CN104569981B - 协同自适应观测方法 - Google Patents
协同自适应观测方法 Download PDFInfo
- Publication number
- CN104569981B CN104569981B CN201510041855.3A CN201510041855A CN104569981B CN 104569981 B CN104569981 B CN 104569981B CN 201510041855 A CN201510041855 A CN 201510041855A CN 104569981 B CN104569981 B CN 104569981B
- Authority
- CN
- China
- Prior art keywords
- aoi
- radar
- scanning
- observation
- data
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种协同自适应观测方法,天气雷达网络中的各部雷达在仰角1°‑5°范围上完成360°的全方位扫描,包含了整个观测区域的时间连续数据,各部雷达终端程序读取该数据并进行预处理,然后由气象命令与控制中的探测算法处理观测数据寻找到感兴趣的重点区域,根据AOI的信息,利用权重法计算AOI的权重值,确定AOI的优先级,再把AOI的信息上传到控制中心,由控制中心确定扫描的区域,形成扫描策略,最后各部雷达按照扫描策略执行适应性的扫描模式。本发明解决了多部雷达如何选择重点区域进行协同自适应观测的难题,可以克服长程雷达的不足,获得更高时空分辨率的资料。
Description
技术领域
本发明涉及一种自适应观测方法,尤其涉及一种网络化天气雷达协同自适应观测方法。
背景技术
天气雷达在现代气象综合观测系统中起着非常重要的作用,对大中尺度天气系统有很好的监测能力,为短临天气预报提供了直观的资料。随着天气雷达性能的不断改进,架设的雷达部数逐渐增加,形成了天气雷达网络,包括收发分置双(多)基地雷达网络,美国的NEXRAD(Next-Generation Weather Radar)和TDWR(Terminal Doppler Weather Radar)网络,欧洲的OPERA(Operational Programme for the Exchange of weather Radarinformation)计划和中国的CINRAD(Chinese Next Generation Radar)网络。
现有的天气雷达网络主要由S/C波段长程雷达组成,由于地球曲率、地形阻碍和雷达波束扩展造成的分辨率降低的影响,存在低空探测盲区。很大的探测距离使得每部雷达系统对地表以上1千米范围低对流层的观测覆盖仅为30%,而很多中尺度天气发源于这个空间区域。为了克服此问题,提高低层大气的探测与研究水平,促进中小尺度高影响天气的研究,逐步提高雷暴、冰雹、龙卷、局地暴雨、山洪和下击暴流等气象灾害的预报预警水平,为气象风险评估提供更多的观测依据,有必要发展低层大气遥感探测研究,需要加强小功率短程雷达网络的应用示范研究。可以部署X波段小功率短程雷达网络,开展协同观测,注重对关注区域高时空分辨率的观测,以获取更高时空分辨率的雷达观测资料,描绘出中小尺度天气更细微的变化,为研究极端天气提供更详细的资料。
在天气雷达网络中,如何确定重点观测区域(AOI)并且协调各部雷达观测是需要解决的最主要问题,它在很大程度上决定了当天气过程经过雷达网络覆盖区域时各部雷达扫描的重点区域及采取的扫描策略。因此设计出协同自适应观测方法已经成为天气雷达网络技术发展中一项迫在眉睫的任务。
发明内容
协调多部X波段小功率雷达加强观测感兴趣的区域,并能够根据天气情况的变化进行动态调整,以获取更高时空分辨率的雷达观测资料,弥补由S/C波段长程雷达存在的低空探测盲区,本发明设计了协同自适应观测方法,有效解决了这一问题。
为了解决以上问题本发明提供了一种协同自适应观测方法包括雷达数据预处理、气象命令与控制、各部雷达执行扫描模式三个步骤。主要流程为:天气雷达网络中的各部雷达在仰角A(仰角范围为1°-5°)上完成360°的全方位扫描,包含了整个观测区域的时间连续数据,各部雷达终端程序读取该数据并进行预处理,然后由气象命令与控制中的探测算法处理观测数据寻找到感兴趣的重点区域,根据AOI的信息,利用权重法计算AOI的权重值,确定AOI的优先级,再把AOI的信息上传到控制中心,由控制中心确定扫描的区域,形成扫描策略,最后各部雷达按照扫描策略执行适应性的扫描模式。
1.雷达数据预处理
1.1所述的雷达数据是指:雷达网络中的各部雷达对天气过程观测时,按照用户设置的方式工作,每完成一次观测就生成一个以时间、站点、文件形式等命名的二进制数据文件,文件格式采用中国气象局气象探测中心下发的格式,用以存储站址信息、雷达性能参数、本次探测的观测参数、本次探测的回波数据等数据。该文件由雷达实时控制程序产生。
1.2所述的预处理是指:对雷达数据进行质量控制。在雷达近区,往往受各种外界因素的影响,雷达回波会遭严重干扰;在远区,由于信噪比的下降,有用回波往往会淹没在噪声中。数据预处理的功能主要就是尽可能的去除干扰,提高信噪比。在数据预处理过程中,本发明采取的措施有:中值滤波与滑动平均。
1.2.1所述的中值滤波是指:对每个目标点,选择周围M*N个格点的观测数据,其中M、N分别表示在径向和方位上取的格点数目,将这些观测值排序,用中间值代替目标点的值。
1.2.2所述的滑动平均是指:对每个目标点,选择周围P*Q个格点的观测数据,其中P、Q分别表示在径向和方位上取的格点数目,计算P*Q个格点数据的平均值,代替目标点的值。
1.3所述的雷达终端程序是指:雷达的终端处理程序,其主要功能包括雷达基数据的自动获取与实时显示、历史数据查看、方便的人机界面等。
2.气象命令与控制
所述的气象命令与控制是协同自适应观测方法中最主要的软件组件,雷达网络中的各部雷达把探测得到的数据作为输入,并执行一系列的探测处理算法以寻找AOI并统计AOI的信息。根据AOI的信息,利用权重法计算AOI的权重值,确定AOI的优先级,,把AOI的信息及权重值上传到控制中心,再根据观测的天气尺度,形成扫描策略,各部雷达协同观测,最后优化的扫描策略应用于整个网络系统。
2.1所述的探测算法是指:即确定AOI的算法。算法步骤如下:保留超过某一阈值D(阈值范围为25-40dBz)的雷达回波;在雷达观测的径向和方位上分别保留回波连续超过S个格点(取值范围为≥15)的观测数据;在雷达观测方位上,如果连续回波间间隔的无回波的格点数小于T(取值范围为≤20),则合并为一个区域;统计融合区域的大小、其中心与雷达的距离及方位信息。
2.2所述的AOI的信息是指:AOI的最大强度、平均强度、区域面积、最大强度变化量、平均强度变化量、面积变化量。
2.3所述的权重法是指:根据AOI的信息,对AOI中不同的信息赋予不同的权重a、b、c、d、e、f(取值范围均为0-1),权重和为1,我们特别关注AOI的最大强度和最大强度变化量,当AOI的最大强度<55dBz时,a的取值为0.3,当AOI的最大强度≥55dBz时,a的取值为0.5;当最大强度变化量<3dBz时,d的取值为0.3,当最大强度变化量≥3dBz时,d的取值为0.5;其他权重值均相同。AOI的权重值V表示为:
V=(AOI的最大强度)*a+(平均强度)*b+(区域面积)*c+
(最大强度变化量)*d+(平均强度变化量)*e+(面积变化量)*f。
2.4所述的扫描策略是指:根据上传到控制中心的AOI优先级和方位信息,确定各部雷达协同观测采用的扫描模式。
2.4.1所谓协同观测,以雷达扫描数(即AOI能被几部雷达同时观测)为最高优先级,假设雷达网络中包括N部雷达,N≥2;如果AOI的最多雷达扫描数为N,选取排序最前的AOI,N部雷达做协同扫描;如果AOI的最多雷达扫描数为N-1,选取排序最前的AOI,N-1部雷达做协同扫描,另外一部雷达选择本身观测的AOI做适应性扫描;以此类推,如果AOI的最多雷达扫描数为1,各部雷达做适应性扫描。
3.执行扫描模式
所述的扫描模式是指:在允许的时间内,从1°的高度角开始,包括3°、5°、7°、9°、11°、和14°高度角。扇形扫描方式的扫描角度和扫描层数是可变的。将扇形扫描的方式固定为三种模式:一种观测模式是7个高度角(1°、3°、5°、7°、9°、11°、和14°),扇形扫描角度范围为60°;一种观测模式是4个高度角(1°、3°、5°和7°),扇形扫描角度范围为120°;一种观测模式是2个高度角(1°和3°),扫描角度范围为360°。
本发明解决了多部雷达如何选择重点区域进行协同自适应观测的难题,可以克服长程雷达的不足,获得更高时空分辨率的资料,发展雷暴类型识别、跟踪和自适应观测算法,发展相应的衰减订正、定量估算降水和三维风场反演算法等。可广泛应用于国内正在兴起的X波段小功率网络化雷达的软件系统中。
附图说明
图1是本发明的设计框架。
图2是本发明中的数据预处理流程图。
图3是本发明中的气象命令与控制流程图。
图4是本发明中的强回波探测算法流程图。
图5是本发明中的权重法框图。
图6是本发明中的协同观测框图。
图7是本发明中的扫描模式框图。
具体实施方式
下面结合附图对本发明作进一步的描述。
参见附图1,协同自适应观测方法以雷达网络中各部雷达在2.3°仰角完成360°的全方位扫描获得的雷达数据为处理对象,经数据预处理,通过气象命令与控制中的探测算法处理观测数据寻找AOI,再把AOI的信息上传到控制中心,由控制中心确定扫描策略,各部雷达执行适应性扫描模式。
参见附图2,对雷达数据预处理,进行质量控制。即对雷达数据3*3的径向和方位的格点进行中值滤波处理,即对每个目标点,选择周围3*3的格点,将这些值排序,用中间值代替目标点的值。再对雷达数据3*3的径向和方位的格点进行滑动平均,即分别沿径向和方位计算3*3的格点的平均值,代替中间点的值。
参见附图3,气象命令与控制利用探测算法处理观测数据,寻找重点区域,利用权重法确定观测重点区域的优先级,再把AOI的信息上传到控制中心,由控制中心对其进行优化处理并确定AOI,再根据AOI的信息为多部雷达制定协同扫描策略,优化雷达扫描。
参见附图4,确定AOI算法步骤如下:保留超过35dBz的雷达回波;在雷达观测的径向和方位上分别保留回波连续超过15个格点的观测数据;在上一步处理的基础上,在雷达观测方位上,如果连续回波间间隔的无回波的格点小于20个,则合并为一个区域;统计融合区域的大小、其中心与雷达的距离及方位信息。
参见附图5,根据各个AOI的信息,AOI的最大强度、平均强度、区域面积、最大强度变化量、平均强度变化量、面积变化量,对不同的信息赋予不同的权重a、b、c、d、e、f(取值范围均为0-1),权重和为1,我们特别关注AOI的最大强度和最大强度变化量,当AOI的最大强度<55dBz时,a的取值为0.3,当AOI的最大强度≥55dBz时,a的取值为0.5;当最大强度变化量<3dBz时,d的取值为0.3,当最大强度变化量≥3dBz时,d的取值为0.5;其他权重值均相同。进行求积求和运算,确定AOI的权重值;
AOI的权重值V表示为:
V=(AOI的最大强度)*a+(平均强度)*b+(区域面积)*c+
(最大强度变化量)*d+(平均强度变化量)*e+(面积变化量)*f。
参见附图6,扫描策略的步骤为,根据单部雷达提取出的AOI,控制中心进行合并,利用权重法对其排序,标记雷达扫描数。假设雷达网络中包括4部雷达,如果AOI的最多雷达扫描数为4,选取排序最前的AOI,四部雷达做协同扫描;如果AOI的最多雷达扫描数为3,选取排序最前的AOI,三部雷达做协同扫描,另外一部雷达选择本身观测的AOI做适应性扫描;如果AOI的最多雷达扫描数为2,两部雷达做协同扫描,另外两部部雷达选择本身观测的AOI做适应性扫描;如果AOI的最多雷达扫描数为1,各部雷达做适应性扫描。
参见附图7,扫描模式固定为三种模式:一种扫描模式是7个高度角(1°、3°、5°、7°、9°、11°、和14°),扫描角度范围为60°;一种扫描模式是4个高度角(1°、3°、5°和7°),扫描角度范围为120°;一种扫描模式是2个高度角(1°和3°),扫描角度为360°。扫描模式的扫描角度和扫描层数是可变的。
以上所述仅为本发明的优选实施例而已,并不限制于本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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权利要求范围之内。
Claims (7)
1.一种协同自适应观测方法,其特征在于:包括雷达数据预处理、气象命令与控制、各部雷达执行扫描模式三个步骤;雷达网络中的各部雷达在仰角A,仰角A范围为1°-5°上完成360°的全方位扫描,包含了整个观测区域的时间连续数据,各部雷达终端程序读取该数据并进行预处理,然后由气象命令与控制中的探测算法处理观测数据寻找到感兴趣的重点区域,根据AOI的信息,利用权重法计算AOI的权重值,确定AOI的优先级,再把AOI的信息上传到控制中心,由控制中心确定扫描的区域,形成扫描策略,最后各部雷达按照扫描策略执行适应性的扫描模式;
所述的权重法是指:根据AOI的信息,对AOI中不同的信息赋予不同的权重a、b、c、d、e、f,a、b、c、d、e、f的取值范围均为0-1,权重和为1,我们特别关注AOI的最大强度和最大强度变化量,当AOI的最大强度<55dBz时,a的取值为0.3,当AOI的最大强度≥55dBz时,a的取值为0.5;当最大强度变化量<3dBz时,d的取值为0.3,当最大强度变化量≥3dBz时,d的取值为0.5;其他权重值均相同;AOI的权重值V表示为:
V=(AOI的最大强度)*a+(平均强度)*b+(区域面积)*c+(最大强度变化量)*d+(平均强度变化量)*e+(面积变化量)*f。
2.根据权利要求1所述的协同自适应观测方法,其特征在于:所述的仰角A为2.3°。
3.根据权利要求1所述的协同自适应观测方法,其特征在于:所述雷达数据预处理采用中值滤波和滑动平均的方法进行数据预处理;
中值滤波是指:对每个目标点,选择周围M*N个格点的观测数据,其中M、N分别表示在径向和方位上取的格点数目,将这些观测值排序,用中间值代替目标点的值;
滑动平均是指:对每个目标点,选择周围P*Q个格点的观测数据,其中P、Q分别表示在径向和方位上取的格点数目,计算P*Q个格点数据的平均值,代替目标点的值。
4.根据权利要求1所述的协同自适应观测方法,其特征在于:所述的探测算法是指:确定AOI的算法;算法步骤如下:保留超过某一阈值D的雷达回波,阈值D取值范围为25-40dBz;在雷达观测的径向和方位上分别保留回波连续超过S个格点的观测数据,S的取值范围为≥15;在雷达观测方位上,如果连续回波间间隔的无回波的格点数小于T,T的取值范围为≤20;则合并为一个区域;统计融合区域的大小、其中心与雷达的距离及方位信息。
5.根据权利要求1所述的协同自适应观测方法,其特征在于:所述的AOI的信息是指:AOI的最大强度、平均强度、区域面积、最大强度变化量、平均强度变化量、面积变化量。
6.根据权利要求1所述的协同自适应观测方法,其特征在于:所述的扫描策略是指:根据上传到控制中心的AOI优先级和方位信息,确定各部雷达协同观测采用的扫描模式;
所谓协同观测:雷达网络中包括N部雷达,N≥2,当AOI的最多雷达扫描数为N时,选取排序最前的AOI,N部雷达做协同扫描;当AOI的最多雷达扫描数为N-1时,选取排序最前的AOI,其他N-1部雷达做协同扫描,另外一部雷达选择本身观测的AOI做适应性扫描;以此类推,如果AOI的最多雷达扫描数为1,各部雷达做适应性扫描。
7.根据权利要求1或6所述的协同自适应观测方法,其特征在于:所述的扫描模式包括三种模式:一种扫描模式是7个高度角“1°、3°、5°、7°、9°、11°、和14°”,扇形扫描角度范围为60°;一种扫描模式是4个高度角“1°、3°、5°和7°”,扇形扫描角度范围为120°;一种扫描模式是2个高度角“1°和3°”,扫描角度范围为360°。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510041855.3A CN104569981B (zh) | 2015-01-28 | 2015-01-28 | 协同自适应观测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510041855.3A CN104569981B (zh) | 2015-01-28 | 2015-01-28 | 协同自适应观测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104569981A CN104569981A (zh) | 2015-04-29 |
CN104569981B true CN104569981B (zh) | 2017-02-22 |
Family
ID=53086498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510041855.3A Active CN104569981B (zh) | 2015-01-28 | 2015-01-28 | 协同自适应观测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104569981B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2551340B (en) * | 2016-06-13 | 2023-05-03 | Sgurrenergy Ltd | Methods and systems for use in remote sensing |
CN108700653A (zh) * | 2017-05-31 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 一种激光雷达的扫描控制方法、装置及设备 |
CN108051816B (zh) * | 2017-12-20 | 2021-10-12 | 雷象科技(北京)有限公司 | 阵列天气雷达协同扫描系统及方法 |
CN109410313B (zh) * | 2018-02-28 | 2023-03-24 | 南京恩瑞特实业有限公司 | 一种气象三维信息3d模拟反演方法 |
CN108896995A (zh) * | 2018-08-03 | 2018-11-27 | 中国航空工业集团公司雷华电子技术研究所 | 一种机载气象雷达雷暴识别方法 |
CN109061650A (zh) * | 2018-08-10 | 2018-12-21 | 北京无线电测量研究所 | 基于阵列天气雷达的组网探测方法及系统 |
CN109541604B (zh) * | 2018-12-17 | 2023-10-03 | 北京无线电测量研究所 | 一种毫米波天气雷达探测方法、装置及系统 |
CN111398949B (zh) * | 2020-04-10 | 2022-04-29 | 江苏省气象科学研究所 | 一种基于组网x波段雷达自适应协同扫描方法 |
CN112924975B (zh) * | 2021-03-06 | 2021-10-12 | 上海市气象信息与技术支持中心 | 组网天气雷达适用aoi的自适应观测方法及系统 |
CN113156441B (zh) * | 2021-03-25 | 2022-05-27 | 广东省气象探测数据中心 | 气象雷达探测的有效立体空域细分逼近计算方法 |
CN113687360B (zh) * | 2021-10-26 | 2022-02-18 | 南京恩瑞特实业有限公司 | 一种适合民航空管气象保障的相控阵天气雷达扫描策略 |
CN115047463B (zh) * | 2022-08-16 | 2022-11-01 | 成都远望科技有限责任公司 | 一种考虑降雨区域雷达回波衰减协同扫描调度方法 |
CN116482677B (zh) * | 2023-06-25 | 2023-08-29 | 成都远望科技有限责任公司 | 一种基于海雾观测的多雷达协同控制扫描调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2096470A1 (en) * | 2008-02-29 | 2009-09-02 | Honeywell International Inc. | Systems and method for supplemental weather information presentation on a display |
CN103592648A (zh) * | 2013-11-22 | 2014-02-19 | 北京无线电测量研究所 | 一种毫米波气象雷达的观测方法 |
CN104035096A (zh) * | 2014-06-06 | 2014-09-10 | 南京大学 | 一种基于多普勒天气雷达的垂直风廓线非线性反演方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7592948B2 (en) * | 2007-03-13 | 2009-09-22 | Baron Services, Inc. | System and method for dual polarization radar with automatic built-in test equipment and calibration |
-
2015
- 2015-01-28 CN CN201510041855.3A patent/CN104569981B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2096470A1 (en) * | 2008-02-29 | 2009-09-02 | Honeywell International Inc. | Systems and method for supplemental weather information presentation on a display |
CN103592648A (zh) * | 2013-11-22 | 2014-02-19 | 北京无线电测量研究所 | 一种毫米波气象雷达的观测方法 |
CN104035096A (zh) * | 2014-06-06 | 2014-09-10 | 南京大学 | 一种基于多普勒天气雷达的垂直风廓线非线性反演方法 |
Non-Patent Citations (4)
Title |
---|
Retrieval of atmospheric moisture parameters from Multi-channel Microwave Extinction along Satellite-Earth Path;He Wenying et al.;《General Assembly and Scientific Symposium(URSI GASS),2014 XXXIth URSI》;20140823;第1-4页 * |
分布式网络天气雷达设计;许旭等;《微波学报》;20140630(第S2期);第8-11页 * |
天气雷达网格的进展;陈洪滨等;《遥感技术与应用》;20120831;第27卷(第4期);第492页左栏第2-3段,图8,表1 * |
气象雷达组网和网络气象雷达的发展;李忱等;《第26届中国气象学会年会第三届气象综合探测技术研讨会分会场论文集》;20091014;第588-592页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104569981A (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104569981B (zh) | 协同自适应观测方法 | |
US9519056B2 (en) | System and method for evaluating wind flow fields using remote sensing devices | |
Ahijevych et al. | Probabilistic forecasts of mesoscale convective system initiation using the random forest data mining technique | |
CN108693534A (zh) | Nriet x 波段雷达协同组网分析方法 | |
Goudenhoofdt et al. | Generation and verification of rainfall estimates from 10-yr volumetric weather radar measurements | |
Liang et al. | A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds | |
Goudenhoofdt et al. | Statistical characteristics of convective storms in Belgium derived from volumetric weather radar observations | |
Panziera et al. | The relation between airflow and orographic precipitation on the southern side of the Alps as revealed by weather radar | |
CN110967695A (zh) | 一种基于深度学习的雷达回波外推短临预报方法 | |
Trombe et al. | Weather radars–the new eyes for offshore wind farms? | |
CN112666559B (zh) | 一种多普勒天气雷达数据质量控制方法 | |
Lorente et al. | Long-term skill assessment of SeaSonde radar-derived wave parameters in the Galician coast (NW Spain) | |
CN113900103A (zh) | 突发性强对流灾害天气自适应快速识别预警改进算法 | |
Houston et al. | Thunderstorm Observation by Radar (ThOR): An algorithm to develop a climatology of thunderstorms | |
CN113238230B (zh) | 一种针对电网生产的夏季强对流引起的大风预警方法 | |
Lee et al. | Mixing depth estimation from operational JMA and KMA wind-profiler data and its preliminary applications: Examples from four selected sites | |
Hartung et al. | An intercomparison of UW cloud-top cooling rates with WSR-88D radar data | |
Pilorz et al. | Large hail detection using radar-based VIL calibrated with isotherms from the ERA5 reanalysis | |
CN113219463A (zh) | 一种面向电力系统的雷达地物回波识别方法和系统 | |
Einfalt et al. | Quality control of precipitation data | |
Lin et al. | Typhoon type index: a new index for understanding the rain or wind characteristics of typhoons and its application to agricultural losses and crop vulnerability | |
Cui et al. | Association of lightning occurrence with precipitation cloud column structure at a fixed position | |
Yang et al. | Radar‐Derived Quantitative Precipitation Estimation Based on Precipitation Classification | |
Liu et al. | Assimilation of the pseudo-water vapor derived from extrapolated radar reflectivity to improve the forecasts of convective events | |
Komatineni et al. | Quantification of Bird Migration using Doppler Weather Surveillance Radars (NEXRAD) |
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 |