CN108562903B - 基于多普勒天气雷达的强对流系统动力场结构识别方法 - Google Patents

基于多普勒天气雷达的强对流系统动力场结构识别方法 Download PDF

Info

Publication number
CN108562903B
CN108562903B CN201711428506.2A CN201711428506A CN108562903B CN 108562903 B CN108562903 B CN 108562903B CN 201711428506 A CN201711428506 A CN 201711428506A CN 108562903 B CN108562903 B CN 108562903B
Authority
CN
China
Prior art keywords
common boundary
region
boundary point
speed
velocity
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.)
Expired - Fee Related
Application number
CN201711428506.2A
Other languages
English (en)
Other versions
CN108562903A (zh
Inventor
王萍
窦冰杰
侯谨毅
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN201711428506.2A priority Critical patent/CN108562903B/zh
Publication of CN108562903A publication Critical patent/CN108562903A/zh
Application granted granted Critical
Publication of CN108562903B publication Critical patent/CN108562903B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/95Radar or analogous systems specially adapted for specific applications for meteorological use
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information 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

本发明公开了一种基于多普勒天气雷达的强对流系统动力场结构识别方法,所述方法包括以下步骤:首先,将多普勒雷达基数据进行坐标系转换,在新坐标系A中先通过反射率图确定气流场检测范围并映射到径向速度图中,再插值得到70层等高的径向速度图,提取正速度区域和负速度区域的公共边界点;然后,设计两个检测模板,转换到坐标系A中后,分别遍历所有公共边界点计算气流场结构特征向量;比较每个公共边界点处两个模板计算得到的气流场结构特征向量确定对流强度与气流场结构类型;最后,将所有的对流强度和气流场结构类型信息通过投影整合到一张图上。本方法实现了强对流系统动力场结构的自动识别,促进了对流天气灾害识别预报的精细化和科学化。

Description

基于多普勒天气雷达的强对流系统动力场结构识别方法
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的强对流系统动力场结构识别方法。
背景技术
γ中尺度系统的速度特征是在雷达探测有效范围内的小区域(2-20km,并近似认为这个小区域在同一高度上)内,根据最大入流和出流速度中心的方位关系定义的[1]。对流系统中,同时存在着上升气流和下沉气流,两者交汇、旋转、分散,形成了复杂多变的气流场。通过分析沿雷达径向的速度分量的特征,可以确定局部区域内的气流辐合、气流辐散、气流旋转等结构特征。
在小区域内,当最大入流、出流速度中心距雷达的距离相等时,表示在该区域内有γ尺度的旋转存在,若最大入流速度中心位于左侧、最大出流速度中心位于右侧,则该处为气旋性旋转,反之则是反气旋性旋转;当最大入流、出流速度中心位于同一雷达径向方向,且最大入流速度中心位于靠近雷达一侧、最大出流速度中心位于远离雷达一侧时,该区域为径向辐散区,反之为径向辐合区[2]。因此,入流、出流速度中心的方位关系是判断气流场结构的关键,可以将其转化为判断入流、出流速度交界点两侧一定范围内的入流、出流速度极值点的方位关系,为便于表述将这种方位关系定义为该交界点的属性。为限定速度极值点间的距离同时判断两者间的方位关系,可以利用模板进行分区域的速度匹配和计算。
强天气的产生、维持和消亡往往和位于中低层的辐合、辐散的结构配置有关。若中低层辐合而高层辐散,则有利于降水等的产生(或维持);若中低层辐散而高层辐合(散),则不利于降水的发展[3-5]。通常,有经验的预报员根据多普勒天气雷达各仰角径向速度图中的辐合、辐散特征就可以定性地判断出各高度层的大气辐合、辐散状况,从而帮助做出短时天气预报。当前的研究工作多是对大气的辐合、辐散场的定性分析,且尚未实现有效的自动识别。
[参考文献]
[1]李柏,郑国光.天气雷达及其应用[M].北京:气象出版社,2011.
[2]俞小鼎,姚秀萍,熊廷南,等,多普勒天气雷达原理与业务应用第一版[M].北京:气象出版社,2006.
[3]徐芬,夏文梅,吴蕾,等.多普勒天气雷达速度PPI图散度分布信息提取[J].气象,2007,33(11):21~27.
[4]吴芳芳,俞小鼎,张志刚,等.对流风暴内中气旋特征与强烈天气[J].气象,2012,38(11):1330~1338.
[5]陶岚,戴建华,孙敏.一次雷暴单体相互作用与中气旋的演变过程分析[J].气象,2016,42(1):14~25.
发明内容
本发明提供了一种基于多普勒天气雷达的强对流系统动力场结构识别方法,本方法能自动检测出强对流系统内部动力场结构,同时绘制含有动力场中结构类型与对流强度的综合信息投影图,辅助对流系统的演变分析,促进对流天气灾害识别预报的精细化和科学化。
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的强对流系统动力场结构识别方法,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,通过高度匹配确定气流场检测范围;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)对不同仰角上的高反射率区域进行匹配,即若不同仰角上的两块高反射率区域的重合面积高于其中小区域面积的60%,则认为两块高反射率区域位于同一气流场;
1-5)将同一气流场的各仰角上的高反射率区域的最大外包矩形作为气流场检测范围,
步骤二、将步骤一中确定的气流场检测范围映射到坐标系A中的径向速度图中,并通过插值得到70层等高的径向速度图,提取正速度区域和负速度区域的公共边界点;步骤如下:
2-1)将气流场检测范围内的各个仰角的径向速度数据通过线性插值得到高度分辨率为0.25km、水平分辨率为1°×1km的70张等高的径向速度数据图;
2-2)在等高的径向速度数据图中,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;
步骤三、设计辐合辐散检测模板用于限定每个公共边界点的考察区域,并把该模板转换到坐标系A中,遍历步骤二中得到的所有正速度区域和负速度区域的公共边界点,判断每个公共边界点的辐合、辐散性,并计算每个公共边界点对流强度;步骤如下:
3-1)在传统笛卡尔坐标系中,对于正速度区域和负速度区域公共边界点p(θ,r),设计以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公共边界点的辐合辐散检测模板,设定每个三角形的高度H=5km,底边长度L=6km;
3-2)将上述笛卡尔坐标系中的辐合辐散检测模板转换至坐标系A中,
3-3)在坐标系A中,对于每个公共边界点,先通过该公共边界点的辐合辐散模板判断该模板区域内的气流结构,设该模板中上三角形对应区域为Ωa、下三角形对应区域为Ωb,统计上三角形对应区域Ωa内的正、负速度点的占比及下三角形对应区域Ωb内的正、负速度点的占比,所述区域Ωa和区域Ωb的速度方向以该区域内正、负速度点占比较高的速度方向为准;
若区域Ωa和区域Ωb的速度方向不同,
Figure BDA0001523217010000031
其中,c=1表示公共边界点p处的气流场结构为辐合,c=2表示公共边界点p处的气流场结构为辐散;
计算正速度区域中的正速度总和
Figure BDA0001523217010000032
及最大正速度
Figure BDA0001523217010000033
及负速度区域中的负速度总和
Figure BDA0001523217010000034
及最大负速度
Figure BDA0001523217010000035
然后,利用式(2)计算最大速度差dvmax,利用式(3)计算平均速度差dvmean
Figure BDA0001523217010000036
Figure BDA0001523217010000037
最终,得到反应该公共边界点p处辐合辐散情况的特征向量Ip={dvmax,dvmean,c};
若区域Ωa的速度方向和区域Ωb的速度方向相同,则认为公共边界点p处不存在辐合及辐散,此时,设定特征向量Ip={0,0,0};
步骤四、设计旋转结构检测模板限定每个公共边界点的考察区域,并把该模板转换到坐标系A中,遍历步骤二中得到的所有正速度区域和负速度区域的公共边界点,判断每个公共边界点的旋转类型,并计算每个公共边界点对流强度;步骤如下:
4-1)在传统笛卡尔坐标系中,对于正速度区域和负速度区域公共边界点p(θ,r),设计以p为公共顶点、分别以过p点及雷达点的径向射线为对称轴、并分别在该对称轴两侧的两个全等的菱形作为该公共边界点的旋转结构检测模板,所述旋转结构检测模板与步骤3-1)中设计的辐合辐散检测模板构成了一正六边形;
4-2)将上述笛卡尔坐标系中的旋转结构检测模板转换至坐标系A中,
4-3)在坐标系A中,对于每个公共边界点,先通过该公共边界点的旋转类型检测模板判断该模板区域内的气流结构,设该模板中,左菱形区域为Ωc、右菱形区域为Ωd,统计左菱形区域为Ωc内的正、负速度点的占比及右菱形区域为Ωd内的正、负速度点的占比,所述区域Ωc和区域Ωd的速度方向以该区域内正、负速度点占比较高的速度方向为准;
若区域Ωc和区域Ωd的速度方向不同,
Figure BDA0001523217010000038
其中,c=3表示公共边界点p处的气流场结构为气旋,c=4表示公共边界点p处的气流场结构为反气旋;
计算正速度区域中的正速度总和
Figure BDA0001523217010000041
及最大正速度
Figure BDA0001523217010000042
及负速度区域中的负速度总和
Figure BDA0001523217010000043
及最大负速度
Figure BDA0001523217010000044
然后,利用式(5)计算最大速度差dv′max,利用式(6)计算平均速度差dv′mean
Figure BDA0001523217010000045
Figure BDA0001523217010000046
最终,得到反应该公共边界点p处气流场结构的特征向量I′p={dv′max,dv′mean,c};
若区域Ωc和区域Ωd的速度方向相同,则认为公共边界点p处不存在气旋及反气旋,此时,设定特征向量I′p={0,0,0};
步骤五、比较公共边界点p处最大速度差dvmax和最大速度差dv′max的数值,以其中较大值表示该公共边界点p处的对流强度;与该公共边界点p对流强度对应的特征向量中的c值来确定该公共边界点p处的气流场结构的类型;最终得到每个公共边界点处的对流强度和气流场结构类型;
步骤六、将通过步骤三和步骤四检测到的径向速度图中的所有公共边界点处的对流强度和气流结构类型通过投影整合到一张图上,从而综合反应强对流系统内部动力情况。
进一步讲,步骤六的具体内容如下:
6-1)在每层等高径向速度图上,将每个公共边界点处对流强度和气流场结构类型沿雷达径向分别投影到与公共边界点对应的方位角上,得到分别携带对流强度和气流场类型的两条信息带;
6-2)给信息带赋予高度信息,按照对应的高度投影于二维图中,得到气流场结构及对流强度分布投影图;
6-3)对于对流强度,取20m/s以上的速度值,并以5m/s为间隔进行离散化,并以不同粗细的等值线区分;
6-4)对于气流场结构类型,分别以不同的灰度值表示辐合、辐散、气旋和反气旋;
6-5)将步骤6-3)得到的等值线叠加到步骤6-4)得到的反应气流场结构类型的色块图上,从而得到强对流系统动力场结构及对流强度投影图。
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对流系统内部动力场结构,同时绘制动力场中结构类型与对流强度投影图,辅助对流系统的演变分析,促进对流天气灾害识别预报的精细化和科学化。
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为在坐标系A中对气流场检测范围内的径向速度数据插值后得到的5km高度处的局部径向速度图;
图3(a)至图3(b)为辐合辐散检测模板,其中图3(a)为笛卡尔坐标系下的模板,图3(b)为转换到新坐标系中后r=50km处的辐合辐散检测模板的实际尺寸,其中每个方块代表1°×1km;
图4(a)至图4(b)为旋转结构检测模板,其中图4(a)为笛卡尔坐标系下的模板,图4(b)为转换到坐标系A中后r=50km处的旋转结构检测模板的实际尺寸,其中每个方块代表1°×1km;
图5(a)至图5(c)为检测结果投影图,其中图5(a)为强度信息投影图,线条越粗代表的强度越强,图5(b)为结构类型投影图,其中不同灰度代表不同的气流场结构类型,图5(c)为气流场结构类型信息综合投影图,将对流强度与气流场结构类型综合显示;
图6(a)至图6(b)为测试样例,其中,图6(a)为6个仰角上气流场检测范围内的径向速度图,图6(b)水平坐标轴上侧为0854UTC时刻的本方法检测结果,图6(b)水平坐标轴下侧为坐标系A中高反射率区域范围内的组合反射率图;
图7为本发明提供的一种基于多普勒天气雷达的强对流系统动力场结构识别方法的流程图。
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。
本发明提出的一种基于多普勒天气雷达的强对流系统动力场结构识别方法,其设计思路是:首先将雷达图像映射到新的坐标系中,通过强反射率区域的高度匹配圈定检测范围,在插值后得到的等高的径向速度图中检测正负速度区域交界点,由辐合辐散检测模板和旋转结构检测模板构成了一六边形模板,可以对各个交界点的辐合、辐散、气旋、反气旋四种结构进行自动识别,自动检测出强对流系统内部动力场结构;同时计算其对流强度,并绘制动力场中结构类型与对流强度投影图,利用该投影图将对流强度与对流类型整合到同一张图中,直观展现云团中气流场强度及结构,辅助对流系统的演变分析,促进对流天气灾害识别预报的精细化和科学化。如图7所示,其具体步骤如下:
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,通过高度匹配确定气流场检测范围;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)对不同仰角上的高反射率区域进行匹配,即若不同仰角上的两块高反射率区域的重合面积高于其中小区域面积的60%,则认为两块高反射率区域在高度上互相关联,位于同一气流场;
1-5)将同一气流场的各仰角上的高反射率区域的最大外包矩形作为气流场检测范围,
步骤二、将步骤一中确定的气流场检测范围映射到坐标系A中的径向速度图中,并通过插值得到70层等高的径向速度图,提取正速度区域和负速度区域的公共边界点;步骤如下:
2-1)用气流场检测范围内的各个仰角的速度数据通过线性插值得到高度分辨率为0.25km、水平分辨率为1°×1km的70张等高的径向速度数据图,其中,5km高度处的局部径向速度图如图2所示;
2-2)在等高的径向速度数据图中,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;
步骤三、设计辐合辐散检测模板用于限定每个公共边界点的考察区域,并把该模板转换到坐标系A中,遍历步骤二中得到的所有正速度区域和负速度区域的公共边界点,判断每个公共边界点的辐合、辐散性,并计算每个公共边界点对流强度;步骤如下:
3-1)在传统笛卡尔坐标系中,对于正速度区域和负速度区域公共边界点p(θ,r),设计以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公共边界点的辐合辐散检测模板,为使算法在空间约束和尺度约束下分别关注相关的速度区域,设定每个三角形的高度H=5km,底边长度L=6km,如图3(a)所示;
3-2)将上述笛卡尔坐标系中的辐合辐散检测模板转换至坐标系A中,对于上三角形a,利用弧长公式计算得到辐合辐散检测模板中沿径向到公共边界点p点距离为ha(ha∈[-H,0])的行所应跨越的弧长近似为
Figure BDA0001523217010000061
设其对应的角度范围为[θ-ka,θ+ka],则
Figure BDA0001523217010000062
对于下三角形b,辐合辐散检测模板中沿径向到公共边界点p点距离为hb(hb∈[0,H])的行所应跨越的弧长近似为
Figure BDA0001523217010000063
设其对应的角度范围为[θ-kb,θ+kb],则
Figure BDA0001523217010000064
分别计算上三角形a及下三角形b各行角跨度ka及kb,从而得到坐标系A中公共边界点p处的辐合辐散检测模板,如图3(b)所示为公共边界点p(150,50)点处的辐合辐散检测模板;
3-3)在坐标系A中,对于每个公共边界点,先通过该公共边界点的辐合辐散模板判断该模板区域内的气流结构,设该模板中上三角形对应区域为Ωa、下三角形对应区域为Ωb,统计上三角形对应区域Ωa内的正、负速度点的占比及下三角形对应区域Ωb内的正、负速度点的占比,所述区域Ωa和区域Ωb的速度方向以该区域内正、负速度点占比较高的速度方向为准;
若区域Ωa和区域Ωb的速度方向不同,
Figure BDA0001523217010000071
其中,c=1表示公共边界点p处的气流场结构为辐合,c=2表示公共边界点p处的气流场结构为辐散;
计算正速度区域中的正速度总和
Figure BDA0001523217010000072
及最大正速度
Figure BDA0001523217010000073
及负速度区域中的负速度总和
Figure BDA0001523217010000074
及最大负速度
Figure BDA0001523217010000075
然后,利用式(2)计算最大速度差dvmax,利用式(3)计算平均速度差dvmean
Figure BDA0001523217010000076
Figure BDA0001523217010000077
最终,得到反应该公共边界点p处辐合辐散情况的特征向量Ip={dvmax,dvmean,c};
若区域Ωa的速度方向和区域Ωb的速度方向相同,则认为公共边界点p处不存在辐合及辐散,此时,设定特征向量Ip={0,0,0};
步骤四、设计旋转结构检测模板限定每个公共边界点的考察区域,并把该模板转换到坐标系A中,遍历步骤二中得到的所有正速度区域和负速度区域的公共边界点,判断每个公共边界点的旋转类型,并计算每个公共边界点对流强度;步骤如下:
4-1)在传统笛卡尔坐标系中,对于正速度区域和负速度区域公共边界点p(θ,r),设计以p为公共顶点、分别以过p点及雷达点的径向射线为对称轴、并分别在该对称轴两侧的两个全等的菱形作为该公共边界点的旋转结构检测模板,所述旋转结构检测模板与步骤3-1)中设计的辐合辐散检测模板构成了一正六边形,如图4(a)所示;
4-2)将上述笛卡尔坐标系中的旋转结构检测模板转换至坐标系A中,,对于左菱形c,利用弧长公式可计算得模板中沿径向到公共边界点p距离为hc(hc∈[-H,H])的行所跨越的弧长,近似为
Figure BDA0001523217010000078
设其对应的角度范围为[θ-0.5L-kc,θ-0.5L+kc],则
Figure BDA0001523217010000079
对于右菱形d,模板中沿径向到p点距离为hc(hd∈[-H,H])的行所应跨越的弧长,近似为
Figure BDA0001523217010000081
设其对应的角度范围为[θ+0.5L-kd,θ+0.5L+kd],则
Figure BDA0001523217010000082
分别计算左菱形c及右菱形d的各行角跨度kc及kd,从而得到坐标系A中检测公共边界点p处的模板,如图4(b)所示为p(150,50)点处计算得到的旋转结构检测模板;
4-3)在坐标系A中,对于每个公共边界点,先通过该公共边界点的旋转类型检测模板判断该模板区域内的气流结构,设该模板中,左菱形区域为Ωc、右菱形区域为Ωd,统计左菱形区域为Ωc内的正、负速度点的占比及右菱形区域为Ωd内的正、负速度点的占比,所述区域Ωc和区域Ωd的速度方向以该区域内正、负速度点占比较高的速度方向为准;
若区域Ωc和区域Ωd的速度方向不同,
Figure BDA0001523217010000083
其中,c=3表示公共边界点p处的气流场结构为气旋,c=4表示公共边界点p处的气流场结构为反气旋;
计算正速度区域中的正速度总和
Figure BDA0001523217010000084
及最大正速度
Figure BDA0001523217010000085
及负速度区域中的负速度总和
Figure BDA0001523217010000086
及最大负速度
Figure BDA0001523217010000087
然后,利用式(5)计算最大速度差dv′max,利用式(6)计算平均速度差dv′mean
Figure BDA0001523217010000088
Figure BDA0001523217010000089
最终,得到反应该公共边界点p处气流场结构的特征向量I′p={dv′max,dv′mean,c};
若区域Ωc和区域Ωd的速度方向相同,则认为公共边界点p处不存在气旋及反气旋,此时,设定特征向量I′p={0,0,0};
步骤五、比较公共边界点p处最大速度差dvmax和最大速度差dv′max的数值,以其中较大值表示该公共边界点p处的对流强度;与该公共边界点p对流强度对应的特征向量中的c值来确定该公共边界点p处的气流场结构的类型;最终得到每个公共边界点处的对流强度和气流场结构类型;
步骤六、将通过步骤三和步骤四检测到的径向速度图中的所有公共边界点处的对流强度和气流结构类型通过投影整合到一张图上,从而综合反应强对流系统内部动力情况。
6-1)在每层等高径向速度图上,将每个公共边界点处对流强度和气流场结构类型沿雷达径向分别投影到与公共边界点对应的方位角上,得到分别携带对流强度和气流场类型的两条信息带;
6-2)给信息带赋予高度信息,按照对应的高度投影于二维图中,得到气流场结构及对流强度分布投影图;
6-3)对于对流强度,取20m/s以上的速度值,并以5m/s为间隔进行离散化,并以不同粗细的等值线区分,如图5(a)所示;
6-4)对于气流场结构类型,分别以不同的灰度值表示辐合、辐散、气旋和反气旋,如图5(b)所示;
6-5)将步骤6-3)得到的等值线叠加到步骤6-4)得到的反应气流场结构类型的色块图上,从而得到强对流系统动力场结构及对流强度投影图,如图5(c)所示。
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的强对流系统动力场结构识别方法的可行性,测试样本为2005年6月13日天津发生的一次飑线天气。详见以下描述:
图6(a)和图6(b)为本发明提供的测试效果图,其中,图6(a)为6个仰角上气流场检测范围内的径向速度图,图6(b)为0854UTC时刻本方法的检测结果,并且提取坐标系A中高反射率区域范围内的组合反射率图,按照与投影图相对应的方位角绘制在投影图下侧,将图6(b)上下两部分对应起来,依据投影图中给出的气流场结构,同时组合反射率图中的单体特点,可以将该时刻的飑线系统分为5个微对流体,它们的流场结构如表1所示。
表1流场结构表
Figure BDA0001523217010000091
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 (2)

1.一种基于多普勒天气雷达的强对流系统动力场结构识别方法,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,通过高度匹配确定气流场检测范围;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θ为横坐标、以径向距离r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)对不同仰角上的高反射率区域进行匹配,即若不同仰角上的两块高反射率区域的重合面积高于其中小区域面积的60%,则认为两块高反射率区域位于同一气流场;
1-5)将同一气流场的各仰角上的高反射率区域的最大外包矩形作为气流场检测范围,
步骤二、将步骤一中确定的气流场检测范围映射到坐标系A中的径向速度图中,并通过插值得到70张等高的径向速度图,提取正速度区域和负速度区域的公共边界点;步骤如下:
2-1)将气流场检测范围内的各个仰角的径向速度数据通过线性插值得到高度分辨率为0.25km、水平分辨率为1°×1km的70张等高的径向速度数据图;
2-2)在等高的径向速度数据图中,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;
步骤三、设计辐合辐散检测模板用于限定每个公共边界点的考察区域,并把该模板转换到坐标系A中,遍历步骤二中得到的所有正速度区域和负速度区域的公共边界点,判断每个公共边界点的辐合、辐散性,并计算每个公共边界点对流强度;步骤如下:
3-1)在传统笛卡尔坐标系中,对于正速度区域和负速度区域公共边界点p(θ,r),设计以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公共边界点的辐合辐散检测模板,设定每个三角形的高度H=5km,底边长度L=6km;
3-2)将上述笛卡尔坐标系中的辐合辐散检测模板转换至坐标系A中,
3-3)在坐标系A中,对于每个公共边界点,先通过该公共边界点的辐合辐散模板判断该模板区域内的气流结构,设该模板中上三角形对应区域为Ωa、下三角形对应区域为Ωb,统计上三角形对应区域Ωa内的正、负速度点的占比及下三角形对应区域Ωb内的正、负速度点的占比,所述区域Ωa和区域Ωb的速度方向以该区域内正、负速度点占比较高的速度方向为准;
若区域Ωa和区域Ωb的速度方向不同,
Figure FDA0003071940090000021
其中,c=1表示公共边界点p处的气流场结构为辐合,c=2表示公共边界点p处的气流场结构为辐散;
计算正速度区域中的正速度总和
Figure FDA0003071940090000022
及最大正速度
Figure FDA0003071940090000023
及负速度区域中的负速度总和
Figure FDA0003071940090000024
及最大负速度
Figure FDA0003071940090000025
然后,利用式(2)计算最大速度差dvmax,利用式(3)计算平均速度差dvmean
Figure FDA0003071940090000026
Figure FDA0003071940090000027
最终,得到反应该公共边界点p处辐合辐散情况的特征向量Ip={dvmax,dvmean,c};
若区域Ωa的速度方向和区域Ωb的速度方向相同,则认为公共边界点p处不存在辐合及辐散,此时,设定特征向量Ip={0,0,0};
步骤四、设计旋转结构检测模板限定每个公共边界点的考察区域,并把该模板转换到坐标系A中,遍历步骤二中得到的所有正速度区域和负速度区域的公共边界点,判断每个公共边界点的旋转类型,并计算每个公共边界点对流强度;步骤如下:
4-1)在传统笛卡尔坐标系中,对于正速度区域和负速度区域公共边界点p(θ,r),设计以p为公共顶点、分别以过p点及雷达点的径向射线为对称轴、并分别在该对称轴两侧的两个全等的菱形作为该公共边界点的旋转结构检测模板,所述旋转结构检测模板与步骤3-1)中设计的辐合辐散检测模板构成了一正六边形;
4-2)将上述笛卡尔坐标系中的旋转结构检测模板转换至坐标系A中,
4-3)在坐标系A中,对于每个公共边界点,先通过该公共边界点的旋转类型检测模板判断该模板区域内的气流结构,设该模板中,左菱形区域为Ωc、右菱形区域为Ωd,统计左菱形区域为Ωc内的正、负速度点的占比及右菱形区域为Ωd内的正、负速度点的占比,所述区域Ωc和区域Ωd的速度方向以该区域内正、负速度点占比较高的速度方向为准;
若区域Ωc和区域Ωd的速度方向不同,
Figure FDA0003071940090000028
其中,c=3表示公共边界点p处的气流场结构为气旋,c=4表示公共边界点p处的气流场结构为反气旋;
计算正速度区域中的正速度总和
Figure FDA0003071940090000029
及最大正速度
Figure FDA00030719400900000210
及负速度区域中的负速度总和
Figure FDA00030719400900000211
及最大负速度
Figure FDA00030719400900000212
然后,利用式(5)计算最大速度差dv′max,利用式(6)计算平均速度差dv′mean
Figure FDA00030719400900000213
Figure FDA0003071940090000031
最终,得到反应该公共边界点p处气流场结构的特征向量I′p={dv′max,dv′mean,c};
若区域Ωc和区域Ωd的速度方向相同,则认为公共边界点p处不存在气旋及反气旋,此时,设定特征向量I′p={0,0,0};
步骤五、比较公共边界点p处最大速度差dvmax和最大速度差dv′max的数值,以其中较大值表示该公共边界点p处的对流强度;与该公共边界点p对流强度对应的特征向量中的c值来确定该公共边界点p处的气流场结构的类型;最终得到每个公共边界点处的对流强度和气流场结构类型;
步骤六、将通过步骤三和步骤四检测到的径向速度图中的所有公共边界点处的对流强度和气流结构类型通过投影整合到一张图上,从而综合反应强对流系统内部动力情况。
2.根据权利要求1所述基于多普勒天气雷达的强对流系统动力场结构识别方法,其特征在于,步骤六的具体内容如下:
6-1)在每张等高径向速度图上,将每个公共边界点处对流强度和气流场结构类型沿雷达径向分别投影到与公共边界点对应的方位角上,得到分别携带对流强度和气流场类型的两条信息带;
6-2)给信息带赋予高度信息,按照对应的高度投影于二维图中,得到气流场结构及对流强度分布投影图;
6-3)对于对流强度,取20m/s以上的速度值,并以5m/s为间隔进行离散化,并以不同粗细的等值线区分;
6-4)对于气流场结构类型,分别以不同的灰度值表示辐合、辐散、气旋和反气旋;
6-5)将步骤6-3)得到的等值线叠加到步骤6-4)得到的反应气流场结构类型的色块图上,从而得到强对流系统动力场结构及对流强度投影图。
CN201711428506.2A 2017-12-25 2017-12-25 基于多普勒天气雷达的强对流系统动力场结构识别方法 Expired - Fee Related CN108562903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711428506.2A CN108562903B (zh) 2017-12-25 2017-12-25 基于多普勒天气雷达的强对流系统动力场结构识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711428506.2A CN108562903B (zh) 2017-12-25 2017-12-25 基于多普勒天气雷达的强对流系统动力场结构识别方法

Publications (2)

Publication Number Publication Date
CN108562903A CN108562903A (zh) 2018-09-21
CN108562903B true CN108562903B (zh) 2021-10-01

Family

ID=63529406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711428506.2A Expired - Fee Related CN108562903B (zh) 2017-12-25 2017-12-25 基于多普勒天气雷达的强对流系统动力场结构识别方法

Country Status (1)

Country Link
CN (1) CN108562903B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110687618B (zh) * 2019-09-25 2021-10-01 天津大学 一种多单体对流系统短时强降水事件的自动临近预报方法
CN110766097A (zh) * 2019-11-04 2020-02-07 上海眼控科技股份有限公司 图像处理方法、装置、计算机设备及可读存储介质
CN111369642B (zh) * 2020-03-13 2023-11-10 华云敏视达雷达(北京)有限公司 一种雷达径向数据显示绘制方法和系统
CN113344902B (zh) * 2021-06-25 2022-05-06 成都信息工程大学 一种基于深度学习的强对流天气雷达图识别方法
CN117351366B (zh) * 2023-12-05 2024-03-01 南京气象科技创新研究院 一种易触发局地对流的边界层辐合线碰撞区域识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609725A (zh) * 2012-02-17 2012-07-25 天津大学 一种用于气象学中提取边界层辐合线区域的方法
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
EP2607923A1 (en) * 2011-12-20 2013-06-26 Eigenor Oy A method and implementation for calculating speed distributions with multi-PRI and SMPRF radars
CN103529492A (zh) * 2013-09-22 2014-01-22 天津大学 基于多普勒雷达反射率图像的风暴体位置及形态预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3606257B2 (ja) * 2001-12-25 2005-01-05 三菱電機株式会社 ドップラーレーダー装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2607923A1 (en) * 2011-12-20 2013-06-26 Eigenor Oy A method and implementation for calculating speed distributions with multi-PRI and SMPRF radars
CN102609725A (zh) * 2012-02-17 2012-07-25 天津大学 一种用于气象学中提取边界层辐合线区域的方法
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
CN103529492A (zh) * 2013-09-22 2014-01-22 天津大学 基于多普勒雷达反射率图像的风暴体位置及形态预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Measurement of horizontal convergence in precipitation using a Doppler radar - a case study;T. W. Harrold;《The Quarterly Journal of the Royal Meteorological Society》;19661231;第31-40页 *
基于速度对结构检测的中气旋自动识别方法;侯谨毅 等;《天津大学学报(自然科学与工程技术版)》;20171130;第50卷(第11期);第1176-1184页 *

Also Published As

Publication number Publication date
CN108562903A (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
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
Rathborne et al. Molecular clouds and clumps in the Boston University–Five College Radio Astronomy Observatory Galactic Ring Survey
Plate Methods of investigating urban wind fields—physical models
CN108459323B (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
Samelson et al. Randomness, symmetry, and scaling of mesoscale eddy life cycles
Wakimoto et al. The Garden City, Kansas, storm during VORTEX 95. Part II: The wall cloud and tornado
Romero et al. Simulations of nearshore particle-pair dispersion in Southern California
Brown et al. The influence of lifting condensation level on low-level outflow and rotation in simulated supercell thunderstorms
Liu et al. Investigation on characteristics of thousand-meter height wind profiles at non-tropical cyclone prone areas based on field measurement
Hart et al. Sting-jet windstorms over the North Atlantic: climatology and contribution to extreme wind risk
CN110031868A (zh) 一种基于相干测风激光雷达载噪比反演边界层高度的方法
Hwang et al. Azimuthal and radial variation of wind-generated surface waves inside tropical cyclones
CN103197299A (zh) 天气雷达径向风信息提取及量化分析系统
CN110674674A (zh) 一种基于yolo v3的旋转目标检测方法
CN115146564B (zh) 基于垂直分层降尺度技术的城市地面风速精细化模拟方法
McDonald et al. Cold pool characteristics of tornadic quasi-linear convective systems and other convective modes observed during VORTEX-SE
CN103235890A (zh) 卫星短时临近降水预报系统及降水预报方法
Klein et al. Flow variability in a North American downtown street canyon
CN112946657A (zh) 强对流天气中地面风场的识别方法
CN104239678B (zh) 一种实现干涉仪测向定位的方法和装置
Palmén et al. On the three-dimensional motions in an outbreak of polar air
Brown et al. The tornadic vortex signature: An update
Yi et al. Automatic identification of oceanic multieddy structures from satellite altimeter datasets
VreĆica et al. Observations of strongly modulated surface wave and wave breaking statistics at a submesoscale front
CN105302980A (zh) 一种基于sar数据的城区空气动力学粗糙度反演方法

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: 20211001