一种基于双偏振天气雷达体扫数据的雷暴识别方法技术

本发明专利技术涉及一种基于双偏振天气雷达体扫数据的雷暴识别方法，本方法包括组合反射率强回波区识别，CAPPI水平尺度筛选、回波强度约束，CAPPI粒子类型约束等过程。为得到最优识别参数，对312个雷暴单体的雷达回波进行了识别检验，检验了CAPPI不同温度层结高度（0℃，‑10℃，‑15℃）不同强回波区域反射率因子识别阈值（30dBZ，35dBZ，40dBZ）以及霰粒子区域尺度（1km

A method of thunderstorm recognition based on body scan data of dual polarization weather radar

【技术实现步骤摘要】
一种基于双偏振天气雷达体扫数据的雷暴识别方法
本专利技术涉及雷达领域，具体涉及一种基于双偏振天气雷达体扫数据的雷暴识别方法。
技术介绍
由于雷暴生命周期短、范围小，而业务数值预报模式时空扩展性小以及水平和垂直分辨率较低，所以雷暴预警预报是天气预报中较困难的工作之一，也是气象部门所面临的难点和挑战。由于强对流天气的发生、发展具有突发性和局地性，因此雷电预警更多地借助于天气雷达实时监测手段。目前基于天气雷达对雷暴进行识别的技术方法主要包括以下几个方面：(1)建立回波顶高、垂直累积液态水含量(VIL)与闪电频数的分布关系。统计分析发现:初闪发生时，回波顶高度达到9km以上，VIL达到25kg/m以上。(2)40dBZ强度的回波发展高度是否达到7km是判别有无雷暴的指标之一，在7km高度的CAPPI图像上，回波强度大于等于40dBZ的区域与闪电区域有一定的对应关系。(3)建立雷达强回波中心、回波顶高、垂直液态水含量、7km高度的回波强度与闪电概率之间的关系，通过模糊逻辑的方法完成雷暴识别。针对以上方法进行的应用统计结果分析，雷暴识别准确率一般不超过80％，很难做到对雷暴的精确预警。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于双偏振天气雷达体扫数据的雷暴识别方法，以提高雷暴识别准确率。本专利技术的目的是通过以下技术方案来实现的：一种基于双偏振天气雷达体扫数据的雷暴识别方法，该方法包括：S1：以双偏振雷达体扫数据作为输入量，完成数据解析；S2：组合反射率强回波区域识别；1)利用体扫回波数据各层的反射率因子生成组合反射率数据；2)通过设定的反射率因子阈值，利用组合反射率数据进行雷达回波强中心搜索；3)通过设定的区域尺度因子A1阈值，对组合反射率数据雷达回波强中心进行区域尺度筛选，筛选出区域尺度大于区域尺度因子A1的回波区域，筛选结果为构成待定雷暴区域集合C1；S3：CAPPI水平尺度筛选；1)利用解析得到的体扫数据，生成各温度层结高度CAPPI反射率因子和粒子识别结果数据；2)利用某温度层结高度CAPPI反射率因子进行雷达回波强中心搜索；S4：回波强度约束；通过设定的区域尺度因子A2阈值，对CAPPI反射率因子雷达回波强中心进行区域尺度筛选，筛选出区域尺度大于区域尺度因子A2的回波区域，构成区域集合CT；S5：CAPPI粒子类型约束；利用粒子识别结果对上一步的筛选结果进行进一步的约束粒子类型筛选，在区域集合CT中筛选出约束粒子类型尺度范围大于设定面积阈值APTh的区域，构成待定雷暴区域集合C2；S6：将待定雷暴区域集合C1与待定雷暴区域集合C2进行匹配，当集合C2中某区域中心的水平投影落在集合C1中某区域的范围内时，判断为匹配成功，将C1对应的待定雷暴区域确定为雷暴单体。进一步的，所述雷达回波强中心搜索的具体步骤为：S01：强回波点提取设组合反射率雷达回波图和CAPPI反射率因子回波图为分辨率为H×V的图像，则图像共包含H×V个像素点，由ZH(H,V)表示各像素点的雷达回波反射率因子值，当ZH(i,j)>ZTh时，ZH(i,j)即为强回波点，其中，i为回波图横坐标，j为回波图纵坐标，0<i<H，0<j<V，ZTh为强回波中心搜索阈值，通过强回波中心提取后得到回波图像的强回波点集合ZHC，各强回波点表示为ZHC(i，j)；S02：强回波段合成在横向或纵向上，逐点对上一步骤得到的强回波点集合ZHC进行相邻点合并，构成横向或纵向强回波段集合，表示为ZHS(N)，N为强回波段集合大小，以纵向强回波段为例，强回波段ZHS(x)是由多个横坐标相同，在纵向坐标位置连续的点构成的一维回波数据点集合，当某强回波点ZHC(i，j)为孤立点时，则判定该回波点为无效点，直接删除；S03：强回波区域合成对强回波段合成后得到的强回波段集合ZHS(N)进行相邻强回波段合成，即可构成强回波区域集合ZHA(M)，M为强回波区域集合大小，当某强回波段ZHS(x)为孤立强回波段时，则判定该回波段为无效回波段，直接删除，强回波区域合成后，可利用边界点识别算法提取各强回波区域的边界点。进一步的，所述约束粒子类型筛选的步骤为：以ZH,ZDR,KDP,ρhv及温度廓线T为输入参量，通过模糊化、规则判断、最大集成法集成、退模糊等步骤实现对粒子类型对识别；所述模糊化的隶属函数，表达式如下：进一步的，所述粒子类型分为毛毛雨、小到中雨、大雨、干雪、湿雪、冰晶、干霰、湿霰、小湿雹、大冰雹和雨雹。进一步的，所述约束粒子类型筛选主要是指选取与雷暴起电最为密切的霰粒子。进一步的，所述组合反射率数据的反射率因子识别阈值为30dBZ、35dBZ、40dBZ，所述设定的反射率因子阈值为40dBZ。进一步的，所述各温度层结高度包括0℃、-10℃、-15℃。进一步的，所述区域尺度因子A1阈值和区域尺度因子A2阈值的取值为1km2、2km2、3km2，所述面积阈值APTh的取值为2km2。进一步的，所述步骤S3中，CAPPI反射率因子的取值为30dBZ。进一步的，所述组合反射率回波图以区域尺度因子A1，CAPPI回波图中区域尺度因子A2为阈值进行筛选，当强回波区域的积分面积小于对应的区域尺度因子时，强回波区域集合中删除该区域。本专利技术的有益效果是：本方法包括组合反射率强回波区识别，CAPPI水平尺度筛选、回波强度约束，CAPPI粒子类型约束等过程。为得到最优识别参数，对312个雷暴单体的雷达回波进行了识别检验，检验了CAPPI不同温度层结高度(0℃，-10℃，-15℃)不同强回波区域反射率因子识别阈值(30dBZ，35dBZ，40dBZ)以及霰粒子区域尺度(1km2，2km2，3km2)对识别结果的影响。结果表明，在组合反射率以40dBZ为强回波区识别阈值，CAPPI0℃层结高度层强回波区域反射率因子识别阈值为30dBZ，霰粒子区筛选阈值为2km2时，可得到最优的雷暴识别结果，识别准确度达到91％以上，识别虚警率仅为6.9％，临界成功指数为85.3％。附图说明图1为本专利技术的流程示意图；图2为本专利技术模糊逻辑算法粒子识别流程；图3为雷达回波雷暴识别结果检验图；图4为ZTh＝30dBZ的雷暴识别结果统计图；图5为ZTh＝35dBZ的雷暴识别结果统计图；图6为ZTh＝30dBZ的雷暴识别结果统计图。具体实施方式下面结合具体实施例进一步详细描述本专利技术的技术方案，但本专利技术的保护范围不局限于以下。如图1所示，一种基于双偏振天气雷达体扫数据的雷暴识别方法，该方法包括：S1：以双偏振雷达体扫数据作为输入量，完成数据解析；S2：组合反射率强回波区域识别；1)利用体扫回波数据各层的反射率因子生成组合反射率数据，其中反射率因子识别阈值为30dBZ、35dBZ、40dBZ；2)通过设定的反射率因子阈值40dBZ，利用组合反射率数据进行雷达回波强中心搜索；3)通过设定的区域尺度因子A1阈值(1km2、2km2、3km2)，对组合反射率数据雷达回波强中心进行区域尺度筛选，约束粒子类型筛选主要是指选取与雷暴起电最为密切的霰粒子，筛选出区域尺度大于区域尺度因子A1的回波区域，筛选结果为构成待定雷暴区域集合C1；S3：CAPPI水平尺度筛选；1)利用解析得到的体扫数据，生成本文档来自技高网...

【技术保护点】
1.一种基于双偏振天气雷达体扫数据的雷暴识别方法，其特征在于，该方法包括：S1：以双偏振雷达体扫数据作为输入量，完成数据解析；S2：组合反射率强回波区域识别；1)利用体扫回波数据各层的反射率因子生成组合反射率数据；2)通过设定的反射率因子阈值，利用组合反射率数据进行雷达回波强中心搜索；3)通过设定的区域尺度因子A1阈值，对组合反射率数据雷达回波强中心进行区域尺度筛选，筛选出区域尺度大于区域尺度因子A1的回波区域，筛选结果为构成待定雷暴区域集合C1；S3：CAPPI水平尺度筛选；1)利用解析得到的体扫数据，生成各温度层结高度CAPPI反射率因子和粒子识别结果数据；2)利用某温度层结高度CAPPI反射率因子进行雷达回波强中心搜索；S4：回波强度约束；通过设定的区域尺度因子A2阈值，对CAPPI反射率因子雷达回波强中心进行区域尺度筛选，筛选出区域尺度大于区域尺度因子A2的回波区域，构成区域集合CT；S5：CAPPI粒子类型约束；利用粒子识别结果对上一步的筛选结果进行进一步的约束粒子类型筛选，在区域集合CT中筛选出约束粒子类型尺度范围大于设定面积阈值APTh的区域，构成待定雷暴区域集合C2；S6：将待定雷暴区域集合C1与待定雷暴区域集合C2进行匹配，当集合C2中某区域中心的水平投影落在集合C1中某区域的范围内时，判断为匹配成功，将C1对应的待定雷暴区域确定为雷暴单体。...

【技术特征摘要】
2019.04.02 CN 201910263350X1.一种基于双偏振天气雷达体扫数据的雷暴识别方法，其特征在于，该方法包括：S1：以双偏振雷达体扫数据作为输入量，完成数据解析；S2：组合反射率强回波区域识别；1)利用体扫回波数据各层的反射率因子生成组合反射率数据；2)通过设定的反射率因子阈值，利用组合反射率数据进行雷达回波强中心搜索；3)通过设定的区域尺度因子A1阈值，对组合反射率数据雷达回波强中心进行区域尺度筛选，筛选出区域尺度大于区域尺度因子A1的回波区域，筛选结果为构成待定雷暴区域集合C1；S3：CAPPI水平尺度筛选；1)利用解析得到的体扫数据，生成各温度层结高度CAPPI反射率因子和粒子识别结果数据；2)利用某温度层结高度CAPPI反射率因子进行雷达回波强中心搜索；S4：回波强度约束；通过设定的区域尺度因子A2阈值，对CAPPI反射率因子雷达回波强中心进行区域尺度筛选，筛选出区域尺度大于区域尺度因子A2的回波区域，构成区域集合CT；S5：CAPPI粒子类型约束；利用粒子识别结果对上一步的筛选结果进行进一步的约束粒子类型筛选，在区域集合CT中筛选出约束粒子类型尺度范围大于设定面积阈值APTh的区域，构成待定雷暴区域集合C2；S6：将待定雷暴区域集合C1与待定雷暴区域集合C2进行匹配，当集合C2中某区域中心的水平投影落在集合C1中某区域的范围内时，判断为匹配成功，将C1对应的待定雷暴区域确定为雷暴单体。2.根据权利要求1所述的一种基于双偏振天气雷达体扫数据的雷暴识别方法，其特征在于，所述雷达回波强中心搜索的具体步骤为：S01：强回波点提取设组合反射率雷达回波图和CAPPI反射率因子回波图为分辨率为H×V的图像，则图像共包含H×V个像素点，由ZH(H,V)表示各像素点的雷达回波反射率因子值，当ZH(i,j)>ZTh时，ZH(i,j)即为强回波点，其中，i为回波图横坐标，j为回波图纵坐标，0<i<H，0<j<V，ZTh为强回波中心搜索阈值，通过强回波中心提取后得到回波图像的强回波点集合ZHC，各强回波点表示为ZHC(i，j)；S02：强回波段合成在横向或纵向上，逐点对上一步骤得到的强回波点集合ZHC进行相邻点合并，构成横向或纵向强回波段集合，表示为ZHS(N)，N为强回波...

【专利技术属性】
技术研发人员：韦一，杨波，高细桥，谭学，
申请(专利权)人：成都锦江电子系统工程有限公司，
类型：发明
国别省市：四川,51