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 PDFInfo
- 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
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
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:
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:
从CR矩阵第一个点开始,如果,则num=1,且,然后,寻找周围的8个点中是否有CR值等于1的点,若有点()的CR值为1,则令该点的label值为num,然后继续寻找点()周围是否有CR值为1的点,以此类推,直到寻找到与()相接的所有CR值为1的点,然后令num= num+1;
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。
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:
从CR矩阵第一个点开始,如果,则num=1,且,然后,寻找周围的8个点中是否有CR值等于1的点,若有点()的CR值为1,则令该点的label值为num,然后继续寻找点()周围是否有CR值为1的点,以此类推,直到寻找到与()相接的所有CR值为1的点,然后令num= num+1;
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,及其前后左右四个方向上最邻近四点坐标B、C、D、E。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:
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:
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:
基于CR矩阵识别出连通域,具体包括:
从CR矩阵第一个点开始,如果,则num=1,且,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()的CR值为1,则令该点的label值为num,然后继续寻找点()周围是否有CR值为1的点,以此类推,直到寻找到与()相接的所有CR值为1的点,然后令num= num+1。
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,及其前后左右四个方向上最邻近四点坐标、、、。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:
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:
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:
基于CR矩阵识别出连通域,具体包括:
从CR矩阵第一个点开始,如果,则num=1,且,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()的CR值为1,则令该点的label值为num,然后继续寻找点()周围是否有CR值为1的点,以此类推,直到寻找到与()相接的所有CR值为1的点,然后令num= num+1。
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。
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:
从CR矩阵第一个点开始,如果,则num=1,且,然后,寻找周围的8个点中是否有CR值等于1的点,若有点()的CR值为1,则令该点的label值为num,然后继续寻找点()周围是否有CR值为1的点,以此类推,直到寻找到与()相接的所有CR值为1的点,然后令num= num+1;
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。
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:
从CR矩阵第一个点开始,如果,则num=1,且,然后,寻找周围的8个点中是否有CR值等于1的点,若有点()的CR值为1,则令该点的label值为num,然后继续寻找点()周围是否有CR值为1的点,以此类推,直到寻找到与()相接的所有CR值为1的点,然后令num= num+1;
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)
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)
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 |
-
2020
- 2020-08-17 CN CN202010822483.9A patent/CN111736156B/zh active Active
Patent Citations (6)
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)
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 |