CN108983323A - 基于光流法的降水预报方法及预警平台 - Google Patents

Abstract

本发明提出了一种基于光流法的降水预报方法及预警平台，通过采用微分法的光流计算方法，只适用于回波间运行较小的情况，对于运行较大的情况，采用金字塔分层技术解决；对于线性外推不考虑旋转的缺点，采用半拉格朗日平流方案对雷达回波进行外推；本发明的预报方法准确度高，特别适用于变化较快的强对流降水天气过程预报。

Description

基于光流法的降水预报方法及预警平台

技术领域

本发明涉及气象临近预报领域，尤其涉及一种基于光流法的降水预报方法及预警平台。

背景技术

基于雷达数据的雷暴识别追踪和外推预报技术是最早出现的临近预报技术，外推预报技术发展了很多方法，继交叉相关法、单体质心法后，光流法也取得了较大发展，对于变化较快的强对流降水天气过程，光流法具有明显的预报优势。

但雷达回波应用于光流法仍存在模型误差，光流法假定图像具有灰度不变性，而实际上雷达回波存在生消变化，故存在因反射率因子不守恒导致的误差，因此光流法利用偏微方程求解光流场，只适用于回波间运动较小的情况，对移动速度快的回波误差较大。另外，在回波的外推预报中，常规的线性外推不考虑旋转，这对于涡旋性的回波预报误差较大。

基于以上原因，在利用雷达回波预报降水时，也会产生较大的误差。因此，现有技术存在缺陷，需要改进。

发明内容

有鉴于此，本发明提出了一种适用于回波间运动较大的情况、且将旋转纳入考量的基于光流法的降水预报方法及预警平台。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种基于光流法的降水预报方法，其包括以下步骤，

S1，获取天气雷达的历史基本反射率数据和自动气象站观测的历史降水数据；

S2，比较历史降水数据的一致性，对于历史降水数据中的无效值和缺失值进行纠正或者排除在接下来的步骤之外；

S3，对步骤S2得到的数据进行插值处理并验证，得到最接近实况的数值；

S4，利用机器学习方法，利用天气雷达的历史基本反射率数据和分钟降水历史资料，建立模型确定雷达反射率因子与地面降水量之间的关系；

S5，将天气雷达基本反射率数据作为输入，利用改进后的光流法进行外推，外推未来M小时逐N分钟的雷达回波，其中，M和N大于0；

S6，利用步骤S4的雷达反射率因子与地面降水之间的关系，将步骤S5得到的外推的雷达回波作为输入，估计降水量。

在以上技术方案的基础上，优选的，步骤S5包括以下步骤，

S5.1，采用基于金字塔分层的LK光流法计算光流场；

S5.2，采用半拉格朗日法对雷达回波进行外推预报。

进一步优选的，步骤S5.1包括以下过程：

(1)对相邻的两幅雷达回波图像分别建立高斯金字塔，最低分辨率在最顶层，原始图片在最底层；

(2)从顶层L_m开始，通过最小化每个点的邻域范围内的匹配误差和，得到顶层图像中的每个点的光流：

其中，ε(d)代表误差和，d代表某个像素点的邻域范围，x代表图像上像素点的横坐标，y代表图像上像素点的纵坐标，u_x-w_x表示邻域范围x方向的起始点，u_x+w_x表示邻域范围x方向的终止点，u_y-w_y表示邻域范围y方向的起始点，u_y+w_y表示邻域范围y方向的终止点，I(x,y)代表图像上像素点的亮度，J(x+d_x,y+d_y)代表移动后的亮度；

(3)假设图像的尺寸每次缩放为原来的一半，共缩放L_m层，则第0层为原图像，设已知原图的位移为d，则每层的位移为：

(4)顶层的光流位移情况反馈到第L_m-1层，作为该层初始时的光流值的估计g：

g^L-1＝2(g^L+d^L)；

(5)沿着金字塔向下反馈，重复估计动作，直到金字塔的底层，即原始图像：

d＝g⁰+d⁰；

(6)对于每一层L，每个点的光流的计算都是基于邻域内所有点的匹配误差和最小化：

更进一步优选的，步骤S5.2包括以下过程：

(1)一维半拉格朗日方程：

其中，U和V分别是x和y的速率，或称F(x,y,t)的光流，是图像(x,y,t)在t时刻特定方向的偏导数；

(2)依据一维半拉格朗日方程可得出以下内容：

U(x,y,t)＝dx/dt

V(x,y,t)＝dy/dt；

(3)沿着其运动轨迹进行积分可得：

其中：

α＝ΔtU[x-α,y-β,t]

β＝ΔtV[x-α,y-β,t]；

(4)将上述表达式使用迭代法求解，迭代公式为：

α^(k+1)＝ΔtU[x-α^(k),y-β^(k),t]

β^(k+1)＝ΔtV[x-α^(k),y-β^(k),t]

其中，k代表迭代次数，Δt代表时间增量，α、β赋初始值为0，然后用迭代法求得α、β的值，其分别为在一个时间步长内在x,y方向上移动的距离。

在以上技术方案的基础上，优选的，还包括步骤S7，将步骤S6的外推雷达回波及降水量估计数据生成图像文件和具有自描述能力的GRIB文件。

在以上技术方案的基础上，优选的，还包括步骤S8，设定阀值，当指定区域未来降水量达到设定阀值时，以手机短信或者互联网数据文件传送预警信号给指定用户。

第二方面，本发明提供了一种基于光流法的降水预警平台，包括数据获取模块(1)、数据清洗模块(2)、数据融合模块(3)、降水模型训练模块(4)、雷达回波外推模块(5)、降水估算模块(6)、产品制作模块(7)和灾害预警模块(8)，其中，

数据获取模块(1)，获取天气雷达的历史基本反射率数据和自动气象站观测的历史降水数据；

数据清洗模块(2)，比较历史降水数据的一致性，对于历史降水数据中的无效值和缺失值进行纠正或者排除；

数据融合模块(3)，对数据清洗模块(2)得到的数据进行插值处理并验证，得到最接近实况的数值；

降水模型训练模块(4)，利用机器学习方法，利用历史天气雷达基本反射率资料和分钟降水资料，建立模型确定雷达反射率因子与地面降水量之间的关系；

雷达回波外推模块(5)，将天气雷达基本反射率数据作为输入，利用改进后的光流法进行外推，外推未来M小时逐N分钟的雷达回波，其中，M和N大于0；

降水估算模块(6)，利用降水模型训练模块(4)的雷达反射率因子与地面降水之间的关系，将步骤S5得到的外推的雷达回波作为输入，估计降水量；

产品制作模块(7)，将降水估算模块(6)的外推雷达回波及降水量估计数据生成图像文件和具有自描述能力的GRIB文件；

灾害预警模块(8)，设定阀值，当指定区域未来降水量达到设定阀值时，以手机短信或者互联网数据文件传送预警信号给指定用户。

本发明的基于光流法的降水预报方法及预警平台相对于现有技术具有以下

有益效果：

(1)通过采用微分法的光流计算方法，只适用于回波间运行较小的情况，对于运行较大的情况，采用金字塔分层技术解决；

(2)对于线性外推不考虑旋转的缺点，采用半拉格朗日平流方案对雷达回波进行外推；

(3)本发明的预报方法准确度高，特别适用于变化较快的强对流降水天气过程预报。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的基于光流法的降水预警平台的架构图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

本发明的基于光流法的降水预报方法，其包括以下步骤，

S1，获取天气雷达的历史基本反射率数据和自动气象站观测的历史降水数据。具体的，可通过多种渠道和方式收集气象风险评估所需的各地的各类天气的历史气象数据，其中包括从国家气象观测站、其他专业气象观测站、雷达观测等方式和渠道获得的数据。

S2，比较历史降水数据的一致性，对于历史降水数据中的无效值和缺失值进行纠正或者排除在接下来的步骤之外。具体的，通过对历史降水数据进行重复性审查和校验，纠正历史降水数据中存在的错误；或者，对于无效值和缺失值进行标记，并排除在接下来的步骤之外。

S3，对步骤S2得到的数据进行插值处理并验证，得到最接近实况的数值。

S4，利用机器学习方法，利用历史天气雷达资料和分钟降水资料，建立模型确定雷达反射率因子与地面降水量之间的关系。

S5，将天气雷达基本反射率作为输入，利用改进后的光流法进行外推，外推未来M小时逐N分钟的雷达回波，其中，M和N大于0。具体的，步骤S5包括以下步骤。

S5.1，采用基于金字塔分层的LK光流法计算光流场。具体的，

步骤S5.1包括以下过程：(1)对相邻的两幅雷达回波图像分别建立高斯金字塔，最低分辨率在最顶层，原始图片在最底层；

(2)从顶层L_m开始，通过最小化每个点的邻域范围内的匹配误差和，得到顶层图像中的每个点的光流：

其中，ε(d)代表误差和，d代表某个像素点的邻域范围，x代表图像上像素点的横坐标，y代表图像上像素点的纵坐标，u_x-w_x表示邻域范围x方向的起始点，u_x+w_x表示邻域范围x方向的终止点，u_y-w_y表示邻域范围y方向的起始点，u_y+w_y表示邻域范围y方向的终止点，I(x,y)代表图像上像素点的亮度，J(x+d_x,y+d_y)代表移动后的亮度；

(3)假设图像的尺寸每次缩放为原来的一半，共缩放L_m层，则第0层为原图像，设已知原图的位移为d，则每层的位移为：

(4)顶层的光流位移情况反馈到第L_m-1层，作为该层初始时的光流值的估计g：

g^L-1＝2(g^L+d^L)；

(5)沿着金字塔向下反馈，重复估计动作，直到金字塔的底层，即原始图像：

d＝g⁰+d⁰；

(6)对于每一层L，每个点的光流的计算都是基于邻域内所有点的匹配误差和最小化：

S5.2，采用半拉格朗日法对雷达回波进行外推预报。具体的，步骤S5.2包括以下过程：

(1)一维半拉格朗日方程：

其中，U和V分别是x和y的速率，或称F(x,y,t)的光流，是图像(x,y,t)在t时刻特定方向的偏导数；

(2)依据一维半拉格朗日方程可得出以下内容：

U(x,y,t)＝dx/dt

V(x,y,t)＝dy/dt；

(3)沿着其运动轨迹进行积分可得：

其中：

α＝ΔtU[x-α,y-β,t]

β＝ΔtV[x-α,y-β,t]；

(4)将上述表达式使用迭代法求解，迭代公式为：

α^(k+1)＝ΔtU[x-α^(k),y-β^(k),t]

β^(k+1)＝ΔtV[x-α^(k),y-β^(k),t]

其中，k代表迭代次数，Δt代表时间增量，α、β赋初始值为0，然后用迭代法求得α、β的值，其分别为在一个时间步长内在x,y方向上移动的距离。

通过采用微分法的光流计算方法，只适用于回波间运行较小的情况，对于运行较大的情况，采用金字塔分层技术解决；对于线性外推不考虑旋转的缺点，采用半拉格朗日平流方案对雷达回波进行外推，从而提高预报精准度。

S6，利用步骤S4的雷达反射率因子与地面降水之间的关系，将步骤S5得到的外推的雷达回波作为输入，估计降水量。

S7，将步骤S6的外推雷达回波及降水量估计数据生成图像文件和具有自描述能力的GRIB文件。

S8，设定阀值，当指定区域未来降水量达到设定阀值时，以手机短信或者互联网数据文件传送预警信号给指定用户。

本发明的基于光流法的降水预警平台，如图1所示，包括数据获取模块1、数据清洗模块2、数据融合模块3、降水模型训练模块4、雷达回波外推模块5、降水估算模块6、产品制作模块7和灾害预警模块8，其中，

数据获取模块1，获取天气雷达的历史基本反射率数据和自动气象站观测的历史降水数据；

数据清洗模块2，比较历史降水数据的一致性，对于历史降水数据中的无效值和缺失值进行纠正或者排除；

数据融合模块3，对数据清洗模块2得到的数据进行插值处理并验证，得到最接近实况的数值；

降水模型训练模块4，利用机器学习方法，利用历史天气雷达资料和分钟降水资料，建立模型确定雷达反射率因子与地面降水之间的关系；

雷达回波外推模块5，将天气雷达基本反射率作为输入，利用改进后的光流法进行外推，外推未来M小时逐N分钟的雷达回波，其中，M和N大于0；

降水估算模块6，利用降水模型训练模块4的雷达反射率因子与地面降水之间的关系，将步骤S5得到的外推的雷达回波作为输入，估计降水量；

产品制作模块7，将降水估算模块6的外推雷达回波及降水量估计数据生成图像文件和具有自描述能力的GRIB文件；

灾害预警模块8，设定阀值，当指定区域未来降水量达到设定阀值时，以手机短信或者互联网数据文件传送预警信号给指定用户。

以上所述仅为本发明的较佳实施方式而已，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 (7)

1.一种基于光流法的降水预报方法，其特征在于：其包括以下步骤，

S1，获取天气雷达的历史基本反射率数据和自动气象站观测的历史降水数据；

S2，比较历史降水数据的一致性，对于历史降水数据中的无效值和缺失值进行纠正或者排除在接下来的步骤之外；

S3，对步骤S2得到的数据进行插值处理并验证，得到最接近实况的数值；

S4，利用机器学习方法，利用天气雷达的历史基本反射率数据和分钟降水历史资料，建立模型确定雷达反射率因子与地面降水量之间的关系；

S5，将天气雷达基本反射率数据作为输入，利用改进后的光流法进行外推，外推未来M小时逐N分钟的雷达回波，其中，M和N大于0；

S6，利用步骤S4的雷达反射率因子与地面降水之间的关系，将步骤S5得到的外推的雷达回波作为输入，估计降水量。

2.如权利要求1所述的基于光流法的降水预报方法，其特征在于：步骤S5包括以下步骤，

S5.1，采用基于金字塔分层的LK光流法计算光流场；

S5.2，采用半拉格朗日法对雷达回波进行外推预报。

3.如权利要求2所述的基于光流法的降水预报方法，其特征在于：步骤S5.1包括以下过程：

(1)对相邻的两幅雷达回波图像分别建立高斯金字塔，最低分辨率在最顶层，原始图片在最底层；

(2)从顶层L_m开始，通过最小化每个点的邻域范围内的匹配误差和，得到顶层图像中的每个点的光流：

其中，ε(d)代表误差和，d代表某个像素点的邻域范围，x代表图像上像素点的横坐标，y代表图像上像素点的纵坐标，u_x-w_x表示邻域范围x方向的起始点，u_x+w_x表示邻域范围x方向的终止点，u_y-w_y表示邻域范围y方向的起始点，u_y+w_y表示邻域范围y方向的终止点，I(x,y)代表图像上像素点的亮度，J(x+d_x,y+d_y)代表移动后的亮度；

(3)假设图像的尺寸每次缩放为原来的一半，共缩放L_m层，则第0层为原图像，设已知原图的位移为d，则每层的位移为：

(4)顶层的光流位移情况反馈到第L_m-1层，作为该层初始时的光流值的估计g：

g^L-1＝2(g^L+d^L)；

(5)沿着金字塔向下反馈，重复估计动作，直到金字塔的底层，即原始图像：

d＝g⁰+d⁰；

(6)对于每一层L，每个点的光流的计算都是基于邻域内所有点的匹配误差和最小化：

4.如权利要求3所述的基于光流法的降水预报方法，其特征在于：步骤S5.2包括以下过程：

(1)一维半拉格朗日方程：

其中，U和V分别是x和y的速率，或称F(x,y,t)的光流，是图像(x,y,t)在t时刻特定方向的偏导数；

(2)依据一维半拉格朗日方程可得出以下内容：

U(x,y,t)＝dx/dt

V(x,y,t)＝dy/dt；

(3)沿着其运动轨迹进行积分可得：

其中：

α＝ΔtU[x-α,y-β,t]

β＝ΔtV[x-α,y-β,t]；

(4)将上述表达式使用迭代法求解，迭代公式为：

α^(k+1)＝ΔtU[x-α^(k),y-β^(k),t]

β^(k+1)＝ΔtV[x-α^(k),y-β^(k),t]

其中，k代表迭代次数，Δt代表时间增量，α、β赋初始值为0，然后用迭代法求得α、β的值，其分别为在一个时间步长内在x,y方向上移动的距离。

5.如权利要求1所述的基于光流法的降水预报方法，其特征在于：还包括步骤S7，将步骤S6的外推雷达回波及降水量估计数据生成图像文件和具有自描述能力的GRIB文件。

6.如权利要求3所述的基于光流法的降水预报方法，其特征在于：还包括步骤S8，设定阀值，当指定区域未来降水量达到设定阀值时，以手机短信或者互联网数据文件传送预警信号给指定用户。

7.一种基于光流法的降水预警平台，其特征在于：包括数据获取模块(1)、数据清洗模块(2)、数据融合模块(3)、降水模型训练模块(4)、雷达回波外推模块(5)、降水估算模块(6)、产品制作模块(7)和灾害预警模块(8)，其中，

数据获取模块(1)，获取天气雷达的历史基本反射率数据和自动气象站观测的历史降水数据；

数据清洗模块(2)，比较历史降水数据的一致性，对于历史降水数据中的无效值和缺失值进行纠正或者排除；

数据融合模块(3)，对数据清洗模块(2)得到的数据进行插值处理并验证，得到最接近实况的数值；

降水模型训练模块(4)，利用机器学习方法，利用历史天气雷达基本反射率资料和分钟降水资料，建立模型确定雷达反射率因子与地面降水量之间的关系；

雷达回波外推模块(5)，将天气雷达基本反射率数据作为输入，利用改进后的光流法进行外推，外推未来M小时逐N分钟的雷达回波，其中，M和N大于0；

降水估算模块(6)，利用降水模型训练模块(4)的雷达反射率因子与地面降水之间的关系，将步骤S5得到的外推的雷达回波作为输入，估计降水量；

产品制作模块(7)，将降水估算模块(6)的外推雷达回波及降水量估计数据生成图像文件和具有自描述能力的GRIB文件；

灾害预警模块(8)，设定阀值，当指定区域未来降水量达到设定阀值时，以手机短信或者互联网数据文件传送预警信号给指定用户。