CN113933845A - 一种基于双线偏振雷达的地面降雹识别和预警方法 - Google Patents
一种基于双线偏振雷达的地面降雹识别和预警方法 Download PDFInfo
- Publication number
- CN113933845A CN113933845A CN202111211856.XA CN202111211856A CN113933845A CN 113933845 A CN113933845 A CN 113933845A CN 202111211856 A CN202111211856 A CN 202111211856A CN 113933845 A CN113933845 A CN 113933845A
- Authority
- CN
- China
- Prior art keywords
- hail
- early warning
- radar
- linear polarization
- dual
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000010287 polarization Effects 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 8
- 239000007788 liquid Substances 0.000 claims abstract description 7
- 230000009977 dual effect Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 238000009825 accumulation Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 description 5
- 238000002310 reflectometry Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
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
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/958—Theoretical aspects
-
- 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
本发明公开了一种基于双线偏振雷达的地面降雹识别和预警方法，包括利用双线偏振雷达观测数据建立训练样本，利用二维高斯分布和一维正态分布拟合统计样本，建立ZH‑ZDR、LKDP和交叉相关系数CC的模型，从而计算每个雷达观测距离库上的冰雹和非冰雹概率，将探空温度插值到雷达观测坐标高度上，利用温度信息和统计冰雹在垂直高度的概率密度函数，对识别冰雹进行约束，并通过统计垂直累计液态水含量，确定对应的强对流三维结构信息，从而判断对应位置是否存在冰雹，能够提供明确的地面降雹，并结合预警的预设条件，为预报人员发布预警提供信息。
Description
技术领域
本发明涉及天气预报技术领域，具体为一种基于双线偏振雷达的地面降雹识别和预警方法。
背景技术
雹暴是产生冰雹的对流，具有严重的致灾性，其造成的强冰雹威胁人民生命安全，影响农业、交通、建筑物和工业生产。冰雹是一个快速发展的过程，一次降雹过程的持续时间一般为几分钟。常规观测资料很难捕捉到雹暴的演变过程，而多普勒天气雷达网具有高时空分辨率的特点，雷达资料为冰雹研究提供了观测基础，王研峰等(2019)利用天气雷达资料研究甘肃一次强冰雹的回波特征，发现这次过程的雷达资料上有明显的“V”型缺口，有界弱回波区和回波悬垂；徐芬等(2016)研究江苏一次强冰雹过程发现，强对流系统移入雷达站上空时，螺旋度和垂直风切变逐渐增加，同时也发现三体散射，“V”型缺口等典型特征。雷达资料不仅被用来研究回波结构特征，还能依赖于回波结构特征的经验关系实现自动识别降雹，此外，学者们发展了基于多个雷暴参数的模糊逻辑冰雹预警方法，以及人工智能冰雹识别及临近预报方法。虽然基于多普勒雷达的冰雹预警方法具有一定成功率，但因为多普勒雷达有限的观测信息，这些研究和预警方法只能依赖于回波结构进行；很难开展更加深入的微物理特征研究，以及进一步提高冰雹预警成功率。
近年来，国内较多S波段多普勒雷达升级为双线偏振雷达(SPOL)。不仅提供反射率因子(ZH)，径向速度和谱宽，还提供差分反射率(ZDR)、比差分相位(KDP)和相关系数(ρhv)。这些变量可以用来分析雷暴中的水凝物粒子相态、浓度、大小和形状等信息，并进一步推测潜在的微物理过程，尽管已有较多基于双偏振雷达的冰雹研究，但是这些方法主要是根据观测特征识别空中的冰雹，并不能代表地面是否产生冰雹。而较强的对流风暴在0℃高度以上总是出现冰雹特征，因此非常容易造成虚假预警，所以急需一种基于双线偏振雷达的地面降雹识别和预警方法来解决上述问题。
发明内容
本发明提供一种能提供明确的地面降雹，为预报人员发布准确的预警提供信息的基于双线偏振雷达的地面降雹识别和预警方法，解决现有技术中不能预警地面降雹，以及容易造成虚假预警的问题。
为实现上述目的，本发明提供如下技术方案：一种基于双线偏振雷达的地面降雹识别和预警方法，以双线偏振雷达观测数据建立训练样本，利用二维高斯分布和一维正态分布拟合统计样本，建立ZH-ZDR、LKDP和交叉相关系数CC的模型，并包括如下步骤：
S1、计算垂直累计液态水含量VIL，统计发生冰雹和无冰雹的对流VIL数值，确定下限阈值，去除无法形成地面降雹的强对流三维结构信息；
S2、将双线偏振雷达在每个距离库上的观测信息输入到ZH-ZDR、LKDP和交叉相关系数CC的模型中，经加权平均后，得到每个雷达观测距离库上的冰雹和非冰雹概率；
S3、将探空温度插值到雷达观测坐标高度上，利用温度信息和冰雹在垂直高度的概率，对识别冰雹进行约束；
S4、在每个距离库上综合加权后的概率和约束结果判断对应位置是否为冰雹，并基于步骤S1中强对流三维结构信息进行三维微物理结构分析，与预设条件对比进行预警。
优选的，在建立训练样本时，选取双线偏振雷达观测多变量统一指示冰雹的观测区域的数据。
优选的，在步骤S1中，垂直累计液态水含量VIL：VLL＝∑3.44×10-6[(Zi+Zi+1)/2]4/7Δh，其中，Zi代表反射率因子，Δh为Zi和Zi+1之间的高度。
优选的，在步骤S3中，对识别冰雹进行约束具体为：将雷达观测每个距离库上的温度信息放入垂直方向概率密度函数中进行计算，得到相应的冰雹和非冰雹的概率，并将其与步骤S2中每个距离库上的冰雹和非冰雹概率相乘，获得最终约束结果。
优选的，在步骤S4中，预警的预设条件为：在大于0℃的中高层、雷达观测的最低层仰角和0℃到最低层仰角之间的每个仰角上都存在冰雹。
与现有技术相比，本发明的有益效果：本发明利用双线偏振雷达观测数据建立训练样本，建立ZH-ZDR、LKDP和交叉相关系数CC的模型，从而计算每个雷达观测距离库上的冰雹和非冰雹概率，并通过统计垂直累计液态水含量，确定对应的强对流三维结构信息，利用将探空温度插值到雷达观测坐标高度上，进行约束，并结合预警的预设条件，从而判断对应位置是否存在冰雹，能够提供明确的地面降雹，为预报人员发布预警提供信息。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1是本发明地面冰雹识别和预警方法流程图；
图2是本发明冰雹在双线偏振雷达ZH-ZDR空间特征图；
图3是本发明预警冰雹示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例：如图1所示，一种基于双线偏振雷达的地面降雹识别和预警方法，以双线偏振雷达观测数据建立训练样本，其中，在建立训练样本时，选取双线偏振雷达观测多变量统一指示冰雹的观测区域的数据；再利用二维高斯分布和一维正态分布拟合统计样本，建立ZH-ZDR、LKDP和交叉相关系数CC的模型，
利用已有相态分类方法对冰雹和非冰雹数据进行处理，得到相态分类结果，并检查校正错误分类结果；最后根据分类结果，统计冰雹和非冰雹类别在垂直高度上(对应温度)的概率密度分布，包括如下步骤：
S1、计算垂直累计液态水含量VIL：VLL＝∑3.44×10-6[(Zi+Zi+1)/2]4/7Δh，Zi代表反射率因子，Δh为Zi和Zi+1之间的高度，统计发生冰雹和无冰雹的对流VIL数值，确定下限阈值，利用VIL提取强对流三维结构信息(空间位置和每个雷达观测仰角范围)；并根据统计结果，去除无法形成地面降雹的强对流信息；
S2、利用冰雹在空中回旋特征造成的特定双线偏振雷达观测特征，即较强的反射率因子和较弱甚至为负的ZDR特征，以及对应LKDP和交叉相关系数特征初步识别冰雹，具体为：将双线偏振雷达在每个距离库上的观测信息输入到ZH-ZDR、LKDP和交叉相关系数CC的模型中，经加权平均后，得到每个雷达观测距离库上的冰雹和非冰雹概率，参考图2为冰雹在双线偏振雷达ZH-ZDR空间特征；
S3、将探空温度插值到雷达观测坐标高度上，利用温度信息和冰雹在垂直高度的概率，对识别冰雹进行约束，具体为：将雷达观测每个距离库上的温度信息放入垂直方向概率密度函数中进行计算，得到相应的冰雹和非冰雹的概率，并将其与步骤S2中每个距离库上的冰雹和非冰雹概率相乘，获得最终约束结果；
S4、在每个距离库上综合加权后的概率和约束结果判断对应位置是否为冰雹，并基于步骤S1中强对流三维结构信息进行三维微物理结构分析，与预设条件进行对比进行预警，其中，预警的预设条件为：在大于0℃的中高层、雷达观测的最低层仰角和0℃到最低层仰角之间的每个仰角上都存在冰雹，即同时满足上述预警的预设条件则进行预警地面冰雹从，参考图3，为一例预警冰雹图，其中三角形符号代表预警信号。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于双线偏振雷达的地面降雹识别和预警方法，以双线偏振雷达观测数据建立训练样本，其特征在于：利用二维高斯分布和一维正态分布拟合统计样本，建立ZH-ZDR、LKDP和交叉相关系数CC的模型，并包括如下步骤：
S1、计算垂直累计液态水含量VIL，统计发生冰雹和无冰雹的对流VIL数值，确定下限阈值，去除无法形成地面降雹的强对流三维结构信息；
S2、将双线偏振雷达在每个距离库上的观测信息输入到ZH-ZDR、LKDP和交叉相关系数CC的模型中，经加权平均后，得到每个雷达观测距离库上的冰雹和非冰雹概率；
S3、将探空温度插值到雷达观测坐标高度上，利用温度信息和冰雹在垂直高度的概率，对识别冰雹进行约束；
S4、在每个距离库上综合加权后的概率和约束结果判断对应位置是否为冰雹，并基于步骤S1中强对流三维结构信息进行三维微物理结构分析，与预设条件对比进行预警。
2.根据权利要求1所述的一种基于双线偏振雷达的地面降雹识别和预警方法，其特征在于：在建立训练样本时，选取双线偏振雷达观测多变量统一指示冰雹的观测区域的数据。
3.根据权利要求1所述的一种基于双线偏振雷达的地面降雹识别和预警方法，其特征在于：在步骤S1中，垂直累计液态水含量VIL：VLL＝∑3.44×10-6[(Zi+Zi+1)/2]4/7Δh，其中，Zi代表反射率因子，Δh为Zi和Zi+1之间的高度。
4.根据权利要求1所述的一种基于双线偏振雷达的地面降雹识别和预警方法，其特征在于：在步骤S3中，对识别冰雹进行约束具体为：将雷达观测每个距离库上的温度信息放入垂直方向概率密度函数中进行计算，得到相应的冰雹和非冰雹的概率，并将其与步骤S2中每个距离库上的冰雹和非冰雹概率相乘，获得最终约束结果。
5.根据权利要求1所述的一种基于双线偏振雷达的地面降雹识别和预警方法，其特征在于：在步骤S4中，预警的预设条件为：在大于0℃的中高层、雷达观测的最低层仰角和0℃到最低层仰角之间的每个仰角上都存在冰雹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111211856.XA CN113933845B (zh) | 2021-10-18 | 2021-10-18 | 一种基于双线偏振雷达的地面降雹识别和预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111211856.XA CN113933845B (zh) | 2021-10-18 | 2021-10-18 | 一种基于双线偏振雷达的地面降雹识别和预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113933845A true CN113933845A (zh) | 2022-01-14 |
| CN113933845B CN113933845B (zh) | 2024-05-28 |
Family
ID=79280127
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111211856.XA Active CN113933845B (zh) | 2021-10-18 | 2021-10-18 | 一种基于双线偏振雷达的地面降雹识别和预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113933845B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114706145A (zh) * | 2022-03-23 | 2022-07-05 | 成都信息工程大学 | 基于雹云微物理与热动力特征的冰雹预警方法 |
| CN114895381A (zh) * | 2022-07-11 | 2022-08-12 | 南京气象科技创新研究院 | 一种基于双线偏振雷达的地闪分级预警方法 |
| CN116303368B (zh) * | 2023-04-24 | 2023-07-21 | 中国人民解放军国防科技大学 | 一种双偏振雷达体扫数据插值方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108680920A (zh) * | 2018-04-28 | 2018-10-19 | 深圳市雅码科技有限公司 | 一种基于双偏振雷达的灾害天气识别预警系统及方法 |
| CN108802733A (zh) * | 2018-06-15 | 2018-11-13 | 安徽诺安信息科技有限公司 | 一种基于气象雷达数据对冰雹探测的算法 |
| CN110161506A (zh) * | 2019-07-01 | 2019-08-23 | 江苏省气象科学研究所 | 一种基于多源气象观测资料的分类型冰雹落区识别方法 |
| CN110346800A (zh) * | 2019-04-02 | 2019-10-18 | 成都锦江电子系统工程有限公司 | 一种基于双偏振天气雷达体扫数据的雷暴识别方法 |
-
2021
- 2021-10-18 CN CN202111211856.XA patent/CN113933845B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108680920A (zh) * | 2018-04-28 | 2018-10-19 | 深圳市雅码科技有限公司 | 一种基于双偏振雷达的灾害天气识别预警系统及方法 |
| CN108802733A (zh) * | 2018-06-15 | 2018-11-13 | 安徽诺安信息科技有限公司 | 一种基于气象雷达数据对冰雹探测的算法 |
| CN110346800A (zh) * | 2019-04-02 | 2019-10-18 | 成都锦江电子系统工程有限公司 | 一种基于双偏振天气雷达体扫数据的雷暴识别方法 |
| CN110161506A (zh) * | 2019-07-01 | 2019-08-23 | 江苏省气象科学研究所 | 一种基于多源气象观测资料的分类型冰雹落区识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨吉;郑媛媛;徐芬;: "江淮地区一次冰雹过程的双线偏振雷达观测分析", 气象学报, no. 04, 15 August 2020 (2020-08-15) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114706145A (zh) * | 2022-03-23 | 2022-07-05 | 成都信息工程大学 | 基于雹云微物理与热动力特征的冰雹预警方法 |
| CN114706145B (zh) * | 2022-03-23 | 2023-11-21 | 成都信息工程大学 | 基于雹云微物理与热动力特征的冰雹预警方法 |
| CN114895381A (zh) * | 2022-07-11 | 2022-08-12 | 南京气象科技创新研究院 | 一种基于双线偏振雷达的地闪分级预警方法 |
| CN116303368B (zh) * | 2023-04-24 | 2023-07-21 | 中国人民解放军国防科技大学 | 一种双偏振雷达体扫数据插值方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113933845B (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113933845B (zh) | 一种基于双线偏振雷达的地面降雹识别和预警方法 | |
| Anagnostou | A convective/stratiform precipitation classification algorithm for volume scanning weather radar observations | |
| KR101531224B1 (ko) | 이중편파 레이더 기반의 강수 추정 시스템 및 그 방법 | |
| Delobbe et al. | Uncertainties in radar echo top heights used for hail detection | |
| CN113311416B (zh) | 山地小流域雷达定量降水估计方法 | |
| CN111352113B (zh) | 一种强对流天气短临预报方法及系统、存储介质和终端 | |
| Kyznarová et al. | CELLTRACK—Convective cell tracking algorithm and its use for deriving life cycle characteristics | |
| CN112666559B (zh) | 一种多普勒天气雷达数据质量控制方法 | |
| Kuster et al. | Rapid-update radar observations of ZDR column depth and its use in the warning decision process | |
| Houston et al. | Thunderstorm Observation by Radar (ThOR): An algorithm to develop a climatology of thunderstorms | |
| CN112651463A (zh) | 一种高原地区冰雹天气的双预报模型的构建方法 | |
| CN116384733A (zh) | 一种强对流天气下基于气象雷达的输电线路风险预警方法 | |
| CN117368880B (zh) | 一种毫米波云雷达湍流杂波滤除方法 | |
| Voormansik et al. | Thunderstorm hail and lightning detection parameters based on dual‐polarization D oppler weather radar data | |
| Kuster et al. | Using ZDR columns in forecaster conceptual models and warning decision-making | |
| CN113238230B (zh) | 一种针对电网生产的夏季强对流引起的大风预警方法 | |
| Li et al. | Polarimetric radar quantitative precipitation estimation using deep convolutional neural networks | |
| CN116401932B (zh) | 一种基于激光雷达和毫米波雷达的海雾消散时间估算方法 | |
| Augros et al. | Development of a nationwide, low-level wind shear mosaic in France | |
| CN113075751A (zh) | 一种观测资料在短临预报中的融合方法和系统 | |
| Haddad et al. | Identification and filtering of rainfall and ground radar echoes using textural features | |
| Shusse et al. | Relationship between precipitation core behavior in cumulonimbus clouds and surface rainfall intensity on 18 August 2011 in the Kanto Region, Japan | |
| Rossi et al. | Analysis of a statistically initialized fuzzy logic scheme for classifying the severity of convective storms in F inland | |
| CN113960552A (zh) | 一种基于晴空回波的天气雷达遮挡角识别方法及系统 | |
| Pérez Hortal et al. | Using a continental-scale data quality monitoring framework to evaluate a new nonweather filter for radar observations |
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 |