CN111624607A - 低空风切变区域的获取方法、装置、设备和存储介质 - Google Patents
低空风切变区域的获取方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111624607A CN111624607A CN202010534173.7A CN202010534173A CN111624607A CN 111624607 A CN111624607 A CN 111624607A CN 202010534173 A CN202010534173 A CN 202010534173A CN 111624607 A CN111624607 A CN 111624607A
- Authority
- CN
- China
- Prior art keywords
- radar
- tangential
- radial
- data
- polar coordinate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000012545 processing Methods 0.000 claims abstract description 150
- 238000013441 quality evaluation Methods 0.000 claims abstract description 59
- 230000000007 visual effect Effects 0.000 claims abstract description 39
- 238000001303 quality assessment method Methods 0.000 claims abstract description 12
- 239000002131 composite material Substances 0.000 claims description 196
- 230000008859 change Effects 0.000 claims description 108
- 230000008569 process Effects 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000012800 visualization Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 description 10
- 230000009977 dual effect Effects 0.000 description 9
- 230000010287 polarization Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012854 evaluation process Methods 0.000 description 5
- 238000003672 processing method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G01S13/953—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on aircraft
-
- 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
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种低空风切变区域的获取方法、装置、计算机设备和存储介质。所述方法包括：获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据；对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。采用本方法能够提高识别风切变区域的准确性和可靠性。
Description
技术领域
本申请涉及航空气象技术领域，特别是涉及一种低空风切变区域的获取方法、装置、设备和存储介质。
背景技术
强对流天气的风场三维结构中最典型的天气是风切变，风切变是指大气在某一时间内空间上任意两点之间风矢量的变化，因此是国际航空和气象界已公认的对飞行有重大影响的天气现象。特别是与雷暴有关的低空风切变(600m以下的风切变)，更会影响升降航班安全。比如历史上曾因为飞机在起飞和降落的过程中遇到低空风切变发生造成飞机失事。
传统技术中，通过实时采集边界层风廓线雷达数据和机场跑道风传感器数据得到的风场信息提取并输出风切变信息，当风切变信息超过系统阈值时，触发系统内部预警信号。
然而，传统方法只是在采集的边界层风廓线雷达数据和机场跑道风传感器数据中提取风切变信息，导致识别风切变的准确度不高。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高风切变区域的识别率的低空风切变区域的获取方法、装置、计算机设备和存储介质。
一种低空风切变区域的获取方法，所述方法包括：
获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹；
对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；
对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；
根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
在其中一个实施例中，还包括：在所述根据所述质量评估结果，输出区域生长操作信息的步骤之前，所述方法还包括：
判断所述质量评估结果中的信噪比或峰值信噪比是否大于预先设定的信噪比阈值或峰值信噪比阈值；
若是，则输出区域生长操作信息；
若否，则输出区域生长终止信息。
在其中一个实施例中，所述基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域，包括：
获取所述雷达极坐标数据中的雷达极坐标复合速度数据，并对所述雷达极坐标复合速度数据进行二维转换，得到雷达二维复合速度数据；
将所述雷达二维复合速度数据划分为K个区域，并将第k个区域中心点的复合速度数据作为第k个区域的第k个种子点；
判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值；
当每个所述邻域复合速度值未超过所述复合速度阈值时，则将所述第k个种子点所在子区域与所述邻域复合速度值所在子区域进行合并，得到第k个合成子区域，并将所述第k个种子点和所述邻域作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至新的种子点k周围的每个邻域复合速度值都超过所述复合速度阈值时停止第k个区域的区域生成，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；
当每个所述邻域复合速度值超过所述复合速度阈值时，则停止第k个区域的区域生长，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；
直到K个区域都停止区域生长时，将第1个合成子区域至第K个合成子区域确定为所述目标风切变区域。
在其中一个实施例中，所述对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据，包括：
对所述雷达极坐标数据进行预处理，得到预处理后雷达极坐标数据；
获取所述预处理后雷达极坐标数据中雷达径向上的多个径向分段雷达数据，以及雷达切向上的多个切向分段雷达数据；
对每个径向分段雷达数据进行线性拟合处理，得到目标径向速度变化值；其中，所述目标径向速度变化值包括多个径向分段的多个径向速度变化值；
对每个切向分段雷达数据进行线性拟合处理，得到目标切向速度变化值；其中，所述目标切向速度变化值包括多个切向分段的多个切向速度变化值；
根据所述目标径向速度变化值和所述目标切向速度变化值，得到目标复合速度变化值；
对所述目标复合速度变化值进行可视化处理，得到目标可视化图像数据。
在其中一个实施例中，所述对每个径向分段雷达数据进行线性拟合处理，包括：
针对每个径向分段雷达数据沿着雷达径向选取n个径向位置点；其中，每个径向位置点包括每个径向点的径向速度以及每个径向点与雷达之间的距离，n为大于0的整数；
对每个径向分段雷达数据进行n点拟合处理采用公式(1)，得到每个径向分段的径向速度变化值：
式(1)中，vi表示第i个径向点的径向速度，ri表示第i个径向点与雷达之间的距离，
表示每个径向分段的径向速度变化值。
在其中一个实施例中，所述对每个切向分段雷达数据进行线性拟合处理，包括：
针对每个切向分段雷达数据沿着雷达切向选取m个切向位置点；其中，每个切向位置点包括每个切向点的方位角以及每个切向点与雷达之间的距离，m为大于0的整数；
对每个切向分段雷达数据进行m点拟合处理采用公式(2)，得到每个切向分段的切向速度变化值：
式(2)中，vj表示第j个切向点的切向速度，θj表示第j个切向点相应的方位角，r表示第j个切向点与雷达之间的距离，
表示每个切向分段的切向速度变化值。
在其中一个实施例中，所述目标复合速度变化值，包括包括每个径向分段的径向速度变化值和每个切向分段的切向速度变化值的对应复合速度变化值，所述对应复合速度变化值的确定过程为：
一种低空风切变区域的获取装置，所述装置包括：
获取模块，用于获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹。
第一处理模块，用于对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；
评估模块，用于对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；
第二处理模块，用于根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹；
对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；
对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；
根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹；
对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；
对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；
根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
上述低空风切变区域的获取方法、装置、计算机设备和存储介质，其中所述低空风切变区域的获取方法首先获取低空下的雷达极坐标数据，并对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据。由于所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹，因此在对所述雷达极坐标数据进行分段及拟合处理后能够避免噪声过大或存在毛尖等异常现象，从而确保所得到的可视化图像的平坦性和稳定性；进一步地，通过对所述可视化图像数据进行针对信噪比或者峰值信噪比的质量评估处理，能够实现根据质量评估处理后得到的质量评估结果输出区域生长操作信息，以此解决所述雷达极坐标数据中的分段不连续问题，也能够实现通过基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理后得到目标风切变区域，以此实现了定量确定低空分切变区域的目的，不仅能够降低飞机起降过程中的危害，也能够躲避风切变对航空安全的危害，进一步为灾害性天气的预警提供了重要的提示作用，从而也提高了通过低空下的雷达极坐标数据获取低空风切变区域的精准性和可靠性。
附图说明
图1为一个实施例中低空风切变区域的获取方法的流程示意图；
图2为再一实施例中低空风切变区域的获取方法的流程示意图；
图3为另一实施例中低空风切变区域的获取方法的流程示意图；
图4为又一实施例中低空风切变区域的获取方法的流程示意图；
图5为又一实施例中低空风切变区域的获取方法的流程示意图；
图6为又一实施例中低空风切变区域的获取方法的流程示意图；
图7为一个实施例中低空风切变区域的获取装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的低空风切变区域的获取方法，其执行主体可以是低空风切变区域的获取装置，所述低空风切变区域的获取装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。可选的，该计算机设备可以为个人计算机(PersodalComputer，PC)、便携式设备、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等具有摄像功能的电子设备，例如平板电脑、手机等等，本申请实施例对计算机设备的具体形式并不做限定。
需要说明的是，下述方法实施例的执行主体可以是上述计算机设备的部分或者全部。下述方法实施例以执行主体为计算机设备为例进行说明。
在一个实施例中，如图1所示，提供了一种低空风切变区域的获取方法，包括以下步骤：
步骤S11，获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹。
其中，所述低空可以包括1000米以下的飞行区域。可选地，低空可以为600米以下。
具体地，计算机设备可以针对双偏振雷达获取该双偏振雷达在X波段探测到的雷达基础数据，由于双偏振雷达是既能发射和接收水平偏振波、又能发射和接收垂直偏振波的雷达，因此可以将所述X波段探测到的雷达基础数据作为所述雷达极坐标数据。
在实际处理过程中，由于雨雪、颗粒、冰雹、雷暴、积雨云、龙卷等恶劣天气现象对X波段的信号传输有一定的影响，并且所述恶劣天气有较强的对流，以此产生低空风切变，所述低空风切变可以包括低空风切变或者垂直风切变。比如，雷暴能形成强烈的垂直风切变；强下击暴流到达地面后向四周扩散的阵风，能形成强烈的水平风切变。因此可以通过处理双偏振雷达探测X波段得到所述雷达极坐标数据的方式来识别低空风切变。
步骤S12，对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据。
其中，所述分段及拟合处理可以包括对所述雷达极坐标数据进行改进的最小二乘算法处理。
具体地，计算机设备在获取到所述雷达极坐标数据时，为了减少噪声和缺测数据对算法的识别效果的影响，可以先对所述雷达极坐标数据预处理，比如中值滤波处理，得到滤波处理后雷达数据；其中，所述缺测数据可以包括双偏振雷达在接收回波数据时存在运动目标运动太快导致接收到的雷达数据不全面而出现模糊区域数据。可选地，中值滤波可以采用3*5大小的滤波窗口，即在所述雷达极坐标数据中沿着双偏振雷达径向、由双偏振雷达中心向外取5个连续数据，并沿双偏振雷达中心0°方向着顺时针方向取3个方位角。
然后，再对所述滤波处理后雷达数据使用改进的最小二乘法进行处理，得到可视化图像数据，以为后续进行质量评估处理提供依据。
在实际处理过程中，计算机设备可以接收客户端反馈的针对所述滤波处理后雷达数据的处理策略，如果所述处理策略为最小二乘处理方法，计算机设备可以对所述滤波处理后雷达数据进行最小二乘法处理和可视化处理，得到初始可视化图像数据，然后计算机设备对所述初始化图像数据进行识别处理后，确定所述初始可视化图像数据中存在较大噪声特征和/或毛尖特征等其它不符合正常自然现象的变化特征，因此可以确定所述初始可视化图像数据并不能识别出低空风切变，并向客户端发送所述处理策略无法识别低空风切变以及改变所述处理策略为改进的最小二乘处理方法的提示信息，然后可以舍弃所述初始可视化图像数据，并对所述滤波处理后雷达数据使用改进的最小二乘方法进行处理，以得到能进行指令评估处理的所述可视化图像数据。
步骤S13，对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果。
其中，所述质量评估处理可以是针对所述可视化图像数据中信噪比或者峰值信噪比进行评估处理。可选地，所述质量评估处理也可以是针对所述可视化图像数据中结构相似性或者均方误差的评估处理。
具体地，计算机设备在得到所述可视化图像数据时，可以针对所述可视化图像数据中信噪比或者峰值信噪比进行评估处理，因此评估处理后得到的所述质量评估结果中可以包括针对所述可视化图像数据中信噪比的信噪评估结果或者针对所述可视化图像数据中峰值信噪比的峰值信噪评估结果。
步骤S14，根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
其中，所述区域生长操作信息可以包括区域生长处理处理信息。
具体地，当计算机设备根据针对所述可视化图像数据中信噪比的信噪评估结果或者针对所述可视化图像数据中峰值信噪比的峰值信噪评估结果，确定出所述雷达极坐标数据中存在分段且分段之间过渡不平缓的问题时，可以输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，以解决所述雷达极坐标数据中存在的分段之间不平缓的问题，从而得到目标风切变区域，所述目标风切变区域中可以包括识别出来的目标低空风切变线。
在实际处理过程中，计算机设备中可以预先存储针对所述可视化图像数据中信噪比的信噪评估参考结果或者针对所述可视化图像数据中峰值信噪比的峰值信噪参考结果，使得在得到针对所述可视化图像数据中信噪比的信噪评估结果或者针对所述可视化图像数据中峰值信噪比的峰值信噪评估结果时，可以与对应的峰值信噪评估参考结果或者对应的信噪评估参考结果进行比较，确定所述信噪评估结果或者峰值信噪评估结果，与对应的峰值信噪评估参考结果或者对应的信噪评估参考结果不匹配时，可以输出区域生长操作信息。
上述低空风切变区域的获取方法中，首先获取低空下的雷达极坐标数据，并对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据。由于所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹，因此在对所述雷达极坐标数据进行分段及拟合处理后能够避免噪声过大或存在毛尖等异常现象，从而确保所得到的可视化图像的平坦性和稳定性；进一步地，通过对所述可视化图像数据进行针对信噪比或者峰值信噪比的质量评估处理，能够实现根据质量评估处理后得到的质量评估结果输出区域生长操作信息，以此解决所述雷达极坐标数据中的分段不连续问题，也能够实现通过基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理后得到目标风切变区域，以此实现了定量确定低空分切变区域的目的，不仅能够降低飞机起降过程中的危害，也能够躲避风切变对航空安全的危害，进一步为灾害性天气的预警提供了重要的提示作用，从而也提高了通过低空下的雷达极坐标数据获取低空风切变区域的精准性和可靠性。
在一个实施例中，如图2所示，步骤S12包括：
步骤S121，对所述雷达极坐标数据进行预处理，得到预处理后雷达极坐标数据。
具体地，计算机设备在获取到所述雷达极坐标数据时，可以先对所述雷达极坐标数据预处理，得到预处理后雷达极坐标数据。其中，预处理可以为中值滤波处理，并且中值滤波可以采用3*5大小的滤波窗口，即在所述雷达极坐标数据中沿着双偏振雷达径向、由双偏振雷达中心向外取5个连续数据，并沿双偏振雷达中心0°方向着顺时针方向取3个方位角。
步骤S122，获取所述预处理后雷达极坐标数据中雷达径向上的多个径向分段雷达数据，以及雷达切向上的多个切向分段雷达数据。
具体地，计算机设备在得到所述预处理后雷达极坐标数据时，可以从所述预处理后雷达极坐标数据中沿着雷达径向划分Nr段，以及从所述预处理后雷达极坐标数据中沿着雷达切向划分Nt段，以此得到Nr个径向分段雷达数据和Nt个切向分段雷达数据。其中，Nr表示雷达径向拟合的雷达数据点数，Nt表示雷达切向拟合的雷达数据点数，Nr和Nt都为大于0的正整数。并且，雷达径向可以为沿着双偏振雷达半径的方向，雷达切向可以为垂直于双偏振雷达半径的方向，所述雷达径向和所述雷达切向相切。
在实际处理中，计算机设备基于所述预处理后雷达极坐标数据获取所述Nr个径向分段雷达数据和Nt个切向分段雷达数据，可以是使用改进的最小二乘处理方法预处理后雷达极坐标数据的前提条件，Nr和Nt的取值也可以是去除所述预处理后雷达极坐标数据中所存在的较大噪声特征和/或毛尖特征等其它不符合正常自然现象的变化特征的前提条件，并且满足Nr×Nt＝C，C为常数。因此C的取值尤为重要。可选的，C可以取经验值20。
步骤S123，对每个径向分段雷达数据进行线性拟合处理，得到目标径向速度变化值；其中，所述目标径向速度变化值包括多个径向分段的多个径向速度变化值。
具体地，计算机设备在获取到所述Nr个径向分段雷达数据时，可以对每个径向分段雷达数据进行线性拟合处理，以此得到Nr个径向分段的Nr个径向速度变化值，然后，将所述Nr个径向分段的Nr个径向速度变化值作为所述目标径向速度变化值。并且，计算机设备对每个径向分段雷达数据进行线性拟合处理，可以是计算雷达径向速度在每个径向分段的切向速度变化值，也可以表征每个径向分段的径向风切变。
步骤S124，对每个切向分段雷达数据进行线性拟合处理，得到目标切向速度变化值；其中，所述目标切向速度变化值包括多个切向分段的多个切向速度变化值。
具体地，计算机设备在获取到所述Nt个切向分段雷达数据时，可以对每个切向分段雷达数据进行线性拟合处理，以此得到Nt个切向分段的Nt个切向速度变化值，然后，将所述Nt个切向分段的Nt个切向速度变化值作为所述目标切向速度变化值。并且，计算机设备对每个切向分段雷达数据进行线性拟合处理，可以是计算雷达切向速度在每个切向分段的切向速度变化值，也可以表征每个切向分段的切向风切变，所述切向风切变可以包括从零度方位角开始沿着顺时针方向变化的风切变。
步骤S125，根据所述目标径向速度变化值和所述目标切向速度变化值，得到目标复合速度变化值。
具体地，计算机设备确定出所述目标径向速度变化值和所述目标切向速度变化值，可以是计算机设备确定出了每个径向分段的径向速度变化值和每个切向分段的切向速度变化值，然后再计算每个径向分段的径向速度变化值和每个切向分段的切向速度变化值的对应复合速度变化值，以便于得到每个径向分段、每个切向分段拟合后的复合切变，然后将所计算出的各个复合速度变化值作为所述目标复合速度变化值。
在实际处理过程中，计算机设备在计算每个径向分段的径向速度变化值和每个切向分段的切向速度变化值的对应复合速度变化值时，可以通过式(1)进行计算：
在式(1)中，
表示每个径向分段的径向速度变化值，
表示每个切向分段的切向速度变化值。
步骤S126，对所述目标复合速度变化值进行可视化处理，得到目标可视化图像数据。
具体地，计算机设备在得到所述目标复合速度变化值时，可以进一步对所述目标复合速度变化值进行可视化处理，也即对每个径向分段的径向速度变化值和每个切向分段的切向速度变化值的对应复合速度变化值进行可视化处理，因此得到的所述目标可视化图像数据可以是由多个径向分段、多个切向分段拟合后的多个复合切变对应的复杂视觉模型。
本实施例中，计算机设备通过对所述雷达极坐标数据进行预处理，得到预处理后雷达极坐标数据，以此减少噪声和模糊区域数据对风切变区域的识别效果；然后获取所述预处理后雷达极坐标数据中雷达径向上的多个径向分段雷达数据，以及雷达切向上的多个切向分段雷达数据后对每个径向分段雷达数据进行线性拟合处理，以及对每个切向分段雷达数据进行线性拟合处理，得到所述目标径向速度变化值和所述目标切向速度变化值，以实现根据所述目标径向速度变化值和所述目标切向速度变化值得到的所述目标复合速度变化值确定所述目标可视化图像数据的目的，解决了雷达极坐标数据中存在的较大噪声特征和/或毛尖特征等其它不符合正常自然现象的变化特征问题，提高了可视化图像数据的可靠性和完整性，从而为后续识别目标风切变区域的目的奠定基础。
在一个实施例中，如图3所示，步骤S123包括：
步骤S1231，针对每个径向分段雷达数据沿着雷达径向选取n个径向位置点；其中，每个径向位置点包括每个径向点的径向速度以及每个径向点与雷达之间的距离，n为大于0的整数。
具体地，计算机设备在针对每个径向分段雷达数据沿着雷达径向选取径向位置点时，可以连续选取n个径向位置点，也可以间隔选取n个径向位置点，每个径向位置点包括对应径向位置点的径向速度和对应径向位置点到双偏振雷达之间的距离。可选的，n的取值可以为6。
步骤S1232，对每个径向分段雷达数据进行n点拟合处理采用公式(2)，得到每个径向分段的径向速度变化值：
式(2)中，vi表示第i个径向点的径向速度，ri表示第i个径向点与雷达之间的距离，
表示每个径向分段的径向速度变化值。
在实际处理过程中，计算机设备可以采用改进的最小二乘法方法计算得到每个径向分段的径向速度变化值，也即在将所述预处理后雷达极坐标数据中沿着雷达径向划分Nr段后，可以进一步对每个径向分段雷达数据分别再进行n点拟合处理，以此确保所得到的每个径向分段的径向速度变化值的准确性。
本实施例中，计算机设备通过对每个径向分段雷达数据沿着雷达径向选取n个径向位置点来实现对每个径向分段雷达数据进行n点拟合处理后得到所述目标径向速度变化值的目的，从而提高了利用改进的最小二乘法方法确定目标径向速度变化值的有效性和易实现性，从而也提高了所确定出的所述目标径向速度变化值的数据可靠性和数据准确性。
在一个实施例中，如图4所示，步骤S124包括：
步骤S1241，针对每个切向分段雷达数据沿着雷达切向选取m个切向位置点；其中，每个切向位置点包括每个切向点的方位角以及每个切向点与雷达之间的距离，m为大于0的整数。
具体地，计算机设备在针对每个切向分段雷达数据沿着雷达切向选取切向位置点时，也可以连续选取m个切向位置点，也可以间隔选取m个切向位置点，并且每个切向位置点包括对应切向位置点的方位角和对应切向位置点到双偏振雷达之间的距离。可选的，m的取值可以为8。
步骤S1242，对每个切向分段雷达数据进行m点拟合处理采用公式(3)，得到每个切向分段的切向速度变化值：
式(3)中，vj表示第j个切向点的切向速度，θj表示第j个切向点相应的方位角，r表示第j个切向点与雷达之间的距离，
表示每个切向分段的切向速度变化值。
在实际处理过程中，计算机设备可以采用改进的最小二乘法方法计算得到每个切向分段的切向速度变化值，也即在将所述预处理后雷达极坐标数据中沿着雷达切向划分Nt段后，可以进一步对每个切向分段雷达数据分别再进行m点拟合处理，以此确保所得到的每个切向分段的切向速度变化值的准确性。
本实施例中，计算机设备通过对每个切向分段雷达数据沿着雷达切向选取m个切向位置点来实现对每个切向分段雷达数据进行m点拟合处理后得到所述目标切向速度变化值的目的，从而提高了利用改进的最小二乘法方法确定目标切向速度变化值的有效性和易实现性，从而也提高了所确定出的所述目标切向速度变化值的数据可靠性和数据准确性。
在一个实施例中，如图5所示，在步骤S13之后，所述方法还包括：
步骤S21，判断所述质量评估结果中的信噪比或峰值信噪比是否大于预先设定的信噪比阈值或峰值信噪比阈值。
其中，信噪比(SIGNAL-NOISE RATIO，SNR)，可以包括所述可视化图像数据中信号与噪声的比例，其计算公式为SNR＝10lg(PS/PN)，PS表示所述可视化图像数据中的信号，PN表示所述可视化图像数据中的噪声，单位为dB。
峰值信噪比(Peak Signal to Noise Ratio，PSNR)，可以包括所述可视化图像数据中信号强度与背景噪声的比例，其计算公式为
具体地，计算机设备在得到所述可视化图像数据时，可以针对所述可视化图像数据的信噪比与预先设定的信噪比阈值，或者针对所述可视化图像数据的峰值信噪比与预先设定的峰值信噪比阈值进行大小比较。如果确定所述质量评估结果中的信噪比大于预先设定的信噪比阈值，或者所述质量评估结果中的峰值信噪比大于预先设定的峰值信噪比阈值，进入步骤S22；反之，如果确定所述质量评估结果中的信噪比小于等于于预先设定的信噪比阈值，或者所述质量评估结果中的峰值信噪比小于等于预先设定的峰值信噪比阈值，进入步骤S23。
在实际处理过程中，计算机设备还可以针对所述可视化图像数据的结构相似性与预先设定的结构相似性阈值，或者针对所述可视化图像数据的均方误差比与预先设定的均方误差阈值进行大小比较。可选的，所述结构相似性阈值的取值范围可以为(0.4～0.6)。
步骤S22，若是，则输出区域生长操作信息。
具体地，计算机设备确定所述质量评估结果中的信噪比大于预先设定的信噪比阈值，或者所述质量评估结果中的峰值信噪比大于预先设定的峰值信噪比阈值，可以确定所述雷达极坐标数据中存在分段且分段之间过渡不平缓的问题，此时可以输出输出区域生长操作信息，并将大于所述信噪比阈值或者大于所述峰值信噪比阈值的对应雷达极坐标数据作为待进行区域生长处理的目标对象区域，以便于后续基于所述区域生长操作信息对所述目标对象区域进行区域生长处理，解决所述雷达极坐标数据中存在分段且分段之间过渡不平缓的问题，从而得到所述目标风切变区域。
步骤S23，若否，则输出区域生长终止信息。
具体地，计算机设备确定所述质量评估结果中的信噪比小于等于预先设定的信噪比阈值，或者所述质量评估结果中的峰值信噪比小于等于预先设定的峰值信噪比阈值，可以确定所述可视化图像数据中信噪比小于等于所述信噪比阈值或者峰值信噪比小于等于所述峰值信噪比阈值对应的区域图像质量较好，且不需要进行区域生长处理。
本实施例中，计算机设备通过判断所述质量评估结果中的信噪比或峰值信噪比是否大于预先设定的信噪比阈值或峰值信噪比阈值来确定是输出区域生长操作信息还是输出区域生长终止信息，以此确定所述可视化图像中图像质量较差且需要进行区域生长操作的对应雷达极坐标数据，从而提高了识别目标风切变区域的可靠性和准确性。
在一个实施例中，如图6所示，在步骤S14中所述基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域，包括：
步骤S141，获取所述雷达极坐标数据中的雷达极坐标复合速度数据，并对所述雷达极坐标复合速度数据进行二维转换，得到雷达二维复合速度数据。
具体地，计算机设备在输出区域生长操作信息时，可以确定计算机确定出了所述可视化图像数据中图像质量较差且需要区域生长处理的目标对象区域，然后在所述雷达极坐标数据中对应提取所述目标对象区域对应的目标雷达极坐标数据，并获取所述目标雷达极坐标数据的雷达极坐标复合速度数据，所述雷达极坐标复合速度数据可以根据目标雷达极坐标数据中包括的双偏振雷达径向速度和双偏振雷达切向速度获取。然后再对所述雷达极坐标复合速度数据进行二维转换，得到雷达二维复合速度数据。
步骤S142，将所述雷达二维复合速度数据划分为K个区域，并将第k个区域中心点的复合速度数据作为第k个区域的第k个种子点。
具体地，计算机设备将所述雷达二维复合雷达数据划分为K个区域，可以是计算机设备将所述可视化图像数据中图像质量较差且需要区域生长处理的目标对象区域对应的二维复合速度数据区域划分为K个区域，然后将每个区域中心点的复合速度作为对应区域的种子点。
步骤S143，判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值。
具体的，计算机设备在确定出每一个区域的种子点时，可以进一步获取每个种子点周围邻域的4个复合速度值，并判断4个复合速度值中每一个复合速度值与预先设定的复合速度阈值的大小关系。如果确定每个所述复合速度值未超过所述复合速度阈值，进入步骤S144；反之，如果确定每个所述复合速度值超过所述复合速度阈值，进入步骤S145。可选地，所述复合速度阈值的取值范围可以为(0～1.4)。
在实际处理过程中，计算机设备将每一个区域种子点周围的4个复合速度值分别与预先设定的复合速度阈值进行比较，以此确定4个复合速度各自所在子区域中是否存在与对应种子点所在子区域合并的目标子区域。
步骤S144，当每个所述邻域复合速度值未超过所述复合速度阈值时，则将所述第k个种子点所在子区域与所述邻域复合速度值所在子区域进行合并，得到第k个合成子区域，并将所述第k个种子点和所述邻域作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至新的种子点k周围的每个邻域复合速度值都超过所述复合速度阈值时停止第k个区域的区域生成，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K。
具体地，当计算机设备确定第k个种子点的4个复合速度值中存在小于等于所述复合速度阈值的目标复合速度值，可以将所述目标复合速度值所在的目标子区域与第k个种子点所在子区域进行合并，得到第k个合成子区域，再将所述第k个种子点和所述目标复合速度值作为新的种子点k，继续判断新的种子点k周围的复合速度值与所述复合速度阈值的大小关系，以确定出新的目标复合速度所在子区域后得到第k个新的合成子区域；直至新的种子点k周围的每个邻域复合速度值都超过所述复合速度阈值时停止第k个区域的区域生成，并将k+1作为新的种子点k，返回步骤S143继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K时进入步骤S146。
步骤S145，当每个所述邻域复合速度值超过所述复合速度阈值时，则停止第k个区域的区域生长，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K。
具体地，当计算机设备确定第k个种子点周围的复合速度值都超过所述复合速度阈值或者都已参加过合并，可以确定停止第k个区域的区域生长，此时再将k+1作为新的种子点k，返回步骤S143继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K时进入步骤S146。
步骤S146，直到K个区域都停止区域生长时，将第1个合成子区域至第K个合成子区域确定为所述目标风切变区域。
具体地，当计算机设备确定K个区域都停止生长时，可以将此时得到的第1个合成子区域至第K个合成子区域确定为所述目标风切变区域，且所述目标风切变区域中存在低空风切变线，此时可以确定所述雷达极坐标数据中的低空风切变被识别。
在实际处理过程中，计算机设备使用区域生长处理方法对所述可视化图像数据中图像质量较差且需要区域生长处理的目标对象区域进行区域生长处理，以此识别出所述雷达极坐标数据中存在的低空风切变，有效提高了识别低空风切变的准确性和可靠性。
本实施例中，计算机设备根据所述雷达极坐标数据中的雷达极坐标复合速度数据得到雷达二维复合速度数据后，通过对雷达二维复合速度数据使用区域生成处理方法进行区域生长处理来识别目标风切变区域的目的，以此提高所识别出的目标风切变区域的分辨率和精确度，从而提高了计算机设备通过获取的雷达极坐标数据识别目标风切变区域的准确性和可靠性。
应该理解的是，虽然图1-6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种低空风切变区域的获取装置，包括：获取模块11、第一处理模块12、评估模块13和第二处理模块14，其中：
获取模块11，用于获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹。
第一处理模块12，用于对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据。
评估模块13，用于对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果。
第二处理模块14，用于根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
所述低空风切变区域的获取装置，还可以包括：判断模块、第一输出模块和第二输出模块。
具体地，判断模块，可以用于判断所述质量评估结果中的信噪比或峰值信噪比是否大于预先设定的信噪比阈值或峰值信噪比阈值；第一输出模块，可以用于若是，则输出区域生长操作信息；第二输出模块，可以用于若否，则输出区域生长终止信息。
第一处理模块12，可以具体包括：第一处理单元、第一获取单元、第二处理单元、第三处理单元、第四处理单元和第五处理单元。
具体地，第一处理单元，可以用于对所述雷达极坐标数据进行预处理，得到预处理后雷达极坐标数据；第一获取单元，可以用于获取所述预处理后雷达极坐标数据中雷达径向上的多个径向分段雷达数据，以及雷达切向上的多个切向分段雷达数据；第二处理单元，可以用于对每个径向分段雷达数据进行线性拟合处理，得到目标径向速度变化值；其中，所述目标径向速度变化值包括多个径向分段的多个径向速度变化值；第三处理单元，可以用于对每个切向分段雷达数据进行线性拟合处理，得到目标切向速度变化值；其中，所述目标切向速度变化值包括多个切向分段的多个切向速度变化值；第四处理单元，可以用于根据所述目标径向速度变化值和所述目标切向速度变化值，得到目标复合速度变化值；第五处理单元，可以用于对所述目标复合速度变化值进行可视化处理，得到目标可视化图像数据。
第二处理单元，可以具体包括：第一处理子单元和第二处理子单元。
具体地，第一处理子单元，可以用于针对每个径向分段雷达数据沿着雷达径向选取n个径向位置点；其中，每个径向位置点包括每个径向点的径向速度以及每个径向点与雷达之间的距离，n为大于0的整数；第二处理子单元，可以用于对每个径向分段雷达数据进行n点拟合处理采用公式(1)，得到每个径向分段的径向速度变化值：
式(1)中，vi表示第i个径向点的径向速度，ri表示第i个径向点与雷达之间的距离，
表示每个径向分段的径向速度变化值。
第三处理单元，可以具体包括：第三处理子单元和第四处理子单元。
具体地，第三处理子单元，可以用于针对每个切向分段雷达数据沿着雷达切向选取m个切向位置点；其中，每个切向位置点包括每个切向点的方位角以及每个切向点与雷达之间的距离，m为大于0的整数；第四处理子单元，可以用于对每个切向分段雷达数据进行m点拟合处理采用公式(2)，得到每个切向分段的切向速度变化值：
式(2)中，vj表示第j个切向点的切向速度，θj表示第j个切向点相应的方位角，r表示第j个切向点与雷达之间的距离，
表示每个切向分段的切向速度变化值
第四处理单元，还可以具体用于：所述目标复合速度变化值，包括包括每个径向分段的径向速度变化值和每个切向分段的切向速度变化值的对应复合速度变化值，所述对应复合速度变化值的确定过程为：
第二处理模块14，可以具体包括：第五处理单元、确定单元、判断单元、第六处理单元、第七处理单元和第八处理单元。
具体地，第五处理单元，可以用于获取所述雷达极坐标数据中的雷达极坐标复合速度数据，并对所述雷达极坐标复合速度数据进行二维转换，得到雷达二维复合速度数据；确定单元，可以用于将所述雷达二维复合速度数据划分为K个区域，并将第k个区域中心点的复合速度数据作为第k个区域的第k个种子点；判断单元，可以用于判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值；第六处理单元，可以用于当每个所述邻域复合速度值未超过所述复合速度阈值时，则将所述第k个种子点所在子区域与所述邻域复合速度值所在子区域进行合并，得到第k个合成子区域，并将所述第k个种子点和所述邻域作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至新的种子点k周围的每个邻域复合速度值都超过所述复合速度阈值时停止第k个区域的区域生成，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；第七处理单元，可以用于当每个所述邻域复合速度值超过所述复合速度阈值时，则停止第k个区域的区域生长，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；第八处理单元，可以用于直到K个区域都停止区域生长时，将第1个合成子区域至第K个合成子区域确定为所述目标风切变区域。
关于低空风切变区域的获取装置的具体限定可以参见上文中对于低空风切变区域的获取方法的限定，在此不再赘述。上述低空风切变区域的获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种低空风切变区域的获取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体地计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹；
对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；
对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；
根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
判断所述质量评估结果中的信噪比或峰值信噪比是否大于预先设定的信噪比阈值或峰值信噪比阈值；若是，则输出区域生长操作信息；若否，则输出区域生长终止信息。在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取所述雷达极坐标数据中的雷达极坐标复合速度数据，并对所述雷达极坐标复合速度数据进行二维转换，得到雷达二维复合速度数据；将所述雷达二维复合速度数据划分为K个区域，并将第k个区域中心点的复合速度数据作为第k个区域的第k个种子点；判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值；当每个所述邻域复合速度值未超过所述复合速度阈值时，则将所述第k个种子点所在子区域与所述邻域复合速度值所在子区域进行合并，得到第k个合成子区域，并将所述第k个种子点和所述邻域作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至新的种子点k周围的每个邻域复合速度值都超过所述复合速度阈值时停止第k个区域的区域生成，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；当每个所述邻域复合速度值超过所述复合速度阈值时，则停止第k个区域的区域生长，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；直到K个区域都停止区域生长时，将第1个合成子区域至第K个合成子区域确定为所述目标风切变区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对所述雷达极坐标数据进行预处理，得到预处理后雷达极坐标数据；获取所述预处理后雷达极坐标数据中雷达径向上的多个径向分段雷达数据；对每个径向分段雷达数据进行线性拟合处理，得到目标径向速度变化值；其中，所述目标径向速度变化值包括多个径向分段的多个径向速度变化值；对每个切向分段雷达数据进行线性拟合处理，得到目标切向速度变化值；其中，所述目标切向速度变化值包括多个切向分段的多个切向速度变化值；根据所述目标径向速度变化值和所述目标切向速度变化值，得到目标复合速度变化值；对所述目标复合速度变化值进行可视化处理，得到目标可视化图像数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
针对每个径向分段雷达数据沿着雷达径向选取n个径向位置点；其中，每个径向位置点包括每个径向点的径向速度以及每个径向点与雷达之间的距离，n为大于0的整数；对每个径向分段雷达数据进行n点拟合处理采用公式(1)，得到每个径向分段的径向速度变化值：
式(1)中，vi表示第i个径向点的径向速度，ri表示第i个径向点与雷达之间的距离，
表示每个径向分段的径向速度变化值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取所述预处理后雷达极坐标数据中雷达切向上的多个切向分段雷达数据；针对每个切向分段雷达数据沿着雷达切向选取m个切向位置点；其中，每个切向位置点包括每个切向点的方位角以及每个切向点与雷达之间的距离，m为大于0的整数；对每个切向分段雷达数据进行m点拟合处理采用公式(2)，得到每个切向分段的切向速度变化值：
式(2)中，vj表示第j个切向点的切向速度，θj表示第j个切向点相应的方位角，r表示第j个切向点与雷达之间的距离，
表示每个切向分段的切向速度变化值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
所述目标复合速度变化值，包括包括每个径向分段的径向速度变化值和每个切向分段的切向速度变化值的对应复合速度变化值，所述对应复合速度变化值的确定过程为：
应当清楚的是，本申请实施例中处理器执行计算机程序的过程，与上述方法中各个步骤的执行过程一致，具体可参见上文中的描述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹；
对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；
对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；
根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
判断所述质量评估结果中的信噪比或峰值信噪比是否大于预先设定的信噪比阈值或峰值信噪比阈值；若是，则输出区域生长操作信息；若否，则输出区域生长终止信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取所述雷达极坐标数据中的雷达极坐标复合速度数据，并对所述雷达极坐标复合速度数据进行二维转换，得到雷达二维复合速度数据；将所述雷达二维复合速度数据划分为K个区域，并将第k个区域中心点的复合速度数据作为第k个区域的第k个种子点；判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值；当每个所述邻域复合速度值未超过所述复合速度阈值时，则将所述第k个种子点所在子区域与所述邻域复合速度值所在子区域进行合并，得到第k个合成子区域，并将所述第k个种子点和所述邻域作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至新的种子点k周围的每个邻域复合速度值都超过所述复合速度阈值时停止第k个区域的区域生成，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；当每个所述邻域复合速度值超过所述复合速度阈值时，则停止第k个区域的区域生长，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；直到K个区域都停止区域生长时，将第1个合成子区域至第K个合成子区域确定为所述目标风切变区域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对所述雷达极坐标数据进行预处理，得到预处理后雷达极坐标数据；获取所述预处理后雷达极坐标数据中雷达径向上的多个径向分段雷达数据；对每个径向分段雷达数据进行线性拟合处理，得到目标径向速度变化值；其中，所述目标径向速度变化值包括多个径向分段的多个径向速度变化值；对每个切向分段雷达数据进行线性拟合处理，得到目标切向速度变化值；其中，所述目标切向速度变化值包括多个切向分段的多个切向速度变化值；根据所述目标径向速度变化值和所述目标切向速度变化值，得到目标复合速度变化值；对所述目标复合速度变化值进行可视化处理，得到目标可视化图像数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每个径向分段雷达数据沿着雷达径向选取n个径向位置点；其中，每个径向位置点包括每个径向点的径向速度以及每个径向点与雷达之间的距离，n为大于0的整数；对每个径向分段雷达数据进行n点拟合处理采用公式(1)，得到每个径向分段的径向速度变化值：
式(1)中，vi表示第i个径向点的径向速度，ri表示第i个径向点与雷达之间的距离，
表示每个径向分段的径向速度变化值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取所述预处理后雷达极坐标数据中雷达切向上的多个切向分段雷达数据；针对每个切向分段雷达数据沿着雷达切向选取m个切向位置点；其中，每个切向位置点包括每个切向点的方位角以及每个切向点与雷达之间的距离，m为大于0的整数；对每个切向分段雷达数据进行m点拟合处理采用公式(2)，得到每个切向分段的切向速度变化值：
式(2)中，vj表示第j个切向点的切向速度，θj表示第j个切向点相应的方位角，r表示第j个切向点与雷达之间的距离，
表示每个切向分段的切向速度变化值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：所述目标复合速度变化值，包括包括每个径向分段的径向速度变化值和每个切向分段的切向速度变化值的对应复合速度变化值，所述对应复合速度变化值的确定过程为：
应当清楚的是，本申请实施例中处理器执行计算机程序的过程，与上述方法中各个步骤的执行过程一致，具体可参见上文中的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种低空风切变区域的获取方法，其特征在于，所述方法包括：
获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹；
对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；
对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；
根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
2.根据权利要求1所述的方法，其特征在于，在所述根据所述质量评估结果，输出区域生长操作信息的步骤之前，所述方法还包括：
判断所述质量评估结果中的信噪比或峰值信噪比是否大于预先设定的信噪比阈值或峰值信噪比阈值；
若是，则输出区域生长操作信息；
若否，则输出区域生长终止信息。
3.根据权利要求1所述的方法，其特征在于，所述基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域，包括：
获取所述雷达极坐标数据中的雷达极坐标复合速度数据，并对所述雷达极坐标复合速度数据进行二维转换，得到雷达二维复合速度数据；
将所述雷达二维复合速度数据划分为K个区域，并将第k个区域中心点的复合速度数据作为第k个区域的第k个种子点；
判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值；
当每个所述邻域复合速度值未超过所述复合速度阈值时，则将所述第k个种子点所在子区域与所述邻域复合速度值所在子区域进行合并，得到第k个合成子区域，并将所述第k个种子点和所述邻域作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至新的种子点k周围的每个邻域复合速度值都超过所述复合速度阈值时停止第k个区域的区域生成，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；
当每个所述邻域复合速度值超过所述复合速度阈值时，则停止第k个区域的区域生长，并将k+1作为新的种子点k，继续执行所述判断所述第k个种子点周围的每个邻域复合速度值是否超过预先设定的复合速度阈值的步骤；直至k＝K为止；其中，k＝1、2、……、K；
直到K个区域都停止区域生长时，将第1个合成子区域至第K个合成子区域确定为所述目标风切变区域。
4.根据权利要求1所述的方法，其特征在于，所述对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据，包括：
对所述雷达极坐标数据进行预处理，得到预处理后雷达极坐标数据；
获取所述预处理后雷达极坐标数据中雷达径向上的多个径向分段雷达数据，以及雷达切向上的多个切向分段雷达数据；
对每个径向分段雷达数据进行线性拟合处理，得到目标径向速度变化值；其中，所述目标径向速度变化值包括多个径向分段的多个径向速度变化值；
对每个切向分段雷达数据进行线性拟合处理，得到目标切向速度变化值；其中，所述目标切向速度变化值包括多个切向分段的多个切向速度变化值；
根据所述目标径向速度变化值和所述目标切向速度变化值，得到目标复合速度变化值；
对所述目标复合速度变化值进行可视化处理，得到目标可视化图像数据。
5.根据权利要求4所述的方法，其特征在于，所述对每个径向分段雷达数据进行线性拟合处理，包括：
针对每个径向分段雷达数据沿着雷达径向选取n个径向位置点；其中，每个径向位置点包括每个径向点的径向速度以及每个径向点与雷达之间的距离，n为大于0的整数；
对每个径向分段雷达数据进行n点拟合处理采用公式(1)，得到每个径向分段的径向速度变化值：
式(1)中，vi表示第i个径向点的径向速度，ri表示第i个径向点与雷达之间的距离，
表示每个径向分段的径向速度变化值。
6.根据权利要求4所述的方法，其特征在于，所述对每个切向分段雷达数据进行线性拟合处理，包括：
针对每个切向分段雷达数据沿着雷达切向选取m个切向位置点；其中，每个切向位置点包括每个切向点的方位角以及每个切向点与雷达之间的距离，m为大于0的整数；
对每个切向分段雷达数据进行m点拟合处理采用公式(2)，得到每个切向分段的切向速度变化值：
式(2)中，vj表示第j个切向点的切向速度，θj表示第j个切向点相应的方位角，r表示第j个切向点与雷达之间的距离，
表示每个切向分段的切向速度变化值。
7.根据权利要求4所述的方法，其特征在于，所述目标复合速度变化值，包括包括每个径向分段的径向速度变化值和每个切向分段的切向速度变化值的对应复合速度变化值，所述对应复合速度变化值的确定过程为：
8.一种低空风切变区域的获取装置，其特征在于，所述装置包括：
获取模块，用于获取低空下的雷达极坐标数据；其中，所述雷达极坐标数据包括表征极坐标系下的雷达基础数据，所述雷达基础数据包括雷达径向速度、雷达切向速度、雷达位置信息、雷达时空分辨率、雷达功率、雷达运动轨迹；
第一处理模块，用于对所述雷达极坐标数据进行分段及拟合处理，得到可视化图像数据；
评估模块，用于对所述可视化图像数据进行质量评估处理，得到质量评估结果；其中，所述质量评估结果包括针对信噪比、峰值信噪比中任一个的评估结果；
第二处理模块，用于根据所述质量评估结果，输出区域生长操作信息，并基于所述区域生长操作信息对所述雷达极坐标数据进行区域生长处理，得到目标风切变区域。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010534173.7A CN111624607A (zh) | 2020-06-12 | 2020-06-12 | 低空风切变区域的获取方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010534173.7A CN111624607A (zh) | 2020-06-12 | 2020-06-12 | 低空风切变区域的获取方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111624607A true CN111624607A (zh) | 2020-09-04 |
Family
ID=72272771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010534173.7A Pending CN111624607A (zh) | 2020-06-12 | 2020-06-12 | 低空风切变区域的获取方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111624607A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115830380A (zh) * | 2022-12-06 | 2023-03-21 | 中科三清科技有限公司 | 一种基于人工智能的风切变线识别方法、装置、存储介质及终端 |
| CN115861811A (zh) * | 2022-12-06 | 2023-03-28 | 中科三清科技有限公司 | 一种风切变区域识别方法、装置、存储介质及终端 |
| CN115937007A (zh) * | 2022-03-04 | 2023-04-07 | 中科三清科技有限公司 | 风切变的识别方法、装置、电子设备及介质 |
| CN117473769A (zh) * | 2023-11-09 | 2024-01-30 | 中南大学 | 一种风切变下高速列车安全运行阈值速度确定方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104133216A (zh) * | 2014-07-17 | 2014-11-05 | 北京无线电测量研究所 | 一种获取低空风廓线的雷达探测方法及装置 |
| CN104597430A (zh) * | 2014-12-11 | 2015-05-06 | 中国民航大学 | 机载气象雷达低空风切变三维回波仿真方法 |
| CN106772387A (zh) * | 2016-12-21 | 2017-05-31 | 中国航空工业集团公司雷华电子技术研究所 | 一种风切变识别方法 |
| CN111239704A (zh) * | 2020-02-12 | 2020-06-05 | 中国科学院大气物理研究所 | 大气探测雷达目标回波识别处理方法、装置、设备及介质 |
-
2020
- 2020-06-12 CN CN202010534173.7A patent/CN111624607A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104133216A (zh) * | 2014-07-17 | 2014-11-05 | 北京无线电测量研究所 | 一种获取低空风廓线的雷达探测方法及装置 |
| CN104597430A (zh) * | 2014-12-11 | 2015-05-06 | 中国民航大学 | 机载气象雷达低空风切变三维回波仿真方法 |
| CN106772387A (zh) * | 2016-12-21 | 2017-05-31 | 中国航空工业集团公司雷华电子技术研究所 | 一种风切变识别方法 |
| CN111239704A (zh) * | 2020-02-12 | 2020-06-05 | 中国科学院大气物理研究所 | 大气探测雷达目标回波识别处理方法、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 杜爱军: "多普勒雷达退速度模糊及风切变的仿真与识别", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115937007A (zh) * | 2022-03-04 | 2023-04-07 | 中科三清科技有限公司 | 风切变的识别方法、装置、电子设备及介质 |
| CN115830380A (zh) * | 2022-12-06 | 2023-03-21 | 中科三清科技有限公司 | 一种基于人工智能的风切变线识别方法、装置、存储介质及终端 |
| CN115861811A (zh) * | 2022-12-06 | 2023-03-28 | 中科三清科技有限公司 | 一种风切变区域识别方法、装置、存储介质及终端 |
| CN117473769A (zh) * | 2023-11-09 | 2024-01-30 | 中南大学 | 一种风切变下高速列车安全运行阈值速度确定方法及系统 |
| CN117473769B (zh) * | 2023-11-09 | 2024-05-07 | 中南大学 | 一种风切变下高速列车安全运行阈值速度确定方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111624607A (zh) | 低空风切变区域的获取方法、装置、设备和存储介质 | |
| Liu et al. | High precision detection algorithm based on improved RetinaNet for defect recognition of transmission lines | |
| KR101258668B1 (ko) | 한반도 통합형 기상 레이더 품질 관리 시스템 및 그 방법 | |
| CN111899568B (zh) | 桥梁防撞预警系统、方法、装置和存储介质 | |
| US8649553B2 (en) | Method for predicting a trend of a meteorological phenomenon on the basis of data originating from a meteorological radar | |
| JP7438655B2 (ja) | 気象解析装置、気象解析方法、およびプログラム | |
| JPH08500925A (ja) | 仮想現実画像作成システム | |
| CN113868971B (zh) | 一种基于数值仿真模型及历史风场特征的机场区域三维精细化风场重构方法 | |
| US10605912B1 (en) | Storm top adaptive beam scan | |
| CN103984947A (zh) | 基于形态学房屋指数的高分辨率遥感影像房屋提取方法 | |
| WO2018168165A1 (ja) | 気象予測装置、気象予測方法、およびプログラム | |
| CN108254750B (zh) | 一种基于雷达资料的下击暴流智能识别预警方法 | |
| Li et al. | Gaofen-3 sea ice detection based on deep learning | |
| CN113156417B (zh) | 反无人机探测系统、方法和雷达设备 | |
| JP7153820B2 (ja) | 画像識別に基づく飛行体強制着陸経路計画方法、システムおよび装置 | |
| CN109117776A (zh) | 基于航迹信息的飞机与气象杂波分类识别方法 | |
| KR101221793B1 (ko) | 위험기상과 관련된 반사도 셀의 추적 방법 | |
| Zou et al. | A method of radar echo extrapolation based on TREC and Barnes filter | |
| Xu et al. | Vegetation information extraction in karst area based on UAV remote sensing in visible light band | |
| Merritt | Automated detection of microburst windshear for Terminal Doppler Weather Radar | |
| CN111311640B (zh) | 一种基于运动估计的无人机识别跟踪方法 | |
| CN117152706A (zh) | 飞机飞行跑道积水识别方法、装置与系统 | |
| CN116879900A (zh) | 一种基于灰度处理的雷暴质心定位以及追踪预测方法 | |
| Wang et al. | Forewarning method of downburst based on feature recognition and extrapolation | |
| Fan et al. | Wind shear signal simulation of the airborne weather radar |
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: 20200904 |
|
| RJ01 | Rejection of invention patent application after publication |