团队管理论文

您当前的位置:学术堂 > 管理学论文 > 团队管理论文 >

案例分析论文范文五篇(4)

来源:学术堂 作者:周老师
发布于:2016-12-22 共12834字
第四篇案例分析论文范文:

《气候数据服务案例与展望》

  摘 要:本文重点介绍了气候数据服务的背景及气候数据的的统计方法,展示了部分气候数据服务产品的实际案例。气候数据服务已在大数据新闻、服务产品和数据建模等方面凸显了其实际作用并且得到了一定社会效果和评价。本文对国外前沿气候预测系统(EarthRisk)进行了调研分析,并对照国内气候数据服务应用进展做了四点展望。

  关键词:气候数据;案例;展望

  众所周知,气象观测是应气象服务之需而产生的,气象观测产出了气象数据,通过实时观测数据和天气预报服务数据的不断积累,形成了“历史数据”,即气候数据。通过对这些气候数据的系统研究,从而产生了气候学。气候学是把气象与其它学科(如农业、生态、建筑、能源、交通、医疗卫生、经济等等)交叉融合后,便形成了约 12 个门类的应用气候学。应用气候学的诞生和发展造就了诸多气候数据服务的典型案例,如将气候数据作为改善城市气候环境与提高人民生活条件的决策依据[1]、对地方电力能源的防灾设计应用[5]、农业生态气候适宜理论等等。本文将从气候数据的背景、气候数据案例和气候数据展望和思考三个方面进行阐述。

  1、气候数据背景

  首先,气候数据种类多样,从整个气候系统来看,气候数据来自大气圈、海洋圈、陆地圈、冰雪圈和人类活动的各种观测的结果。从气候数据的时间尺度来看,我国气候数据服务分次季节至季节、年际和年代际尺度等,其中年代际尺度主要包括 10 年、30 年、40 年、50 年、60 年、100 年。对于公众服务来说,研究通常使用的数据时间尺度为 30 年或 50 年。

  如今,整个中国气象局气候数据时间跨度在 50 年左右,所保存的数据量在 4~5PB 左右,每年大概增加数百个 TB[2]。因此,每日每时甚至每分钟不断产生的气象观测资料愈发受到人们的重视,而经长期累积所得到的气候数据更逐渐突显出其价值。

  1.1、气候数据时间尺度和种类介绍

  气候数据的时间尺度分为候、旬、月、季节、年、10 年、30 年、50年、百年、千年、甚至万年,其中器测资料基本在 200 年以内,早期的多为年轮等代用资料。

  现今常用的气候数据多由 1951 年至今或是 1980 年至今的气象数据资料组成。通过对气候数据进行加工处理和统计分析后,可获取不同时间尺度(逐年、逐月、逐日)的平均气温、最高气温、最低气温、降水量、风速、地表温度、日照时数等气象要素。除此之外还包含特殊天气统计数据集和极端气候历史数据[6]。

  1.2、应用气候学介绍

  当气候学与其它学科(如农业、生态、建筑、能源、交通、医疗卫生、经济、等等)的交叉融合,便又形成各种门类的应用气候学。应用气候学的诞生和发展,本身是气候数据服务的典型案例,也是气候数据服务长期积累的结果。近些年,对于气候数据关系最密切的农业、能源、水利、交通、居住环境和卫生等领域是各国在应用气候领域内一直重视的内容[3]。如表 1 所示。

表 1 应用气候学分类和应用领域
表 1 应用气候学分类和应用领域

  1.3、气候数据的基本统计方法介绍

  科学家们通过对气候数据的统计分析、同化分析和再加工分析,形成了对天气系统演变规律及机理、气候演变规律及机理、极端天气气候事件和天气气候灾害的发生、发展和消亡规律及机理的认知。在其基础上建立了各种预报、预测模型,从而形成面向社会的服务能力。

  对于气候数据的统计分析部分,最常使用均值计算、方差分析、众数和分位数等方法,通过概率统计对数据进行对比和分析。气候数据的常用统计采用描述性统计分析(包括概率统计、折线图、箱线图、直方图等),方差分析(采用单因素方差分析,包括分析每种天气的地区差异,和每种天气的月份差异),聚类分析(采用系统聚类方法,分别采用按地区聚类和按月份聚类)等方法。利用统计学,既能够研究如何从数据中把信息和规律提取出来,又能找出最优化的方法,分别采用按地区聚类和按月份聚类)等方法。利用统计学,既能够研究如何从数据中把信息和规律提取出来,又能找出最优化的方案,能研究如何把数据当中的不确定性量化出来。

  气候数据能够更好地对未来进行预测,利用这种规律性的趋势变化能够对某些领域起到参考作用,从而对人类生活起到积极的影响。

  2、气候数据案例

  2.1、深挖大数据新闻

  中国天气网《数据会说话》栏目,其中的一些图形产品,均利用到 概 率 统 计 方 法 。 通过这些气候数据结果展示,公众能深入了解某个数据的趋势结果,这个趋势预测结果是基于往年长期的气候统计,虽然可能同真实事件的发生情况存在一定偏差,但其仍具有一定的参考价值。

  这种大数据新闻的形式被各种媒体作为科普资料对外进行转载并传播。这些结果不仅是气候数据的分析总结,同时也是对未来发生某种特定天气的趋势预测和结果证明。

  2.2、场景化的服务产品

  气候数据不仅能够提供长期天气的变化参考,还能给气象服务产品做数据支撑,满足用户场景需求。例如:中国天气网的天气日历和穿衣产品均应用了气候数据和历史资料。天气日历是通过对历史30 年的气候数据资料进行统计参考,结合 15 天预报综合出中长期40 天的预报结果;穿衣产品则是通过气候数据资料算出全国 2560个站点的穿衣指数,从而给公众出行指导。产品图如图 1 所示。

  通过实际应用效果反馈结果来看,此类气候数据能够在外出和旅游的场景下为百姓提供不同地区温度的参考,同时也能给部分相关服装、旅游等领域的企业提供参考和预测。

  2.3、数据建模和算法支撑

  为了提高某种天气排名或推介的科学性,通过气候数据建模,可以给出具有可行性的评判标准,其结果可以间接地给出一些避暑旅游的城市排名或者球场排名等[8]。

  灾害性天气对旅游适宜度的影响评估模型[4]中就利用了类似算法,通过多种因子,让避暑旅游城市的排名更加有针对性和科学性,从而准确地给出避暑城市的排名结果,真正让用户在酷热的夏季选择舒适的城市进行出游。

  通过统计过去 30 年历史气候资料中某个天气现象出现频次与概率,能够计算出某个城市某种天气现象的概率。这种方法可以间接地通过某个历史天气事件与某个地理情况给出一种地域价值的评分和参考,同时这种方法也可以被应用到一些产品和排名中去。

  3、气候数据的展望与思考

  GEOSS(全球综合地球观测系统)有个共识:“任何一个简单的气象服务需要很多数据支撑,任何一个简单的数据集可以服务于很多应用需求”。因此,可以得出服务多样性与气象数据多样性对接将是必然结果。针对气候数据的展望,主要围绕以下 4 个方面进行了扩展思考。

  3.1、数据分析技术的多样性

  随着数据分析技术的进步,近两年,在越来越多的数据分析方法中,最常用的方法仍然是回归、聚类、决策树 /Rules 和可视化。可视化方法从 2011 年的 38.3% 至 2016 年的 48.7%,同比增长27%[7]。用的比较多的软件类工具主要有 SPSS,脚本类工具主要有Matlab,常用的免费工具有 R 语言、Python 语言等。数据分析技术的多样性能够让气候数据进行多角度展现,体现出其更大的价值。

  3.2、多维融合结果的科学性

  紧跟科技前沿,国外利用多年气候数据研发出了气候数据预测系统———EarthRisk,这个系统已经能够对未来的天气进行准确预测。Earth Risk 预测模型是将预报最长提前至 40 天。该系统是通过近百年的气象历史数据和千亿次计算来识别气候模式,然后将这些模式与当前的气候条件进行比较,再运用预测性分析方法计算天气概率,其预测时间更长、预测准度更高。即通过过去来预测未来,总体是多维融合的一种结果,具有更强的科学性。

  现在该软件正进行大规模的商业扩张。面向消费者型的应用也在开发中,未来该系统将会在多种场景下满足不同用户的应用需求,从商业和公众两个方面体现其价值。

  在精准预测方面,通过美国的最新研究来看,我国在气候精准预测的领域还有所差距,特别是利用过去的气候数据预测精准预测未来天气的系统模型还需要进一步深入挖掘,辅助精准预报服务。

  3.3、公众服务时空尺度的可变性

图 1 部分使用历史气候数据的天气产品截图
图 1 部分使用历史气候数据的天气产品截图

  气候数据不仅能够支撑多种天气数据和多维领域融合结果算法的科学性,而且还与社会各类服务领域有着紧密的联系,特别是能够满足公众服务对气候数据时空尺度的可变性。除了本文整理的应用气候学 12 个方面外,近几年,气候数据与保险、风险管理和精准预测等方面的深度融合也逐步凸显其价值。

  在保险方面,通过对不同时空尺度的气候数据的概率统计,结合预警发布,能够对某种降温险、灾害风险等进行提前预警,及时让百姓获取信息,从而购买天气保险,避免损失。 在风险管理方面,通过气候数据的结果,预测未来气候趋势,从而可以与大型交易所和能源生产商针对天然气期货等进行预测。

  3.4、产品表现形式的易读性

  为了让气象服务产品更加容易理解,用直观地图形对公众进行科普,气候数据还可以结合常见的生活需求,做出表现形式更加易读的可视化产品。利用 R 语言做的某地区的温度可视化日历,让日历产品更直观,增加易读性。

  总之,气候数据更应与各领域交叉融合,为人类发展而服务。《大数据时代》作者维克托·迈尔·舍恩伯格的名言“大数据的核心就是预测”。因此,只有让气候数据的应用发挥最大价值,才能为人类更好地生活注入新动力,开拓新领域。

  参考文献
  [1]任超,吴恩融.Lutz K.,冯志雄.城市环境气候图的发展及其应用现状[J].应用气象学报,2012,23(5):593-603.
  [2]沈文海.气象数据的“大数据应用”浅析[J].CIO 时代网,2014,3,24.
  [3]唐永顺.应用气候学[M].北京:科学出版社,2004.
  [4]李菁,慕建利,吴普.避暑旅游适宜度评价模型的建立和应用[C].第32 届气象学会年会年会论文集,2015,10.
  [5]罗怀良,陈国阶,朱波.农业生态气候适宜度研究进展[J].中国农业资源与区划,2004,25(1):28-32.
  [6]陆琦.气候变化“挑战”重大工程项目[J].中国科学报,2014.
  [7]Zacharias Voulgaris 博士. 数据科学家-修炼之道,R 语言中文社区,2016,9.
  [8]唐文君,闵敏,景元书.长江三角洲夏季气候舒适度模糊评判[J].气候与环境研究,2007.12(6):773-777.

相关内容推荐
相关标签:案例分析论文
返回:团队管理论文