一种基于地面观测的雷暴大风风暴体标识方法及系统

摘要

本发明公开了一种基于地面观测的雷暴大风风暴体标识方法及系统，涉及气象及计算机领域。包括：步骤1、获取灾害性天气短时临近预报预警业务系统输出的雷达拼图、雷暴大风风暴体以及所述雷暴大风风暴体的相关属性信息，以及获取地面自动站接收到的地面风速观测信息；步骤2、对所述雷达拼图、所述雷暴大风风暴体的相关属性信息以及所述地面风速观测信息进行预处理得到待标识的雷暴大风风暴体数据；步骤3、对所述待标识的雷暴大风风暴体数据进行模糊逻辑计算处理，得到所述雷暴大风风暴体与所述地面风速观测信息中的地面观测到大风的匹配结果，完成标识。能够解决将地面站观测到的大风与多普勒雷达观测到的风暴体合理匹配的问题。

说明书

技术领域

本发明涉及气象及计算机领域，尤其涉及一种基于地面观测的雷暴大风风暴体标识方法及系统。

背景技术

由于雷暴大风可供研究的案例少，对其发生发展的机理仍不甚清晰，导致预报难度很大。近年来，应用人工智能来解决雷暴大风的识别和预报问题，成为了越来越多研究者的选择，目前，雷暴大风风暴体标识可分为以下几种方式：一是通过比较风暴体与出现雷暴大风的测站间的空间距离及时间偏差进行标识，二是依靠气象预报人员根据预报经验手动标识。前者仅仅考虑了风暴体与地面测站间的时空偏差，完全没有考虑风暴体强弱等特征因素。后者则是依据预报员主观判断，存在一定随机性。预报员主要根据风暴体强度等属性判断该风暴体是否为雷暴大风风暴体，但是，雷暴大风的基本观测量——风速，只能由地面风速测站获得。现有技术中没有解决将地面站观测到的大风与多普勒雷达观测到的风暴体合理匹配的问题。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于地面观测的雷暴大风风暴体标识方法及系统。

本发明解决上述技术问题的技术方案如下：一种基于地面观测的雷暴大风风暴体标识方法，包括：

步骤1、获取灾害性天气短时临近预报预警业务系统输出的雷达拼图、雷暴大风风暴体以及所述雷暴大风风暴体的相关属性信息，以及获取地面自动站接收到的地面风速观测信息；

步骤2、对所述雷达拼图、所述雷暴大风风暴体、所述雷暴大风风暴体的相关属性信息以及所述地面风速观测信息进行预处理得到待标识的雷暴大风风暴体数据；

步骤3、对所述待标识的雷暴大风风暴体数据进行模糊逻辑计算处理，得到所述雷暴大风风暴体与所述地面风速观测信息中的地面观测到大风的匹配结果，完成标识，并形成带有标识的雷暴大风风暴体数据集。

本发明的有益效果是：采用模糊逻辑方法，综合考虑风暴体属性和地面风速观测的时空信息，实现了可以将地面观测到的雷暴大风与雷达探测到的风暴体间的有效连接的方法，从而自动完成雷暴大风的标识工作，以形成质量可靠、标记方便的雷暴大风观测数据集，一方面改进了原有仅仅通过距离进行标识的合理性，使得数据更加可靠；另一方面，相较于人工标识提高了工作效率，减轻了预报员工作负担。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，步骤1具体为：

获取灾害性天气短时临近预报预警业务系统所生成的雷达回波拼图资料，获取利用三维格点风暴体识别和跟踪算法识别计算得出的每个体扫中所有风暴体的相关属性信息以及地面自动站接收到的极大风速、风速产生时间、地面自动站的经纬度。

采用上述进一步方案的有益效果是，通过三维格点对风暴体进行识别以及跟踪并得到每个风暴提的相关属性信息可以有效的为后续模糊运算的准确度进行铺垫，以此来保证风暴体识别度。

进一步，所述雷暴大风风暴体的相关属性信息包括：风暴体的质心位置、反射率因子强度、基于单体的垂直积分液态水含量以及移动速度。

采用上述进一步方案的有益效果是，确定风暴体的相关属性信息可以提高对于判断风暴体的准确程度，有利于对雷暴大风的自动标识。

进一步，步骤2具体为：

通过所述风暴体的质心位置、雷达的观测时间、所述地面自动站的经纬度、地面自动站的观测时间计算得到地面自动站与所述风暴体的质心位置的距离的第一偏差参数以及所述雷达的观测时间与所述地面自动站的观测时间的第二偏差参数。

采用上述进一步方案的有益效果是，对相关属性信息等进行预处理一方面有利于提高标识的准确度，另一方面可以提高标识的效率，将一些简单操作及运算提前进行处理可以大幅度减少时间成本。

进一步，步骤3具体为：

通过模糊逻辑方法将所述第一偏差参数、所述第二偏差参数、地面自动站观测到的时间、空间信息，与所述风暴体的相关属性信息相结合，计算雷暴大风风暴体与地面观测到大风的匹配程度，得到匹配结果，完成雷暴大风风暴体的标识，并形成带有标识的雷暴大风风暴体数据集。

采用上述进一步方案的有益效果是，利用匹配程度选择最为可能的雷暴大风标识，此外，形成数据集是为了便于日后调取，同时也可以为后续的判断做一个辅助依据。

进一步，还包括：

步骤4、对匹配结果进行验证，剔除掉不符合阈值的匹配结果以及相对应的雷暴大风风暴体，将剔除后的带有标识的雷暴大风风暴体生成最终的雷暴大风风暴体数据集。

采用上述进一步方案的有益效果是，经过筛选剔除后，将混入到雷暴大风风暴体中的非雷暴风暴体数据去掉，确保留下的均为正确且有价值的数据，同时生成最终的数据集以保证日后数据调取的便利性，同时还可以为接下来的判断做作证。

本发明解决上述技术问题的另一种技术方案如下：一种基于地面观测的雷暴大风风暴体标识系统，包括：

读取模块、用于获取灾害性天气短时临近预报预警业务系统输出的雷达拼图、雷暴大风风暴体以及所述雷暴大风风暴体的相关属性信息，以及获取地面自动站接收到的地面风速观测信息；

预处理模块、用于对所述雷达拼图、所述雷暴大风风暴体、所述雷暴大风风暴体的相关属性信息以及所述地面风速观测信息进行预处理得到待标识的雷暴大风风暴体数据；

标识算法模块、用于对所述待标识的雷暴大风风暴体数据进行模糊逻辑计算处理，得到雷暴大风风暴体与所述地面风速观测信息中的地面观测到大风的匹配结果，完成标识，并形成带有标识的雷暴大风风暴体数据集。

本发明的有益效果是：采用模糊逻辑方法，综合考虑风暴体属性和地面风速观测的时空信息，实现了可以将地面观测到的雷暴大风与雷达探测到的风暴体间的有效连接的方法，从而自动完成雷暴大风的标识工作，以形成质量可靠、标记方便的雷暴大风观测数据集，一方面改进了原有仅仅通过距离进行标识的合理性，使得数据更加可靠；另一方面，相较于人工标识提高了工作效率，减轻了预报员工作负担。

进一步，读取模块具体用于：

获取灾害性天气短时临近预报预警业务系统所生成的雷达回波拼图资料，获取利用三维格点风暴体识别和跟踪算法识别计算得出的每个体扫中所有风暴体的相关属性信息以及地面自动站接收到的极大风速、风速产生时间、地面自动站的经纬度。

采用上述进一步方案的有益效果是，通过三维格点对风暴体进行识别以及跟踪并得到每个风暴提的相关属性信息可以有效的为后续模糊运算的准确度进行铺垫，以此来保证风暴体识别度。

进一步，所述雷暴大风风暴体的相关属性信息包括：风暴体的质心位置、反射率因子强度、基于单体的垂直积分液态水含量以及移动速度。

采用上述进一步方案的有益效果是，确定风暴体的相关属性信息可以提高对于判断风暴体的准确程度，有利于对雷暴大风的自动标识。

进一步，预处理模块具体用于：

通过所述风暴体的质心位置、雷达的观测时间、所述地面自动站的经纬度、地面自动站的观测时间计算得到地面自动站与所述风暴体的质心位置的距离的第一偏差参数以及所述雷达的观测时间与所述地面自动站的观测时间的第二偏差参数。

采用上述进一步方案的有益效果是，对相关属性信息等进行预处理一方面有利于提高标识的准确度，另一方面可以提高标识的效率，将一些简单操作及运算提前进行处理可以大幅度减少时间成本。

进一步，标识算法模块具体用于：

通过模糊逻辑方法将所述第一偏差参数、所述第二偏差参数、地面自动站观测到的时间、空间信息，与所述风暴体的相关属性信息相结合，计算雷暴大风风暴体与地面观测到大风的匹配程度，得到匹配结果，完成雷暴大风风暴体的标识，并形成带有标识的雷暴大风风暴体数据集。

采用上述进一步方案的有益效果是，利用匹配程度选择最为可能的雷暴大风标识，此外，形成数据集是为了便于日后调取，同时也可以为后续的判断做一个辅助依据。

进一步，还包括：

后处理及输出模块、用于对匹配结果进行验证，剔除掉不符合阈值的匹配结果以及相对应的雷暴大风风暴体，将剔除后的带有标识的雷暴大风风暴体生成最终的雷暴大风风暴体数据集。

采用上述进一步方案的有益效果是，经过筛选剔除后，将混入到雷暴大风风暴体中的非雷暴风暴体数据去掉，确保留下的均为正确且有价值的数据，同时生成最终的数据集以保证日后数据调取的便利性，同时还可以为接下来的判断做作证。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明一种基于地面观测的雷暴大风风暴体标识方法的实施例提供的流程示意图；

图2为本发明一种基于地面观测的雷暴大风风暴体标识系统的实施例提供的结构框架图。

附图中，各标号所代表的部件列表如下：

100、读取模块，200、预处理模块，300、标识算法模块。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种基于地面观测的雷暴大风风暴体标识方法，包括：

步骤1、获取灾害性天气短时临近预报预警业务系统输出的雷达拼图、雷暴大风风暴体以及雷暴大风风暴体的相关属性信息，以及获取地面自动站接收到的地面风速观测信息；

步骤2、对雷达拼图、雷暴大风风暴体、雷暴大风风暴体的相关属性信息以及地面风速观测信息进行预处理得到待标识的雷暴大风风暴体数据；

步骤3、对待标识的雷暴大风风暴体数据进行模糊逻辑计算处理，得到雷暴大风风暴体与地面风速观测信息中的地面观测到大风的匹配结果，完成标识，并形成带有标识的雷暴大风风暴体数据集。

在一些可能的实施方式中，采用模糊逻辑方法，综合考虑风暴体属性和地面风速观测的时空信息，实现了可以将地面观测到的雷暴大风与雷达探测到的风暴体间的有效连接的方法，从而自动完成雷暴大风的标识工作，以形成质量可靠、标记方便的雷暴大风观测数据集，一方面改进了原有仅仅通过距离进行标识的合理性，使得数据更加可靠；另一方面，相较于人工标识提高了工作效率，减轻了预报员工作负担。

需要说明的是，步骤2中的预处理具体为：通过风暴体质心位置、雷达观测时间和地面自动站经纬度、地面自动站观测时间计算得到地面测站与风暴体质心距离、雷达观测时间与地面站观测时间偏差参数。在大风个例中，用自动站极大风速及其出现时间作为地面标识。以上信息均有自动观测，能够获取准确的地理位置和时间。

另外，采用模糊逻辑计算处理具体为：从风暴体属性和空间位置给出大风标识指标，确定每个指标对应的0-1取值范围的模糊逻辑隶属函数和权重系数，建立雷暴大风自动标识方法。各个指标及其具体的隶属函数可表示为：

a)风暴体质心位置与地面风速观测站之间的距离(Dist，单位：km)

在该指标上，若风暴体距离地面测站间距离超过50km，则认为该风暴体过远，无法造成该地面站出现雷暴大风；根据Orlanski尺度划分理论，造成雷暴大风的风暴体水平特征空间尺度为20km，若假设风暴体为圆形，则其半径应为10km。因此，对于风暴体质心位置与地面风速观测站之间的距

离小于10km的情况，认为其位置完全满足上述假设，即该风暴体导致地面出现大风的可能性大。上述设定可数学表达为：

b)雷达观测到风暴体的时间与地面风速观测时间的偏差(dTime，单位：min)

一方面，由于目前雷达观测为旋转体扫模式(国内多数天气雷达采用VCP21模式进行探测，该模式完成一个体扫需要6min时间)，因此雷达观测到的风暴体应为一个6min时间段内的综合观测。另一方面，雷达观测在为风暴体空中信息，其与地面上造成的大风会出现一小段时间偏移(多数情况下是雷达观测提前)。因此，认为雷达观测到的风暴体时间与地面大风出现时间的偏差在[-18min,6min]均为合理设定(在此，将雷达观测时间早于地面观测时间记为负值，反之为正值)，但雷达观测提前6min为最佳。上述设定可数学表达为：

c)风暴体最大组合反射率因子(CR

多普勒天气雷达是监测对流系统的基本手段，雷暴大风天气系统往往具有反射率大的特点。这是因为更大的反射率因子一定程度上表征更多的降水粒子，而降水的拖曳作用是产生雷暴大风的重要原因之一。基于雷暴大风识别的研究成果和重庆本地风暴体统计特征，认为CR

d)风暴体移动速度(S，单位：km/h)

风暴体移动速度与地面大风也有一定联系，往往移速越快，产生大风的可能性越大。基于雷暴大风识别的研究成果和重庆本地风暴体统计特征，认为S＜30km/h时不会造成雷暴大风；而S＞50km/h时，造成雷暴大风的可能性很大。上述设定可数学表达为：

e)风暴体最大垂直积分液态水含量(VIL

垂直积分液态水含量(VIL

基于以上指标和隶属函数，可计算每个时刻、每个风暴体与地面观测到的雷暴大风间的“匹配程度”(Q)，Q的数学表达式为：

Q＝0.3×f(Dist)+0.2×f(dTime)+0.2×f(CR

遍历雷暴大风发生时刻前后30min、空间范围内100km内的全部风暴体，计算每个风暴体的匹配程度，从中选取匹配程度最高的风暴体。认为该风暴体造成了地面雷暴大风。

优选地，在上述任意实施例中，步骤1具体为：

获取灾害性天气短时临近预报预警业务系统所生成的雷达回波拼图资料，获取利用三维格点风暴体识别和跟踪算法识别计算得出的每个体扫中所有风暴体的相关属性信息以及地面自动站接收到的极大风速、风速产生时间、地面自动站的经纬度。

在一些可能的实施方式中，通过三维格点对风暴体进行识别以及跟踪并得到每个风暴提的相关属性信息可以有效的为后续模糊运算的准确度进行铺垫，以此来保证风暴体识别度。

优选地，在上述任意实施例中，雷暴大风风暴体的相关属性信息包括：风暴体的质心位置、反射率因子强度、基于单体的垂直积分液态水含量以及移动速度。

在一些可能的实施方式中，确定风暴体的相关属性信息可以提高对于判断风暴体的准确程度，有利于对雷暴大风的自动标识。

优选地，在上述任意实施例中，步骤2具体为：

通过风暴体的质心位置、雷达的观测时间、地面自动站的经纬度、地面自动站的观测时间计算得到地面自动站与风暴体的质心位置的距离的第一偏差参数以及雷达的观测时间与地面自动站的观测时间的第二偏差参数。

在一些可能的实施方式中，对相关属性信息等进行预处理一方面有利于提高识别的准确度，另一方面可以提高识别的效率，将一些简单操作及运算提前进行处理可以大幅度减少时间成本。

优选地，在上述任意实施例中，步骤3具体为：

通过模糊逻辑方法将第一偏差参数、第二偏差参数、地面自动站观测到的时间、空间信息，与风暴体的相关属性信息相结合，计算雷暴大风风暴体与地面观测到大风的匹配程度，得到匹配结果，完成雷暴大风风暴体的标识，并形成带有标识的雷暴大风风暴体数据集。

在一些可能的实施方式中，利用匹配程度选择最为可能的雷暴大风标识，此外，形成数据集是为了便于日后调取，同时也可以为后续的判断做一个辅助依据。

优选地，在上述任意实施例中，还包括：

步骤4、对匹配结果进行验证，剔除掉不符合阈值的匹配结果以及相对应的雷暴大风风暴体，将剔除后的带有标识的雷暴大风风暴体生成最终的雷暴大风风暴体数据集。

在一些可能的实施方式中，经过筛选剔除后，将混入到雷暴大风风暴体中的非雷暴风暴体数据去掉，确保留下的均为正确且有价值的数据，同时生成最终的数据集以保证日后数据调取的便利性，同时还可以为接下来的判断做作证。

需要说明的是，基于匹配程度Q，对风暴体进行质控：认为Q<0.5的标识结果不可信，算法给出的风暴体造成地面雷暴大风的可能性较小。对通过质控的风暴体，进行标识和入库，最终完成地面所测大风与雷达所测风暴体间的合理匹配，形成基于地面观测的雷暴大风风暴体标识结果。

如图2所示，一种基于地面观测的雷暴大风风暴体标识系统，包括：

读取模块100、用于获取灾害性天气短时临近预报预警业务系统输出的雷达拼图、雷暴大风风暴体以及雷暴大风风暴体的相关属性信息，以及获取地面自动站接收到的地面风速观测信息；

预处理模块200、用于对雷达拼图、雷暴大风风暴体、雷暴大风风暴体的相关属性信息以及地面风速观测信息进行预处理得到待标识的雷暴大风风暴体数据；

标识算法模块300、用于对待标识的雷暴大风风暴体数据进行模糊逻辑计算处理，得到雷暴大风风暴体与地面风速观测信息中的地面观测到大风的匹配结果，完成标识，并形成带有标识的雷暴大风风暴体数据集。

在一些可能的实施方式中，采用模糊逻辑方法，综合考虑风暴体属性和地面风速观测的时空信息，实现了可以将地面观测到的雷暴大风与雷达探测到的风暴体间的有效连接的方法，从而自动完成雷暴大风的标识工作，以形成质量可靠、标记方便的雷暴大风观测数据集，一方面改进了原有仅仅通过距离进行标识的合理性，使得数据更加可靠；另一方面，相较于人工标识提高了工作效率，减轻了预报员工作负担。

优选地，在上述任意实施例中，读取模块100具体用于：

获取灾害性天气短时临近预报预警业务系统所生成的雷达回波拼图资料，获取利用三维格点风暴体识别和跟踪算法识别计算得出的每个体扫中所有风暴体的相关属性信息以及地面自动站接收到的极大风速、风速产生时间、地面自动站的经纬度。

在一些可能的实施方式中，通过三维格点对风暴体进行识别以及跟踪并得到每个风暴提的相关属性信息可以有效的为后续模糊运算的准确度进行铺垫，以此来保证风暴体识别度。

优选地，在上述任意实施例中，雷暴大风风暴体的相关属性信息包括：风暴体的质心位置、反射率因子强度、基于单体的垂直积分液态水含量以及移动速度。

在一些可能的实施方式中，确定风暴体的相关属性信息可以提高对于判断风暴体的准确程度，有利于对雷暴大风的自动标识。

优选地，在上述任意实施例中，预处理模块200具体用于：

通过风暴体的质心位置、雷达的观测时间、地面自动站的经纬度、地面自动站的观测时间计算得到地面自动站与风暴体的质心位置的距离的第一偏差参数以及雷达的观测时间与地面自动站的观测时间的第二偏差参数。

在一些可能的实施方式中，对相关属性信息等进行预处理一方面有利于提高标识的准确度，另一方面可以提高标识的效率，将一些简单操作及运算提前进行处理可以大幅度减少时间成本。

优选地，在上述任意实施例中，标识算法模块300具体用于：

通过模糊逻辑方法将第一偏差参数、第二偏差参数、地面自动站观测到的时间、空间信息，与风暴体的相关属性信息相结合，计算雷暴大风风暴体与地面观测到大风的匹配程度，得到匹配结果，完成雷暴大风风暴体的标识，并形成带有标识的雷暴大风风暴体数据集。

在一些可能的实施方式中，利用匹配程度选择最为可能的雷暴大风标识，此外，形成数据集是为了便于日后调取，同时也可以为后续的判断做一个辅助依据。

优选地，在上述任意实施例中，还包括：

后处理及输出模块、用于对匹配结果进行验证，剔除掉不符合阈值的匹配结果以及相对应的雷暴大风风暴体，将剔除后的带有标识的雷暴大风风暴体生成最终的雷暴大风风暴体数据集。

在一些可能的实施方式中，经过筛选剔除后，将混入到雷暴大风风暴体中的非雷暴风暴体数据去掉，确保留下的均为正确且有价值的数据，同时生成最终的数据集以保证日后数据调取的便利性，同时还可以为接下来的判断做作证。

可以理解，在一些实施例中，可以包含如上述各实施例中的部分或全部可选实施方式。

需要说明的是，上述各实施例是与在先方法实施例对应的产品实施例，对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明，在此不再赘述。

上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。