[发明专利]一种基于时间连续性特征的天气雷达回波分类方法

说明书

本发明公开了一种基于双支路卷积神经网络的天气雷达回波分类方法，通过搭建一个双支路的神经网络，其中一个支路提取连续两帧回波图像之间气象回波的运动信息，另一个支路提取需要分类回波图像的空间强度分布信息，之后融合两个支路提取的特征信息实现气象和生物回波的分类，本方法不仅应用了当前需要分类的回波图像的空间强度分布信息，还应用了两帧回波图像中气象回波的运动信息，提高了回波分类的效果，这有助于保证气象雷达对低空气象过程的观测有效性，同时也可以提取生物回波为生物迁飞提供宝贵的研究数据。

技术领域

本发明属于天气雷达技术领域，具体涉及一种基于时间连续性特征的天气雷达回波分类方法。

背景技术

气象雷达可以为天气过程提供及时有效的观测数据，在气象灾害监测预警方面发挥着重要的作用。目前，我国已经组建了新一代气象雷达观测网，包含200多台S或C波段的气象雷达。单部雷达的观测半径从150km至460km不等，组网雷达可以基本实现对主要居住区域的无缝覆盖。

在气象雷达回波中，不仅来自于天气现象，还来自于空中迁飞的生物和地面固定的建筑植被等。生物迁飞与人类的生产生活关系紧密，特别是迁飞性害虫防治后每年仍然给我国造成350亿斤的粮食损失；同时生物迁飞也是自然界中重要的自然现象，维持生态平衡。实现气象雷达回波分类不仅可以提高天气过程观测的准确性，还可以得到迁飞生物大尺度空间的宏观观测，研究生物迁飞模式。

为了实现气象雷达的回波分类，Cui等人利用气象和生物在空间二维回波图像中的空间强度分布特征，应用深度学习中图像分割模型(DeepLabV3+)实现回波分类；Lin等人使用多仰角和多极化数据，基于FCN(FullConvolutionNetwork)同时实现对多仰角数据的回波分类。在实际观测的回波图像中发现，对于同一站点连续观测数据气象雷达回波会呈现一个明显演化的过程，这与生物回波的变化过程存在明显的区别，就像监控视频中背景基本保持不变，而前景在时间轴上连续变化，比如车辆由远及近，从左到右，总是可以依据前几帧图像对下一帧图像中车辆的位置给出大致的结果。因此，气象回波图像在时间轴上的变化特征可以为回波分类提供更多的信息和特征。

发明内容

有鉴于此，从气象回波图像时空演化过程出发，本发明提供了一种基于时间连续性特征的天气雷达回波分类方法，可以提高回波分类结果。

1、一种基于时间连续性特征的气象雷达回波分类方法，其特征在于，包括如下步骤：

将当前需要分割的回波图像输入到分割支路中；其中，所述分割支路基于残差网络中ResNet101结构搭建，包含5个卷积模块，依次包含1、3、4、23、3层卷积；每个卷积模块输出回波图像的空间分布特征；

将连续两帧回波图像同时输入运动特征支路，该支路中一共包括5个卷积模块，每个卷积模块中均由两个卷积层构成；最后得到基于时间连续性特征的粗分类结果；

建立基于CRN网路结构的5个串联的精炼模块；第一级精炼模块的输入为运动特征支路输出的分类结果和分割支路中第五个卷积模块输出的空间分布特征；第二级精炼模块对应接收分割支路中第四个卷积模输出的空间分布特征和第一级精炼模块的输出；其他精炼模块以此类推；最后一级的精炼模块的分类结果就是最终的回波图像分类结果。

2、如权利要求1所述的一种基于时间连续性特征的气象雷达回波分类方法，其特征在于，所述分割支路中各个卷积模块的卷积核的大小均设定为3。

3、如权利要求1所述的一种基于时间连续性特征的气象雷达回波分类方法，其特征在于，所述运动特征支路中第一个卷积模块的卷积核大小为7和5。

4、如权利要求3所述的一种基于时间连续性特征的气象雷达回波分类方法，其特征在于，所述运动特征支路中除了第一个卷积模块，其余卷积核大小均为3。

本发明具有如下有益效果：