[发明专利]一种基于红外和微波成像仪数据的雷达回波模拟方法

说明书

本发明涉及一种基于红外和微波成像仪数据的雷达回波模拟方法，包括：步骤S1、将获取的数据输入到WRF预处理系统生成驱动WRF天气研究与预报模型的标准格式数据；步骤S2、计算出高时空分辨率的三维大气和地表状态参数；步骤S3、模拟计算出多波段红外图像和多波段被动微波图像以及雷达回波图像；步骤S4、生成时间和空间匹配的三种图像对应数据集；步骤S5、构建仿真模型，将实测的数据输入到模型中生成与红外和微波图像匹配的雷达回波图像。本发明将红外和被动微波图像输入到构建的对抗生成神经网络即可生成雷达回波图像。估算过程中使用了多波段红外和多波段被动微波图像的联合观测，因此获得的雷达回波仿真图像精度较高。

技术领域

本发明涉及气象雷达探测技术领域，一种基于红外和微波成像仪数据的雷达回波模拟方法。

背景技术

强对流性天气对人们的生产、生活和出行造成严重的威胁，它的雷达反射率一般大于35dBZ，对这类灾害性天气监测的有效方式为地基天气雷达，然而在高原地区、地形复杂地区及远海地区，受到地理条件的限制，地基天气雷达的布设受到严重影响，从而导致在这类地区不能获取天气雷达回波反射率信息。天基卫星自上而下的观测方式决定了它可以获取地基雷达监测范围外或无雷达监测区域的天气目标信息，这些信息的获取可以间接地用来计算天气目标的反射率信息。例如，卫星携带的一些传感器提供红外亮度温度数据，可以探测到对流云的活动。卫星传感器还具有高空间和时间分辨率，使它们能够及时跟踪对流事件。此外，卫星观测的覆盖范围要远大于地基天气雷达，可以重建大范围的雷达反射率、降水等数据来监测强对流天气。

目前，一些传统的雷达回波模拟方法，例如基于后向散射模型和气象观测资料的功率谱构建方法，以及利用冷暖物理特性建立的云顶亮温与降水强度关系等方法。这些传统方法都存在一些缺点，例如功率谱构建方法是需要假设降水粒子的功率谱是高斯的，然而这一假设在实际降水系统中并不总是满足的。基于云顶亮温与降水强度关系的统计方法来模拟雷达回波，这种统计方法的模拟效果强烈依赖于统计特征，然而这种统计特征在不同的地区可能相差很大，故不适合大范围区域的雷达回波模拟。另外，因红外遥感数据仅仅只能反映降水云团外部信息，而降水系统内部的信息只能通过微波遥感的方式，因此仅仅利用红外遥感数据可能无法得到准确的雷达回波模拟效果。近年来，深度学习极大地加速了人工智能的发展，在气象行业取得了显著的进展。与传统算法相比，深度学习算法可以通过非线性激活函数的滤波功能来映射非线性过程。一些研究研究了基于深度学习和红外亮温数据的雷达回波模拟方法，然而这种方法的模拟效果却并不令人满意，特别是在中强降水回波的精细化结构和准确度等方面。

需要说明的是，在上述背景技术部分公开的信息只用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的目的在于克服现有技术的缺点，提供了一种基于红外和微波成像仪数据的雷达回波模拟方法，解决了现有技术存在的问题。

本发明的目的通过以下技术方案来实现：一种基于红外和微波成像仪数据的雷达回波模拟方法，所述模拟方法包括：

步骤S1、将获取的ERA5同化系统的数据和ATMS的微波辐射率与SRTM的高分辨率地形数据输入到WRF预处理系统生成驱动WRF天气研究与预报模型的标准格式数据；

步骤S2、根据步骤S1中获取数据资料的位置和时间信息，设置WRF模型的参数，并将标准格式数据输入到WRF模型，运行WRF模型模拟计算出高时空分辨率的三维大气和地表状态参数；

步骤S3、将WRF模型输出的三维大气和地表状态参数分别输入到通用辐射传输模型CRTM和云解析雷达仿真系统CR-SIM中，模拟计算出多波段红外图像和多波段被动微波图像以及雷达回波图像；

步骤S4、将步骤S3中获取的多波段红外图像、多波段被动微波图像与雷达回波图像进行空间和时间的匹配，生成时间和空间匹配的三种图像对应数据集；