一种基于多普勒雷达数据的下击暴流预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109164450A(43)申请公布日2019.01.08(21)申请号201811060986.6(22)申请日2018.09.12(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人王萍赵宗玉侯谨毅(74)专利代理机构天津一同创新知识产权代理事务所(普通合伙)12231代理人李丽萍(51)Int.Cl.G01S13/95(2006.01)权利要求书2页说明书10页附图7页(54)发明名称一种基于多普勒雷达数据的下击暴流预测方法(57)摘要本发明公开了一种基于多普勒雷达数据的下击暴流预测方法，包括：收集10年的风暴事件报告与之相匹配的多普勒天气雷达数据，识别出所有时刻的对流单体，提取静态特征，得到对流单体序列；将对流单体序列与风暴事件相匹配；以灾害发生时刻为时间参考点，将对流单体序列拆分为若干样本序列片段集；提取样本序列片段集的特征集并进行统计显著性检验，寻找正负样本特征集的显著特征集；通过主成分分析，对显著性特征集进行降维和解耦，得到有效特征，进而训练一个分类器模型，得到一组分类器模型；组合应用分类器模型集合，检测和预报下击暴流。本发明可以自动检测产生下击暴流的对流单体，预测下击暴流的发生时间和发生地点。CN109164450ACN109164450A权利要求书1/2页1.一种基于多普勒雷达数据的下击暴流预测方法，其特征在于，包括以下步骤：步骤一、收集10年的风暴事件报告与之相匹配的多普勒天气雷达数据；步骤二、使用风暴核心识别与追踪方法，从每一个风暴事件的雷达数据中，识别出所有时刻的对流单体，提取对流单体的静态特征，并对对流单体进行追踪得到对流单体序列；所述静态特性包括反射率特征和速度特征；所述反射率特征包括单体核心高度、单体最大反射率、单体最大反射率高度、底高和顶高；在雷达径向速度图像上检测速度跳变点，当速度跳变值大于一个给定的阈值时，则该速度跳变点为辐合点，将相邻的辐合点合并，并通过不断的执行相邻位置辐合点的合并操作，找到对流单体内部的辐合点带状区域，该辐合点带状区域称为辐合带；遍历所有辐合点，在其八邻域计算正速度点n+、正速度总和及最大正速度负速度点数n-，负速度总和以及最大负速度则该辐合点的辐合值该辐合点的辐合平均值根据辐合带中每个辐合点坐标以最小二乘法拟合直线，计算所得到的拟合直线与雷达投射直线的夹角θ，将辐合带中每个辐合点的A/cosθ为该辐合点的新的辐合值；通过统计得到该对流单体的的速度特征，包括中层辐合最大值、中层辐合最小值、中层辐合平均值最大值、中层辐合平均值最小值、辐合最大值和、辐合最大层平均值、辐合点总数、辐合最大层高度、辐合最大层点数、辐合最大值高度、辐合最小值高度、辐合平均值最大值高度和辐合平均值最小值高度；步骤三、将对流单体序列与风暴事件相匹配，在风暴事件报告中记录了灾害发生的时间和地点，如果在灾害发生时刻，一个对流单体序列离灾害发生地的距离小于10km，则认为该对流单体序列与该灾害报告相关；如果同时有多个对流单体序列与一个风暴灾害的距离小于10km，则认为其中与风暴灾害距离最近的对流单体序列与该灾害报告相关；对所有与灾害报告相关的对流单体序列，根据对流单体序列与相关的灾害报告中灾害的不同分为：与下击暴流相关的对流单体序列，与冰雹相关的对流单体序列，与暴雨相关的对流单体序列；步骤四、以灾害发生时刻为时间参考点，将对流单体序列拆分为若干样本序列片段集；步骤是：首先定义如下两个时间参数：时间提前量：以发生灾害的时刻为基准点，向前偏移的体扫数即为时间提前量；时间提前量的取值范围为1～3个体扫；序列片段长度：在该对流单体序列当中截取的片段的长度，序列片段长度的取值范围为3～6个体扫；通过组合不同的时间提前量和序列片段长度，将所有灾害类型的对流单体序列拆分为12个序列片段集；在拆分对流单体序列时，以发生灾害的时刻为基准点，先向前偏移时间提前量参数确定的体扫数，根据对流单体序列长度的不同将按照序列片段长度分割为1～6个片段；每一个片段均具有时间提前量和序列片段长度两个时间参数，将具有相同时间参数的序列片段保存在一个集合中，从而形成样本序列片段集；2CN109164450A权利要求书2/2页将灾害为下击暴流的样本序列片段集记为正样本序列片段集，将灾害为冰雹和暴雨相关的样本序列片段集记为负样本序列片段集；步骤五、提取样本序列片段集的特征集：计算样本序列片段的静态特征的时间差分信息特征序列，时间差分信息特征序列是指样本序列片段集中的每一个对流单体的静态特征在某一个时间段内的变化率，对于对流单体的每一个静态特征f，在时刻t，该对流单体的时间差分信息其中，为静态特征f在t+dt时刻的值，为静态特征f在t-dt时刻的值