CN114397636A - 一种地基雷达反射率因子均一性评估方法、系统及设备 - Google Patents
一种地基雷达反射率因子均一性评估方法、系统及设备 Download PDFInfo
- Publication number
- CN114397636A CN114397636A CN202210297678.5A CN202210297678A CN114397636A CN 114397636 A CN114397636 A CN 114397636A CN 202210297678 A CN202210297678 A CN 202210297678A CN 114397636 A CN114397636 A CN 114397636A
- Authority
- CN
- China
- Prior art keywords
- data source
- matching
- initial
- deviation index
- gpm
- 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
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种地基雷达反射率因子均一性评估方法、系统及设备。该方案包括设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源；进行时间匹配；进行空间匹配，并发出匹配完成指令；进行数值匹配；时间匹配、空间匹配和数值匹配后的样本进行筛选比较，生成最优配对数据样本；最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数；进行均一性评估，生成白名单和报警名单，进行异常报警。该方案建立可靠的均一性算法，形成均一性判别标准，识别出均一性差的地基雷达站点，提高组网雷达观测数据的均一性，给雷达数据使用和仪器校准定标提供参考。
Description
技术领域
本发明涉及气象分析技术领域，更具体地，涉及一种地基雷达反射率因子均一性评估方法、系统及设备。
背景技术
多普勒天气雷达设备分布广阔，技术支撑和维护条件各异，组网应用面临诸多挑战。在多普勒天气雷达网使用过程中，各站点雷达之间反射率因子有时不一致，受波束阻挡、杂波干扰、雷达测雨空间不均匀、探测目标物的方向不同等众多因素的影响，各站点雷达重叠区观测结果不同，这主要发生在某一区域或某一时段，最主要是由于全国多普勒天气雷达网的各雷达之间没有做统一标定，各雷达会有定标误差，即雷达常数的估计误差，这就导致各雷达之间会存在系统偏差，全国雷达组网均一性差，雷达拼图效果不好，在业务应用中受到限制。
在本发明技术之前，传统地基雷达的均一性评估方法是地基雷达之间互相比较，但该方法很难确定哪部雷达的观测值准确，没有一个统一的标准，很难实现有效地均一性评估；此外现有技术中，星地雷达反射率因子匹配结果未经过筛选，一些异常值会影响结果可靠性，有待进一步筛选出最优配对数据。
发明内容
鉴于上述问题，本发明提出了一种地基雷达反射率因子均一性评估方法、系统及设备，建立可靠的均一性算法，形成均一性判别标准，识别出均一性差的地基雷达站点，提高组网雷达观测数据的均一性，给雷达数据使用和仪器校准定标提供参考。
根据本发明实施例第一方面，提供一种地基雷达反射率因子均一性评估方法。
在一个或多个实施例中，优选地，所述一种地基雷达反射率因子均一性评估方法包括：
设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源；
获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配；
获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令；
获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行数值匹配；
对时间匹配、空间匹配和数值匹配后的样本进行敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本；
对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数；
根据所述目标相关系数和第一偏差指标、第三偏差指标，进行均一性评估，生成白名单和报警名单，进行异常报警。
在一个或多个实施例中，优选地，所述设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源，具体包括：
设置GPM卫星数据源和天气雷达数据源；
对所述GPM卫星数据源进行综合数据质量、降水类型分类产品、亮带产品的质量控制；
对天气雷达数据源通过噪声点滤除、故障坏图识别、电磁干扰回波识别、地物/超折射回波识别、海浪回波识别、速度退模糊进行质量控制，获得所述初始GPM卫星数据源和所述初始天气雷达数据源。
在一个或多个实施例中，优选地，所述获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配，具体包括：
获得所述初始GPM卫星数据源和所述初始天气雷达数据源；
计算卫星过境地基雷达覆盖范围的开始时间和结束时间；
利用第一计算公式计算过境中间时间；
在所述初始GPM卫星数据源中选择所述过境中间时间±5min内邻近的所述初始天气雷达数据源进行时间匹配；
所述第一计算公式为：
G T = (T L - T 0) / 2 + T 0
其中，G T 为所述过境中间时间，T L 为过境结束时间，T 0为过境开始时间。
在一个或多个实施例中，优选地，所述获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令，具体包括：
获得所述初始GPM卫星数据源和所述初始天气雷达数据源；
在水平方向上，依据所述初始GPM卫星数据源的波束水平覆盖范围，以所述初始GPM卫星数据源波束所在经纬度为中心，得到一个5km×5km的区域A；
根据所述区域A边角四个经纬度点和雷达中心点的经纬度，分别计算得出四个经纬度点相对于雷达中心点的方位角和库数，得到所述区域A相对于雷达中心点的方位角范围和库数范围；
遍历方位角范围和库数范围内的CINRAD每一个径向距离库，进而得到CINRAD在水平所述区域A内的径向距离库集合；
在垂直方向上，使用所述初始天气雷达数据源的仰角和所述初始GPM卫星数据源的波束的经纬度，计算出星地雷达相交处的波束上下界高度；
根据上下界高度和所述初始GPM卫星数据源垂直分辨率125m，计算获取所述初始GPM卫星数据源在垂直区内的距离库集合。
在一个或多个实施例中，优选地，获得所述初始GPM卫星数据源和所述初始天气雷达数据源空间匹配后的径向和垂直区内的距离库集合，进行数值匹配，具体包括：
获得所述初始GPM卫星数据源和所述初始天气雷达数据源空间匹配后的径向和垂直区内的距离库集合；
在收到所述匹配完成指令后，生成Ku波段的反射率因子dBZ、S波的反射率因子dBZ的查找表；
在所述查找表中找到最接近所述距离库集合中Ku波段的反射率因子数值的目标位置；
将所述Ku波段的反射率因子频率修正为所述目标位置对应的S波段反射率因子；
对所述初始天气雷达数据源对应的所述径向距离库集合，将每个距离库处的反射率因子值利用第二计算公式转化为Z值，求平均值后再利用所述第二计算公式逆向转化为所述反射率因子值，并将其作为匹配空间的平均地基雷达反射率因子；
对所述初始GPM卫星数据源对应的所述垂直区内的距离库集合，将每个距离库处的所述反射率因子值利用所述第二计算公式转化为所述Z值，求平均值后再利用所述第二计算公式逆向转化为所述反射率因子值，并将其作为匹配空间的平均星载雷达的反射率因子；
所述第二计算公式为：
dBZ= 10 log(Z)
其中，dBZ为所述反射率因子值，Z为所述Z值。
在一个或多个实施例中，优选地，所述对时间匹配、空间匹配和数值匹配后的样本进行敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本，具体包括：
获得时间匹配、空间匹配和数值匹配后的全样本，启动筛选比较命令；
收到筛选比较命令后，开展径向距离、高度、降水类型、覆盖率阈值的敏感性试验；
利用第三计算公式计算所述第一偏差指标；
利用第四计算公式计算所述第二偏差指标；
利用第五计算公式计算所述第三偏差指标；
利用第六计算公式计算所述目标相关系数；
所述第三计算公式为：
其中，Bias为所述第一偏差指标，N为匹配的样本数量，dBZCINRAD为CINRAD匹配的反射率因子数值，dBZDPR为DPR匹配的反射率因子数值；
所述第四计算公式为：
x = dBZCINRAD - dBZDPR
其中，x为所述第二偏差指标；
所述第五计算公式为：
其中，Std_bias为所述第三偏差指标，
为所述第二偏差指标得平均值，i为匹配样本序号，x为第i个匹配样本序号对应的所述第二偏差指标；
所述第六计算公式为：
其中，R为所述目标相关系数，N为匹配的样本数量，i为匹配样本序号，dBZDPR为DPR匹配的反射率因子数值，其平均值是
，dBZCINRAD为CINRAD匹配的反射率因子数值，其平均值是
。
获得敏感性试验结果，第三偏差指标越低、目标相关系数越高，选择的筛选条件越优，建立有关径向距离、高度、降水类型、覆盖率阈值的筛选比较法；
应用筛选比较法在时间匹配、空间匹配和数值匹配后的样本上，筛选比较生成最优配对数据样本。
在一个或多个实施例中，优选地，所述对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数，具体包括：
获得所述最优配对数据样本，启动计算评估命令；
收到计算评估命令后，利用第三计算公式计算所述第一偏差指标；
利用第四计算公式计算所述第二偏差指标；
利用第五计算公式计算所述第三偏差指标；
利用第六计算公式计算所述目标相关系数；
在一个或多个实施例中，优选地，所述根据所述第一偏差指标、第三偏差指标、目标相关系数，进行均一性评估，生成白名单和报警名单，进行异常报警，具体包括：
获取每个站的所述目标相关系数，若所述目标相关系数大于0.7发出第一计算指令，否则发出第二计算指令；
当收到所述第一计算指令后，获取每个站的所述第三偏差指标，若所述第三偏差指标小于4发出第三计算指令，否则发出第四计算指令；
在收到所述第三计算指令后，计算各个站点第一偏差指标，设置指标阈值，若所述第一偏差指标在所述指标阈值以内，则将该站点加入白名单，否则将该站点加入灰名单；
在收到所述第二计算指令后，获取历史数据进行问题排查，判断是否存在站点问题，若存在站点问题，将该站点加入黑名单，若不存在站点问题，则计入日志记录；
在收到所述第四计算指令后，获取历史数据进行分时段的站点相关系数、第一偏差指标和第三偏差指标，分析时序变化，并将变化节点存储到所述日志记录，并录入黑灰名单；
将所述灰名单、所述黑名单和所述黑灰名单合并生成为当前报警名单，进行报警。
根据本发明实施例第二方面，提供一种地基雷达反射率因子均一性评估系统。
在一个或多个实施例中，优选地，所述一种地基雷达反射率因子均一性评估系统包括：
数据源处理模块，用于设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源；
时间匹配模块，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配；
空间匹配模块，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令；
数值匹配模块，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行数值匹配；
筛选比较模块，用于对时间匹配、空间匹配和数值匹配后的样本开展敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本；
评估运算模块，用于对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数；
均一性评估模块，用于根据所述第一偏差指标、第三偏差指标和目标相关系数，进行均一性评估，生成白名单和报警名单，进行异常报警。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明方案中将星载雷达GPM/DPR与多普勒天气雷达6min反射率因子数据的质量控制和匹配，并建立了筛选比较法，从配对结果中筛选出最优配对数据，建立地基雷达均一性评估方法。
本发明方案中将形成地基雷达均一性评估标准和结果，固化气象雷达系统的评估处理流程。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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他的附图。
图1是本发明一个实施例的一种地基雷达反射率因子均一性评估方法的流程图。
图2是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源的流程图。
图3是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配的流程图。
图4是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令的流程图。
图5是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行数值匹配的流程图。
图6是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的对时间匹配、空间匹配和数值匹配后的样本进行敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本的流程图。
图7是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数的流程图。
图8是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的根据所述第一偏差指标、第三偏差指标和目标相关系数，进行均一性评估，生成白名单和报警名单，进行异常报警的流程图。
图9是本发明一个实施例的一种地基雷达反射率因子均一性评估系统的结构图。
图10是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
多普勒天气雷达设备分布广阔，技术支撑和维护条件各异，组网应用面临诸多挑战。在多普勒天气雷达网使用过程中，各站点雷达之间反射率因子有时不一致，受波束阻挡、杂波干扰、雷达测雨空间不均匀、探测目标物的方向不同等众多因素的影响，各站点雷达重叠区观测结果不同，这主要发生在某一区域或某一时段，最主要是由于全国多普勒天气雷达网的各雷达之间没有做统一标定，各雷达会有定标误差，即雷达常数的估计误差，这就导致各雷达之间会存在系统偏差，全国雷达组网均一性差，雷达拼图效果不好，在业务应用中受到限制。
在本发明技术之前，传统地基雷达的均一性评估方法是地基雷达之间互相比较，但该方法很难确定哪部雷达的观测值准确，没有一个统一的标准，很难实现有效地均一性评估；此外现有技术中，星地雷达反射率因子匹配结果未经过筛选，一些异常值会影响结果可靠性，有待进一步筛选出最优配对数据。
本发明实施例中，提供了一种地基雷达反射率因子均一性评估方法、系统及设备。该方案建立可靠的均一性算法，形成均一性判别标准，识别出均一性差的地基雷达站点，提高组网雷达观测数据的均一性，给雷达数据使用和仪器校准定标提供参考。
根据本发明实施例第一方面，提供一种地基雷达反射率因子均一性评估方法。
图1是本发明一个实施例的一种地基雷达反射率因子均一性评估方法的流程图。
在一个或多个实施例中，优选地，所述一种地基雷达反射率因子均一性评估方法包括：
S101、设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源；
S102、获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配；
S103、获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令；
S104、获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行数值匹配；
S105、对时间匹配、空间匹配和数值匹配后的样本进行敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本；
S106、对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数；
S107、根据所述第一偏差指标、第三偏差指标和目标相关系数，进行均一性评估，生成白名单和报警名单，进行异常报警。
在本发明实施例中，目前，中国气象部门已部署完成200多部的新一代多普勒天气雷达，可以反演获得雷达反射率因子，采用针对降水的体扫模式VCP21，这种模式下每6分钟完成9个仰角的体积扫描，径向分辨率1km，波束宽度0.98°。全球降水卫星(GPM)携带Ka和Ku波段测雨雷达于2014年2月发射升空，继热带降水卫星(TRMM)的单频测雨雷达探测后，实现双频测雨雷达(DPR)探测。可以提取二级产品中的SLV数据集，按照GPM卫星的运行轨迹，垂直空间覆盖0-22km高度，具体为每125m一层，共176层。
具体的，在获得所述初始GPM卫星数据源和所述初始天气雷达数据源后，确定时间匹配失败的数据，进行二次匹配，所述二次匹配的过程包括：
获取所述初始GPM卫星数据源，提取所述初始GPM卫星数据源中的第一匹配失败数据；
获取所述初始天气雷达数据源，提取所述初始天气雷达数据源中的第二匹配失败数据；
计算所述第一匹配失败数据的时间间隔；
利用第七计算公式进行在线匹配失败间隔；
利用第八计算公式计算最大10%时间间隔；
当所述在线匹配失败间隔大于所述最大10%时间间隔，提取对应的所述第一匹配失败数据，作为目标二次匹配数据；
对所述目标二次匹配数据与第二匹配失败数据进行±7min的匹配，若有则补充进入匹配数据；
所述第七计算公式为：
TSj=Ssj-Ssj-1
其中，TSj为第j个所述在线匹配失败间隔，Ssj为第j个所述第一匹配失败数据对应时间，Ssj-1为第j-1个所述第一匹配失败数据对应时间；
TSK=min（TSj）+0.9*[Max（TSj）-min（TSj）]
其中，TSK为所述最大10%时间间隔；
在本发明实施例中，进一步的提供了如何在匹配过程中，自动放松匹配限定使得对于较长时间间隔无匹配数据自动填充，实现对于整个系统的更加充分和高效的二次自动时间匹配。
图2是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源的流程图。
如图2所示，在一个或多个实施例中，优选地，所述设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源，具体包括：
S201、设置GPM卫星数据源和天气雷达数据源；
S202、对所述GPM卫星数据源进行综合数据质量、降水类型分类产品、亮带产品的质量控制；
S203、对天气雷达数据源通过噪声点滤除、故障坏图识别、电磁干扰回波识别、地物/超折射回波识别、海浪回波识别、速度退模糊进行质量控制，获得所述初始GPM卫星数据源和所述初始天气雷达数据源。
在本发明实施例中，在进行质量控制前，先确定了数据源，具体包括：GPM卫星数据源，采用全球降水卫星(GPM)双频测雨雷达(DPR),使用经过质控的二级GPM L2 Ku产品数据，约1.5小时(一次完整的轨道扫描)一个产品文件，具体运行时序轨迹可以结合产品文件中Longitude、Latitude、ScanTime数据集获取，所采用的扫描模式为NS，数据集为反射率因子[‘NS’][‘SLV’][‘zFactorCorrected’]，垂直高度采用了最接近地面的一层数据 (对应的数据层级为176层）。
图3是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配的流程图。
如图3所示，在一个或多个实施例中，优选地，所述获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配，具体包括：
S301、获得所述初始GPM卫星数据源和所述初始天气雷达数据源；
S302、计算卫星过境地基雷达覆盖范围的开始时间和结束时间；
S303、利用第一计算公式计算过境中间时间；
S304、在所述初始GPM卫星数据源中选择所述过境中间时间±5min内邻近的所述初始天气雷达数据源进行时间匹配；
所述第一计算公式为：
G T = (T L - T 0) / 2 + T 0
其中，G T 为所述过境中间时间，T L 为过境结束时间，T 0为过境开始时间。
在本发明实施例中，计算卫星过境地基雷达覆盖范围的开始时间和结束时间，过境中间时间=（过境结束时间 - 过境开始时间）/ 2 + 过境开始时间，选择卫星过境中间时间±5min内邻近的地基雷达CINRAD体积扫描数据进行匹配。
图4是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令的流程图。
如图4所示，在一个或多个实施例中，优选地，所述获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令，具体包括：
S401、获得所述初始GPM卫星数据源和所述初始天气雷达数据源；
S402、在水平方向上，依据所述初始GPM卫星数据源的波束水平覆盖范围，以所述初始GPM卫星数据源波束所在经纬度为中心，得到一个5km×5km的区域A；
S403、根据所述区域A边角四个经纬度点和雷达中心点的经纬度，分别计算得出四个经纬度点相对于雷达中心点的方位角和库数，得到所述区域A相对于雷达中心点的方位角范围和库数范围；
S404、遍历方位角范围和库数范围内的CINRAD每一个径向和距离库，进而得到CINRAD在水平所述区域A内的径向距离库集合；
S405、在垂直方向上，使用所述初始天气雷达数据源的仰角和所述初始GPM卫星数据源的波束的经纬度，计算出星地雷达相交处的波束上下界高度；
S406、根据上下界高度和所述初始GPM卫星数据源垂直分辨率125m，计算获取所述初始GPM卫星数据源在垂直区内的距离库集合，出发所述匹配完成指令。
在本发明实施例中，星载雷达垂直分辨率125m，星下点波束地表水平分辨率约5km，地基雷达以不同的仰角做圆锥扫描，经向分辨率1km，波束宽度0.98°，使用几何匹配法将星地雷达进行匹配。几何匹配是以有效照射体积为单位，匹配星载雷达和地基雷达相重合的区域，无需对地面雷达波速间隙插值，采样结果接近原始探测数据。
图5是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行数值匹配的流程图。
如图5所示，在一个或多个实施例中，优选地，所述获得所述初始GPM卫星数据源和所述初始天气雷达数据源空间匹配后的径向和垂直区内的距离库集合，进行数值匹配 ，具体包括：
S501、获得所述初始GPM卫星数据源和所述初始天气雷达数据源空间匹配后的径向和垂直区内的距离库集合；
S502、在收到所述匹配完成指令后，生成Ku波段的反射率因子、S波段的反射率因子的查找表；
S503、在所述查找表中找到最接近所述距离库集合中Ku波段的反射率因子数值的目标位置；
S504、将所述Ku波段的反射率因子频率修正为所述目标位置对应的S波段反射率因子；
S505、对所述初始天气雷达数据源对应的所述径向距离库集合，将每个距离库处的反射率因子值利用第二计算公式转化为Z值，求平均值后再利用所述第二计算公式逆向转化为所述反射率因子值，并将其作为匹配空间的平均地基雷达的反射率因子；
S506、对所述初始GPM卫星数据源对应的所述垂直区内的距离库集合，将每个距离库处的所述反射率因子值利用所述第二计算公式转化为所述Z值，求平均值后再利用所述第二计算公式逆向转化为所述反射率因子值，并将其作为匹配空间的平均星载雷达的反射率因子；
所述第二计算公式为：
dBZ=10log(Z)
其中，dBZ为所述反射率因子值，Z为所述Z值。
在本发明实施例中，DPR雷达波段较短，其观测值等效反射率因子不完全是雨滴谱的函数，还与频率、温度等因素有关，不能直接和CINRAD的S波段雷达反射率因子比对，需进行频率修正。在合理的滴谱参数范围内，设置参数 ，温度T=0、10、15、20℃，降雨量等于0.1到199.9mm-1，以0.1mm-1递增，建立频率修正关系式，生成Ku和S波段的反射率因子（dBZ）的查找表。DPR和CINRAD匹配上后，查找表中找到最接近DPR Ku波段的反射率因子数值的位置，将DPR Ku波段的反射率因子频率。
图6是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的对时间匹配、空间匹配和数值匹配后的样本进行敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本的流程图。
如图6所示，在一个或多个实施例中，优选地，所述对时间匹配、空间匹配和数值匹配后的样本进行敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本，具体包括：
S601、获得时间匹配、空间匹配和数值匹配后的全样本，启动筛选比较命令；
S602、收到筛选比较命令后，开展径向距离、高度、降水类型、覆盖率阈值的敏感性试验；
S603、利用第三计算公式计算所述第一偏差指标；
S604、利用第四计算公式计算所述第二偏差指标；
S605、利用第五计算公式计算所述第三偏差指标；
S606、利用第六计算公式计算所述目标相关系数；
S607、获得敏感性试验结果，第三偏差指标越低、目标相关系数越高，选择的筛选条件越优，建立有关径向距离、高度、降水类型、覆盖率阈值的筛选比较法；
S608、应用筛选比较法在时间匹配、空间匹配和数值匹配后的全样本上，筛选比较生成最优配对数据样本。
所述第三计算公式为：
其中，Bias为所述第一偏差指标，N为匹配的样本数量，dBZCINRAD为CINRAD匹配的反射率因子数值，dBZDPR为DPR匹配的反射率因子数值；
所述第四计算公式为：
x = dBZCINRAD - dBZDPR
其中，x为所述第二偏差指标；
所述第五计算公式为：
其中，Std_bias为所述第三偏差指标，
为所述第二偏差指标得平均值，i为匹配样本序号，x为第i个匹配样本序号对应的所述第二偏差指标；
所述第六计算公式为：
其中，R为所述目标相关系数，N为匹配的样本数量，i为匹配样本序号，dBZDPR为DPR匹配的反射率因子数值，其平均值是
，dBZCINRAD为CINRAD匹配的反射率因子数值，其平均值是
。
在本发明实施例中，举例说明了如何利用筛选比较方法建立最优配对数据，选择平原地区合肥、阜阳、蚌埠、上海青浦、浦东新区5部雷达，2021年5-9月稳定性降雨过程作为分析对象。星地雷达空间匹配成功，且扫描重叠区内有大于1000km2的降水回波，记为1次有效配对事件。利用5部地基雷达有效配对事件的匹配全样本，分析径向距离、高度、降水类型、覆盖率阈值对星地雷达反射率因子评估结果的影响。根据敏感性分析结果，确定筛选比较的条件，如径向距离25~150km、亮带以下高度、层云降水、覆盖率阈值等于1的筛选比较条件，筛选建立最优配对数据样本。
图7是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数的流程图。
如图7所示，在一个或多个实施例中，优选地，所述对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数，具体包括：
S701、获得所述最优配对数据样本，启动计算评估命令；
S702、收到计算评估命令后，利用第三计算公式计算所述第一偏差指标；
S703、利用第四计算公式计算所述第二偏差指标；
S704、利用第五计算公式计算所述第三偏差指标；
S705、利用第六计算公式计算所述目标相关系数；
图8是本发明一个实施例的一种地基雷达反射率因子均一性评估方法中的根据所述第一偏差指标、第三偏差指标和目标相关系数，进行均一性评估，生成白名单和报警名单，进行异常报警的流程图。
如图8所示，在一个或多个实施例中，优选地，所述根据所述第一偏差指标、第三偏差指标和目标相关系数，进行均一性评估，生成白名单和报警名单，进行异常报警，具体包括：
S801、获取每个站的所述目标相关系数，若所述目标相关系数大于0.7发出第一计算指令，否则发出第二计算指令；
S802、当收到所述第一计算指令后，获取每个站的所述第三偏差指标，若所述第三偏差指标小于4发出第三计算指令，否则发出第四计算指令；
S803、在收到所述第三计算指令后，计算各个站点第一偏差指标，设置指标阈值，若所述第一偏差指标在所述指标阈值以内，则将该站点加入白名单，否则将该站点加入灰名单；
S804、在收到所述第二计算指令后，获取历史数据进行问题排查，判断是否存在站点问题，若存在站点问题，将该站点加入黑名单，若不存在站点问题，则计入日志记录；
S805、在收到所述第四计算指令后，获取历史数据进行分时段的站点相关系数、第一偏差指标和第三偏差指标，分析时序变化，并将变化节点存储到所述日志记录，并录入黑灰名单；
S806、将所述灰名单、所述黑名单和所述黑灰名单合并生成为当前报警名单，进行报警。
在本发明实施例中，建立均一性评估方法和流程，按照评估公式计算得出各站点评估结果，根据各站点评估结果得到均一性评估指标。具体的评估结果定义为如下白名单：地基雷达一致性、稳定、均一性好的站点，数据可以放心使用。报警名单：地基雷达数据质量存在疑问，软件或硬件存在问题，有待进一步解决。灰名单和黑灰名单：报警名单中的一种，此类地基雷达站点主要是软件存在问题，如软件算法，系统偏差等。黑名单：报警名单中的一种，此类地基雷达站点主要是硬件存在问题，如仪器故障、停断电等问题。日志记录：不是地基雷达自身原因造成一致性差，如地基雷达经纬度错误。
根据本发明实施例第二方面，提供一种地基雷达反射率因子均一性评估系统。
图9是本发明一个实施例的一种地基雷达反射率因子均一性评估系统的结构图。
在一个或多个实施例中，优选地，所述一种地基雷达反射率因子均一性评估系统包括：
数据源处理模块901，用于设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源；
时间匹配模块902，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配；
空间匹配模块903，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令；
数值匹配模块904，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行数值匹配；
筛选比较模块905，用于对时间匹配、空间匹配和数值匹配后的样本开展敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本；
评估运算模块906，用于对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数；
均一性评估模块907，用于根据所述第一偏差指标、第三偏差指标和目标相关系数，进行均一性评估，生成白名单和报警名单，进行异常报警。
在本发明实施例中，提供了一种整体的进行评估运算的系统结构，未来可以进行的评估包括以下几类：（1）整体评估，具体的实施为：将卫星数据样本和地基数据样本，按照评估公式计算得出整体评估结果。逐站点计算得到各站点评估结果，根据均一性评估指标给出各站点均一性判别结论。（2）分省份评估，具体的实施为：以地基站点所属的省份区分，按照评估公式计算得出分省份评估结果，得到均一性判别结论。（3）分雷达类型评估，具体的实施为：以地基站点所属的雷达类型区分，按照评估公式计算得出分雷达类型评估结果，得到均一性判别结论。
其中，CINRAD天气雷达是中国气象局用于国内气象业务组网探测的新一代多普勒天气雷达，该雷达性能和技术指标先进，自动化程度高，作用距离大，工作稳定可靠。该雷达能够监测400km内的热带气旋、暴雨等大范围强降水目标，有效监测和识别距离大于200km的龙卷、雹云、冰雹等中小尺度强天气现象．对径向风速测量的范围大于±36m/s。它是分析中小尺度天气系统，警戒强对流灾害性天气，制作短时天气预报的有力工具。该雷达不仅适用于各级气象部门，而且在航空气象保障、水利、农业、盐场和大气物理研究等领域也有应用。
新一代多普勒天气雷达网CINRAD各站点雷达之间反射率因子有时不一致，主要受限于全国各雷达之间没有做统一标定，各雷达会有定标误差。目前缺乏以一个均一稳定的数据源为参考标准，评估各站地基雷达反射率因子均一性的方法、标准和系统。为此，以GPM/DPR星载雷达作为中国地基雷达数据均一性分析的参考标准，将星载和地基雷达反射率因子进行质量控制，在时间上、空间上和数值上对星地雷达测量进行匹配验证，筛选比较法得到最优匹配数据样本，对比分析地基各站点匹配验证结果，建立全国雷达站点均一性评估方法和指标，识别出均一性差的站点，给出该站点定标误差，算法集成固化进联合会诊应用处理系统，形成气象雷达系统的评估处理流程，从而为雷达数据应用和仪器校准定标提供参考和支撑。
星地雷达数据差异具体包括如下方面：1)波段不同，地基雷达工作在S波段，GPM/DPR工作在Ku波段。2)时间分辨率不同，地基雷达时间分辨率6分钟，GPM/DPR约1.5小时。3)采样体（有效照射体积）不同。地基雷达的采样体积径向分辨率1km，波束宽度0.98°，采样体积随距离增大而增大；GPM/DPR水平分辨率为5km，垂直分辨率为0.125km。4)衰减和地物的影响不同。地物对地基雷达的影响较大，会出现固定地物回波、超折射地物回波和波束阻挡。衰减对于S波段地基雷达的影响可以忽略，但对GPM/DPR的影响较大。对比地基雷达和GPM/DPR反射率因子前需解决这些不确定性引起的误差。此外，还需要考虑观测时间的差异、部分充塞效应的影响等。
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面，提供一种电子设备。图10是本发明一个实施例中一种电子设备的结构图。图10所示的电子设备为通用地基雷达反射率因子均一性评估装置，其包括通用的计算机硬件结构，其至少包括处理器1001和存储器1002。处理器1001和存储器1002通过总线1003连接。存储器1002适于存储处理器1001可执行的指令或程序。处理器1001可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器1001通过执行存储器1002所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线1003将上述多个组件连接在一起，同时将上述组件连接到显示控制器1004和显示装置以及输入／输出（I/O）装置1005。输入／输出（I/O）装置1005可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入／输出装置1005通过输入／输出（I/O）控制器1006与系统相连。
本发明的实施例提供的技术方案可以包括以下有益效果：
本发明方案中将星载雷达GPM/DPR与多普勒天气雷达6min反射率因子数据的质量控制和匹配，并建立了筛选比较法，从配对结果中筛选出最优配对数据，建立地基雷达均一性评估方法。
本发明方案中将形成地基雷达均一性评估标准和结果，固化气象雷达系统的评估处理流程。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
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。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种地基雷达反射率因子均一性评估方法，其特征在于，该方法包括：
设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源；
获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配；
获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令；
获得所述初始GPM卫星数据源和所述初始天气雷达数据源空间匹配后的径向和垂直区内的距离库集合，进行数值匹配；
对时间匹配、空间匹配和数值匹配后的样本进行敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本；
对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数；
根据所述目标相关系数和第一偏差指标、第三偏差指标，进行均一性评估，生成白名单和报警名单，进行异常报警。
2.如权利要求1所述的一种地基雷达反射率因子均一性评估方法，其特征在于，所述设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源，具体包括：
设置GPM卫星数据源和天气雷达数据源；
对所述GPM卫星数据源进行综合数据质量、降水类型分类产品、亮带产品的质量控制；
对天气雷达数据源通过噪声点滤除、故障坏图识别、电磁干扰回波识别、地物/超折射回波识别、海浪回波识别、速度退模糊进行质量控制，获得所述初始GPM卫星数据源和所述初始天气雷达数据源。
3.如权利要求1所述的一种地基雷达反射率因子均一性评估方法，其特征在于，所述获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配，具体包括：
获得所述初始GPM卫星数据源和所述初始天气雷达数据源；
计算卫星过境地基雷达覆盖范围的开始时间和结束时间；
利用第一计算公式计算过境中间时间；
在所述初始GPM卫星数据源中选择所述过境中间时间±5min内邻近的所述初始天气雷达数据源进行时间匹配；
所述第一计算公式为：
G T = (T L - T 0) / 2 + T 0
其中，G T 为所述过境中间时间，T L 为过境结束时间，T 0为过境开始时间。
4.如权利要求1所述的一种地基雷达反射率因子均一性评估方法，其特征在于，所述获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令，具体包括：
获得所述初始GPM卫星数据源和所述初始天气雷达数据源；
在水平方向上，依据所述初始GPM卫星数据源的波束水平覆盖范围，以所述初始GPM卫星数据源波束所在经纬度为中心，得到一个5km×5km的区域A；
根据所述区域A边角四个经纬度点和雷达中心点的经纬度，分别计算得出四个经纬度点相对于雷达中心点的方位角和库数，得到所述区域A相对于雷达中心点的方位角范围和库数范围；
遍历方位角范围和库数范围内的CINRAD每一个径向距离库，进而得到CINRAD在水平所述区域A内的径向距离库集合；
在垂直方向上，使用所述初始天气雷达数据源的仰角和所述初始GPM卫星数据源的波束的经纬度，计算出星地雷达相交处的波束上下界高度；
根据上下界高度和所述初始GPM卫星数据源垂直分辨率125m，计算获取所述初始GPM卫星数据源在垂直区内的距离库集合。
5.如权利要求4所述的一种地基雷达反射率因子均一性评估方法，其特征在于，所述获得所述初始GPM卫星数据源和所述初始天气雷达数据源空间匹配后的径向和垂直区内的距离库集合，进行数值匹配，具体包括：
获得所述初始GPM卫星数据源和所述初始天气雷达数据源空间匹配后的径向和垂直区内的距离库集合；
在收到所述匹配完成指令后，生成Ku波段的反射率因子dBZ、S波的反射率因子dBZ的查找表；
在所述查找表中找到最接近所述距离库集合中Ku波段的反射率因子数值的目标位置；
将所述Ku波段的反射率因子频率修正为所述目标位置对应的S波段反射率因子；
对所述初始天气雷达数据源对应的所述径向距离库集合，将每个距离库处的反射率因子值利用第二计算公式转化为Z值，求平均值后再利用所述第二计算公式逆向转化为所述反射率因子值，并将其作为匹配空间的平均地基雷达反射率因子；
对所述初始GPM卫星数据源对应的所述垂直区内的距离库集合，将每个距离库处的所述反射率因子值利用所述第二计算公式转化为所述Z值，求平均值后再利用所述第二计算公式逆向转化为所述反射率因子值，并将其作为匹配空间的平均星载雷达的反射率因子；
所述第二计算公式为：
dBZ= 10 log(Z)
其中，dBZ为所述反射率因子值，Z为Z值。
6.如权利要求1所述的一种地基雷达反射率因子均一性评估方法，其特征在于，所述对时间匹配、空间匹配和数值匹配后的样本进行敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本，具体包括：
获得时间匹配、空间匹配和数值匹配后的全样本，启动筛选比较命令；
收到筛选比较命令后，开展径向距离、高度、降水类型、覆盖率阈值的敏感性试验；
利用第三计算公式计算所述第一偏差指标；
利用第四计算公式计算所述第二偏差指标；
利用第五计算公式计算所述第三偏差指标；
利用第六计算公式计算所述目标相关系数；
所述第三计算公式为：
其中，Bias为所述第一偏差指标，N为匹配的样本数量，dBZCINRAD为CINRAD匹配的反射率因子数值，dBZDPR为DPR匹配的反射率因子数值；
所述第四计算公式为：
x = dBZCINRAD - dBZDPR
其中，x为所述第二偏差指标；
所述第五计算公式为：
其中，Std_bias为所述第三偏差指标，
为所述第二偏差指标得平均值，i为匹配样本序号，x为第i个匹配样本序号对应的所述第二偏差指标；
所述第六计算公式为：
其中，R为所述目标相关系数，N为匹配的样本数量，i为匹配样本序号，dBZDPR为DPR匹配的反射率因子数值，其平均值是
，dBZCINRAD为CINRAD匹配的反射率因子数值，其平均值是
；
获得敏感性试验结果，第三偏差指标越低、目标相关系数越高，选择的筛选条件越优，建立有关径向距离、高度、降水类型、覆盖率阈值的筛选比较法；
应用筛选比较法在时间匹配、空间匹配和数值匹配后的样本上，筛选比较生成最优配对数据样本。
7.如权利要求6所述的一种地基雷达反射率因子均一性评估方法，其特征在于，所述对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数，具体包括：
获得所述最优配对数据样本，启动计算评估命令；
收到计算评估命令后，利用第三计算公式计算所述第一偏差指标；
利用第四计算公式计算所述第二偏差指标；
利用第五计算公式计算所述第三偏差指标；
利用第六计算公式计算所述目标相关系数。
8.如权利要求1所述的一种地基雷达反射率因子均一性评估方法，其特征在于，所述根据所述目标相关系数和第一偏差指标、第三偏差指标，进行均一性评估，生成白名单和报警名单，进行异常报警，具体包括：
获取每个站的所述目标相关系数，若所述目标相关系数大于0.7发出第一计算指令，否则发出第二计算指令；
当收到所述第一计算指令后，获取每个站的所述第三偏差指标，若所述第三偏差指标小于4发出第三计算指令，否则发出第四计算指令；
在收到所述第三计算指令后，计算各个站点第一偏差指标，设置指标阈值，若所述第一偏差指标在所述指标阈值以内，则将该站点加入白名单，否则将该站点加入灰名单；
在收到所述第二计算指令后，获取历史数据进行问题排查，判断是否存在站点问题，若存在站点问题，将该站点加入黑名单，若不存在站点问题，则计入日志记录；
在收到所述第四计算指令后，获取历史数据进行分时段的站点相关系数、第一偏差指标和第三偏差指标，分析时序变化，并将变化节点存储到所述日志记录，并录入黑灰名单；
将所述灰名单、所述黑名单和所述黑灰名单合并生成为当前报警名单，进行报警。
9.一种地基雷达反射率因子均一性评估系统，其特征在于，该系统包括：
数据源处理模块，用于设置GPM卫星数据源和天气雷达数据源，在经过质量控制后生成初始GPM卫星数据源和初始天气雷达数据源；
时间匹配模块，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行时间匹配；
空间匹配模块，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源，进行空间匹配，并发出匹配完成指令；
数值匹配模块，用于获得所述初始GPM卫星数据源和所述初始天气雷达数据源空间匹配后的径向和垂直区内的距离库集合，进行数值匹配；
筛选比较模块，用于对时间匹配、空间匹配和数值匹配后的样本开展敏感性试验，建立筛选比较法，筛选比较生成最优配对数据样本；
评估运算模块，用于对最优配对数据样本进行评估指标运算，生成第一偏差指标、第二偏差指标、第三偏差指标和目标相关系数；
均一性评估模块，用于根据所述目标相关系数和第一偏差指标、第三偏差指标，进行均一性评估，生成白名单和报警名单，进行异常报警。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210297678.5A CN114397636B (zh) | 2022-03-25 | 2022-03-25 | 一种地基雷达反射率因子均一性评估方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210297678.5A CN114397636B (zh) | 2022-03-25 | 2022-03-25 | 一种地基雷达反射率因子均一性评估方法、系统及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114397636A true CN114397636A (zh) | 2022-04-26 |
| CN114397636B CN114397636B (zh) | 2022-06-17 |
Family
ID=81234126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210297678.5A Active CN114397636B (zh) | 2022-03-25 | 2022-03-25 | 一种地基雷达反射率因子均一性评估方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114397636B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114966892A (zh) * | 2022-05-06 | 2022-08-30 | 中国气象局气象探测中心 | 星地总辐射观测数据匹配及评估方法和系统、介质及设备 |
| CN116184342A (zh) * | 2023-04-27 | 2023-05-30 | 无锡智鸿达电子科技有限公司 | 一种基于多雷达组网的测云雷达数据校准方法及系统 |
| CN117452360A (zh) * | 2023-09-26 | 2024-01-26 | 北京华云星地通科技有限公司 | 一种星载雷达与地基雷达数据的匹配方法及系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090016161A1 (en) * | 2006-12-01 | 2009-01-15 | The Government Of The Us, As Represented By The Secretary Of The Navy | Method and System for Real-time Automated Change Detection and Classification for Images |
| EP2397868A1 (en) * | 2010-06-15 | 2011-12-21 | The European Union, represented by the European Commission | Method of providing an authenticable time-and-location indication |
| CN105068153A (zh) * | 2015-06-19 | 2015-11-18 | 中国气象科学研究院 | 一种区域自动雨量站小时降水数据质量控制系统及方法 |
| CN106054194A (zh) * | 2016-05-10 | 2016-10-26 | 南京信息工程大学 | 一种星载雷达和地基雷达反射率因子数据三维融合方法 |
| EP3133413A2 (en) * | 2015-08-17 | 2017-02-22 | The Boeing Company | Navigation system for a self-guided aerial vehicle utilizing multiple optical sensors |
| US20170191314A1 (en) * | 2008-08-20 | 2017-07-06 | Foro Energy, Inc. | Methods and Systems for the Application and Use of High Power Laser Energy |
| CN107064956A (zh) * | 2016-11-17 | 2017-08-18 | 上海无线电设备研究所 | 一种地基太赫兹测云雷达系统及其探测方法 |
| CN109035002A (zh) * | 2018-06-28 | 2018-12-18 | 考拉征信服务有限公司 | 一种数据对象的匹配方法、装置、介质和电子设备 |
| CN109521408A (zh) * | 2019-01-28 | 2019-03-26 | 中国气象局气象探测中心 | 一种用于气象雷达的自动测试装置 |
| CN110095760A (zh) * | 2019-04-24 | 2019-08-06 | 中国气象局气象探测中心 | 一种气象雷达的测试装置和方法 |
| CN209656878U (zh) * | 2019-01-28 | 2019-11-19 | 中国气象局气象探测中心 | 一种用于气象雷达的自动测试装置 |
| CN111157969A (zh) * | 2020-01-20 | 2020-05-15 | 四川九洲电器集团有限责任公司 | 一种多传感器系统误差在线估计和数据融合方法 |
| CN112232674A (zh) * | 2020-10-16 | 2021-01-15 | 中国气象局气象探测中心 | 一种气象灾害评估方法、装置和系统 |
| CN112364029A (zh) * | 2021-01-12 | 2021-02-12 | 中国气象局气象探测中心 | 一种星地雨滴谱参数匹配及评估方法和系统 |
| CN215415853U (zh) * | 2021-03-18 | 2022-01-04 | 中国气象局气象探测中心 | 一种双偏振天气雷达差分反射率动态与非线性校准装置 |
-
2022
- 2022-03-25 CN CN202210297678.5A patent/CN114397636B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090016161A1 (en) * | 2006-12-01 | 2009-01-15 | The Government Of The Us, As Represented By The Secretary Of The Navy | Method and System for Real-time Automated Change Detection and Classification for Images |
| US20170191314A1 (en) * | 2008-08-20 | 2017-07-06 | Foro Energy, Inc. | Methods and Systems for the Application and Use of High Power Laser Energy |
| EP2397868A1 (en) * | 2010-06-15 | 2011-12-21 | The European Union, represented by the European Commission | Method of providing an authenticable time-and-location indication |
| CN105068153A (zh) * | 2015-06-19 | 2015-11-18 | 中国气象科学研究院 | 一种区域自动雨量站小时降水数据质量控制系统及方法 |
| EP3133413A2 (en) * | 2015-08-17 | 2017-02-22 | The Boeing Company | Navigation system for a self-guided aerial vehicle utilizing multiple optical sensors |
| CN106054194A (zh) * | 2016-05-10 | 2016-10-26 | 南京信息工程大学 | 一种星载雷达和地基雷达反射率因子数据三维融合方法 |
| CN107064956A (zh) * | 2016-11-17 | 2017-08-18 | 上海无线电设备研究所 | 一种地基太赫兹测云雷达系统及其探测方法 |
| CN109035002A (zh) * | 2018-06-28 | 2018-12-18 | 考拉征信服务有限公司 | 一种数据对象的匹配方法、装置、介质和电子设备 |
| CN109521408A (zh) * | 2019-01-28 | 2019-03-26 | 中国气象局气象探测中心 | 一种用于气象雷达的自动测试装置 |
| CN209656878U (zh) * | 2019-01-28 | 2019-11-19 | 中国气象局气象探测中心 | 一种用于气象雷达的自动测试装置 |
| CN110095760A (zh) * | 2019-04-24 | 2019-08-06 | 中国气象局气象探测中心 | 一种气象雷达的测试装置和方法 |
| CN111157969A (zh) * | 2020-01-20 | 2020-05-15 | 四川九洲电器集团有限责任公司 | 一种多传感器系统误差在线估计和数据融合方法 |
| CN112232674A (zh) * | 2020-10-16 | 2021-01-15 | 中国气象局气象探测中心 | 一种气象灾害评估方法、装置和系统 |
| CN112364029A (zh) * | 2021-01-12 | 2021-02-12 | 中国气象局气象探测中心 | 一种星地雨滴谱参数匹配及评估方法和系统 |
| CN215415853U (zh) * | 2021-03-18 | 2022-01-04 | 中国气象局气象探测中心 | 一种双偏振天气雷达差分反射率动态与非线性校准装置 |
Non-Patent Citations (3)
| Title |
|---|
| 刘晓阳等: ""GPM/DPR雷达与CINRAD雷达降水探测对比"", 《应用气象学报》, vol. 29, no. 6, 30 November 2018 (2018-11-30), pages 667 - 679 * |
| 李林蔚: ""GPM双频降水雷达降雪探测能力的分析"", 《中国优秀博硕士学位论文全文数据库（硕士）基础科学辑》, 15 April 2020 (2020-04-15), pages 009 - 11 * |
| 蒋银丰: ""GPM星载双频降水雷达和地基C波段双偏振雷达资料的对比验证"", 《中国优秀博硕士学位论文全文数据库（硕士）基础科学辑》, 15 January 2022 (2022-01-15), pages 009 - 347 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114966892A (zh) * | 2022-05-06 | 2022-08-30 | 中国气象局气象探测中心 | 星地总辐射观测数据匹配及评估方法和系统、介质及设备 |
| CN114966892B (zh) * | 2022-05-06 | 2023-09-29 | 中国气象局气象探测中心 | 星地总辐射观测数据匹配及评估方法和系统、介质及设备 |
| CN116184342A (zh) * | 2023-04-27 | 2023-05-30 | 无锡智鸿达电子科技有限公司 | 一种基于多雷达组网的测云雷达数据校准方法及系统 |
| CN117452360A (zh) * | 2023-09-26 | 2024-01-26 | 北京华云星地通科技有限公司 | 一种星载雷达与地基雷达数据的匹配方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114397636B (zh) | 2022-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114397636B (zh) | 一种地基雷达反射率因子均一性评估方法、系统及设备 | |
| Joss et al. | Operational use of radar for precipitation measurements in Switzerland | |
| Park et al. | Correction of radar reflectivity and differential reflectivity for rain attenuation at X band. Part II: Evaluation and application | |
| US9348015B2 (en) | Integrated rainfall estimation method using X-band dual-polarimetric radar measurement data | |
| Friedrich et al. | A quality control concept for radar reflectivity, polarimetric parameters, and Doppler velocity | |
| McRoberts et al. | Detecting beam blockage in radar-based precipitation estimates | |
| Figueras i Ventura et al. | Long‐term monitoring of French polarimetric radar data quality and evaluation of several polarimetric quantitative precipitation estimators in ideal conditions for operational implementation at C‐band | |
| Rahimi et al. | Attenuation calibration of an X-band weather radar using a microwave link | |
| Ridal et al. | Assimilation of multinational radar reflectivity data in a mesoscale model: A proof of concept | |
| Jurczyk et al. | Quality‐based compositing of weather radar derived precipitation | |
| Zeng et al. | Interpreting estimated observation error statistics of weather radar measurements using the ICON-LAM-KENDA system | |
| Deng et al. | Comparison of horizontal wind observed by wind profiler radars with ERA5 reanalysis data in Anhui, China | |
| Friedrich et al. | Influence of ground clutter contamination on polarimetric radar parameters | |
| Hosseini et al. | Evaluation of a new X-band weather radar for operational use in south Sweden | |
| Mile et al. | Overview of mesoscale data assimilation developments at the Hungarian Meteorological Service | |
| Kato et al. | Very short time range forecasting using CReSS-3DVAR for a meso-γ-scale, localized, extremely heavy rainfall event: Comparison with an extrapolation-based nowcast | |
| CN113568008A (zh) | 基于葵花-8卫星的分钟级降水实时反演估计方法 | |
| Jian et al. | Fusion of PSO-SVM and ICEEMDAN for high stability GNSS-MR sea level height estimation | |
| Gilleland et al. | Verification of meteorological forecasts for hydrological applications | |
| Tabary et al. | Test of a staggered PRT scheme for the French radar network | |
| Muradyan et al. | Radar Wind Profiler (RWP) and Radio Acoustic Sounding System (RASS) Instrument Handbook | |
| Helmert et al. | An operational tool to quality control 2D radar reflectivity data for assimilation in COSMO-DE | |
| Maity et al. | Alternative approach for estimation of precipitation using Doppler weather radar data | |
| US20240094434A1 (en) | Information processing apparatus, radar apparatus, method, and storage medium | |
| Yu et al. | Application of X-band Polarimetric Phased-array Radars in Quantitative Precipitation Estimation |
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 |