CN103424782B - 一种中层径向辐合的自动识别方法 - Google Patents
一种中层径向辐合的自动识别方法 Download PDFInfo
- Publication number
- CN103424782B CN103424782B CN201310289830.6A CN201310289830A CN103424782B CN 103424782 B CN103424782 B CN 103424782B CN 201310289830 A CN201310289830 A CN 201310289830A CN 103424782 B CN103424782 B CN 103424782B
- Authority
- CN
- China
- Prior art keywords
- convergence
- radial
- region
- local maxima
- negative speed
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 abstract description 18
- 238000011160 research Methods 0.000 abstract description 10
- 238000001556 precipitation Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000002310 reflectometry Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000018199 S phase Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000156948 Aphantopus hyperantus Species 0.000 description 1
- 235000005979 Citrus limon Nutrition 0.000 description 1
- 244000131522 Citrus pyriformis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种中层径向辐合的自动识别方法,包括:对辐合场在单仰角径向速度图上的特征进行分析,确定局部最大正-负速度区域的相对关系和相对距离;确定局部最大正和负速度区域的范围,并进行区域分割,获取到若干个正和负速度区域对,选取近距离辐合强度最强的速度区域对;对每个近距离辐合强度最强的速度区域对进行上下垂直搜索,获取径向辐合场,计算径向辐合场的高度、厚度和最大强度,并求取最大强度所对应的高度;根据局部最大正-负速度区域的剖面图剖切方向的规则确定径向辐合场剖面线角度,确定剖面图的剖切线,做出剖面图。本方法使MARC的识别速度从分钟级降低到秒级,提高了检测效率和精准度,有利于展开强对流天气的研究。
Description
技术领域
本发明涉及气象学中识别中层径向辐合领域,特别涉及一种中层径向辐合的自动识别方法。
背景技术
中层径向辐合(Mid-AltitudeRadialConvergence,MARC)的概念是由Przybylinski于1995提出的,它被定义为一个集中在对流风暴的径向速度回波中层(通常3~9km)的辐合区,用以反映伴随对流风暴的前侧向后的强上升气流和后侧入流急流的现象。如果在3~7km的范围内出现25m/s以上的径向速度差,则认为MARC特征是显著的[1][2]。
气象上,辐合场的存在往往对于能量积蓄、以致发展形成强对流天气起关键作用[3][4]。1996年Lemon在发生灾害大风的超级单体的径向速度图中识别出深厚的辐合区[5],Schmocker研究发现利用MARC预报地面大风的提前时间在10~30min[2][6]。2001年8月5日在上海特大暴雨中,邵玲玲等发现强降水回波的发生、发展以及加强和风场中的局地强辐合区相联系[7]。在此后不断地有在暴雨、冰雹、灾害大风等强对流过程的径向速度回波中发现强的中层径向辐合的报道,并分别获得“暴雨中心在径向速度上反映为强烈的辐合[8]”,“中国的暴雨带多为扰动辐合线两侧气流对峙的结果;暴雨发生的天气学条件是对流层低层有源源不断的水汽在一地产生辐合[9]”,“水汽辐合是外面水汽输入与当地水汽输出的综合效果,对于降水的多寡具有决定性的作用[10]”,“降水与水汽辐合有同向关系[11]”,“大气中的降水通常都与气流的辐合上升密切联系[12]”、“中层径向辐合是形成地面大风和冰雹的重要特征[13]”、“MARC可以作为预报地面大风等强对流天气的重要因子[14]”等重要结论。总之中层径向辐合与强对流天气的相关性研究和大量的观测实例,使MARC特征在强对流短时临近预报业务中发挥的作用越发重要。
目前的气象业务中,MARC的寻找和定量化描述主要是借助多普勒天气雷达的反射率回波图像和径向速度回波图像并由人工完成。即首先在较低仰角的反射率回波图像上观测到对流风暴的强回波,再以该回波图像提供的信息在一个比较适宜的角度获得径向速度剖面图,以展示和估计MARC,这个适宜的角度也就自然成为人工寻找MARC的关键。
目前确定剖面角度的主流方法是基于经验的准遍历法。所谓遍历是指沿对流云团中心遍历各个角度,显然所需工作过于繁琐、费时耗力,经验丰富的预报员会依据经验判断出可能出现MARC的角度,进而降低工作强度,提高工作效率。例如,在满足一定的气象条件下,只选择径向角度(云团中心与探测雷达的连线方向)及与其垂直的切向角度下的径向速度剖面图来观察MARC。总之,人工确定MARC的方法存在以下不足:
1)速度慢,经验丰富的预报员也要使用1分钟到几分钟以上的时间,而雷达的实时数据是每隔6分钟更新一次的;
2)结果受到工作人员经验等多因素制约,不能确保得到正确的MARC,不适宜的剖面角度还会漏识MARC;
3)图像被量化成了16个等级,使得通过剖面图估算出的MARC值精准度差;
4)不易展开针对大量历史样本的规模化的相关统计和分析。
发明内容
本发明提供了一种中层径向辐合的自动识别方法,本方法提高了MARC的检测效率和精准度,有利于展开强对流天气的研究,详见下文描述:
一种中层径向辐合的自动识别方法,所述方法包括以下步骤:
对辐合场在单仰角径向速度图上的特征进行分析,确定局部最大正-负速度区域的相对关系和相对距离;
确定局部最大正和负速度区域的范围,并进行区域分割,获取到若干个正和负速度区域对,选取近距离辐合强度最强的速度区域对;
对每个近距离辐合强度最强的速度区域对进行上下垂直搜索,获取径向辐合场,计算径向辐合场的高度、厚度和最大强度,并求取最大强度所对应的高度;确定剖面图的剖切线,做出剖面图。
所述局部最大正-负速度区域的相对关系具体为:
R+<R-
R+为局部最大正速度区域中心到雷达探测中心的距离,R-为局部最大负速度区域中心到雷达探测中心的距离。
所述局部最大正-负速度区域的相对距离具体为:
d(pv+,pv-)≤10km
pv+为局部最大的正速度区域中心点,pv-为局部最大的负速度区域中心点,d为距离。
所述确定局部最大正和负速度区域的范围,并进行区域分割的步骤具体为:
将反射率图上反射率值大于等于40dBZ的区域取出,将此区域外扩10km后用以在径向速度图上圈定搜索局部最大正和负速度区域的范围;
将满足如下条件的正和负速度区域分割出来:
条件1:区域内径向速度取值一致;条件2:区域连通且中间不出现空洞;
条件3:区域面积不超过50个像素单位;条件4:区域速度值大于其周边速度值。
所述获取到若干个正和负速度区域对,选取近距离辐合强度最强的速度区域对的步骤具体为:
将所有分割到的小速度区域s+和s-由负到正、由小到大排序;选出满足如下条件的正和负速度区域对;
条件1:r(s+)-r(s-)>R0
条件2:θ(s+,s-)≤θ0
条件3:v(s+)-v(s-)≥10m/s
条件4:d(s+,s-)≤10km
从多个匹配对中选取条件3最强的那一对。
根据局部最大正-负速度区域的剖面图剖切方向的规则确定径向辐合场剖面线角度,所述局部最大正-负速度区域的剖面图剖切方向的规则具体为:
对MARC值进行从大到小的排列,选取前n个MARC值,将n个MARC值的正、负速度区域中心连线作为获得剖面图的备选剖切线;在多个备选剖切线中,正和负速度区域中心张开角度最小的区域中心连线被最终选中。
本发明提供的技术方案的有益效果是:本方法提出自动识别MARC的方法,使MARC的识别速度从分钟级降低到秒级。利用多普勒雷达信息,自动估算出MARC的强度、高度、厚度、位置等具体信息,并自动给出剖面图,使结果更加立体化。利用大量的历史实况样本展开MARC与强对流天气的相关性研究。
附图说明
图1为相同仰角下相近探测波束对速度相同的不同运动粒子的探测分量示意图;
图2为形成辐合的局部最大正/负速度区域中心关系示意图;
图3为获得剖面图的剖切线方法示意图;
图4为自动识别MARC的过程示意图;
其中,(a)2.4°仰角反射率图;(b)2.4°仰角径向速度图;(c)滤除(a)图中低反射率值后的结果;(d)用图(c)在图(b)上圈定的搜索范围;(e)对(d)图进行区域筛选及区域对的匹配;(f)MARC的相关参数;(g)展示MARC的剖面图;
图5为基于测试样本的MARC值高度的分布
图6为加上零度层高度信息后MARC值的高度在冰雹和暴雨中的关系分布图;
图7为MARC值和冰雹尺寸的关系;
图8为一种中层径向辐合的自动识别方法的流程图。
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。
为了提高MARC的检测效率和精准度,有利于展开强对流天气的研究,本发明实施例提供了一种中层径向辐合的自动识别方法,包括:根据大气运动原理、物理和数学的方法,通过分析得到结论:发生辐合的强上升气流和下沉入流急流在单一探测仰角下的径向速度图上一定会同时出现局部的最大正速度区和局部的最大负速度区;利用图像处理技术,首先选取1.5°仰角的反射率图和速度图进行处理,即在1.5°仰角反射率图上提取有效区域,再在1.5°仰角速度图相应区域上进行区域分割,速度对匹配等。对于剩下的8个仰角进行相同的操作,并进行厚度的延伸检验,以确定MARC的强度、高度、厚度、位置等信息给出的MARC的位置信息,自动做出剖面图,用以检验和修正MARC的参数信息,详见下文描述:
101:对辐合场在单仰角径向速度图上的特征进行分析,确定局部最大正-负速度区域的相对关系和相对距离;
辐合场在单仰角径向速度图上的表现特点分析:虽然辐合场在径向速度特定剖面图上的特征是明显的,但剖面图是多普勒基数据的导出产品,需要靠经验借助多普勒雷达基数据形成的反射率图像和径向速度图像多次人工试剖。实际上,风暴前端和后侧同时存在的上升气流和下沉气流,在风垂直切变环境下会发生倾斜,而非严格的垂直性运动,从而使雷达能够探测到气流中携带粒子的径向速度。
1.局部不变的辐合场在单仰角的径向速度图上的表现特点:
设粒子A的运动矢量位于与地面呈夹角γ的斜平面S上,如图1所示:多普勒天气雷达在探测仰角α下探测射线旋转到角度β时与粒子A相遇,过该探测射线向地面作垂线,得到垂直平面SA,SA与S相交于直线l,l与地面的夹角为γ(α<γ<π/2)、与的夹角为ρ,则经该探测射线得到对的探测分量(径向分量)vAJ如式(1)所示:
随着雷达波束的转动,探测波束与粒子B相遇,如图1所示,由于B与A相距不远,认为两者的运动方向和强度不变,即粒子B的运动矢量也在斜平面S上。过雷达波束向地面作垂线,得到垂直平面SB,SB与S相交于直线l′,设l′与地面的夹角为γ′、与的夹角为ρ′。与探测射线对的探测分量类似,探测射线对的探测分量vBJ为
容易分析出,γ′<γ、ρ′<ρ,因此若γ′≥α,则vBJ>vAJ。
一般的,在雷达固定的探测仰角下,任意一探测射线的分量vJ(包括vAJ和vBJ)的大小与角度ρ及角度γ相关,而ρ和γ由雷达射线角度β决定。
更一般的,设点PA周围气流的方向和强度相同,由于雷达探测射线角度β的变化,使得同仰角下探测到的粒子运动矢量的分量vJ(β)因β的不同而不同,其中,总是存在一个小区域,使得经过该小区域的、位于{β0±Δ}角度区间的射线使cosρ·cos(γ-α)最大或接近最大,此时
vJ(β0±Δ)=vJmax(3)
其中β0使cosρ·cos(γ-α)最大,Δ是因vJ(β0)被量化后使vJ(β0)=vJ(β0±Δ)而加入的。
也就是说,发生辐合的强上升气流和下沉入流急流在单一探测仰角下的径向速度图上一定会同时出现局部的最大正速度区和局部的最大负速度区,两区域的相对关系和相间距离受到实际辐合场的约束。
2.局部最大正-负速度区域的相对关系
如前所述,实际的强上升气流和下沉气流急流同时反映在雷达径向速度图上时,正的最大速度区和负的最大速度区共存。
设由辐合场形成的径向速度图上的局部最大正-负速度区域中心到雷达探测中心的距离分别为R+和R-,如图2所示。按照正或负径向速度方向的约定,即负的径向速度指向雷达中心,正的径向速度的方向与其相反。那么因强风暴的上升气流和下沉气流呈辐合态势,则一定有
R+<R-(4)
3.最大正-负速度区域的相对距离
设pv+为局部最大的正速度区域中心点,pv-为局部最大的负速度区域中心点,d(pv+,pv-)为正-负速度区域中心的距离,为正-负速度区域的近似平均半径,根据d(pv+,pv-)-r(s+,s-)≤7km,本文设即
d(pv+,pv-)≤10km(5)
简言之,空间辐合流场反应在单仰角的径向速度上,会同时出现局部的最大正速度小区域和局部的最大负速度小区域,两个小区域中心相距不远于10km,且正速度区域总是靠近雷达一侧。借助多探测仰角下的正-负速度区域对,可以判定显著MARC的存在、估算辐合场厚度并自适应地选出展示径向辐合场的剖面图的角度。
102:确定局部最大正和负速度区域的范围,并进行区域分割,获取到若干个正和负速度区域对,选取近距离辐合强度最强的速度区域对;
设多普勒天气雷达以9个仰角模式探测强对流天气,以下1-4所述适合于9个仰角下的任何一组探测图像,每组图像由反射率因子图像和径向速度图像组成。即用a表示仰角,a等于0.5°、1.5°、2.4°、3.4°、4.5°、6.0°、9.9°、14.5°和19.5°,,分别求取近距离辐合强度最强的速度区域对。
1最大正-负速度区域搜索范围的确定
鉴于强对流天气主体区域的雷达反射率因子一定会超过40dBZ的强度,而随之存在的中层径向辐合一般会限定在该区域内[15],因此仅将反射率图上反射率值大于等于40dBZ的区域取出,考虑到强对流风暴反射率值可能的高梯度变化和流场的性质,将此区域外扩10km[16]后用以在径向速度图上圈定搜索局部最大正和负速度区域的范围。
2对最大正-负速度区域搜索范围进行区域分割
利用区域生长算法,在径向速度图的限定范围内,将满足如下条件的正和负速度区域分割出来:
条件1:区域内径向速度取值一致;
条件2:区域连通且中间不出现空洞;
条件3:区域面积不超过50个像素单位;
条件4:区域速度值大于其周边速度值。
3配置正和负速度区域对
1)将所有分割到的小速度区域s+和s-由负到正、由小到大排序,得到 其中ik(k=1,…m)及jl(l=1,…n)表示第k个负速度取值或第l个正速度取值的小区域数。
2)从开始对所有可能的“速度区域对”进行遍历,选出满足如下条件的正或负速度区域对。
条件1:r(s+)-r(s-)>R0
条件2:θ(s+,s-)≤θ0
条件3:v(s+)-v(s-)≥10m/s
条件4:d(s+,s-)≤10km
其中,r表示半径,θ表示夹角,v表示速度,d表示距离,条件1和条件2是对“径向辐合”的体现,条件1与公式(4)相一致,R0、θ0是小的正整数(根据实际应用中的需要进行设定),例如设定R0=2km、θ0=5°;条件3是依据对流场最低速度差值[17]给定的“辐合”强度的下限;条件4是对公式(5)的反映。
4简约近距离的速度区域对
“遍历”的配对策略一般会导致结果的冗余,考虑到一个强核单体中通常仅与一个辐合场相伴,因此若在一个独立的搜索范围内存在2个以上的配置结果,则从多个匹配对中选取辐合强度(条件3)最强的那一对。
103:对每个近距离辐合强度最强的速度区域对进行上下垂直搜索,获取径向辐合场,计算径向辐合场的高度、厚度和最大强度,并求取最大强度所对应的高度;
形成辐合场的初步描述
辐合场一般会被雷达的多个探测仰角探测到,鉴于MARC是在中层定义的,而对于雷达图像来说,在径向38~230km(后者是雷达的有效探测距离)的范围内,1.5°仰角探测图像中对应的高度范围为1~6km,基本位于中层[18],所以首选1.5°仰角下得到的近距离辐合强度最强的速度区域对进行上、下搜索。设由1.5°仰角下的“正-负速度区域对”(s+,s-)1.5°对其他8个仰角上下垂直搜索,
得到“区域对”组合α1<α2<…<αk,α1≥0.5°,αk≤19.5°},“区域对”的速度差依次为其中Δv=v(s+)-v(s-),这时当且仅当
则认为找到了径向辐合场。其中ΔVM为最大速度差。
1)辐合场的高度及厚度估计
设“区域对”的正和负区域中心的极坐标依次为(β1+,R1+)和(β1-,R1-),“区域对”的正和负区域中心的极坐标依次为(β2+,R2+)和(β2-,R2-),则辐合场的最低高度Hmin、最高高度Hmax及辐合场的厚度W估计如下:
Hmin=R1+·sinα1(7)
Hmax=R2-·sinαk(8)
W=Hmax-Hmin(9)
2)辐合场的强度(MARC)估计
本文用由k个“速度区域对”提供的速度差中最大的值作为MARC的估计MARC,即
任取一仰角αm,并将正区域中心p+(αm)和负区域中心p-(αm)间的连线中点高度初步估计为该MARC值所处的高度,即
其中,R(αm,p+)表示仰角αm上正区域中心点p+到雷达的距离,R(αm,p-)表示仰角αm上负区域中心点p-到雷达的距离。
特别需要指出的是,式(10)给出的MARC的估计方法没有加入“中层”这一约束,这一条件的放宽是为方便展开径向辐合场的高度及强度与历史上强对流天气关系的研究考虑的。
确定径向辐合场剖面图的剖切线并获得剖面图
设MARC的强度是借助“速度区域对”估计的,过两个区域中心点形成直线段L如图3所示,该直线段被作为获得剖面图的剖切线。
借助剖面图,对由式(11)估计的MARC所在高度进行厚度延展
在存在显著MARC的剖面图中,有些情况下会观察到最强MARC具有一定的厚度,受基于点的计算方案(式11)的局限,仅借助“正-负速度区域对”无法给出这一厚度的定量描述,而需要借助剖面图完成。
104:根据局部最大的正-负速度区域的剖面图剖切方向的规则确定径向辐合场剖面线角度;确定剖面图的剖切线,并作出剖面图。
按照多普勒天气雷达的探测原理,在径向速度图上局部最大的正速度区域和负速度区域的径向方向应该是最贴合于实际流场的方向,基于此,特将局部最大的正、负速度区域中心连线作为展示局部辐合场的剖切线,考虑到风暴气流场中垂直风切变的存在,会导致强风暴中辐合场方向随高度变化,因而造成多仰角下的多个正-负速度区域中心连线方向不严格一致。因此,建立基于正-负速度区域的剖面图剖切方向的规则如下:
规则1:对MARC值进行从大到小的排列,选取前n个MARC值,将n个MARC值的正、负速度区域中心连线作为获得剖面图的备选剖切线;
规则2:在多个备选剖切线中,正和负速度区域中心张开角度最小的区域中心连线被最终选中。
下面以具体的实验来验证本发明实施例提供的一种中层径向辐合的自动识别方法的可行性,详见下文描述:
组织天津地区2005-2011年期间30个含有大风实况的强对流过程的456个样本、没有大风实况记录但存在显著MARC的3个强降水过程的30个样本、没有大风实况记录且没有发现存在显著MARC的强降水样本356个进行自动识别“中层径向辐合”算法的测试,测试方案的步骤如下:
1)对不同类型的强对流天气的单体样本在自动识别“中层径向辐合”的基础上,给出相关参数估计和自动剖面图;
2)对相同的样本,在自动剖切角度的两侧各旋转2°以各增加2张剖面图,作为自动获取的剖面图的参照组;
3)对通过自动识别算法未识别到MARC的样本,人工遍历剖切得到剖面图以验证是否确实不存在MARC;
4)就测试结果进行统计分析。
图4给出了通过上述MARC识别方法得到中层径向辐合信息及MARC估值的过程示例,其中,图(a)是2005年7月9日天津塘沽雷达1.5°探测仰角下的反射率图像,取40dBZ为阈值,将相关区域外扩10km以后获得局部最大速度区域的搜索范围如图(c)所示,该搜索范围在同仰角的图(b)示出的径向速度图上圈定出图(d)的结果,经区域分割后得到图(e),然后配置并简约正-负区域对(用小圈标注在图a和图b中)。通过多个仰角下的一组“区域对”,得到MARC的估计如图(f)所示,即在2.4°仰角的径向速度图上,正速度区域中心负速度区域中心因而得到MARC的估计MARC=15-(-27)=42m/s,辐合场的厚度估计W=5.47-2.73=2.74m/s,通过与径向呈(331°-327°=)4°夹角的剖切线,得到图(g)剖面图,图中雷达位于左侧,中层的辐合场清晰可见,且厚度可延伸到(7-1.5)=5.5km。
就计算出的MARC值的高度而言,发现伴随强降水的大风样本普遍低于伴随强冰雹的大风样本。
表3是这两类样本的数量以及关于MARC估值所处高度的参数统计,图5是基于所有测试样本的MARC估值的高度分布。直观地看,MARC估值的高度对于“伴随强降水的大风”和“伴随强冰雹的大风”两类情形明显不同,且伴有强冰雹的大风3km以下几乎无径向辐合。
设这两类分别来自两个总体服从正态分布,且方差相同,均值分别为u1和u2,下面根据表3所示测试数据推断由MARC估值的“高度”描述的这两个总体有无显著性差异。即假设u1=u2,使用式(12)所示的服从t分布的统计量展开置信水平(1-α)的检验。
式中分别为两类大风(伴随强冰雹或强降水)样本的MARC估值所处高度的均值,分别为对应的方差。
取显著性水平α=0.01,则tα/2(n1+n2-2)=t0.005(194),查表得t0.005(194)<2.617。由于因此推翻原假设,认为MARC估值所处的高度在伴有大风的短时强降水和强冰雹之间具有显著性差异。
一、MARC的识别精度测试
MARC的识别率为100%,自动剖面图能清晰展现MARC且高度未被明显低估的为97%,如表1所示:
表1雷雨大风对象显著性MARC的自动识别及其剖面图的有效性
二、MARC单因子与雷雨大风的关系如表2所示
表2单一因子MARC对一类雷雨大风的击中率、空报率、漏报率及CSI指标
三、MARC的高度信息在区分大风冰雹和大风暴雨天气中的贡献研究
表3测试样本数量及相关统计参数
通过t分布假设检验,得到MARC估值所处的高度在伴有大风的短时强降水和强冰雹之间具有显著性差异。
进一步研究发现,对以上MARC的高度,当加上每个过程对应的零度层高度时,大风冰雹天气和大风暴雨天气具有很好的可分性。图6给出了加上零度层高度以后,MARC的高度在大风冰雹和大风暴雨天气中的可分性关系。图中每个小圆圈对应一个MARC,深灰度圆圈表示大风冰雹天气中检测到的MARC,浅灰度圆圈表示大风暴雨天气中检测到的MARC,横坐标为零度层高度,纵坐标为该MARC的高度。
四、MARC值的大小与最大冰雹尺寸的相关性研究
选取天津地区2005-2012年具有冰雹实况的基数据,对14个存在MARC的冰雹过程进行了最大MARC值和最大冰雹尺寸的分析研究,结果发现,在零度层至零度层以上4km高度的范围内,最大MARC值和最大冰雹尺寸存在很好的线性关系,相关系数为0.933。拟合直线方程得到
y=1.32x-17.72
其中x为最大MARC值,y为最大冰雹尺寸。
直线方程如图7所示,横坐标为最大冰雹尺寸,纵坐标为MZRC值的大小。
参考文献
[1]PrzybylinskiRW.Thebowecho:Observation,numericalsimulation,andsevereweatherdetectionmethods.WeatherandForecasting,1999,10:203-218.
[2]章国材.强对流天气分析与预报.北京:气象出版社,2011.ZhangGC.Strongconvectionweatheranalysisandforecasting(inChinese).Beijing:ChinaMeteorologicalPress.2011.
[3]冉令坤,周玉淑,杨文霞.强对流降水过程动力因子分析和预报研究.物理学报,2011,60(9):099201.
RanLK,ZhouYS,YangWX.Analysisandforecastingofheavy-rainfalleventbystrongconvection.ActaPhys.Sin.(inChinese),2011,60(9):099201.
[4]ErnaniDeLimaNascimento,KelvinKDroegemeier.DynamicAdjustmentinaNumericallySimulatedMesoscaleConvectiveSystem:ImpactoftheVelocityField.JournaloftheatmosphericSciences,2006,63:2246.
[5]LemonLR,ParlerS.TheLahomastormdeepconvergencezone:itscharacteristicsandroleinstormdynamicsandseverity.Preprints,conferenceonSevereLocalStorm.SanFracisco,CA.,Amer.Meteor.Soc.1996,70-75.
[6]SchmockerGK,Co-author.Forecastingtheinitialonsetofdamagingdownburstwindsassociatedwithamesoscalconvectivesystem(MCS)usingthemidaltituderadialconvergence(MARC)signature.Preprints,15thConf.onWeatherAbalysisandForecasting,Norfoik,VA,Ame.Meteor.Soc.1996,306-311.
[7]邵玲玲,黄炎.上海“8.5”特大暴雨的成因和特点.气象,2002,28(8):47-50.
ShaoLL,HuangY.MechanismandCharacteristicsoftheSevereHeavyRainfallinShanghaion5August2001.MeteorologicalMonthly(inChinese),2002,28(8):47-50.
[8]祈丽燕,农孟松,王冀.2009年7月2-4日广西暴雨过程的中尺度特征.气象,2012,38(4):438-447.
QiLY,NongMS,WangJ.MesoscaleAnalysisofthe2-4July2009HeavyRainfallinGuangxi.MeteorologicalMonthly(inChinese),2012,38(4):438-447.
[9]钱维宏,单晓龙,朱亚芬.天气尺度扰动流场对区域暴雨的指示能力.地球物理学报,2012,(5):1513-1522.
QIANWH,SHANXL,ZHUYF.Capabilityofregional-scaletransientwindanomaliestoindicateregionalheavyrains.ChineseJ.Geophys.(inChinese),2012,(5):1513-1522.
[10]赵瑞霞,吴国雄,张宏.夏季风期间长江流域的水汽输送状态及其年际变化.地球物理学报,2008,51(6):1670-1681.
ZHAORX,WUGX,ZHANGH.SeasonalcharacteristicandinterannualvariabilityoftheatmospherichydrologicalcycleintheYangtzeRiverbasinduringthesummermonsoonperiod.ChineseJ.Geophys.(inChinese),2008,51(6):1670-1681.
[11]陈际龙,黄荣辉.亚洲夏季风水汽输送的年际年代际变化与中国旱涝的关系.地球物理学报,2008,51(2):352-359.
CHENJL,HUANGRH.InterannualandinterdecadalvariationsofmoisturetransportbyAsiansummermonsoonandtheirassociationwithdroughtsorfloodsinChina.ChineseJ.Geophys.(inChinese),2008,51(2):352-359.
[12]陈忠明,杨康权,伍红雨.湿斜压热动力耦合强迫激发辐合增长和暴雨维持的一种机制.物理学报,2009,58(6):4362-4371.
ChenZM,YangKQ,WuHY.Mechanismofheavyrainfallmaintenanceandincrementinconvergenceexcitedbycouplingforcesbetweendynamicandthermodynamicfields.ActaPhys.Sin.(inChinese),2009,58(6):4362-4371.
[13]陈贵川,谌芸,乔林等.重庆“5.6”强风雹天气过程成因分析.气象,2011,37(7):871-879.ChenGC,ChenY,QiaoL,etal.TheCausationAnalysisofthe6May2010SevereWindstormWeatherProcessinChongqing.MeteorologicalMonthly(inChinese),2011,37(7):871-879.
[14]BrianAKlimowski,MarkRHjelmfelt,MatthewJBunkers.RadarObservationsoftheEarlyEvolutionofBowEchoes.WeatherandForecasting,2004,19:727-734.
[15]俞小鼎.多普勒天气雷达原理与业务应用.北京:气象出版社.2006.
YuXD.Dopplerradarprincipleandbusinessapplications.Beijing:ChinaMeteorologicalPress.2006.
[16]王彦,唐熠,赵金霞等.天津地区雷暴大风天气雷达产品特征分析.气象,2009,35(5):91-96.WangY,TangY,ZhaoJX,etal.StatisticalCharactersofDopplerWeatherRadarDataonThunderstorms.MeteorologicalMonthly(inChinese),2009,35(5):91-96.
[17]Andra,DL.TheoriginandevolutionoftheWSR-88Dmesocyclonerecognitionnomogram.Preprints,28thConf.onRadarMeteorology,Austin,TX,Amer.Meteor.Soc.1997,364–365.
[18]李军霞,任晓霞,晋立军等.多普勒雷达速度图像中逆风区的统计特征分析.山西气象,2008,3:18-20,38.
LiJX,RenXX,JinLJ,etal.AnalysisofAdverseWindRegionFeaturesinDopplerRadarVelocityImage.JournalofShanxiMeteorology(inChinese),2008,3:18-20,38.
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 (5)
1.一种中层径向辐合的自动识别方法,其特征在于,所述方法包括以下步骤:
对辐合场在单仰角径向速度图上的特征进行分析,确定局部最大正-负速度区域的相对关系和相对距离;
确定局部最大正和负速度区域的范围,并进行区域分割,获取到若干个正和负速度区域对,选取近距离辐合强度最强的速度区域对;
对每个近距离辐合强度最强的速度区域对进行上下垂直搜索,获取径向辐合场,计算径向辐合场的高度、厚度和最大强度,并求取最大强度所对应的高度;
根据局部最大正-负速度区域的剖面图剖切方向的规则确定径向辐合场剖面线角度,确定剖面图的剖切线,做出剖面图。
2.根据权利要求1所述的一种中层径向辐合的自动识别方法,其特征在于,所述局部最大正-负速度区域的相对关系具体为:
R+<R-
R+为局部最大正速度区域中心到雷达探测中心的距离,R-为局部最大负速度区域中心到雷达探测中心的距离。
3.根据权利要求1所述的一种中层径向辐合的自动识别方法,其特征在于,所述局部最大正-负速度区域的相对距离具体为:
d(pv+,pv-)≤10km
pv+为局部最大的正速度区域中心点,pv-为局部最大的负速度区域中心点,d为距离。
4.根据权利要求1所述的一种中层径向辐合的自动识别方法,其特征在于,所述确定局部最大正和负速度区域的范围,并进行区域分割的步骤具体为:
将反射率图上反射率值大于等于40dBZ的区域取出,将此区域外扩10km后用以在径向速度图上圈定搜索局部最大正和负速度区域的范围;
将满足如下条件的正和负速度区域分割出来:
条件1:区域内径向速度取值一致;条件2:区域连通且中间不出现空洞;
条件3:区域面积不超过50个像素单位;条件4:区域速度值大于其周边速度值。
5.根据权利要求1所述的一种中层径向辐合的自动识别方法,其特征在于,所述局部最大正-负速度区域的剖面图剖切方向的规则具体为:
对径向辐合场的最大强度值进行从大到小的排列,选取前n个值,将n个值的正、负速度区域中心连线作为获得剖面图的备选剖切线;在多个备选剖切线中,正和负速度区域中心张开角度最小的区域中心连线被最终选中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310289830.6A CN103424782B (zh) | 2013-07-11 | 2013-07-11 | 一种中层径向辐合的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310289830.6A CN103424782B (zh) | 2013-07-11 | 2013-07-11 | 一种中层径向辐合的自动识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103424782A CN103424782A (zh) | 2013-12-04 |
CN103424782B true CN103424782B (zh) | 2016-06-08 |
Family
ID=49649797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310289830.6A Expired - Fee Related CN103424782B (zh) | 2013-07-11 | 2013-07-11 | 一种中层径向辐合的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103424782B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470319B (zh) * | 2018-01-31 | 2021-11-12 | 天津大学 | 基于辐合面三维重建估算主上升/下沉气流速度的方法 |
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 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4649388A (en) * | 1985-11-08 | 1987-03-10 | David Atlas | Radar detection of hazardous small scale weather disturbances |
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 |
CN102289594A (zh) * | 2011-08-19 | 2011-12-21 | 中国科学院地理科学与资源研究所 | 海洋中尺度涡旋自动识别与过程重构算法 |
CN102645679A (zh) * | 2012-03-13 | 2012-08-22 | 天津大学 | 一种基于多普勒天气雷达回波图像的中气旋识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006308287A (ja) * | 2005-04-26 | 2006-11-09 | Railway Technical Res Inst | 気象予報モデルの出力値を用いた風速増加量の推定方法 |
-
2013
- 2013-07-11 CN CN201310289830.6A patent/CN103424782B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4649388A (en) * | 1985-11-08 | 1987-03-10 | David Atlas | Radar detection of hazardous small scale weather disturbances |
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 |
CN102289594A (zh) * | 2011-08-19 | 2011-12-21 | 中国科学院地理科学与资源研究所 | 海洋中尺度涡旋自动识别与过程重构算法 |
CN102645679A (zh) * | 2012-03-13 | 2012-08-22 | 天津大学 | 一种基于多普勒天气雷达回波图像的中气旋识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103424782A (zh) | 2013-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111427100B (zh) | 一种台风中心定位方法、装置及台风路径生成方法 | |
CN106950614B (zh) | 一种区域自动气象站小时雨量数据质量控制方法 | |
CN110058328B (zh) | 东北夏季降水多模式组合降尺度预测方法 | |
Kim et al. | Cluster analysis of tropical cyclone tracks over the western North Pacific using a self-organizing map | |
CN102628944B (zh) | 一种基于多普勒雷达资料的层云与对流云自动识别方法 | |
CN110019595B (zh) | 一种多源气象数据集成方法及系统 | |
CN107153997A (zh) | 一种复杂地形风电机组微观选址方法 | |
CN104849728B (zh) | 地基增强系统的完好性评估方法 | |
CN106845018B (zh) | 风电场对气象雷达降雨量影响的分析与定量化评估方法 | |
CN108874734B (zh) | 一种全球陆地降水反演方法 | |
CN105206057A (zh) | 基于浮动车居民出行热点区域的检测方法及系统 | |
CN110390343B (zh) | 一种空间气象数据的订正方法及系统 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN109407177A (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
CN104392113B (zh) | 一种近海海面冷空气大风风速的估算方法 | |
CN104200082A (zh) | 台风登陆预测方法 | |
Paraschiv et al. | Investigation of wind power density distribution using Rayleigh probability density function | |
CN103424782B (zh) | 一种中层径向辐合的自动识别方法 | |
CN109583467A (zh) | 一种电力气象数据融合方法和系统 | |
CN108459323A (zh) | 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 | |
CN107632329A (zh) | 一种虚拟雨量站雨量计算方法 | |
CN111832387A (zh) | 一种基于无人机影像的宅基地房屋识别方法 | |
CN102426352B (zh) | 风廓线雷达风计算方法 | |
CN116486289A (zh) | 一种多源数据和知识驱动下的燃气管道高后果区识别方法 | |
CN105302980B (zh) | 一种基于sar数据的城区空气动力学粗糙度反演方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
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: 20160608 |