[發明專利]一種基于多普勒雷達數據的下擊暴流預測方法

有效

• 申請號: 201811060986.6
• 申請日: 2018-09-12
• 公開（公告）號: CN109164450B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 王萍;趙宗玉;侯謹毅
• 申請（專利權）人: 天津大學
• 主分類號: G01S13/95
• 分類號: G01S13/95
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李素蘭

1.一種基于多普勒雷達數據的下擊暴流預測方法，其特征在于，包括以下步驟：

步驟一、收集10年的風暴事件報告與之相匹配的多普勒天氣雷達數據；

步驟二、使用風暴核心識別與追蹤方法，從每一個風暴事件的雷達數據中，識別出所有時刻的對流單體，提取對流單體的靜態特征，并對對流單體進行追蹤得到對流單體序列；

所述靜態特征包括反射率特征和速度特征；

所述反射率特征包括單體核心高度、單體最大反射率、單體最大反射率高度、底高和頂高；

在雷達徑向速度圖像上檢測速度跳變點，當速度跳變值大于一個給定的閾值時，則該速度跳變點為輻合點，將相鄰的輻合點合并，并通過不斷的執行相鄰位置輻合點的合并操作，找到對流單體內部的輻合點帶狀區域，該輻合點帶狀區域稱為輻合帶；遍歷所有輻合點，在其八鄰域計算正速度點n⁺、正速度總和及最大正速度負速度點數n^-，負速度總和以及最大負速度則該輻合點的輻合值該輻合點的輻合平均值根據輻合帶中每個輻合點坐標以最小二乘法擬合直線，計算所得到的擬合直線與雷達投射直線的夾角θ，將輻合帶中每個輻合點的A/cosθ為該輻合點的新的輻合值；

通過統計得到該對流單體的速度特征，包括中層輻合最大值、中層輻合最小值、中層輻合平均值最大值、中層輻合平均值最小值、輻合最大值和、輻合最大層平均值、輻合點總數、輻合最大層高度、輻合最大層點數、輻合最大值高度、輻合最小值高度、輻合平均值最大值高度和輻合平均值最小值高度；

步驟三、將對流單體序列與風暴事件相匹配，在風暴事件報告中記錄了災害發生的時間和地點，如果在災害發生時刻，一個對流單體序列離災害發生地的距離小于10km，則認為該對流單體序列與該災害所在的風暴事件報告相關；如果同時有多個對流單體序列與一個風暴災害的距離小于10km，則認為其中與風暴災害距離最近的對流單體序列與該災害所在的風暴事件報告相關；

對所有與災害所在的風暴事件報告相關的對流單體序列，根據對流單體序列與相關的風暴事件報告中災害的不同分為：

與下擊暴流相關的對流單體序列，

與冰雹相關的對流單體序列，

與暴雨相關的對流單體序列；

步驟四、以災害發生時刻為時間參考點，將對流單體序列拆分為若干樣本序列片段集；步驟是：

首先定義如下兩個時間參數：時間提前量：以發生災害的時刻為基準點，向前偏移的體掃數即為時間提前量；時間提前量的取值范圍為1～3個體掃；序列片段長度：在該對流單體序列當中截取的片段的長度，序列片段長度的取值范圍為3～6個體掃；通過組合不同的時間提前量和序列片段長度，將所有災害類型的對流單體序列拆分為12個序列片段集；

在拆分對流單體序列時，以發生災害的時刻為基準點，先向前偏移時間提前量參數確定的體掃數，根據對流單體序列長度的不同將按照序列片段長度分割為1～6個片段；每一個片段均具有時間提前量和序列片段長度兩個時間參數，將具有相同時間參數的序列片段保存在一個集合中，從而形成樣本序列片段集；

將災害為下擊暴流的樣本序列片段集記為正樣本序列片段集，將災害為冰雹和暴雨相關的樣本序列片段集記為負樣本序列片段集；

步驟五、提取樣本序列片段集的特征集：計算樣本序列片段的靜態特征的時間差分信息特征序列，時間差分信息特征序列是指樣本序列片段集中的每一個對流單體的靜態特征在某一個時間段內的變化率，對于對流單體的每一個靜態特征f，在時刻t，該對流單體的時間差分信息其中，為靜態特征f在t+d_t時刻的值，為靜態特征f在t-d_t時刻的值；d_t的取值范圍為3-9min；若該對流單體處于所屬樣本序列片段的兩端，則缺失值用0填充；樣本序列片段的特征為片段上所有靜態特征和時間差分信息特征的最大值和最小值，即以一個特征向量描述樣本序列片段；得到所有正負樣本序列片段集的序列片段特征后即可提取樣本序列片段集的特征集；樣本序列片段集的特征集中具有與對應序列片段集相同的時間參數；

步驟六、把具有相同時間參數的正負樣本特征集的每個特征作為一組輸入，分別進行統計顯著性檢驗，把顯著性水平α0.05的所有特征作為該時間參數下的正負樣本特征集的顯著特征集；

步驟七、通過主成分分析，把所有具有相同時間參數的正負樣本特征集的顯著性特征集進行降維和解耦，保留85％的有效特征，作為該時間參數下的正負樣本特征集的有效特征；

步驟八、根據具有相同時間參數的正負樣本特征集的有效特征，訓練一個分類器模型，得到一組分類器模型；組合應用分類器模型集合，檢測和預報下擊暴流。