CN117991254B - 一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统 - Google Patents
一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统 Download PDFInfo
- Publication number
- CN117991254B CN117991254B CN202410406479.2A CN202410406479A CN117991254B CN 117991254 B CN117991254 B CN 117991254B CN 202410406479 A CN202410406479 A CN 202410406479A CN 117991254 B CN117991254 B CN 117991254B
- Authority
- CN
- China
- Prior art keywords
- typhoon
- center
- wind
- moving speed
- eye
- 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
- 239000013598 vector Substances 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 3
- 230000006855 networking Effects 0.000 description 5
- 101100422538 Escherichia coli sat-2 gene Proteins 0.000 description 1
- 241001489813 Ophelia Species 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统，所述方法包括以下步骤：（1）利用阈值方法，确定合成孔径雷达SAR台风海面风场的台风眼墙位置；（2）根据眼墙位置，利用最大梯度法提取最终的台风眼区域，并估算台风眼墙的近似椭圆，确定近似椭圆的中心为台风的中心；（3）利用估算的台风中心及近似椭圆，估算大尺度背景风矢量信息；（4）利用估算出的背景风矢量信息与台风中心，确定台风移动速度矢量；本发明准实时提取台风移动速度矢量信息，能够确定台风或飓风的中心位置，进而利于判断台风可能的路径也就是台风或飓风移动速度、移动方向，进而利于准实时地进行台风或飓风的监测及预报工作。
Description
技术领域
本发明涉及海洋遥感监测技术及台风预报技术领域，具体涉及一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统。
背景技术
台风的位置与路径监测是台风（或飓风）观测研究的基础，对于台风的预报以及防灾减灾工作具有重要意义。
遥感观测频次高，时空范围广且准实时性好，是台风路径监测的有力手段之一。相比于主要为可见光与红外波段的被动遥感，微波遥感可以全天时全天候进行观测，并且受大气窗口影响小。其中合成孔径雷达（SAR）分辨率高，可以精确反演台风的表面风场信息，并且可以通过不同极化方式解决风速饱和的问题，因此在台风监测及预报领域具有重要意义。SAR主要通过电磁波与海面毛细重力波的Bragg共振来获取标准后向散射截面(NRCS),且NRCS对海面 10 米处风引起的海面粗糙度变化很敏感。而对于台风来说，台风眼区域对应着较为平静的海面，眼区外围是有着最高风速的台风眼墙，因此，在眼墙附近存在着一个风速值的不连续，即一个风速的经向梯度最大值。基于上述台风特征，可以利用参数化模型以及本发明技术，对台风的移动速度矢量进行准实时估算。进而准实时地监测及预报台风路径，从而大大减少台风造成的生命和经济损失。
近年来，随着SAR卫星的与日俱增，使得多源SAR卫星台风海面风场协同观测成为可能，利用SAR卫星组网或多源卫星组网可以进一步对台风进行多次数、高精度的全面观测。
发明内容
发明目的：本发明的目的是提供一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统用于预报台风路径或登陆区域。
技术方案：本发明所述的一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法，包括以下步骤：
（1）利用阈值方法，确定合成孔径雷达SAR台风海面风场的台风眼墙位置；
（2）根据眼墙位置，利用最大梯度法提取最终的台风眼区域，并估算台风眼墙的近似椭圆，确定近似椭圆的中心为台风的中心；其中，近似椭圆为基于台风中心做面积与台风眼区域面积相同的椭圆，分别变换方位角、长轴长与短轴长，得出与台风眼区域重叠面积最大的椭圆；
（3）利用估算的台风中心及近似椭圆，估算大尺度背景风矢量信息；
（4）利用估算出的背景风矢量信息与台风中心，确定台风移动速度矢量。
进一步的，所述步骤（1）中，以SAR风场中合适的阈值作为初始阈值，确定台风眼墙位置，提取眼墙内区域为初步的台风眼区域，初步估算台风中心；其中，合适的阈值为风场中最大风速的90%；初步台风中心为初步的台风眼区域内的所有点的经纬度均值。
进一步的，所述步骤（2）中，以估算的台风中心每隔 1 度向360 个方向做射线，计算梯度最大值；以360个梯度最大值处的像素点风速值的均值作为新的阈值，提取最终的台风眼区域和台风中心位置。
进一步的，所述步骤（3）中，公式如下：
；
其中，是海表高度十米处的风速，单位为米/秒，/>为台风海表面最大风速，即台风强度，单位为米/秒，R为某点到台风中心的距离，单位为千米，/>为台风移动速度矢量，为理想化参数，与海面摩擦有关，取值为0.5，/>为到台风中心距离的参数化模型函数，可取Holland或Rankine模型。
进一步的，所述步骤（4）中，公式如下：
；
其中，为SAR反演得到的海表面风场，/>和/>为参数化模型函数模拟出的台风风场。
本发明所述的一种基于合成孔径雷达准实时监测台风移动速度矢量的估算系统，包括：
台风眼墙模块：用于利用阈值方法，确定合成孔径雷达SAR台风海面风场的台风眼墙位置；
台风中心模块：用于根据眼墙位置，利用最大梯度法提取最终的台风眼区域，并估算台风眼墙的近似椭圆，确定近似椭圆的中心为台风的中心；
风矢量信息模块：用于利用估算的台风中心及近似椭圆，估算大尺度背景风矢量信息；其中，近似椭圆为基于台风中心做面积与台风眼区域面积相同的椭圆，分别变换方位角、长轴长与短轴长，得出与台风眼区域重叠面积最大的椭圆；
移动速度矢量模块：用于利用估算出的背景风矢量信息与台风中心，确定台风移动速度矢量。
进一步的，所述台风眼墙模块中，以SAR风场中合适的阈值作为初始阈值，确定台风眼墙位置，提取眼墙内区域为初步的台风眼区域，初步估算台风中心；其中，合适的阈值为风场中最大风速的90%；初步台风中心为初步的台风眼区域内的所有点的经纬度均值。
进一步的，所述台风中心模块中，以估算的台风中心每隔 1 度向360 个方向做射线，计算梯度最大值；以360个梯度最大值处的像素点风速值的均值作为新的阈值，提取最终的台风眼区域和台风中心位置。
进一步的，所述风矢量信息模块中，公式如下：
；
其中，是海表高度十米处的风速，单位为米/秒，/>为台风海表面最大风速，即台风强度，单位为米/秒，R为某点到台风中心的距离，单位为千米，/>为台风移动速度矢量，为理想化参数，与海面摩擦有关，取值为0.5，/>为到台风中心距离的参数化模型函数，可取Holland或Rankine模型。
进一步的，所述移动速度矢量模块中，公式如下：
；
其中，为SAR反演得到的海表面风场，/>和/>为参数化模型函数模拟出的台风风场。
有益效果：与现有技术相比，本发明具有如下显著优点：准实时提取台风移动速度矢量信息，能够确定台风或飓风的中心位置，进而利于判断台风可能的路径也就是台风或飓风移动速度、移动方向，进而利于准准实时地进行台风或飓风的预报工作。同时，本发明为串联不同SAR卫星的海面风场监测，可以准准实时地提取台风移动速度矢量，利于台风的路径监测和预报及多源SAR卫星智能组网使用。
附图说明
图1为本发明的示例图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示，本发明实施例提供一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法，包括以下步骤：
（1）利用阈值方法，确定合成孔径雷达SAR台风海面风场的台风眼墙位置；具体如下：以SAR风场中合适的阈值作为初始阈值，确定台风眼墙位置，提取眼墙内区域为初步的台风眼区域，初步估算台风中心；其中，合适的阈值为风场中最大风速的90%；初步台风中心为初步的台风眼区域内的所有点的经纬度均值。
（2）根据眼墙位置，利用最大梯度法提取最终的台风眼区域，并估算台风眼墙的近似椭圆，确定近似椭圆的中心为台风的中心；其中，近似椭圆为基于台风中心做面积与台风眼区域面积相同的椭圆，分别变换方位角、长轴长与短轴长，得出与台风眼区域重叠面积最大的椭圆；具体如下：以估算的台风中心每隔 1 度向360 个方向做射线，计算梯度最大值；以360个梯度最大值处的像素点风速值的均值作为新的阈值，提取最终的台风眼区域和台风中心位置。
（3）利用估算的台风中心及近似椭圆，估算大尺度背景风矢量信息；公式如下：
；
其中，是海表高度十米处的风速，单位为米/秒，/>为台风海表面最大风速，即台风强度，单位为米/秒，R为某点到台风中心的距离，单位为千米，/>为台风移动速度矢量，为理想化参数，与海面摩擦有关，取值为0.5，/>为到台风中心距离的参数化模型函数，可取Holland或Rankine模型。
（4）利用估算出的背景风矢量信息与台风中心，确定台风移动速度矢量；公式如下：
；
其中，为SAR反演得到的海表面风场，/>和/>为参数化模型函数模拟出的台风风场。
通过本发明提供的方法，针对SAR卫星的海面风场观测过程，能够快速地确定台风或飓风的中心位置，进而利于准实时地确定台风的移动矢量（也就是台风或飓风的移动速度和方向），进而利于准实时地进行台风或飓风的监测及预报工作。同时，本发明可以串联多个海面风场SAR观测卫星，快速提取台风中心及台风移动速度矢量，为实现多源SAR卫星的“智能组网”提供了可行的技术保障。
如表1所示，为几种合成孔径雷达（SAR）的简单介绍，本发明选用RADARSAT-2的SAR图像为例。如图1所示基于RADARSAT-2监测的飓风Ophelia (2017)海表风场的成功提取，为利用不同空间分辨率的SAR卫星，提取海表风场信息，实现多源SAR卫星的“智能组网”提供了可行的技术保障。
如表1所示，针对台风的SAR遥感监测，目前主要有如下SAR卫星进行台风海面风场监测：RADARSAT-2、Sentinel-1A/B以及高分三号01/02/03等。不同SAR卫星有着各自的优势，为本发明的多源SAR卫星准实时地监测台风移动速度矢量的研究提供了基础，上述装置通过卫星搭载进行监测工作。
表1. 现有SAR卫星台风观测概况
本发明实施例还提供一种基于合成孔径雷达准实时监测台风移动速度矢量的估算系统，包括：
台风眼墙模块：用于利用阈值方法，确定合成孔径雷达SAR台风海面风场的台风眼墙位置；具体如下：以SAR风场中合适的阈值作为初始阈值，确定台风眼墙位置，提取眼墙内区域为初步的台风眼区域，初步估算台风中心；其中，合适的阈值为风场中最大风速的90%；初步台风中心为初步的台风眼区域内的所有点的经纬度均值。
台风中心模块：用于根据眼墙位置，利用最大梯度法提取最终的台风眼区域，并估算台风眼墙的近似椭圆，确定近似椭圆的中心为台风的中心；具体如下：以估算的台风中心每隔 1 度向360 个方向做射线，计算梯度最大值；以360个梯度最大值处的像素点风速值的均值作为新的阈值，提取最终的台风眼区域和台风中心位置。其中，近似椭圆为基于台风中心做面积与台风眼区域面积相同的椭圆，分别变换方位角、长轴长与短轴长，得出与台风眼区域重叠面积最大的椭圆；
风矢量信息模块：用于利用估算的台风中心及近似椭圆，估算大尺度背景风矢量信息；公式如下：
；
其中，是海表高度十米处的风速，单位为米/秒，/>为台风海表面最大风速，即台风强度，单位为米/秒，R为某点到台风中心的距离，单位为千米，/>为台风移动速度矢量，为理想化参数，与海面摩擦有关，取值为0.5，/>为到台风中心距离的参数化模型函数，可取Holland或Rankine模型。
移动速度矢量模块：用于利用估算出的背景风矢量信息与台风中心，确定台风移动速度矢量。公式如下：
；
其中，为SAR反演得到的海表面风场，/>和/>为参数化模型函数模拟出的台风风场。
Claims (2)
1.一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法，其特征在于，包括以下步骤：
（1）利用阈值方法，确定合成孔径雷达SAR台风海面风场的台风眼墙位置；其中，以SAR风场中合适的阈值作为初始阈值，确定台风眼墙位置，提取眼墙内区域为初步的台风眼区域，初步估算台风中心；其中，合适的阈值为风场中最大风速的90%；初步台风中心为初步的台风眼区域内的所有点的经纬度均值；
（2）根据眼墙位置，利用最大梯度法提取最终的台风眼区域，并估算台风眼墙的近似椭圆，确定近似椭圆的中心为台风的中心；其中，以估算的台风中心每隔 1 度向360 个方向做射线，计算梯度最大值；以360个梯度最大值处的像素点风速值的均值作为新的阈值，提取最终的台风眼区域和台风中心位置；
（3）利用估算的台风中心及近似椭圆，估算大尺度背景风矢量信息；公式如下：
；
其中，是海表高度十米处的风速，单位为米/秒，/>为台风海表面最大风速，即台风强度，单位为米/秒，R为某点到台风中心的距离，单位为千米，/>为台风移动速度矢量，A为理想化参数，与海面摩擦有关，取值为0.5，/>为到台风中心距离的参数化模型函数，可取Holland或Rankine模型；
（4）利用估算出的背景风矢量信息与台风中心，确定台风移动速度矢量；公式如下：
；
其中，为SAR反演得到的海表面风场，/>和/>为参数化模型函数模拟出的台风风场。
2.一种基于合成孔径雷达准实时监测台风移动速度矢量的估算系统，其特征在于，包括：
台风眼墙模块：用于利用阈值方法，确定合成孔径雷达SAR台风海面风场的台风眼墙位置；其中，以SAR风场中合适的阈值作为初始阈值，确定台风眼墙位置，提取眼墙内区域为初步的台风眼区域，初步估算台风中心；其中，合适的阈值为风场中最大风速的90%；初步台风中心为初步的台风眼区域内的所有点的经纬度均值；
台风中心模块：用于根据眼墙位置，利用最大梯度法提取最终的台风眼区域，并估算台风眼墙的近似椭圆，确定近似椭圆的中心为台风的中心；其中，以估算的台风中心每隔 1度向360 个方向做射线，计算梯度最大值；以360个梯度最大值处的像素点风速值的均值作为新的阈值，提取最终的台风眼区域和台风中心位置；
风矢量信息模块：用于利用估算的台风中心及近似椭圆，估算大尺度背景风矢量信息；公式如下：
；
其中，是海表高度十米处的风速，单位为米/秒，/>为台风海表面最大风速，即台风强度，单位为米/秒，R为某点到台风中心的距离，单位为千米，/>为台风移动速度矢量，A为理想化参数，与海面摩擦有关，取值为0.5，/>为到台风中心距离的参数化模型函数，可取Holland或Rankine模型；
移动速度矢量模块：用于利用估算出的背景风矢量信息与台风中心，确定台风移动速度矢量；公式如下：
；
其中，为SAR反演得到的海表面风场，/>和/>为参数化模型函数模拟出的台风风场。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410406479.2A CN117991254B (zh) | 2024-04-07 | 2024-04-07 | 一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410406479.2A CN117991254B (zh) | 2024-04-07 | 2024-04-07 | 一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117991254A CN117991254A (zh) | 2024-05-07 |
| CN117991254B true CN117991254B (zh) | 2024-06-21 |
Family
ID=90893730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410406479.2A Active CN117991254B (zh) | 2024-04-07 | 2024-04-07 | 一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117991254B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111723464A (zh) * | 2020-05-15 | 2020-09-29 | 南京师范大学 | 一种基于遥感影像特征的台风椭圆型风场参数化模拟方法 |
| CN117825745A (zh) * | 2024-02-04 | 2024-04-05 | 南方海洋科学与工程广东省实验室(广州) | 一种基于单矢量水听器的台风风速实时观测方法及设备 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4168753B2 (ja) * | 2003-01-07 | 2008-10-22 | 三菱電機株式会社 | 風速ベクトル計測装置及び風速ベクトル計測方法 |
| CN102681032A (zh) * | 2011-03-11 | 2012-09-19 | 南京信息工程大学 | 基于多普勒雷达和风标传感器的二维风场测量方法 |
| CN111830506B (zh) * | 2020-07-22 | 2022-02-08 | 江苏科技大学 | 一种基于K-means聚类算法的海面风速方法 |
| CN112149891B (zh) * | 2020-09-16 | 2023-05-23 | 南京信息工程大学 | 一种简捷的台风移动方向预测方法 |
| CN114019491A (zh) * | 2021-10-22 | 2022-02-08 | 青岛琳轩海洋科技有限公司 | 适用于多空间分辨率海面风场的台风中心定位方法 |
| US20240010198A1 (en) * | 2022-07-06 | 2024-01-11 | Waymo Llc | Methods and Systems for Adjusting Vehicle Behavior Based on Ambient Ground Relative Wind Speed Estimations |
| CN115392073A (zh) * | 2022-08-09 | 2022-11-25 | 湖南国天电子科技有限公司 | 一种非对称热带气旋海面风场的构造方法 |
| CN117075149A (zh) * | 2023-08-24 | 2023-11-17 | 北京航空航天大学 | 基于ddm的星载gnss-r台风位置估计方法及系统 |
| CN117172372B (zh) * | 2023-09-04 | 2024-03-15 | 南京信息工程大学 | 一种台风路径预测的方法及系统 |
-
2024
- 2024-04-07 CN CN202410406479.2A patent/CN117991254B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111723464A (zh) * | 2020-05-15 | 2020-09-29 | 南京师范大学 | 一种基于遥感影像特征的台风椭圆型风场参数化模拟方法 |
| CN117825745A (zh) * | 2024-02-04 | 2024-04-05 | 南方海洋科学与工程广东省实验室(广州) | 一种基于单矢量水听器的台风风速实时观测方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117991254A (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113936142B (zh) | 一种基于深度学习的降水临近预报方法及装置 | |
| CN114419825B (zh) | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 | |
| Cheng et al. | A new automotive radar 4d point clouds detector by using deep learning | |
| CN111899568A (zh) | 桥梁防撞预警系统、方法、装置和存储介质 | |
| EP2250522A1 (en) | Dynamic and adaptive radar tracking of storms (darts) | |
| CN110286373B (zh) | 一种复杂气候条件下的fod雷达雨雪杂波抑制方法 | |
| CN110764083B (zh) | 毫米波雷达防入侵的数据融合方法及系统 | |
| WO2015013249A2 (en) | Apparatus and method for providing environmental predictive indicators to emergency response managers | |
| CN113156417B (zh) | 反无人机探测系统、方法和雷达设备 | |
| Hejazi et al. | DyLoc: Dynamic localization for massive MIMO using predictive recurrent neural networks | |
| CN114720426B (zh) | 星载gnss反射信号的溢油检测方法 | |
| CN114998245A (zh) | 基于双目测距和图像分割对输电线舞动的检测方法 | |
| CN117991254B (zh) | 一种基于合成孔径雷达准实时监测台风移动速度矢量的估算方法及系统 | |
| CN112462341B (zh) | 一种基于多脉冲积累的小型旋翼无人机目标检测方法 | |
| CN113866756A (zh) | 一种基于mimo雷达的小型无人机目标跟踪方法 | |
| CN117808689A (zh) | 基于毫米波雷达与摄像头融合的深度补全方法 | |
| CN111830596B (zh) | 一种未来半小时内单站uhf频段电离层闪烁事件发生时长的预测方法 | |
| Wang et al. | Observed over-the-horizon propagation characteristics and evaporation duct inversion during the entire process of Tropical Cyclone Mulan (202207) | |
| CN117029840A (zh) | 一种移动车辆定位方法及系统 | |
| CN114019513B (zh) | 一种星载探测数据全球海洋降雨类型判别装置及方法 | |
| Abileah et al. | Shallow water bathymetry with an incoherent X-band radar using small (smaller) space-time image cubes | |
| CN113447995B (zh) | 一种周界区域入侵检测管理系统及检测方法 | |
| CN110824419B (zh) | 一种物流车辆的定位方法及系统 | |
| CN114548553A (zh) | 基于海浪图像遥感和人工智能海洋浮体运动预报系统 | |
| CN114022681A (zh) | 一种红外图像弱小目标检测方法及系统 |
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 |