CN111736156A - 一种基于天气雷达的逆风区识别方法与装置 - Google Patents

一种基于天气雷达的逆风区识别方法与装置 Download PDF

Info

Publication number
CN111736156A
CN111736156A CN202010822483.9A CN202010822483A CN111736156A CN 111736156 A CN111736156 A CN 111736156A CN 202010822483 A CN202010822483 A CN 202010822483A CN 111736156 A CN111736156 A CN 111736156A
Authority
CN
China
Prior art keywords
speed
point
radar
reflectivity
upwind
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.)
Granted
Application number
CN202010822483.9A
Other languages
English (en)
Other versions
CN111736156B (zh
Inventor
黄书荣
楚志刚
刘婷
孙波
詹少伟
周可
苗春生
薛丰昌
张越
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.)
Nanjing Xinda Meteorological Science And Technology Co ltd
Original Assignee
Nanjing Xinda Meteorological Science And Technology Co ltd
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 Nanjing Xinda Meteorological Science And Technology Co ltd filed Critical Nanjing Xinda Meteorological Science And Technology Co ltd
Priority to CN202010822483.9A priority Critical patent/CN111736156B/zh
Publication of CN111736156A publication Critical patent/CN111736156A/zh
Application granted granted Critical
Publication of CN111736156B publication Critical patent/CN111736156B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • 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

Abstract

本发明公开了一种基于天气雷达的逆风区识别方法与装置。该方法包括从天气雷达中获取雷达基数据，对雷达基数据进行质量控制后提取基本反射率因子和速度，并将其转换为格点反射率因子和格点速度，基于基本反射率因子计算雷达的组合反射率，基于组合反射率识别出对流单体的连通域，对速度进行二值化处理，基于二值化处理后的速度数据判断所述数组内的连通域内是否存在正负两种速度，是则计算两种速度的区域所占的面积比例，并以所占面积较小的区域作为逆风区；剔除经过雷达原点的误识别的逆风区识别结果。本发明较传统的计算机视觉及人工识别逆风区方法，有效的减少了逆风区识别误差、增加了逆风区识别的效率，为强对流天气识别与监测带来便利。

Description

一种基于天气雷达的逆风区识别方法与装置
技术领域
本发明涉及逆风区识别技术领域，具体涉及一种基于天气雷达的逆风区识别方法与装置。
背景技术
全球气候变暖加剧，强对流等极端天气频发，给人们的生产生活带来极大的危害。逆风区是我国气象学者张沛源等人提出的一个定义，在多普勒雷达速度图像中的低仰角PPI 没有速度模糊的速度图上，凡在同一方向的速度区中，出现的另一种方向的速度区为逆风区，且风区不能跨越测站原点。逆风区的出现反映了上升气流引起的水平动量交换过程，与强对流天气息息相关，逆风区存在时基本上都伴有强降水、冰雹、雷雨、大风等剧烈天气过程，且具有发生时间和地点随机性大、生消周期短、危害严重等特点，在强对流天气发生一个小时左右通常会有逆风区出现。因此，逆风区是一个很好的灾害性天气判据，识别出逆风区能有效的对强对流天气做出预判，为应对强对流天气抢得先机，减少损失，为人民生命财产安全带来保障。
目前针对逆风区识别的算法主要以图像识别、计算机视觉为主，通过图像边界追踪、图像膨胀腐蚀算法等，可以一定程度上识别逆风区，但是误识别较多、识别效率较低，或是需要结合人工判定才能进入实际应用。因此，如何实现更加快速、高效、准确的识别出逆风区以达到强对流天气准确检测的问题亟待解决。
发明内容
本发明的目的是针对现有技术存在的不足，提供一种基于天气雷达的逆风区识别方法与装置。
为实现上述目的，在第一方面，本发明提供了一种基于天气雷达的逆风区识别方法，包括：
从天气雷达中获取极坐标下的雷达基数据，并对所述极坐标下的雷达基数据进行质量控制；
提取极坐标下的雷达基数据中的基本反射率因子和速度，并将其转换为格点反射率因子和格点速度；
基于所述格点反射率因子计算雷达的组合反射率；
基于所述组合反射率识别出对流单体的连通域，并将所述连通域的坐标保存至一个数组；
对所述格点速度进行二值化处理，若格点速度为正值，则令速度值为1，若格点速度为负值，则令其速度值为零；
基于二值化处理后的速度数据判断所述数组内的连通域内是否存在正负两种速度，是，则计算两种速度的区域所占的面积比例，并以所占面积较小的区域作为逆风区；
剔除经过雷达原点的误识别的逆风区，则得到最终的逆风区识别结果。
进一步的，在识别出所述连通域后，还计算各个连通域的格点数量，若格点数量小于所设阈值，则予以剔除，若格点数量大于所设阈值，则将该连通域的坐标保存至数组中。
进一步的，所述计算雷达的组合反射率具体包括：
基于所述反射率因子数据计算出每个格点位置
Figure 100002_DEST_PATH_IMAGE002
上的在垂直方向上不同高度的最大反射率因子值，得到组合反射率场，则雷达的组合反射率CR为：
Figure 100002_DEST_PATH_IMAGE004
其中，h1为第一层，h2为第二层，hn为最第n层，一共n层。
进一步的，基于所述组合反射率识别出对流单体的连通域具体包括：
将所述组合反射率进行二值化处理，以计算获得CR矩阵；
基于CR矩阵识别出连通域，具体包括：
Figure 100002_DEST_PATH_IMAGE006
新建一个变量用于存放连通域个数num；
Figure 100002_DEST_PATH_IMAGE008
新建一个零矩阵用于存放连通域的位置标签label；
Figure 100002_DEST_PATH_IMAGE010
从CR矩阵第一个点开始，如果
Figure 100002_DEST_PATH_IMAGE012
，则num=1，且
Figure 100002_DEST_PATH_IMAGE014
，然后，寻找周围的8个点中是否有CR值等于1的点，若有点（
Figure 100002_DEST_PATH_IMAGE016
）的CR值为1，则令该点的label值为num，然后继续寻找点（
Figure 637368DEST_PATH_IMAGE016
）周围是否有CR值为1的点，以此类推，直到寻找到与（
Figure 100002_DEST_PATH_IMAGE018
）相接的所有CR值为1的点，然后令num= num+1；
Figure 100002_DEST_PATH_IMAGE020
对CR矩阵中第二个点至最后一个点重复第③步，以此方式遍历完矩阵中的所有点，识别出所有连通域。
进一步的，所述组合反射率的二值化处理如下：如组合反射率
Figure 100002_DEST_PATH_IMAGE022
,则令
Figure 100002_DEST_PATH_IMAGE024
1，如
Figure 100002_DEST_PATH_IMAGE026
，则令
Figure 562730DEST_PATH_IMAGE024
0。
在第二方面，本发明提供了一种基于天气雷达的逆风区识别装置，包括：
数据获取模块，用以从天气雷达中获取极坐标下的雷达基数据，并对所述极坐标下的雷达基数据进行质量控制；
数据转换模块，用以提取极坐标下的雷达基数据中的基本反射率因子和速度，并将其转换为格点反射率因子和格点速度；
计算模块，用以基于所述格点反射率因子计算雷达的组合反射率；
识别模块，用以基于所述组合反射率识别出对流单体的连通域，并将所述连通域的坐标保存至一个数组；
速度处理模块，用以对所述格点速度进行二值化处理，若格点速度为正值，则令速度值为1，若格点速度为负值，则令其速度值为零；
逆风区判别模块，用以基于二值化处理后的速度数据判断所述数组内的连通域内是否存在正负两种速度，是，则计算两种速度的区域所占的面积比例，并以所占面积较小的区域作为逆风区；
输出质量控制模块，用以剔除经过雷达原点的误识别的逆风区，并输出最终的逆风区识别结果。
进一步的，还包括格点计数及筛选模块，用以在识别出所述连通域后，计算各个连通域的格点数量，若格点数量小于所设阈值，则予以剔除，若格点数量大于所设阈值，则将该连通域的坐标保存至数组中。
进一步的，所述计算模块基于所述反射率因子数据计算出每个格点位置
Figure 100002_DEST_PATH_IMAGE028
上的在垂直方向上不同高度的最大反射率因子值，得到组合反射率场，则雷达的组合反射率CR为：
Figure 100002_DEST_PATH_IMAGE029
其中，h1为第一层，h2为第二层，hn为最第n层，一共n层。
进一步的，所述识别模块将所述组合反射率进行二值化处理，以计算获得CR矩阵，并基于CR矩阵识别出连通域，具体包括：
Figure 366738DEST_PATH_IMAGE006
新建一个变量用于存放连通域个数num；
Figure 361239DEST_PATH_IMAGE008
新建一个零矩阵用于存放连通域的位置标签label；
Figure 394048DEST_PATH_IMAGE010
从CR矩阵第一个点开始，如果
Figure 157605DEST_PATH_IMAGE012
，则num=1，且
Figure 132514DEST_PATH_IMAGE014
，然后，寻找周围的8个点中是否有CR值等于1的点，若有点（
Figure 348732DEST_PATH_IMAGE016
）的CR值为1，则令该点的label值为num，然后继续寻找点（
Figure 434499DEST_PATH_IMAGE016
）周围是否有CR值为1的点，以此类推，直到寻找到与（
Figure 255825DEST_PATH_IMAGE018
）相接的所有CR值为1的点，然后令num= num+1；
Figure 463952DEST_PATH_IMAGE020
对CR矩阵中第二个点至最后一个点重复第③步，以此方式遍历完矩阵中的所有点，识别出所有连通域。
进一步的，所述组合反射率的二值化处理如下：如组合反射率
Figure 354417DEST_PATH_IMAGE022
,则令
Figure 40613DEST_PATH_IMAGE024
1，如
Figure 716445DEST_PATH_IMAGE026
，则令
Figure 95474DEST_PATH_IMAGE024
0。
有益效果：本发明通过结合反射率场和速度场综合识别逆风区，从天气雷达的原始数据中进行过滤和分析，较传统的计算机视觉及人工识别逆风区方法，有效的减少了逆风区识别误差、增加了逆风区识别的效率，为强对流天气识别与监测带来便利。
附图说明
图1是本发明实施例的基于天气雷达的逆风区识别方法的流程图；
图2是本发明经过面积阈值筛选后的逆风区在多普勒雷达强度场上的位置示意图；
图3是本发明剔除雷达原点误识别的逆风区在多普勒雷达速度场上的位置示意图；
图4是本发明实施例的基于天气雷达的逆风区识别装置的结构示意图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，本实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1至图3所示，本发明实施例提供了一种基于天气雷达的逆风区识别方法，包括：
从天气雷达中获取极坐标下的雷达基数据，并对所述极坐标下的雷达基数据进行质量控制。雷达基数据中包含了基本反射率因子和速度，数据的质量控制包括非气象回波去除、退速度模糊、中值滤波（抑制/减少多普勒数据波动残留地物杂波影响）等，数据的质量控制为现有技术，不再赘述。
提取极坐标下的雷达基数据中的基本反射率因子和速度，并将其转换为格点反射率因子和格点速度。具体的转换方式为：
针对格点中任一直角坐标系中一点A，可根据勾股定理找到其在极坐标系中对应坐标A
Figure DEST_PATH_IMAGE031
，及其前后左右四个方向上最邻近四点坐标B
Figure DEST_PATH_IMAGE033
、C
Figure DEST_PATH_IMAGE035
、D
Figure DEST_PATH_IMAGE037
、E
Figure DEST_PATH_IMAGE039
。通过沿方位角方向及径向对他们的反射率因子Z1、Z2、Z3、Z4进行线性插值可得到
Figure 736601DEST_PATH_IMAGE031
处的反射率因子Z，即为对应直角坐标系下插值后的反射率（速度场坐标转换同理）。反射率因子Z具体的计算方式如下：
Figure DEST_PATH_IMAGE041
Figure DEST_PATH_IMAGE043
Figure DEST_PATH_IMAGE045
基于格点反射率因子计算雷达的组合反射率。具体的，计算雷达的组合反射率具体包括：基于反射率因子数据计算出每个格点位置
Figure 351122DEST_PATH_IMAGE028
上的在垂直方向上不同高度的最大反射率因子值，得到组合反射率场，则雷达的组合反射率CR为：
Figure 615881DEST_PATH_IMAGE029
其中，h1为第一层，h2为第二层，hn为最第n层，一共n层。
基于组合反射率识别出对流单体的连通域，并将连通域的坐标保存至一个数组。具体的，基于组合反射率识别出对流单体的连通域具体包括：
将组合反射率进行二值化处理，以计算获得CR矩阵。具体的，组合反射率的二值化处理如下：如组合反射率
Figure 165811DEST_PATH_IMAGE022
,则令
Figure 47180DEST_PATH_IMAGE024
1，如
Figure 278441DEST_PATH_IMAGE026
，则令
Figure 725603DEST_PATH_IMAGE024
0。组合反射率大于等于35dBZ的区域，认为是对流性降水发生的位置。
基于CR矩阵识别出连通域，具体包括：
Figure 869270DEST_PATH_IMAGE006
新建一个变量用于存放连通域个数num。
Figure 237935DEST_PATH_IMAGE008
新建一个零矩阵用于存放连通域的位置标签label。
Figure 69624DEST_PATH_IMAGE010
从CR矩阵第一个点开始，如果
Figure 574555DEST_PATH_IMAGE012
，则num=1，且
Figure 935129DEST_PATH_IMAGE014
，然后，寻找周围的8个点（以第一个点为中心的九宫格中的周围其余8个点）中是否有CR值等于1的点，若有点（
Figure 791090DEST_PATH_IMAGE016
）的CR值为1，则令该点的label值为num，然后继续寻找点（
Figure 160891DEST_PATH_IMAGE016
）周围是否有CR值为1的点，以此类推，直到寻找到与（
Figure 317066DEST_PATH_IMAGE018
）相接的所有CR值为1的点，然后令num= num+1。
Figure 566651DEST_PATH_IMAGE020
对CR矩阵中第二个点至最后一个点重复第③步，以此方式遍历完矩阵中的所有点，识别出所有连通域。
对格点速度进行二值化处理，若格点速度为正值，则令速度值为1，若格点速度为负值，则令其速度值为零。
基于二值化处理后的速度数据判断数组内的连通域内是否存在正负两种速度，是则计算两种速度的区域所占的面积比例，并以所占面积较小的区域作为逆风区。具体来说，如正速度区域面积较大，则负速度区域为逆风区；如负速度区域面积较大，则正速度区域为逆风区。
剔除经过雷达原点的误识别的逆风区，则得到最终的逆风区识别结果。图3示意出了剔除雷达原点误识别的逆风区在多普勒雷达速度场上的位置，图中左下侧的圆形圈出的区域即为筛选后逆风区。
作为优选实施例，在识别出连通域后，还计算各个连通域的格点数量，若格点数量小于所设阈值，则予以剔除，若格点数量大于所设阈值，则将该连通域的坐标保存至数组中。格点数量小于所设阈值的连通域认为是杂波，剔除时令其label值为0。图2示意出了经过面积阈值筛选后的逆风区在多普勒雷达强度场上的位置，图中左下侧的圆形圈出的区域即为筛选后逆风区。
如图4所示，基于以上实施例，本领域技术人员可以理解，本发明还提供了一种基于天气雷达的逆风区识别装置，该装置包括数据获取模块1、数据转换模块2、计算模块3、识别模块4、速度处理模块5、逆风区判别模块6和输出质量控制模块7。
其中，本发明实施例的数据获取模块1用以从天气雷达中获取极坐标下的雷达基数据，并对所述极坐标下的雷达基数据进行质量控制。雷达基数据中包含了基本反射率因子和速度，数据的质量控制包括非气象回波去除、退速度模糊、中值滤波（抑制/减少多普勒数据波动残留地物杂波影响）等，数据的质量控制为现有技术，不再赘述。
本发明实施例的数据转换模块2用以提取极坐标下的雷达基数据中的基本反射率因子和速度，并将其转换为格点反射率因子和格点速度。具体的转换方式为：
针对格点中任一直角坐标系中一点，可根据勾股定理找到其在极坐标系中对应坐标
Figure DEST_PATH_IMAGE047
，及其前后左右四个方向上最邻近四点坐标
Figure DEST_PATH_IMAGE049
、
Figure DEST_PATH_IMAGE051
、
Figure DEST_PATH_IMAGE053
、
Figure DEST_PATH_IMAGE055
。通过沿方位角方向及径向对他们的反射率因子Z1、Z2、Z3、Z4进行线性插值可得到
Figure 801585DEST_PATH_IMAGE047
处的反射率因子Z，即为对应直角坐标系下插值后的反射率（速度场坐标转换同理）。反射率因子Z具体的计算方式如下：
Figure DEST_PATH_IMAGE041A
Figure DEST_PATH_IMAGE043A
Figure DEST_PATH_IMAGE045A
本发明实施例的计算模块3用以基于格点反射率因子计算雷达的组合反射率。具体的，计算雷达的组合反射率具体包括：基于反射率因子数据计算出每个格点位置
Figure 381602DEST_PATH_IMAGE028
上的在垂直方向上不同高度的最大反射率因子值，得到组合反射率场，则雷达的组合反射率CR为：
Figure 657863DEST_PATH_IMAGE029
其中，h1为第一层，h2为第二层，hn为最第n层，一共n层。
本发明实施例的识别模块4用以基于组合反射率识别出对流单体的连通域，并将连通域的坐标保存至一个数组。具体的，基于组合反射率识别出对流单体的连通域具体包括：
将组合反射率进行二值化处理，以计算获得CR矩阵。具体的，组合反射率的二值化处理如下：如组合反射率
Figure 78349DEST_PATH_IMAGE022
,则令
Figure 440060DEST_PATH_IMAGE024
1，如
Figure 151664DEST_PATH_IMAGE026
，则令
Figure 220114DEST_PATH_IMAGE024
0。组合反射率大于等于35dBZ的区域，认为是对流性降水发生的位置。
基于CR矩阵识别出连通域，具体包括：
Figure 266961DEST_PATH_IMAGE006
新建一个变量用于存放连通域个数num。
Figure 53651DEST_PATH_IMAGE008
新建一个零矩阵用于存放连通域的位置标签label。
Figure 490318DEST_PATH_IMAGE010
从CR矩阵第一个点开始，如果
Figure 944433DEST_PATH_IMAGE012
，则num=1，且
Figure 723033DEST_PATH_IMAGE014
，然后，寻找周围的8个点（以第一个点为中心的九宫格中的周围其余8个点）中是否有CR值等于1的点，若有点（
Figure 262599DEST_PATH_IMAGE016
）的CR值为1，则令该点的label值为num，然后继续寻找点（
Figure 535579DEST_PATH_IMAGE016
）周围是否有CR值为1的点，以此类推，直到寻找到与（
Figure 578622DEST_PATH_IMAGE018
）相接的所有CR值为1的点，然后令num= num+1。
Figure 324861DEST_PATH_IMAGE020
对CR矩阵中第二个点至最后一个点重复第③步，以此方式遍历完矩阵中的所有点，识别出所有连通域。
本发明实施例的速度处理模块5用以对格点速度进行二值化处理，若格点速度为正值，则令速度值为1，若格点速度为负值，则令其速度值为零。
本发明实施例的逆风区判别模块6用以基于二值化处理后的速度数据判断所述数组内的连通域内是否存在正负两种速度，是则计算两种速度的区域所占的面积比例，并以所占面积较小的区域作为逆风区。具体来说，如正速度区域面积较大，则负速度区域为逆风区；如负速度区域面积较大，则正速度区域为逆风区。
本发明实施例的输出质量控制模块7用以剔除经过雷达原点的误识别的逆风区，并输出最终的逆风区识别结果。
本发明实施例还包括格点计数及筛选模块8，格点计数及筛选模块8用以在识别出所述连通域后，计算各个连通域的格点数量，若格点数量小于所设阈值，则予以剔除，若格点数量大于所设阈值，则将该连通域的坐标保存至数组中。格点数量小于所设阈值的连通域认为是杂波，剔除时令其label值为0。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，其它未具体描述的部分，属于现有技术或公知常识。在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于天气雷达的逆风区识别方法，其特征在于，包括：
从天气雷达中获取极坐标下的雷达基数据，并对所述极坐标下的雷达基数据进行质量控制；
提取极坐标下的雷达基数据中的基本反射率因子和速度，并将其转换为格点反射率因子和格点速度；
基于所述格点反射率因子计算雷达的组合反射率；
基于所述组合反射率识别出对流单体的连通域，并将所述连通域的坐标保存至一个数组；
对所述格点速度进行二值化处理，若格点速度为正值，则令速度值为1，若格点速度为负值，则令其速度值为零；
基于二值化处理后的速度数据判断所述数组内的连通域内是否存在正负两种速度，是，则计算两种速度的区域所占的面积比例，并以所占面积较小的区域作为逆风区；
剔除经过雷达原点的误识别的逆风区，则得到最终的逆风区识别结果。
2.根据权利要求1所述的基于天气雷达的逆风区识别方法，其特征在于，在识别出所述连通域后，还计算各个连通域的格点数量，若格点数量小于所设阈值，则予以剔除，若格点数量大于所设阈值，则将该连通域的坐标保存至数组中。
3.根据权利要求1所述的基于天气雷达的逆风区识别方法，其特征在于，所述计算雷达的组合反射率具体包括：
基于所述反射率因子数据计算出每个格点位置
Figure DEST_PATH_IMAGE002
上的在垂直方向上不同高度的最大反射率因子值，得到组合反射率场，则雷达的组合反射率CR为：
Figure DEST_PATH_IMAGE004
其中，h1为第一层，h2为第二层，hn为最第n层，一共n层。
4.根据权利要求1所述的基于天气雷达的逆风区识别方法，其特征在于，基于所述组合反射率识别出对流单体的连通域具体包括：
将所述组合反射率进行二值化处理，以计算获得CR矩阵；
基于CR矩阵识别出连通域，具体包括：
Figure DEST_PATH_IMAGE006
新建一个变量用于存放连通域个数num；
Figure DEST_PATH_IMAGE008
新建一个零矩阵用于存放连通域的位置标签label；
Figure DEST_PATH_IMAGE010
从CR矩阵第一个点开始，如果
Figure DEST_PATH_IMAGE012
，则num=1，且
Figure DEST_PATH_IMAGE014
，然后，寻找周围的8个点中是否有CR值等于1的点，若有点（
Figure DEST_PATH_IMAGE016
）的CR值为1，则令该点的label值为num，然后继续寻找点（
Figure 861462DEST_PATH_IMAGE016
）周围是否有CR值为1的点，以此类推，直到寻找到与（
Figure DEST_PATH_IMAGE018
）相接的所有CR值为1的点，然后令num= num+1；
Figure DEST_PATH_IMAGE020
对CR矩阵中第二个点至最后一个点重复第③步，以此方式遍历完矩阵中的所有点，识别出所有连通域。
5.根据权利要求4所述的一种基于天气雷达的逆风区识别方法，其特征在于，所述组合反射率的二值化处理如下：如组合反射率
Figure DEST_PATH_IMAGE022
,则令
Figure DEST_PATH_IMAGE024
1，如
Figure DEST_PATH_IMAGE026
，则令
Figure 591652DEST_PATH_IMAGE024
0。
6.一种基于天气雷达的逆风区识别装置，其特征在于，包括：
数据获取模块，用以从天气雷达中获取极坐标下的雷达基数据，并对所述极坐标下的雷达基数据进行质量控制；
数据转换模块，用以提取极坐标下的雷达基数据中的基本反射率因子和速度，并将其转换为格点反射率因子和格点速度；
计算模块，用以基于所述格点反射率因子计算雷达的组合反射率；
识别模块，用以基于所述组合反射率识别出对流单体的连通域，并将所述连通域的坐标保存至一个数组；
速度处理模块，用以对所述格点速度进行二值化处理，若格点速度为正值，则令速度值为1，若格点速度为负值，则令其速度值为零；
逆风区判别模块，用以基于二值化处理后的速度数据判断所述数组内的连通域内是否存在正负两种速度，是，则计算两种速度的区域所占的面积比例，并以所占面积较小的区域作为逆风区；
输出质量控制模块，用以剔除经过雷达原点的误识别的逆风区，并输出最终的逆风区识别结果。
7.根据权利要求6所述的基于天气雷达的逆风区识别装置，其特征在于，还包括格点计数及筛选模块，用以在识别出所述连通域后，计算各个连通域的格点数量，若格点数量小于所设阈值，则予以剔除，若格点数量大于所设阈值，则将该连通域的坐标保存至数组中。
8.根据权利要求6所述的基于天气雷达的逆风区识别装置，其特征在于，所述计算模块基于所述反射率因子数据计算出每个格点位置
Figure DEST_PATH_IMAGE028
上的在垂直方向上不同高度的最大反射率因子值，得到组合反射率场，则雷达的组合反射率CR为：
Figure DEST_PATH_IMAGE029
其中，h1为第一层，h2为第二层，hn为最第n层，一共n层。
9.根据权利要求6所述的基于天气雷达的逆风区识别装置，其特征在于，所述识别模块将所述组合反射率进行二值化处理，以计算获得CR矩阵，并基于CR矩阵识别出连通域，具体包括：
Figure 309072DEST_PATH_IMAGE006
新建一个变量用于存放连通域个数num；
Figure 173123DEST_PATH_IMAGE008
新建一个零矩阵用于存放连通域的位置标签label；
Figure 253074DEST_PATH_IMAGE010
从CR矩阵第一个点开始，如果
Figure 528067DEST_PATH_IMAGE012
，则num=1，且
Figure 60679DEST_PATH_IMAGE014
，然后，寻找周围的8个点中是否有CR值等于1的点，若有点（
Figure 462842DEST_PATH_IMAGE016
）的CR值为1，则令该点的label值为num，然后继续寻找点（
Figure 492240DEST_PATH_IMAGE016
）周围是否有CR值为1的点，以此类推，直到寻找到与（
Figure 875816DEST_PATH_IMAGE018
）相接的所有CR值为1的点，然后令num= num+1；
Figure 98987DEST_PATH_IMAGE020
对CR矩阵中第二个点至最后一个点重复第③步，以此方式遍历完矩阵中的所有点，识别出所有连通域。
10.根据权利要求9所述的基于天气雷达的逆风区识别装置，其特征在于，所述组合反射率的二值化处理如下：如组合反射率
Figure 304841DEST_PATH_IMAGE022
,则令
Figure 93805DEST_PATH_IMAGE024
1，如
Figure 743224DEST_PATH_IMAGE026
，则令
Figure 453691DEST_PATH_IMAGE024
0。
CN202010822483.9A 2020-08-17 2020-08-17 一种基于天气雷达的逆风区识别方法与装置 Active CN111736156B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010822483.9A CN111736156B (zh) 2020-08-17 2020-08-17 一种基于天气雷达的逆风区识别方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010822483.9A CN111736156B (zh) 2020-08-17 2020-08-17 一种基于天气雷达的逆风区识别方法与装置

Publications (2)

Publication Number Publication Date
CN111736156A true CN111736156A (zh) 2020-10-02
CN111736156B CN111736156B (zh) 2020-11-20

Family

ID=72658453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010822483.9A Active CN111736156B (zh) 2020-08-17 2020-08-17 一种基于天气雷达的逆风区识别方法与装置

Country Status (1)

Country Link
CN (1) CN111736156B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688539A (zh) * 2021-10-19 2021-11-23 南京信息工程大学 一种复合型极端气候事件识别方法和系统
CN115542326A (zh) * 2022-09-14 2022-12-30 江苏省气象台 一种孤立式下击暴流识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945360A (zh) * 2012-09-20 2013-02-27 南京信息工程大学 基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法
CN106526708A (zh) * 2016-09-21 2017-03-22 广东奥博信息产业有限公司 一种基于机器学习的气象强对流天气的智能预警分析方法
CN106547840A (zh) * 2016-10-13 2017-03-29 国家卫星气象中心 一种全球三维大气数据的解析及管理方法
CN107576962A (zh) * 2017-09-07 2018-01-12 中国民航大学 基于迭代自适应处理的低空风切变风速估计方法
CN109765559A (zh) * 2019-02-02 2019-05-17 中国水利水电科学研究院 一种基于多普勒雷达和深度学习的山区致灾暴雨识别方法
JP2020026784A (ja) * 2018-08-15 2020-02-20 明久 松園 翼角度自律振幅制御式風車

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102945360A (zh) * 2012-09-20 2013-02-27 南京信息工程大学 基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法
CN106526708A (zh) * 2016-09-21 2017-03-22 广东奥博信息产业有限公司 一种基于机器学习的气象强对流天气的智能预警分析方法
CN106547840A (zh) * 2016-10-13 2017-03-29 国家卫星气象中心 一种全球三维大气数据的解析及管理方法
CN107576962A (zh) * 2017-09-07 2018-01-12 中国民航大学 基于迭代自适应处理的低空风切变风速估计方法
JP2020026784A (ja) * 2018-08-15 2020-02-20 明久 松園 翼角度自律振幅制御式風車
CN109765559A (zh) * 2019-02-02 2019-05-17 中国水利水电科学研究院 一种基于多普勒雷达和深度学习的山区致灾暴雨识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688539A (zh) * 2021-10-19 2021-11-23 南京信息工程大学 一种复合型极端气候事件识别方法和系统
CN115542326A (zh) * 2022-09-14 2022-12-30 江苏省气象台 一种孤立式下击暴流识别方法

Also Published As

Publication number Publication date
CN111736156B (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN110223302B (zh) 一种基于旋转区域提取的舰船多目标检测方法
CN110889324A (zh) 一种基于yolo v3面向末端制导的热红外图像目标识别方法
CN105467393B (zh) 一种毫米波云雷达三维风场反演方法及系统
CN111398949B (zh) 一种基于组网x波段雷达自适应协同扫描方法
CN108960198A (zh) 一种基于残差ssd模型的交通标志检测与识别方法
CN111736156B (zh) 一种基于天气雷达的逆风区识别方法与装置
CN106680798B (zh) 一种机载lidar航带重叠区冗余辨识及消除方法
CN107992818B (zh) 一种光学遥感图像海面船只目标的检测方法
CN105319537A (zh) 基于空间相关性的航海雷达同频干扰抑制方法
CN107423734B (zh) 一种sar图像海洋目标快速检测方法与装置
CN110261857B (zh) 一种天气雷达空间插值方法
CN109164450B (zh) 一种基于多普勒雷达数据的下击暴流预测方法
CN113191299B (zh) 一种涡旋的识别方法、装置、存储介质及电子设备
WO2018000252A1 (zh) 高分辨遥感海洋图像的海背景建模与抑制的方法及系统
CN110208767B (zh) 一种基于拟合相关系数的雷达目标快速检测方法
CN111929687B (zh) 一种龙卷涡旋特征自动识别算法
CN110412609B (zh) 一种多脉冲激光雷达目标检测方法
CN104569923A (zh) 基于速度约束的Hough变换快速航迹起始方法
Chen et al. Marine target detection based on Marine-Faster R-CNN for navigation radar plane position indicator images
CN112946643B (zh) 基于时序雷达遥感的海上风电提取方法及系统
CN112084955B (zh) 一种高压线检测识别方法、装置及电子设备
CN113344148A (zh) 一种基于深度学习的海上舰船目标识别方法
CN111142075B (zh) 一种道面微小目标检测雷达杂波图自动更新方法
CN102945360B (zh) 基于形态学和逻辑运算的多普勒雷达图像逆风区检测方法
CN112101250A (zh) 一种基于上下文语义感知的近岸舰船目标检测方法

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