A05
用开源气象与地形数据预测山区无人机作业窗口
Terrain-Aware Flight-Window Forecasting for Mountain sUAS Operations
1 · 创新命题
中 面向山区电力巡检与搜救队的起飞决策工具，用公开数值天气预报与高精度地形数据， 把粗网格气象预报降尺度到具体作业点的风速/阵风预测，将"到现场才发现飞不了"的空跑率 从行业普遍水平压低，工具零硬件成本、可离线运行于普通笔记本。 EN A terrain-aware flight-window forecaster that downscales coarse NWP output to specific mountain worksites, so crews stop driving hours to a site that turns out unflyable — free, offline-capable, and built entirely on open data.
2 · 背景与空白
小型无人机的风限通常为 8–12 m/s，而山区地形会显著放大局地风速。公开气象预报网格 （如 GFS 0.25°，约 27 km）在山区完全无法分辨谷地/垭口的局地加速。 已有工作：地形降尺度是成熟的气象学方法（如 WindNinja，USDA 森林局开源工具， 专为消防设计）；商业无人机 App 多直接调用粗网格预报。 空白在：WindNinja 这类工具面向消防，没有针对无人机风限的作业窗口判定层， 且从未有人量化"降尺度相对直接用粗网格，在无人机决策上带来多少准确率提升"。 适合学生课题：工具开源、可用公开观测站验证、结论正负都成立。
3 · 可检验假设
H1 在选定山区区域，地形降尺度后的 10 m 风速预测相对直接使用粗网格预报， 在山地观测站验证集上的 RMSE 降低 ≥ 25%，且在"是否超过 10 m/s 风限"的二分类任务上 F1 提升 ≥ 0.15。 H2（机制）改善幅度与地形复杂度（局地起伏标准差）正相关， 在平坦区域降尺度带来的提升不显著（≤ 5%）——说明该工具的价值域是明确的。
4 · 量化验收标准
- 【方法学校验 · 硬门槛】 用自建管线复现 WindNinja 官方示例算例， 风场结果与官方输出偏差 ≤ 10%（逐格点）。此条不过，后续全部结论无效。
- 验证集：≥ 5 个山地自动气象站，≥ 120 天逐小时观测，覆盖至少两个季节。
- 统计口径预先写死：风限判定是不平衡二分类（超限时段占比通常 < 20%）， 因此报 PR-AUC、召回、精确率，明确不报 accuracy 并说明原因； 时间序列按时间划分训练/验证，并额外做一次"随机划分 vs 时间划分"对照量化高估幅度。
- 基线必须包含：直接用粗网格预报（朴素基线）+ 气候平均（弱基线）。
- 报告地形数据分辨率对结果的敏感性（30 m vs 90 m DEM）。
- 全部脚本开源，第三方给定坐标框可一键重跑。
5 · 数据与工具
| 用途 | 来源 / 工具 |
|---|---|
| 数值天气预报 | NOAA GFS（0.25°，公开，AWS 开放数据集免费） |
| 地形降尺度 | WindNinja（USDA 开源，含 Python 接口）—— 能力边界见下 |
| 地形数据 | SRTM 30 m 或 Copernicus DEM 30 m（公开） |
| 验证观测 | 目标区域自动气象站（各国气象局公开 API；山地站点密度需先核实） |
| 对照基准 | WindNinja 官方验证算例 —— 仅用于校验，不计入本项目数据贡献 |
能力边界：WindNinja 的质量守恒求解器假设中性大气层结， 在强逆温或强对流条件下精度显著下降；必须在讨论中标注， 且验证集应报告分层结条件下的分组表现，不要笼统给一个总 RMSE。
6 · 赛季执行路径
- 第 1–2 周：装 WindNinja，跑通官方算例，完成方法学校验。
- 第 3 周：核实目标区域气象站密度与历史数据可得性。
- 第 4–5 周：建 GFS 下载 → 降尺度 → 站点插值管线。
- 第 6–7 周：批量跑 120 天，产出预测序列。
- 第 8 周：统计评估（PR-AUC、时间/随机划分对照）。
- 第 9 周：H2 地形复杂度分层分析；DEM 分辨率敏感性。
- 第 10 周：向一位山区无人机作业方（电力巡检/搜救）做需求访谈，量化其当前空跑率，取得引用许可。
- 第 11–12 周：作业窗口可视化 + 简述撰写。
7 · 新颖性边界
不声称：不提出新的大气边界层模型；不声称改进 WindNinja 的求解器； 地形降尺度的有效性本身是已知结论，不得声称为本项目发现。 已有工作：WindNinja 是 USDA 成熟开源工具（面向消防）；地形降尺度方法学文献丰富； 商业无人机 App 提供风预报但基于粗网格。 本项目贡献：首个把地形降尺度接入无人机风限判定、并量化其相对粗网格预报增益的 公开验证研究，以及明确的价值域界定（H2：平坦区无收益）。 诚实说明价值域边界本身就是贡献 —— 它告诉采购方什么时候不该买。 护城河类型：极端具体（G）+ 累积数据集（E）—— 山区作业方是被通用天气 App 忽略的窄人群；随站点验证数据积累，区域校正系数库成为资产。
8 · go/no-go
第 3 周末：确认目标区域 ≥ 5 个山地气象站有 ≥ 120 天公开历史数据。 不足 → 降级为美国西部（RAWS 网络站点密集且全公开），主结论框架不变。 第 8 周末：若 F1 提升 < 0.05，H1 被否证 → 不换课题， 转为报告"降尺度在本区域不带来无人机决策增益"的否定结论， 并用 H2 分析定位原因（可能是站点代表性或层结假设失效）。否定结论同样构成完整课题。