CN107843884A - 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 - Google Patents
基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 Download PDFInfo
- Publication number
- CN107843884A CN107843884A CN201710823377.0A CN201710823377A CN107843884A CN 107843884 A CN107843884 A CN 107843884A CN 201710823377 A CN201710823377 A CN 201710823377A CN 107843884 A CN107843884 A CN 107843884A
- Authority
- CN
- China
- Prior art keywords
- thunderstorm
- layer
- signal
- radar
- stage
- 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.)
- Granted
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达观测天气领域,公开了一种基于双偏振雷达观测提高雷暴天气预警预报准确度的方法,利用X波段双偏振天气雷达参量,在对数据进行相位退折叠、滤波和衰减订正在内的质量控制的基础上,基于模糊逻辑算法,引入探空资料的环境温度限制,进行雷暴单体内多种水成物粒子的识别;并根据反演结果对典型雷暴单体发展过程中云内水成物粒子的水平和垂直分布两个方面的演变特征进行较详细的分析;最后据此建立雷暴单体演变过程的微物理概念模型,获得雷暴单体的结构及演变特征。本发明有助于加深对典型雷暴单体内部水成物粒子分布和微物理过程的认识,可以为雷暴天气的预警预报提供定量且直接的技术支撑。
Description
技术领域
本发明属于雷达观测天气领域,尤其涉及一种基于双偏振雷达观测提高雷暴天气预警预报准确度的方法。
背景技术
雷暴天气往往是由局地对流系统如雷暴单体、多单体风暴和超级雷暴单体引起,常伴随闪电、短时强降水、冰雹大风等天气现象,给人类的生产生活带来诸多不便,也经常给社会的经济发展造成极大的损失。其中,雷暴单体是雷暴天气的基础,例如多单体风暴就是由处在不同发展时期的雷暴单体排成一列所组成的,环流系统相一致的强雷暴系统。双线偏振天气雷达能交替(或同时)发射和接收两个方向 (水平和垂直)的线性偏振波,即采用单发双收(或双发双收)的模式。相较普通多普勒雷达只能探测到水平反射率因子、多普勒速度和谱宽三种参量,该雷达能探测到更多的参量。这也意味着,在降水量的估测、云内水成物粒子的识别、雷暴云的结构分析、冰雹或冰雹区的识别、雷电监测等方向双线偏振天气雷达具有明显的优势。由于双线偏振天气雷达探测存在误差,在应用于云物理研究之前,需要对雷达数据进行质量控制,主要包括:对差分传播相移进行相位退折叠、使用不易受衰减影响的(或差分传播相移率,KDP)进行滤波,以及进行衰减订正。
现有技术存在的问题是:由于没有进行充分系统的对比分析,现有技术尚缺乏针对雷暴单体有效的滤波方法以剔除由于非瑞利散射造成的后向差分传播相移,造成雷达观测质量不高;缺乏完善的雷暴单体粒子识别的方法,主要基于双线偏振天气雷达对鼎盛时期强信号衰减较小的雷暴云内水成物粒子进行分类识别,没有针对雷暴单体整个发展过程中水成物粒子演变特征的研究,且尚缺乏细致的定量研究,使得对雷暴单体的微物理过程不够了解,更没有给出雷暴单体各阶段的微物理概念模型,这都直接影响了对灾害性雷暴天气的预警预报能力。
发明内容
针对现有技术存在的问题,本发明提供了一种基于双偏振雷达观测提高雷暴天气预警预报准确度的方法。
本发明是这样实现的:一种基于双偏振雷达观测雷暴天气预警预报准确度方法,所述基于双偏振雷达观测雷暴天气预警预报准确度方法包括:
利用X波段双线偏振天气雷达参量,对数据进行相位退折叠、滤波和衰减订正在内的质量控制;基于模糊逻辑算法,引入探空资料的环境温度限制,对雷暴单体内多种水成物粒子识别;通过充分的雷达资料的质量控制和引入探空资料的环境温度限制的模糊逻辑算法,可以使得雷暴单体内多种水成物粒子识别更加合理准确。
根据反演结果对典型雷暴单体中云内水成物粒子的水平和垂直分布的演变特征分析;
建立雷暴单体演变微物理概念模型,获得雷暴单体的结构及演变特征,使得对于灾害性雷暴天气的预警预报能力在定量化的基础上大幅提高。
进一步,所述X波段双线偏振天气雷达数据质量控制包括:
基于径向连续性检查的差分传播相移相位退折叠的效果分析;小波去噪、滑动平均和中值滤波相对原始信号的去噪效果及相互之间的比较;基于自适应约束算法对回波强度的衰减订正及效果分析。
进一步,所述模糊逻辑算法包括:模糊处理、规则推导、集成和退模糊处理;
所述模糊处理将偏振参量ZH、ZDR、KDP、ρHV输入,用相应的隶属成员函数求取隶属度,得到值0-1;
所述规则推导通过计算机实现;
所述集成将每个参量求得的隶属度用一定加法、乘法进行加权集合起来;退模糊处理为:将隶属度最高的还原为识别结果输出,采用不对称梯型函数,进行水成物粒子识别;
所述模糊处理中采用各参数非等权重的设置,根据参数的识别能力由大到小将ZH、ZDR、KDP、ρHV的权重进行调整;
所述不对称梯型函数为:
其中,X1,X2,X3,X4的值分别设为0.4、0.3、0.2、0.1。
进一步,所述滤波方法包括:滑动平均、中值滤波、小波去噪;
滑动平均是一种低通滤波方法。其原理是选定某一尺寸的窗口,将窗口内的所有数值进行算术平均,将得到的的算术平均值替代窗口中心点。然后移动窗口,重复此平均方法,直到对整个数列完成该过程。
中值滤波作为一种滤波技术,能较为有效地去除脉冲噪声。中值滤波的原理是用奇数点(3,5,7……)的移动窗口,将其中心点的值用窗口内数值从小到大排列的中值替代,然后移动窗口,重复此方法直至对整个数列完成该过程。具体来说,假设一个序列a1,a2,…,an,取窗口长度为m(m为奇数),对其进行中值滤波,即从{an}中依次抽取m个数,分别为ai-j,…,ai-1,ai,ai+1,…,ai+j(ai为移动窗口中心值,m=2j+1),再将这m个数按照从小到大的顺序排列,排在数列中心点的那个数即为中值滤波器的输出值。
小波去噪分为信号分解、信号去噪和信号重构;
信号分解采用小波函数对原始信号进行3-5层分解,采用 db3-db5对原始信息进行处理,将每层信号分解为低频和高频两种分量;其中低频信号为的近似信号,高频信号为δ的细节信号;
信号去噪保留分解出的近似信号,对分解出的细节信号则采用软阈值法进行降噪处理;使各层待处理信号的小波系数按阈值向0收缩,计算式如下:
其中,Wi,j为处理前的小波系数,thr为阈值;采用固定阈值法进行阈值计算,阈值函数仅与信号长度有关,计算式为 n代表信号长度;
信号重构将最后一层的近似信号和每层经小波进行降噪处理后的细节信号进行重组,构成小波去噪后的数据。
进一步,所述衰减订正方法包括:
根据雨区的衰减积分与路径上的差分传播相移变化总量相一致的约束条件来求取衰减率AH,其中,r1<r<r2,连续15个距离库以上的ZH大于等于20dBZ再据此得到订正后ZHcor(r):
其中,
其中,天气雷达b的取值为0.8;α的取值针对每条径向在0.130 至0.350dB·(°)-1范围内,以0.005的步长求取值,确定的差分传播相移与实测值最接近,满足下式中最小:
其中,为径向上雨区从开始到结束的距离库数。
进一步,所述雷暴单体的水成物粒子演变模型的建立包括:基于径向速度和粒子分布情况建立雷暴单体发展阶段、成熟阶段和消散阶段的微物理概念模型。
本发明的另一目的在于一种使用所述基于双偏振雷达观测雷暴天气预警预报准确度方法的雷达。
本发明的优点及积极效果为:利用714XDP-A型X波段双线偏振天气雷达参量,在对数据进行包括相位退折叠、滤波和衰减订正在内的完整质量控制的基础上,基于模糊逻辑算法,并引入探空资料的环境温度限制,进行雷暴单体内十种水成物粒子的识别,包括:毛毛雨(DR)、雨(RA)、干雪(DS)、干冰晶(DC)、湿雪(WS)、干霰(DG)、湿霰(WG)、小冰雹(SH)、大冰雹(LH)和雨夹雹(RH),并根据反演结果对北京地区典型雷暴单体发展过程中云内水成物粒子的水平和垂直分布两个方面的演变特征进行定量且详细的分析,最后据此建立雷暴单体演变微物理概念模型,以更直观地了解雷暴单体的结构及演变,为雷暴天气的预警预报提供定量且直接的技术支撑。
本发明特别解决了针对雷暴单体有效的滤波方法以剔除由于非瑞利散射造成的后向差分传播相移问题;建立了完善的雷暴单体粒子识别的方法;创建了针对雷暴单体整个发展过程中水成物粒子演变特征的方法,创建了雷暴单体各阶段的微物理概念模型。
本发明的优点还包括:
(1)对差分传播相移使用检查径向连续性的方法进行相位退折叠后,其连续性得到明显提升,为后续工作做好了准备。而滤波方法中,小波去噪相较13点滑动平均和13点中值滤波表现更好,既能较好地去除毛刺,也能较完整地保留有效信息。此外,采用自适应约束算法进行衰减订正后,各区域反射率因子值均有所增大,其中强回波区反射率因子值增大显著,与S波段雷达差异减小。据此,建立基于检查径向连续性-小波去噪-自适应约束算法的完整质量控制方法。
(2)基于模糊逻辑算法,综合运用经质量控制后的4种偏振参量和环境温度参数识别雷暴云内的十种水成物,分别是毛毛雨(DR)、雨(RA)、干雪(DS)、干冰晶(DC)、湿雪(WS)、干霰(DG)、湿霰(WG)、小冰雹(SH)、大冰雹(LH)、雨夹雹(RH),并且各种粒子的识别效果都具备相当的合理性。此外,研究显示环境温度的引入对粒子识别效果的提高有显著作用。
(3)依据雷暴单体的反射率因子值,将雷暴单体发展分为发展、成熟和消散阶段。其中,成熟阶段在反射率因子值,单体平均高度及霰粒子占各自阶段单体内所有粒子百分比都显著高于另两个阶段。
(4)雷暴单体发展各阶段的主要微物理过程及演变特征具有明显差异。发展阶段,0℃层以下由暖云过程主导,少量液态粒子上升至0℃层以上与冰晶反应生成较少的干霰,冷云过程较弱。成熟阶段, 0℃层以下毛毛雨减少,雨滴增多,粒子碰并加强,暖云过程增强;较多液态粒子上升至0℃层以上,雨滴与冰晶通过凇附作用生成较多霰,并且较强雷暴单体霰粒子分布高度明显向上伸展,冷云过程增强。消散阶段,下层液态粒子难以上升至0℃层以上形成初始冰晶,使暖云及冷云过程都减弱,0℃层以下毛毛雨增多,粒子碰并减弱;0℃层以上冰晶消耗,霰生成减少并且范围降低。基于雷暴单体个例分析,建立其发展过程的水成物粒子分布及微物理过程模型。
本发明有助于加深对典型雷暴单体内部水成物粒子分布和微物理过程的认识,可以为雷暴天气的预警和预报提供更加有效的指导。
附图说明
图1是本发明实施提供的基于双偏振雷达观测提高雷暴天气预警预报准确度的方法流程图。
图2是本发明实施提供的雷暴单体发展、成熟和消散阶段微物理模型示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施提供的基于双偏振雷达观测雷暴天气预警预报准确度方法,包括:
S101:利用714XDP-A型X波段双线偏振天气雷达的4个偏振参量,在对数据质量进行研究后建立可用于后续工作的一整套质量控制方法。
S102:在此基础上,使用模糊逻辑算法,结合环境温度参数进行雷暴单体内水成物粒子识别。
S103:并根据反演结果对北京地区的典型雷暴单体发展过程中内部水成物粒子的水平和垂直分布两个方面的演变特征进行较详细的定性和定量分析。
下面结合本发明实施提供的基于双偏振雷达观测提高雷暴天气预警预报准确度的方法的积极效果对本发明作进一步描述。
本发明实施提供的基于双偏振雷达观测提高雷暴天气预警预报准确度的方法中,
(1)对差分传播相移使用检查径向连续性的方法进行相位退折叠后,其连续性得到明显提升,为后续工作做好了准备。而滤波方法中,小波去噪相较13点滑动平均和13点中值滤波表现更好,既能较好地去除毛刺,也能较完整地保留有效信息。此外,采用自适应约束算法进行衰减订正后,各区域反射率因子值均有所增大,其中强回波区反射率因子值增大显著,与S波段雷达差异减小。据此,建立基于检查径向连续性-小波去噪-自适应约束算法的完整质量控制方法。
基于模糊逻辑算法,综合运用经质量控制后的4种偏振参量和环境温度参数识别雷暴云内的十种水成物,分别是毛毛雨(DR)、雨 (RA)、干雪(DS)、干冰晶(DC)、湿雪(WS)、干霰(DG)、湿霰(WG)、小冰雹(SH)、大冰雹(LH)、雨夹雹(RH),并且各种粒子的识别效果都具备相当的合理性。此外,研究显示环境温度的引入对粒子识别效果的提高有显著作用。
(3)依据雷暴单体的反射率因子值,将雷暴单体发展分为发展、成熟和消散阶段。其中,成熟阶段在反射率因子值,单体平均高度及霰粒子占各自阶段单体内所有粒子百分比都显著高于另两个阶段。
(4)雷暴单体发展各阶段的主要微物理过程及演变特征具有明显差异。
如图2是本发明实施提供的雷暴单体发展、成熟和消散阶段微物理概念模型示意图。
发展阶段,0℃层以下由暖云过程主导,少量液态粒子上升至0℃层以上与冰晶反应生成较少的干霰,冷云过程较弱。成熟阶段,0℃层以下毛毛雨减少,雨滴增多,粒子碰并加强,暖云过程增强;较多液态粒子上升至0℃层以上,雨滴与冰晶通过凇附作用生成较多霰,并且较强雷暴单体霰粒子分布高度明显向上伸展,冷云过程增强。消散阶段,下层液态粒子难以上升至0℃层以上形成初始冰晶,使暖云及冷云过程都减弱,0℃层以下毛毛雨增多,粒子碰并减弱;0℃层以上冰晶消耗,霰生成减少并且范围降低。基于雷暴单体个例分析,建立其发展过程的水成物粒子分布及微物理过程模型。
本发明有助于加深对典型雷暴单体内部水成物粒子分布和微物理过程的认识,可以为雷暴天气的预警和预报提供必要的指导。
下面结合具体实施例对本发明的应用原理作进一步描述。
本发明实施提供的基于双偏振雷达观测雷暴天气预警预报准确度方法,包括:
1)数据来源:
本发明使用的资料主要为雷达数据,分别来自北京的714XDP-A 型车载X波段双线偏振天气雷达和SA波段雷达的探测。714XDP-A 型车载X波段双线偏振天气雷达位于北京顺义(40.18°N,116.68°E),海拔高度为26.1m,最大探测范围为150km,采用同时发射体制,即双发双收模式,可探测8个偏振参量,包含:水平反射率因子(ZH)、垂直反射率因子(ZV)、差分多普勒速度(V)、速度谱宽(W)、差分反射率(ZDR)、差分传播相移率(KDP)、差分传播相移和相关系数(ρhv)。 SA波段雷达位于北京大兴(39.81°N,116.47°E),可探测9个仰角(0.48°、1.32°、2.29°、3.21°、4.17°、5.89°、9.76°、14.41°、19.34°) 的3个参量,包括:反射率因子(Z)、多普勒速度(V)和速度谱宽(W)。
2)方法:
本发明综合对X波段双线偏振天气雷达的探测量进行质量控制及粒子识别,包含相位退折叠、滤波、衰减订正及识别雷暴云内水成物粒子及每一环节所采用的方法。
1、退折叠方法:
由于差分传播相移在径向上随距离分布应是连续的,所以通常可以采用检查差分传播相移径向连续性的方式来进行相位退折叠处理。
具体步骤如下:从有效的初始差分传播相移所在库开始沿径向向外搜索与前一个库之间差分传播相移的差值大于等于80°的点,并且其前面和后面各连续5点标准差小于15的点为折叠后的点,将其值加上360°。
2、滤波方法
本发明所使用的滤波方法有三种,分别是滑动平均、中值滤波、小波去噪。
(1)滑动平均
滑动平均是一种常见的低通滤波方法,该方法较为简便。其原理是选定某一尺寸的窗口,将窗口内的所有数值进行算术平均,将得到的的算术平均值替代窗口中心点。然后移动窗口,重复此平均方法,直到对整个数列完成该过程。
(2)中值滤波
中值滤波作为一种常用的滤波技术,能较为有效地去除脉冲噪声。中值滤波的原理是用奇数点(3,5,7,,,,)的移动窗口,将其中心点的值用窗口内数值从小到大排列的中值替代,然后移动窗口,重复此方法直至对整个数列完成该过程。具体来说,假设一个序列a1,a2,,,, an,取窗口长度为m(m为奇数),对其进行中值滤波,即从{an}中依次抽取m个数,分别为ai-j,,,,ai-1,ai,ai+1,,,,ai+j(ai为移动窗口中心值,m=2j+1),再将这些数依照由小到大的次序进行排列,位于数列正中心的数就作为中值滤波器的结果进行输出。
(3)小波去噪
根据双线偏振天气雷达偏振参量的特性,基于传统信号处理方法——小波去噪来处理数据,使数据更加平滑和连续的同时能有效地保留气象信息。小波分析处理过程大致可分为信号分解、信号去噪和信号重构3个步骤。
其中,信号分解是采用小波函数(简称dbN,N为消失矩阶数) 对原始信号进行3-5层分解,即采用db3-db5对原始信息进行处理,将每层信号分解为低频和高频两种分量。低频信号为的近似信号,而高频信号为δ的细节信号。
信号去噪是保留分解出的近似信号,对分解出的细节信号则采用软阈值法进行降噪处理。其原理是使各层待处理信号的小波系数按阈值向0收缩,计算式如下所示:
其中,Wi,j为处理前的小波系数,thr为阈值。这里采用固定阈值法进行阈值计算,阈值函数仅与信号长度有关,计算式为n代表信号长度。
信号重构是将最后一层的近似信号和每层经小波进行降噪处理后的细节信号进行重组,构成的数据就是小波去噪后的数据。
3、衰减订正方法
其原理是:根据雨区(r1<r<r2,连续15个距离库以上的ZH大于等于20dBZ)的衰减积分与该路径上的差分传播相移变化总量相一致的约束条件来求取衰减率AH(式2),再据此得到订正后的ZHcor(r) (式3):
其中,
此外,一些散射模拟研究结果表明:对于指定波段的雷达,b取值范围较窄。本发明选取b值为0.8。而α的取值范围较广,针对每条径向在0.130至0.350dB·(°)-1范围内,以0.005的步长求取最适的值,使由该值确定的差分传播相移与实测值最接近,即满足2-5式中最小:
其中,1为该径向上雨区从开始到结束的距离库数。
下面结合X波段双线偏振天气雷达数据质量控制对本发明的应用原理作进一步描述。
由于X波段双线偏振天气雷达的探测量存在相位折叠,噪声干扰和回波衰减等问题,在进行粒子识别前需要对数据进行质量控制,本发明主要基于上述方法对以下质量控制问题进行分析:基于径向连续性检查的差分传播相移相位退折叠的效果分析;小波去噪、滑动平均和中值滤波相对原始信号的去噪效果及相互之间的比较;基于自适应约束算法对回波强度的衰减订正及效果分析。
1、相位退折叠
差分传播相移是电磁波在降水区域传播时由非球形降水粒子引起的水平偏振传播常数和垂直偏振传播常数之差,也是双线偏振天气雷达的重要偏振参量之一,常被用于X波段双线偏振天气雷达的衰减订正中,其质量好坏会对衰减订正的准确性产生较大影响。差分传播相移是距离累计量,一般情况会随距离增加而增大。本发明所使用的714XDP-A型雷达的值所在区间为0-360°,当真实值高于 360°时,会发生相位折叠,其探测值会重新从0°开始递增。在发生相位退折叠时其距离廓线的情况中,在180距离库左右的值突然从360°左右降低到0°左右,然后再随距离逐渐增加,因此需要对进行相位退折叠。在为西南方向的分布图。可以看到对进行退折叠后,其距离廓线相较退折叠前具有更好的连续性,呈现单调递增趋势;而该时刻整体分布图也显示退折叠后的相较于退折叠前的数据质量有明显提升,离雷达40km外大量存在的0-60°的得到修正,数据质量明显提高。
2、滤波
根据差分传播相移的计算式:
其中,是雷达探测的总差分传播相移,包含前向差分传播相移和后向差分散射相移δ,其中为信号,δ为噪声。当降水粒子的尺寸满足瑞利散射条件时,δ值近似为0;而对于较强的雨区,由于降水粒子较大,受到米散射的影响,δ的值则不可忽略,这就是δ效应。
为了尽量减少δ效应对测量的影响,采用近两年应用于双线偏振天气雷达的小波去噪对原始差分传播相移进行滤波,以得到并与早期相对简单的滑动平均和中值滤波进行简单的对比。结果显示:滑动平均和中值滤波分别采用了5点、9点和13点滤波(即 N=5,9,13)进行对比,可以看到N值越大,滤波后信号越平滑,但13点滑动平均和13点中值滤波不仅剔除了由于δ效应造成的噪声,近地处的地物信息也同时滤去了。而采用db5小波去噪的方法,与 13点滑动平均和13点中值滤波相比,既能保留靠近雷达处的地物信息,也能较好地去除其他信息造成的毛刺。因此,在后续的研究中均采用小波去噪的方法对该雷达数据进行处理。
3、衰减订正
X波段雷达的波长仅为3cm,相较于S、C波段雷达,云、降水粒子和气体分子等对其能量的吸收和散射不可忽略,衰减对其影响甚是严重。为了使该雷达观测值更靠近真实值,利用改进的自适应约束算法对ZH进行衰减订正,订正后ZH大于45dBZ的极大值区范围扩大,强度增强至50dBZ;而ZH大于30dBZ相对大值区也有所增强,订正后反射率因子大小与S波段雷达探测所得更接近。但是由于雷暴云相对X波段雷达和S波段雷达的位置不同,探测时间、仰角、距离都有一定差异,所以订正后难以与S波段雷达探测效果一致。
为了进一步分析衰减订正效果,挑选方位角181°和215°两个径向作回波强度随距离变化的折线图,订正后的ZH相比订正前的ZH略有增加;而对于较强的雨区,订正后的ZH增强明显,增幅可达5dBZ 左右。
下面结合基于X波段双线偏振天气雷达对雷暴云内水成物粒子的识别对本发明应用原理作进一步描述。
1、模糊逻辑算法
模糊逻辑算法大体有以下四个步骤:模糊处理、规则推导、集成和退模糊处理。模糊处理,将偏振参量(ZH,ZDR,KDP,ρHV)输入,用相应的隶属成员函数求取隶属度,得到的值在0-1之间。规则推导是通过计算机实现上一步的过程。集成是将每个参量求得的隶属度用一定方法(加法、乘法)进行加权集合起来。退模糊就是将隶属度最高的还原为识别结果输出,即为毛毛雨(DR)、雨(RA)、干雪(DS)、干冰晶(DC)、湿雪(WS)、干霰(DG)、湿霰(WG)、小冰雹(SH)、大冰雹(LH)、雨夹雹(RH)。
由于雷达参数、目的等差异的存在,通常采用不同的隶属成员函数,基于雷达PPI或RHI探测量对水成物粒子进行分类识别。根据一些相关总结出的隶属成员函数。本发明采用不对称梯型函数,最大集成法进行水成物粒子识别。
其中,X1,X2,X3,X4的值,由于不同参数的识别能力不同,本发明采用各参数非等权重的设置,根据参数的识别能力由大到小将 ZH、ZDR、KDP、ρHV的权重进行调整,分别设为0.4、0.3、0.2、0.1。对模糊逻辑算法识别云内水成物粒子的优势及参数设置的合理性。
由ZH和ZDR的关系可见,虽然在ZH方向上有多种相态重叠在一起的情况,但在考虑ZDR后可进行一定程度的区分。例如,雨的ZH范围虽然和湿雪、霰、冰雹等多种水成物粒子都有重叠,但其ZDR正值范围要比上述相态都大,这是因为大雨滴下落过程中受空气阻力会变形使得横轴大于纵轴,从而使ZDR值较大,多为正值;而冰雹等固态粒子则不具有这种特性。对于冰雹而言,其很可能在上升或下降的过程中上下翻滚使得被探测时的纵轴看起来更大,因此ZDR更可能为负值。在ZH与KDP、ρHV的范围对比中也可以用类似的情况区分不同粒子。总体而言,模糊逻辑算法可以较全面地考虑到各种水成物粒子在不同参数中重叠的情况,而这也是双偏振雷达与传统单极化雷达相比的优势之所在。
此外为了提高识别的准确性,根据不同粒子存在所需的温度条件,引入探空资料的环境温度(T)对其做一定限制:如毛毛雨不能在0℃层以上出现,雨夹雹等只能出现在-10℃层以下等。
下面结合基于X波段双偏振雷达对雷暴单体水成物粒子演变状况的分析对本发明作进一步描述。
1、环流背景及天气过程分析
(1)2015年6月26日环流背景及天气过程分析
据资料显示2015年6月26日晚20:27时至22:58时左右,北京地区西南方向发生一次雷暴天气过程,其间有多个雷暴单体生成,主要对21:38至22:58的一个雷暴单体(个例一)的演变进行分析。根据雷达图像,该雷暴单体与层状云相连,为对流云和层状云的混合云;雷达探测到的演变过程较为完整,具有较好的分析价值。
一般来说,ZH大于等于30dBZ就可能产生较强的降水,而存在大于等于45dBZ的强回波就可以表明存在多单体风暴、强雷暴等能产生强降水的中尺度对流天气系统。据此,将所分析雷暴单体回波强度剔除地物杂波后,把30dBZ以上划分为4部分(30~35dBZ、 35~40dBZ、40~45dBZ和≥45dBZ)并统计每部分库数占30dBZ以上总库数百分比,由于某些时段存在缺测,使用了三次样条插值分析其时间演变规律。
在21:58至22:40,雷暴单体45dBZ以上的库数占比明显比其他时间高,40-45dBZ也基本如此;而30-35dBZ和35-40dBZ则低于另两段时间。据此,再结合雷达图像将雷暴单体发展过程分为3个阶段:发展阶段(~21:58)、成熟阶段(21:58~22:40)和消散阶段(22:40~)。
根据雷暴单体发展3阶段的反射率因子统计值,该雷暴单体发展阶段中成熟阶段45dBZ以上(包含45dBZ)的强回波占比高达6.3%; 40~45dBZ的次强回波占比为17.7%,均明显大于发展和消散阶段。从单体发展阶段到成熟阶段,40dBZ以下占比明显下降,40dBZ以上反射率因子占比显著上升,表明反射率因子往大值发展;而雷暴单体从成熟到消散,40dBZ以上的值显著下降,反射率因子往小值变化。
(2)2015年8月7日环流背景及天气过程分析
据资料显示2015年8月7日午后,有强对流过程在北京北部发生。雷达图显示,该过程为一次多单体风暴,其间有多个强雷暴单体生成发展。主要对15:18时至16:10时的一个强雷暴单体进行演变分析,该单体强度可达50dBZ以上,其反射率因子大值区高度可达10km以上;在一小时内持续发展,探测也较为完整。
此外,当日傍晚北京局地暴雨伴随冰雹,但是由于缺少演变过程完整的雷暴单体资料,这里仅选取17:52-17:55成熟雷暴单体进行简单的水成物粒子分布研究,作为对个例一、个例二的补充。2015年8 月7日14:00时研究区域位于500hPa高空斜槽前,有正涡度平流,地面辐合上升增强;而在850hPa该区域有短波横槽,具有辐合上升作用,二者结合抬升力增强,是强对流天气形成的有利条件。另,高空槽后是大陆吹来的干冷空气,地面则为从日本海附近到北京的暖湿平流,二者使不稳定度加强,容易产生强烈对流。
该雷暴单体发展阶段中成熟阶段45dBZ以上(包含45dBZ)的强回波占比高达7.1%;40~45dBZ的次强回波占比为19.3%,均明显大于发展和消散阶段。从单体发展阶段到成熟阶段,35dBZ以上反射率因子占比均显著上升,表明反射率因子往大值发展;而雷暴单体从成熟到消散,35dBZ以上的值显著下降,反射率因子往小值变化。
2、水成物粒子演变定性分析
(1)发展阶段水成物粒子水平和垂直结构的时间演变特征
在对雷暴天气的环流形势及其过程有了大致了解后,基于模糊逻辑算法对水成物粒子的反演结果进行水平和垂直方向空间分布特征的演变分析,以便更直观的了解雷暴单体发展过程中各个阶段水成物粒子的分布及演变。为此,从其发展、成熟、消散3个阶段各取某些时刻的回波强度及其水成物粒子识别结果进行分析。
2015年6月26日(个例一)雷暴单体发展阶段的反射率因子大小及相应时刻水成物粒子的水平和垂直分布特征,左侧为反射率因子图(单位:dBZ),右侧为十种粒子的识别图。
雷暴单体发展阶段:21:41时在距雷达中心0-60km、135°-215°处有大范围强度为20-35dBZ的回波区,而在距雷达65-85km、210°至240°间、中心高度约为3.7km处,出现3个大于40dBZ的强反射率因子回波区,即雷暴单体A、B、C,其中单体A最大回波强度可达40dBZ以上且探测到的演变过程相对完整,而单体B和C最大回波强度为35-40dBZ,因此将雷暴单体A作为对象(后文所提雷暴单体均为单体A);
在135°-215°、距雷达中心0-65km的云区为毛毛雨围绕的雨滴区,而单体由湿雪包围雨滴,其中心回波强度大于40dBZ处还夹杂极少量的霰粒子。
点划线方向的RHI图。高度3.5-4km处有30dBZ以上的平直强回波带——零度层亮带,与环境温度的0℃层高度吻合,而60km以外为雷暴单体,30dBZ以上强回波区距雷达60-80km,可达9km高;
在0-50km层状云0℃层以下主要为毛毛雨,0℃层左右存在一个冰相粒子和液态粒子共存、湿雪居多的过渡带,而50-60km处下层的雨滴与距雷达60km至80km的雷暴单体中上层是干冰晶、湿雪和干雪等,0℃层以上有极微量的霰粒子,0℃层存在以湿雪为主的过渡带,其下部为雨滴和少量毛毛雨。此时,0℃层以下主要是液态粒子的碰并增长,
径向速度图显示单体后部0℃层附近存在风场辐合上升,受上升气流作用液态粒子在0℃层以上通过Bergeron作用形成较大冰晶粒子,这些粒子少量下落,通过碰并和凇附作用在中层5km处形成霰粒子,但由于此时0℃层以上过冷水很少,凇附作用不显著,霰粒子极少;此外中层的干雪、冰晶粒子下落至0℃层以下融化,形成湿雪粒子为主的融化层,直至全部转变为液态粒子——雨滴和毛毛雨。
21:44时反射率因子与水成物粒子分布与21:41时基本一致,只是单体中心强回波区中心范围扩大对应该处雨滴范围的增加。
单体30dBZ以上强回波区外移在70km至90km间,高度可达 9.5km;而对应的0℃层附近及以上液态粒子——过冷水范围明显增大,干雪粒子减少。此时,相较前一个时刻,强回波区高度更高,表明该单体仍在发展,并且在0℃层以上就有较多雨滴表明上升气流较强,这些过冷水的存在为成熟阶段霰粒子的生成提供了有利的条件。
2015年8月7日(个例二)雷暴单体发展阶段的反射率因子大小及相应时刻水成物粒子的水平和垂直分布特征,左侧为反射率因子图(单位:dBZ),右侧为十种粒子的识别图。
雷暴单体发展阶段:在北京以北约100km处有多单体雷暴。在此,主要分析方位角340°距雷达90km的雷暴单体A,该单体后续发展过程探测较为完整,其中心回波强度可达40-45dBZ。
对应的水成物粒子识别,除了雷暴单体中心40-45dBZ处有少量霰粒子生成,大部分仍为冰晶和雪。15:13时,显示雷暴单体回波强度大值区集中在距雷达90km、高4-8km处,可达45dBZ;对应水成物粒子分布0℃层以下为雨滴、毛毛雨液态粒子,0℃层以上4-8km 回波大值区有霰粒子生成,外围为干雪和湿雪、冰晶。15:18时显示反射率因子和粒子识别,单体略微向东南移动。15:17时,雷暴单体回波强度大值区集中在距雷达85km、高3-7km处,仍可达45dBZ;对应水成物粒子分布0℃层以下为雨滴、毛毛雨液态粒子,0℃层以上4-7km回波大值区有少量霰粒子,外围为干雪和湿雪、冰晶。
(2)成熟阶段水成物粒子水平和垂直结构的时间演变特征
个例一雷暴单体成熟阶段的反射率因子大小及相应时刻水成物粒子的水平和垂直分布特征;
雷暴单体成熟阶段:22:15时,显示靠近雷达的层状云强度减弱范围缩小,而雷暴单体持续发展并向东南方向移动至208°左右距雷达 80km至100km,其中心高度约为5km,中心强度增大至45dBZ以上;
40dBZ以上反射率因子对应的水成物粒子识别图中仍被雨滴环绕,中心大于45dBZ处明显夹杂着大量的霰粒子。
22:17时,强回波区距雷达80km至100km处、最高可达10km,高度3-6km处有45dBZ以上回波出现;
对应上层仍为干冰晶和雪,中层5-8km高度雨滴减少、霰粒子增多,与PPI图呈现一致。
此时,单体下层后部的辐合区向上延申,而前部存在辐散,下沉气流增强,冰晶等受下沉气流影响开始大量下落并发生聚并增长形成雪花,这些冰相粒子在5-8km处碰并收集过冷水滴形成霰粒子,大量消耗0℃层以上液态粒子和冰晶。22:26时,显示雷暴单体继续向东南方向移动,30dBZ以上强回波区外移至85km至105km,中心强度仍大于45dBZ,所在高度约为5.3km;
表明雷暴单体对应水成物粒子仍是雨滴中夹杂大量霰粒子。
22:28时,雷暴单体30dBZ以上强回波区位于90-105km、最高可达10km,50dBZ以上大值中心出现在3-6km处;对应3-6km有雹粒子存在,中层3-8km霰粒子和干雪明显增多,雨滴高度则进一步下降至0℃层附近。
此时,单体前部辐散区向下延伸,下沉气流增强,使上层的冰晶粒子不断通过碰并和凇附作用收集过冷水在中层生成霰粒子;此外过冷水滴在上升与下沉气流中碰并也促成霰粒子生成。
22:35时,回波大值区持续外移至90km-110km,中心强度仍为 45dBZ以上,中心高度约为5.5km;此高度雷暴单体雨滴范围明显缩小,干雪和霰粒子占据多数。22:37时,30dBZ以上强回波区在距雷达90km-115km处,最高仍维持在10km,45dBZ以上回波高度下降至2-7km;中层霰粒子范围有所减少而干雪增多,雨滴集中在下部, 0℃层附近仍有雨夹雹。此时,单体前部辐散明显,下沉气流继续增强,但是由于中层过冷水的大量消耗,霰粒子生成减少。
整个成熟阶段,雷暴单体持续南移,回波大值区位于80km至 110km范围内,中心值达到45dBZ以上,局部50dBZ以上。云顶出现冲锋突,呈现一个梭型,单体内的中上部3至8km有大量霰粒子,对应中层液态粒子减少明显,推测为过冷水滴在冰晶粒子上冻结或碰并而形成霰粒子。22:28时,高度3-6km有雹粒子生成。5km上下干雪开始生成并随时间推移增多,3km以下存在大量雨滴,存在明显的分层,即中上部为固态大粒子,下部液态居多,表明仍是上升气流起主导作用。
个例二中雷暴单体成熟阶段的反射率因子大小及相应时刻水成物粒子的水平和垂直分布特征,左侧为反射率因子图(单位:dBZ),右侧为十种粒子的识别图。
雷暴单体成熟阶段:15:29时,显示雷暴单体A向东南方向移动,距雷达75km,中心回波强度可达45dBZ,30dBZ以上大值区范围明显扩大;为对应的水成物粒子识别,雷暴单体中心大值区处的霰粒子明显增多,周围仍是大量冰晶和雪。15:30时,雷暴单体出现明显的冲锋突,呈梭型,距雷达75-90km,其回波强度大值区范围明显扩大,分布在距雷达80km、高2-11km处,可达50dBZ以上;对应水成物粒子分布0℃层以下仍以雨滴为主,0℃层以上受上升气流影响,大量霰粒子生成,其分布范围向上延伸至12km处,外围为干雪和湿雪、冰晶。15:32时,反射率因子和粒子识别中,单体略微向东南移动,霰粒子相较前一时刻进一步增多。15:32时,雷暴单体回波强度45dBZ 以上区域高度有所回落,2-8km处,最高仍可达50dBZ;对应水成物粒子分布0℃层以下为雨滴,0℃层以上80km仍有大量霰粒子。
(3)消散阶段水成物粒子水平和垂直结构的时间演变特征:
个例一中雷暴单体发展至消散过程共持续1小时20分钟左右,单体向东南移动25km左右。该过程中,单体垂直结构在成熟阶段出现冲锋突,在消散阶段塌陷及云内水成物分布状况体现了该过程中先是上升气流主导,到消散阶段则逐渐变为下沉气流起主要作用,与普通单体雷暴发展的3个阶段特点较为吻合。而雷暴单体发展过程水成物粒子的水平方向演变呈现如下特征:发展阶段液态粒子最多;而成熟阶段则是固态粒子,主要特点是霰粒子明显增多;消散阶段雨区消亡。此外,霰粒子在ZH大于40dBZ时就可能生成,但是综合其他几个偏振参量的观测,在成熟阶段仍是生成最多的,另两个阶段很少。并且霰粒子的生成往往伴随液态粒子减少,多存在于单体中上部,这是由于霰粒子的形成要求云中有充足的液态水和相对低的温度。个例二中雷暴单体发展至消散过程共持续约1小时,单体向东南移动20km 左右。该过程中,单体在成熟阶段出现明显冲锋突,其回波强度45dBZ 以上的大值区高度可达12km,最大值可达50dBZ以上,有大量霰粒子分布;而发展和消散阶段回波大值区高度大体在3-8km,霰粒子较少。该个例由于缺乏速度资料,无法进一步探讨粒子分布与上升、下沉气流的关系。而个例三,PPI图上所显示的雷暴单体在RHI图受近雷达处的强单体影响,出现回波穹窿,探测不完整。
3、水成物粒子演变定量分析
为了更好地反映各层粒子的演变规律,对RHI探测下个例一、二中雷暴单体发展过程各层主要水成物粒子的出现时间、位置(单位: km)、含量(单位:%)、增量(+:增加,-:减少,单位:%)进行了统计,并对各阶段主要的特征和微物理过程进行总结。
个例一中雷暴单体从发展到消散的宏观表现主要是雷暴单体高度的演变——先升高后降低,成熟阶段可达12km;由于是0℃层在 3.98km处,为典型的冷云。0℃层以下,21:39时至22:37时雨滴含量基本是逐步增加的,在发展阶段大约为每10min增多1%,成熟阶段为每10min增多2%,表明碰并增长加强;22:37时至22:58 时雨滴含量先是增速减缓至每10min增多1%,然后迅速变为每10min 减少4%,碰并增长减弱明显;而毛毛雨基本呈现相反的变化。0℃层以上,21:39时至21:56时霰粒子含量不变,21:56时至22:28 时霰粒子增长迅速,干霰增速最多达每10min增多5%,湿霰每10min 增多1%,22:28时至22:37时霰粒子含量基本持平;22:37时至 22:56时霰粒子含量减少,从每10min减少3%到最后减少6%。综上,成熟阶段霰粒子含量增长速度较快,增多幅度较大。个例二中雷暴单体从发展到消散的宏观表现与个例一种雷暴单体高度的演变一致,均为先升高后降低,成熟阶段可达13km;由于是0℃层在4.08km 处,为典型的冷云。0℃层以下,发展到成熟阶段雨滴含量增多4%,表明碰并增长加强;成熟到消散阶段又减少约2%,碰并增长减弱明显;而毛毛雨基本呈现相反的变化,成熟阶段少于发展和消散阶段。 0℃层以上,发展到成熟阶段干雪减少8%、WS减少1%,冰晶下落的聚并作用减弱,霰粒子增多约5%,且在8km以上霰粒子增多更显著,达到4%左右;成熟到消散阶段则相反,干雪增多7%,湿雪增多2%,霰粒子减少4%,8km以上减少3%。所以相对于个例一,个例二霰粒子的变化在分布高度的上升和下降表现更为显著。
个例三中雷暴单体最旺盛阶段,0℃层以下,雨滴含量很多,可达30%以上,有较多雨夹雹;0℃层以上,中层霰粒子含量较多。
下面结合雷暴单体水成物粒子演变模型的建立对本发明作进一步描述。
基于径向速度和个例一、二、三的粒子分布情况建立雷暴单体发展、成熟和消散阶段微物理模型。
发展阶段:0℃层以下暖云过程明显,主要是液态粒子通过暖云过程碰并增长后下落;少量液态粒子可通过单体后部辐合上升区到达 0℃层以上,0℃层以上为冷云过程,单体后部中层初始冰晶等粒子上升,通过冰晶效应扩散凝华增长,然后在单体中前部下落发生聚并和极弱的凇附作用形成雪和少量霰粒子。如个例一中霰粒子等冷云过程产物仅占1%。
成熟阶段:雷暴单体后部正速度区向云底延伸,范围至1-7km,使暖云、冷云过程增强,0℃层下的液态粒子碰并增长更加显著,毛毛雨减少,雨滴增多,并且强雷暴云和冰雹云在此阶段还有较多雨夹雹和湿霰;更多液态粒子在后部的正速度区跨越0℃层在中层形成过冷水或凝结成初始冰晶,二者的消耗使单体中前部下沉区内冰晶的聚并作用和凇附作用增强,形成大量雪和霰。个例一即反映了上述过程, 0℃层以上雨滴减少6%,冰晶减少5%;干霰、湿霰共增加约8%,干雪、湿雪共增加2%,减量与增量基本持平即雨滴、冰晶消耗生成雪和霰。个例二在该阶段,霰粒子分布范围明显扩大,可达10km以上,且中上层霰粒子最多可达10%,相对发展阶段占比较多约5%。当然,对于如个例三一类的强雷暴云,成熟阶段其0℃层以下会出现大量雨夹雹,可能导致降雹。
消散阶段:0℃层附近的上升区明显减弱,后期完全为负速度区,阻隔了下层液态粒子跨越零度层,使0℃层以上冷云过程减弱,霰粒子减少;0℃层附近少量雹;0℃层以下粒子碰并增长减弱,雨滴含量减少,毛毛雨含量增加,意味着暖云过程也明显减弱。此外消散阶段,单体的单体中部存在较为明显的辐散,下沉气流一直延伸至雷暴底部。
下面结合结论对本发明作进一步描述。
(1)质量控制方面建立了基于检查径向连续性的退折叠、基于小波去噪的滤波和基于自适应约束算法的衰减订正这一整套针对X 波段双线偏振天气雷达的方法。其中,对差分传播相移使用检查连续性的方法进行相位退折叠后,其连续性得到明显提升,呈现单调递增。而滤波方法中,小波去噪相较13点滑动平均和13点中值滤波表现更好,既能较好地去除杂波,也能较完整地保留有效信息。此外,采用自适应约束算法进行衰减订正后,其反射率因子值增大,向S波段雷达靠近。
(2)基于模糊逻辑算法,综合运用经质量控制后的4种偏振参量和环境温度对雷暴云内的水成物粒子进行识别。经分析,加入环境参量有助于提高识别效果,使0℃层以下多为液态粒子,而0℃层以上主要为冰相粒子。建立的识别算法效果较好,各粒子的分布具备相当的合理性。
(3)运用建立的粒子识别方法,对北京典型雷暴单体水成物粒子演变进行分析。雷暴单体发展、成熟和消散阶段的主要微物理过程及演变特征是:发展阶段,0℃层以下由暖云过程主导,少量液态粒子上升至0℃层以上与冰晶反应生成较少的干霰,冷云过程较弱。成熟阶段,0℃层以下毛毛雨减少,雨滴增多,粒子碰并加强,暖云过程增强;较多液态粒子上升至0℃层以上,雨滴与冰晶通过凇附作用生成较多霰,并且对于强雷暴单体霰粒子分布高度明显向上伸展,冷云过程增强;而产生降雹过程的冰雹云,其0℃层以下存在较多雨夹雹粒子,并可延伸至云底。消散阶段,上升区明显减小,下层液态粒子难以上升至0℃层以上形成初始冰晶,使暖云及冷云过程都减弱, 0℃层以下毛毛雨增多,粒子碰并减弱;0℃层以上冰晶消耗,霰生成减少并且范围缩小。
(4)基于雷暴单体内各类水成物粒子分布、演变及其动力场背景特征建立了雷暴单体演变过程微物理概念模型。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于双偏振雷达观测提高雷暴天气预警预报准确度的方法,其特征在于,所述基于双偏振雷达观测提高雷暴天气预警预报准确度的方法包括:
利用X波段双线偏振天气雷达参量,对数据进行相位退折叠、滤波和衰减订正在内的质量控制;基于模糊逻辑算法,引入探空资料的环境温度限制,对雷暴单体内多种水成物粒子识别;
根据反演结果对典型雷暴单体中云内水成物粒子的水平和垂直分布的演变特征分析;
建立雷暴单体演变过程的微物理概念模型,获得雷暴单体的结构及演变特征。
2.如权利要求1所述的基于双偏振雷达观测提高雷暴天气预警预报准确度的方法,其特征在于,所述X波段双线偏振天气雷达数据质量控制包括:
基于径向连续性检查的差分传播相移相位退折叠的效果分析;小波去噪、滑动平均和中值滤波相对原始信号的去噪效果及相互之间的比较;基于自适应约束算法对回波强度的衰减订正及效果分析。
3.如权利要求1所述的基于双偏振雷达观测提高雷暴天气预警预报准确度的方法,其特征在于,所述模糊逻辑算法包括:模糊处理、规则推导、集成和退模糊处理;
所述模糊处理将偏振参量ZH、ZDR、KDP、ρHV输入,用相应的隶属成员函数求取隶属度,得到值0-1;
所述规则推导通过计算机实现;
所述集成将每个参量求得的隶属度用一定加法、乘法进行加权集合起来;退模糊处理为:将隶属度最高的还原为识别结果输出,采用不对称梯型函数,进行水成物粒子识别;
所述模糊处理中采用各参数非等权重的设置,根据参数的识别能力由大到小将ZH、ZDR、KDP、ρHV的权重进行调整;
所述不对称梯型函数为:
其中,X1,X2,X3,X4的值分别设为0.4、0.3、0.2、0.1。
4.如权利要求1所述的基于双偏振雷达观测雷暴天气预警预报准确度方法,其特征在于,所述滤波方法包括:滑动平均、中值滤波、小波去噪;
滑动平均是一种低通滤波方法,选定某一尺寸的窗口,将窗口内的所有数值进行算术平均,将得到的的算术平均值替代窗口中心点;然后移动窗口,重复此平均方法,直到对整个数列完成该过程;
中值滤波作为一种滤波技术,能较为有效地去除脉冲噪声;中值滤波的原理是用奇数点(3,5,7……)的移动窗口,将其中心点的值用窗口内数值从小到大排列的中值替代,然后移动窗口,重复此方法直至对整个数列完成该过程;具体来说,假设一个序列a1,a2,…,an,取窗口长度为m,m为奇数,对其进行中值滤波,即从{an}中依次抽取m个数,分别为ai-j,…,ai-1,ai,ai+1,…,ai+j(ai为移动窗口中心值,m=2j+1),再将这m个数按照从小到大的顺序排列,排在数列中心点的那个数即为中值滤波器的输出值;
小波去噪分为信号分解、信号去噪和信号重构;
信号分解采用小波函数对原始信号进行3-5层分解,采用db3-db5对原始信息进行处理,将每层信号分解为低频和高频两种分量;其中低频信号为的近似信号,高频信号为δ的细节信号;
信号去噪保留分解出的近似信号,对分解出的细节信号则采用软阈值法进行降噪处理;使各层待处理信号的小波系数按阈值向0收缩,计算式如下:
其中,Wi,j为处理前的小波系数,thr为阈值;采用固定阈值法进行阈值计算,阈值函数仅与信号长度有关,计算式为n代表信号长度;
信号重构将最后一层的近似信号和每层经小波进行降噪处理后的细节信号进行重组,构成小波去噪后的数据。
5.如权利要求2所述的基于双偏振雷达观测雷暴天气预警预报准确度方法,其特征在于,所述衰减订正方法包括:
根据雨区的衰减积分与路径上的差分传播相移变化总量相一致的约束条件来求取衰减率AH,其中,r1<r<r2,连续15个距离库以上的ZH大于等于20dBZ再据此得到订正后ZHcor(r):
其中,
其中,天气雷达b的取值为0.8;α的取值针对每条径向在0.130至0.350dB·(°)-1范围内,以0.005的步长求取值,确定的差分传播相移与实测值最接近,满足下式中最小:
其中,i为径向上雨区从开始到结束的距离库数。
6.如权利要求1所述的基于双偏振雷达观测雷暴天气预警预报准确度方法,其特征在于,所述雷暴单体的水成物粒子演变模型的建立包括:基于径向速度和粒子分布情况建立雷暴单体发展阶段、成熟阶段和消散阶段的微物理概念模型;
所述发展阶段:0℃层以下暖云过程明显,是液态粒子暖云过程碰并增长后下落;少量液态粒子可通过单体后部符合上升区到达0℃层以上,0℃层以上为冷云过程,单体后部中层初始冰晶等粒子上升,通过冰晶效应扩散凝华增长,然后在单体中前部下落发生聚并和极弱的凇附作用形成雪和少量霰粒子;
所述成熟阶段:雷暴单体后部正速度区向云底延伸,范围至1-7km,使暖云、冷云过程增强,0℃层下的液态粒子碰并增长更加显著,毛毛雨减少,雨滴增多约,并且有雨夹雹和湿霰;更多液态粒子在后部的正速度区跨越0℃层在中层形成过冷水或凝结成初始冰晶,二者的消耗使单体中前部下沉区内冰晶的聚并作用和凇附作用增强,形成大量雪和霰;
所述消散阶段:0℃层附近的上升区明显减弱,后期完全为负速度区,阻隔下层液态粒子跨越零度层;0℃层附近少量雹;0℃层以下粒子碰并增长减弱,雨滴含量减少,毛毛雨含量增加,意味着暖云过程也明显减弱;消散阶段,单体的单体中部存在较为明显的辐散,下沉气流一直延伸至雷暴底部。
7.一种使用权利要求1~6任意一项所述基于双偏振雷达观测雷暴天气预警预报准确度方法的雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710823377.0A CN107843884B (zh) | 2017-09-13 | 2017-09-13 | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710823377.0A CN107843884B (zh) | 2017-09-13 | 2017-09-13 | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107843884A true CN107843884A (zh) | 2018-03-27 |
CN107843884B CN107843884B (zh) | 2021-09-14 |
Family
ID=61682816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710823377.0A Active CN107843884B (zh) | 2017-09-13 | 2017-09-13 | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107843884B (zh) |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108680920A (zh) * | 2018-04-28 | 2018-10-19 | 深圳市雅码科技有限公司 | 一种基于双偏振雷达的灾害天气识别预警系统及方法 |
CN108931774A (zh) * | 2018-06-26 | 2018-12-04 | 重庆市气象台 | 基于闪电资料的对流性降水识别产品检验方法及系统 |
CN109001846A (zh) * | 2018-06-20 | 2018-12-14 | 中国水利水电科学研究院 | 一种复杂地形条件下s波段与x波段雷达组网测雨方法 |
CN109085664A (zh) * | 2018-07-04 | 2018-12-25 | 山东省气象科学研究所 | 一种温度精细化预报偏差滑动订正方法 |
CN109188439A (zh) * | 2018-08-02 | 2019-01-11 | 大连市人工影响天气办公室 | 一种人工防雹早期雹云识别技术方法及系统 |
CN109597038A (zh) * | 2018-12-12 | 2019-04-09 | 北京无线电测量研究所 | 一种双偏振雷达的雷达反射率因子订正方法和系统 |
CN109828275A (zh) * | 2019-01-28 | 2019-05-31 | 中国气象局北京城市气象研究所 | 一种零度层亮带的识别方法和系统 |
CN110018448A (zh) * | 2019-03-30 | 2019-07-16 | 中国人民解放军陆军工程大学 | 基于任意取向微波链路的双偏振雷达衰减订正方法 |
CN110082436A (zh) * | 2019-04-25 | 2019-08-02 | 电子科技大学 | 一种基于变分模态的高提离电磁超声信号消噪方法 |
CN110161506A (zh) * | 2019-07-01 | 2019-08-23 | 江苏省气象科学研究所 | 一种基于多源气象观测资料的分类型冰雹落区识别方法 |
CN110196037A (zh) * | 2019-07-12 | 2019-09-03 | 成都信息工程大学 | 一种基于投影的可折叠精密条码水准尺 |
CN110346800A (zh) * | 2019-04-02 | 2019-10-18 | 成都锦江电子系统工程有限公司 | 一种基于双偏振天气雷达体扫数据的雷暴识别方法 |
CN110361742A (zh) * | 2019-06-21 | 2019-10-22 | 中国人民解放军国防科技大学 | 一种基于星载三频毫米波雷达的云雨微物理参数反演方法 |
CN110376562A (zh) * | 2019-07-30 | 2019-10-25 | 长威信息科技发展股份有限公司 | 一种双偏振雷达天气预测准确性的验证方法 |
CN110488296A (zh) * | 2019-08-21 | 2019-11-22 | 成都信息工程大学 | 对流单体降雹偏振雷达zdr柱在线监测数据预警方法 |
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 |
CN110488393A (zh) * | 2019-09-24 | 2019-11-22 | 中国科学院大气物理研究所 | X波段双偏振天气雷达定量测量降水方法及系统 |
CN110515081A (zh) * | 2019-06-26 | 2019-11-29 | 南京信息工程大学 | 一种雷达回波零度层亮带智能识别预警方法 |
CN110704804A (zh) * | 2019-04-30 | 2020-01-17 | 南京信息工程大学 | 一种自适应的水凝物反演方法 |
CN110749871A (zh) * | 2019-11-05 | 2020-02-04 | 南京大学 | 双偏振天气雷达的参量估算方法 |
CN111694000A (zh) * | 2020-06-11 | 2020-09-22 | 成都信息工程大学 | 雹云单体发展过程中雹胚形成及冰雹增长的预报方法 |
CN112068104A (zh) * | 2020-09-11 | 2020-12-11 | 中国航空工业集团公司雷华电子技术研究所 | 一种冰晶识别方法、装置、电子设备及双极化气象雷达 |
CN112859031A (zh) * | 2021-02-05 | 2021-05-28 | 北京城市气象研究院 | 一种反演雨滴谱的方法及系统 |
CN113219465A (zh) * | 2021-05-07 | 2021-08-06 | 中国人民解放军国防科技大学 | 基于极化衰减信息的水成物识别及微波频率自动优选方法 |
CN113447724A (zh) * | 2021-03-09 | 2021-09-28 | 中国气象科学研究院 | 闪电活动判别方法和系统 |
CN113819957A (zh) * | 2021-10-28 | 2021-12-21 | 上海建科工程咨询有限公司 | 一种整体爬升钢平台施工安全监理辅助方法及系统 |
CN113888384A (zh) * | 2021-10-20 | 2022-01-04 | 成都理工大学 | 一种滑坡灾害空间分布特征的分析方法及系统 |
CN114002681A (zh) * | 2021-11-04 | 2022-02-01 | 成都信息工程大学 | 利用毫米波云雷达进行过冷水探测的方法、装置及应用 |
CN114415184A (zh) * | 2022-03-29 | 2022-04-29 | 中国人民解放军国防科技大学 | 极化-多普勒气象雷达的降雨信号恢复方法及装置 |
CN114488155A (zh) * | 2021-12-27 | 2022-05-13 | 国网山东省电力公司应急管理中心 | 一种基于多普勒天气雷达的对流单体演变趋势判别方法 |
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 |
CN115629387A (zh) * | 2022-12-07 | 2023-01-20 | 成都远望科技有限责任公司 | 一种多波段双偏振雷达的冰晶凇附增长估算方法 |
CN115902812A (zh) * | 2022-12-29 | 2023-04-04 | 浙江省气象台 | 一种短时暴雨天气背景自动判别方法、系统、设备及终端 |
CN116430390A (zh) * | 2023-06-13 | 2023-07-14 | 南京信息工程大学 | 一种面向资料同化的s波段双偏振雷达质量控制方法 |
CN117809192A (zh) * | 2024-03-01 | 2024-04-02 | 南京信息工程大学 | 一种基于denclue聚类算法的雷暴识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678369A (zh) * | 2015-01-20 | 2015-06-03 | 南京大学 | 一种基于非固定金属球的双偏振天气雷达标校方法 |
KR101623688B1 (ko) * | 2015-06-01 | 2016-05-24 | 부경대학교 산학협력단 | 이중편파레이더를 이용한 정량적 강수량 추정 방법 |
-
2017
- 2017-09-13 CN CN201710823377.0A patent/CN107843884B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678369A (zh) * | 2015-01-20 | 2015-06-03 | 南京大学 | 一种基于非固定金属球的双偏振天气雷达标校方法 |
KR101623688B1 (ko) * | 2015-06-01 | 2016-05-24 | 부경대학교 산학협력단 | 이중편파레이더를 이용한 정량적 강수량 추정 방법 |
Non-Patent Citations (3)
Title |
---|
伍魏等: "X 波段双偏振雷达资料的质量控制方法对比研究", 《成都信息工程大学学报》 * |
毕永恒等: "X波段双线偏振气象雷达反射率的衰减订正", 《大气科学》 * |
郭凤霞等: "基于X波段双线偏振天气雷达的雷暴云粒子识别", 《气象学报》 * |
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108680920A (zh) * | 2018-04-28 | 2018-10-19 | 深圳市雅码科技有限公司 | 一种基于双偏振雷达的灾害天气识别预警系统及方法 |
CN110806607A (zh) * | 2018-06-20 | 2020-02-18 | 中国水利水电科学研究院 | 一种复杂地形条件下s波段与x波段雷达重叠区域组网测雨方法 |
CN109001846A (zh) * | 2018-06-20 | 2018-12-14 | 中国水利水电科学研究院 | 一种复杂地形条件下s波段与x波段雷达组网测雨方法 |
CN110806607B (zh) * | 2018-06-20 | 2021-02-26 | 中国水利水电科学研究院 | 一种复杂地形条件下s波段与x波段雷达重叠区域组网测雨方法 |
CN108931774A (zh) * | 2018-06-26 | 2018-12-04 | 重庆市气象台 | 基于闪电资料的对流性降水识别产品检验方法及系统 |
CN109085664B (zh) * | 2018-07-04 | 2020-10-13 | 山东省气象科学研究所 | 一种温度精细化预报偏差滑动订正方法 |
CN109085664A (zh) * | 2018-07-04 | 2018-12-25 | 山东省气象科学研究所 | 一种温度精细化预报偏差滑动订正方法 |
CN109188439A (zh) * | 2018-08-02 | 2019-01-11 | 大连市人工影响天气办公室 | 一种人工防雹早期雹云识别技术方法及系统 |
CN109597038A (zh) * | 2018-12-12 | 2019-04-09 | 北京无线电测量研究所 | 一种双偏振雷达的雷达反射率因子订正方法和系统 |
CN109828275A (zh) * | 2019-01-28 | 2019-05-31 | 中国气象局北京城市气象研究所 | 一种零度层亮带的识别方法和系统 |
CN110018448A (zh) * | 2019-03-30 | 2019-07-16 | 中国人民解放军陆军工程大学 | 基于任意取向微波链路的双偏振雷达衰减订正方法 |
CN110346800A (zh) * | 2019-04-02 | 2019-10-18 | 成都锦江电子系统工程有限公司 | 一种基于双偏振天气雷达体扫数据的雷暴识别方法 |
CN110082436A (zh) * | 2019-04-25 | 2019-08-02 | 电子科技大学 | 一种基于变分模态的高提离电磁超声信号消噪方法 |
CN110082436B (zh) * | 2019-04-25 | 2022-01-11 | 电子科技大学 | 一种基于变分模态的高提离电磁超声信号消噪方法 |
CN110704804A (zh) * | 2019-04-30 | 2020-01-17 | 南京信息工程大学 | 一种自适应的水凝物反演方法 |
CN110361742A (zh) * | 2019-06-21 | 2019-10-22 | 中国人民解放军国防科技大学 | 一种基于星载三频毫米波雷达的云雨微物理参数反演方法 |
CN110361742B (zh) * | 2019-06-21 | 2021-03-26 | 中国人民解放军国防科技大学 | 一种基于星载三频毫米波雷达的云雨微物理参数反演方法 |
CN110515081A (zh) * | 2019-06-26 | 2019-11-29 | 南京信息工程大学 | 一种雷达回波零度层亮带智能识别预警方法 |
CN110161506B (zh) * | 2019-07-01 | 2023-03-31 | 江苏省气象科学研究所 | 一种基于多源气象观测资料的分类型冰雹落区识别方法 |
CN110161506A (zh) * | 2019-07-01 | 2019-08-23 | 江苏省气象科学研究所 | 一种基于多源气象观测资料的分类型冰雹落区识别方法 |
CN110196037A (zh) * | 2019-07-12 | 2019-09-03 | 成都信息工程大学 | 一种基于投影的可折叠精密条码水准尺 |
CN110376562B (zh) * | 2019-07-30 | 2022-10-11 | 长威信息科技发展股份有限公司 | 一种双偏振雷达天气预测准确性的验证方法 |
CN110376562A (zh) * | 2019-07-30 | 2019-10-25 | 长威信息科技发展股份有限公司 | 一种双偏振雷达天气预测准确性的验证方法 |
CN110488296A (zh) * | 2019-08-21 | 2019-11-22 | 成都信息工程大学 | 对流单体降雹偏振雷达zdr柱在线监测数据预警方法 |
CN110488296B (zh) * | 2019-08-21 | 2022-11-25 | 成都信息工程大学 | 对流单体降雹偏振雷达zdr柱在线监测数据预警方法 |
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 |
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 |
CN110488393B (zh) * | 2019-09-24 | 2020-05-15 | 中国科学院大气物理研究所 | X波段双偏振天气雷达定量测量降水方法及系统 |
CN110488393A (zh) * | 2019-09-24 | 2019-11-22 | 中国科学院大气物理研究所 | X波段双偏振天气雷达定量测量降水方法及系统 |
CN110749871A (zh) * | 2019-11-05 | 2020-02-04 | 南京大学 | 双偏振天气雷达的参量估算方法 |
CN110749871B (zh) * | 2019-11-05 | 2023-02-28 | 南京大学 | 双偏振天气雷达的参量估算方法 |
CN111694000B (zh) * | 2020-06-11 | 2023-03-21 | 成都信息工程大学 | 雹云单体发展过程中雹胚形成及冰雹增长的预报方法 |
CN111694000A (zh) * | 2020-06-11 | 2020-09-22 | 成都信息工程大学 | 雹云单体发展过程中雹胚形成及冰雹增长的预报方法 |
CN112068104A (zh) * | 2020-09-11 | 2020-12-11 | 中国航空工业集团公司雷华电子技术研究所 | 一种冰晶识别方法、装置、电子设备及双极化气象雷达 |
CN112859031A (zh) * | 2021-02-05 | 2021-05-28 | 北京城市气象研究院 | 一种反演雨滴谱的方法及系统 |
CN113447724A (zh) * | 2021-03-09 | 2021-09-28 | 中国气象科学研究院 | 闪电活动判别方法和系统 |
CN113219465A (zh) * | 2021-05-07 | 2021-08-06 | 中国人民解放军国防科技大学 | 基于极化衰减信息的水成物识别及微波频率自动优选方法 |
CN113888384B (zh) * | 2021-10-20 | 2023-06-27 | 成都理工大学 | 一种滑坡灾害空间分布特征的分析方法及系统 |
CN113888384A (zh) * | 2021-10-20 | 2022-01-04 | 成都理工大学 | 一种滑坡灾害空间分布特征的分析方法及系统 |
CN113819957A (zh) * | 2021-10-28 | 2021-12-21 | 上海建科工程咨询有限公司 | 一种整体爬升钢平台施工安全监理辅助方法及系统 |
CN113819957B (zh) * | 2021-10-28 | 2024-05-14 | 上海建科工程咨询有限公司 | 一种整体爬升钢平台施工安全监理辅助方法及系统 |
CN114002681A (zh) * | 2021-11-04 | 2022-02-01 | 成都信息工程大学 | 利用毫米波云雷达进行过冷水探测的方法、装置及应用 |
CN114488155B (zh) * | 2021-12-27 | 2023-06-27 | 国网山东省电力公司应急管理中心 | 一种基于多普勒天气雷达的对流单体演变趋势判别方法 |
CN114488155A (zh) * | 2021-12-27 | 2022-05-13 | 国网山东省电力公司应急管理中心 | 一种基于多普勒天气雷达的对流单体演变趋势判别方法 |
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 |
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 |
CN114415184A (zh) * | 2022-03-29 | 2022-04-29 | 中国人民解放军国防科技大学 | 极化-多普勒气象雷达的降雨信号恢复方法及装置 |
CN114415184B (zh) * | 2022-03-29 | 2022-06-21 | 中国人民解放军国防科技大学 | 极化-多普勒气象雷达的降雨信号恢复方法及装置 |
CN115629387A (zh) * | 2022-12-07 | 2023-01-20 | 成都远望科技有限责任公司 | 一种多波段双偏振雷达的冰晶凇附增长估算方法 |
CN115629387B (zh) * | 2022-12-07 | 2023-02-28 | 成都远望科技有限责任公司 | 一种多波段双偏振雷达的冰晶凇附增长估算方法 |
CN115902812A (zh) * | 2022-12-29 | 2023-04-04 | 浙江省气象台 | 一种短时暴雨天气背景自动判别方法、系统、设备及终端 |
CN115902812B (zh) * | 2022-12-29 | 2023-09-22 | 浙江省气象台 | 一种短时暴雨天气背景自动判别方法、系统、设备及终端 |
CN116430390B (zh) * | 2023-06-13 | 2023-08-22 | 南京信息工程大学 | 一种面向资料同化的s波段双偏振雷达质量控制方法 |
CN116430390A (zh) * | 2023-06-13 | 2023-07-14 | 南京信息工程大学 | 一种面向资料同化的s波段双偏振雷达质量控制方法 |
CN117809192A (zh) * | 2024-03-01 | 2024-04-02 | 南京信息工程大学 | 一种基于denclue聚类算法的雷暴识别方法 |
CN117809192B (zh) * | 2024-03-01 | 2024-04-26 | 南京信息工程大学 | 一种基于denclue聚类算法的雷暴识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107843884B (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107843884A (zh) | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 | |
Ryzhkov et al. | Polarimetric radar characteristics of melting hail. Part I: Theoretical simulations using spectral microphysical modeling | |
CN102508219B (zh) | 风廓线雷达湍流目标检测方法 | |
KR101531224B1 (ko) | 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법 | |
Grazioli et al. | Polarimetric radar and in situ observations of riming and snowfall microphysics during CLACE 2014 | |
Campbell et al. | Lake-effect mode and precipitation enhancement over the Tug Hill Plateau during OWLeS IOP2b | |
CN110488297B (zh) | 一种复杂地形区域雹暴的预警方法 | |
CN106443679B (zh) | 一种冷云人工增雨作业条件识别和作业效果分析的方法 | |
Cohard et al. | A comprehensive two‐moment warm microphysical bulk scheme. II: 2D experiments with a non‐hydrostatic model | |
Rowe et al. | Investigation of microphysical processes occurring in organized convection during NAME | |
Mecikalski et al. | Lightning characteristics relative to radar, altitude and temperature for a multicell, MCS and supercell over northern Alabama | |
Wang et al. | Microphysical processes of a stratiform precipitation event over eastern China: Analysis using micro rain radar data | |
CN106772387A (zh) | 一种风切变识别方法 | |
Wu et al. | The predictability of a squall line in South China on 23 April 2007 | |
Acquistapace et al. | Optimizing observations of drizzle onset with millimeter-wavelength radars | |
Dedekind et al. | Sensitivity of precipitation formation to secondary ice production in winter orographic mixed-phase clouds | |
Kim et al. | Impact of wind pattern and complex topography on snow microphysics during International Collaborative Experiment for PyeongChang 2018 Olympic and Paralympic winter games (ICE-POP 2018) | |
Hu et al. | Tracking and characterization of convective cells through their maturation into stratiform storm elements using polarimetric radar and lightning detection | |
CN114002681A (zh) | 利用毫米波云雷达进行过冷水探测的方法、装置及应用 | |
CN110877509B (zh) | 一种基于改进型果蝇算法的主动悬架视觉预瞄控制方法 | |
CN106569226B (zh) | 一种有云情况下利用激光雷达资料反演边界层高度的方法 | |
Chen et al. | Simulation of cloud microphysical and chemical processes using a multicomponent framework. Part II: Microphysical evolution of a wintertime orographic cloud | |
Liu et al. | Lightning activity and its associations with cloud structures in a rainstorm dominated by warm precipitation | |
Zhao et al. | An improved hydrometeor identification method for X-band dual-polarization radar and its application for one summer Hailstorm over Northern China | |
Cheng et al. | Impact of cloud microphysical processes on the simulation of Typhoon Rananim near shore. Part I: Cloud structure and precipitation features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |