CN116482644B - 一种海雾识别方法 - Google Patents
一种海雾识别方法 Download PDFInfo
- Publication number
- CN116482644B CN116482644B CN202310747773.5A CN202310747773A CN116482644B CN 116482644 B CN116482644 B CN 116482644B CN 202310747773 A CN202310747773 A CN 202310747773A CN 116482644 B CN116482644 B CN 116482644B
- Authority
- CN
- China
- Prior art keywords
- echo
- sea fog
- average
- reflectivity
- cloud
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000002592 echocardiography Methods 0.000 claims abstract description 31
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 238000002310 reflectometry Methods 0.000 claims description 65
- 238000010586 diagram Methods 0.000 claims description 14
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000003908 quality control method Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects 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
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01S7/41—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
-
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种海雾识别方法，涉及气象雷达技术领域，包括：步骤S1：对大量样本进行统计分析，获得不同类型回波各个特征量的特点；步骤S2：使云雷达分别进行RHI扫描和RPI扫描；步骤S3：根据RHI扫描结果计算回波各个特征量，并基于不同类型回波各个特征量的特点，进行回波类型判断；步骤S4：对RPI扫描结果，进行区域划分，并结合步骤S3中的判断结果，判定各个区域的回波类型；本发明，在经过大量数据统计分析的基础上，利用组合的判断逻辑以及部分图像处理方法，来对云，降雨，海雾，杂波做区分，准确得到海雾识别的回波。
Description
技术领域
本发明涉及气象雷达技术领域，具体涉及一种海雾识别方法。
背景技术
本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
长期以来，海雾观测主要基于沿岸的自动气象观测站和少数的海岛、浮标观测站的数据，很难准确观测海雾的分布范围和内部结构特征；随着我国气象和海洋事业现代化建设的发展，大气探测设备的更新换代及卫星遥感的发展，大大提高了海雾观测效率，并对海雾的内部结构有了一定认知。
卫星遥感观测海雾受到其空间分辨率和云层的影响，同时夜间观测效果不佳；近年来，有学者尝试使用波长较短的云雷达对海雾进行监测；云雷达波长较短，对云雾粒子灵敏度高，且有较强的穿透能力，利用云雷达进行海雾观测应运而生；且云雷达具有较高的时间分辨率和空间分辨率，能够实时获取高质量的海雾观测数据。
而利用云雷达做海雾观测仍然存在以下的问题：一是海边的环境比较复杂，部分弱回波容易被误识别；二是海面存在船只航行，容易被雾识别为海雾回波；三是海岸线存在海浪，海雾靠近地面，海浪回波面积比较大，且和海雾回波同样靠近地面。
发明内容
本发明的目的在于：针对现有技术中存在的问题，提供了一种海雾识别方法，对海雾的回波做数据统计和分析，在经过大量数据统计分析的基础上，利用组合的判断逻辑以及部分图像处理方法，来对云，降雨雾，杂波做区分，准确得到海雾识别的回波，解决了上述问题。
本发明的技术方案如下：
一种海雾识别方法，包括：
步骤S1：对大量样本进行统计分析，获得不同类型回波各个特征量的特点；
步骤S2：使云雷达分别进行RHI扫描和RPI扫描；
步骤S3：根据RHI扫描结果计算回波各个特征量，并基于不同类型回波各个特征量的特点，进行回波类型判断；
步骤S4：对RPI扫描结果，进行区域划分，并结合步骤S3中的判断结果，判定各个区域的回波类型。
进一步地，所述不同类型，包括：
杂波、海雾、云、降雨。
进一步地，所述各个特征量，包括：
平均反射率、有效回波径向数、平均云顶、平均相关系数；
所述不同类型回波各个特征量的特点为不同类型回波各个特征量的阈值。
进一步地，所述步骤S3，包括：
步骤S31：去除云雷达RHI扫描后生成回波图中的干扰回波；
步骤S32：找到去除后的回波图中连通域区域面积最大的回波；
步骤S33：对回波面积点内的区域，计算各个特征量；
步骤S34：基于计算得到的各个特征量，根据不同类型回波各个特征量的阈值，判断回波类型。
进一步地，所述步骤S31，包括：
对回波图分别做膨胀和腐蚀处理，去掉回波图上的干扰回波。
进一步地，所述不同类型回波各个特征量的阈值，包括：
杂波：平均反射率＜-25dBz，有效回波径向数＜60，平均云顶＜700m；
海雾：平均反射率在-25~10dBz，有效回波径向数60~300，平均云顶＜700m；
云：平均反射率在-20~10dBz，有效回波径向数60~300，平均云顶700~5000m；
降雨：平均反射率在0~40dBz，有效回波径向数＞100，平均云顶＞1000；
平均相关系数：0.8。
进一步地，所述步骤S34，包括：
若计算得到的有效回波径向数＜60，则判定为杂波；
若计算得到的有效回波径向数＞60，则判断平均云顶，若计算得到的平均云顶＞700m，则判断平均反射率，若计算得到的平均反射率＞-10dBz，则判断为降雨，若计算得到的平均反射率＜-10dBz，则判断为云；
若计算得到的平均云顶≤700m，则判定平均相关系数，若平均相关系数＞0.8，则判定为降雨，否则判定为海雾。
进一步地，所述步骤S4，包括：
步骤S41：把云雷达RPI扫描后生成回波图，按照面积划分为各个连通域区域；
步骤S42：根据预设的距离阈值，将距离阈值之外的连通域区域剔除；
步骤S43：对经步骤S42剔除后的各个连通域区域的区域点数做统计，根据预设的区域点数阈值，将小于区域点数阈值的连通域区域剔除；
步骤S44：统计经步骤S43剔除后的各个连通域区域内的平均反射率和反射率均方差，根据预设的平均反射率阈值和反射率均方差阈值，将同时大于平均反射率阈值和反射率均方差阈值的连通域区域剔除；
步骤S45：对经步骤S44剔除后的连通域区域内的回波做质量控制，根据预设的反射率区间，将反射率区间内的回波剔除；
步骤S46：对经步骤S45剔除后的回波进行填充，去除空洞；
步骤S47：利用步骤S3中的判断结果，辅助在步骤S46填充后的回波中识别出海雾。
进一步地，所述距离阈值为20km；
所述区域点数阈值为在晴空时，统计到的对海面做扫描的区域点数；
所述平均反射率阈值为-10dB，反射率均方差阈值为1.5dB；
所述反射率区间为-40~-15dBz；
所述填充，包括：
找到空洞点位置所在区域，利用距离空洞点最近的且有值的点进行补充；
所述步骤S47，包括：
若步骤S3中的判断结果为海雾，则在回波中识别出海雾；
若步骤S3中的判断结果不是海雾，则判断回波中无海雾。
进一步地，所述步骤S2，包括：
使云雷达分别进行至少两种不同角度的RHI扫描；
使云雷达进行RPI扫描；
所述步骤S47，包括：
若步骤S3中在任一角度下的判断结果为海雾，则在回波中识别出海雾，反之判断回波中无海雾。
与现有的技术相比本发明的有益效果是：
一种海雾识别方法，对海雾的回波做数据统计和分析，在经过大量数据统计分析的基础上，利用组合的判断逻辑以及部分图像处理方法，来对云，降雨，海雾，杂波做区分，准确得到海雾识别的回波。
附图说明
图1为一种海雾识别方法的流程图；
图2为RHI扫描模式下海雾识别流程图；
图3为图像处理前和处理后的对比图；
图4为RPI连通域分块示意图；
图5为RPI扫描模式下海雾识别流程图；
图6为杂波通过海雾识别后的结果对比图；
图7为海雾回波通过海雾识别后的结果对比图；
图8为降雨回波通过海雾识别后的结果对比图。
具体实施方式
需要说明的是，术语“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。
下面结合实施例对本发明的特征和性能作进一步的详细描述。
实施例一
请参阅图1，一种海雾识别方法，具体包括：
步骤S1：对大量样本进行统计分析，获得不同类型回波各个特征量的特点；
步骤S2：使云雷达分别进行RHI扫描和RPI扫描；由于海雾从历史经验上来看，海雾回波顶部的高度普遍在700m之下，RHI扫描可以获得海雾的垂直结构信息，因此可以用RHI扫描的回波图来对当前天气条件下，是否为海雾做识别；由于海雾的识别流程上，RPI扫描虽然是对着海面上做扫描，但是海面上仍然存在类似于船只，降雨，地物等回波，所以需要对RPI扫描的回波图做非雾区域的剔除；
需要说明的是，RHI扫描全称为“俯仰扇形扫描”，是指云雷达固定水平角度，只在俯仰角度做扫描的一种扫描方式；RPI扫描全称为“方位扇形扫描”，是指云雷达固定俯仰角度，只在水平角度范围内做扫描的一种扫描方式；具体的，所述步骤S2，包括：
使云雷达分别进行至少两种不同角度的RHI扫描；优选地，使云雷达进行RHI扫描45°和RHI扫描120°；其中45°和120°的设置是根据各地的地理环境来设置，保证能够在较大的水平角度差上获取云雷达海面上的垂直高度信息；
使云雷达进行RPI扫描；
步骤S3：根据RHI扫描结果计算回波各个特征量，并基于不同类型回波各个特征量的特点，进行回波类型判断；
步骤S4：对RPI扫描结果，进行区域划分，并结合步骤S3中的判断结果，判定各个区域的回波类型。
在本实施例中，具体的，所述不同类型，包括：
杂波、海雾、云、降雨；
所述各个特征量，包括：
平均反射率、有效回波径向数、平均云顶、平均相关系数；
所述不同类型回波各个特征量的特点为不同类型回波各个特征量的阈值；
需要说明的是，有效回波径向数是指在直角坐标下的反射率因子回波，从云雷达起始位置到云雷达回波观测到回波的无效位置处，在高度廓线上有回波的总条数；
平均云顶是指在识别到有效回波径向的基础上，统计各条径向上的出云位置(雾顶位置)，再统计各个雾顶位置的平均值，单位为m；
平均反射率是指RHI扫描的回波中各个有效回波点的反射率因子做平均，单位为dBz；
平均相关系数RHV是指雷达基数据中的相关系数做平均。
在本实施例中，具体的，请参阅图2，所述步骤S3，包括：
步骤S31：去除云雷达RHI扫描后生成回波图中的干扰回波；
步骤S32：找到去除后的回波图中连通域区域面积最大的回波；
步骤S33：对回波面积点内的区域，计算各个特征量；
步骤S34：基于计算得到的各个特征量，根据不同类型回波各个特征量的阈值，判断回波类型。
在本实施例中，具体的，所述步骤S31，包括：
对回波图分别做膨胀和腐蚀处理，去掉回波图上的干扰回波；需要说明的是，所述膨胀和腐蚀处理，包括：去掉面积小于20的原始图像，采用3X3的形态学单元，对原始图像做膨胀操作，然后采用3X3的形态学单元做腐蚀，操作后，选取连通域区域最大值的区域作为最终的输出；处理前后的结果如图3所示。
在本实施例中，具体的，所述不同类型回波各个特征量的阈值如下表：
表1 四种回波在RHI扫描上的区分表
所述不同类型回波各个特征量的阈值，具体包括：
杂波：平均反射率＜-25dBz，有效回波径向数＜60，平均云顶＜700m；
海雾：平均反射率在-25~10dBz，有效回波径向数60~300，平均云顶＜700m；
云：平均反射率在-20~10dBz，有效回波径向数60~300，平均云顶700~5000m；
降雨：平均反射率在0~40dBz，有效回波径向数＞100，平均云顶＞1000；
根据统计分析，海雾回波的平均相关系数要比降雨回波更低，算法中使用的参数为0.8的判别阈值，即平均相关系数取0.8。
在本实施例中，具体的，所述步骤S34，包括：
若计算得到的有效回波径向数＜60，则判定为杂波；
若计算得到的有效回波径向数＞60，则判断平均云顶，若计算得到的平均云顶＞700m，则判断平均反射率，若计算得到的平均反射率＞-10dBz，则判断为降雨，若计算得到的平均反射率＜-10dBz，则判断为云；
若计算得到的平均云顶≤700m，则判定平均相关系数，若平均相关系数＞0.8，则判定为降雨，否则判定为海雾。
在本实施例中，具体的，请参阅图5，所述步骤S4，包括：
步骤S41：把云雷达RPI扫描后生成回波图，按照面积划分为各个连通域区域；需要说明的是，按照面积划分是指在图像处理的领域里，把回波图按照连通域分割成不同的回波区域，对回波区域的数据再单独做处理；划分结果如图4示例，其中，采用回波区域划分是为了对地物杂波、小面回波(船只)、海浪回波等区域做后续的识别准备；如图4所示标识的1，2，3的小面积回波在后续的处理中会被滤除掉；
步骤S42：根据预设的距离阈值，将距离阈值之外的连通域区域剔除；需要说明的是，面积回波的区域，根据海雾回波的统计特征，反射率一般在-30~-10dBz之间，而受制于云雷达的最小探测威力和探测衰减，一般不会出现在>20km，对于这块区域的回波给予舍弃；因此，优选地，所述距离阈值为20km，即将20km之外的连通域区域剔除，剔除区域回波较强，可能为降雨或者云回波；
步骤S43：对经步骤S42剔除后的各个连通域区域的区域点数做统计，根据预设的区域点数阈值，将小于区域点数阈值的连通域区域剔除；需要说明的是，区域点数是指在RPI扫描上，基于单个连通域区域回波的面积点数，根据统计规律，晴空时识别的有效面积点数要远远低于海雾的有效面积，通过面积点数的阈值判断，可以去除面积较小的区域；优选地，所述区域点数阈值为在晴空时，统计到的对海面做扫描的区域点数；即由于各地海雾港口的地物真实情况不一致，所以需要在晴天时，统计对海面做扫描的区域点数有多少，一般小于这个区域点数时晴空的可能性比较高；
步骤S44：统计经步骤S43剔除后的各个连通域区域内的平均反射率和反射率均方差，根据预设的平均反射率阈值和反射率均方差阈值，将同时大于平均反射率阈值和反射率均方差阈值的连通域区域剔除；平均反射率和RHI扫描概念相似，是指扫描区域内的平均反射率和标准差，区分降雨回波和海雾回波，根据统计规律，海雾的平均反射率在-30~-20dBz之间，降雨的反射率高于-5dBz，标准差海雾回波在5dBz以下，降雨回波在5dBz以上；优选地，所述平均反射率阈值为-10dB，反射率均方差阈值为1.5dB；即海雾的特征是区域内反射率分布比较均匀，因此计算各个联通域面积内的平均反射率和反射率均方差，如果平均反射率>-10dB，同时反射率均方差>1.5dB，则该区域可能为降雨。
步骤S45：对经步骤S44剔除后的连通域区域内的回波做质量控制，根据预设的反射率区间，将反射率区间内的回波剔除；优选地，海雾回波的反射率的分布普遍在（-40~-15dBz）之间，因此，所述反射率区间设为：-40~-15dBz；
步骤S46：对经步骤S45剔除后的回波进行填充，去除空洞；需要说明的是，海雾回波区域周围一般比较均匀，云雷达可能存在观测到某个距离库或者几个距离库判定灵敏度不够而导致出现空洞的情况，同时，在0速度线附近，由于去地物干扰后也容易出现空洞现象；因此可利用回波周围的值对空洞区域计算的平均值做补充，可以使雾回波更加完整；即找到空洞点位置所在区域，利用距离空洞点最近的且有值的点进行补充；
步骤S47：利用步骤S3中的判断结果，辅助在步骤S46填充后的回波中识别出海雾；即最后的结果就是剔除掉非海雾区域后的回波。
在本实施例中，具体的，基于单次RHI扫描，所述步骤S47，包括：
若步骤S3中的判断结果为海雾，则在回波中识别出海雾；
若步骤S3中的判断结果不是海雾，则判断回波中无海雾。
基于多次RHI扫描，所述步骤S47，包括：
若步骤S3中在任一角度下的判断结果为海雾，则在回波中识别出海雾，反之判断回波中无海雾。
具体的，在本实施例中，基于RHI扫描45°和RHI扫描120°，其判别识别如表2。
表2 RHI识别结果对RPI扫描的辅助判断
需要说明的是，最终的扫描结果展示如图6、图7、图8所示。
在图6中，左为地物杂波，右为海雾识别结果；
在图7中，左为海雾回波，右为海雾识别结果；
在图8中，左为降雨回波，右为海雾识别结果。
以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。
提供本背景技术部分是为了大体上呈现本发明的上下文，当前所署名的发明人的工作、在本背景技术部分中所描述的程度上的工作以及本部分描述在申请时尚不构成现有技术的方面，既非明示地也非暗示地被承认是本发明的现有技术。
Claims (8)
1.一种海雾识别方法，其特征在于，包括：
步骤S1：对大量样本进行统计分析，获得不同类型回波各个特征量的特点；
步骤S2：使云雷达分别进行RHI扫描和RPI扫描；
步骤S3：根据RHI扫描结果计算回波各个特征量，并基于不同类型回波各个特征量的特点，进行回波类型判断；
步骤S4：对RPI扫描结果，进行区域划分，并结合步骤S3中的判断结果，判定各个区域的回波类型；
所述不同类型，包括：
杂波、海雾、云、降雨；
所述步骤S4，包括：
步骤S41：把云雷达RPI扫描后生成的回波图，按照面积划分为各个连通域区域；
步骤S42：根据预设的距离阈值，将距离阈值之外的连通域区域剔除；
步骤S43：对经步骤S42剔除后的各个连通域区域的区域点数做统计，根据预设的区域点数阈值，将小于区域点数阈值的连通域区域剔除；
步骤S44：统计经步骤S43剔除后的各个连通域区域内的平均反射率和反射率均方差，根据预设的平均反射率阈值和反射率均方差阈值，将同时大于平均反射率阈值和反射率均方差阈值的连通域区域剔除；
步骤S45：对经步骤S44剔除后的连通域区域内的回波做质量控制，根据预设的反射率区间，将反射率区间内的回波剔除；
步骤S46：对经步骤S45剔除后的回波进行填充，去除空洞；
步骤S47：利用步骤S3中的判断结果，辅助在步骤S46填充后的回波中识别出海雾。
2.根据权利要求1所述的一种海雾识别方法，其特征在于，所述各个特征量，包括：
平均反射率、有效回波径向数、平均云顶、平均相关系数；
所述不同类型回波各个特征量的特点为不同类型回波各个特征量的阈值。
3.根据权利要求2所述的一种海雾识别方法，其特征在于，所述步骤S3，包括：
步骤S31：去除云雷达RHI扫描后生成回波图中的干扰回波；
步骤S32：找到去除干扰回波后的回波图中连通域区域面积最大的回波；
步骤S33：对回波面积点内的区域，计算各个特征量；
步骤S34：基于计算得到的各个特征量，根据不同类型回波各个特征量的阈值，判断回波类型。
4.根据权利要求3所述的一种海雾识别方法，其特征在于，所述步骤S31，包括：
对回波图分别做膨胀和腐蚀处理，去掉回波图上的干扰回波。
5.根据权利要求3所述的一种海雾识别方法，其特征在于，所述不同类型回波各个特征量的阈值，包括：
杂波：平均反射率＜-25dBz，有效回波径向数＜60，平均云顶＜700m；
海雾：平均反射率在-25~10dBz，有效回波径向数60~300，平均云顶＜700m；
云：平均反射率在-20~10dBz，有效回波径向数60~300，平均云顶700~5000m；
降雨：平均反射率在0~40dBz，有效回波径向数＞100，平均云顶＞1000；
平均相关系数：0.8。
6.根据权利要求5所述的一种海雾识别方法，其特征在于，所述步骤S34，包括：
若计算得到的有效回波径向数＜60，则判定为杂波；
若计算得到的有效回波径向数＞60，则判断平均云顶，若计算得到的平均云顶＞700m，则判断平均反射率，若计算得到的平均反射率＞-10dBz，则判断为降雨，若计算得到的平均反射率＜-10dBz，则判断为云；
若计算得到的平均云顶≤700m，则判定平均相关系数，若平均相关系数＞0.8，则判定为降雨，否则判定为海雾。
7.根据权利要求1所述的一种海雾识别方法，其特征在于，所述距离阈值为20km；
所述区域点数阈值为在晴空时，统计到的对海面做扫描的区域点数；
所述平均反射率阈值为-10dB，反射率均方差阈值为1.5dB；
所述反射率区间为-40~-15dBz；
所述填充，包括：
找到空洞点位置所在区域，利用距离空洞点最近的且有值的点进行补充；
所述步骤S47，包括：
若步骤S3中的判断结果为海雾，则在回波中识别出海雾；
若步骤S3中的判断结果不是海雾，则判断回波中无海雾。
8.根据权利要求7所述的一种海雾识别方法，其特征在于，所述步骤S2，包括：
使云雷达分别进行至少两种不同角度的RHI扫描；
使云雷达进行RPI扫描；
所述步骤S47，包括：
若步骤S3中在任一角度下的判断结果为海雾，则在回波中识别出海雾，反之判断回波中无海雾。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310747773.5A CN116482644B (zh) | 2023-06-25 | 2023-06-25 | 一种海雾识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310747773.5A CN116482644B (zh) | 2023-06-25 | 2023-06-25 | 一种海雾识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116482644A CN116482644A (zh) | 2023-07-25 |
| CN116482644B true CN116482644B (zh) | 2023-08-29 |
Family
ID=87221785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310747773.5A Active CN116482644B (zh) | 2023-06-25 | 2023-06-25 | 一种海雾识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116482644B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116819490B (zh) * | 2023-08-31 | 2023-11-17 | 成都远望科技有限责任公司 | 基于云雷达与激光雷达的云与气溶胶分类的方法 |
| CN117541939B (zh) * | 2024-01-09 | 2024-04-26 | 江西省气象台(江西省环境气象预报中心) | 一种山区大雾识别方法、系统及计算机设备 |
| CN117991198B (zh) * | 2024-04-07 | 2024-06-11 | 成都远望科技有限责任公司 | 一种单发双收顶扫云雷达同频干扰识别方法及装置 |
| CN118033548B (zh) * | 2024-04-12 | 2024-06-18 | 成都远望科技有限责任公司 | 一种双发双收顶扫云雷达同频干扰识别方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002236174A (ja) * | 2001-02-07 | 2002-08-23 | Mitsubishi Electric Corp | 霧観測装置及び霧観測方法 |
| KR20160019788A (ko) * | 2014-08-12 | 2016-02-22 | 부산대학교 산학협력단 | 가우시안 혼합모델을 이용한 위성 해무 탐지 시스템, 그리고 가우시안 혼합모델에 기초한 ｕｌ 안개탐지 방법 |
| CN105487076A (zh) * | 2016-01-06 | 2016-04-13 | 北京无线电测量研究所 | 一种毫米波云雷达大雾能见度反演方法及系统 |
| CN106772385A (zh) * | 2016-11-28 | 2017-05-31 | 北京无线电测量研究所 | 一种基于毫米波雷达的港口航道海雾探测方法及系统 |
| CN113504525A (zh) * | 2021-08-16 | 2021-10-15 | 中国气象局气象探测中心 | 一种雾区能见度反演方法及系统 |
| CN115526272A (zh) * | 2022-10-26 | 2022-12-27 | 成都锦江电子系统工程有限公司 | 基于多源资料融合的低云低能见度天气识别及反演方法 |
| CN115902901A (zh) * | 2022-09-15 | 2023-04-04 | 航天新气象科技有限公司 | 一种气象区域识别方法、装置及计算机设备 |
-
2023
- 2023-06-25 CN CN202310747773.5A patent/CN116482644B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002236174A (ja) * | 2001-02-07 | 2002-08-23 | Mitsubishi Electric Corp | 霧観測装置及び霧観測方法 |
| KR20160019788A (ko) * | 2014-08-12 | 2016-02-22 | 부산대학교 산학협력단 | 가우시안 혼합모델을 이용한 위성 해무 탐지 시스템, 그리고 가우시안 혼합모델에 기초한 ｕｌ 안개탐지 방법 |
| CN105487076A (zh) * | 2016-01-06 | 2016-04-13 | 北京无线电测量研究所 | 一种毫米波云雷达大雾能见度反演方法及系统 |
| CN106772385A (zh) * | 2016-11-28 | 2017-05-31 | 北京无线电测量研究所 | 一种基于毫米波雷达的港口航道海雾探测方法及系统 |
| CN113504525A (zh) * | 2021-08-16 | 2021-10-15 | 中国气象局气象探测中心 | 一种雾区能见度反演方法及系统 |
| CN115902901A (zh) * | 2022-09-15 | 2023-04-04 | 航天新气象科技有限公司 | 一种气象区域识别方法、装置及计算机设备 |
| CN115526272A (zh) * | 2022-10-26 | 2022-12-27 | 成都锦江电子系统工程有限公司 | 基于多源资料融合的低云低能见度天气识别及反演方法 |
Non-Patent Citations (1)
| Title |
|---|
| 毫米波雷达海雾回波特征分析及能见度反演;胡 树贞等;气象;第1270-1280页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116482644A (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116482644B (zh) | 一种海雾识别方法 | |
| KR102067242B1 (ko) | 인공위성 sar 영상기반 인공신경망을 이용한 오일 유출 탐지 방법 | |
| RU2472174C2 (ru) | Детектирование цели в изображаемом посредством sar морском районе | |
| CN107025654B (zh) | 基于全局迭代检查的sar图像自适应船只检测方法 | |
| CN108562913B (zh) | 一种基于三维激光雷达的无人艇假目标检测方法 | |
| CN110208806B (zh) | 一种航海雷达图像降雨识别方法 | |
| CN109471098B (zh) | 利用fod雷达相位相干性信息的机场跑道异物检测方法 | |
| Zhang et al. | P5. 4 WSR‐88D reflectivity quality control using horizontal and vertical reflectivity structure | |
| CN107942329B (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
| CN101915910B (zh) | 利用航海雷达识别海上溢油目标的方法及系统 | |
| CN108845300B (zh) | 一种场面监视雷达恒虚警处理方法 | |
| CN108229342A (zh) | 一种海面舰船目标自动检测方法 | |
| CN111337928B (zh) | 一种雷达回波移动信息计算方法和装置 | |
| CN109270501A (zh) | 一种用于全固态vts雷达的海杂波抑制方法 | |
| Wang et al. | An energy spectrum algorithm for wind direction retrieval from X-band marine radar image sequences | |
| CN106772385A (zh) | 一种基于毫米波雷达的港口航道海雾探测方法及系统 | |
| CN111142075B (zh) | 一种道面微小目标检测雷达杂波图自动更新方法 | |
| CN113344148A (zh) | 一种基于深度学习的海上舰船目标识别方法 | |
| CN111105419B (zh) | 一种基于极化sar图像的车辆船舶检测方法及装置 | |
| CN112101250A (zh) | 一种基于上下文语义感知的近岸舰船目标检测方法 | |
| CN111540007A (zh) | 一种利用sar图像估算油罐存储量的方法 | |
| Askari et al. | An automatic approach to ship detection in spaceborne synthetic aperture radar imagery: an assessment of ship detection capability using RADARSAT | |
| Haddad et al. | Identification and filtering of rainfall and ground radar echoes using textural features | |
| CN112799070B (zh) | 一种船用雷达雨雪杂波抑制算法 | |
| CN111624605A (zh) | 一种基于角度维回波特征的航海雷达目标检测方法 |
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 |