CN109828275B - 一种零度层亮带的识别方法和系统 - Google Patents
一种零度层亮带的识别方法和系统 Download PDFInfo
- Publication number
- CN109828275B CN109828275B CN201910082327.0A CN201910082327A CN109828275B CN 109828275 B CN109828275 B CN 109828275B CN 201910082327 A CN201910082327 A CN 201910082327A CN 109828275 B CN109828275 B CN 109828275B
- Authority
- CN
- China
- Prior art keywords
- bright band
- data
- band area
- bright
- reflectivity
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000002310 reflectometry Methods 0.000 claims abstract description 120
- 238000009826 distribution Methods 0.000 claims abstract description 68
- 230000010287 polarization Effects 0.000 claims abstract description 38
- 230000006870 function Effects 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 8
- 238000013398 bayesian method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- Investigating Or Analysing Materials By Optical Means (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种零度层亮带的识别方法和系统，其中，该方法包括：获取偏振雷达的观测数据，观测数据至少包括反射率、差分反射率和相关系数；将观测数据分离为亮带区域数据和非亮带区域数据；分别计算亮带区域数据和非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布；基于亮带区域数据和非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，分别计算得到观测数据属于亮带区域数据的概率，以及属于非亮带区域数据的概率；如果观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为观测数据属于亮带区域数据。从而能够提高零度层的识别准确率。
Description
技术领域
本发明属于雷达探测领域，尤其涉及一种零度层亮带的识别方法和系统。
背景技术
“零度层亮带”对天气雷达降水估测、降水粒子相态识别等具有重要影响，是缓慢降落的冰晶和雪花在零度层附近发生表面融化，导致天气雷达反射率增大的结果，在亮带下面，粒子融化成雨滴，下落速度增大，粒子浓度减小，反射率降低。根据雷达观测到的零度层亮带，可估计出0℃层的高度和厚度。天气雷达通常在层状云或积层混合云降水天气过程中观测到“零度层亮带”。
偏振多普勒天气雷达(以下简称偏振雷达)是我国全国布网的新一代多普勒天气雷达(以下简称多普勒雷达)的升级版。偏振雷达探测参量包括反射率Z，径向速度V，速度谱宽W，差分反射率ZDR，相关系数CC，差分传播相移φDP和差分传播相移率KDP；多普勒雷达探测参量相对来说较少，包括Z，V和W。
多普勒雷达对零度层亮带识别主要利用雷达观测的反射率因子Z，其技术要点是利用亮带反射率因子的统计特征曲线或是反射率因子Z垂直廓线(Vertical Profile ofReflectivity，VPR)方法开展亮带识别，核心是抓住亮带区域数据内Z会先增大后减小这一特性，请参见图1。多普勒雷达亮带识别方法主要是利用雷达观测的反射率因子Z开展亮带识别。该方法存在问题：只用了反射率Z一个雷达观测参量进行亮带识别，准确度低，当雷达观测的零度层反射率和零度层之上和之下反射率接近时，该方法就会失效。
偏振雷达出现后，零度层亮带识别通常都采用美国布网的WSR-88D偏振多普勒天气雷达基于3个偏振参量(反射率Z，差分反射率ZDR，相关系数CC)的零度层亮带识别方法(Melting Layer Detection Algorithm，MLDA)，该方法根据经验值先约定零度层亮带Z、ZDR、CC值的范围，然后找雷达观测的所有数据中哪些点的值落在零度层亮带约定的Z、ZDR、CC值范围内，并把满足条件的点都视为零度层亮带点(Melting Layer，ML)，将360个方位的ML点以方位-高度的形式画出，见图2，然后每个方位所有的ML点，以20％的位置作为该方位零度层底高，以80％的位置作为零度层顶高，可参见图2中的实线。偏振雷达识别零度层亮带MLDA方法，该方法容易受地物杂波的影响，地物杂波Z、ZDR、CC的值有可能在预先设定的零度层亮带Z、ZDR、CC值的范围内，导致识别的零度层亮带底高易受地物影响，使得识别的零度层亮带底高偏低；即使不受地物影响，按20％和80％的位置来确定亮带底高和顶高，也会使得识别的零度层底高偏高，零度层顶高偏低。
我国偏振雷达的应用刚起步，全国布网的多普勒雷达一共有200多部，目前只有广东省8部雷达升级为偏振雷达。此外我国很多省市建设X波段偏振多普勒天气雷达(简称：X波段偏振雷达)来弥补多普勒雷达的探测不足，比如在北京、佛山、上海等地建设有X波段偏振雷达网，初步估计全国X波段偏振雷达数量有300部左右。目前我国偏振雷达(包括S、C、X波段)亮带识别算法都采用反射率因子来识别，还没有利用偏振参量开展零度层亮带识别。因此本发明市场需求广阔。
发明内容
(一)发明目的
本发明实施例的目的是提供一种准确率较高的基于偏振雷达的偏振参量进行零度层亮带识别的方法和系统。
(二)技术方案
为解决上述问题，本发明实施例的第一方面提供了一种零度层亮带的识别方法，包括：获取偏振雷达的观测数据，所述观测数据至少包括反射率、差分反射率和相关系数；将所述观测数据分离为亮带区域数据和非亮带区域数据；分别计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布；基于所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，分别计算得到所述观测数据属于亮带区域数据的概率，以及属于非亮带区域数据的概率；如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。
进一步地，所述计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，包括：计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的独立概率密度函数分布。
进一步地，所述计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，包括：计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的联合概率密度函数分布。
进一步地，还包括：确定所述亮带区域数据的各个方位的临时厚度；重新确定亮度区域范围；基于所述重新确定的亮度区域范围，分别计算所述观测数据属于非亮带区域数据的概率，和属于亮带区域数据的概率；如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。
进一步地，将所述亮带区域数据的各个方位的临时厚度进行排序；取排序结果中的中值，并基于所述中值重新确定亮度区域范围。
根据本发明实施例的另一个方面，一种零度层亮带的识别系统，包括：获取模块，用于获取偏振雷达的观测数据，所述观测数据至少包括反射率、差分反射率和相关系数；分离模块，用于将所述观测数据分离为亮带区域数据和非亮带区域数据；第一计算模块，用于分别计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布；第二计算模块，用于基于所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，分别计算得到所述观测数据属于亮带区域数据的概率，以及属于非亮带区域数据的概率；如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。
进一步地，所述第一计算模块，包括：第一计算单元，用于计算所述观测数据的反射率、差分反射率和相关系数的独立概率密度函数分布。
进一步地，所述第一计算模块，包括：第一计算单元，用于计算所述数据的反射率、差分反射率和相关系数的联合概率密度函数分布。
进一步地，还包括：临时厚度确定模块，用于确定所述亮带区域数据的各个方位的临时厚度；范围确定模块，重新确定亮度区域范围；所述第二计算模块，用于基于所述重新确定的亮度区域范围，分别计算所述观测数据属于非亮带区域数据的概率，和属于亮带区域数据的概率；如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。
进一步地，所述范围确定模块包括：排序单元，用于将所述亮带区域数据的各个方位的临时厚度进行排序；取值单元，用于取排序结果中的中值，并基于所述中值重新确定亮度区域范围。
根据本发明实施例的另一个方面，提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令用于使计算机执行上述任一种零度层亮带的识别方法。
根据本发明实施例的另一个方面，提供一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行上述任一种零度层亮带的识别方法。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果：利用零度层数据(Z、ZDR、CC)的概率密度函数分布，判断偏振雷达的观测数据是否属于零度层，从而得到零度层的顶高和底高，以及零度层的厚度。这样，即使在零度层区域内，反射率没有明显增大的迹象，也能够准确有效的识别出零度层亮带。
附图说明
图1是现有技术中反射率因子垂直廓线零度层亮带概念模型；
图2是现有技术中MLDA算法识别的零度层亮带点；
图3是本发明实施例的一种零度层亮带的识别方法的流程图；
图4(a)是本发明实施例的反射率的概率密度函数分布图；
图4(b)是本发明实施例的差分反射率的概率密度函数分布图；
图4(c)是本发明实施例的相关系数的概率密度函数分布图；
图5(a)是本发明实施例的亮带区域数据的联合概率密度函数分布图；
图5(b)是本发明实施例的非亮带区域数据的联合概率密度函数分布图；
图6(a)是本发明实施例的一种基于独立概率密度函数分布的零度层亮带的识别方法的原理图；
图6(b)是本发明实施例的一种基于联合概率密度函数分布的零度层亮带的识别方法的原理图；
图7(a)是本发明实施例的观测数据中关于反射率数据的示意图；
图7(b)是本发明实施例的观测数据中关于相关系数的示意图；
图7(c)是根据本发明实施例的一种基于独立概率密度函数分布的零度层亮带的识别方法识别的亮带识别结果图；
图7(d)是根据图7(c)的识别方法进行一致性检查后的亮带识别结果图；
图8(a)是本发明实施例的观测数据中关于反射率数据的示意图；
图8(b)是本发明实施例的观测数据中关于相关系数的示意图；
图8(c)是根据本发明实施例的一种基于联合概率密度函数分布的零度层亮带的识别方法识别的亮带识别结果图；
图8(d)是根据图8(c)的识别方法进行一致性检查后的亮带识别结果图；
图9是根据图7(a)和图8(a)进行效果说明的示意图；
图10是本发明实施例的一种零度层亮带的识别系统的结构示意图；
图11是本发明实施例的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
对于图1所示的现有技术来说，基于反射率因子Z廓线开展的零度层亮带识别，缺陷是：(1)通过找到平均反射率因子最大的高度hmax，向上增加几百米得到零度层顶高度ht，向下降低几百米,得到零度层底高度hb，这种方法确定的零度层厚度(ht-hb)具有随意性，准备率不高；(2)由于该方法假定了零度层亮带内的反射率因子一定是大于零度层上或是下的反射率因子，存在图1中的垂直结构，但是实际观测数据中，会出现零度层内的反射率因子和零度层外的反射率因子非常接近，不再存在图1的结构，此时这种方法将完全失效。
对于图2所示的现有技术来说，MLDA方法识别零度层，缺陷是：该方法容易受地物杂波的影响，因为地物杂波的Z，ZDR，CC值有可能在预先设定的零度层亮带Z，ZDR，CC值的范围内，导致识别的零度层亮带底高易受地物影响，使得识别的零度层亮带底高偏低；另外，即使不受地物影响，按20％和80％的位置来确定亮带底高和顶高，也会使得识别的零度层底高偏高，零度层顶高偏低。
本发明实施例提出一种基于偏振雷达零度层探测数据的先验概率分布，采用贝叶斯方法来识别零度层，并对识别的零度层数据采用一致性检查，能够达到较高的识别准确率。具体请参见以下实施方式的介绍：
图3是本发明实施例的一种零度层亮带的识别方法的流程图。
如图3所示，一种零度层亮带的识别方法，包括：
S1，获取偏振雷达的观测数据，其中，观测数据至少包括反射率、差分反射率和相关系数；
S2，将观测数据分离为亮带区域数据和非亮带区域数据；
在本发明实施例中，将偏振雷达观测融化层数据分为亮带区域数据和非亮带区域数据，记为C＝(BB,NB)，BB表示亮带区域数据，NB表示非亮带区域数据，偏振雷达观测的一组数据视为一向量，记为
Z，ZDR，CC分别是偏振雷达观测到的三个偏振参量，要判断观测向量y是否属于BB，需先计算y属于亮带区域数据的概率p(BB|y)和属于非亮带区域数据的概率密度p(NB|y)，当p(BB|y)＞p(NB|y)时，y属于BB。
在一个具体的实施方式中，y属于亮带区域数据的概率p(BB|y)和属于非亮带区域数据的概率密度p(NB|y)的计算，可以按照以下公式1进行：
根据贝叶斯理论(Papoulis，1991)，可以得到下式：
其中雷达回波Ci＝BB,NB，p(y)＝K是观测数据y的概率，假定它对BB和NB分类概率是一样的，即p(BB)＝p(NB)＝1/2，因此p(Ci|y)和p(y|Ci)p(Ci)成正比，则公式(1)变成：
基于贝叶斯判断中分类之间独立的假设，将条件概率密度函数分解，即得到一种实施方式的概率计算公式：
或者，
基于(Z，ZDR，CC)联合概率分布，将条件概率密度函数分解，得到另一种实施方式的概率计算公式：
S3，分别计算亮带区域数据和非亮带区域数据的反射率、差分反射率和相关系数的独立概率密度函数分布或者联合概率密度函数分布；
具体地，是将观测反射率、差分反射率和相关系数视为独立分布。亮带区域反射率在[-20dBz,80dBz]区间范围内，以0.5dBz为单位间隔，统计各个等级的反射率值占亮带总观测数据的比例；亮带区域差分反射率在[-20dB,20dB]区间范围内，以0.2dB为单位间隔，统计各个等级的差分反射率值占亮带总观测数据的比例；亮带区域相关系数在[0,1]区间范围内，以0.01为单位间隔，统计各个等级的相关系数占亮带总观测数据的比例；非亮带区域数据同样采用上述方法得到反射率、差分反射率和相关系数各自等级数据占总观测数据的比例；从而得到独立分布条件下，亮带区域数据和非亮带区域数据反射率、差分反射率和相关系数的独立概率密度函数分布，即先验独立概率密度函数分布。
将观测的反射率、差分反射率和相关系数视为联合分布。亮带区域反射率在[-20dBz,80dBz]区间范围内，以0.5dBz为单位间隔，亮带区域差分反射率在[-20dB,20dB]区间范围内，以0.2dB为单位间隔，亮带区域相关系数在[0,1]区间范围内，以0.01为单位间隔，统计反射率、差分反射率和相关系数同时存在的条件下，各个等级的数据占亮带区域总观测数据的比例；非亮带区域数据同样采用上述方法，得到反射率、差分反射率和相关系数同时存在的条件下，各个等级的数据占非亮带区域总观测数据的比例；从而得到亮带区域和非亮带区域反射率、差分反射率和相关系数的联合概率密度函数分布，即先验联合概率密度函数分布。
S4，基于亮带区域数据和非亮带区域数据的反射率、差分反射率和相关系数的独立概率密度函数分布或联合概率密度函数分布，分别计算得到观测数据属于亮带区域数据的概率，以及属于非亮带区域数据的概率；
为了得出零度层亮带的Z，ZDR，CC各自的概率密度函数分布(Probability DensityFuntion,PDF)，首先需要得出偏振雷达零度层亮带特征值，即利用雷达观测的零度层亮带数据，统计分析先验概率分布，具体如下：利用偏振雷达观测到有明显亮带的体扫数据，将9.9°PPI观测数据提取出来，分为亮带区域数据(Z，ZDR，CC)和非亮带区域数据(Z，ZDR，CC)，利用收集亮带和非亮带的数据，得出Z，ZDR，CC概率密度函数分布，具体请参见图4a、图4b和图4c，图中BB表示亮带，NB表示非亮带，从图中可以看出,亮带和非亮带的相关系数的概率密度函数分布PDF差异较大，对区分BB和NB十分有利,p(CC|BB)的峰值位于CC＝0.91处；亮带的Z，ZDR概率密度函数分布有部分重合，但总体比非亮带的值偏大，因此综合Z，ZDR，CC的PDF可以提供更多的信息区分BB和NB。
或者，
为了得出零度层亮带的Z，ZDR，CC联合概率密度函数分布(Probability DensityFuntion,PDF)，首先得出的偏振雷达零度层亮带特征值，利用雷达观测的零度层亮带数据，统计分析先验概率分布，具体如下：利用偏振雷达观测到有明显亮带的体扫数据，将9.9°PPI观测数据提取出来，分为亮带区组(Z，ZDR，CC)数据，非亮带区域(Z，ZDR，CC)数据，利用收集亮带和非亮带的数据，得出Z，ZDR，CC联合概率密度函数分布，具体请参见5a、图5b，图中BB表示亮带，NB表示非亮带，从图中可以看出,亮带和非亮带联合概率分布差异较大，对区分BB和NB十分有利。
S5，判断观测数据属于亮带区域数据的概率是否大于其属于非亮带区域数据的概率；
S6a，如果观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为观测数据属于亮带区域数据；
S6b，如果观测数据属于亮带区域数据的概率小于或等于其属于非亮带区域数据的概率，则认为观测数据属于非亮带区域数据。
利用偏振雷达观测的空间某一点的探测数据值
带入公式(3)，利用图4a、图4b和图4c中得到的独立概率密度函数分布，得到零度层BB和非零度层NB的概率，从而判断该点值是否属于零度层。
利用偏振雷达观测的空间某一点的探测数据
值带入公式(4)，利用图5a、图5b得到的联合概率密度函数分布，得到零度层BB和非零度层NB的概率，从而判断该点值是否属于零度层。
进一步地，在本发明的另一个实施例中，一种零度层亮带的识别方法，还包括：
S6，确定亮带区域数据的各个方位的临时厚度；
具体地，是利用上一实施例中得到偏振雷达某层PPI所有方位的零度层点，对各个方位零度层对应的底高上浮20％作为该方位临时底高，对各个方位零度层对应的顶高下浮20％作为临时顶高，根据临时底高和顶高，得到各个方位临时厚度，其中，各个方位是指360度方位。
S7，重新确定亮度区域范围；
S8，基于重新确定的亮度区域范围，分别计算观测数据属于非亮带区域数据的概率，和属于亮带区域数据的概率；
S9a，如果观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为观测数据属于亮带区域数据；
S9b，如果观测数据属于亮带区域数据的概率小于或等于其属于非亮带区域数据的概率，则认为观测数据属于非亮带区域数据。
本发明实施例的目的是为了对零度层区域进行一致性检查，以排除地物对零度层点的干扰。
根据步骤S9a得到的某层PPI各个方位所有零度层点，各个方位对应的起点和终点即是本方位对应的零度层底高和顶高。
在一种实施方式中，步骤S7可以按照以下方式实施：将所述亮带区域数据的各个方位的临时厚度进行排序；取排序结果中的中值h，令σ＝2h，再按公式：
重新确定的亮度区域范围内，按照步骤S9a找出所有零度层点，以排除地物对零度层点的干扰，进而根据重新确定的某层PPI各个方位所有零度层点，将各个方位对应的起点和终点作为该方位对应的零度层底高和顶高。
具体地，取排序结果中的中值h，当有奇数个临时厚度排序时，中值为排序结果中间的数字，当有偶数个临时厚度排序时，中值为中间两个数的平均数，这样可以使得中值的取值不受偏大或偏小数据的影响，如果数列中存在极端变量值，用中位数做代表值就比平均数更好，很多情况下，用它代表全体数据的一般水平更为合适。
对于通过计算3个偏振参量的独立概率密度函数分布来判断观测数据是否属于亮带点，以及在判断其属于亮带点之后进行一致性检查的实施例来说，具体的原理可参见图6a；对于通过计算3个偏振参量的联合概率密度函数分布来判断观测数据是否属于亮带点，以及在判断其属于亮带点之后进行一致性检查的实施例来说，具体的原理可参见图6b。
下面通过实验数据对本发明实施例的两种贝叶斯方法识别零度层亮带的效果进行说明：
(1)为了验证贝叶斯识别零度层亮带的效果，选取2018年7月11日观测的亮带数据进行验证，图7a、图7b、图7c和图7d是2018年7月11日04:15(UTC)9.9°PPI观测的亮带数据，图7a是基于反射率的识别结果，图7b是基于相关系数的识别结果，图7c中黑色的部分是按本发明前述实施例介绍的零度层识别方法识别得到的亮带识别结果，图中可以看出，黑色部分与亮带区域相关系数CC减小的区域一致性非常好，但是在亮带区域外，还是有小部分区域被识别为亮带，为此，对贝叶斯方法识别的亮带开展一致性检查，去除偏离亮带重心的奇异点，结果见图7d，识别结果与相关系数CC在亮带减小的区域对应十分一致，说明采用贝叶斯方法可以有效对亮带进行识别。
(2)同样选取2018年7月11日观测的亮带数据，图8是2018年7月11日04:15(UTC)9.9°PPI观测的亮带数据，图8a中A是反射率，图8b中B是相关系数，图8c中C图中黑色的部分是按贝叶斯方法二亮带识别算法得到的亮带识别结果，图中可以看出，黑色部分与亮带区域相关系数CC减小的区域一致性非常好，但是在亮带区域外，还是有小部分区域被识别为亮带，与贝叶斯方法一相比，地物影响的亮带点减少，但是还是有少数地物影响的亮带点，为此，仍对贝叶斯方法识别的亮带开展一致性检查，去除偏离亮带重心的奇异点，结果见图8d，识别结果与相关系数CC在亮带减小的区域对应十分一致，说明采用贝叶斯方法二同样可以有效对亮带进行识别。
本发明实施例是利用零度层数据(Z，ZDR，CC)的独立分布和联合分布的先验概率，判断偏振雷达观测的数据是否属于零度层，从而得到零度层的顶高和底高，以及零度层的厚度。
在零度层区域，相关系数CC会明显小于非零度层区域值，见图7b，以相关系数CC为准，人工检查的方式是将偏振雷达观测到有明显亮带的体扫数据，即9.9°PPI观测数据提取出来，分为亮带区域数据和非亮带区域数据，按这样的方式获得足够的数据样本(30个体扫数据即可)，然后得到在样本数据内Z，ZDR，CC的独立概率分布和联合概率分布，将该概率值视为零度层数据(Z，ZDR，CC)的独立和联合分布的先验概率。
本发明是基于偏振雷达零度层探测数据的先验概率密度函数分布，采用贝叶斯方法来识别零度层，并对识别的零度层数据采用一致性检查，剔除地物数据。从而达到即使在零度层区域内，反射率没有明显增大的迹象，也能够准确有效的识别出零度层亮带，见图9，图9中两根直线所在的方位，反射率Z并没有明显增大的迹象，但是图7d和图8d中确能有效识别出亮带。
图10是本发明实施例的一种零度层亮带的识别系统的结构示意图。
如图10所示，一种零度层亮带的识别系统，包括：获取模块，用于获取偏振雷达的观测数据，所述观测数据至少包括反射率、差分反射率和相关系数；分离模块，用于将所述观测数据分离为亮带区域数据和非亮带区域数据；第一计算模块，用于分别计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的独立概率密度函数分布；第二计算模块，用于基于所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，分别计算得到所述观测数据属于亮带区域数据的概率，以及属于非亮带区域数据的概率；如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。
在一种实施方式中，第一计算模块，包括：第一计算单元，用于计算所述观测数据的反射率、差分反射率和相关系数的独立概率密度函数分布。
在另一种实施方式中，第一计算模块，包括：第一计算单元，用于计算所述观测数据的反射率、差分反射率和相关系数的联合概率密度函数分布。
进一步地，该识别系统还包括：临时厚度确定模块，用于确定所述亮带区域数据的各个方位的临时厚度；范围确定模块，重新确定亮度区域范围；第二计算模块，用于基于所述重新确定的亮度区域范围，分别计算所述观测数据属于非亮带区域数据的概率，和属于亮带区域数据的概率；如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。其中，范围确定模块包括：排序单元，用于将所述亮带区域数据的各个方位的临时厚度进行排序；取值单元，用于取排序结果中的中值，并基于所述中值重新确定亮度区域范围。
需要说明的是，本发明一种零度层亮带的识别系统是与涉及计算机程序流程的一种零度层亮带的识别方法一一对应的系统，由于在前已经对一种零度层亮带的识别方法的步骤流程进行了详细描述，在此不再对一种零度层亮带的识别系统的实施过程进行赘述。
本发明实施例还提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令用于使计算机执行上述任一个实施例的方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
如图11所示，一种执行前述方法的电子设备，包括一个或多个处理器1101以及与一个或多个处理器通信连接的存储器1102，图11中以一个处理器为例。
电子设备还可以包括：输入装置1103和输出装置1104，输入装置1103用于输入获取的至少一个观测数据，输出装置1104用于输出判断得到的结果。
处理器1101、存储器1102、输入装置1103和输出装置1104可以通过总线或者其他方式连接，图11中以通过总线连接为例。
存储器1102作为一种非暂态计算机可读存储介质。可用于存储非暂态软件程序、非暂态计算机可执行程序，如本发明实施例中的一种零度层亮带的识别方法对应的软件程序、指令以及模块。处理器1101通过运行存储在存储器1102中的非暂态软件程序、指令以及模块，执行一种零度层亮带的识别系统的各种功能应用以及数据处理，即实现上述方法实施例的方法步骤。
存储器1102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种零度层亮带的识别系统的使用所创建的数据等。此外，存储器1102可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件，闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器1102可选包括相对于处理器1101远程设置的存储器，这些远程存储器可以通过网络连接至一种任务处理系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置1103可接收输入的观测数据，以及产生与输入的观测数据的零度层亮带的识别系统的用户设置以及功能控制有关的键信号输入。输入装置1103可以包括触摸屏、键盘等，也可以包括有线接口、无线接口等。输出装置1104可包括显示屏等显示设备。
一个或多个软件程序、指令存储在存储器1102中，当被一个或多个处理器1101执行时，执行上述任意方法实施例中的一种零度层亮带的识别方法。
在本发明实施例中，一个或多个处理器能够：执行前述任一实施方式的一种零度层亮带的识别方法。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种零度层亮带的识别方法，其特征在于，包括：
获取偏振雷达的观测数据，所述观测数据至少包括反射率、差分反射率和相关系数；
将所述观测数据分离为亮带区域数据和非亮带区域数据；所述将所述观测数据分离为亮带区域数据和非亮带区域数据，包括：以人工检查的方式，在所述偏振雷达的观测数据中提取出有明显亮带的体扫数据，基于所述有明显亮带的体扫数据，人工分离出所述亮带区域数据和所述非亮带区域数据，以获取大量的样本数据供后续计算反射率、差分反射率和相关系数的概率密度函数分布用；
分别计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布；所述分别计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，包括：将亮带区域和非亮带区域反射率在[-20dBz,80dBz]区间范围内，以0.5dBz为单位间隔划分等级，分别统计亮带区域和非亮带区域各个等级值的个数占总样本数比例；差分反射率在 [-20dB,20dB]区间范围内，以0.2dB为单位间隔划分等级，分别统计亮带区域和非亮带区域各个等级值的个数占总样本数比例；相关系数在[0,1]区间范围内，以 0.01为单位间隔划分等级，分别统计亮带区域和非亮带区域各个等级值的个数占总样本数比例；该比例即为所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布；
基于所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，分别计算得到所述观测数据属于亮带区域数据的概率，以及属于非亮带区域数据的概率；
如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。
2.根据权利要求1所述的一种零度层亮带的识别方法，其特征在于，所述计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，包括：
计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的独立概率密度函数分布或者联合概率密度函数分布。
3.根据权利要求1所述的一种零度层亮带的识别方法，其特征在于，还包括：
确定所述亮带区域数据的各个方位的临时厚度；
重新确定亮度区域范围；
基于所述重新确定的亮度区域范围，分别计算所述观测数据属于非亮带区域数据的概率，和属于亮带区域数据的概率。
4.根据权利要求3所述的一种零度层亮带的识别方法，其特征在于，
将所述亮带区域数据的各个方位的临时厚度进行排序；
取排序结果中的中值，并基于所述中值重新确定亮度区域范围。
5.一种零度层亮带的识别系统，其特征在于，包括：
获取模块，用于获取偏振雷达的观测数据，所述观测数据至少包括反射率差分反射率和相关系数；
分离模块，用于将所述观测数据分离为亮带区域数据和非亮带区域数据；所述将所述观测数据分离为亮带区域数据和非亮带区域数据，包括：以人工检查的方式，在所述偏振雷达的观测数据中提取出有明显亮带的体扫数据，基于所述有明显亮带的体扫数据，人工分离出所述亮带区域数据和所述非亮带区域数据，以获取大量的样本数据供后续计算反射率、差分反射率和相关系数的概率密度函数分布用；
第一计算模块，用于分别计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布；所述分别计算所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，包括：将亮带区域和非亮带区域反射率在[-20dBz,80dBz]区间范围内，以0.5dBz为单位间隔划分等级，分别统计亮带区域和非亮带区域各个等级值的个数占总样本数比例；差分反射率在 [-20dB,20dB]区间范围内，以0.2dB为单位间隔划分等级，分别统计亮带区域和非亮带区域各个等级值的个数占总样本数比例；相关系数在[0,1]区间范围内，以 0.01为单位间隔划分等级，分别统计亮带区域和非亮带区域各个等级值的个数占总样本数比例；该比例即为所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布；
第二计算模块，用于基于所述亮带区域数据和所述非亮带区域数据的反射率、差分反射率和相关系数的概率密度函数分布，分别计算得到所述观测数据属于亮带区域数据的概率，以及属于非亮带区域数据的概率；如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。
6.根据权利要求5所述的一种零度层亮带的识别系统，其特征在于，所述第一计算模块，包括：
第一计算单元，用于计算所述观测数据的反射率、差分反射率和相关系数的独立概率密度函数分布或者联合概率密度函数分布。
7.根据权利要求5所述的一种零度层亮带的识别系统，其特征在于，还包括：
临时厚度确定模块，用于确定所述亮带区域数据的各个方位的临时厚度；
范围确定模块，重新确定亮度区域范围；
所述第二计算模块，用于基于所述重新确定的亮度区域范围，分别计算所述观测数据属于非亮带区域数据的概率，和属于亮带区域数据的概率；如果所述观测数据属于亮带区域数据的概率大于其属于非亮带区域数据的概率，则认为所述观测数据属于亮带区域数据。
8.根据权利要求7所述的一种零度层亮带的识别系统，其特征在于，所述范围确定模块包括：
排序单元，用于将所述亮带区域数据的各个方位的临时厚度进行排序；
取值单元，用于取排序结果中的中值，并基于所述中值重新确定亮度区域范围。
9.一种计算机存储介质，其特征在于，所述存储介质上存储有计算机程序，所述程序被处理器执行时实现权利要求1-4中任意一项所述一种零度层亮带的识别方法的步骤。
10.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-4中任意一项所述一种零度层亮带的识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910082327.0A CN109828275B (zh) | 2019-01-28 | 2019-01-28 | 一种零度层亮带的识别方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910082327.0A CN109828275B (zh) | 2019-01-28 | 2019-01-28 | 一种零度层亮带的识别方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109828275A CN109828275A (zh) | 2019-05-31 |
| CN109828275B true CN109828275B (zh) | 2021-03-02 |
Family
ID=66862641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910082327.0A Expired - Fee Related CN109828275B (zh) | 2019-01-28 | 2019-01-28 | 一种零度层亮带的识别方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109828275B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3754361B1 (en) * | 2019-06-19 | 2023-04-26 | Aptiv Technologies Limited | Method for predicting a false positive for a radar sensor |
| CN110515081B (zh) * | 2019-06-26 | 2022-04-26 | 南京信息工程大学 | 一种雷达回波零度层亮带智能识别预警方法 |
| CN111366931B (zh) * | 2020-05-19 | 2023-06-30 | 范思睿 | 一种基于云雷达的云降水精细化反演方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100931950B1 (ko) * | 2009-04-10 | 2009-12-15 | 부경대학교 산학협력단 | 기상레이더의 강수 유형 구분 방법 |
| CN102628944A (zh) * | 2012-03-16 | 2012-08-08 | 兰州大学 | 一种基于多普勒雷达资料的层云与对流云自动识别方法 |
| CN108020840A (zh) * | 2017-11-20 | 2018-05-11 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
| CN108931774A (zh) * | 2018-06-26 | 2018-12-04 | 重庆市气象台 | 基于闪电资料的对流性降水识别产品检验方法及系统 |
| CN109061646A (zh) * | 2018-06-26 | 2018-12-21 | 成都信息工程大学 | 一种基于降水云识别的多普勒天气雷达定量降水估计方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107843884B (zh) * | 2017-09-13 | 2021-09-14 | 成都信息工程大学 | 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法 |
| CN108802733A (zh) * | 2018-06-15 | 2018-11-13 | 安徽诺安信息科技有限公司 | 一种基于气象雷达数据对冰雹探测的算法 |
-
2019
- 2019-01-28 CN CN201910082327.0A patent/CN109828275B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100931950B1 (ko) * | 2009-04-10 | 2009-12-15 | 부경대학교 산학협력단 | 기상레이더의 강수 유형 구분 방법 |
| CN102628944A (zh) * | 2012-03-16 | 2012-08-08 | 兰州大学 | 一种基于多普勒雷达资料的层云与对流云自动识别方法 |
| CN108020840A (zh) * | 2017-11-20 | 2018-05-11 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
| CN108931774A (zh) * | 2018-06-26 | 2018-12-04 | 重庆市气象台 | 基于闪电资料的对流性降水识别产品检验方法及系统 |
| CN109061646A (zh) * | 2018-06-26 | 2018-12-21 | 成都信息工程大学 | 一种基于降水云识别的多普勒天气雷达定量降水估计方法 |
Non-Patent Citations (7)
| Title |
|---|
| 2010年夏季北京零度层亮带特征统计;黄钰等;《气象》;20130630;第39卷(第6期);全文 * |
| A melting-layer model and its use in correcting for the bright band in single-polarization radar echoes;P.J.Hardaker等;《Quarterly Journal of the Royal Meteorological Society》;19950430;全文 * |
| Bright-band detection from radar vertical reflectivity profiles;M.A.RICO-RAMIREZ等;《International Journal of Remote Sensing》;20070920;第28卷(第18期);全文 * |
| Probability density functions of turbulent velocity and temperature in the atmospheric surface layer;Chia.R.Chu等;《water resources research》;19960731;第32卷(第6期);全文 * |
| 三维雷达反射率资料用于层状云和对流云的识别研究;肖艳姣等;《大气科学》;20070731;第31卷(第4期);全文 * |
| 零度层亮带的理论模拟与分析研究;王云;《中国优秀硕士学位论文全文数据库 基础科学辑》;20150715;全文 * |
| 青藏高原零度层亮带的识别订正方法及在雷达估测降水中的应用;庄薇等;《气象》;20130831;第39卷(第8期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109828275A (zh) | 2019-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107067379B (zh) | 基于三维fib-sem图像的页岩孔隙定量表征方法 | |
| CN109828275B (zh) | 一种零度层亮带的识别方法和系统 | |
| CN105488770B (zh) | 一种面向对象的机载激光雷达点云滤波方法 | |
| CN102324021B (zh) | 一种基于剪切波变换的红外弱小目标检测方法 | |
| CN104297748B (zh) | 一种基于轨迹增强的雷达目标检测前跟踪方法 | |
| CN104049245B (zh) | 基于LiDAR点云空间差异分析的城市建筑物变化检测方法 | |
| CN111681197B (zh) | 一种基于Siamese网络结构的遥感图像无监督变化检测方法 | |
| KR101221773B1 (ko) | 이중편파 레이더를 이용한 기상 및 비기상 에코 분류 방법 | |
| CN107808383B (zh) | 一种强海杂波下sar图像目标快速检测方法 | |
| CN107993215A (zh) | 一种天气雷达图像处理方法及系统 | |
| WO2018000252A1 (zh) | 高分辨遥感海洋图像的海背景建模与抑制的方法及系统 | |
| CN104331583B (zh) | 一种基于实测海杂波数据的多重分形建模方法 | |
| CN104408482A (zh) | 一种高分辨率sar图像目标检测方法 | |
| CN109344812A (zh) | 一种改进的基于聚类的单光子点云数据去噪方法 | |
| CN109164026A (zh) | 岩石渗流能力评价方法及装置 | |
| CN109523575A (zh) | 红外弱小目标检测方法 | |
| CN108171119B (zh) | 基于残差网络的sar图像变化检测方法 | |
| CN111257905B (zh) | 一种基于单光子激光点云密度分割的切片自适应滤波算法 | |
| CN101482969A (zh) | 基于同质点计算的sar图像去斑方法 | |
| Zou et al. | A method of radar echo extrapolation based on TREC and Barnes filter | |
| CN117538881B (zh) | 一种声呐水体成像波束形成方法、系统、设备及介质 | |
| CN112085060A (zh) | 基于SVT-DTSVMs的双偏振气象雷达降水粒子分类方法及装置 | |
| CN104200229B (zh) | 一种结合稀疏特征选择的sar目标鉴别方法 | |
| CN117351321A (zh) | 一种单阶段轻量化的地铁衬砌空洞识别方法及相关设备 | |
| CN102194224A (zh) | 一种光学遥感图像坦克群的识别方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: No.44 Zizhuyuan Road, Haidian District, Beijing 100048 Applicant after: Beijing Institute of urban Meteorology Address before: 100089, No. 55, West Lane, Haidian District, Beijing Applicant before: INSTITUTE OF URBAN METEOROLOGY, CMA, BEIJING |
|
| 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: 20210302 Termination date: 20220128 |