CN102721987A - 多普勒雷达遥感强风暴的预警方法 - Google Patents
多普勒雷达遥感强风暴的预警方法 Download PDFInfo
- Publication number
- CN102721987A CN102721987A CN2012101909262A CN201210190926A CN102721987A CN 102721987 A CN102721987 A CN 102721987A CN 2012101909262 A CN2012101909262 A CN 2012101909262A CN 201210190926 A CN201210190926 A CN 201210190926A CN 102721987 A CN102721987 A CN 102721987A
- Authority
- CN
- China
- Prior art keywords
- storm
- constantly
- identification
- early warning
- storms
- 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.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种强风暴的自动预警方法。本发明利用多普勒天气雷达数据。首先在风暴的识别上,采用基于数学形态学的方法,即通过在多阈值识别过程中,综合使用膨胀和腐蚀操作,可以成功地识别出风暴的虚假合并,并从风暴簇中分离出相距较近的风暴。然后,在风暴的追踪上,使用序贯蒙特卡洛方法,使得追踪过程大为简化,还可以处理风暴的分裂合并,和风暴漏测的情况。最后,对风暴的预警,结合光流法得到的运动矢量场,进行线性拟合外推预警。本发明可以处理雷达回波分布密集、分裂合并频繁等复杂情况。本发明的用途,是在各省市气象台安装预警软件系统,提供强对流天气的预警服务,满足国家防灾减灾的迫切需要。
Description
技术领域
本发明属于大气环境的遥感监测技术,具体涉及一种多普勒雷达遥感强风暴的自动预警方法。
背景技术
强对流天气,也称强风暴,是主要的灾害性天气之一,包括雷电、冰雹、雷雨、大风等,其发生时会产生巨大的社会危害。因此,对强风暴的监测和预警具有显著的社会和经济意义。由于强风暴空间尺度较小、持续时间较短,运用常规观测手段难以对其进行有效监测。而多普勒天气雷达目前是强风暴的主要遥感监测手段,具有很高的时空分辨率,并且可以观测风暴的三维空间结构。
强风暴在天气雷达上以三维回波图像的形式出现。当回波分布稀疏,且变化缓慢时,较容易进行预警。但对回波分布密集的风暴簇,或回波变化剧烈,频繁出现分裂与合并等复杂情况,会给预警带来很大困难,现有的方法无法处理。但随着气候变暖,极端强对流灾害天气频发,这些回波分布复杂情况的出现也愈发频繁。因此,针对这些回波分布密集、分裂合并频繁等复杂情况,提出能够处理这些问题的风暴自动预警方法是十分重要的。
发明内容
本发明的目的,是提供一种强风暴的自动预警方法,以弥补现有技术的不足。
本发明首先在风暴的识别上,采用基于数学形态学的方法,可以较好地解决虚假合并问题,并能从复杂的风暴簇中分离出风暴单体。然后,在风暴的追踪上,引入序贯蒙特卡洛方法,使得追踪过程大为简化。不仅可以在追踪的过程中同时处理风暴的分裂与合并,还可以处理风暴的漏测情况。最后,对风暴的预警,结合光流法得到的运动矢量场,进行线性拟合外推预警。
本发明的强风暴预警方法步骤如下:
1.数据预处理:将质量控制后的雷达基数据,插值到三维地理坐标下。
2.强风暴的识别:本发明提出了基于数学形态学的风暴识别方法,首先使用第一级阈值进行单阈值识别;其次,对识别得到的风暴执行腐蚀操作,以消除虚假合并;然后,使用高一级阈值进行识别,并对识别得到的风暴.体进行膨胀操作,当风暴的边界在膨胀的过程中相互之间接触,或接触到了原来较低阈值识别的风暴的边界时,则停止膨胀过程;最后,逐次使用更高级别的阈值进行识别,并在每一个级阈值的识别过程中执行腐蚀和膨胀操作。
3.强风暴的追踪:本发明将序贯蒙特卡洛方法应用于风暴的追踪,其基本过程是一个随着时间序列进行迭代的过程,每次迭代包括三步:抽样,预测和测量,从而实时地获得所需要的动态信息。
本发明对相邻时刻风暴的追踪采用雷达组合反射率因子图像。抽样所得的每一个粒子都要通过一阶线性系统模型,进行一步预测。
其中,Am是t时刻第m个风暴的面积,Ak是t-1时刻第k个风暴的面积,NFm,k是指从t-1时刻第k个风暴抽样出来的所有粒子中,经一步预测之后落入t时刻第m个风暴的粒子数目,如果大于阈值Tr,本发明设为0.5,则t时刻的第m个风暴被认为是由t-1时刻的第k个风暴发展而来的。
(2)风暴漏测的处理。使用延迟逻辑来解决这个问题,即在当前时刻不做出决策,而是延迟一个或多个时刻,直到有充分多的信息时才做出决策。首先,在t-2时刻,对风暴做均匀抽样并进行一步预测;然后,在t-1时刻,对一步预测得到的新的粒子更新权重w,方法如下:
4.强风暴的预警:首先,对最近时刻及前一时刻的雷达数据,计算其组合反射率因子图像,使用光流法计算得到运动矢量场;然后对每一个识别的风暴,计算其所覆盖区域的平均运动矢量(Vave);最后,使用Vave和风暴的质心位置,预警未来时刻的风暴位置;对风暴的顶高、体积等属性参数,使用一阶线性模型预警。
5.结果输出:不难将以上方法编制成软件系统在计算机上,以图像形式显示出来。
本发明的优点:可以有效的消除风暴的虚假合并,而且能够在回波分布较密集的情况下正确地识别风暴;在风暴追踪过程中充分考虑了可能的风暴漏测情况,有效解决了风暴的分裂与合并问题;结合使用回波运动矢量场和一阶线性模型进行预警,得到更稳定的结果。
附图说明
图1是本发明的强风暴的预警方法的流程示意图。
具体实施方式
如图1是本发明的强风暴预警方法的实现步骤如下:
1.数据预处理。首先进行质量控制,去除质量有严重问题的雷达基数据。然后采用径向和方位上的最近邻居法和垂直线性内插法,将极坐标系下的基数据插值到三维地理坐标下。
2.强风暴的识别。主要步骤如下:
1)使用第一级阈值Tz,min,使用三维聚类法进行风暴的识别。
2)对第1)步识别得到的三维风暴进行一次腐蚀操作,消除相邻风暴之间的微弱连接,从而解决虚假合并的问题。
3)依次使用阈值Tz,1=Tz,min+(i-1)×5dBZ,i=2…Nthresh,进行风暴的识别,并对识别的结果进行腐蚀和膨胀操作,从而逐级地分离出风暴簇中强弱不均的各个风暴单体。
3.强风暴的追踪:将序贯蒙特卡洛方法的原理应用于风暴的追踪,其基本过程是一个随着时间序列进行迭代的过程,每次迭代包括三步:抽样,预测和测量。
(1)对相邻时刻风暴的追踪
a)抽样。对t-1时刻的每一个被识别出来的风暴,在其覆盖的区域内进行重要性抽样,抽样时考虑每一个样本所处位置处的反射率因子的大小,抽样的粒子数为:
NPk=floor(Ak),k=1...Ni-1
其中,Ak为第k个风暴的投影面积,大小在30~1000km2。Nt-1为t-1时刻检测到的风暴总数。Floor(Ak)是指取不超过Ak的最大整数。
对每一个粒子状态以它所在的位置坐标x=(x,y)表示。同时,为每个粒子分配其所属风暴的标识号和一个相同的权重w。暴体的标识号用来在后继的预测和测量阶段区分属于不同风暴的粒子。对t-1时刻的第k个风暴,从中抽样得到的粒子集合可以表示为:
b)预测。通过使一个粒子都通过一阶线性系统模型:
xt=xt-1+Vt×Δt+ω(t)
得到在下一个时刻的预测位置。其中,Vt是由光流法计算得到的点(x,y)处的运动矢量。Δt是雷达的采样间隔,一般是5~10分钟。ω(t)是均值为0,方差为σ2的高斯噪声。
其中,Am是t时刻第m个风暴的面积,Ak是t-1时刻第k个风暴的面积。NFm,k是指从t-1时刻第k个风暴抽样出来的所有粒子中,经一步预测之后落入t时刻第m个风暴的粒子数目。
(2)风暴漏测的处理
首先,在t-2时刻,对风暴做均匀抽样并进行一步预测;然后,在t-1时刻,对一步预测得到的新的粒子更新权重w,方法如下:
其中,Ij,t-1是在粒子j所处位置实际观测到的反射率因子的值,NP是在t-2时刻从风暴中抽样的粒子数目,Tzmin是风暴算法中的第1级反射率因子阈值。正规化这些粒子的权重,使得
(3)分裂与合并的处理
4.强风暴的预警。实现方法如下:
(1)风暴运动速度的预警。首先,使用光流法计算得到运动矢量场;然后对每一个识别的风暴,计算其所覆盖区域的平均运动矢量(Vave);最后,使用Vave和风暴的质心位置,预警未来时刻的风暴位置。
(2)对风暴的顶高、体积等属性参数,使用一阶线性模型预警。
5.结果输出:不难将以上方法编制成软件系统在计算机上,以图像形式显示出来。
用本发明的方法,可以得到5-10分钟间隔的雷达实时监测图像,并同时给出风暴的识别、追踪和预警结果信息,为强对流天气的预警提高重要的参考依据,具有广阔的应用前景。
Claims (4)
1.一种强风暴的自动预警方法,其步骤如下:
(1)、数据预处理:首先进行质量控制,去除质量有严重问题的雷达基数据,然后采用径向和方位上的最近邻居法和垂直线性内插法,将极坐标系下的基数据插值到三维地理坐标下;
(2)、强风暴的识别:本发明提出了基于数学形态学的风暴识别方法,首先使用第一级阈值进行单阈值识别;其次,对识别得到的风暴执行腐蚀操作,以消除虚假合并;然后,使用高一级阈值进行识别,并对识别得到的风暴.体进行膨胀操作,当风暴的边界在膨胀的过程中相互之间接触,或接触到了原来较低阈值识别的风暴的边界时,则停止膨胀过程;最后,逐次使用更高级别的阈值进行识别,并在每一个级阈值的识别过程中执行腐蚀和膨胀操作;
(3)、强风暴的追踪:本发明将序贯蒙特卡洛方法应用于风暴的追踪,其基本过程是一个随着时间序列进行迭代的过程,每次迭代包括三步:抽样,预测和测量,从而实时地获得所需要的动态信息;本发明对相邻时刻风暴的追踪采用雷达组合反射率因子图像,抽样所得的每一个粒子都要通过一阶线性系统模型,进行一步预测;
其中,Am是t时刻第m个风暴的面积,Ak是t-1时刻第k个风暴的面积,NFm,k是指从t-1时刻第k个风暴抽样出来的所有粒子中,经一步预测之后落入t时刻第m个风暴的粒子数目,如果大于阈值Tr,本发明设为0.5,则t时刻的第m个风暴被认为是由t-1时刻的第k个风暴发展而来的;
●风暴漏测的处理:使用延迟逻辑来解决这个问题,即在当前时刻不做出决策,而是延迟一个或多个时刻,直到有充分多的信息时才做出决策;
●分裂、合并的处理:根据粒子与风暴边界的相对位置,使用一种几何方法判断,如果t时刻的两个风暴都是由t-1时刻的同一个风暴发展而来的,则认为t-1时刻的这个风暴发生了分裂;类似地,可以判别合并的情况;
(4)、强风暴的预警:首先,对最近时刻及前一时刻的雷达数据,计算其组合反射率因子图像,使用光流法计算得到运动矢量场;然后对每一个识别的风暴,计算其所覆盖区域的平均运动矢量(Vave);最后,使用Vave和风暴的质心位置,预警未来时刻的风暴位置;对风暴的顶高、体积等属性参数,使用一阶线性模型预警;
(5)、结果输出:不难将以上方法编制成软件系统在计算机上,以图像形式显示出来。
2.如权利要求1所述的强风暴预警方法,其特征是步骤(2)中风暴的三维识别采用了基于数学形态学的方法,即通过在多阈值识别过程中,综合使用膨胀和腐蚀操作,可以成功地识别出风暴的虚假合并,并从风暴簇中分离出相距较近的风暴。
4.如权利要求1所述的强风暴预警方法,其特征是步骤(4)中结合光流法得到的运动矢量场,进行线性拟合外推预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101909262A CN102721987A (zh) | 2012-06-12 | 2012-06-12 | 多普勒雷达遥感强风暴的预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101909262A CN102721987A (zh) | 2012-06-12 | 2012-06-12 | 多普勒雷达遥感强风暴的预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102721987A true CN102721987A (zh) | 2012-10-10 |
Family
ID=46947803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101909262A Pending CN102721987A (zh) | 2012-06-12 | 2012-06-12 | 多普勒雷达遥感强风暴的预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102721987A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103529492A (zh) * | 2013-09-22 | 2014-01-22 | 天津大学 | 基于多普勒雷达反射率图像的风暴体位置及形态预测方法 |
CN104237890A (zh) * | 2014-09-03 | 2014-12-24 | 天津大学 | 一种由“列车效应”引起的暴雨识别及预报方法 |
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 |
CN105894741A (zh) * | 2016-05-04 | 2016-08-24 | 南京信息工程大学 | 一种多资源融合的洪水灾害监测预警装置及方法 |
CN107229084A (zh) * | 2017-06-08 | 2017-10-03 | 天津大学 | 一种自动识别,跟踪并预测对流系统目标的方法 |
CN107436987A (zh) * | 2016-05-26 | 2017-12-05 | 江苏省气象台 | 一种热对流风暴演变预报概念模型的建立方法 |
CN108020840A (zh) * | 2017-11-20 | 2018-05-11 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
CN109100722A (zh) * | 2018-07-25 | 2018-12-28 | 南京信息工程大学 | 基于雷达回波图像扇区分量分析的风暴趋势预测方法 |
CN109300143A (zh) * | 2018-09-07 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 运动向量场的确定方法、装置、设备、存储介质和车辆 |
CN110687618A (zh) * | 2019-09-25 | 2020-01-14 | 天津大学 | 一种多单体对流系统短时强降水事件的自动临近预报方法 |
CN111366989A (zh) * | 2020-03-23 | 2020-07-03 | 上海眼控科技股份有限公司 | 天气预报方法、装置、计算机设备及存储介质 |
CN112232674A (zh) * | 2020-10-16 | 2021-01-15 | 中国气象局气象探测中心 | 一种气象灾害评估方法、装置和系统 |
CN112347872A (zh) * | 2020-10-23 | 2021-02-09 | 重庆市气象台 | 一种基于地面观测的雷暴大风风暴体标识方法及系统 |
CN114740550A (zh) * | 2022-06-14 | 2022-07-12 | 广东海洋大学 | 一种连续风暴事件智能识别预警方法及系统 |
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 |
CN112347872B (zh) * | 2020-10-23 | 2024-05-31 | 重庆市气象台 | 一种基于地面观测的雷暴大风风暴体标识方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937078A (zh) * | 2009-06-30 | 2011-01-05 | 深圳市气象局 | 基于边界识别追踪技术的雷暴云团的临近预报方法和系统 |
-
2012
- 2012-06-12 CN CN2012101909262A patent/CN102721987A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937078A (zh) * | 2009-06-30 | 2011-01-05 | 深圳市气象局 | 基于边界识别追踪技术的雷暴云团的临近预报方法和系统 |
Non-Patent Citations (3)
Title |
---|
LEI HAN ET AL.: "A stochastic method for convective storm identification, tracking and nowcasting", 《ELSEVIER》, vol. 18, no. 12, 10 December 2008 (2008-12-10), pages 1557 - 1563 * |
王敏等: "基于FY2C卫星的暴雨云团自动预警方法", 《计算机工程》, vol. 36, no. 14, 30 July 2010 (2010-07-30) * |
肖艳娇等: "新一代天气雷达网资料的三维格点化及拼图方法研究", 《气象学报》, vol. 64, no. 5, 30 October 2006 (2006-10-30) * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103529492A (zh) * | 2013-09-22 | 2014-01-22 | 天津大学 | 基于多普勒雷达反射率图像的风暴体位置及形态预测方法 |
CN104237890A (zh) * | 2014-09-03 | 2014-12-24 | 天津大学 | 一种由“列车效应”引起的暴雨识别及预报方法 |
CN104237890B (zh) * | 2014-09-03 | 2016-06-08 | 天津大学 | 一种由“列车效应”引起的暴雨识别及预报方法 |
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 |
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 |
CN105894741A (zh) * | 2016-05-04 | 2016-08-24 | 南京信息工程大学 | 一种多资源融合的洪水灾害监测预警装置及方法 |
CN105894741B (zh) * | 2016-05-04 | 2017-12-19 | 南京信息工程大学 | 一种多资源融合的洪水灾害监测预警装置及方法 |
CN107436987B (zh) * | 2016-05-26 | 2021-03-12 | 江苏省气象台 | 一种热对流风暴演变预报概念模型的建立方法 |
CN107436987A (zh) * | 2016-05-26 | 2017-12-05 | 江苏省气象台 | 一种热对流风暴演变预报概念模型的建立方法 |
CN107229084B (zh) * | 2017-06-08 | 2019-08-27 | 天津大学 | 一种自动识别,跟踪并预测对流系统目标的方法 |
CN107229084A (zh) * | 2017-06-08 | 2017-10-03 | 天津大学 | 一种自动识别,跟踪并预测对流系统目标的方法 |
CN108020840A (zh) * | 2017-11-20 | 2018-05-11 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
CN108020840B (zh) * | 2017-11-20 | 2021-08-13 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
CN109100722A (zh) * | 2018-07-25 | 2018-12-28 | 南京信息工程大学 | 基于雷达回波图像扇区分量分析的风暴趋势预测方法 |
CN109300143A (zh) * | 2018-09-07 | 2019-02-01 | 百度在线网络技术(北京)有限公司 | 运动向量场的确定方法、装置、设备、存储介质和车辆 |
CN109300143B (zh) * | 2018-09-07 | 2021-07-27 | 百度在线网络技术(北京)有限公司 | 运动向量场的确定方法、装置、设备、存储介质和车辆 |
CN110687618A (zh) * | 2019-09-25 | 2020-01-14 | 天津大学 | 一种多单体对流系统短时强降水事件的自动临近预报方法 |
CN110687618B (zh) * | 2019-09-25 | 2021-10-01 | 天津大学 | 一种多单体对流系统短时强降水事件的自动临近预报方法 |
CN111366989A (zh) * | 2020-03-23 | 2020-07-03 | 上海眼控科技股份有限公司 | 天气预报方法、装置、计算机设备及存储介质 |
CN112232674A (zh) * | 2020-10-16 | 2021-01-15 | 中国气象局气象探测中心 | 一种气象灾害评估方法、装置和系统 |
CN112347872A (zh) * | 2020-10-23 | 2021-02-09 | 重庆市气象台 | 一种基于地面观测的雷暴大风风暴体标识方法及系统 |
CN112347872B (zh) * | 2020-10-23 | 2024-05-31 | 重庆市气象台 | 一种基于地面观测的雷暴大风风暴体标识方法及系统 |
CN114740550A (zh) * | 2022-06-14 | 2022-07-12 | 广东海洋大学 | 一种连续风暴事件智能识别预警方法及系统 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102721987A (zh) | 多普勒雷达遥感强风暴的预警方法 | |
Bowler et al. | Development of a precipitation nowcasting algorithm based upon optical flow techniques | |
CN103337133B (zh) | 基于识别预报技术的电网雷暴灾害预警系统及方法 | |
KR102006847B1 (ko) | 다중규모 광학 흐름을 이용한 레이더 초단기 강수 예측을 위한 장치 및 방법 | |
CN102621542B (zh) | 基于多模粒子滤波和数据关联的机动微弱目标检测前跟踪方法 | |
CN101975575A (zh) | 基于粒子滤波的被动传感器多目标跟踪方法 | |
CN104977584A (zh) | 一种对流天气的临近预报方法及系统 | |
CN103529492B (zh) | 基于多普勒雷达反射率图像的风暴体位置及形态预测方法 | |
CN102279424B (zh) | 电网气象灾害预警系统 | |
Bradley et al. | Corrections for wind-speed errors from sodar and lidar in complex terrain | |
CN104501812A (zh) | 基于自适应新生目标强度的滤波算法 | |
CN106019253A (zh) | 基于箱粒子cphd的多扩展目标跟踪方法 | |
Ou et al. | A data‐driven approach to determining freeway incident impact areas with fuzzy and graph theory‐based clustering | |
CN110097223B (zh) | 一种台风灾害下输电线路损毁预警方法 | |
JP6796399B2 (ja) | 電力系統監視装置及びプログラム | |
Glinton et al. | Modulation of precipitation by conditional symmetric instability release | |
KR20120119749A (ko) | 위험기상과 관련된 반사도 셀의 추적 방법 | |
CN104036362A (zh) | 一种台变用电负荷异常数据的快速检测方法 | |
Choi et al. | El Niño effects on influenza mortality risks in the state of California | |
Bao et al. | Application of lightning spatio-temporal localization method based on deep LSTM and interpolation | |
CN111007541B (zh) | 一种卫星导航地基增强系统仿真性能评估方法 | |
CN106772357B (zh) | 信噪比未知条件下的ai-phd滤波器多目标跟踪方法 | |
CN102621543A (zh) | 基于粒子滤波和航迹管理的微弱目标检测前跟踪方法 | |
KR101892502B1 (ko) | 윈드프로파일러를 이용한 srh 산출 시스템 및 이를 이용한 srh 산출 방법 | |
CN101923605B (zh) | 铁路防灾风预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121010 |