CN112965146B - 一种结合气象雷达与雨量桶观测数据的定量降水估算方法 - Google Patents

一种结合气象雷达与雨量桶观测数据的定量降水估算方法 Download PDF

Info

Publication number
CN112965146B
CN112965146B CN202110410676.8A CN202110410676A CN112965146B CN 112965146 B CN112965146 B CN 112965146B CN 202110410676 A CN202110410676 A CN 202110410676A CN 112965146 B CN112965146 B CN 112965146B
Authority
CN
China
Prior art keywords
data
rainfall
meteorological radar
correction factor
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
CN202110410676.8A
Other languages
English (en)
Other versions
CN112965146A (zh
Inventor
何鑫
孙青言
陆垂裕
严聆嘉
吴初
秦韬
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.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
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 China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202110410676.8A priority Critical patent/CN112965146B/zh
Publication of CN112965146A publication Critical patent/CN112965146A/zh
Application granted granted Critical
Publication of CN112965146B publication Critical patent/CN112965146B/zh
Priority to US17/452,575 priority patent/US11333797B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/06—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving a combined indication of weather conditions
    • 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)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Hydrology & Water Resources (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种结合气象雷达与雨量桶观测数据的定量降水估算方法，该方法通过获取原始雨量桶累积数据以及原始气象雷达降水累积数据，得到同一地理位置网格上匹配的雨量桶‑气象雷达数据G/R对，进而利用该G/R对计算原始气象雷达降水累积数据的观测误差并进行异常数据检测，生成初始修正因子场，判断初始修正因子场与观测误差是否存在距离相关性，若存在则调整初始修正因子场，利用调整后的修正因子场对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据，否则直接利用平均场偏差得到修正后的气象雷达降水累积数据。本发明有效结合气象雷达与雨量桶观测数据，形成空间上更为准确且适用范围广的定量降水估算。

Description

一种结合气象雷达与雨量桶观测数据的定量降水估算方法
技术领域
本发明涉及气象探测领域，具体涉及一种结合气象雷达与雨量桶观测数据的定量降水估算方法。
背景技术
气象雷达和雨量桶都是观测降水的常用仪器。基于气象雷达信号得到的定量降水数据，由于具有全自动、时空分辨率高、时效性强等特点，已经在世界各地得到了越来越广泛的应用。
气象雷达的发射端天线向大气中发射电磁波，当降水发生时电磁波碰撞到雨滴后形成反射回波，被气象雷达的接收端天线接收。天空中的雨滴数量越多、体积越大，气象雷达回波的信号强度就越大。可以推断，气象雷达接收的回波信号强度，即气象雷达反射率(Z)与当时的降水强度(R)呈紧密正向相关。Z-R关系也因此成为气象雷达数据反演定量降水的基础。
气象雷达反射率与降水强度的关系是非线性且十分复杂的，导致基于气象雷达信号反演得到的定量降水数据不能代表地面上降水的真实情况，分析误差原因主要有如下几点：首先，与高度有关的误差，气象雷达观测到的信号来自于几千米的空中而非地面，雨滴在降落到地面的过程中会发生变化；第二，与距离有关的误差，这主要是由于电磁波在传送的过程中会发生衰减，距离气象雷达越远且降水强度越大时，信号衰减越严重；第三，随机误差，例如气象雷达杂波效应，或由于雨滴之外的物体(如飞行器、鸟类、昆虫等)造成的干扰。因此，通过直接反演气象雷达信号得到的定量降水产品很难被直接应用。
地面安装的雨量桶所观测到的降水数据至今仍然被认为是最准确的点尺度测量。但地面雨量桶数量十分有限，且维护成本较高，因此单纯用雨量桶观测数据插值得到的降水空间分布也不够准确。基于以上不足，本发明提出一种结合气象雷达与雨量桶观测数据的定量降水估算方法，发挥两种观测仪器各自的优势，形成在空间上更为准确的定量降水估算。
发明内容
针对现有技术中的上述不足，本发明提供了一种结合气象雷达与雨量桶观测数据的定量降水估算方法。
为了达到上述发明目的，本发明采用的技术方案为：
一种结合气象雷达与雨量桶观测数据的定量降水估算方法，包括以下步骤：
S1、通过获取原始雨量桶累积数据以及原始气象雷达降水累积数据，得到同一地理位置网格上匹配的雨量桶-气象雷达数据G/R对；
S2、通过步骤S1得到的雨量桶-气象雷达数据G/R对计算原始气象雷达降水累积数据的观测误差，并进行异常数据检测，生成初始修正因子场；
S3、将步骤S2得到的初始修正因子场与观测误差进行距离相关性判断，若存在距离相关性则进入步骤S4，否则进入步骤S5；
S4、对初始修正因子场进行调整，并利用调整后的修正因子场对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据；
S5、利用平均场偏差对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据。
该方案的有益效果为：
利用同一地理位置网格上匹配的雨量桶-气象雷达数据G/R对获取观测误差与初始修正因子场，并对初始修正因子场与观测误差进行距离相关性判断，进而得到修正后的气象雷达降水数据。有效结合气象雷达与雨量桶观测数据，发挥各自数据的优势，形成在空间上更为准确的定量降水估算。
进一步地，所述步骤S1的具体包括以下分步骤：
S11、从气象雷达数据库中调取气象雷达反射率并转换为降雨强度，得到气象雷达降雨强度数据，其转换公式为：
Figure GDA0003170416410000021
其中，R为气象雷达降雨强度，Z为气象雷达反射率，A和b均为无量纲参数；
S12、将步骤S11中得到的降雨强度数据累积到24小时得到原始气象雷达降水累积数据R(i,j)，并与原始雨量桶累积数据在同一地理坐标网格上进行匹配，得到雨量桶-气象雷达数据G/R对。
该进一步方案的有益效果为：
雷达观测到的是空中的雨滴，而雨量桶观测到的是地面上的实际降水，因此每时每刻的观测不可能完全拟合。采用24小时累积数据可以让两种观测更具有可比性。雷达观测是面上的扫描，而雨量桶是做点位上的观测，因此需要找到每个雨量桶所对应的雷达图像网格点(像素点)，让两种观测更具可比性。
进一步地，所述步骤所述步骤S2包括以下分步骤：
S21、利用步骤S12得到的雨量桶-气象雷达数据G/R对计算原始气象雷达降水数据的观测误差Fg，其计算公式为：
Fg＝log(G/R)
其中，G为匹配好的G/R对中雨量桶累积数据，R为匹配好的G/R对中气象雷达降水累积数据；
S22、利用步骤S21得到的观测误差Fg及其均值
Figure GDA0003170416410000033
计算原始气象雷达降水累计数据的归一化残差Zg，其计算公式为：
Figure GDA0003170416410000031
其中，σ是观测误差Fg的标准方差；
S23、判断步骤S22得到的归一化残差Zg的绝对值|Zg|是否大于设定阈值，若满足则删除该数据进入步骤S24，否则直接进入步骤S24；
S24、将步骤S23得到的观测误差Fg与同一地理坐标网格到气象雷达间的距离rg进行拟合，生成初始修正因子场Fr(i,j)，表示为：
Figure GDA0003170416410000032
其中，(i，j)为气象雷达数据的网格坐标；a、b、c为无量纲参数。
该进一步方案的有益效果为：
采用取对数的处理办法是因为降水数据一般呈对数正态分布，取对数后则呈一般正态分布，即高斯分布，便于后续统计与计算。采用一元二次方程进行拟合是因为降水修正因子与距离呈非线性关系，而一元二次方程是能描述此非线性关系最简单的表达式，可以节约计算成本。
进一步地，所述步骤S3具体为：
运用t-检验方法在95％置信区间评估观测误差Fg与初始修正因子场Fr(i,j)是否存在距离相关性，若存在距离相关性则进入步骤S4，否则进入步骤S5。
该进一步方案的有益效果为：
数据通过t-检验，则说明气象雷达降水的误差由距离产生，进而利用修正后的初始因子修正场
Figure GDA0003170416410000045
对原始气象雷达降水累积数据R(i,j)进行修正；若未通过，则说明该场降水覆盖范围小，多为短时间的强对流局部降水，此情况下不需要对雷达数据进行复杂的距离方面的修正，只需要直接利用平均场偏差MFB进行修正即可，可适应各种降水数据条件，使方法适用性更广。
进一步地，所述步骤S4包括以下分步骤：
S41、将初始修正因子场Fr(i,j)进行调整，得到调整后的修正因子场
Figure GDA0003170416410000041
表示为：
Figure GDA0003170416410000042
其中，Fs(i,j)为空间分析修正因子场，ws(i,j)为空间加权；
S42、利用步骤S41得到的修正因子场
Figure GDA0003170416410000043
对原始气象雷达降水累积数据R(i,j)进行修正，得到修正后的原始气象雷达降水累积数据Rr(i,j)，表示为：
Figure GDA0003170416410000044
其中，R(i,j)为原始气象雷达降水累积数据。
该进一步方案的有益效果为：
最终修正因子场
Figure GDA0003170416410000051
由两部分组成，第一部分考虑了地面观测点到雷达的距离，进而修正因为距离而产生的误差；第二部分考虑了修正雷达数据时雨量桶观测的密度，对其进行空间加权，避免了某个局部由于观测点过少而造成过分依赖个别观测点的问题。最终两部分结合可以提高空间上定量降水估算的准确性。
进一步地，所述步骤S41中空间分析修正因子场Fs(i,j)计算方法包括以下分步骤：
S411、利用各雨量桶在同一地理坐标网格上的权重wg(i,j)与观测误差Fg计算第一猜测修正因子场F(i,j)，其计算公式为：
Figure GDA0003170416410000052
其中，N为G/R对的数量，wg(i,j)为各个雨量桶在地理坐标网格的权重；
S412、利用步骤S411得到的第一猜测修正因子场F(i,j)与雨量桶空间位置上距离最近的雨量桶间空间直线距离rn计算雨量桶空间位置修正因子场
Figure GDA0003170416410000053
其计算公式为：
Figure GDA0003170416410000054
其中，n为与某个雨量桶空间位置上距离最近的雨量桶个数；
S413、利用步骤S411得到的第一猜测修正因子场F(i,j)以及步骤S412得到的雨量桶空间位置修正因子场
Figure GDA0003170416410000055
计算空间分析修正因子场Fs(i,j)，其计算公式为：
Figure GDA0003170416410000056
该进一步方案的有益效果为：
采用了先对空间分析修正因子进行初次估算，再对初次估算的结果进行修正的方法。在初次估算时采用全部雨量桶数据，保证了空间降水过程的整体性；在修正时仅采用与某一雨量桶空间上距离最近的4个雨量桶，保证了空间降水过程的局部性。这样做可以更为充分利用雨量桶数据，使整体性和局部性兼顾，让修正因子的生成更为科学合理。
进一步地，所述步骤S41中空间加权ws(i,j)计算公式为：
ws(i,j)＝exp(-Dp(i,j)/D0)
其中，D0为去相关距离，Dp(i,j)为局部观测密度。
该进一步方案的有益效果为：
这一步的目的主要是为了区分同一空间场上不同位置的降水是否属于同一降水系统，这样做可以使修正结果更为科学合理。
进一步地，所述步骤S5具体包括以下步骤：
S51、利用雨量桶累积数据Gi与包含了雨量桶累积数据Gi的同一地理坐标网格上的气象雷达降水累积数据Ri计算平均场偏差MFB，其计算公式为：
Figure GDA0003170416410000061
S52、利用步骤S51得到的平均场偏差MFB对原始气象雷达降水累积数据R(i,j)进行修正，得到修正后的原始气象雷达降水累积数据Rr(i,j)，表示为：
Rr(i,j)＝R(i,j)·MFB。
该进一步方案的有益效果为：
若t-检验未通过，则说明该场降水覆盖范围小，多为短时间的强对流局部降水，此情况下不需要对雷达数据进行复杂的距离方面的修正，只需要直接通过步骤S5利用平均场偏差MFB进行修正即可，可适应各种降水数据条件，使方法适用性更广。
附图说明
图1为本发明一种结合气象雷达与雨量桶观测数据的定量降水估算方法流程示意图；
图2为本发明中步骤S1的流程示意图；
图3为本发明中步骤S2的流程示意图；
图4为本发明中步骤S4的流程示意图；
图5为本发明中步骤S41的流程示意图；
图6为本发明中步骤S5的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
本发明提供的一种结合气象雷达与雨量桶观测数据的定量降水估算方法基于以下假设前提：(1)认为雨量桶在点尺度的观测值代表该点的真实降水量值；(2)认为气象雷达观测数据能反映区域降水场大致空间分布，且气象雷达观测误差主要由距离引起；(3)认为雨量桶与气象雷达在日尺度的降雨观测累计值具有可比性。
下面结合附图对发明的具体实施方式做一个详尽的说明。
如图1所示，本发明是一种结合气象雷达与雨量桶观测数据的定量降水估算方法，包括以下步骤：
S1、通过获取原始雨量桶累积数据以及原始气象雷达降水累积数据，得到同一地理位置网格上匹配的雨量桶-气象雷达数据G/R对；
本实施例中，通过气象雷达数据库获取气象雷达反射率，并将气象雷达反射率转换为降雨强度，从而获取原始气象雷达降水累积数据，并与原始雨量桶累积数据在同一地理位置网格上匹配，得到雨量桶-气象雷达数据G/R对。
如图2所示，步骤S1具体包括以下分步骤：
S11、从气象雷达数据库中调取气象雷达反射率并转换为降雨强度，得到气象雷达降雨强度数据，其转换公式为：
Figure GDA0003170416410000081
其中，R为气象雷达降雨强度，Z为气象雷达反射率，A和b均为无量纲参数；
S12、将步骤S11中得到的降雨强度数据累积到24小时得到原始气象雷达降水累积数据R(i,j)，并与原始雨量桶累积数据在同一地理坐标网格上进行匹配，得到雨量桶-气象雷达数据G/R对。
本实施例中，从气象雷达数据库中调取气象雷达发射率，将气象雷达反射率通过通过Marshall-Palmer方程转换为降雨强度，并将该降水强度累计到24小时，与每天的雨量桶观测值在同一地理位置网格上进行匹配，得到雨量桶-气象雷达数据对G/R对。
S2、通过步骤S1得到的雨量桶-气象雷达数据G/R对计算原始气象雷达降水累积数据的观测误差，并进行异常数据检测，生成初始修正因子场；
在本实施例中，将步骤S1得到的雨量桶-气象雷达数据G/R对进行数控处理得到观测误差Fg及其均值
Figure GDA0003170416410000082
并利用归一化残差Zg判断该雨量桶-气象雷达数据G/R对是否存在异常，若存在异常则删除该数据，生成初始修正因子场。
如图3所示，步骤S2具体包括以下分步骤：
S21、利用步骤S12得到的雨量桶-气象雷达数据G/R对计算原始气象雷达降水数据的观测误差Fg，其计算公式为：
Fg＝log(G/R)
其中，G为匹配好的G/R对中雨量桶累积数据，R为匹配好的G/R对中气象雷达降水累积数据；
S22、利用步骤S21得到的观测误差Fg及其均值
Figure GDA0003170416410000083
计算原始气象雷达降水累计数据的归一化残差Zg，其计算公式为：
Figure GDA0003170416410000091
其中，σ是观测误差Fg的标准方差；
S23、判断步骤S22得到的归一化残差Zg的绝对值|Zg|是否大于设定阈值，若满足则删除该数据进入步骤S24，否则直接进入步骤S24；
S24、将步骤S23得到的观测误差Fg与同一地理坐标网格到气象雷达间的距离rg进行拟合，生成初始修正因子场Fr(i,j)，表示为：
Figure GDA0003170416410000092
其中，(i，j)为气象雷达数据的网格坐标；a、b、c为无量纲参数。
本实施例中，将步骤S1得到的雨量桶-气象雷达数据G/R对的每组G/R对数据做除法，再取对数的方法计算气象雷达降水数据的观测误差Fg，并得到该观测误差Fg的均值
Figure GDA0003170416410000093
得到原始气象雷达降水累计数据的归一化残差Zg，利用该归一化残差Zg进一步评估此刻计算的观测误差Fg是否能够反映出样本的特征，判断归一化残差绝对值|Zg|是否大于两倍的观测误差Fg的标准方差σ，若大于则说明G/R数据对中存在异常，则删除该异常数据并进行距离相关性判断，该距离相关性判断方法利用观测误差Fg与地理坐标网格到气象雷达的距离rg存在的对应关系，拟合得到初始修正因子场Fr(i,j)的无量纲系数a、b、c，且该初始修正因子场Fr(i,j)用非线性的二阶多项式来表示。
S3、将步骤S2得到的初始修正因子场与观测误差进行距离相关性判断，若存在距离相关性则进入步骤S4，否则进入步骤S5；
本实施例中，步骤S3运用t-检验方法在95％置信区间评估观测误差Fg与初始修正因子场Fr(i,j)是否存在距离相关性，若存在则进入步骤S4，否则进入步骤S5。
S4、对初始修正因子场进行调整，并利用调整后的修正因子场对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据；
本实施例中，通过空间分析修正因子场Fs(i,j)以及空间加权ws(i,j)得到调整后的修正因子场
Figure GDA0003170416410000101
并通过该修正因子场
Figure GDA0003170416410000102
修正原始气象雷达降水累积数据R(i,j)，得到修正后的原始气象雷达降水累积数据Rr(i,j)。
如图4所示，步骤S4具体包括以下分步骤：
S41、将初始修正因子场Fr(i,j)进行调整，得到调整后的修正因子场
Figure GDA0003170416410000103
表示为：
Figure GDA0003170416410000104
其中，Fs(i,j)为空间分析修正因子场，ws(i,j)为空间加权；
步骤S41中空间加权ws(i,j)计算公式为：
ws(i,j)＝exp(-Dp(i,j)/D0)
其中，D0为去相关距离，去相关距离D0数值首先通过计算以10km为间隔雨量桶之间的两两距离得到半方差γ2，则去相关距离D0为半方差γ2＝1/e时距离的二倍，其中e为自然常数；Dp(i,j)为局部观测密度，其大小为地理坐标网格中某个雨量桶空间位置上距离最近的雨量桶所覆盖区域面积的平方根。
本实施例中，通过去相关距离D0以及局部观测密度Dp得到空间加权ws。
如图5所示，步骤S41中空间分析修正因子场Fs(i,j)计算方法包括以下分步骤：
S411、利用各雨量桶在地理坐标网格上的权重wg(i,j)与观测误差Fg计算第一猜测修正因子场F(i,j)，其计算公式为：
Figure GDA0003170416410000105
其中，N为G/R对的数量，wg(i,j)为各个雨量桶在地理坐标网格的权重；
S412、利用步骤S411得到的第一猜测修正因子场F(i,j)与雨量桶空间位置上距离最近的雨量桶间空间直线距离rn计算雨量桶空间位置修正因子场
Figure GDA0003170416410000111
其计算公式为：
Figure GDA0003170416410000112
其中，n为与某个雨量桶空间位置上距离最近的雨量桶个数；
S413、利用步骤S411得到的第一猜测修正因子场F(i,j)以及步骤S412得到的雨量桶空间位置修正因子场
Figure GDA0003170416410000113
计算空间分析修正因子场Fs(i,j)，其计算公式为：
Figure GDA0003170416410000114
本实施例中，利用各雨量桶在地理坐标网格上的权重wg(i,j)与观测误差Fg计算得到第一猜测修正因子场F(i,j)，并利用该第一猜测修正因子场F(i,j)与雨量桶空间位置上距离最近的雨量桶间空间直线距离rn计算雨量桶空间位置修正因子场
Figure GDA0003170416410000115
并通过第一猜测修正因子场F(i,j)与雨量桶空间位置修正因子场
Figure GDA0003170416410000116
计算空间分析修正因子场Fs(i,j)。
S42、利用步骤S41得到的修正因子场
Figure GDA0003170416410000117
对原始气象雷达降水累积数据R(i,j)进行修正，得到修正后的原始气象雷达降水累积数据Rr(i,j)，表示为：
Figure GDA0003170416410000118
本实施例中，通过修正因子场
Figure GDA0003170416410000119
对原始气象雷达降水累积数据R(i,j)进行修正，得到修正后的原始气象雷达降水累积数据Rr(i,j)。
S5、利用平均场偏差MFB对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据。
本实施例中，对不符合距离相关性的雨量桶-气象雷达数据G/R对数据通过平均场偏差MFB对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据Rr(i,j)。
如图6所示，步骤S5具体包括以下步骤：
S51、利用雨量桶累积数据Gi与包含了雨量桶累积数据Gi的同一地理坐标网格上的气象雷达降水累积数据Ri计算平均场偏差MFB，其计算公式为：
Figure GDA0003170416410000121
S52、利用步骤S51得到的平均场偏差MFB对原始气象雷达降水累积数据R(i,j)进行修正，得到修正后的原始气象雷达降水累积数据Rr(i,j)，表示为：
Rr(i,j)＝R(i,j)·MFB。
本实施例中，通过雨量桶累积数据Gi与包含了雨量桶累积数据Gi的同一地理坐标网格上的气象雷达降水累积数据Ri得到的平均场偏差MFB对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据Rr(i,j)。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (8)

1.一种结合气象雷达与雨量桶观测数据的定量降水估算方法，其特征在于，包括以下步骤：
S1、通过获取原始雨量桶累积数据以及原始气象雷达降水累积数据，得到同一地理位置网格上匹配的雨量桶-气象雷达数据G/R对；
S2、通过步骤S1得到的雨量桶-气象雷达数据G/R对计算原始气象雷达降水累积数据的观测误差，并进行异常数据检测，生成初始修正因子场；
S3、将步骤S2得到的初始修正因子场与观测误差进行距离相关性判断，若存在距离相关性则进入步骤S4，否则进入步骤S5；
S4、对初始修正因子场进行调整，并利用调整后的修正因子场对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据；
S5、利用平均场偏差对原始气象雷达降水累积数据进行修正，得到修正后的气象雷达降水累积数据。
2.根据权利要求1所述的定量降水估算方法，其特征在于，所述步骤S1包括以下分步骤：
S11、从雷达数据库中调取气象雷达反射率并转换为降雨强度，得到气象雷达降雨强度数据，其转换公式为：
Figure FDA0003170416400000011
其中，R为气象雷达降雨强度，Z为气象雷达反射率，A和b均为无量纲参数；
S12、将步骤S11中得到的降雨强度数据累积到24小时得到原始气象雷达降水累积数据R(i,j)，并与原始雨量桶累积数据在同一地理坐标网格上进行匹配，得到雨量桶-气象雷达数据G/R对。
3.根据权利要求2所述的定量降水估算方法，其特征在于，所述步骤S2包括以下分步骤：
S21、利用步骤S12得到的雨量桶-气象雷达数据G/R对计算原始气象雷达降水数据的观测误差Fg，其计算公式为：
Fg＝log(G/R)
其中，G为匹配好的G/R对中雨量桶累积数据，R为匹配好的G/R对中气象雷达降水累积数据；
S22、利用步骤S21得到的观测误差Fg及其均值
Figure FDA0003170416400000021
计算原始气象雷达降水累计数据的归一化残差Zg，其计算公式为：
Figure FDA0003170416400000022
其中，σ是观测误差Fg的标准方差；
S23、判断步骤S22得到的归一化残差Zg的绝对值|Zg|是否大于设定阈值，若满足则删除该数据进入步骤S24，否则直接进入步骤S24；
S24、将步骤S23得到的观测误差Fg与同一地理坐标网格到气象雷达间的距离rg进行拟合，生成初始修正因子场Fr(i,j)，表示为：
Figure FDA0003170416400000023
其中，(i，j)为气象雷达数据的网格坐标；a、b、c为无量纲参数。
4.根据权利要求1所述的定量降水估算方法，其特征在于，所述步骤S3具体为：
运用t-检验方法在95％置信区间评估观测误差Fg与初始修正因子场Fr(i,j)是否存在距离相关性，若存在则进入步骤S4，否则进入步骤S5。
5.根据权利要求3所述的定量降水估算方法，其特征在于，所述步骤S4包括以下分步骤：
S41、将初始修正因子场Fr(i,j)进行调整，得到调整后的修正因子场
Figure FDA0003170416400000024
表示为：
Figure FDA0003170416400000025
其中，Fs(i,j)为空间分析修正因子场，ws(i,j)为空间加权；
S42、利用步骤S41得到的修正因子场
Figure FDA0003170416400000031
对原始气象雷达降水累积数据R(i,j)进行修正，得到修正后的原始气象雷达降水累积数据Rr(i,j)，表示为：
Figure FDA0003170416400000032
其中，R(i,j)为原始气象雷达降水累积数据。
6.根据权利要求5所述的定量降水估算方法，其特征在于，所述步骤S41中空间分析修正因子场Fs(i,j)计算方法包括以下分步骤：
S411、利用各雨量桶在同一地理坐标网格上的权重wg(i,j)与观测误差Fg计算第一猜测修正因子场F(i,j)，其计算公式为：
Figure FDA0003170416400000033
其中，N为G/R对的数量，wg(i,j)为各个雨量桶在地理坐标网格的权重；
S412、利用步骤S411得到的第一猜测修正因子场F(i,j)与雨量桶空间位置上距离最近的雨量桶间空间直线距离rn计算雨量桶空间位置修正因子场
Figure FDA0003170416400000034
其计算公式为：
Figure FDA0003170416400000035
其中，n为与某个雨量桶空间位置上距离最近的雨量桶个数；
S413、利用步骤S411得到的第一猜测修正因子场F(i,j)以及步骤S412得到的雨量桶空间位置修正因子场
Figure FDA0003170416400000036
计算空间分析修正因子场Fs(i,j)，其计算公式为：
Figure FDA0003170416400000037
7.根据权利要求5所述的定量降水估算方法，其特征在于，所述步骤S41中空间加权ws(i,j)计算公式为：
ws(i,j)＝exp(-Dp(i,j)/D0)
其中，D0为去相关距离，Dp(i,j)为局部观测密度。
8.据权利要求1所述的定量降水估算方法，其特征在于，所述步骤S5具体包括以下步骤：
S51、利用雨量桶累积数据Gi与包含了雨量桶累积数据Gi的同一地理坐标网格上的气象雷达降水累积数据Ri计算平均场偏差MFB，其计算公式为：
Figure FDA0003170416400000041
S52、利用步骤S51得到的平均场偏差MFB对原始气象雷达降水累积数据R(i,j)进行修正，得到修正后的原始气象雷达降水累积数据Rr(i,j)，表示为：
Rr(i,j)＝R(i,j)·MFB。
CN202110410676.8A 2021-04-14 2021-04-14 一种结合气象雷达与雨量桶观测数据的定量降水估算方法 Active CN112965146B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110410676.8A CN112965146B (zh) 2021-04-14 2021-04-14 一种结合气象雷达与雨量桶观测数据的定量降水估算方法
US17/452,575 US11333797B1 (en) 2021-04-14 2021-10-28 Method for estimating quantitative precipitation by combining observation data of weather radar and rain gauges

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110410676.8A CN112965146B (zh) 2021-04-14 2021-04-14 一种结合气象雷达与雨量桶观测数据的定量降水估算方法

Publications (2)

Publication Number Publication Date
CN112965146A CN112965146A (zh) 2021-06-15
CN112965146B true CN112965146B (zh) 2021-09-21

Family

ID=76280575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110410676.8A Active CN112965146B (zh) 2021-04-14 2021-04-14 一种结合气象雷达与雨量桶观测数据的定量降水估算方法

Country Status (2)

Country Link
US (1) US11333797B1 (zh)
CN (1) CN112965146B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112965146B (zh) * 2021-04-14 2021-09-21 中国水利水电科学研究院 一种结合气象雷达与雨量桶观测数据的定量降水估算方法
CN114742206B (zh) * 2022-04-20 2023-07-25 南京信息工程大学 综合多时空尺度多普勒雷达数据的降雨强度估计方法
CN115166875A (zh) * 2022-08-09 2022-10-11 新疆维吾尔自治区气象技术装备保障中心 一种雨滴谱仪数据质量控制及评估系统
CN115687876B (zh) * 2022-10-11 2023-05-23 中国科学技术大学 一种基于雨团匹配的空间后处理方法
CN115575914B (zh) * 2022-12-07 2023-03-10 成都远望科技有限责任公司 一种多波段双线偏振天气雷达观测量误差量化方法
CN116068559B (zh) * 2022-12-14 2023-09-12 广东省气象台(南海海洋气象预报中心、珠江流域气象台) 联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置
CN115980890B (zh) * 2023-03-17 2023-06-20 湖北省地质环境总站 一种基于时空要素的雨量站异常数据检测方法
CN116226606B (zh) * 2023-05-05 2023-07-04 安徽省大气探测技术保障中心 无人值守自动气象站雨量数据质控方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3309579A1 (en) * 2016-10-14 2018-04-18 Korea Meteorological Administration Apparatus and method for calibrating and validating micro rain radar
CN108761576A (zh) * 2018-05-28 2018-11-06 国网山西省电力公司电力科学研究院 一种x波段气象雷达与雨量站数据融合方法及系统
CN110691988A (zh) * 2017-01-09 2020-01-14 诺维美特公司 用于估计降水率、特别是降雨率或降雪率的方法
CN111123410A (zh) * 2019-12-26 2020-05-08 国网北京市电力公司 降水量监测系统及方法、存储介质、处理器

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6581009B1 (en) * 2002-01-02 2003-06-17 User-Centric Enterprises, Inc. Quantitative precipitation prediction method
DE102006054320A1 (de) * 2006-11-17 2008-05-21 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erkennen von Niederschlag mittels Radar
KR20130080683A (ko) * 2012-01-05 2013-07-15 부경대학교 산학협력단 고해상도 강수량 진단모형을 이용한 특정 유역의 상세 강수량 예측 방법 및 예측 시스템
JP6518992B2 (ja) * 2014-12-01 2019-05-29 株式会社カネコ 雨量監視装置、雨量監視方法、雨量監視プログラム
CN105808948B (zh) * 2016-03-08 2017-02-15 中国水利水电科学研究院 一种自动修正的多模式数值降雨集合预报方法
CN109001701B (zh) * 2018-05-31 2022-03-08 国网福建省电力有限公司电力科学研究院 基于双偏振参数特征库匹配的雷达动态定量估测降水方法
CN109061646B (zh) * 2018-06-26 2022-04-08 成都信息工程大学 一种基于降水云识别的多普勒天气雷达定量降水估计方法
US11906621B2 (en) * 2018-12-21 2024-02-20 Climate Llc Quantitative precipitation estimate quality control
CN110263838B (zh) * 2019-06-13 2023-04-18 南京信息工程大学 一种多传感器降水估计融合方法
CN111624682B (zh) * 2020-06-24 2021-11-30 海南省气象科学研究所 一种基于多源数据融合的定量降水估测方法
CN112965146B (zh) * 2021-04-14 2021-09-21 中国水利水电科学研究院 一种结合气象雷达与雨量桶观测数据的定量降水估算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3309579A1 (en) * 2016-10-14 2018-04-18 Korea Meteorological Administration Apparatus and method for calibrating and validating micro rain radar
CN110691988A (zh) * 2017-01-09 2020-01-14 诺维美特公司 用于估计降水率、特别是降雨率或降雪率的方法
CN108761576A (zh) * 2018-05-28 2018-11-06 国网山西省电力公司电力科学研究院 一种x波段气象雷达与雨量站数据融合方法及系统
CN111123410A (zh) * 2019-12-26 2020-05-08 国网北京市电力公司 降水量监测系统及方法、存储介质、处理器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Ibrahim Seck and Joël Van Baelen.Geostatistical Merging of a Single-Polarized X-Band Weather Radar and a Sparse Rain Gauge Network over an Urban Catchment.《Atmosphere》.2018, *
雷达估测对流性降水的误差空间分布及Z－Ｒ关系的优化;杨杰等;《高原气象》;20151231;第34卷(第6期);1785-1796 *

Also Published As

Publication number Publication date
CN112965146A (zh) 2021-06-15
US11333797B1 (en) 2022-05-17

Similar Documents

Publication Publication Date Title
CN112965146B (zh) 一种结合气象雷达与雨量桶观测数据的定量降水估算方法
CN110837006B (zh) 一种基于星地同步观测对比的卫星闪电探测评估方法
CN110596666B (zh) 雷达差分反射率的偏差校准方法及装置
CN109597040A (zh) 一种星载sar影像无场几何定标方法
CN111239704A (zh) 大气探测雷达目标回波识别处理方法、装置、设备及介质
CN111175709B (zh) 一种基于误差抑制的面向大范围气象雷达的拼图方法
CN108983172B (zh) 一种随机进化约束的sar辐射定标方法
CN117491998A (zh) 一种步进频率合成孔径成像方法及系统
CN116029162B (zh) 利用星载gnss-r数据的洪涝灾害淹没范围监测方法和系统
CN106249241B (zh) 一种自适应杂波功率统计算法
CN111915570A (zh) 基于反向传播神经网络的大气延迟估计方法
CN114252871B (zh) 一种基于机器学习的雷达测量精度补偿方法
CN110866942B (zh) 一种多源目标融合的在轨辐射响应跟踪方法及系统
CN109614744B (zh) 一种基于大数据的降水量检测方法及系统
CN113568008A (zh) 基于葵花-8卫星的分钟级降水实时反演估计方法
CN115511011B (zh) 一种基于对抗生成网络模型的雷达资料订正方法及系统
CN116821694B (zh) 基于多分支神经网络与分段式模型的土壤湿度反演方法
CN117968589B (zh) 一种地基合成孔径雷达影像质量评价方法
CN117805826B (zh) 基于mim网络和雷达拼图的分钟降水估测方法及系统
CN114020725B (zh) 一种考虑空间分布的窗口滑动gpm数据订正方法
CN118091657B (zh) 基于分类三元搭配的流域洪涝淹没范围集成识别方法及系统
CN113177702B (zh) 一种气象输入数据匹配方法及系统
CN107748357B (zh) 一种fir滤波器的雷达晴天图设计方法
Jang et al. Fast Coordinate Conversion Method for Real-time Weather Radar Data Processing
JPH05188140A (ja) レーダによる海上物標の大きさ推定方法

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