基于自适应阈值的对流单体识别方法技术

本发明专利技术涉及天气识别领域，为了尽早且快速识别出对流单体，本申请提供了基于自适应阈值的对流单体识别方法，包括：1、获取目标海拔高度的CAPPI数据；2、利用连通域算法从CAPPI数据中提取反射率因子大于反射率因子阈值的区域，若识别出的区域面积大于预设值且阈值伸展度大于比较值，则保留该区域；3、反射率因子阈值加上延伸步长得到新的反射率因子阈值，在保留的区域中提取大于新反射率因子阈值的区域，若新提取的区域面积大于预设值且阈值伸展度大于比较值，则保留该区域；4、重复步骤3，直至不能识别出满足条件的新区域为止，最后一次满足条件的区域即为识别出的对流单体。采用上述方式便于尽早且快速识别出对流单体。式便于尽早且快速识别出对流单体。式便于尽早且快速识别出对流单体。

【技术实现步骤摘要】
基于自适应阈值的对流单体识别方法


[0001]本专利技术涉及天气识别领域，具体是一种基于自适应阈值的对流单体识别方法。

技术介绍

[0002]目前气象部门业务上日常使用的对流系统自动识别及追踪方法为TITAN(Thunderstorm Identification,Tracking,Analysis,and Nowcasting))算法。TITAN是一种基于天气雷达的对流单体识别、追踪算法。TITAN算法首先将极坐标的数据转化为直角坐标的数据，把整个体扫描数据进行等高度差的水平分层后得到CAPPI(Constant Altitude Plan Position Indicator)，然后在水平方向找出反射率因子超过给定的某阈值(35dBZ)的邻接序列，并将之归一回波块，再将块归组后进行三维关联，从而识别三维雷暴单体。其对于孤立对流单体及中尺度对流系统(包括飑线)具有较好的识别跟踪效果。TITAN在雷暴识别的基础上进行雷暴单体质心位置等重要指标的追踪和外推预报，结合雷暴最大期望速度作为约束条件，最后通过最小化目标函数实现雷暴单体质心位置、雷暴体积等参数求解和雷暴单体移动追踪，从而获得雷暴质心移动矢量。
[0003]TITAN算法是基于固定的反射率因子阈值来识别对流(或雷暴)单体的。但是在一雷暴群(多单体对流系统)中，不同对流单体可能处于生命周期的不同阶段。实际观测表明，新生发展阶段强对流系统的反射因子中心值强且梯度较大(对流系统的反射率因子强度从中心到边缘减弱)，面积较小；成熟对流系统反射因子中心值强但梯度较小，面积发展到最大；消亡阶段对流系统反射因子中心值弱，梯度小，面积减小。当成熟阶段对流系统与新生对流单体邻接时，仅由固定阈值35dBZ很难在雷暴群中识别出新生对流单体。而尽早识别出新生单体对提高灾害性对流天气的监测和预警水平至关重要。

技术实现思路

[0004]为了尽早且快速识别出对流单体，本申请提供了基于自适应阈值的对流单体识别方法。
[0005]本专利技术解决上述问题所采用的技术方案是：
[0006]基于自适应阈值的对流单体识别方法，包括：
[0007]步骤1、获取目标海拔高度的CAPPI数据；
[0008]步骤2、利用连通域算法从CAPPI数据中提取反射率因子大于反射率因子阈值的区域，若识别出的区域面积大于预设值且阈值伸展度大于比较值，则保留该区域；
[0009]步骤3、反射率因子阈值加上延伸步长得到新的反射率因子阈值，在保留的区域中提取大于新反射率因子阈值的区域，若新提取的区域面积大于预设值且阈值伸展度大于比较值，则保留该区域；
[0010]步骤4、重复步骤3，直至不能识别出满足条件的新区域为止，最后一次满足条件的区域即为识别出的对流单体。
[0011]进一步地，所述步骤1具体为：
[0012]步骤11、对雷达数据进行预处理；
[0013]步骤12、将预处理后的雷达数据转换为笛卡尔空间坐标系数据；
[0014]步骤13、采用Barnes插值算法将坐标转换后的数据进行插值以得到目标海拔高度的CAPPI数据。
[0015]进一步地，所述步骤4识别出对流单体后还包括：判断对流单体数量，当对流单体数量大于等于2时，计算各对流单体间的质心距离，当两个质心间的距离小于阈值时，将其合并为同一对流单体。
[0016]进一步地，所述步骤1中目标海拔高度为3km，步骤2中反射率因子阈值为35dBZ，预设值为20km2，比较值为10dBZ，步骤3中延伸步长为3dBZ，步骤4中，阈值为15km。
[0017]进一步地，还包括步骤5、对流单体追踪。
[0018]进一步地，所述步骤5具体为：
[0019]步骤51、获取t时刻目标对流单体Ct的移速矢量；
[0020]步骤52、按移速矢量将目标对流单体Ct外推平移Δt时间后得到对流单体C
t+adv
；
[0021]步骤53、在t+Δt回波图上寻找对流单体C
t+Δt
，若C
t+adv
与C
t+Δt
的重叠区域大于判断阈值，则将Ct与C
t+Δt
进行关联；若在t+Δt回波图上未能找到与目标对流单体Ct关联的对流单体，则将t+Δt回波图上所有对流单体沿边界向外扩展Akm，重复步骤51
‑
53，若重复n次仍未找到关联的对流单体，则停止寻找。
[0022]进一步地，所述步骤51采用Lk光流法获取目标对流单体Ct的移速矢量。
[0023]进一步地，所述步骤53中，判断阈值为：C
t+adv
或C
t+Δt
区域面积的三分之一。
[0024]进一步地，n取3，A取20。
[0025]进一步地，还包括步骤54、在关联的对流单体中，若C
t+Δt
覆盖了t时刻的两个对流单体Ct1和Ct2的外推平移区域C1
t+Δt
和C2
t+Δt
的质心位置，则对Ct1和Ct2的追踪路径进行合并处理；若C1
t+Δt
和C2
t+Δt
的质心同位于C
t+adv
区域内，则对Ct的追踪路径进行分叉处理。
[0026]本专利技术相比于现有技术具有的有益效果是：采用本申请的方法可以根据雷暴群中不同雷暴单体所处的生命周期阶段来自动匹配与其适应的反射率因子阈值，从而尽早地快速识别出对流单体，提高灾害性对流天气的监测和预警水平。在进行对流单体追踪时，通过Lk光流法确定t时刻单体Ct的移速矢量，将此单体以该移速矢量外推平移Δt时间后得到C
t+adv
，再通过将C
t+adv
与t+Δt时刻的对流单体C
t+Δt
进行匹配关联实现对流单体Ct追踪，该方法计算量更小，计算速度更快。
附图说明
[0027]图1为基于自适应阈值的对流单体识别方法流程图；
[0028]图2为C、C
t+Δt
及C
t+adv
的位置示意图；
[0029]图3为追踪路径示意图。
具体实施方式
[0030]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步的详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0031]如图1所示，基于自适应阈值的对流单体识别方法，包括：
[0032]步骤1、获取目标海拔高度的CAPPI数据；
[0033]步骤2、利用连通域算法从CAPPI数据中提取反射率因子大于反射率因子阈值的区域，若识别出的区域面积大于预设值且阈值伸展度大于比较值，则保留该区域；
[0034]步骤3、反射率因子阈值加上延伸步长得到新的反射率因子阈值，在保留的区域中提取大于新反射率因子阈值的区域，若新提取的区域面积大于预设值且阈值伸展度大于比较值，则保留本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应阈值的对流单体识别方法，其特征在于，包括：步骤1、获取目标海拔高度的CAPPI数据；步骤2、利用连通域算法从CAPPI数据中提取反射率因子大于反射率因子阈值的区域，若识别出的区域面积大于预设值且阈值伸展度大于比较值，则保留该区域；步骤3、反射率因子阈值加上延伸步长得到新的反射率因子阈值，在保留的区域中提取大于新反射率因子阈值的区域，若新提取的区域面积大于预设值且阈值伸展度大于比较值，则保留该区域；步骤4、重复步骤3，直至不能识别出满足条件的新区域为止，最后一次满足条件的区域即为识别出的对流单体。2.根据权利要求1所述的基于自适应阈值的对流单体识别方法，其特征在于，所述步骤1具体为：步骤11、对雷达数据进行预处理；步骤12、将预处理后的雷达数据转换为笛卡尔空间坐标系数据；步骤13、采用Barnes插值算法将坐标转换后的数据进行插值以得到目标海拔高度的CAPPI数据。3.根据权利要求1所述的基于自适应阈值的对流单体识别方法，其特征在于，所述步骤4识别出对流单体后还包括：判断对流单体数量，当对流单体数量大于等于2时，计算各对流单体间的质心距离，当两个质心间的距离小于阈值时，将其合并为同一对流单体。4.根据权利要求3所述的基于自适应阈值的对流单体识别方法，其特征在于，所述步骤1中目标海拔高度为3km，步骤2中反射率因子阈值为35dBZ，预设值为20km2，比较值为10dBZ，步骤3中延伸步长为3dBZ，步骤4中，阈值为15km。5.根据权利要求3或4所述的基于自适应阈值的对流单体识别方法，其特征在于，还包括步骤5、对流单体追踪。6.根据权利要求5所述的基于自适应阈值的对流单体识别方法，其特征在于，所述步骤5具体为：步骤51、获取t时刻目标对流单体Ct的移速矢量；步骤52、按移...

【专利技术属性】
技术研发人员：竹利，蒋兴文，董元昌，张佩文，冯勇，
申请(专利权)人：中国气象局成都高原气象研究所，
类型：发明
国别省市：