CN106199604B - 一种基于相关性分析的台风运动追踪方法 - Google Patents

一种基于相关性分析的台风运动追踪方法 Download PDF

Info

Publication number
CN106199604B
CN106199604B CN201610430613.8A CN201610430613A CN106199604B CN 106199604 B CN106199604 B CN 106199604B CN 201610430613 A CN201610430613 A CN 201610430613A CN 106199604 B CN106199604 B CN 106199604B
Authority
CN
China
Prior art keywords
lattice point
typhoon
ver
data
wind
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
Application number
CN201610430613.8A
Other languages
English (en)
Other versions
CN106199604A (zh
Inventor
许佳奕
黄旋旋
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.)
Hangzhou Electronic Science and Technology University
Original Assignee
Hangzhou Electronic Science and Technology 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 Hangzhou Electronic Science and Technology University filed Critical Hangzhou Electronic Science and Technology University
Priority to CN201610430613.8A priority Critical patent/CN106199604B/zh
Publication of CN106199604A publication Critical patent/CN106199604A/zh
Application granted granted Critical
Publication of CN106199604B publication Critical patent/CN106199604B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明涉及一种基于相关性分析的台风运动追踪方法，包括对数据进行预处理，将风场的雷达回波数据去除噪声和杂波数据，再将数据双线性插值到等高面均匀网格；步骤二：针对台风环流场的特点，进行连续性趋势分析以动态限定追踪的范围，通过相关性分析来匹配先后时次风场逐格点的移动，以格点的总体移动趋势来匹配和追踪台风的环流风场；步骤三：通过全变分函数将局部错误信息剔除，用邻域内格点的速度平均值填补缺失的局部信息，最后得到平滑后的反演风场。发明有益的效果是：能有效地追踪易发生强度和形状改变的台风天气系统，提高台风的预报能力，从而减少因台风而带来的财产损失和人员伤亡。

Description

一种基于相关性分析的台风运动追踪方法
技术领域
本发明涉及台风的运动追踪技术，特别是涉及一种基于相关性分析的易变形台风环流场追踪和反演方法。
背景技术
中国是世界上受到台风影响严重的国家之一。台风常带来的强风、暴雨和风暴潮给我国沿海地区带来严重的财产损失和人员伤亡。如何有效地对台风环流的发展进行有效追踪，提高台风的预报能力，具有重大的实际意义。
近年来，一些研究学者提出识别对象的强度、形状等信息前后时次变化较小的假设前提，采用模板、纹理、梯度，强度等特征来进行相似性的衡量和匹配，进而实现运动的追踪。(参见张蕾,魏鸣,李南,周生辉.改进的光流法在回波外推预报中的应用.科学技术与工程,2014,14(32):133-137.)但是，天气系统非线性发展变化的特点导致了其在强度以及空间形状上持续发生变化。特别的，台风的气旋环流具有大曲率的特点，环流中的强降水雨带的发展以及大曲率移动都会导致追踪回波图像存在变形扭曲等问题。因此，现有的算法并不适用于追踪易发生强度和形状改变的台风天气系统。
发明内容
本发明要解决上述现有技术的缺点，提供一种基于相关性分析的台风运动追踪方法。
本发明解决其技术问题采用的技术方案：
步骤一：对数据进行预处理，将风场的雷达回波数据去除噪声和杂波数据，再将数据双线性插值到等高面均匀网格；
步骤二：针对台风环流场的特点，进行连续性趋势分析以动态限定追踪的范围，通过相关性分析来匹配先后时次风场逐格点的移动，以格点的总体移动趋势来匹配和追踪台风的环流风场,具体包括：
步骤2a:在t时刻，用能量函数动态计算风场每个格点P在t+1时刻的搜索范围A；
步骤2b：遍历计算A内所有格点与P的交叉相关系数，找到具有最大相关系数的格点Q，认为t+1时刻格点P移动到格点Q，如果最大相关系数低于0.2，则认为格点P不存在最佳移动匹配格点；
步骤2c：根据格点P和Q的中心位置Pp和Pq，计算风场格点P从t时刻到t+1时刻移动的速度。
步骤三：通过全变分函数将局部错误信息剔除，用邻域内格点的速度平均值填补缺失的局部信息，最后得到平滑后的反演风场，具体包括：
步骤3a：对于风速缺失的格点，其风速由邻域r范围内的风速平均值Vre代替；
步骤3b：计算每个有效格点的ΔVer，按ΔVer从大到小的顺序排序；
步骤3c：当ΔVermax＞k或者未达到最大计算次数时，循环如下计算：
1)删除ΔVermax格点位置S对应的风速,由邻域风速的平均值Vre代替；
2)重新计算删除格点S的ΔVer，并对所有ΔVer重新进行降序排序。
发明有益的效果是：本发明能有效地追踪易发生强度和形状改变的台风天气系统，提高台风的预报能力，从而减少因台风而带来的财产损失和人员伤亡。
附图说明
图1是本发明方法的流程示意图。
具体实施方式
下面结合附图对本发明作进一步说明：
本发明保护一种基于相关性分析的台风运动追踪方法，包括：
步骤一：对雷达回波数据进行预处理，去除噪声和杂波数据，从极坐标转换到笛卡尔坐标，再将数据双线性插值到均匀离散网格的等高面上。
步骤二：对前后相邻时次的雷达回波数据进行趋势分析，估算最大的可能位移区域，再通过交叉相关性分析来计算风场逐格点的移动。
根据就近时次的探空观测所得的最大风速计算风场内格点P从t时刻到t+1时刻最大的移动半径R。在分析半径为R的区域内，计算每个格点的能量Eave，根据能量约束函数进行趋势分析缩小搜索范围为A。在t+1时刻的区域A内计算每个格点与P的交叉相关系数ρ。找到与格点P具有最大相关性系数的格点Q，认为从t时刻和t+1时刻风场格点P移动到格点Q。
如果最大相关系数过小，例如低于0.2，则认为格点P不存在最佳移动匹配格点。
算法中格点的能量Eave由公式1计算：
其中，Z是雷达回波数据，n为当前格点内所包含的数据点个数。
搜索范围A由公式2计算：
A:{Ediff＜Eth} (2)
Ediff＝|Eave(t+1)-Eave(t)| (3)
其中，Eth为分析半径R内雷达回波数据的平均值。
交叉相关系数ρ由公式5计算：
其中，Z1和Z2分别为t和t+1时刻的雷达回波数据，n为对应格点内所包含的数据点个数。和分别为t和t+1时刻分析半径R内雷达回波数据的平均值。
根据格点P和Q的中心位置Pp和Pq，计算风场格点的速度Vpq为：
步骤三：上述基于趋势分析确定搜索区域进而采用交叉相关计算的方法，可以获得较为平滑和准确的风场环流效果，但是结果中淆着局部错误数据。将剔除错误数据的过程转化为对风场矢量图像进行平滑的处理过程。
采用全变分复原方法进行错误数据的剔除和修补。定义风场的初始平滑度为S(u,v)：
S(u,v)＝∫Ω(ΔVer)dΩ＝∫Ω(|Δu|+|Δv|)dΩ (7)
其中，Ω为所有有效雷达数据点的区域；uxx为u在x方向的2阶偏导；vxx为v在x方向的2阶偏导；uyy为u在y方向的2阶偏导；vyy为v在y方向的2阶偏导。
风场迭代剔除和填补的修复方法包括以下步骤：
对于风速缺失的格点，其风速由邻域r范围内的风速平均值Vre代替；
计算每个有效格点的ΔVer，按ΔVer从大到小的顺序排序；
当ΔVermax＞k或者未达到最大计算次数时，循环如下计算：
1)删除ΔVermax格点位置S对应的风速,由邻域风速的平均值Vre代替；
2)重新计算删除格点S的ΔVer，并对所有ΔVer重新进行降序排序。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims (3)

1.一种基于相关性分析的台风运动追踪方法，包括：
步骤一：对数据进行预处理，将风场的雷达回波数据去除噪声和杂波数据，再将数据双线性插值到等高面均匀网格；
步骤二：针对台风环流场的特点，进行连续性趋势分析，以动态限定追踪的范围，通过交叉相关性分析来计算风场逐格点的移动，交叉相关系数由公式计算，以格点的总体移动趋势来匹配和追踪台风的环流风场，其中，Z1和Z2分别为t和t+1时刻的雷达回波数据，n为对应格点内所包含的数据点个数，和分别为t和t+1时刻分析半径R内雷达回波数据的平均值；
步骤三：通过全变分函数将局部错误信息剔除，用邻域内格点的速度平均值填补缺失的局部信息，最后得到平滑后的反演风场。
2.根据权利要求1所述的基于相关性分析的台风运动追踪方法，其特征是：步骤二包括
步骤2a:在t时刻，用能量函数动态计算风场每个格点P在t+1时刻的搜索范围A；
步骤2b：遍历计算A内所有格点与P的交叉相关系数，找到具有最大相关系数的格点Q，认为t+1时刻格点P移动到格点Q，如果最大相关系数低于0.2，则认为格点P不存在最佳移动匹配格点；
步骤2c：根据格点P和Q的中心位置Pp和Pq，计算风场格点P从t时刻到t+1时刻移动的速度。
3.根据权利要求1所述的基于相关性分析的台风运动追踪方法，其特征是：步骤三包括
步骤3a:对于风速缺失的格点，其风速由邻域r范围内的风速平均值Vre代替；
步骤3b:计算每个有效格点的ΔVer，按ΔVer从大到小的顺序排序，其中ΔVer＝|Δu|+|Δv|，uxx为u在x方向的2阶偏导，vxx为v在x方向的2阶偏导，uyy为u在y方向的2阶偏导，vyy为v在y方向的2阶偏导；
步骤3c：当ΔVermax＞k或者未达到最大计算次数时，循环如下计算，其中ΔVermax是指所有ΔVer的最大值：
1)删除ΔVermax格点位置S对应的风速,由邻域风速的平均值Vre代替；
2)重新计算删除格点S的ΔVer，并对所有ΔVer重新进行降序排序。
CN201610430613.8A 2016-06-16 2016-06-16 一种基于相关性分析的台风运动追踪方法 Active CN106199604B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610430613.8A CN106199604B (zh) 2016-06-16 2016-06-16 一种基于相关性分析的台风运动追踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610430613.8A CN106199604B (zh) 2016-06-16 2016-06-16 一种基于相关性分析的台风运动追踪方法

Publications (2)

Publication Number Publication Date
CN106199604A CN106199604A (zh) 2016-12-07
CN106199604B true CN106199604B (zh) 2019-03-12

Family

ID=57460651

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610430613.8A Active CN106199604B (zh) 2016-06-16 2016-06-16 一种基于相关性分析的台风运动追踪方法

Country Status (1)

Country Link
CN (1) CN106199604B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107391794B (zh) * 2017-06-16 2020-09-01 杭州师范大学 一种台风连续立体风场反演方法
CN111221819B (zh) * 2019-12-27 2023-10-10 中国电子科技集团公司第十四研究所 一种基于多维数据空间分割的相似台风快速匹配方法
CN112782789B (zh) * 2020-12-25 2022-12-16 济南市气象局 一种台风移动的预测方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706571A (zh) * 2009-11-05 2010-05-12 宁波市气象信息中心 一种雷达回波中非气象杂波的处理方法
CN103337133A (zh) * 2013-06-14 2013-10-02 广东电网公司中山供电局 基于识别预报技术的电网雷暴灾害预警系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706571A (zh) * 2009-11-05 2010-05-12 宁波市气象信息中心 一种雷达回波中非气象杂波的处理方法
CN103337133A (zh) * 2013-06-14 2013-10-02 广东电网公司中山供电局 基于识别预报技术的电网雷暴灾害预警系统及方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Determination of the Boundary layer Airflow from a Single Doppler Radar;JOHN D.Tuttle 等;《JOURNAL OF ATMOSPHERIC AND OCEANIC TECHNOLOGY》;19900430;第7卷;218-232
Predictability of Precipitation from Continental Radar Images. Part III：Operational Nowcasting Implementation（MAPLE）;B.J.Turner 等;《JOURNAL OF APPLIED METEOROLOGY》;20040229;第43卷;231-248
一种改进后的交叉互相关（COTREC）在降水临近预报中的应用;陈雷 等;《热带气象学报》;20090228;第25卷(第1期);117-112
基于雷达回波拼图资料的风暴识别、跟踪及临近预报技术;王改利 等;《高原气象》;20101231;第29卷(第6期);1546-1555
改进的光流法在回波外推预报中的应用;张蕾 等;《科学技术与工程》;20141130;第14卷(第32期);133-148
近海台风中心自适应定位方法研究;黄旋旋 等;《南京大学学报（自然科学）》;20141130;第50卷(第6期);855-864

Also Published As

Publication number Publication date
CN106199604A (zh) 2016-12-07

Similar Documents

Publication Publication Date Title
CN107038717B (zh) 一种基于立体栅格自动分析3d点云配准误差的方法
CN110111345B (zh) 一种基于注意力网络的3d点云分割方法
CN106408581B (zh) 一种快速的三维点云直线提取方法
CN106199604B (zh) 一种基于相关性分析的台风运动追踪方法
CN110619258B (zh) 一种基于高分辨率遥感影像的道路轨迹核查方法
CN105740798A (zh) 一种基于结构分析的点云场景物体识别方法
CN112287906B (zh) 一种基于深度特征融合的模板匹配跟踪方法及系统
CN110532914A (zh) 基于精细特征学习的建筑物检测方法
CN113947636B (zh) 一种基于深度学习的激光slam定位系统及方法
CN109696168A (zh) 一种基于激光传感器的移动机器人几何地图创建方法
CN112926556A (zh) 一种基于语义分割的航拍输电线路散断股识别方法及系统
CN113673011A (zh) 基于点云数据智能识别运营期隧道侵界的方法
CN112153569A (zh) 一种基于室内指纹定位的优化方法
CN113902792A (zh) 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备
CN113674263A (zh) 一种基于生成式对抗网络的小样本缺陷检测方法
Yoo et al. A vision-based indoor positioning systems utilizing computer aided design drawing
CN112734732B (zh) 基于改进ssd算法的铁路隧道漏缆卡具检测方法
CN104297753B (zh) 一种基于自适应缩减算子的导航雷达图像反演海面风向方法
CN104794723A (zh) 一种基于概率的遥感影像建筑物位置检测方法
Suidong et al. Improving SSD for detecting small target in Remote Sensing Image
CN110737931B (zh) 一种基于ArcGIS的铁路桥渡水文关键参数提取方法
CN111127667A (zh) 基于区域曲率二进制描述符的点云初始配准方法
CN112200831A (zh) 一种基于动态模板的密集连接孪生神经网络目标跟踪方法
Mohamad et al. Automatic rail extraction in terrestrial and airborne LiDAR data
Li et al. Research on common tree species recognition by faster r-cnn based on whole tree image

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant