CN116027333B - 一种微波测雨雷达立体扫描仰角参数生成方法 - Google Patents
一种微波测雨雷达立体扫描仰角参数生成方法 Download PDFInfo
- Publication number
- CN116027333B CN116027333B CN202310162848.3A CN202310162848A CN116027333B CN 116027333 B CN116027333 B CN 116027333B CN 202310162848 A CN202310162848 A CN 202310162848A CN 116027333 B CN116027333 B CN 116027333B
- Authority
- CN
- China
- Prior art keywords
- radar
- elevation angle
- elevation
- height
- scanning
- 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
Images
Classifications
-
- 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
Description
技术领域
本发明涉及水文、应急、雷达设备制造技术领域,具体为一种微波测雨雷达立体扫描仰角参数生成方法。
背景技术
微波测雨雷达通过微波探测近地面降雨,探测结果用于暴雨监测、山洪防治、城市内涝预警,在水文、应急和气象领域有着广泛的需求。微波测雨雷达的工作原理和硬件结构与气象领域的天气雷达类似,但用途不同。微波测雨雷达专注于定量降雨估计,其关注区域为云底到地表的大气边界层,垂直厚度范围约0到1km。气象领域的天气雷达不仅关注降水,还关注云、风、晴空湍流、甚至林火生物,用于暴雨、龙卷、冰雹、雷暴大风等强天气监测预报预警。为此,天气雷达的扫描区域为整个对流层,垂直厚度范围约0到20km。
由于扫描范围的不同,微波测雨雷达和天气雷达的立体扫描仰角参数必然不能完全相同。然而到目前为止,微波测雨雷达还没有专用的立体扫描仰角参数生成方法,只能借鉴沿用天气雷达的扫描仰角参数,使微波测雨雷达仍未发挥其应有的威力。为此,本发明基于微波测雨雷达的原理和特点,设计了一种方法,可根据用户需求和雷达参数,自动生成最优化的微波测雨雷达专用的立体扫描仰角参数。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种微波测雨雷达立体扫描仰角参数生成方法,可根据用户需求和雷达参数,自动生成最优化的微波测雨雷达专用的立体扫描仰角参数。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,提供了一种微波测雨雷达立体扫描(简称体扫)仰角参数生成方法,包括:
输入QPE高度(定量反演降雨的水平面高度)、雷达最高仰角、雷达最低仰角、雷达最大探测距离以及体扫仰角层数;
在垂直向上,逐仰角搜索离QPE高度最近的观测数据,记录数据的高度,将QPE高度水平面上所有点遍历过之后,通过计算均方根误差,所述均方根误差计算公式为,其中,RMSE为均方根误差,/>为水平面的格点数,/>为第i个格点的采样高度,/>为QPE高度,则均方根误差RMSE即为QPE高度的采样误差;
优选的,所述QPE高度是测雨雷达定量反演降雨的水平面高度,以雷达位置为原点,向上为正,取值范围为0-1km;
所述雷达最高仰角是雷达所能达到的最高俯仰角度,取值范围为0-90°;
所述雷达最低仰角是雷达所能达到的且不受地物影响的最低俯仰角度,取值范围为0-90°;
所述雷达最大探测距离是雷达所能达到的最远探测距离,由公式计算所得,其中,/>为雷达最大探测距离;/>为电磁波在真空中传播速度,为常数;/>为脉冲重复频率,即雷达每秒发射的电磁脉冲数,是雷达工作参数之一;
所述体扫仰角层数由体扫时间除以雷达天线转速所得。
优选的,所述体扫仰角参数的生成,具体包括:
第二方面,提供了一种微波测雨雷达立体扫描仰角参数生成设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行所述的一种微波测雨雷达立体扫描仰角参数生成方法。
第三方面,提供了一种存储有计算机程序的计算机可读存储介质,该程序被处理器执行时实现所述的一种微波测雨雷达立体扫描仰角参数生成方法。
(三)有益效果
本发明一种微波测雨雷达立体扫描仰角参数生成方法,能应用于微波测雨雷达,根据不同用户需求和雷达参数,动态生成最优化的立体扫描仰角参数,减小雷达的采样高度误差,提升雷达测雨能力,满足水文和应急领域的高精度面雨量测量要求。
附图说明
图1为本发明方法流程示意图;
图3为本发明实施例中计算QPE高度的采样误差的示意图。
具体实施方式
下面将结合本发明的附图,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,本领域普通技术人员在没有做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。
如图1所示,本发明实施例提供一种微波测雨雷达立体扫描仰角参数生成方法,包括:
输入QPE高度、雷达最高仰角、雷达最低仰角、雷达最大探测距离以及体扫仰角层数;
在垂直向上,逐仰角搜索离QPE高度最近的观测数据,记录数据的高度,将QPE高度水平面上所有点遍历过之后,通过计算均方根误差,所述均方根误差计算公式为,其中,RMSE为均方根误差,/>为水平面的格点数,/>为第i个格点的采样高度,/>为QPE高度,则均方根误差RMSE为QPE高度的采样误差;
其中微波测雨雷达的降雨观测和反演的基本原理是在云底和地表之间选定某一个高度的水平面,利用这个水平面的观测数据反演降水强度。这个高度也称为QPE高度,它取决于观测环境,一般选定在1km高度,由用户根据观测环境来微调。雷达采用球坐标的观测方式,加上地球曲率的影响,使得雷达一个仰角的PPI观测面是一个圆锥面,而不是一个水平面。因此,要获取QPE高度的水平面的观测数据,需要用多仰角立体扫描(简称体扫)来采样。体扫仰角参数由从小到大排列的一组俯仰角组成,对于微波测雨雷达来说,一个最优的体扫仰角参数应该具有最小的QPE高度采样误差。
本发明的思路是通过迭代,不断调整控制参数,寻找最小的QPE高度采样误差的体扫仰角参数,即得到最优体扫仰角参数。为了达到上述目的,技术方法流程如图1所示,输入五个雷达和用户参数,初始化三个控制参数,根据控制参数生成体扫仰角参数,计算QPE高度的采样误差,不断调整控制参数直至误差最小,最后输出最优体扫仰角参数。
在图1中,五个输入参数分别为1)QPE高度;2)雷达最高仰角;3)雷达最低仰角;4)雷达最大探测距离;5)体扫仰角层数。
1)QPE高度是测雨雷达反演降雨的标准高度层,以雷达位置为原点,向上为正,单位为km。QPE高度由用户根据观测环境指定,取值范围为0到1km。
2)雷达最高仰角是雷达所能达到的最高俯仰角度,是雷达的一个硬件指标,单位为度,范围为0到90度。
3)雷达最低仰角是雷达所能达到的且不受地物影响的最低俯仰角度,单位为度,范围为0到90度。该参数由用户根据观测环境指定。
4)雷达最大探测距离是雷达所能达到的最远探测距离,单位为km。雷达最大探测距离是雷达的一个工作指标,根据雷达脉冲重复频率计算而来。公式为:
5)体扫仰角层数是用户期望得到的仰角个数。层数由用户指定,取决于用户期望的体扫时间和雷达天线转速。体扫仰角层数可由期望的体扫时间(单位:分)除以天线转速(转/分)来估算。
3)权重,无单位,范围大于0且小于等于1。/>用于决定除/>和/>外的中间仰角的数值。体扫仰角参数是一个仰角向量/>,其中/>为用户输入的体扫仰角层数。/>等于体扫最低仰角/>,/>等于体扫最高仰角/>,/>由/>,/>和/>计算而出。如图2所述,/>的/>条射线在QPE高度上截出/>条线段,线段长度依次记为/>,/>,…,/>;/>,/>,…,/>为等比数列,相邻线段长度的关系为。计算/>的方法是,首先令/>且/>,求出以/>和/>为仰角的射线在QPE高度截出的线段长度,该长度即为等比数列/>,/>,…,/>的和。基于等比数列求和公式,利用权重/>分别求出/>,/>,…,/>的值。最后利用/>,/>,…,/>分别求出/>。
在图1中,计算QPE高度的采样误差的方法是在垂直向上,逐仰角搜索离QPE高度最近的观测数据,记录数据的高度。如图3所示,竖线代表到QPE高度的最小垂直距离,、/>和/>为到虚线(QPE高度)最近的三个数据高度。将QPE高度水平面上所有点遍历过之后,计算均方根误差RMSE,即采样误差,公式如下。
具体的,请参阅图1,输入五个参数,初始化后,通过循环迭代不断调整三个控制参数,达到采样误差最小,最终输出体扫仰角参数(一组从小到大排列的俯仰角值),请参阅图2,首先令且/>,求出以/>和/>为仰角的射线在QPE高度截出的线段长度,该长度即为等比数列/>,/>,…,/>的和。基于等比数列求和公式,利用权重/>分别求出/>,,…,/>的值。最后用/>,/>,…,/>分别求出/>;请参阅图3,在垂直向上,逐仰角搜索离QPE高度最近的观测数据,记录数据的高度;竖线代表到QPE高度的最小垂直距离,/>、/>和/>为到虚线(QPE高度)垂直距离最近的三个数据高度。
请参阅图1,本发明中迭代寻找最小误差的方法是通用的最优化方法,可选用“梯度下降”、“牛顿法”或“单纯形法”等。
本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行上述实施例中的一种微波测雨雷达立体扫描参数生成方法。
本发明实施例还提供了一种存储有计算机程序的计算机可读存储介质,该程序被处理器执行时实现上述实施例中的一种微波测雨雷达立体扫描参数生成方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (6)
1.一种微波测雨雷达立体扫描仰角参数生成方法,其特征在于,包括:
输入QPE高度、雷达最高仰角、雷达最低仰角、雷达最大探测距离以及体扫仰角层数;
在垂直向上,逐仰角搜索离QPE高度最近的观测数据,记录数据的高度,将QPE高度水平面上所有点遍历过之后,通过下方公式计算均方根误差,所述均方根误差计算公式为,其中,RMSE为均方根误差,/>为水平面的格点数,/>为第i个格点的采样高度,/>为QPE高度,则均方根误差RMSE即代表QPE高度的采样误差;
5.一种微波测雨雷达立体扫描仰角参数生成设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1-4中任意一项所述的一种微波测雨雷达立体扫描仰角参数生成方法。
6.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-4中任意一项所述的一种微波测雨雷达立体扫描仰角参数生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310162848.3A CN116027333B (zh) | 2023-02-24 | 2023-02-24 | 一种微波测雨雷达立体扫描仰角参数生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310162848.3A CN116027333B (zh) | 2023-02-24 | 2023-02-24 | 一种微波测雨雷达立体扫描仰角参数生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116027333A CN116027333A (zh) | 2023-04-28 |
CN116027333B true CN116027333B (zh) | 2023-06-23 |
Family
ID=86070773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310162848.3A Active CN116027333B (zh) | 2023-02-24 | 2023-02-24 | 一种微波测雨雷达立体扫描仰角参数生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116027333B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117214846B (zh) * | 2023-11-09 | 2024-01-30 | 成都远望科技有限责任公司 | 一种天气雷达近地面探测盲区范围的检测方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7880668B1 (en) * | 2008-12-08 | 2011-02-01 | Lockheed Martin Corproation | Automated radar elevation angle configuration |
CN104199020B (zh) * | 2014-08-25 | 2016-08-24 | 西安电子科技大学 | 基于多帧信息融合的米波阵列雷达目标仰角测量方法 |
CN104200110B (zh) * | 2014-09-10 | 2017-02-15 | 西安电子科技大学 | 基于去耦合的二维波束扫描测角方法 |
CN105759274B (zh) * | 2016-04-26 | 2017-12-08 | 南京信息工程大学 | 一种台风关注区雷达降水估测方法 |
CN108693534A (zh) * | 2018-03-27 | 2018-10-23 | 南京恩瑞特实业有限公司 | Nriet x 波段雷达协同组网分析方法 |
CN108761408B (zh) * | 2018-06-24 | 2023-05-23 | 中国气象局上海台风研究所(上海市气象科学研究所) | 一种评估地基天气雷达非降水回波识别算法效果的方法 |
WO2020208896A1 (ja) * | 2019-04-08 | 2020-10-15 | 三菱電機株式会社 | 風計測ライダ装置 |
CN111190178A (zh) * | 2019-10-09 | 2020-05-22 | 北京理工大学 | 一种相频扫三坐标雷达的多波束顺序比幅测高方法 |
-
2023
- 2023-02-24 CN CN202310162848.3A patent/CN116027333B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116027333A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A real-time algorithm for the correction of brightband effects in radar-derived QPE | |
Sun et al. | Real-time low-level wind and temperature analysis using single WSR-88D data | |
Gao et al. | A real-time weather-adaptive 3DVAR analysis system for severe weather detections and warnings | |
Yussouf et al. | Impact of phased-array radar observations over a short assimilation period: Observing system simulation experiments using an ensemble Kalman filter | |
Thurai et al. | Drop shapes, model comparisons, and calculations of polarimetric radar parameters in rain | |
Dowell et al. | Wind and temperature retrievals in the 17 May 1981 Arcadia, Oklahoma, supercell: Ensemble Kalman filter experiments | |
Otsuka et al. | Precipitation nowcasting with three-dimensional space–time extrapolation of dense and frequent phased-array weather radar observations | |
Fang et al. | Spectrum width measured by WSR-88D: Error sources and statistics of various weather phenomena | |
Lakshmanan et al. | An improved method for estimating radar echo-top height | |
Potvin et al. | Impact of a vertical vorticity constraint in variational dual-Doppler wind analysis: Tests with real and simulated supercell data | |
Penide et al. | Comparison of two convective/stratiform precipitation classification techniques: Radar reflectivity texture versus drop size distribution–based approach | |
Kosiba et al. | Finescale dual-Doppler analysis of hurricane boundary layer structures in Hurricane Frances (2004) at landfall | |
Bringi et al. | Estimation of spatial correlation of drop size distribution parameters and rain rate using NASA’s S-band polarimetric radar and 2D video disdrometer network: Two case studies from MC3E | |
WO2018168165A1 (ja) | 気象予測装置、気象予測方法、およびプログラム | |
CN116027333B (zh) | 一种微波测雨雷达立体扫描仰角参数生成方法 | |
Chang et al. | An application of reflectivity climatology in constructing radar hybrid scans over complex terrain | |
Brown et al. | Improved WSR-88D scanning strategies for convective storms | |
Lim et al. | A velocity dealiasing technique using rapidly updated analysis from a four-dimensional variational Doppler radar data assimilation system | |
He et al. | Applications of a velocity dealiasing scheme to data from the China new generation weather radar system (CINRAD) | |
Beaucage et al. | Synthetic aperture radar satellite data for offshore wind assessment: A strategic sampling approach | |
Liou et al. | Thermodynamic recovery of the pressure and temperature fields over complex terrain using wind fields derived by multiple-Doppler radar synthesis | |
Park et al. | Retrieval of high-resolution wind fields over the southern Korean Peninsula using the Doppler weather radar network | |
Shimizu et al. | Assimilation impact of high‐temporal‐resolution volume scans on quantitative precipitation forecasts in a severe storm: Evidence from nudging data assimilation experiments with a thermodynamic retrieval method | |
Liang et al. | An IVAP-based dealiasing method for radar velocity data quality control | |
Krupar et al. | A comparison of ASOS near-surface winds and WSR-88D-derived wind speed profiles measured in landfalling tropical cyclones |
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 |