一種星載雷達和地基雷達反射率因子數據三維融合方法技術

本發明專利技術公開了一種星載雷達和地基雷達反射率因子數據三維融合方法，將高垂直分辨率的PR數據作為神經網絡的輸出，高水平分辨率、低垂直分辨率的GR數據作為輸入，建立PR和GR的非線性關系，從而融合成具有高垂直和高水平分辨率的三維反射率因子數據。基于神經網絡算法將PR和GR反射率因子數據三維融合，可得到強度回波的精細三維結構，這對中小尺度對流天氣過程的精細探測和跟蹤，以及后續的定量測量降水、中尺度預報中的雷達數據同化等后期應用都很重要。

【技術實現步驟摘要】

本專利技術屬于天氣雷達的數據處理
，特別涉及了一種星載雷達和地基雷達反射率因子數據三維融合方法。
技術介紹
發射于1997年11月的熱帶降雨測量衛星TRMM(Tropical Rainfall Measuring Mission)是一顆專門監測熱帶降雨的衛星，星上搭載的測雨雷達(PR，Precipitation Radar)雷達可以獲得降水和潛熱的三維結構信息。TRMM衛星自成功發射以來，其測雨雷達經過在軌測試定標之后，已向地面發回大量的雷達觀測信息，這些信息在NASA官網上均能找到。與地基雷達相比，PR最大的優勢是具有很高的垂直向分辨率。地基天氣雷達(GR，Ground Radar)自下而上作錐面掃描，具有相對較高的二維水平分辨率，但垂直向分辨率很低，且有一定的盲區。于是，我們設想將PR和GR反射率因子數據結合起來，從而集中兩者的優勢。高分辨率的三維反射率因子回波圖，對中小尺度對流天氣過程的精細探測至關重要。近些年來，很多學者提出得到天氣雷達三維格點回波圖的方法，但主要基于GR，也主要出現在多個GR的三維回波拼圖中。在這些三維格點回波拼圖方法中，三維格點主要基于空間插值方法得到，如最近鄰點插值、雙線性插值、距離加權插值等。但GR資料受體掃中仰角個數以及在遠距離時波束展寬的作用，重采樣后高度向分辨率依然很低，另外，插值方法基于鄰近的一些數據點對雷達體掃數據進行重采樣，這些插值算法大多以連續為基礎，數據可能會受到一定的平滑，且誤差較大。隨著TRMM衛星的發射成功，PR數據的處理和應用受到廣泛關注。關于PR數據和GR數據的融合也受到很多學者的青睞，Wang(2015，Radar vertical profile of reflectivity correction with TRMM observations using a neural network approach)等提出基于神經網絡將PR垂直剖面數據與GR低層數據結合，進行反射率垂直剖面校正從而得到更精確的降水測量。Alqudah等，2013(Investigating rainfall estimation from radar measurements using neural networks)等提出利用徑向基神經網絡算法將雨量計數據和雷達數據結合以提高降雨量測量精度。Chandrasekar et al(2012，Concepts and principles of rainfall estimation from radar:multi sensor environment and data fusion)在文中從理論上分析了結合多源數據進行降水估計的原理和可行性。這些融合算法的目標是提高降水測量精度，因此在融合中加入了雨量計數據，并通常以雨量計數據作為真值對網絡參數進行訓練。PR數據最大的優勢是非常高的垂直分辨率，而降水一般水平向上比較均勻，垂直向上變化較大，因此可考慮將高垂直分辨率的PR數據作為神經網絡的輸出，高水平分辨率、低垂直分辨率的GR數據作為輸入，建立PR和低垂直分辨率GR的非線性關系，從而融合成具有高垂直和高水平三維分辨率的反射率因子數據。基于PR和GR反射率因子數據的融合得到強度回波的精細三維結構，對中小尺度對流天氣過程的精細探測和跟蹤，以及后續的定量測量降水、中尺度預報中的雷達數據同化等后期應用都很重要。
技術實現思路
為了解決上述
技術介紹
提出的技術問題，本專利技術旨在提供一種星載雷達和地基雷達反射率因子數據三維融合方法，利用神經網絡算法將兩種不同探測方式獲得的反射率因子數據進行三維空間融合，得到更精細的中小尺度天氣的三維回波結構，從而更有利于中小尺度等災害天氣回波的精確分析和應用。為了實現上述技術目的，本專利技術的技術方案為：一種星載雷達和地基雷達反射率因子數據三維融合方法，包括以下步驟：(1)選取時間上和空間上匹配的星載天氣雷達和地基天氣雷達個例數據，匹配時設置一定的空間窗和時間窗；空間窗：以地基天氣雷達為中心且與星載天氣雷達測繪帶所相交的圓形區域，所述圓形區域的半徑根據GR數據采樣的水平范圍確定；時間窗：星載天氣雷達掃過匹配空間窗的時間與地基天氣雷達開始一次體掃的時間差距在±6min以內；(2)對匹配的PR和GR反射率因子數據進行質量控制，包括PR數據的衰減訂正、PR數據的米散射效應訂正和GR數據地物雜波的去除；(3)基于匹配的PR和GR反射率因子數據進行統計分析，以PR數據為標準，得出GR的系統定標偏差，并對GR反射率因子數據進行系統標定偏差校正；(4)將匹配的PR和GR反射率因子數據重采樣到一個共同的三維笛卡爾坐標系中進行網格化精確配準，在PR數據重采樣過程中要對PR數據進行偏移和視差校正，對GR數據進行重采樣時采用三次線性插值方法；(5)基于精確配準的PR和GR反射率因子數據，對GR的靜錐區或部分波束阻擋區進行補償，補償過程分兩步：對PR數據進行總體偏差訂正，對GR需補償的區域在選擇的滑動窗口內進行距離加權融合；(6)空間上，對于三維重采樣后的PR和GR的共同回波區，采用神經網絡算法對配準的經過質量控制的PR反射率因子數據和補償后的GR反射率因子數據進行空間融合；(7)對于PR靈敏度即17dBZ的弱回波區，通過對相應弱回波區中GR反射率因子數據進行插值得到；(8)將步驟(6)中基于神經網絡融合得到的三維回波，和步驟(7)中對GR數據插值得到的弱回波進行組合，形成完整的三維高分辨率反射率因子回波數據。進一步地，在步驟(5)中，對PR數據進行總體偏差訂正需要計算總體偏差訂正的系數： r m e a n = GR m e a n PR m e a n ]]>上式中，rmean為總體偏差訂正的系數，GRmean表示基于靜錐區選擇的窗口內GR反射率因子數據的平均值，PRmean表示選擇的窗口內PR反射率因子數據的平均值。進一步地，在步驟(5)中，對GR需補償的區域在選擇的滑動窗口內進行距離加權融合，其計算公式如下： GR k = PR k + Σ i = 1 n w i ( 本文檔來自技高網...

【技術保護點】
一種星載雷達和地基雷達反射率因子數據三維融合方法，其特征在于，包括以下步驟：(1)選取時間上和空間上匹配的星載天氣雷達和地基天氣雷達數據，匹配時設置一定的空間窗和時間窗；空間窗：以地基天氣雷達為中心且與星載天氣雷達測繪帶所相交的圓形區域，所述圓形區域的半徑根據GR數據采樣的水平范圍確定；時間窗：星載天氣雷達掃過匹配空間窗的時間與地基天氣雷達開始一次體掃的時間差距在±6min以內；(2)對匹配的PR和GR反射率因子數據進行質量控制，包括PR數據的衰減訂正、PR數據的米散射效應訂正和GR數據地物雜波的去除；(3)基于匹配的PR和GR反射率因子數據進行統計分析，以PR數據為標準，得出GR的系統定標偏差，并對GR反射率因子數據進行系統定標偏差校正；(4)將匹配的PR和GR反射率因子數據重采樣到一個共同的三維笛卡爾坐標系中進行網格化精確配準，在PR數據重采樣過程中要對PR數據進行偏移和視差校正，對GR數據進行重采樣時采用三次線性插值方法；(5)基于精確配準的PR和GR反射率因子數據，對GR的靜錐區或部分波束阻擋區進行補償，補償過程分兩步：對PR數據進行總體偏差訂正，對GR需補償的區域在選擇的滑動窗口內進行距離加權融合；(6)空間上，對于重采樣后的PR和GR的共同回波區，采用神經網絡算法對配準的經過質量控制的PR反射率因子數據和補償后的GR反射率因子數據進行空間融合；(7)針對小于17dBZ的弱回波區，通過對弱回波區中GR反射率因子數據進行插值得到；(8)將步驟(6)中基于神經網絡融合得到的三維回波，和步驟(7)中對GR反射率因子數據插值得到的弱回波進行組合，形成完整的三維高分辨率反射率因子回波數據。...

【技術特征摘要】
1.一種星載雷達和地基雷達反射率因子數據三維融合方法，其特征在于，包括以下步驟：(1)選取時間上和空間上匹配的星載天氣雷達和地基天氣雷達數據，匹配時設置一定的空間窗和時間窗；空間窗：以地基天氣雷達為中心且與星載天氣雷達測繪帶所相交的圓形區域，所述圓形區域的半徑根據GR數據采樣的水平范圍確定；時間窗：星載天氣雷達掃過匹配空間窗的時間與地基天氣雷達開始一次體掃的時間差距在±6min以內；(2)對匹配的PR和GR反射率因子數據進行質量控制，包括PR數據的衰減訂正、PR數據的米散射效應訂正和GR數據地物雜波的去除；(3)基于匹配的PR和GR反射率因子數據進行統計分析，以PR數據為標準，得出GR的系統定標偏差，并對GR反射率因子數據進行系統定標偏差校正；(4)將匹配的PR和GR反射率因子數據重采樣到一個共同的三維笛卡爾坐標系中進行網格化精確配準，在PR數據重采樣過程中要對PR數據進行偏移和視差校正，對GR數據進行重采樣時采用三次線性插值方法；(5)基于精確配準的PR和GR反射率因子數據，對GR的靜錐區或部分波束阻擋區進行補償，補償過程分兩步：對PR數據進行總體偏差訂正，對GR需補償的區域在選擇的滑動窗口內進行距離加權融合；(6)空間上，對于重采樣后的PR和GR的共同回波區，采用神經網絡算法對配準的經過質量控制的PR反射率因子數據和補償后的GR反射率因子數據進行空間融合；(7)針對小于17dBZ的弱回波區，通過對弱回波區中GR反射率因子數據進行插值得到；(8)將步驟(6)中基于神經網絡融合得到的三維回波，和步驟(7)中對GR反射率因子數據插值得到的弱回波進行組合，形成完整的三維高分辨率反射率因子回波數據。2.根據權利要求1所述一種星載雷達和地基雷達反射率因子數據三維融合方法，其特征在于：在步驟(5)中，對PR數據進行總體偏差訂正需要計算總體偏差訂正的系數： r m e a n = GR m e a n PR m e a n ]]>上式中，rmean為總體偏差訂正的系數，GRmean表示基于靜錐區選擇的滑動窗口內GR反射率因子數據的平均值，PRmean表示滑動窗口內PR反射率因子數據的平均值。3.根據權利要求1所述一種星載雷達和地基雷達反射率因子數據三維融合方法，其特征在于：在步驟(5)中，對GR需補償的區域在選擇的滑動窗口內進行距離加權融合，其計算公式如下： GR k = PR k + &Si...

【專利技術屬性】
技術研發人員：寇蕾蕾，王振會，黃興友，楚志剛，李南，許丹，
申請(專利權)人：南京信息工程大學，
類型：發明
國別省市：江蘇;32