CN113435401B - 过冷水区的飞机云物理探测识别方法、装置及存储介质 - Google Patents
过冷水区的飞机云物理探测识别方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113435401B CN113435401B CN202110794293.5A CN202110794293A CN113435401B CN 113435401 B CN113435401 B CN 113435401B CN 202110794293 A CN202110794293 A CN 202110794293A CN 113435401 B CN113435401 B CN 113435401B
- Authority
- CN
- China
- Prior art keywords
- sample
- supercooled water
- index value
- determining
- cloud particle
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 152
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 239000002245 particle Substances 0.000 claims abstract description 175
- 230000008569 process Effects 0.000 claims abstract description 15
- 239000000523 sample Substances 0.000 claims description 221
- 238000009825 accumulation Methods 0.000 claims description 34
- 230000008021 deposition Effects 0.000 claims description 9
- 239000012798 spherical particle Substances 0.000 description 14
- TXNRYTCUNXUNFH-QPHDTYRISA-N N(3)-fumaramoyl-(S)-2,3-diaminopropanoic acid zwitterion Chemical compound OC(=O)[C@@H](N)CNC(=O)\C=C\C(N)=O TXNRYTCUNXUNFH-QPHDTYRISA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004781 supercooling Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013526 supercooled liquid Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/022—Fluid sensors based on microsensors, e.g. quartz crystal-microbalance [QCM], surface acoustic wave [SAW] devices, tuning forks, cantilevers, flexural plate wave [FPW] devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N2015/0294—Particle shape
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/024—Mixtures
- G01N2291/02416—Solids in liquids
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Acoustics & Sound (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请实施例公开了过冷水区的飞机云物理探测识别方法、装置及存储介质。上述方法包括确定飞机搭载的云物理探测设备探测的物理量;确定所述物理量对应的过冷水识别方法;得到飞机飞行过程中,所述云物理探测设备采集的第一样本;根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本;将所述目标第一样本对应的区域确定为过冷水区。本申请实施例提出基于云粒子数浓度直接确定过冷水区的方法,大大简化了过冷水识别的复杂度,降低了过冷水识别成本,提升识别速度。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及过冷水区的飞机云物理探测识别方法、装置及存储介质。
背景技术
自然界中,当空中温度低于0℃时,云中仍有一些液滴没有冻结,而是以过冷却的液态存在。大量研究表明,在0℃至-20℃甚至更低的温度,云中仍然有过冷水存在。云中的过冷水是人工播云影响天气的重要条件,同时也是影响航空飞行安全的重要因素。另外,云中过冷水的存在对地球辐射平衡有着极其重要的影响。因此,对于云中粒子相态和过冷水的观测和研究十分重要。由于过冷水观测的困难,多年来,很多学者进行了空地遥感等多方面的探索。比如,可以利用卫星反演的云参数和卫星云特征产品反演得到了过冷水区和过冷水含量,但由于卫星自上而下观测,更多的反应了云顶附近的云特征,对于多层云中低层云中的过冷水的识别仍存在一定的困难。比如,还可以利用云雷达结合激光雷达和探空观测对层状云中的过冷水进行识别。再比如,还可以探索利用回波顶温度、回波强度梯度和回波强度特征识别过冷水的方法。然而这些遥感方法得到的识别结果都仍需要实际观测的校验,识别方法执行难度高,并且需要校验辅助,难以提供稳定简单准确度高的过冷水区直接识别方法。
发明内容
为了解决上述至少一个技术问题,本申请实施例提供过冷水区的飞机云物理探测识别方法、装置及存储介质。
一方面,本申请实施例提供了一种过冷水区的飞机云物理探测识别方法,所述方法包括:
确定飞机搭载的云物理探测设备探测的物理量;
确定所述物理量对应的过冷水识别方法;
得到飞机飞行过程中,所述云物理探测设备采集的第一样本;
根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本;
将所述目标第一样本对应的区域确定为过冷水区。
在一个实施例中,所述确定飞机搭载的云物理探测设备探测的物理量,包括:
确定所述物理量为云粒子数浓度;
判断所述云粒子数浓度是否符合对于过冷水的指向性要求;
若是,则确定所述云粒子数浓度对应的过冷水识别方法。
在一个实施例中,所述判断所述云粒子数浓度是否符合预设的对于过冷水的指向性要求,包括:
判断所述云粒子数浓度与积冰概率是否满足第一一致性要求;
判断所述云粒子数浓度与粒子形状是否满足第二一致性要求;
在所述第一一致性要求和所述第二一致性要求均被满足的情况下,确定所述云粒子数浓度符合所述对于过冷水的指向性要求。
在一个实施例中,所述物理量为云粒子数浓度,所述确定所述云粒子数浓度对应的过冷水识别方法,包括:
在飞机上同步搭载云粒子成像仪、积冰探测仪和云粒子散射探头,在所述飞机的飞行过程中同步采集在温度低于预设温度阈值时的多个第二样本,每个所述第二样本包括基于所述云粒子成像仪确定的云粒子形状分布、基于所述积冰探测仪确定的积冰状态以及基于所述云粒子散射探头确定的云粒子数浓度;
基于每个所述第二样本的积冰状态和云粒子形状分布,确定所述第二样本对应的过冷水标签;
基于所述过冷水标签将所述第二样本划分为正第二样本和负第二样本,所述正第二样本的过冷水标签指向存在过冷水,所述负第二样本的过冷水标签指向不存在过冷水;
基于云粒子数浓度阈值,将所述第二样本划分为预测正第二样本和预测负第二样本,所述预测正第二样本的云粒子数浓度大于所述云粒子数浓度阈值,所述预测负第二样本的云粒子数浓度不大于所述云粒子数浓度阈值;
根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,调整所述云粒子数浓度阈值,直至达到预设的调整停止条件;
将调整后得到的云粒子数浓度阈值,确定为目标云粒子数浓度阈值;
基于所述目标云粒子数浓度阈值,确定所述云粒子数浓度对应的过冷水识别方法。
在一个实施例中,所述根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,调整所述云粒子数浓度阈值,直至达到预设的调整停止条件,包括:
根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,确定第一指标值、第二指标值、第三指标值和第四指标值;所述第一指标值指向被所述正第二样本和所述预测正第二样本同时命中的第二样本的数量,所述第二指标值指向被所述正第二样本和所述预测负第二样本同时命中的第二样本的数量,所述第三指标值指向被所述负第二样本和所述预测正第二样本同时命中的第二样本的数量,所述第四指标值指向被所述负第二样本和所述预测负第二样本同时命中的第二样本的数量;
将所述第一指标值和所述第二指标值的总和确定为第五指标值,将所述第三指标值和所述第四指标值的总和确定为第六指标值;
将所述第一指标值和所述第五指标值的比值确定为第七指标值;
将所述第三指标值和所述第六指标值的比值确定为第八指标值;
以所述第七指标值和所述第八指标值的差值最大为约束条件,调整所述云粒子数浓度阈值。
在一个实施例中,所述第一样本为温度低于所述预设温度阈值的,包括云粒子数浓度的样本,所述根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本,包括:
将云粒子数浓度高于所述目标云粒子数浓度阈值的第一样本,确定为所述目标第一样本。
在一个实施例中,所述将所述目标第一样本对应的区域确定为过冷水区,包括:
确定所述目标第一样本的采集位置;
基于所述采集位置确定所述过冷水区。
另一方面,本申请实施例提供一种过冷水区的飞机云物理探测识别装置,所述装置包括:
物理量确定模块,用于确定飞机搭载的云物理探测设备探测的物理量;
识别方法确定模块,用于确定所述物理量对应的过冷水识别方法;
第一样本采集模块,用于得到飞机飞行过程中,所述云物理探测设备采集的第一样本;
目标第一样本识别模块,用于根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本;
过冷水区确定模块,用于将所述目标第一样本对应的区域确定为过冷水区。
另一方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现上述的过冷水区的飞机云物理探测识别方法。
另一方面,本申请实施例提供了一种电子设备,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,所述至少一个处理器通过执行所述存储器存储的指令实现上述的过冷水区的飞机云物理探测识别方法。
本申请实施例提供了过冷水区的飞机云物理探测识别方法、装置、存储介质及电子设备。本申请实施例提出基于云粒子数浓度直接确定过冷水区的方法,并且确定出能够准确指示过冷水存在的目标云粒子数浓度阈值,基于该阈值即可判断出过冷水是否存在,大大简化了过冷水识别的复杂度,降低了过冷水识别成本,提升识别速度。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案和优点,下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本申请实施例提供的温度低于-2℃时云粒子数浓度与积冰概率的对应关系示意图;
图2是本申请实施例提供的温度低于0℃时云粒子数浓度与粒子形状分布的对应关系示意图;
图3是本申请实施例提供的过冷水区的飞机云物理探测识别方法流程图;
图4是本申请实施例提供的过冷水识别方法流程图;
图5是本申请实施例提供的过冷水区的飞机云物理探测识别装置框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请实施例保护的范围。
需要说明的是,本申请实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请实施例的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了使本申请实施例公开的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请实施例进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请实施例,并不用于限定本申请实施例。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。为了便于理解本申请实施例上述的技术方案及其产生的技术效果,本申请实施例首先对于相关专业名词进行解释:
云粒子探头(FCDP):FCDP是美国Stratton Park Engineering Company(SPEC)公司研发生产的探测仪器。FCDP是一种前向散射探头,通过测量粒子穿过探头时激光束时的前向散射量来计算粒子直径和浓度。仪器探测粒子直径范围是1-50μm,共有21个通道,前20个通道的分辨率约为3μm,最后一个通道为超大通道,可探测粒子速度范围为10-200m·s-1。云粒子探头(FCDP)是本申请实施例中用于确定云粒子数浓度的设备。
积冰探测仪(RID):积冰探测仪是一种磁致伸缩振动探头,探头在大约40kHz的固有频率上发生振荡。感应探头是一个暴露在空气中的长2.54cm,直径为0.635cm的圆柱体。液态过冷液滴在仪器表面上碰撞并积聚,而固态冰粒从表面弹起并随气流扫走。当云中有过冷水存在时,过冷水会冻结在探头上,积冰探头振动频率随附着的冰晶质量增加而减小。积冰探测仪(RID)是本申请实施例中用于确定积冰状态和积冰概率的设备。
云粒子成像仪(CPI):CPI是美国Stratton Park Engineering Company(SPEC)公司研发生产的探测仪器。云粒子成像仪是一种可捕获穿过仪器粒子的高分辨率图像的大气探测仪,像素分辨率为2.3μm,图像高达每秒400帧,每一帧可以有超过25个粒子成像。CPI探头可对速度高达200m·s-1的云粒子进行采样并拍照,获得大量通过采样区域的云粒子图像,同时可得到每个粒子的长度、宽度、周长、面积等信息。根据这些信息,将云中粒子分为了球型、片状、柱状等类型,为研究了解云中7-2300um尺度范围内的粒子形状提供了可能。本申请实施例将球型粒子作为一类,认为球型粒子是液态水滴,对其他类型的粒子统一归为非球型粒子,认为这些粒子是冰晶。云粒子成像仪(CPI)是本申请实施例中用于确定云粒子形状分布的设备。
现有技术中往往需要结合多个物理量,并且结合后端校验才可以最终确定过冷水的存在,从而导致了过冷水识别复杂度的提升和识别成本的提高。有鉴于此,本申请实施例提供一种过冷水区的飞机云物理探测识别方法,该方法可以直接确定过冷水区的存在,而无需依赖于后端验证。
本申请实施例提出以云粒子数浓度作为过冷水存在的指向性指标,该指标为本申请为了进行过冷水识别而提出,故本申请对于该指标的指向性进行验证。也就是说,本申请判断所述云粒子数浓度是否符合预设的对于过冷水的指向性要求,若符合该指向性要求,则可以进一步确定基于云粒子数浓度识别过冷水的方法。在一个实施例中,所述判断所述云粒子数浓度是否符合预设的对于过冷水的指向性要求,包括:
S101.判断所述云粒子数浓度与积冰概率是否满足第一一致性要求。
S102.判断所述云粒子数浓度与云粒子形状分布是否满足第二一致性要求。
本公开实施例并不对第一一致性要求和第二一致性要求进行限定,可以根据本领域技术人员对于物理量指向性相关的行业标准进行设立。本申请公开步骤S101-S102的具体实施过程,但不构成对于第一一致性要求和第二一致性要求的限定。
首先,本申请实施例可以通过下述内容判断云粒子数浓度与积冰概率的相关性是否满足第一一致性要求,对应步骤S101。
本公开实施例中将云粒子数浓度和积冰同步观测,可以得到第一观测数据。将该第一观测数据按照云粒子数浓度划分为0-0.1,0.1-0.25,0.25-0.5,0.5-1,1-5,5-10,10-20,20-30,30-40,40-50和>50共11档(单位为cm-3),选取不同的温度阈值,计算了温度低于不同温度阈值时,不同云粒子数浓度情况下的积冰探测仪出现积冰响应的频率。请参考图1,其示出云粒子数浓度与积冰概率的对应关系示意图。由图1可见,积冰概率随温度阈值的降低而降低,但当温度低于-2℃时,积冰概率随温度的变化不再明显。当云粒子数浓度小于1时,非积冰的第一观测数据占绝大多数,积冰的概率只有不到10%。从图1可以明显看出云粒子数浓度与积冰概率的相关性较好,随着云粒子数浓度的增加,积冰概率不断增大。温度低于-2℃的统计结果表明,当云粒子数浓度大于10时,积冰的第一观测数据多于非积冰的第一观测数据,积冰概率大于50%。云粒子数浓度在10-40cm之间时,积冰情况占50-60%。云粒子数浓度大于40时,积冰概率可达约80%。通过图1本领域技术人员可以确定,云粒子数浓度与积冰概率之间的相关性符合第一一致性要求,积冰概率越高,则过冷水存在概率越高,因此,图1指示云粒子数浓度与过冷水存在强相关关系。
然后,本申请实施例可以通过下述内容判断云粒子数浓度与云粒子形状分布的相关性是否满足第二一致性要求,对应步骤S102。
本公开实施例中将云粒子数浓度和云粒子形状分布同步观测,可以得到第二观测数据。粒子形状常被作为另一种判断过冷水存在的指标,本申请实施例将CPI球型粒子占比分为0-0.2,0.2-0.4,0.4-0.6,0.6-0.8,0.8-1五个档,确定不同云粒子数浓度下,CPI观测到的球型粒子所占比例的频率分布情况。由图2可见,T<0℃,云粒子数浓度<1时,CPI球型粒子占比在0-0.2之间的第二观测数据所占比例最大,约占55%。CPI球型粒子占比小于40%的占75%以上。整体来看,随着云粒子数浓度的增加,CPI球型粒子占比有明显的增加。。云粒子数浓度>5时,CPI球型粒子占比不小于40%的样本出现概率均在80%以上。云粒子数浓度>50时,CPI球型粒子占比不小于40%的样本数约占95%。通过图2本领域技术人员可以确定,云粒子数浓度与球形粒子分布占比之间的相关性符合第二一致性要求,球形粒子可以被认为是过冷水存在的一种标志,因此,图2也能够指示云粒子数浓度与过冷水存在强相关关系。
S103.在所述第一一致性要求和所述第二一致性要求均被满足的情况下,确定所述云粒子数浓度符合所述对于过冷水的指向性要求。
在判定出云粒子数浓度与球形粒子分布占比,以及与积冰概率之间的关系均满足本领域技术人员认定的相关一致性要求的情况下,可以确定云粒子数浓度符合所述对于过冷水的指向性要求,故本申请实施例提出一种以云粒子数浓度作为过冷水存在的指向性指标的过冷水区识别方法。
以下介绍本申请实施例的一种过冷水区的飞机云物理探测识别方法。图3示出了本申请实施例提供的一种过冷水区的飞机云物理探测识别方法的流程示意图,本申请实施例提供了如实施例或流程图上述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境),上述方法可以包括:
S201.确定飞机搭载的云物理探测设备探测的物理量。
根据前文,本申请实施例中该物理量可以被确定为云粒子数浓度。
S202.确定所述物理量对应的过冷水识别方法。
相应的,本公开实施例还确定一种过冷水识别方法。请参考图4,所述方法包括:
S2021.在飞机上同步搭载云粒子成像仪、积冰探测仪和云粒子散射探头,在所述飞机的飞行过程中同步采集在温度低于预设温度阈值时的多个第二样本,每个所述第二样本包括基于所述云粒子成像仪确定的云粒子形状分布、基于所述积冰探测仪确定的积冰状态以及基于所述云粒子散射探头确定的云粒子数浓度。
S2022.基于每个所述第二样本的积冰状态和云粒子形状分布,确定所述第二样本对应的过冷水标签。
S2023.基于所述过冷水标签将所述第二样本划分为正第二样本和负第二样本,所述正第二样本的过冷水标签指向存在过冷水,所述负第二样本的过冷水标签指向不存在过冷水。
本实施例认为积冰即是过冷水存在的标签,某一时刻样本只有积冰和非积冰两种状态,若积冰探头为不积冰状态,可以认为不存在过冷水;若积冰探头为积冰状态,可以认为存在过冷水。
在一个实施例中,可以将云粒子形状分布中球形粒子占比高于预设球形粒子占比阈值的第二样本,确定为指示存在过冷水的正第二样本,该正第二样本的过冷水标签可以为“存在过冷水”,反之,其它第二样本的过冷水标签可以为“不存在过冷水”,为负第二样本。本申请实施例也不限定球形粒子占比阈值,比如,可以为40%。
S2024.基于云粒子数浓度阈值,将所述第二样本划分为预测正第二样本和预测负第二样本,所述预测正第二样本的云粒子数浓度大于所述云粒子数浓度阈值,所述预测负第二样本的云粒子数浓度不大于所述云粒子数浓度阈值。
S2025.根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,调整所述云粒子数浓度阈值,直至达到预设的调整停止条件。
在一个实施例中,所述根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,调整所述云粒子数浓度阈值,直至达到预设的调整停止条件,包括:
S20251.根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,确定第一指标值、第二指标值、第三指标值和第四指标值;所述第一指标值指向被所述正第二样本和所述预测正第二样本同时命中的第二样本的数量,所述第二指标值指向被所述正第二样本和所述预测负第二样本同时命中的第二样本的数量,所述第三指标值指向被所述负第二样本和所述预测正第二样本同时命中的第二样本的数量,所述第四指标值指向被所述负第二样本和所述预测负第二样本同时命中的第二样本的数量。
S20252.将所述第一指标值和所述第二指标值的总和确定为第五指标值,将所述第三指标值和所述第四指标值的总和确定为第六指标值。
S20253.将所述第一指标值和所述第五指标值的比值确定为第七指标值。
S20254.将所述第三指标值和所述第六指标值的比值确定为第八指标值。
S20255.以所述第七指标值和所述第八指标值的差值最大为约束条件,调整所述云粒子数浓度阈值。
S2026.将调整后得到的云粒子数浓度阈值,确定为目标云粒子数浓度阈值。
S2027.基于所述目标云粒子数浓度阈值,确定所述云粒子数浓度对应的过冷水识别方法。
在一个实施例中,若观测到的云粒子数浓度高于该目标云粒子数浓度阈值,则判定存在过冷水,若观测到的云粒子数浓度不高于该目标云粒子数浓度阈值,则判定不存在过冷水。
S203.得到飞机飞行过程中,所述云物理探测设备采集的第一样本。
具体地,所述第一样本为温度低于所述预设温度阈值的,包括云粒子数浓度的样本。
S204.根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本。
依照前文所述,将云粒子数浓度高于所述目标云粒子数浓度阈值的第一样本,确定为所述目标第一样本。
S205.将所述目标第一样本对应的区域确定为过冷水区。
具体地,可以确定所述目标第一样本的采集位置;基于所述采集位置确定所述过冷水区。
本申请实施例提供了过冷水区的飞机云物理探测识别方法、装置、存储介质及电子设备。本申请实施例提出基于云粒子数浓度直接确定过冷水区的方法,并且确定出能够准确指示过冷水存在的目标云粒子数浓度阈值,基于该阈值即可判断出过冷水是否存在,大大简化了过冷水识别的复杂度,降低了过冷水识别成本,提升识别速度。
本申请实施例还公开了一种过冷水区的飞机云物理探测识别装置,如图5所示,上述装置包括:
物理量确定模块201,用于确定飞机搭载的云物理探测设备探测的物理量;
识别方法确定模块202,用于确定所述物理量对应的过冷水识别方法;
第一样本采集模块203,用于得到飞机飞行过程中,所述云物理探测设备采集的第一样本;
目标第一样本识别模块204,用于根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本;
过冷水区确定模块205,用于将所述目标第一样本对应的区域确定为过冷水区。具体地,本申请实施例公开一种过冷水区的飞机云物理探测识别装置与上述对应的方法实施例均基于相同发明构思。详情请参见方法实施例,在此不再赘述。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述过冷水区的飞机云物理探测识别方法。
本申请实施例还提供了一种计算机可读存储介质,上述计算机可读存储介质可以存储有多条指令。上述指令可以适于由处理器加载并执行本申请实施例上述的过冷水区的飞机云物理探测识别方法。
本申请实施例提供了一种电子设备,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,所述至少一个处理器通过执行所述存储器存储的指令实现上述的过冷水区的飞机云物理探测识别方法。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本申请实施例特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本申请实施例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,对于装置和服务器实施例而言,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。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,上述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上上述仅为本申请实施例的较佳实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请实施例的保护范围之内。
Claims (7)
1.一种过冷水区的飞机云物理探测识别方法,其特征在于,所述方法包括:
确定飞机搭载的云物理探测设备探测的物理量;
确定所述物理量对应的过冷水识别方法;
得到飞机飞行过程中,所述云物理探测设备采集的第一样本;
根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本;
将所述目标第一样本对应的区域确定为过冷水区;
所述确定飞机搭载的云物理探测设备探测的物理量,包括:确定所述物理量为云粒子数浓度;判断所述云粒子数浓度是否符合对于过冷水的指向性要求;若是,则确定所述云粒子数浓度对应的过冷水识别方法;
所述物理量为云粒子数浓度,所述确定所述云粒子数浓度对应的过冷水识别方法,包括:
在飞机上同步搭载云粒子成像仪、积冰探测仪和云粒子散射探头,在所述飞机的飞行过程中同步采集在温度低于预设温度阈值时的多个第二样本,每个所述第二样本包括基于所述云粒子成像仪确定的云粒子形状分布、基于所述积冰探测仪确定的积冰状态以及基于所述云粒子散射探头确定的云粒子数浓度;
基于每个所述第二样本的积冰状态和云粒子形状分布,确定所述第二样本对应的过冷水标签;
基于所述过冷水标签将所述第二样本划分为正第二样本和负第二样本,所述正第二样本的过冷水标签指向存在过冷水,所述负第二样本的过冷水标签指向不存在过冷水;
基于云粒子数浓度阈值,将所述第二样本划分为预测正第二样本和预测负第二样本,所述预测正第二样本的云粒子数浓度大于所述云粒子数浓度阈值,所述预测负第二样本的云粒子数浓度不大于所述云粒子数浓度阈值;
根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,调整所述云粒子数浓度阈值,直至达到预设的调整停止条件;
将调整后得到的云粒子数浓度阈值,确定为目标云粒子数浓度阈值;
基于所述目标云粒子数浓度阈值,确定所述云粒子数浓度对应的过冷水识别方法;
所述根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,调整所述云粒子数浓度阈值,直至达到预设的调整停止条件,包括:
根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,确定第一指标值、第二指标值、第三指标值和第四指标值;所述第一指标值指向被所述正第二样本和所述预测正第二样本同时命中的第二样本的数量,所述第二指标值指向被所述正第二样本和所述预测负第二样本同时命中的第二样本的数量,所述第三指标值指向被所述负第二样本和所述预测正第二样本同时命中的第二样本的数量,所述第四指标值指向被所述负第二样本和所述预测负第二样本同时命中的第二样本的数量;
将所述第一指标值和所述第二指标值的总和确定为第五指标值,将所述第三指标值和所述第四指标值的总和确定为第六指标值;
将所述第一指标值和所述第五指标值的比值确定为第七指标值;
将所述第三指标值和所述第六指标值的比值确定为第八指标值;
以所述第七指标值和所述第八指标值的差值最大为约束条件,调整所述云粒子数浓度阈值。
2.根据权利要求1所述的方法,其特征在于,所述判断所述云粒子数浓度是否符合预设的对于过冷水的指向性要求,包括:
判断所述云粒子数浓度与积冰概率是否满足第一一致性要求;
判断所述云粒子数浓度与云粒子形状分布是否满足第二一致性要求;
在所述第一一致性要求和所述第二一致性要求均被满足的情况下,确定所述云粒子数浓度符合所述对于过冷水的指向性要求。
3.根据权利要求1所述的方法,其特征在于,所述第一样本为温度低于所述预设温度阈值的,包括云粒子数浓度的样本,所述根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本,包括:
将云粒子数浓度高于所述目标云粒子数浓度阈值的第一样本,确定为所述目标第一样本。
4.根据权利要求3所述的方法,所述将所述目标第一样本对应的区域确定为过冷水区,包括:
确定所述目标第一样本的采集位置;
基于所述采集位置确定所述过冷水区。
5.一种过冷水区的飞机云物理探测识别装置,其特征在于,所述装置包括:
物理量确定模块,用于确定飞机搭载的云物理探测设备探测的物理量;
识别方法确定模块,用于确定所述物理量对应的过冷水识别方法;
第一样本采集模块,用于得到飞机飞行过程中,所述云物理探测设备采集的第一样本;
目标第一样本识别模块,用于根据所述第一样本和所述识别方法,识别目标第一样本,所述目标第一样本为指向过冷水存在的第一样本;
过冷水区确定模块,用于将所述目标第一样本对应的区域确定为过冷水区;所述确定飞机搭载的云物理探测设备探测的物理量,包括:确定所述物理量为云粒子数浓度;判断所述云粒子数浓度是否符合对于过冷水的指向性要求;若是,则确定所述云粒子数浓度对应的过冷水识别方法;
所述物理量为云粒子数浓度,所述确定所述云粒子数浓度对应的过冷水识别方法,包括:
在飞机上同步搭载云粒子成像仪、积冰探测仪和云粒子散射探头,在所述飞机的飞行过程中同步采集在温度低于预设温度阈值时的多个第二样本,每个所述第二样本包括基于所述云粒子成像仪确定的云粒子形状分布、基于所述积冰探测仪确定的积冰状态以及基于所述云粒子散射探头确定的云粒子数浓度;
基于每个所述第二样本的积冰状态和云粒子形状分布,确定所述第二样本对应的过冷水标签;
基于所述过冷水标签将所述第二样本划分为正第二样本和负第二样本,所述正第二样本的过冷水标签指向存在过冷水,所述负第二样本的过冷水标签指向不存在过冷水;
基于云粒子数浓度阈值,将所述第二样本划分为预测正第二样本和预测负第二样本,所述预测正第二样本的云粒子数浓度大于所述云粒子数浓度阈值,所述预测负第二样本的云粒子数浓度不大于所述云粒子数浓度阈值;
根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,调整所述云粒子数浓度阈值,直至达到预设的调整停止条件;
将调整后得到的云粒子数浓度阈值,确定为目标云粒子数浓度阈值;
基于所述目标云粒子数浓度阈值,确定所述云粒子数浓度对应的过冷水识别方法;
所述根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,调整所述云粒子数浓度阈值,直至达到预设的调整停止条件,包括:
根据所述正第二样本、所述负第二样本、所述预测正第二样本和所述预测负第二样本,确定第一指标值、第二指标值、第三指标值和第四指标值;所述第一指标值指向被所述正第二样本和所述预测正第二样本同时命中的第二样本的数量,所述第二指标值指向被所述正第二样本和所述预测负第二样本同时命中的第二样本的数量,所述第三指标值指向被所述负第二样本和所述预测正第二样本同时命中的第二样本的数量,所述第四指标值指向被所述负第二样本和所述预测负第二样本同时命中的第二样本的数量;
将所述第一指标值和所述第二指标值的总和确定为第五指标值,将所述第三指标值和所述第四指标值的总和确定为第六指标值;
将所述第一指标值和所述第五指标值的比值确定为第七指标值;
将所述第三指标值和所述第六指标值的比值确定为第八指标值;
以所述第七指标值和所述第八指标值的差值最大为约束条件,调整所述云粒子数浓度阈值。
6.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1至4中任一项所述的过冷水区的飞机云物理探测识别方法。
7.一种计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1至4任一项所述的过冷水区的飞机云物理探测识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110794293.5A CN113435401B (zh) | 2021-07-14 | 2021-07-14 | 过冷水区的飞机云物理探测识别方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110794293.5A CN113435401B (zh) | 2021-07-14 | 2021-07-14 | 过冷水区的飞机云物理探测识别方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113435401A CN113435401A (zh) | 2021-09-24 |
CN113435401B true CN113435401B (zh) | 2024-04-30 |
Family
ID=77760257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110794293.5A Active CN113435401B (zh) | 2021-07-14 | 2021-07-14 | 过冷水区的飞机云物理探测识别方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435401B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114119706A (zh) * | 2021-10-28 | 2022-03-01 | 中国气象科学研究院 | 云粒子图像形状识别方法、系统及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6125327A (en) * | 1997-01-15 | 2000-09-26 | Harris Corporation | System for identifying and generating geographic map display of aircraft icing conditions |
CN106569289A (zh) * | 2016-10-18 | 2017-04-19 | 北京无线电测量研究所 | 一种识别过冷水的方法及装置 |
CN106843046A (zh) * | 2017-01-19 | 2017-06-13 | 北京厚力德仪器设备有限公司 | 一种人工增雨飞机探测作业系统 |
CN107992782A (zh) * | 2016-10-27 | 2018-05-04 | 中国科学院大气物理研究所 | 基于图像几何特征参量的云降水粒子形状识别方法 |
CN108089240A (zh) * | 2018-01-09 | 2018-05-29 | 中国科学院遥感与数字地球研究所 | 一种过冷水云检测方法 |
CN110058208A (zh) * | 2019-04-23 | 2019-07-26 | 南京信息工程大学 | 基于混编技术的阈值法过冷水区域识别方法 |
CN110174687A (zh) * | 2019-05-24 | 2019-08-27 | 中国气象科学研究院 | 一种云水路径获取方法及装置 |
CN111680259A (zh) * | 2020-06-01 | 2020-09-18 | 航天新气象科技有限公司 | 一种云粒子相态识别方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2807522B1 (fr) * | 2000-04-07 | 2002-06-14 | Aerospatiale Matra Airbus | Dispositif pour determiner les valeurs d'au moins un parametre de particules, notamment de gouttelettes d'eau |
US8338785B2 (en) * | 2011-04-29 | 2012-12-25 | Rosemount Aerospace Inc. | Apparatus and method for detecting aircraft icing conditions |
-
2021
- 2021-07-14 CN CN202110794293.5A patent/CN113435401B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6125327A (en) * | 1997-01-15 | 2000-09-26 | Harris Corporation | System for identifying and generating geographic map display of aircraft icing conditions |
CN106569289A (zh) * | 2016-10-18 | 2017-04-19 | 北京无线电测量研究所 | 一种识别过冷水的方法及装置 |
CN107992782A (zh) * | 2016-10-27 | 2018-05-04 | 中国科学院大气物理研究所 | 基于图像几何特征参量的云降水粒子形状识别方法 |
CN106843046A (zh) * | 2017-01-19 | 2017-06-13 | 北京厚力德仪器设备有限公司 | 一种人工增雨飞机探测作业系统 |
CN108089240A (zh) * | 2018-01-09 | 2018-05-29 | 中国科学院遥感与数字地球研究所 | 一种过冷水云检测方法 |
CN110058208A (zh) * | 2019-04-23 | 2019-07-26 | 南京信息工程大学 | 基于混编技术的阈值法过冷水区域识别方法 |
CN110174687A (zh) * | 2019-05-24 | 2019-08-27 | 中国气象科学研究院 | 一种云水路径获取方法及装置 |
CN111680259A (zh) * | 2020-06-01 | 2020-09-18 | 航天新气象科技有限公司 | 一种云粒子相态识别方法及系统 |
Non-Patent Citations (5)
Title |
---|
Deep convective clouds with sustained supercooled liquid water down to -37.5°C;Daniel Rosenfeld等;Nature;第405卷;第440-442页 * |
Identifying Supercooled Liquid Water in Cloud Based on Airborne Observations: Correlation of Cloud Particle Number Concentration with Icing Probability and Proportion of Spherical Particles;Yuquan Zhou等;Journal of Meteorological Research;第36卷;第574-585页 * |
一次过冷水充沛的积层混合宏微观探测研究;彭冲等;河南科学;第36卷(第10期);第1615-1620页 * |
利用毫米波测云雷达反演层状云中过冷水;吴举秀等;干旱气象;第33卷(第2期);第227-235页 * |
华北地区一次气溶胶与浅积云微物理特性的飞机观测研究;蔡兆鑫等;大气科学;第45卷(第2期);第393-406页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113435401A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Korolev et al. | Roundness and aspect ratio of particles in ice clouds | |
Korolev et al. | Ice particle habits in stratiform clouds | |
Chandrasekar et al. | Axis ratios and oscillations of raindrops | |
Ishizaka et al. | A new method for identifying the main type of solid hydrometeors contributing to snowfall from measured size-fall speed relationship | |
US6750805B1 (en) | Full polarization synthetic aperture radar automatic target detection algorithm | |
CN104122560B (zh) | 一种输电线路广域冰情监测方法 | |
CN113435401B (zh) | 过冷水区的飞机云物理探测识别方法、装置及存储介质 | |
Pettersen et al. | The precipitation imaging package: Assessment of microphysical and bulk characteristics of snow | |
Wolf et al. | Arctic ice clouds over northern Sweden: microphysical properties studied with the Balloon-borne Ice Cloud particle Imager B-ICI | |
Chen et al. | Evaluation of spatial errors of precipitation rates and types from TRMM spaceborne radar over the southern CONUS | |
CN111445522A (zh) | 被动式夜视智能探雷系统及智能探雷方法 | |
Kübbeler et al. | Thin and subvisible cirrus and contrails in a subsaturated environment | |
Bernauer et al. | Snow event classification with a 2D video disdrometer—A decision tree approach | |
CN114488230A (zh) | 一种多普勒定位方法、装置、电子设备和存储介质 | |
Field et al. | A test of ice self-collection kernels using aircraft data | |
KR102373286B1 (ko) | 기상항공기와 기상위성의 관측자료를 이용한 구름특성 산출방법 | |
Bernauer et al. | On the consistency of 2-D video disdrometers in measuring microphysical parameters of solid precipitation | |
Waugh et al. | A balloonborne particle size, imaging, and velocity probe for in situ microphysical measurements | |
Weissman et al. | Calibrating the QuikSCAT/SeaWinds radar for measuring rainrate over the oceans | |
Poelman et al. | Comparing lightning observations of the ground-based European lightning location system EUCLID and the space-based Lightning Imaging Sensor (LIS) on the International Space Station (ISS) | |
CN114998772B (zh) | 一种基于无人机的一体化桥梁检测方法、系统及云平台 | |
Suzuki et al. | Ground validation of GPM DPR precipitation type classification algorithm by precipitation particle measurements in winter | |
Tokay et al. | Retrieval of Snow Water Equivalent by the Precipitation Imaging Package (PIP) in the Northern Great Lakes | |
CN112415503B (zh) | 一种基于目标重跟踪的多目标粒子滤波检测前跟踪方法 | |
Matrosov et al. | Sizing ice hydrometeor populations using the dual-wavelength radar ratio |
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 |