CN108761576A - 一种x波段气象雷达与雨量站数据融合方法及系统 - Google Patents
一种x波段气象雷达与雨量站数据融合方法及系统 Download PDFInfo
- Publication number
- CN108761576A CN108761576A CN201810525332.XA CN201810525332A CN108761576A CN 108761576 A CN108761576 A CN 108761576A CN 201810525332 A CN201810525332 A CN 201810525332A CN 108761576 A CN108761576 A CN 108761576A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- data
- radar
- grid point
- station
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 22
- 238000001556 precipitation Methods 0.000 title abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 113
- 230000004927 fusion Effects 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims description 49
- 238000003908 quality control method Methods 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 9
- 239000003990 capacitor Substances 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000002592 echocardiography Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 12
- 238000009826 distribution Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000010902 straw Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- 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)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Hydrology & Water Resources (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了X波段气象雷达与雨量站数据融合方法及系统,该方法包括:获取气象雷达整个探测区域所覆盖的雨量站测量的雨量站雨量数据;获取气象雷达生成的雷达回波强度数据,将雷达回波强度数据进行格点化处理,得到格点回波强度数据;将格点回波强度数据反演为格点雨强数据,并通过线性平均累积法获得在整个降雨过程中的原始格点雨量数据;以格点为中心,搜索一定范围内的雨量站,根据该格点与搜索到的雨量站之间的距离计算该格点的距离权重系数;结合距离权重系数,将该格点通过雨量站测量的雨量站雨量数据融合至该格点的原始格点雨量数据中,得到该格点融合后的格点雨量数据。本发明利用距离权重系数融合方法,提高了区域降水量估测精度。
Description
技术领域
本发明涉及多气象要素融合处理技术领域,具体涉及一种X波段气象雷达与雨量站数据融合方法。
背景技术
X波段气象雷达作为气象探测新型主动遥感设备,具有实时估测其探测范围内各点的降水回波强度以及一定区域内降水范围分布的能力,因此可以及时获得空间连续性较好、范围较大的定量降水资料。X波段雷达在探测局地天气过程时,降水信息的空间分辨率和连续性均好于S和C波段天气雷达。因此,对于监测区域内的中小河流洪水、城市内涝、地质灾害等预警预报均有重大意义。
雷达在测雨过程时,降雨对电磁波存在着一定的衰减效应,雷达波长越小,其衰减越严重。X波段雷达衰减最大,C波段次之,S波段雷达最小。因此,X波段气象雷达需要进行衰减订正,提高区域降水量精度。以气象雷达天线位置为中心,在气象雷达探测区域内同时分别布设了3台激光雨滴谱仪。天气过程经过雨滴谱仪上空时,雨滴谱仪便实时采集了降水数据,通过逐库法对雷达回波强度进行了衰减订正和Z-R关系拟合。通过雨滴谱仪数据的衰减订正,在一定程度上缓解了衰减造成的低估,但是还存在着一定的系统和局部误差。在特殊情况下,如降水天气过程不经过雨滴谱仪或采集的数据量较少、网络出现故障、雨滴谱仪数据无法传送等;软件采用默认参数的进行衰减订正和Z-R关系拟合。由于降水滴谱类型随时间和空间的变化有很大不同,采用默认参数的雷达回波强度衰减订正和Z-R关系会引入较大的误差。
利用气象雷达数据进行降水估测,能得到高分辨率、空间结构连续的面降水量,但是降水估测的精度偏低。雨量站作为地面单点的观测设备,能观测到单点高精度的雨量数据。因此,通过较好的方法将气象雷达和雨量站数据进行融合,能大幅提高降水估测的精度。目前气象业务中常用的数据融合方法,主要包括最优插值法、平均法等。此类方法能一定程度提高降水估测的精度,同时也存在很多缺点:不同的降水类型,数据融合后降水估测精度不稳定和精度提升不大,数据融合后的降水空间结构不合理等,而且此类方法多数用于S和C波段的气象雷达中,并没有在X波段气象雷达中使用。作为短时临近预报参考信息,气象预报预警模式的输入信息、误差较大的面降水量均严重影响了预警预报的精度。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种X波段气象雷达与雨量站数据融合方法,提高了区域降水量估测精度。
为达到以上目的,本发明采取的技术方案是:一种X波段气象雷达与雨量站数据融合方法,其包括如下步骤:
获取在整个降雨过程中气象雷达整个探测区域所覆盖的雨量站测量的雨量站雨量数据;
获取在整个降雨过程中气象雷达生成的雷达回波强度数据,将雷达回波强度数据进行格点化处理,得到格点回波强度数据;将格点回波强度数据反演为格点雨强数据,并通过线性平均累积法获得在整个降雨过程中的原始格点雨量数据;所有原始格点雨量数据形成整个探测区域在整个降雨过程中的原始雷达雨量数据;
以格点为中心,搜索一定范围内的雨量站,根据该格点与搜索到的雨量站之间的距离计算该格点的距离权重系数;结合距离权重系数,将该格点通过雨量站测量的雨量站雨量数据融合至该格点的原始格点雨量数据中,得到该格点融合后的格点雨量数据;所有融合后的格点雨量数据形成整个探测区域在整个降雨过程中的融合后的雷达雨量数据。
进一步地,获取雨量站雨量数据后,数据融合方法还包括将雨量站雨量数据进行质量控制的步骤;以及,
获取雷达回波强度数据后,在进行格点化处理前,数据融合方法还包括将雷达回波强度数据进行质量控制的步骤。
进一步地,通过消除非气象回波对雷达回波强度数据进行质量控制;和/或,
通过剔除无降水数据和异常降水数据对雨量站雨量数据进行质量控制。
进一步地,将雷达回波强度数据转化为原始格点雨量数据具体包括:
将雷达回波强度数据格点化处理得到格点回波强度数据后,格点回波强度数据通过公式(1)反演为格点雨强数据;
采用线性平均累计法,通过公式(2),将整个降雨过程中每个格点的格点雨强数据进行累积,得到格点在整个降雨过程中的原始格点雨量数据;
Zi(n)=ARi(n)b (1)
其中,i为雷达回波强度数据中的第i个格点;n为整个降雨过程中第n个时刻;A和b为雨滴谱仪Z-R关系拟合系数;Zi(n)为第n个时刻雷达回波强度数据中第i个格点的格点回波强度数据,单位dBZ;Ri(n)为第n个时刻雷达回波强度数据中第i个格点的格点回波强度数据经反演得到的格点雨强数据,单位mm/h;t为气象雷达进行PPI扫描并生成单个雷达回波强度数据的时间;N为整个降雨过程中雷达探测并生成的雷达回波强度数据文件的个数;RCi为第i个格点在整个降雨过程中的原始格点雨量数据。
进一步地,距离权重系数的计算方法包括:
获取格点和雨量站的经纬度,根据格点的经纬度和雨量站的经纬度,进行同一地理位置的配对,并形成气象雷达-雨量站数据对;
以格点为中心,在搜索半径为r0的范围内,搜索气象雷达和雨量站均有值的气象雷达-雨量站数据对,气象雷达和雨量站均有值的气象雷达-雨量站数据对为需要融合的气象雷达-雨量站数据对,该需要融合的气象雷达-雨量站数据对所对应的格点为需要融合的格点;
根据公式(3)计算需要融合的格点的距离权重系数:
其中,H为第i个格点对应的需要融合的气象雷达-雨量站数据对的总数量;h为第i个格点对应的H个需要融合的气象雷达-雨量站数据对中第h个气象雷达-雨量站数据对;Wih为第i个格点在第h个气象雷达-雨量站数据对中的距离权重系数;dh为第i个格点的需要融合的气象雷达-雨量站数据对中雨量站与该格点之间的距离;c为距离权重系数的修正系数。
进一步地,根据气象雷达-雨量站数据对中气象雷达与雨量站的雨量差值和对应格点的距离权重系数,以及对应格点的原始格点雨量数据,计算并得到该格点融合后的格点雨量数据。
进一步地,通过气象雷达的天线经纬度、天线扫描仰角以及雷达回波强度数据与天线之间的距离计算并获取格点经纬度。
本发明还提供了一种X波段气象雷达与雨量站数据融合系统,其包括:
第一数据获取模块,用于获取在整个降雨过程中气象雷达整个探测区域所覆盖的雨量站测量的雨量站雨量数据;
第二数据获取模块,用于获取在整个降雨过程中气象雷达生成的雷达回波强度数据;
数据计算模块,用于将雷达回波强度数据进行格点化处理,得到格点回波强度数据;将格点回波强度数据反演为格点雨强数据,并通过线性平均累积法获得在整个降雨过程中的原始格点雨量数据;所有原始格点雨量数据形成整个探测区域在整个降雨过程中的原始雷达雨量数据;
数据融合模块,用于以格点为中心,搜索一定范围内的雨量站,根据该格点与搜索到的雨量站之间的距离计算该格点的距离权重系数;结合距离权重系数,将该格点通过雨量站测量的雨量站雨量数据融合至该格点的原始格点雨量数据中,得到该格点融合后的格点雨量数据;所有融合后的格点雨量数据形成整个探测区域在整个降雨过程中的融合后的雷达雨量数据。
进一步地,其还包括质量控制模块,用于获取雨量站雨量数据后,对雨量站雨量数据进行质量控制;以及,
用于获取雷达回波强度数据后,在进行格点化处理前,对雷达回波强度数据进行质量控制。
与现有技术相比,本发明的优点在于:
本发明提供了气象雷达回波强度与雨量站雨量数据融合的方法,利用距离权重系数融合方法,提高了区域降水量估测精度。经过实际的数据对比分析,采用该方法解决了气象业务中常用融合方法稳定性较差、“草帽”效应等问题,得到的面降水量空间结构分布合理、连续性较好。
附图说明
图1为本发明实施例1提供的经反演的原始雷达雨量(a)以及经平均法(b)、最优插值法(c)和距离权重法(d)融合后的雷达雨量分布图;
图2为本发明实施例1提供的原始雷达雨量(a)以及经平均法(b)、最优插值法(c)和距离权重法(d)融合后的雷达雨量与雨量站雨量对比直方图;
图3为本发明实施例2提供的经反演的原始雷达雨量(a)以及经平均法(b)、最优插值法(c)和距离权重法(d)融合后的雷达雨量分布图;
图4为本发明实施例2提供的原始雷达雨量(a)以及经平均法(b)、最优插值法(c)和距离权重法(d)融合后的雷达雨量与雨量站雨量对比直方图;
图5为本发明实施例提供的X波段气象雷达与雨量站数据融合方法流程图。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明。
参见图1所示,本发明实施例提供一种X波段气象雷达与雨量站数据融合方法,其包括如下步骤:
S1:获取在整个降雨过程中气象雷达整个探测区域所覆盖的雨量站测量的雨量站雨量数据。也就是在整个降雨的时间段内,将所有的雨量站测量获取的雨量文件直接累加,得到雨量站测量的整个探测区域的雨量数据。
S2:获取在整个降雨过程中气象雷达生成的雷达回波强度数据,将雷达回波强度数据进行格点化处理,得到格点回波强度数据;将格点回波强度数据反演为格点雨强数据,并通过线性平均累积法获得在整个降雨过程中的原始格点雨量数据。所有的格点的原始格点雨量数据形成整个探测区域在整个降雨过程中的原始雷达雨量数据。
步骤S2与步骤S1先后顺序不限,可以同时进行。
步骤S2具体包括如下分步骤:
S20:获取雨量站雨量数据后,对雨量站雨量数据进行质量控制,以及获取雷达回波强度数据后,对雷达回波强度数据进行质量控制。
其中,可以通过消除孤立回波和地物回波等非气象回波对雷达回波强度数据进行质量控制,通过剔除无降水数据和异常降水数据等对雨量站雨量数据进行质量控制。
为了提高测量精度,可以对获取的雷达回波强度数据进行常规业务的衰减订正,如采用沿雷达径向回波数据的逐库法进行衰减订正。
S21:为了对比本发明的融合方法与现有技术中的融合方法之间的效果,将所有的雨量站分为融合组雨量站和评估组雨量站,融合组雨量站测量的雨量站雨量数据参与格点的原始格点雨量数据融合,以得到融合后的雷达雨量数据;评估组雨量站测量的雨量站雨量数据参与融合后的雷达雨量数据的效果评估;
雨量站的分组方法为:在气象雷达所覆盖的整个探测区域内,按雨量站的经纬度大小,从左到右,从上到下,依次编号,编号为奇数的雨量站归为评估组雨量站,编号为偶数的雨量站归为融合组雨量站。
S22:将雷达回波强度数据转化为原始格点雨量数据。
步骤S22具体包括如下:
将雷达回波强度数据进行格点化处理得到格点回波强度数据后,格点回波强度数据通过公式(1)反演为格点雨强数据;
采用线性平均累计法,通过公式(2),将整个降雨过程中每个格点的格点雨强数据进行累积,得到格点在整个降雨过程中的的原始格点雨量数据;
Zi(n)=ARi(n)b (1)
其中,i为雷达回波强度数据中的第i个格点;n为整个降雨过程中第n个时刻;A和b为雨滴谱仪Z-R关系拟合系数;Zi(n)为第n个时刻雷达回波强度数据中第i个格点的格点回波强度数据,单位dBZ;Ri(n)为第n个时刻雷达回波强度数据中第i个格点的格点回波强度数据经反演得到的格点雨强数据,单位mm/h;t为气象雷达进行PPI扫描并生成单个雷达回波强度数据的时间;N为整个降雨过程中雷达探测并生成的雷达回波强度数据文件的个数;RCi为第i个格点在整个降雨过程中的原始格点雨量数据。
气象雷达按照设定的探测模式进行PPI扫描,比如本实施例中,在t=5min内进行5次PPI扫描,并生成一个平均的格点回波强度数据,该数据代表了5min内降水强度的平均值。
S3:以格点为中心,搜索一定范围内的雨量站,根据该格点与搜索到的雨量站之间的距离计算该格点的距离权重系数;结合距离权重系数,将该格点通过雨量站测量的雨量站雨量数据融合至该格点的原始格点雨量数据中,得到该格点融合后的格点雨量数据;所有融合后的格点雨量数据形成整个探测区域在整个降雨过程中的融合后的雷达雨量数据。
步骤S3具体包括如下分步骤:
S30:计算该格点的距离权重系数。
具体如下:
S300:获取格点和雨量站的经纬度,根据格点的经纬度和雨量站站点的经纬度,进行同一地理位置的配对,并形成气象雷达-雨量站数据对;
通过气象雷达的天线经纬度、天线扫描仰角以及雷达回波强度数据与天线之间的距离计算并获取格点经纬度。
S301:以格点为中心,在搜索半径为r0的范围内,搜索气象雷达和雨量站均有值的气象雷达-雨量站数据对,气象雷达和雨量站均有值的气象雷达-雨量站数据对为需要融合的气象雷达-雨量站数据对,该需要融合的气象雷达-雨量站数据对所对应的格点为需要融合的格点;
r0为一个经验值,本实施例中r0=4Km。
S302:根据公式(3)计算需要融合的格点的距离权重系数:
其中,H为第i个格点对应的需要融合的气象雷达-雨量站数据对的总数量;h为第i个格点对应的H个需要融合的气象雷达-雨量站数据对中第h个气象雷达-雨量站数据对;Wih为第i个格点在第h个气象雷达-雨量站数据对中的距离权重系数;dh为第i个格点的需要融合的气象雷达-雨量站数据对中雨量站与该格点之间的距离;c为距离权重系数的修正系数,无量纲,其与雷达回波强度数据的分辨率、雷达的波长等有关,c值取值范围3~10,实施例取值为4。
为了保证融合的客观准确性,每一个需要融合的格点搜索到的需要融合的气象雷达-雨量站数据对至少为4组。
S31:根据气象雷达-雨量站数据对中气象雷达与雨量站的雨量差值和对应格点的距离权重系数,以及对应格点的原始格点雨量数据,计算并得到该格点融合后的格点雨量数据。
本步骤具体如下:
根据公式(4)~(6)计算需要融合的格点在融合后的雨量数据:
Diffi=GCi-RCi (4)
RFi=RCi+RDi (6)
其中,Diffi为第i个格点在对应的需要融合的气象雷达-雨量站数据对中雨量站雨量数据与原始格点雨量数据的差值;GCi为第i个格点的雨量站雨量数据;RDi为第i个格点雨量数据融合值,RFi为第i个格点融合后的格点雨量数据。
从式(3)可知,当H小于4时Wih为0,RDi为0,也就是,在进行融合时,需要融合的格点搜索到的需要融合的气象雷达-雨量站数据对小于4组时,该格点的距离权重系数为0,不融合直接输出该格点的原始格点雨量数据。
本发明还提供了一种X波段气象雷达与雨量站数据融合系统,其包括:
第一数据获取模块,用于获取在整个降雨过程中气象雷达整个探测区域所覆盖的雨量站测量的雨量站雨量数据;
第二数据获取模块,用于获取在整个降雨过程中气象雷达生成的雷达回波强度数据;
数据计算模块,用于将雷达回波强度数据进行格点化处理,得到格点回波强度数据;将格点回波强度数据反演为格点雨强数据,并通过线性平均累积法获得在整个降雨过程中的原始格点雨量数据;所有原始格点雨量数据形成整个探测区域在整个降雨过程中的原始雷达雨量数据;
数据融合模块,用于以格点为中心,搜索一定范围内的雨量站,根据该格点与搜索到的雨量站之间的距离计算该格点的距离权重系数;结合距离权重系数,将该格点通过雨量站测量的雨量站雨量数据融合至该格点的原始格点雨量数据中,得到该格点融合后的格点雨量数据;所有融合后的格点雨量数据形成整个探测区域在整个降雨过程中的融合后的雷达雨量数据。
进一步细化,本系统还包括质量控制模块,用于获取雨量站雨量数据后,对雨量站雨量数据进行质量控制;以及,用于获取雷达回波强度数据后,在进行格点化处理前,对雷达回波强度数据进行质量控制。
本发明可以通过下面的方法进行验证。
本方法采用的对比方法为最优插值法和平均法。采用步骤S21中的分组进行评估,评估组的雨量站测量的雨量站雨量数据作为“真实”雨量数据对融合后的雷达雨量数据进行评估;为了数据融合和评估的客观有效性,参与数据融合的雨量站不参与评估,参与评估的雨量站数据不参与数据融合;三种数据融合都使用了相同的原始格点雨量数据和融合组雨量站测量的的雨量站雨量数据;三种数据融合方法不同,最终得到融合后的雷达雨量数据,使用相同的评估组雨量站测量的雨量站雨量数据进行评估,即可评估出方法的优劣。
对比分析方法,为了检验3种数据融合方法的优劣。选取比率(RATIO)、平均相对误差(ARE)、均方根差(RMSE)和相关系数(COR)(公式(7)~(10))4个参数对雷达雨量数据的精度进行效果分析。根据评估参数具体的公式内容能较好表示出该公式具体的误差属性,比率、平均相对误差和相关系数能较好的表示出区域雨量整体的系统误差,均方根差(RMSE)能较好的表示出面降水量局部误差。
其中,I为评估组雨量站的总数;GCi为评估组的第i个雨量站的雨量站雨量数据;RKi为评估组的第i个雨量站对应雷达雨量数据,包括原始雷达雨量数据和三种数据融合方法得到的融合后的雷达雨量数据;评估组雨量站雨量数据的平均值;评估组雨量站对应雷达雨量数据的平均值;RATIO为比率;ARE为平均相对误差;RMSE为均方根误差;COR相关系数。
采用本发明方法的两个实施例分析数据如下:
实施例1
江西南昌X波段天气雷达系统于2015年05月13日19:00至2015年05月14日01:00,采集到一次暴雨天气过程,共有84个PPI数据。
表1各融合方法的评估
实施例2
江西赣州X波段天气雷达系统于2015年05月25日19:00–2015年05月26日09:00,采集到了一次暴雨过程,共有168个PPI数据。
表2各融合方法的评估
图1和图3中的(a)均为原始雷达雨量,原始雷达雨量由于雨衰的影响,图1中(a)左上角降水后降水量明显较弱和右下角的降水中心直接被衰减掉,图3中(a)下半部分降水中心整体偏弱。图1和图3中的(b)均为平均法融合后雨量,如图“椭圆”内的降雨分布。图1中(b)整体雨量偏高估,图3中(b)整体雨量偏低估,出现了融合后降水精度不稳定的现象。图1和图3中的(c)均为最优插值法融合后的雨量,从图中可以得出融合后的降水空间分布不连续,不合理,且有大量的“草帽”效应出现(“草帽”效应表现为:异常的一圈降水中心,如图“三角形”内的降雨分布。),图3中(c)中的红色表现最为严重。图1和图3中的(d)为本发明的距离权重法融合后的雨量,融合后的降水量空间分布连续合理,无“草帽”现象出现。
图2和图4为原始雷达雨量数据和三种数据融合方法得到的雷达雨量数据和评估组雨量站雨量数据的直方图对比,距离权重法得到融合后雷达雨量数据和评估雨量站雨量数据一致性最好,局部偏高或偏低的偏差值也较小。
通过评估参数进行定量的分析,并综合比较表1和表2,得出原始雷达雨量误差较大,平均法融合后降水的精度不稳定;最优插值法能一定程度降低系统误差,但是局部误差出现了不稳定的现象。距离权重法在保证了区域降水分布合理的情况下,进一步降低了系统和局部误差,提高了降水量精度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (9)
1.一种X波段气象雷达与雨量站数据融合方法,其特征在于,其包括如下步骤:
获取在整个降雨过程中气象雷达整个探测区域所覆盖的雨量站测量的雨量站雨量数据;
获取在整个降雨过程中气象雷达生成的雷达回波强度数据,将雷达回波强度数据进行格点化处理,得到格点回波强度数据;将格点回波强度数据反演为格点雨强数据,并通过线性平均累积法获得在整个降雨过程中的原始格点雨量数据;所有原始格点雨量数据形成整个探测区域在整个降雨过程中的原始雷达雨量数据;
以格点为中心,搜索一定范围内的雨量站,根据该格点与搜索到的雨量站之间的距离计算该格点的距离权重系数;结合距离权重系数,将该格点通过雨量站测量的雨量站雨量数据融合至该格点的原始格点雨量数据中,得到该格点融合后的格点雨量数据;所有融合后的格点雨量数据形成整个探测区域在整个降雨过程中的融合后的雷达雨量数据。
2.如权利要求1所述的X波段气象雷达与雨量站数据融合方法,其特征在于:
获取雨量站雨量数据后,数据融合方法还包括将雨量站雨量数据进行质量控制的步骤;以及,
获取雷达回波强度数据后,在进行格点化处理前,数据融合方法还包括将雷达回波强度数据进行质量控制的步骤。
3.如权利要求2所述的X波段气象雷达与雨量站数据融合方法,其特征在于:通过消除非气象回波对雷达回波强度数据进行质量控制;和/或,
通过剔除无降水数据和异常降水数据对雨量站雨量数据进行质量控制。
4.如权利要求1所述的X波段气象雷达与雨量站数据融合方法,其特征在于,将雷达回波强度数据转化为原始格点雨量数据具体包括:
将雷达回波强度数据格点化处理得到格点回波强度数据后,格点回波强度数据通过公式(1)反演为格点雨强数据;
采用线性平均累计法,通过公式(2),将整个降雨过程中每个格点的格点雨强数据进行累积,得到格点在整个降雨过程中的原始格点雨量数据;
Zi(n)=ARi(n)b (1)
其中,i为雷达回波强度数据中的第i个格点;n为整个降雨过程中第n个时刻;A和b为雨滴谱仪Z-R关系拟合系数;Zi(n)为第n个时刻雷达回波强度数据中第i个格点的格点回波强度数据,单位dBZ;Ri(n)为第n个时刻雷达回波强度数据中第i个格点的格点回波强度数据经反演得到的格点雨强数据,单位mm/h;t为气象雷达进行PPI扫描并生成单个雷达回波强度数据的时间;N为整个降雨过程中雷达探测并生成的雷达回波强度数据文件的个数;RCi为第i个格点在整个降雨过程中的原始格点雨量数据。
5.如权利要求4所述的X波段气象雷达与雨量站数据融合方法,其特征在于,距离权重系数的计算方法包括:
获取格点和雨量站的经纬度,根据格点的经纬度和雨量站的经纬度,进行同一地理位置的配对,并形成气象雷达-雨量站数据对;
以格点为中心,在搜索半径为r0的范围内,搜索气象雷达和雨量站均有值的气象雷达-雨量站数据对,气象雷达和雨量站均有值的气象雷达-雨量站数据对为需要融合的气象雷达-雨量站数据对,该需要融合的气象雷达-雨量站数据对所对应的格点为需要融合的格点;
根据公式(3)计算需要融合的格点的距离权重系数:
其中,H为第i个格点对应的需要融合的气象雷达-雨量站数据对的总数量;h为第i个格点对应的H个需要融合的气象雷达-雨量站数据对中第h个气象雷达-雨量站数据对;Wih为第i个格点在第h个气象雷达-雨量站数据对中的距离权重系数;dh为第i个格点的需要融合的气象雷达-雨量站数据对中雨量站与该格点之间的距离;c为距离权重系数的修正系数。
6.如权利要求5所述的X波段气象雷达与雨量站数据融合方法,其特征在于:根据气象雷达-雨量站数据对中气象雷达与雨量站的雨量差值和对应格点的距离权重系数,以及对应格点的原始格点雨量数据,计算并得到该格点融合后的格点雨量数据。
7.如权利要求5所述的X波段气象雷达与雨量站数据融合方法,其特征在于:通过气象雷达的天线经纬度、天线扫描仰角以及雷达回波强度数据与天线之间的距离计算并获取格点经纬度。
8.一种X波段气象雷达与雨量站数据融合系统,其特征在于,其包括:
第一数据获取模块,用于获取在整个降雨过程中气象雷达整个探测区域所覆盖的雨量站测量的雨量站雨量数据;
第二数据获取模块,用于获取在整个降雨过程中气象雷达生成的雷达回波强度数据;
数据计算模块,用于将雷达回波强度数据进行格点化处理,得到格点回波强度数据;将格点回波强度数据反演为格点雨强数据,并通过线性平均累积法获得在整个降雨过程中的原始格点雨量数据;所有原始格点雨量数据形成整个探测区域在整个降雨过程中的原始雷达雨量数据;
数据融合模块,用于以格点为中心,搜索一定范围内的雨量站,根据该格点与搜索到的雨量站之间的距离计算该格点的距离权重系数;结合距离权重系数,将该格点通过雨量站测量的雨量站雨量数据融合至该格点的原始格点雨量数据中,得到该格点融合后的格点雨量数据;所有融合后的格点雨量数据形成整个探测区域在整个降雨过程中的融合后的雷达雨量数据。
9.如权利要求8所述的X波段气象雷达与雨量站数据融合系统,其特征在于:其还包括质量控制模块,用于获取雨量站雨量数据后,对雨量站雨量数据进行质量控制;以及,
用于获取雷达回波强度数据后,在进行格点化处理前,对雷达回波强度数据进行质量控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810525332.XA CN108761576B (zh) | 2018-05-28 | 2018-05-28 | 一种x波段气象雷达与雨量站数据融合方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810525332.XA CN108761576B (zh) | 2018-05-28 | 2018-05-28 | 一种x波段气象雷达与雨量站数据融合方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108761576A true CN108761576A (zh) | 2018-11-06 |
CN108761576B CN108761576B (zh) | 2020-11-13 |
Family
ID=64002935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810525332.XA Active CN108761576B (zh) | 2018-05-28 | 2018-05-28 | 一种x波段气象雷达与雨量站数据融合方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108761576B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728353A (zh) * | 2019-09-10 | 2020-01-24 | 宁波市气象台 | 一种基于bp人工神经网络的城市积涝水位预报方法 |
CN111123410A (zh) * | 2019-12-26 | 2020-05-08 | 国网北京市电力公司 | 降水量监测系统及方法、存储介质、处理器 |
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 |
CN112149294A (zh) * | 2020-09-14 | 2020-12-29 | 南京信息工程大学 | 弹性气象栅格设计方法 |
CN112285807A (zh) * | 2019-11-12 | 2021-01-29 | 北京嘉韵楷达气象科技有限公司 | 一种气象信息预测方法及装置 |
CN112526637A (zh) * | 2020-11-17 | 2021-03-19 | 国网湖南省电力有限公司 | 基于不均匀权重的一体化电网通道暴雨监测方法和系统 |
CN112632472A (zh) * | 2021-03-09 | 2021-04-09 | 武汉理工大学 | 一种基于空间统计学的多来源降雨数据融合算法及装置 |
CN112685492A (zh) * | 2020-12-30 | 2021-04-20 | 北京墨迹风云科技股份有限公司 | 一种多源数据融合方法以及装置 |
CN112965146A (zh) * | 2021-04-14 | 2021-06-15 | 中国水利水电科学研究院 | 一种结合气象雷达与雨量桶观测数据的定量降水估算方法 |
CN113281754A (zh) * | 2021-07-26 | 2021-08-20 | 中国水利水电科学研究院 | 一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法 |
CN113742327A (zh) * | 2021-09-02 | 2021-12-03 | 中国水利水电科学研究院 | 一种基于测雨雷达数据的自动雨量站异常值筛选方法 |
CN114545417A (zh) * | 2022-04-25 | 2022-05-27 | 中国气象科学研究院 | 一种基于最优参数的雨滴谱反演方法和装置 |
EP4155770A1 (en) | 2021-09-24 | 2023-03-29 | HENSOLDT Sensors GmbH | Apparatus and method for improving and scheduling of radar systems |
CN117910658A (zh) * | 2024-03-15 | 2024-04-19 | 北京和利时系统工程有限公司 | 一种降水量预测方法、模型的训练与修正方法及装置 |
Citations (6)
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 |
CN104483673A (zh) * | 2014-12-31 | 2015-04-01 | 贵州东方世纪科技股份有限公司 | 一种利用雷达回波和雨量站计算面雨量的方法 |
CN105068153A (zh) * | 2015-06-19 | 2015-11-18 | 中国气象科学研究院 | 一种区域自动雨量站小时降水数据质量控制系统及方法 |
CN106324709A (zh) * | 2016-10-21 | 2017-01-11 | 中国人民解放军理工大学 | 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法 |
CN107064885A (zh) * | 2017-02-21 | 2017-08-18 | 水利部南京水利水文自动化研究所 | X波段雨量雷达径向干扰识别与消除方法 |
CN107656278A (zh) * | 2017-08-31 | 2018-02-02 | 武汉中心气象台(长江流域水文气象预报台湖北省决策气象服务中心) | 基于稠密雨量站定量降水估测方法 |
-
2018
- 2018-05-28 CN CN201810525332.XA patent/CN108761576B/zh active Active
Patent Citations (6)
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 |
CN104483673A (zh) * | 2014-12-31 | 2015-04-01 | 贵州东方世纪科技股份有限公司 | 一种利用雷达回波和雨量站计算面雨量的方法 |
CN105068153A (zh) * | 2015-06-19 | 2015-11-18 | 中国气象科学研究院 | 一种区域自动雨量站小时降水数据质量控制系统及方法 |
CN106324709A (zh) * | 2016-10-21 | 2017-01-11 | 中国人民解放军理工大学 | 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法 |
CN107064885A (zh) * | 2017-02-21 | 2017-08-18 | 水利部南京水利水文自动化研究所 | X波段雨量雷达径向干扰识别与消除方法 |
CN107656278A (zh) * | 2017-08-31 | 2018-02-02 | 武汉中心气象台(长江流域水文气象预报台湖北省决策气象服务中心) | 基于稠密雨量站定量降水估测方法 |
Non-Patent Citations (1)
Title |
---|
李建通等: "雷达雨量计联合估测区域降水量方法检验与评估", 《气象》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728353A (zh) * | 2019-09-10 | 2020-01-24 | 宁波市气象台 | 一种基于bp人工神经网络的城市积涝水位预报方法 |
CN112285807A (zh) * | 2019-11-12 | 2021-01-29 | 北京嘉韵楷达气象科技有限公司 | 一种气象信息预测方法及装置 |
CN112285807B (zh) * | 2019-11-12 | 2023-11-07 | 北京嘉韵楷达气象科技有限公司 | 一种气象信息预测方法及装置 |
CN111123410A (zh) * | 2019-12-26 | 2020-05-08 | 国网北京市电力公司 | 降水量监测系统及方法、存储介质、处理器 |
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 |
CN112149294B (zh) * | 2020-09-14 | 2023-06-20 | 南京信息工程大学 | 弹性气象栅格设计方法 |
CN112149294A (zh) * | 2020-09-14 | 2020-12-29 | 南京信息工程大学 | 弹性气象栅格设计方法 |
CN112526637A (zh) * | 2020-11-17 | 2021-03-19 | 国网湖南省电力有限公司 | 基于不均匀权重的一体化电网通道暴雨监测方法和系统 |
CN112685492A (zh) * | 2020-12-30 | 2021-04-20 | 北京墨迹风云科技股份有限公司 | 一种多源数据融合方法以及装置 |
CN112685492B (zh) * | 2020-12-30 | 2024-04-16 | 北京墨迹风云科技股份有限公司 | 一种多源数据融合方法以及装置 |
CN112632472A (zh) * | 2021-03-09 | 2021-04-09 | 武汉理工大学 | 一种基于空间统计学的多来源降雨数据融合算法及装置 |
CN112965146A (zh) * | 2021-04-14 | 2021-06-15 | 中国水利水电科学研究院 | 一种结合气象雷达与雨量桶观测数据的定量降水估算方法 |
CN112965146B (zh) * | 2021-04-14 | 2021-09-21 | 中国水利水电科学研究院 | 一种结合气象雷达与雨量桶观测数据的定量降水估算方法 |
CN113281754A (zh) * | 2021-07-26 | 2021-08-20 | 中国水利水电科学研究院 | 一种雨量站融合雷达定量估测降雨的WRF-Hydro关键参数率定方法 |
CN113742327B (zh) * | 2021-09-02 | 2022-03-25 | 中国水利水电科学研究院 | 一种基于测雨雷达数据的自动雨量站异常值筛选方法 |
CN113742327A (zh) * | 2021-09-02 | 2021-12-03 | 中国水利水电科学研究院 | 一种基于测雨雷达数据的自动雨量站异常值筛选方法 |
EP4155770A1 (en) | 2021-09-24 | 2023-03-29 | HENSOLDT Sensors GmbH | Apparatus and method for improving and scheduling of radar systems |
CN114545417A (zh) * | 2022-04-25 | 2022-05-27 | 中国气象科学研究院 | 一种基于最优参数的雨滴谱反演方法和装置 |
CN117910658A (zh) * | 2024-03-15 | 2024-04-19 | 北京和利时系统工程有限公司 | 一种降水量预测方法、模型的训练与修正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108761576B (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761576B (zh) | 一种x波段气象雷达与雨量站数据融合方法及系统 | |
Nipen et al. | Adopting citizen observations in operational weather prediction | |
CN110082842B (zh) | 一种降水估测方法及装置 | |
AU2019216706B2 (en) | Iterative ray-tracing for autoscaling of oblique ionograms | |
Goudenhoofdt et al. | Generation and verification of rainfall estimates from 10-yr volumetric weather radar measurements | |
CN110596787A (zh) | 一种基于x波段全固态双偏振雨量雷达的降水估测方法 | |
CN111006771A (zh) | 一种基于极轨气象卫星判识火点的方法与装置 | |
Franzen et al. | Source counts and confusion at 72–231 MHz in the MWA GLEAM survey | |
CN105607062B (zh) | 一种天气雷达图分析系统 | |
Zhong et al. | Application of the Doppler weather radar in real-time quality control of hourly gauge precipitation in eastern China | |
Zhong et al. | Cross-evaluation of reflectivity from the space-borne precipitation radar and multi-type ground-based weather radar network in China | |
Seo et al. | Statewide real-time quantitative precipitation estimation using weather radar and NWP model analysis: Algorithm description and product evaluation | |
He et al. | An operational weather radar–based quantitative precipitation estimation and its application in catchment water resources modeling | |
CN113281749A (zh) | 一种顾及同质性的时序InSAR高相干点选取方法 | |
CN117332365A (zh) | 一种多波段天气雷达数据融合方法 | |
CN116910041A (zh) | 一种基于尺度分析的遥感降水产品的逐日订正方法 | |
Gerstner et al. | Real-time areal precipitation determination from radar by means of statistical objective analysis | |
Ionescu et al. | DeePS at: A deep learning model for prediction of satellite images for nowcasting purposes | |
CN108198178B (zh) | 大气程辐射值的确定方法和装置 | |
Zolesi et al. | A new campaign for oblique-incidence ionospheric sounding over Europe and its data application | |
Xu et al. | A validation of passive microwave rain-rate retrievals from the Chinese FengYun-3B satellite | |
Zhou et al. | Daily rainfall model to merge TRMM and ground based observations for rainfall estimations | |
Laws et al. | Error assessment of HF radar-based ocean current measurements: An error model based on sub-period measurement variance | |
Portmann et al. | Modelling crop hail damage footprints with single-polarization radar: The roles of spatial resolution, hail intensity, and cropland density | |
Wang et al. | Error analysis and modeling of GPM Dual-Frequency Precipitation Radar near-surface rainfall product |
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 |