一种云雷达与卫星探测数据融合方法及系统

摘要

本发明涉及一种云雷达与卫星探测数据融合方法及系统。本发明方法通过获取毫米波云雷达所述探测的云顶高度、云底高度和平均反射率因子，以及与毫米波云雷达上空对应的卫星云图亮温数据，通过训练好的卫星亮温与毫米波云雷达探测的云顶高度、云底高度和平均反射率因子的神经网络处理，实时输出卫星云图覆盖区域内每个亮温值对应的云顶高度、云底高度、平均反射率因子，从而得到卫星云图覆盖区域内的云顶高度、云底高度和平均反射率因子水平分布图，为天气预报分析、数值预报和大气科学研究提供新的云信息。

说明书

技术领域

本发明属于气象探测技术领域，具体涉及一种云雷达与卫星探测数据融合方法及系统。

背景技术

从气象卫星云图上可以得到云分布情况、云量、云状，而没有给出云垂直结构分布。从 红外云图可以反演出云顶高度信息，由于云顶高度信息是利用红外辐射与温度相关反演得到， 同时红外辐射强度还与云体结构(疏密)等因素有关，因此反演云顶高度误差较大。从信息 的完整性来说，气象卫星云图不能满足气象对云高度信息的需求，特别是数值预报对云高十 分敏感，直接影响预报的准确性。

地基毫米波测云仪能够完整探测到云的垂直结构，可以给出云底高度、云顶高度和云的 垂直结构(反射率因子的垂直变化)。但地基毫米波测云仪布设密度决定了毫米波测云仪对云 的水平分布描述远不如卫星。由于卫星云图能完整描述云的水平分布，地基毫米波测云仪可 以完整探测到云的垂直信息，两者结合将可以给出云的整体描述，但两者如何结合实现对云 进行描述，需要进行研究。

发明内容

有鉴于此，本发明的目的在于解决上述的技术问题而提供一种云雷达与卫星探测数据融 合方法及系统，其可以实时输出卫星云图覆盖区域内每个亮温值对应的云顶高度、云底高度、 平均反射率因子，从而得到卫星云图覆盖区域内的云顶高度、云底高度和平均反射率因子水 平分布图，为天气预报分析、数值预报和大气科学研究提供新的云信息。

为实现上述目的，本发明采用如下技术方案：

一种云雷达与卫星探测数据融合方法，包括以下步骤：

建立卫星探测的亮温与毫米波云雷达探测的云顶高度、云底高度和平均反射率因子的神 经网络；

获取与毫米波云雷达上空对应的卫星亮温数据输入所述神经网络，通过所述神经网络处 理并输出卫星云图覆盖区域内每个亮温值对应的云顶高度、云底高度、平均反射率因子；

根据所述每个亮温值对应的云顶高度、云底高度、平均反射率因子得到卫星云图覆盖区 域内的云顶高度、云底高度和平均反射率因子水平分布图。

所述建立卫星探测的亮温与毫米波云雷达探测的云顶高度、云底高度和平均反射率因子 的神经网络是通过将预处理完成的卫星亮温样本数据作为输入，毫米波云雷达探测数据作为 输出，对已初始化的神经网络进行训练而得到的。

所述神经网络采用三层前馈BP神经网络算法模型。

所述卫星云图覆盖区域是指以所述云雷达为中心、一定公里为半径的区域。

所述一定公里为50公里。

本发明的目的还在于提供一种云雷达与卫星探测数据融合系统，包括：

毫米波云雷达，用于探测云顶高度、云底高度和平均反射率因子数据输入数据处理器进 行处理；

所述数据处理器，与所述毫米波云雷达，用于获取所述毫米波云雷达所述探测的云顶高 度、云底高度和平均反射率因子，以及获取与毫米波云雷达上空对应的卫星云图亮温数据， 通过训练好的卫星亮温与毫米波云雷达探测的云顶高度、云底高度和平均反射率因子的神经 网络进行处理，输出卫星云图覆盖区域内每个亮温值对应的云顶高度、云底高度、平均反射 率因子，根据所述每个亮温值对应的云顶高度、云底高度、平均反射率因子得到卫星云图覆 盖区域内的云顶高度、云底高度和平均反射率因子水平分布图。

本发明方法通过获取所述毫米波云雷达所述探测的云顶高度、云底高度和平均反射率因 子，以及获取与毫米波云雷达上空对应的卫星云图亮温数据，通过训练好的卫星亮温与毫米 波云雷达探测的云顶高度、云底高度和平均反射率因子的神经网络进行处理，实现了实时输 出卫星云图覆盖区域内每个亮温值对应的云顶高度、云底高度、平均反射率因子，从而根据 所述每个亮温值对应的云顶高度、云底高度、平均反射率因子得到卫星云图覆盖区域内的云 顶高度、云底高度和平均反射率因子水平分布图，为天气预报分析、数值预报和大气科学研 究提供新的云信息。

附图说明

图1为本发明实施例提供的云雷达与卫星探测数据融合方法的流程图；

图2为本发明实施例提供的BP神经网络算法模型的示意图；

图3为本发明实施例提供的云雷达与卫星探测数据融合系统的原理图。

具体实施方式

下面，结合实例对本发明的实质性特点和优势作进一步的说明，但本发明并不局限于所 列的实施例。

参见图1所示，一种云雷达与卫星探测数据融合方法，包括以下步骤：

建立卫星探测的亮温与毫米波云雷达探测的云顶高度CTH、云底高度CBH和平均反射 率因子Z的神经网络；

获取与毫米波云雷达上空对应的卫星亮温数据输入所述神经网络，通过所述神经网络处 理卫星亮温实时数据以及毫米波云雷达探测的云顶高度CTH、云底高度CBH和平均反射率 因子Z的数据，输出卫星云图覆盖区域内每个亮温值对应的云顶高度CTH、云底高度CBH、 平均反射率因子Z；

根据所述每个亮温值对应的云顶高度CTH、云底高度CBH、平均反射率因子Z得到卫 星云图覆盖区域内的云顶高度CTH、云底高度CTH和平均反射率因子Z水平分布图。

所述建立卫星探测的亮温与毫米波云雷达探测的云顶高度CTH、云底高度CBH和平均 反射率因子Z的神经网络是通过将预处理完成的卫星亮温样本数据作为输入，毫米波云雷达 探测数据作为输出，对已初始化的神经网络进行训练而得到的。

下面说明本发明的实现原理：

由于气象卫星可提供可见光、红外云图，可以给出云系辐射的水平分布。云体向上产生 可见光、红外辐射，这样云图上某一点的辐射强度可以表示为

$I_{\lambda \infty }^{\uparrow }=I_{\lambda 0}^{\uparrow }{e}^{-{\int }_0^{\infty }\alpha \sec \theta dH}+{\int }_0^{\infty }{\mathrm{\alpha B}}_{\lambda }{e}^{-{\int }_H^{\infty }\alpha \sec \theta dH}\sec \theta dH---\left(1\right)$

$\alpha =\left(\begin{array}{cc}{\alpha }_a& b>z>0\\ {\alpha }_a+{\alpha }_c& T\ge z\ge B\\ {\alpha }_a& z>T\end{array}\right)$

是卫星接收的辐射强度，是地面辐射强度，T是云顶高度，B是云底高度，H 是云的高度，B_λ是黑体辐射强度，α辐射途径的吸收系数，θ是辐射方向与天顶方向的夹 角，α_a是大气的吸收系数、α_c是云的吸收系数。从(1)式可以看出，卫星云图表示的辐 射强度与吸收系数有内在的联系。在云比较密实的情况下，在云区，由于云的吸收系数比较 大，略去地表和大气的的辐射作用，得到式(2)，

$I_{\lambda \infty }^{\uparrow }={\int }_B^T{\mathrm{\alpha B}}_{\lambda }{e}^{-{\int }_z^{\infty }\alpha \sec \theta dz}\sec \theta dZ---\left(2\right)$

如果用毫米波雷达探测的反射率因子Z(H)来表示α，得到α＝E'(Z(H))，那么，(2)式变 为：

${I^{\uparrow }}_{\lambda \infty }(T,B,Z)={\int }_B^T{B}_{\lambda }{E}^{\prime }\left(Z\right(H\left)\right)e^{-{\int }_H^T{\mathrm{sec\theta E}}^{\prime }\left(Z\right(H\left)\right)dH}---\left(3\right)$

根据式(3)，就可以毫米波雷达的探测资料计算出卫星云图在与毫米波测云仪对应点的 辐射强度。同样，通过这种内在的关系可以由卫星云图反演云顶高度、云底高度。

在一些点或位置布设毫米波测云仪，如A试验基地、B气象局、C气象局布设毫米波雷 达，这样对应每张卫星云图可以得到三组云底高度、云顶高度和反射率因子、卫星云图上红 外亮温，即：

B_i,T_i,Z_i,I_ii＝1，2，3,

这样，每天可以得到144组云底高度、云顶高度和反射率因子、卫星云图红外亮温，从 而就可以得到整个观测区域云顶高度分布、云底高度分布、云向上辐射强度水平分布、云量、 云状，得到的数据与云垂直分布、云水平分布、云量、云状的需求接近。

具体实施时，所述毫米波雷达(毫米波测云仪)的天线指向天空布置。

所述神经网络采用BP神经网络算法模型，具体的采用三层前馈BP神经网络，并通过以 上的卫星云图与毫米波测云仪对应点的辐射强度的关系得相应的云顶高度、云底高度和反射 率因子、卫星云图上红外亮温的对应数据。

参见图2所示，该图2示出了本发明采用的BP神经网络算法模型，具体的采用三层前 馈BP神经网络，输入变量X代表多通道卫星红外亮温数据，输出Z是云底高度、云顶高度、 平均反射率因子。通过该三层前馈BP神经网络可以实现将卫星红外亮温数据输入后，输出 相应的每个亮温数据值对应的云底高度、云顶高度、平均反射率因子，从而就可以此而得到 卫星云图覆盖区域内的云顶高度、云底高度和平均反射率因子水平分布图。

需要说明的是，本发明中，所述卫星云图覆盖区域是指以所述云雷达为中心、一定公里 为半径的区域。

具体的，所述一定公里可以为50公里或其它公里数值。

本发明通过毫米波雷达探测获取云垂直结构数据，如云底高度、云顶高度、反射率因子， 通过获取气象卫星云图资料，如红外亮温，和毫米波雷达探测资料进行处理，完成毫米波测 云仪探测数据与卫星探测数据融合，得到卫星云图覆盖范围内云顶高度、云底高度和平均反 射率因子水平分布图，为天气预报分析、数值预报和大气科学研究提供新的云信息

参见图3所示，本发明的目的还在于提供一种云雷达与卫星探测数据融合系统，包括：

毫米波云雷达，用于探测云底高度CBH、云顶高度CTH和平均反射率因子Z数据输入 数据处理器进行处理；

所述数据处理器，与所述毫米波云雷达，用于获取所述毫米波云雷达所述探测的云底高 度CBH、云顶高度CTH和平均反射率因子Z，并连接卫星云图系统以及获取与毫米波云雷 达上空对应的卫星云图亮温数据资料，通过训练好的卫星亮温与毫米波云雷达探测的云底高 度CBH、云顶高度CTH和平均反射率因子Z的神经网络进行处理，输出卫星云图覆盖区域 内每个亮温值对应的云底高度CBH、云顶高度CTH和平均反射率因子Z，根据所述每个亮 温值对应的云底高度CBH、云顶高度CTH、平均反射率因子Z得到卫星云图覆盖区域内的 云顶高度、云底高度和平均反射率因子水平分布图。

所述训练好的神经网络是通过建立卫星探测的亮温与毫米波云雷达探测的云底高度 CBH、云顶高度CTH和平均反射率因子Z的神经网络是通过将预处理完成的卫星亮温样本 数据作为输入，毫米波云雷达探测数据作为输出，对已初始化的神经网络进行训练而得到的。

所述神经网络采用BP神经网络算法模型,具体的采用三层前馈BP神经网络。

参见图2所示，该图2示出了本发明采用的BP神经网络算法模型，具体的采用三层前 馈BP神经网络，输入变量X代表多通道卫星红外亮温数据，输出Z是云底高度、云顶高度、 平均反射率因子。通过该三层前馈BP神经网络可以实现将卫星红外亮温数据输入后，输出 相应的每个亮温数据值对应的云底高度、云顶高度、平均反射率因子，从而就可以此而得到 卫星云图覆盖区域内的云顶高度、云底高度和平均反射率因子水平分布图。

需要说明的是，本发明中，所述卫星云图覆盖区域是指以所述云雷达为中心、一定公里 为半径的区域。

具体的，所述一定公里可以为50公里或其它公里数值。

可以看出，本发明方法通过获取所述毫米波云雷达所述探测的云底高度CBH、云顶高度 CTH和平均反射率因子Z，以及同步获取与毫米波云雷达上空对应的卫星云图亮温数据，通 过训练好的卫星亮温与毫米波云雷达探测的云底高度CBH、云顶高度CTH和平均反射率因 子Z的神经网络进行处理，实现了实时输出卫星云图覆盖区域内每个亮温值对应的云底高度 CBH、云顶高度CTH、平均反射率因子Z，从而根据所述每个亮温值对应的云底高度CBH、 云顶高度CTH、平均反射率因子Z得到卫星云图覆盖区域内的云顶高度、云底高度和平均反 射率因子水平分布图，为天气预报分析、数值预报和大气科学研究提供新的云信息。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说， 在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发 明的保护范围。