CN109884640A - 一种数据处理方法、装置及电子设备 - Google Patents
一种数据处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109884640A CN109884640A CN201910127897.7A CN201910127897A CN109884640A CN 109884640 A CN109884640 A CN 109884640A CN 201910127897 A CN201910127897 A CN 201910127897A CN 109884640 A CN109884640 A CN 109884640A
- Authority
- CN
- China
- Prior art keywords
- data
- cloud
- parameters
- radar
- target data
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000001228 spectrum Methods 0.000 claims abstract description 71
- 238000001556 precipitation Methods 0.000 claims abstract description 59
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 74
- 230000003595 spectral effect Effects 0.000 claims description 42
- 238000002156 mixing Methods 0.000 claims description 41
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 20
- 239000007788 liquid Substances 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000008020 evaporation Effects 0.000 description 4
- 238000001704 evaporation Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000005283 ground state Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000015271 coagulation Effects 0.000 description 2
- 238000005345 coagulation Methods 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000005494 condensation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000693 micelle Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种数据处理方法、装置及电子设备，获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据，根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。通过本发明，可以基于雷达采集的目标数据分析得到云体数据，提高数据应用率。
Description
技术领域
本发明涉及数据处理领域，更具体的说，涉及一种数据处理方法、装置及电子设备。
背景技术
风廓线雷达是通过向高空发射不同方向的电磁波束，接收并处理这些电磁波束因大气垂直结构不均匀而返回的信息进行高空风场探测的一种遥感设备。
风廓线雷达可以应用在气象领域，如可以使用风廓线雷达采集的风场数据，如水平风速和风向。风廓线雷达还提供信噪比等数据，但是并未对信噪比等数据做进一步研究，进而导致风廓线雷达的数据应用率较低。
发明内容
有鉴于此，本发明提供一种数据处理方法、装置及电子设备，以解决风廓线雷达提供信噪比等数据，但是并未对信噪比等数据做进一步研究，进而导致风廓线雷达的数据应用率较低的问题。
为解决上述技术问题，本发明采用了如下技术方案：
一种数据处理方法，包括：
获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据；
根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数；
基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
优选地，所述功率谱参数包括功率谱和功率谱密度。
优选地，所述云体数据包括回波强度、垂直径向速度、速度谱宽、谱密度函数和云参数中的一种或多种；所述云参数包括水汽混合比、云水混合比、雨水混合比、雨滴下落末速度和空气垂直速度中的一种或多种。
优选地，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据，包括：
根据所述功率谱、所述设备参数以及所述目标数据，计算得到所述回波强度；
根据所述功率谱密度以及所述目标数据，计算得到所述垂直径向速度、所述速度谱宽和所述谱密度函数；
基于所述回波强度以及所述大气参数，计算得到所述云参数。
优选地，获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据之后，还包括：
对所述大气参数以及所述目标数据进行数据过滤操作。
优选地，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据之后，还包括：
获取历史云体数据；
根据所述历史云体数据和所述云体数据，绘制云体数据变化图。
一种数据处理装置，包括：
数据获取模块，用于获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据；
参数计算模块，用于根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数；
数据计算模块，用于基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
优选地，所述功率谱参数包括功率谱和功率谱密度。
优选地，所述云体数据包括回波强度、垂直径向速度、速度谱宽、谱密度函数和云参数中的一种或多种；所述云参数包括水汽混合比、云水混合比、雨水混合比、雨滴下落末速度和空气垂直速度中的一种或多种。
优选地，所述数据计算模块包括：
第一计算子模块，用于根据所述功率谱、所述设备参数以及所述目标数据，计算得到所述回波强度；
第二计算子模块，用于根据所述功率谱密度以及所述目标数据，计算得到所述垂直径向速度、所述速度谱宽和所述谱密度函数；
第三计算子模块，用于基于所述回波强度以及所述大气参数，计算得到所述云参数。
优选地，还包括：
数据过滤模块，用于所述数据获取模块获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据之后，对所述大气参数以及所述目标数据进行数据过滤操作。
优选地，还包括：
图绘制模块，用于所述数据计算模块基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据之后，获取历史云体数据，根据所述历史云体数据和所述云体数据，绘制云体数据变化图。
一种电子设备，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器调用程序并用于：
获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据；
根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数；
基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
相较于现有技术，本发明具有以下有益效果：
本发明提供了一种数据处理方法、装置及电子设备，获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据，根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。通过本发明，可以基于雷达采集的目标数据分析得到云体数据，提高数据应用率。
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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种数据处理方法的方法流程图；
图2为本发明实施例提供的另一种数据处理方法的方法流程图；
图3为本发明实施例提供的一种风廓线雷达和普通天气雷达的数据对比图；
图4为本发明实施例提供的一种回波强度时序图；
图5为本发明实施例提供的一种垂直径向速度时序图；
图6为本发明实施例提供的一种速度谱宽时序图；
图7a为本发明实施例提供的一种云参数时序图；
图7b为本发明实施例提供的另一种云参数时序图；
图8为本发明实施例提供的一种云体数据汇总图；
图9为本发明实施例提供的一种数据处理装置的结构示意图。
具体实施方式
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清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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例，都属于本发明保护的范围。
本发明实施例提供了一种数据处理方法，该方法可以应用于气象局的服务器。参照图1，可以包括：
S11、获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据。
本实施例中的雷达特指风廓线雷达，气象局的服务器可以与风廓线雷达建立远程数据连接，实时读取有效的风廓线雷达采集的目标数据。
其中，大气参数可以是空气密度ρ，单位为kg/m3、基态气压p，地面气压p0、温度T等数据。大气参数可以使用探空仪等设备测量得到。
雷达的设备参数可以包括：
T0＝290k是用绝对温度表示的雷达接收机系统噪声温度；
B0为接收机带宽，雷达探测参数，有：B0＝2.5×105HZ；
Nf为噪声系数，雷达探测参数，Nf＝2dB；
Pt：雷达的脉冲峰值功率(7.7kw)；
h：雷达的有效探测深度，h＝cτ，c是雷达波的波速3.0×108m/s,τ是雷达发射的脉冲宽度0.8μs；
G：天线增益(29db)；
L：双程损耗(9db)；
θ：水平波束宽度(5°)；
ψ：垂直波束宽度(5°)；
λ：发射波长(674mm)等。
雷达采集的目标数据可以包括：
信噪比SNR；
雷达到探测目标物的距离H。
可选的，在本实施例的基础上，步骤S11之后，还可以包括：
对所述大气参数以及所述目标数据进行数据过滤操作。
具体的，采集的大气参数和目标数据可能由于测量设备出现故障等情况而导致测量数据不准确，此时需要对大气参数和目标数据进行过滤，保证数据的合理性。
数据过滤可以是剔除奇异值和非气象回波数据。
S12、根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数。
可选的，所述功率谱参数包括功率谱和功率谱密度。功率谱密度为单位速度的功率谱。
具体的，根据应用雷达气象方程Pr＝k*T0*B0*Nf*SNR，计算得到功率谱参数。
可以利用Pr＝k*T0*B0*Nf*SNR计算得到功率谱。
其中，k为玻尔兹曼常数＝1.38*10-23(J/K)；
T0＝290k是用绝对温度表示的雷达接收机系统噪声温度；
B0为接收机带宽，雷达探测参数，有：B0＝2.5*105HZ；
Nf为噪声系数，雷达探测参数，Nf＝2dB；
SNR为信噪比；
k、T0、B0、Nf是雷达的设备参数，SNR可以由雷达采集得到，通过 Pr＝k*T0*B0*Nf*SNR公式可以计算得到功率谱。
Pr＝k*T0*B0*Nf*SNR可以简化为：Pr＝C1*SNR；其中，C1＝k*T0*B0*Nf。
功率谱密度的计算过程可以是：
雷达的返回信号经过快速傅氏变换FFT处理后得到信号的功率谱密度 Si(v)。
S13、基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
可选的，所述云体数据包括回波强度、垂直径向速度、速度谱宽、谱密度函数和云参数中的一种或多种；所述云参数包括水汽混合比、云水混合比、雨水混合比、雨滴下落末速度和空气垂直速度中的一种或多种。
本实施例中，获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据，根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。通过本实施例，可以基于雷达采集的目标数据分析得到云体数据，提高数据应用率。
另外，无需人员操作，实时、连续、自动提供风廓线雷达二次产品，也极大提高风廓线雷达数据的使用范围。
可选的，在上述任一实施例的基础上，参照图2，步骤S13可以包括：
S21、根据所述功率谱以及所述目标数据，计算得到所述回波强度；
具体的，结合上述公式Pr＝k*T0*B0*Nf*SNR以及公式计算得到回波强度。
其中，中各因子的值如下：
Pt：雷达的脉冲峰值功率(7.7kw)；
h：雷达的有效探测深度，h＝cτ，c是雷达波的波速3.0×108m/s,τ是雷达发射的脉冲宽度0.8μs；
G：天线增益(29db)；
L：双程损耗(9db)；
θ：水平波束宽度(5°)；
ψ：垂直波束宽度(5°)；
λ：发射波长；(674mm)；
H：雷达到探测目标物的距离；
m：水的复折射指数，取0.928；
z为回波强度；
Pt、h、G、L、θ、ψ和λ为雷达的设备参数，m为定值，H可以由雷达采集到。
简化为：
联立公式Pr＝k*T0*B0*Nf*SNR和有:
z＝C2×SNR×H2
根据上述公式Pr＝k*T0*B0*Nf*SNR和可以计算得到回波强度z。
S22、根据所述功率谱密度以及所述目标数据，计算得到所述垂直径向速度、所述速度谱宽和所述谱密度函数；
具体的，谱密度函数即为功率谱密度。
降水云体的垂直径向速度为功率谱密度的一阶矩，雷达对较弱降水云垂直探测时，环境大气的垂直运动常小于±0.5m/s，它可以近似的反映出降水质点的平均垂直运动速度，计算公式为：
代表垂直径向速度，vi为实时速度，Δv取单位速度，Si(v)为雷达接收的返回信号经过FFT处理过后的功率谱密度，功率谱密度Si(v)是由n根谱线构成，每根谱线对应的回波功率为Pri：
Pri＝Si(v)Δv(i＝0,1,2…n)
当Δv取单位速度时，Pri为所在谱线对应的回波功率，根据雷达气象方程，有：
Zi(v)＝CH2Si(v)(i＝0,1,2…n)
Zi(v)为回波强度谱密度，它为单位速度间隔上的回波强度，单位为 dBZ/m/s。
回波强度则为回波强度谱密度之和：
回波强度谱密度分布反映了不同下降速度的质点对回波强度的贡献。
速度谱宽为反映了雷达取样空间内粒子运动的不均匀性，计算公式为：
S23、基于所述回波强度以及所述大气参数，计算得到所述云参数。
具体的，在假定静力平衡、云雨处于定常状态且不计平流和湍流扩散的前提下，由回波强度Z结合探空仪采集的大气参数，推导出了对流结构中的微物理场(水汽混合比、云水混合比、雨水混合比)和动力场(雨滴下落末速度和空气垂直速度)。即获得了雷达二次产品——云参数产品。
其中，雨水混合比：qr＝10(Z-43.1)/17.5/ρ
雨滴下落末速度：vr＝5.40(p0/p)0.4(ρqr)0.125
水汽混合比；
云水混合比：
空气垂直速度：
其中，雨水混合比qr，单位为g/kg、空气密度ρ单位为kg/m3，，回波强度Z，雨滴下落末速度vr、p0为地面气压、p为基态气压、温度T、水汽混合比qvs，云水混合比qc，空气垂直速度w，w的单位为m/s，γ＝0.002/s、α＝0.001/s，qcrit＝1.5g/kg、g为重力加速度。
下面依次介绍上述公式的反演过程。本实施例中垂直速度向下为正、向上为负。
1、雨水混合比和雨滴下落末速度的计算公式的推导过程
单位体积内云和降水中液态水滴的总质量，称为云雾或降水的液态水含量M，单位g/m3。根据多年观测统计结果，北京地区的M-Z关系为：
M＝3.44×10-3Z4/7
根据上式可获得液态水含量。
当作用在自由下落的雨滴上的重力和空气阻力达到平衡时，雨滴匀速下降，此时的下落速度称为雨滴的末速度。根据Marshal-Palmer雨滴尺度分布关系，可得Z-qr关系
Z＝43.1+17.5log(ρqr)
和vr-qr关系：
vr＝5.40(p0/p)0.4(ρqr)0.125
式中空气密度ρ单位为kg/m3，回波强度Z单位dBZ，雨水混合比qr单位为g/kg，p为基态气压，p0为地面气压，雨滴下落末速度vr的单位为m/s。
根据L波段秒探空资料获取气压P、温度T，由状态方程：
ρ＝p/RT
计算空气密度，方程中R为空气气体常数，本文取为干空气气体常数 Rd＝287.05J/(kg·K)。
由Z＝43.1+17.5log(ρqr)公式可得到回波强度计算雨水混合比的公式：
qr＝10(Z-43.1)/17.5/ρ
将qr代入式vr＝5.40(p0/p)0.4(ρqr)0.125可以计算出雨滴下落末速度。
2、水汽混合比、云水混合比、空气垂直速度的计算公式的推导过程
定常状态是指大气中的动力场、热力场以及云降水场相互适应，各物理量稳定少动时的一种状态。云雨过程一般维持几到几十个小时，其间处于初期发展和消散的时间比较短，换言之，雷达观测到的云、雨过程一般处于成熟维持阶段，同定常状态比较接近。认为一维定常假定能较好的反映成熟云的状态。因此，本文采用定常假设，不考虑雨水的水平平流、空气的湍流扩散作用，对于不考虑冰相的暖云方案，根据云内水分平衡方程，有：
式中qv为水汽混合比，qc为云水混合比，w为空气垂直速度。Z为回波强度，qr为雨水混合比，单位都为g/kg；V为三维风矢量；PRE为未饱和区雨水蒸发率、PCON为水汽向云水的凝结率、ρ为空气密度、雨滴下落末速度vr PRC为云水向雨水的自动转化率、PRA为云水向雨水的碰并增长率，单位都为g/(kg·s)，上述源汇项与微物理过程相联系，其前方正负号代表转化方向，根据以下方法进行计算。
根据暖云方案，云水向雨水的自动转化率为
式中α＝0.001/s，qcrit＝1.5g/kg
根据云水碰并形成雨水率为
式中γ＝0.002/s
从暖云方案，可得雨水在未饱和空气中的蒸发率为
PRE＝β(qvs-qv)(ρqr)0.65
式中β＝0.0486/s
假设背景场符合静力平衡条件，并采用一级近似，考虑水汽相变按饱和假绝热过程进行，即空气微团中一旦有水汽凝结，凝结物便立即脱离，则水汽的凝结率为
其中C为凝结函数
式中LV＝2.5×106J/kg为蒸发潜热；T为温度，单位为K；p为气压，单位为Pa；w的单位为m/s，凝结函数单位为g/(kg·Pa)；g＝9.81m/s2，g为重力加速度；cp为空气定压比热，此处取干空气定压比热cpd＝1005J(kg·K)； RV＝461.51J/(kg·K)，为水汽气体常数。
而水汽混合比的计算公式为
本文不允许过饱和存在，水汽达到饱和(qv＝qvs)则凝结，并且没有蒸发过程，即PRE＝0，则联立和有
由此，不考虑潜热和拖曳作用的影响，得到定常绝热情况下气块的空气垂直速度w：
由和可见，PRC+PRA可表示为
将上式带入可得到云水混合比qc：
通过和可通过迭代法求出空气垂直速度w和云水混合比qc的数值解。
本实施例中，分别给出了计算每一云体数据的计算过程，进而可以根据本实施例，对雷达采集的目标数据作进一步处理，得到云体数据。
可选的，在上述任一实施例的基础上，当计算得到云体数据之后，如何证明本实施例产生的风廓线雷达二次产品正确和合理是本方案的关键。本方案在同一时段、同一地点用仪器(包括常规天气雷达和雨滴谱仪等)对降水云体进行观测，对风廓线雷达回波强度产品的位置、大小、形状、出现时段等进行比较，分析根据本实施例产生的雷达二次产品的正确性，对本方案所用算法进行合理性分析。
合理性验证过程为：
图3为分别用常规天气雷达和风廓线雷达在一风廓线雷达站点观测到的降水回波强度时序图。目前常规天气雷达垂直方向采样范围内共取9层探测数据，低层高度间隔约500m，中、高层间隔2000-3000m，其余高度进行回波插值平滑，由于分辨率太低，雷达显示图形经过多次插值平滑处理，易出现虚假回波，无法体现真实细致的云体垂直结构。
对比图3中的a和b可以看出风廓线雷达观测到的测站上空降水云体回波的变化形式大体上与SA雷达观测到的基本一致，取b低层数据对云体细致结构进行分析，如图c。天气雷达由于垂直分辨率低，插值平滑严重，无法显示真实云体细致结构；风廓线雷达数据分辨率远高于天气雷达，从低层风廓线雷达回波强度图上可以看出，在3.6km高度处有一明显的、天气雷达没有观测到的亮带结构，各个时刻云体演变过程表现也明显，能反映降水云体的细致变化情况，可用于云参数反演研究。
本实施例利用同一地点，同一时间的多普勒天气雷达观测结果与风廓线雷达反演产品进行实时对比，证明本实施例获得的风廓线雷达产品正确性和合理性，结果证明风廓线雷达产品结果与多普勒天气雷达产品结果一致，风廓线雷达的二次产品能更准确的反映降水云体的精细变化过程，是用于降水云观测的一个有力工具。
需要说明的是，若多普勒天气雷达观测结果与风廓线雷达反演产品不同时，可以通过调整算法中系数和公式，如调整γ、α等的数值，使风廓线雷达产品在一个合理的范围内。
可选的，在上述任一实施例的基础上，步骤S13之后，还可以包括：
获取历史云体数据，根据所述历史云体数据和所述云体数据，绘制云体数据变化图。
具体的，本实施例中可以根据当前时刻的云体数据和历史云体数据，即某一时间段的云体数据绘制云体数据变化图。
根据某一时间段的云体数据生成各种雷达二次产品，实时显示在气象局业务平台LDAD上。扩展应用到其他几部各种不同型号的风廓线雷达，实现业务化。根据业务需求，基于风廓线雷达数据处理平台，进一步开发风廓线雷达二次产品，拓展风廓线雷达资料的应用范围。
参照图4，图4为观象台风廓线雷达观测到的回波强度时序图(横坐标为观测时间，纵坐标为探测高度)。由图看出，降水约从00h开始，18h结束。 03-04h对流较强，回波顶高接近9km，3.5km高度存在对流核；05-08h降水间歇，08h以后逐渐转为层状云降水，其中10-17h时段2.4km高度上出现明显的亮点结构，亮带强度约35dBZ，18h以后降水停止。
参照图5，图5为观象台风廓线雷达观测到的垂直径向速度时序图，从图5 可以看出，降水的平均速度从3km高度开始变大，09h后下降速度大值下降到 2km高度以下，降水时间为00h-18h，05—7h间歇。03h-05h的降水最大，对流最明显。
参照图6，图6为观象台风廓线雷达观测到的速度谱宽时序图，谱宽越大说明降水对流越强，如图6可以看出，在降水最强的00-05h时段，谱宽值增大明显；而12h以后降水减弱，谱宽强值也跟着减弱，且强值高度也跟着降低，根据谱宽值可以推断出降水对流的情况，继而分析降雪云体的发展演变情况。
参照图7a和图7b，分别为a雨滴下落末速度、b雨水混合比、c云水混合比、 d水汽混合比、e液水含量和f垂直速度。
其中，大气参数温度、气压等探空数据取自观象台测站L波段探空系统秒级探测资料，一天进行三次采样，分别为13时、19时和第二日07时。
图7b中的d为水汽含量分布，由于温度和气压随高度递减，因此饱和水汽含量也随高度逐渐减少。
结合图7a、图7b和图4可以看出，雨水、云水、液态水含量、雨滴末速度和空气垂直速度时空分布与回波强度是一致的，并且随着回波强度的增长，各物理量值迅速增大。大部分雨水含量为0.05g/kg，最大值约0.2g/kg；云水含量较大，大部分云水含量在2g/kg，最大值约5g/kg；而液态水含量主要在0.1 g/m3以下，最大值约0.25g/m3。在亮带出现的10-16h，各参数值也明显增大，雨水、云水、液态水含量和雨滴下落末速度在亮带高度上呈现出带状强值区，而空气垂直速度在亮带稍低高度出现了非常明显的上升、下沉气流交汇的带状速度强值区。
强度20dBZ的回波对应的雨滴下落末速度一般在3.6m/s左右，液态水含量约为0.05g/m3，雨水含量约为0.06g/kg，云水含量约为2g/kg，高度比雨水位置高，空气垂直速度<±0.5m/s；强度30dBZ的回波对应的雨滴下落末速度一般在 4.6m/s左右，液态水含量约为0.25g/m3，雨水含量约为0.25g/kg，云水含量约为5g/kg，高度也比雨水位置高，垂直速度>±1.5m/s。云水含量比雨水高，且强值位置也在雨水强值高度之上，这可能说明大气中的云水是雨水形成的一个主要来源。
如f，无降水或降水较小时，空气垂直速度的大小一般在±0.05m/s之间，呈随机形式分布；随着回波增强空气垂直速度变化较大，上升、下沉气流最大值>2.5m/s。08-09h，降水云团再次移入雷达站点上空，初始为对流性降水，雨强较大(1.5mm/h)，回波强度为30dBZ，云下潮湿的空气辐合进入云中， 3km处开始出现较明显统一的上升气流，上升、下沉气流交汇为云体提供了丰富的水汽来源和云滴增长条件，垂直速度增大到0.4m/s；10h开始，降水趋于稳定，雨强维持在0.7mm/h，逐渐发展为层状云降水，在2.4km高度出现明显亮带结构，持续时间约7小时，由于融化和碰并作用形成大直径雨滴，垂直速度迅速增大，在亮带融化区(2.4km)处形成最大值>2.5m/s的下沉速度带状强区，在其下高度(2.1km)处则形成最大值>2m/s的上升速度带状强区，此阶段上升、下沉气流交替剧烈，不断补充降水所需的水汽和动力条件，维持着层状云降水发展。
a雨滴下落末速度，一般不超过4.8m/s，量值大小分布与回波强度相对应。强度25dBZ回波对应的雨滴下落末速度约为4m/s，强度35dBZ回波对应的雨滴下落末速度约为4.7m/s。根据观测，典型雨滴半径为1000μm，数密度为103 个/m3，对应下落末速度为6.5m/s。图7a中的a与理论值相符。
由以上分析可见，各物理量的量级与理论值基本一致，较好的还原了此次降水过程特征。云水、雨水、液态水含量、空气垂直速度、雨滴下落末速度的强值区与回波强度强值区位置匹配良好，量级大小也基本合理。降水前期为对流性降水，回波强值发展到较高高度，云水、雨水、液态水含量、垂直速度强值区高度也超出3km；降水后期为层状云降水，亮带高度附近出现云水、雨水大值区，云水比雨水大一至两个数量级，其强值出现的高度在雨水的之上，亮带稍下高度出现的结构统一的上升、下沉气流强值交汇表明了亮带维持的动力条件。
参照图8，图8为各种云体数据的汇总图，包括回波强度、垂直径向速度、速度谱宽和云参数的时序图，以及不同地区(如延庆、霞云岭、海淀和观象台)的回波强度的时序图。
本实施例中，实时提供现有天气雷达数据无法提供的高精度、高时空分辨率的降水云体的精细垂直结构，并能获得该降水云随时间演变的详细情况，为灾害天气临近预报和人工影响天气作业提供重要决策支撑，为天气预报和人工增雨(雪)作业提供决策依据。
另外，通过后台支撑系统和前台显示系统的有机结合，具有自动处理数据监测、算法反演、风廓线雷达二次产品制作与显示等功能，并能实现人机交互操作。通过与常规天气雷达产品进行对比、校正，风廓线雷达实时显示系统可以反映最新24h天气系统结构和发展演变情况；通过组网观测降水天气结构，可对各个来向的天气系统发展情况有更深入的认识，大大提高了风廓线雷达的使用率，在实际业务中发挥重要作用。
本系统应用风廓线雷达的数据，进行一系列反演，开发风廓线雷达二次产品，提高了风廓线雷达的使用范围，将产品应用于气象业务系统中，大大提高了气象天气预报和人工影响天气作业水平。
可选的，在上述数据处理方法的实施例的基础上，本发明的另一实施例提供了一种数据处理装置，参照图9，可以包括：
数据获取模块101，用于获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据；
参数计算模块102，用于根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数；
数据计算模块103，用于基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
可选的，所述功率谱参数包括功率谱和功率谱密度。
可选的，所述云体数据包括回波强度、垂直径向速度、速度谱宽、谱密度函数和云参数中的一种或多种；所述云参数包括水汽混合比、云水混合比、雨水混合比、雨滴下落末速度和空气垂直速度中的一种或多种。
可选的，还包括：
数据过滤模块，用于所述数据获取模块获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据之后，对所述大气参数以及所述目标数据进行数据过滤操作。
本实施例中，获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据，根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。通过本实施例，可以基于雷达采集的目标数据分析得到云体数据，提高数据应用率。
另外，无需人员操作，实时、连续、自动提供风廓线雷达二次产品，也极大提高风廓线雷达数据的使用范围。
需要说明的是，本实施例中的各个模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述任一数据处理装置的实施例的基础上，所述数据计算模块包括：
第一计算子模块，用于根据所述功率谱、所述设备参数以及所述目标数据，计算得到所述回波强度；
第二计算子模块，用于根据所述功率谱密度以及所述目标数据，计算得到所述垂直径向速度、所述速度谱宽和所述谱密度函数；
第三计算子模块，用于基于所述回波强度以及所述大气参数，计算得到所述云参数。
本实施例中，分别给出了计算每一云体数据的计算过程，进而可以根据本实施例，对雷达采集的目标数据作进一步处理，得到云体数据。
需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述任一数据处理装置的实施例的基础上，还包括：
图绘制模块，用于所述数据计算模块基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据之后，获取历史云体数据，根据所述历史云体数据和所述云体数据，绘制云体数据变化图。
本实施例中，实时提供现有天气雷达数据无法提供的高精度、高时空分辨率的降水云体的精细垂直结构，并能获得该降水云随时间演变的详细情况，为灾害天气临近预报和人工影响天气作业提供重要决策支撑，为天气预报和人工增雨(雪)作业提供决策依据。
另外，通过后台支撑系统和前台显示系统的有机结合，具有自动处理数据监测、算法反演、风廓线雷达二次产品制作与显示等功能，并能实现人机交互操作。通过与常规天气雷达产品进行对比、校正，风廓线雷达实时显示系统可以反映最新24h天气系统结构和发展演变情况；通过组网观测降水天气结构，可对各个来向的天气系统发展情况有更深入的认识，大大提高了风廓线雷达的使用率，在实际业务中发挥重要作用。
本系统应用风廓线雷达的数据，进行一系列反演，开发风廓线雷达二次产品，提高了风廓线雷达的使用范围，将产品应用于气象业务系统中，大大提高了气象天气预报和人工影响天气作业水平。
需要说明的是，本实施例中的各个模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。
可选的，在上述数据处理方法及装置的基础上，本发明的另一实施例提供了一种电子设备，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器调用程序并用于：
获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据；
根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数；
基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
本实施例中，获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据，根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。通过本实施例，可以基于雷达采集的目标数据分析得到云体数据，提高数据应用率。
另外，无需人员操作，实时、连续、自动提供风廓线雷达二次产品，也极大提高风廓线雷达数据的使用范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (13)
1.一种数据处理方法，其特征在于，包括：
获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据；
根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数；
基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
2.根据权利要求1所述的数据处理方法，其特征在于，所述功率谱参数包括功率谱和功率谱密度。
3.根据权利要求2所述的数据处理方法，其特征在于，所述云体数据包括回波强度、垂直径向速度、速度谱宽、谱密度函数和云参数中的一种或多种；所述云参数包括水汽混合比、云水混合比、雨水混合比、雨滴下落末速度和空气垂直速度中的一种或多种。
4.根据权利要求3所述的数据处理方法，其特征在于，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据，包括：
根据所述功率谱、所述设备参数以及所述目标数据，计算得到所述回波强度；
根据所述功率谱密度以及所述目标数据，计算得到所述垂直径向速度、所述速度谱宽和所述谱密度函数；
基于所述回波强度以及所述大气参数，计算得到所述云参数。
5.根据权利要求1所述的数据处理方法，其特征在于，获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据之后，还包括：
对所述大气参数以及所述目标数据进行数据过滤操作。
6.根据权利要求1所述的数据处理方法，其特征在于，基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据之后，还包括：
获取历史云体数据；
根据所述历史云体数据和所述云体数据，绘制云体数据变化图。
7.一种数据处理装置，其特征在于，包括：
数据获取模块，用于获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据；
参数计算模块，用于根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数；
数据计算模块，用于基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
8.根据权利要求7所述的数据处理装置，其特征在于，所述功率谱参数包括功率谱和功率谱密度。
9.根据权利要求8所述的数据处理装置，其特征在于，所述云体数据包括回波强度、垂直径向速度、速度谱宽、谱密度函数和云参数中的一种或多种；所述云参数包括水汽混合比、云水混合比、雨水混合比、雨滴下落末速度和空气垂直速度中的一种或多种。
10.根据权利要求9所述的数据处理装置，其特征在于，所述数据计算模块包括：
第一计算子模块，用于根据所述功率谱、所述设备参数以及所述目标数据，计算得到所述回波强度；
第二计算子模块，用于根据所述功率谱密度以及所述目标数据，计算得到所述垂直径向速度、所述速度谱宽和所述谱密度函数；
第三计算子模块，用于基于所述回波强度以及所述大气参数，计算得到所述云参数。
11.根据权利要求7所述的数据处理装置，其特征在于，还包括：
数据过滤模块，用于所述数据获取模块获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据之后，对所述大气参数以及所述目标数据进行数据过滤操作。
12.根据权利要求7所述的数据处理装置，其特征在于，还包括：
图绘制模块，用于所述数据计算模块基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据之后，获取历史云体数据，根据所述历史云体数据和所述云体数据，绘制云体数据变化图。
13.一种电子设备，其特征在于，包括：存储器和处理器；
其中，所述存储器用于存储程序；
处理器调用程序并用于：
获取采集的大气参数、雷达的设备参数以及所述雷达采集的目标数据；
根据所述设备参数和所述目标数据，计算得到所述雷达的功率谱参数；
基于所述功率谱参数、所述目标数据、所述设备参数以及所述大气参数，计算得到降水云体的云体数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910127897.7A CN109884640A (zh) | 2019-02-20 | 2019-02-20 | 一种数据处理方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910127897.7A CN109884640A (zh) | 2019-02-20 | 2019-02-20 | 一种数据处理方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109884640A true CN109884640A (zh) | 2019-06-14 |
Family
ID=66928679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910127897.7A Pending CN109884640A (zh) | 2019-02-20 | 2019-02-20 | 一种数据处理方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109884640A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213703A (zh) * | 2020-08-18 | 2021-01-12 | 成都信息工程大学 | 一种利用毫米波云雷达反演云参数的方法及装置 |
| CN114002681A (zh) * | 2021-11-04 | 2022-02-01 | 成都信息工程大学 | 利用毫米波云雷达进行过冷水探测的方法、装置及应用 |
| CN116502151A (zh) * | 2023-06-29 | 2023-07-28 | 深圳市千百炼科技有限公司 | 基于多维度气象数据的气象预测方法、系统、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102890272A (zh) * | 2012-11-05 | 2013-01-23 | 中国航天科工集团第二研究院二十三所 | 一种毫米波云雷达信号处理方法 |
| KR101244544B1 (ko) * | 2013-01-09 | 2013-03-18 | 경북대학교 산학협력단 | 단일 및 이중편파 레이더 변수의 샘플링오차 품질지수 산출 방법 |
| CN104345312A (zh) * | 2014-10-27 | 2015-02-11 | 北京无线电测量研究所 | 一种毫米波云雷达的数据融合方法及系统 |
| CN104569980A (zh) * | 2015-01-27 | 2015-04-29 | 中国空间技术研究院 | 一种用于测云的地面太赫兹雷达系统 |
| CN107832771A (zh) * | 2016-09-15 | 2018-03-23 | 株式会社东芝 | 气象数据处理装置及方法、包括气象数据处理装置的系统及记录气象数据处理程序的介质 |
-
2019
- 2019-02-20 CN CN201910127897.7A patent/CN109884640A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102890272A (zh) * | 2012-11-05 | 2013-01-23 | 中国航天科工集团第二研究院二十三所 | 一种毫米波云雷达信号处理方法 |
| KR101244544B1 (ko) * | 2013-01-09 | 2013-03-18 | 경북대학교 산학협력단 | 단일 및 이중편파 레이더 변수의 샘플링오차 품질지수 산출 방법 |
| CN104345312A (zh) * | 2014-10-27 | 2015-02-11 | 北京无线电测量研究所 | 一种毫米波云雷达的数据融合方法及系统 |
| CN104569980A (zh) * | 2015-01-27 | 2015-04-29 | 中国空间技术研究院 | 一种用于测云的地面太赫兹雷达系统 |
| CN107832771A (zh) * | 2016-09-15 | 2018-03-23 | 株式会社东芝 | 气象数据处理装置及方法、包括气象数据处理装置的系统及记录气象数据处理程序的介质 |
Non-Patent Citations (6)
| Title |
|---|
| ANIMESH MAITRA、SOUMYAJYOTI JANA 、 GARGI RAKSHIT: "《Rain Radar Studies of Boundary Layer Dynamics at a Tropical Location》", 《IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
| 李盈盈: "《毫米波雷达资料的初步订正及云参数的反演研究》", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
| 金龙: "《C波段FMCW天气雷达探测试验和应用研究》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 阮征: "《基于雷达资料的降水云微物理参数反演及垂直结构研究》", 《中国博士学位论文全文数据库 基础科学辑》 * |
| 黄钰: "《风廓线雷达回波产品实时显示系统业务化应用》", 《第33届中国气象学会年会 S15人工影响天气关键技术与业务应用》 * |
| 黄钰: "《风廓线雷达探测零度层亮带的试验研究》", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112213703A (zh) * | 2020-08-18 | 2021-01-12 | 成都信息工程大学 | 一种利用毫米波云雷达反演云参数的方法及装置 |
| CN114002681A (zh) * | 2021-11-04 | 2022-02-01 | 成都信息工程大学 | 利用毫米波云雷达进行过冷水探测的方法、装置及应用 |
| CN116502151A (zh) * | 2023-06-29 | 2023-07-28 | 深圳市千百炼科技有限公司 | 基于多维度气象数据的气象预测方法、系统、设备及介质 |
| CN116502151B (zh) * | 2023-06-29 | 2023-09-12 | 深圳市千百炼科技有限公司 | 基于多维度气象数据的气象预测方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gultepe et al. | Dynamical structure and turbulence in cirrus clouds: Aircraft observations during FIRE | |
| CN109884640A (zh) | 一种数据处理方法、装置及电子设备 | |
| Min et al. | Evaluation of WRF cloud microphysics schemes using radar observations | |
| Kumar et al. | Vertical structure of orographic precipitating clouds observed over south Asia during summer monsoon season | |
| CN110765644B (zh) | 一种风云四号卫星闪电成像仪资料同化方法 | |
| Cooper et al. | A variational technique to estimate snowfall rate from coincident radar, snowflake, and fall-speed observations | |
| WO2014144331A1 (en) | System and method for tornado prediction and detection | |
| Porcù et al. | Effects of altitude on maximum raindrop size and fall velocity as limited by collisional breakup | |
| TWI678549B (zh) | 基於行動電子裝置的天氣觀測方法及系統 | |
| Furumoto et al. | Continuous observations of humidity profiles with the MU radar–RASS combined with GPS and radiosonde measurements | |
| Wang et al. | Application of wind-profiling radar data to the analysis of dust weather in the Taklimakan Desert | |
| Perez et al. | Analysis of height variations of sodar-derived wind speeds in Northern Spain | |
| Hirsch et al. | On transition-zone water clouds | |
| Ziegler | A diabatic Lagrangian technique for the analysis of convective storms. Part I: Description and validation via an observing system simulation experiment | |
| Cot | Equatorial mesoscale wind and temperature fluctuations in the lower atmosphere | |
| Zhao et al. | Observed microphysical structure of nimbostratus in northeast cold vortex over China | |
| Abshaev et al. | Features of development of a supercell convective cloud at the stage of maximum lightning activity (August 19, 2015, the North Caucasus) | |
| Alexander et al. | A statistical overview of convection during the first CPEA campaign | |
| Huo et al. | Cloud classification and distribution of cloud types in Beijing using Ka-band radar data | |
| Sugimoto et al. | A stochastic approach to short-term rainfall prediction using a physically based conceptual rainfall model | |
| Alexander et al. | Radar‐Derived Snowfall Microphysical Properties at Davis, Antarctica | |
| SP et al. | Analysis of a dryline-like feature in northern Germany detected by ground-based microwave profiling | |
| Spiridonov et al. | A storm modeling system as an advanced tool in prediction of well organized slowly moving convective cloud system and early warning of severe weather risk | |
| Gage et al. | Mesoscale variability of jet stream winds observed by the Sunset VHF Doppler radar | |
| Román‐Cascón et al. | Near‐monochromatic ducted gravity waves associated with a convective system close to the Pyrenees |
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: 20190614 |
|
| RJ01 | Rejection of invention patent application after publication |