基于多普勒天气雷达数据的强辐合场识别及速度订正方法技术

本发明专利技术公开了一种基于多普勒天气雷达数据的强辐合场识别及速度订正方法，包括以下步骤：设计新的坐标系将放射状分布的雷达数据转变为格点数据，同时完成高反射率区域提取；设计检测模板，从而在快速定位辐合点的基础上得到描述辐合点辐合强度及位置的参向量；提出从辐合点生成辐合带，再借辐合带走向订正辐合强度的思想和算法，有效克服单仰角上强辐合场的低估甚至漏检的问题；根据单仰角最强辐合点确定剖线从而获得显示强辐合场的较佳剖面，得到强辐合场的深度信息。本方法能自动检测出强辐合场，并通过速度订正方法克服一定的低估和漏检问题，同时自动绘制强辐合场的剖面图并在剖面图中计算强辐合场特征参量，促进对流天气灾害的识别和预报。

【技术实现步骤摘要】
基于多普勒天气雷达数据的强辐合场识别及速度订正方法
本专利技术涉及气象学领域，特别涉及一种基于多普勒天气雷达数据的强辐合场识别及速度订正方法。
技术介绍
对流风暴中的辐合强度往往对灾害性大风有着较强的预示性[1]。1992年，Lemon等发现在超级单体的上升和下降气流交界处存在着垂直延伸能达到10km的深度辐合区(DCZ)[2]，而灾害性大风往往发生在带有中气旋或阵风锋的DCZ沿线或后方[3,4]；随后，Eilts等发现位于中层的强而深的径向辐合是有效预报下击暴流的因素之一[5]；Przybylinski等通过对飑线、弓形回波等对流系统的研究，发现在对流线开始“弓起”之前，其前沿就已经有中层径向辐合(MARC)特征出现[6]；2012年，俞小鼎在总结雷暴大风的临近预报进展时指出：强烈垂直风切变环境下的飑线、弓形回波、超级单体风暴或多单体强风暴以及弱垂直风切变环境下的脉冲风暴，在产生强烈地面大风之前都会出现强辐合场[7]。但同时，Przybylinski等也指出由于雷达观测视角的问题，当风暴对流线不与雷达径向正交时，雷达测得的径向速度分量会远小于实际运动速度。在这种情况下辐合速度差将被低估，当达不到25m/s时便会造成MARC的漏报[8]。单纯降低阈值可以缓解这一问题，但同时也会引起较高的空报率，影响强辐合场特征对雷雨大风的预测有效性。当前，对强辐合场的研究主要集中在强辐合场与强对流天气的相关性研究和观测实例分析两方面。目前气象业务中，强辐合场的检测主要仍是依靠业务员的工作经验，对对流风暴的强回波区人工确定剖切位置，再在得到的径向速度垂直剖面图中估计显著性MARC是否存在。这种方法费时费力且难以准确得到量化指标，削弱了强辐合场特征预警雷雨大风的作用且强辐合场参量推算比较粗糙。此外，针对雷达观测视角引起的MARC值低估及漏检问题一直没有提出有效解决办法。[参考文献][1]NascimentoEL,DroegemeierKK.DynamicAdjustmentinaNumericallySimulatedMesoscaleConvectiveSystem:ImpactoftheVelocityField[J].Journaloftheatmosphericsciences,2004,63(9):2246～2268.[2]LemonLR,BurgessDW.SupercellassociateddeepconvergencezonerevealedbyaWSR-88D[C].26thInternationalConfonRadar.MeteorologyNorman,OK,1992,206～208.[3]LemonLR,ParkerS,NorthPlatteNE.TheLahomastormdeepconvergencezone:Itscharacteristicsandroleinstormdynamicsandseverity[C].18thConf.onSevereLocalStorms.SanFrancisco,CA:Amer.Meteor.Soc.,1996,70～75.[4]BluesteinHB,GaddySG.AirbornePseudo-Dual-DopplerAnalysisofaRear-InflowJetandDeepConvergenceZonewithinaSupercell[J].MonthlyWeatherReview,2001,129(9):2270～2289.[5]EiltsMD,JohnsonJT,MitchellED,etal.DamagingdownburstpredictionanddetectionalgorithmfortheWSR-88D[C].18thConf.onSevereLocalStorms.SanFrancisco,CA:Amer.Meteor.Soc.,1996,541～545.[6]PrzybylinskiRW.TheBowEcho:Observations,NumericalSimulations,andSevereWeatherDetectionMethods[J].Weatherandforecasting,1995,10(2):203～218.[7]俞小鼎，周小刚，王秀明.雷暴与强对流临近天气预报技术进展[J].气象学报，2012，70(3)：311～337.[8]SchmockerGK,PrzybylinskiRW,LinYJ.Forecastingtheinitialonsetofdamagingdownburstwindsassociatedwithamesoscaleconvectivesystem(MCS)usingthemid-altituderadialconvergence(MARC)signature[C].15thConf.onWeatherAnalysisandForecasting.Norfolk,VA:Amer.Meteor.Soc.,1996,306～311.
技术实现思路
本专利技术提供了一种基于多普勒天气雷达数据的强辐合场识别及速度订正方法，本方法能够实现强辐合场的自动识别，通过速度订正有效克服单仰角上强辐合场的低估甚至漏检的问题，并自动绘制强辐合场剖面图，在剖面图中计算强辐合场的特征参量，有助于对流天气灾害识别和预报。为了解决上述技术问题，本专利技术提出的一种基于多普勒天气雷达数据的强辐合场识别及速度订正方法，包括以下步骤：步骤一、以多普勒雷达基数据为数据来源进行坐标系转换，并在新坐标系A中各仰角的反射率图上提取高反射率区域，分别映射到径向速度图中限定强辐合场的检测范围；步骤如下：1-1)把各仰角的雷达基数据一一映射到以方位角为横坐标、以径向距离为纵坐标的坐标系A中得到映射后的图像；其中，横坐标以水平向右为正方向，原点处的0°表示正北方向，分辨率为1°，取值范围为0-359°，纵坐标以竖直向下为正方向，表示各点与雷达间的径向距离，原点处的0km表示雷达位置，分辨率为1km，取值范围为0-229km；1-2)对映射后的图像进行20°的延拓，即把0°～19°区间的数据重用到360°～379°范围内，使最终得到的图像大小为380°×230km；1-3)在坐标系A下的反射率图中提取反射率高于35dBZ的区域，并从提取区域的边界向外做3～5个像素点的扩充，从而得到各仰角上的高反射率区；1-4)将坐标系A下的反射率图中得到各仰角上的高反射率区分别映射到坐标系A各仰角上的径向速度图中，作为强辐合场的检测范围；步骤二、在步骤一中限定了强辐合场检测范围的各仰角的径向速度图中，提取正速度区域和负速度区域的公共边界点，并在此基础上确定辐合点，计算各辐合点的特征向量；步骤如下：2-1)在径向速度图中，提取所有正速度区域边界和负速度区域边界，从而得到正速度区域和负速度区域的公共边界点，所有的公共边界点中同时满足其上邻域点为正速度且其下邻域点为负速度条件的公共边界点为辐合点；2-2)在极坐标系中设计检测模板限定每个辐合点的关联区域，对于辐合点p(θ,r)，设计以辐合点p为公共顶点、分别以过p点及雷达点的径向射线为中轴的两个全等的等腰本文档来自技高网...

【技术保护点】
1.一种基于多普勒天气雷达数据的强辐合场识别及速度订正方法，其特征在于，包括以下步骤：步骤一、以多普勒雷达基数据为数据来源进行坐标系转换，并在新坐标系A中各仰角的反射率图上提取高反射率区域，分别映射到径向速度图中限定强辐合场的检测范围；步骤如下：1‑1)把各仰角的雷达基数据一一映射到以方位角为横坐标、以径向距离为纵坐标的坐标系A中得到映射后的图像；其中，横坐标以水平向右为正方向，原点处的0°表示正北方向，分辨率为1°，取值范围为0‑359°，纵坐标以竖直向下为正方向，表示各点与雷达间的径向距离，原点处的0km表示雷达位置，分辨率为1km，取值范围为0‑229km；1‑2)对映射后的图像进行20°的延拓，即把0°～19°区间的数据重用到360°～379°范围内，使最终得到的图像大小为380°×230km；1‑3)在坐标系A下的反射率图中提取反射率高于35dBZ的区域，并从提取区域的边界向外做3～5个像素点的扩充，从而得到各仰角上的高反射率区；1‑4)将坐标系A下的反射率图中得到各仰角上的高反射率区分别映射到坐标系A各仰角上的径向速度图中，作为强辐合场的检测范围；步骤二、在步骤一中限定了强辐合场检测范围的各仰角的径向速度图中，提取正速度区域和负速度区域的公共边界点，并在此基础上确定辐合点，计算各辐合点的特征向量；步骤如下：2‑1)在径向速度图中，提取所有正速度区域边界和负速度区域边界，从而得到正速度区域和负速度区域的公共边界点，所有的公共边界点中同时满足其上邻域点为正速度且其下邻域点为负速度条件的公共边界点为辐合点；2‑2)在极坐标系中设计检测模板限定每个辐合点的关联区域，对于辐合点p(θ,r)，设计以辐合点p为公共顶点、分别以过p点及雷达点的径向射线为中轴的两个全等的等腰三角形作为该辐合点的检测模板，设定每个三角形的高度H＝7km，底边长度L＝9km；2‑3)将上述极坐标系中的检测模板转换至坐标系A中；2‑4)在坐标系A中，利用检测模板遍历所有辐合点，计算模板上三角形区域内的正速度点数n...

【技术特征摘要】
1.一种基于多普勒天气雷达数据的强辐合场识别及速度订正方法，其特征在于，包括以下步骤：步骤一、以多普勒雷达基数据为数据来源进行坐标系转换，并在新坐标系A中各仰角的反射率图上提取高反射率区域，分别映射到径向速度图中限定强辐合场的检测范围；步骤如下：1-1)把各仰角的雷达基数据一一映射到以方位角为横坐标、以径向距离为纵坐标的坐标系A中得到映射后的图像；其中，横坐标以水平向右为正方向，原点处的0°表示正北方向，分辨率为1°，取值范围为0-359°，纵坐标以竖直向下为正方向，表示各点与雷达间的径向距离，原点处的0km表示雷达位置，分辨率为1km，取值范围为0-229km；1-2)对映射后的图像进行20°的延拓，即把0°～19°区间的数据重用到360°～379°范围内，使最终得到的图像大小为380°×230km；1-3)在坐标系A下的反射率图中提取反射率高于35dBZ的区域，并从提取区域的边界向外做3～5个像素点的扩充，从而得到各仰角上的高反射率区；1-4)将坐标系A下的反射率图中得到各仰角上的高反射率区分别映射到坐标系A各仰角上的径向速度图中，作为强辐合场的检测范围；步骤二、在步骤一中限定了强辐合场检测范围的各仰角的径向速度图中，提取正速度区域和负速度区域的公共边界点，并在此基础上确定辐合点，计算各辐合点的特征向量；步骤如下：2-1)在径向速度图中，提取所有正速度区域边界和负速度区域边界，从而得到正速度区域和负速度区域的公共边界点，所有的公共边界点中同时满足其上邻域点为正速度且其下邻域点为负速度条件的公共边界点为辐合点；2-2)在极坐标系中设计检测模板限定每个辐合点的关联区域，对于辐合点p(θ,r)，设计以辐合点p为公共顶点、分别以过p点及雷达点的径向射线为中轴的两个全等的等腰三角形作为该辐合点的检测模板，设定每个三角形的高度H＝7km，底边长度L＝9km；2-3)将上述极坐标系中的检测模板转换至坐标系A中；2-4)在坐标系A中，利用检测模板遍历所有辐合点，计算模板上三角形区域内的正速度点数n+、正速度总和及最大正速度负速度点数n-、负速度总和及最大负速度并在此基础上得到最大速度差dvmax、平均速度差dvmean及正负速度极值点坐标和从而得到表征该辐合点处辐合情况的特征向量其中，步骤三、利用步骤2-1)中得到的辐合点，通过拟合方法得到辐合线，基于辐合线的走向对辐合点的最大速度差dvmax和平均速度差dvmean进行订正；步骤如下：3-1)生成一幅大小为380°×230km二值图像，以步骤2-1)中得到的辐合点为基础，将所有辐合点及其对应2km范围内的点赋值为1，其余位置的点赋值为0，提取二值图像中的所有连通域；3-2)组织每个连通区域中包含的辐合点点集(i,j)对二次曲线模型j＝a2i2+a1i+a0进行最小二乘拟合，得到拟合曲线方程，其中，若一个连通域中包含的辐合点数小于5个，则不对该连通域内的辐合点进行辐合线拟合；3-3)求拟合曲线的导函数：f′(i)＝2a2i+a...

【专利技术属性】
技术研发人员：王萍，窦冰杰，侯谨毅，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12