CN108761408A - 一种评估地基天气雷达非降水回波识别算法效果的方法 - Google Patents
一种评估地基天气雷达非降水回波识别算法效果的方法 Download PDFInfo
- Publication number
- CN108761408A CN108761408A CN201810656687.2A CN201810656687A CN108761408A CN 108761408 A CN108761408 A CN 108761408A CN 201810656687 A CN201810656687 A CN 201810656687A CN 108761408 A CN108761408 A CN 108761408A
- Authority
- CN
- China
- Prior art keywords
- precipitation
- recognizer
- radar
- echo
- precipitation echo
- 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
- G01S7/40—Means for monitoring or calibrating
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种评估地基天气雷达非降水回波识别算法效果的方法,通过利用星载降水雷达反射率数据分别与地基天气雷达非降水回波识别前后的反射率数据进行时间和空间匹配,并通过对经非降水回波识别算法处理前后的地基天气雷达与星载降水雷达反射率因子数据的统计参数,包括均值、相关系数,均方根误差等进行分析和定量评估,获得非降水回波识别算法效果的定量评估结果。本检验方法可客观定量对非降水回波识别算法的效果进行验证,为非降水回波识别算法的改进及识别算法中特征因子参数的选择提供依据。
Description
技术领域
本发明涉及到遥感技术领域,尤其涉及一种评估地基天气雷达非降水回波识别算法效果的方法。
背景技术
天气雷达在探测到降水回波的同时,也会探测到非降水回波,这些非降水回波主要来自包括地物、海浪、晴空大气、生物(如昆虫、鸟群)、超折射等,这些非降水回波会干扰降水回波,影响降水预测的准确性,导致预报出现偏差,因此要在降水估计之前将其识别并识别。经过气象学领域广大工作者的研究,已经开发出许多非降水回波识别算法,但对于非降水回波识别算法处理后,非降水回波识别算法的效果评估尚未有定量的方法。现有的地基天气雷达非降水回波识别算法效果评估主要通过资料使用者主观比较非降水回波识别算法识别前后反射率因子PPI图来验证算法效果,缺乏第三方数据验证算法识别的效果,缺乏客观性,且不能给出定量化的效果。因此当前非降水回波识别算法效果评估方法无法客观定量评价天气雷达非降水回波识别算法的效果。
发明内容
为了克服现有技术中的缺点,本发明提供一种评估地基天气雷达非降水回波识别算法效果的方法。
本发明是通过下述技术方案来解决上述技术问题的:
一种评估地基天气雷达非降水回波识别算法效果的方法,包括如下步骤:
步骤1:根据星载降水雷达经过地基天气雷达时的观测时间筛选地基天气雷达的体扫数据,完成所述星载降水雷达与所述地基天气雷达的时间匹配;
步骤2:从所述地基天气雷达获得的体扫数据集中筛选出含有非降水回波的体扫数据,并且从体扫数据中读取反射率因子数据;
步骤3:将所述含有非降水回波的反射率因子数据经非降水回波识别算法处理后得到非降水回波识别后的反射率因子数据;
步骤4:将所述含有非降水回波的体扫数据、非降水回波识别后的体扫数据与所述星载降水雷达的数据分别进行空间匹配;
步骤5:对所述星载降水雷达的反射率因子数据与经非降水回波识别算法处理前后的地基天气雷达的反射率因子数据的进行统计分析,获得经非降水回波识别算法处理前后的地基天气雷达与星载降水雷达反射率因子数据的统计参数,对比所述统计参数进行定量评估,获得所述非降水回波识别算法的定量的非降水回波识别效果。
在具体实施例中,在所述步骤5完成后,再进行步骤6:获得非降水回波识别前、识别后的所述地基天气雷达和星载降水雷达在各仰角的PPI图,比较非降水回波识别前后所述地基天气雷达与星载降水雷达的PPI图,对所述非降水回波识别算法的效果进行直观评估。
在具体实施例中,步骤5中所述的统计参数包括均值、相关系数,均方根误差。
本发明的有益效果在于:本发明提供了一种评估地基天气雷达非降水回波识别算法效果的方法,由于观测方式的不同,星载(TRMM Tropical Rainfall Measuring Mission和GPM)雷达不受超折射等非降水回波的干扰,且星载雷达经过严格定标,定标精度在±1dBz内。因此本方法通过利用星载降水雷达反射率因子数据分别与地基天气雷达非降水回波识别前后的反射率数据进行时间和空间匹配,并通过对经非降水回波识别算法处理前后的地基天气雷达与星载降水雷达反射率因子数据的统计参数进行对比分析,包括均值、相关系数,均方根误差等进行分析和定量评估,获得所述非降水回波识别算法的定量的效果评估,来验证地基天气雷达反射率经非降水回波识别算法处理后效果,为非降水回波识别算法的改进及非降水回波识别算法中特征因子参数的选择提供依据。
附图说明
图1是本发明的系统流程图。
具体实施方式
下面结合附图给出本发明较佳实施例,以详细说明本发明的技术方案。
如图1所示,一种评估地基天气雷达非降水回波识别算法效果的方法,包括如下步骤:
步骤1:根据星载降水雷达经过地基天气雷达时的观测时间筛选地基天气雷达的体扫数据,完成星载降水雷达与地基天气雷达的时间匹配;
步骤2:从地基天气雷达获得的体扫数据集中筛选出含有非降水回波的体扫数据,并且从体扫数据中读取反射率因子数据;
步骤3:将含有非降水回波的反射率因子数据经非降水回波识别算法处理后得到非降水回波识别后的反射率因子数据;
步骤3:将所述含有非降水回波的反射率因子数据经非降水回波识别算法处理后形成非降水回波识别后的反射率因子数据;
步骤4:将所述含有非降水回波的体扫数据、非降水回波识别后的体扫数据与所述星载降水雷达的数据分别进行空间匹配;
步骤5:对星载降水雷达的反射率因子数据与经非降水回波识别算法处理前后的地基天气雷达的反射率因子数据的进行统计分析,获得经非降水回波识别算法处理前后的地基天气雷达与星载降水雷达反射率因子数据的统计参数,包括均值、相关系数,均方根误差。对比统计参数进行定量评估,获得非降水回波识别算法的定量的非降水回波识别效果。
在具体实施例中,在步骤5完成后,再进行步骤6:获得非降水回波识别前、识别后的地基天气雷达和星载降水雷达在各仰角的PPI图,比较非降水回波识别前后地基天气雷达与星载降水雷达的PPI图,对非降水回波识别算法的效果进行直观评估。
由于观测方式的不同,星载(TRMM Tropical Rainfall Measuring Mission和GPM)雷达不受超折射等非降水回波的干扰,且星载雷达经过严格定标,定标精度在±1dBz内。本方法通过利用星载降水雷达反射率数据分别与地基天气雷达质量控制前后的反射率数据进行时间和空间匹配,并通过对经非降水回波识别算法处理前后的地基天气雷达与星载降水雷达反射率因子数据的统计参数,包括均值、相关系数,均方根误差等进行分析和定量评估,获得所述非降水回波识别算法的定量的效果评估,来验证地基天气雷达反射率经非降水回波识别算法处理后效果,为非降水回波识别算法的改进及非降水回波识别算法中特征因子参数的选择提供依据。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内,本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (3)
1.一种评估地基天气雷达非降水回波识别算法效果的方法,其特征在于,包括如下步骤:
步骤1:根据星载降水雷达经过地基天气雷达时的观测时间筛选地基天气雷达的体扫数据,完成所述星载降水雷达与所述地基天气雷达的时间匹配;
步骤2:从所述地基天气雷达获得的体扫数据集中筛选出含有非降水回波的体扫数据,并且从体扫数据中读取反射率因子数据;
步骤3:将所述含有非降水回波的反射率因子数据经非降水回波识别算法处理后得到非降水回波识别后的反射率因子数据;
步骤4:将所述含有非降水回波的体扫数据、非降水回波识别后的体扫数据与所述星载降水雷达的数据分别进行空间匹配;
步骤5:对所述星载降水雷达的反射率因子数据与经非降水回波识别算法处理前后的地基天气雷达的反射率因子数据的进行统计分析,获得经非降水回波识别算法处理前后的地基天气雷达与星载降水雷达反射率因子数据的统计参数,对比所述统计参数进行定量评估,获得所述非降水回波识别算法的定量的非降水回波识别效果。
2.根据权利要求1所述的一种评估地基天气雷达非降水回波识别算法效果的方法,其特征在于,在所述步骤5完成后,再进行步骤6:获得非降水回波识别前、识别后的所述地基天气雷达和星载降水雷达在各仰角的PPI图,比较非降水回波识别前后所述地基天气雷达与星载降水雷达的PPI图,对所述非降水回波识别算法的效果进行直观评估。
3.根据权利要求1所述的一种评估地基天气雷达非降水回波识别算法效果的方法,其特征在于,步骤5中所述的统计参数包括均值、相关系数,均方根误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810656687.2A CN108761408B (zh) | 2018-06-24 | 2018-06-24 | 一种评估地基天气雷达非降水回波识别算法效果的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810656687.2A CN108761408B (zh) | 2018-06-24 | 2018-06-24 | 一种评估地基天气雷达非降水回波识别算法效果的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108761408A true CN108761408A (zh) | 2018-11-06 |
CN108761408B CN108761408B (zh) | 2023-05-23 |
Family
ID=63976583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810656687.2A Active CN108761408B (zh) | 2018-06-24 | 2018-06-24 | 一种评估地基天气雷达非降水回波识别算法效果的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108761408B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109839617A (zh) * | 2019-03-13 | 2019-06-04 | 中国气象局气象探测中心 | 一种雷达组网产品的非降水回波消除方法及系统 |
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 |
CN111308581A (zh) * | 2020-04-10 | 2020-06-19 | 海南省气象科学研究所 | 一种基于时空局部模型的雷达-雨量计联合降水估测方法 |
CN116027333A (zh) * | 2023-02-24 | 2023-04-28 | 南京信息工程大学 | 一种微波测雨雷达立体扫描仰角参数生成方法 |
CN117452360A (zh) * | 2023-09-26 | 2024-01-26 | 北京华云星地通科技有限公司 | 一种星载雷达与地基雷达数据的匹配方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2007743C1 (ru) * | 1991-11-21 | 1994-02-15 | Государственный фонд изобретений СССР | Способ обнаружения атмосферных образований |
CN103792524A (zh) * | 2014-03-06 | 2014-05-14 | 兰州大学 | 基于云分类的雷达定量降水估计方法 |
-
2018
- 2018-06-24 CN CN201810656687.2A patent/CN108761408B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2007743C1 (ru) * | 1991-11-21 | 1994-02-15 | Государственный фонд изобретений СССР | Способ обнаружения атмосферных образований |
CN103792524A (zh) * | 2014-03-06 | 2014-05-14 | 兰州大学 | 基于云分类的雷达定量降水估计方法 |
Non-Patent Citations (6)
Title |
---|
JIAN WANG: "The Intelligent Identification and Elimination of Non-precipitation Echoes in the Environment of Low-Latitude Plateaus", 《ADVANCES IN BRAIN INSPIRED COGNITIVE SYSTEMS. PROCEEDINGS 5TH INTERNATIONAL CONFERENCE, BICS 2012》 * |
LEE, H: "Ensemble Classification for Anomalous Propagation Echo Detection with Clustering-Based Subset-Selection Method", 《 ATMOSPHERE》 * |
ZHANG, S: "Consistency analysis and correction of ground-based radar observations using space-borne radar", 《 PERGAMON-ELSEVIER SCIENCE LTD》 * |
王德旺: "35GHz云雷达反射率因子数据的质量控制", 《 气象科学》 * |
王红艳;刘黎平;: "新一代天气雷达降水估算的区域覆盖能力评估", 高原气象 * |
韩丁;严卫;蔡丹;杨汉乐;: "基于最优估计理论、联合星载主被动传感器资料的液态云微物理特性反演研究", 物理学报 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109839617A (zh) * | 2019-03-13 | 2019-06-04 | 中国气象局气象探测中心 | 一种雷达组网产品的非降水回波消除方法及系统 |
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 |
CN110346800B (zh) * | 2019-04-02 | 2021-08-17 | 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 |
CN111308581A (zh) * | 2020-04-10 | 2020-06-19 | 海南省气象科学研究所 | 一种基于时空局部模型的雷达-雨量计联合降水估测方法 |
CN116027333A (zh) * | 2023-02-24 | 2023-04-28 | 南京信息工程大学 | 一种微波测雨雷达立体扫描仰角参数生成方法 |
CN117452360A (zh) * | 2023-09-26 | 2024-01-26 | 北京华云星地通科技有限公司 | 一种星载雷达与地基雷达数据的匹配方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108761408B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761408A (zh) | 一种评估地基天气雷达非降水回波识别算法效果的方法 | |
Guo et al. | Lidar boosts 3D ecological observations and modelings: A review and perspective | |
Lin et al. | Tree species classification based on explicit tree structure feature parameters derived from static terrestrial laser scanning data | |
CN109784391A (zh) | 基于多模型的样本标注方法及装置 | |
CN110531054B (zh) | 基于Bootstrap抽样的土壤有机碳预测不确定性估测方法 | |
CN109459751B (zh) | 一种基于天气雷达数据的迁飞生物信息监测方法 | |
KR100921424B1 (ko) | 도플러 기상레이더의 관측 자료를 이용한 강수량 추정 방법 | |
CN109255100B (zh) | 一种基于微波衰减特征响应指纹识别的城市降雨反演方法 | |
CN111062251A (zh) | 基于无人机成像的农田棉蚜为害等级模型的监测方法 | |
Fernández-Sarría et al. | Residual biomass calculation from individual tree architecture using terrestrial laser scanner and ground-level measurements | |
Ayat et al. | How do different sensors impact IMERG precipitation estimates during hurricane days? | |
Cai et al. | Measurement of potato volume with laser triangulation and three-dimensional reconstruction | |
CN108981616B (zh) | 一种由无人机激光雷达反演人工林有效叶面积指数的方法 | |
Mirbod et al. | Automated measurement of berry size in images | |
CN113111799B (zh) | 一种基于集合经验模态分解的耕地土壤肥力水平监测方法 | |
CN107656278A (zh) | 基于稠密雨量站定量降水估测方法 | |
Dance et al. | Thunderstorm strike probability nowcasting | |
CN111971581B (zh) | 用于验证由雨量传感器提供的数据的设备、方法和计算机程序产品 | |
CN111060922A (zh) | 基于机载激光雷达点云空间分布特征的树木点云提取方法 | |
CN114819737B (zh) | 公路路域植被的碳储量估算方法、系统及存储介质 | |
Zou et al. | A method of radar echo extrapolation based on TREC and Barnes filter | |
CN101074925A (zh) | 可见和近红外光谱特征波段的植物叶片灰霉病害诊断方法 | |
Chen et al. | High-speed image velocimetry system for rainfall measurement | |
CN113096122A (zh) | 流星检测方法、装置及电子设备 | |
CN106780433A (zh) | 基于多源遥感数据的积雪物候信息融合方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: No.166, Puxi Road, Xuhui District, Shanghai 200011 Applicant after: Shanghai Institute of typhoon, China Meteorological Administration Address before: No.166, Puxi Road, Xuhui District, Shanghai 200011 Applicant before: SHANGHAI INSTITUTE OF TYPHOON RESEARCH, CHINA METEOROLOGICAL ADMINISTRATION |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |