CN111308581B - 一种基于时空局部模型的雷达-雨量计联合降水估测方法 - Google Patents

一种基于时空局部模型的雷达-雨量计联合降水估测方法 Download PDF

Info

Publication number
CN111308581B
CN111308581B CN202010278467.8A CN202010278467A CN111308581B CN 111308581 B CN111308581 B CN 111308581B CN 202010278467 A CN202010278467 A CN 202010278467A CN 111308581 B CN111308581 B CN 111308581B
Authority
CN
China
Prior art keywords
radar
precipitation
echo
space
rain gauge
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
Application number
CN202010278467.8A
Other languages
English (en)
Other versions
CN111308581A (zh
Inventor
张国峰
田光辉
蔡大鑫
白蕤
佟金鹤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan Institute Of Meteorological Sciences
Original Assignee
Hainan Institute Of Meteorological Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hainan Institute Of Meteorological Sciences filed Critical Hainan Institute Of Meteorological Sciences
Priority to CN202010278467.8A priority Critical patent/CN111308581B/zh
Publication of CN111308581A publication Critical patent/CN111308581A/zh
Application granted granted Critical
Publication of CN111308581B publication Critical patent/CN111308581B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • 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)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Electromagnetism (AREA)
  • Hydrology & Water Resources (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于时空局部模型的雷达‑雨量计联合降水估测方法，包括以下步骤：雨量计观测数据初步质量控制，雷达回波质量控制，雷达体扫资料网格化，雷达回波时间权重平均，雷达回波‑雨量计样本对构建，雷达回波划分，利用时空局部模型对雷达和雨量计均有观测值的样本对进行质量控制，利用时空局部模型建立降水回波格点位置的Z‑R关系并估测降水和雷达降水估测值校准实现。本发明的有益效果是：一种基于时空局部模型的雷达‑雨量计联合降水估测方法，通过更加科学地划分降水回波和非降水回波、更加细致地对Z‑R样本对进行质量控制及更加准确地建模随时空变化的Z‑R关系，进一步提高雷达‑雨量计联合估测降水的精度。

Description

一种基于时空局部模型的雷达-雨量计联合降水估测方法
技术领域
本发明涉及气象中降水量客观分析领域，尤其涉及一种基于时空局部模型的雷达-雨量计联合降水估测的方法。
背景技术
用雷达定量估测降水时，非降水回波若不加以识别并去除会造成降水被高估。为此，人们发展了基于模糊逻辑的回波识别算法、阈值法等，以识别并剔除雷达回波中的非降水回波。但基于模糊逻辑的回波识别算法，对于特别强的非降水气象回波，识别效果并不好，且仍不能较好地区分非降水气象回波与弱降水回波。任何强度的雷达回波都可能对应不为0的降水强度，而反射率>15dBZ的任何强度的雷达回波对应的地面降水强度都可能为0。因此，采用阈值法划分降水回波与非降水回波也有其局限性。
受雨滴谱自身变化、雷达观测数据的不确定性等因素影响，Z-R(Z为反射率因子，R为降雨强度)关系中的A和b为空间和时间的复杂函数已是不争的事实。显然，用有限的几种、几十种甚或上百种Z-R关系描述随时空复杂变化的Z-R关系都是不合适的。因此，时空动态型Z-R关系法成为近年来雷达-雨量计联合估测降水方向研究的热点。然而，现有时空动态型Z-R关系法仍然存在或估测精度不高、或需校准的问题。雨量计校准虽可降低区域雷达定量降水估测的系统误差，但仍然可能存在较大的局部误差。
发明内容
本发明正是为了解决上述技术问题而设计的一种基于时空局部模型的雷达-雨量计联合降水估测方法。
本发明解决其技术问题所采用的技术方案是：
一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述方法包括以下步骤：
步骤1：雨量计观测数据初步质量控制：按照雨量计△t1分钟雨量的下限为MINmm,上限为MAX mm，对雨量计观测数据进行初步质量控制；其中，1≤△t1≤60；
步骤2：雷达回波质量控制：通过超折射地物回波识别并去除、回波空洞填补、雷达波束阻挡订正、孤立噪声回波去除处理，对雷达回波进行质量控制；
步骤3：雷达体扫资料网格化：将L km×L km的网格坐标从笛卡尔坐标(经度、纬度和高度)反算到球坐标(仰角、方位和斜距)，然后利用插值法，将步骤2所得雷达回波插值成L km×L km的网格化雷达回波；其中，0.01≤L≤10；
步骤4：雷达回波时间权重平均：对步骤3中生成的网格化数据，按时间权重进行加权平均得到与雨量计匹配的△t1分钟测量值；
步骤5：雷达回波-雨量计雨量样本对构建：对每个雨量计，取与其最近的格点的雷达回波与其雨量建立(Z,R)样本对；
步骤6：雷达回波划分：结合雨量计观测值，采用空间统计学方法，将区域内的回波格点划分为降水回波格点和非降水回波格点；
步骤7：Z-R样本对质量控制：剔除Z为空值的样本对；对每个Z-R均有观测值的样本对，利用其周围时空至多N个Z-R样本对，都构建一个时空局部模型，并利用该模型判定该Z-R样本对是否异常，若判定为异常，则剔除该Z-R样本对；若Z-R样本对达不到要求的数量，则不处理；
步骤8：Z-R关系构建和降水估测：对任一降水回波格点，利用其周围时空至多N个Z-R样本对及时空局部模型，都构建一个“瞬时”Z-R关系，并利用这个Z-R关系估计该格点对应的降水量；若Z-R样本对达不到要求的数量，则利用固定型Z-R关系估测降水；
步骤9：采用空间插值方法对步骤8中的雷达降水估测值再进行校准。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤3插值法采用Barnes插值法，是根据公式①和公式②将体扫资料插值成L km×Lkm的网格化雷达回波；其中，0.01≤L≤10；
Figure GDA0003134176280000031
Figure GDA0003134176280000032
式中，w为雷达采样点的权重系数；Ro、θo、φo为雷达采样点的球坐标,分别为径向距离、方位角和仰角；Rg、θg、φg:为插值格点的球坐标；Kr、Kθ、Kφ:为平滑参数，这里分别取1、0.76、0.76；fg：待插值格点的反射率值；f0(k)：格点(Rg,θg,φg)反射率值的影响区内第k个反射率值；n：参与插值的点数。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤6：结合雨量计观测值，采用空间统计学方法，将区域内的雷达回波划分为降水回波和非降水回波；具体为：一是对同一时次所有雨量计，若雨量计有观测值，则视其降水发生概率为1，否则为0；二是若同一时次有降水雨量计的个数大于C1，采用指示克里金(indicator Kriging)计算任一雷达回波格点位置的降水发生概率P，否则用距离平方反比法计算任一雷达回波格点位置的降水发生概P；三是对任一雷达回波格点，若P≥C2，则将该格点视为降水回波格点；其中，10≤C1≤30，0.3≤C2≤0.7。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤7：Z-R样本对质量控制：剔除Z为空值的样本对；对每个Z-R均有观测值的样本对，取距其前后△t2分钟、D km内的样本对，利用其周围时空至多N个Z-R样本对，都构建一个时空局部模型；设e为时空局部模型对待质控样本的误差,σ为时空局部模型的标准差，若|e/σ|大于指定的阈值C3，则判定该Z-R样本异常，并剔除该Z-R样本对；若样本对数小于C4，则不处理；其中，0≤△t2≤60，0＜D≤100，10≤N≤40，1≤C3≤6，3≤C4≤N。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤8：对所述步骤6中的降水回波格点，采用时空局部模型建立任一降水回波格点的Z-R关系并利用该Z-R关系估测降水；具体为，对每个降水回波格点，取距其前后△t2分钟、D km内的样本对，利用其周围时空至多N个Z-R样本对及时空局部模型，都构建一个“瞬时”Z-R关系，并利用该Z-R关系估计格点对应的降水量；若样本对数小于C5，则采用固定型Z-R关系估测降水；其中，0≤△t2≤60，0＜D≤100，10≤N≤40，2≤C5≤N。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述时空局部模型采用自适应的“半椭球形时空邻域”用于实时估计，“椭球形时空邻域”用于准实时估计，时空距离d根据式⑤计算得出；
Figure GDA0003134176280000041
式中，(u0,v0,t0)、(ui,vi,ti)分别为时空位置x0和xi的时空坐标；μ为时空距离变换参数，根据先验知识或采用交叉验证法确定。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤9：采用空间插值方法对步骤8中的雷达降水估测值再进行校准；具体地：将有降水雨量计位置的雷达降水估测值Ri从观测值Gi剔除，当同一时次有降水雨量计的个数大于C6时，用普通克里金计算每一个降水回波格点位置x0处的残差e(x0)，否则用距离平方反比法计算每一个降水回波格点位置x0处的残差；最后由式⑥得到x0处的最终估计值P(x0)；其中，10≤C6≤30。
P(x0)＝R(x0)+e(x0) ⑥
本发明的有益效果是：一种基于时空局部模型的雷达-雨量计联合降水估测方法通过更加科学地划分降水回波和非降水回波、更加细致地对Z-R样本对进行质量控制及更加准确地建模随时空变化的Z-R关系，进一步提高雷达-雨量计联合估测降水的精度。
附图说明
图1为时空距离和时空邻域示意图。
图2为海口雷达站及海南岛自动雨量站位置分布。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图1和2所示，本发明一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述方法包括以下步骤：
步骤1：雨量计观测数据初步质量控制：按照雨量计△t1分钟雨量的下限为MINmm,上限为MAX mm，对雨量计观测数据进行初步质量控制；其中，1≤△t1≤60；
步骤2：雷达回波质量控制：通过超折射地物回波识别并去除、回波空洞填补、雷达波束阻挡订正、孤立噪声回波去除处理，对雷达回波进行质量控制；
步骤3：雷达体扫资料网格化：将L km×L km的网格坐标从笛卡尔坐标(经度、纬度和高度)反算到球坐标(仰角、方位和斜距)，然后将步骤2所得雷达回波插值成L km×L km的网格化雷达回波；其中，0.01≤L≤10；
步骤4：雷达回波时间权重平均：对步骤3中生成的网格化数据，按时间权重进行加权平均得到与雨量计匹配的△t1分钟测量值；
步骤5：雷达回波-雨量计雨量样本对构建：对每个雨量计，取与其最近的格点的雷达回波与其雨量建立Z-R样本对；
步骤6：雷达回波划分：结合雨量计观测值，采用空间统计学方法，将区域内的回波格点划分为降水回波格点和非降水回波格点；
步骤7：Z-R样本对质量控制：剔除Z为空值的样本对；对每个Z-R均有观测值的样本对，利用其周围时空至多N个Z-R样本对，都构建一个时空局部模型，并利用该模型判定该Z-R样本对是否异常，若判定为异常，则剔除该Z-R样本对；若Z-R样本对达不到要求的数量，则不处理；
步骤8：Z-R关系构建和降水估测：对任一降水回波格点，利用其周围时空至多N个Z-R样本对及时空局部模型，都构建一个“瞬时”Z-R关系，并利用这个Z-R关系估计该格点对应的降水量；若Z-R样本对达不到要求的数量，则利用固定型Z-R关系估测降水；
步骤9：采用空间插值方法对步骤8中的雷达降水估测值再进行校准。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，步骤3所述插值法采用Barnes插值法，是根据公式①和公式②将体扫资料插值成L km×Lkm的网格化雷达回波；其中，0.01≤L≤10；
Figure GDA0003134176280000061
Figure GDA0003134176280000062
式中，w为雷达采样点的权重系数；Ro、θo、φo为雷达采样点的球坐标,分别为径向距离、方位角和仰角；Rg、θg、φg:为插值格点的球坐标；Kr、Kθ、Kφ:为平滑参数，这里分别取1、0.76、0.76；fg：待插值格点的反射率值；f0(k)：格点(Rg,θg,φg)反射率值的影响区内第k个反射率值；n：参与插值的点数。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤5：雷达回波-雨量计雨量样本对构建：对每个雨量计，取与其最近的格点的雷达回波与其雨量建立Z-R样本对。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤6：结合雨量计观测值，采用空间统计学方法，将区域内的雷达回波划分为降水回波和非降水回波；具体为：一是对同一时次所有雨量计，若雨量计有观测值，则视其降水发生概率为1，否则为0；二是若同一时次有降水雨量计的个数大于C1，采用指示克里金(indicator Kriging)计算任一雷达回波格点位置的降水发生概率P，否则用距离平方反比法计算任一雷达回波格点位置的降水发生概P；三是对任一雷达回波格点，若P≥C2，则将该格点视为降水回波格点；其中，10≤C1≤30，0.3≤C2≤0.7。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤7：Z-R样本对质量控制：剔除Z为空值的样本对；对每个Z-R均有观测值的样本对，取距其前后△t2分钟、D km内的样本对，利用其周围时空至多N个Z-R样本对，都构建一个时空局部模型；设e为时空局部模型对待质控样本的误差,σ为时空局部模型的标准差，若|e/σ|大于指定的阈值C3，则判定该Z-R样本异常，并剔除该Z-R样本对；若样本对数小于C4，则不处理；其中，0≤△t2≤60，0＜D≤100，10≤N≤40，1≤C3≤6，3≤C4≤N。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤8：对所述步骤6中的降水回波格点，采用时空局部模型建立任一降水回波格点的Z-R关系并利用该Z-R关系估测降水；具体为，对每个降水回波格点，取距其前后△t2分钟、D km内的样本对，利用其周围时空至多N个Z-R样本对及时空局部模型，都构建一个“瞬时”Z-R关系，并利用该Z-R关系估计格点对应的降水量；若样本对数小于C5，则采用固定型Z-R关系估测降水；其中，0≤△t2≤60，0＜D≤100，10≤N≤40，2≤C5≤N。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤7和8：所述时空局部模型采用自适应的“半椭球形时空邻域”用于实时估计，“椭球形时空邻域”用于准实时估计，时空距离d根据式⑤计算得出；
Figure GDA0003134176280000081
式中，(u0,v0,t0)、(ui,vi,ti)分别为时空位置x0和xi的时空坐标；μ为时空距离变换参数，根据先验知识或采用交叉验证法确定。
所述一种基于时空局部模型的雷达-雨量计联合降水估测方法，所述步骤9：采用空间插值方法对步骤8中的雷达降水估测值再进行校准；具体地：将有降水雨量计位置的雷达降水估测值Ri从观测值Gi剔除，当同一时次有降水雨量计的个数大于C6时，用普通克里金计算每一个降水回波格点位置x0处的残差e(x0)，否则用距离平方反比法计算每一个降水回波格点位置x0处的残差；最后由式⑥得到x0处的最终估计值P(x0)；其中，10≤C6≤30。
P(x0)＝R(x0)+e(x0) ⑥
另一实施例
对△t1＝10分钟，选取海南岛近500个雨量计和海口新一代天气雷达(图2)作为本发明的基于时空局部模型的雷达-雨量计联合降水估测方法的示例。采用如下步骤：
(1)综合考虑雨量计历史极值、最大反射率因子阈值等因素，按照雨量计10分钟雨量的下限为0.1mm,上限为90mm，对雨量计观测数据进行初步质量控制；
(2)通过雷达波束阻挡订正、孤立噪声回波去除处理，得到高质量的雷达回波；
(3)对海南岛生成1km×1km的格网，将1km×1km的网格坐标从笛卡尔坐标反算到球坐标。然后利用自适应Barnes插值法，将第一层仰角雷达回波插值成1km×1km的网格化雷达回波；
(4)对步骤(3)中生成的网格化数据，按时间权重进行加权平均得到与雨量计匹配的10分钟测量值；
(5)对每个雨量计，取与其最近的格点的雷达回波与其雨量建立(Z,R)样本对；
(6)结合雨量计观测值，采用空间插值法，将区域内的雷达回波划分为降水回波和非降水回波；具体为：1)对同一时次所有雨量计，若雨量计有观测值，则视其降水发生概率为1，否则为0；2)若同一时次有降水雨量计的个数大于20，采用指示克里金(indicatorKriging)计算任一雷达回波格点位置的降水发生概率P，否则用距离平方反比法计算任一雷达回波格点位置的降水发生概P；3)对雷达回波任一格点，若P≥0.5，则将该格点视为降水回波格点；
(7)剔除Z为空值的样本对；对每个Z-R均有观测值的样本对，取距其前后△t2(△t2＝60)分钟、D(D＝30)km内的样本对，按时空距离变换参数μ＝25，利用其周围时空至多N(N＝15)个Z-R样本对，都构建一个时空局部加权线性回归模型；设e为时空局部加权线性回归模型对待质控样本的误差,σ为时空局部加权线性回归模型的标准差，若|e/σ|大于指定的阈值C3(C3＝2)，则判定该Z-R样本异常，并剔除该Z-R样本对；这里，加权线性回归以样本对中的R为权重；若样本对数小于C4(C4＝3)，则不处理；
Z-R关系的一般表达式为
Z＝ARb ③
对两边取对数得
10logZ＝10blogR+10logA ④
式中，Z为雷达反射率因子，单位为六次方毫米/立方米；R为雨强，单位为毫米/小时，R由雨量计测得的10分钟雨强转换得到。这样即可根据任一雷达回波格点时空邻域至多N个样本对，以10logR为因变量，10logZ为自变量，R为权重建立Z-R关系的加权线性回归模型；
(8)对每个降水回波格点，取距其前后△t2(△t2＝60)分钟、D(D＝30)km内的样本对,按时空距离变换参数μ＝25，利用其周围时空至多N(N＝15)个Z-R样本对及时空局部加权线性回归模型，都构建一个“瞬时”Z-R关系，并利用这个Z-R关系估计该格点对应的降水量；若样本对数小于C5(C5＝2)，则利用固定型Z-R关系Z＝40R2.5估测降水；
(9)采用空间插值方法对步骤8中的雷达降水估测值再进行校准；具体地：将有降水雨量计位置的雷达降水估测值Ri从观测值Gi剔除，当同一时次有降水雨量计的个数大于C6(C6＝20)时，用普通克里金推算每一个降水回波格点位置x0处的残差e(x0)，否则，用距离平方反比法推算每一个降水回波格点位置x0处的残差；最后由式⑥得到x0处的最终估计值P(x0)；
P(x0)＝R(x0)+e(x0) ⑥
本发明不局限于上述最佳实施方式，任何人在本发明的启示下得出的其他任何与本发明相同或相近似的产品，均落在本发明的保护范围之内。

Claims (6)

1.一种基于时空局部模型的雷达-雨量计联合降水估测方法，其特征在于：所述方法包括以下步骤：
步骤1：雨量计观测数据初步质量控制：按照雨量计△t1分钟雨量的下限为MIN mm,上限为MAX mm，对雨量计观测数据进行初步质量控制；其中，1≤△t1≤60；
步骤2：雷达回波质量控制：通过超折射地物回波识别并去除、回波空洞填补、雷达波束阻挡订正、孤立噪声回波去除处理，对雷达回波进行质量控制；
步骤3：雷达体扫资料网格化：将L km×L km的网格坐标从笛卡尔坐标反算到球坐标，然后利用插值法，将步骤2所得雷达回波插值成L km×L km的网格化雷达回波；其中，0.01≤L≤10；
步骤4：雷达回波时间权重平均：对步骤3中生成的网格化数据，按时间权重进行加权平均得到与雨量计匹配的△t1分钟测量值；
步骤5：雷达回波-雨量计雨量样本对构建：对每个雨量计，取与其最近的格点的雷达回波与其雨量建立Z-R样本对；
步骤6：雷达回波划分：结合雨量计观测值，采用空间统计学方法，将区域内的回波格点划分为降水回波格点和非降水回波格点；
步骤7：Z-R样本对质量控制：剔除Z为空值的样本对；对每个Z-R均有观测值的样本对，利用其周围时空至多N个Z-R样本对，都构建一个时空局部模型，并利用该模型判定该Z-R样本对是否异常，若判定为异常，则剔除该Z-R样本对；若Z-R样本对达不到要求的数量，则不处理；
所述判定该Z-R样本对是否异常的方法是：对每个Z-R均有观测值的样本对，取距其前后△t2分钟、D km内的样本对，利用其周围时空至多N个Z-R样本对，都构建一个时空局部模型；设e为时空局部模型对待质控样本的误差,σ为时空局部模型的标准差，若|e/σ|大于指定的阈值C3，则判定该Z-R样本异常，并剔除该Z-R样本对；若样本对数小于C4，则不处理；其中，0≤△t2≤60，0＜D≤100，10≤N≤40，1≤C3≤6，3≤C4≤N；
步骤8：Z-R关系构建和降水估测：对任一降水回波格点，利用其周围时空至多N个Z-R样本对及时空局部模型，都构建一个“瞬时”Z-R关系，并利用这个Z-R关系估计该格点对应的降水量；若Z-R样本对达不到要求的数量，则利用固定型Z-R关系估测降水；
步骤9：采用空间插值方法对步骤8中的雷达降水估测值进行校准。
2.根据权利要求1所述的一种基于时空局部模型的雷达-雨量计联合降水估测方法，其特征在于：步骤3所述插值法采用Barnes插值法，根据公式①和②将体扫资料插值成L km×L km的网格化雷达回波；其中，0.01≤L≤10；
Figure FDA0003134176270000021
Figure FDA0003134176270000022
式中，w为雷达采样点的权重系数；Ro、θo、φo为雷达采样点的球坐标,分别为径向距离、方位角和仰角；Rg、θg、φg:为插值格点的球坐标；Kr、Kθ、Kφ:为平滑参数，这里分别取1、0.76、0.76；fg：待插值格点的反射率值；f0(k)：格点(Rg,θg,φg)反射率值的影响区内第k个反射率值；n：参与插值的点数。
3.根据权利要求1所述的一种基于时空局部模型的雷达-雨量计联合降水估测方法，其特征在于：所述步骤6：结合雨量计观测值，采用空间统计学方法，将区域内的雷达回波划分为降水回波和非降水回波；具体为：一是对同一时次所有雨量计，若雨量计有观测值，则视其降水发生概率为1，否则为0；二是若同一时次有降水雨量计的个数大于C1，采用指示克里金计算任一雷达回波格点位置的降水发生概率P，否则用距离平方反比法计算任一雷达回波格点位置的降水发生概P；三是对任一雷达回波格点，若P≥C2，则将该格点视为降水回波格点；其中，10≤C1≤30，0.3≤C2≤0.7。
4.根据权利要求1所述的一种基于时空局部模型的雷达-雨量计联合降水估测方法，其特征在于：所述步骤8对步骤6中的降水回波格点，采用时空局部模型建立任一降水回波格点的Z-R关系并利用该Z-R关系估测降水；具体为，对每个降水回波格点，取距其前后△t2分钟、D km内的样本对，利用其周围时空至多N个Z-R样本对及时空局部模型，都构建一个“瞬时”Z-R关系，并利用该Z-R关系估计格点对应的降水量；若样本对数小于C5，则采用固定型Z-R关系估测降水；其中，0≤△t2≤60，0＜D≤100，10≤N≤40，2≤C5≤N。
5.根据权利要求1或4所述的一种基于时空局部模型的雷达-雨量计联合降水估测方法，其特征在于：所述时空局部模型采用自适应的“半椭球形时空邻域”用于实时估计，“椭球形时空邻域”用于准实时估计，时空距离d根据式⑤计算得出；
Figure FDA0003134176270000031
式中，(u0,v0,t0)、(ui,vi,ti)分别为时空位置x0和xi的时空坐标；μ为时空距离变换参数，根据先验知识或采用交叉验证法确定。
6.根据权利要求1所述的一种基于时空局部模型的雷达-雨量计联合降水估测方法，其特征在于：采用空间插值方法对步骤8中的雷达降水估测值再进行校准；具体地：将有降水雨量计位置的雷达降水估测值Ri从观测值Gi剔除，当同一时次有降水雨量计的个数大于C6时，用普通克里金计算每一个降水回波格点位置x0处的残差e(x0)，否则，用距离平方反比法计算每一个降水回波格点位置x0处的残差；最后由式⑥得到x0处的最终估计值P(x0)；
P(x0)＝R(x0)+e(x0) ⑥
其中，10≤C6≤30。
CN202010278467.8A 2020-04-10 2020-04-10 一种基于时空局部模型的雷达-雨量计联合降水估测方法 Active CN111308581B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010278467.8A CN111308581B (zh) 2020-04-10 2020-04-10 一种基于时空局部模型的雷达-雨量计联合降水估测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010278467.8A CN111308581B (zh) 2020-04-10 2020-04-10 一种基于时空局部模型的雷达-雨量计联合降水估测方法

Publications (2)

Publication Number Publication Date
CN111308581A CN111308581A (zh) 2020-06-19
CN111308581B true CN111308581B (zh) 2021-10-22

Family

ID=71150035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010278467.8A Active CN111308581B (zh) 2020-04-10 2020-04-10 一种基于时空局部模型的雷达-雨量计联合降水估测方法

Country Status (1)

Country Link
CN (1) CN111308581B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113837422B (zh) * 2020-06-24 2024-06-14 海南省气象科学研究所 一种基于多源大数据的降水落区确定方法
CN113988351A (zh) * 2020-07-27 2022-01-28 海南省气象科学研究所 一种基于时空局部模型的数值模式气温预报产品释用方法
CN113988350A (zh) * 2020-07-27 2022-01-28 海南省气象科学研究所 一种基于时空局部模型的数值模式降水预报产品释用方法
CN113988349A (zh) * 2020-07-27 2022-01-28 海南省气象科学研究所 一种基于时空局部模型的数值模式预报产品客观释用方法
CN112526641B (zh) * 2020-12-10 2023-04-07 重庆市气象台 一种实时标识雨量观测值质量的方法、系统及设备
CN113009595B (zh) * 2021-02-09 2023-05-02 海南省气象科学研究所 一种基于车载传感器的降雨监测方法及相关装置
CN112632472B (zh) * 2021-03-09 2021-08-31 武汉理工大学 一种基于空间统计学的多来源降雨数据融合算法及装置
CN112800634B (zh) * 2021-04-07 2021-06-25 水利部交通运输部国家能源局南京水利科学研究院 耦合干湿状态辨识与多源信息融合的降水估计方法及系统
CN113253275B (zh) * 2021-04-22 2024-07-02 南京航空航天大学 一种基于改进rbf神经网络的降雨量估计方法
CN113534090B (zh) * 2021-07-14 2024-01-30 中国科学院大气物理研究所 一种云中液态水含量的反演方法及装置
CN115016043B (zh) * 2022-07-04 2023-08-22 中国人民解放军63790部队 基于垂直结构和降水率的降水分类方法及系统
CN116068559B (zh) * 2022-12-14 2023-09-12 广东省气象台(南海海洋气象预报中心、珠江流域气象台) 联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107918166B (zh) * 2016-10-09 2019-10-18 清华大学 多卫星融合降水方法及系统
CN107632329A (zh) * 2017-09-04 2018-01-26 贵州东方世纪科技股份有限公司 一种虚拟雨量站雨量计算方法
CN108761576B (zh) * 2018-05-28 2020-11-13 国网山西省电力公司电力科学研究院 一种x波段气象雷达与雨量站数据融合方法及系统
CN108761408B (zh) * 2018-06-24 2023-05-23 中国气象局上海台风研究所(上海市气象科学研究所) 一种评估地基天气雷达非降水回波识别算法效果的方法
KR102058700B1 (ko) * 2018-08-21 2019-12-24 부경대학교 산학협력단 강수입자 분석기기로부터 계산된 수농도 및 종단속도 보정을 위한 장치 및 방법

Also Published As

Publication number Publication date
CN111308581A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN111308581B (zh) 一种基于时空局部模型的雷达-雨量计联合降水估测方法
CN111583214B (zh) 基于rbf神经网络的航海雷达图像反演海面风速方法
CN112213727B (zh) 一种基于主被动微波联合探测的星载雷达的降水订正方法
Chumchean et al. Correcting of real-time radar rainfall bias using a Kalman filtering approach
Goudenhoofdt et al. Evaluation of radar-gauge merging methods for quantitative precipitation estimates
CN110346844A (zh) Nriet基于云分类和机器学习的定量降水估测方法
CN109100717B (zh) 一种多源微波遥感海面风场数据融合方法及其装置
US11333797B1 (en) Method for estimating quantitative precipitation by combining observation data of weather radar and rain gauges
Seo et al. Radar-rainfall estimation algorithms of Hydro-NEXRAD
KR101512015B1 (ko) 기상 레이더 자료를 이용한 대류성 강우를 예측하는 방법
CN113740934B (zh) 一种基于s波段双偏振天气雷达降水估测方法
CN110263838B (zh) 一种多传感器降水估计融合方法
Ayat et al. How do different sensors impact IMERG precipitation estimates during hurricane days?
CN113311416B (zh) 山地小流域雷达定量降水估计方法
CN108761408B (zh) 一种评估地基天气雷达非降水回波识别算法效果的方法
CN113901384A (zh) 顾及全局空间自相关性和局部异质性的地面pm2.5浓度建模方法
CN115840205B (zh) 一种基于激光雷达技术的地形面积计量方法和系统
CN113267834A (zh) 一种基于多模型集成的融合降水预报方法
CN112666559A (zh) 一种多普勒天气雷达数据质量控制方法
Zou et al. A method of radar echo extrapolation based on TREC and Barnes filter
CN110728055A (zh) 一种基于双层规划的改进克里金插值方法
CN114646935A (zh) 一种海杂波分布参数估计方法
CN116299247B (zh) 一种基于稀疏卷积神经网络的InSAR大气校正方法
Ware Corrections to radar-estimated precipitation using observed rain gauge data
Wardah et al. Radar rainfall estimates comparison with kriging interpolation of gauged rain

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