[发明专利]基于天气雷达反射率特征匹配的降水估测方法

摘要

本发明公开了基于天气雷达反射率特征匹配的降水估测方法，首先构建雷达反射率特征库，然后确立实况雷达数据与雷达反射率特征库的匹配规则，并在此基础上动态确立Z‑R关系中最优的参数A和参数b。本发明在短临降水预报业务应用中实现Z‑R关系的动态最优，进一步提高雷达估测降水的准确性。

主权项

1.基于天气雷达反射率特征匹配的降水估测方法，其特征在于，包括以下步骤：步骤一、构建天气雷达反射率特征库：(1)提取天气雷达基数据中的基本反射率数据，并将基本反射率数据从原来的极坐标形式转换为平面直角坐标系形式；分别计算p千米和q千米高度处的等高平面位置显示图CAPPI_p和CAPPI_q，CAPPI_p和CAPPI_q的结构相同，均为N×N的二维网格，求取CAPPI_p和CAPPI_q各网格点在同一水平位置的最大回波强度值CAPPI_MAX，即CAPPI_MAX(x,y)＝Max(CAPPI_p(x,y),CAPPI_q(x,y))，其中x、y分别表示平面直角坐标系下的横坐标和纵坐标，Max为取最大值函数；(2)根据得到的最大回波强度值CAPPI_MAX(x,y)，计算雷达回波的灰度图像Rad(x,y)： R a d ( x , y ) = 0 , C A P P I _ M A X ( x , y ) < 20 C A P P I _ M A X ( x , y ) , 20 ≤ C A P P I _ M A X ( x , y ) ≤ 64 64 , C A P P I _ M A X ( x , y ) > 64 ; ]]>(3)计算灰度图像Rad(x,y)的一阶梯度值，从而强化回波图像的变化特征；(4)新建一个M×M的雷达回波特征矩阵Fea，M<N/2，Fea中每个单元的值计算方式为：Fea(x',y')＝Hex(Fea'(x',y')) Fea , ( x , , y , ) = Σ k 0 = 0 S T E P - 1 Σ k 1 = 0 S T E P - 1 D e g ( x , × S T E P + k 0 , y , × S T E P + k 1 ) S T E P × S T E P × 4 ]]>其中，x'∈[0,M-1]，y'∈[0,M-1]，Hex为对括号中的值作16进制转换的函数；(5)将得到的雷达回波特征矩阵Fea，从Fea(0,0)到Fea(M-1,M-1)逐个添加到一个字符串变量FeaStr中；(6)选取雷达有效探测范围内的地面雨量观测设备，以当前雷达探测时间为基准，提取这些地面雨量观测设备在基准后的x小时内的累积观测降水量，形成数据集ORF，其中ORF[c]表示第c个地面雨量观测设备的x小时降水量，x∈[1,24]，将当前雷达有效探测范围内地面雨量观测设备的总数记为MSum，即数据集ORF的大小为MSum，则c∈[0,MSum-1]；(7)根据数据集ORF中每个地面雨量观测设备的经纬度信息，以及当前雷达的地理坐标信息，提取各个地面雨量观测设备所对应地理位置的CAPPI_MAX值；定义CM为CAPPI_MAX的一个子集，CM中的每个值CM[c]为与ORF[c]地理位置最相邻的网格点的回波强度值；设置两个递增变量PA和Pb，其中PA∈[100,400]，以10为步长递增，Pb∈[1.0,2.0]，以0.1为步长递增，分别计算ORF与CM中各记录项的误差平方和： D ( P A , P b ) = Σ c = 1 M S u m ( O R F [ c ] - 10 C M [ c ] 10 P A P b ) 2 ; ]]>(8)记录下所得D(PA,Pb)取值最小时的一组PA和Pb，分别记为Para_A和Para_b；(9)将步骤(5)中得到的FeaStr和步骤(8)得到的Para_A和Para_b添加到数据库；(10)依据上述步骤(1)-(9)，将有资料以来，雷达探测数据和地面雨量观测数据逐一进行计算并入库，从而构建起天气雷达反射率特征库；步骤二：将实况天气雷达反射率数据与建立的天气雷达反射率特征库进行匹配：(11)将需要匹配的天气雷达反射率数据按照上述步骤(1)-(5)，计算出能够反映该雷达回波特征的字符串FeaStrCur；(12)从天气雷达反射率特征库中遍历同一部天气雷达的FeaStr，形成数据集FS，FS中的每条记录FS[c]与FeaStrCur作相关性计算，计算方法为： R ( c ) = Σ k = 0 M 2 - 1 ( F e a S t r C u r ( k ) - F e a S t r C u r ‾ ) · ( F S [ c ] ( k ) - F S [ c ] ‾ ) Σ k = 0 M 2 - 1 ( F e a S t r C u r ( k ) - F e a S t r C u r ‾ ) 2 · Σ k = 0 M 2 - 1 ( F S [ c ] ( k ) - F S [ c ] ‾ ) 2 ]]>其中，和分别表示FeaStrCur与FS[c]中所有记录的算术平均值，FS[c](k)表示FS[c]的第k项记录值；(13)找到R(c)取值最大时，FS[c]所对应的数据库记录，该记录中对应的Para_A和Para_b即为当前天气雷达资料下Z-R关系的最优参数A和参数b，并据此估测降水。