[发明专利]一种基于雷达资料的下击暴流智能识别预警方法

权利要求书

1.一种基于雷达资料的下击暴流智能识别预警方法，其特征在于，有如下步骤：

步骤1：对实况雷达资料中的基本反射率因子进行下述分析：当一个仰角面上的反射率值超出阈值TH1的水平空间连续覆盖范围大于阈值TH2时，进行以下步骤的处理；反之，不做处理；该步骤的计算方法为：

其中，表示雷达仰角，θ表示体扫方位角，r表示距离库数，表示极坐标下某一仰角面上任一位置的回波强度值；S表示回波强度值超过TH2的区域面积；

步骤2：对当前时刻和前Tx个时刻的雷达资料分别进行下述分析：首先计算出最大反射率值出现的位置，然后计算穿越该位置的反射率因子垂直剖面，并绘制成垂直剖面图；这些垂直剖面图使用一致的二维坐标和比例尺；

步骤3：采用光流法对步骤2中绘制出的各相邻时刻的垂直剖面图进行流场分析，得到风暴核心即图像中回波大值区域移动的趋势；

采用光流法分别对VCS_1301和VCS_1307，VCS_1307和VCS_1313进行光流场的计算；由于光流法适用的前提条件是图像目标具有小位移量且位移矢量全局或局部平滑，而上述回波图像是典型的非刚体，并不符合光流法的前提假设，因此，计算时做以下改进：

(1)滤去VCS_1307和VCS_1307中反射率因子小于45dBZ的区域，仅对反射率因子核心区域进行光流场的计算，计算过程使用了4层金字塔分层进行迭代，得到光流矢量场，记为V_op1；

(2)将V_op1中每个速度矢量分解为平行于x轴和y轴的2个标量，分别求取这2个方向上的中值，再合并为1个速度矢量V_m，该矢量在一定程度上表征了垂直剖面图中核心移动发展的总体趋势；

(3)使用V_m对VCS_1307中回波图像总体位置进行移动，位移量为1个V_m；然后，将此图像与VCS_1307进行光流计算，得到光流矢量场，记为V_op2，再将V_op2与V_m进行矩阵加计算，得到光流场，记为V_1-2；

(4)采用相同算法，计算VCS_1307和VCS_13013的光流场，记为V_2-3；

(5)采用式(9)计算光流场的加权值：

V＝a·V_1-2+b·V_2-3 (3)

步骤4：采用拉格朗日力学模型来拟合风暴核心移动趋势随时间演变的关系；如果预报出的风暴核心下降速率超过特定阈值TH3，则继续实施下述步骤；反之，不做处理；

步骤5：由于风暴核心的快速下降只是发生下击暴流的必要条件，而非充分条件，因此，有必要进一步分析雷达径向速度场的若干特征；分别计算当前雷达径向速度图中以风暴核心位置为中心，以阈值TH4为半径的范围内，正速度区域和负速度区域的直方图；为了更简便且有效地得到直方图，此计算过程并不是分析由径向速度场绘制出的RGB彩色图像，而是直接分析径向速度场中的正速度值和负速度值，以TH5为精度，以0～TH6为直方图横坐标的取值范围，分别累加统计不同速度数值出现的频次，进而得到正速度分布即出流直方图和负速度即入流分布直方图；

步骤6：采用巴氏系数对上述两幅直方图进行匹配分析，计算方法为：

其中P₁和P₂分别代表正速度分布直方图和负速度分布直方图中任一颜色值即速度值占总量的百分比；将每个相同横坐标i的百分比相乘后开平方，再求累加值，计算出的结果即为两幅图像的相似度值即巴氏系数因子值；该值客观量化地反映正负速度对匹配的程度，值范围为0到1，且值越大，表示相似度越高；当该值大于阈值TH7时，则判定即将发生下击暴流为大概率事件；

步骤7：结合上述步骤及一系列特征阈值的判定，对风暴核心下降的趋势、速度以及到达近地面的时间进行推算，最终实现下击暴流的智能识别追踪和预警。