[发明专利]一种基于多普勒天气雷达数据的冰雹云早期识别方法

权利要求书

1.一种基于多普勒天气雷达数据的冰雹云早期识别方法，其特征在于，根据连续时刻的多普勒天气雷达基数据，得到不同时刻的多普勒天气雷达的组合反射率图，按照时间顺序进行下述过程，包括：

步骤一：提取冰雹云的特征；

从对流单体的三维反射率格点数据出现10个像素点以上的40dBZ连通区域开始，提取对流单体当前体扫及之后每一个体扫的10个特征；

10个特征包括对流单体的0℃层以上厚度对流单体核厚度CT、对流单体核核心高度CCH、对流单体-10℃层高度以上的组合反射率核区面积对流单体-10℃层高度以上单体核体积对流单体较强反射率区体积对流单体低反射率区体积反射率阈值分别为40dBZ和45dBZ的悬垂体下方弱回波体体积WEV₄₀和WEV₄₅及反射率梯度高值MRG_CCH；

步骤二：对冰雹云特征数据进行处理得到两个综合特征；

2-1)以步骤一获得的10个特征值为基础，进行标准化处理，将对流单体的0℃层以上厚度对流单体核厚度CT、对流单体核核心高度CCH、对流单体-10℃层高度以上的组合反射率核区面积对流单体-10℃层高度以上单体核体积对流单体较强反射率区体积对流单体低反射率区体积反射率阈值分别为40dBZ和45dBZ的悬垂体下方弱回波体体积WEV₄₀和WEV₄₅及反射率梯度高值MRG_CCH记为：F＝(F₁,F₂,F₃,F₄,F₅,F₆,F₇,F₈,F₉,F₁₀)，利用公式进行标准化处理得到特征记为其中：

2-2)对上述得到的特征进行主成分分析处理，得到10个主成分，记为pw＝(pw₁,pw₂,pw₃,pw₄,pw₅,pw₆,pw₇,pw₈,pw₉,pw₁₀)；

2-3)根据10个主成分信息贡献率的差异，保留前两维主成分，得到新的两维特征：

并分别记为体量综合特征VMCF和高度-梯度综合特征HGCF；

步骤三：进行冰雹云的早期识别；

根据冰雹云体量综合特征VMCF和高度-梯度综合特征HGCF在早期表现出的跃增现象，构建一个四维强对流单体描述向量△₁为相邻体扫的体量综合特征VMCF的差值，△₂为相邻体扫的高度-梯度综合特征HGCF的差值，为同一体扫体量综合特征VMCF和高度-梯度综合特征HGCF的差值，为同一体扫体量综合特征VMCF和高度-梯度综合特征HGCF的和，n表示当前体扫，n-1表示前一体扫，

△_i＝pw_i(n)-pw_i(n-1),i＝1,2

有下述情形之一，该对流单体为冰雹单体，则认为此刻为冰雹云早期，

(1)△₁≥1.24；

(2)△₂≥1.50；

(3)

(4)

记录此时的体扫数及时间；否则，认为该对流单体不是冰雹单体，返回步骤一，进行下一时刻的过程处理，直至完成对所有时刻雷达基数据的判断。

2.根据权利要求1所述基于多普勒天气雷达数据的冰雹云早期识别方法，其特征在于，步骤一的具体内容如下：

2-1)在多普勒天气雷达的组合反射率图上分割出对流单体，分别获得每个对流单体的外包矩形，与上一时刻的外包矩形的位置进行匹配，若匹配成功，则该对流单体即为上一时刻的对流单体，否则，该对流单体为一个新的对流单体；

对每个外包矩形范围内的9个仰角反射率数据进行双线性插值操作以得到对流单体的三维反射率格点数据，设定三维反射率格点数据的分辨率为1km×1km×1km；将处于相同水平高度位置上的三维反射率格点数据依自低到高的顺序依次存入大小为M×N的二维数据2Dk_M×N中，高度值k＝1,2,…,17；

2-2)提取对流单体0℃层以上厚度和对流单体核厚度CT：创建大小为M×N的二维数据2DA1和2DA2；P_ij,i＝1,…,M,j＝1,…,N是二维数据2DA1和2DA2中的某一点位置，设二维数据2Dk_M×N中的数据为R_ijk，令高度值k从17开始顺序向下，将连续两次满足R_ijk≥40dBZ的较大k值记为h_ij存到二维数据2DA1的P_ij上；再令k从1开始顺序向上，将连续两次满足R_ijk≥40dBZ的较小k值记为h_ij存到二维数据2DA2的P_ij上；若条件始终不满足，则将0赋予P_ij；对二维数据2DA1和2DA2中任一位置P_ij，计算P_ij处的值与其8邻域点取值之差△_l,l＝1,…,8，若△_l≤1的个数超过4，则P_ij的值不变，否则认为该点为噪点，将0赋予P_ij；2DA1中高度最大值减去0℃层高度即为对流单体0℃层以上厚度2DA1和2DA2中同一位置的高度值差的最大值即为对流单体核厚度CT；

2-3)提取对流单体核核心高度CCH：在多普勒天气雷达的组合反射率图上，在对流单体的外包矩形范围内找到最大反射率值R_M，依次计算二维数据2Dk_M×N中取值为R_M的数量，记为n_k,k＝1,2,...,17，计算得到的最大反射率值的平均高度即为对流单体核核心高度CCH；

2-4)提取对流单体-10℃层高度以上的组合反射率核区面积创建大小为M×N的二维数据2DA3；计算-10℃层高度H_-10℃＝(H₀+H_-20)/2，其中，H₀为0℃层高度，H_-20为-20℃层高度，并确定与其临近的高度值为k_z1，k_Z1∈[1,17]；对于P_ij,i＝1,…,M,j＝1,…,N，令k从k_z1开始顺序向上，将R_ijk的值赋在二维数据2DA3的P_ij位置上，随着k值增加，若R_ijk较当前值大，则更新P_ij取值，否则P_ij处的值不变，一直搜索到k＝17；在2DA3中计算R_ijk≥40dBZ的数量n，则n值即为对流单体-10℃层高度以上的组合反射率核区面积

2-5)提取对流单体-10℃层高度以上单体核体积对流单体较强反射率区体积和对流单体低反射率区体积对2Dk_M×N，k＝k_z1,……,17，依次计算2Dk_M×N中R_ijk≥40dBZ的数量n_40k、R_ijk≥45dBZ的数量n_45k和R_ijk∈[25,39]dBZ的数量n_25k，则n_40k值即为对流单体-10℃层高度以上单体核体积n_45k即为对流单体较强反射率区体积n_25k值即为对流单体低反射率区体积

2-6)提取反射率阈值分别为40dBZ和45dBZ的悬垂体下方弱回波体体积WEV₄₀和WEV₄₅：创建大小为M×N的二维数据2DA4、2DA5、2DA6、2DA7、2DA8和2DA9；定义H₂＝H₀-1，H₂为0℃层向下1km的高度，并确定与其临近的高度值为k_z2，k_Z2∈[1,17]；对于P_ij,i＝1,…,M,j＝1,…,N，令k从k_z2开始顺序向上，将连续两次满足R_ijk≥40dBZ的较小k-k_z2记为W1_ij存入二维数据2DA4，否则，将0赋予P_ij；将二维数据2DA4中各点储存的k_z2以上的高度值转化为灰度并存入二维数据2DA6；将连续两次满足R_ijk≥45dBZ的较小k-k_z2记为W2_ij存入二维数据2DA5，否则，将0赋予P_ij；将二维数据2DA5中各点储存的k_z2以上的高度值转化为灰度并存入二维数据2DA7；分别保留二维数据2DA6和二维数据2DA7中连通面积最大的区域，将连通区域对应的W1_ij值和W2_ij值分别记为W3_ij和W4_ij，分别存入二维数据2DA8和二维数据2DA9；二维数据2DA8中所有W3_ij之和即为反射率阈值为40dBZ的悬垂体下方弱回波体体积WEV₄₀，二维数据2DA9中所有W4_ij之和即为反射率阈值为45dBZ的悬垂体下方弱回波体体积WEV₄₅；

2-7)提取反射率梯度高值MRG_CCH：创建大小为M×N的二维数组2DA10，设与对流单体核核心高度CCH最近的k值为K，在二维数据2DK_M×N中，设max{R_ijk}＝R_M数量为n_M、R_M-5dBZ的数量为n_M-5、R_M-10dBZ的数量为n_M-10，计算与n_M、n_M-5和n_M-10对应的所有点的重心坐标P(x₀,y₀)；以P(x₀,y₀)为中心，将二维数据2DK_M×N中的所有点划分到以OX方向为起始位置，每45°为一个区域，共计8个区域中；对落入每一个区域中的数据点，求取方向梯度GK_ij，并存入二维数组2DA10；分别统计上述8个区域范围内R_ijk≥25dBZ的点的数量，记为n_i,i＝1,2,…,8；计算n₁至n₈中的最小值n_m，以第m区域为基准，前后各扩两个区域，继而计算这5个相邻区域中所有3相连区域反射率大于25dBZ以上的点的数量，并将所有3相连区域中的数量最小者对应的区域称为高梯度区；根据梯度矩阵计算高梯度区范围内的平均梯度即为反射率梯度高值MRG_CCH。