[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

说明书

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，其属于水文气象预报预警的技术领域。该算法首先引入降雨单体识别与追踪算法‑RCIT用于识别雷达数据的降雨回波和生成回波的历史移动轨迹，然后根据历史移动轨迹使用半拉格朗日与拉格朗日方程在指定的预见期内对回波进行外推。RCIT算法改进了基于对流场算法无法有效提取雨团特征的缺点，并且改进了基于质心追踪和形状匹配的算法只能获取雨团的局部移动矢量的缺点。RCIT算法增加雨团生命周期内其合并和分裂形态特征的判别和描述，扩充了对雨团变化特征的识别，包括：生长、移动、合并、分裂、消亡。本算法采用PIV方法生成的雨团全局移动矢量，具有很好的连续性，可应用于降雨的临近外推预报。

技术领域

本发明涉及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，其属于水文气象预报预警的技术领域。

背景技术

强降水引发的气象灾害对社会危害极大，对其进行分析和临近预报，对于防灾减灾意义重大。以气象雷达观测资料为主的降雨分析和临近预报方法是构成短时临近预报系统的关键技术之一，是气象灾害预报预警的重要技术支撑。

天气雷达在降雨分析和临近预报中的重要应用之一是利用其生成的雷达回波数据产品识别和跟踪降雨对象，并对回波数据进行外推已获得短临预报结果。基本原理表述如下：在对流条件下，单个雨团形成于与强降水相关的中尺度对流系统中，并展示出有组织的结构。基于此，可以对雨团进行建模，获取它们的物理或几何特征并且追踪雨团的运动轨迹，根据运动轨迹在设定的预见期内模拟雨团未来的运动情况。

目前基于天气雷达的降雨分析和临近预报算法可以分为：

(1)基于最大相关性的对流场分析算法(例如：TREC、CO-TREC)；

(2)基于质心追踪和形状匹配的算法(例如：TITAN、SCIT、Trace3D)；

(3)基于数值模型融合的算法(例如：STEPS、COSMO、GANDOLF)。

目前大多数临近预报算法存在的不足主要体现在：

(1)对降雨单体移动轨迹的稳定性和鲁棒性不够。

(2)无法有效获取与降雨单体在生命周期内的全部形态特征。现有技术多集中在获取雨团的生长和消亡过程中的形态特征，而对起生命周期内频繁发生的合并和分裂特征研究较少。

发明内容

针对以上两点不足提出了一种新的基于气象雷达回波数据的临近预报算法，新算法首先引入降雨单体识别与追踪算法-RCIT(Rain Cluster Identification andTracking)用于识别雷达数据的降雨回波和生成回波的历史移动轨迹，然后根据历史移动轨迹使用半拉格朗日与拉格朗日方程在指定的预见期内对回波进行外推。RCIT算法改进了基于对流场算法无法有效提取雨团特征的缺点，并且改进了基于质心追踪和形状匹配的算法只能获取雨团的局部移动矢量的缺点。RCIT算法也增加了雨团生命周期内其合并和分裂形态特征的判别和描述。

本发明采用的技术方案为：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，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；