CN111650572B

CN111650572B - 一种减小短时降水估测偏差的方法及系统

Info

Publication number: CN111650572B
Application number: CN202010718880.1A
Authority: CN
Inventors: 欧阳彤; 宋海涛; 尹曦萌; 颜丙洋; 于春蕾
Original assignee: Inspur Cloud Information Technology Co Ltd
Current assignee: Inspur Cloud Information Technology Co Ltd
Priority date: 2020-07-23
Filing date: 2020-07-23
Publication date: 2023-02-24
Anticipated expiration: 2040-07-23
Also published as: CN111650572A

Abstract

本发明提供一种减小短时降水估测偏差的方法及系统，属于图像处理、雷达降雨模型、平均校准领域，本发明利用雷达图数据资料和平均校准法确定Z‑R关系，通过实际降水数据和雷达回波数据建立Z‑R关系，并利用相关公式反推计算得出修正系数，然后得到带有修正系数的Z‑R关系模型来定量估测无自动站观测格点的降水量。解决了目前对短时降水估测偏差的问题，能够实时得到具有业务应用价值的高分辨率定量估测降水资料，为精细化预报服务及强降雨积涝风险评估提供辅助支撑。

Description

一种减小短时降水估测偏差的方法及系统

技术领域

本发明涉及图像处理、雷达降雨模型、平均校准领域，尤其涉及一种减小短时降水估测偏差的方法及系统。

背景技术

近年来，利用新一代多普勒天气雷达反演降水技术已成为雷达资料应用研究的重点。雷达能实时探测云和降水结构及系统发生、发展演变情况，能迅速提供一定区域的实时降水情况。雷达反演降水是精细化气象服务的基础资料，对天气气候的监测和分析、强降雨灾害的评估、数值预报模式的检验和校准以及水文分析等具有很高的应用价值。

多普勒天气雷达测量降雨一般使用Z＝AR^b(Z-雷达反射率，R-降雨强度)，这是根据实测降雨强度和雨滴谱资料统计的结果得到的经验公式。但由于参数和降雨的类型以及季节、地域等关系很大，致使参数A、b在较大的范围内变动。目前新一代多普勒天气雷达采用单一的Z-R关系而忽略了这些降雨细节特征，造成局部区域降雨量测量值误差较大。

目前建立Z-R关系的方法主要分为两种，一种是统计学方法，如采用最优化法、概率配对法等统计多个降水过程资料建立经验Z-R关系。此外，一些研究还根据降水天气形势、不同季节、雷达探测距离和不同降水类型对雷达回波进行分类，建立本地化的Z-R关系。为进一步提高估测降水精度，研究者还利用平均校准法、变分同化法及卡尔曼滤波校准法进行订正，这些均可在一定程度上改善估测降水的精度，但校正方法一般计算复杂，消耗时间长。另一种方法是动态分级 Z-R关系法，该方法建立在快速更新资料的基础上，实时频繁变动Z-R关系中的A、b值，不依赖于长期历史资料，只考虑很短时间(6min)内降水强度和降水性质的延续性。

发明内容

为了解决以上技术问题，本发明提供了一种减小短时降水估测偏差的方法，能改进对短时强降水的估测，尤其是强降水低估严重的问题。

本发明的技术方案是：

一种减小短时降水估测偏差的方法，通过图像处理技术得到雷达图数据，利用雷达图数据资料和平均校准法确定Z-R关系，通过实际降水数据和雷达回波数据建立Z-R关系，并反推得出修正系数，然后得到带有修正系数的Z-R关系模型来定量估测无自动站观测格点的降水量。

进一步的，包括如下步骤：

1)利用历史雷达数据和实际降雨数据构建雷达降雨模型：

通过图像处理技术得到雷达图数据，依照与雷达回波强度最接近及与自动雨量站距离最接近的原则，利用历史雷达图数据和实际降雨数据构建雷达降雨模型。

由于实际降雨量的基本单位为小时降雨量，而雷达图为6分钟更新一张，一小时有10张雷达图，为达到时间上雷达图数据与实际降雨数据的匹配，利用平均值计算得出小时雷达数据来构建雷达降雨模型。

2)利用所构建的雷达降雨模型计算历史预测降雨量：

利用步骤1)中所构建的雷达降雨模型计算历史预测降雨量，由于雷达图6分钟一张，一小时内可得到10个单位为mm/hr的预测降雨量数据，因此运用平均校准法得出小时预测降雨量。

3)在应用了相同数据的前提下，利用历史实际降雨量应与历史预测降雨量相等的原则推导修正系数：

由于步骤1)与步骤2)利用了相同的数据，预测降雨量应该需要与实际降雨量一致，但因为步骤1)中取平均值的为历史雷达数据，步骤2中取平均值的为历史预测降雨数据，因此需要再次引入一个修正系数可令历史预测降雨量等于历史实际降雨量。

4)利用修正系数对未来预测降雨量进行修正：

利用当前不断获取到的最新雷达数据通过所构建的雷达降雨模型计算未来预测降雨量，并利用步骤3中推导得出的修正系数对未来预测降雨量进行修正。

5)利用折线图对未来预测降雨量与实际降雨量进行对比分析展示：

利用折线图对比分析修正预测降雨量与实际降雨量；

利用方差或标准差分析修正预测降雨量与实际降雨量的误差范围。

另外，本发明还公开了一种减小短时降水估测偏差的系统，包括图像处理模块、雷达降雨模型模型、平均校准法模型以及系数修正推导模型；其中，

所述图像处理模块，用于雷达图像资料的处理；

所述雷达降雨模型，用于雷达降雨Z-R模型A、b参数的计算；

所述平均校准法模块，用于雷达数据的优化利用；

所述系数修正推导模块，用于修正系数的推导以及预测降雨量的校正。

进一步的，

所述图像处理模块具体包括：

提供对雷达图及测雨量站的GIS地图位置配准功能；

提供对雷达回波强度信息的识别提取功能。

进一步的，

所述雷达降雨模型模块具体包括：

提供雷达回波值dbz与雷达反射率因子之间的换算功能；

提供对雷达降雨Z-R模型A、b参数的计算功能。

进一步的，

所述平均校准法模块具体包括：

提供对6min雷达数据的优化利用功能，与降雨量数据实现单位上的对应统一。

进一步的，

所述系数修正推导模块具体包括：

提供对修正系数的推导功能；

提供对预测降雨量的校正功能；

提供修正预测降雨量与实际降雨量的对比分析功能。

本发明的有益效果是

本发明由于使用了图像处理、雷达降雨模型、平均校准法以及系数修正推导技术，能够有效的利用带有修正系数的Z-R关系模型定量估测无自动站观测格点的降水量，实时得到具有业务应用价值的高分辨率定量估测降水资料，为精细化预报服务及强降雨积涝风险评估提供辅助支撑。

附图说明

图1是本发明的工作流程示意图。

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，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。

本发明在以前研究成果的基础上，提出了利用雷达图数据资料和平均校准法确定Z-R关系，通过实际降水数据和雷达回波数据建立Z-R关系，并利用相关公式反推计算得出修正系数，然后得到带有修正系数的Z-R关系模型来定量估测无自动站观测格点的降水量。解决了目前对短时降水估测偏差的问题，能够实时得到具有业务应用价值的高分辨率定量估测降水资料，为精细化预报服务及强降雨积涝风险评估提供辅助支撑。

详细过程如图1所示，步骤如下：

1、构建雷达降雨模型并利用雷达图数据计算得出模型参数：

通过图像处理技术得到雷达图数据，依照与雷达回波强度最接近及与自动雨量站距离最接近的原则，利用雷达图数据和实际降雨数据计算雷达降雨模型 (Z＝AR^b，Z为雷达反射率因子，R为降雨强度mm/hr)中的参数(A和b)；由于实际降雨量的基本单位为小时降雨量，而雷达图为6分钟更新一张，一小时有10 张雷达图，为达到时间上雷达图数据与实际降雨数据的匹配，利用平均值计算得出小时雷达数据，接着结合模型Z＝ARb计算得出参数A和b的数值。(从雷达图中获取的数据为雷达回波值dbz，换算成雷达反射率因子的公式为：Z＝100.1dbz)

2、结合步骤1得出的参数数值利用雷达降雨模型计算预测降雨量：

得出参数A和b之后，结合步骤1中的雷达数据再次利用雷达降雨模型Z＝AR^b计算预测降雨量，由于雷达图6分钟一张，一小时内可得到10个单位为 mm/hr的预测降雨量数据，因此再次运用平均校准法得出小时预测降雨量。

3)在应用了相同数据的前提下，利用步骤1与步骤2的实际降雨量应与预测降雨量相等的原则推导修正系数：

由于步骤1与步骤2利用了相同的数据，预测降雨量应该需要与实际降雨量一致，但因为步骤1中取平均值的为雷达数据，步骤2中取平均值的为预测降雨数据，因此需要再次引入一个参数y可令实际降雨量等于预测降雨量。

R_真＝y×R_预

4)利用步骤3中推导得出的修正系数对预测降雨量进行修正：

利用参数y对预测降雨量进行修正。

R′_预＝yR_预

5)利用折线图对预测降雨量与实际降雨量进行对比分析展示：

利用折线图对比分析修正预测降雨量与实际降雨量；

R′_预VS R_真

本发明解决了目前对短时降水估测偏差的问题，能够实时得到具有业务应用价值的高分辨率定量估测降水资料，为精细化预报服务及强降雨积涝风险评估提供辅助支撑。

以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims

1.一种减小短时降水估测偏差的方法，其特征在于，

通过图像处理技术得到雷达图数据，利用雷达图数据资料和平均校准法确定Z-R关系，通过实际降水数据和雷达回波数据建立Z-R关系，并反推得出修正系数，然后得到带有修正系数的Z-R关系模型来定量估测无自动站观测格点的降水量；

包括如下步骤：

1）利用历史雷达数据和实际降雨数据构建雷达降雨模型

通过图像处理技术得到雷达图数据，依照与雷达回波强度最接近及与自动雨量站距离最接近的原则，利用历史雷达图数据和实际降雨数据构建雷达降雨模型；利用平均值计算得出小时雷达数据来构建雷达降雨模型；

2）利用所构建的雷达降雨模型计算历史预测降雨量

利用步骤1）中所构建的雷达降雨模型计算历史预测降雨量，运用平均校准法得出小时预测降雨量；

3）在应用相同数据的前提下，利用历史实际降雨量应与历史预测降雨量相等的原则推导修正系数；

4）利用修正系数对未来预测降雨量进行修正：

利用当前不断获取到的最新雷达数据通过所构建的雷达降雨模型计算未来预测降雨量，并利用步骤3）中推导得出的修正系数对未来预测降雨量进行修正；

5）利用折线图对未来预测降雨量与实际降雨量进行对比分析展示。

2.根据权利要求1所述的方法，其特征在于，

在步骤5）中，

利用折线图对比分析修正预测降雨量与实际降雨量；

3.一种基于雷达降雨模型反推降雨量、分析误差修正系数的系统，其特征在于，

包括图像处理模块、雷达降雨模型、平均校准法模型以及系数修正推导模型；其中，

所述图像处理模块，用于雷达图像资料的处理；

所述雷达降雨模型，用于雷达降雨Z-R模型A、b参数的计算；

所述平均校准法模型，用于雷达数据的优化利用；

所述系数修正推导模型，用于修正系数的推导以及预测降雨量的校正；

工作步骤如下：

1）利用历史雷达数据和实际降雨数据构建雷达降雨模型

2）利用所构建的雷达降雨模型计算历史预测降雨量

4）利用修正系数对未来预测降雨量进行修正：

4.根据权利要求3所述的系统，其特征在于，

所述图像处理模块具体包括：

对雷达图及测雨量站的GIS地图位置配准；

对雷达回波强度信息的识别提取。

5.根据权利要求3所述的系统，其特征在于，

所述雷达降雨模型具体包括：

提供雷达回波值dbz与雷达反射率因子之间的换算功能；

对雷达降雨Z-R模型A、b参数进行计算。

6.根据权利要求3所述的系统，其特征在于，

所述平均校准法模型具体包括：

对6min雷达数据的优化利用，与降雨量数据实现单位上的对应统一。

7.根据权利要求3所述的系统，其特征在于，

所述系数修正推导模型具体包括：

对修正系数的推导；

对预测降雨量的校正；

修正预测降雨量与实际降雨量的对比分析。