CN110488297B - 一种复杂地形区域雹暴的预警方法 - Google Patents
一种复杂地形区域雹暴的预警方法 Download PDFInfo
- Publication number
- CN110488297B CN110488297B CN201910811238.5A CN201910811238A CN110488297B CN 110488297 B CN110488297 B CN 110488297B CN 201910811238 A CN201910811238 A CN 201910811238A CN 110488297 B CN110488297 B CN 110488297B
- Authority
- CN
- China
- Prior art keywords
- swa
- monomer
- hdg
- ldg
- density
- 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.)
- Active
Links
Images
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
- G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
-
- 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
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种复杂地形区域雹暴的预警方法,涉及一种预警方法领域,包括以下步骤:S1采集相关数据;S2对上述数据进行质量预处理;S3采用模糊逻辑粒子识别算法对预处理后的数据进行水成物粒子识别,得出关键粒子的数量、分布高度、厚度、随时间的变化率,最后得出关键粒子的降雹预测指数;S4、根据降雹预测指数发布相应的雹暴预警或者解除雹暴预警;通过数据预处理对采集的数据进行处理后,进行水成物粒子识别,得到关键粒子的分布情况、粒子个数及粒子变化率,最后得出降雹预测指数,根据降雹预测指数所处的阶段,能够准确的判断是否降雹,提高了复杂地形区域冰雹天气的预报水平。
Description
技术领域
本发明涉及一种预警方法领域,尤其涉及一种复杂地形区域雹暴的预警方法。
背景技术
国内外学者利用天气雷达对冰雹微物理过程分析进行了大量的研究。双线偏振雷达在探测降水方法时,探测量对降水粒子的形状、尺寸、方向、相态以及下落状态相当的敏感,利用双偏振雷达的不同偏振量来建立粒子识别模型可以对降水粒子进行有效识别。
雷达附近地物的遮挡、雷达天线波瓣随距离增大而产生的展宽效应以及环境噪声、信号衰减等原因都会使雷达获取到的资料产生误差,为了减小这些误差,在进行降水粒子相态识别前,应对雷达资料进行相应的质量控制。模糊逻辑算法是一种将降水粒子识别方案中的偏振参量信息合成的较为成熟且应用广泛的技术。近年来,基于模糊逻辑算法的S波段双线偏振雷达降水粒子识别算法(HID)被提出,并在过去十几年的大量研究中被证明是相当成功的,而且基于模糊逻辑算法的HID方法已经被拓展到短波长雷达C波段。然而,由于非瑞利散射和衰减效应的存在,将S波段HID方法直接应用于X波段是存在问题的。 Dolan和Rutledge、Snyder等提出了基于模糊逻辑的应用于X波段双线偏振雷达特征参量的HID方法。随后,Al-Sakka等基于观测研究和T矩阵散射模式提出了一种识别雨、湿雪、干雪、冰晶和冰雹的HID方法,可应用于X波段双线偏振雷达;也有学者利用Mueller矩阵和T矩阵散射模式建立了识别冬季降水粒子 (板晶、枝晶、聚合物、雨凇、雨)的HID方法,可应用于X波段双线偏振雷达。最近,Kouketsu等提出了一种应用于X波段双线偏振雷达的HID方法,可识别8种降水粒子(毛毛雨、雨、湿雪、干雪、冰晶、干霰、湿霰、雨夹雹)。
经过质量订正后的X波段双线偏振雷达参量是可以用于降水粒子识别的,通过与S波段双线偏振雷达HID方法对比,以及利用地面观测资料进行验证,表明了基于X波段双线偏振雷达的HID方法对于液态的毛毛雨、雨;固态的冰晶、聚合物、霰及雨夹雹等降水粒子具备一定的识别能力,尤其对于干霰,干雪聚合物以及冰晶的识别效果较好。国内对于X波段双线偏振雷达识别雹暴中降水粒子的HID方案大多直接参考Liu等针对于S波段的HID方案,但是无法与地形相对复杂的区域结合进行准确度高的天气预警。
发明内容
本发明的目的就在于为了解决上述问题设计了一种复杂地形区域雹暴的预警方法。
本发明通过以下技术方案来实现上述目的:
一种复杂地形区域雹暴的预警方法,包括以下步骤:
S1、采集相关数据,包括地面观测数据、自动气象站加密观测的数据以及X 波段双偏振雷达数据,X波段双偏振雷达的数据包括基本反射率ZH、差分传播相移ZDR、差分反射率KDP、相关系数ρHV;
S2、对上述数据进行质量预处理;
S3、采用模糊逻辑粒子识别算法对预处理后的数据进行水成物粒子识别,得出关键粒子的数量、分布高度、厚度、随时间的变化率,最后得出降雹预测指数,关键粒子包括高密度霰粒子HDG、低密度霰粒子LDG、过冷水SWA、雨夹雹HA、冰晶CR、冰晶聚合物AG;
S4、根据降雹预测指数,发布相应的雹暴预警或者解除雹暴预警。
本发明的有益效果在于:通过数据预处理对采集的数据进行处理后,进行水成物粒子识别,得到关键粒子的分布情况、粒子个数及粒子变化率,最后得出降雹预测指数,根据降雹预测指数所处的阶段,能够准确的判断是否降雹,提高了复杂地形区域冰雹天气的预报水平。
附图说明
图1是本发明一种复杂地形区域雹暴的预警方法中单体对流云的流程图;
图2是本发明一种复杂地形区域雹暴的预警方法中多单体对流云的流程图;
图3是本发明一种复杂地形区域雹暴的预警方法中单体对流云隶属函数的函数阈值;
图4是本发明一种复杂地形区域雹暴的预警方法中多单体对流云隶属函数的函数阈值;
图5是本发明一种复杂地形区域雹暴的预警方法中单体降雹以及多单体降雹全过程的降水粒子垂直分布及气流结构概念模型;
图6是本发明一种复杂地形区域雹暴的预警方法中实施例二的实验结果图1;
图7是本发明一种复杂地形区域雹暴的预警方法中实施例二的实验结果图2;
图8是本发明一种复杂地形区域雹暴的预警方法中实施例二的实验结果图3;
图9是本发明一种复杂地形区域雹暴的预警方法中实施例四的实验结果图1;
图10是本发明一种复杂地形区域雹暴的预警方法中实施例四的实验结果图 2;
图11是本发明一种复杂地形区域雹暴的预警方法中实施例四的实验结果图 3;
其中相应的附图标记为:
其中H(0℃)为0摄氏度层高度;
图9中a1、a2分别为11:49、11:52时刻增强单体a在最强反射率方向上的反射率剖面图,b1、b2分别为11:49、11:55时刻增强单体a在最强反射率方向上的粒子识别结果剖面图,a3、a4分别为11:49、11:52时刻衰减单体b在最强反射率方向上的反射率剖面图,b3、b4分别为11:49、11:55时刻衰减单体b在最强反射率方向上的粒子识别结果剖面图;
图10中a1、a2分别为12:07、12:13时刻增强单体a在最强反射率方向上的反射率剖面图,b1、b2分别为12:07、12:13时刻增强单体a在最强反射率方向上的粒子识别结果剖面图,a3、a4分别为12:07、12:13时刻衰减单体b在最强反射率方向上的反射率剖面图,b3、b4分别为12:07、12:13时刻衰减单体b在最强反射率方向上的粒子识别结果剖面图;
图11中a1、a2分别为12:20、12:32时刻增强单体a在最强反射率方向上的反射率剖面图,b1、b2分别为12:20、12:32时刻增强单体a在最强反射率方向上的粒子识别结果剖面图,a3、a4分别为12:20、12:32时刻衰减单体b在最强反射率方向上的反射率剖面图,b3、b4分别为12:20、12:32时刻衰减单体b在最强反射率方向上的粒子识别结果剖面图。
具体实施方式
为使本发明实施例的目的、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清楚、完整地描述。显然,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要理解的是,术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,“设置”、“连接”等术语应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接连接,也可以通过中间媒介间接连接,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图,对本发明的具体实施方式进行详细说明。
实施例一
如图1、图5所示,一种复杂地形区域雹暴的预警方法,当对流云为单体对流云时,包括以下步骤:
S1、采集相关数据,包括地面观测数据、自动气象站加密观测的数据以及 X波段双偏振雷达数据,X波段双偏振雷达的数据包括基本反射率ZH、差分传播相移ZDR、差分反射率KDP、相关系数ρHV;
S2、对上述数据进行质量预处理,包括退折叠,采用径向连续性检查来退差分相位折叠;滤波,采用综合小波去噪方法进行滤波;反射率衰减订正,采用自适应衰减订正对反射率以及差分反射率进行订正;计算差分相移率,利用滤波过后的差分相移计算差分相移率;
S3、采用模糊逻辑粒子识别算法对预处理后的数据在水平方向和垂直方向对水成物粒子进行粒子识别,包括:
S311、由模糊逻辑粒子识别算法计算得出单体内关键粒子在垂直方向上所占库数CSWA、CLDG和CHDG,其中并计算其随时间的变化率KSWA、KLDG和KHDG,并统计LLDG、LHDG、HSWA、ZMAX和H,计算公式为:
其中,二维矩阵(i,j)代表单体在垂直剖面上的边界,a0为单体云底所在层数,a'为0℃所在的层数,c为单体云顶所在层数,b' 为单体左侧边缘所在库数,d为单体右侧边缘所在库数,lizi=3、lizi=6和lizi=7 分别与粒子识别结果中的过冷水、低密度霰粒子、高密度霰粒子对应,CSWA、CLDG和CHDG分别表示单体内过冷水、低密度霰和高密度霰在某一个时刻所占库数, Δt为间隔时间,ΔCSWA、ΔCLDG、ΔCHDG分别为过冷水、低密度霰、高密度霰在Δt时间内的库数变化值,KSWA、KLDG和KHDG分别表示过冷水粒子、低密度霰粒子和高密度霰粒子的变化速率,LLDG表示低密度霰粒子存在的最高海拔高度与存在的最低海拔高度的差值、LHDG表示高密度霰粒子存在的最高海拔高度与存在的最低海拔高度的差值、HSWA表示过冷水粒子存在的最高海拔高度、ZMAX表示云体内反射率最大值和H表示云顶高度;
S312、通过利用隶属函数对关键粒子的参数KSWA、KLDG、KHDG、LLDG、LHDG、 HSWA、ZMAX、H进行模糊化,每个参数对应一个隶属函数,模糊化过后,使用规则基进行规则推断,然后进行集成和退模糊,将集成的结果转化为单一的发展阶段、成熟阶段以及消散阶段;隶属函数的基本形式为:
其中X1、X2、X3、X4为函数阈值,其设定如图3所示,x为参数值;
S313、采用权重求和的方式,计算关键粒子各参数隶属函数的加权结果,作为单体降雹预测指数HPs,HPs的计算公式为:其中N为关键粒子的参数个数,Ais为各个参数的权重值,T为各个隶属函数的值,根据各个参数对冰雹产生速度的相关度,KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、 H的权重值分别赋值为:0.1、0.1、0.1、0.2、0.1、0.1、0.2、0.1,结合雷达资料质量对于地形因素影响的敏感度,模糊逻辑粒子识别所用参数ZH、ZDR、KDP、ρHV、T的权重分别为0.3、0.2、0.1、0.1、0.3。
S4、根据单体降雹预测指数HPs的值判断单体对流云状态,当HPs<0.5时,单体对流云处于消散阶段取消冰雹预警,当0.5≤HPs<0.7时,单体对流云处于成熟阶段发布冰雹预警,当HPs≥0.7时,单体对流云处于成熟阶段冰雹已径在高空生成即将降落地面。
实施例二:
2018年5月8日17:55至18:05,在贵州省威宁县麻扎乡和黑石头镇交界处发生降雹。图6、图7、图8为当日17:46、17:52、17:57、18:03、20:38、 20:43在最强反射率方向的反射率以及粒子识别剖面。每两个时刻与发展阶段、成熟阶段、消散阶段相对应。
如图6所示,在17:52时刻,单体回波高度达到8km,反射率中心最大值大于55dBZ,SWA最高存在高度为3.5km。LDG层厚度为0.2km,HDG层厚度为1.2km, LDG、HDG、SWA变化速率分别为-8库/min、5库/min、-12库/min。分别将8个参量数据代入对应隶属函数,并将结果加权求和,计算所得HPs=0.53,单体对流云处于发展阶段发布冰雹预警。
如图7所示,在18:03时刻,单体回波高度达到10km,反射率中心最大值大于60dBZ,SWA最高存在高度为4.2km。LDG层厚度为0.7km,HDG层厚度为1.3km, LDG、HDG、SWA变化速率分别为-11库/min、28库/min、-20库/min。分别将8 个参量数据代入对应隶属函数,并将结果加权求和,计算所得HPs=0.76,单体对流云处于成熟阶段冰雹已径在高空生成即将降落地面。
如图8所示,在20:43时刻,单体回波高度为6km;反射率中心最大值小于 40dBZ;SWA最高存在高度为3km;LDG层厚度为0km;HDG层厚度为1km;LDG、 HDG、SWA变化速率分别为0库/min、-1库/min、-3库/min。分别将8个参量数据代入对应隶属函数,并将结果加权求和,计算所得HPs=0.32,单体对流云处于消散阶段取消冰雹预警。
分别将三个时刻的8个参量数据代入对应隶属函数,并将结果加权求和,计算所得HPs结果分别为0.53、0.76、0.32。根据本发明所得要的经验阈值,三个时刻分别应该属于发展阶段、成熟阶段、消散阶段。而根据地面观测资料显示,17:52、18:03、20:43时刻分别对应于降雹前、降雹时、降雹后。
实施例三
如图2、图5所示,一种复杂地形区域雹暴的预警方法,当对流云为多单体对流云时,包括以下步骤:
S1、采集相关数据,包括地面观测数据、自动气象站加密观测的数据以及 X波段双偏振雷达数据,X波段双偏振雷达的数据包括基本反射率ZH、差分传播相移ZDR、差分反射率KDP、相关系数ρHV;
S2、对上述数据进行质量预处理,包括退折叠,采用径向连续性检查来退差分相位折叠;滤波,采用综合小波去噪方法进行滤波;反射率衰减订正,采用自适应衰减订正对反射率以及差分反射率进行订正;计算差分相移率,利用滤波过后的差分相移计算差分相移率;
S3、采用模糊逻辑粒子识别算法对预处理后的数据在水平方向和垂直方向对水成物粒子进行粒子识别,包括:
S321、由模糊逻辑粒子识别算法得出增强单体a的在垂直方向上所占库数 CSWA、CLDG和CHDG,其中并计算其随时间的变化率KSWA、KLDG和KHDG,并统计LLDG、LHDG、HSWA、ZMAX和H,由模糊逻辑粒子识别算法得出衰减单体b的关键粒子所占库数C'SWA、C'LDG、C'HDG,并计算其的变化率K'LDG、K'HDG、K'SWA,计算公式为:
其中,二维矩阵(i,j)代表单体在垂直剖面上的边界,a0为单体云底所在层数,a'为0℃所在的层数,c为单体云顶所在层数,b'为单体左侧边缘所在库数,d为单体右左侧边缘所在库数,lizi=3、 lizi=6和lizi=7分别与粒子识别结果中的过冷水、低密度霰粒子、高密度霰粒子对应,CSWA、CLDG和CHDG分别表示增强单体a内过冷水、低密度霰和高密度霰在某一个时刻所占库数,Δt为间隔时间,ΔCSWA、ΔCLDG、ΔCHDG分别为增强单体a过冷水、低密度霰、高密度霰在Δt时间内的库数变化值,KSWA、KLDG和 KHDG分别表示增强单体a过冷水粒子、低密度霰粒子和高密度霰粒子的变化速率,LLDG表示LDG存在的最高海拔高度与存在的最低海拔高度的差值、LHDG表示HDG存在的最高海拔高度与存在的最低海拔高度的差值、HSWA表示过冷水粒子存在的最高海拔高度、ZMAX表示云体内反射率最大值和H表示云顶高度,ΔC'SWA、ΔC'LDG、ΔC'HDG分别表示衰减单体b内过冷水、低密度霰、高密度霰在Δt时间内的库数变化值,K'SWA、K'LDG、K'HDG分别表示衰减单体b过冷水、低密度霰、高密度霰在Δt时间内的库数变化率;
S322、通过利用隶属函数对KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、 H进行模糊化,每个参数对应一个隶属函数,模糊化过后,使用规则基进行规则推断,然后使用规则基进行规则推断,进而进行集成和退模糊,将集成的结果转化为单一的合并前阶段、合并阶段以及消散阶段,隶属函数的基本形式为:
其中X1、X2、X3、X4为函数阈值,其设定如图4所示,x为参数值;
S323、采用权重求和的方式,计算各参数隶属函数的加权结果,作为降雹预测指数HPd,HPd的计算公式为:其中N为参数个数,Aid为各个参数的权重值,T为各个隶属函数的值,根据各个参数对冰雹产生速度的相关度,KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、H的权重值分别赋值为: 0.1、0.1、0.1、0.2、0.1、0.1、0.2、0.1,结合雷达资料质量对于地形因素影响的敏感度,模糊逻辑粒子识别所用参数ZH、ZDR、KDP、ρHV、T的权重分别为 0.3、0.2、0.1、0.1、0.3。
在S4中,根据降雹预测指数HPd的值判断多单体对流云状态,当HPd<0.4 时,多单体对流云处于消散阶段取消冰雹预警,当0.4≤HPd<0.55时,多单体对流云处于合并前阶段发布冰雹预警,当HPd≥0.55时,多单体对流云处于合并阶段冰雹已径在高空生成即将降落地面。
实施例四:
2018年7月22日11:55至12:05,在贵州省威宁县哈喇河镇发生降雹,该此过程由两个单体(增强单体a、衰减单体b)合并导致。图9、图10、图11为增强单体a、衰减单体b在11:49、11:55、12:07、12:13、12:20、12:32在最强反射率方向的反射率以及粒子识别剖面。
增强单体a在11:55时刻,增强单体a回波高度达到7km,反射率中心最大值大于55dBZ,SWA最高存在高度为5km。LDG层厚度为1.5km,HDG层厚度为2km,LDG、HDG、SWA变化速率分别10库/min、50库/min、10库/min。衰减单体b在11:55时刻的LDG、HDG、SWA变化速率分别-43库/min、-9库 /min、23库/min。分别将11个参量数据代入对应隶属函数,并将结果加权求和,计算所得HPd=0.47,多单体对流云处于合并前阶段发布冰雹预警。
增强单体a在12:13时刻,增强单体a回波高度达到11km,反射率中心最大值大于55dBZ,SWA最高存在高度为5.2km。LDG层厚度为1.7km,HDG层厚度为2.2km,LDG、HDG、SWA变化速率分别为30库/min、-8库/min、-10库 /min。衰减单体b在12:13时刻的LDG、HDG、SWA变化速率分别-1.5、-3.8、 1.6。分别将11个参量数据代入对应隶属函数,并将结果加权求和,计算所得 HPd=0.61,多单体对流云处于合并阶段冰雹已径在高空生成即将降落地面。
增强单体a在12:32时刻,增强单体a回波高度达到10km,反射率中心最大值小于45dBZ,SWA最高存在高度为0km。LDG层厚度为0km,HDG层厚度为0.1km,LDG、HDG、SWA变化速率分别为-25库/min、-30库/min、-20库/min。衰减单体b在12:32时刻的LDG、HDG、SWA变化速率分别0.75库/min、-3.1 库/min、-1库/min。分别将11个参量数据代入对应隶属函数,并将结果加权求和,计算所得HPd=0.2,多单体对流云处于消散阶段取消冰雹预警。
分别将三个时刻的11个参量数据代入对应隶属函数,并将结果加权求和,计算所得HPd结果分别为0.47、0.61、0.2。根据本发明所得要的经验阈值,三个时刻分别应该属于合并前阶段、合并阶段、消散阶段。而根据地面观测资料显示,11:55、12:13、12:32时刻分别对应于降雹前、降雹时、降雹后。
本发明所提出的复杂地形区域两种典型雹暴预警方法中粒子分类方式更简单,符合雷达的精度要求;且采用经过大量实验数据获得的诊断阈值和阈值条件,能够准确的进行冰雹预警和冰雹消警。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。
Claims (6)
1.一种复杂地形区域雹暴的预警方法,其特征在于,包括以下步骤:
S1、采集相关数据,包括地面观测数据、自动气象站加密观测的数据以及X波段双偏振雷达数据,X波段双偏振雷达的数据包括基本反射率ZH、差分传播相移ZDR、差分反射率KDP、相关系数ρHV;
S2、对上述数据进行质量预处理;
S3、采用模糊逻辑粒子识别算法对预处理后的数据进行在水平方向和垂直方向的水成物粒子识别,得出关键粒子的数量、分布高度、厚度、随时间的变化率,最后得出关键粒子的降雹预测指数,关键粒子包括高密度霰粒子HDG、低密度霰粒子LDG、过冷水SWA、雨夹雹HA、冰晶CR、冰晶聚合物AG,对流云分为单体对流云和多单体对流云;
如对流云为多单体对流云时,包括以下步骤:
S321、由模糊逻辑粒子识别算法得出增强单体a的在垂直方向上所占库数CSWA、CLDG和CHDG,其中并计算其随时间的变化率KSWA、KLDG和KHDG,并统计LLDG、LHDG、HSWA、ZMAX和H,由模糊逻辑粒子识别算法得出衰减单体b的关键粒子所占库数C'SWA、C'LDG、C'HDG,并计算其的变化率K'LDG、K'HDG、K'SWA,计算公式为:
其中,二维矩阵(i,j)代表单体在垂直剖面上的边界,a0为单体云底所在层数,a'为0℃所在的层数,c为单体云顶所在层数,b'为单体左侧边缘所在库数,d为单体右侧边缘所在库数,lizi=3、lizi=6和lizi=7分别与粒子识别结果中的过冷水、低密度霰粒子、高密度霰粒子对应,CSWA、CLDG和CHDG分别表示增强单体a内过冷水、低密度霰和高密度霰在某一个时刻所占库数,Δt为间隔时间,ΔCSWA、ΔCLDG、ΔCHDG分别为增强单体a过冷水、低密度霰、高密度霰在Δt时间内的库数变化值,KSWA、KLDG和KHDG分别表示增强单体a过冷水粒子、低密度霰粒子和高密度霰粒子的变化速率,LLDG表示低密度霰存在的最高海拔高度与存在的最低海拔高度的差值、LHDG表示高密度霰存在的最高海拔高度与存在的最低海拔高度的差值、HSWA表示过冷水粒子存在的最高海拔高度、ZMAX表示云体内反射率最大值和H表示云顶高度,ΔC'SWA、ΔC'LDG、ΔC'HDG分别表示衰减单体b内过冷水、低密度霰、高密度霰在Δt时间内的库数变化值,K'SWA、K'LDG、K'HDG分别表示衰减单体b过冷水、低密度霰、高密度霰在Δt时间内的库数变化率;
S322、通过利用隶属函数对关键粒子的参数KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、H、K'LDG、K'HDG、K'SWA进行模糊化,每个参数对应一个隶属函数,模糊化过后,使用规则基进行规则推断,然后使用规则基进行规则推断,进而进行集成和退模糊,将集成的结果转化为单一的合并前阶段、合并阶段以及消散阶段,隶属函数的基本形式为:
其中X1、X2、X3、X4为函数阈值,x为参数值;
S323、采用权重求和的方式,计算关键粒子各参数隶属函数的加权结果,作为降雹预测指数HPd,HPd的计算公式为:,其中N为关键粒子的参数个数,Aid为各个参数的权重值,T为各个隶属函数的值,根据各个参数对与冰雹产生速度的相关度,KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、H、K'LDG、K'HDG、K'SWA的权重值分别赋值为:0.1、0.1、0.1、0.2、0.05、0.1、0.1、0.05、0.05、0.1、0.05,结合雷达资料质量对于地形因素影响的敏感度,模糊逻辑粒子识别所用参数ZH、ZDR、KDP、ρHV、T的权重分别为0.3、0.2、0.1、0.1、0.3;
S4、根据降雹预测指数发布相应的雹暴预警或者解除雹暴预警。
2.根据权利要求1所述的一种复杂地形区域雹暴的预警方法,其特征在于,在S2中,包括以下步骤:
S21、退折叠,采用径向连续性检查来退差分相位折叠;
S22、滤波,采用综合小波去噪方法进行滤波;
S23、反射率衰减订正;采用自适应衰减订正对反射率以及差分反射率进行订正;
S24、计算差分相移率,利用滤波过后的差分相移计算差分相移率。
3.根据权利要求1所述的一种复杂地形区域雹暴的预警方法,其特征在于,在S3中,如对流云为单体对流云时,包括以下步骤:
S311、由模糊逻辑粒子识别算法得出单体内关键粒子在垂直方向上所占库数CSWA、CLDG和CHDG,其中并计算其随时间的变化率KSWA、KLDG和KHDG,并统计LLDG、LHDG、HSWA、ZMAX和H,计算公式为:
其中,二维矩阵(i,j)代表单体在垂直剖面上的边界,a0为单体云底所在层数,a'为0℃所在的层数,c为单体云顶所在层数,b'为单体左侧边缘所在库数,d为单体右侧边缘所在库数,lizi=3、lizi=6和lizi=7分别与粒子识别结果中的过冷水、低密度霰粒子、高密度霰粒子对应,CSWA、CLDG和CHDG分别表示单体内过冷水、低密度霰和高密度霰在某一个时刻所占库数,Δt为间隔时间,ΔCSWA、ΔCLDG、ΔCHDG分别为过冷水、低密度霰、高密度霰在Δt时间内的库数变化值,KSWA、KLDG和KHDG分别表示过冷水粒子、低密度霰粒子和高密度霰粒子的变化速率,LLDG表示低密度霰粒子存在的最高海拔高度与存在的最低海拔高度的差值、LHDG表示高密度霰粒子存在的最高海拔高度与存在的最低海拔高度的差值、HSWA表示过冷水粒子存在的最高海拔高度、ZMAX表示云体内反射率最大值和H表示云顶高度;
S312、通过利用隶属函数对参数KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、H进行模糊化,每个参数对应一个隶属函数,模糊化过后,使用规则基进行规则推断,然后进行集成和退模糊,将集成的结果转化为单一的发展阶段、成熟阶段以及消散阶段;隶属函数的基本形式为:
其中X1、X2、X3、X4为函数阈值,x为参数值;
4.根据权利要求3所述的一种复杂地形区域雹暴的预警方法,其特征在于,在S4中,根据单体降雹预测指数HPs的值判断单体对流云状态,当HPs<0.5时,单体对流云处于消散阶段取消冰雹预警,当0.5≤HPs<0.7时,单体对流云处于发展阶段发布冰雹预警,当HPs≥0.7时,单体对流云处于成熟阶段冰雹已径在高空生成即将降落地面。
5.根据权利要求3所述的一种复杂地形区域雹暴的预警方法,其特征在于,在S313中,根据各个参数对冰雹产生速度的相关度,KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、H的权重值分别赋值为:0.1、0.1、0.1、0.2、0.1、0.1、0.2、0.1,结合雷达资料质量对于地形因素影响的敏感度,模糊逻辑粒子识别所用参数ZH、ZDR、KDP、ρHV、T的权重分别为0.3、0.2、0.1、0.1、0.3。
6.根据权利要求1所述的一种复杂地形区域雹暴的预警方法,其特征在于,在S4中,根据降雹预测指数HPd的值判断多单体对流云状态,当HPd<0.4时,多单体对流云处于消散阶段取消冰雹预警,当0.4≤HPd<0.55时,多单体对流云处于合并前阶段发布冰雹预警,当HPd≥0.55时,多单体对流云处于合并阶段冰雹已径在高空生成即将降落地面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811238.5A CN110488297B (zh) | 2019-08-30 | 2019-08-30 | 一种复杂地形区域雹暴的预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910811238.5A CN110488297B (zh) | 2019-08-30 | 2019-08-30 | 一种复杂地形区域雹暴的预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110488297A CN110488297A (zh) | 2019-11-22 |
CN110488297B true CN110488297B (zh) | 2023-03-24 |
Family
ID=68555215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910811238.5A Active CN110488297B (zh) | 2019-08-30 | 2019-08-30 | 一种复杂地形区域雹暴的预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488297B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111694000B (zh) * | 2020-06-11 | 2023-03-21 | 成都信息工程大学 | 雹云单体发展过程中雹胚形成及冰雹增长的预报方法 |
CN112232674B (zh) * | 2020-10-16 | 2021-12-07 | 中国气象局气象探测中心 | 一种气象灾害评估方法、装置和系统 |
CN114706146B (zh) * | 2022-03-23 | 2023-11-03 | 成都信息工程大学 | 复杂地形下雹暴过程中雹胚的生长和降雹阶段的预报方法 |
CN114706145B (zh) * | 2022-03-23 | 2023-11-21 | 成都信息工程大学 | 基于雹云微物理与热动力特征的冰雹预警方法 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009008440A (ja) * | 2007-06-26 | 2009-01-15 | Mitsubishi Electric Corp | 気象レーダ装置 |
WO2014144331A1 (en) * | 2013-03-15 | 2014-09-18 | The Board Of Regents Of The University Of Oklahoma | System and method for tornado prediction and detection |
KR101623688B1 (ko) * | 2015-06-01 | 2016-05-24 | 부경대학교 산학협력단 | 이중편파레이더를 이용한 정량적 강수량 추정 방법 |
KR101686151B1 (ko) * | 2016-09-20 | 2016-12-14 | 대한민국 | 시선 속도 접힘 풀기 알고리즘 적용 방법 |
CN106501806A (zh) * | 2016-10-31 | 2017-03-15 | 北京市人工影响天气办公室 | 一种降水粒子的类型识别方法及装置 |
CN106501807A (zh) * | 2016-10-31 | 2017-03-15 | 北京市人工影响天气办公室 | 一种冰雹粒子识别方法及装置 |
CN106772696A (zh) * | 2016-11-15 | 2017-05-31 | 兰州大学 | 用于强对流天气预报的同化总闪转换代理湿度的方法 |
CN107015229A (zh) * | 2017-05-22 | 2017-08-04 | 新疆维吾尔自治区人工影响天气办公室 | 基于双偏振天气雷达的人工防雹作业指挥方法 |
CN107238826A (zh) * | 2017-06-09 | 2017-10-10 | 杨波 | 利用双偏振多普勒天气雷达回波反演雷暴电荷分布的方法 |
CN107607954A (zh) * | 2017-09-11 | 2018-01-19 | 中国民航大学 | 一种基于t‑s模型的fnn降水粒子相态识别方法 |
CN107843884A (zh) * | 2017-09-13 | 2018-03-27 | 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 |
CN108254750A (zh) * | 2017-11-24 | 2018-07-06 | 南京信息工程大学 | 一种基于雷达资料的下击暴流智能识别预警方法 |
CN108562904A (zh) * | 2018-01-11 | 2018-09-21 | 成都信息工程大学 | 一种x波段双偏振天气雷达降水估测方法 |
CN108680920A (zh) * | 2018-04-28 | 2018-10-19 | 深圳市雅码科技有限公司 | 一种基于双偏振雷达的灾害天气识别预警系统及方法 |
CN108693534A (zh) * | 2018-03-27 | 2018-10-23 | 南京恩瑞特实业有限公司 | Nriet x 波段雷达协同组网分析方法 |
CN109061649A (zh) * | 2018-08-10 | 2018-12-21 | 中国气象局气象探测中心 | 一种冰雹监测方法及系统 |
CN109116358A (zh) * | 2018-08-09 | 2019-01-01 | 成都信息工程大学 | 基于新一代天气雷达的冰雹识别及落区预报方法 |
CN109975809A (zh) * | 2019-04-26 | 2019-07-05 | 兰州大学 | 一种同化雷达及闪电资料的方法 |
CN110018479A (zh) * | 2019-04-28 | 2019-07-16 | 中国气象局广州热带海洋气象研究所 | C波段双偏振天气雷达反射率地形遮挡衰减订正方法 |
CN110161506A (zh) * | 2019-07-01 | 2019-08-23 | 江苏省气象科学研究所 | 一种基于多源气象观测资料的分类型冰雹落区识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101431707B1 (ko) * | 2013-11-26 | 2014-09-22 | 한국건설기술연구원 | 엑스밴드 이중편파 레이더 관측자료를 이용한 통합형 강우량 산정 방법 |
DE102018201507B4 (de) * | 2018-02-01 | 2020-09-10 | Robert Bosch Gmbh | LIDAR-System und Steuerungssystem für ein Kraftfahrzeug |
-
2019
- 2019-08-30 CN CN201910811238.5A patent/CN110488297B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009008440A (ja) * | 2007-06-26 | 2009-01-15 | Mitsubishi Electric Corp | 気象レーダ装置 |
WO2014144331A1 (en) * | 2013-03-15 | 2014-09-18 | The Board Of Regents Of The University Of Oklahoma | System and method for tornado prediction and detection |
KR101623688B1 (ko) * | 2015-06-01 | 2016-05-24 | 부경대학교 산학협력단 | 이중편파레이더를 이용한 정량적 강수량 추정 방법 |
KR101686151B1 (ko) * | 2016-09-20 | 2016-12-14 | 대한민국 | 시선 속도 접힘 풀기 알고리즘 적용 방법 |
CN106501806A (zh) * | 2016-10-31 | 2017-03-15 | 北京市人工影响天气办公室 | 一种降水粒子的类型识别方法及装置 |
CN106501807A (zh) * | 2016-10-31 | 2017-03-15 | 北京市人工影响天气办公室 | 一种冰雹粒子识别方法及装置 |
CN106772696A (zh) * | 2016-11-15 | 2017-05-31 | 兰州大学 | 用于强对流天气预报的同化总闪转换代理湿度的方法 |
CN107015229A (zh) * | 2017-05-22 | 2017-08-04 | 新疆维吾尔自治区人工影响天气办公室 | 基于双偏振天气雷达的人工防雹作业指挥方法 |
CN107238826A (zh) * | 2017-06-09 | 2017-10-10 | 杨波 | 利用双偏振多普勒天气雷达回波反演雷暴电荷分布的方法 |
CN107607954A (zh) * | 2017-09-11 | 2018-01-19 | 中国民航大学 | 一种基于t‑s模型的fnn降水粒子相态识别方法 |
CN107843884A (zh) * | 2017-09-13 | 2018-03-27 | 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 |
CN108254750A (zh) * | 2017-11-24 | 2018-07-06 | 南京信息工程大学 | 一种基于雷达资料的下击暴流智能识别预警方法 |
CN108562904A (zh) * | 2018-01-11 | 2018-09-21 | 成都信息工程大学 | 一种x波段双偏振天气雷达降水估测方法 |
CN108693534A (zh) * | 2018-03-27 | 2018-10-23 | 南京恩瑞特实业有限公司 | Nriet x 波段雷达协同组网分析方法 |
CN108680920A (zh) * | 2018-04-28 | 2018-10-19 | 深圳市雅码科技有限公司 | 一种基于双偏振雷达的灾害天气识别预警系统及方法 |
CN109116358A (zh) * | 2018-08-09 | 2019-01-01 | 成都信息工程大学 | 基于新一代天气雷达的冰雹识别及落区预报方法 |
CN109061649A (zh) * | 2018-08-10 | 2018-12-21 | 中国气象局气象探测中心 | 一种冰雹监测方法及系统 |
CN109975809A (zh) * | 2019-04-26 | 2019-07-05 | 兰州大学 | 一种同化雷达及闪电资料的方法 |
CN110018479A (zh) * | 2019-04-28 | 2019-07-16 | 中国气象局广州热带海洋气象研究所 | C波段双偏振天气雷达反射率地形遮挡衰减订正方法 |
CN110161506A (zh) * | 2019-07-01 | 2019-08-23 | 江苏省气象科学研究所 | 一种基于多源气象观测资料的分类型冰雹落区识别方法 |
Non-Patent Citations (9)
Title |
---|
Estimation of rainfall drop size distribution from dual-polarization measurements at S-band, X-band, and Ku-band radar frequencies;Haonan Chen;《2014 IEEE Geoscience and Remote Sensing Symposium》;20141106;全文 * |
X波段双偏振雷达水凝物粒子相态识别应用研究;冯亮;《气候与环境研究》;20180520;全文 * |
X波段双线偏振多普勒雷达共极化差分相移资料的滤波方法研究;赵川鸿;《大气科学》;20190514;全文 * |
利用地面双偏振雷达检验GPMDPR降水测量华北地区适用性初探;冯启祯;《成都信息工程大学学报》;20190815;全文 * |
基于X波段双偏振雷达对雷暴单体中水成物粒子演变特征的研究;李晓敏;《大气科学》;20171115;全文 * |
基于偏振雷达的积层混合云降水增雨潜力识别方法研究;陈羿辰;《大气科学》;20170515;全文 * |
基于双偏振雷达参量的层状云零度层亮带识别研究;冯小真;《成都信息工程大学学报》;20190815;全文 * |
基于支持向量机的双偏振雷达对流降水类型识别方法研究;杨通晓;《暴雨灾害》;20190815;全文 * |
青藏高原那曲夏季云中水成物分布特征的毫米波雷达观测;朱怡杰;《气象》;20190721;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110488297A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488297B (zh) | 一种复杂地形区域雹暴的预警方法 | |
CN111583214B (zh) | 基于rbf神经网络的航海雷达图像反演海面风速方法 | |
CN111830506B (zh) | 一种基于K-means聚类算法的海面风速方法 | |
KR101531224B1 (ko) | 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법 | |
CN114019514B (zh) | 一种雷暴大风预警方法、系统、设备及终端 | |
KR101258668B1 (ko) | 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법 | |
CN102681033B (zh) | 一种基于x波段航海雷达的海面风场测量方法 | |
CN108761484A (zh) | 一种基于多源卫星遥感数据的海雾监测方法 | |
CN108983164A (zh) | 雷达信号处理装置和雷达信号处理方法 | |
CN112084712B (zh) | 融合主被动微波遥感信息的洪水淹没范围动态模拟方法 | |
CN106971396A (zh) | 基于超像素的冰盖冻融探测方法 | |
Tsai et al. | Impacts of topography on airflow and precipitation in the Pyeongchang area seen from multiple-Doppler radar observations | |
CN115980756B (zh) | 一种基于星载双频雷达的降水中水凝物种类识别方法 | |
WO2018168165A1 (ja) | 気象予測装置、気象予測方法、およびプログラム | |
CN111352113A (zh) | 一种强对流天气短临预报方法及系统、存储介质和终端 | |
CN116609749A (zh) | 一种基于s波段双偏振雷达识别水凝物粒子分类的方法 | |
CN112068104A (zh) | 一种冰晶识别方法、装置、电子设备及双极化气象雷达 | |
CN112946653A (zh) | 双极化气象雷达信号恢复方法、系统及存储介质 | |
Wang et al. | A rapid identification and warning method for severe weather via Doppler radar based on an improved TITAN algorithm | |
CN115840224B (zh) | 一种用于反演土壤水分的多目标函数变化检测方法 | |
CN106548209A (zh) | 一种基于多纹理特征的sar绿潮信息提取方法 | |
CN115453486A (zh) | 一种利用天气雷达识别生物回波的方法及系统 | |
CN115423810A (zh) | 一种风力发电机组叶片覆冰形态分析方法 | |
CN113902224A (zh) | 一种基于scs的内涝风险预测方法 | |
CN114706146A (zh) | 复杂地形下雹暴过程中雹胚的生长和降雹阶段的预报方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |