CN115097459B - S和x波段组网天气雷达反射率因子交互校验方法及系统 - Google Patents
S和x波段组网天气雷达反射率因子交互校验方法及系统 Download PDFInfo
- Publication number
- CN115097459B CN115097459B CN202210385389.0A CN202210385389A CN115097459B CN 115097459 B CN115097459 B CN 115097459B CN 202210385389 A CN202210385389 A CN 202210385389A CN 115097459 B CN115097459 B CN 115097459B
- Authority
- CN
- China
- Prior art keywords
- weather radar
- band
- radar
- point
- networking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000002310 reflectometry Methods 0.000 title claims abstract description 107
- 230000006855 networking Effects 0.000 title claims abstract description 96
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012795 verification Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 122
- 238000010276 construction Methods 0.000 claims abstract description 16
- 238000003384 imaging method Methods 0.000 claims abstract description 16
- 238000010586 diagram Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 6
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 claims description 6
- 101100511466 Caenorhabditis elegans lon-1 gene Proteins 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims 1
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 4
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 abstract description 2
- 230000003993 interaction Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了S和X波段组网天气雷达反射率因子交互校验方法及系统，包括步骤一、构建时间临近、空间分辨率一致的S和X波段组网天气雷达反射率因子数据集；步骤二、依据雷达位置、探测范围等基础信息，提取观测重叠区；步骤三、遍历观测重叠区，交互匹配S和X波段组网天气雷达反射率因子；步骤四、将点对点格网数据对作差、分级与标记，图像化生成交互校验产品。能够给出S和X波段组网天气雷达对同一气象目标物探测差异，实现天气雷达网内不同波段(S和X)天气雷达之间交互检验，为气象部门动态、快速监视、评估组网天气雷达协同探测数据质量、单部雷达数据定标效果提供有利支撑，服务于当下天气雷达网补盲建设与协同观测工作。
Description
技术领域
本发明涉及天气雷达技术组网技术领域，尤其涉及组网天气雷达协同探测数据质量监视与评估，具体为S和X波段组网天气雷达反射率因子交互校验方法及系统。
背景技术
气象雷达作为主动遥感设备是监测、预警和评估中小尺度灾害性强天气最有效的工具。然而，欲更好地发挥天气雷达网协同捕捉中小尺度强天气的威力，网内不同波段(S和X)天气雷达协同探测数据(反射率因子)的差异性校验是其组网布局与效益发挥的关键且基础工作。
现有的雷达网内天气雷达协同探测数据(反射率因子)差异性校验技术，都基于两部雷达中间点的临近观测数据在时间上累积得到序列数据对，再进行点对点差值比较。然而，这种方法需在一定观测量的累积下才能给出校验结果，且单点的差异不能代表整个探测剖面上的差异，无法面向组网天气雷达体扫数据，实时、动态、快速地给出不同波段天气雷达探测剖面差异。因此探索以雷达体扫数据为基本单元的S和X波段天气雷达反射率因子交互校验方法，生成可供业务使用的校验系统，是当前亟需解决的技术问题。
发明内容
本发明的目的在于克服现有技术的不足，提供S和X波段组网天气雷达反射率因子交互校验方法及系统，能够直观、有效地给出S和X波段组网天气雷达对同一气象目标物探测差异，实现天气雷达网内不同波段雷达之间交互检验，为气象部门动态、快速监视、评估组网雷达协同探测数据质量、单部雷达数据定标效果提供有利支撑，服务于当下天气雷达网补盲建设与协同观测工作。
为实现上述目的，本发明提供第一方面的技术方案：S和X波段组网天气雷达反射率因子交互校验方法，包括步骤一、构建时间临近、空间分辨率一致的S和X波段组网天气雷达反射率因子数据集；
步骤二、依据雷达位置、探测范围等基础信息，提取观测重叠区；
步骤三、遍历观测重叠区，交互匹配S和X波段组网天气雷达反射率因子；
步骤四、将点对点格网数据对作差、分级与标记，图像化生成交互校验产品。
优选的，所述步骤一中的构建天气雷达反射率因子数据集的方法为时间维度构建法和空间维度构建法；
所述时间维度构建法通过将提取S和X波段天气雷达基数据文件名的时间信息进行对比，如果时间差小于3分钟，则达到时间临近要求，完成匹配，提取反射率因子体扫数据；
所述空间维度构建法通过以S波段天气雷达反射因子距离库长为标尺，处理X波段天气雷达反射率因子距离库长，形成时间临近、空间分辨率一致的数据集；
所述处理X波段天气雷达反射率因子距离库长方法为：S波段业务天气雷达反射率因子距离分辨率固定为250m，用于组网的X波段天气雷达反射率因子距离分辨率为60m，将X波段天气雷达反射率因子距离分辨率利用算法处理成250m。
优选的，所述处理X波段天气雷达反射率因子距离分辨率的算法为：首先将X波段天气雷达4个距离库数值求平均，得到距离分辨率为240m的反射率因子；其次向下滑动1个距离库，将5个距离库数值求平均，得到距离分辨率为300m的反射率因子；再将该值除以30，得到30等份距离分辨率为10m的反射率因子，最后将距离分辨率为240m的反射率因子与距离分辨率为10m的反射率因子进行相加合成，从而得到距离分辨率为250m的X波段天气雷达反射率因子。
优选的，所述步骤二中的观测重叠区提取方法具体为：设定雷达网内S波段天气雷达位置经纬度为(Lon1，Lat1)，某一探测剖面最大探测距离为Rmax1，X波段天气雷达位置经纬度为(Lon2，Lat2)，最大探测距离为Rmax2，P(LonP,LatP)为雷达网内S和X波段天气雷达探测所覆盖范围集合内任一点，采用两点之间距离公式分别计算P到S和X波段天气雷达站距离Rs和Rx，如Rs≤Rmax1且Rx≤Rmax2，则判定P点在组网雷达观测重叠区内，否则判定P点不在观测重叠区内，依照此方法，遍历雷达网内S和X波段天气雷达不同仰角探测剖面所覆盖范围内所有点，得到不同仰角探测剖面的观测重叠区。
优选的，所述步骤三中的S和X波段天气雷达观测重叠区内所有探测剖面的反射率因子数据对交互匹配的方法具体为：
在雷达网内S波段天气雷达校验X波段天气雷达时，设定雷达网内S波段天气雷达位置经纬度为(Lon1，Lat1)，馈线海拔高度为Heigh1，某一探测剖面仰角和最大探测距离分别为α、Rmax1，X波段天气雷达位置经纬度为(Lon2，Lat2)，馈线高度为Heigh2，某一探测剖面仰角和最大探测距离分别为β、Rmax2，P(LonP,LatP)为雷达网内S和X波段天气雷达观测重叠区内任一点，P在X波段天气雷达β探测剖面上反射率因子数值为Value2，首先计算P点到X波段天气雷达站水平距离Rx，与探测剖面仰角β构建三角函数关系，再与馈线海拔高度Heigh2求解P点的海拔高度Heigh；
其次，计算P点到S波段天气雷达站水平距离Rs，与P点海拔高度Heigh和馈线海拔高度Heigh1的差值构建三角函数关系，求解P点到S波段天气雷达站的仰角θ和斜距Long；
最后通过仰角θ和斜距Long判识S波段天气雷达是否有对应的探测数据，如果是，检索与仰角θ和斜距Long相匹配的S波段天气雷达反射因子，数值设定为Value2，这样可构建出X波段天气雷达β探测剖面上任意点P的匹配数据对(Value1,Value2)，遍历X波段天气雷达β探测剖面上所有观测重叠区上的格点，可完成X波段天气雷达β探测剖面上所有点的点对点匹配，得到β探测剖面上的格网数据对；遍历X波段天气雷达所有探测剖面，可完成X波段天气雷达所有探测剖面上所有点的点对点匹配，得到格网数据对的体数据。
优选的，所述雷达网内S和X波段天气雷达反射率因子为体扫模式下的矢量数据，所述矢量数据点的集合为以雷达站为圆心，最大探测范围为半径的全圆，所述矢量数据基本单位为单个雷达径向，由仰角、方位角、库长、库数和反射率因子数值共同描述；所述点对点匹配后的反射率因子数据对为格网数据，所述格网数据在地球坐标系下，由经度、纬度、海拔高度、反射率因子数值对共同描述。
优选的，所述步骤四中的作差方法为：在观测重叠区内所有匹配的格网数据对进行点对点作差取绝对值，并进行等级分类与标记；所述分类等级为≤5dBZ、≤10dBZ、＞10dBZ、无有效校验值。
本申请还提出了S和X波段组网天气雷达反射率因子交互校验方法的系统，包括：
时空分辨率匹配与处理模块，依据文件名信息，自动匹配观测时间临近的S和X波段组网天气雷达基数据并解码；依据S波段组网天气雷达基数据分辨率处理X波段组网天气雷达基数据，得到时间临近、空间分辨率一致的反射率因子数据集；
观测重叠区提取模块，依据雷达网内S和X波段天气雷达位置以及探测剖面最大探测距离等信息，得到观测重叠区边界，分别提取S和X波段组网天气雷达不同仰角探测剖面的观测重叠区；
交互匹配与校验模块，以每个仰角的探测剖面观测重叠区为处理单元，依据空间位置信息交互匹配S和X波段组网天气雷达反射率因子，得到网格化的点对点数据对集合，再进行差值、分级与标记处理，交互校验S和X波段组网天气雷达不同仰角探测偏差；
图像化生成模块，图像化生成S和X波段天气雷达同平台体扫对比图、S波段天气雷达观测重叠区图、X波段天气雷达观测重叠区图、S波段天气雷达校验X波段天气雷达图、X波段天气雷达校验S波段天气雷达图。
优选的，在Visual C++开发平台下，技术实现S和X波段组网天气雷达反射率因子交互校验方法，图像化生成S和X波段组网天气雷达反射率因子交互校验产品。
与现有技术相比，本发明的有益效果如下：
1、本发明着眼于校验雷达网内不同波段(S和X)天气雷达协同探测数据质量。以雷达体扫数据为基本单元，通过S和X波段组网天气雷达观测数据时空分辨率匹配与处理、观测重叠区提取、同位置高度反射率因子点对点交互匹配、差值、分级与标记等处理，详细给出S和X波段组网天气雷达不同仰角探测偏差，并图像化输出校验产品。与现有的校验技术不同，不仅不需要长时间序列的校验资料累积，还能直观地给出每个探测剖面上的差异，是实时、动态、快速的交互校验工具。
2、本发明通过计算S和X波段组网天气雷达对同一气象目标物探测差异，实现天气雷达网内不同波段(S和X)雷达之间交互检验，为气象部门动态、快速监视、评估组网天气雷达协同探测数据质量、单部雷达数据定标效果提供有利支撑，服务于当下天气雷达网补盲建设与协同观测工作。
3、本发明基于所述S和X波段组网天气雷达反射率因子交互校验方法，在Visual C++6.0开发平台下，技术实现了S和X波段组网天气雷达反射率因子交互校验系统。所述系统基于S和X波段组网天气雷达观测重叠区内相同位置高度的气象目标物的探测差异交互比较，给出为“≤5dBZ、≤10dBZ、＞10dBZ、无有效校验值”四个等级的S和X波段组网天气雷达反射率因子交互校验产品图，可供用户业务使用或作为科学决策参考。此外，所述系统可在台站业务化运行，既填补了业务空白，又提高了台站气象现代化业务水平。
附图说明
图1为本发明S和X波段组网天气雷达反射率因子交互校验方法流程图；
图2为本发明S和X波段组网天气雷达反射率因子交互校验系统流程图；
图3为本发明S和X波段组网天气雷达观测重叠区提取示意图；
图4为本发明S和X波段组网天气雷达反射率因子交互匹配示意图；
图5为本发明S和X波段组网天气雷达同仰角原始反射率因子对比显示示例图；
图6(a)为本发明S波段组网天气雷达观测重叠区提取产品示例图；
图6(b)为本发明X波段组网天气雷达观测重叠区提取产品示例图；
图7(a)为本发明中X波段仰角探测剖面为0.50°、S波段仰角探测剖面为0.48°的S和X波段组网天气雷达交互校验产品示例图；
图7(b)为本发明中X波段仰角探测剖面为1.45°、S波段仰角探测剖面为1.49°的S和X波段组网天气雷达交互校验产品示例图；
图7(c)为本发明中X波段仰角探测剖面为2.40°、S波段仰角探测剖面为2.42°的S和X波段组网天气雷达交互校验产品示例图；
图7(d)为本发明中X波段仰角探测剖面为3.34°、S波段仰角探测剖面为3.30°的S和X波段组网天气雷达交互校验产品示例图；
图7(e)为本发明中X波段仰角探测剖面为4.30°、S波段仰角探测剖面为4.31°的S和X波段组网天气雷达交互校验产品示例图；
图7(f)为本发明中X波段仰角探测剖面为5.00°、S波段仰角探测剖面为5.02°的S和X波段组网天气雷达交互校验产品示例图；
图7(g)为本发明中X波段仰角探测剖面为9.89°、S波段仰角探测剖面为9.89°的S和X波段组网天气雷达交互校验产品示例图；
图7(h)为本发明中X波段仰角探测剖面为14.60°、S波段仰角探测剖面为14.59°的S和X波段组网天气雷达交互校验产品示例图；
图7(i)为本发明中X波段仰角探测剖面为19.50°、S波段仰角探测剖面为19.51°的S和X波段组网天气雷达交互校验产品示例图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，S和X波段组网天气雷达反射率因子交互校验方法，包括步骤一、构建时间临近、空间分辨率一致的S和X波段组网天气雷达反射率因子数据集；
步骤二、依据雷达位置、探测范围等基础信息，提取观测重叠区；
步骤三、遍历观测重叠区，交互匹配S和X波段组网天气雷达反射率因子；
步骤四、将点对点格网数据对作差、分级与标记，图像化生成交互校验产品。
步骤一中的构建天气雷达反射率因子数据集的方法为时间维度构建法和空间维度构建法；
时间维度构建法通过将提取S和X波段天气雷达基数据文件名的时间信息进行对比，如果时间差小于3分钟，则达到时间临近要求，完成匹配，提取反射率因子体扫数据；具体在匹配时，如果S波段组网天气雷达基数据文件名为：Z_RADR_I_Z9523_20220207012702_O_DOR_SAD_CAP_FMT.bin，提取出“20220207012702”字段，则观测时间为2022年2月7日01：27：02；X波段组网天气雷达基数据文件名为：T_RADR_I_ZM200_20220207012855_O_DOR_YLD5-D_VCS_FMT.bin，提取出“20220207012855”字段，则观测时间2022年2月7日01：28：55。再将“2022年2月7日01：27：02”和“2022年2月7日01：28：55”两个时间信息进行比较，其时间差小于3分钟，则达到时间临近要求，完成匹配。
空间维度构建法通过以S波段天气雷达反射因子距离库长为标尺，处理X波段天气雷达反射率因子距离库长，形成时间临近、空间分辨率一致的数据集；
处理X波段天气雷达反射率因子距离库长方法为：S波段业务天气雷达反射率因子距离分辨率固定为250m，用于组网的X波段天气雷达反射率因子距离分辨率为60m，将X波段天气雷达反射率因子距离分辨率利用算法处理成250m。
处理X波段天气雷达反射率因子距离分辨率的算法为：首先将X波段天气雷达4个距离库数值求平均，得到距离分辨率为240m的反射率因子；其次向下滑动1个距离库，将5个距离库数值求平均，得到距离分辨率为300m的反射率因子；再将该值除以30，得到30等份距离分辨率为10m的反射率因子，最后将距离分辨率为240m的反射率因子与距离分辨率为10m的反射率因子进行相加合成，从而得到距离分辨率为250m的X波段天气雷达反射率因子。
步骤二中的观测重叠区提取方法具体为：设定雷达网内S波段天气雷达位置经纬度为(Lon1，Lat1)，某一探测剖面最大探测距离为Rmax1，X波段天气雷达位置经纬度为(Lon2，Lat2)，最大探测距离为Rmax2，P(LonP,LatP)为雷达网内S和X波段天气雷达探测所覆盖范围集合内任一点，采用两点之间距离公式分别计算P到S和X波段天气雷达站距离Rs和Rx，如Rs≤Rmax1且Rx≤Rmax2，则判定P点在组网雷达观测重叠区内，否则判定P点不在观测重叠区内，依照此方法，遍历雷达网内S和X波段天气雷达不同仰角探测剖面所覆盖范围内所有点，得到不同仰角探测剖面的观测重叠区。
步骤三中的S和X波段天气雷达观测重叠区内所有探测剖面的反射率因子数据对交互匹配的方法具体为：
在雷达网内S波段天气雷达校验X波段天气雷达时，设定雷达网内S波段天气雷达位置经纬度为(Lon1，Lat1)，馈线海拔高度为Heigh1，某一探测剖面仰角和最大探测距离分别为α、Rmax1，X波段天气雷达位置经纬度为(Lon2，Lat2)，馈线高度为Heigh2，某一探测剖面仰角和最大探测距离分别为β、Rmax2，P(LonP,LatP)为雷达网内S和X波段天气雷达观测重叠区内任一点，P在X波段天气雷达β探测剖面上反射率因子数值为Value2，首先计算P点到X波段天气雷达站水平距离Rx，与探测剖面仰角β构建三角函数关系，再与馈线海拔高度Heigh2求解P点的海拔高度Heigh；
其次，计算P点到S波段天气雷达站水平距离Rs，与P点海拔高度Heigh和馈线海拔高度Heigh1的差值构建三角函数关系，求解P点到S波段天气雷达站的仰角θ和斜距Long；
最后通过仰角θ和斜距Long判识S波段天气雷达是否有对应的探测数据，如果是，检索与仰角θ和斜距Long相匹配的S波段天气雷达反射因子，数值设定为Value2，这样可构建出X波段天气雷达β探测剖面上任意点P的匹配数据对(Value1,Value2)，遍历X波段天气雷达β探测剖面上所有观测重叠区上的格点，可完成X波段天气雷达β探测剖面上所有点的点对点匹配，得到β探测剖面上的格网数据对；遍历X波段天气雷达所有探测剖面，可完成X波段天气雷达所有探测剖面上所有点的点对点匹配，得到格网数据对的体数据。
雷达网内S和X波段天气雷达反射率因子为体扫模式下的矢量数据，矢量数据点的集合为以雷达站为圆心，最大探测范围为半径的全圆，矢量数据基本单位为单个雷达径向，由仰角、方位角、库长、库数和反射率因子数值共同描述；点对点匹配后的反射率因子数据对为格网数据，格网数据在地球坐标系下，由经度、纬度、海拔高度、反射率因子数值对共同描述。
步骤四中的作差方法为：在观测重叠区内所有匹配的格网数据对进行点对点作差取绝对值，并进行等级分类与标记；分类等级为≤5dBZ、≤10dBZ、＞10dBZ、无有效校验值。
如图2所示，本申请还提出了S和X波段组网天气雷达反射率因子交互校验方法的系统，包括：
时空分辨率匹配与处理模块，依据文件名信息，自动匹配观测时间临近的S和X波段组网天气雷达基数据并解码；依据S波段组网天气雷达基数据分辨率处理X波段组网天气雷达基数据，得到时间临近、空间分辨率一致的反射率因子数据集；
如图3所示，观测重叠区提取模块，依据雷达网内S和X波段天气雷达位置以及探测剖面最大探测距离等信息，得到观测重叠区边界，分别提取S和X波段组网天气雷达不同仰角探测剖面的观测重叠区；
如图4所示，交互匹配与校验模块，以每个仰角的探测剖面观测重叠区为处理单元，依据空间位置信息交互匹配S和X波段组网天气雷达反射率因子，得到网格化的点对点数据对集合，再进行差值、分级与标记处理，交互校验S和X波段组网天气雷达不同仰角探测偏差；
图像化生成模块，图像化生成S和X波段天气雷达同平台体扫对比图、S波段天气雷达观测重叠区图、X波段天气雷达观测重叠区图、S波段天气雷达校验X波段天气雷达图、X波段天气雷达校验S波段天气雷达图。
如图2所示，在Visual C++开发平台下，技术实现S和X波段组网天气雷达反射率因子交互校验方法，图像化生成S和X波段组网天气雷达反射率因子交互校验产品。
使用时，需要在系统目录下新建“Data/S波段”和“Data/X波段”两个文件夹，分别存放待校验的S和X波段组网天气雷达基数据。按照图2流程，后台经时空分辨率匹配与处理模块、观测重叠区提取模块、交互匹配与校验模块、图像化生成模块，图像化输出S和X波段天气雷达同平台体扫对比图(图5)、S波段天气雷达观测重叠区图(图6.a)、X波段天气雷达观测重叠区图(图6.b)、不同仰角探测剖面的S和X波段组网天气雷达相互校验产品图(图7.a-i)。
综上：S和X波段组网天气雷达反射率因子交互校验方法及系统，面向雷达体扫数据，通过S和X波段组网天气雷达观测数据时空分辨率匹配与处理、观测重叠区提取、同位置高度反射率因子点对点交互匹配、差值、分级与标记等处理，给出S和X波段组网天气雷达不同仰角探测偏差，并图像化输出校验产品(图5-7)。在Visal C++6.0平台下进行系统开发，为台站提供直观、可视化的业务平面，便于业务人员基于S和X波段组网天气雷达对同一气象目标物探测差异，动态、快速地监视、评估组网雷达协同探测数据质量、单部雷达数据定标效果。该发明既填补了台站空白，提高了台站气象现代化业务水平，又服务了天气雷达网补盲建设与协同观测工作。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.S和X波段组网天气雷达反射率因子交互校验方法，其特征在于，包括以下步骤：
步骤一、构建时间临近、空间分辨率一致的S和X波段组网天气雷达反射率因子数据集；
步骤二、依据雷达位置、探测范围等基础信息，提取观测重叠区；
步骤三、遍历观测重叠区，交互匹配S和X波段组网天气雷达反射率因子；
步骤四、将点对点格网数据对作差、分级与标记，图像化生成交互校验产品；
所述步骤三中的S和X波段天气雷达观测重叠区内所有探测剖面的反射率因子数据对交互匹配的方法具体为：
在雷达网内S波段天气雷达校验X波段天气雷达时，设定雷达网内S波段天气雷达位置经纬度为(Lon1，Lat1)，馈线海拔高度为Heigh1，某一探测剖面仰角和最大探测距离分别为α、Rmax1，X波段天气雷达位置经纬度为(Lon2，Lat2)，馈线高度为Heigh2，某一探测剖面仰角和最大探测距离分别为β、Rmax2，P(LonP,LatP)为雷达网内S和X波段天气雷达观测重叠区内任一点，P在X波段天气雷达β探测剖面上反射率因子数值为Value2，首先计算P点到X波段天气雷达站水平距离Rx，与探测剖面仰角β构建三角函数关系，再与馈线海拔高度Heigh2求解P点的海拔高度Heigh；
其次，计算P点到S波段天气雷达站水平距离Rs，与P点海拔高度Heigh和馈线海拔高度Heigh1的差值构建三角函数关系，求解P点到S波段天气雷达站的仰角θ和斜距Long；
最后通过仰角θ和斜距Long判识S波段天气雷达是否有对应的探测数据，如果是，检索与仰角θ和斜距Long相匹配的S波段天气雷达反射因子，数值设定为Value2，这样可构建出X波段天气雷达β探测剖面上任意点P的匹配数据对(Value1,Value2)，遍历X波段天气雷达β探测剖面上所有观测重叠区上的格点，可完成X波段天气雷达β探测剖面上所有点的点对点匹配，得到β探测剖面上的格网数据对；遍历X波段天气雷达所有探测剖面，可完成X波段天气雷达所有探测剖面上所有点的点对点匹配，得到格网数据对的体数据；
所述雷达网内S和X波段天气雷达反射率因子为体扫模式下的矢量数据，所述矢量数据点的集合为以雷达站为圆心，最大探测范围为半径的全圆，所述矢量数据基本单位为单个雷达径向，由仰角、方位角、库长、库数和反射率因子数值共同描述；所述点对点匹配后的反射率因子数据对为格网数据，所述格网数据在地球坐标系下，由经度、纬度、海拔高度、反射率因子数值对共同描述；
以每个仰角的探测剖面观测重叠区为处理单元，依据空间位置信息交互匹配S和X波段组网天气雷达反射率因子，得到网格化的点对点数据对集合，再进行差值、分级与标记处理，交互校验S和X波段组网天气雷达不同仰角探测偏差。
2.根据权利要求1所述的S和X波段组网天气雷达反射率因子交互校验方法，其特征在于：所述步骤一中的构建天气雷达反射率因子数据集的方法为时间维度构建法和空间维度构建法；
所述时间维度构建法通过将提取S和X波段天气雷达基数据文件名的时间信息进行对比，如果时间差小于3分钟，则达到时间临近要求，完成匹配，提取反射率因子体扫数据；
所述空间维度构建法通过以S波段天气雷达反射因子距离库长为标尺，处理X波段天气雷达反射率因子距离库长，形成时间临近、空间分辨率一致的数据集；
所述处理X波段天气雷达反射率因子距离库长方法为：S波段业务天气雷达反射率因子距离分辨率固定为250m，用于组网的X波段天气雷达反射率因子距离分辨率为60m，将X波段天气雷达反射率因子距离分辨率利用算法处理成250m。
3.根据权利要求2所述的S和X波段组网天气雷达反射率因子交互校验方法，其特征在于：所述处理X波段天气雷达反射率因子距离分辨率的算法为：首先将X波段天气雷达4个距离库数值求平均，得到距离分辨率为240m的反射率因子；其次向下滑动1个距离库，将5个距离库数值求平均，得到距离分辨率为300m的反射率因子；再将该值除以30，得到30等份距离分辨率为10m的反射率因子，最后将距离分辨率为240m的反射率因子与距离分辨率为10m的反射率因子进行相加合成，从而得到距离分辨率为250m的X波段天气雷达反射率因子。
4.根据权利要求1所述的S和X波段组网天气雷达反射率因子交互校验方法，其特征在于：所述步骤二中的观测重叠区提取方法具体为：设定雷达网内S波段天气雷达位置经纬度为(Lon1，Lat1)，某一探测剖面最大探测距离为Rmax1，X波段天气雷达位置经纬度为(Lon2，Lat2)，最大探测距离为Rmax2，P(LonP,LatP)为雷达网内S和X波段天气雷达探测所覆盖范围集合内任一点，采用两点之间距离公式分别计算P到S和X波段天气雷达站距离Rs和Rx，如Rs≤Rmax1且Rx≤Rmax2，则判定P点在组网雷达观测重叠区内，否则判定P点不在观测重叠区内，依照此方法，遍历雷达网内S和X波段天气雷达不同仰角探测剖面所覆盖范围内所有点，得到不同仰角探测剖面的观测重叠区。
5.根据权利要求1所述的S和X波段组网天气雷达反射率因子交互校验方法，其特征在于：所述步骤四中的作差方法为：在观测重叠区内所有匹配的格网数据对进行点对点作差取绝对值，并进行等级分类与标记；所述分类等级为≤5dBZ、≤10dBZ、＞10dBZ、无有效校验值。
6.根据权利要求1-5任意一项所述的S和X波段组网天气雷达反射率因子交互校验方法的系统，其特征在于，包括：
时空分辨率匹配与处理模块，依据文件名信息，自动匹配观测时间临近的S和X波段组网天气雷达基数据并解码；依据S波段组网天气雷达基数据分辨率处理X波段组网天气雷达基数据，得到时间临近、空间分辨率一致的反射率因子数据集；
观测重叠区提取模块，依据雷达网内S和X波段天气雷达位置以及探测剖面最大探测距离等信息，得到观测重叠区边界，分别提取S和X波段组网天气雷达不同仰角探测剖面的观测重叠区；
交互匹配与校验模块，以每个仰角的探测剖面观测重叠区为处理单元，依据空间位置信息交互匹配S和X波段组网天气雷达反射率因子，得到网格化的点对点数据对集合，再进行差值、分级与标记处理，交互校验S和X波段组网天气雷达不同仰角探测偏差；
图像化生成模块，图像化生成S和X波段天气雷达同平台体扫对比图、S波段天气雷达观测重叠区图、X波段天气雷达观测重叠区图、S波段天气雷达校验X波段天气雷达图、X波段天气雷达校验S波段天气雷达图。
7.根据权利要求6所述的S和X波段组网天气雷达反射率因子交互校验方法的系统，其特征在于：在Visual C++开发平台下，技术实现S和X波段组网天气雷达反射率因子交互校验方法，图像化生成S和X波段组网天气雷达反射率因子交互校验产品。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210385389.0A CN115097459B (zh) | 2022-04-13 | 2022-04-13 | S和x波段组网天气雷达反射率因子交互校验方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210385389.0A CN115097459B (zh) | 2022-04-13 | 2022-04-13 | S和x波段组网天气雷达反射率因子交互校验方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115097459A CN115097459A (zh) | 2022-09-23 |
| CN115097459B true CN115097459B (zh) | 2024-07-19 |
Family
ID=83287417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210385389.0A Active CN115097459B (zh) | 2022-04-13 | 2022-04-13 | S和x波段组网天气雷达反射率因子交互校验方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115097459B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115840205B (zh) * | 2023-02-16 | 2023-05-23 | 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) | 一种基于激光雷达技术的地形面积计量方法和系统 |
| CN117630946B (zh) * | 2024-01-26 | 2024-04-12 | 中国人民解放军国防科技大学 | 基于双偏振雷达的强对流联合观测指挥方法、系统及设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5583972A (en) * | 1993-08-02 | 1996-12-10 | Miller; Richard L. | 3-D weather display and weathercast system |
| CN110806607A (zh) * | 2018-06-20 | 2020-02-18 | 中国水利水电科学研究院 | 一种复杂地形条件下s波段与x波段雷达重叠区域组网测雨方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998026306A1 (en) * | 1996-12-09 | 1998-06-18 | Miller Richard L | 3-d weather display and weathercast system |
| US8462040B2 (en) * | 2009-10-20 | 2013-06-11 | Colorado State University Research Foundation | Resolution enhancement system (RES) for networked radars |
| US10139487B2 (en) * | 2013-07-11 | 2018-11-27 | Furuno Electric Co., Ltd. | Meteorological radar system and method and device for processing meteorological information |
| KR101469860B1 (ko) * | 2013-10-07 | 2014-12-08 | 부경대학교 산학협력단 | 기상 레이더 자료를 이용한 대류성 강우 특성 정보를 얻는 방법 |
| CN105866751B (zh) * | 2016-03-22 | 2018-06-08 | 中国科学院大气物理研究所 | X波段固态双极化天气雷达的金属球定标方法 |
| CN108693534A (zh) * | 2018-03-27 | 2018-10-23 | 南京恩瑞特实业有限公司 | Nriet x 波段雷达协同组网分析方法 |
| CN109541565B (zh) * | 2019-01-28 | 2020-09-11 | 中国气象局气象探测中心 | 一种雷达回波强度均一性检测方法及系统 |
| CN112558076B (zh) * | 2021-02-07 | 2021-08-10 | 上海市气象信息与技术支持中心 | 基于组网天气雷达覆盖域的体扫描模式计算方法与应用 |
-
2022
- 2022-04-13 CN CN202210385389.0A patent/CN115097459B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5583972A (en) * | 1993-08-02 | 1996-12-10 | Miller; Richard L. | 3-D weather display and weathercast system |
| CN110806607A (zh) * | 2018-06-20 | 2020-02-18 | 中国水利水电科学研究院 | 一种复杂地形条件下s波段与x波段雷达重叠区域组网测雨方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115097459A (zh) | 2022-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115097459B (zh) | S和x波段组网天气雷达反射率因子交互校验方法及系统 | |
| US20230206545A1 (en) | Iterative ray-tracing for autoscaling of oblique ionograms | |
| CN109946235B (zh) | 风云4a气象卫星多通道扫描成像辐射计的多层云反演方法 | |
| CN103400137B (zh) | 一种sar图像的建筑物几何参数提取方法 | |
| CN109100723B (zh) | 基于多普勒天气雷达数据的高空风反演方法 | |
| US6768946B2 (en) | Lighting strike position locating method, apparatus, system and program | |
| CN112558076B (zh) | 基于组网天气雷达覆盖域的体扫描模式计算方法与应用 | |
| US20080310589A1 (en) | Method for inspecting luggage | |
| CN110568433A (zh) | 基于毫米波雷达的高空抛物检测方法 | |
| JP6756889B1 (ja) | 渦検出装置、渦検出方法、プログラム及び学習済モデル | |
| CN114397636B (zh) | 一种地基雷达反射率因子均一性评估方法、系统及设备 | |
| CN112348882A (zh) | 一种基于多源探测器的低空目标跟踪信息融合方法和系统 | |
| CN110261857A (zh) | 一种天气雷达空间插值方法 | |
| Dungan et al. | Wide-area wide-angle SAR focusing | |
| CN103149569A (zh) | 基于小波变换的激光雷达高压线识别方法 | |
| Ullrich et al. | Advances in lidar point cloud processing | |
| Xue et al. | Eight-diagram based access point selection algorithm for indoor localization | |
| CN114201851A (zh) | 一种基于双层云的云特性定量反演方法及系统 | |
| CN111736157B (zh) | 基于ppi数据的临近预报的预测方法及设备 | |
| Fritsche et al. | Evaluation of a novel radar based scanning method | |
| Yuan et al. | A velocity dealiasing scheme based on minimization of velocity differences between regions | |
| Cai et al. | KCF‐Based Identification Approach for Vibration Displacement of Double‐Column Bents under Various Earthquakes | |
| US20230361897A1 (en) | Technique for predicting radio quality | |
| Wang et al. | UWB Radar Imaging Method for the Longwall Retreat and Creep Displacements Measurement in Underground Coal Mine | |
| Li | Monitoring and mathematical model analysis of dynamic changes in land resources based on SAR sensor image |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |