基于天气雷达回波时序图像的降水预报方法技术

本发明专利技术公开了一种利用天气雷达回波时序图像进行降水预报的方法，该方法提出基本反射率数值与图像灰度值之间的直接关联，同时2条合理假设并建立相应的计算模型，依次对时间上两两相邻的基本反射率灰阶图像进行回波主体移动特征计算，再通过卷积函数，对时序图像的移动速度矢量场进行叠加计算，并遵循发生时间越久远的移动速度矢量对当前及未来的影响越小的原则，接着利用一个灰阶图像变化预测模型，对未来灰阶图像的形态、强度进行预测，最终实现基于雷达资料的降水预测。该方法对于较长预报时效且时空变化不连续的回波主体，其降水预报结果的准确性有着明显改善。

Precipitation prediction method based on weather radar echo time series images

The invention discloses a method for precipitation prediction using weather radar echo time series images. The method proposes a direct correlation between the basic reflectivity value and the image gray value. At the same time, two reasonable assumptions and corresponding calculation models are established, and the two adjacent basic reflectivity gray scale images in time are returned to the main echo. Volume motion feature calculation, then through convolution function, the moving velocity vector field of time series image is superimposed and calculated. Following the principle that the moving velocity vector with longer occurrence time has less influence on current and future, a gray-scale image change prediction model is used to improve the shape and intensity of future gray-scale image. The prediction is based on radar data. This method can improve the accuracy of precipitation prediction results for the main echo body with long prediction time and discontinuous temporal and spatial variations.

【技术实现步骤摘要】
基于天气雷达回波时序图像的降水预报方法
本专利技术属于大气科学领域，涉及一种利用天气雷达回波时序图像进行降水预报的方法。
技术介绍
基于天气雷达探测资料的临近预报技术对短时临近降水预报起到十分积极有效的作用。该技术从上世纪60年代开始被研究，随着雷达硬件基础设施和探测技术的不断更新，基于天气雷达的降水预报方法也取得了长足的进步。这类方法的基本思想是利用雷达反射率因子对强回波进行识别，再根据回波区域的移动趋势，对回波未来的方位、强度做出预判，进而达到预报的目的。从数理统计角度看，这类方法有效解决了雷达回波在未来时间发展变化的预测难题，但实际天气的发展演变过程往往更加复杂。从时间连续的回波图像可以看出，回波图像所表征的可降水区域每时每刻、从整体到局部都在不断地生消、发展、移动和变化，传统预报方法采用的预测模型通常是建立在线性运动关系的基础上，而实际大气及大气中粒子的运动轨迹并不符合线性运动的规律。因此，基于线性运动关系的降水预报，在预测较长时间的回波图像时，往往与实际偏差很大，进而降低了降水预报的准确性。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺陷，提供一种降水预报结果更加准确的方法。为了达到上述目的，本专利技术提供了一种基于天气雷达回波时序图像的降水预报方法，包括以下步骤：(1)读取当前时刻T及前N各时刻的雷达基数据；(2)读取(1)中当前时刻T雷达基数据中的各个探测仰角的基本反射率数值；(3)将步骤(2)中各个仰角的基本反射率数值的值域扩大到[0,255]之间；(4)将步骤(3)中扩大值域后的数值转换为灰阶图像；(5)重复步骤(2)至步骤(4)，对步骤(1)中读取的所有雷达基数据进行灰阶图像转换；(6)根据以下原理，依次对时间上两两相邻雷达基数据转换后的基本反射率灰阶图像进行回波主体移动特征计算，从而计算出灰阶图像各像素的移动速度矢量：图像中任意位置相邻的像素，其移动趋势近乎一致；以及图像中表征雷达回波主体的灰阶图像区域，其总体移动趋势基本一致；(7)根据发生时间越久远，对当前及未来影响越小的原则，对步骤(6)计算出的移动速度矢量进行叠加计算；(8)构建灰阶图像变化预测模型：且式中，Δt表示预测的时间长度，Δt的取值以时间上两两相邻的基数据时间间隔为基本单位；Δx和Δy分别表示未来Δt时间后，原来T时刻坐标(x,y)分别在x轴和y轴的偏移量；MV(x,y)是移动速度矢量，它的值由步骤(7)计算得到；MV(x,y)x和MV(x,y)y分别表示MV(x,y)在x轴和y轴的速度分量；IMG(T,a,x,y)表示基数据BD(T)计算出的a仰角灰阶图像在直角坐标(x,y)处的灰阶强度值；同理，IMG(T-t,a,x,y)表示基数据BD(T-t)计算出的a仰角灰阶图像在直角坐标(x,y)处的灰阶强度值；h(x,y,t)是一个时域卷积函数，该函数的具体形式没有限定，但始终须遵循一个原则：发生时间越久远的雷达回波图像的像素灰度值对当前及未来的影响越小；*是卷积运算符；Img(T-t,a,x,y)*h(x,y,t)的物理意义为：T-t时刻的灰阶图像中，任一像素(x,y)处的灰度值在[0,N-1]时序中的t时刻对预测值P(T+Δt,a,x+Δx,y+Δy)的作用程度，该作用程度是由h(x,y,t)函数控制，换言之，h(x,y,t)函数是Img(T-t,a,x,y)的权重系数。P(T+Δt,a,x+Δx,y+Δy)是预测的结果，表示在未来Δt时刻，a仰角面上，坐标(x+Δx,y+Δy)处的灰阶值。(9)对步骤(8)计算得到的P(T+Δt,a,x+Δx,y+Δy)进行平滑处理；(10)对步骤(9)平滑处理后数值的值域进行收缩调整，将各像素的取值还原至雷达基数据的正常数量级；(11)将步骤(10)还原后数值所表征的回波强度值转换为可降水量。更加具体的，本专利技术降水预报方法如下：步骤1)读取当前时刻T及前N个时刻的雷达基数据，其中，N是大于0的整数。不妨设BD(T-t)表示T-t时刻的雷达基数据(以下简称基数据)，t为正整数，且0≤t<N。步骤2)读取BD(T)中各个探测仰角的基本反射率数值。探测仰角的数量取决于不同雷达及雷达体扫的方式，不妨设某种雷达的基本反射率有效探测仰角的数量为EN，某一仰角的基本反射率数值为BRV(T,a,b,c)，其中，a表示仰角，且a<EN；b表示方位角，且b∈[0,360)；c表示雷达探测的距离库数，且c∈[1,MaxDis]，MaxDis的数值取决于雷达技术参数。步骤3)将BD(T)中各个仰角的基本反射率数值BRV(T,a,b,c)的值域扩大到[0,255]之间，计算方法为：且当BRVG(T,a,b,c)<0时，BRVG(T,a,b,c)＝0。其中，MAX(BRV(T,a))表示BRV(T,a,b,c)某一仰角a中，所有方位角和所有距离库数中基本反射率数值最大的一个值。步骤4)将BRVG(T,a,b,c)采用通用的图像处理算法转化为灰阶图像IMG(T,a,x,y)，其中，x,y分别表示灰阶图像的横坐标和纵坐标。上述极坐标形式的(b,c)转化为直角坐标形式的(x,y)可由公知的方法计算得到。IMG(T,a,x,y)表示基数据BD(T)计算出的a仰角灰阶图像在直角坐标(x,y)处的灰阶强度值。步骤5)按照步骤2至步骤4，对步骤1中所有基数据RBD(T-t)依次进行上述处理，则任一时刻任一仰角的基本反射率灰阶图像可表示为IMG(T-t,a,x,y)。步骤6)依次对时间上两两相邻的基本反射率灰阶图像进行回波主体移动特征计算，计算的原理是基于如下2点假设：假设1：图像中任意位置相邻的像素，其移动趋势是近乎一致的，用公式可表示为：V(T-t,x,y)＝V(T-t-1,x+Δx,y+Δy)(Δx→0,Δy→0)(式2)其中，V表示移动速度矢量，V(T-t,x,y)表示基本反射率灰阶图像中直角坐标系下(x,y)处的移动速度矢量，按照假设1，该值与V(T-t-1,x,y)的值近似相等，即V相邻坐标位置的梯度变化近似为0。由此，可建立式3所示的方程：式3中，和分别表示移动速度矢量V在横坐标和纵坐标方向上的偏导，和分别表示移动速度矢量V在横坐标和纵坐标方向上随时间变化的偏导。假设2：图像中表征雷达回波主体的灰阶图像区域，其总体移动趋势是基本一致的。换言之，虽然无法断定“图像中雷达回波主体完全按统一的方向和速度移动”，但可以通过约束项的极小化来进行限定，用公式可表示为：其中，min[]表示遍历x方向和y方向所有像素后，求取数值最小的一项。将式3和式4合并，构成用于求取基本反射率灰阶图像移动矢量的约束条件，如式5所示：其中，μ∈[0,1]，它是假设2的调节因子，用于调节灰阶图像的“噪声”与假设2约束之间的权重，图像中的“噪声”越大，说明灰阶图像本身的置信度越低，亦即雷达回波中的杂波越严重，为了能够计算出合理的E值，则需要增加假设2约束的权重。反之，则μ可以取较小的值。上述关于灰阶图像中的“噪声”，并非传统意义上的图像光学噪点，而是主要受到反映回波强度和区域面积的水汽粒子不断生消变化的影响，使得探测时间相邻的雷达回波灰阶图像之间具有明显的差异，这种差异对于式5所示的假设本文档来自技高网...

【技术保护点】
1.基于天气雷达回波时序图像的降水预报方法，其特征在于：包括以下步骤：(1)读取当前时刻T及前N各时刻的雷达基数据；(2)读取(1)中当前时刻T雷达基数据中的各个探测仰角的基本反射率数值；(3)将步骤(2)中各个仰角的基本反射率数值的值域扩大到[0,255]之间；(4)将步骤(3)中扩大值域后的数值转换为灰阶图像；(5)重复步骤(2)至步骤(4)，对步骤(1)中读取的所有雷达基数据进行灰阶图像转换；(6)根据以下原理，依次对时间上两两相邻雷达基数据转换后的基本反射率灰阶图像进行回波主体移动特征计算，从而计算出灰阶图像各像素的移动速度矢量：图像中任意位置相邻的像素，其移动趋势近乎一致；以及图像中表征雷达回波主体的灰阶图像区域，其总体移动趋势基本一致；(7)根据发生时间越久远，对当前及未来影响越小的原则，对步骤(6)计算出的移动速度矢量进行叠加计算；(8)构建灰阶图像变化预测模型：

【技术特征摘要】
1.基于天气雷达回波时序图像的降水预报方法，其特征在于：包括以下步骤：(1)读取当前时刻T及前N各时刻的雷达基数据；(2)读取(1)中当前时刻T雷达基数据中的各个探测仰角的基本反射率数值；(3)将步骤(2)中各个仰角的基本反射率数值的值域扩大到[0,255]之间；(4)将步骤(3)中扩大值域后的数值转换为灰阶图像；(5)重复步骤(2)至步骤(4)，对步骤(1)中读取的所有雷达基数据进行灰阶图像转换；(6)根据以下原理，依次对时间上两两相邻雷达基数据转换后的基本反射率灰阶图像进行回波主体移动特征计算，从而计算出灰阶图像各像素的移动速度矢量：图像中任意位置相邻的像素，其移动趋势近乎一致；以及图像中表征雷达回波主体的灰阶图像区域，其总体移动趋势基本一致；(7)根据发生时间越久远，对当前及未来影响越小的原则，对步骤(6)计算出的移动速度矢量进行叠加计算；(8)构建灰阶图像变化预测模型：且式中，Δt表示预测的时间长度，Δt的取值以时间上两两相邻的基数据时间间隔为基本单位；Δx和Δy分别表示未来Δt时间后，原来T时刻坐标(x,y)分别在x轴和y轴的偏移量；MV(x,y)为步骤(7)中叠加计算的结果；MV(x,y)x和MV(x,y)y分别表示MV(x,y)在x轴和y轴的速度分量；IMG(T,a,x,y)表示T时刻的雷达基数据计算出的a仰角灰阶图像在直角坐标(x,y)处的灰阶强度值；同理，IMG(T-t,a,x,y)表示基数据T-t时刻的雷达基数据计算出的a仰角灰阶图像在直角坐标(x,y)处的灰阶强度值；h(x,y,t)是为时域卷积函数；*是卷积运算符；Img(T-t,a,x,y)*h(x,y,t)的物理意义为：T-t时刻的灰阶图像中，任一像素(x,y)处的灰度值在[0,N-1]时序中的t时刻对预测值P(T+Δt,a,x+Δx,y+Δy)的作用程度；(9)对步骤(8)计算得到的P(T+Δt,a,x+Δx,y+Δy)进行平滑处理；(10)对步骤(9)平滑处理后数值的值域进行收缩调整，将各像素的取值还原至雷达基数据的正常数量级；(11)将步骤(10)还原后数值所表征的回波强度值转换为可降水量。2.根据权利要求1所述的降水预报方法，其特征在于：所述步骤(6)中图像中任意位置相邻的像素，其移动趋势是近乎一致的，用公式可表示为：V(T-t,x,y)＝V(T-t-1,x+Δx,y+Δy)(Δx→0,Δy→0)(式2)式2中，V表示移动速度矢量，V(T-t,x,y)表示T-t时刻的基本反射率灰阶图像中直角坐标系下(x,y)处的移动速度矢量；根据所述步骤(6)中的原理，V(T-t,x,y)与V(T-t-1,x,y)的值近似相等，即V相邻坐标位置的梯度变化近似为0，由此建立以下公式：式3中，和分别移动速度矢量V在横坐标和纵坐标方向上的偏导，和分别表示移动速度矢量V在横坐标和纵坐标方向上随时间变化的偏导。根据图像中表征雷达回波主体的灰阶图像区域，其总体移动趋势基本一致的原理，由以下公式表示：式4中，min[]表示遍历x方向和y方向所有像素后，求取数值最小的一项；将式3和式4合并...

【专利技术属性】
技术研发人员：王兴，卞浩瑄，朱彬，水泱，王坚红，苗春生，樊仲欣，王丽娟，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32