CN116911082B - 基于降水雷达和同化资料的降水粒子质量和数量估算方法 - Google Patents
基于降水雷达和同化资料的降水粒子质量和数量估算方法 Download PDFInfo
- Publication number
- CN116911082B CN116911082B CN202311183761.0A CN202311183761A CN116911082B CN 116911082 B CN116911082 B CN 116911082B CN 202311183761 A CN202311183761 A CN 202311183761A CN 116911082 B CN116911082 B CN 116911082B
- Authority
- CN
- China
- Prior art keywords
- precipitation
- data
- radar
- simulation
- space
- 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
- 238000001556 precipitation Methods 0.000 title claims abstract description 128
- 239000002245 particle Substances 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 51
- 239000013598 vector Substances 0.000 claims abstract description 44
- 239000007787 solid Substances 0.000 claims abstract description 20
- 239000007788 liquid Substances 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000002310 reflectometry Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000010363 phase shift Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 239000013078 crystal Substances 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 238000005381 potential energy Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及基于降水雷达和同化资料的降水粒子质量和数量估算方法,属于大气探测技术领域,包括获取FNL数据,进行处理后得到时空数据集,计算多种不同类型降水的质量和数量,根据不同类型降水的粒子相态分成液态和固态两大类,计算出液态和固态类型降水粒子的总权重因子;得到仿真数据集,将仿真数据集和实测数据分别进行处理得到仿真向量和实测向量,分别计算出二者之间的马氏距离和相关系数,构建评价指标;将多种不同类型下降水粒子的质量和数量作为初始值,动态调整质量和数量,得到最大限度接近1的评价指标。本发明提出紧密距离相似度这一评价指标,其充分考虑两组向量的稀密和相似关系,能全面且公平的评价观测向量与仿真向量的偏差。
Description
技术领域
本发明涉及大气探测技术领域,尤其涉及基于降水雷达和同化资料的降水粒子质量和数量估算方法。
背景技术
降水信息的准确获取有利于保障人类活动的安全和社会经济发展的稳定,特别是对由降水空间的不均匀性所导致的自然灾害的预报与预警是十分重要的。同时,准确的降水信息也对大气、云物理及人工影响天气等领域的研究具有重要的作用。然而,实际降水中不同粒子种类、尺寸、数量和空间取向等存在明显的差异,这些微物理参数的准确估计是提高降水准确探测的关键。
目前,获取降水的微物理参数信息主要有两种方式,一种是直接探测,一种是遥感探测。直接探测主要有地面雨滴谱仪和机载探测,地面雨滴谱仪能够较为准确地测量地面有限点位上的降水信息,但由于仪器布设不均匀且数量有限,故其不能获取高空间分辨率的降水信息,且不能获取地面以上空间降水的微物理信息;而机载探测手段可以准确获取空中降水粒子的微物理参数,但受限于飞机观测频次和监测范围等的限制,导致其不能获取高时空分辨率的降水信息。遥感探测主要采用地面雷达和卫星主被动遥感等手段,地面雷达能够获取高时空分辨率降水信息,但监测范围有限;而卫星主被动遥感获取信息的时空分辨率不及雷达,但监测范围广。两者的共同点是这些遥感手段主要通过设计的反演算法来实现降水粒子种类、尺寸等微物理参数的估计,故反演结果在很大程度上取决于反演方法的先进性,且很多反演算法没有充分考虑大气背景场与降水粒子微物理特性之间的内在联系和约束效应,故单一采用某种探测手段难以准确且稳定地估算降水粒子的种类、质量和数量等信息。
需要说明的是,在上述背景技术部分公开的信息只用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于克服现有技术的缺点,提供了基于降水雷达和同化资料的降水粒子质量和数量估算方法,解决了现有方法存在的问题。
本发明的目的通过以下技术方案来实现:基于降水雷达和同化资料的降水粒子质量和数量估算方法,所述估算方法包括:
S1、获取地球数据同化系统的FNL数据,进行处理后得到时空数据集,并将时空数据集输入到区域大气建模系统中计算多种不同类型降水的质量和数量,根据不同类型降水的粒子相态分成液态和固态两大类,计算出液态和固态类型降水粒子的总权重因子;
S2、将得到的多种不同类型降水粒子的参数信息输入到云降水解析仿真系统中,并将雷达参数信息输入到雷达回波仿真系统中得到仿真数据集;
S3、将仿真数据集和实测数据分别进行处理得到仿真向量X1和实测向量X2,分别计算出二者之间的马氏距离和相关系数,并构建二者紧密距离相似度的评价指标;
S4、将多种不同类型下降水粒子的质量和数量作为初始值,根据设置的参数波动范围和调整步长动态调整质量和数量,在多重循环迭代的策略下最终得到最大限度接近1的评价指标,此时即可最优估算出多种类型降水粒子的质量和数量。
所述S1的步骤中进行处理后得到时空数据集具体包括:
根据待研究区域的经纬度范围和时间范围,对获取的FNL数据进行空间和时间裁剪;
对裁剪后的数据中所有类型的数据分别在时间和空间两种为维度上开展离散分布特征的统计,计算出每种类型数据中每个数据在时间维度和空间维度上的偏离度;
将时间维度和空间维度上的偏离度进行相乘,形成时空联合偏离度因子,并剔除异常联合偏离度因子对应的数据,最终生成均衡考虑了在时间和空间上连续性与正常波动性,且去除极值、异常值和突变值后的数据集。
所述离散分布特征的统计包括:将一组数据从小到大进行排序得到最小值、第10%的值、中位值、第90%的值、最大值,从而来反映数据分布的中心位置和散布范围。
所述时间维度和空间维度上的偏离度包括:对于随时间变化的数据序列或随空间变化的数据序列,根据待计算的数据在排序后序列中的位置以及偏离中位值的距离,分别计算出每个数据在时间和空间维度上偏离中位值的程度。
所述将时空数据集输入到区域大气建模系统中计算多种不同类型降水的质量和数量具体包括:
将生成的时空数据集输入到区域大气建模系统中,并将微物理参数化方案选择为二阶矩双重体模拟方案,域模型对象设置为三重单元无交互式,将三重域的水平网络分辨率数值从大到小依次设置为L1、L2和L3,运行区域大气建模系统计算出具有高时空分辨率的多种不同类型降水的质量Mi和数量Ni参数,i=0, 1, 2, ……, N,N表示降水类型的种类。
所述根据不同类型降水的粒子相态分成液态和固态两大类,计算出液态和固态类型降水粒子的总权重因子具体包括:
根据多种不同类型降水的粒子相态提取出属于液态类型的降水类型,根据其质量Mi和雷达反射率因子Zi的计算公式以及数量Ni,将同一类型降水粒子的质量权重WMi的比例系数设置为其数量权重WNi比例系数的平方,进而分别计算出每种液态类型的降水粒子的质量权重WMi和数量权重WNi,并将质量权重WMi和数量权重WNi相加得到总权重因子WLi;
根据多种不同类型降水的粒子相态提取出属于固态类型的降水类型,设置其质量权重和数量权重效应一样,分别计算出每种固态类的降水粒子的总权重因子WSi为,x为权重调节因子。
所述质量Mi的计算公式为,雷达反射率因子Zi的计算公式为/>,其中/>、/>、/>、/>分别为椭球形粒子的三个半轴长度及等效直径,dxi表示xi的微分。
所述S2的步骤具体包括:
将生成的高时空分辨率的多种不同类型降水的粒子参数信息输入到云降水解析仿真系统中,同时将降水雷达站所在的经纬度和海拔高度、雷达监测的距离范围、极化方式、电磁波频率、发射峰值功率、脉冲宽度、脉冲重复频率、接收机灵敏度、天线增益、天线水平和垂直波束宽度,距离加权函数、天线体积扫描模式这些雷达参数信息一同输入到雷达回波仿真系统中,运行此系统后即可得到极坐标下的降水雷达等效反射率因子、差分反射率因子和差分传播相移等仿真数据集。
所述S3的步骤具体包括:
将生成的降水雷达等效反射率因子、差分反射率因子和差分传播相移这些仿真数据集按照相同的径向和距离库进行组合,形成每个径向的每个距离库内的这三类数据的仿真向量X1;将降水雷达实测的等效反射率因子、差分反射率因子和差分传播相移也按同样的原则进行组合,形成每个径向的每个距离库内的这三类数据的实测向量X2;
根据公式计算出仿真向量X1与实测向量X2的马氏距离D,以及根据公式/>计算出仿真向量X1与实测向量X2的相关系数CC,其中Cov(X1,X2)为仿真向量X1和实测向量X2的协方差矩阵,/>和/>分别为仿真向量X1和实测向量X2的标准差,T表示转置操作,-1表示求逆矩阵;
构建仿真向量X1与实测向量X2紧密距离相似度这一评价指标SI,其中,SI=CC-D。
所述FNL数据包括:对流有效位能、对流抑制能、气柱云水、气柱可降水量、气压、位势高度、大气温度、大气相对湿度、水平和垂直风速、涡度;
所述多种不同类型降水包括:毛毛雨、小雨、中雨、大雨、暴雨、干雪、湿雪、冰晶、霰、冰雹。
本发明具有以下优点:基于降水雷达和同化资料的降水粒子质量和数量估算方法,基于大气建模系统估计出不同类型降水粒子的微物理参数,并利用云降水解析仿真系统进行雷达观测资料的仿真,通过多重循环迭代策略动态调整降水粒子的微物理参数,使得雷达实际观测量与雷达仿真量高度一致,从而实现降水粒子质量和数量的高准确性和高精度估计;与传统技术相比,设计了时空联合偏离度因子,这一因子充分且综合考虑了数据在时间和空间两个维度的异常现象,并被用来剔除异常数据;针对多种不同类型的降水粒子,结合理论模型和粒子相态划分的思想,提出了液态和固态两种类型粒子不同且独有的质量权重、数量权重和总权重等因子的计算方法;提出了紧密距离相似度这一评价指标,该指标充分考虑了两组向量的稀密和相似关系,能够更加全面且公平的评价观测向量与仿真向量的偏差。
附图说明
图1为本发明的流程示意图;
图2为同化系统数据质量控制流程示意图;
图3为不同类型降水粒子参数信息初始场生成流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
本发明实施例提供的一种基于降水雷达和同化资料的降水粒子质量和数量估算方法,该方法包括:下载经纬度范围(26ºN,97 ºE,35 ºN,109 ºE)内地球数据同化系统的FNL数据,按四川省地区边界范围和研究的时间范围对数据进行裁剪后,统计分析数据在时间和空间两个维度上的离散特征,剔除时空联合偏离度异常高的数据;将质量控制后的数据集输入到大气建模系统中,设置域模型对象和微物理参数化方案后,得到1分钟和500米高时空分辨率的不同类型降水粒子的质量和数量信息;将降水粒子分成液态和固态两大类,计算出每种类型降水粒子的质量、数量和总权重因子的初始值;将这些初始值输入到云降水解析仿真系统,得到S波段双极化天气雷达的仿真观测向量;计算S波段双极化天气雷达仿真和实测向量紧密距离相似度指标,采用多重循环迭代策略来动态调整降水粒子的微物理参数,使紧密距离相似度指标达到最大化,从而实现更高准确度和精度的降水粒子质量和数量估算。
如图1所示,具体包括以下内容:
步骤一、下载经纬度范围(26ºN,97 ºE,35 ºN,109 ºE)矩形区域的地球数据同化系统(GDAS)的FNL数据,这些数据包括:对流有效位能、对流抑制能、气柱云水、气柱可降水量、气压、位势高度、大气温度、大气相对湿度、水平和垂直风速、涡度等。
如图2所示,首先,根据四川省地区的边界经纬度线和研究的时间范围,对下载的FNL数据进行空间和时间裁剪;其次,对裁剪后数据集中所有类型的数据分别在时间和空间两种维度上开展离散分布特征的统计,计算出每种类型数据中每个数据在时间维度和空间维度上的偏离度;最后,将时间维度和空间维度上的偏离度进行相乘形成时空联合偏离度因子,之后剔除高异常联合偏离度因子对应的数据,最终生成均衡考虑了在时间和空间上连续性和正常波动性的去除了极值、异常值和突变值后的数据集;
离散分布特征的统计是指,将一组数据从小到大进行排序得到最小值、第10%的值、中位值、第90%的值、最大值,从而来反映数据分布的中心位置和散布范围;
时间维度和空间维度上的偏离度是指,对于随时间变化的数据序列或随空间变化的数据序列,根据待计算的数据在排序后序列中的位置以及偏离中位值的距离,分别计算出每个数据在时间和空间维度上偏离中位值的程度;
步骤二、将步骤一生成的数据集输入到区域大气建模系统(RAMS)中,并将微物理参数化方案选择为二阶矩双重体模拟方案,域模型对象设置为三重单向无交互式,其中三重域的水平网络分辨率数值从大到小依次设置为4.5公里、1.5公里和0.5公里,运行RAMS系统可计算出时间分辨率为1分钟和空间分辨率为500米的10种不同类型降水的质量Mi和数量Ni参数(i为0, 1, 2, ……, 10);
其中,10种不同类型降水是指:毛毛雨、小雨、中雨、大雨、暴雨、干雪、湿雪、冰晶、霰、冰雹;
如图3所示,步骤三、将步骤二生成的10种不同类型降水粒子,根据粒子相态分成液态和固态两大类。首先,提取出属于液态类型的毛毛雨、小雨、中雨、大雨、暴雨,根据它们的质量Mi、数量Ni和雷达反射率因子Zi等计算公式,将同一类型降水粒子的质量权重WMi的比例系数设置为其数量权重WNi比例系数的平方,进而分别计算出每种液态粒子的质量权重WMi和数量权重WNi,最终确定总权重因子WLi,具体公式如下:,
其中x为权重调节因子;
其中,粒子质量Mi、数量Ni和雷达反射率因子Zi等计算公式是指,、/>,其中/>、/>、/>、/>分别为椭球形粒子的三个半轴长度及等效直径,dxi表示xi的微分;
其次,提取出剩余的固态类型降水粒子,假设它们质量和数量的权重效应一样,分别计算每种固态降水粒子的总权重因子WSi,具体公式如下:。
步骤四、将步骤三生成的时间分辨率为1分钟和空间分辨率为500米的10种降水粒子的参数信息输入到云降水解析仿真系统(CPRSIMU)中,同时将雷达站所在的经纬度和海拔高度、雷达监测的距离范围、双线极化方式、电磁波频率、发射峰值功率、脉冲宽度、脉冲重复频率、接收机灵敏度、天线增益、天线水平和垂直波束宽度,距离加权函数、天线体积扫描模式VCP21等雷达参数信息一同输入到雷达回波仿真系统中,运行此系统后即可得到极坐标下的双极化降水雷达等效反射率因子、差分反射率因子和差分传播相移等仿真数据集;
所述降水粒子的参数信息是指:不同降水粒子的质量Mi、数量Ni以及各自的权重因子WLi和WSi。
步骤五、将步骤四生成的双极化降水雷达等效反射率因子、差分反射率因子和差分传播相移等仿真数据集按照相同的径向和距离库进行组合,形成每个径向的每个距离库内的这三类数据的仿真向量X1;将双极化降水雷达实测的等效反射率因子、差分反射率因子和差分传播相移也按同样的原则进行组合,形成每个径向的每个距离库内的这三类数据的实测向量X2;分别计算出仿真向量X1与实测向量X2的马氏距离D和相关系数CC,具体的计算公式如下:,
其Cov(X1,X2)为X1和X2的协方差矩阵,和/>分别为X1和X2的标准差,T表示转置操作,-1表示求逆矩阵。
构建X1和X2紧密距离相似度这一评价指标SI,即SI=CC-D。
步骤六、将步骤二生成的10种不同类型降水粒子的质量Mi和数量Ni参数作为初始值,并设置参数波动范围和调整步长分别为初始值的50%和5%,进而动态调整Mi和Ni,采用多重循环迭代的策略,使步骤五构建的评价指标SI为正且最大限度的接近于1,即可最优估算出10种不同类型降水粒子的质量和数量。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (7)
1.基于降水雷达和同化资料的降水粒子质量和数量估算方法,其特征在于:所述估算方法包括:
S1、获取地球数据同化系统的FNL数据,进行处理后得到时空数据集,并将时空数据集输入到区域大气建模系统中计算多种不同类型降水的质量和数量,根据不同类型降水的粒子相态分成液态和固态两大类,计算出液态和固态类型降水粒子的总权重因子;
S2、将得到的多种不同类型降水粒子的参数信息输入到云降水解析仿真系统中,并将雷达参数信息输入到雷达回波仿真系统中得到仿真数据集;
S3、将仿真数据集和实测数据分别进行处理得到仿真向量X1和实测向量X2,分别计算出二者之间的马氏距离和相关系数,并构建二者紧密距离相似度的评价指标;
S4、将多种不同类型下降水粒子的质量和数量作为初始值,根据设置的参数波动范围和调整步长动态调整质量和数量,在多重循环迭代的策略下最终得到最大限度接近1的评价指标,此时即可最优估算出多种类型降水粒子的质量和数量;
所述根据不同类型降水的粒子相态分成液态和固态两大类,计算出液态和固态类型降水粒子的总权重因子具体包括:
根据多种不同类型降水的粒子相态提取出属于液态类型的降水类型,根据其质量Mi和雷达反射率因子Zi的计算公式以及数量Ni,将同一类型降水粒子的质量权重WMi的比例系数设置为其数量权重WNi比例系数的平方,进而分别计算出每种液态类型的降水粒子的质量权重WMi和数量权重WNi,并将质量权重WMi和数量权重WNi相加得到总权重因子WLi;
根据多种不同类型降水的粒子相态提取出属于固态类型的降水类型,设置其质量权重和数量权重效应一样,分别计算出每种固态类的降水粒子的总权重因子WSi为,x为权重调节因子;
所述S2的步骤具体包括:
将生成的高时空分辨率的多种不同类型降水的粒子参数信息输入到云降水解析仿真系统中,同时将降水雷达站所在的经纬度和海拔高度、雷达监测的距离范围、极化方式、电磁波频率,发射峰值功率、脉冲宽度、脉冲重复频率、接收机灵敏度、天线增益、天线水平和垂直波束宽度,距离加权函数、天线体积扫描模式这些雷达参数信息一同输入到雷达回波仿真系统中,运行此系统后即可得到极坐标下的降水雷达等效反射率因子、差分反射率因子和差分传播相移的仿真数据集;
将生成的降水雷达等效反射率因子、差分反射率因子和差分传播相移这些仿真数据集按照相同的径向和距离库进行组合,形成每个径向的每个距离库内的这三类数据的仿真向量X1;将降水雷达实测的等效反射率因子、差分反射率因子和差分传播相移也按同样的原则进行组合,形成每个径向的每个距离库内的这三类数据的实测向量X2;
根据公式计算出仿真向量X1与实测向量X2的马氏距离D,以及根据公式/>计算出仿真向量X1与实测向量X2的相关系数CC,其中/>为仿真向量X1和实测向量X2的协方差矩阵,和/>分别为仿真向量X1和实测向量X2的标准差,T表示转置操作,-1表示求逆矩阵;
构建仿真向量X1与实测向量X2紧密距离相似度这一评价指标SI,其中,SI=CC-D。
2.根据权利要求1所述的基于降水雷达和同化资料的降水粒子质量和数量估算方法,其特征在于:所述S1的步骤中进行处理后得到时空数据集具体包括:
根据待研究区域的经纬度范围和时间范围,对获取的FNL数据进行空间和时间裁剪;
对裁剪后的数据中所有类型的数据分别在时间和空间两种为维度上开展离散分布特征的统计,计算出每种类型数据中每个数据在时间维度和空间维度上的偏离度;
将时间维度和空间维度上的偏离度进行相乘,形成时空联合偏离度因子,并剔除异常联合偏离度因子对应的数据,最终生成均衡考虑了在时间和空间上连续性与正常波动性,且去除极值、异常值和突变值后的数据集。
3.根据权利要求2所述的基于降水雷达和同化资料的降水粒子质量和数量估算方法,其特征在于:所述离散分布特征的统计包括:将一组数据从小到大进行排序得到最小值、第10%的值、中位值、第90%的值、最大值,从而来反映数据分布的中心位置和散布范围。
4.根据权利要求2所述的基于降水雷达和同化资料的降水粒子质量和数量估算方法,其特征在于:所述时间维度和空间维度上的偏离度包括:对于随时间变化的数据序列或随空间变化的数据序列,根据待计算的数据在排序后序列中的位置以及偏离中位值的距离,分别计算出每个数据在时间和空间维度上偏离中位值的程度。
5.根据权利要求1所述的基于降水雷达和同化资料的降水粒子质量和数量估算方法,其特征在于:所述将时空数据集输入到区域大气建模系统中计算多种不同类型降水的质量和数量具体包括:
将生成的时空数据集输入到区域大气建模系统中,并将微物理参数化方案选择为二阶矩双重体模拟方案,域模型对象设置为三重单元无交互式,将三重域的水平网络分辨率数值从大到小依次设置为L1、L2和L3,运行区域大气建模系统计算出具有高时空分辨率的多种不同类型降水的质量Mi和数量Ni参数,i=0, 1, 2, ……, N,N表示降水类型的种类。
6.根据权利要求1所述的基于降水雷达和同化资料的降水粒子质量和数量估算方法,其特征在于:所述质量Mi的计算公式为,雷达反射率因子Zi的计算公式为/>,其中/>、/>、/>、xi分别为椭球形粒子的三个半轴长度及等效直径,dxi表示xi的微分。
7.根据权利要求1-6中任意一项所述的基于降水雷达和同化资料的降水粒子质量和数量估算方法,其特征在于:所述FNL数据包括:对流有效位能、对流抑制能、气柱云水、气柱可降水量、气压、位势高度、大气温度、大气相对湿度、水平和垂直风速、涡度;
所述多种不同类型降水包括:毛毛雨、小雨、中雨、大雨、暴雨、干雪、湿雪、冰晶、霰、冰雹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311183761.0A CN116911082B (zh) | 2023-09-14 | 2023-09-14 | 基于降水雷达和同化资料的降水粒子质量和数量估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311183761.0A CN116911082B (zh) | 2023-09-14 | 2023-09-14 | 基于降水雷达和同化资料的降水粒子质量和数量估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116911082A CN116911082A (zh) | 2023-10-20 |
CN116911082B true CN116911082B (zh) | 2023-12-05 |
Family
ID=88355045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311183761.0A Active CN116911082B (zh) | 2023-09-14 | 2023-09-14 | 基于降水雷达和同化资料的降水粒子质量和数量估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116911082B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103837911A (zh) * | 2014-03-24 | 2014-06-04 | 兰州大学 | 一种运用物理初始化同化地闪资料的方法 |
CN112005130A (zh) * | 2018-03-13 | 2020-11-27 | 古野电气株式会社 | 降水粒子判别装置、系统、方法及程序 |
WO2021159844A1 (zh) * | 2020-02-12 | 2021-08-19 | 河海大学 | 基于半监督域适应的雨、雪、冰雹分类监测方法 |
CN113311416A (zh) * | 2021-05-10 | 2021-08-27 | 中国科学院地理科学与资源研究所 | 山地小流域雷达定量降水估计技术 |
-
2023
- 2023-09-14 CN CN202311183761.0A patent/CN116911082B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103837911A (zh) * | 2014-03-24 | 2014-06-04 | 兰州大学 | 一种运用物理初始化同化地闪资料的方法 |
CN112005130A (zh) * | 2018-03-13 | 2020-11-27 | 古野电气株式会社 | 降水粒子判别装置、系统、方法及程序 |
WO2021159844A1 (zh) * | 2020-02-12 | 2021-08-19 | 河海大学 | 基于半监督域适应的雨、雪、冰雹分类监测方法 |
CN113311416A (zh) * | 2021-05-10 | 2021-08-27 | 中国科学院地理科学与资源研究所 | 山地小流域雷达定量降水估计技术 |
Also Published As
Publication number | Publication date |
---|---|
CN116911082A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maahn et al. | Optimal estimation retrievals and their uncertainties: What every atmospheric scientist should know | |
Cheong et al. | A time series weather radar simulator based on high-resolution atmospheric models | |
Masutani et al. | Observing system simulation experiments | |
Anagnostou | Overview of overland satellite rainfall estimation for hydro-meteorological applications | |
Jones et al. | Assimilation of satellite infrared radiances and Doppler radar observations during a cool season observing system simulation experiment | |
Vasudevan et al. | Recursive Bayesian electromagnetic refractivity estimation from radar sea clutter | |
Noh et al. | Development of a snowfall retrieval algorithm at high microwave frequencies | |
Nie et al. | A C-band wind/rain backscatter model | |
Cooper et al. | A variational technique to estimate snowfall rate from coincident radar, snowflake, and fall-speed observations | |
Syndergaard et al. | A refractive index mapping operator for assimilation of occultation data | |
Nelson et al. | Toward an algorithm for estimating latent heat release in warm rain systems | |
CN115629387B (zh) | 一种多波段双偏振雷达的冰晶凇附增长估算方法 | |
Raupach et al. | Small-scale variability of the raindrop size distribution and its effect on areal rainfall retrieval | |
Karimian et al. | Toward the assimilation of the atmospheric surface layer using numerical weather prediction and radar clutter observations | |
Chung et al. | Examination of situation-dependent background error covariances at the convective scale in the context of the ensemble Kalman filter | |
Hakim et al. | Optimal network design applied to monitoring and forecasting surface temperature in Antarctica | |
Feng et al. | A comparison of two local moment-matching nonlinear filters: Local particle filter (LPF) and local nonlinear ensemble transform filter (LNETF) | |
Ramanujam et al. | On the effect of non-raining parameters in retrieval of surface rain rate using TRMM PR and TMI measurements | |
Douvenot et al. | Real time refractivity from clutter using a best fit approach improved with physical information | |
CN115575914B (zh) | 一种多波段双线偏振天气雷达观测量误差量化方法 | |
CN116911082B (zh) | 基于降水雷达和同化资料的降水粒子质量和数量估算方法 | |
Varma et al. | Subpixel-scale variability of rainfall and its application to mitigate the beam-filling problem | |
Macuroy et al. | Evaluations on radar QPE using raindrop size distribution in Southern Luzon, Philippines | |
Rihan et al. | Assimilation of Doppler radial winds into a 3D‐Var system: Errors and impact of radial velocities on the variational analysis and model forecasts | |
Wang et al. | Soil moisture retrieval from sentinel-1 and sentinel-2 data using ensemble learning over vegetated fields |
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 |