一种基于地基云雷达和卫星数据的对流初生监测方法技术

本发明专利技术涉及一种基于地基云雷达和卫星数据的对流初生监测方法，收集数据，对天气雷达观测数据进行回波结构纹理、水平和垂直尺度以及梯度的计算，进行回波中心区域的自动识别；筛选出对流的个例并划分成不同的等级；根据筛选对流个例的时间、位置和等级，提取云雷达和卫星可见光和红外通道观测数据，形成云雷达、卫星和对流个例训练集；利用逐步回归方法对云雷达的观测数据、卫星可见光和红外探测数据进行预测因子选择，确定对流初生监测和等级的预测因子；利用对流监测模型进行数据的对流监测，实现对流初生和强度等级的监测和预警。本发明专利技术能够更加准确地监测云的形成过程和云内粒子的微观演变过程，从而能够更好地进行对流初生监测。初生监测。初生监测。

【技术实现步骤摘要】
一种基于地基云雷达和卫星数据的对流初生监测方法


[0001]本专利技术涉及气象雷达探测
，尤其涉及一种基于地基云雷达和卫星数据的对流初生监测方法。

技术介绍

[0002]强对流性降水系统会对人民的生产生活和生命财产安全产生严重的威胁，因而准确预报对流系统在天气临近预报和气象防灾减灾工作中有着十分重要的地位；在整个对流降水系统发生、发展以及到消亡的整个生命周期中，对流初生阶段是一个十分重要的环节，对流初生是指对流性降水系统发生的初始阶段，它的出现及发展直接决定了之后对流系统的演变趋势及强度等，因此，对流初生的监测有利于对可能发生的超级单体或者强对流系统等进行更好的预警。
[0003]对流初生阶段的准确监测一直都是对流临近预报的难点问题。目前，气象业务领域多采用地面和探空气球所测的常规气象要素资料，并结合数值天气预报来实现对流的预测。然而，受限于常规气象要素资料有限的时空分辨率，以及数值天气预报模式对中小尺度天气系统刻画能力不足等问题，这种常规预报手段难以实现定点定时的对流系统0
‑
2小时的精细化预报。此外，近年来已有一些研究利用雷达和静止轨道卫星高时空分辨率的特点，逐步发展了一些基于这两者的对流初生监测方法。基于雷达实现对流初生监测的方法，主要是通过雷达反射率因子阈值的设置（一般设为30dBz或更高）及其统计分布特征来判断。基于高空间分辨率的卫星可见光资料实现对流初步监测一般是基于图像处理的方法，即检测卫星图像上是否会出现辐合线或积去的特征。基于卫星红外探测资料实现对流初生的监测一般利用云顶亮温及其降温率等参量。然而，以上对流初生的监测方法仍然存在一些问题，例如：1、对流初生的雷达反射率因子阈值设置及统计特征在不同地区是不一样的，很难做到统一；另外，基于反射率因子阈值法的对流预警是在已存在降水环境下应用的，基于此方法的对流预警会造成提前预报时间短的问题；2、基于卫星资料的初生监测，能够实现云宏观发展特征的观测，但不能实现对云内粒子的微观演变过程进行有效的监测；3、没有充分利用云形成后云内粒子的相态、尺寸及垂直对流等信息，导致云微物理认识不足，从而影响对流初生监测的准确性；4、目前的对流监测方法只实现了对流是否发生的预警，而没有实现对流强度等级的预警；5、目前监测方法的运行效率还不能满足快速发展且小尺度对流系统初生的监测；6、基于数值模式或复杂算法的监测手段不够智能化，其模式运用的参数或算法实现的前提条件在不同环境中可能需要调整。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息只用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺点，提供了一种基于地基云雷达和卫星数据的对流初生监测方法，解决了现有对流初生监测方法存在的问题。
BT
6.2μm
‑
BT
7.2μm
， BT
7.2μm
‑
BT
13.5μm
，BT
6.2μm
‑
BT
7.2μm
，BT
11μm
‑
BT
12μm
，BT
6.7μm
‑
BT
7.2μm
和BT
7.2μm
‑
BT
12μm
。
[0011]所述步骤S6具体包括以下内容：S51、将选择的预测因子作为神经网络的输入，将对流是否发生及发生时的等级数据作为神经网络的输出，并通过对抗生成神经网络以及利用地基云雷达和卫星数据构建对流初生监测模型；S52、对真实的地基云雷达和卫星观测的数据进行时间与空间匹配，提取与步骤S51对应的预测因子数据集，将数据集输入到已经构建好的对流初生监测模型中进行对流初生监测。
[0012]本专利技术具有以下优点：一种基于地基云雷达和卫星数据的对流初生监测方法，能够更加准确地监测云的形成过程和云内粒子的微观演变过程，从而能够更好地进行对流初生监测。此方法不需要其他辅助参数，直接由所述的地基云雷达和卫星观测数据来识别对流初生。由于使用神经网络模型，计算和监测速度快，适合实时运行和业务化。在对流初生的早期阶段，卫星观测可以识别云从无到有的形成过程，具有良好的指示意义。卫星是自上而下的观测，由于静止气象卫星的可见光和红外通道波长的限制，当云形成之后，只能看到云顶形态、反射率和亮温这些云顶的特性，无法穿透云对其内部探测。此时，云雷达可以很好的探测云内部的云水含量、有效粒子半径、粒子运动速度等微物理参数特性。结合卫星观测的对流初生的云顶特征演变和云雷达观测的云内部微物理特性观测，可以良好监测对流初生的全过程，提高对流初生监测的识别率。另外，本技术还可以实对流强度等级的预测。
附图说明
[0013]图1 为本专利技术的流程示意图。
具体实施方式
[0014]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本专利技术做进一步的描述。
[0015]如图1所示，本专利技术具体涉及一种基于云雷达和卫星数据的对流初生监测方法，其收集地基云雷达观测数据、静止气象卫星可见光和红外通道观测数据、地基雨量计和天气雷达观测数据；对天气雷达观测数据进行回波结构纹理、水平和垂直尺度以及梯度的计算，进行回波中心区域的自动识别。基于设置不同的对流中心回波反射率因子阈值和地基雨量计观测数据，筛选出对流的个例并将对流个例按中心回波强度划分成不同的等级；根据筛选对流个例的时间、位置和等级，提取其发生0
‑
3小时之前的云雷达和卫星可见光和红外通道观测数据，形成云雷达、卫星和对流个例训练集；利用逐步回归方法对云雷达的观测数据、卫星可见光和红外探测数据进行预测因子选择，确定对流初生监测和等级的预测因子；利用机器学习方法构建对抗生成网络，将确定的对流初生监测的预测因子和对流是否发生
及强度等级数据输入到此网络中构建对流监测模型，实现对流初生和强度等级的监测和预警。
[0016]具体包括以下内容：步骤1：收集地基Ka波段云雷达的双线偏振雷达的反射率因子、平均径向速度、速度谱宽、线性退极化比、水平通道和垂直通道的功率谱数据；收集静止气象卫星FY
‑
4A可见光通道的反射率数据，6.7μm附近和10
‑
12μm红外通道亮温观测数据；收集地基雨量计的降雨量数据和多普勒天气雷达在平面位置显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地基云雷达和卫星数据的对流初生监测方法，其特征在于：所述对流初生监测方法包括：S1、收集获取地基云雷达的雷达参数数据、气象卫星可见光通道的反射率数据与红外通道亮温观测数据、以及地基雨量计的降雨强度数据和天气雷达在平面位置显示和距离高度两种扫描模式下的回波数据；S2、将步骤S1中获取的天气雷达观测的回波数据，根据天气雷达利用两种扫描模式探测的回波，计算出回波结构纹理特征参数、径向梯度变化、区域梯度变化，从而识别出回波的中心区域，并筛选和标识出对流个例；S3、将对流回波中心强度进行等间隔划分和标记，生成发生对流天气的时间和位置信息数据集；S4、将步骤S3中得到的数据集进行处理得到对流发生前一段时间的时间扩展和空间匹配的云雷达、卫星数据和不同等级对流个例的训练集；S5、利用SPSS软件对云雷达的雷达参数数据、气象卫星可见光通道的反射率数据与红外通道亮温观测数据进行双变量相关性分析，利用SPSS的统计和回归分析模块计算云雷达的雷达参数数据、气象卫星可见光通道的反射率数据与红外通道亮温观测数据的相关性矩阵并进行逐步回归分析，进行对流初生模型的预测因子选择分析，确定对流监测的预测因子；S6、根据选择的预测因子和对流发生等级数据构建对流初生监测模型，并进行对流初生的监测。2.根据权利要求1所述的一种基于地基云雷达和卫星数据的对流初生监测方法，其特征在于：所述步骤S1具体包括以下内容：S11、收集获取地基双线偏振云雷达的雷达反射率因子、平均径向速度、速度谱宽、线性退极化比、水平通道和垂直通道的功率谱数据；S12、收集获取静止气象卫星可见光通道的反射率数据，红外通道亮温观测数据；S13、收集获取地基雨量计的降雨强度数据和多普勒天气雷达在平面位置显示与距离高度两种扫描模式下的回波数据。3.根据权利要求1所述的一种基于地基云雷达和卫星数据的对流初生监测方法，其特征在于：所述步骤S3具体包括以下内容：S31、将对流回波中心强度按照一定雷达反射率因子为间隔划分了多个强度范围等级并进行标记；S32、记录对流开始发生和结束的时间与位置信息以及对流等级信息；S33、根据雨量计测量的降水量数据对记录的数据进行再次筛选，得到发生对流天气的时间与位置信息数据集。4.根据权利要求3...

【专利技术属性】
技术研发人员：邓思华，
申请(专利权)人：成都远望探测技术有限公司，
类型：发明
国别省市：