CN116068559B - 联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置 - Google Patents

联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置 Download PDF

Info

Publication number
CN116068559B
CN116068559B CN202211609727.0A CN202211609727A CN116068559B CN 116068559 B CN116068559 B CN 116068559B CN 202211609727 A CN202211609727 A CN 202211609727A CN 116068559 B CN116068559 B CN 116068559B
Authority
CN
China
Prior art keywords
space
dual
raindrop spectrum
networking
polarization radar
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
CN202211609727.0A
Other languages
English (en)
Other versions
CN116068559A (zh
Inventor
陈超
张阿思
梁健
梁巧倩
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.)
Meteorological Observatory Of Guangdong Province South China Sea Marine Meteorological Forecast Center Pearl River Basin Meteorological Observatory
Original Assignee
Meteorological Observatory Of Guangdong Province South China Sea Marine Meteorological Forecast Center Pearl River Basin Meteorological Observatory
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 Meteorological Observatory Of Guangdong Province South China Sea Marine Meteorological Forecast Center Pearl River Basin Meteorological Observatory filed Critical Meteorological Observatory Of Guangdong Province South China Sea Marine Meteorological Forecast Center Pearl River Basin Meteorological Observatory
Priority to CN202211609727.0A priority Critical patent/CN116068559B/zh
Publication of CN116068559A publication Critical patent/CN116068559A/zh
Application granted granted Critical
Publication of CN116068559B publication Critical patent/CN116068559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • 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
    • G01S7/418—Theoretical aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Ecology (AREA)
  • Mathematical Optimization (AREA)
  • Environmental Sciences (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Atmospheric Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Hydrology & Water Resources (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及联合雨滴谱以及组网双偏振雷达定量降水估测方法，包括以下：获取目标地区的雨滴谱数据以及CINRAD‑SA双偏振雷达数据，对CINRAD‑SA双偏振雷达数据进行预处理；根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果；根据时空分隔结果进行QPE基本关系式的拟合；基于所述拟合结果建立组网CINRAD‑SA双偏振雷达的QPE模型；基于组网CINRAD‑SA双偏振雷达的QPE模型对目标地区进行定量降水估测。本发明将雨滴谱数据进行时空分隔得到时空分隔结果，再联合雨滴谱以及组网双偏振雷达定量降水估测，能够解决现有技术中存在的由于降雨滴谱时空变化对组网双偏振雷达QPE精度影响较大的问题。

Description

联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置
技术领域
本发明涉及降水估测技术领域，尤其涉及联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置。
背景技术
现有的组网雷达定量降水估测(Quantitative Precipitation Estimation，后文简称QPE)技术可以分成两类：
(1)利用变分订正技术的动态Z-R关系法(R＝a×Zb，a、b为经验系数，Z为雷达反射率因子，和雷达观测值反射率ZH的关系为ZH＝10×log Z，R为降水率)。利用Z-R经验公式，把自动站实况资料基于变分技术订正至QPE格点场，而后基于最小二乘法重新拟合Z-R关系，用于下一个时次的QPE计算。
该方法存在的问题：①a、b系数为经验系数，影响QPE精度；②自动站实况有误或者传输不及时会导致a、b系数拟合异常，严重影响QPE精度。
(2)双偏振雷达多参数优化组合QPE技术。双偏振雷达不仅可以获得反射率ZH，还可以获取差分反射率因子ZDR、差分传播相移率KDP等。这些双偏振参数可反映出降水粒子的大小、形态等微物理信息，可提升QPE精度。双偏振雷达QPE主要有四种基本关系式：
R(ZH)＝a×Zb
其中a、b、c为系数，由雨滴谱资料拟合而来，不同时空系数会有一定区别。由于上述各关系式针对不同降水率时有不同的误差特征，如R(ZH)针对强降水估测偏弱、R(KDP)针对弱降水精度低等,目前双偏振雷达多基于上述四个公式的组合进行QPE，称为优化组合方法，如HCA-QPE、CSU-HIDRO和JPOLE均属于这类方法。
该方法存在的问题：由于优化组合方法中的基本关系式中的系数固定不变，而降雨滴谱随时空变化明显，因此该技术在大范围长时间QPE能力会下降。
现有的雷达QPE技术可以实现对大范围组网雷达的QPE工作，但由于自动站实况资料、降雨滴谱时空差异等原因，导致QPE精度低。
发明内容
本发明的目的是为了至少解决现有技术的不足之一，提供联合雨滴谱以及组网双偏振雷达定量降水估测方法。
为了实现上述目的，本发明采用以下的技术方案，
具体的，提出联合雨滴谱以及组网双偏振雷达定量降水估测方法，包括以下：
数据准备，即获取目标地区的雨滴谱数据以及CINRAD-SA双偏振雷达数据，对所述CINRAD-SA双偏振雷达数据进行预处理；
根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果；
根据时空分隔结果进行QPE基本关系式的拟合得到拟合结果；
基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型；
基于组网CINRAD-SA双偏振雷达的QPE模型对目标地区进行定量降水估测。
进一步，具体的，所述数据准备的过程包括，
对CINRAD-SA双偏振雷达数据的噪声订正、系统偏差订正的质控处理，以及多雷达的ZH、ZDR和KDP的偏振参数的二维网格化组网处理。
进一步，具体的，根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果，包括，
对所述雨滴谱数据进行质控处理得到质控后的雨滴谱数据；
基于质控后的雨滴谱数据结合T-Matrix技术进行参数反演得到反演结果；
根据反演结果，计算目标地区的降水率R，质量加权直径Dm的平均值和液态水含量LWC的逐日平均值，分析时间演变特征，完成时间分段；
分析目标地区的不同区域的雨滴谱特征差异，并基于所述雨滴谱特征差异实现空间分隔；
其中，空间分隔的过程包括，
获取目标区域内每个雨滴谱站点对流云的质量加权直径Dm以及标准化截距参数log10NW，
对于目标区域，预设阈值ΔDm和Δlog10NW，分别选中目标区域内不同地理环境条件的某一个雨滴谱站点作为起始站点，与目标区域内预设半径范围内相邻站点进行逐一对比，对比的方式为，计算起始站点与相邻站点之间的质量加权直径Dm的平均值以及标准化截距参数log10NW的平均值，若质量加权直径Dm的平均值以及标准化截距参数log10NW的平均值分别小于预设阈值ΔDm和Δlog10NW，则将两个雨滴谱站点及其所代表的区域划分为同一区域，以此类推，直至目标区域内完成空间分隔。
进一步，具体的，基于质控后的雨滴谱数据结合T-Matrix技术进行参数反演得到反演结果，包括，
进行数密度N(Di)的计算，
其中nij为第i个直径通道、第j个速度通道的雨滴数，Di(mm)是第i档的体积等直径，Ai(m2)为每一粒子档的有效采集面积，Δt(s)为采样时间间隔，Vj为第j速度等级对应的平均速度，ΔDi为对应速度通道的直径间隔，N(Di)(m-3mm-1)是指单空间体积、直径介于Di的单位区间内的雨滴数量；
进行雷达反射率因子Z(mm6 mm-3)、降水率R(mm h-1)以及液态水含量LWC的计算，
其中L为粒子直径等级数，Di是第i个尺寸等级的等效粒子直径，ΔDi是相应的直径间隔，Vi是下降末速度；
进行质量加权直径Dm的计算，
Dm＝M4/M3
其中，M表示雨滴谱的阶矩，雨滴谱分布的n阶矩用公式表示为：
Mn＝∫DnN(D)dD。
差分反射率因子(ZDR，dB)和差分传播相移(KDP，°km-1)的计算公式如下，
其中，λ表示雷达波长，fH(D)和fV(D)是具有等效直径D的雨滴在发射水平和垂直偏振波时的后向散射系数，Dmax和Dmin分别为雨滴的最大和最小直径；
基于求得的以上各个参数得到反演结果。
进一步，具体的，基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型包括：
对多部CINRAD-SA双偏振雷达基于垂直方向插值技术进行各参数组网，实现各参数的CAPPI；
根据所述时空分隔结果的空间分隔结果，将双偏振雷达组网结果进行空间划分；利用各区域各时段内的基本关系式基于双偏振雷达QPE优化组合技术，实现不同区域和时段的QPE过程。
本发明还提出基于雨滴谱以及组网双偏振雷达定量降水估测装置，包括：
数据获取模块，用于获取目标地区的雨滴谱数据以及CINRAD-SA双偏振雷达数据，对所述CINRAD-SA双偏振雷达数据进行预处理；
时空分隔模块，用于根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果；
QPE拟合模块，用于根据时空分隔结果进行QPE基本关系式的拟合得到拟合结果；
模型建立模块，用于基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型；
定量降水估测模块，用于基于组网CINRAD-SA双偏振雷达的QPE模型对目标地区进行定量降水估测。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以上中任一项所述联合雨滴谱以及组网双偏振雷达定量降水估测方法的步骤。
本发明的有益效果为：
本发明提出联合雨滴谱以及组网双偏振雷达定量降水估测方法，根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果；根据时空分隔结果进行QPE基本关系式的拟合得到拟合结果；基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型；基于组网CINRAD-SA双偏振雷达的QPE模型对目标地区进行定量降水估测，本发明将雨滴谱数据进行时空分隔得到目标地区的时空分隔结果，再联合雨滴谱以及组网双偏振雷达定量降水估测，能够解决现有技术中存在的由于降雨滴谱时空变化对组网双偏振雷达QPE精度影响较大的问题。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，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，在附图中：
图1所示为本发明联合雨滴谱以及组网双偏振雷达定量降水估测方法的流程图；
图2所示为本发明联合雨滴谱以及组网双偏振雷达定量降水估测方法的一个实施方式中Dm、R和LWC三个雨滴谱参数曲线示意图；
图3所示为本发明联合雨滴谱以及组网双偏振雷达定量降水估测方法的一个实施方式中雨滴谱站点的层云和对流云降雨平均Dm和log10Nw(含标准差)分布示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
结合图1，实施例1，本发明提出联合雨滴谱以及组网双偏振雷达定量降水估测方法，包括以下：
步骤110、数据准备，即获取目标地区的雨滴谱数据以及CINRAD-SA双偏振雷达数据，对所述CINRAD-SA双偏振雷达数据进行预处理；
步骤120、根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果；
步骤130、根据时空分隔结果进行QPE基本关系式的拟合得到拟合结果；
步骤140、基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型。
在本实施例1中，主要包括如下过程，
数据准备---利用雨滴谱资料进行时空分隔---QPE基本关系式的拟合---建立组网CINRAD-SA双偏振雷达QPE模型，
数据准备，不仅包括多年雨滴谱资料的数据质控和基于T-Matrix技术的参数反演，还包括CINRAD-SA双偏振雷达的数据噪声订正、系统偏差订正等质控处理及多雷达的ZH、ZDR和KDP等偏振参数的二维网格化组网处理；
利用雨滴谱资料进行时空分隔，该步骤主要是对多年雨滴谱资料进行统计分析，总结出不同时段和区域的雨滴谱特征差异；
QPE基本关系式的拟合，主要是在时空分隔基础上，针对不同时段不同区域基于分段拟合技术对双偏振雷达QPE基本关系式进行拟合；
建立组网CINRAD-SA双偏振雷达QPE模型，在实现时空分隔、双偏振雷达QPE基本关系式拟合和偏振参数组网基础上，实现基于时空分隔基础上的双偏振雷达多参数优化组合QPE技术。
通过以上过程的处理，能够克服现有技术中存在的由于降雨滴谱时空变化对组网双偏振雷达QPE精度影响较大的问题。
作为本发明的优选实施方式，具体的，所述数据准备的过程包括，
对CINRAD-SA双偏振雷达数据的噪声订正、系统偏差订正的质控处理，以及多雷达的ZH、ZDR和KDP的偏振参数的二维网格化组网处理。
作为本发明的优选实施方式，具体的，根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果，包括，
对所述雨滴谱数据进行质控处理得到质控后的雨滴谱数据；
基于质控后的雨滴谱数据结合T-Matrix技术进行参数反演得到反演结果；
根据反演结果，计算目标地区的降水率R，质量加权直径D m的平均值和液态水含量LWC的逐日平均值，分析时间演变特征，完成时间分段；
以广东为例，目标地区的降水率R，质量加权直径Dm的平均值和液态水含量LWC的逐日平均随时间分布结果如图2所示，
由图可见，10月上旬开始到翌年的3月初，滴谱参数特征表现一致性较好，即由于降雨减少，Dm、R和LWC平均值迅速减小，三条曲线出现不连续现象，Dm在0.75mm附近波动，R也从雨季快速下降，而后基本稳定在0.2-2.4mm h-1的范围内波动，LWC保持和R一致的趋势，在干季基本在0.04-0.15gm-3范围内波动，以上说明该时段内目标区域内有相同的雨滴谱特征，可划分为一个时段(10月5日至次年3月1日)。从3月上旬开始，广东降雨逐渐增多，Dm、R和LWC三个雨滴谱参数曲线呈连续分布状态，波动明显加大但有缓慢增长的趋势。从4月份开始到5月上旬，雨滴谱参数和3月份差别不大，该时段有相似的雨滴谱特征，可分为一个时段(3月1日至5月10日)。从5月中旬至10月初，Dm、R和LWC平均值快速增大，Dm在0.8-1.5mm范围内波动，R在1.4-7.7mm h-1范围内波动，LWC在0.1-0.33gm-3附近波动(5月10日至10月5日)。
结合图3，区域划分仍以广东为例，分析不同区域代表站的层云和对流云不同区域的Dm和log10NW，发现沿海和内陆有明显差异，中间区域和这二者有一定差异，因此可将目标区分成沿海、内陆及过渡区。
分析目标地区的不同区域的雨滴谱特征差异，并基于所述雨滴谱特征差异实现空间分隔；
其中，空间分隔的过程包括，
获取目标区域内每个雨滴谱站点对流云的质量加权直径Dm以及标准化截距参数log10Nw，
对于目标区域，预设阈值ΔDm和Δlog10NW，分别选中目标区域内不同地理环境条件的某一个雨滴谱站点作为起始站点，与目标区域内预设半径范围内相邻站点进行逐一对比，对比的方式为，计算起始站点与相邻站点之间的质量加权直径Dm的平均值以及标准化截距参数log10NW的平均值，若质量加权直径Dm的平均值以及标准化截距参数log10NW的平均值分别小于预设阈值ΔDm和Δlog10NW，则将两个雨滴谱站点及其所代表的区域划分为同一区域，以此类推，直至目标区域内完成空间分隔。
其中，阈值ΔDm和Δlog10NW在设置时，参考如下规律，如果对象区域雨滴谱特征差异较大可适当增大ΔDm和Δlog10NW，如果对象区域内雨滴谱差异相对较小，则可适当减小ΔDm和Δlog10NW。
作为本发明的优选实施方式，具体的，基于质控后的雨滴谱数据结合T-Matrix技术进行参数反演得到反演结果，包括，
进行数密度N(Di)的计算，
其中nij为第i个直径通道、第j个速度通道的雨滴数，Di(mm)是第i档的体积等直径，Ai(m2)为每一粒子档的有效采集面积，Δt(s)为采样时间间隔，Vj为第j速度等级对应的平均速度，ΔDi为对应速度通道的直径间隔，N(Di)(m-3mm-1)是指单空间体积、直径介于Di的单位区间内的雨滴数量；
进行雷达反射率因子Z(mm6 mm-3)、降水率R(mm h-1)以及液态水含量LWC的计算，
其中L为粒子直径等级数，Di是第i个尺寸等级的等效粒子直径，ΔDi是相应的直径间隔，Vi是下降末速度；
进行质量加权直径Dm的计算，
Dm＝M4/M3
其中，M表示雨滴谱的阶矩，雨滴谱分布的n阶矩用公式表示为：
Mn＝∫DnN(D)dD。
差分反射率因子(ZDR，dB)和差分传播相移(KDP，°km-1)的计算公式如下，
其中，λ表示雷达波长，fH(D)和fV(D)是具有等效直径D的雨滴在发射水平和垂直偏振波时的后向散射系数，Dmax和Dmin分别为雨滴的最大和最小直径。
双偏振雷达QPE优化组合方法中的R(ZH)、R(KDP)、R(ZH,ZDR)和R(KDP,ZDR)基本关系式的各系数，是利用雨滴谱反演的包括R、ZDR和KDP基于最小二乘法拟合而来。即R(ZH)、R(KDP)、R(ZH,ZDR)和R(KDP,ZDR)中的各参数必须是已知的，只有系数为未知，才能基于最小二乘法拟合获得a、b和c这些系数，对于雷达来说，R是未知的，也是QPE的目标结果，因此只能用雨滴谱观测结果计算获取包括R、ZH、ZDR和KDP这些参数后来拟合基本关系式才能进行双偏振雷达QPE。
具体的，基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型包括：
对多部CINRAD-SA双偏振雷达基于垂直方向插值技术进行各参数组网，实现各参数的CAPPI；
根据所述时空分隔结果的空间分隔结果，将双偏振雷达组网结果进行空间划分；
利用各区域各时段内的基本关系式基于双偏振雷达QPE优化组合技术，实现不同区域和时段的QPE过程。
然后，将这些拟合结果用于双偏振雷达的QPE工作中。由于划分的时间和区域是连续的，因此可实现全时域和全空间覆盖的CINRAD-SA双偏振雷达组网QPE结果。
本发明还提出基于雨滴谱以及组网双偏振雷达定量降水估测装置，包括：
数据获取模块，用于获取目标地区的雨滴谱数据以及CINRAD-SA双偏振雷达数据，对所述CINRAD-SA双偏振雷达数据进行预处理；
时空分隔模块，用于根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果；
QPE拟合模块，用于根据时空分隔结果进行QPE基本关系式的拟合得到拟合结果；
模型建立模块，用于基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型；
定量降水估测模块，用于基于组网CINRAD-SA双偏振雷达的QPE模型对目标地区进行定量降水估测。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现以上中任一项所述联合雨滴谱以及组网双偏振雷达定量降水估测方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例中的方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (6)

1.联合雨滴谱以及组网双偏振雷达定量降水估测方法，其特征在于，包括以下：
数据准备，即获取目标地区的雨滴谱数据以及CINRAD-SA双偏振雷达数据，对所述CINRAD-SA双偏振雷达数据进行预处理；
根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果；
根据时空分隔结果进行QPE基本关系式的拟合得到不同区域内各时段的拟合结果，所述基本关系式包括R(ZH)、R(KDP)、R(ZH,ZDR)以及R(KDP,ZDR)，
其中，ZH为反射率，ZDR为差分反射率因子、KDP为差分传播相移率；
基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型；
具体的，根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果，包括，
对所述雨滴谱数据进行质控处理得到质控后的雨滴谱数据；
基于质控后的雨滴谱数据结合T-Matrix技术进行参数反演得到反演结果；
根据反演结果，计算目标地区的降水率R，质量加权直径Dm的平均值和液态水含量LWC的逐日平均值，分析时间演变特征，完成时间分段；
分析目标地区的不同区域的雨滴谱特征差异，并基于所述雨滴谱特征差异实现空间分隔；
其中，空间分隔的过程包括，
获取目标区域内每个雨滴谱站点对流云的质量加权直径Dm以及标准化截距参数log10NW，
对于目标区域，预设阈值ΔDm和Δlog10NW，分别选中目标区域内不同地理环境条件的某一个雨滴谱站点作为起始站点，与目标区域内预设半径范围内相邻站点进行逐一对比，对比的方式为，计算起始站点与相邻站点之间的质量加权直径Dm的平均值以及标准化截距参数log10NW的平均值，若质量加权直径Dm的平均值以及标准化截距参数log10NW的平均值分别小于预设阈值ΔDm和Δlog10NW，则将两个雨滴谱站点及其所代表的区域划分为同一区域，以此类推，直至目标区域内完成空间分隔。
2.根据权利要求1所述的联合雨滴谱以及组网双偏振雷达定量降水估测方法，其特征在于，具体的，所述数据准备的过程包括，
对CINRAD-SA双偏振雷达数据的噪声订正、系统偏差订正的质控处理，以及多雷达的ZH、ZDR和KDP的偏振参数的二维网格化组网处理。
3.根据权利要求1所述的联合雨滴谱以及组网双偏振雷达定量降水估测方法，其特征在于，具体的，基于质控后的雨滴谱数据结合T-Matrix技术进行参数反演得到反演结果，包括，
进行数密度N(Di)的计算，
其中nij为第i个直径通道、第j个速度通道的雨滴数，Di是第i档的体积等直径，Di的单位为mm，Ai为每一粒子档的有效采集面积，Ai的单位为m2，Δt为采样时间间隔，Δt的单位为s，Vj为第j速度等级对应的平均速度，ΔDi为对应速度通道的直径间隔，N(Di)是指单空间体积、直径介于Di的单位区间内的雨滴数量，N(Di)的单位为m-3 mm-1；
进行雷达反射率因子Z、降水率R以及液态水含量LWC的计算，
其中L为粒子直径等级数，Di是第i个尺寸等级的等效粒子直径，ΔDi是相应的直径间隔，Vi是下降末速度，Z的单位为mm6 mm-3，R的单位为mm h-1；
进行质量加权直径Dm的计算，
Dm＝M4/M3
其中，M表示雨滴谱的阶矩，雨滴谱分布的n阶矩用公式表示为：
Mn＝∫DnN(D)dD，
分别计算差分反射率因子ZDR和差分传播相移KDP
其中，λ表示雷达波长，fH(D)和fV(D)是具有等效直径D的雨滴在发射水平和垂直偏振波时的后向散射系数，Dmax和Dmin分别为雨滴的最大和最小直径，ZDR的单位为dB，KDP的单位为°km-1；
基于求得的以上各个参数得到反演结果。
4.根据权利要求1所述的联合雨滴谱以及组网双偏振雷达定量降水估测方法，其特征在于，具体的，基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型包括：
对多部CINRAD-SA双偏振雷达基于垂直方向插值技术进行各参数组网，实现各参数的CAPPI；
根据所述时空分隔结果的空间分隔结果，将双偏振雷达组网结果进行空间划分；
利用各区域各时段内的基本关系式基于双偏振雷达QPE优化组合技术，实现不同区域和时段的QPE过程。
5.基于雨滴谱以及组网双偏振雷达定量降水估测装置，其特征在于，包括：
数据获取模块，用于获取目标地区的雨滴谱数据以及CINRAD-SA双偏振雷达数据，对所述CINRAD-SA双偏振雷达数据进行预处理；
时空分隔模块，用于根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果；
QPE拟合模块，用于根据时空分隔结果进行QPE基本关系式的拟合得到拟合结果；
模型建立模块，用于基于所述拟合结果建立组网CINRAD-SA双偏振雷达的QPE模型；
定量降水估测模块，用于基于组网CINRAD-SA双偏振雷达的QPE模型对目标地区进行定量降水估测；
具体的，根据雨滴谱数据进行时空分隔得到目标地区的时空分隔结果，包括，
对所述雨滴谱数据进行质控处理得到质控后的雨滴谱数据；
基于质控后的雨滴谱数据结合T-Matrix技术进行参数反演得到反演结果；
根据反演结果，计算目标地区的降水率R，质量加权直径Dm的平均值和液态水含量LWC的逐日平均值，分析时间演变特征，完成时间分段；
分析目标地区的不同区域的雨滴谱特征差异，并基于所述雨滴谱特征差异实现空间分隔；
其中，空间分隔的过程包括，
获取目标区域内每个雨滴谱站点对流云的质量加权直径Dm以及标准化截距参数log10NW，
对于目标区域，预设阈值ΔDm和Δlog10NW，分别选中目标区域内不同地理环境条件的某一个雨滴谱站点作为起始站点，与目标区域内预设半径范围内相邻站点进行逐一对比，对比的方式为，计算起始站点与相邻站点之间的质量加权直径Dm的平均值以及标准化截距参数log10NW的平均值，若质量加权直径Dm的平均值以及标准化截距参数log10NW的平均值分别小于预设阈值ΔDm和Δlog10NW，则将两个雨滴谱站点及其所代表的区域划分为同一区域，以此类推，直至目标区域内完成空间分隔。
6.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述方法的步骤。
CN202211609727.0A 2022-12-14 2022-12-14 联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置 Active CN116068559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211609727.0A CN116068559B (zh) 2022-12-14 2022-12-14 联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211609727.0A CN116068559B (zh) 2022-12-14 2022-12-14 联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置

Publications (2)

Publication Number Publication Date
CN116068559A CN116068559A (zh) 2023-05-05
CN116068559B true CN116068559B (zh) 2023-09-12

Family

ID=86172488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211609727.0A Active CN116068559B (zh) 2022-12-14 2022-12-14 联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置

Country Status (1)

Country Link
CN (1) CN116068559B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116626682B (zh) * 2023-05-24 2024-01-30 无锡智鸿达电子科技有限公司 多雷达组网的空间剖面转化方法、系统、介质及设备
CN118011358B (zh) * 2024-04-10 2024-06-14 中国科学院大气物理研究所 一种双波段雷达雨滴谱反演方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110082842A (zh) * 2019-05-24 2019-08-02 北京敏视达雷达有限公司 一种降水估测方法及装置
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
CN113177360A (zh) * 2021-05-06 2021-07-27 中国人民解放军国防科技大学 一种基于聚类雨衰关系的雨强自适应估计系统及方法
CN113791415A (zh) * 2021-09-15 2021-12-14 南京信息工程大学 一种基于深度学习的雷达定量降水估计方法
CN114415184A (zh) * 2022-03-29 2022-04-29 中国人民解放军国防科技大学 极化-多普勒气象雷达的降雨信号恢复方法及装置
US11333797B1 (en) * 2021-04-14 2022-05-17 China Institute Of Water Resources And Hydropower Research Method for estimating quantitative precipitation by combining observation data of weather radar and rain gauges

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102101436B1 (ko) * 2019-09-25 2020-04-16 대한민국 이중편파 기상레이더 기반의 우박 및 강우 영역별 강우 추정 장치 및 그 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110082842A (zh) * 2019-05-24 2019-08-02 北京敏视达雷达有限公司 一种降水估测方法及装置
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
US11333797B1 (en) * 2021-04-14 2022-05-17 China Institute Of Water Resources And Hydropower Research Method for estimating quantitative precipitation by combining observation data of weather radar and rain gauges
CN113177360A (zh) * 2021-05-06 2021-07-27 中国人民解放军国防科技大学 一种基于聚类雨衰关系的雨强自适应估计系统及方法
CN113791415A (zh) * 2021-09-15 2021-12-14 南京信息工程大学 一种基于深度学习的雷达定量降水估计方法
CN114415184A (zh) * 2022-03-29 2022-04-29 中国人民解放军国防科技大学 极化-多普勒气象雷达的降雨信号恢复方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于雷达组网拼图的定量降水反演I—动态Z-I关系法;纪永明 等;《气象与环境学报》;第34卷(第4期);18-25 *

Also Published As

Publication number Publication date
CN116068559A (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN116068559B (zh) 联合雨滴谱以及组网双偏振雷达定量降水估测方法及装置
CN110488393B (zh) X波段双偏振天气雷达定量测量降水方法及系统
CN110596787A (zh) 一种基于x波段全固态双偏振雨量雷达的降水估测方法
Chang et al. Characteristics of the raindrop size distribution and drop shape relation in typhoon systems in the western Pacific from the 2D video disdrometer and NCU C-band polarimetric radar
Goudenhoofdt et al. Generation and verification of rainfall estimates from 10-yr volumetric weather radar measurements
CN101349767A (zh) 高分辨率降水数据处理方法
Joe et al. Correction of dual PRF velocity errors for operational Doppler weather radars
CN107576963B (zh) 基于粒子滤波的双偏振雷达差分传播相移的估计方法
CN109001701B (zh) 基于双偏振参数特征库匹配的雷达动态定量估测降水方法
CN115308386B (zh) 一种基于cygnss卫星数据的土壤盐分反演方法和系统
CN113740934A (zh) 一种基于s波段双偏振天气雷达降水估测方法
CN113030905A (zh) 气溶胶激光雷达数据质控的方法及系统
CN118072178A (zh) 基于分类后百分比数据同化的玉米产量估算方法及系统
Oh et al. Estimation of the liquid water content and Z–LWC relationship using K a‐band cloud radar and a microwave radiometer
Sugier et al. Detection and removal of clutter and anaprop in radar data using a statistical scheme based on echo fluctuation
CN112859083A (zh) 一种面向资料同化的风廓线雷达风场资料质量控制方法
Pejcic et al. Polarimetric radar-based methods for evaluation of hydrometeor mixtures in numerical weather prediction models
Germann Spatial continuity of precipitation, profiles of radar reflectivity and precipitation measurements in the Alps
CN115586529B (zh) 基于比衰减的x波段双偏振相控阵雷达定量降水估测方法
CN116299475B (zh) 一种c波段双偏振天气雷达低仰角的观测方法
Mead Comparison of meteorological radar signal detectability with noncoherent and spectral-based processing
Shen et al. Development and preliminary validation of a land surface image assimilation system based on the common land model
CN117975293B (zh) 多云雾地区水稻种植区域提取方法
CN116430390B (zh) 一种面向资料同化的s波段双偏振雷达质量控制方法
CN114252480B (zh) 基于单极化sar数据邻域像素反演裸土区土壤湿度方法

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