CN117706512A - 一种融合温度判定与背景依赖的水凝物反演方法和系统 - Google Patents
一种融合温度判定与背景依赖的水凝物反演方法和系统 Download PDFInfo
- Publication number
- CN117706512A CN117706512A CN202311706465.4A CN202311706465A CN117706512A CN 117706512 A CN117706512 A CN 117706512A CN 202311706465 A CN202311706465 A CN 202311706465A CN 117706512 A CN117706512 A CN 117706512A
- Authority
- CN
- China
- Prior art keywords
- background
- inversion
- area
- observation
- condensate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 187
- 239000000017 hydrogel Substances 0.000 title claims abstract description 58
- 238000002310 reflectometry Methods 0.000 claims abstract description 68
- 230000001419 dependent effect Effects 0.000 claims description 48
- 230000004927 fusion Effects 0.000 claims description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000001556 precipitation Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 64
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 22
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012850 discrimination method Methods 0.000 description 4
- 150000004677 hydrates Chemical class 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000167857 Bourreria Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 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
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种融合温度判定与背景依赖的水凝物反演方法和系统,该水凝物反演方法融合了温度判定方法和背景依赖方法对目标区域的水凝物进行反演,既能有效减少温度判定方法中因经验参数以及简单的线性关系所带来的误差,又可以不过分依赖背景依赖方法中背景场本身的准确性,由此提高水凝物反演的准确性以更有效地同化雷达反射率因子。
Description
技术领域
本发明属于雷达气象资料应用技术领域,涉及一种融合温度判定与背景依赖的水凝物反演方法和系统。
背景技术
同化雷达反射率因子是改进数值天气预报模式对流尺度分析和预报效果的重要手段,其关键技术是水凝物反演。目前,水凝物反演有两种方法,一种是温度判定的反演方法,此方法假设总反射率由雨水、雪、霰对应的反射率组成。雨水反射率(或雪、霰反射率之和)占总反射率权重与温度呈线性关系,雪、霰反射率占两者反射率之和的权重由介电常数确定,这种方法简化了天气过程中各水凝物分布,容易实现,但对复杂天气水凝物反演,存在因经验关系导致的水凝物分布偏离真实大气状态。
另一种是背景依赖的反演方法,此方法根据背景场计算各水凝物对应等效反射率占总模拟反射率比重,避免了依赖于温度线性关系导致的偏差,但此方法极大依赖于背景场本身的准确性。
发明内容:
为解决现有技术中存在的问题,本发明提出一种融合温度判定与背景依赖的水凝物反演方法和系统。
本发明的技术方案如下:
一种融合温度判定与背景依赖的水凝物反演方法,包括:
基于当前雷达反射率因子数据,以温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果;并基于当前数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果;
将两个判别结果进行关联,对于同时判别为观测晴空区和背景晴空区的,以及同时判别为观测晴空区和背景降水区的目标区域,不进行水凝物反演;
对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果;
对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果。
进一步地,所述基于当前雷达反射率因子数据,以温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果的具体方法包括:
将所述当前雷达反射率影子数据进行空间转换,使极坐标系的雷达反射率影子数据转换到空间格点坐标系,转换后形成观测反射率因子;
基于所述观测反射率因子,采用温度判定方法,获取水凝物的权重系数,进行目标区域的水凝物的反演;
根据背景场数据中的温度数据和观测反射率因子的大小,进行目标区域的相关于观测晴空区和观测降水区的判别。
进一步地,所述根据背景场数据中的温度数据和观测反射率因子的大小,进行目标区域的相关于观测晴空区和观测降水区的判别的具体方法包括:
对于温度数据中0℃层以下,观测反射率因子超过20dBZ判别为观测降水区,其余则判别为观测晴空区;对于温度数据中0℃层及以上,观测反射率因子超过0dBZ判别为观测降水区,其余则判别为观测晴空区。
进一步地,所述基于当前数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果的具体方法包括:
提取所述当前数值天气预报模式数据的背景变量信息,根据背景变量信息,获取水凝物的权重系数,进行目标区域的水凝物的反演,并计算背景反射率因子,且根据背景反射率因子的大小,进行目标区域的相关于背景晴空区和背景降水区的判别。
进一步地,所述据背景反射率因子的大小,进行目标区域的相关于背景晴空区和背景降水区的判别的具体方法包括:
若背景反射率因子超过0dBZ判别为背景降水区,其余则判别为模式晴空区。
进一步地,所述对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果的具体方法包括:
获取当前模式空间数据中格点的水凝物含量与其周围格点的水凝物含量的标准差并记为σ;
分别获取温度判定方法对应的反演结果和背景依赖方法对应的反演结果与当前背景场数据对应的水凝物含量之间的标准差并分别记为温度判定方法对应的标准差σ1和背景依赖方法对应的标准差σ2
若σ1≤2σ且σ2≤2σ,则对温度判定方法对应的反演结果和背景依赖方法对应的反演结果采用最小二乘法计算,计算结果作为最终的水凝物反演结果;
若σ1>2σ且σ2>2σ,则对温度判定方法对应的反演结果和背景依赖方法对应的反演结果进行等权重相加计算,计算结果作为最终的水凝物反演结果;
若σ1≤2σ且σ2>2σ,则以温度判定方法对应的反演结果作为最终的水凝物反演结果;
若σ1>2σ且σ2≤2σ,则以背景依赖方法对应的反演结果作为最终的水凝物反演结果。
进一步地,所述对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果的具体方法包括:
获取历史数值天气预报模式数据对应的水凝物的历史平均权重系数,根据所述水凝物的历史平均权重系数,进行目标区域的水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行等权重相加计算,计算结果作为最终的水凝物反演结果。
一种融合温度判定与背景依赖的水凝物反演系统,包括温度判定模块、背景依赖模块和关联融合模块;
所述温度判定模块,用于基于当前雷达反射率因子数据,以所述温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果;
所述背景依赖模块,用于基于当前数值天气预报模式数据,以所述背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果;
所述关联融合模块,用于将两个判别结果进行关联,对于同时判别为观测晴空区和背景晴空区的,以及同时判别为观测晴空区和背景降水区的目标区域,不进行水凝物反演;
对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果;
对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果。
一种电子设备,所述电子设备包括存储器和处理器,该存储器存储有计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序执行如上任一项所述的方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述方法的步骤。
相比于现有技术本发明具有如下有益效果:
本发明提出一种融合温度判定与背景依赖的水凝物反演方法和系统,该水凝物反演方法融合了温度判定方法和背景依赖方法对目标区域的水凝物进行反演,既能有效减少温度判定方法中因经验参数以及简单的线性关系所带来的误差,又可以不过分依赖背景依赖方法中背景场本身的准确性,由此提高水凝物反演的准确性以更有效地同化雷达反射率因子。
本发明的水凝物反演方法首先分别采用温度判定方法和背景依赖方法进行水凝物的反演以及降水区/晴空区的判别,不同于一般的等权重相加计算的融合方法,本发明并非直接将两种方法的反演结果直接等权重相加计算,而是首先将两种方法的判别结果进行关联,根据关联结果进行对应的水凝物的反演。这是因为现有的等权重相加的融合方法会将受背景场本身偏差影响的反演数据一并列入计算,由此使得反演准确度得不到保证,而本发明则是以温度判定方法的判别结果为准,若温度判定方法判别为观测晴空区,则说明目标区域无降水,不需要进行水凝物的反演,若温度判定方法判别为观测降水区再根据背景依赖方法的判别情况进行对应反演,由此可以得到准确度较高的反演结果。
附图说明
图1为实施例中融合温度判定与背景依赖的水凝物反演方法流程图;
图2为应用实施例中雷达反射率垂直剖面;
图3为应用实施例中6小时累计降水示意图;
图4为应用实施例中0~6小时降水ETS评分图。
具体实施方式
实施例一:
本发明的一种融合温度判定与背景依赖的水凝物反演方法,如图1所示,包括:
基于当前雷达反射率因子数据,以温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果;并基于当前数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果;
将两个判别结果进行关联,并对根据关联结果进行水凝物的反演,具体如下:
对于同时判别为观测晴空区和背景晴空区的,以及同时判别为观测晴空区和背景降水区的目标区域,不进行水凝物反演,该目标区域的水凝物为零;
对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果;
对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果。
实施例二:
本实施例在实施例一的基础上进一步设计在于:本例中基于当前雷达反射率因子数据,以温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果的具体方法包括:
将当前雷达反射率影子数据进行空间转换,使极坐标系的雷达反射率影子数据转换到空间格点坐标系,转换后形成观测反射率因子;
基于观测反射率因子,采用温度判定方法,获取水凝物的权重系数,进行目标区域的水凝物的反演;
根据背景场数据中的温度数据和观测反射率因子的大小,进行目标区域的相关于观测晴空区和观测降水区的判别。
根据背景场数据中的温度数据和观测反射率因子的大小,进行目标区域的相关于观测晴空区和观测降水区的判别的具体方法包括:
对于空间格点坐标系下对应温度数据中0℃层以下的空间格点,如果空间格点对应的观测反射率因子超过20dBZ,则判别该空间格点为观测降水区,其余的空间格点判别为观测晴空区;对于空间格点坐标系下对应温度数据中0℃层及以上的空间格点,如果空间格点对应的观测反射率因子超过0dBZ,则判别该空间格点为观测降水区,其余的空间格点判别为观测晴空区。
实施例三:
本实施例在实施例一的基础上进一步设计在于:本例基于当前数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果的具体方法包括:
提取当前数值天气预报模式数据的背景变量信息,根据背景变量信息,获取水凝物的权重系数,进行目标区域的水凝物的反演,并计算背景反射率因子,且根据背景反射率因子的大小,进行目标区域的相关于背景晴空区和背景降水区的判别。
据背景反射率因子的大小,进行目标区域的相关于背景晴空区和背景降水区的判别的具体方法包括:
若空间格点坐标系下对应背景反射率因子超过0dBZ的空间格点,则判别该空间格点为背景降水区,其余的空间格点判别为模式晴空区。
实施例四:
本实施例在实施例一、实施例二或实施例三的基础上进一步设计在于:本例对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果的具体方法包括:
获取当前模式空间数据中格点的水凝物含量与其周围格点的水凝物含量的标准差并记为σ;
分别获取温度判定方法对应的反演结果和背景依赖方法对应的反演结果与当前背景场数据对应的水凝物含量之间的标准差并分别记为温度判定方法对应的标准差σ1和背景依赖方法对应的标准差σ2
若σ1≤2σ且σ2≤2σ,则对温度判定方法对应的反演结果和背景依赖方法对应的反演结果采用最小二乘法计算,计算结果作为最终的水凝物反演结果;
若σ1>2σ且σ2>2σ,则对温度判定方法对应的反演结果和背景依赖方法对应的反演结果进行等权重相加计算,计算结果作为最终的水凝物反演结果;
若σ1≤2σ且σ2>2σ,则以温度判定方法对应的反演结果作为最终的水凝物反演结果;
若σ1>2σ且σ2≤2σ,则以背景依赖方法对应的反演结果作为最终的水凝物反演结果。
实施例五:
本实施例在实施例四的基础上进一步设计在于:本例对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果的具体方法包括:
获取历史数值天气预报模式数据对应的水凝物的历史平均权重系数,根据水凝物的历史平均权重系数,进行目标区域的水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行等权重相加计算,计算结果作为最终的水凝物反演结果。
实施例六:
本发明的一种融合温度判定方法与背景依赖方法的水凝物反演系统,包括温度判定模块、背景依赖模块和关联融合模块;
温度判定模块,用于基于当前雷达反射率因子数据,以温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果;
背景依赖模块,用于基于当前数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果;
关联融合模块,用于将两个判别结果进行关联,对于同时判别为观测晴空区和背景晴空区的,以及同时判别为观测晴空区和背景降水区的目标区域,不进行水凝物反演,该目标区域的水凝物为零);
对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果;
对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果。
实施例七:
一种电子设备,电子设备包括存储器和处理器,该存储器存储有计算机程序,处理器用于调用并运行存储器中存储的计算机程序执行如上任一实施例所述的方法。
一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上任一实施例所述方法的步骤。
应用实施例:
本例选取2018年8月6日至8日发生在辽宁省的东北冷涡强对流为个例,并采用本发明的水凝物反演方法进行水凝物的模拟仿真反演试验,该个例中每1小时间隔同化了辽宁沈阳雷达的观测,该模拟仿真反演试验包括使用温度判定方法(EXP_temp)、使用背景依赖方法(EXP_bg)以及使用本发明融合温度判定方法与背景依赖方法(EXP_temp-bg)的三组试验。本例反演的水凝物包括雨水r、干雪ds、干霰dg、湿雪ws和湿霰wg。具体方法包括如下步骤:
步骤1),读取背景场数据的各水凝物混合比(雨水混合比qr、雪混合比qs以及霰混合比qg)、温度Tb、空气密度ρ。
步骤2),读观测反射率因子Zo,即雷达反射率因子数据,再利用空间变换,将观测反射率因子的极坐标系坐标(r,α,ψ)转换为数值预报模式空间格点坐标系坐标(i,j,k)。
步骤3),基于背景场数据温度Tb对于各水凝物进行分类(公式1~4),得到各水凝物的权重系数
其中,x指雨水r、干雪ds、干霰dg、湿雪ws、湿霰wg,而αx为各水凝物由介电系数、密度和截距参数所决定的系数,雨水的系数为3.63×109;对于雪和霰来说,该系数与温度有关:当环境温度大于0℃时,湿雪系数为4.26×1011,湿霰系数为9.08×109,而当温度低于0℃时,干雪系数为9.80×108,干霰系数为1.09×109。
步骤4),以温度判定方法反演各水凝物的含量,根据公式5~6反演各水凝物。
Zeo=10^(Zo*0.1) (5)
其中,为温度判定方法反演的水凝物含量,x指雨水r、干雪ds、干霰dg、湿雪ws、湿霰wg。Zo为观测反射率因子,Ze观测的等效反射率,αx为各水凝物由介电系数、密度和截距参数所决定的系数,ρ为空气密度。
步骤5),根据公式7分别计算背景场中各水凝物对应的等效反射率因子Z(qx),三种水凝物的Z(qx)累加得到总等效反射率因子Ze(公式2),转换为反射率因子Zfg(公式9)。
Z(qx)=ax(ρqx)1.75 (7)
Ze=Z(qr)+Z(qs)+Z(qg) (8)
Zfg=10lgZe (9)
步骤6),根据背景场温度Tb,将雪和霰分为干、湿雪以及干、湿霰,然后对背景场各水凝物混合比(雨水混合比qr、干雪混合比qds、干霰混合比qdg、湿雪混合比qws、湿霰混合比qwg)、空气密度ρ按照不同模式层数k、不同反射率区间Zi进行分类(公式10~16),求得各层、各反射率区间各水凝物混合比的均值和空气密度的均值/>
Z1:<15dBZ;Z2:15~25dBZ;Z3:25~35dBZ;Z4:35~45dBZ;Z5:45~55dBZ;Z6:≥55dBZ(10)
式中,n为总层数。
步骤7),根据步骤6)所得的和/>来计算各层、各反射率区间内各水凝物的平均等效反射率因子/>
步骤8),基于各水凝物的平均等效反射率因子求得背景场中各层、各反射率因子区间内各水凝物的权重系数/>
步骤9),以背景依赖方法反演各水凝物含量,根据公式19和20反演各水凝物。
Zeo=10^(Zo*0.1) (19)
其中,为背景依赖反演的水凝物含量,x指雨水r、干雪ds、干霰dg、湿雪ws、湿霰wg。Zo为观测反射率因子,Ze观测的等效反射率,αx为各水凝物由介电系数、密度和截距参数所决定的系数,ρ为空气密度。
步骤10),确定模式0℃层,根据公式21计算
Tb(k)=0 (21)
Tb为模式背景温度,k为模式层。
步骤11),根据背景反射率因子,确定背景依赖方法相关于背景晴空区与背景降水区的判别结果。如果Zfh(k)>0,则为晴空区;反之则为降水区。
步骤12),确定温度判定方法相关于观测晴空区与观测降水区的判别结果。0℃以下,观测雷达反射率因子(Zo)超过20dBZ为观测降水区,其余则为观测晴空区,0℃层及以上,观测雷达反射率因子(Zo)超过0dBZ为观测降水区,其余则为观测晴空区。
步骤13),将步骤11的背景晴空区和背景降水区的判别结果与步骤12的观测晴空区与观测降水区的判别结果进行关联。分为四情形,情形一为背景与观测均为晴空区。情形二为背景与观测均为降水区。情形三为观测晴空区与背景降水区。情形四为观测降水区对应背景晴空区。
步骤14),对于情形一,背景与观测均对应为晴空区,则判定该区域为无水凝物最终的水凝物反演结果qxo=0。
步骤15),对于情形二,观测与背景均对应为降水区,计算当前雷达观测位置对应模式空间内格点水凝物含量与其周围格点水凝物含量标准差σ,
若两种方法反演水凝物含量与背景水凝物含量偏差均小于等于2σ,采用最小二乘法重新计算水凝物含量。最终的水凝物反演结果计算公式如下
其中和/>qxo代表水凝物混合比;x代表雨水r,雪s,霰g;t代表温度判定方案,b代表背景依赖方案。
若两种方法反演的各水凝物含量与背景对应水凝物含量偏差均大于2σ,等权重相加计算出各水凝物含量。即
若两种方法反演的各水凝物含量与背景对应水凝物含量偏差仅有一种小于等于2σ,则则按照该方法计算出各水凝物含量。即最终的水凝物反演结果或/>
步骤16),对于情形三,观测晴空区对应背景降水区。判定该区无水凝物,最终的水凝物反演结果qxo=0。
步骤17),对于情形四,观测降水区对应背景晴空区。此时,水凝物权重系数采用其中x指雨水r、干雪ds、干霰dg、湿雪ws、湿霰wg,/>为前期三个月x水凝物的模式统计平均值,/>为所有水凝物对应等效反射率因子模式三个月的统计平均值。按照背景依赖方案重新反演各水凝物含量,得到历史反演结果/>再将历史反演结果与温度判定方法对应的反演结果等权重相加计算出各水凝物含量。即最终的水凝物反演结果/>
本例的世界时为2018年8月6日21时的雷达反射率垂直剖面如图2(a)~图2(d)所示,其中,图2(a)为观测得到的雷达反射率垂直剖面图;图2(b)为采用温度判定方法(EXP_temp)得到的雷达反射率垂直剖面图;图2(c)为采用背景依赖方法(EXP_bg)得到的雷达反射率垂直剖面图;图2(d)为采用本发明融合温度判定方法与背景依赖方法的水凝物反演方法(EXP_temp-bg)得到的雷达反射率垂直剖面图;从图2(a)可以看出,在123.78°E和124.36°E之间存在三个强回波带。对比图2(b)~图2(c)对应的三组试验,本发明方法(EXP_temp-bg)能够最准确地捕捉到回波结构。另外,本发明方法(EXP_temp-bg)分析的回波融合了EXP_temp和EXP_bg的回波特征。
本例的6小时累计降水示意图如图3所示,其中,图3(a)为观测得到的6小时累计降水示意图;图3(b)为采用温度判定方法(EXP_temp)得到的6小时累计降水示意图;图3(c)为采用背景依赖方法(EXP_bg)得到的6小时累计降水示意图;图3(d)为采用本发明融合温度判定方法与背景依赖方法的水凝物反演方法(EXP_temp-bg)得到的6小时累计降水示意图;由图3(a)可以看出,强降雨主要集中在辽宁东北部,大部分地区降水量超过50mm,最大累计降水量可达100mm。图3(b)~图3(c)对应的三组试验都低估了这次降水过程的降水范围和强度。相比温度判定方法(EXP_temp)和背景依赖方法(EXP_bg)试验,本发明方法(EXP_temp-bg)能够更准确地预测50mm以上的降水区域。
本例的0~6小时降水ETS(Equitable Threat Score)评分如图4所示,图4可定量评估不同方法的降水预报效果,由图4可以看出,在5mm/h的降水阈值下,本发明方法(EXP_temp-bg)的预报效果明显优于温度判定方法(EXP_temp)和背景依赖方法(EXP_bg),在整个预报期间,本发明方法(EXP_temp-bg)保持着较高的ETS分值。
Claims (10)
1.一种融合温度判定与背景依赖的水凝物反演方法,其特征在于,包括:
基于当前雷达反射率因子数据,以温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果;并基于当前数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果;
将两个判别结果进行关联,对于同时判别为观测晴空区和背景晴空区的,以及同时判别为观测晴空区和背景降水区的目标区域,不进行水凝物反演;
对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果;
对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果。
2.根据权利要求1所述的融合温度判定与背景依赖的水凝物反演方法,其特征在于,所述基于当前雷达反射率因子数据,以温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果的具体方法包括:
将所述当前雷达反射率影子数据进行空间转换,使极坐标系的雷达反射率影子数据转换到空间格点坐标系,转换后形成观测反射率因子;
基于所述观测反射率因子,采用温度判定方法,获取水凝物的权重系数,进行目标区域的水凝物的反演;
根据背景场数据中的温度数据和观测反射率因子的大小,进行目标区域的相关于观测晴空区和观测降水区的判别。
3.根据权利要求2所述的融合温度判定与背景依赖的水凝物反演方法,其特征在于,所述根据背景场数据中的温度数据和观测反射率因子的大小,进行目标区域的相关于观测晴空区和观测降水区的判别的具体方法包括:
对于温度数据中0℃层以下,观测反射率因子超过20dBZ判别为观测降水区,其余则判别为观测晴空区;对于温度数据中0℃层及以上,观测反射率因子超过0dBZ判别为观测降水区,其余则判别为观测晴空区。
4.根据权利要求1所述的融合温度判定与背景依赖的水凝物反演方法,其特征在于,所述基于当前数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果的具体方法包括:
提取所述当前数值天气预报模式数据的背景变量信息,根据背景变量信息,获取水凝物的权重系数,进行目标区域的水凝物的反演,并计算背景反射率因子,且根据背景反射率因子的大小,进行目标区域的相关于背景晴空区和背景降水区的判别。
5.根据权利要求4所述的融合温度判定与背景依赖的水凝物反演方法,其特征在于,所述据背景反射率因子的大小,进行目标区域的相关于背景晴空区和背景降水区的判别的具体方法包括:
若背景反射率因子超过0dBZ判别为背景降水区,其余则判别为模式晴空区。
6.根据权利要求1~5任一所述的融合温度判定与背景依赖的水凝物反演方法,其特征在于,所述对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果的具体方法包括:
获取当前模式空间数据中格点的水凝物含量与其周围格点的水凝物含量的标准差并记为σ;
分别获取温度判定方法对应的反演结果和背景依赖方法对应的反演结果与当前背景场数据对应的水凝物含量之间的标准差并分别记为温度判定方法对应的标准差σ1和背景依赖方法对应的标准差σ2
若σ1≤2σ且σ2≤2σ,则对温度判定方法对应的反演结果和背景依赖方法对应的反演结果采用最小二乘法计算,计算结果作为最终的水凝物反演结果;
若σ1>2σ且σ2>2σ,则对温度判定方法对应的反演结果和背景依赖方法对应的反演结果进行等权重相加计算,计算结果作为最终的水凝物反演结果;
若σ1≤2σ且σ2>2σ,则以温度判定方法对应的反演结果作为最终的水凝物反演结果;
若σ1>2σ且σ2≤2σ,则以背景依赖方法对应的反演结果作为最终的水凝物反演结果。
7.根据权利要求6所述的融合温度判定与背景依赖的水凝物反演方法,其特征在于,所述对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果的具体方法包括:
获取历史数值天气预报模式数据对应的水凝物的历史平均权重系数,根据所述水凝物的历史平均权重系数,进行目标区域的水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行等权重相加计算,计算结果作为最终的水凝物反演结果。
8.一种融合温度判定与背景依赖的水凝物反演系统,其特征在于,包括温度判定模块、背景依赖模块和关联融合模块;
所述温度判定模块,用于基于当前雷达反射率因子数据,以所述温度判定方法对目标区域进行水凝物的反演和相关于观测晴空区和观测降水区的判别,得到温度判定方法对应的反演结果和判别结果;
所述背景依赖模块,用于基于当前数值天气预报模式数据,以所述背景依赖方法对目标区域进行水凝物的反演和相关于背景晴空区和背景降水区的判别,得到背景依赖方法对应的反演结果和判别结果;
所述关联融合模块,用于将两个判别结果进行关联,对于同时判别为观测晴空区和背景晴空区的,以及同时判别为观测晴空区和背景降水区的目标区域,不进行水凝物反演;
对于同时判别为观测降水区和背景降水区的目标区域,则将两个反演结果进行融合,融合结果作为最终的水凝物反演结果;
对于同时判别为观测降水区和背景降水区的目标区域,则基于历史数值天气预报模式数据,以背景依赖方法对目标区域进行水凝物的历史反演,将历史反演结果和温度判定方法对应的反演结果进行融合,融合结果作为最终的水凝物反演结果。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,该存储器存储有计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储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上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311706465.4A CN117706512B (zh) | 2023-12-13 | 2023-12-13 | 一种融合温度判定与背景依赖的水凝物反演方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311706465.4A CN117706512B (zh) | 2023-12-13 | 2023-12-13 | 一种融合温度判定与背景依赖的水凝物反演方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117706512A true CN117706512A (zh) | 2024-03-15 |
CN117706512B CN117706512B (zh) | 2024-05-10 |
Family
ID=90159978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311706465.4A Active CN117706512B (zh) | 2023-12-13 | 2023-12-13 | 一种融合温度判定与背景依赖的水凝物反演方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117706512B (zh) |
Citations (7)
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 |
CN110472648A (zh) * | 2019-04-30 | 2019-11-19 | 南京信息工程大学 | 一种基于云量分类的水凝物背景场误差协方差构建方法 |
CN110704804A (zh) * | 2019-04-30 | 2020-01-17 | 南京信息工程大学 | 一种自适应的水凝物反演方法 |
CN111366931A (zh) * | 2020-05-19 | 2020-07-03 | 范思睿 | 一种基于云雷达的云降水精细化反演方法 |
CN111474529A (zh) * | 2020-06-10 | 2020-07-31 | 浙江省气象台 | 卫星反演雷达回波的方法、反演雷达回波系统及导航雷达 |
CN115980756A (zh) * | 2023-03-17 | 2023-04-18 | 中国人民解放军国防科技大学 | 一种基于星载双频雷达的降水中水凝物种类识别方法 |
CN116879899A (zh) * | 2023-07-05 | 2023-10-13 | 成都信息工程大学 | 一种基于空中降水粒子谱反演的方法 |
-
2023
- 2023-12-13 CN CN202311706465.4A patent/CN117706512B/zh active Active
Patent Citations (7)
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 |
CN110472648A (zh) * | 2019-04-30 | 2019-11-19 | 南京信息工程大学 | 一种基于云量分类的水凝物背景场误差协方差构建方法 |
CN110704804A (zh) * | 2019-04-30 | 2020-01-17 | 南京信息工程大学 | 一种自适应的水凝物反演方法 |
CN111366931A (zh) * | 2020-05-19 | 2020-07-03 | 范思睿 | 一种基于云雷达的云降水精细化反演方法 |
CN111474529A (zh) * | 2020-06-10 | 2020-07-31 | 浙江省气象台 | 卫星反演雷达回波的方法、反演雷达回波系统及导航雷达 |
CN115980756A (zh) * | 2023-03-17 | 2023-04-18 | 中国人民解放军国防科技大学 | 一种基于星载双频雷达的降水中水凝物种类识别方法 |
CN116879899A (zh) * | 2023-07-05 | 2023-10-13 | 成都信息工程大学 | 一种基于空中降水粒子谱反演的方法 |
Non-Patent Citations (2)
Title |
---|
何静;陈敏;仲跻芹;洪晓媛;: "雷达反射率三维拼图观测资料在北方区域数值模式预报系统中的同化应用研究", 气象学报, no. 02, 15 April 2019 (2019-04-15) * |
王小兰;程明虎;马启明;张乐坚;: "使用物理方法反演中国陆地雨强和水凝物垂直结构", 气象学报, no. 03, 15 June 2011 (2011-06-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117706512B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021218424A1 (zh) | 基于rbf神经网络的航海雷达图像反演海面风速方法 | |
CN110728411B (zh) | 一种基于卷积神经网络的高低空区域联合降雨预测方法 | |
CN113409314B (zh) | 高空钢结构腐蚀的无人机视觉检测与评价方法及系统 | |
CN105891833A (zh) | 基于多普勒雷达信息识别暖云降水率的方法 | |
WO2020207070A1 (zh) | 深圳海域水质评价方法及系统 | |
Kohnemann et al. | Extreme warming in the Kara Sea and Barents Sea during the winter period 2000–16 | |
CN108254750B (zh) | 一种基于雷达资料的下击暴流智能识别预警方法 | |
CN110888186A (zh) | 基于gbdt+lr模型的冰雹和短时强降水预报方法 | |
CN113591572A (zh) | 基于多源数据和多时相数据的水土流失定量监测方法 | |
CN115437036A (zh) | 一种基于葵花卫星的对流初生预报方法 | |
CN108154271A (zh) | 一种基于空间相关性和曲面拟合的地面气温质量控制方法 | |
CN103155836B (zh) | 一种预测林业有害生物发生程度的方法 | |
CN116910041B (zh) | 一种基于尺度分析的遥感降水产品的逐日订正方法 | |
CN113836808A (zh) | 一种基于重污染特征约束的pm2.5深度学习预测方法 | |
CN117706512B (zh) | 一种融合温度判定与背景依赖的水凝物反演方法和系统 | |
CN112766581A (zh) | 一种计算机自动识别预报人工防雹作业潜势的方法 | |
CN112347872A (zh) | 一种基于地面观测的雷暴大风风暴体标识方法及系统 | |
CN115203624B (zh) | 一种基于时序遥感的任意时刻地表环境综合评估方法 | |
CN115048986B (zh) | 一种基于多分类器动态剪枝选择的地表冻融状态分类方法 | |
CN115292667A (zh) | 一种基于降水预报与遥相关对应关系的空间概率分析方法及系统 | |
CN115358507A (zh) | 生产建设项目扰动图斑水土流失风险识别评估方法 | |
Nielsen et al. | The distribution in time and space of savanna fires in Burkina Faso as determined from NOAA AVHRR data | |
da Silveira et al. | Observational Investigation of the Statistical Properties of Surface-Layer Turbulence in a Suburban Area of São Paulo, Brazil: Objective Analysis of Scaling-Parameter Accuracy and Uncertainties | |
CN116821626B (zh) | 一种水电站气象数据监测查询警报系统 | |
CN110751398B (zh) | 一种区域生态质量评价方法及装置 |
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 |