CN108896995A - 一种机载气象雷达雷暴识别方法 - Google Patents

一种机载气象雷达雷暴识别方法 Download PDF

Info

Publication number
CN108896995A
CN108896995A CN201810876964.0A CN201810876964A CN108896995A CN 108896995 A CN108896995 A CN 108896995A CN 201810876964 A CN201810876964 A CN 201810876964A CN 108896995 A CN108896995 A CN 108896995A
Authority
CN
China
Prior art keywords
thunderstorm
weather radar
recognition methods
airborne weather
radial line
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.)
Pending
Application number
CN201810876964.0A
Other languages
English (en)
Inventor
高铭阳
钱君
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.)
Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Original Assignee
Leihua Electronic Technology Research Institute Aviation Industry Corp of China
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 Leihua Electronic Technology Research Institute Aviation Industry Corp of China filed Critical Leihua Electronic Technology Research Institute Aviation Industry Corp of China
Priority to CN201810876964.0A priority Critical patent/CN108896995A/zh
Publication of CN108896995A publication Critical patent/CN108896995A/zh
Pending legal-status Critical Current

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
    • 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
    • G01S13/953—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on aircraft
    • 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)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种机载气象雷达雷暴识别方法，属于雷达探测与识别技术领域。所述方法包括首先对设定量程区域进行较大范围的粗扫描；对所述粗扫描的过程中在同一位置出现反射因子大于阈值的气象目标进行精细化立体扫描，获取目标区域不同高度的多行扫描数据；之后对扫描数据进行处理，包括在每个扫描行的每根径向线上搜索反射率因子大于一定阀值的连续区域，将多个扫描行的多个径向线上的连续区域合并得到三维空间区域；最后计算所述三维空间区域的空间体积及云层厚度，并依据先验值确定是否具有雷暴。通过该方法，提升了机载气象雷达对气象目标的探测感知与显示能力，进一步提高了飞行安全，减小了不必要的偏航，提升飞行效率。

Description

一种机载气象雷达雷暴识别方法
技术领域
本发明属于雷达探测与识别技术领域，具体涉及一种机载气象雷达雷暴识别方法。
背景技术
气象目标种类繁多且复杂多变，会对飞机各个阶段的飞行安全产生影响。雷暴目前被世界航空界和气象部门公认为严重威胁航空飞行安全的气象，被称为航空界的“空中杀手”。雷暴能够衍生出如湍流、风切变、闪电、冰雹等威胁航空安全的恶劣气象现象，且会随着时间的推移历经不同的发展阶段，对飞机飞行造成的影响及威胁程度也不尽相同。当飞机误入雷暴活动区内，可能遭遇颠簸、积冰、雷击、雹击等危险，轻者造成人机损伤，重者机毁人亡。
机载气象雷达用于探测载机前方气象信息，引导飞行员提前规避威胁飞行安全的气象。国内的机载气象雷达产品现在只能探测降雨(反射率因子)、湍流和风切变，没有雷暴识别功能，尚不具备大气威胁感知和告警能力，气象目标的威胁程度需要飞行员目视判别，飞行员经验等人为因素可能影响飞行安全。
美国FAA于2016年10月最新发布的TSO-C63e适航标准定义了机载气象雷达的最新功能性能要求，明确提出了对大气威胁感知的新要求，其中大气威胁包括雷暴、闪电和冰雹等气象目标，而对闪电、冰雹等对飞行安全有极端威胁的气象进行预测通常是在雷暴识别后，根绝雷暴的空间分布等特征加以判定。因此基于机载气象雷达的雷暴识别方法，探测载机航线上的雷暴，有助于提升雷达对大气威胁的感知能力。
发明内容
本发明针对我国现有机载气象雷达只能探测降雨，无法识别雷暴、闪电、冰雹等气象目标，不能满足最新TSO-C63e中对大气危险感知要求的问题，设计一种机载气象雷达识别雷暴的方法，在实现现有气象探测功能的基础上，增加对强反射率区域的气象精细化探测，判别该区域是否为雷暴并将识别出的雷暴区域，并将识别为雷暴的区域进行显示，提醒飞行员避让。
本发明机载气象雷达雷暴识别方法，主要包括以下步骤：
步骤1、对设定量程区域进行较大范围的粗扫描；
步骤2、若进行所述粗扫描的过程中在同一位置出现反射因子大于阈值的气象目标时，则对该气象目标所在的区域进行精细化立体扫描，获取目标区域不同高度的多行扫描数据；
步骤3、对扫描数据进行处理，包括在每个扫描行的每根径向线上搜索反射率因子大于一定阀值的连续区域，将多个扫描行的多个径向线上的连续区域合并得到三维空间区域；
步骤4、计算所述三维空间区域的空间体积及云层厚度；
步骤5、根据所述空间体积及云层厚度确定目标区域是否具有雷暴。
优选的是，所述阈值设定在35dBz～45dBz。
优选的是，所述精细化立体扫描包括获取目标区域从地面至15km高度扫描获取不少于7行的扫描数据。
优选的是，所述三维空间区域的构造包括：
步骤31、将每个扫描行的每根径向线上的连续区域作为一维雷暴段；
步骤32、对同一扫描行的方位角相邻的两个径向线，其中一个径向线在另一个径向线上投影时，两个径向线上的一维雷暴段存在重叠部分，则将该两个一维雷暴段关联，将同一扫描行的所有径向线上关联的一维雷暴段作为二维雷暴分量；
步骤33、将多个相邻扫描行的二维雷暴分量在水平面投影，投影具有重合部分的二维雷暴分量组成所述三维空间区域。
优选的是，所述重叠部分的长度不低于2km。
优选的是，所述投影的重合率不低于80％。
优选的是，根据所述空间体积及云层厚度确定目标区域是否具有雷暴包括将所述空间体积与云层厚度与先验值进行比较，若所述空间体积及云层厚度均大于先验值，则判定为具有雷暴。
优选的是，所述先验值包括空间体积为50km3，云层厚度为5km。
本发明通过对大范围探测中可能的雷暴区域(高反射率区域)进行多行精细化立体扫描，识别是否为雷暴，并将结果进行显示，帮助飞行员规划航线，提升机载气象雷达对大气危险感知的能力。该发明可应用于军用和民用机载气象雷达领域，提升机载气象雷达对气象目标的探测感知与显示能力，可进一步提高飞行安全，减小不必要的偏航，提升飞行效率。
附图说明
图1为按照本发明机载气象雷达雷暴识别方法的一优选实施例的流程图。
图2为按照本发明图1所示实施例的粗扫描示意图。
图3为按照本发明图1所示实施例的精细化立体扫描示意图。
图4为按照本发明图1所示实施例的雷达扫描参数示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。
如图1所示，为本发明机载气象雷达雷暴识别方法的一优选实施例的流程图，该方法主要包括：
步骤1、对设定量程区域进行较大范围的粗扫描；
步骤2、若进行所述粗扫描的过程中在同一位置出现反射因子大于阈值的气象目标时，则对该气象目标所在的区域进行精细化立体扫描，获取目标区域不同高度的多行扫描数据；
步骤3、对扫描数据进行处理，包括在每个扫描行的每根径向线上搜索反射率因子大于一定阀值的连续区域，将多个扫描行的多个径向线上的连续区域合并得到三维空间区域；
步骤4、计算所述三维空间区域的空间体积及云层厚度；
步骤5、根据所述空间体积及云层厚度确定目标区域是否具有雷暴。
本实施例中，所述阈值设定在35dBz～45dBz，例如选取的阈值为40dBz。
上述三维空间区域的构造包括：
步骤31、将每个扫描行的每根径向线上的连续区域作为一维雷暴段；
步骤32、对同一扫描行的方位角相邻的两个径向线，其中一个径向线在另一个径向线上投影时，两个径向线上的一维雷暴段存在重叠部分，重叠部分的长度不低于2km，则将该两个一维雷暴段关联，将同一扫描行的所有径向线上关联的一维雷暴段作为二维雷暴分量；
步骤33、将多个相邻扫描行的二维雷暴分量在水平面投影，投影具有重合部分的二维雷暴分量组成所述三维空间区域，其中，投影的重合率不低于80％。
本实施例中，根据所述空间体积及云层厚度确定目标区域是否具有雷暴包括将所述空间体积与云层厚度与先验值进行比较，若所述空间体积及云层厚度均大于先验值，则判定为具有雷暴。例如所述先验值包括空间体积为50km3，云层厚度为5km。
本发明通过对大范围探测中可能的雷暴区域(高反射率区域)进行多行精细化立体扫描，识别是否为雷暴，并将结果进行显示，帮助飞行员规划航线，提升机载气象雷达对大气危险感知的能力。该发明可应用于军用和民用机载气象雷达领域，提升机载气象雷达对气象目标的探测感知与显示能力，可进一步提高飞行安全，减小不必要的偏航，提升飞行效率。
大型客机的巡航速度一般在900km/h左右，巡航高度一般为7～12km。假设载机的飞行高度为9km，探测量程为400km，雷达波束宽度为4°，雷达俯仰角取向上为正。处理流程如图1所示。
1)机载气象雷达在气象探测时通过大范围扫描覆盖前方设定量程区域内的气象目标。若扫描区域内没有强反射率目标(40dBZ)，则只进行大范围的扫描，如图2所示。
2)当大范围扫描中连续两行扫描在同一位置出现反射率因子大于阈值(40dBZ)的气象目标时，则对目标区域进行精细化立体扫描，如图3所示，精细化扫描区域由目标距离与当前飞行高度决定，保证在目标距离上能够扫描方位向30km，高度由地面至15km的立体区域。例如图4中，载机飞行高度为9km，与待精细化立体扫描目标为70km，则多行扫描区域为该目标所在方位角±12°，俯仰角-7°～5°这一立体区域；因扫描行数为7，故每行扫描间隔1.7°。完成扫描后将获得的数据应用雷暴识别算法进行处理。
3)设定与反射率因子大小及距离相关阈值，沿径向由内到外依次搜索，所述径向为雷达到目标区域的发射或反射方向，从第一个反射率因子大于阈值的点开始记录雷暴段并记录雷暴段长度，对于长度不满足设计的雷暴段将舍弃；同时，若同一径向上所记录的两个雷暴段，如果首尾距离较近，则将其合并成一个雷暴段。将同一仰角上满足方位、距离相关的雷暴段，合成具有一定反射率因子权重面积的二维雷暴区域。然后搜索不同仰角上满足垂直相关的二维雷暴分量，组成有一定几何体积或反射率因子权重体积的三维空间区域。计算获得雷暴体的最大发射率、几何体积、权重体积、分布高度等特征值，判断是否为雷暴。若识别结果为雷暴，则发出雷暴告警并将雷暴体所在区域显示与气象图上。
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种机载气象雷达雷暴识别方法，其特征在于，包括：
步骤1、对设定量程区域进行较大范围的粗扫描；
步骤2、若进行所述粗扫描的过程中在同一位置出现反射因子大于阈值的气象目标时，则对该气象目标所在的区域进行精细化立体扫描，获取目标区域不同高度的多行扫描数据；
步骤3、对扫描数据进行处理，包括在每个扫描行的每根径向线上搜索反射率因子大于一定阀值的连续区域，将多个扫描行的多个径向线上的连续区域合并得到三维空间区域；
步骤4、计算所述三维空间区域的空间体积及云层厚度；
步骤5、根据所述空间体积及云层厚度确定目标区域是否具有雷暴。
2.如权利要求1所述的机载气象雷达雷暴识别方法，其特征在于，步骤2中，所述阈值设定在35dBz～45dBz。
3.如权利要求1所述的机载气象雷达雷暴识别方法，其特征在于，步骤2中，所述精细化立体扫描包括获取目标区域从地面至15km高度扫描获取不少于7行的扫描数据。
4.如权利要求1所述的机载气象雷达雷暴识别方法，其特征在于，步骤3中，所述三维空间区域的构造包括：
步骤31、将每个扫描行的每根径向线上的连续区域作为一维雷暴段；
步骤32、对同一扫描行的方位角相邻的两个径向线，其中一个径向线在另一个径向线上投影时，两个径向线上的一维雷暴段存在重叠部分，则将该两个一维雷暴段关联，将同一扫描行的所有径向线上关联的一维雷暴段作为二维雷暴分量；
步骤33、将多个相邻扫描行的二维雷暴分量在水平面投影，投影具有重合部分的二维雷暴分量组成所述三维空间区域。
5.如权利要求4所述的机载气象雷达雷暴识别方法，其特征在于，步骤32中，所述重叠部分的长度不低于2km。
6.如权利要求4所述的机载气象雷达雷暴识别方法，其特征在于，步骤33中，所述投影的重合率不低于80％。
7.如权利要求1所述的机载气象雷达雷暴识别方法，其特征在于，步骤5中，根据所述空间体积及云层厚度确定目标区域是否具有雷暴包括将所述空间体积与云层厚度与先验值进行比较，若所述空间体积及云层厚度均大于先验值，则判定为具有雷暴。
8.如权利要求7所述的机载气象雷达雷暴识别方法，其特征在于，所述先验值包括空间体积为50km3，云层厚度为5km。
CN201810876964.0A 2018-08-03 2018-08-03 一种机载气象雷达雷暴识别方法 Pending CN108896995A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810876964.0A CN108896995A (zh) 2018-08-03 2018-08-03 一种机载气象雷达雷暴识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810876964.0A CN108896995A (zh) 2018-08-03 2018-08-03 一种机载气象雷达雷暴识别方法

Publications (1)

Publication Number Publication Date
CN108896995A true CN108896995A (zh) 2018-11-27

Family

ID=64353285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810876964.0A Pending CN108896995A (zh) 2018-08-03 2018-08-03 一种机载气象雷达雷暴识别方法

Country Status (1)

Country Link
CN (1) CN108896995A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110426710A (zh) * 2019-08-07 2019-11-08 大连市人工影响天气办公室 一种人工防御强雹云的有效作业实施方法及系统
CN112068139A (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 一种气象探测方法、装置及机载气象雷达
CN112068140A (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 一种机载相控阵气象雷达扫描方法、装置及机载相控阵气象雷达
CN112558108A (zh) * 2020-12-03 2021-03-26 中国科学院精密测量科学与技术创新研究院 基于几何因子判断的激光雷达视场匹配方法
CN112596058A (zh) * 2021-03-03 2021-04-02 南京信息工程大学 一种基于三维雷达探测数据的闪电落区识别方法
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

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6388608B1 (en) * 2000-09-22 2002-05-14 Rockwell Collins, Inc. Method and system for detecting turbulence with reduced errors resulting from vertical shear components
EP2148215A1 (en) * 2008-07-24 2010-01-27 Honeywell International Inc. Systems and methods for re-triggering of radar weather display
CN101937078A (zh) * 2009-06-30 2011-01-05 深圳市气象局 基于边界识别追踪技术的雷暴云团的临近预报方法和系统
CN104569981A (zh) * 2015-01-28 2015-04-29 中国科学院大气物理研究所 协同自适应观测方法
CN106772387A (zh) * 2016-12-21 2017-05-31 中国航空工业集团公司雷华电子技术研究所 一种风切变识别方法
CN107153177A (zh) * 2017-06-28 2017-09-12 中国航空工业集团公司雷华电子技术研究所 一种机载气象雷达降雨探测结果的验证方法
CN107656256A (zh) * 2017-11-02 2018-02-02 广州积雨云科技有限公司 利用雷达数据识别跟踪暴雨的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6388608B1 (en) * 2000-09-22 2002-05-14 Rockwell Collins, Inc. Method and system for detecting turbulence with reduced errors resulting from vertical shear components
EP2148215A1 (en) * 2008-07-24 2010-01-27 Honeywell International Inc. Systems and methods for re-triggering of radar weather display
CN101937078A (zh) * 2009-06-30 2011-01-05 深圳市气象局 基于边界识别追踪技术的雷暴云团的临近预报方法和系统
CN104569981A (zh) * 2015-01-28 2015-04-29 中国科学院大气物理研究所 协同自适应观测方法
CN106772387A (zh) * 2016-12-21 2017-05-31 中国航空工业集团公司雷华电子技术研究所 一种风切变识别方法
CN107153177A (zh) * 2017-06-28 2017-09-12 中国航空工业集团公司雷华电子技术研究所 一种机载气象雷达降雨探测结果的验证方法
CN107656256A (zh) * 2017-11-02 2018-02-02 广州积雨云科技有限公司 利用雷达数据识别跟踪暴雨的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
J.T.JOHNSON 等: "The Storm Cell Identification and Tracking Algorithm: An Enhanced WSR-88D Algorithm", 《WEATHER AND FORECASTING》 *
杜文婷: "基于气象雷达数据对灾害性天气识别的算法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》 *
王磊 等: "机载气象雷达自适应危险天气预警方法仿真", 《系统仿真学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110426710A (zh) * 2019-08-07 2019-11-08 大连市人工影响天气办公室 一种人工防御强雹云的有效作业实施方法及系统
CN112068139A (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 一种气象探测方法、装置及机载气象雷达
CN112068140A (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 一种机载相控阵气象雷达扫描方法、装置及机载相控阵气象雷达
CN112558108A (zh) * 2020-12-03 2021-03-26 中国科学院精密测量科学与技术创新研究院 基于几何因子判断的激光雷达视场匹配方法
CN112558108B (zh) * 2020-12-03 2022-05-20 中国科学院精密测量科学与技术创新研究院 基于几何因子判断的激光雷达视场匹配方法
CN112596058A (zh) * 2021-03-03 2021-04-02 南京信息工程大学 一种基于三维雷达探测数据的闪电落区识别方法
CN112596058B (zh) * 2021-03-03 2021-06-01 南京信息工程大学 一种基于三维雷达探测数据的闪电落区识别方法
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

Similar Documents

Publication Publication Date Title
CN108896995A (zh) 一种机载气象雷达雷暴识别方法
US9869766B1 (en) Enhancement of airborne weather radar performance using external weather data
Shun et al. Applications of an infrared Doppler lidar in detection of wind shear
US7515087B1 (en) Weather radar system and method using data from a lightning sensor
US7868811B1 (en) Weather radar system and method using data from a lightning sensor
US7292178B1 (en) Aircraft hazard detection and alerting in terminal areas
EP2078967A1 (en) System and method for selectable weather object display
JPH08500925A (ja) 仮想現実画像作成システム
Sharman et al. Influences of gravity waves on convectively induced turbulence (CIT): A review
US10605912B1 (en) Storm top adaptive beam scan
Chan et al. Combined use of headwind ramps and gradients based on LIDAR data in the alerting of low-level windshear/turbulence
Lee et al. LIDAR‐based F‐factor for wind shear alerting: different smoothing algorithms and application to departing flights
Kaikwong et al. Aircraft wake fortex observations in Hong Kong
CN115792918A (zh) 基于多源数据融合的配料法识别航空对流风险区的方法
JP6316638B2 (ja) 監視装置、監視方法および監視プログラム
CN111624607A (zh) 低空风切变区域的获取方法、装置、设备和存储介质
CN118276094A (zh) 针对对流过程的多波段雷达自适应协同观测方法及系统
Bennett et al. Lidar observations of aircraft exhaust plumes
Holle et al. Lightning warnings with NLDN cloud and cloud-to-ground lightning data
Evans et al. Weather sensing and data fusion to improve safety and reduce delays at major west coast airports
Barbaresco et al. Wake vortex profiling by Doppler X-band radar: Orly trials at initial take-off & ILS interception critical areas
Muller et al. Aviation bird hazard in NEXRAD dual polarization weather radar confirmed by visual observations
Williams et al. NEXRAD detection of hazardous turbulence
Klingle A gust front case studies handbook
Keohan et al. P5. 4 evaluation of pulsed LiDAR wind hazard detection at Las Vegas international airport

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181127

RJ01 Rejection of invention patent application after publication