CN102645679A - 一种基于多普勒天气雷达回波图像的中气旋识别方法 - Google Patents

一种基于多普勒天气雷达回波图像的中气旋识别方法 Download PDF

Info

Publication number
CN102645679A
CN102645679A CN2012100651164A CN201210065116A CN102645679A CN 102645679 A CN102645679 A CN 102645679A CN 2012100651164 A CN2012100651164 A CN 2012100651164A CN 201210065116 A CN201210065116 A CN 201210065116A CN 102645679 A CN102645679 A CN 102645679A
Authority
CN
China
Prior art keywords
speed
elevation angle
radial velocity
district
zone
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012100651164A
Other languages
English (en)
Other versions
CN102645679B (zh
Inventor
王萍
钱鑫洪
牛智勇
程号
张艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201210065116.4A priority Critical patent/CN102645679B/zh
Publication of CN102645679A publication Critical patent/CN102645679A/zh
Application granted granted Critical
Publication of CN102645679B publication Critical patent/CN102645679B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于多普勒天气雷达回波图像的中气旋识别方法,对0.5°、1.5°、2.4°仰角反射率图进行滤波处理,获取有效反射率区域;将效反射率区域信息融入相同仰角的径向速度图中,获取限定搜索区域的径向速度图像;对融合有效搜索区域信息的径向速度图像进行分割,筛选出径向速度图中的正、负速度中心区域;通过这些速度中心区域的径向速度值的分布直方图,配置出所有可能的速度对,得到速度对集合;从速度对集合中剔除伪速度对,识别出中气旋。降低了时间和空间的复杂度,消除了大部分虚假的中气旋,提高了识别率、降低了误报率以及提高了工作效率;方法不限定气旋方向的特点和中气旋的结构信息,使得识别结果更全面。

Description

一种基于多普勒天气雷达回波图像的中气旋识别方法
技术领域
本发明涉及气象学中对中气旋的识别领域,特别涉及一种基于多普勒天气雷达回波图像的中气旋识别方法。
背景技术
气象工作者经过大量的数据统计发现,我国有92%以上、美国有90%以上的强对流风暴[1](如暴雨、强风、冰雹和龙卷等)都会伴随中气旋的发生和发展,尤其是中气旋一般会在强风暴袭来之前的一段时间就实际存在。1994年,Stumpf和Witt提出了新的中气旋识别方法(E-MDA),他们在实验中不断地调整一些重要参数值,然后反复地比较结果,最后终于取得重大突破,将识别率提高了12%左右[2]。随后他们在1998年又提出了融合其他算法的改进版本(MDA),NSSL(美国国家强风暴实验室)新的中气旋探测方法MDA首先确定具有气旋切变的段,然后组成二维特征,二维特征的强度分成了25个等级。对二维特征进行垂直相关分析得到三维特征,三维特征还要进行时间相关分析以确定它的发展历史。运用于实际探测当中,通过理论分析和不断的实验观测,证明了该方法具有较高的准确率[3]
发明人在实现本发明的过程中,发现现有技术中存在以下不足:(1)由于目前广泛使用的气象监测预报软件PUP是根据美国的天气特征来编写的,在实际的业务运行中由于地区不同,适应性较差,识别的准确率较低,漏报率和错报率较高;(2)NSSL MDA需要对平均径向速度图上距雷达距离相等的每一个点进行逐一扫描,可能会产生漏报或者报弱的情况,并且无法检测到反气旋式旋转,对每一个点进行逐一扫描大大增加了方法的时间和空间复杂度;(3)由于采用不适当的退模糊处理会产生虚假的中气旋;(4)虽然通过对阈值参数的降低可以检测出几乎所有的涡旋,但是同时提高了误警率,且阈值的调整具有人为等客观因素,具有不确定性;(5)仅对三维信息进行了分类,但没有研究纯旋转、辐合旋转和辐散旋转对于中气旋的识别作用,使得识别结果不完整。
参考文献
[1]胡明宝,高太长,汤达章,多普勒天气雷达资料分析与应用[M],北京:解放军出版社,2000
[2]Stumpf G J,Witt A.The new NSSL mesocyclone detection algorithm functionaldescription[C],National Severe Storms Laboratory,1994,24(6):195-202
[3]Stumpf G J,Witt A,Mitchell E D.The National Severe Storms Laboratorymesocyclone detection algorithm for the WSR-88D[J].Weather and Forecasting,1998,13(2):304-326
发明内容
本发明提供了一种基于多普勒天气雷达回波图像的中气旋识别方法,本发明降低了时间和空间的复杂度,消除了虚假的中气旋,提高了识别率、降低了误报率以及提高了工作效率,详见下文描述:
一种基于多普勒天气雷达回波图像的中气旋识别方法,所述方法包括以下步骤:
(1)对1.5°仰角反射率图进行滤波处理,获取有效反射率区域F1;
(2)对所述有效反射率区域F1和所述有效反射率区域F1对应的径向速度图进行信息融合,获取限定有效搜索区域的径向速度图像R(x,y);
(3)对所述限定有效搜索区域的径向速度图像R(x,y)进行区域分割得到反映在径向速度图中的正径向速度区域和负径向速度区域;
(4)通过速度中心区域径向速度值的分布直方图配置速度对,得到备选速度对集合;其中,在含有中气旋的径向速度图V上,针对雷达探测中心,总是存在着一对距离满足第一阈值、角度差满足第二阈值且相邻的正径向速度区域和负径向速度区域,称为速度对,其中,正径向速度区域定义为正核区,负径向速度区域定义为负核区;
(5)从所述备选速度对集合中剔除伪速度对;
(6)将所述1.5°仰角反射率图抬高一个仰角获取2.4°仰角反射率图,降低一个仰角获取0.5°仰角反射率图;对所述2.4°仰角反射率图进行滤波处理,获取有效反射率区域F2;对所述0.5°仰角反射率图进行滤波处理,获取有效反射率区域F3;重新执行步骤(2)~(5);
(7)将所述2.4°仰角反射率图和所述0.5°仰角反射率图在相同范围内同时存在速度对的区域识别成一个中气旋。
所述对1.5°仰角反射率图进行滤波处理,获取有效反射率区域F1,对所述2.4°仰角反射率图进行滤波处理,获取有效反射率区域F2具体为:
对所述1.5°仰角反射率图和所述2.4°仰角反射率图进行滤波处理,滤除弱反射率区域Ω2,分别获取有效反射率区域F1和F2,其中,所述弱反射率区域Ω2具体为反射率小于40dbz的区域;
所述对所述0.5°仰角反射率图进行滤波处理,获取有效反射率区域F3具体为:
对所述0.5°仰角反射率图进行滤波处理,滤除超折射回波区域Ω1和弱反射率区域Ω2,获取所述有效反射率区域F3,其中,所述超折射回波是虚假的降水回波,所述弱反射率区域Ω2具体为反射率小于40dbz的区域。
所述获取限定有效搜索区域的径向速度图像具体为:
0.5°仰角仰角反射率图:
R ( x , y ) = 0 , ( x , y ) ∈ Ω 1 U ( x , y ) ∈ Ω 2 V ( x , y ) , ( x , y ) ∉ Ω 1 I ( x , y ) ∉ Ω 2 0 , V ( x , y ) = RF
1.5°仰角仰角反射率图和2.4°仰角仰角反射率图:
R ( x , y ) = 0 , ( x , y ) ∈ Ω 2 V ( x , y ) , ( x , y ) ∉ Ω 2 0 , V ( x , y ) = RF
其中,RF为模糊速度值,V(x,y)为像素点(x,y)处的径向速度值,Ω1为超折射回波区域,Ω2为弱反射率区域。
所述对所述限定有效搜索区域的径向速度图像R(x,y)进行区域分割得到反映在径向速度图中的正径向速度区域和负径向速度区域具体为:
1)将所述径向速度图像R(x,y)中的像素值不为0且不为255的点定义为种子点,计算以所述种子点生长出的连通域σ的面积S;
2)若面积S大于阈值上限S1或小于阈值下限S2,将所述连通域σ标记为背景色;
3)若S2≤S≤S1,则连通域σ中点的像素值为255;
当完成区域分割后,将得到的像素值为255的点还原为原像素值。
所述通过速度中心区域径向速度值的分布直方图配置速度对,得到备选速度对集合,具体为:
1)获取一张经信息融合和区域分割处理之后的0.5°或1.5°或2.4°仰角的径向速度图,绘制图中由所述正核区和所述负核区的径向速度构成的颜色分布直方图;
2)依次配置满足距离D、角度θ和取值差VD判据的所有速度对,获取所述速度对集合;
从正的最大速度Vmax开始在所述颜色分布直方图中查找是否有满足判据的负速度值V-,如果有,则取值分别为Vmax和V-的区域组成一个速度对,记录该速度对的各项参数;如果否,用下一正速度查找,直至遍历完所有的正速度V+
判据具体为:直径D≤15km、夹角θ<10°和取值差VD>20m/s,则速度对[σ(V+),σ(V-)]配置成功,其中, θ = θ P + - θ P - , D = ( x P + - x P - ) 2 + ( y P + - y P - ) 2 , p+为图像R(x,y)上正核区中心点,(xP+,yP+)为正核区中心点坐标,p-为图像R(x,y)上负核区中心点,(xP-,yP-)为负核区中心点坐标,θp+为图像R(x,y)上点(xP+,yP+)与雷达中心点的连线与水平方向的夹角,θp-为图像上点(xP-,yP-)与雷达中心点的连线与水平方向的夹角,V+(p+)为正核区的径向速度值,V-(p-)为负核区的径向速度值,重复执行直至配置完所有满足判据的速度对,最后得到所述速度对集合。
所述方法还包括:
在核区外接矩形中心点A所在行,找到核区的中点A1i,再在A点所在列,找到核区的中点A2j,分别计算A1i和A2j与A的距离dxi和dyj,若dxk=min{dxi,dyj}或dyk=min{dxi,dyj},则取A1k或A2k作为核区的等效中心,其中,x和y为横纵坐标轴,k、i和j的取值为正整数。
从所述速度对集合中剔除伪速度对,具体为:
对部分交叠的多个速度对进行简约处理;对不满足蓝金模式的速度对进行剔除处理。
所述对部分交叠的多个速度对进行简约处理具体为:
1)对于速度对Vk∈V,Vl∈V,若σk-=σl-=σ-,θ<10°,且设Uk>Ul,则选择正核区σk+、抛弃正核区σl+;或,若σk+=σl+=σ+,θ<10°,且设Uk>Ul,则选择负核区σk-、抛弃负核区σl-,其中,U=V′/D,V′为正核区的速度与负核区的速度的差值,k和l的取值为正整数;
2)当有效反射率区域为单核时,若存在Vk∈V,Vl∈V,σk-=σl-=σ-,θ≈180°,对于速度对Vi∈V,i=1,L,k,k≥2,若欧式距离d(pm,pn)<10,或θ(pm,pn)≈180°m,n=1,L,k, p m = ( x m + + x m - 2 , y m + + y m - 2 ) , p n = ( x n + + x n - 2 , y n + + y n - 2 ) , 且Ui=max{U1,L,Uk},则保留k个速度对中的Vi
3)当有效反射率区域为带状多核时,对于速度对Vk∈V,Vl∈V,若σk-=σl-=σ-,θ≈180°,则正速度核区σk+与正速度核区σl+共用负速度核区σ-分别构成两个速度对;或σk+=σl+=σ+,θ≈180°,则负速度核区σk-与负速度核区σl-共用正速度核区σ+分别构成两个速度对。
所述对不满足蓝金模式的速度对进行剔除处理具体为:
设速度对的正负核区位于p和q,p和q两点连线上的象素点依次为(p+q)/2+1,L,p-2,p-1,p,p+1,p+2,L,和(p+q)/2-1,Λ,q-2,q-1,q,q+1,q+2,Λ,总像素点数为N;
蓝金模式准则:
f((p+q)/2)=0∪|f(m)|-|f(n)|>0,||m-l||2<||n-l||2,l=p,q,其中f()代表速度值;
计算:|f(p)|-|f(p-i)|→Ai,i=1,2L(p+q)/2+1
|f(p)|-|f(p+j)|→Aj,j=1,2,L,(p+q)
|f(q)|-|f(q-i)|→Bi,i=1,2L(p+q)/2+1
|f(q)|-|f(q+j)|→Bj,j=1,2,L,(p+q)
判据:Ak>0,且Ak>Ak+1,k=i,j,则N1=N1+1,若Bk>0,且Bk>Bk+1,k=i,j,则N2=N2+1;若
Figure BDA0000143041060000053
则滤除速度对(p,q)。
所述将所述2.4°仰角反射率图和所述0.5°仰角反射率图在相同范围内同时存在速度对的区域识别成一个中气旋具体为:
设1.5°仰角下去除伪速度对后的每一个速度对对应一个中气旋;
对所述有效反射率区域F2和所述有效反射率区域F3分别进行步骤(2)-(5)的处理,分别获取第一速度对集合和第二速度对集合,若所述第一速度对集合和/或所述第二速度对集合中存在一个速度对,且所述这个速度对位于以1.5°仰角径向速度图上检测到的中气旋为圆心,半径为15构造的圆柱内,则认为所述1.5°仰角反射率图上检测到的中气旋符合厚度条件;否则,舍去所述1.5°仰角反射率图上检测到的中气旋。
本发明提供的技术方案的有益效果是:
本发明提供了一种基于多普勒天气雷达回波图像的中气旋识别方法,本发明通过对0.5°、1.5°、2.4°仰角反射率图进行滤波处理得到预处理后的有效区域图像,通过径向速度图对有效区域信息的融合确定径向速度图上的有效搜索范围,通过区域生长法在有效搜索范围内筛选出中气旋反映在径向速度图上的重要元素——正、负速度中心区域,借助速度中心区域取值的分布直方图以及距离、角度、径向速度差准则完成所有速度对的配置,其中,每一个速度对由一个正速度中心和一个负速度中心构成,得到速度对集合,通过速度对简约、蓝金模式准则、厚度准则剔除速度对集合中的伪速度对,识别出中气旋,同时提供所识别出来的中气旋的纯旋转、辐合性旋转和辐散性旋转的结构信息,本方法降低了时间和空间的复杂度,消除了多数的虚假的中气旋,提高了识别率、降低了误报率和漏识率以及提高了工作效率;纯旋转、辐合性旋转和辐散性旋转的结构性信息使得识别结果更完整;本发明不限于对正气旋的识别,还可以识别出反气旋,使得识别结果更全面。
附图说明
图1为本发明提供的一种基于多普勒天气雷达回波图像的中气旋识别方法的流程图;
图2为本发明提供的多普勒雷达反射率图的示意图;
图3为本发明提供的经有效区域信息融合后的多普勒雷达径向速度图示意图;
图4为本发明提供的中气旋反映在径向速度图上的重要元素-所有的正速度中心区域和负速度中心区域分割结果示意图;
图5为本发明提供的速度对的示意图;
图6为本发明提供的速度对匹配的示意图;
图7为本发明提供的确定速度中心区域中心的示意图;
图8为本发明提供的简约速度对的示意图;
图9为本发明提供的蓝金模式准则中垂直点选取示意图;
图10为本发明提供的近似斜率示意图;
图11为本发明提供的辐合性旋转、辐散性旋转示意图;
图12为本发明提供的标识中气旋识别结果的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
为了降低时间和空间的复杂度,消除虚假的中气旋,提高识别率、降低误报率以及提高工作效率,本发明实施例提供了一种基于多普勒天气雷达回波图像的中气旋识别方法,参见图1,详见下文描述:
中气旋与强对流天气状况密切相关,大量的气象观测和研究表明:一定时期内中气旋切变量量值的变化往往预示着强对流风暴的来临。切变量变化与风暴演变的规律对天气预报是非常有意义的,但对这方面的研究仍处于空白;中气旋属于中小尺度气旋场中最强烈的一种,对于超级单体及其他大冰雹单体以外的强对流风暴来讲,与之相伴的气旋场往往达不到中气旋的程度。目前关于这类弱气旋的自动预报以及它们对灾害性天气的预报能力的研究尚属空白。
101:对1.5°仰角反射率图进行滤波处理,获取有效反射率区域F1;
其中,由于“超折射回波主要出现在0.5°仰角,当仰角抬高到1.5°时会迅速衰减或完全消失”和“中气旋出现的区域在反射率图上对应的是40dbz以上的高反射率区域”。为此将0.5°仰角反射率图上的超折射回波区域定义为Ω1,将反射率小于40dbz的反射率图定义为弱反射率区域Ω2,即超折射回波区域Ω1和弱反射率区域Ω2中是不可能产生中气旋的,因此,可以将超折射回波区域Ω1和弱反射率区域Ω2作为搜索盲区(设为0)。
其中,对1.5°仰角反射率图进行滤波处理,获取有效反射率区域F1具体为:滤除弱反射率区域Ω2,分别获取有效反射率区域F1。
102:对有效反射率区域F1和有效反射率区域F1对应的径向速度图进行信息融合,获取限定有效搜索区域的径向速度图像R(x,y);
参见图2,图中包含多块风暴云团区域,即白色矩形框圈定的云团区域,每个风暴云团中均含有反射率强度大于40dbz的有效区域,有效反射率区域上是有可能存在中气旋的,但中气旋的速度对是呈现于径向速度图V上的,对融合后的图像R(x,y)具体为:
1.5°仰角反射率图:
R ( x , y ) = 0 , ( x , y ) ∈ Ω 2 V ( x , y ) , ( x , y ) ∉ Ω 2 0 , V ( x , y ) = RF
其中,RF为模糊速度值,V(x,y)为像素点(x,y)处的径向速度值,Ω1为超折射回波区域,Ω2为弱反射率区域,在合成图像R(x,y)中,取值非零的区域是中气旋可能发生的区域。参见图3,其中的颜色区域就是限定的搜索中气旋的区域。
103:对限定有效搜索区域的径向速度图像R(x,y)进行区域分割得到反映在径向速度图中的正径向速度区域和负径向速度区域;
由于每个中气旋在径向速度图上伴有一个速度对,在径向速度图上,一个速度对由一个小的正速度区域和一个小的负速度区域构成,在径向速度图上表现为两个相距很近,颜色和面积满足一定条件的小区域。参见图4,每一个小的连通域都可能是反映在径向速度图上的中气旋的重要元素——速度中心区域,这些小区域具有“连通性”、“取值一致性”和“小面积(5~50个像素,每个像素覆盖范围1×1km)”的特点,为此该步骤具体包括:
1)将融合后的图像R(x,y)中的像素值不为0且不为255的点定义为种子点,计算以种子点生长出的连通域σ的面积S;
2)若面积S大于阈值上限S1或小于阈值下限S2,将连通域σ标记为背景色;
其中,本发明实施例以阈值上限S1=50,阈值下限S2=5为例进行说明,具体实现时,根据实际应用中的需要进行设定,本发明实施例对此不做限制。
3)若S2≤S≤S1,则连通域σ中点的像素值R(x,y)=255。
当完成区域分割后,将得到的像素值为255的点还原为原像素值。
104:通过速度中心区域径向速度值的分布直方图配置速度对,得到备选速度对集合;
其中,参见图5,反映在径向速度图V上,针对雷达探测中心,总是存在着一对距离满足第一阈值、角度差满足第二阈值且相邻的正径向速度区域和负径向速度区域,称为速度对,其中,正径向速度区域定义为正核区σ+,负径向速度区域定义为负核区σ-;本发明实施例以第一阈值取15、第二阈值取10为例进行说明,具体实施时第一阈值和第二阈值根据实际应用中的需要进行设定,本发明实施例对此不做限制。
其中,通过速度中心区域径向速度值的分布直方图配置速度对,得到备选速度对集合具体为:
1)获取一张经信息融合和区域分割处理之后的0.5°或1.5°或2.4°仰角的径向速度图,绘制图中由正核区和负核区的径向速度构成的颜色分布直方图;
其中,颜色分布直方图的横坐标为速度值,纵坐标为同一径向速度的核区频数。
2)依次配置满足距离D、角度θ和取值差VD判据的所有速度对,获取速度对集合。
其中,参见图6,该步骤具体为:
从正的最大速度Vmax开始在颜色分布直方图中查找是否有满足判据的负速度值V-,如果有,则Vmax和V-组成了速度对,记录该速度对的各项参数;如果否,遍历下一正速度,直至遍历完所有的正速度。
判据具体为:直径D≤15km且夹角θ<10°以及VD>20m/s,则速度对(Vmax,V-)初步配置成功,其中, θ = θ P + - θ P - , D = ( x P + - x P - ) 2 + ( y P + - y P - ) 2 , θp+为预处理后图像上点(xP+,yP+)与雷达中心点的连线与水平方向的夹角,θp-为预处理后图像上点(xP-,yP-)与雷达中心点的连线与水平方向的夹角,核区的中心坐标分别为(xP+,yP+),(xP-,yP-)。V+(p+)为正核区的径向速度值,V-(p-)为负核区的径向速度值。
重复执行上述步骤,直至配置完所有满足判据的速度对:
(Vmax,V′-)、……(Vmax,Vmin)、……(V′+,V″-)、……(V′+,Vmin)、……(V′″+,Vmin)最后得到备选速度对集合:
V={Vi,i=1,2,L,n},其中Vi={Vi+,Vi-}。
进一步地,参见图7,当核区的外接矩形的中心不在核区内时,该中心点不适合作为核区的中心,本发明实施例还包括对每一个偏离其外接矩形中心的核区的中心点进行校正。
实心小方格包围区域是一个不规则的核区,黑色边框是该核区的外接矩形,三角形是外接矩形的中心,但它落在核区的外部,应该进行校正。
在核区外接矩形中心点A(三角形)所在行,找到核区的中点A1i(空心圆),再在A点所在列,找到核区的中点A2j(实心圆),分别计算A1i和A2j与A的距离dxi和dyj,若dxk=min{dxi,dyj}或dyk=min{dxi,dyj},则取A1k或A2k作为核区的等效中心。
105:从备选速度对集合中剔除伪速度对;
以上配置出的是所有满足夹角θ和距离D判据的速度对,其中一般会掺杂相当比例的虚假速度对,它们是小范围内初检出部分交叠的多个速度对(这时只可能存在至多2个中气旋)应进行简约处理;或不位于同一块云团、或不满足蓝金模式、或不满足厚度条件,这些都应剔除。
其中,参见图8,对部分交叠的多个速度对进行简约处理具体包括:
1)对于速度对Vk∈V,Vl∈V,若σk-=σl-=σ-,θ<10°,且设Uk>Ul,则选择正核区σk+、抛弃正核区σl+;或,若σk+=σl+=σ+,θ<10°,且设Uk>Ul,则选择负核区σk-、抛弃负核区σl-,其中,U=V′/D,V′为正核区的速度与负核区的速度的差值,k和l的取值为正整数;
2)当有效反射率区域为单核时,若存在Vk∈V,Vl∈V,σk-=σl-=σ-,θ≈180°,对于速度对Vi∈V,i=1,L,k,k≥2,若欧式距离d(pm,pn)<10,或θ(pm,pn)≈180°m,n=1,L,k, p m = ( x m + + x m - 2 , y m + + y m - 2 ) , p n = ( x n + + x n - 2 , y n + + y n - 2 ) , 且Ui=max{U1,L,Uk},则保留k个速度对中的Vi
3)当有效反射率区域为带状多核时,对于速度对Vk∈V,Vl∈V,若σk-=σl-=σ-,θ≈180°,则正速度核区σk+与正速度核区σl+共用负速度核区σ-分别构成两个速度对;或σk+=σl+=σ+,θ≈180°,则负速度核区σk-与负速度核区σl-共用正速度核区σ+分别构成两个速度对。
其中,删除不属于一块云团的速度对:
参见图2,中气旋速度对的距离条件是15km以内、角度条件是10度以内,但是在径向速度图V上并不是所有满足上述条件的速度对都是中气旋,它们还必须处于同一个风暴云团。风暴云团是反射率图上核心反射率值超过45dbz、由核区向外反射率值按5dbz逐级递减到30dbz甚至更低的连通域的集合。一个风暴云团就是一个气象的生态系统,能够由多普勒雷达探测到的中气旋的所有的发展变化都与一个风暴云团相伴,所以反映中气旋的速度对不应该跨越两个云团。
其中,对不满足蓝金模式的速度对进行剔除处理具体包括:
蓝金模式是识别中气旋的一个重要判据,当速度对不满足蓝金模式时,则其一定不是中气旋,借此剔除伪速度对如下:
设速度对的正负核区位于p和q,p和q两点连线上的象素点依次为(p+q)/2+1,L,p-2,p-1,p,p+1,p+2,L,和(p+q)/2-1,Λ,q-2,q-1,q,q+1,q+2,Λ,总像素点数为N;
蓝金模式准则:
f((p+q)/2)=0∪|f(m)|-|f(n)|>0,||m-l||2<||n-l||2,l=p,q,其中f()代表速度值;
计算:|f(p)|-|f(p-i)|→Ai,i=1,2L(p+q)/2+1
|f(p)|-|f(p+j)|→Aj,j=1,2,L,(p+q)
|f(q)|-|f(q-i)|→Bi,i=1,2L(p+q)/2+1
|f(q)|-|f(q+j)|→Bj,j=1,2,L,(p+q)
判据:Ak>0,且Ak>Ak+1,k=i,j,则N1=N1+1,若Bk>0,且Bk>Bk+1,k=i,j,则N2=N2+1;若
Figure BDA0000143041060000111
则滤除速度对(p,q)。
其中,考虑到干扰的影响,一般不将阈值M设定为1,可以考虑M=0.6~0.8。
进一步地,如果只取正负速度中心连线上的点来进行蓝金模式准则的检验,由于一些不可预知的干扰存在,使得该方法因过于严格而产生漏检,因此对该步骤进行改进。
参见图9改进后的方法不只考虑p和q连线上的点,还考虑与连线垂直方向上的点。在运算时取三个点:连线上的点K、上垂直点M和下垂直点N,这三个点中只要有两点满足判据,则相应的计数器N1和N2加1。
结合数字图像的特点,参见图10和表1,提出了近似斜率计算方法,K表示正负速度连线上的任一点,4条线分别表示4个近似斜率,设θ为正负速度中心连线与水平方向的夹角。定义水平方向为第四方向;定义自第四方向按顺时针旋转45度为第三方向;定义自第四方向按逆时针旋转45度为第一方向;定于与第四方向垂直的方向为第二方向。
当30°<θ≤60°或210°<θ≤240°时,正负速度中心连线归为第一方向,两个垂直点在第三方向上;
当60°<θ<120°或240°<θ<300°时,正负速度中心连线归为第二方向,两个垂直点在第四方向上;
当120°≤θ<150°或300°≤θ≤330°时,正负速度中心连线归为第三方向,两个垂直点在第一方向上;
当|θ|≤30°或150°≤θ≤210°时,正负速度中心连线归为第四方向,两个垂直点在第二方向上。
表1  近似斜率对应表
106:将1.5°仰角反射率图抬高一个仰角获取2.4°仰角反射率图,降低一个仰角获取0.5°仰角反射率图;对2.4°仰角反射率图进行滤波处理,获取有效反射率区域F2;对0.5°仰角反射率图进行滤波处理,获取有效反射率区域F3;重新执行步骤102-105;
其中,对2.4°仰角反射率图进行滤波处理,获取有效反射率区域F2具体为:
对2.4°仰角反射率图进行滤波处理,滤除弱反射率区域Ω2,分别获取有效反射率区域F2。
其中,对0.5°仰角反射率图进行滤波处理,获取有效反射率区域F3具体为:
对0.5°仰角反射率图进行滤波处理,滤除超折射回波区域Ω1和弱反射率区域Ω2,获取有效反射率区域F3。
0.5°仰角反射率图:
R ( x , y ) = 0 , ( x , y ) ∈ Ω 1 U ( x , y ) ∈ Ω 2 V ( x , y ) , ( x , y ) ∉ Ω 1 I ( x , y ) ∉ Ω 2 0 , V ( x , y ) = RF
2.4°仰角反射率图的融合后的图像R(x,y)和0.5°仰角反射率图融合后的图R(x,y)一致,在此不再赘述。
107:将2.4°仰角反射率图和0.5°仰角反射率图在相同范围内同时存在速度对的区域识别成一个中气旋。
其中,该步骤具体为:
设1.5°仰角下去除伪速度对后的每一个速度对对应一个中气旋;
对有效反射率区域F2和有效反射率区域F3分别进行步骤102-105的处理,分别获取第一速度对集合和第二速度对集合,若第一速度对集合和/或第二速度对集合中存在一个速度对,且这个速度对位于以1.5°仰角径向速度图上检测到的中气旋为圆心,半径为15构造的圆柱内,则认为1.5°仰角反射率图上检测到的中气旋符合厚度条件;否则,舍去1.5°仰角反射率图上检测到的中气旋。
其中,参见图11,设正、负速度区域(正、负核区)离雷达探测中心的距离分别为r+和r-,离开雷达中心的径向速度为正速度,朝向雷达中心的径向速度为负速度。若r+<r-,则预示着气流从四周向速度对中心汇流趋势,气旋是辐合性的,或称辐合性旋转;反之,则是辐散性的,即辐散性旋转。借助这一点,就可以通过中气旋在不同仰角上的速度对的性质检测到中气旋的垂直结构,从而可能进一步识别出中气旋的发展阶段。比如中气旋会随着低仰角辐合的加强而加强。又比如在中气旋的底层一旦检测到辐散性不断加强的速度对,则产生下击暴流灾害的可能性极大。
下面以一组具体的实验来验证本发明实施例提供的一种基于多普勒天气雷达回波图像的中气旋识别方法的可行性,详见描述:本方法与我国目前气象预报业务中使用的PUP系统对中气旋的识别效果进行比较:
表2  对中气旋的识别效果对比
Figure BDA0000143041060000131
表2是其中一部分样本(3个年份、4次天气过程和21组探测图像)的对比结果。设所有的测试图像中实际含中气旋个数N,识别系统将其中的M个识别出来,另有L个所识别的中气旋不是实际的中气旋,则定义中气旋识别率ρ=M/N、空报率λ=L/(M+L)及漏报率γ=(N-M)/N。可以看出,就测试样本而言,本方法较目前的业务系统在中气旋的识别率上有接近20%的提高、在中气旋的空报率和漏报率上也有15%-19%的降低。通过对漏报和空报的个例展开分析,发现多数的漏报是无效的速度数据(即模糊速度区)所致,也即缺乏有效的探测数据所致;而大部分空报则来自于较弱的对流场,按照美国的判据,这些较弱的对流场已够不上中气旋的强度,但它们依然会形成一些弱的灾害,本方法依然可以将它们识别并标定出来,从实现对弱一些的灾害天气准确预报的角度看,这一点是有益的。参见图12,其中,红色圈表示强中气旋,蓝色圈表示中等中气旋,白色圈表示弱中气旋,黑色圈表示弱切变。
其中,由于小尺度气旋与中气旋在径向速度图上表现的特征相同,因此本方法同样适用于小尺度气旋,区别只是切变量与核区直径的对应关系不同,本方法在此不再赘述。
综上所述,本发明实施例提供了一种基于多普勒天气雷达回波图像的中气旋识别方法,本发明实施例通过对0.5°、1.5°和2.4°仰角反射率图进行滤波处理得到搜索中气旋的有效区域,对信息融合后图像进行有条件的区域分割得到所有可能的正负速度中心区域,进而配制出可能的中气旋的速度对集合,将中气旋的特征转化成判定准则,用于剔除速度对集合中的伪速度对,最后将中气旋识别出来,本方法降低了时间和空间的复杂度,消除了多数的虚假的中气旋,提高了识别率、降低了误报率以及提高了工作效率;同时,中气旋的辐合辐散性结构信息的提供,使得识别结果更完整;方法不限定气旋方向的特点,使得识别结果更全面。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述方法包括以下步骤:
(1)对1.5°仰角反射率图进行滤波处理,获取有效反射率区域F1;
(2)对所述有效反射率区域F1和所述有效反射率区域F1对应的径向速度图进行信息融合,获取限定有效搜索区域的径向速度图像R(x,y);
(3)对所述限定有效搜索区域的径向速度图像R(x,y)进行区域分割得到反映在径向速度图中的正径向速度区域和负径向速度区域;
(4)通过速度中心区域径向速度值的分布直方图配置速度对,得到备选速度对集合;其中,在含有中气旋的径向速度图V上,针对雷达探测中心,总是存在着一对距离满足第一阈值、角度差满足第二阈值且相邻的正径向速度区域和负径向速度区域,称为速度对,其中,正径向速度区域定义为正核区,负径向速度区域定义为负核区;
(5)从所述备选速度对集合中剔除伪速度对;
(6)将所述1.5°仰角反射率图抬高一个仰角获取2.4°仰角反射率图,降低一个仰角获取0.5°仰角反射率图;对所述2.4°仰角反射率图进行滤波处理,获取有效反射率区域F2;对所述0.5°仰角反射率图进行滤波处理,获取有效反射率区域F3;重新执行步骤(2)~(5);
(7)将所述2.4°仰角反射率图和所述0.5°仰角反射率图在相同范围内同时存在速度对的区域识别成一个中气旋。
2.根据权利要求1所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述对1.5°仰角反射率图进行滤波处理,获取有效反射率区域F1,对所述2.4°仰角反射率图进行滤波处理,获取有效反射率区域F2具体为:
对所述1.5°仰角反射率图和所述2.4°仰角反射率图进行滤波处理,滤除弱反射率区域Ω2,分别获取有效反射率区域F1和F2,其中,所述弱反射率区域Ω2具体为反射率小于40dbz的区域;
所述对所述0.5°仰角反射率图进行滤波处理,获取有效反射率区域F3具体为:
对所述0.5°仰角反射率图进行滤波处理,滤除超折射回波区域Ω1和弱反射率区域Ω2,获取所述有效反射率区域F3,其中,所述超折射回波是虚假的降水回波,所述弱反射率区域Ω2具体为反射率小于40dbz的区域。
3.根据权利要求1所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述获取限定有效搜索区域的径向速度图像具体为:
0.5°仰角仰角反射率图:
R ( x , y ) = 0 , ( x , y ) ∈ Ω 1 U ( x , y ) ∈ Ω 2 V ( x , y ) , ( x , y ) ∉ Ω 1 I ( x , y ) ∉ Ω 2 0 , V ( x , y ) = RF
1.5°仰角仰角反射率图和2.4°仰角仰角反射率图:
R ( x , y ) = 0 , ( x , y ) ∈ Ω 2 V ( x , y ) , ( x , y ) ∉ Ω 2 0 , V ( x , y ) = RF
其中,RF为模糊速度值,V(x,y)为像素点(x,y)处的径向速度值,Ω1为超折射回波区域,Ω2为弱反射率区域。
4.根据权利要求1所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述对所述限定有效搜索区域的径向速度图像R(x,y)进行区域分割得到反映在径向速度图中的正径向速度区域和负径向速度区域具体为:
1)将所述径向速度图像R(x,y)中的像素值不为0且不为255的点定义为种子点,计算以所述种子点生长出的连通域σ的面积S;
2)若面积S大于阈值上限S1或小于阈值下限S2,将所述连通域σ标记为背景色;
3)若S2≤S≤S1,则连通域σ中点的像素值为255;
当完成区域分割后,将得到的像素值为255的点还原为原像素值。
5.根据权利要求1所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述通过速度中心区域径向速度值的分布直方图配置速度对,得到备选速度对集合,具体为:
1)获取一张经信息融合和区域分割处理之后的0.5°或1.5°或2.4°仰角的径向速度图,绘制图中由所述正核区和所述负核区的径向速度构成的颜色分布直方图;
2)依次配置满足距离D、角度θ和取值差VD判据的所有速度对,获取所述速度对集合;
从正的最大速度Vmax开始在所述颜色分布直方图中查找是否有满足判据的负速度值V-,如果有,则取值分别为Vmax和V-的区域组成一个速度对,记录该速度对的各项参数;如果否,用下一正速度查找,直至遍历完所有的正速度V+
判据具体为:直径D≤15km、夹角θ<10°以及VD>20m/s,则速度对[σ(V+),σ(V-)]配置成功,其中, θ = θ P + - θ P - , D = ( x P + - x P - ) 2 + ( y P + - y P - ) 2 , VD=V+(p+)-V-(p-),p+为图像R(x,y)上正核区中心点,(xP+,yP+)为正核区中心点坐标,p-为图像R(x,y)上负核区中心点,(xP-,yP-)为负核区中心点坐标,θp+为图像R(x,y)上点(xP+,yP+)与雷达中心点的连线与水平方向的夹角,θp-为图像上点(xP-,yP-)与雷达中心点的连线与水平方向的夹角,V+(p+)为正核区的径向速度值,V-(p-)为负核区的径向速度值,重复执行直至配置完所有满足判据的速度对,最后得到所述速度对集合。
6.根据权利要求4所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述方法还包括:
在核区外接矩形中心点A所在行,找到核区的中点A1i,再在A点所在列,找到核区的中点A2j,分别计算A1i和A2j与A的距离dxi和dyj,若dxk=min{dxi,dyj}或dyk=min{dxi,dyj},则取A1k或A2k作为核区的等效中心,其中,x和y为横纵坐标轴,k、i和j的取值为正整数。
7.根据权利要求1所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,从所述备选速度对集合中剔除伪速度对,具体为:
对部分交叠的多个速度对进行简约处理;对不满足蓝金模式的速度对进行剔除处理。
8.根据权利要求7所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述对部分交叠的多个速度对进行简约处理具体为:
1)对于速度对Vk∈V,Vl∈V,若σk-=σl-=σ-,θ<10°,且设Uk>Ul,则选择正核区σk+、抛弃正核区σl+;或,若σk+=σl+=σ+,θ<10°,且设Uk>Ul,则选择负核区σk-、抛弃负核区σl-,其中,U=V′/D,V′为正核区的速度与负核区的速度的差值,k和l的取值为正整数;
2)当有效反射率区域为单核时,若存在Vk∈V,Vl∈V,σk-=σl-=σ-,θ≈180°,对于速度对Vi∈V,i=1,L,k,k≥2,若欧式距离d(pm,pn)<10,或θ(pm,pn)≈180°m,n=1,L,k, p m = ( x m + + x m - 2 , y m + + y m - 2 ) , p n = ( x n + + x n - 2 , y n + + y n - 2 ) , 且Ui=max{U1,L,Uk},则保留k个速度对中的Vi
3)当有效反射率区域为带状多核时,对于速度对Vk∈V,Vl∈V,若σk-=σl-=σ-,θ≈180°,则正速度核区σk+与正速度核区σl+共用负速度核区σ-分别构成两个速度对;或σk+=σl+=σ+,θ≈180°,则负速度核区σk-与负速度核区σl-共用正速度核区σ+分别构成两个速度对。
9.根据权利要求7所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述对不满足蓝金模式的速度对进行剔除处理具体为:
设速度对的正负核区位于p和q,p和q两点连线上的象素点依次为(p+q)/2+1,L,p-2,p-1,p,p+1,p+2,L,和(p+q)/2-1,Λ,q-2,q-1,q,q+1,q+2,Λ,总像素点数为N;
蓝金模式准则:
f((p+q)/2)=0∪|f(m)|-|f(n)|>0,||m-l||2<||n-l||2,l=p,q,其中f()代表速度值;
计算:|f(p)|-|f(p-i)|→Ai,i=1,2L(p+q)/2+1
|f(p)|-|f(p+j)|→Aj,j=1,2,L,(p+q)
|f(q)|-|f(q-i)|→Bi,i=1,2L(p+q)/2+1
|f(q)|-|f(q+j)|→Bj,j=1,2,L,(p+q)
判据:Ak>0,且Ak>Ak+1,k=i,j,则N1=N1+1,若Bk>0,且Bk>Bk+1,k=i,j,则N2=N2+1;若
Figure FDA0000143041050000043
则滤除速度对(p,q)。
10.根据权利要求1所述的一种基于多普勒天气雷达回波图像的中气旋识别方法,其特征在于,所述将所述2.4°仰角反射率图和所述0.5°仰角反射率图在相同范围内同时存在速度对的区域识别成一个中气旋具体为:
设1.5°仰角下去除伪速度对后的每一个速度对对应一个中气旋;
对所述有效反射率区域F2和所述有效反射率区域F3分别进行步骤(2)-(5)的处理,分别获取第一速度对集合和第二速度对集合,若所述第一速度对集合和/或所述第二速度对集合中存在一个速度对,且所述这个速度对位于以1.5°仰角径向速度图上检测到的中气旋为圆心,半径为15构造的圆柱内,则认为所述1.5°仰角反射率图上检测到的中气旋符合厚度条件;否则,舍去所述1.5°仰角反射率图上检测到的中气旋。
CN201210065116.4A 2012-03-13 2012-03-13 一种基于多普勒天气雷达回波图像的中气旋识别方法 Expired - Fee Related CN102645679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210065116.4A CN102645679B (zh) 2012-03-13 2012-03-13 一种基于多普勒天气雷达回波图像的中气旋识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210065116.4A CN102645679B (zh) 2012-03-13 2012-03-13 一种基于多普勒天气雷达回波图像的中气旋识别方法

Publications (2)

Publication Number Publication Date
CN102645679A true CN102645679A (zh) 2012-08-22
CN102645679B CN102645679B (zh) 2014-07-02

Family

ID=46658614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210065116.4A Expired - Fee Related CN102645679B (zh) 2012-03-13 2012-03-13 一种基于多普勒天气雷达回波图像的中气旋识别方法

Country Status (1)

Country Link
CN (1) CN102645679B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103267987A (zh) * 2013-04-23 2013-08-28 南京信大高科技发展有限公司 季风涡旋定位方法
CN103424782A (zh) * 2013-07-11 2013-12-04 天津大学 一种中层径向辐合的自动识别方法
CN105068060A (zh) * 2015-07-28 2015-11-18 中国气象局公共气象服务中心 中气旋识别及强度判断方法
CN105574892A (zh) * 2014-09-19 2016-05-11 通用汽车环球科技运作有限责任公司 雷达图像中的基于多普勒的分割及光流
CN105738873A (zh) * 2015-11-16 2016-07-06 象辑知源(武汉)科技有限公司 天气雷达回波图像的处理方法及处理装置
CN106526558A (zh) * 2016-09-27 2017-03-22 天津大学 基于多普勒天气雷达资料的阵风锋自动识别方法
CN106919792A (zh) * 2017-02-24 2017-07-04 天津大学 基于高精度数值风场资料的涡旋中心自动识别方法
CN107742298A (zh) * 2017-09-28 2018-02-27 北京华航无线电测量研究所 一种角反射体自动识别方法
CN108254750A (zh) * 2017-11-24 2018-07-06 南京信息工程大学 一种基于雷达资料的下击暴流智能识别预警方法
US10042047B2 (en) 2014-09-19 2018-08-07 GM Global Technology Operations LLC Doppler-based segmentation and optical flow in radar images
CN108459323A (zh) * 2018-01-31 2018-08-28 天津大学 基于多普勒天气雷达数据的强辐合场识别及速度订正方法
CN108562903A (zh) * 2017-12-25 2018-09-21 天津大学 基于多普勒天气雷达的强对流系统动力场结构识别方法
CN109116358A (zh) * 2018-08-09 2019-01-01 成都信息工程大学 基于新一代天气雷达的冰雹识别及落区预报方法
CN109343062A (zh) * 2018-12-13 2019-02-15 中国气象局气象探测中心 一种径向干扰回波和降水回波的识别方法及系统
CN109709556A (zh) * 2018-12-24 2019-05-03 雷象科技(北京)有限公司 相控阵天气雷达多因子关联去地物方法
CN110703255A (zh) * 2019-09-19 2020-01-17 天津大学 典型强对流流场的多普勒径向速度图仿真方法
CN110940978A (zh) * 2019-12-09 2020-03-31 上海眼控科技股份有限公司 一种雷达ppi图像显示方法和装置、电子设备、存储介质
CN112748480A (zh) * 2020-12-21 2021-05-04 华能国际电力股份有限公司浙江清洁能源分公司 近海热带气旋中心定位方法和装置、设备及存储介质
CN117907965A (zh) * 2024-03-19 2024-04-19 江苏省气象台 面向对流风暴精细结构的三维雷达回波临近预报方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111007474A (zh) * 2019-11-29 2020-04-14 北京理工大学 一种基于多特征的天气雷达回波分类方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1828668A (zh) * 2006-04-10 2006-09-06 天津大学 基于嵌入式隐马尔可夫模型与交叉熵的台风中心定位方法
US20100026565A1 (en) * 2008-07-30 2010-02-04 University Corporation For Atmospheric Research Method for generating a representation of an atmospheric vortex kinematic structure
US20120038504A1 (en) * 2010-08-11 2012-02-16 Lockheed Martin Corporation Enhanced-resolution phased array radar

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1828668A (zh) * 2006-04-10 2006-09-06 天津大学 基于嵌入式隐马尔可夫模型与交叉熵的台风中心定位方法
US20100026565A1 (en) * 2008-07-30 2010-02-04 University Corporation For Atmospheric Research Method for generating a representation of an atmospheric vortex kinematic structure
US20120038504A1 (en) * 2010-08-11 2012-02-16 Lockheed Martin Corporation Enhanced-resolution phased array radar

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103267987A (zh) * 2013-04-23 2013-08-28 南京信大高科技发展有限公司 季风涡旋定位方法
CN103267987B (zh) * 2013-04-23 2015-10-21 南京信大高科技发展有限公司 季风涡旋定位方法
CN103424782A (zh) * 2013-07-11 2013-12-04 天津大学 一种中层径向辐合的自动识别方法
CN103424782B (zh) * 2013-07-11 2016-06-08 天津大学 一种中层径向辐合的自动识别方法
US10215851B2 (en) 2014-09-19 2019-02-26 GM Global Technology Operations LLC Doppler-based segmentation and optical flow in radar images
CN105574892A (zh) * 2014-09-19 2016-05-11 通用汽车环球科技运作有限责任公司 雷达图像中的基于多普勒的分割及光流
US10042047B2 (en) 2014-09-19 2018-08-07 GM Global Technology Operations LLC Doppler-based segmentation and optical flow in radar images
CN105068060A (zh) * 2015-07-28 2015-11-18 中国气象局公共气象服务中心 中气旋识别及强度判断方法
CN105738873B (zh) * 2015-11-16 2018-05-08 象辑知源(武汉)科技有限公司 天气雷达回波图像的处理方法及处理装置
CN105738873A (zh) * 2015-11-16 2016-07-06 象辑知源(武汉)科技有限公司 天气雷达回波图像的处理方法及处理装置
CN106526558A (zh) * 2016-09-27 2017-03-22 天津大学 基于多普勒天气雷达资料的阵风锋自动识别方法
CN106919792A (zh) * 2017-02-24 2017-07-04 天津大学 基于高精度数值风场资料的涡旋中心自动识别方法
CN106919792B (zh) * 2017-02-24 2019-06-21 天津大学 基于高精度数值风场资料的涡旋中心自动识别方法
CN107742298B (zh) * 2017-09-28 2020-03-27 北京华航无线电测量研究所 一种角反射体自动识别方法
CN107742298A (zh) * 2017-09-28 2018-02-27 北京华航无线电测量研究所 一种角反射体自动识别方法
CN108254750B (zh) * 2017-11-24 2021-07-30 南京信息工程大学 一种基于雷达资料的下击暴流智能识别预警方法
CN108254750A (zh) * 2017-11-24 2018-07-06 南京信息工程大学 一种基于雷达资料的下击暴流智能识别预警方法
CN108562903A (zh) * 2017-12-25 2018-09-21 天津大学 基于多普勒天气雷达的强对流系统动力场结构识别方法
CN108562903B (zh) * 2017-12-25 2021-10-01 天津大学 基于多普勒天气雷达的强对流系统动力场结构识别方法
CN108459323A (zh) * 2018-01-31 2018-08-28 天津大学 基于多普勒天气雷达数据的强辐合场识别及速度订正方法
CN108459323B (zh) * 2018-01-31 2022-04-15 天津大学 基于多普勒天气雷达数据的强辐合场识别及速度订正方法
CN109116358A (zh) * 2018-08-09 2019-01-01 成都信息工程大学 基于新一代天气雷达的冰雹识别及落区预报方法
CN109116358B (zh) * 2018-08-09 2022-11-22 成都信息工程大学 基于新一代天气雷达的冰雹识别及落区预报方法
CN109343062A (zh) * 2018-12-13 2019-02-15 中国气象局气象探测中心 一种径向干扰回波和降水回波的识别方法及系统
CN109343062B (zh) * 2018-12-13 2021-07-20 中国气象局气象探测中心 一种径向干扰回波和降水回波的识别方法及系统
CN109709556A (zh) * 2018-12-24 2019-05-03 雷象科技(北京)有限公司 相控阵天气雷达多因子关联去地物方法
CN110703255A (zh) * 2019-09-19 2020-01-17 天津大学 典型强对流流场的多普勒径向速度图仿真方法
CN110940978A (zh) * 2019-12-09 2020-03-31 上海眼控科技股份有限公司 一种雷达ppi图像显示方法和装置、电子设备、存储介质
CN112748480A (zh) * 2020-12-21 2021-05-04 华能国际电力股份有限公司浙江清洁能源分公司 近海热带气旋中心定位方法和装置、设备及存储介质
CN117907965A (zh) * 2024-03-19 2024-04-19 江苏省气象台 面向对流风暴精细结构的三维雷达回波临近预报方法
CN117907965B (zh) * 2024-03-19 2024-05-24 江苏省气象台 面向对流风暴精细结构的三维雷达回波临近预报方法

Also Published As

Publication number Publication date
CN102645679B (zh) 2014-07-02

Similar Documents

Publication Publication Date Title
CN102645679B (zh) 一种基于多普勒天气雷达回波图像的中气旋识别方法
CN111091105B (zh) 基于新的边框回归损失函数的遥感图像目标检测方法
CN108596055B (zh) 一种复杂背景下高分辨遥感图像的机场目标检测方法
Wang et al. Photovoltaic panel extraction from very high-resolution aerial imagery using region–line primitive association analysis and template matching
CN102496034B (zh) 基于直线单词的高空间分辨率遥感图像词袋分类方法
CN102044069B (zh) 一种白细胞图像分割方法
KR101258668B1 (ko) 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법
CN105975929A (zh) 一种基于聚合通道特征的快速行人检测方法
CN109377485A (zh) 一种方便面包装缺陷机器视觉检测方法
CN102043958B (zh) 一种高分辨率遥感图像多类目标检测识别方法
CN107958183A (zh) 一种高分辨率遥感图像的城市路网信息自动提取方法
CN106022288A (zh) 基于sar图像的海洋溢油信息识别与提取方法
CN103903018A (zh) 一种复杂场景中对车牌进行定位的方法和系统
CN103530600A (zh) 复杂光照下的车牌识别方法及系统
CN106295562A (zh) 一种高分辨率遥感影像道路信息提取方法
CN108805050B (zh) 基于局部二值模式的电线检测方法
CN102073867B (zh) 一种遥感图像分类方法及装置
CN109635733B (zh) 基于视觉显著性和队列修正的停车场和车辆目标检测方法
CN103824280A (zh) 一种台风中心提取方法
CN112964712A (zh) 一种快速检测沥青路面状态的方法
CN104268570B (zh) 一种基于类内差异的层次化单分类舰船目标虚警剔除方法
CN106526558B (zh) 基于多普勒天气雷达资料的阵风锋自动识别方法
CN109272522B (zh) 一种基于局部特征的图像细化分割方法
Kushwaha et al. Automatic Bright Circular Type Oil Tank Detection Using Remote Sensing Images.
CN107392115B (zh) 一种基于分层特征提取的交通标志识别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB03 Change of inventor or designer information

Inventor after: Wang Ping

Inventor after: Niu Zhiyong

Inventor after: Qian Xinhong

Inventor after: Cheng Hao

Inventor after: Zhang Yan

Inventor before: Wang Ping

Inventor before: Qian Xinhong

Inventor before: Niu Zhiyong

Inventor before: Cheng Hao

Inventor before: Zhang Yan

COR Change of bibliographic data

Free format text: CORRECT: INVENTOR; FROM: WANG PING QIAN XINHONG NIU ZHIYONG CHENG HAO ZHANG YAN TO: WANG PING NIU ZHIYONG QIAN XINHONG CHENG HAO ZHANG YAN

C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140702