[发明专利]一种复杂地形区域雹暴的预警方法有效
| 申请号: | 201910811238.5 | 申请日: | 2019-08-30 |
| 公开(公告)号: | CN110488297B | 公开(公告)日: | 2023-03-24 |
| 发明(设计)人: | 周筠珺;黄海迅 | 申请(专利权)人: | 成都信息工程大学 |
| 主分类号: | G01S13/95 | 分类号: | G01S13/95;G01S7/41 |
| 代理公司: | 北京天奇智新知识产权代理有限公司 11340 | 代理人: | 杨春 |
| 地址: | 610000 四川省成都*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 复杂 地形 区域 预警 方法 | ||
1.一种复杂地形区域雹暴的预警方法,其特征在于,包括以下步骤:
S1、采集相关数据,包括地面观测数据、自动气象站加密观测的数据以及X波段双偏振雷达数据,X波段双偏振雷达的数据包括基本反射率ZH、差分传播相移ZDR、差分反射率KDP、相关系数ρHV;
S2、对上述数据进行质量预处理;
S3、采用模糊逻辑粒子识别算法对预处理后的数据进行在水平方向和垂直方向的水成物粒子识别,得出关键粒子的数量、分布高度、厚度、随时间的变化率,最后得出关键粒子的降雹预测指数,关键粒子包括高密度霰粒子HDG、低密度霰粒子LDG、过冷水SWA、雨夹雹HA、冰晶CR、冰晶聚合物AG,对流云分为单体对流云和多单体对流云;
如对流云为多单体对流云时,包括以下步骤:
S321、由模糊逻辑粒子识别算法得出增强单体a的在垂直方向上所占库数CSWA、CLDG和CHDG,其中并计算其随时间的变化率KSWA、KLDG和KHDG,并统计LLDG、LHDG、HSWA、ZMAX和H,由模糊逻辑粒子识别算法得出衰减单体b的关键粒子所占库数C'SWA、C'LDG、C'HDG,并计算其的变化率K'LDG、K'HDG、K'SWA,计算公式为:
其中,二维矩阵(i,j)代表单体在垂直剖面上的边界,a0为单体云底所在层数,a'为0℃所在的层数,c为单体云顶所在层数,b'为单体左侧边缘所在库数,d为单体右侧边缘所在库数,lizi=3、lizi=6和lizi=7分别与粒子识别结果中的过冷水、低密度霰粒子、高密度霰粒子对应,CSWA、CLDG和CHDG分别表示增强单体a内过冷水、低密度霰和高密度霰在某一个时刻所占库数,Δt为间隔时间,ΔCSWA、ΔCLDG、ΔCHDG分别为增强单体a过冷水、低密度霰、高密度霰在Δt时间内的库数变化值,KSWA、KLDG和KHDG分别表示增强单体a过冷水粒子、低密度霰粒子和高密度霰粒子的变化速率,LLDG表示低密度霰存在的最高海拔高度与存在的最低海拔高度的差值、LHDG表示高密度霰存在的最高海拔高度与存在的最低海拔高度的差值、HSWA表示过冷水粒子存在的最高海拔高度、ZMAX表示云体内反射率最大值和H表示云顶高度,ΔC'SWA、ΔC'LDG、ΔC'HDG分别表示衰减单体b内过冷水、低密度霰、高密度霰在Δt时间内的库数变化值,K'SWA、K'LDG、K'HDG分别表示衰减单体b过冷水、低密度霰、高密度霰在Δt时间内的库数变化率;
S322、通过利用隶属函数对关键粒子的参数KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、H、K'LDG、K'HDG、K'SWA进行模糊化,每个参数对应一个隶属函数,模糊化过后,使用规则基进行规则推断,然后使用规则基进行规则推断,进而进行集成和退模糊,将集成的结果转化为单一的合并前阶段、合并阶段以及消散阶段,隶属函数的基本形式为:
其中X1、X2、X3、X4为函数阈值,x为参数值;
S323、采用权重求和的方式,计算关键粒子各参数隶属函数的加权结果,作为降雹预测指数HPd,HPd的计算公式为:,其中N为关键粒子的参数个数,Aid为各个参数的权重值,T为各个隶属函数的值,根据各个参数对与冰雹产生速度的相关度,KSWA、KLDG、KHDG、LLDG、LHDG、HSWA、ZMAX、H、K'LDG、K'HDG、K'SWA的权重值分别赋值为:0.1、0.1、0.1、0.2、0.05、0.1、0.1、0.05、0.05、0.1、0.05,结合雷达资料质量对于地形因素影响的敏感度,模糊逻辑粒子识别所用参数ZH、ZDR、KDP、ρHV、T的权重分别为0.3、0.2、0.1、0.1、0.3;
S4、根据降雹预测指数发布相应的雹暴预警或者解除雹暴预警。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都信息工程大学,未经成都信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910811238.5/1.html,转载请声明来源钻瓜专利网。





