WO2019171634A1 - 気象レーダ装置及び豪雨予測方法 - Google Patents

気象レーダ装置及び豪雨予測方法 Download PDF

Info

Publication number
WO2019171634A1
WO2019171634A1 PCT/JP2018/034037 JP2018034037W WO2019171634A1 WO 2019171634 A1 WO2019171634 A1 WO 2019171634A1 JP 2018034037 W JP2018034037 W JP 2018034037W WO 2019171634 A1 WO2019171634 A1 WO 2019171634A1
Authority
WO
WIPO (PCT)
Prior art keywords
threat
information
heavy rain
rain
processing
Prior art date
Application number
PCT/JP2018/034037
Other languages
English (en)
French (fr)
Inventor
和紘 吉見
文彦 水谷
Original Assignee
株式会社 東芝
東芝インフラシステムズ株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社 東芝, 東芝インフラシステムズ株式会社 filed Critical 株式会社 東芝
Priority to EP18908345.4A priority Critical patent/EP3764130A4/en
Priority to CN201880055817.5A priority patent/CN111095033B/zh
Publication of WO2019171634A1 publication Critical patent/WO2019171634A1/ja
Priority to US16/812,527 priority patent/US11300681B2/en

Links

Images

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
    • 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
    • G01S13/958—Theoretical aspects
    • 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
    • G01S13/951—Radar or analogous systems specially adapted for specific applications for meteorological use ground based
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • 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
    • 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
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S2013/0236—Special technical features
    • G01S2013/0245—Radar with phased array antenna
    • 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

Definitions

  • Embodiments of the present invention relate to a weather radar apparatus and a heavy rain prediction method capable of realizing a heavy rain prediction function.
  • the conventional heavy rain forecasting system is configured to predict and analyze the occurrence of heavy rain by referring to past cases similar to the current rain region, and to perform a process of determining the risk level from the prediction result.
  • a heavy rain prediction system since it depends on past cases, it is difficult to accurately and quickly predict and analyze heavy rain, which is a specific and local weather phenomenon. It is also difficult to determine an effective risk level from the prediction result in order to minimize disasters caused by heavy rain.
  • an object is to provide a weather radar device that can accurately and quickly predict and analyze heavy rain, which is a specific and local weather phenomenon, and estimate an effective threat level from the prediction result.
  • the meteorological radar apparatus includes a means for processing radar signals received by an antenna to generate observation data related to a meteorological phenomenon, and an information processing means for processing the observation data. .
  • the information processing means calculates a threat level of heavy rain on a target point based on a recognition process for recognizing a rain region generated as the meteorological phenomenon based on the observation data, and a recognition result of the recognition process. Generating threat information for the purpose.
  • FIG. 1 is a block diagram for explaining a configuration of a weather radar apparatus according to an embodiment.
  • FIG. 2 is a flowchart for explaining the operation of the weather radar apparatus according to the embodiment.
  • FIG. 3 is a diagram illustrating an example of a recognition image of the all-rain region relating to the embodiment.
  • FIG. 4 is a diagram illustrating an example of a binarized image of the entire rain area according to the embodiment.
  • FIG. 5 is a diagram illustrating an example of a recognition image of a heavy rain area according to the embodiment.
  • FIG. 6 is a diagram illustrating an example of a binarized image in a heavy rain area according to the embodiment.
  • FIG. 7 is a diagram illustrating an example of a recognition image showing a temporal change in a heavy rain area according to the embodiment.
  • FIG. 8 is a diagram illustrating an example of a binarized image showing a temporal change in a heavy rain area according to the embodiment.
  • FIG. 9 is a diagram in which images of heavy rain areas showing temporal changes related to the embodiment are superimposed.
  • FIG. 10 is a diagram for describing threat information related to the embodiment.
  • FIG. 1 is a block diagram illustrating a configuration of a weather radar apparatus 1 according to the present embodiment.
  • the weather radar apparatus 1 of this embodiment has a configuration to which a high-resolution weather radar, for example, a phased array weather radar or an XRAIN (eXtended RAdar Information Network) weather radar is applied.
  • a high-resolution weather radar for example, a phased array weather radar or an XRAIN (eXtended RAdar Information Network) weather radar is applied.
  • the weather radar device 1 includes an antenna unit 10, a radar signal processing device 11, a computer 14, a storage 15, and a communication device 16.
  • the antenna unit 10 is composed of, for example, a phased array antenna, receives a reflected wave of the transmitted radio wave, and sends it to the radar signal processing device 11.
  • the radar signal processing device 11 includes an A / D converter 12 and a signal processing unit 13.
  • the A / D converter 12 converts an analog signal that is a reflected wave received by the antenna unit 10 into a digital signal.
  • the signal processing unit 13 executes various digital signal processing such as ground clutter removal processing and outputs the digital data after the signal processing to the computer 14.
  • the computer 14 inputs the digital data from the signal processing unit 13 by software stored in the storage 15 and executes data processing and analysis processing related to the heavy rain prediction processing of the present embodiment.
  • the heavy rain prediction processing of the present embodiment includes threat information generation processing for calculating (estimating) the degree of threat to a target point due to heavy rain.
  • the storage 15 stores data and information necessary for data processing and analysis processing.
  • the communication device 16 is connected to a network and is controlled by the computer 14 to distribute data and information output by data processing and analysis processing to, for example, a server of a weather center.
  • FIG. 2 is a flowchart showing processing executed by the computer 14.
  • FIG. 3 is a diagram illustrating an example of a recognition image created by the computer 14.
  • FIG. 4 is a diagram illustrating an example of a binarized image.
  • the computer 14 uses the digital data from the signal processing unit 13 to execute a recognition process for all rain areas and heavy rain areas (S1). Specifically, the computer 14 creates observation data including rainfall intensity data from digital data (data including reception intensity). The computer 14 creates an observation image t0 indicating the rain area based on the observation data. This observation image t0 is based on the observation data at time t0. The computer 14 recognizes all rain areas and heavy rain areas, including binarization processing, circumscribed rectangle (circumscribed circle) extraction processing, coordinate point information extraction processing, and labeling processing on the created observation image. Execute.
  • the computer 14 measures the distance between the rain regions 30, measures the area of each rain region 30, calculates the average rainfall intensity of each rain region 30, and indexes of each rain region 30 Processing such as calculation of the scaled size is executed (S2).
  • the computer 14 stores each measurement result and each calculation result in the storage 15.
  • the computer 14 executes the above processing (S1, S2) at intervals of ⁇ t (for example, 2 minutes) from time t0 to tn, and creates a recognition image of the entire rain region and the heavy rain region from the result of the recognition processing (S3). ).
  • FIG. 3 shows an example of a recognition image showing the entire rain region 30 acquired by the recognition process of the computer 14. As shown in FIG. 3, in the all rain region 30, labels A to F are added by labeling processing on a map created by extracting coordinate point (longitude and latitude) information.
  • each rain region 30 of the recognition image is distinguished for each area based on the rainfall intensity data, but the intensity level of the rain may be displayed by color.
  • the portion 100 with the maximum rainfall intensity is displayed in orange
  • the intermediate portion 110 is displayed in yellow
  • the relatively weak portion 120 is displayed in blue
  • the value portion 130 is displayed in green.
  • FIG. 4 shows an example of a recognition image showing the entire rain region 40 on which the binarization process and the circumscribed rectangle (circumscribed circle) extraction process have been performed.
  • the binarized total rain region 40 can be extracted for each of the labels A to F by the process of extracting the circumscribed rectangle 41.
  • the computer 14 can store the recognition images extracted for each of the labels A to F in the storage 15 together with coordinate point information including the center of gravity 42.
  • FIG. 5 shows an example of a recognition image showing the heavy rain region 50.
  • labels a to f are added by a labeling process on a map created by extracting coordinate point (longitude and latitude) information.
  • FIG. 6 shows an example of a recognition image showing the heavy rain region 60 on which the binarization process and the circumscribed rectangle (circumscribed circle) extraction process are executed.
  • the binarized heavy rain region 60 can be extracted for each of the labels a to f by extracting the circumscribed rectangle 61.
  • the computer 14 can store the recognition images extracted for each of the labels a to f in the storage 15 together with coordinate point information including the center of gravity 62.
  • the computer 14 can distribute the recognition images 30, 40, 50, 60 of the all rainy region and the heavy rain region stored in the storage 15 from the communication device 16 to, for example, the server of the weather center via the network. Thereby, the server can display each recognition image on the screen of a display apparatus.
  • the computer 14 executes a heavy rain area tracking process and a situation change recognition process using the recognition image created by the recognition process executed at intervals of time ⁇ t (S4). Specifically, the computer 14 executes a segmentation process, a position matching process, a coordinate evaluation process, a displacement amount abnormal value determination process (error image determination process), a tracking process, a situation change recognition process, and a relabeling process. To do. That is, the computer 14 classifies the recognition image to be processed from the recognition images 50 and 60 in the heavy rain region by the segmentation process. The computer 14 recognizes the temporal transition of the processing target image by the position matching process and the coordinate evaluation process. Furthermore, the computer 14 recognizes the change in the situation of the heavy rain area that is the processing target by the tracking process of the recognition image that is the processing target and the recognition process of the situation change.
  • FIGS. 7 to 9 are diagrams showing processing results obtained by the heavy rain region tracking process and the situation change recognition process, respectively.
  • FIG. 7 shows recognition images 70, 71, and 72 showing temporal changes in times t0, t-1, and t-2 in a heavy rain region labeled as shown in FIG. 5, for example.
  • FIG. 8 shows recognition images 80, 81, and 82 showing temporal changes in times t0, t-1, and t-2 in a heavy rain area where binarization processing and circumscribed rectangle (circumferential circle) extraction processing have been performed. Indicates.
  • the computer 14 performs, for example, a comparison process between the recognition image at time t0 and the recognition image processed before time ⁇ t (recognition image at time t ⁇ 1) as the situation change recognition process. Extract information about changes in the situation.
  • FIG. 9 is a diagram in which heavy rain areas for each frame indicating temporal changes in times t0, t ⁇ 1, and t-2 are superimposed, and is information regarding changes in the situation of heavy rain areas.
  • the computer 14 performs the generation process of threat information (S5).
  • threat information and generation processing will be described in detail with reference to FIG.
  • the threat information of the present embodiment is information for calculating (estimating) the threat level (risk level) caused by heavy rain on the target point.
  • the threat level can be defined as an evaluation value that can be calculated by the evaluation function f (a ⁇ D, b ⁇ A, c ⁇ Sc, d ⁇ GD).
  • a, b, c, and d indicate weighting factors.
  • the threat information corresponds to, for example, parameters D, A, Sc, and GD of the evaluation function f.
  • FIG. 10 is a diagram for explaining the threat information D, A, Sc, and GD.
  • the parameter D is the value of the circumscribed rectangle 220 of the heavy rain area having a rainfall intensity of 50 mm / h or more in the rain area 210 with respect to the target point 200 specified by longitude and latitude.
  • the distance (m) from the center of gravity is shown.
  • the rainfall intensity is distinguished by area for convenience.
  • the rainfall intensity can be displayed by distinguishing, for example, in color using the indicator 230.
  • the parameter Sc indicates the scale of the rain zone and is defined by the number of pixels of the recognition image.
  • the parameter GD growth & decay indicates the rise and fall status of the rain region, and can be defined as, for example, the difference between the number of pixels in the heavy rain region between time t and time t ⁇ t.
  • the computer 14 defines a threat level as an evaluation value that can be calculated by the evaluation function f, and generates parameters D, A, Sc, and GD of the evaluation function f as threat information.
  • the computer 14 calculates (estimates) the threat level (risk level) exerted by heavy rain on the target point by applying the generated threat information to the evaluation function f.
  • the computer 14 stores the generated threat information and the threat level (risk level) calculated (estimated) by applying the threat information to the evaluation function f in the storage 15.
  • the computer 14 distributes the threat information and the threat level (risk level) stored in the storage 15 from the communication device 16 to, for example, a server of a weather center via the network (S6). Thereby, the server can display the threat information and the threat level on the screen of the display device.
  • the computer 14 executes a process of distributing threat information to the server of the weather center, applies the threat information to the evaluation function f in the server, and calculates (estimates) the threat level (risk level). May be. Furthermore, although the case where the threat level caused by heavy rain is calculated at one target point 200 has been described, the present invention is not limited to this, and the threat level caused by heavy rain can be calculated at a plurality of target points. is there.
  • the computer 14 executes the software (algorithm) shown in FIG. 2 to process the weather radar data and generate a recognition image of the rain area.
  • the area, rainfall intensity, scale, etc. can be calculated, and information relating to changes in the situation of the rain area can be extracted.
  • it is possible to generate a recognition image of a heavy rain region that causes particularly heavy rain calculate the area, rainfall intensity, scale, and the like of the heavy rain region, and extract information on the change in the situation of the heavy rain region.
  • the computer 14 generates threat information for calculating (estimating) the threat level (risk level) exerted by heavy rain (strong rainfall) on the target point.
  • the threat information is information indicating the distance from the heavy rain area to the target point, the approaching state of the heavy rain area to the target point, the scale of the heavy rain area, and the rise and fall state of the heavy rain area. Since the threat information can be generated according to this embodiment, it is possible to define the evaluation function f for calculating the threat level (evaluation value) by applying the threat information as a parameter.
  • the computer 14 may calculate the threat level (evaluation value) for the target point by applying the threat information as a parameter to the evaluation function f prepared in advance. For example, if the server of the weather center has prepared the evaluation function f in advance, it is possible to calculate (estimate) the threat level (risk level) by applying the threat information distributed from the computer 14 as a parameter. It is.
  • the server of the meteorological center can recognize the threat level (risk level) of heavy rain on the target point, so it can provide an effective weather forecast to avoid disasters caused by heavy rain, which is a specific and local meteorological phenomenon. realizable.

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Environmental & Geological Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

特異的かつ局地的な気象現象である豪雨を正確かつ迅速に予測・解析し、予測結果から有効な脅威度を推定できる気象レーダ装置を提供することにある。本実施形態の気象レーダ装置は、アンテナにより受信されるレーダ信号を処理して、気象現象に関連する観測データを生成するレーダ信号処理装置と、前記観測データを処理するコンピュータとを備えた構成である。前記コンピュータは、前記観測データに基づいて前記気象現象として発生した雨域を認知する認知処理を実行し、前記認知処理の認知結果に基づいて対象地点に対する豪雨の脅威度を算出するための脅威情報を生成する。

Description

気象レーダ装置及び豪雨予測方法
　本発明の実施形態は、豪雨予測機能を実現できる気象レーダ装置及び豪雨予測方法に関する。
　近年、突発的で特異的な気象現象である、ゲリラ豪雨とも呼ばれるような局地的な豪雨が多発している。このような豪雨により引き起こされる災害を最小限にするために、豪雨の発生を予測・解析する豪雨予測を行って、豪雨による脅威度を推定する必要性が高まっている。このような機能を実現するために、高解像度の気象レーダ等を使用した豪雨予測システムが提案されている。
特開２００１－２８９９６１号公報
　従来の豪雨予測システムは、現在の雨域に類似した過去の事例を参照することで、豪雨の発生を予測・解析し、予測結果から危険度を判定する処理を行なう構成である。このような豪雨予測システムでは、過去の事例に依存するため、特異的かつ局地的な気象現象である豪雨を正確かつ迅速に予測・解析することは困難である。また、豪雨による災害を最小限にするために、予測結果から有効な危険度を判定することも困難である。
　そこで、目的は、特異的かつ局地的な気象現象である豪雨を正確かつ迅速に予測・解析し、予測結果から有効な脅威度を推定できる気象レーダ装置を提供することにある。
　本実施形態の気象レーダ装置は、アンテナにより受信されるレーダ信号を処理して、気象現象に関連する観測データを生成する手段と、前記観測データを処理する情報処理手段とを備えた構成である。前記情報処理手段は、前記観測データに基づいて前記気象現象として発生した雨域を認知する認知処理を実行する手段と、前記認知処理の認知結果に基づいて対象地点に対する豪雨の脅威度を算出するための脅威情報を生成する手段とを含む。
図１は、実施形態に関する気象レーダ装置の構成を説明するためのブロック図である。 図２は、実施形態に関する気象レーダ装置の動作を説明するためのフローチャートである。 図３は、実施形態に関する全雨域の認知画像の一例を示す図である。 図４は、実施形態に関する全雨域の２値化画像の一例を示す図である。 図５は、実施形態に関する強雨域の認知画像の一例を示す図である。 図６は、実施形態に関する強雨域の２値化画像の一例を示す図である。 図７は、実施形態に関する強雨域の時間的変化を示す認知画像の一例を示す図である。 図８は、実施形態に関する強雨域の時間的変化を示す２値化画像の一例を示す図である。 図９は、実施形態に関する時間的変化を示す強雨域の各画像を重ね合わせた図である。 図１０は、実施形態に関する脅威情報を説明するための図である。
実施形態
　以下図面を参照して、実施形態を説明する。
［気象レーダ装置の構成］
　図１は、本実施形態に関する気象レーダ装置１の構成を示すブロック図である。本実施形態の気象レーダ装置１は、高解像度の気象レーダ、例えばフェーズド・アレー気象レーダ、又はＸＲＡＩＮ（eXtended RAdar Information Network）方式の気象レーダを適用した構成である。
　図１に示すように、気象レーダ装置１は、アンテナユニット１０と、レーダ信号処理装置１１と、コンピュータ１４と、ストレージ１５と、通信装置１６とを有する。アンテナユニット１０は、例えばフェーズド・アレー・アンテナからなり、送信された電波の反射波を受信して、レーダ信号処理装置１１に送出する。
　レーダ信号処理装置１１は、Ａ／Ｄ変換器１２及び信号処理部１３を含む。Ａ／Ｄ変換器１２は、アンテナユニット１０により受信される反射波であるアナログ信号をデジタル信号に変換する。信号処理部１３は、グランドクラッタの除去処理等の各種のデジタル信号処理を実行して、信号処理後のデジタルデータをコンピュータ１４に出力する。
　コンピュータ１４は、ストレージ１５に格納されたソフトウェアにより、信号処理部１３からのデジタルデータを入力し、本実施形態の豪雨予測処理に関するデータ処理及び解析処理を実行する。本実施形態の豪雨予測処理は、後述するように、豪雨による対象地点に対する脅威度を算出（推定）するための脅威情報の生成処理を含む。ストレージ１５は、コンピュータ１４が実行するソフトウェア以外に、データ処理及び解析処理に必要なデータや情報を格納する。通信装置１６はネットワークに接続されており、コンピュータ１４により制御されて、データ処理及び解析処理により出力されるデータや情報を、例えば気象センターのサーバ等に配信する。
［豪雨予測処理］
　図２は、コンピュータ１４が実行する処理を示すフローチャートである。図３は、コンピュータ１４により作成される認知画像の一例を示す図である。図４は、２値化画像の一例を示す図である。
　図２に示すように、コンピュータ１４は、信号処理部１３からのデジタルデータを使用して、全雨域と強雨域の認知処理を実行する（Ｓ１）。具体的には、コンピュータ１４は、デジタルデータ（受信強度を含むデータ）から、降雨強度データを含む観測データを作成する。コンピュータ１４は、当該観測データに基づいた雨域を示す観測画像t0を作成する。この観測画像t0は、時間t0での観測データに基づいている。コンピュータ１４は、作成した観測画像に対して、２値化処理、外接矩形（外接円）の抽出処理、座標点情報の抽出処理、及びラベリング処理を含む、全雨域と強雨域の認知処理を実行する。
　次に、コンピュータ１４は、各雨域３０間の距離を計測する距離計測、各雨域３０の面積を計測する面積計測、各雨域３０の平均降雨強度の算出、及び各雨域３０の指標化された規模の算出等の処理を実行する（Ｓ２）。コンピュータ１４は、各計測結果及び各算出結果をストレージ１５に格納する。
　コンピュータ１４は、以上の処理（Ｓ１、Ｓ２）を時間t0～ｔｎまでΔｔ（例えば２分）間隔で実行して、認知処理の結果から全雨域と強雨域の認知画像を作成する（Ｓ３）。図３は、コンピュータ１４の認知処理により取得される、全雨域３０を示す認知画像の一例を示す。図３に示すように、全雨域３０は、座標点（経度と緯度）情報の抽出処理により作成される地図上において、ラベリング処理によりラベルＡ～Ｆが付加されている。
　ここでは、便宜的に、認知画像の全雨域３０のそれぞれを、降雨強度データに基づいて、降雨の強度の段階をエリア毎に区別しているが、カラーで区別して表示することが可能である。例えば、ラベルＦの雨域３０において、降雨強度が最大値の部分１００をオレンジ色で表示し、中間値の部分１１０を黄色で表示し、さらに相対的に弱い部分１２０を青色で表示し、最小値の部分１３０を緑色で表示する。
　図４は、２値化処理及び外接矩形（外接円）の抽出処理が実行された全雨域４０を示す認知画像の一例を示す。図４に示すように、２値化された全雨域４０はそれぞれ、外接矩形４１の抽出処理により、ラベルＡ～Ｆ毎に抽出可能である。コンピュータ１４は、ラベルＡ～Ｆ毎に抽出した認知画像をそれぞれ、重心４２を含む座標点情報と共にストレージ１５に格納できる。
　図５は、強雨域５０を示す認知画像の一例を示す。図５に示すように、強雨域５０は、座標点（経度と緯度）情報の抽出処理により作成される地図上において、ラベリング処理によりラベルａ～ｆが付加されている。
　図６は、２値化処理及び外接矩形（外接円）の抽出処理が実行された強雨域６０を示す認知画像の一例を示す。図６に示すように、２値化された強雨域６０はそれぞれ、外接矩形６１の抽出処理により、ラベルａ～ｆ毎に抽出可能である。コンピュータ１４は、ラベルａ～ｆ毎に抽出した認知画像をそれぞれ、重心６２を含む座標点情報と共にストレージ１５に格納できる。
　コンピュータ１４は、ストレージ１５に格納した全雨域と強雨域の各認知画像３０，４０，５０，６０を、通信装置１６からネットワークを介して例えば気象センターのサーバに配信できる。これにより、サーバは、各認知画像を表示装置の画面上に表示できる。
　次に、コンピュータ１４は、時間Δｔの間隔で実行した認知処理により作成した認知画像を使用して、強雨域の追跡処理と状況変化の認識処理を実行する（Ｓ４）。具体的には、コンピュータ１４は、セグメンテーション処理、位置の突合処理、座標評価処理、変位量の異常値判定処理（エラー画像の判定処理）、追跡処理、状況変化の認識処理及び再ラベリング処理を実行する。即ち、コンピュータ１４は、セグメンテーション処理により、強雨域の各認知画像５０，６０から処理対象の認知画像を区分する。コンピュータ１４は、位置の突合処理及び座標評価処理により、処理対象の画像の時間的推移を認識する。さらに、コンピュータ１４は、処理対象である認知画像の追跡処理及び状況変化の認識処理により、処理対象である強雨域の状況変化を認識する。
　図7から図９はそれぞれ、強雨域の追跡処理と状況変化の認識処理により得られる処理結果を示す図である。図７は、例えば図５に示すようなラベルｄの強雨域において、時間t0、t-1、t-2の時間的変化を示す認知画像７０、７１、７２を示す。図８は、２値化処理及び外接矩形（外接円）の抽出処理が実行された強雨域において、時間t0、t-1、t-2の時間的変化を示す認知画像８０、８１、８２を示す。
　コンピュータ１４は、状況変化の認識処理として、例えば時間ｔ０の認知画像と、時間Δｔ前に処理した認知画像（時間ｔ-1の認知画像）との比較処理を実行することにより、強雨域の状況変化に関する情報を抽出する。図９は、時間t0、t-1、t-2の時間的変化を示すフレーム毎の強雨域を重ね合わせた図を示すものであり、強雨域の状況変化に関する情報である。
　図２に戻って、以上のような雨域と強雨域の認知処理（Ｓ１）、雨域に関する計測処理及び算出処理（Ｓ２）、雨域と強雨域の認知画像の作成処理（Ｓ３）及び雨域の状況変化の認識処理（Ｓ４）の各処理結果を使用して、コンピュータ１４は、脅威情報の生成処理を実行する（Ｓ５）。以下、図１０を参照して、脅威情報及び生成処理を具体的に説明する。
　本実施形態の脅威情報とは、対象地点に対する豪雨が及ぼす脅威度（危険度）を算出（推定）するための情報である。脅威度は、評価関数ｆ(a・Ｄ，b・Ａ，c・Ｓｃ，d・ＧＤ)により算出できる評価値として定義できる。ここで、a，b，c，dは重み係数を示す。脅威情報は、例えば、評価関数ｆのパラメータＤ、Ａ、Ｓｃ、ＧＤに相当する。
　図１０は、脅威情報Ｄ、Ａ、Ｓｃ、ＧＤを説明するための図である。図１０に示すように、パラメータＤ（distance）は、経度と緯度により特定される対象地点２００に対して、雨域２１０において、例えば降雨強度が５０mm/h以上の強雨域の外接矩形２２０の重心からの距離（ｍ）を示す。ここでは、雨域２１０は、図３に示すように、便宜的に降雨強度をエリアで区別している。降雨強度は、インジケータ２３０により例えばカラーで区別して表示可能である。
　パラメータＡ（access）は、対象地点への接近状況を示す。具体的には、時刻tとt-Δｔにおける距離Ｄの差分に従って、「Ｄ(t)-Ｄ(t-Δｔ)＜０」の条件を満たす場合には、接近(＋1)と指標化する。また、「Ｄ(t)-Ｄ(t-Δt)＝０」の条件を満たす場合には、停滞(±０)と指標化する。さらに、「Ｄ(t)-Ｄ(t-Δt)＞０」の条件を満たす場合には、離脱(-１)と指標化する。あるいは、１０分間の累積値などが、ある閾値を越えると接近などと定義してもよい。
　パラメータＳｃ（scale）は雨域の規模を示し、認知画像のピクセル（pixel）数で定義する。パラメータＧＤ（growth & decay）は、雨域の盛衰状況を示し、例えば、時刻tと時刻t-Δtにおける強雨域のピクセル（pixel）数の差分として定義できる。
　コンピュータ１４は、評価関数ｆにより算出できる評価値として脅威度を定義し、当該評価関数ｆのパラメータＤ、Ａ、Ｓｃ、ＧＤを脅威情報として生成する。コンピュータ１４は、生成した脅威情報を評価関数ｆに適用して、対象地点に対する豪雨が及ぼす脅威度（危険度）を算出（推定）する。コンピュータ１４は、生成した脅威情報及び脅威情報を評価関数ｆに適用して算出（推定）した脅威度（危険度）をストレージ１５に格納する。
　さらに、コンピュータ１４は、ストレージ１５に格納した脅威情報及び脅威度（危険度）を、通信装置１６からネットワークを介して例えば気象センターのサーバ等に配信する（Ｓ６）。これにより、サーバは、脅威情報及び脅威度を表示装置の画面上に表示することができる。
　なお、本実施形態では、コンピュータ１４が脅威情報を気象センターのサーバに配信する処理を実行し、サーバにおいて脅威情報を評価関数ｆに適用して、脅威度（危険度）を算出（推定）してもよい。さらに、１箇所の対象地点２００において、豪雨が及ぼす脅威度を算出する場合について説明しているが、これに限ることなく、複数の対象地点において、豪雨が及ぼす脅威度を算出することも可能である。
　以上のように本実施形態によれば、コンピュータ１４は、図２に示すソフトウェア（アルゴリズム）を実行することにより、気象レーダデータを処理して、雨域の認知画像を生成し、当該雨域の面積、降雨強度、及び規模等を算出し、当該雨域の状況変化に関する情報を抽出できる。この場合、特に豪雨をもたらす強雨域の認知画像を生成し、当該強雨域の面積、降雨強度、及び規模等を算出し、当該強雨域の状況変化に関する情報を抽出できる。
　さらに、コンピュータ１４は、対象地点に対する豪雨（強降雨）が及ぼす脅威度（危険度）を算出（推定）するための脅威情報を生成する。脅威情報は、対象地点に対する強雨域からの距離、当該強雨域の対象地点への接近状況、当該強雨域の規模、及び当該強雨域の盛衰状況を示す情報である。本実施形態により当該脅威情報を生成できるため、当該脅威情報をパラメータとして適用し、脅威度（評価値）を算出するための評価関数ｆを定義することが可能である。
　本実施形態では、コンピュータ１４は、予め用意した評価関数ｆに対して当該脅威情報をパラメータとして適用し、対象地点に対する脅威度（評価値）を算出しても良い。また、例えば気象センターのサーバは、予め評価関数ｆを用意していれば、コンピュータ１４から配信される脅威情報をパラメータとして適用して、脅威度（危険度）を算出（推定）することが可能である。
　以上要するに、本実施形態によれば、特異的かつ局地的な気象現象である豪雨を正確かつ迅速に予測・解析することが可能である。また、対象地点に豪雨が及ぼす脅威情報を生成できるため、当該脅威情報を利用して、災害を最小限にするために有効な脅威度（危険度）を算出（推定）できる。従って、例えば気象センターのサーバは、対象地点に豪雨が及ぼす脅威度（危険度）を認識できるため、特異的かつ局地的な気象現象である豪雨による災害を回避するための有効な気象予報を実現できる。
　本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

Claims (9)

  1. 　アンテナにより受信されるレーダ信号を処理して、気象現象に関連する観測データを生成する手段と、
    　前記観測データを処理する情報処理手段と、を具備し、
    　前記情報処理手段は、
    　前記観測データに基づいて前記気象現象として発生した雨域を認知する認知処理を実行する手段と、
    　前記認知処理の認知結果に基づいて、対象地点に対する豪雨の脅威度を算出するための脅威情報を生成する手段と、
    を含む、気象レーダ装置。
  2. 　前記情報処理手段は、
    　前記脅威度を算出するための所定の関数を定義し、当該関数に対して前記脅威情報をパラメータとして適用し、前記脅威度を算出する手段を含む、請求項１に記載の気象レーダ装置。
  3. 　前記情報処理手段は、
    　前記認知処理の認知結果に基づいて雨域の状況変化を認識する認識処理を実行する手段を含み、
    　前記認知処理の認知結果及び前記認識処理の認識結果に基づいて、前記脅威情報を生成する、請求項１又は２に記載の気象レーダ装置。
  4. 　前記情報処理手段により生成される前記脅威情報を配信するための通信手段を含む、請求項１から３のいずれか１項に記載の気象レーダ装置。
  5. 　前記情報処理手段は、
    　前記脅威度を算出するための所定の関数を定義し、当該関数に対して前記脅威情報をパラメータとして適用し、前記脅威度を算出する手段を含み、
    　前記脅威情報として、前記対象地点に対する前記豪雨の雨域からの距離、前記対象地点への前記雨域の接近状況を示す指標化データ、前記雨域の規模を示すデータ、及び前記雨域の盛衰状況を示すデータを算出する、請求項１、３、４のいずれか１項に記載の気象レーダ装置。
  6. 　アンテナにより受信されるレーダ信号を処理して、気象現象に関連する観測データを生成する手段、及び前記観測データを処理する情報処理手段を含む気象レーダ装置に適用する豪雨予測方法であって、
    　前記情報処理手段により、
    　前記観測データに基づいて前記気象現象として発生した雨域を認知する処理と、
    　前記認知する処理の処理結果に基づいて、対象地点に対する豪雨の脅威度を算出するための脅威情報を生成する処理と、
    を実行する、豪雨予測方法。
  7. 　前記情報処理手段により、
    　前記脅威度を算出するための所定の関数を定義し、当該関数に対して前記脅威情報をパラメータとして適用し、前記脅威度を算出する処理を含む、請求項６に記載の豪雨予測方法。
  8. 　前記情報処理手段により、
    　前記認知する処理の処理結果に基づいて雨域の状況変化を認識する処理を含み、
    　前記認知する処理の処理結果及び前記認識する処理の処理結果に基づいて、前記脅威情報を生成する、請求項６又は７に記載の豪雨予測方法。
  9. 　前記情報処理手段により、
    　前記脅威度を算出するための所定の関数を定義し、当該関数に対して前記脅威情報をパラメータとして適用し、前記脅威度を算出する処理を含み、
    　前記脅威情報として、前記対象地点に対する前記豪雨の雨域からの距離、前記対象地点への前記雨域の接近状況を示す指標化データ、前記雨域の規模を示すデータ、及び前記雨域の盛衰状況を示すデータを算出する、請求項６又は８のいずれか１項に記載の豪雨予測方法。
PCT/JP2018/034037 2018-03-05 2018-09-13 気象レーダ装置及び豪雨予測方法 WO2019171634A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP18908345.4A EP3764130A4 (en) 2018-03-05 2018-09-13 WEATHER RADAR DEVICE AND METHOD OF PREDICTING HEAVY RAIN
CN201880055817.5A CN111095033B (zh) 2018-03-05 2018-09-13 气象雷达装置及暴雨预测方法
US16/812,527 US11300681B2 (en) 2018-03-05 2020-03-09 Weather radar apparatus and severe rain prediction method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-039062 2018-03-05
JP2018039062A JP6689304B2 (ja) 2018-03-05 2018-03-05 気象レーダ装置及び豪雨予測方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/812,527 Continuation US11300681B2 (en) 2018-03-05 2020-03-09 Weather radar apparatus and severe rain prediction method

Publications (1)

Publication Number Publication Date
WO2019171634A1 true WO2019171634A1 (ja) 2019-09-12

Family

ID=67847013

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/034037 WO2019171634A1 (ja) 2018-03-05 2018-09-13 気象レーダ装置及び豪雨予測方法

Country Status (6)

Country Link
US (1) US11300681B2 (ja)
EP (1) EP3764130A4 (ja)
JP (1) JP6689304B2 (ja)
CN (1) CN111095033B (ja)
TW (1) TWI676815B (ja)
WO (1) WO2019171634A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114814991A (zh) * 2022-06-28 2022-07-29 成都信息工程大学 一种气象要素场空间分布区域的识别方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10227871A (ja) * 1997-02-13 1998-08-25 Nippon Telegr & Teleph Corp <Ntt> ２次元降水量予測装置
JP2000187082A (ja) * 1998-12-21 2000-07-04 Fuji Electric Co Ltd 降雨予測補正方法、その装置、及び記録媒体
JP2001289961A (ja) 2000-04-06 2001-10-19 Mitsubishi Electric Corp 豪雨予測システム
JP2002107462A (ja) * 2000-09-28 2002-04-10 Foundation Of River & Basin Integrated Communications Japan 降雨洪水予測システム
JP2010286458A (ja) * 2009-06-15 2010-12-24 Chugoku Electric Power Co Inc:The 集中豪雨予測システム
JP2017003416A (ja) * 2015-06-10 2017-01-05 古野電気株式会社 降水予測システム

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69735158T2 (de) 1996-12-26 2006-09-28 Nippon Telegraph And Telephone Corp. Verfahren und Vorrichtung zur Niederschlagsmustervoraussage mit einem meteorologischen Radar
JP3375038B2 (ja) * 1997-04-16 2003-02-10 日本電信電話株式会社 降水パターン変化予測方法および装置
US6670908B2 (en) * 2001-07-31 2003-12-30 Baron Services, Inc. Automated system and method for processing meteorological data
JP4095528B2 (ja) 2003-09-30 2008-06-04 三菱電機株式会社 降雨移動予測装置及び降雨移動予測方法
US7084775B1 (en) * 2004-07-12 2006-08-01 User-Centric Ip, L.P. Method and system for generating and sending user-centric weather alerts
JP2006252128A (ja) 2005-03-10 2006-09-21 Shimizu Corp 斜面崩壊予測および周辺地域への避難情報伝達システム
US8730086B2 (en) * 2008-08-26 2014-05-20 Viasat, Inc. Weather detection using satellite communication signals
US7982658B2 (en) * 2009-03-31 2011-07-19 Honeywell International Inc. Systems and methods for assessing weather in proximity to an airborne aircraft
JP5973124B2 (ja) 2010-06-09 2016-08-23 株式会社安藤・間 突発的局地豪雨予測方法及び装置
CN102279389B (zh) * 2010-06-11 2014-05-14 株式会社东芝 雷达接收信号处理装置及其方法
US20150302622A1 (en) * 2012-07-31 2015-10-22 Furuno Electric Co., Ltd. Weather information display system, human navigation device, and method of displaying weather information
US20140372038A1 (en) * 2013-04-04 2014-12-18 Sky Motion Research, Ulc Method for generating and displaying a nowcast in selectable time increments
JP2015099034A (ja) 2013-11-18 2015-05-28 国立研究開発法人宇宙航空研究開発機構 観測情報処理装置、観測情報処理方法、及び観測情報処理プログラム
JPWO2015182142A1 (ja) * 2014-05-28 2017-06-15 メトロウェザー株式会社 気象予報システム
JP2019045146A (ja) * 2016-01-12 2019-03-22 株式会社東芝 気象予測装置、気象予測方法、および気象予測プログラム
KR101755521B1 (ko) * 2016-01-19 2017-07-26 홍익대학교 산학협력단 레이더 폴리곤 기법을 이용한 면적강우량 측정장치 및 이를 이용한 면적강우량 측정방법
WO2017126171A1 (ja) 2016-01-22 2017-07-27 株式会社 東芝 気象現象発生可能性判定システムおよび方法
CN105842756B (zh) * 2016-03-30 2018-09-14 广州积雨云科技有限公司 一种雷雨信息预报方法
CN107656256B (zh) * 2017-11-02 2019-06-28 广州积雨云科技有限公司 利用雷达数据识别跟踪暴雨的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10227871A (ja) * 1997-02-13 1998-08-25 Nippon Telegr & Teleph Corp <Ntt> ２次元降水量予測装置
JP2000187082A (ja) * 1998-12-21 2000-07-04 Fuji Electric Co Ltd 降雨予測補正方法、その装置、及び記録媒体
JP2001289961A (ja) 2000-04-06 2001-10-19 Mitsubishi Electric Corp 豪雨予測システム
JP2002107462A (ja) * 2000-09-28 2002-04-10 Foundation Of River & Basin Integrated Communications Japan 降雨洪水予測システム
JP2010286458A (ja) * 2009-06-15 2010-12-24 Chugoku Electric Power Co Inc:The 集中豪雨予測システム
JP2017003416A (ja) * 2015-06-10 2017-01-05 古野電気株式会社 降水予測システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3764130A4

Also Published As

Publication number Publication date
US20200209386A1 (en) 2020-07-02
TW201939068A (zh) 2019-10-01
JP2019152582A (ja) 2019-09-12
EP3764130A1 (en) 2021-01-13
US11300681B2 (en) 2022-04-12
CN111095033B (zh) 2022-08-30
TWI676815B (zh) 2019-11-11
CN111095033A (zh) 2020-05-01
EP3764130A4 (en) 2021-12-01
JP6689304B2 (ja) 2020-04-28

Similar Documents

Publication Publication Date Title
US10706551B2 (en) Object motion mapping using panchromatic and multispectral imagery from single pass electro-optical satellite imaging sensors
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
US8138960B2 (en) Map information update support device, map information update support method and computer readable recording medium
US8818029B1 (en) Weather forecasting systems and methods
AU2017303947B2 (en) Small radar-based thunder and lightning monitoring and warning method for electric transmission line, and storage medium
US20150278596A1 (en) Identifying and tracking convective weather cells
EP2930686A1 (en) Context-aware object detection in aerial photographs/videos using travel path metadata
CN102279424B (zh) 电网气象灾害预警系统
CN111638565A (zh) 一种山区暴雨监测方法
US11941878B2 (en) Automated computer system and method of road network extraction from remote sensing images using vehicle motion detection to seed spectral classification
Rohith et al. Extracting quantitative information on coastal ice dynamics and ice hazard events from marine radar digital imagery
US8369572B2 (en) System and method for passive automatic target recognition (ATR)
Zou et al. A method of radar echo extrapolation based on TREC and Barnes filter
US11300681B2 (en) Weather radar apparatus and severe rain prediction method
CN107835998B (zh) 用于识别数字图像中的表面类型的分层平铺方法
US20200363460A1 (en) Lightning estimation apparatus, system, and method
Linow et al. An assessment of the reliability of sea-ice motion and deformation retrieval using SAR images
Daliakopoulos et al. A weather radar data processing module for storm analysis
JP2003172777A (ja) 目標検出システムおよび目標検出方法
KR101630264B1 (ko) 거리-도플러 클러스터링 기법
CN114019503A (zh) 基于fod检测系统的机场跑道异物检测方法、设备、存储介质
RU2596610C1 (ru) Способ поиска и обнаружения объекта
Xiao et al. Feature-based classification for image segmentation in automotive radar based on statistical distribution analysis
Shah et al. Automatic storm (s) identification in high resolution, short range, X-band radar images
Reinoso-Rondinel et al. Storm cell observation and prediction using polarimetric weather radars

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18908345

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018908345

Country of ref document: EP

Effective date: 20201005