CN113093179B - 一种基于天气雷达的昆虫密度监测方法 - Google Patents

一种基于天气雷达的昆虫密度监测方法 Download PDF

Info

Publication number
CN113093179B
CN113093179B CN202110250811.7A CN202110250811A CN113093179B CN 113093179 B CN113093179 B CN 113093179B CN 202110250811 A CN202110250811 A CN 202110250811A CN 113093179 B CN113093179 B CN 113093179B
Authority
CN
China
Prior art keywords
density
reflectivity
height
insect
profile
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
CN202110250811.7A
Other languages
English (en)
Other versions
CN113093179A (zh
Inventor
胡程
崔铠
王锐
李华宇
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.)
Beijing Institute of Technology BIT
Advanced Technology Research Institute of Beijing Institute of Technology
Original Assignee
Beijing Institute of Technology BIT
Advanced Technology Research Institute of Beijing Institute of Technology
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 Beijing Institute of Technology BIT, Advanced Technology Research Institute of Beijing Institute of Technology filed Critical Beijing Institute of Technology BIT
Priority to CN202110250811.7A priority Critical patent/CN113093179B/zh
Publication of CN113093179A publication Critical patent/CN113093179A/zh
Application granted granted Critical
Publication of CN113093179B publication Critical patent/CN113093179B/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
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开了一种基于天气雷达的昆虫密度监测方法，用以解决现有确定昆虫密度的过程中，密度计算结果不准确的问题。该方法通过在预设监测时间内，获取昆虫雷达监测的密度垂直廓线，并获取天气雷达监测的反射率廓线；基于相同时间分辨单元，对密度垂直廓线和反射率廓线进行时间平均；根据高度累积区间内的密度垂直廓线和反射率廓线，分别确定对应的高度累积密度和高度累积反射率；确定高度累积密度和高度累积反射率之间的映射关系；获取天气雷达监测的实际反射率廓线，并利用映射关系确定对应的昆虫密度。减少了由于分高度层进行昆虫密度确定过程中存在的误差，能够减少昆虫实际散射情况对天气雷达观测的影响，提高了计算结果的准确性。

Description

一种基于天气雷达的昆虫密度监测方法
技术领域
本申请涉及天气雷达技术领域，尤其涉及一种基于天气雷达的昆虫密度监测方法。
背景技术
生物迁飞是人类生境的重大生物学现象，是空中生态系统的重要组成部分。每年数以亿计的鸟、蝙蝠、昆虫远距离迁飞，迁飞距离可达上百公里。生物迁飞影响物种多样性与稳定性，促进物种地理扩散与遗传分化，导致病毒与微生物大范围传播。对迁飞生物进行大尺度定量化观测对预防病虫害爆发、研究生态系统演变过程有重要意义。
在生物学中，研究人员往往想要知道昆虫在各个高度层的分布密度，以了解昆虫的迁飞习性乃至生活习性。昆虫雷达作为检测高空昆虫迁飞的有力工具，能够快速、高效地完成昆虫密度统计的工作。
然而，现有的昆虫密度监测方法不足以检测所有高度距离处的微小昆虫目标，在确定昆虫密度的过程中，往往会存在估计效果差，密度计算结果不准确的问题。
发明内容
本申请实施例提供一种基于天气雷达的昆虫密度监测方法及设备，用以解决现有的昆虫密度确定方法在确定昆虫密度的过程中，往往会存在估计效果差，密度计算结果不准确的问题。
本申请实施例提供的一种基于天气雷达的昆虫密度监测方法，包括：
在预设监测时间内，获取昆虫雷达监测的密度垂直廓线，并获取天气雷达监测的反射率廓线；基于相同时间分辨单元，对所述密度垂直廓线和所述反射率廓线进行时间平均；根据高度累积区间内的密度垂直廓线和反射率廓线，分别确定对应的高度累积密度和高度累积反射率；确定所述高度累积密度和所述高度累积反射率之间的映射关系；获取天气雷达监测的实际反射率廓线，并利用所述映射关系确定对应的昆虫密度。
在一个示例中，基于相同时间分辨单元，对所述密度垂直廓线和所述反射率廓线进行时间平均，具体包括：确定昆虫雷达垂直探测的第一时长和天气雷达扫描的第二时长；所述第一时长小于第二时长；根据所述第二时长确定时间分辨单元，并按照所述时间分辨单元，将第一时长对应的密度垂直廓线转化为第二时长对应的密度垂直廓线。
在一个示例中，基于相同时间分辨单元，对所述密度垂直廓线和所述反射率廓线进行时间平均，具体包括：利用公式
Figure BDA0002965982260000021
对第一时长的密度垂直廓线进行时间平均，得到所述时间分辨单元对应的密度垂直廓线；其中，
Figure BDA0002965982260000022
表示第一时长对应的密度垂直廓线，ρt＝j表示第二时长对应的密度垂直廓线，T1表示昆虫雷达垂直探测的第一时长，T2表示天气雷达扫描的第二时长，j表示昆虫雷达监测的具体时刻，i表示天气雷达监测的具体时刻，t表示预设监测时间。
在一个示例中，根据高度累积区间内的密度垂直廓线和反射率廓线，确定高度累积密度和高度累积反射率，具体包括：确定高度累积区间H＝[Hmin,Hmax]，其中，Hmin为天气雷达与昆虫雷达共同覆盖高度的最小值，Hmax为天气雷达与昆虫雷达共同覆盖高度的最大值；基于密度垂直廓线，利用公式
Figure BDA0002965982260000023
获取昆虫雷达监测的每个具体时刻的高度累积密度ρi；基于反射率廓线，利用公式
Figure BDA0002965982260000024
获取天气雷达监测的每个具体时刻的高度累积反射率ηi；其中，h表示昆虫雷达和天气雷达的监测高度。
在一个示例中，确定高度累积区间，具体包括：确定昆虫雷达的探测高度和天气雷达的馈源高度；根据所述探测高度和所述馈源高度的共同覆盖高度，确定高度累积区间。
在一个示例中，确定所述高度累积密度和所述高度累积反射率之间的映射关系，具体包括：汇总预设监测时间内的高度累积密度和高度累积反射率，得到密度数据和反射率数据；确定所述密度数据和所述反射率数据之间的映射关系。
在一个示例中，确定所述高度累积密度和所述高度累积反射率之间的映射关系，具体包括：利用公式
Figure BDA0002965982260000031
计算所述密度数据和所述反射率数据之间的映射关系；其中，ρ(t)表示密度数据，η(t)表示反射率数据。
在一个示例中，获取天气雷达监测的反射率廓线，具体包括：根据天气雷达监测的昆虫回波，确定天气雷达的工作波长、复折射指数、反射率因子；根据所述工作波长、复折射指数、反射率因子，建立反射率廓线的观测方程；基于所述观测方程，确定反射率廓线。
在一个示例中，基于所述观测方程，确定反射率廓线，具体包括：利用公式
Figure BDA0002965982260000032
计算反射率廓线η；其中，λ表示天气雷达的工作波长，Km为昆虫的复折射指数，Z表示天气雷达的反射率因子。
本申请实施例提供的一种基于天气雷达的昆虫密度监测设备，包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：在预设监测时间内，获取昆虫雷达监测的密度垂直廓线，并获取天气雷达监测的反射率廓线；基于相同时间分辨单元，对所述密度垂直廓线和所述反射率廓线进行时间平均；根据高度累积区间内的密度垂直廓线和反射率廓线，分别确定对应的高度累积密度和高度累积反射率；确定所述高度累积密度和所述高度累积反射率之间的映射关系；获取天气雷达监测的实际反射率廓线，并利用所述映射关系确定对应的昆虫密度。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
本申请实施例通过计算天气雷达数据中昆虫回波的反射率垂直廓线，然后将每个相同采样时长内的昆虫雷达密度廓线数据进行时间平均，通过时间平均使昆虫雷达和天气雷达的监测数据可以直接比较，同时通过多次测量的平均值降低昆虫雷达的采样误差，并将天气雷达和昆虫雷达共同覆盖高度内的数据进行高度累积，处理得到相同时间、空间分辨率的反射率和密度统计结果，减少了由于分高度层进行昆虫密度确定过程中存在的误差，能够减少昆虫实际散射情况对天气雷达观测的影响，提高了计算结果的准确性，为农业害虫预报预警提供关键数据支撑。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种基于天气雷达的昆虫密度监测方法流程图；
图2为本申请实施例提供的天气雷达波束覆盖图；
图3为密度数据和反射率数据的映射关系示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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。
大多数迁飞性昆虫选择夜间飞行，且它们的飞行高度远远超过了人类的视力范围，在生物学中，研究人员往往想要知道昆虫在各个高度层的分布密度，以了解昆虫的迁飞习性乃至生活习性。如果缺少专业设备专业技术，就无法对昆虫迁飞过程进行直接测量与定量分析，昆虫雷达作为检测高空昆虫迁飞的有力工具，能够快速、高效地完成昆虫密度统计的工作。
图1为本申请实施例提供的一种基于天气雷达的昆虫密度监测方法流程图，具体包括以下步骤：
S101：在预设监测时间内，获取昆虫雷达监测的密度垂直廓线，并获取天气雷达监测的反射率廓线。
在本申请实施例中，选择昆虫迁飞季节，在需要监测昆虫密度的地区架设天气雷达，根据天气雷达的监测范围，在天气雷达的监测范围内架设昆虫雷达，在预设监测时间内，利用昆虫雷达监测该地区的密度垂直廓线，利用天气雷达监测反射率廓线。
其中，天气雷达是利用云雾、雨、雪等降水粒子对电磁波的散射和吸收，为探测降水的空间分布和铅直结构，并以此为警戒跟踪降水系统的雷达。昆虫雷达利用远距离大范围快速的对空中种群进行取样观测，获得空中种群的迁飞数量、方向、高度、速度等重要参数。
由于天气雷达观测到的数据中包含的不同种类回波的统计特性及空间分布特性不同，在不存在降水、大雾、强对流等回在天气雷达数据中产生大量回波的情况下，根据当地生物活动习惯判断当前季节、时间是否存在昆虫迁飞的可能，并通过观察天气雷达回波反射率、径向速度数据，如果空间相对均匀的，具有明显昆虫迁飞特征，与气象回波差异较大的，可认定该地区存在昆虫回波，因此，根据昆虫迁飞的强度、空间、时间等信息，分离出当地的昆虫回波。
对于典型昆虫大量迁飞的平原地区，如渤海湾迁飞通道、与邻国接壤的边境地带、华中与华北过渡地带、华北与东北过渡地带迁飞虫源地与降落地等，由于地杂波影响很小，可直接将迁飞季节晴朗夜间的天气雷达数据看作昆虫回波。
在本申请实施例中，根据天气雷达监测到的该地区的昆虫回波，确定天气雷达的工作波长、复折射指数、反射率因子，根据工作波长、复折射指数、反射率因子，建立天气雷达的工作波长、复折射指数、反射率因子与反射率廓线的对应关系，作为反射率廓线的观测方程，通过对观测方程进行求解，确定反射率廓线。
具体的，建立的反射率廓线的观测方程为
Figure BDA0002965982260000061
通过将天气雷达的工作波长、复折射指数、反射率因子代入公式中，利用公式计算反射率廓线η。其中，λ表示天气雷达的工作波长，Km为检测到的昆虫的复折射指数，Z表示天气雷达的反射率因子。
在本申请实施例中，通过昆虫雷达进行垂直观测，获取不同高度区间内昆虫雷达检测到的昆虫目标数量，根据昆虫雷达在不同高度的采样体积，计算不同高度的昆虫密度，作为密度垂直廓线。
S102：基于相同时间分辨单元，对密度垂直廓线和反射率廓线进行时间平均。
在本申请实施例中，根据天气雷达和昆虫雷达的扫描时长，确定密度垂直廓线和反射率廓线的相同时间分辨单元，并基于相同时间分辨单元，对密度垂直廓线和反射率廓线进行时间平均。
在本申请实施例中，根据昆虫雷达垂直探测一次的时长，确定昆虫雷达垂直探测的第一时长；根据天气雷达每次扫描时长，确定天气雷达监测的第二时长。在判断出第一时长小于第二时长时，根据第二时长确定时间分辨单元，按照确定出的时间分辨单元，将第一时长对应的密度垂直廓线转化为第二时长对应的密度垂直廓线，使昆虫雷达和天气雷达的监测数据可以直接比较。
具体的，利用公式
Figure BDA0002965982260000071
对第一时长对应的密度垂直廓线进行时间平均，得到与时间分辨单元对应的密度垂直廓线；其中，
Figure BDA0002965982260000072
表示第一时长对应的密度垂直廓线，ρt＝j表示第二时长对应的密度垂直廓线，T1表示昆虫雷达垂直探测的第一时长，T2表示天气雷达扫描的第二时长，j表示昆虫雷达监测的具体时刻，i表示天气雷达监测的具体时刻，t表示预设监测时间。其中，第一时长和第二时长具体可根据天气雷达和昆虫雷达的性能确定，本申请对此不做限定。
本申请实施例通过对昆虫雷达监测的密度垂直廓线进行时间平均得到和天气雷达相同时间分辨单元的昆虫雷达密度廓线数据，通过时间平均使昆虫雷达和天气雷达的监测数据可以直接比较，同时通过多次测量的平均值降低昆虫雷达的采样误差，能够提高计算昆虫密度的准确性。
S103：根据高度累积区间内的密度垂直廓线和反射率廓线，分别确定对应的高度累积密度和高度累积反射率。
在本申请实施例中，首先确定出天气雷达和昆虫雷达的高度累积区间，获取高度累积区间内的同一监测时刻监测到的密度垂直廓线和反射率廓线，并根据该同一监测时刻的密度垂直廓线，确定对应的高度累积密度，根据该同一监测时刻的反射率廓线，确定对应的高度累积反射率。本申请实施例通过获取同一监测时间内对应的所有高度的密度垂直廓线，减少了由于分高度层进行昆虫密度确定过程中存在的误差，提高了昆虫密度确定过程的准确性。
在本申请实施例中，确定对应的高度累积密度和高度累积反射率具体包括以下步骤：
步骤一、确定天气雷达和昆虫雷达的高度累积区间H＝[Hmin,Hmax]，其中，Hmin为天气雷达与昆虫雷达共同覆盖高度的最小值，Hmax为天气雷达与昆虫雷达共同覆盖高度的最大值。
步骤二、基于密度垂直廓线，利用公式
Figure BDA0002965982260000081
获取昆虫雷达监测的每个具体时刻的高度累积密度ρi。
步骤三、基于反射率廓线，利用公式
Figure BDA0002965982260000082
获取昆虫雷达监测的每个具体时刻的高度累积反射率ηi；其中，h表示昆虫雷达和天气雷达的监测高度。
在本申请实施例中，首先需要确定出昆虫雷达的探测高度和天气雷达的馈源高度，然后将昆虫雷达探测高度和天气雷达馈源高度的共同覆盖高度，作为高度累积区间。
例如，图2为本申请实施例提供的天气雷达波束覆盖图，天气雷达采用多仰角扫描的水平线极化工作模式，每6分钟对9个仰角进行扫描，其中反射率的探测距离为460km，距离分辨率1km，速度和谱宽探测距离230km，距离分辨率0.25km，波束体积覆盖模式的仰角分别为0.5，1.5，2.4，3.4，4.3，6.0，9.9，14.6，19.5°。天气雷达天线的波束宽度为1°，同时考虑到地球曲率和大气折射的影响，雷达波束覆盖高度随着探测距离的增加而增加。正常大气折射状态下，在距雷达站100公里位置处，最低0.5°仰角的波束覆盖高度约为300～2200米。依据所选用昆虫雷达的探测高度，确定昆虫雷达探测高度和天气雷达馈源高度的共同覆盖高度区间为180m至980m。
S104：确定高度累积密度和高度累积反射率之间的映射关系。
在本申请实施例中，根据高度累积密度和高度累积反射率，确定密度数据和反射率数据，并确定密度数据和反射率数据之间的映射关系。
在本申请实施例中，根据公式
Figure BDA0002965982260000083
确定反射率数据和密度数据之间存在线性关系。因此，汇总预设监测时间内的高度累积密度和高度累积反射率，得到密度数据和反射率数据，并对密度数据和反射率数据进行截距为0的线性回归分析，以确定密度数据和反射率数据之间的映射关系。其中，σ表示天气雷达和昆虫雷达共同探测的截面积。
具体的，预设监测时长包括n个时间分辨单元，因此，高度累积密度为ρi＝[ρ1,ρ2,...,ρn]，高度累计反射率为ηi＝[η1,η2,...,ηn]，利用公式
Figure BDA0002965982260000091
计算密度数据和反射率数据之间的映射关系；其中，ρ(t)表示密度数据，η(t)表示反射率数据。
S105：获取天气雷达监测的实际反射率廓线，并利用映射关系确定对应的昆虫密度。
在本申请实施例中，在确定该地区的密度数据和反射率数据之间的映射关系之后，获取天气雷达监测的实际反射率廓线，根据该地区的密度数据和反射率数据之间的映射关系，确定出该地区对应的昆虫密度。
例如，图3为密度数据和反射率数据的映射关系示意图，其中，密度数据和反射率数据成斜率为0.17的线性关系，获取天气雷达监测的实际反射率廓线之后，根据密度数据和反射率数据之间斜率为0.17的线性关系，计算该地区对应的昆虫密度。
本申请实施例通过计算天气雷达数据中昆虫回波的反射率垂直廓线，然后将每个相同采样时长内的昆虫雷达密度廓线数据进行时间平均，并将天气雷达和昆虫雷达共同覆盖高度内的数据进行高度累积，处理得到相同时间、空间分辨率的反射率和密度统计结果，将统计结果进行回归分析，确定反射率数据和密度数据的映射关系，能够减少昆虫实际散射情况对天气雷达观测的影响，提高了计算结果的准确性，为农业害虫预报预警提供关键数据支撑。
以上为本申请实施例提供的一种基于天气雷达的昆虫密度监测方法，基于同样的发明思路，本申请实施例还提供了相应的基于天气雷达的昆虫密度监测设备。
本申请实施例提供的基于天气雷达的昆虫密度监测设备，具体包括：
至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：在预设监测时间内，获取昆虫雷达监测的密度垂直廓线，并获取天气雷达监测的反射率廓线；基于相同时间分辨单元，对密度垂直廓线和反射率廓线进行时间平均；根据高度累积区间内的密度垂直廓线和反射率廓线，分别确定对应的高度累积密度和高度累积反射率；确定高度累积密度和高度累积反射率之间的映射关系；获取天气雷达监测的实际反射率廓线，并利用映射关系确定对应的昆虫密度。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种基于天气雷达的昆虫密度监测方法，其特征在于，包括：
在预设监测时间内，获取昆虫雷达监测的密度垂直廓线，并获取天气雷达监测的反射率廓线；
基于相同时间分辨单元，对所述密度垂直廓线和所述反射率廓线进行时间平均；
根据高度累积区间内的密度垂直廓线和反射率廓线，分别确定对应的高度累积密度和高度累积反射率；
确定所述高度累积密度和所述高度累积反射率之间的映射关系；
获取天气雷达监测的实际反射率廓线，并利用所述映射关系确定对应的昆虫密度。
2.根据权利要求1所述的方法，其特征在于，基于相同时间分辨单元，对所述密度垂直廓线和所述反射率廓线进行时间平均，具体包括：
确定昆虫雷达垂直探测的第一时长和天气雷达扫描的第二时长；所述第一时长小于第二时长；
根据所述第二时长确定时间分辨单元，并按照所述时间分辨单元，将第一时长对应的密度垂直廓线转化为第二时长对应的密度垂直廓线。
3.根据权利要求2所述的方法，其特征在于，基于相同时间分辨单元，对所述密度垂直廓线和所述反射率廓线进行时间平均，具体包括：
利用公式
Figure FDA0002965982250000011
对第一时长的密度垂直廓线进行时间平均，得到所述时间分辨单元对应的密度垂直廓线；
其中，
Figure FDA0002965982250000012
表示第一时长对应的密度垂直廓线，ρt＝j表示第二时长对应的密度垂直廓线，T1表示昆虫雷达垂直探测的第一时长，T2表示天气雷达扫描的第二时长，j表示昆虫雷达监测的具体时刻，i表示天气雷达监测的具体时刻，t表示预设监测时间。
4.根据权利要求3所述的方法，其特征在于，根据高度累积区间内的密度垂直廓线和反射率廓线，确定高度累积密度和高度累积反射率，具体包括：
确定高度累积区间H＝[Hmin,Hmax]，其中，Hmin为天气雷达与昆虫雷达共同覆盖高度的最小值，Hmax为天气雷达与昆虫雷达共同覆盖高度的最大值；
基于密度垂直廓线，利用公式
Figure FDA0002965982250000021
获取昆虫雷达监测的每个具体时刻的高度累积密度ρi；
基于反射率廓线，利用公式
Figure FDA0002965982250000022
获取天气雷达监测的每个具体时刻的高度累积反射率ηi；其中，h表示昆虫雷达和天气雷达的监测高度。
5.根据权利要求4所述的方法，其特征在于，确定高度累积区间，具体包括：
确定昆虫雷达的探测高度和天气雷达的馈源高度；
根据所述探测高度和所述馈源高度的共同覆盖高度，确定高度累积区间。
6.根据权利要求3所述的方法，其特征在于，确定所述高度累积密度和所述高度累积反射率之间的映射关系，具体包括：
汇总预设监测时间内的高度累积密度和高度累积反射率，得到密度数据和反射率数据；
确定所述密度数据和所述反射率数据之间的映射关系。
7.根据权利要求6所述的方法，其特征在于，确定所述高度累积密度和所述高度累积反射率之间的映射关系，具体包括：
利用公式
Figure FDA0002965982250000023
计算所述密度数据和所述反射率数据之间的映射关系；其中，ρ(t)表示密度数据，η(t)表示反射率数据。
8.根据权利要求1所述的方法，其特征在于，获取天气雷达监测的反射率廓线，具体包括：
根据天气雷达监测的昆虫回波，确定天气雷达的工作波长、复折射指数、反射率因子；
根据所述工作波长、复折射指数、反射率因子，建立反射率廓线的观测方程；
基于所述观测方程，确定反射率廓线。
9.根据权利要求8所述的方法，其特征在于，基于所述观测方程，确定反射率廓线，具体包括：
利用公式
Figure FDA0002965982250000031
Z计算反射率廓线η；其中，λ表示天气雷达的工作波长，Km为昆虫的复折射指数，Z表示天气雷达的反射率因子。
CN202110250811.7A 2021-03-08 2021-03-08 一种基于天气雷达的昆虫密度监测方法 Active CN113093179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110250811.7A CN113093179B (zh) 2021-03-08 2021-03-08 一种基于天气雷达的昆虫密度监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110250811.7A CN113093179B (zh) 2021-03-08 2021-03-08 一种基于天气雷达的昆虫密度监测方法

Publications (2)

Publication Number Publication Date
CN113093179A CN113093179A (zh) 2021-07-09
CN113093179B true CN113093179B (zh) 2022-07-12

Family

ID=76666514

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110250811.7A Active CN113093179B (zh) 2021-03-08 2021-03-08 一种基于天气雷达的昆虫密度监测方法

Country Status (1)

Country Link
CN (1) CN113093179B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001060718A2 (en) * 2000-02-17 2001-08-23 Bintech. Lllp Bulk materials management apparatus and method
CN102662162A (zh) * 2012-02-16 2012-09-12 邓勇 X波段多普勒雷达降水估测方法
WO2013036727A2 (en) * 2011-09-09 2013-03-14 Accipiter Radar Technologies, Inc. Device and method for 3d sampling with avian radar
CN103869307A (zh) * 2012-12-18 2014-06-18 中国农业科学院植物保护研究所 毫米波扫描昆虫雷达探测系统及探测方法
US9057773B1 (en) * 2012-12-06 2015-06-16 Rockwell Collins, Inc. Weather information display system and method
CN105928448A (zh) * 2016-04-18 2016-09-07 北京理工大学 一种基于瑞利区解析散射建模的昆虫尺寸测量方法
EP3070501A1 (en) * 2015-03-18 2016-09-21 Honeywell International Inc. Prediction of ice crystal presence in a volume of airspace
CN106501802A (zh) * 2016-04-18 2017-03-15 北京理工大学 高分辨率多维协同昆虫迁飞雷达测量仪
EP3333591A1 (en) * 2016-12-09 2018-06-13 Honeywell International Inc. Aircraft radar system for bird and bat strike avoidance
CN109034356A (zh) * 2018-07-23 2018-12-18 北京理工大学 基于最近邻域法关联和高斯波束体积的昆虫密度统计方法
CN109459751A (zh) * 2018-08-27 2019-03-12 北京理工大学 一种基于天气雷达数据的迁飞生物信息监测方法
CN110018479A (zh) * 2019-04-28 2019-07-16 中国气象局广州热带海洋气象研究所 C波段双偏振天气雷达反射率地形遮挡衰减订正方法
CN111007474A (zh) * 2019-11-29 2020-04-14 北京理工大学 一种基于多特征的天气雷达回波分类方法
CN111289983A (zh) * 2020-04-16 2020-06-16 内蒙古工业大学 一种雷达垂直累积液态水含量反演方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7822266B2 (en) * 2006-06-02 2010-10-26 Carnegie Mellon University System and method for generating a terrain model for autonomous navigation in vegetation
FR2960651B1 (fr) * 2010-05-28 2013-08-23 Thales Sa Procede de correction de mesures de reflectivite et radar mettant en oeuvre ce procede
GB2574490A (en) * 2017-11-22 2019-12-11 Foster Miller Inc Airborne wind profiling portable radar system and method

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001060718A2 (en) * 2000-02-17 2001-08-23 Bintech. Lllp Bulk materials management apparatus and method
WO2013036727A2 (en) * 2011-09-09 2013-03-14 Accipiter Radar Technologies, Inc. Device and method for 3d sampling with avian radar
CN102662162A (zh) * 2012-02-16 2012-09-12 邓勇 X波段多普勒雷达降水估测方法
US9057773B1 (en) * 2012-12-06 2015-06-16 Rockwell Collins, Inc. Weather information display system and method
CN103869307A (zh) * 2012-12-18 2014-06-18 中国农业科学院植物保护研究所 毫米波扫描昆虫雷达探测系统及探测方法
EP3070501A1 (en) * 2015-03-18 2016-09-21 Honeywell International Inc. Prediction of ice crystal presence in a volume of airspace
CN105928448A (zh) * 2016-04-18 2016-09-07 北京理工大学 一种基于瑞利区解析散射建模的昆虫尺寸测量方法
CN106501802A (zh) * 2016-04-18 2017-03-15 北京理工大学 高分辨率多维协同昆虫迁飞雷达测量仪
EP3333591A1 (en) * 2016-12-09 2018-06-13 Honeywell International Inc. Aircraft radar system for bird and bat strike avoidance
CN109034356A (zh) * 2018-07-23 2018-12-18 北京理工大学 基于最近邻域法关联和高斯波束体积的昆虫密度统计方法
CN109459751A (zh) * 2018-08-27 2019-03-12 北京理工大学 一种基于天气雷达数据的迁飞生物信息监测方法
CN110018479A (zh) * 2019-04-28 2019-07-16 中国气象局广州热带海洋气象研究所 C波段双偏振天气雷达反射率地形遮挡衰减订正方法
CN111007474A (zh) * 2019-11-29 2020-04-14 北京理工大学 一种基于多特征的天气雷达回波分类方法
CN111289983A (zh) * 2020-04-16 2020-06-16 内蒙古工业大学 一种雷达垂直累积液态水含量反演方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
A Retrieval Method of Vertical Profiles of Reflectivity for Migratory Animals Using Weather Radar;Cheng Hu 等;《IEEE Transactions on Geoscience and Remote Sensing》;20191010;第1030-1040页 *
A Review of Insect Monitoring Approaches with Special Reference to Radar Techniques;Alexey Noskov 等;《Sensors》;20210220;第1-23页 *
Deep-learning-based extraction of the animal migration patterns from weather radar images;Kai Cui 等;《Science China Information Sciences》;20200309;第1-10页 *
Linking Small-Scale Flight Manoeuvers and Density Profiles to the Vertical Movement of Insects in the Nocturnal Stable Boundary Layer;Charlotte E. Wainwright 等;《Scientific Reports》;20200123;第1-11页 *
任意基线雷达反射率因子垂直剖面生成算法;肖艳姣 等;《应用气象学报》;20080831;第19卷(第4期);第428-434页 *
农业害虫自动识别与监测技术;封洪强 等;《植物保护》;20181031;第127-133页 *
垂直监测昆虫雷达研究进展;张智 等;《昆虫学报》;20120731;第849-859页 *
我国阵风锋类型与产生机制分析及其主观识别方法;席宝珠 等;《气象》;20150228;第41卷(第2期);第133-142页 *
昆虫雷达散射截面积特性分析;胡程 等;《电子与信息学报》;20200131;第42卷(第1期);第140-153页 *
昆虫雷达软件平台发展及其研究;代美 等;《植物保护科技创新与发展——中国植物保护学会2008年学术年会论文集》;20081031;第138-143页 *

Also Published As

Publication number Publication date
CN113093179A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
Buler et al. Quantifying bird density during migratory stopover using weather surveillance radar
Berg et al. Temporal variability of fair-weather cumulus statistics at the ACRF SGP site
Collis et al. Statistics of storm updraft velocities from TWP-ICE including verification with profiling measurements
Kunz et al. Detection of hail signatures from single-polarization C-band radar reflectivity
Machado et al. Overview: Precipitation characteristics and sensitivities to environmental conditions during GoAmazon2014/5 and ACRIDICON-CHUVA
Angevine et al. The Flatland boundary layer experiments
Bringi et al. Raindrop axis ratios and size distributions in Florida rainshafts: An assessment of multiparameter radar algorithms
Hu et al. A retrieval method of vertical profiles of reflectivity for migratory animals using weather radar
Holleman et al. Quality assessment of weather radar wind profiles during bird migration
Berne et al. Influence of the vertical profile of reflectivity on radar-estimated rain rates at short time steps
Piscitelli et al. A multiyear radar-based climatology of supercell thunderstorms in central-eastern Argentina
Franck et al. Evaluation of convective boundary layer height estimates using radars operating at different frequency bands
Deng et al. Stratiform and convective precipitation observed by multiple radars during the DYNAMO/AMIE experiment
Geerts et al. Airborne radar observations of the flight behavior of small insects in the atmospheric convective boundary layer
Williams et al. Vertical structure of precipitation and related microphysics observed by NOAA profilers and TRMM during NAME 2004
CN113093179B (zh) 一种基于天气雷达的昆虫密度监测方法
Pilorz et al. Large hail detection using radar-based VIL calibrated with isotherms from the ERA5 reanalysis
Rao et al. Differences in draft core statistics from the wet to dry spell over Gadanki, India (13.5 N, 79.2 E)
Miller et al. Detection of nonprecipitating clouds with the WSR-88D: A theoretical and experimental survey of capabilities and limitations
Qi et al. Improving WSR-88D radar QPE for orographic precipitation using profiler observations
Erlingis et al. Evaluation of operational and experimental precipitation algorithms and microphysical insights during IPHEx
Méri et al. Improved radar composites and enhanced value of meteorological radar data using different quality indices
Suzana et al. Radar hydrology: New Z/R relationships for Klang River Basin Malaysia based on rainfall classification
Gregow et al. Improving the precipitation accumulation analysis using lightning measurements and different integration periods
Gebauer et al. Evaluating vertical velocity retrievals from vertical vorticity equation constrained dual-Doppler analysis of real, rapid-scan radar data

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