模块概述
<p> 在该product层的程序库中，检验程序不再以简单的numpy数组作为观测和预报的数据输入，而是基于sta_data或grid_data数据形式的预报和观测数据作为输入。由于sta_data和grid_data中自带了时空坐标信息，因此为预报分组或者在检验结果中自动标记类别提供了方便。在product也包含了数值型检验指标、图表型检验产品制作的功能，还将逐渐包含更多跟检验业务实践中常用的功能。</p>
<p> 在做预报检验时，数据提取和检验计算的通常是交织在一起的，在本程序中的meteva.method模块中也是如此，在meteva.method中至少计算检验中间量是和数据提取是交织在一起的。有时，我们面对一批预报和观测数据要开展检验工作时，事先并不知道要用到多大的数据范围，要计算什么检验指标，要进行什么方式的对比，这时需要反复尝试。由于数据提取和检验技术的代码交织在一起，意味着每次增删或更改检验指标或对比方式时，基本上所有的程序都要重写一遍。另外上述问题也意味着想把数据提取部分的代码做进一步的封装难以实现或没有意义。<br />
本程序库则为上述问题提供了解决方案，基于meteva.base和meteva.method中的函数，可以将检验过程分割以下2个部分：<br />
1.数据收集<br />
1.1文件读取<br />
1.2<a href="https://www.showdoc.cc/meteva?page_id=3975602867727263">拼接合并</a><br />
2 检验分析<br />
2.1 <a href="https://www.showdoc.cc/meteva?page_id=3975604785954540">数据选取</a><br />
2.2.<a href="https://www.showdoc.cc/meteva?page_id=4071849185300418">数据分组</a><br />
2.3.<a href="https://www.showdoc.cc/meteva?page_id=3975609357802228">检验计算</a>
2.4. 图形绘制<br />
这为检验程序的进一步模块化提供了基础。本模块中的具体函数将大部采用该技术思路进行设计。 </p>