CN113447724B - 闪电活动判别方法和系统 - Google Patents

闪电活动判别方法和系统 Download PDF

Info

Publication number
CN113447724B
CN113447724B CN202110522847.6A CN202110522847A CN113447724B CN 113447724 B CN113447724 B CN 113447724B CN 202110522847 A CN202110522847 A CN 202110522847A CN 113447724 B CN113447724 B CN 113447724B
Authority
CN
China
Prior art keywords
lightning
lightning activity
activity
precipitation cloud
judging
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
CN202110522847.6A
Other languages
English (en)
Other versions
CN113447724A (zh
Inventor
郑栋
崔延星
张义军
姚雯
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.)
Chinese Academy of Meteorological Sciences CAMS
Zhuhai Fudan Innovation Research Institute
Original Assignee
Chinese Academy of Meteorological Sciences CAMS
Zhuhai Fudan Innovation Research Institute
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 Chinese Academy of Meteorological Sciences CAMS, Zhuhai Fudan Innovation Research Institute filed Critical Chinese Academy of Meteorological Sciences CAMS
Publication of CN113447724A publication Critical patent/CN113447724A/zh
Application granted granted Critical
Publication of CN113447724B publication Critical patent/CN113447724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/08—Measuring electromagnetic field characteristics
    • G01R29/0807—Measuring electromagnetic field characteristics characterised by the application
    • G01R29/0814—Field measurements related to measuring influence on or from apparatus, components or humans, e.g. in ESD, EMI, EMC, EMP testing, measuring radiation leakage; detecting presence of micro- or radiowave emitters; dosimetry; testing shielding; measurements related to lightning
    • G01R29/0842—Measurements related to lightning, e.g. measuring electric disturbances, warning systems
    • 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

Abstract

本发明提供了一种闪电活动判别方法，包括选取用以判断闪电活动信息的降水云柱结构参量；构建降水云柱结构参量与闪电活动信息的对应关系，形成闪电活动判断样本集；根据待判别位置处的降水云柱结构参量、闪电活动判断样本集中降水云柱结构参量与闪电活动信息的对应关系，判别待判别位置处的闪电活动有无。本发明还提供了一种实现上述闪电活动判别方法的闪电活动判别系统。采用本发明的闪电活动判别方法和系统能够用于判断在一存在降水云的固定位置上是否有可能发生闪电活动；克服原有闪电活动判别方法基于雷暴整体，只能给出雷暴是否会发生闪电的判断却无法给出闪电发生具体位置信息的不足；除适用连续波雷达外，也可以扩展到业务雷达中。

Description

闪电活动判别方法和系统
技术领域
本发明涉及天气预报领域，具体而言，涉及一种闪电活动判别方法和系统。
背景技术
闪电活动因其高电压、大电流和强电磁辐射特性，通常被视为一种严重的自然灾害，目前，开展闪电活动预警预报等相关工作是有效防范雷电灾害的重要手段。欲提高雷电预警预报效果，首先需要明确闪电活动和雷暴结构之间的关系，特别是两者的量化关系或者明确的诊断关系；同时，两者关系也可作为其他观测资料预测闪电活动可能性的基础，是支撑当前雷电预警预报系统内核的关键，其中，其他观测资料包括雷达、卫星等，或数模产品，如模式产品反演的雷达反射率等。实际的气象业务中，多资料融合的雷电临近预警系统，以及基于数值模式的雷电短时预报系统，最终都是基于空间网格进行相关参量的运算并在网格上给出闪电预警预报的结果。因此，亟需从网格角度，或者说从固定位置的角度，了解对应网格的垂直降水云柱结构与闪电发生之间的关系。这种需要知道在某一具体位置上，是否发生闪电的判别，即为本发明所指的闪电活动判别，其区别于整体对流云的闪电活动判别。
已有研究中，闪电活动与雷暴结构的量化关系或闪电活动是否发生的判别方法都是基于雷暴整体结构和雷暴整体的闪电活动所建立的。比如当雷暴发展到某一强度时(比如某一反射率达到的高度)，闪电活动可以出现；或者雷暴闪电活动的频次与雷暴中某一观测量(比如反射率的体积)之间存在怎么样的关系。显然，这些从雷暴整体角度所建立的有、无闪电活动判别方法本质上是关于雷暴这一整体对象是否产生闪电，产生怎样频次闪电这样的判断，而不能直接用于判断空间某一位置(即雷暴的某个位置)是否会发生闪电活动，这就导致了研究与应用之间的脱节。在实际基于网格的闪电活动预测中，很多系统的设置是来自于基于雷暴整体研究所获得的经验而非直接研究成果的应用(因为无法直接应用)；比如人为指定雷达反射率超过某一阈值的范围内会发生闪电，或模式模拟中某种粒子含量某一阈值的区域会出现闪电活动。
发明内容
本发明旨在提供一种闪电活动判别方法和采用该闪电活动判别方法的系统，其能够克服现有基于对流云整体的闪电活动判别技术不能判别某一具体位置上是否发生闪电的缺陷。本发明的发明目的通过以下技术方案得以实现。
本发明提供了一种闪电活动判别方法，该方法包括：
选取用以判断闪电活动信息的降水云柱结构参量；
构建降水云柱结构参量与闪电活动信息的对应关系，形成闪电活动判断样本集；
根据待判别位置处的降水云柱结构参量、降水云柱结构参量与闪电活动信息的对应关系，判别待判别位置处的闪电活动。
优选的，上述降水云柱结构参量包括回波强度、径向速度、速度谱宽、云顶高度、回波顶高、垂直累计液态水含量。
优选的，上述回波强度包括最大回波强度、0℃高度上回波强度、-10℃高度上回波强度、-20℃高度上回波强度、-30℃高度上回波强度、-40℃高度上回波强度；
径向速度包括最大向上径向速度、0℃高度上径向速度、-10℃高度上径向速度、-20℃高度上径向速度、-30℃高度上径向速度、-40℃高度上径向速度；
速度谱宽包括最大速度谱宽；
回波顶高包括20dBZ回波顶高、30dBZ回波顶高、40dBZ回波顶高；
垂直累计液态水含量包括总垂直累计液态水含量、0℃以上高度垂直累计液态水含量。
优选的，上述闪电活动判断样本集的形成包括：
设置考察区域、时间间隔、以及判断规则；
观测在预先设置的时间间隔内，落入考察区域的闪电情况；
依据判断规则、观测到的时间间隔内实际落入考察区域的闪电情况，判断考察区域内是否发生闪电；
将考察区域的降水云柱结构参量，与对应的考察区域内是否发生闪电的判断结果匹配；
将不同考察区域的降水云柱结构参量，以及是否发生闪电的判断结果集合，形成闪电活动判断样本集。
优选的，上述降水云柱结构参量由连续波雷达观测采集；
考察区域为以连续波雷达中心位置为圆心，考察半径范围内的圆形区域。也可选用业务雷达，选取相应的格点化数据，以格点为对象，得到相应闪电活动信息。
优选的，上述考察半径为3km。
优选的，上述判断规则为，当前时间间隔前后的扩展时间段内观测到闪电，即该时间间隔内为有闪电活动；
考察区域范围内有闪电通道的任何部分落入，均为观测到闪电。
优选的，上述时间间隔为1min，扩展时间段为3min。
优选的，上述闪电活动判断样本集包括有闪电样本数量、无闪电样本数量，有闪电样本数量、无闪电样本数量相近。
本发明还提供了一种闪电活动判别系统，该系统包括闪电判别模块，此闪电判别模块采用上述的闪电活动判别方法，用于通过待判别位置处的降水云柱结构参量，得出待判别位置处的闪电活动信息。
该闪电活动判别方法和系统的优点在于：可用于判断在一存在降水云的固定位置上是否有可能发生闪电活动，与当前基于网格的雷电预警预报契合；克服原有闪电活动判别方法基于雷暴整体，只能给出雷暴是否会发生闪电的判断却无法给出闪电发生具体位置信息的不足；除适用连续波雷达外，也可以扩展到业务雷达中，以业务雷达的格点化数据基础，以每个格点为对象，获得适用于相应资料的闪电活动判别相关信息。
附图说明
参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于举例说明本发明的技术方案，而并非意在对本发明的保护范围构成限制。图中：
图1示出了本发明闪电活动判别方法的流程图；
图2示出了本发明实施例中采用连续波雷达垂直观测、及与传统多普勒天气雷达观测方式的对比示意图；
图3示出了本发明实施例中判断考察区域有、无闪电的示意图；
图4示出了本发明实施例中判断时间间隔前后的扩展时间段内有、无闪电的示意图；
图5示出了本发明闪电活动判别系统中LightGBM参数设置的示意图；
图6示出了本发明闪电活动判别系统测试的ROC曲线示意图。
具体实施方式
图1-6和以下说明描述了本发明的可选实施方式以教导本领域技术人员如何实施和再现本发明。为了教导本发明技术方案，已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将落在本发明的保护范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本发明的多个变型。由此，本发明并不局限于下述可选实施方式，而仅由权利要求和它们的等同物限定。
如图1所示，为本发明闪电活动判别方法的流程图，包括以下步骤：
步骤101，选取用以判断闪电活动信息的降水云柱结构参量；
步骤102，构建降水云柱结构参量与闪电活动信息的对应关系，形成闪电活动判断样本集；
步骤103，根据待判别位置处的降水云柱结构参量、降水云柱结构参量与闪电活动信息的对应关系，判别待判别位置处的闪电活动。
作为一种优选，在本实施例中，降水云柱结构参量由连续波雷达采集，如图2所示，为本实施例中采用连续波雷达垂直观测、及与传统多普勒天气雷达观测方式的对比示意图，该连续波雷达是一种垂直观测雷达，一般具有双天线，分别对应发射机和接收机，能够获取降水云的垂直结构相关数据，其探测要素包括：雷达反射率因子、平均多普勒速度和速度谱宽。连续波雷达通常具有较高的时空分辨率，在垂直方向上的距离分辨率可达30m，探测范围为0-15km，时间分辨率可达2-3s。
基于连续波雷达的垂直观测，作为一种优选，在本实施例中，获得的降水云柱的结构参量包括：
(1)最大回波强度：指垂直探测方向内的最大回波强度；
(2)最大向上径向速度：指垂直探测方向上指向为上的最大多普勒速度；
(3)最大速度谱宽：指垂直方向上观测到的速度谱宽的最大值；
(4)云顶高度：指探测到的最大有效回波高度，如果垂直探测范围的上边界存在有效回波，则取上边界为云顶高度；
(5)-(7)分别对应20dBZ回波顶高、30dBZ回波顶高、40dBZ回波顶高：分别指20dBZ、30dBZ、40dBZ反射率能达到的最大高度；
(8)-(12)0℃高度上回波强度、-10℃高度上回波强度、-20℃高度上回波强度、-30℃高度上回波强度、-40℃高度上回波强度：由附近探空或气象再分析数据给出上述相应温度层的高度位置，得到该位置上的回波强度；
(13)-(17)0℃高度上径向速度、-10℃高度上径向速度、-20℃高度上径向速度、-30℃高度上径向速度、-40℃高度上径向速度：由附近探空或气象再分析数据给出上述相应温度层的高度位置，得到该位置上的多普勒径向速度；
(11)总垂直累计液态水含量：其计算公式为
Figure BDA0003064648690000051
其中，VIL的单位是kg m-2，Zi和Zi+1是第i层高度和第i+1层高度上的雷达反射率因子，单位为mm6 m-3，Δh为第i层和第i+1层之间的高度差；
(12)0℃以上高度垂直累计液态水含量：采用(11)中计算总垂直累计液态水含量的公式，但只计算0摄氏度层以上值。
上述所列参量如果出现无法计算的情况(如观测中可能不存在大于某一阈值的数值)，则用空值(如NAN)表示。分析中涉及到的温度层结数据可由距离观测位置最近的以及之前时间最近的探空或气象再分析数据提供。
步骤102中，闪电活动判断样本集的形成包括如下步骤：
(1)设置考察区域、时间间隔、以及判断规则；
(2)观测在预先设置的时间间隔内，落入考察区域的闪电情况；
(3)依据判断规则、观测到的时间间隔内实际落入考察区域的闪电情况，判断考察区域内是否发生闪电；
(4)将考察区域的降水云柱结构参量，与对应的考察区域内是否发生闪电的判断结果匹配；
(5)将不同考察区域的降水云柱结构参量，以及是否发生闪电的判断结果集合，形成闪电活动判断样本集。
在本实施例中，降水云柱结构参量由连续波雷达获取，选取考察区域为连续波雷达中心位置为圆心，半径d的圆形区域，如图3所示，为本实施例中判断考察区域有、无闪电的示意图，该考察区域即为图2中垂直降水云柱的横截面。
如图4所示，为本实施例中判断时间间隔前后的扩展时间段内有、无闪电的示意图，其中，△t为时间间隔，△t大于连续波雷达的观测时间分辨率(通常秒量级)；T为扩展时间段。
图3及图4示出了本发明的上述判断规则，即，考察区域范围内有闪电通道的任何部分落入，均为观测到闪电；当前时间间隔△t前后的扩展时间段T内观测到闪电，即该时间间隔内为有闪电活动。
判断每个△t时间间隔落入考察区域的闪电事件，将每个△t的事件段临时标记为有闪电观测时段和无闪电观测时段，如图4中标记的“观测到闪电”和“未观测到闪电”的△t时间间隔。继而以此为标准，如果在某一个△t时间间隔前后扩展时间段T内的任意一个△t时间间隔存在“观测到的闪电”，则当前△t时间间隔最终确定为有闪电时段，不满足该条件的△t时间间隔最终确定为无闪电时段。
最终将△t时间间隔内的所有连续波雷达观测到的垂直降水云柱结构参量按照△t时间间隔的有、无闪电属性分为有闪电垂直降水云柱子样本和无闪电垂直降水云柱子样本，形成闪电活动判断样本集；在本实施例中，有闪电垂直降水云柱子样本和无闪电垂直降水云柱子样本经过配平处理，使有闪电样本数量、无闪电样本数量相近。
在本实施例中，选取考察半径d＝3km，时间间隔△t＝1min，扩展时间段T＝3min。
上述的判断规则是基于当前业务闪电定位系统的探测属性所进行的设置。目前大多数的闪电定位系统还难以做到完整描绘出闪电通道的形态，其定位数据很可能只是由其通道中的某一段所贡献，所以，一个闪电定位数据很可能代表其周围位置还存在闪电放电，我们选择考察半径d作为降水云柱是否对应闪电活动就是考虑到现有闪电定位的结果应该代表了一定范围内存在闪电放电。此外，业务闪电定位系统的探测效率很难保证所有闪电都被探测到，特别是地闪定位系统，仅探测占总闪少部分的地闪的回击过程；同时考虑到产生闪电的区域和未产生闪电的区域云结构特征在空间上通常是渐变的而非突变的，所以采用扩展时间段T在时间上适当的进行外扩考虑。d和T可以随闪电定位系统的性能而改变，具体应用中，对于闪电探测效率高、闪电通道描绘能力强的系统，可以缩小d和T；反之则可适当放大d和T。
本发明还提供了一种闪电活动判别系统，该系统包括闪电判别模块，此闪电判别模块采用上述的闪电活动判别方法，用于通过待判别位置处的降水云柱结构参量，得出待判别位置处的闪电活动信息。
该闪电判别模块基于LightGBM集成学习算法，使用上述的闪电活动判断样本集进行训练，得到闪电判别模型，具体步骤包括：
a.对有、无闪电的样本数量进行配平处理，使样本数接近；
b.基于Python中的LightGBM库，调用其中的LGBMClassifier建立决策分类树，并设置合适的模型参数，对配平后的样本进行训练，得到闪电判别模型。
这里的LightGBM方法是微软研究院2016年开发的一种高效的梯度增强决策树。该模型的使用文档和安装可以从以下网址：
https://lightgbm.readthedocs.io/en/latest/index.html查阅。在Python中可以通过pip方式安装LightGBM库。
进一步地，在进行训练之前，为保证训练的效果，需对有、无闪电降水云柱的样本数进行平衡，即配平处理，对应上述步骤a。通常情况下，无闪电样本的数量会远远多于有闪电样本的数量，可通过随机方式在无闪电样本中挑选出部分样本，使得两种样本数接近1:1，达到平衡。
为获得较好的训练效果，连续观测的训练样本应不少于2个月。
步骤b中调用库中的LGBMClassifier建立决策分类树，在模型训练中需设置合适的模型参数值，其中部分重点参数的设置如图5所示，为本发明闪电活动判别系统中LightGBM参数设置的示意图。
进一步地，为验证本发明闪电活动判别方法和系统的准确性，在本实例中，使用2016年6-7月广东省龙门县的C波段调频连续波天气雷达的降水云柱观测数据，广东地闪定位网、粤港澳闪电定位系统、广东地球网络公司闪电定位系统和中国气象科学研究院建设的低频电场探测阵列共同提供该连续波雷达周围3km范围内的闪电的观测数据。上述观测系统中，任何一个系统在3km范围内观测到闪电即表示该区域有闪电活动观测，充分确保在分析区域的闪电探测效率。并以上述数据作为训练集，通过LightGBM集成算法和图5的参数设置，生成有、无闪电的闪电判别模块。以2017年6月连续波雷达和闪电观测数据作为验证集，通过输入连续波雷达观测资料，LightGBM生成的闪电活动判断模块给出原位有、无闪电的判别，与实际闪电观测数据对比。效果评估参照气象业务规范，对LightGBM的训练结果采用预报结果和实测结果相对比的方式进行评估，计算得到命中率POD(Probability ofDetection)可达91.9％，虚警率FAR(False Alarm Rate)为57.1％，TS(Threat Score)评分为0.413。
图6为本发明闪电活动判别系统测试的ROC(Receiver OperatingCharacteristic Curve)曲线示意图，可以用来验证一个二分类模型(有、无闪电两种分类)的性能。其工作原理是，给出一个模型，输入已知正(有闪电)、负(无闪电)类的一组数据，并通过对比模型对该组数据进行的预测，衡量这个模型的性能。曲线(实线)越靠左上角，分类器越佳，图中虚线是随机情况下的ROC，作为对比。AUC(Area Under Curve)即为ROC曲线下的面积，是对ROC曲线的量化指标。在本发明的实例中，该模型的AUC可以达到94.13％，表明本发明的闪电活动判别方法和系统具有较好的预测能力。
作为一种优选的实施方式，在本实施例中，采用连续波雷达获取降水云柱结构参量，并进行相关操作，也可选用业务雷达，选取相应的格点化数据，以格点为对象，得到相应闪电活动信息，在此不再赘述。
当然应意识到，虽然通过本发明的示例已经进行了前面的描述，但是对本发明做出的将对本领域的技术人员显而易见的这样和其他的改进及改变应认为落入如本文提出的本发明宽广范围内。因此，尽管本发明已经参照了优选的实施方式进行描述，但是，其意并不是使具新颖性的设备由此而受到限制，相反，其旨在包括符合上述公开部分、权利要求的广阔范围之内的各种改进和等同修改。

Claims (8)

1.一种闪电活动判别方法，其特征在于，包括：
选取用以判断闪电活动信息的降水云柱结构参量；
所述降水云柱结构参量包括回波强度、径向速度、速度谱宽、云顶高度、回波顶高、垂直累计液态水含量，
其中，所述回波强度包括最大回波强度、0℃高度上回波强度、-10℃高度上回波强度、-20℃高度上回波强度、-30℃高度上回波强度、-40℃高度上回波强度；
所述径向速度包括最大向上径向速度、0℃高度上径向速度、-10℃高度上径向速度、-20℃高度上径向速度、-30℃高度上径向速度、-40℃高度上径向速度；
所述速度谱宽包括最大速度谱宽；
所述回波顶高包括20dBZ回波顶高、30dBZ回波顶高、40dBZ回波顶高；
所述垂直累计液态水含量包括总垂直累计液态水含量、0℃以上高度垂直累计液态水含量；
构建所述降水云柱结构参量与闪电活动信息的对应关系，形成闪电活动判断样本集；
根据待判别位置处的降水云柱结构参量、降水云柱结构参量与闪电活动信息的对应关系，判别所述待判别位置处的闪电活动。
2.如权利要求1所述的闪电活动判别方法，其特征在于，所述闪电活动判断样本集的形成包括：
设置考察区域、时间间隔、以及判断规则；
观测在预先设置的所述时间间隔内，落入所述考察区域的闪电情况；
依据所述判断规则、观测到的所述时间间隔内实际落入所述考察区域的闪电情况，判断所述考察区域内是否发生闪电；
将所述考察区域的所述降水云柱结构参量，与对应的所述考察区域内是否发生闪电的判断结果匹配；
将不同考察区域的所述降水云柱结构参量，以及是否发生闪电的判断结果集合，形成所述闪电活动判断样本集。
3.如权利要求2所述的闪电活动判别方法，其特征在于，所述降水云柱结构参量由连续波雷达观测采集；
所述考察区域为以连续波雷达中心位置为圆心，考察半径范围内的圆形区域。
4.如权利要求3所述的闪电活动判别方法，其特征在于，所述考察半径为3km。
5.如权利要求2所述的闪电活动判别方法，其特征在于，所述判断规则为，当前所述时间间隔前后的扩展时间段内观测到闪电，即该所述时间间隔内为有闪电活动；
所述考察区域范围内有闪电通道的任何部分落入，均为观测到闪电。
6.如权利要求5所述的闪电活动判别方法，其特征在于，所述时间间隔为1min，所述扩展时间段为3min。
7.如权利要求1所述的闪电活动判别方法，其特征在于，所述闪电活动判断样本集包括有闪电样本数量、无闪电样本数量，所述有闪电样本数量、无闪电样本数量相近。
8.一种闪电活动判别系统，其特征在于，包括闪电判别模块，所述闪电判别模块采用权利要求1-7中任一项所述的闪电活动判别方法，用于通过待判别位置处的降水云柱结构参量，得出所述待判别位置处的闪电活动信息。
CN202110522847.6A 2021-03-09 2021-05-13 闪电活动判别方法和系统 Active CN113447724B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110256368 2021-03-09
CN2021102563684 2021-03-09

Publications (2)

Publication Number Publication Date
CN113447724A CN113447724A (zh) 2021-09-28
CN113447724B true CN113447724B (zh) 2022-07-29

Family

ID=77809708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110522847.6A Active CN113447724B (zh) 2021-03-09 2021-05-13 闪电活动判别方法和系统

Country Status (1)

Country Link
CN (1) CN113447724B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102338830A (zh) * 2011-06-13 2012-02-01 中国气象科学研究院 闪电探测定位系统及方法
CN103337133A (zh) * 2013-06-14 2013-10-02 广东电网公司中山供电局 基于识别预报技术的电网雷暴灾害预警系统及方法
CN108052734A (zh) * 2017-12-12 2018-05-18 中国电力科学研究院有限公司 一种基于气象参数对雷电流幅值进行预测的方法及系统
CN110045441A (zh) * 2019-06-04 2019-07-23 北京航天宏图信息技术股份有限公司 基于雷达回波图的天气分析方法及装置
CN110346844A (zh) * 2019-07-15 2019-10-18 南京恩瑞特实业有限公司 Nriet基于云分类和机器学习的定量降水估测方法
CN110907708A (zh) * 2019-12-09 2020-03-24 国网江苏省电力有限公司电力科学研究院 一种雷电预警方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3311663B2 (ja) * 1997-12-24 2002-08-05 三菱電機株式会社 雷雲観測システム
JP4723771B2 (ja) * 2001-09-25 2011-07-13 日本無線株式会社 発雷判定システム及び発雷判定方法
US7307576B1 (en) * 2005-09-23 2007-12-11 Rockwell Collins, Inc. Hazardous and non-hazardous weather identification system and method
CN107843884B (zh) * 2017-09-13 2021-09-14 成都信息工程大学 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法
CN108896995A (zh) * 2018-08-03 2018-11-27 中国航空工业集团公司雷华电子技术研究所 一种机载气象雷达雷暴识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102338830A (zh) * 2011-06-13 2012-02-01 中国气象科学研究院 闪电探测定位系统及方法
CN103337133A (zh) * 2013-06-14 2013-10-02 广东电网公司中山供电局 基于识别预报技术的电网雷暴灾害预警系统及方法
CN108052734A (zh) * 2017-12-12 2018-05-18 中国电力科学研究院有限公司 一种基于气象参数对雷电流幅值进行预测的方法及系统
CN110045441A (zh) * 2019-06-04 2019-07-23 北京航天宏图信息技术股份有限公司 基于雷达回波图的天气分析方法及装置
CN110346844A (zh) * 2019-07-15 2019-10-18 南京恩瑞特实业有限公司 Nriet基于云分类和机器学习的定量降水估测方法
CN110907708A (zh) * 2019-12-09 2020-03-24 国网江苏省电力有限公司电力科学研究院 一种雷电预警方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于雷达资料的雷电特征分析及预警》;魏雪 等;《气象与环境科学》;20110831;全文 *
《雷达资料在孤立单体雷电预警中的初步应用》;王飞 等;《应用气象学报》;20080430;全文 *

Also Published As

Publication number Publication date
CN113447724A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
CN108961688B (zh) 一种大数据支持下的地质灾害监测与预警方法
Palutikof et al. A review of methods to calculate extreme wind speeds
Anagnostou A convective/stratiform precipitation classification algorithm for volume scanning weather radar observations
US7515087B1 (en) Weather radar system and method using data from a lightning sensor
Potvin et al. A Bayesian hierarchical modeling framework for correcting reporting bias in the US tornado database
CN104899437A (zh) 强降雨型滑坡灾害预警方法
Delahaye et al. A consistent gauge database for daily rainfall analysis over the Legal Brazilian Amazon
CN104237890B (zh) 一种由“列车效应”引起的暴雨识别及预报方法
Kuster et al. Rapid-update radar observations of ZDR column depth and its use in the warning decision process
CN115267143B (zh) 道路空洞缺陷检测系统及检测方法
Grams et al. Automated identification of enhanced rainfall rates using the near-storm environment for radar precipitation estimates
Houston et al. Thunderstorm Observation by Radar (ThOR): An algorithm to develop a climatology of thunderstorms
CN116415481A (zh) 区域滑坡灾害风险预测方法、装置、计算机设备及存储介质
CN113723446A (zh) 地灾监测预警方法、装置、计算机设备及存储介质
KR101221793B1 (ko) 위험기상과 관련된 반사도 셀의 추적 방법
El Rafei et al. Analysis of extreme wind gusts using a high-resolution Australian regional reanalysis
Kuster et al. Using ZDR columns in forecaster conceptual models and warning decision-making
CN113447724B (zh) 闪电活动判别方法和系统
CN116819472A (zh) 一种基于雷达数据信息的雷电预警方法及系统
Keller et al. CEH-GEAR: 1 km resolution daily and monthly areal rainfall estimates for the UK for hydrological use
Healey et al. Comparing polarimetric signatures of proximate pretornadic and nontornadic supercells in similar environments
KR101636651B1 (ko) 하이브리드 고도각 레이더강우 추정 장치 및 방법
Williams et al. A hybrid machine learning and fuzzy logic approach to CIT diagnostic development
Yang et al. Radar-derived quantitative precipitation estimation based on precipitation classification
Zou et al. The application of barnes filter to positioning the center of landed tropical cyclone in numerical models

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