CN110824479A - 一种用于短临预报的雷达数据处理方法 - Google Patents
一种用于短临预报的雷达数据处理方法 Download PDFInfo
- Publication number
- CN110824479A CN110824479A CN201911030273.XA CN201911030273A CN110824479A CN 110824479 A CN110824479 A CN 110824479A CN 201911030273 A CN201911030273 A CN 201911030273A CN 110824479 A CN110824479 A CN 110824479A
- Authority
- CN
- China
- Prior art keywords
- radar data
- radar
- reflectivity
- processing method
- filter
- 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 13
- 238000002310 reflectometry Methods 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 14
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 6
- 230000002146 bilateral effect Effects 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 6
- 230000010349 pulsation Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G01S7/40—Means for monitoring or calibrating
-
- 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
本发明公开了一种用于短临预报的雷达数据处理方法，属于天气监测领域，首先对雷达基数据进行仰角有效性检查；接着对仰角有效的雷达数据进行滤波；利用滤波后的数据合成组合反射率；最后对组合反射率中的仰角阈值进行检测，判断是否达到阈值，若达到，则将该雷达数据输出，否则对下一组数据进行处理；本发明能够对雷达观测的数据中的非气象目标物产生的噪声、大气湍流造成的回波脉动、干扰回波进行处理，减少杂波的影响。
Description
技术领域
本发明涉及气候监测技术领域，具体涉及一种用于短临预报的雷达数据处理方法。
背景技术
目前，利用雷达采集的数据进行天气的预报，是目前常采用的手段，在使用雷达组合反射率产品进行临近预报试验时，雷达观测受大气环境和硬件性能等影响，观测结果中有可能会包含非气象目标物产生的噪声、大气湍流造成的回波脉动、干扰回波等，对预报结果影响较大，需要对雷达采集的数据进行处理。
发明内容
本发明的目的在于：本发明提供了一种用于短临预报的雷达数据处理方法，能够有效的对雷达数据进行处理。
本发明采用的技术方案如下：
一种用于短临预报的雷达数据处理方法，包括以下步骤：
步骤1：对雷达基数据进行仰角有效性检查；
步骤2：对仰角有效的雷达数据进行滤波；
步骤3：利用滤波后的数据合成组合反射率；
步骤4：对组合反射率中的仰角阈值进行检测，判断是否达到阈值，若达到，则将该雷达数据输出，否则跳转至步骤1。
进一步的，所述步骤1进行仰角有效性检查后，对有效的雷达数据进行异常径向填补和波束遮挡填补。
进一步的，所述滤波包括以下步骤：
步骤21：构造奇异点滤波器和双边滤波器；
步骤22：将仰角有效的雷达数据依次输入所述奇异点滤波器和双边滤波器径向滤波；
步骤23：构造反射率垂直递率滤波器，将所述步骤22得到的雷达数据输入所述反射率垂直递率滤波器，过滤所述雷达数据中的地物回波和部分超折射回波。
进一步的，所述滤波还包括构造高通滤波器对雷达数据进行滤波，保留用于天气短临预报所需数据。
进一步的，所述步骤3中，合成组合反射率时，选取第0-5层反射率因子。
进一步的，所述步骤3中，合成组合反射率后计算年平均反射率分布，确定方位角遮挡位置，对被遮挡的方位角做线性内插的填补。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
本发明能够对雷达观测的数据中的非气象目标物产生的噪声、大气湍流造成的回波脉动、干扰回波进行处理，减少杂波的影响。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明的流程图；
图2为本发明雷达预处理的效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即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。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。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
一种用于短临预报的雷达数据处理方法，包括以下步骤：
步骤1：对雷达基数据进行仰角有效性检查；
步骤2：对仰角有效的雷达数据进行滤波；
步骤3：利用滤波后的数据合成组合反射率；
步骤4：对组合反射率中的仰角阈值进行检测，判断是否达到阈值，若达到，则将该雷达数据输出，否则跳转至步骤1。
所述步骤1进行仰角有效性检查后，对有效的雷达数据进行异常径向填补和波束遮挡填补。
所述滤波包括以下步骤：
步骤21：构造奇异点滤波器和双边滤波器；
步骤22：将仰角有效的雷达数据依次输入所述奇异点滤波器和双边滤波器径向滤波；
步骤23：构造反射率垂直递率滤波器，将所述步骤22得到的雷达数据输入所述反射率垂直递率滤波器，过滤所述雷达数据中的地物回波和部分超折射回波。
所述滤波还包括构造高通滤波器对雷达数据进行滤波，保留用于天气短临预报所需数据。
所述步骤3中，合成组合反射率时，选取第0-5层反射率因子。
所述步骤3中，合成组合反射率后计算年平均反射率分布，确定方位角遮挡位置，对被遮挡的方位角做线性内插的填补。
实施例
本实施例以甘肃省预报降水为例，由于多普勒雷达具有以下四个产品：组合反射率因子CR、回波顶高ET、垂直液态水含量VIL、1小时累积降水OHP，本实施例仅针对组合反射率因子。
首先对雷达基数据进行仰角有效性检查；甘肃地处中国西北地区，东通陕西，南瞰四川、青海，西达新疆，北扼宁夏、内蒙古，西北端与蒙古国接壤，境内为黄土高原、青藏高原和内蒙古高原三大高原的交汇地带，气候类型多样，从南向北包括了亚热带季风气候、温带季风气候、温带大陆性气候和高山高原气候等四大气候类型，面积39万余平方千米，地形复杂、狭长。地形以山地和高原为主，海拔大多在1000米以上，四周为群山峻岭所环抱。北有六盘山、合黎山和龙首山；东为岷山、秦岭和子午岭；西接阿尔金山；和祁连山；南壤青泥岭。境内地势起伏、山岭连绵、江河奔流，地形相当复杂。
因此需要对有效仰角进行检查，剔除仰角无效的雷达数据，对有效的雷达数据进行异常径向填补和波束遮挡填补。
具体为：
步骤11：计算每个高程格点与该雷达之间的地表距离，由于格点为正方形，因此采用格点中心点作为计算的基础；
步骤12：利用所述雷达的扫射范围，获取雷达扫射到的格点范围；
步骤13：利用所述地表距离，计算所述格点范围内每个格点与雷达所构成的地表夹角；首先计算地表夹角的cos值，从而得出最终的地表夹角。
步骤14：利用所述地表夹角获得该雷达的有效仰角。
步骤141：针对格点中的任一格点a，筛选出该格点a对应的地表夹角±0.5度范围内的所有格点，作为数据集A；
步骤142：对数据集A中的格点进行进一步筛选，得出地表距离不大于该格点a与该雷达之间地表距离的格点，作为数据集B；
步骤143：对数据集B中的格点对应的地表夹角，将地表夹角的最大值作为雷达扫描该格点a的仰角；
步骤144：根据所述仰角和雷达的实际仰角，得出该雷达扫描该格点a的有效仰角，由于所述雷达的实际仰角为：0.5、1.5、2.4、3.4、4.3、6.0，因此将最接近的仰角作为该格点的实际有效仰角。
步骤2：对仰角有效的雷达数据进行滤波；具体包括以下步骤：
步骤21：构造奇异点滤波器和双边滤波器；
步骤22：将仰角有效的雷达数据依次输入所述奇异点滤波器和双边滤波器径向滤波，采用该滤波方法能够在保留回波特性的前提下，可以有效的消除脉动和杂波；
步骤23：构造反射率垂直递率滤波器，将所述步骤22得到的雷达数据输入所述反射率垂直递率滤波器，过滤所述雷达数据中的地物回波和部分超折射回波。
所述滤波还包括构造高通滤波器对雷达数据进行滤波，去除15dBz以下的回波，保留降水所需数据。
步骤3：利用滤波后的数据合成组合反射率，选取第0-5层反射率因子，可以有效的避免零度层亮带的干扰；合成组合反射率后计算年平均反射率分布，确定方位角遮挡位置，对被遮挡的方位角做线性内插的填补；
步骤4：对组合反射率中的仰角阈值进行检测，判断是否达到阈值，若达到，则将该雷达数据输出，否则跳转至步骤1。
如图2所示为预处理之前的组合反射率产品和预处理之后的组合反射率产品，圈中的杂波已经得到有效的抑制，雷达站西南方向的衰减径向也得到了有效的填补。同时，回波的形态基本得到完整的保留。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于短临预报的雷达数据处理方法，其特征在于：包括以下步骤：
步骤1：对雷达基数据进行仰角有效性检查；
步骤2：对仰角有效的雷达数据进行滤波；
步骤3：利用滤波后的数据合成组合反射率；
步骤4：对组合反射率中的仰角阈值进行检测，判断是否达到阈值，若达到，则将该雷达数据输出，否则跳转至步骤1。
2.根据权利要求1所述的一种用于短临预报的雷达数据处理方法，其特征在于：所述步骤1进行仰角有效性检查后，对有效的雷达数据进行异常径向填补和波束遮挡填补。
3.根据权利要求1所述的一种用于短临预报的雷达数据处理方法，其特征在于：所述滤波包括以下步骤：
步骤21：构造奇异点滤波器和双边滤波器；
步骤22：将仰角有效的雷达数据依次输入所述奇异点滤波器和双边滤波器径向滤波；
步骤23：构造反射率垂直递率滤波器，将所述步骤22得到的雷达数据输入所述反射率垂直递率滤波器，过滤所述雷达数据中的地物回波和部分超折射回波。
4.根据权利要求1所述的一种用于短临预报的雷达数据处理方法，其特征在于：所述滤波还包括构造高通滤波器对雷达数据进行滤波，保留用于天气短临预报所需数据。
5.根据权利要求1所述的一种用于短临预报的雷达数据处理方法，其特征在于：所述步骤3中，合成组合反射率时，选取第0-5层反射率因子。
6.根据权利要求1所述的一种用于短临预报的雷达数据处理方法，其特征在于：所述步骤3中，合成组合反射率后计算年平均反射率分布，确定方位角遮挡位置，对被遮挡的方位角做线性内插的填补。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911030273.XA CN110824479A (zh) | 2019-10-28 | 2019-10-28 | 一种用于短临预报的雷达数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911030273.XA CN110824479A (zh) | 2019-10-28 | 2019-10-28 | 一种用于短临预报的雷达数据处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110824479A true CN110824479A (zh) | 2020-02-21 |
Family
ID=69550953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911030273.XA Pending CN110824479A (zh) | 2019-10-28 | 2019-10-28 | 一种用于短临预报的雷达数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110824479A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112666559A (zh) * | 2021-01-27 | 2021-04-16 | 苏州市气象局 | 一种多普勒天气雷达数据质量控制方法 |
| CN117452369A (zh) * | 2023-12-25 | 2024-01-26 | 江西师范大学 | 一种用于短时灾害性天气监测的回波顶高计算优化方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706571A (zh) * | 2009-11-05 | 2010-05-12 | 宁波市气象信息中心 | 一种雷达回波中非气象杂波的处理方法 |
| CN104007428A (zh) * | 2014-05-20 | 2014-08-27 | 宁波市气象台 | 一种在雷达回波中识别汽车行驶导致的非气象回波的方法 |
| CN105388467A (zh) * | 2015-11-03 | 2016-03-09 | 南京信息工程大学 | 一种修正多普勒天气雷达回波衰减的方法 |
| CN108399642A (zh) * | 2018-01-26 | 2018-08-14 | 上海深视信息科技有限公司 | 一种融合旋翼无人机imu数据的通用目标跟随方法和系统 |
| CN108761461A (zh) * | 2018-05-29 | 2018-11-06 | 南京信息工程大学 | 基于天气雷达回波时序图像的降水预报方法 |
| 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 |
-
2019
- 2019-10-28 CN CN201911030273.XA patent/CN110824479A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101706571A (zh) * | 2009-11-05 | 2010-05-12 | 宁波市气象信息中心 | 一种雷达回波中非气象杂波的处理方法 |
| CN104007428A (zh) * | 2014-05-20 | 2014-08-27 | 宁波市气象台 | 一种在雷达回波中识别汽车行驶导致的非气象回波的方法 |
| CN105388467A (zh) * | 2015-11-03 | 2016-03-09 | 南京信息工程大学 | 一种修正多普勒天气雷达回波衰减的方法 |
| CN108399642A (zh) * | 2018-01-26 | 2018-08-14 | 上海深视信息科技有限公司 | 一种融合旋翼无人机imu数据的通用目标跟随方法和系统 |
| CN108761461A (zh) * | 2018-05-29 | 2018-11-06 | 南京信息工程大学 | 基于天气雷达回波时序图像的降水预报方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 韩丰: "循环神经网络在雷达临近预报中的应用", 《应用气象学报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112666559A (zh) * | 2021-01-27 | 2021-04-16 | 苏州市气象局 | 一种多普勒天气雷达数据质量控制方法 |
| CN112666559B (zh) * | 2021-01-27 | 2022-09-02 | 苏州市气象局 | 一种多普勒天气雷达数据质量控制方法 |
| CN117452369A (zh) * | 2023-12-25 | 2024-01-26 | 江西师范大学 | 一种用于短时灾害性天气监测的回波顶高计算优化方法 |
| CN117452369B (zh) * | 2023-12-25 | 2024-04-05 | 江西师范大学 | 一种用于短时灾害性天气监测的回波顶高计算优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110824479A (zh) | 一种用于短临预报的雷达数据处理方法 | |
| CN112946657B (zh) | 强对流天气中地面风场的识别方法 | |
| CN104569981A (zh) | 协同自适应观测方法 | |
| CN110261857A (zh) | 一种天气雷达空间插值方法 | |
| WO2010127140A2 (en) | High-resolution wind measurements for offshore wind energy development | |
| CN113075706A (zh) | 一种基于gnss-r的雪深反演方法及其应用 | |
| Yin et al. | Clutter mitigation based on spectral depolarization ratio for dual-polarization weather radars | |
| CN110133655B (zh) | 基于多源雷达遥感技术的河流径流监测反演方法 | |
| CN111007501A (zh) | 一种杆塔形变遥测方法 | |
| CN111175720A (zh) | 一种海面风场星上快速反演方法及系统 | |
| Atan et al. | Assessment of extreme wave height events in Galway Bay using high frequency radar (CODAR) data | |
| CN116912068B (zh) | 一种基于面域形变观测的滑坡预警方法 | |
| Park et al. | Retrieval of high-resolution wind fields over the southern Korean Peninsula using the Doppler weather radar network | |
| JP5429493B2 (ja) | 降雨観測設備の投資計画評価方法 | |
| Wang et al. | A rapid identification and warning method for severe weather via Doppler radar based on an improved TITAN algorithm | |
| Kuo et al. | Directional spectrum analysis and statistics obtained from ERS-1 SAR wave images | |
| US9286667B2 (en) | Method of eliminating spurious echoes in SAR imaging | |
| CN114236475A (zh) | 一种基于图像熵判断气象杂波抑制算法效果的方法 | |
| Hengstebeck et al. | The mesocyclone detection algorithm of DWD | |
| Suzuki et al. | X-band dual-polarization radar observations of the supercell storm that generated an F3 tornado on 6 May 2012 in Ibaraki Prefecture, Japan | |
| KR20170104100A (ko) | 윈드프로파일러의 지형클러터 제거 시스템 및 그 방법 | |
| Norin | Observations of anomalous propagation over waters near Sweden | |
| CN110824480A (zh) | 一种复杂地形下的雷达有效仰角选取方法 | |
| TW201430366A (zh) | 應用微波雷達於海岸線及潮間帶地形測量之技術 | |
| Yu et al. | Application of X-band Polarimetric Phased-array Radars in Quantitative Precipitation Estimation |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |