CN115016043B - 基于垂直结构和降水率的降水分类方法及系统 - Google Patents

基于垂直结构和降水率的降水分类方法及系统 Download PDF

Info

Publication number
CN115016043B
CN115016043B CN202210786665.4A CN202210786665A CN115016043B CN 115016043 B CN115016043 B CN 115016043B CN 202210786665 A CN202210786665 A CN 202210786665A CN 115016043 B CN115016043 B CN 115016043B
Authority
CN
China
Prior art keywords
precipitation
moment
sample
vertical structure
echo
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
CN202210786665.4A
Other languages
English (en)
Other versions
CN115016043A (zh
Inventor
温龙
张�浩
杨查
符兆阳
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 People's Liberation Army 63790 Unit
Original Assignee
Chinese People's Liberation Army 63790 Unit
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 People's Liberation Army 63790 Unit filed Critical Chinese People's Liberation Army 63790 Unit
Priority to CN202210786665.4A priority Critical patent/CN115016043B/zh
Publication of CN115016043A publication Critical patent/CN115016043A/zh
Application granted granted Critical
Publication of CN115016043B publication Critical patent/CN115016043B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • 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
    • 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
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Ecology (AREA)
  • Electromagnetism (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于垂直结构和降水率的降水分类方法及系统，属于降水测量分析领域。本发明针对检测某一时刻下降水类型，获取该时刻及其连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n；根据回波垂直结构和降水率判断该时刻为对流性降水、层云降水或浅层降水。本发明充分考虑了不同类型降水在形成机制上的不同导致降水的垂直结构、微物理特征和降水特性的不同，并在雷达和地面雨滴谱仪器观测中得到体现。

Description

基于垂直结构和降水率的降水分类方法及系统
技术领域
本发明属于降水测量分析领域，具体涉及一种基于垂直结构和降水率的降水分类方法及系统。
背景技术
降水在全球大气和水循环、辐射平衡、人类活动等方面具有重要的影响。由于降水形成的动力、热力条件等的差异，不同类型降水在垂直结构、微物理特征和地面降水特性等方面存在着显著的差异。因此，针对不同类型降水的研究需要对降水类型进行科学和准确的分类。
目前常用的降水分类方法主要有两种：
1)根据雷达探测的降水回波结构进行分类。具体包括水平纹理法和垂直结构法：
Steiner等(1995)基于雷达回波在一设定高度(如3公里)水平面上的纹理特征(最大回波强度和/或梯度)将降水分为对流性和层云降水区域。该方法中，某一像素点的雷达回波最大值超过设定阈值(如40dBZ)或显著大于周边区域时，则以该像素点为半径的设定范围内所有降水格点均被识别为对流性降水，其中回波最大值像素点为对流区域的中心，剩余样本区域则被识别为层云降水。该方法避免了对层云降水的低估，但设定高度上的回波特征并不能完全反映设定高度之外(以上及以下)区域的降水结构和微物理过程特征，存在错判、漏判的可能。此外，设定高度上的回波特征也不能代表地面降水的真实情况，雨滴从设定高度降落至地面的过程中，还将发生碰并、破碎、蒸发等多种过程，导致地面降水的差异。
Fabry和Zawadzki(1995)、Awaka等(2009)基于雷达回波的垂直结构特征，将降水分为对流性降水、层云降水和其他类型。该方法中，若零度层高度附近存在回波亮带(强回波)，且亮带以下至地面的最大回波强度不超过阈值(如39dBZ)，则被识别为层云降水。若回波顶以下至地面的最大回波强度超过阈值(如40dBZ，即使有零度层亮带信号)或显著大于周边区域(类似纹理法)时，则被识别为对流性降水。其他弱回波信号等被识别为其他类型。该方法中，由于缺少地面降水率/雨滴谱特征的识别，浅层降水通常由于回波偏弱被直接忽略或由于回波顶高偏低被归类为浅对流或其他类型。
2)根据地面降水特性进行分类。该方法中(Chen等2013)，通常根据连续时间段内的地面降水率及其变化特征将降水分为对流性降水、层云降水和混合云降水等：针对某一时刻降水率样本，若前后各设定分钟(如5分钟)内连续样本的降水率都大于上限阈值(如5毫米/小时)，且连续样本的标准差高于差值阈值(如1.5毫米/小时)，则该时刻样本识别为对流性降水；若前后各设定分钟内连续样本的降水率介于上限阈值和下限阈值(如0.5毫米/小时)，且其标准差小于差值阈值，则该时刻样本识别为层云降水。不属于对流性降水和层云降水的时刻被识别为混合云降水或其他类型。该方法中，由于缺少降水垂直结构特征的识别，浅层降水通常由于降水强度很弱被忽略或被错误的识别为层云/混合云降水。
由于没有将降水的垂直结构、微物理过程和地面降水特性相结合起来，上述两种降水分类方法容易存在不同程度的误识别和漏识别。例如，浅层降水的云顶高度很低(低于零度层高度)，其回波顶高无法达到融化层的高度，因而该类型降水直接由液态云滴形成而没有冰相粒子融化过程的存在。浅层降水特殊的结构特征导致其降落至地面的雨滴主要由高浓度的小粒子组成且最大粒子直径较小，降水强度很弱。也就是说，浅层降水和层云、对流性降水在垂直结构、微物理特征和地面降水特性上存在着显著的差异。弱回波、弱降水的特征导致浅层降水很容易被雷达和地面雨量筒、雨滴谱仪的观测忽略或被相关分类算法错误识别。虽然浅层降水对总降水的贡献很小，但其在大气环流和海洋降水中扮演着重要的作用，如通过加湿浅层大气来影响潜热的垂直分布，进而影响大气能量收支平衡等。
为了克服现有降水分类方法的不适用性，本发明提出一种基于垂直结构和降水率的降水分类方法，将降水的回波垂直结构特征与地面降水率的变化特征相结合，针对现有分类方法做一些必要的修改和改进，以求能提高降水分类的科学性和可靠性。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提供一种基于垂直结构和降水率的降水分类方法及系统，以解决由于没有将降水的垂直结构、微物理过程和地面降水特性相结合起来，现有降水分类方法容易存在不同程度的误识别和漏识别的问题。
(二)技术方案
为了解决上述技术问题，本发明提出一种基于垂直结构和降水率的降水分类方法，该方法包括如下步骤：
S1、针对检测某一时刻下降水类型，获取该时刻及其向前连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n，其中下标i表示当前样本所在时刻i，i+n表示当前时刻向前n分钟，Ri～Ri+n表示i时刻到i时刻向前n分钟间共n+1个降水率样本，VPRi～VPRi+n表示i时刻到i时刻向前n分钟间共n+1个回波垂直结构样本，MLi～MLi+n表示i时刻到i时刻向前n分钟间共n+1个零度层高度样本；
S2、设定降水量的下限阈值、上限阈值和标准差阈值，设定回波顶高判定值；
S3、根据下限阈值判断上述时间区间内的降水率是否满足降水连续性特征；若不满足则判断未形成连续降水，结束流程；
S4、判断连续降水率样本Ri～Ri+n是否均不低于上限阈值，且连续样本Ri～Ri+n的差异不低于标准差阈值；若是则判断i时刻到i时刻向前n分钟均为对流性降水，结束流程；若一个以上样本低于上限阈值或标准差阈值则继续；
S5、判断连续降水率样本Ri～Ri+n是否均位于下限阈值和上限阈值之间，且连续样本Ri～Ri+n的差异小于标准差阈值；若否则结束流程；若是，则执行步骤S6；
S6、判断i时刻到i时刻向前n分钟内每一时刻回波垂直结构VPRi+m的回波顶高是否低于零度层高度MLi+m；其中下标i表示当前样本所在时刻i，i+m表示当前时刻向前m分钟，m取值0～n；若是，则判断i+m时刻为浅层降水并退出，若不是，则判断i+m时刻为层云降水，结束流程。
进一步地，所述步骤S1中，降水率连续样本的时间区间为当前时刻至向前9分钟内每一分钟的降水率样本，共获取连续10个样本。
进一步地，所述步骤S2中降水量的下限阈值设定为0.1毫米/小时。
进一步地，所述步骤S2中上限阈值设定为5毫米/小时。
进一步地，所述步骤S2中标准差阈值设定为1.5毫米/小时。
进一步地，所述步骤S3具体包括：判断上述时间区间内的降水率Ri～Ri+n是否大于降水量的下限阈值，若是，则满足降水连续性特征，进入步骤S4。
进一步地，所述连续样本Ri～Ri+n的差异为连续样本Ri～Ri+n的标准差。
进一步地，所述步骤S6中根据雷达探测降水的特性，回波顶高判定值设定为15dBZ回波所对应的最高高度。
进一步地，所述步骤S6中，判断回波顶高是否低于零度层高度，具体包括：
S61、获取降水样本所涉及的降水地区的雷达回波垂直结构数据；
S62、获取降水样本所涉及的降水地区的零度层高度数据；
S63、根据回波垂直高度和零度层高度样本，判断回波顶高是否低于零度层高度。
本发明还提供一种实现降水分类方法的基于垂直结构和降水率的降水分类系统，该系统包括：
样本获取单元，其用于获取某一时刻及其向前连续时间区间内的连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n；
阈值设定单元，其用于设定上限阈值、下限阈值和标准差阈值，设定回波顶高判定值；
差值计算单元，其用于计算连续降水率样本的标准差；
第一判断单元，其用于判断连续降水率样本与上限阈值、下限阈值和标准差阈值之间的大小；
第二判断单元，其用于判断回波垂直结构样本与零度层高度样本的大小；
第三判断单元，其用于判断降水的降水类型。
(三)有益效果
本发明提出一种基于垂直结构和降水率的降水分类方法及系统，与现有技术相比，本发明的有益效果：本发明充分考虑了不同类型降水在垂直结构、微物理特征和地面降水特性的不同，并在降水实际观测中得到了体现。具体地，不同类型降水的配置如下：1)对流性降水存在明显的冰相过程，地面降水强度大且降水率变化特征明显；2)层云降水存在明显的零度层亮带特征，地面降水强度较弱且降水率变化较平稳；3)浅层降水完全由暖雨过程形成，没有冰相过程的存在，回波顶高低于零度层高度且地面降水强度很弱。因此，不同类型降水的特征应该如下：1)对流性降水雨滴粒径大、浓度大，降水强度大；2)层云降水回波垂直结构中存在明显的亮带特征，地面降水雨滴粒径偏小、浓度偏低，降水强度偏小但趋势平稳；3)浅层降水回波顶高低于零度层高度，地面降水雨滴粒径很小但浓度极大，降水强度很小。
原先单独基于雷达回波结构或地面降水率特性的降水分类方法，没有将降水的垂直结构、微物理过程和地面降水特性相结合起来，导致存在不同程度上的误识别和漏识别。因此，本发明改进了现有分类方法，充分考虑了降水的垂直结构、微物理特征和地面降水率特性的结合，有效区分了对流性降水和层云降水，并科学识别了浅层降水。
本发明针对降水的连续性特点和考虑单站降水探测时初始多个样本的可用性，将以该时刻及其向前连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，代替基于地面降水特性的分类方法中通常采用的某一时刻及其前后各m分钟的连续m+1个降水率样本Ri-m～Ri+m；针对层云降水和浅层降水的降水率偏低的特点，将以0.1毫米/小时代替基于地面降水特性的分类方法中通常设定的0.5毫米/小时作为降水率下限阈值；针对浅层降水回波顶高低于零度层的特点，引入回波顶高和零度层高度的探测，以在低降水率样本中科学识别浅层降水。
附图说明
图1为本发明分类方法的流程图；
图2为本发明分类系统的结构示意图。
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
本发明提出了一种基于垂直结构和降水率的降水分类方法，包括：针对检测某一时刻下降水类型，获取该时刻及其连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n；根据回波垂直结构和降水率判断该时刻为对流性降水、层云降水或浅层降水。本发明充分考虑了不同类型降水在形成机制上的不同导致降水的垂直结构、微物理特征和降水特性的不同，并在雷达和地面雨滴谱仪器观测中得到体现。
为克服现有技术中的问题，本发明提出了一种基于垂直结构和降水率的降水分类方法，包括如下步骤：
S1、针对检测某一时刻下降水类型，获取该时刻及其向前连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n，其中下标i表示当前样本所在时刻i，i+n表示当前时刻向前n分钟，Ri～Ri+n表示i时刻到i时刻向前n分钟间共n+1个降水率样本，VPRi～VPRi+n表示i时刻到i时刻向前n分钟间共n+1个回波垂直结构样本，MLi～MLi+n表示i时刻到i时刻向前n分钟间共n+1个零度层高度样本；
S2、设定降水量的下限阈值、上限阈值和标准差阈值，设定回波顶高判定值；
S3、根据下限阈值判断上述时间区间内的降水率是否满足降水连续性特征；若不满足则判断未形成连续降水，结束流程；
S4、判断连续降水率样本Ri～Ri+n是否均不低于上限阈值，且连续样本Ri～Ri+n的差异不低于标准差阈值；若是则判断i时刻到i时刻向前n分钟均为对流性降水，结束流程；若一个以上样本低于上限阈值或标准差阈值则继续；
S5、判断连续降水率样本Ri～Ri+n是否均位于下限阈值和上限阈值之间，且连续样本Ri～Ri+n的差异小于标准差阈值；若否则结束流程；若是，则执行步骤S6；
S6、判断i时刻到i时刻向前n分钟内每一时刻回波垂直结构VPRi+m的回波顶高是否低于零度层高度MLi+m；其中下标i表示当前样本所在时刻i，i+m表示当前时刻向前m分钟，m取值0～n；若是，则判断i+m时刻为浅层降水并退出，若不是，则判断i+m时刻为层云降水，结束流程。
本发明提出的所述基于垂直结构和降水率的降水分类方法中，降水率连续样本的时间区间为当前时刻至向前9分钟内每一分钟的降水率样本，共获取连续10个样本。
所述步骤S3具体包括：判断上述时间区间内的降水率Ri～Ri+n是否大于降水量的下限阈值，若是，则满足降水连续性特征，进入步骤S4。
所述连续样本Ri～Ri+n的差异为连续样本Ri～Ri+n的标准差。
本发明提出的所述基于垂直结构和降水率的降水分类方法中，获取某一时刻降水的回波垂直结构和零度层高度样本，所述步骤S6中，判断回波顶高是否低于零度层高度，包括：
S61、获取降水样本所涉及的降水地区的雷达回波垂直结构数据；
S62、获取降水样本所涉及的降水地区的零度层高度数据；
S63、根据回波垂直高度和零度层高度样本，判断回波顶高是否低于零度层高度。
本发明提出的所述基于垂直结构和降水率的降水分类方法中，所述步骤S2中降水量的下限阈值设定为0.1毫米/小时，上限阈值设定为5毫米/小时，标准差阈值设定为1.5毫米/小时。
本发明提出的所述基于垂直结构和降水率的降水分类方法中，所述步骤S6中根据雷达探测降水的特性，回波顶高判定值设定为15dBZ回波所对应的最高高度。
本发明还提出了一种基于垂直结构和降水率的降水分类系统，其应用上述分类方法，所述分类系统包括：
样本获取单元，其用于获取某一时刻及其向前连续时间区间内的连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n；
阈值设定单元，其用于设定上限阈值、下限阈值和标准差阈值，设定回波顶高判定值；
差值计算单元，其用于计算连续降水率样本的标准差；
第一判断单元，其用于判断连续降水率样本与上限阈值、下限阈值和标准差阈值之间的大小；
第二判断单元，其用于判断回波垂直结构样本与零度层高度样本的大小；
第三判断单元，其用于判断降水的降水类型。
实施例1：
本发明提出的基于垂直结构和降水率的降水分类方法如图1所示，本发明提出了一种基于回波垂直结构和降水率的降水类型分类方法，其特征在于，包括：
a.针对检测某一时刻下降水类型，获取该时刻及其向前连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n，其中下标i表示当前样本所在时刻i，i+n表示当前时刻向前n分钟，Ri～Ri+n表示i时刻到i+n时刻间共n+1个降水率样本，VPRi～VPRi+n表示i时刻到i+n时刻间共n+1个回波垂直结构样本，MLi～MLi+n表示i时刻到i+n时刻间共n+1个零度层高度样本；
b.设定降水量的下限阈值、上限阈值和标准差阈值；
c.根据下限阈值判断该时间区间内的降水率是否满足降水连续性特征；若不满足则判断未形成连续降水并退出；
d.判断连续降水率样本Ri～Ri+n是否均不低于上限阈值，且连续样本Ri～Ri+n的差异不低于标准差阈值；若是则判断该时刻至i+n时刻均为对流性降水，若一个以上样本低于上限阈值或标准差阈值则继续；
e.判断连续降水率样本Ri～Ri+n是否均位于下限阈值和上限阈值之间，且连续样本Ri～Ri+n的差异小于标准差阈值；若是，则判断i时刻至i+n时刻内每一时刻回波垂直结构VPRi+m的回波顶高是否低于零度层高度MLi+m；其中下标i表示当前样本所在时刻i，i+m表示当前时刻向前m分钟，m取值0～n；若是，则判断i+m时刻为浅层降水并退出，若不是，则判断i+m时刻为层云降水。
由于不同降水类型均可能形成地面弱降水，因此在考虑地面降水率变化特征的基础上，应结合降水的垂直结构特征再进行具体分类。其中，获取某一时刻降水的回波垂直结构和零度层高度样本，判断回波顶高是否低于零度层高度，包括：
a1.获取降水样本所涉及的降水地区的雷达回波垂直结构数据；
a2.获取降水样本所涉及的降水地区的零度层高度数据；
a3.根据回波垂直高度和零度层高度样本，判断回波顶高是否低于零度层高度。
本发明提出的所述基于垂直结构和降水率的降水分类方法中，步骤b中降水量的下限阈值设定为0.1毫米/小时，上限阈值设定为5毫米/小时，标准差阈值设定为1.5毫米/小时。
本发明提出的所述基于垂直结构和降水率的降水分类方法中，步骤e中根据雷达探测降水的特性，回波顶高判定值设定为15dBZ回波所对应的最高高度。
上述回波顶高设定值为经验参数。
如图2所示，本发明还提出了一种基于垂直结构和降水率的降水分类系统，其应用上述分类方法，所述分类系统包括：
样本获取单元，其用于获取某一时刻及其向前连续时间区间内的连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n；
阈值设定单元，其用于设定降水率上限阈值、下限阈值和标准差阈值；
差值计算单元，其用于计算连续降水率样本的标准差；
第一判断单元，其用于判断连续降水率样本与上限阈值、下限阈值和标准差阈值之间的大小；
第二判断单元，其用于判断回波垂直结构样本与零度层高度样本的大小；
第三判断单元，其用于判断降水的降水类型。
本发明针对降水的连续性特点和考虑单站降水探测时初始多个样本的可用性，将以该时刻及其向前连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，代替基于地面降水特性的分类方法中通常采用的某一时刻及其前后各m分钟的连续m+1个降水率样本Ri-m～Ri+m；针对层云降水和浅层降水的降水率偏低的特点，将以0.1毫米/小时代替基于地面降水特性的分类方法中通常设定的0.5毫米/小时作为降水率下限阈值；针对浅层降水回波顶高低于零度层的特点，引入回波顶高和零度层高度的探测，以在低降水率样本中科学识别浅层降水。
实施例2
以2014年6-8月夏季降水数据为例。南京江宁地面站内的2DVD雨滴谱仪和MRR垂直指向雷达(两者相距约20米)进行了联合观测。使用上述数据检验本发明基于垂直结构和降水率的降水分类方法。
基于本发明方法，共识别了2701个对流性降水雨滴谱样本(2701分钟)，6882个层云降水样本，1530个浅层降水样本。虽然本发明方法识别的浅层降水的平均降水率仅为1.95毫米/小时，平均回波强度小于20dBZ，回波顶高低于3.5公里高度，但其占总降水发生时次的13.77％，有着与对流性降水和层云降水显著不同的垂直结构和雨滴谱特征，是一种不可忽略的降水类型。若仅基于雷达回波结构法或地面降水特性法进行降水分类，很容易导致浅层降水类型的错误识别或漏识别。本发明克服了该问题。
实施例3：
一种基于垂直结构和降水率的降水分类方法，包括：
a.针对检测某一时刻下降水类型，获取该时刻及其向前连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n，其中下标i表示当前样本所在时刻i，i+n表示当前时刻向前n分钟，Ri～Ri+n表示i时刻到i+n时刻间共n+1个降水率样本，VPRi～VPRi+n表示i时刻到i+n时刻间共n+1个回波垂直结构样本，MLi～MLi+n表示i时刻到i+n时刻间共n+1个零度层高度样本；
b.设定降水量下限阈值、上限阈值和标准差阈值，设定回波顶高判定值；
c.根据下限阈值判断该时间区间内的降水率是否满足降水连续性特征；若不满足则判断未形成连续降水并退出；
d.判断连续降水率样本Ri～Ri+n是否均不低于上限阈值，且连续样本Ri～Ri+n的差异不低于标准差阈值；若是则判断该时刻至i+n时刻均为对流性降水，若一个以上样本低于上限阈值或标准差阈值则继续；
e.判断连续降水率样本Ri～Ri+n是否均位于下限阈值和上限阈值之间，且连续样本Ri～Ri+n的差异小于标准差阈值；若是，则判断i时刻至i+n时刻内每一时刻回波垂直结构VPRi+m的回波顶高是否低于零度层高度MLi+m；其中下标i表示当前样本所在时刻i，i+m表示当前时刻向前m分钟，m取值0～n；若是，则判断i+m时刻为浅层降水并退出，若不是，则判断i+m时刻为层云降水。
进一步地，降水率连续样本的时间区间为当前时刻至向前9分钟的降水率样本，共获取连续10个样本。
进一步地，获取与降水率连续样本对应的回波垂直结构和零度层高度样本，判断回波顶高是否低于零度层高度，包括：
a1.获取降水样本所涉及的降水地区的雷达回波垂直结构数据；
a2.获取降水样本所涉及的降水地区的零度层高度数据；
a3.根据回波垂直高度和零度层高度样本，判断回波顶高是否低于零度层高度。
进一步地，步骤b中降水量的下限阈值设定为0.1毫米/小时，上限阈值设定为5毫米/小时，标准差阈值设定为1.5毫米/小时。
进一步地，步骤e中根据雷达探测降水的特性，回波顶高判定值设定为15dBZ回波所对应的最高高度。
本发明还提供一种基于垂直结构和降水率的降水分类系统，所述分类系统包括：
样本获取单元，其用于获取一时刻及其向前连续时间区间内的连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n；
阈值设定单元，其用于设定上限阈值、下限阈值和标准差阈值；
差值计算单元，其用于计算连续降水率样本的标准差；
第一判断单元，其用于判断连续降水率样本与上限阈值、下限阈值和标准差阈值之间的大小；
第二判断单元，其用于判断回波垂直结构样本与零度层高度样本的大小；
第三判断单元，其用于判断降水的降水类型。
与现有技术相比，本发明的有益效果：本发明充分考虑了不同类型降水在垂直结构、微物理特征和地面降水特性的不同，并在降水实际观测中得到了体现。具体地，不同类型降水的配置如下：1)对流性降水存在明显的冰相过程，地面降水强度大且降水率变化特征明显；2)层云降水存在明显的零度层亮带特征，地面降水强度较弱且降水率变化较平稳；3)浅层降水完全由暖雨过程形成，没有冰相过程的存在，回波顶高低于零度层高度且地面降水强度很弱。因此，不同类型降水的特征应该如下：1)对流性降水雨滴粒径大、浓度大，降水强度大；2)层云降水回波垂直结构中存在明显的亮带特征，地面降水雨滴粒径偏小、浓度偏低，降水强度偏小但趋势平稳；3)浅层降水回波顶高低于零度层高度，地面降水雨滴粒径很小但浓度极大，降水强度很小。
原先单独基于雷达回波结构或地面降水率特性的降水分类方法，没有将降水的垂直结构、微物理过程和地面降水特性相结合起来，导致存在不同程度上的误识别和漏识别。因此，本发明改进了现有分类方法，充分考虑了降水的垂直结构、微物理特征和地面降水率特性的结合，有效区分了对流性降水和层云降水，并科学识别了浅层降水。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于垂直结构和降水率的降水分类方法，其特征在于，该方法包括如下步骤：
S1、针对检测某一时刻下降水类型，获取该时刻及其向前连续时间区间内降水率的多个连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n，其中下标i表示当前样本所在时刻i，i+n表示当前时刻向前n分钟，Ri～Ri+n表示i时刻到i时刻向前n分钟间共n+1个降水率样本，VPRi～VPRi+n表示i时刻到i时刻向前n分钟间共n+1个回波垂直结构样本，MLi～MLi+n表示i时刻到i时刻向前n分钟间共n+1个零度层高度样本；
S2、设定降水量的下限阈值、上限阈值和标准差阈值，设定回波顶高判定值；
S3、根据下限阈值判断上述时间区间内的降水率是否满足降水连续性特征；若不满足则判断未形成连续降水，结束流程；
S4、判断连续降水率样本Ri～Ri+n是否均不低于上限阈值，且连续样本Ri～Ri+n的差异不低于标准差阈值；若是则判断i时刻到i时刻向前n分钟均为对流性降水，结束流程；若一个以上样本低于上限阈值或标准差阈值则继续；
S5、判断连续降水率样本Ri～Ri+n是否均位于下限阈值和上限阈值之间，且连续样本Ri～Ri+n的差异小于标准差阈值；若否则结束流程；若是，则执行步骤S6；
S6、判断i时刻到i时刻向前n分钟内每一时刻回波垂直结构VPRi+m的回波顶高是否低于零度层高度MLi+m；其中下标i表示当前样本所在时刻i，i+m表示当前时刻向前m分钟，m取值0～n；若是，则判断i+m时刻为浅层降水并退出，若不是，则判断i+m时刻为层云降水，结束流程。
2.如权利要求1所述的基于垂直结构和降水率的降水分类方法，其特征在于，所述步骤S1中，降水率连续样本的时间区间为当前时刻至向前9分钟内每一分钟的降水率样本，共获取连续10个样本。
3.如权利要求1所述的基于垂直结构和降水率的降水分类方法，其特征在于，所述步骤S2中降水量的下限阈值设定为0.1毫米/小时。
4.如权利要求3所述的基于垂直结构和降水率的降水分类方法，其特征在于，所述步骤S2中上限阈值设定为5毫米/小时。
5.如权利要求4所述的基于垂直结构和降水率的降水分类方法，其特征在于，所述步骤S2中标准差阈值设定为1.5毫米/小时。
6.如权利要求1所述的基于垂直结构和降水率的降水分类方法，其特征在于，所述步骤S3具体包括：判断上述时间区间内的降水率Ri～Ri+n是否大于降水量的下限阈值，若是，则满足降水连续性特征，进入步骤S4。
7.如权利要求1所述的基于垂直结构和降水率的降水分类方法，其特征在于，所述连续样本Ri～Ri+n的差异为连续样本Ri～Ri+n的标准差。
8.如权利要求1所述的基于垂直结构和降水率的降水分类方法，其特征在于，所述步骤S6中根据雷达探测降水的特性，回波顶高判定值设定为15dBZ回波所对应的最高高度。
9.如权利要求1-8任一项所述的基于垂直结构和降水率的降水分类方法，其特征在于，所述步骤S6中，判断回波顶高是否低于零度层高度，具体包括：
S61、获取降水样本所涉及的降水地区的雷达回波垂直结构数据；
S62、获取降水样本所涉及的降水地区的零度层高度数据；
S63、根据回波垂直高度和零度层高度样本，判断回波顶高是否低于零度层高度。
10.一种实现权利要求1-9任一项所述的降水分类方法的基于垂直结构和降水率的降水分类系统，其特征在于，该系统包括：
样本获取单元，其用于获取某一时刻及其向前连续时间区间内的连续降水率样本Ri～Ri+n，及其对应的回波垂直结构样本VPRi～VPRi+n和零度层高度样本MLi～MLi+n；
阈值设定单元，其用于设定上限阈值、下限阈值和标准差阈值，设定回波顶高判定值；
差值计算单元，其用于计算连续降水率样本的标准差；
第一判断单元，其用于判断连续降水率样本与上限阈值、下限阈值和标准差阈值之间的大小；
第二判断单元，其用于判断回波垂直结构样本与零度层高度样本的大小；
第三判断单元，其用于判断降水的降水类型。
CN202210786665.4A 2022-07-04 2022-07-04 基于垂直结构和降水率的降水分类方法及系统 Active CN115016043B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210786665.4A CN115016043B (zh) 2022-07-04 2022-07-04 基于垂直结构和降水率的降水分类方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210786665.4A CN115016043B (zh) 2022-07-04 2022-07-04 基于垂直结构和降水率的降水分类方法及系统

Publications (2)

Publication Number Publication Date
CN115016043A CN115016043A (zh) 2022-09-06
CN115016043B true CN115016043B (zh) 2023-08-22

Family

ID=83079521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210786665.4A Active CN115016043B (zh) 2022-07-04 2022-07-04 基于垂直结构和降水率的降水分类方法及系统

Country Status (1)

Country Link
CN (1) CN115016043B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116049726B (zh) * 2023-04-03 2023-07-14 中国科学技术大学 夏季青藏高原降水类型分类方法、装置、设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101224258B1 (ko) * 2012-03-21 2013-01-21 대한민국(국립기상연구소장) 기상레이더 3차원 반사도 자료를 이용한 3차원 강우유형 분류 방법 및 그 시스템
KR101255736B1 (ko) * 2012-09-21 2013-04-26 대한민국 단일편파 레이더를 이용한 기상 및 비기상 에코 분류 방법
CN109087020A (zh) * 2018-08-21 2018-12-25 中国气象局上海台风研究所 基于台风气候降水率的降水类型分类方法及其分类系统
CN109490891A (zh) * 2018-11-23 2019-03-19 四川省气象探测数据中心 二次云数据获取方法、装置及云参数计算设备
CN111308581A (zh) * 2020-04-10 2020-06-19 海南省气象科学研究所 一种基于时空局部模型的雷达-雨量计联合降水估测方法
CN113189678A (zh) * 2021-04-29 2021-07-30 南京气象科技创新研究院 基于多源观测资料的降水现象综合识别方法及装置
CN113325422A (zh) * 2021-04-23 2021-08-31 上海卫星工程研究所 天基测雨雷达目标定位及降雨信息三维处理方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7391358B2 (en) * 2005-06-30 2008-06-24 Massachusetts Institute Of Technology Weather radar echo tops forecast generation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101224258B1 (ko) * 2012-03-21 2013-01-21 대한민국(국립기상연구소장) 기상레이더 3차원 반사도 자료를 이용한 3차원 강우유형 분류 방법 및 그 시스템
KR101255736B1 (ko) * 2012-09-21 2013-04-26 대한민국 단일편파 레이더를 이용한 기상 및 비기상 에코 분류 방법
CN109087020A (zh) * 2018-08-21 2018-12-25 中国气象局上海台风研究所 基于台风气候降水率的降水类型分类方法及其分类系统
CN109490891A (zh) * 2018-11-23 2019-03-19 四川省气象探测数据中心 二次云数据获取方法、装置及云参数计算设备
CN111308581A (zh) * 2020-04-10 2020-06-19 海南省气象科学研究所 一种基于时空局部模型的雷达-雨量计联合降水估测方法
CN113325422A (zh) * 2021-04-23 2021-08-31 上海卫星工程研究所 天基测雨雷达目标定位及降雨信息三维处理方法和系统
CN113189678A (zh) * 2021-04-29 2021-07-30 南京气象科技创新研究院 基于多源观测资料的降水现象综合识别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
垂直探测雷达的降水云分类方法在北京地区的应用;黄钰;《高原气象》;第24卷(第3期);第815-824页 *

Also Published As

Publication number Publication date
CN115016043A (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
CN109975809B (zh) 一种同化雷达及闪电资料的方法
Dial et al. Short-term convective mode evolution along synoptic boundaries
CN115016043B (zh) 基于垂直结构和降水率的降水分类方法及系统
KR100931950B1 (ko) 기상레이더의 강수 유형 구분 방법
CN106443679B (zh) 一种冷云人工增雨作业条件识别和作业效果分析的方法
Ai et al. Life cycle characteristics of MCSs in middle east China tracked by geostationary satellite and precipitation estimates
Hashiguchi et al. Precipitation microstructure in different Madden–Julian Oscillation phases over Sumatra
KR20120125900A (ko) 이중편파 레이더를 이용한 기상 및 비기상 에코 분류 방법
Sandford et al. The potential use of the linear depolarization ratio to distinguish between convective and stratiform rainfall to improve radar rain-rate estimates
Kalesse et al. Development and validation of a supervised machine learning radar Doppler spectra peak-finding algorithm
Min et al. Integrated System for Atmospheric Boundary Layer Height Estimation (ISABLE) using a ceilometer and microwave radiometer
Vendrasco et al. Potential use of the GLM for nowcasting and data assimilation
Sugier et al. Detection and removal of clutter and anaprop in radar data using a statistical scheme based on echo fluctuation
Muller et al. Investigation into clouds and precipitation over an urban area using micro rain radars, satellite remote sensing and fluorescence spectrophotometry
Rauber et al. Supercooled liquid water structure of a shallow orographic cloud system in southern Utah
Qi et al. Improving WSR-88D radar QPE for orographic precipitation using profiler observations
CN116381692A (zh) 一种基于x波段双偏振雷达的降水相态识别qpe算法
Chang et al. Radar anomalous propagation associated with foehn winds induced by Typhoon Krosa (2007)
Trömel et al. Climatology of the vertical profiles of polarimetric radar variables at X band in stratiform clouds
Zöbisch et al. Characteristics of deep moist convection over Germany in multi-source data
Zhao et al. Aircraft observation of fast initiation of mixed phase precipitation in convective cloud over the Tibetan Plateau
JPH07110379A (ja) 雷雲観測システム
Chao et al. Operational Evaluation of the Quantitative Precipitation Estimation by a CINRAD-SA Dual Polarization Radar System
Szturc et al. Data quality in the BALTRAD+ project
Perdana et al. Cloud Spectral Characteristics Prior To Convective Initiation Event Based on Himawari-8 Satellite Around Surabaya

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