CN106501806A - 一种降水粒子的类型识别方法及装置 - Google Patents

一种降水粒子的类型识别方法及装置 Download PDF

Info

Publication number
CN106501806A
CN106501806A CN201610930872.7A CN201610930872A CN106501806A CN 106501806 A CN106501806 A CN 106501806A CN 201610930872 A CN201610930872 A CN 201610930872A CN 106501806 A CN106501806 A CN 106501806A
Authority
CN
China
Prior art keywords
precipitation particles
polarization
type
parameter
polarization parameter
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
Application number
CN201610930872.7A
Other languages
English (en)
Inventor
马建立
丁德平
金永利
陈羿辰
秦睿
张蔷
嵇磊
高茜
李宏宇
郭欣
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.)
BEIJING CITY OFFICE OF ARTIFICIAL INFLUCING CLIMATE
Original Assignee
BEIJING CITY OFFICE OF ARTIFICIAL INFLUCING CLIMATE
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 BEIJING CITY OFFICE OF ARTIFICIAL INFLUCING CLIMATE filed Critical BEIJING CITY OFFICE OF ARTIFICIAL INFLUCING CLIMATE
Priority to CN201610930872.7A priority Critical patent/CN106501806A/zh
Publication of CN106501806A publication Critical patent/CN106501806A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
    • 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

Abstract

本申请公开了一种降水粒子类型识别方法及装置，该方法包括：获取降水粒子的偏振参量集合和预设温度，偏振参量集合包括：反射率、差分反射率、差分传播相移率和相关系数；分别获取每一种降水粒子类型对应的参数集合，参数集合包含有各个偏振参量对应的子参数集，以及预设温度对应的子参数集；分别计算降水粒子为每一降水粒子类型概率；利用降水粒子为各个降水粒子类型的概率确定降水粒子的类型。本申请实施例公开的降水粒子类型识别方法中，通过对偏振参量的分析处理，得到降水粒子为某一类型的概率，实现了对降水粒子类型的识别，从而为针对不同降水粒子类型制定不同的人工作业方式提供了基础，提升了人工影响天气作业的有效性。

Description

一种降水粒子的类型识别方法及装置
技术领域
本申请涉及粒子识别技术领域，尤其涉及一种降水粒子的类型识别方法及装置。
背景技术
人工影响天气，是指为避免或者减轻气象灾害，合理利用气候资源，在适当条件下通过科技手段对局部大气的物理、化学过程进行人工影响，实现增雨雪、防雹、消雨、消雾、防霜等目的的活动。是运用云和降水物理学原理，采用向云中撒播催化剂的方法，使某些局地天气过程朝着有利于人类的方向转化的一项科学技术措施。
人工增雨或是防雹中，需要了解降水云中小雨滴、大雨滴、冰晶、雪花、小冰雹、大冰雹、霰等粒子的空间分布，才能更有效的开展人工影响天气作业。例如，在人工增雨作业时，需要知道过冷水在空中的分布情况，才能向过冷水集中的区域播撒催化剂，起到增雨的效果。
但是，现有技术中无法准确获知降水粒子的类型，从而无法准确的针对不同的降水粒子类型制定人工作业方式，影响了人工影像天气作业的有效性。
发明内容
有鉴于此，本申请提供了一种降水粒子识别方法，以提升人工影响天气作业的有效性。
为实现上述目的，本申请提供如下技术方案：
一种降水粒子类型识别方法，包括：
获取降水粒子的偏振参量集合和预设温度，所述偏振参量集合包括：反射率、差分反射率、差分传播相移率和相关系数；
分别获取每一种降水粒子类型对应的参数集合，所述参数集合包含有各个偏振参量对应的子参数集，以及所述预设温度对应的子参数集；
分别计算所述降水粒子为每一降水粒子类型概率，该步骤包括：利用所述偏振参量对应的子参数集分别构建与所述偏振参量对应的T型函数，分别获取各个偏振参量对应的，该降水粒子类型的概率值，利用所述预设温度对应的子参数集构建所述预设温度对应的T型函数，获取所述预设温度对应当前降水粒子类型的概率值；依据所述各个偏振参量对应的概率值以及所述温度对应当前降水粒子类型的概率值，计算所述降水粒子为当前降水粒子类型的概率；
利用所述降水粒子为各个降水粒子类型的概率确定所述降水粒子的类型。
优选的，所述获取降水粒子的偏振参量集合包括：
获取X波段双偏振雷达监测到的所述降水粒子的偏振信息，所述偏振信息中包括：原始反射率、原始差分反射率、原始差分传播相移率和原始相关系数；
对所述偏振信息进行处理，包括：对所述偏振信息进行修正，包括：对所述原始反射率、原始差分反射率和原始相关系数进行衰减订正；对所述原始差分传播相移率进行数值拟合；
将处理后的偏振信息组合成所述偏振参量集合。
优选的，所述对所述偏振信息进行处理还包括：在对所述偏振信息进行修正前，还包括：对所述偏振信息进行地物杂波剔除处理。
优选的，所述依据所述各个偏振参量对应的概率值以及所述温度对应当前降水粒子类型的概率值，计算所述降水粒子为当前降水粒子类型的概率包括：
分别获取所述各个偏振参量和预设温度对应的权重值；
计算各个权重值与其对应的概率值的乘积；
将各个乘积求和，得到所述降水粒子为所述当前降水粒子类型的概率量对应的概率。
优选的，所述各个偏振参量对应的子参数集和预设温度对应的子参数集均包括参数：X1、X2、X3、X4，不同的降水粒子的偏振参量和预设温度对应的子参数集中参数取值不同，则T型函数为：
其中，x的取值为各个偏振参量值或预设温度值。
优选的，还包括：
输出所述降水粒子类型的信息。
一种降水粒子的类型识别装置，包括：
偏振参量及温度获取模块，用于获取降水粒子的偏振参量集合和预设温度，所述偏振参量集合包括：反射率、差分反射率、差分传播相移率和相关系数；
参数集合获取模块，用于分别获取每一种降水粒子类型对应的参数集合，所述参数集合包含有各个偏振参量对应的子参数集，以及所述预设温度对应的子参数集；
概率计算模块，用于分别计算所述降水粒子为每一降水粒子类型概率，该模块包括：第一概率计算单元，用于利用所述偏振参量对应的子参数集分别构建与所述偏振参量对应的T型函数，分别获取各个偏振参量对应的，该降水粒子类型的概率值，利用所述预设温度对应的子参数集构建所述预设温度对应的T型函数，获取所述预设温度对应当前降水粒子类型的概率值；第二概率计算单元，用于依据所述各个偏振参量对应的概率值以及所述温度对应当前降水粒子类型的概率值，计算所述降水粒子为当前降水粒子类型的概率；
类型确定模块，用于利用所述降水粒子为各个降水粒子类型的概率确定所述降水粒子的类型。
优选的，所述偏振参量获取模块包括：
偏振信息获取单元，用于获取X波段双偏振雷达监测到的所述降水粒子的偏振信息，所述偏振信息中包括：原始反射率、原始差分反射率、原始差分传播相移率和原始相关系数；
偏振信息处理单元，用于对所述偏振信息进行处理，该单元包括，修正子单元，用于对所述偏振信息进行修正，包括：对所述原始反射率、原始差分反射率和原始相关系数进行衰减订正；对所述原始差分传播相移率进行数值拟合；
集合生成单元，用于将处理后的偏振信息组合成所述偏振参量集合。
优选的，所述偏振信息处理单元还包括：地物杂波剔除单元，用于对所述偏振信息进行地物杂波剔除处理。
优选的，所述概率计算单元包括：
权重值获取子单元，用于分别获取所述预设温度以及各个偏振参量对应的权重值；
相乘子单元，用于计算各个权重值与其对应的概率值的乘积；
求和子单元，用于将各个乘积求和，得到所述降水粒子为所述当前降水粒子类型的概率。
经由上述的技术方案可知，本申请实施例通过获取降水粒子的偏振参量，并设定预设温度，然后获得偏振参量和预设温度对应的不同降水粒子类型下的子参数集，利用每个子参数集分别构建一个T型函数，并求解，得到每一降水类型的概率，然后对这些概率进行综合分析，得到降水粒子的类型。该方法中，通过对偏振参量的分析处理，得到降水粒子为某一类型的概率，实现了对降水粒子类型的识别，从而为针对不同降水粒子类型制定不同的人工作业方式提供了基础，提升了人工影响天气作业的有效性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种降水粒子的类型识别方法的流程图；
图2为本申请实施例公开的又一降水粒子的类型识别方法的流程图；
图3为本申请实施例公开的又一降水粒子的类型识别方法的流程图；
图4为本申请实施例公开的又一降水粒子的类型识别方法的流程图；
图5为本申请实施例公开的降水粒子的类型识别装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例公开的一种降水粒子的类型识别方法流程如图1所示，包括：
步骤S101：获取降水粒子的偏振参量集合和预设温度，所述偏振参量集合包括：反射率ZH、差分反射率的ZDR、差分传播相移率KDP和相关系数RHV；
本实施例中的方法，在应用到具体的人工影响天气的系统中时，偏振参量可以直接通过X波段双偏振雷达获得，X波段双偏振雷达除了获得偏振参量以外，还可以获得强度、速度和谱宽等信息。
步骤S102：分别获取每一种降水粒子类型对应的参数集合，所述参数集合包含有各个偏振参量对应的子参数集，以及预设温度对应的子参数集；
各个偏振参量对应的子参数集是通过大量的对比实验数据得到的，是X波段双偏振雷达在探测不同降水粒子时，获取的各个偏振参量的值和预设温度的可能波动的范围，因此，子参量集的作用是：为利用偏振参量识别不同降水粒子类型提供识别阈值。从而是的本申请公开的识别方法可以综合考虑偏振参量和温度的波动所带来的影响，进一步提升了识别结果的准确性。
在本实施例中，降水粒子类型包括：毛毛雨，小雨滴、中雨滴、大雨滴、小雹、大雹、雨夹雹、霰、冰晶、雪、过冷水、地物等。每一种降水粒子类型，都对应一个参数集合，在这个参数集合中，包含有各个偏振参量子参数集合和预设温度对应的子参数集合。
预设温度对应的子参数集合中的各个参数用于构建预设温度t对应的T型函数。各个偏振参量子参数集合中的各个参数用于构建各个偏振参量对应的T型函数，因此，子参数集合内的参数个数与T型函数的因子个数相同。例如，如果偏振参量对应的子参数集合中的参数个数为4，则构建的T型函数有4个因子，将每一个偏振参量的值分别当做输入，输入到对应的T型函数中。则对应的T型函数为：
其中，当x为某一偏振参量的值或某一温度值时，X1、X2、X3、X4是该偏振参量或温度对应的T型函数的因子。
步骤S103：分别计算所述降水粒子为每一降水粒子类型概率。
计算该降水粒子为任意一种降水粒子类型的可能性。
该步骤的具体实现过程如图2所示，包括：
步骤S201：
利用所述子参数集分别构建与所述偏振参量对应的T型函数，求解所述偏振参量对应的T型函数，分别获取各个偏振参量对应的，该降水粒子类型的概率值；
以降水粒子类型为大雹为例：
反射率ZH对应的子参数集合为{42.0，48.0，60.0，65.0}。
差分反射率ZDR对应的子参数集合为{-1.5,-1.0,0.5,0.8}。
差分传播相移率KDP{-2.0，-1.0，1.0，1.2}
相关系数RHV{0.91，0.94，0.96，0.98}。
温度t{-70.0，-10.0，40.0，40.0}。
以反射率ZH为例，其对应的T型函数为：
此时x为实际的反射率ZH。则得到反射率ZH对应大雹的概率值PZH。
按照上述过程，将每一个偏振参量对应大雹的概率值分别计算出来，得到PZDR、PRHV、PKDP。
步骤S202：利用预设温度对应的子参数集构建所述温度对应的T型函数，获取所述温度对应当前降水粒子类型的概率值。
温度t对应的T型函数为：
将温度t的实际值带入公式，获得在温度t条件下是大雹的概率值为Pt。
步骤S203：依据所述各个偏振参量对应的概率值以及所述预设温度对应当前降水粒子类型的概率值，计算所述降水粒子为当前降水粒子类型的概率。
本实施例中有多种计算方式，例如，将各个偏振参量对应的概率值以及所述预设预设温度对应的概率值取平均值，将该平均值作为降水粒子为某一降水粒子类型的概率。或者，将某一降水粒子类型对应的各个概率值与各自的权重相乘后求和，将求和的结果作为该降水粒子类型对应的概率值等。
步骤S104：利用所述降水粒子为各个降水粒子类型的概率确定所述降水粒子的类型。
在本实施例中，可以将各个降水粒子类型的概率排序，确定概率值最大的降水粒子类型为当前降水粒子的类型。
本实施例公开的降水粒子类型识别方法中，获取了偏振参量，而偏振参量能够反应降水粒子的相态信息，即，可以反应降水粒子的形状等信息，通过对偏振参量的分析处理，得到降水粒子为某一类型的概率，实现了对降水粒子类型的识别，从而为针对不同降水粒子类型制定不同的人工作业方式提供了基础，提升了人工影响天气作业的有效性。
在上述实施方式中，获取降水粒子的偏振参量集合的过程如图3所示，包括：
步骤S301：获取X波段双偏振雷达监测到的所述降水粒子的偏振信息，所述偏振信息中包括：原始反射率、原始差分反射率、原始差分传播相移率和原始相关系数。
步骤S302：对所述偏振信息进行处理。
具体的处理过程包括：对所述偏振信息进行修正，包括：对所述原始反射率、原始差分反射率、和原始相关系数进行衰减订正；对所述原始差分传播相移率进行数值拟合。
由于X波段双偏振雷达发射的电磁波经过降水云团后，电磁波能量会衰减，导致X波段双偏振雷达探测的数据与电磁波能量不衰减情况下探测的真实的数据存在偏差，即数据失真。通过上述修正过程，把X波段双偏振雷达电磁波衰减探测存在偏差的数据恢复电磁波不衰减情况下的正常数据，使得降水粒子类型的识别更加准确。
对所述原始差分反射率的衰减订正为：
ZHA(r)＝ZH(r)+2a1φDP(r)；
其中，ZH(r)，表示在距离雷达r处反射率探测值,2a1φDP(r)，表示在距离雷达r处使用差分传播相移所做的订正,ZHA(r),表示订正后的结果。
对原始差分传播相移的衰减订正为：
ZDRA(r)＝ZDR(r)+2a2φDP(r)
ZDR(r)表示在距离雷达r处差分反射率探测值，2a2φDP(r)表示在距离雷达r处使用差分传播相移所做的订正,ZDRA(r)表示订正后的结果。
对原始相关系数进行衰减订正为：
RHVA(r)＝RHV(r)*(1+1/SNR(r))，其中SNR(r)＝ZH(r)-20lgr+C
RHV为原始相关系数，RHVA(r)为订正后的相关系数，SNR(r)为距离雷达r处信噪比大小。C为常数。
对所述原始差分传播相移率进行数值拟合为：
ΦDP(r2)为距离r2处差分传播相移ΦDP(r2)，ΦDP(r1)为距离r1处差分传播相移ΦDP(r1)。
步骤S303：将处理后的偏振信息组合成所述偏振参量集合。
在本实施方式中，在分析偏振参量前，将其进行了相应的处理，从而降低了偏振参量值的误差，提升了粒子识别结果的准确性。
在降水粒子类型识别过程中，在雷达以较低仰角扫描时，如果有地物存在，则地物反射率会远大于降水粒子反射率，如果不能正确识别、消除地物反射，就容易造成虚假强降水回波区域，这将给定量降水估测、人工影响天气(防雹、增雨)作业条件判断、决策和作业效果评估带来很大误差。
因此，优选的，对偏振信息进行处理还包括：在对偏振信息进行修正前，还包括：对偏振信息进行地物杂波剔除处理。从而剔除出地物带来的影响，进一步提升识别结果的准确性。
一般而言，地物回波具有如下等特点：(1)相邻两个仰角回波强度相差较大，即有一定垂直梯度；(2)低仰角和高仰角的回波面积相差很大；(3)绝大部分地物是静止的，即使有树木或者其它移动的物体，脉冲体积内的多普勒速度也是较小的，多数趋于0m/s。所以常见的地物识别方法有垂直梯度法和晴空初始地物回波扣除法。
在上述各个实施方式中，依据所述各个偏振参量对应的概率值以及所述预设温度对应的概率值计算所述降水粒子为所述当前降水粒子类型的概率的过程如图4所示，包括：
步骤S401：分别获取所述预设温度以及各个偏振参量对应的权重值；
预先为预设温度和各个偏振参量分别设定了权重值，反射率的权重为weight_ZH，差分反射率ZDR的权重为weight_ZDR，相关系数RHV的权重为weight_RHV，差分传播相移率KDP的权重为weight_KDP，预设温度t的权重为weight_t
步骤S402：计算各个权重值与其对应的概率值的乘积；
步骤S403：将各个乘积求和，得到所述降水粒子为所述当前降水粒子类型的概率。
P＝weight_ZE*PZE+weight_ZDR*PZDR+weight_KDP*PKDP+weight_RHV*PRHV+weight_t*Pt。
按照上述步骤，可以得到降水粒子为每一降水粒子类型的概率。然后根据多个概率，确定降水粒子的类型。
最后，以播报或者显示的方式，输出降水粒子的类型。结合现有的确定降水范围和位置的方法，还可以将降水范围和位置也添加到输出的内容中，例如，如果识别出降水类型为冰雹，而确定出其位置为北京的海淀区，则输出的内容为：海淀下冰雹。
本申请实施例同时公开了一种降水粒子的类型识别装置，其结构如图5所示，包括：
偏振参量及温度获取模块501，用于获取降水粒子的偏振参量集合和预设温度，所述偏振参量集合包括：反射率、差分反射率、差分传播相移率和相关系数；
参数集合获取模块502，用于分别获取每一种降水粒子类型对应的参数集合，所述参数集合包含有各个偏振参量对应的子参数集，以及所述预设温度对应的子参数集；
概率计算模块503，用于分别计算所述降水粒子为每一降水粒子类型概率；
类型确定模块504，用于利用所述降水粒子为各个降水粒子类型的概率确定所述降水粒子的类型。
其中，概率计算模块503包括：
第一概率计算单元5031，用于利用所述偏振参量对应的子参数集分别构建与所述偏振参量对应的T型函数，分别获取各个偏振参量对应的，该降水粒子类型的概率值，利用所述预设温度对应的子参数集构建所述预设温度对应的T型函数，获取所述预设温度对应当前降水粒子类型的概率值；
第二概率计算单元5042，用于依据所述各个偏振参量对应的概率值以及所述温度对应当前降水粒子类型的概率值，计算所述降水粒子为当前降水粒子类型的概率。
本实施例公开的降水粒子类型识别装置，获取了偏振参量，而偏振参量能够反应降水粒子的相态信息，即，可以反应降水粒子的形状等信息，通过对偏振参量的分析处理，得到降水粒子为某一类型的概率，实现了对降水粒子类型的识别，从而为针对不同降水粒子类型制定不同的人工作业方式提供了基础，提升了人工影响天气作业的有效性。
进一步的，所述偏振参量获取模块包括：
偏振信息获取单元，用于获取X波段双偏振雷达监测到的所述降水粒子的偏振信息，所述偏振信息中包括：原始反射率、原始差分反射率、原始差分传播相移率和原始相关系数；
偏振信息处理单元，用于对所述偏振信息进行处理，该单元包括，修正子单元，用于对所述偏振信息进行修正，包括：对所述原始反射率、原始差分反射率和原始相关系数进行衰减订正；对所述原始差分传播相移率进行数值拟合；
集合生成单元，用于将处理后的偏振信息组合成所述偏振参量集合。
偏振信息处理单元还包括：地物杂波剔除单元，用于对所述偏振信息进行地物杂波剔除处理。
通过上述模块，实现对偏振参量的杂波剔除和修正处理，使得偏振参量的值更加准确，进而使得粒子类型识别结果更加准确。
所述概率计算单元包括：
权重值获取子单元，用于分别获取预设温度以及各个偏振参量对应的权重值；
相乘子单元，用于计算各个权重值与其对应的概率值的乘积；
求和子单元，用于将各个乘积求和，得到所述降水粒子为所述当前降水粒子类型的概率。
该单元重复工作，直到计算出各个降水粒子类型对应的概率值。利用经验值设定各个偏振参量对应的权重，采用加权相乘的方式，能够使得降水粒子识别结果更加的准确和有效。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种降水粒子类型识别方法，其特征在于，包括：
获取降水粒子的偏振参量集合和预设温度，所述偏振参量集合包括：反射率、差分反射率、差分传播相移率和相关系数；
分别获取每一种降水粒子类型对应的参数集合，所述参数集合包含有各个偏振参量对应的子参数集，以及所述预设温度对应的子参数集；
分别计算所述降水粒子为每一降水粒子类型概率，该步骤包括：利用所述偏振参量对应的子参数集分别构建与所述偏振参量对应的T型函数，分别获取各个偏振参量对应的，该降水粒子类型的概率值，利用所述预设温度对应的子参数集构建所述预设温度对应的T型函数，获取所述预设温度对应当前降水粒子类型的概率值；依据所述各个偏振参量对应的概率值以及所述温度对应当前降水粒子类型的概率值，计算所述降水粒子为当前降水粒子类型的概率；
利用所述降水粒子为各个降水粒子类型的概率确定所述降水粒子的类型。
2.根据权利要求1所述的方法，其特征在于，所述获取降水粒子的偏振参量集合包括：
获取X波段双偏振雷达监测到的所述降水粒子的偏振信息，所述偏振信息中包括：原始反射率、原始差分反射率、原始差分传播相移率和原始相关系数；
对所述偏振信息进行处理，包括：对所述偏振信息进行修正，包括：对所述原始反射率、原始差分反射率和原始相关系数进行衰减订正；对所述原始差分传播相移率进行数值拟合；
将处理后的偏振信息组合成所述偏振参量集合。
3.根据权利要求2所述的方法，其特征在于，所述对所述偏振信息进行处理还包括：在对所述偏振信息进行修正前，还包括：对所述偏振信息进行地物杂波剔除处理。
4.根据权利要求3所述的方法，其特征在于，所述依据所述各个偏振参量对应的概率值以及所述温度对应当前降水粒子类型的概率值，计算所述降水粒子为当前降水粒子类型的概率包括：
分别获取所述各个偏振参量和预设温度对应的权重值；
计算各个权重值与其对应的概率值的乘积；
将各个乘积求和，得到所述降水粒子为所述当前降水粒子类型的概率量对应的概率。
5.根据权利要求4所述的方法，其特征在于，所述各个偏振参量对应的子参数集和预设温度对应的子参数集均包括参数：X1、X2、X3、X4，不同的降水粒子的偏振参量和预设温度对应的子参数集中参数取值不同，则T型函数为：
T ( x ) = 0 , x < X 1 x - X 1 X 2 - X 1 , X 1 &le; x < X 2 1 , X 2 &le; x < X 3 X 4 - x X 4 - X 3 , X 3 &le; x < X 4 0 , x &GreaterEqual; X 4
其中，x的取值为各个偏振参量值或预设温度值。
6.根据权利要求5所述的方法，其特征在于，还包括：
输出所述降水粒子类型的信息。
7.一种降水粒子的类型识别装置，其特征在于，包括：
偏振参量及温度获取模块，用于获取降水粒子的偏振参量集合和预设温度，所述偏振参量集合包括：反射率、差分反射率、差分传播相移率和相关系数；
参数集合获取模块，用于分别获取每一种降水粒子类型对应的参数集合，所述参数集合包含有各个偏振参量对应的子参数集，以及所述预设温度对应的子参数集；
概率计算模块，用于分别计算所述降水粒子为每一降水粒子类型概率，该模块包括：第一概率计算单元，用于利用所述偏振参量对应的子参数集分别构建与所述偏振参量对应的T型函数，分别获取各个偏振参量对应的，该降水粒子类型的概率值，利用所述预设温度对应的子参数集构建所述预设温度对应的T型函数，获取所述预设温度对应当前降水粒子类型的概率值；第二概率计算单元，用于依据所述各个偏振参量对应的概率值以及所述温度对应当前降水粒子类型的概率值，计算所述降水粒子为当前降水粒子类型的概率；
类型确定模块，用于利用所述降水粒子为各个降水粒子类型的概率确定所述降水粒子的类型。
8.根据权利要求7所述的装置，其特征在于，所述偏振参量获取模块包括：
偏振信息获取单元，用于获取X波段双偏振雷达监测到的所述降水粒子的偏振信息，所述偏振信息中包括：原始反射率、原始差分反射率、原始差分传播相移率和原始相关系数；
偏振信息处理单元，用于对所述偏振信息进行处理，该单元包括，修正子单元，用于对所述偏振信息进行修正，包括：对所述原始反射率、原始差分反射率和原始相关系数进行衰减订正；对所述原始差分传播相移率进行数值拟合；
集合生成单元，用于将处理后的偏振信息组合成所述偏振参量集合。
9.根据权利要求8所述的方法，其特征在于，所述偏振信息处理单元还包括：地物杂波剔除单元，用于对所述偏振信息进行地物杂波剔除处理。
10.根据权利要求3所述的方法，其特征在于，所述概率计算单元包括：
权重值获取子单元，用于分别获取所述预设温度以及各个偏振参量对应的权重值；
相乘子单元，用于计算各个权重值与其对应的概率值的乘积；
求和子单元，用于将各个乘积求和，得到所述降水粒子为所述当前降水粒子类型的概率。
CN201610930872.7A 2016-10-31 2016-10-31 一种降水粒子的类型识别方法及装置 Pending CN106501806A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610930872.7A CN106501806A (zh) 2016-10-31 2016-10-31 一种降水粒子的类型识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610930872.7A CN106501806A (zh) 2016-10-31 2016-10-31 一种降水粒子的类型识别方法及装置

Publications (1)

Publication Number Publication Date
CN106501806A true CN106501806A (zh) 2017-03-15

Family

ID=58318797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610930872.7A Pending CN106501806A (zh) 2016-10-31 2016-10-31 一种降水粒子的类型识别方法及装置

Country Status (1)

Country Link
CN (1) CN106501806A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107238826A (zh) * 2017-06-09 2017-10-10 杨波 利用双偏振多普勒天气雷达回波反演雷暴电荷分布的方法
CN108957415A (zh) * 2018-08-24 2018-12-07 北京无线电测量研究所 差分反射率因子的实时标校方法及系统
CN110488297A (zh) * 2019-08-30 2019-11-22 成都信息工程大学 一种复杂地形区域雹暴的预警方法
CN111738339A (zh) * 2020-06-23 2020-10-02 中国民航大学 一种针对双偏振气象雷达低分辨数据的降水粒子分类方法
CN113933809A (zh) * 2021-09-30 2022-01-14 中山大学 一种基于Kmeans聚类的降水粒子识别方法及装置
CN114706146A (zh) * 2022-03-23 2022-07-05 成都信息工程大学 复杂地形下雹暴过程中雹胚的生长和降雹阶段的预报方法
CN114706145A (zh) * 2022-03-23 2022-07-05 成都信息工程大学 基于雹云微物理与热动力特征的冰雹预警方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102662162A (zh) * 2012-02-16 2012-09-12 邓勇 X波段多普勒雷达降水估测方法
CN103072695A (zh) * 2011-10-25 2013-05-01 罗斯蒙德宇航公司 确定云的水滴大小分布的方法
CN104316930A (zh) * 2014-10-29 2015-01-28 安徽四创电子股份有限公司 一种基于双线偏振多普勒天气雷达探测的雨强估算方法
US20150145717A1 (en) * 2013-11-26 2015-05-28 Korea Institute Of Construction Technology Integrated rainfall estimation method using x-band dual-polarimetric radar measurement data
CN105974418A (zh) * 2016-07-08 2016-09-28 南京信息工程大学 基于天气雷达反射率特征匹配的降水估测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103072695A (zh) * 2011-10-25 2013-05-01 罗斯蒙德宇航公司 确定云的水滴大小分布的方法
CN102662162A (zh) * 2012-02-16 2012-09-12 邓勇 X波段多普勒雷达降水估测方法
US20150145717A1 (en) * 2013-11-26 2015-05-28 Korea Institute Of Construction Technology Integrated rainfall estimation method using x-band dual-polarimetric radar measurement data
CN104316930A (zh) * 2014-10-29 2015-01-28 安徽四创电子股份有限公司 一种基于双线偏振多普勒天气雷达探测的雨强估算方法
CN105974418A (zh) * 2016-07-08 2016-09-28 南京信息工程大学 基于天气雷达反射率特征匹配的降水估测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘蕾: "差分反射率因子的误差分析及基于标定源的修正方法实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
陈雷等: "利用双线偏振雷达资料判别降水粒子相态的方法", 《道客巴巴》 *
马建立等: "X波段双线偏振雷达粒子相态识别的研究", 《万方数据》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107238826A (zh) * 2017-06-09 2017-10-10 杨波 利用双偏振多普勒天气雷达回波反演雷暴电荷分布的方法
CN107238826B (zh) * 2017-06-09 2019-12-24 杨波 利用双偏振多普勒天气雷达回波反演雷暴电荷分布的方法
CN108957415A (zh) * 2018-08-24 2018-12-07 北京无线电测量研究所 差分反射率因子的实时标校方法及系统
CN110488297A (zh) * 2019-08-30 2019-11-22 成都信息工程大学 一种复杂地形区域雹暴的预警方法
CN110488297B (zh) * 2019-08-30 2023-03-24 成都信息工程大学 一种复杂地形区域雹暴的预警方法
CN111738339A (zh) * 2020-06-23 2020-10-02 中国民航大学 一种针对双偏振气象雷达低分辨数据的降水粒子分类方法
CN113933809A (zh) * 2021-09-30 2022-01-14 中山大学 一种基于Kmeans聚类的降水粒子识别方法及装置
CN114706146A (zh) * 2022-03-23 2022-07-05 成都信息工程大学 复杂地形下雹暴过程中雹胚的生长和降雹阶段的预报方法
CN114706145A (zh) * 2022-03-23 2022-07-05 成都信息工程大学 基于雹云微物理与热动力特征的冰雹预警方法
CN114706146B (zh) * 2022-03-23 2023-11-03 成都信息工程大学 复杂地形下雹暴过程中雹胚的生长和降雹阶段的预报方法
CN114706145B (zh) * 2022-03-23 2023-11-21 成都信息工程大学 基于雹云微物理与热动力特征的冰雹预警方法

Similar Documents

Publication Publication Date Title
CN106501806A (zh) 一种降水粒子的类型识别方法及装置
US9348015B2 (en) Integrated rainfall estimation method using X-band dual-polarimetric radar measurement data
Berne et al. Radar for hydrology: Unfulfilled promise or unrecognized potential?
Hubbert et al. Weather radar ground clutter. Part II: Real-time identification and filtering
EP0853769B1 (en) Microburst detection system
Hubbert et al. Weather radar ground clutter. Part I: Identification, modeling, and simulation
Awaka et al. TRMM PR standard algorithm 2A23 and its performance on bright band detection
US5973635A (en) Enhanced microburst detection system
Puca et al. The validation service of the hydrological SAF geostationary and polar satellite precipitation products
CN106501807A (zh) 一种冰雹粒子识别方法及装置
CN106547037A (zh) 双频双偏振微波链路联合的雨滴谱反演及降水类型识别方法
Mecikalski et al. Lightning characteristics relative to radar, altitude and temperature for a multicell, MCS and supercell over northern Alabama
CN106199548B (zh) 基于四极化通道融合的海面漂浮微弱雷达目标的检测方法
EP4155773A1 (en) Apparatus and method for removing noise for weather radar
Wang et al. Separation of convective and stratiform precipitation using polarimetric radar data with a support vector machine method
CN112068104A (zh) 一种冰晶识别方法、装置、电子设备及双极化气象雷达
Peter et al. Application of a Bayesian classifier of anomalous propagation to single-polarization radar reflectivity data
Friedrich et al. Influence of ground clutter contamination on polarimetric radar parameters
Kim et al. Validation of composite polarimetric parameters and rainfall rates from an X-band dual-polarization radar network in the Tokyo metropolitan area
KR101538368B1 (ko) 엑스밴드 이중편파 레이더 원시자료를 이용한 강수체 구분 방법
CN108710816B (zh) 一种基于概率融合的极化sar图像建筑物检测方法
CN105911546A (zh) 一种海杂波的识别方法及装置
KR102326564B1 (ko) 연직바람 관측장비를 이용한 이중 도플러 레이더의 바람장 보정을 위한 장치 및 방법
Ananda et al. Preliminary Evaluation of Weather Radar Rainfall Estimation in Bandung City
Cluckie et al. Weather radar technology and future developments

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170315