[发明专利]一种基于雷达回波数据的雨团检测与追踪的短临降雨预报算法

权利要求书

1.一种基于雷达回波数据的雨团检测与追踪的短临降雨预报算法，其特征在于，该算法的总体流程包括照雨团识别和雨团追踪两个模块，具体包括以下步骤：

S1、雨团识别采用中值滤波算法来平滑雷达回波数据中具有异常值的元素，即通过大小预先定义的区域来将区域内需要被处理的的元素值更改为该子区域所有元素的中值；

S2、雨团判别流程从经过数据平滑的雷达回波数据中确定具有相同特征并且联通的元素区域；是对超过给定回波反射率阈值的元素分配标签并形成簇，使得具有相同标签的元素拥有共同的特性，然后通过边缘检测方法提取簇的轮廓；

如果元素的回波反射率回波阈值低于给定的阈值，则将其设置为空值；对于任意元素及其周边的8个相邻元素，如果存在5个以上的空值，则将该元素其设置为空值；如果存在“峰值”元素，则将该元素设置为空值；如果识别的雨团面积小于9km²，则忽略该雨团；

S3、雨团追踪采用粒子图像测速法从雷达回波数据中获得雨团在连续时间间隔内的全局移动矢量；

1)选取任意两个相邻时刻的雷达回波数据，以矩阵的形式表示；定义r×r大小的区域，则整个雷达回波数据矩阵可以分为L/r个子区域,L为雷达回波数据矩阵的长度；

2)对于前一时间雷达回波数据矩阵任意子区域中的任意元素，使用最小二次差方法推导它们与下时间雷达回波数据矩阵任意子区域中任意像元的最小反射率差值，对计算结果取反，得到值最大的元素的位置；

3)使用二元多项式拟合方法提取下一时刻雷达回波数据中最佳u的位置Δx、Δy；对所有像元执行上述操作，最终得到雨团的全局移动矢量；最小二次方差MQD表达为：

其中，R₁(X_i,Y_j)和R₂(X_i+Δx,Y_j+Δy)分别是时间t和t+Δt时刻包含在雷达图像诊断框内的像元反射率；Δx和Δy分别是水平和垂直方向上最小反射率差的位移；

S4、雨团匹配：对于任意连续时刻的雷达回波数据，定义前一时刻雷达回波数据中识别的雨团称为父雨团，下一时刻雷达回波数据中识别的雨团称为子雨团；对于每个已识别的父雨团，使用雨团匹配规则来找到其最匹配的子雨团；前后时刻的间隔为Δt；雨团匹配方法如下：

1)每个父雨团定义一个边界框，该框的范围大于父雨团的大小；边界框的水平长度是父雨团的最大水平长度加20km，边界框的垂直长度是父雨团的最大垂直长度加20km；

2)计算落入边界框中的子雨团个数：对于每个落入边界框的子雨团，记录其面积、累积降雨量、最大降雨率、平均降雨率和质心；根据每个子雨团的质心，算出子雨团与父雨团的位移差；

3)对于落入边界框中的每个子雨团，寻找其中最匹配的子雨团；分两种情形：如果只有一个子雨团落入边界框中，并且与父雨团存在交叉，则它就是最匹配的子雨团；

否则就考虑以下情形：首先，与算出的全局运动矢量的平均值比对，当与父雨团的质心距离和角度差小于给定的阈值时，该雨团为最匹配的子雨团；其次，如果两个或多个子雨团落入边界框但与父雨团无重叠，需要计算子雨团与其父雨团的面积差异，面积差最小的子雨团即是最匹配的子雨团。