CN112666527B - 一种融合实况降水数据的天气雷达滤波方法 - Google Patents

一种融合实况降水数据的天气雷达滤波方法 Download PDF

Info

Publication number
CN112666527B
CN112666527B CN202011412686.7A CN202011412686A CN112666527B CN 112666527 B CN112666527 B CN 112666527B CN 202011412686 A CN202011412686 A CN 202011412686A CN 112666527 B CN112666527 B CN 112666527B
Authority
CN
China
Prior art keywords
precipitation
data
echo intensity
stations
radar
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
CN202011412686.7A
Other languages
English (en)
Other versions
CN112666527A (zh
Inventor
邱珩
余浩南
郑昕
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.)
Xiangji Technology Co ltd
Original Assignee
Xiangji 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 Xiangji Technology Co ltd filed Critical Xiangji Technology Co ltd
Priority to CN202011412686.7A priority Critical patent/CN112666527B/zh
Publication of CN112666527A publication Critical patent/CN112666527A/zh
Application granted granted Critical
Publication of CN112666527B publication Critical patent/CN112666527B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及气象监测技术领域,尤其涉及一种融合实况降水数据的天气雷达滤波方法,本发明采用雷达的每一批基数据,在物理学滤波和图像学滤波后,引入实时降水实况数据来确定临界回波强度,并删去低于这个临界值的回波。首先,基于雷达基数据的格式,根据回波强度进行区域分块,每块随机选择3‑5个代表点,并计算出距离代表点最近的自动站,记录下自动站位置对应的回波强度、实况降水数据、数据时间等有效信息,对上述方法得到的回波强度和实况降水数据序列进行清洗分析,从而确定临界回波强度,并删去低于这个临界值的回波实现滤波。本发明引入实况降水数据,对雷达的每一批数据,动态地调整触发降水的临界回波强度,提高天气雷达滤波的准确率。

Description

一种融合实况降水数据的天气雷达滤波方法
技术领域
本发明涉及气象监测技术领域,尤其涉及一种融合实况降水数据的天气雷达滤波方法。
背景技术
短时临近降水预报技术,是利用天气雷达的观测资料(雷达基数据或其衍生产品)对地面降水进行反演,从而推测未来2小时内的回波外推和降水预报的技术。而由于天气雷达的工作原理,雷达基数据中包含大量的非降水回波,会对最终的预报结果准确率造成很大影响。因此,雷达滤波技术,即如何识别出有效的降水回波,过滤掉无效的非降水回波,是预报过程的一项难点。
目前的雷达滤波技术已经有了一定程度的发展,累积了很多效果很好的滤波方法,其中一部分是利用雷达的工作原理,从物理规律出发,采用去模糊、去折叠、高度滤波等方式,过滤掉因为速度模糊、距离折叠、超折射等原因产生的杂波;另一部分则是从图像学的角度出发,结合神经网络等图像处理技术,识别横线、扇形等形状特征明显的杂波并进行过滤。这些方法都是基于雷达数据本身进行处理,局限性较大(无法对一些非降水回波做出有效过滤),需要借鉴融合预报的思想,融入其他数据进行补充和订正。
由于降水是一个比较复杂的过程,与温、湿、风、压等多种要素相关,且在不同地区不同季节能够触发降水的临界回波强度不同。因此考虑接入实时的降水量实况数据,用于确定当地降水的临界回波强度,并过滤掉低于这个临界值的回波,达到提高滤波准确率的目的。
发明内容
有鉴于此,本发明的目的是提供一种融合实况降水数据的天气雷达滤波方法,以解决背景技术中的问题。
本发明提供了一种融合实况降水数据的天气雷达滤波方法,具体按以下步骤执行:
S1:首先获得各个雷达站点的雷达基数据文件,根据雷达格式说明解析出具体的回波强度(组合反射率),并经过物理学滤波和图像学滤波处理获得回波强度分布情况;物理学滤波和图像学滤波是雷达对气象数据进行常规的处理方式,具体是通过利用雷达的工作原理,从物理规律出发,采用去模糊、去折叠、高度滤波等方式,过滤掉因为速度模糊、距离折叠、超折射等原因产生的杂波;另一部分则是从图像学的角度出发,结合神经网络等图像处理技术,识别横线、扇形等形状特征明显的杂波并进行过滤。
S2:根据回波强度进行区域分块,每5dbz为一级别,从对应的区域内分别随机选3-5个代表点;
S3:根据每一个选取的代表点的经纬度,结合所有自动站经纬度信息,计算出距离代表点最近的自动站,记录下自动站位置对应的回波强度、实况降水数据的有效信息;
S4:对步骤S3得到的回波强度和实况降水数据序列进行清洗,具体的删去数据时间超过二十分钟以上的过期数据、自动站地理位置超出雷达有效范围的数据、同一个自动站的重复数据的无效信息;
S5:对清洗后的数据进行数据分析,从而确定临界回波强度。
进一步,对于步骤S5具体按以下步骤执行;
S5.1:首先将清清洗后的数据分为无降水站点和有降水站点两组;
S5.2:如果无降水的站点数量为零,有降水的站点数量也为零,则设每台雷达预设的固定阈值为临界回波强度;
S5.3:如果无降水的站点数量为零,有降水的站点数量不为零,则临界回波强度为各个有降水站点对应回波不小于10dBZ的最小值;
S5.4:如果无降水的站点数量不为零,有降水的站点数量为零,则临界回波强度为各个无降水站点对应回波的最大值、该雷达固定阈值、25dBZ这三者中不大于35dBZ的最大值;
S5.5:如果无降水的站点数量不为零,有降水的站点数量也不为零,则设A为各个有降水站点对应回波最小值与10dBZ的较大值,设B记为各个无降水站点对应回波最大值与10dBZ的较大值,设临界回波强度为不大于35dBZ的A与B的平均值。
进一步,在步骤S5根据判断逻辑确定一个临界回波强度,然后将低于临界回波强度的回波全部删去,达到滤波的效果。
本发明的一种融合实况降水数据的天气雷达滤波方法的有益效果:本发明在传统的天气雷达滤波过程中,引入了实况降水数据进行辅助,通过实况降水可以很大程度反映出温度、湿度等其他与降水过程息息相关的天气要素的情况,使得本方案滤波方法能因地制宜、因时制宜,提高准确率;本发明对现有的雷达滤波方法进行补充,将引入实况降水数据,对每部雷达的每一批数据,动态地调整触发降水的临界回波强度,从而区分降水回波和杂波,并过滤掉杂波提高天气雷达滤波的准确率。另一方面,引入其他数据源,也能使得滤波方法不再局限于雷达数据本身,有利于促进后续技术发展的大胆尝试。
附图说明
图1是本发明的流程示意图;
图2是本发明的从自动站获取到的数据信息图;
图3是本发明的数据清洗逻辑的流程图;
图4是本发明的使用本发明的滤波方法前后效果对比示意图;
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明,显然,所描述的实施例仅仅只是本申请一部分实施例,而不是全部的实施例,基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本实施例中,本发明的一种融合实况降水数据的天气雷达滤波方法,本发明具体按以下步骤执行:
S1:首先获得各个雷达站点的雷达基数据文件,根据雷达格式说明解析出具体的回波强度(组合反射率),并经过物理学滤波和图像学滤波处理获得回波强度分布情况;物理学滤波和图像学滤波是雷达对气象数据进行常规的处理方式,具体是通过利用雷达的工作原理,从物理规律出发,采用去模糊、去折叠、高度滤波等方式,过滤掉因为速度模糊、距离折叠、超折射等原因产生的杂波;另一部分则是从图像学的角度出发,结合神经网络等图像处理技术,识别横线、扇形等形状特征明显的杂波并进行过滤。
S2:根据回波强度进行区域分块,每5dbz为一级别,从对应的区域内分别随机选3-5个代表点;
S3:根据每一个选取的代表点的经纬度,结合所有自动站经纬度信息,计算出距离代表点最近的自动站,记录下自动站位置对应的回波强度、实况降水数据的有效信息;
S4:对步骤S3得到的回波强度和实况降水数据序列进行清洗,具体的删去数据时间超过二十分钟以上的过期数据、自动站地理位置超出雷达有效范围的数据、同一个自动站的重复数据的无效信息;
S5:对清洗后的数据进行数据分析,从而确定临界回波强度。对于步骤S5具体按以下步骤执行;
S5.1:首先将清清洗后的数据分为无降水站点和有降水站点两组;
S5.2:如果无降水的站点数量为零,有降水的站点数量也为零,则设每台雷达预设的固定阈值为临界回波强度;
S5.3:如果无降水的站点数量为零,有降水的站点数量不为零,则临界回波强度为各个有降水站点对应回波不小于10dBZ的最小值;
S5.4:如果无降水的站点数量不为零,有降水的站点数量为零,则临界回波强度为各个无降水站点对应回波的最大值、该雷达固定阈值、25dBZ这三者中不大于35dBZ的最大值;
S5.5:如果无降水的站点数量不为零,有降水的站点数量也不为零,则设A为各个有降水站点对应回波最小值与10dBZ的较大值,设B记为各个无降水站点对应回波最大值与10dBZ的较大值,设临界回波强度为不大于35dBZ的A与B的平均值。
本实施例中,在步骤S5中根据判断逻辑确定一个临界回波强度,然后将低于临界回波强度的回波全部删去,达到滤波的效果。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (1)

1.一种融合实况降水数据的天气雷达滤波方法,具体按以下步骤执行:
S1:首先获得各个雷达站点的雷达基数据文件,根据雷达格式说明解析出具体的回波强度,并经过物理学滤波和图像学滤波处理获得回波强度分布情况;
S2:根据回波强度进行区域分块,每5dbz为一级别,从对应的区域内分别随机选3-5个代表点;
S3:根据每一个选取的代表点的经纬度,结合所有自动站经纬度信息,计算出距离代表点最近的自动站,记录下自动站位置对应的回波强度、实况降水数据的有效信息;
S4:对步骤S3得到的回波强度和实况降水数据序列进行清洗,具体的删去数据时间超过二十分钟以上的过期数据、自动站地理位置超出雷达有效范围的数据、同一个自动站的重复数据的无效信息;
S5:对清洗后的数据进行数据分析,从而确定临界回波强度,根据判断逻辑获得临界回波强度,然后将低于临界回波强度的回波全部删去,达到滤波的效果;
S5.1:首先将清洗后的数据分为无降水站点和有降水站点两组;
S5.2:如果无降水的站点数量为零,有降水的站点数量也为零,则设每台雷达预设的固定阈值为临界回波强度;
S5.3:如果无降水的站点数量为零,有降水的站点数量不为零,则临界回波强度为各个有降水站点对应回波不小于10dBZ的最小值;
S5.4:如果无降水的站点数量不为零,有降水的站点数量为零,则临界回波强度为各个无降水站点对应回波的最大值、固定阈值、25dBZ这三者中不大于35dBZ的最大值;
S5.5:如果无降水的站点数量不为零,有降水的站点数量也不为零,则设A为各个有降水站点对应回波最小值与10dBZ的较大值,设B记为各个无降水站点对应回波最大值与10dBZ的较大值,设临界回波强度为不大于35dBZ的A与B的平均值。
CN202011412686.7A 2020-12-03 2020-12-03 一种融合实况降水数据的天气雷达滤波方法 Active CN112666527B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011412686.7A CN112666527B (zh) 2020-12-03 2020-12-03 一种融合实况降水数据的天气雷达滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011412686.7A CN112666527B (zh) 2020-12-03 2020-12-03 一种融合实况降水数据的天气雷达滤波方法

Publications (2)

Publication Number Publication Date
CN112666527A CN112666527A (zh) 2021-04-16
CN112666527B true CN112666527B (zh) 2023-03-07

Family

ID=75401460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011412686.7A Active CN112666527B (zh) 2020-12-03 2020-12-03 一种融合实况降水数据的天气雷达滤波方法

Country Status (1)

Country Link
CN (1) CN112666527B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640769B (zh) * 2021-08-27 2023-06-13 南京信息工程大学 基于深度神经网络的天气雷达基本反射率预测方法
CN115047463B (zh) * 2022-08-16 2022-11-01 成都远望科技有限责任公司 一种考虑降雨区域雷达回波衰减协同扫描调度方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706571A (zh) * 2009-11-05 2010-05-12 宁波市气象信息中心 一种雷达回波中非气象杂波的处理方法
CN105068153A (zh) * 2015-06-19 2015-11-18 中国气象科学研究院 一种区域自动雨量站小时降水数据质量控制系统及方法
CN105717556A (zh) * 2016-02-03 2016-06-29 长江水利委员会水文局 一种基于大数据的自分型雷达估测降水方法
CN105738873A (zh) * 2015-11-16 2016-07-06 象辑知源(武汉)科技有限公司 天气雷达回波图像的处理方法及处理装置
WO2019201975A1 (fr) * 2018-04-17 2019-10-24 Suez Groupe Dispositif, procede et produit programme d'ordinateur de validation de donnees fournies par une sonde pluviometrique
CN111474529A (zh) * 2020-06-10 2020-07-31 浙江省气象台 卫星反演雷达回波的方法、反演雷达回波系统及导航雷达

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10572840B2 (en) * 2017-06-30 2020-02-25 International Business Machines Corporation Dynamically scheduling a job plan based on weather information

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706571A (zh) * 2009-11-05 2010-05-12 宁波市气象信息中心 一种雷达回波中非气象杂波的处理方法
CN105068153A (zh) * 2015-06-19 2015-11-18 中国气象科学研究院 一种区域自动雨量站小时降水数据质量控制系统及方法
CN105738873A (zh) * 2015-11-16 2016-07-06 象辑知源(武汉)科技有限公司 天气雷达回波图像的处理方法及处理装置
CN105717556A (zh) * 2016-02-03 2016-06-29 长江水利委员会水文局 一种基于大数据的自分型雷达估测降水方法
WO2019201975A1 (fr) * 2018-04-17 2019-10-24 Suez Groupe Dispositif, procede et produit programme d'ordinateur de validation de donnees fournies par une sonde pluviometrique
CN111474529A (zh) * 2020-06-10 2020-07-31 浙江省气象台 卫星反演雷达回波的方法、反演雷达回波系统及导航雷达

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Maria-Carmen Llasat等.Rainfall regionalization on the basis of the precipitation convective.《Atmospheric Research》.2007,第83卷(第2-4期),全文. *
程昌玉 等.基于气象卫星资料的天气雷达非降水回波消除方法.《气象与减灾研究》.2017,第40卷(第2期),全文. *

Also Published As

Publication number Publication date
CN112666527A (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN112666527B (zh) 一种融合实况降水数据的天气雷达滤波方法
KR101221773B1 (ko) 이중편파 레이더를 이용한 기상 및 비기상 에코 분류 방법
CN112800634B (zh) 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
CN109804119A (zh) 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法
CN107169492B (zh) 基于fcn-crf主从网络的极化sar目标检测方法
CN108665466B (zh) 一种道路激光点云中路面病害自动提取方法
KR101255736B1 (ko) 단일편파 레이더를 이용한 기상 및 비기상 에코 분류 방법
Ren et al. The accuracy of LCZ maps generated by the world urban database and access portal tools (WUDAPT) method: A case study of Hong Kong
CN104992429A (zh) 一种基于图像局部增强的山体裂缝检测方法
CN108376403A (zh) 基于霍夫圆变换的网格菌落图像分割方法
CN103679167A (zh) 一种ccd图像处理的方法
CN113780110A (zh) 一种图像序列中弱小目标实时检测方法及设备
Houston et al. Thunderstorm Observation by Radar (ThOR): An algorithm to develop a climatology of thunderstorms
CN108732570A (zh) 基于粒子滤波融合算法的灾害性对流天气的临近预报方法
Shao et al. Automated searching of ground points from airborne lidar data using a climbing and sliding method
US11668857B2 (en) Device, method and computer program product for validating data provided by a rain sensor
CN116596911A (zh) 一种水下平面型结构体声呐图像裂缝量化方法
CN115980690A (zh) 晴空回波识别模型构建方法、晴空回波滤波方法及装置
CN107992863A (zh) 多分辨率粮虫种类视觉识别方法
Li et al. MSDM: a machine learning model for precipitation nowcasting over east China using multi-source data
CN115376106A (zh) 基于雷达图的车型识别方法、装置、设备及介质
CN104063680A (zh) 基于高斯差分模型的雪地扰动痕迹遥感识别方法
Malekshahi et al. Detection and removal of rain from video using predominant direction of Gabor filters
CN114332144A (zh) 样本粒度检测方法、系统、电子设备及存储介质
CN112101444A (zh) 一种基于深度学习的日冕物质抛射检测方法

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
CB02 Change of applicant information

Address after: 430000 Room 302, floor 3, building C, Jinglun Park, No. 70, Guanggu Avenue, Donghu Technology Development Zone, Dongxihu District, Wuhan, Hubei Province

Applicant after: Xiangji Technology (Wuhan) Co.,Ltd.

Address before: Room 302, 3 / F, building C, Jinglun garden, No. 70, Guanggu Avenue, Donghu New Technology Development Zone, Dongxihu District, Wuhan City, Hubei Province, 430000

Applicant before: XIANGJI ZHIYUAN (WUHAN) TECHNOLOGY CO.,LTD.

Address after: 430000 Room 302, floor 3, building C, Jinglun Park, No. 70, Guanggu Avenue, Donghu Technology Development Zone, Dongxihu District, Wuhan, Hubei Province

Applicant after: Xiangji Technology Co.,Ltd.

Address before: 430000 Room 302, floor 3, building C, Jinglun Park, No. 70, Guanggu Avenue, Donghu Technology Development Zone, Dongxihu District, Wuhan, Hubei Province

Applicant before: Xiangji Technology (Wuhan) Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant