[發明專利]一種由“列車效應”引起的暴雨識別及預報方法

有效

• 申請號: 201410446007.6
• 申請日: 2014-09-03
• 公開（公告）號: CN104237890A
• 公開（公告）日: 2014-12-24
• 發明（設計）人: 路志英;陳靖;程亮;尹靜
• 申請（專利權）人: 天津大學
• 主分類號: G01S13/95
• 分類號: G01S13/95;G06K9/62;G06T7/60
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 王顕

技術領域

本發明涉及一種氣象領域，特別是涉及一種由“列車效應”的暴雨識別及預報的方法。

背景技術

在城市中小尺度強對流天氣常常造成激烈的天氣現象，如局地大暴風、大風、冰雹等災害性天氣，嚴重威脅人們的生命財產安全。天氣雷達是探測降水系統的主要手段，是對強對流天氣進行監測和預警的主要工具。多普勒天氣雷達全天候的探測能力和十分豐富的反映大氣層云雨生消演變過程的動態信息，大大加強了對中小尺度天氣系統的探測和預警能力，并為開展短時災害性天氣的監測預報，奠定了堅實基礎。

“列車效應”是指某區在一段時間內頻繁地、接連不斷地生成空間尺度不大的對流單體，而每生成一個對流單體即沿著某一方向移動，接著在同一地方生成新的對流單體繼續沿著同一方向移動，從而形成由一系列對流單體排列組成類似于“列車”的排列，這一“列車”對其下游某一地區可以造成接連不斷的“持續”影響，從而造成強降水，其是產生極端雨量從而造成洪澇等災害的主要回波特征。

近幾年隨著我國多普勒天氣雷達網的逐步建立，多普勒雷達在災害性天氣的監測和預警上的作用日益凸現，使我國對災害性天氣預報的準確率在原有的基礎上有所提高，但若想要充分發揮其在天氣監測和預警中的作用，還應有相應的基于多普勒天氣雷達資料的風暴識別、追蹤和預報算法與之相配套。目前，可應用于“列車效應”的識別跟蹤算法：雷暴識別跟蹤分析預報(TITAN)、風暴識別追蹤算法(SCIT)。其中，TITAN算法是用單個反射率因子閾值來識別強對流風暴的，此算法適用于整體風暴帶，但是強度閾值少，不能很好的提取風暴內部的參數以及分辨風暴簇的細微構造。而SCIT算法采用七個闊值來識別風暴的質心，可以較好地識別出風暴簇中的風暴單體，但是只保留高閾值的識別結果，而舍棄了低閾值的識別結果，丟失了大量的風暴體結構信。

發明內容

本發明所要解決的技術問題是，提供一種在實時天氣監測預報中，當出現“列車效應”現象時不僅能夠識別出“列車效應”向預報員發出警報，還能根據多個時刻的“列車效應”的天氣狀況進行外推的暴雨預報方法。

本發明所采用的技術方案是：一種由“列車效應”引起的暴雨識別及預報方法，包括如下步驟：步驟S1，對實時雷達數據進行預處理：消除超折射、細微單體及虛假合并；步驟S2，將經過面積初篩的單體進行初步擬合：消除干擾，并對結果進行聚類，再對聚類結果進行二次擬合，尋找“列車效應”疑似區域；步驟S3，確定“列車效應”疑似區域后：進行“列車效應”的自動識別，如果是，則判斷其為“列車效應”，進行S4，如果不是，則跳轉到對下一時刻的雷達數據進行處理，即從S1開始；步驟S4，利用疑似區域帶狀回波的質心移動距離以及軸線旋轉角度進行帶狀回波的跟蹤：在確定了整體帶狀回波的位置后，利用Hu矩和形態變化進行疑似區域內的單體跟蹤，實現“列車效應”的跟蹤；步驟S5，根據單體運動慣性對“列車效應”的疑似區域的移向、移速、形狀變化進行外推。

所述S1中對實時雷達數據進行預處理的步驟為：S101：通過抬高雷達回波數據的仰角，濾除對自動識別階段有較強干擾的超折射回波；S102：通過設定面積閾值，將不滿足閾值條件的細微單體刪除；S103：判斷目標連通區域反射率是否大于40dBZ，如果大于40dBZ，則腐蝕一個像素點，將強回波區域少腐蝕一些；如果小于40dBZ，則腐蝕兩個像素點，將弱回波區域多腐蝕一些，然后提高一級閾值，判斷是否能檢測到高一級閾值的單體，若能檢測到單體，則膨脹，并重復上述過程，若不能檢測到單體，則停止。

所述步驟S2具體包括如下步驟：S201：先用質心法得到各單體的代表點，再對這些點進行直線擬合，得到“列車效應”的擬合直線，然后刪除偏離該擬合直線程度比較大的單體，消除與“列車效應”不相干的外圍單體的干擾；S202：經過初步擬合后得到滿足要求的單體，提取這些單體的質心，利用近鄰傳播法進行自動聚類，然后分別針對每一類的點集再次進行直線擬合，并刪除偏離擬合直線程度較大的單體，得到“列車效應”的疑似區域。