无人机姿态信息，搭载机载气象站，通过无人机的数传电台，将机载气象站获得的风速风向等气象数据和无人机姿态数据，通过无人机平台的数据传输系统，实时传输给地面数据处理模块。
55.其中，上述获取数据可以是无人机根据飞行路径进行飞行以采集数据得到，具体包括以下步骤：
56.首先，获取目标区域地形信息和目标区域植被信息；上述目标区域植被信息包括植被覆盖和植被类型、植被高度数据。上述获取可以是提前获取目标区域的地形、植被覆盖和植被类型、植被高度数据，也可以由当前的多旋翼无人机平台搭载可见光\近红外，激光雷达等载荷，获取区域的植被覆盖、植被类型及植被高度数据等信息。
57.然后，根据目标区域地形信息和目标区域植被信息确定飞行路径；
58.上述确定飞行路径可以是根据目标区域地形信息和目标区域植被信息判断区域植被和地形是否均匀，若是，则采用立体环绕飞行模式确定飞行路径；若否，则采用蛙跳飞行模式确定飞行路径。
59.请参看图3，图3为本发明实施例提供的蛙跳飞行路径示意图。其中，上述采用蛙跳飞行模式确定飞行路径的过程包括以下几步：
60.i、获取目标点或者目标区域中心点坐标；例如森林火场位置。
61.ii、获取包含便携测风雷达观测位置和目标区域范围；
62.iii、获得区域地形，植被覆盖类型和植被类型基础上，按照地形高度、植被覆盖类型，植被三个栅格数据的空间叠加，将整个区域划分为不同属性组合的斑块，将不同的区域
进行分类，然后基于矢量格式进行空间叠加。其中地形数据分为高度，坡度，坡向三层数据，地形三层数据可以按照25m，20度，30度为原则，划分为不同类别。
63.iv、按照尽可能均匀空间分布的选择，从所有斑块中选择代表性典型斑块，规划能够串联所有典型斑块的平面飞行路径。
64.v、由地面飞，垂直升至距离地面150-200米高度，以下一典型斑块质心为目标点，按照圆弧状为轨迹，逐渐降低高度，直至距地面10米高度的目标点，然后迅速垂直升高至距离地面150-200米；
65.vi、以重复以上两个路径点轨迹，渐次连接所有的典型斑块，以近似“蛙跳”的形式，获取区域的近地面层不同高度的风速风向观测数据。上述步骤i，ii，v是由无人机飞行完成，iv-vi在无人机平台的航线规划中完成。
66.请参看图4，图4为本发明实施例提供的立体环绕飞行路径示意图。其中，假如区域植被和地形较为均匀，采用立体环绕飞行模式确定飞行路径，包括使用以目标区域或者去标点为中心的立体环绕飞行模式，由边缘围绕中心点环绕飞行，渐次靠近中心点，飞行高度也逐渐升高，最低飞行高度为距离地面10m，最高点高程为距离感兴趣点50米，假如为火点，火线等目标点，最高高度可以为火点上空150米。
67.上述确定飞行路径还可以是判断目标区域是否为空域管制区域，若是，则获取并根据可飞行的外围区域采用垂上垂下飞行模式确定飞行路径；若否，则根据目标区域地形信息和目标区域植被信息确定飞行路径。当遇到空域管制，无人机平台无法在区域内按照规划航迹飞行时，则应该获取可飞行的外围，按照5分钟的频率，按照垂上垂下的路径，进行定点廓线观测，观测间歇期无人机平台应当停留在距离地面25m-50m高度，定点定高监测。
68.最后，无人机搭载机载气象站按照飞行路径飞行，以获取目标区域的近地面不同高度与位置点的风速风向观测数据和无人机姿态数据。通过按照飞行路径飞行可以满足在不同的场景下获取近地面层风速风向观测数据和无人机姿态数据。
69.步骤s130：根据无人机姿态数据对机载自动气象站原始获得风速风向观测数据进行数据校正，得到近地面层风速风向校正数据；上述进行数据校正是指针对多旋翼无人机造成的原始观测数据的不足，可以采用风洞与仿真模拟实验进行旋翼风场对观测数据的干扰，建立查找表的方式，建立纠正模型，从而使用纠正模型对近地面层风速风向观测数据进行校正。
70.步骤s140：基于目标区域的低空风速风向廓线数据对无人机风速风向校正数据进行数据校正，得到无人机观测数据；上述进行数据校正是因为尽管机载气象站风速风向经过模型纠正了无人机气流及姿态信息，然而依然可能存在一定成都的偏差，以低空测风雷达的风廓线数据为基准，对无人机获得风速风向数据再次进行系统的纠正，可以通过依据不同的高度分段线性拟合方法，对无人机风速风向数据进行再次校正，作为无人机观测数据。
71.步骤s150：根据目标区域的低空风速风向廓线数据和密集无人机观测数据进行目标区域风场的空间模拟，生成近地面的近实时区域的风速风向三维空间数据。上述进行空间模拟包括以下步骤：
72.首先，对目标区域的低空风速风向廓线数据和观测数据分别进行格点化处理，生成点状瞬时风场观测数据；通过格点化处理，处理为不同高度的点状瞬时风场观测数据。
73.然后，基于边界层对数廓线方程来描述近地表风场特征并结合流体质量与动量守恒方程，根据点状瞬时风场观测数据进行目标区域风场的空间模拟，生成风速风向空间分布，以得到近地面的近实时区域的风速风向三维空间数据。通过模拟区域风场，实现近地面层区域三维风场的监测可视化。
74.无人机持续飞行过程中持续重复上述步骤，观测和模拟的区域近地面层结果实时覆盖更新，数据处理模块在区域模拟使用的观测数据须在一定时间内，比如5分钟内，然后使用5分钟内的廓线平均数据和同一空间位置5分钟内的平均观测数据进行空间模拟。按照5分钟为时间窗口，使用最近的5分钟内的无人机气象站观测结果和超声测风雷达观测的平均风场数据进行区域风场模拟，按照5分钟的频率生成空间三维风场空间分布图，按照时间次序生成空间风场的动态结果。
75.具体可以是通过以下步骤完成：
76.首先，对目标区域的低空风速风向廓线数据和观测数据进行筛选，得到t时间内的低空风速风向廓线数据和密集观测数据；
77.然后，分别对t时间内的低空风速风向廓线数据求取平均值和密集观测数据按照10m空间网格对密集无人机观测计算空间平均值，得到低空平均风速风向廓线数据和无人机抽样后的平均观测数据；
78.最后，根据低空风速风向廓线数据和观测数据进行空间模拟，生成近地面的近实时区域的风速风向三维空间数据。
79.在实施过程中，便携测风雷达应当最先展开作业，并持尽可能续整个过程。尤其是无人机平台因为更换电池，暂停观测过程中，首要当保障低空超声测风雷达的持续观测。
80.上述实现过程中，通过获取目标区域的低空风速风向廓线数据；然后通过无人机搭载机载气象站获取目标区域的近地面不同空间位置的风速风向观测数据和同步无人机姿态数据；由于多旋翼无人机平台高速移动状态和结构对气流的扰动，需要结合无人机平台姿态信息和地面超声测风雷达提供的风廓线数据，进行数据校正，获得无人机飞行瞬时位置的真实风速风向数据，因此，需要根据无人机姿态数据对机载自动气象站观测数据进行数据校正，初步得到无人机风速风向校正数据；再结合目标区域的低空风速风向廓线数据对无人机的风速风向校正数据进行综合校正，得到无人机观测数据；通过发挥无人机平台的高速移动性，近实时获得不同空间位置的密集的观测数据，然后结合目标区域的低空风速风向廓线数据进行目标区域风场的空间模拟。通过集成无人机平台 机载自动气象站设备和便携超声测风雷达，结合下垫面地形及植被数据综合分析，进行采样方案规划和无人机平台飞行路径规划，通过高机动的测风软硬件集成操作，实现多源气象观测数据的监测、融合与模拟，可以在区域内机动、灵活、快速完成恶劣地形和复杂环境的高效低空风场观测，克服了现有方法地面监测方法在移动性、灵活性和空间代表性的不足。地面观测与无人机移动观测相辅相成，经济高效，物理过程清晰，操作简单，实现过程快速、灵活、机动，适用于各种不同区域与场景，能够快速获取区域空间连续的三维风场信息。
81.基于同样的发明构思，本发明还提出一种风场监测系统，请参看图5，图5为本发明实施例提供的一种风场监测系统结构框图。该风场监测系统包括：
82.低空风速风向数据获取模块110，用于获取目标区域的低空风速风向廓线数据；
83.无人机风场数据获取模块120，用于通过无人机搭载机载气象站获取目标区域的
近地面不同高度与空间位置的风速风向观测数据和无人机姿态数据；
84.第一数据校正模块130，用于根据无人机姿态数据对目标区域的机载自动气象站的原始风速风向观测数据进行数据校正，得到无人机风速风向校正数据；
85.第二数据校正模块140，用于基于目标区域的低空风速风向廓线数据对无人机机载风速风向校正数据再次进行数据校正，得到无人机观测数据；
86.空间模拟模块150，用于根据目标区域的低空风速风向廓线数据和观测数据进行目标区域风场的空间模拟，生成近实时的近地面高度的区域的风速风向三维空间数据。
87.上述实现过程中，通过低空风速风向数据获取模块110获取目标区域的低空风速风向廓线数据；无人机风场数据获取模块120通过无人机搭载机载气象站获取目标区域的近地面层风速风向观测数据和无人机姿态数据；第一数据校正模块130根据无人机姿态数据对目标区域的无人机机载气象站获得的风速风向观测数据进行数据校正，得到无人机瞬时空间风速风向校正数据；第二数据校正模块140基于目标区域的低空风速风向廓线数据对无人机风速风向校正数据再次进行数据校正，得到无人机风场观测数据。空间模拟模块150根据目标区域的低空风速风向廓线数据和无人机观测数据进行目标区域风场的空间模拟，生成风速风向监控数据，通过无人机平台的高速移动性，生成不同空间位置的密集观测数据，进而通过模型生成近实时的区域的三维风场结果。通过结合无人机平台 机载自动气象站设备和便携超声测风雷达，结合下垫面地形及植被数据综合分析，进行采样方案规划和无人机平台飞行路径规划，进行高机动的测风软硬件集成操作，实现多源气象观测数据的监测、融合与模拟，可以在区域内机动、灵活、快速完成恶劣地形和复杂环境的高效低空风场观测，克服了现有方法地面监测方法在移动性、灵活性和空间代表性的不足。地面观测与无人机移动观测相辅相成，经济成本低，适用于各种不同区域与场景，物理过程清晰，操作简单，实现过程快速、灵活、机动，能够快速获取区域空间连续的三维风场信息，经济高效。
88.其中，空间模拟模块150包括：
89.格点化处理单元，用于对目标区域的低空风速风向廓线数据和观测数据分别进行格点化处理，生成点状瞬时风场观测数据；
90.区域风场模拟单元，基于边界层对数廓线方程来描述近地表风场特征并结合流体质量与动量守恒方程，根据无人机密集点状瞬时风场观测数据进行目标区域风场的空间模拟，生成近地面的近实时区域的风速风向三维空间数据。
91.请参阅图5，图5为本技术实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，如本技术实施例所提供的一种风场监测系统对应的程序指令/模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
92.其中，存储器101可以是但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，
电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等。
93.处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
94.可以理解，图5所示的结构仅为示意，电子设备还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。
95.在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
96.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
97.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
98.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
99.对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其它的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。