JP3317332B2 - レーダーエコーパターン分類方法とその装置 - Google Patents
レーダーエコーパターン分類方法とその装置Info
- Publication number
- JP3317332B2 JP3317332B2 JP02912997A JP2912997A JP3317332B2 JP 3317332 B2 JP3317332 B2 JP 3317332B2 JP 02912997 A JP02912997 A JP 02912997A JP 2912997 A JP2912997 A JP 2912997A JP 3317332 B2 JP3317332 B2 JP 3317332B2
- Authority
- JP
- Japan
- Prior art keywords
- weather
- radar echo
- frequency distribution
- image
- frequency
- 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.)
- Expired - Fee Related
Links
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)
Description
【０００１】
【発明の属する技術分野】本発明は、気象レーダーエコ
ー画像に基づいた狭い地域の雨域の時系列変化を短時間
予測し、気象の変化に敏感に影響されるような狭い地域
における様々な経済活動が円滑に営まれるように、複雑
で多様なエコー画像を過去のエコー画像と高速に比較・
分類してエコー画像の変化を予測するレーダーエコーパ
ターン分類方法と装置に関するものである。
ー画像に基づいた狭い地域の雨域の時系列変化を短時間
予測し、気象の変化に敏感に影響されるような狭い地域
における様々な経済活動が円滑に営まれるように、複雑
で多様なエコー画像を過去のエコー画像と高速に比較・
分類してエコー画像の変化を予測するレーダーエコーパ
ターン分類方法と装置に関するものである。
【０００２】
【従来の技術】従来、気象予測を行う際、気象庁ではア
メダスや気象衛星から得られる２、３次元的な気温、気
圧、露点、風ベクトル等の様々な物理パラメーターを用
いて、数理・物理方程式を介した数十時間先もしくは数
日先の日本全国の気象現象の変化を予測してきている。
一方、近年より狭い地域での、分オーダーの短い時間に
おける気象予測が望まれてきているため、局地的に配置
した気象レーダー装置や雨域の変化情報からの予測が必
須となってきている。雨域の変化は、降雨や降雪がある
領域の変化を意味し、見かけ上、雲状をなしている。画
像としての雨域は、様々な形状と濃淡値の組み合わせと
して表現されており、明瞭な特徴量の記述が困難である
ことから画像処理手法に基づいた雨域の動き検出は容易
ではない。そのため現在でも、人の経験則に基づいた雨
域の変化からの主観的な読み取りが行われ、活用されて
いる。対流現象の一端として、それが弱まっている場合
は、ぼんやりと一様に広がったり、それが強まったりし
ている場合は、凹凸に富んだ形状が発生することが多
い。
メダスや気象衛星から得られる２、３次元的な気温、気
圧、露点、風ベクトル等の様々な物理パラメーターを用
いて、数理・物理方程式を介した数十時間先もしくは数
日先の日本全国の気象現象の変化を予測してきている。
一方、近年より狭い地域での、分オーダーの短い時間に
おける気象予測が望まれてきているため、局地的に配置
した気象レーダー装置や雨域の変化情報からの予測が必
須となってきている。雨域の変化は、降雨や降雪がある
領域の変化を意味し、見かけ上、雲状をなしている。画
像としての雨域は、様々な形状と濃淡値の組み合わせと
して表現されており、明瞭な特徴量の記述が困難である
ことから画像処理手法に基づいた雨域の動き検出は容易
ではない。そのため現在でも、人の経験則に基づいた雨
域の変化からの主観的な読み取りが行われ、活用されて
いる。対流現象の一端として、それが弱まっている場合
は、ぼんやりと一様に広がったり、それが強まったりし
ている場合は、凹凸に富んだ形状が発生することが多
い。
【０００３】画像処理技法に基づいて、筋状パターンと
降水量の関係を解析した例は見られる。しかしながら、
それは全体に占めるパターンのほんの一部についての解
析結果であり、パターンと降水量の関係については、主
観的な分類方法が依然として中心的である。そのため、
このような関係のデータベースの構築は、現象の変化予
測の一手法としては重要視されているものの、かなり遅
れた方法である。
降水量の関係を解析した例は見られる。しかしながら、
それは全体に占めるパターンのほんの一部についての解
析結果であり、パターンと降水量の関係については、主
観的な分類方法が依然として中心的である。そのため、
このような関係のデータベースの構築は、現象の変化予
測の一手法としては重要視されているものの、かなり遅
れた方法である。
【０００４】
【発明が解決しようとする課題】上述した従来のレーダ
ーエコーパターン分類方法は、レーダーエコー画像に映
し出される雲状のパターンの変化については直接画像上
に主観的にその輪郭線をなぞったり、重心を適当に見積
もってトレースしたりしていることがほとんどである。
これは、画像処理技法で２つの連続するフレーム間の相
互相関係数を求めたとしても、パターンのもつ濃淡値と
形状が同時に常に変化しているために信頼性の高い相互
相関係数は推定されないことが多いので、人為的に行わ
ざるを得なかったためである。
ーエコーパターン分類方法は、レーダーエコー画像に映
し出される雲状のパターンの変化については直接画像上
に主観的にその輪郭線をなぞったり、重心を適当に見積
もってトレースしたりしていることがほとんどである。
これは、画像処理技法で２つの連続するフレーム間の相
互相関係数を求めたとしても、パターンのもつ濃淡値と
形状が同時に常に変化しているために信頼性の高い相互
相関係数は推定されないことが多いので、人為的に行わ
ざるを得なかったためである。
【０００５】一方、従来の方法では、輪郭形状の類似性
に基づいた分類方法が中心的となっており、パターンの
濃淡値変化に対流の影響が生じていても、主観的には追
従しきれておらず、見逃している問題がある。
に基づいた分類方法が中心的となっており、パターンの
濃淡値変化に対流の影響が生じていても、主観的には追
従しきれておらず、見逃している問題がある。
【０００６】いずれにしても、大量の、複雑なパターン
の分類を高速に自動的に行うことが必須となっている。
即ち、形状と濃淡変化を同時に考慮した分類方法が必要
である。
の分類を高速に自動的に行うことが必須となっている。
即ち、形状と濃淡変化を同時に考慮した分類方法が必要
である。
【０００７】本発明の目的は、時系列のレーダーエコー
画像を高速に自動的に処理して信頼度の高い気象予測が
可能なレーダーエコーパターン分類方法と装置とを提供
することである。
画像を高速に自動的に処理して信頼度の高い気象予測が
可能なレーダーエコーパターン分類方法と装置とを提供
することである。
【０００８】
【課題を解決するための手段】本発明のレーダーエコー
パターン分類方法は、気象レーダーエコー画像を入力し
て蓄積し、該画像の変化にに基づいて気象変化を予測す
るレーダーエコーパターン分類方法において、蓄積され
ている過去の雨域の各時系列気象レーダエコー多値画像
を周波数変換して周波数分布をとり、周波数分布の時系
列変化パターンを気象変化パターン分類項目に分類して
蓄積するステップと、入力された、予測対象雨域の各時
系列気象レーダーエコー多値画像を周波数変換して周波
数分布をとり、周波数分布の時系列変化パターンを蓄積
するステップと、前記予測対象雨域に関する前記入力さ
れた時系列気象レーダーエコー画像の２次元周波数分布
の変化パターンを前記過去の周波数分布の時系列変化パ
ターンから比較検索して、近似する前記気象変化パター
ンの分類項目に分類するステップと、前記分類結果によ
り気象予測を構成するステップと、前記分類結果を格納
するステップを有する。
パターン分類方法は、気象レーダーエコー画像を入力し
て蓄積し、該画像の変化にに基づいて気象変化を予測す
るレーダーエコーパターン分類方法において、蓄積され
ている過去の雨域の各時系列気象レーダエコー多値画像
を周波数変換して周波数分布をとり、周波数分布の時系
列変化パターンを気象変化パターン分類項目に分類して
蓄積するステップと、入力された、予測対象雨域の各時
系列気象レーダーエコー多値画像を周波数変換して周波
数分布をとり、周波数分布の時系列変化パターンを蓄積
するステップと、前記予測対象雨域に関する前記入力さ
れた時系列気象レーダーエコー画像の２次元周波数分布
の変化パターンを前記過去の周波数分布の時系列変化パ
ターンから比較検索して、近似する前記気象変化パター
ンの分類項目に分類するステップと、前記分類結果によ
り気象予測を構成するステップと、前記分類結果を格納
するステップを有する。
【０００９】また、前記周波数分布図の時系列変化パタ
ーンの分類は、気象観測地域により追加分類を有し得
る。
ーンの分類は、気象観測地域により追加分類を有し得
る。
【００１０】さらに、前記入力した気象多値画像を２値
化するステップと、前記２値化した各画像を周波数変換
し、個別の２次元周波数分布図を作成するステップと、
前記入力した気象レーダーエコー多値画像毎に作成した
周波数分布図と前記気象レーダーエコー多値画像を２値
化した後周波数変換して作成した周波数分布図との差分
をとりその結果を出力するステップを有するのも本発明
の好ましい実施態様である。
化するステップと、前記２値化した各画像を周波数変換
し、個別の２次元周波数分布図を作成するステップと、
前記入力した気象レーダーエコー多値画像毎に作成した
周波数分布図と前記気象レーダーエコー多値画像を２値
化した後周波数変換して作成した周波数分布図との差分
をとりその結果を出力するステップを有するのも本発明
の好ましい実施態様である。
【００１１】本発明のレーダーエコーパターン分類装置
は、気象レーダーエコー画像を入力して蓄積し、該画像
に基づいて気象変化を予測するレーダーエコーパターン
分類装置において、画像蓄積手段に蓄積されている過去
の雨域の各時系列気象レーダーエコー多値画像を、周波
数変換し、周波数領域に分布された個別の２次元周波数
分布図を作成し、該周波数分布図の時系列変化パターン
を気象変化パターン分類項目により分類して画像蓄積手
段に蓄積する手段と、前記画像蓄積手段に入力された、
予測対象雨域の一連の時系列気象レーダーエコー画像
を、周波数変換し、周波数領域に分布された個別の２次
元周波数分布図を作成して、画像蓄積手段に蓄積する手
段と、前記入力された気象レーダーエコー画像の２次元
周波数分布図の時系列変化パターンを前記過去の気象レ
ーダーエコー画像の周波数分布図の時系列変化パターン
から比較検索し、近似する前記気象変化パターン分類項
目に分類する手段と、前記分類結果により気象予測を構
成する手段と、前記比較分類結果を格納する手段を有す
る。
は、気象レーダーエコー画像を入力して蓄積し、該画像
に基づいて気象変化を予測するレーダーエコーパターン
分類装置において、画像蓄積手段に蓄積されている過去
の雨域の各時系列気象レーダーエコー多値画像を、周波
数変換し、周波数領域に分布された個別の２次元周波数
分布図を作成し、該周波数分布図の時系列変化パターン
を気象変化パターン分類項目により分類して画像蓄積手
段に蓄積する手段と、前記画像蓄積手段に入力された、
予測対象雨域の一連の時系列気象レーダーエコー画像
を、周波数変換し、周波数領域に分布された個別の２次
元周波数分布図を作成して、画像蓄積手段に蓄積する手
段と、前記入力された気象レーダーエコー画像の２次元
周波数分布図の時系列変化パターンを前記過去の気象レ
ーダーエコー画像の周波数分布図の時系列変化パターン
から比較検索し、近似する前記気象変化パターン分類項
目に分類する手段と、前記分類結果により気象予測を構
成する手段と、前記比較分類結果を格納する手段を有す
る。
【００１２】また、前記周波数分布図の時系列変化パタ
ーン分類は気象観測地域毎に追加分類を有し得る。
ーン分類は気象観測地域毎に追加分類を有し得る。
【００１３】さらに、前記入力した気象レーダーエコー
多値画像を２値化する手段と、前記２値化した各画像を
周波数変換して２次元の周波数分布図を作成する手段
と、前記入力した気象レーダーエコー多値画像毎に作成
した周波数分布図と、前記気象多値画像を２値化した後
周波数変換して作成した対応する周波数分布図との差分
をとりその結果を出力する手段を有する者も本発明の好
ましい実施態様である。
多値画像を２値化する手段と、前記２値化した各画像を
周波数変換して２次元の周波数分布図を作成する手段
と、前記入力した気象レーダーエコー多値画像毎に作成
した周波数分布図と、前記気象多値画像を２値化した後
周波数変換して作成した対応する周波数分布図との差分
をとりその結果を出力する手段を有する者も本発明の好
ましい実施態様である。
【００１４】
【発明の実施の形態】次に、本発明の実施の形態につい
て図面を参照して説明する。図１は本発明のレーダーエ
コーパターン分類方法が適用されたレーダーエコーパタ
ーン分類装置の一実施例のブロック図である。このレー
ダーエコーパターン分類装置１０は、雨域のレーダー画
像を入力する画像入力部１と、時系列画像を蓄積する画
像蓄積部２と、時系列画像を個別に周波数変換して周波
数領域にプロットした２次元周波数分布図に変換する周
波数変換部３と、各対応する周波数分布図を比較・分類
する比較部４と、分類した結果を出力する出力部５とか
らなる。また、比較器４は入力したレーダーエコー多値
画像毎に周波数変換した周波数分布図と、レーダーエコ
ー多値画像を２値化した上で周波数変換した周波数分布
図の差分をとる減算機能をも有する。
て図面を参照して説明する。図１は本発明のレーダーエ
コーパターン分類方法が適用されたレーダーエコーパタ
ーン分類装置の一実施例のブロック図である。このレー
ダーエコーパターン分類装置１０は、雨域のレーダー画
像を入力する画像入力部１と、時系列画像を蓄積する画
像蓄積部２と、時系列画像を個別に周波数変換して周波
数領域にプロットした２次元周波数分布図に変換する周
波数変換部３と、各対応する周波数分布図を比較・分類
する比較部４と、分類した結果を出力する出力部５とか
らなる。また、比較器４は入力したレーダーエコー多値
画像毎に周波数変換した周波数分布図と、レーダーエコ
ー多値画像を２値化した上で周波数変換した周波数分布
図の差分をとる減算機能をも有する。
【００１５】図２は画像を示す図で、（ａ）は時間領域
における時系列画像、（ｂ）は周波数変換された周波数
分布図である。入力した画像６1、６2、６3は、気象変
化の３つのパターンを示し、形状、大きさも様々であ
る。しかしながら、周波数変換した周波数分布図７1、
７2、７3は像をみてわかるように、時間領域の画像の見
かけほど、大きな変化はない。むしろ、類似している。
このことから、画像の周波数帯域の変化巾は、時間領域
での画像の各特徴の変化ほど大きくなっていないことを
示している。なお、周波数変換は、高速フーリエ変換Ｆ
ＦＴを適用すれば、高速に演算できる。また、高周波数
成分側による画像の周辺崩れであるaliasingが生じない
ように、ＦＦＴを適用する際、ローパスフィルター等を
使用しておく必要がある。
における時系列画像、（ｂ）は周波数変換された周波数
分布図である。入力した画像６1、６2、６3は、気象変
化の３つのパターンを示し、形状、大きさも様々であ
る。しかしながら、周波数変換した周波数分布図７1、
７2、７3は像をみてわかるように、時間領域の画像の見
かけほど、大きな変化はない。むしろ、類似している。
このことから、画像の周波数帯域の変化巾は、時間領域
での画像の各特徴の変化ほど大きくなっていないことを
示している。なお、周波数変換は、高速フーリエ変換Ｆ
ＦＴを適用すれば、高速に演算できる。また、高周波数
成分側による画像の周辺崩れであるaliasingが生じない
ように、ＦＦＴを適用する際、ローパスフィルター等を
使用しておく必要がある。
【００１６】次に、本発明のレーダーエコーパターン分
類方法について図５を参照して説明する。
類方法について図５を参照して説明する。
【００１７】まず、雨域のレーダーエコー画像の時系列
変化について、過去の変化パターンを個別に画像毎に周
波数変換して、それぞれ周波数領域に分布した周波数分
布を作成し（ステップ２１）、その時系列のパターンを
気象変化の結果と結び付けて気象変化分類を行って、分
類項目を付した後蓄積しておく（ステップ２２）。
変化について、過去の変化パターンを個別に画像毎に周
波数変換して、それぞれ周波数領域に分布した周波数分
布を作成し（ステップ２１）、その時系列のパターンを
気象変化の結果と結び付けて気象変化分類を行って、分
類項目を付した後蓄積しておく（ステップ２２）。
【００１８】予測対象雨域のレーダーエコー画像を入力
し（ステップ２３）、その画像毎に周波数変換しその周
波数分布をとり、その時系列変化パターンを作成する
（ステップ２４）。次に、ステップ２４で作成した周波
数分布の時系列変化パターンを過去の周波数分布の時系
列パターンと比較検索し（ステップ２５）、近似するパ
ターンを選択してその分類項目に分類し、それに基づく
予測を構成し（ステップ２６）、入力した画像の周波数
分布の時系列変化パターンの分類項目に近似の分類項目
の時系列変化パターンとに偏差があれば偏差を付して格
納し、その後出力する（ステップ２７）。
し（ステップ２３）、その画像毎に周波数変換しその周
波数分布をとり、その時系列変化パターンを作成する
（ステップ２４）。次に、ステップ２４で作成した周波
数分布の時系列変化パターンを過去の周波数分布の時系
列パターンと比較検索し（ステップ２５）、近似するパ
ターンを選択してその分類項目に分類し、それに基づく
予測を構成し（ステップ２６）、入力した画像の周波数
分布の時系列変化パターンの分類項目に近似の分類項目
の時系列変化パターンとに偏差があれば偏差を付して格
納し、その後出力する（ステップ２７）。
【００１９】また、ステップ２５で近似する過去のパタ
ーンがない場合は新規のパターンとして新しい分類項目
を付し、新分類項目のパターンとして格納する（ステッ
プ２８）。なお、偏差を付すのは将来分類の再構築の参
考のためである。
ーンがない場合は新規のパターンとして新しい分類項目
を付し、新分類項目のパターンとして格納する（ステッ
プ２８）。なお、偏差を付すのは将来分類の再構築の参
考のためである。
【００２０】さらに、地域的特徴がある場合、その地域
特有の条件を含む追加分類も付加して行われることが考
慮される。
特有の条件を含む追加分類も付加して行われることが考
慮される。
【００２１】図３は、レーダーエコーパターンのデータ
ベース検索の例である。（ａ）は一つのグループとして
大量のレーダーエコーパターン８1を示し、この各パタ
ーンを（ｂ）に示す周波数領域に変換した対応する周波
数分布図８2をデータベースに構築しておく。（ｃ）に
示すあるエコーパターン９1をデータベースから検索し
ようとするときのために、その際、グループを代表する
キーとして（ｃ）に示す周波数分布図９2も選定してお
く。
ベース検索の例である。（ａ）は一つのグループとして
大量のレーダーエコーパターン８1を示し、この各パタ
ーンを（ｂ）に示す周波数領域に変換した対応する周波
数分布図８2をデータベースに構築しておく。（ｃ）に
示すあるエコーパターン９1をデータベースから検索し
ようとするときのために、その際、グループを代表する
キーとして（ｃ）に示す周波数分布図９2も選定してお
く。
【００２２】このようにして、キー画像としての周波数
分布図９2をデータベース内に選定しておいて比較する
ので、複数の画像処理を施す必要性がなくなる。
分布図９2をデータベース内に選定しておいて比較する
ので、複数の画像処理を施す必要性がなくなる。
【００２３】また、比較を行う際は、２次元の周波数分
布図についての相互相関関数を計算すればよい。
布図についての相互相関関数を計算すればよい。
【００２４】図４は、より比較精度を向上させる方法の
説明図である。エコーパターン１１は、輪郭形状の変化
と濃淡値の変化に富んでいる特徴がある。従って、周波
数変換１２を行った周波数分布図には、輪郭形状もしく
は濃淡値のいずれかが結果に強く反映する。対流はいず
れにも反映するが、特に、濃淡値変化と降水量の関係を
解析したり、そのことに基づいてパターン分類・検索し
たいときは、工夫を要する。その方法の一つとして、濃
淡値を含む多値画像入力１１をして、そのまま周波数変
換１１により波数分布図を得、一方、入力した多値画像
を２値化１３を行って２値化画像とした後、周波数変換
１４をして周波数分布図を得る。続いて両周波数領域の
差をとって差分画像１５を出力する。このとき、２値化
画像の周波数分布図は輪郭形状についての周波数分布を
含んでいる。従って、両者の差分画像１５は、濃淡値の
変化のみの周波数分布の結果となる。検索の精度向上を
濃淡値変化に求めるときは、このような方法が高速かつ
簡便である。
説明図である。エコーパターン１１は、輪郭形状の変化
と濃淡値の変化に富んでいる特徴がある。従って、周波
数変換１２を行った周波数分布図には、輪郭形状もしく
は濃淡値のいずれかが結果に強く反映する。対流はいず
れにも反映するが、特に、濃淡値変化と降水量の関係を
解析したり、そのことに基づいてパターン分類・検索し
たいときは、工夫を要する。その方法の一つとして、濃
淡値を含む多値画像入力１１をして、そのまま周波数変
換１１により波数分布図を得、一方、入力した多値画像
を２値化１３を行って２値化画像とした後、周波数変換
１４をして周波数分布図を得る。続いて両周波数領域の
差をとって差分画像１５を出力する。このとき、２値化
画像の周波数分布図は輪郭形状についての周波数分布を
含んでいる。従って、両者の差分画像１５は、濃淡値の
変化のみの周波数分布の結果となる。検索の精度向上を
濃淡値変化に求めるときは、このような方法が高速かつ
簡便である。
【００２５】
【発明の効果】以上説明したように、本発明は、時系列
のレーダーエコー画像を周波数変換して周波数領域に分
布して分類あるいは検索するので、複数の画像処理を適
用せずに高速に簡便に実現できる効果がある。特に、濃
淡変化についての分類と検索を行う場合は、多値画像と
２化画像を用意し、それぞれを周波数変換して、その差
分をとれば簡単、かつ高速に処理することが可能である
という効果がある。
のレーダーエコー画像を周波数変換して周波数領域に分
布して分類あるいは検索するので、複数の画像処理を適
用せずに高速に簡便に実現できる効果がある。特に、濃
淡変化についての分類と検索を行う場合は、多値画像と
２化画像を用意し、それぞれを周波数変換して、その差
分をとれば簡単、かつ高速に処理することが可能である
という効果がある。
【図１】本発明のレーダーエコーパターン分類方法が適
用されたレーダーエコーパターン分類装置の一実施例の
ブロック図である。
用されたレーダーエコーパターン分類装置の一実施例の
ブロック図である。
【図２】画像を示す図で、（ａ）は時間領域における時
系列画像、（ｂ）は周波数領域における周波数分布を示
す図である。
系列画像、（ｂ）は周波数領域における周波数分布を示
す図である。
【図３】レーダーエコーパターンのデータベース検索の
例で、（ａ）は２次元多値画像であるエコーパターンの
一つのグループ分布を示す図、（ｂ）は該グループの各
画像の周波数分布図、（ｃ）は（ａ）の中の一画像、
（ｄ）は（ｂ）のグループのキーとなるパターンの周波
数分布図である。
例で、（ａ）は２次元多値画像であるエコーパターンの
一つのグループ分布を示す図、（ｂ）は該グループの各
画像の周波数分布図、（ｃ）は（ａ）の中の一画像、
（ｄ）は（ｂ）のグループのキーとなるパターンの周波
数分布図である。
【図４】濃淡値変化による分類を行うための２値化した
画像の併用方法の説明図である。
画像の併用方法の説明図である。
【図５】本発明のレーダーエコーパターン分類方法の一
実施例のフローチャートである。
実施例のフローチャートである。
１ 画像入力部 ２ 画像蓄積部 ３ 周波数変換部 ４ 比較部 ５ 出力部 ６1 多値レーダーエコーパターン ６2 多値レーダーエコーパターン ６3 多値レーダーエコーパターン ７1 ６1の周波数分布図 ７2 ６2の周波数分布図 ７3 ６3の周波数分布図 ８1 レーダーエコーパターンのグループ画像 ８2 ８1のグループ画像のそれぞれの画像の周波数分
布図 ８3 ８1の中の一つの画像 ８4 ８1のキーパターンの周波数分布図
布図 ８3 ８1の中の一つの画像 ８4 ８1のキーパターンの周波数分布図
フロントページの続き (56)参考文献 特開 平８−122433（ＪＰ，Ａ) 特開 平５−307080（ＪＰ，Ａ) 特開 平10−227870（ＪＰ，Ａ) 特開 平10−227869（ＪＰ，Ａ) 特開 平10−186057（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G01S 7/00 - 7/42 G01S 13/00 - 13/95 G01W 1/10
Claims (6)
- 【請求項１】 気象レーダーエコー画像を入力して蓄積
し、該画像の変化にに基づいて気象変化を予測するレー
ダーエコーパターン分類方法において、 蓄積されている過去の雨域の各時系列気象レーダエコー
多値画像を周波数変換して周波数領域に分布された個別
の２次元周波数分布をとり、該２次元周波数分布の時系
列変化パターンを気象変化パターン分類項目に分類して
蓄積するステップと、 入力された、予測対象雨域の各時系列気象レーダーエコ
ー多値画像を周波数変換して周波数分布をとり、その時
系列変化パターンを蓄積するステップと、 前記予測対象雨域に関する前記入力された時系列気象レ
ーダーエコー画像の周波数分布の変化パターンを前記過
去の周波数分布の時系列変化パターンから比較検索し、
近似する前記気象変化パターン分類項目に分類するステ
ップと、 前記分類結果により気象予測を構成するステップと、 前記分類結果を格納するステップを有することを特徴と
するレーダーエコーパターン分類方法。 - 【請求項２】 前記周波数分布図の時系列変化パターン
の分類が気象観測地域により追加分類を有し得る請求項
１記載のレーダーエコーパターン分類方法。 - 【請求項３】 前記入力した気象多値画像を２値化する
ステップと、 前記２値化した各画像を周波数変換し、個別の２次元周
波数分布図を作成するステップと、 前記入力した気象レーダーエコー多値画像毎に作成した
周波数分布図と前記気象レーダーエコー多値画像を２値
化した後周波数変換して作成した周波数分布図との差分
をとりその結果を出力するステップを有する請求項１ま
たは２に記載のレーダーエコーパターン分類方法。 - 【請求項４】 気象レーダーエコー画像を入力して蓄積
し、該画像に基づいて気象変化を予測するレーダーエコ
ーパターン分類装置において、 画像蓄積手段に蓄積されている過去の雨域の各時系列気
象レーダーエコー多値画像を、周波数変換し、周波数領
域に分布された個別の２次元周波数分布図を作成し、該
周波数分布図の時系列変化パターンを気象変化パターン
分類項目により分類して画像蓄積手段に蓄積する手段
と、 前記画像蓄積手段に入力された、予測対象雨域の一連の
時系列気象レーダーエコー画像を、周波数変換し、周波
数領域に分布された個別の２次元周波数分布図を作成し
て、画像蓄積手段に蓄積する手段と、 前記入力された気象レーダーエコー画像の２次元周波数
分布図の時系列変化パターンを前記過去の気象レーダー
エコー画像の周波数分布図の時系列変化パターンから比
較検索し、近似する前記気象変化パターン分類項目に分
類する手段と、 前記分類結果により気象予測を構成する手段と、 前記比較分類結果を格納する手段を有することを特徴と
するレーダーエコーパターン分類装置。 - 【請求項５】 前記周波数分布図の時系列変化パターン
分類が気象観測地域毎に追加分類を有し得る請求項４記
載のレーダーエコーパターン分類装置。 - 【請求項６】 前記入力した気象レーダーエコー多値画
像を２値化する手段と、 前記２値化した各画像を周波数変換して２次元の周波数
分布図を作成する手段と、 前記入力した気象レーダーエコー多値画像毎に作成した
周波数分布図と、前記気象多値画像を２値化した後周波
数変換して作成した対応する周波数分布図との差分をと
りその結果を出力する手段を有する請求項４または５に
記載のレーダーエコーパターン分類装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP02912997A JP3317332B2 (ja) | 1997-02-13 | 1997-02-13 | レーダーエコーパターン分類方法とその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP02912997A JP3317332B2 (ja) | 1997-02-13 | 1997-02-13 | レーダーエコーパターン分類方法とその装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10227854A JPH10227854A (ja) | 1998-08-25 |
| JP3317332B2 true JP3317332B2 (ja) | 2002-08-26 |
Family
ID=12267697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP02912997A Expired - Fee Related JP3317332B2 (ja) | 1997-02-13 | 1997-02-13 | レーダーエコーパターン分類方法とその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3317332B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111539488B (zh) * | 2020-05-27 | 2021-11-26 | 北京理工大学 | 复杂动态轨迹下极窄脉冲雷达抗成像畸变目标分类方法 |
| CN112649791B (zh) * | 2020-12-24 | 2022-08-05 | 北京海兰信数据科技股份有限公司 | 一种雷达回波处理方法及装置 |
| CN115453665B (zh) * | 2022-11-11 | 2023-02-03 | 南京气象科技创新研究院 | 一种雷达定量估测降水的自动优化方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2965790B2 (ja) * | 1992-04-30 | 1999-10-18 | 株式会社東芝 | レーダー降雨短期移動予測装置 |
| JPH08122433A (ja) * | 1994-10-20 | 1996-05-17 | Tokyo Electric Power Co Inc:The | 雷雲観測システム |
| JP3377073B2 (ja) * | 1997-02-13 | 2003-02-17 | 日本電信電話株式会社 | 降水域発達・減衰予測装置 |
| JP3377071B2 (ja) * | 1996-12-26 | 2003-02-17 | 日本電信電話株式会社 | 大局的雨域予測装置 |
| JP3377074B2 (ja) * | 1997-02-13 | 2003-02-17 | 日本電信電話株式会社 | 降水量変化予測装置 |
-
1997
- 1997-02-13 JP JP02912997A patent/JP3317332B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH10227854A (ja) | 1998-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Traffic flow prediction by an ensemble framework with data denoising and deep learning model | |
| CN107229918B (zh) | 一种基于全卷积神经网络的sar图像目标检测方法 | |
| US10073908B2 (en) | Functional space-time trajectory clustering | |
| Schäfer et al. | Classifying Land Cover from Satellite Images Using Time Series Analytics. | |
| Dilmi et al. | Iterative multiscale dynamic time warping (IMs-DTW): a tool for rainfall time series comparison | |
| Wang et al. | Rainfall observation using surveillance audio | |
| Zhang et al. | Traffic flow prediction based on cascaded artificial neural network | |
| Song et al. | Application of a novel signal decomposition prediction model in minute sea level prediction | |
| CN114241491A (zh) | 一种基于轻量级深度学习网络的手写字母识别方法 | |
| JP3317332B2 (ja) | レーダーエコーパターン分類方法とその装置 | |
| Leprettre et al. | Extraction of pertinent subsets from time–frequency representations for detection and recognition purposes | |
| Ailliot et al. | Dynamical partitioning of directional ocean wave spectra | |
| Yang et al. | A data mining approach for heavy rainfall forecasting based on satellite image sequence analysis | |
| Fung et al. | Improvement of SVR-based drought forecasting models using wavelet pre-processing technique | |
| CN115905945A (zh) | 行人动作识别方法、装置、设备及存储介质 | |
| Sun et al. | Integrating optical and microwave satellite observations for high resolution soil moisture estimate and applications in CONUS drought analyses | |
| Lu et al. | An objective tropical cyclone intensity estimation model based on digital IR satellite images | |
| Elhenawy et al. | Traffic stream speed short-term prediction using machine learning: I-66 Case Study | |
| Li et al. | Typhoon cloud prediction via generative adversarial networks | |
| Hedir et al. | Radar echoes classification based on local descriptor | |
| JP3351458B2 (ja) | 消滅雨域パターン予測装置 | |
| Gaurav et al. | RainRoof: Automated Shared Rainwater Harvesting Prediction | |
| Zhao et al. | Medium-to long-term forecasts of sea surface height anomalies using a spatiotemporal empirical orthogonal function method | |
| JP2001201576A (ja) | 気象画像検索方法および装置およびこの方法を記録した記録媒体 | |
| CN116129280B (zh) | 一种遥感影像雪检测的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090614 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090614 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100614 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100614 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110614 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120614 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130614 Year of fee payment: 11 |
|
| LAPS | Cancellation because of no payment of annual fees |