CN108459323A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108459323A CN108459323A CN201810100943.XA CN201810100943A CN108459323A CN 108459323 A CN108459323 A CN 108459323A CN 201810100943 A CN201810100943 A CN 201810100943A CN 108459323 A CN108459323 A CN 108459323A
- Authority
- CN
- China
- Prior art keywords
- point
- strong
- convergency
- convergence
- elevation angle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012937 correction Methods 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000002310 reflectometry Methods 0.000 claims abstract description 15
- 230000012447 hatching Effects 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 239000000284 extract Substances 0.000 claims description 9
- 238000012946 outsourcing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 8
- 238000007689 inspection Methods 0.000 abstract description 8
- 241000208340 Araliaceae Species 0.000 abstract description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 abstract description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 abstract description 3
- 235000008434 ginseng Nutrition 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 2
- 235000005979 Citrus limon Nutrition 0.000 description 1
- 244000131522 Citrus pyriformis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- 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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
-
- 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
本发明公开了一种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,包括以下步骤:设计新的坐标系将放射状分布的雷达数据转变为格点数据,同时完成高反射率区域提取;设计检测模板,从而在快速定位辐合点的基础上得到描述辐合点辐合强度及位置的参向量;提出从辐合点生成辐合带,再借辐合带走向订正辐合强度的思想和算法,有效克服单仰角上强辐合场的低估甚至漏检的问题;根据单仰角最强辐合点确定剖线从而获得显示强辐合场的较佳剖面,得到强辐合场的深度信息。本方法能自动检测出强辐合场,并通过速度订正方法克服一定的低估和漏检问题,同时自动绘制强辐合场的剖面图并在剖面图中计算强辐合场特征参量,促进对流天气灾害的识别和预报。
Description
技术领域
本发明涉及气象学领域,特别涉及一种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。
背景技术
对流风暴中的辐合强度往往对灾害性大风有着较强的预示性[1]。1992年,Lemon等发现在超级单体的上升和下降气流交界处存在着垂直延伸能达到10km的深度辐合区(DCZ)[2],而灾害性大风往往发生在带有中气旋或阵风锋的DCZ沿线或后方[3,4];随后,Eilts等发现位于中层的强而深的径向辐合是有效预报下击暴流的因素之一[5];Przybylinski等通过对飑线、弓形回波等对流系统的研究,发现在对流线开始“弓起”之前,其前沿就已经有中层径向辐合(MARC)特征出现[6];2012年,俞小鼎在总结雷暴大风的临近预报进展时指出:强烈垂直风切变环境下的飑线、弓形回波、超级单体风暴或多单体强风暴以及弱垂直风切变环境下的脉冲风暴,在产生强烈地面大风之前都会出现强辐合场[7]。但同时,Przybylinski等也指出由于雷达观测视角的问题,当风暴对流线不与雷达径向正交时,雷达测得的径向速度分量会远小于实际运动速度。在这种情况下辐合速度差将被低估,当达不到25m/s时便会造成MARC的漏报[8]。单纯降低阈值可以缓解这一问题,但同时也会引起较高的空报率,影响强辐合场特征对雷雨大风的预测有效性。
当前,对强辐合场的研究主要集中在强辐合场与强对流天气的相关性研究和观测实例分析两方面。目前气象业务中,强辐合场的检测主要仍是依靠业务员的工作经验,对对流风暴的强回波区人工确定剖切位置,再在得到的径向速度垂直剖面图中估计显著性MARC是否存在。这种方法费时费力且难以准确得到量化指标,削弱了强辐合场特征预警雷雨大风的作用且强辐合场参量推算比较粗糙。此外,针对雷达观测视角引起的MARC值低估及漏检问题一直没有提出有效解决办法。
[参考文献]
[1]Nascimento E L,Droegemeier K K.Dynamic Adjustment in a NumericallySimulated Mesoscale Convective System:Impact of the Velocity Field[J].Journalof the atmospheric sciences,2004,63(9):2246~2268.
[2]Lemon L R,Burgess D W.Supercell associated deep convergence zonerevealed by a WSR-88D[C].26th International Conf on Radar.Meteorology Norman,OK,1992,206~208.
[3]Lemon L R,Parker S,North Platte NE.The Lahoma storm deepconvergence zone:Its characteristics and role in storm dynamics and severity[C].18th Conf.on Severe Local Storms.San Francisco,CA:Amer.Meteor.Soc.,1996,70~75.
[4]Bluestein H B,Gaddy S G.Airborne Pseudo-Dual-Doppler Analysis of aRear-Inflow Jet and Deep Convergence Zone within a Supercell[J].MonthlyWeather Review,2001,129(9):2270~2289.
[5]Eilts M D,Johnson J T,Mitchell E D,et al.Damaging downburstprediction and detection algorithm for the WSR-88D[C].18th Conf.on SevereLocal Storms.San Francisco,CA:Amer.Meteor.Soc.,1996,541~545.
[6]Przybylinski R W.The Bow Echo:Observations,Numerical Simulations,and Severe Weather Detection Methods[J].Weather and forecasting,1995,10(2):203~218.
[7]俞小鼎,周小刚,王秀明.雷暴与强对流临近天气预报技术进展[J].气象学报,2012,70(3):311~337.
[8]Schmocker G K,Przybylinski R W,Lin Y J.Forecasting the initialonset of damaging downburst winds associated with a mesoscale convectivesystem(MCS)using the mid-altitude radial convergence(MARC)signature[C].15thConf.on Weather Analysis and Forecasting.Norfolk,VA:Amer.Meteor.Soc.,1996,306~311.
发明内容
本发明提供了一种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,本方法能够实现强辐合场的自动识别,通过速度订正有效克服单仰角上强辐合场的低估甚至漏检的问题,并自动绘制强辐合场剖面图,在剖面图中计算强辐合场的特征参量,有助于对流天气灾害识别和预报。
为了解决上述技术问题,本发明提出的一种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,包括以下步骤:
步骤一、以多普勒雷达基数据为数据来源进行坐标系转换,并在新坐标系A中各仰角的反射率图上提取高反射率区域,分别映射到径向速度图中限定强辐合场的检测范围;步骤如下:
1-1)把各仰角的雷达基数据一一映射到以方位角为横坐标、以径向距离为纵坐标的坐标系A中得到映射后的图像;其中,横坐标以水平向右为正方向,原点处的0°表示正北方向,分辨率为1°,取值范围为0-359°,纵坐标以竖直向下为正方向,表示各点与雷达间的径向距离,原点处的0km表示雷达位置,分辨率为1km,取值范围为0-229km;
1-2)对映射后的图像进行20°的延拓,即把0°~19°区间的数据重用到360°~379°范围内,使最终得到的图像大小为380°×230km;
1-3)在坐标系A下的反射率图中提取反射率高于35dBZ的区域,并从提取区域的边界向外做3~5个像素点的扩充,从而得到各仰角上的高反射率区;
1-4)将坐标系A下的反射率图中得到各仰角上的高反射率区分别映射到坐标系A各仰角上的径向速度图中,作为强辐合场的检测范围;
步骤二、在步骤一中限定了强辐合场检测范围的各仰角的径向速度图中,提取正速度区域和负速度区域的公共边界点,并在此基础上确定辐合点,计算各辐合点的特征向量;步骤如下:
2-1)在径向速度图中,提取所有正速度区域边界和负速度区域边界,从而得到正速度区域和负速度区域的公共边界点,所有的公共边界点中同时满足其上邻域点为正速度且其下邻域点为负速度条件的公共边界点为辐合点;
2-2)在极坐标系中设计检测模板限定每个辐合点的关联区域,对于辐合点p(θ,r),设计以辐合点p为公共顶点、分别以过p点及雷达点的径向射线为中轴的两个全等的等腰三角形作为该辐合点的检测模板,设定每个三角形的高度H=7km,底边长度L=9km;
2-3)将上述极坐标系中的检测模板转换至坐标系A中;
2-4)在坐标系A中,利用检测模板遍历所有辐合点,计算模板上三角形区域内的正速度点数n+、正速度总和及最大正速度负速度点数n-、负速度总和及最大负速度并在此基础上得到最大速度差dvmax、平均速度差dvmean及正负速度极值点坐标和从而得到表征该辐合点处辐合情况的特征向量其中,
步骤三、利用步骤2-1)中得到的辐合点,通过拟合方法得到辐合线,基于辐合线的走向对辐合点的最大速度差dvmax和平均速度差dvmean进行订正;步骤如下:
3-1)生成一幅大小为380°×230km二值图像,以步骤2-1)中得到的辐合点为基础,将所有辐合点及其对应2km范围内的点赋值为1,其余位置的点赋值为0,提取二值图像中的所有连通域;
3-2)组织每个连通区域中包含的辐合点点集(i,j)对二次曲线模型j=a2i2+a1i+a0进行最小二乘拟合,得到拟合曲线方程,其中,若一个连通域中包含的辐合点数小于5个,则不对该连通域内的辐合点进行辐合线拟合;
3-3)求拟合曲线的导函数:f′(i)=2a2i+a1,代入i可得到拟合曲线上各点切线的斜率f′(i),进而利用反三角函数计算得到拟合曲线上各点与径向方向的夹角αi;
3-4)求同一拟合曲线上各点与径向方向的夹角αi的均值利用对步骤2-4)得到的该连通区域中的各个辐合点的最大速度差dvmax和平均速度差dvmean进行订正,订正公式如下:
速度订正后,以dv′max、dv′mean替代辐合点特征向量中的dvmax、dvmean;
步骤四、利用所有辐合点的特征向量,确定各仰角上的强辐合点,从而圈定各仰角上的强辐合区域,并通过纵向匹配确定强辐合场的位置;步骤如下:
4-1)将同时满足dvmax≥25m/s及dvmean≥12m/s的辐合点记为强辐合点;生成一幅大小为380°×230km的二值图像,将所有与强辐合点及强辐合点的检测模板位置相对应的点赋值为1,其余位置的点赋值为0,提取该二值图像中的所有连通域,每个连通域对应一个强辐合区,记录每个强辐合区的外包矩形的尺寸、中心点坐标以及其中包含的所有辐合点的特征向量
4-2)遍历每个强辐合区内所有辐合点的特征向量按照式(6)确定该较强辐合区的代表点p0:
4-3)从低仰角开始搜索,对相邻仰角上的强辐合区进行两两匹配运算,并将高低仰角间的辐合区外包矩形中心距小于15km的强辐合区进行关联,其中两种特殊情况的处理规则如下:
对于相邻仰角中出现的多对一或一对多的强辐合区关联关系,对共同关联到一个强辐合区的多个强辐合区进行取舍,保留多个强辐合区中代表点的dvmax最大者;
对于相邻仰角中未匹配到关联对象的强辐合区,如果位于较低仰角,则保留下来,待与更高仰角的强辐合区进行匹配;
获得两个以上仰角关联的强辐合区对应的最大外包矩形区域为强辐合场区域;
步骤五、基于步骤四中得到的强辐合场区域,利用在各仰角上的强辐合区的代表点的特征向量在每个仰角的径向速度图中确定剖线,从而通过插值方法得到强辐合场的剖面图,在剖面图中计算强辐合场的特征参量;步骤如下:
5-1)对每个仰角下强辐合区的代表点p0,设其特征向量中元素间连线长度为d±,将该连线向两侧各延伸△,得到正速度侧的剖点p1和负速度侧的剖点p2,使两个剖点满足d(p1,p2)=d±+2△=15;其中0≤△≤7;
5-2)以作剖线,用双线性插值算法由9个仰角的径向速度数据插值得到垂直剖面的格点数据,获得第i张剖面图,i=1,…,z;
5-3)在基于代表点p0得到的剖面图上,自p0持续向上向下搜索其3邻域中的辐合点;搜索结束后,得到一条纵向的辐合线段,线段所记录的辐合点高度范围即为辐合场的高度延伸范围Hi-1~Hi-m;i=1,2,…,z;
5-4)以辐合点为中心点,计算该辐合点左右两侧各6*5的矩形范围内点的dvmax(p)及和如果则记qj,j=1,…,m为剖面图中的强辐合点;从而得到基于该剖面图的强辐合场三维参向量:辐合强度高值、切变量高值、辐合场高度范围,即(dvMi,Si,Hi-1,Hi-m),i=1,2,…,z,其中
与现有技术相比,本发明的有益效果是:本发明能自动检测出强辐合场,并通过速度订正方法克服一定的低估和漏检问题,同时自动绘制强辐合场的剖面图并在剖面图中计算强辐合场特征参量,促进对流天气灾害的识别和预报。
附图说明
图1(a)至图1(b)为坐标转换后得到的天气雷达反射率图,其中,图1(a)是将多普勒雷达反射率数据映射到坐标系A中并延拓20°后得到的反射率图,图1(b)是在图1(a)的基础上提取出的高反射率区域;
图2(a)至图2(b)为检测模板,其中图2(a)为极坐标系下的模板,图2(b)为转换到新坐标系中后r=50km处的检测模板的实际尺寸,其中每个方块代表1°×1km;
图3(a)至图3(b)为辐合线拟合实例,其中图3(a)为依据辐合点的关联性得到的两块连通区域,其中白色点为辐合点,图3(b)为根据辐合线计算辐合线倾角的示例图,其中白色点为辐合点,深灰色为拟合得到的辐合线;
图4(a)至图4(c)为剖面图中辐合场特征参量计算实例,其中图4(a)为剖面图,其中白色点为剖面图中识别出的辐合点,图4(b)为剖面图中强辐合点检测模板,图4(c)为剖面图,其中,位于中间的黑色单像素垂直线为剖面图中识别出的强辐合点;
图5(a)至图5(c)为不同仰角上最强辐合点处得到的剖面图,其中图5(a)左侧为3.3°仰角上识别出的强辐合区及其局部放大图,其中黑色直线为在该仰角上确定的剖线,右侧为依据剖线通过插值方法得到的强辐合场剖面图,图5(b)为4.3°仰角上识别出的强辐合区、剖线及剖面图,图5(c)为6.0°仰角上识别出的强辐合区、剖线及剖面图;
图6(a)至图6(c)为测试样例,其中图6(a)为本发明自动检测得到的强辐合区的剖面图序列,图6(b)为图6(a)的放大图,图6(c)为各时刻最强辐合点处的正负速度差在执行订正子算法前后变化;
图7为本发明提供的一种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的流程图。
具体实施方式
下面结合附图和具体实施例对本发明技术方案作进一步详细描述,所描述的具体实施例仅对本发明进行解释说明,并不用以限制本发明。
本发明提供了一种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,其设计思路是:设计新的坐标系将放射状分布的雷达数据转变为格点数据,同时完成高反射率区域提取;设计检测模板,从而在快速定位辐合点的基础上得到描述辐合点辐合强度及位置的参向量;提出从辐合点生成辐合带,再借辐合带走向订正辐合强度的思想和算法,有效克服单仰角上强辐合场的低估甚至漏检的问题;根据单仰角最强辐合点确定剖线从而获得显示强辐合场的较佳剖面,得到强辐合场的特征参量。本方法实现了基于速度订正的强辐合场的自动识别,并在剖面图中计算强辐合场特征参量,有助于对流天气灾害识别的预报。
本方法能自动检测出强辐合场,并通过速度订正方法克服一定的低估和漏检问题,同时自动绘制强辐合场的剖面图并在剖面图中计算强辐合场特征参量,促进对流天气灾害的识别和预报。
本发明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,如图7所示,包括以下步骤:
步骤一、以多普勒雷达基数据为数据来源进行坐标系转换,并在新坐标系A中各仰角的反射率图上提取高反射率区域,分别映射到径向速度图中限定强辐合场的检测范围;步骤如下:
1-1)把各仰角的雷达基数据一一映射到以方位角为横坐标、以径向距离为纵坐标的坐标系A中得到映射后的图像;其中,横坐标以水平向右为正方向,原点处的0°表示正北方向,分辨率为1°,取值范围为0-359°,纵坐标以竖直向下为正方向,表示各点与雷达间的径向距离,原点处的0km表示雷达位置,分辨率为1km,取值范围为0-229km;
1-2)对映射后的图像进行20°的延拓,即把0°~19°区间的数据重用到360°~379°范围内,使最终得到的图像大小为380°×230km,如图1(a)所示。
1-3)在坐标系A下的反射率图中提取反射率高于35dBZ的区域,并从提取区域的边界向外做3~5个像素点的扩充,从而得到各仰角上的高反射率区,如图1(b)所示。
1-4)将坐标系A下的反射率图中得到各仰角上的高反射率区分别映射到坐标系A各仰角上的径向速度图中,作为强辐合场的检测范围;
步骤二、在步骤一中限定了强辐合场检测范围的各仰角的径向速度图中,提取正速度区域和负速度区域的公共边界点,并在此基础上确定辐合点,计算各辐合点的特征向量;步骤如下:
2-1)在径向速度图中,提取所有正速度区域边界和负速度区域边界,从而得到正速度区域和负速度区域的公共边界点,所有的公共边界点中同时满足其上邻域点为正速度且其下邻域点为负速度条件的公共边界点为辐合点;
2-2)在极坐标系中设计检测模板限定每个辐合点的关联区域,对于辐合点p(θ,r),设计以辐合点p为公共顶点、分别以过p点及雷达点的径向射线为中轴的两个全等的等腰三角形作为该辐合点的检测模板,设定每个三角形的高度H=7km,底边长度L=9km,如图2(a)所示。
2-3)将上述极坐标系中的检测模板转换至坐标系A中,如图2(b)所示。
2-4)在坐标系A中,利用检测模板遍历所有辐合点,计算模板上三角形区域内的正速度点数n+、正速度总和及最大正速度负速度点数n-、负速度总和及最大负速度并在此基础上得到最大速度差dvmax、平均速度差dvmean及正负速度极值点坐标和从而得到表征该辐合点处辐合情况的特征向量其中,
步骤三、利用步骤2-1)中得到的辐合点,通过拟合方法得到辐合线,基于辐合线的走向对辐合点的最大速度差dvmax和平均速度差dvmean进行订正;步骤如下:
3-1)生成一幅大小为380°×230km二值图像,以步骤2-1)中得到的辐合点为基础,将所有辐合点及其对应2km范围内的点赋值为1,其余位置的点赋值为0,提取二值图像中的所有连通域,如图3(a)所示。
3-2)组织每个连通区域中包含的辐合点点集(i,j)对二次曲线模型j=a2i2+a1i+a0进行最小二乘拟合,得到拟合曲线方程,其中,若一个连通域中包含的辐合点数小于5个,则不对该连通域内的辐合点进行辐合线拟合;
3-3)求拟合曲线的导函数:f′(i)=2a2i+a1,代入i可得到拟合曲线上各点切线的斜率f′(i),进而利用反三角函数计算得到拟合曲线上各点与径向方向的夹角αi;
3-4)求同一拟合曲线上各点与径向方向的夹角αi的均值如图3(b)所示,利用对步骤2-4)得到的该连通区域中的各个辐合点的最大速度差dvmax和平均速度差dvmean进行订正,订正公式如下:
速度订正后,以dv′max、dv′mean替代辐合点特征向量中的dvmax、dvmean;
步骤四、利用所有辐合点的特征向量,确定各仰角上的强辐合点,从而圈定各仰角上的强辐合区域,并通过纵向匹配确定强辐合场的位置;步骤如下:
4-1)将同时满足dvmax≥25m/s及dvmean≥12m/s的辐合点记为强辐合点;生成一幅大小为380°×230km的二值图像,将所有与强辐合点及强辐合点的检测模板位置相对应的点赋值为1,其余位置的点赋值为0,提取该二值图像中的所有连通域,每个连通域对应一个强辐合区,记录每个强辐合区的外包矩形的尺寸、中心点坐标以及其中包含的所有辐合点的特征向量
4-2)遍历每个强辐合区内所有辐合点的特征向量按照式(6)确定该较强辐合区的代表点p0:
4-3)从低仰角开始搜索,对相邻仰角上的强辐合区进行两两匹配运算,并将高低仰角间的辐合区外包矩形中心距小于15km的强辐合区进行关联,其中两种特殊情况的处理规则如下:
对于相邻仰角中出现的多对一或一对多的强辐合区关联关系,对共同关联到一个强辐合区的多个强辐合区进行取舍,本发明的做法是仅保留多个强辐合区中代表点的dvmax最大者;
对于相邻仰角中未匹配到关联对象的强辐合区,如果位于较低仰角,则保留下来,待与更高仰角的强辐合区进行匹配;
获得两个以上仰角关联的强辐合区对应的最大外包矩形区域为强辐合场区域;
步骤五、基于步骤四中得到的强辐合场区域,利用在各仰角上的强辐合区的代表点的特征向量在每个仰角的径向速度图中确定剖线,从而通过插值方法得到强辐合场的剖面图,在剖面图中计算强辐合场的特征参量;步骤如下:
5-1)对每个仰角下强辐合区的代表点p0,设其特征向量中元素间连线长度为d±,将该连线向两侧各延伸△,得到正速度侧的剖点p1和负速度侧的剖点p2,使两个剖点满足d(p1,p2)=d±+2△=15;其中0≤△≤7;
5-2)以作剖线,用双线性插值算法由9个仰角的径向速度数据插值得到垂直剖面的格点数据,获得第i张剖面图,i=1,…,z;
5-3)在基于代表点p0得到的剖面图上,自p0持续向上向下搜索其3邻域中的辐合点,搜索结束后,得到一条纵向的辐合线段,线段所记录的辐合点高度范围即为辐合场的高度延伸范围Hi-1~Hi-m;i=1,2,…,z,如图4(a)所示;
5-4)以辐合点为中心点,计算该辐合点左右两侧各6*5的矩形范围内点的dvmax(p)及和其模板形状如图4(b)所示,如果则记qj,j=1,…,m为剖面图中的强辐合点,如图4(c)所示,从而得到基于该剖面图的强辐合场三维参向量:辐合强度高值、切变量高值、辐合场高度范围,即(dvMi,Si,Hi-1,Hi-m),i=1,2,…,z,其中
图5(a)、图5(b)和图5(c)为3.3°、4.3°和6.0°仰角上本发明识别出的强辐合区域、确定的剖线及绘制的剖面图,在剖面图中计算得到的特征参量如表1所示。
表1从各关联仰角上所得剖面图上获得的强辐合场参数
下面以具体的测试来验证本发明提供的一种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的可行性,测试样本为2015年7月24日天津发生的一次大风天气。图6(a)、图6(b)和图6(c)为本发明提供的测试效果图,其中图6(a)为各时刻本发明提供的算法识别出的强辐合场剖面图序列,图6(b)是图6(a)的放大图,图6(c)为各时刻最强辐合点处的正负速度差在执行订正子算法前后变化,其中,订正后的正负速度差较订正前的正负速度差有显著提高,有效克服了单仰角上强辐合场的低估甚至漏检的问题。
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 (1)
1.一种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,其特征在于,包括以下步骤:
步骤一、以多普勒雷达基数据为数据来源进行坐标系转换,并在新坐标系A中各仰角的反射率图上提取高反射率区域,分别映射到径向速度图中限定强辐合场的检测范围;步骤如下:
1-1)把各仰角的雷达基数据一一映射到以方位角为横坐标、以径向距离为纵坐标的坐标系A中得到映射后的图像;其中,横坐标以水平向右为正方向,原点处的0°表示正北方向,分辨率为1°,取值范围为0-359°,纵坐标以竖直向下为正方向,表示各点与雷达间的径向距离,原点处的0km表示雷达位置,分辨率为1km,取值范围为0-229km;
1-2)对映射后的图像进行20°的延拓,即把0°~19°区间的数据重用到360°~379°范围内,使最终得到的图像大小为380°×230km;
1-3)在坐标系A下的反射率图中提取反射率高于35dBZ的区域,并从提取区域的边界向外做3~5个像素点的扩充,从而得到各仰角上的高反射率区;
1-4)将坐标系A下的反射率图中得到各仰角上的高反射率区分别映射到坐标系A各仰角上的径向速度图中,作为强辐合场的检测范围;
步骤二、在步骤一中限定了强辐合场检测范围的各仰角的径向速度图中,提取正速度区域和负速度区域的公共边界点,并在此基础上确定辐合点,计算各辐合点的特征向量;步骤如下:
2-1)在径向速度图中,提取所有正速度区域边界和负速度区域边界,从而得到正速度区域和负速度区域的公共边界点,所有的公共边界点中同时满足其上邻域点为正速度且其下邻域点为负速度条件的公共边界点为辐合点;
2-2)在极坐标系中设计检测模板限定每个辐合点的关联区域,对于辐合点p(θ,r),设计以辐合点p为公共顶点、分别以过p点及雷达点的径向射线为中轴的两个全等的等腰三角形作为该辐合点的检测模板,设定每个三角形的高度H=7km,底边长度L=9km;
2-3)将上述极坐标系中的检测模板转换至坐标系A中;
2-4)在坐标系A中,利用检测模板遍历所有辐合点,计算模板上三角形区域内的正速度点数n+、正速度总和及最大正速度负速度点数n-、负速度总和及最大负速度并在此基础上得到最大速度差dvmax、平均速度差dvmean及正负速度极值点坐标和从而得到表征该辐合点处辐合情况的特征向量其中,
步骤三、利用步骤2-1)中得到的辐合点,通过拟合方法得到辐合线,基于辐合线的走向对辐合点的最大速度差dvmax和平均速度差dvmean进行订正;步骤如下:
3-1)生成一幅大小为380°×230km二值图像,以步骤2-1)中得到的辐合点为基础,将所有辐合点及其对应2km范围内的点赋值为1,其余位置的点赋值为0,提取二值图像中的所有连通域;
3-2)组织每个连通区域中包含的辐合点点集(i,j)对二次曲线模型j=a2i2+a1i+a0进行最小二乘拟合,得到拟合曲线方程,其中,若一个连通域中包含的辐合点数小于5个,则不对该连通域内的辐合点进行辐合线拟合;
3-3)求拟合曲线的导函数:f′(i)=2a2i+a1,代入i可得到拟合曲线上各点切线的斜率f′(i),进而利用反三角函数计算得到拟合曲线上各点与径向方向的夹角αi;
3-4)求同一拟合曲线上各点与径向方向的夹角αi的均值利用对步骤2-4)得到的该连通区域中的各个辐合点的最大速度差dvmax和平均速度差dvmean进行订正,订正公式如下:
速度订正后,以dv′max、dv′mean替代辐合点特征向量中的dvmax、dvmean;
步骤四、利用所有辐合点的特征向量,确定各仰角上的强辐合点,从而圈定各仰角上的强辐合区域,并通过纵向匹配确定强辐合场的位置;步骤如下:
4-1)将同时满足dvmax≥25m/s及dvmean≥12m/s的辐合点记为强辐合点;生成一幅大小为380°×230km的二值图像,将所有与强辐合点及强辐合点的检测模板位置相对应的点赋值为1,其余位置的点赋值为0,提取该二值图像中的所有连通域,每个连通域对应一个强辐合区,记录每个强辐合区的外包矩形的尺寸、中心点坐标以及其中包含的所有辐合点的特征向量pi∈ω,i=1,2,…,n;
4-2)遍历每个强辐合区内所有辐合点的特征向量i=1,2,…,n,按照式(6)确定该较强辐合区的代表点p0:
4-3)从低仰角开始搜索,对相邻仰角上的强辐合区进行两两匹配运算,并将高低仰角间的辐合区外包矩形中心距小于15km的强辐合区进行关联,其中两种特殊情况的处理规则如下:
对于相邻仰角中出现的多对一或一对多的强辐合区关联关系,对共同关联到一个强辐合区的多个强辐合区进行取舍,保留多个强辐合区中代表点的dvmax最大者;
对于相邻仰角中未匹配到关联对象的强辐合区,如果位于较低仰角,则保留下来,待与更高仰角的强辐合区进行匹配;
获得两个以上仰角关联的强辐合区对应的最大外包矩形区域为强辐合场区域;
步骤五、基于步骤四中得到的强辐合场区域,利用在各仰角上的强辐合区的代表点的特征向量在每个仰角的径向速度图中确定剖线,从而通过插值方法得到强辐合场的剖面图,在剖面图中计算强辐合场的特征参量;步骤如下:
5-1)对每个仰角下强辐合区的代表点p0,设其特征向量中元素间连线长度为d±,将该连线向两侧各延伸△,得到正速度侧的剖点p1和负速度侧的剖点p2,使两个剖点满足d(p1,p2)=d±+2△=15;其中0≤△≤7;
5-2)以作剖线,用双线性插值算法由9个仰角的径向速度数据插值得到垂直剖面的格点数据,获得第i张剖面图,i=1,…,z;
5-3)在基于代表点p0得到的剖面图上,自p0持续向上向下搜索其3邻域中的辐合点;搜索结束后,得到一条纵向的辐合线段,线段所记录的辐合点高度范围即为辐合场的高度延伸范围Hi-1~Hi-m;i=1,2,…,z;
5-4)以辐合点为中心点,计算该辐合点左右两侧各6*5的矩形范围内点的dvmax(p)及和如果则记qj,j=1,…,m为剖面图中的强辐合点;从而得到基于该剖面图的强辐合场三维参向量:辐合强度高值、切变量高值、辐合场高度范围,即(dvMi,Si,Hi-1,Hi-m),i=1,2,…,z,其中
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810100943.XA CN108459323B (zh) | 2018-01-31 | 2018-01-31 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810100943.XA CN108459323B (zh) | 2018-01-31 | 2018-01-31 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108459323A true CN108459323A (zh) | 2018-08-28 |
CN108459323B CN108459323B (zh) | 2022-04-15 |
Family
ID=63238379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810100943.XA Expired - Fee Related CN108459323B (zh) | 2018-01-31 | 2018-01-31 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108459323B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116325A (zh) * | 2018-09-21 | 2019-01-01 | 清华大学 | 基于捷变相参雷达的目标识别方法及系统 |
CN109164450A (zh) * | 2018-09-12 | 2019-01-08 | 天津大学 | 一种基于多普勒雷达数据的下击暴流预测方法 |
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 |
CN111025237A (zh) * | 2019-12-03 | 2020-04-17 | 上海眼控科技股份有限公司 | 雷达垂直剖面图显示方法及设备 |
CN113219464A (zh) * | 2021-04-28 | 2021-08-06 | 深圳市万向信息科技有限公司 | 一种双偏振雷达基数据处理方法、系统、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103149552A (zh) * | 2013-02-04 | 2013-06-12 | 南京信息工程大学 | 一种多普勒天气雷达径向速度场的退模糊方法 |
KR20160068124A (ko) * | 2014-12-04 | 2016-06-15 | 부경대학교 산학협력단 | 레이더 시선속도를 이용한 다운버스트 탐지 시스템 및 방법 |
CN107526067A (zh) * | 2017-03-07 | 2017-12-29 | 中国气象局武汉暴雨研究所 | 全自动多普勒天气雷达径向速度退模糊算法 |
-
2018
- 2018-01-31 CN CN201810100943.XA patent/CN108459323B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103149552A (zh) * | 2013-02-04 | 2013-06-12 | 南京信息工程大学 | 一种多普勒天气雷达径向速度场的退模糊方法 |
KR20160068124A (ko) * | 2014-12-04 | 2016-06-15 | 부경대학교 산학협력단 | 레이더 시선속도를 이용한 다운버스트 탐지 시스템 및 방법 |
CN107526067A (zh) * | 2017-03-07 | 2017-12-29 | 中国气象局武汉暴雨研究所 | 全自动多普勒天气雷达径向速度退模糊算法 |
Non-Patent Citations (2)
Title |
---|
J. C. NICOL ET AL.: "Convective updraught evaluation in high-resolution NWP simulations using single-Doppler radar measurements", 《QUARTERLY JOURNAL OF THE ROYAL METEOROLOGICAL SOCIETY》 * |
王萍 等: "基于多普勒天气雷达数据的中层径向辐合自动识别及其与强对流天气的相关性研究", 《物理学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109164450A (zh) * | 2018-09-12 | 2019-01-08 | 天津大学 | 一种基于多普勒雷达数据的下击暴流预测方法 |
CN109164450B (zh) * | 2018-09-12 | 2022-11-22 | 天津大学 | 一种基于多普勒雷达数据的下击暴流预测方法 |
CN109116325A (zh) * | 2018-09-21 | 2019-01-01 | 清华大学 | 基于捷变相参雷达的目标识别方法及系统 |
CN109116325B (zh) * | 2018-09-21 | 2020-08-21 | 清华大学 | 基于捷变相参雷达的目标识别方法及系统 |
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 |
CN111025237A (zh) * | 2019-12-03 | 2020-04-17 | 上海眼控科技股份有限公司 | 雷达垂直剖面图显示方法及设备 |
CN113219464A (zh) * | 2021-04-28 | 2021-08-06 | 深圳市万向信息科技有限公司 | 一种双偏振雷达基数据处理方法、系统、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108459323B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN106950614B (zh) | 一种区域自动气象站小时雨量数据质量控制方法 | |
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 | |
Liang et al. | A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds | |
CN107063197A (zh) | 一种基于空间信息技术的水库特征曲线提取方法 | |
CN110261857B (zh) | 一种天气雷达空间插值方法 | |
Szymanowski et al. | Application of geographically weighted regression for modelling the spatial structure of urban heat island in the city of Wroclaw (SW Poland) | |
CN110008207B (zh) | 基于密度直方图的机载LiDAR点云数据漏洞快速检测方法 | |
JP6689396B2 (ja) | 気象予測装置、気象予測方法、およびプログラム | |
WO2021051848A1 (zh) | 一种基于遥感影像的雷达有效检测区域提取方法 | |
CN108562903B (zh) | 基于多普勒天气雷达的强对流系统动力场结构识别方法 | |
Li et al. | Numerical simulation study of the effect of buildings and complex terrain on the low-level winds at an airport in typhoon situation | |
CN106772387A (zh) | 一种风切变识别方法 | |
CN106199605A (zh) | 风场误差修正方法 | |
Wapler et al. | Mesocyclones in Central Europe as seen by radar | |
Sparks | Wind speeds in tropical cyclones and associated insurance losses | |
Kruger et al. | Strong winds in South Africa: Part 2 Mapping of updated statistics | |
CN111340668B (zh) | 一种台风灾害评估系统 | |
Peña | Sensing the wind profile | |
CN111310983A (zh) | 一种针对登陆广东台风引发宁波暴雨的预报方法 | |
CN104573662A (zh) | 一种云判方法和系统 | |
CN110598707B (zh) | 面向机载激光点云的倒水蔓延与能量函数控制的单株树冠分割方法 | |
CN108399507B (zh) | 一种台风致灾影响的评估方法和装置 | |
Dieudonné et al. | Characteristics of the low‐level jets observed over Dunkerque (North Sea French coast) using 4 years of wind lidar data | |
CN115201938A (zh) | 基于雷暴高压分析的强对流天气临近预报方法及系统 |
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 | ||
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: 20220415 |