CN109490891A - 二次云数据获取方法、装置及云参数计算设备 - Google Patents
二次云数据获取方法、装置及云参数计算设备 Download PDFInfo
- Publication number
- CN109490891A CN109490891A CN201811406622.9A CN201811406622A CN109490891A CN 109490891 A CN109490891 A CN 109490891A CN 201811406622 A CN201811406622 A CN 201811406622A CN 109490891 A CN109490891 A CN 109490891A
- Authority
- CN
- China
- Prior art keywords
- cloud
- observation point
- data
- parameter
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013481 data capture Methods 0.000 title claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 89
- 239000002245 particle Substances 0.000 claims abstract description 81
- 238000001556 precipitation Methods 0.000 claims abstract description 64
- 230000003595 spectral effect Effects 0.000 claims abstract description 33
- 230000028161 membrane depolarization Effects 0.000 claims description 38
- 238000001514 detection method Methods 0.000 claims description 26
- 238000001228 spectrum Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 12
- 239000007788 liquid Substances 0.000 claims description 10
- 230000010287 polarization Effects 0.000 claims description 9
- 241000208340 Araliaceae Species 0.000 claims description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 6
- 235000008434 ginseng Nutrition 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种二次云数据获取方法、装置及云参数计算设备。所述方法包括：获取各观测点的云雷达基数据、功率谱密度数据及LWP数据；根据各观测点的云雷达基数据进行云层划分识别，得到云层参数；根据各观测点的云雷达基数据对零度层亮带进行范围定位，得到零度层亮带参数；根据各观测点的功率谱密度数据及云雷达基数据计算各观测点处的降水粒子的降水参数；根据得到的云层参数及各观测点的LWP数据和云雷达基数据，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算绘制出各观测点处的云水含量廓线。所述方法可向用户提供云的宏观物理参数及微观物理参数，降低人力资源消耗及数据获取时长，确保数据精准度。
Description
技术领域
本申请涉及气象测试技术领域，具体而言，涉及一种二次云数据获取方法、装置及云参数计算设备。
背景技术
云观测是气象测试技术中一项极为重要的技术分支，它能够为天气、气候、人工影响天气和云物理研究等领域提供数据支持，并促进各领域的相关技术研究。目前，毫米波测云雷达已逐渐成为人们获取云的微宏观参数的重要工具，但目前的毫米波测云雷达提供给人们的云雷达基数据属于原始数据，人们在获得原始数据后需要针对该原始数据自行地进行人工分析，方能得到想要的与云相关的宏观物理参数(例如，云层的高度信息、各云层的厚度信息、各云层的浓密程度信息及相邻云层之间的间隔信息，以及亮度层亮带的高度信息、亮度层亮带的厚度信息等)及微观物理参数(例如，降水粒子的下落速度、空气上升速度、雨滴谱参数、雨强参数及液态含水量参数以及云水含量廓线等)，整个二次云数据(包括与云相关的宏观物理参数及微观物理参数)的获取过程人力资源消耗大，整体的获取时间跨度大，最终获取到的数据精准度不高。
发明内容
为了克服现有技术中的上述不足，本申请的目的在于提供一种二次云数据获取方法、装置及云参数计算设备，所述二次云数据获取方法能够自行地根据云雷达基数据、功率谱密度数据及LWP(liquid water path，液态云水路径)数据进行二次云数据计算，并快速地向用户提供对应的包括与云相关的宏观物理参数及微观物理参数的二次云数据，以降低二次云数据获取过程的人力资源消耗及数据获取时长，并确保数据精准度。
就方法而言，本申请实施例提供一种二次云数据获取方法，应用于云参数计算设备，所述方法包括：
获取由测云雷达观测得到的各观测点的云雷达基数据及功率谱密度数据，并获取由与所述测云雷达匹配的微波辐射计观测到的各观测点的液态云水路径LWP数据，其中所述云雷达基数据包括观测点在不同时刻的回波强度数据、径向速度数据及退偏振因子数据；
根据预设云厚度阈值、预设云间隔阈值以及各观测点的回波强度数据在不同时刻对应的高度信息及轮廓信息，对各观测点的回波强度数据进行云层划分识别，得到对应的云层参数；
根据零度层预判高度区间及各观测点的高度信息进行初判零度层范围圈定，并根据处于初判零度层范围内的各观测点在第一时间间隔所对应的时间段内的回波强度数据、径向速度数据及退偏振因子数据对零度层亮带进行范围定位，得到对应的零度层亮带参数；
根据各观测点在第二时间间隔所对应的时间段内的功率谱密度数据及径向速度数据计算各观测点处的降水粒子的下落速度及空气上升速度，并基于功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系，计算得到各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数；
根据得到的云层参数及各观测点所对应的高度信息，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算得到各观测点对应的回波强度影响度值，并基于各观测点对应的LWP数据、回波强度数据及回波强度影响值计算绘制出各观测点处的云水含量廓线。
就装置而言，本申请实施例提供一种二次云数据获取装置，应用于云参数计算设备，所述装置包括：
数据获取模块，用于获取由测云雷达观测得到的各观测点的云雷达基数据及功率谱密度数据，并获取由与所述测云雷达匹配的微波辐射计观测到的各观测点的液态云水路径LWP数据，其中所述云雷达基数据包括观测点在不同时刻的回波强度数据、径向速度数据及退偏振因子数据；
云层识别模块，用于根据预设云厚度阈值、预设云间隔阈值以及各观测点的回波强度数据在不同时刻对应的高度信息及轮廓信息，对各观测点的回波强度数据进行云层划分识别，得到对应的云层参数；
零度层识别模块，用于根据零度层预判高度区间及各观测点的高度信息进行初判零度层范围圈定，并根据处于初判零度层范围内的各观测点在第一时间间隔所对应的时间段内的回波强度数据、径向速度数据及退偏振因子数据对零度层亮带进行范围定位，得到对应的零度层亮带参数；
降水参数获取模块，用于根据各观测点在第二时间间隔所对应的时间段内的功率谱密度数据及径向速度数据计算各观测点处的降水粒子的下落速度及空气上升速度，并基于功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系，计算得到各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数；
云水参数获取模块，用于根据得到的云层参数及各观测点所对应的高度信息，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算得到各观测点对应的回波强度影响度值，并基于各观测点对应的LWP数据、回波强度数据及回波强度影响值计算绘制出各观测点处的云水含量廓线。
就设备而言，本申请实施例提供一种云参数计算设备，所述云参数计算设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述云参数计算设备上述的二次云数据获取方法。
相对于现有技术而言，本申请实施例提供的二次云数据获取方法、装置及云参数计算设备具有以下有益效果：所述二次云数据获取方法能够自行地根据云雷达基数据、功率谱密度数据及LWP数据进行二次云数据计算，并快速地向用户提供对应的包括与云相关的宏观物理参数及微观物理参数的二次云数据，以降低二次云数据获取过程的人力资源消耗及数据获取时长，并确保数据精准度。所述方法在获取到由测云雷达观测得到的各观测点的云雷达基数据后，会基于所述云雷达基数据进行云层划分识别及零度层亮带范围定位，以获取对应的宏观物理参数(包括云层参数及零度层亮带参数)。所述方法可基于所述由测云雷达观测得到的各观测点的功率谱密度数据及所述云雷达基数据计算测得各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数，并根据云水粒子在不同云层内对应的回波强度影响度模型及由与所述测云雷达匹配的微波辐射计观测到的各观测点的LWP数据计算测得各观测点处的云水含量廓线，以得到对应的微观物理参数(包括雨滴谱参数、雨强参数及液态含水量参数及云水含量廓线)，从而降低二次云数据获取过程的人力资源消耗及数据获取时长，确保数据精准度。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举本申请较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对本申请权利要求保护范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的云参数计算设备的方框示意图。
图2为本申请实施例提供的二次云数据获取方法的一种流程示意图。
图3为本申请实施例提供的二次云数据获取方法的另一种流程示意图。
图4为本申请实施例提供的二次云数据获取装置的一种方框示意图。
图5为本申请实施例提供的二次云数据获取装置的另一种方框示意图。
图标：10-云参数计算设备；11-存储器；12-处理器；13-通信单元；100-二次云数据获取装置；110-数据获取模块；120-云层识别模块；130-零度层识别模块；140-降水参数获取模块；150-云水参数获取模块；160-计算参数配置模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，是本申请实施例提供的云参数计算设备10的方框示意图。在本申请实施例中，所述云参数计算设备10可根据测云雷达观测得到的各观测点的云雷达基数据自行地进行二次云数据计算，并快速地向用户提供对应的包括与云相关的宏观物理参数及微观物理参数的二次云数据，以降低二次云数据获取过程的人力资源消耗及数据获取时长，并确保数据精准度。其中，所述观测点为能够具体观测到云雷达基数据的用于指示云的方位的位置点，所述云雷达基数据包括回波强度数据、径向速度数据及退偏振因子数据，所述回波强度数据用于指示云的强弱，所述径向数据用于指示云在竖直的观测方向上的移动速度，所述退偏振因子数据用于指示云在有微波直射到自身上时在水平方向上对该微波的偏振影响能力。其中，所述云参数计算设备10可以是，但不限于，测云雷达、智能手机、个人电脑(personal computer，PC)、平板电脑、个人数字助理(personal digital assistant，PDA)、移动上网设备(mobile Internet device，MID)等。
在本实施例中，所述云参数计算设备10包括二次云数据获取装置100、存储器11、处理器12及通信单元13。所述存储器11、处理器12及通信单元13各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
在本实施例中，所述存储器11为非易失性存储器，所述存储器11可存储有用于进行云层划分识别时所需的预设云厚度阈值及预设云间隔阈值，其中所述预设云厚度阈值可以是150m，也可以是180m，还可以是190m，所述预设云间隔阈值可以是200m，也可以是190m，还可以是210m，具体的阈值数值可根据需求进行不同的配置。
在本实施例中，所述存储器11可存储有用于进行定位零度层亮带范围的零度层预判高度区间、第一时间间隔、零度层回波识别要求、零度层径向识别要求、零度层退偏振识别要求、预设回波差值阈值、预设速度差值阈值及预设退偏振差值阈值。其中，所述零度层预判高度区间用于指示零度层的大概高度范围，其数值可以是以某个高度对准的上下一定高度差的范围，所述一定高度差可以是1.5km；所述第一时间间隔可以是5min，也可以是6min，还可以是3min，具体的数值可根据需求进行不同的配置。所述零度层回波识别要求用于判断观测点的回波强度数据是否能够到满足零度层识别，所述零度层回波识别要求可以是指示回波强度数值不小于某个数值，例如-10dBZ；所述零度层径向识别要求用于判断观测点的径向速度数据是否满足零度层识别，所述零度层径向识别要求可以是指示回波强度数值不大于某个数值，例如-1.0m/s(根据雷达气象的惯例，径向速度以垂直向下为负)；所述零度层退偏振识别要求用于判断观测点的退偏振因子数据是否满足零度层识别，所述零度层径向识别要求可以是指示回波强度数值不大于某个数值。所述预设回波差值阈值、预设速度差值阈值及预设退偏振差值阈值用于判断某个观测点相对于另一参考观测点的回波强度差值、径向速度差值及退偏振因子差值是否满足处于零度层亮带的范围内，所述预设回波差值阈值的数值可以是3dBZ，所述预设速度差值阈值可以是1m/s，所述预设退偏振差值阈值可以是3dB。
在本实施例中，所述存储器11可存储有用于获取降水粒子的相关参数(包括降水粒子的下落速度、空气上升速度、雨滴谱参数、雨强参数及液态含水量参数等)的第二时间间隔，以及功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系。其中，所述第二时间间隔可以是5min，也可以是6min，还可以是3min，具体的数值可根据需求进行不同的配置。所述功率谱密度数据与雨滴谱参数之间的对应关系可用如下式子进行表示：
式中，SZ(Vr)为功率谱密度数据，Z为反射率因子(回波强度数据)，Vr、Vf和Va分别代表雷达观测的径向速度数据、降水粒子的下落速度数据和空气的上升速度数据，这里定义降水粒子的下落速度以向下为正，空气的上升速度和雷达观测的径向速度以向上为正；D为降水粒子的直径，N(D)为雨滴谱，σ(D)为降水粒子的后向散射截面。其中，降水粒子的直径和下落速度的关系可用下式表达为：
式中，ρ和ρ0分别表示空中和地面的空气密度。而降水粒子的液态含水量参数与雨强参数可用如下式子表示：
其中，R(mm/h)表示降水粒子的雨强参数，LWC(g/m3)表示降水粒子的液态含水量参数。
在本实施例中，所述存储器11可存储有用于获取云水粒子的相关参数的云水粒子在不同云层内对应的回波强度影响度模型，及云水含量数值与LWP数据、回波强度数据及回波强度影响值之间的对应关系。
在本实施例中，所述云水粒子在不同云层内对应的回波强度影响度模型包括不同云层对应的回波强度影响度子模型。例如，当观测点对应高度信息处于各云层对应高度之下时，此时的回波强度影响度子模型所对应的回波强度影响度值Fliq＝0；当观测点对应高度信息处于云底以上到零度层顶部之间的云层时，此时的回波强度影响度子模型所对应的回波强度影响度值可用如下式子进行表示：
式中，dBZ表示观测点对应的回波强度数据(上述符号Z)，V表示观测点对应的径向速度数据(上述符号Vr)。
当观测点对应高度信息处于零度层以上到-16℃层之间的云层时，此时的回波强度影响度子模型所对应的回波强度影响度值可用如下式子进行表示：
式中，T表示观测点对应的温度数值，0°表示对应云层温度为0℃，-16°表示对应云层温度为-16℃。
当观测点对应高度信息处于-16℃层以上的云层时，此时的回波强度影响度子模型所对应的回波强度影响度值Fliq＝0。
在本实施例中，所述云水含量数值与LWP数据、回波强度数据及回波强度影响值之间的对应关系可用下式表示为：
式中，LWCi表示第i个观测点所在距离库处的云水粒子的液态水含量，Q表示微波辐射计对应获取得到的LWP数据，b为选择的Z-LWC经验关系中的作用系数，M表示测云雷达观测的距离库数，Δz表示雷达距离库长，Zi表示第i个观测点所在距离库处的回波强度数据，Fliq表示云水粒子对应的回波强度影响度值。
在本实施例中，所述存储器11还可以存储程序，所述处理器12在接收到执行指令后，可相应地执行所述程序。
在本实施例中，所述处理器12可以是一种具有信号的处理能力的集成电路芯片。所述处理器12可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)、网络处理器(Network Processor，NP)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
在本实施例中，所述通信单元13用于通过网络建立所述云参数计算设备10与其他电子设备之间的通信连接，并通过所述网络收发数据。例如，所述云参数计算设备10通过所述通信单元13获取由测云雷达观测得到的各观测点的云雷达基数据及功率谱密度数据，并获取由与所述测云雷达匹配的微波辐射计观测到的各观测点的液态云水路径LWP数据。
在本实施例中，所述二次云数据获取装置100包括至少一个能够以软件或固件的形式存储于所述存储器11中或固化在所述云参数计算设备10的操作系统中的软件功能模块。所述处理器12可用于执行所述存储器11存储的可执行模块，例如所述二次云数据获取装置100所包括的软件功能模块及计算机程序等。所述云参数计算设备10通过所述二次云数据获取装置100自行地根据云雷达基数据、功率谱密度数据及LWP数据进行二次云数据计算，并快速地向用户提供对应的包括与云相关的宏观物理参数及微观物理参数的二次云数据，以降低二次云数据获取过程的人力资源消耗及数据获取时长，并确保数据精准度。
可以理解的是，图1所示的框图仅为云参数计算设备10的一种结构组成示意图，所述云参数计算设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2，是本申请实施例提供的二次云数据获取方法的一种流程示意图。在本申请实施例中，所述二次云数据获取方法应用于上述的云参数计算设备10，下面对图2所示的二次云数据获取方法的具体流程和步骤进行详细阐述。
步骤S210，获取各观测点的云雷达基数据及功率谱密度数据，并获取各观测点的LWP数据。
在本实施例中，各观测点的云雷达基数据及功率谱密度数据由测云雷达观测得到，各观测点的液态云水路径LWP数据由与所述测云雷达匹配的微波辐射计观测到，所述云雷达基数据包括观测点在不同时刻的回波强度数据、径向速度数据及退偏振因子数据。
步骤S220，根据预设云厚度阈值、预设云间隔阈值以及各观测点的回波强度数据在不同时刻对应的高度信息及轮廓信息，对各观测点的回波强度数据进行云层划分识别，得到对应的云层参数。
在本实施例中，所述根据预设云厚度阈值、预设云间隔阈值以及各观测点的回波强度数据在不同时刻对应的高度信息及轮廓信息，对各观测点的回波强度数据进行云层划分识别，得到对应的云层参数的步骤包括：
根据各观测点所对应的轮廓信息在竖直方向对各观测点进行数据分隔，并将径向高度数值大于所述预设云厚度阈值的观测点标定为云分段；
根据各观测点所对应的高度信息计算相邻两个云分段之间的云间隔，并在计算出的云间隔小于所述预设云间隔阈值时，将所述云间隔对应的两个云分段划分到同一云层，从而将各观测点划分为不同的云层。
在本实施例中，所述云参数计算设备10在将各观测点划分为不同的云层后，会基于划分得到的各云层及各观测点对应的高度信息，得到包括各观测点所属云层的高度信息、各云层的厚度信息、各云层的浓密程度信息及相邻云层之间的间隔信息的云层参数，其中云顶定义为云分段的上边界高度的平均值，云底定义为云分段的下边界高度的平均值，云间隔表示为下面一层云分段的云顶和上面一层云分段的云底的高度差。所述云参数计算设备10在得到划分出的各云层后，可剔除持续时间较短的云层，以避免持续时间较短的云层对气象预测的影响。
步骤S230，根据零度层预判高度区间及各观测点的高度信息进行初判零度层范围圈定，并根据处于初判零度层范围内的各观测点在第一时间间隔所对应的时间段内的回波强度数据、径向速度数据及退偏振因子数据对零度层亮带进行范围定位，得到对应的零度层亮带参数。
在本实施例中，所述根据处于初判零度层范围内的各观测点在第一时间间隔所对应的时间段内的回波强度数据、径向速度数据及退偏振因子数据对零度层亮带进行范围定位，得到对应的零度层亮带参数的步骤包括：
计算处于初判零度层范围内的每个观测点在第一时间间隔所对应的时间段内的回波强度平均值、径向速度平均值及退偏振因子平均值；
检测初判零度层范围内的每个观测点的回波强度平均值、径向速度平均值及退偏振因子平均值是否分别满足零度层回波识别要求、零度层径向识别要求及零度层退偏振识别要求，并筛选出回波强度平均值、径向速度平均值及退偏振因子平均值中至少两项参数满足对应识别要求的观测点；
在筛选出的观测点中，选择以回波强度平均值最大的观测点为起始点沿从下往上的方向判断预设高度间隔的两个观测点中远离所述起始点的观测点是否处于零度层亮带，选择以退偏振因子平均值最大的观测点为起始点沿从上往下的方向判断预设高度间隔的两个观测点中远离所述起始点的观测点是否处于零度层亮带，以完成对所述零度层亮带的范围定位。
其中，所述判断预设高度间隔的两个观测点中远离所述起始点的观测点是否处于零度层亮带的步骤包括：
计算以所述起始点为准的相距预设高度间隔的两个观测点之间的回波强度差值、径向速度差值及退偏振因子差值；
将计算出的回波强度差值与预设回波差值阈值进行比较，将计算出的径向速度差值与预设速度差值阈值进行比较，将计算出的退偏振因子差值与预设退偏振差值阈值进行比较；
若所述回波强度差值、所述径向速度差值及所述退偏振因子差值中至少两个差值大于各自对应的阈值，则判定对应的两个观测点中远离所述起始点的观测点处于零度层亮带内。
在本实施例中，当所述云参数计算设备10完成对所述零度层亮带的范围定位后，可根据处于所述零度层亮带范围内的各观测点的云雷达基数据，计算得到包括亮度层亮带的高度信息、亮度层亮带的厚度信息、亮度层亮带的回波强度、径向速度及退偏振因子各自与时间之间的变化曲线的零度层亮带参数。
步骤S240，根据各观测点在第二时间间隔所对应的时间段内的功率谱密度数据及径向速度数据计算各观测点处的降水粒子的下落速度及空气上升速度，并计算得到各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数。
在本实施例中，所述根据各观测点在第二时间间隔所对应的时间段内的功率谱密度数据及径向速度数据计算各观测点处的降水粒子的下落速度及空气上升速度的步骤包括：
计算每个观测点在第二时间间隔所对应的时间段内的功率谱密度平均值及径向速度平均值；
在每个观测点对应的功率谱密度平均值上减去所述测云雷达自身的噪声电平，得到每个观测点处对应的有效功率谱密度平均值；
根据每个观测点处的降水粒子与云粒子各自在所述有效功率谱密度平均值中的影响度值，对该观测点处的径向速度平均值进行速度分割，得到该观测点处的降水粒子的下落速度及空气上升速度，其中径向速度等于降水粒子的下落速度及空气上升速度之和。
在本实施例中，当所述云参数计算设备10获取到各观测点处的降水粒子的下落速度及空气上升速度后，可根据上述存储器11中存储的功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系，计算得到各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数。
步骤S250，根据得到的云层参数及各观测点所对应的高度信息，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算得到各观测点对应的回波强度影响度值，并基于各观测点对应的LWP数据、回波强度数据及回波强度影响值计算绘制出各观测点处的云水含量廓线。
在本实施例中，所述云参数计算设备10中预存的云水粒子在不同云层内对应的回波强度影响度模型包括不同云层对应的回波强度影响度子模型，所述根据得到的云层参数及各观测点所对应的高度信息，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算得到各观测点对应的回波强度影响度值，并基于各观测点对应的LWP数据、回波强度数据及回波强度影响值计算绘制出各观测点处的云水含量廓线的步骤包括：
根据得到的所述云层参数及各观测点所对应的高度信息，对各观测点进行云层识别，得到各观测点所属的云层信息；
针对每个观测点，从预存的所有云层对应的回波强度影响度子模型中，查找与该观测点的云层信息匹配的目标回波强度影响度子模型，并基于该目标回波强度影响度子模型及该观测点处的云雷达基数据计算得到对应的回波强度影响度值；
根据预存的云水含量数值与LWP数据、回波强度数据及回波强度影响值之间的对应关系，对每个预测点在不同时刻的云水含量数值进行计算，并相应绘制出每个观测点处的云水含量廓线。
在本实施例中，所述云参数计算设备10可基于所述二次云数据获取方法自行根据云雷达基数据、功率谱密度数据及LWP数据进行二次云数据计算，并快速地向用户提供对应的包括与云相关的宏观物理参数(包括云层参数及零度层亮带参数)及微观物理参数(包括雨滴谱参数、雨强参数及液态含水量参数及云水含量廓线)的二次云数据，以降低二次云数据获取过程的人力资源消耗及数据获取时长，并确保数据精准度。
请参照图3，是本申请实施例提供的二次云数据获取方法的另一种流程示意图。在本申请实施例中，在步骤S210之前，所述二次云数据获取方法还可以包括步骤S209。
步骤S209，对各项预设的计算参数进行配置存储。
在本实施例中，所述各项预设的计算参数包括预设云厚度阈值、预设云间隔阈值、零度层预判高度区间、第一时间间隔、第二时间间隔、云水粒子在不同云层内对应的回波强度影响度模型，及功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系，以及云水含量数值与LWP数据、回波强度数据及回波强度影响值之间的对应关系。所述各项预设的计算参数还可以包括零度层回波识别要求、零度层径向识别要求及零度层退偏振识别要求，以及预设回波差值阈值、预设速度差值阈值和预设退偏振差值阈值。
请参照图4，是本申请实施例提供的二次云数据获取装置100的一种方框示意图。在本申请实施例中，所述二次云数据获取装置100包括数据获取模块110、云层识别模块120、零度层识别模块130、降水参数获取模块140及云水参数获取模块150。
所述数据获取模块110，用于获取各观测点的云雷达基数据及功率谱密度数据，并获取各观测点的LWP数据。
在本实施例中，所述云雷达基数据包括观测点在不同时刻的回波强度数据、径向速度数据及退偏振因子数据，所述数据获取模块110可以执行图2中的步骤S210，具体的描述可参照上文中对步骤S210的详细描述。
所述云层识别模块120，用于根据预设云厚度阈值、预设云间隔阈值以及各观测点的回波强度数据在不同时刻对应的高度信息及轮廓信息，对各观测点的回波强度数据进行云层划分识别，得到对应的云层参数。
在本实施例中，所述云层识别模块120可以执行图2中的步骤S220，具体的描述可参照上文中对步骤S220的详细描述。
所述零度层识别模块130，用于根据零度层预判高度区间及各观测点的高度信息进行初判零度层范围圈定，并根据处于初判零度层范围内的各观测点在第一时间间隔所对应的时间段内的回波强度数据、径向速度数据及退偏振因子数据对零度层亮带进行范围定位，得到对应的零度层亮带参数。
在本实施例中，所述零度层识别模块130可以执行图2中的步骤S230，具体的描述可参照上文中对步骤S230的详细描述。
所述降水参数获取模块140，用于根据各观测点在第二时间间隔所对应的时间段内的功率谱密度数据及径向速度数据计算各观测点处的降水粒子的下落速度及空气上升速度，并基于功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系，计算得到各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数。
在本实施例中，所述降水参数获取模块140可以执行图2中的步骤S240，具体的描述可参照上文中对步骤S240的详细描述。
所述云水参数获取模块150，用于根据得到的云层参数及各观测点所对应的高度信息，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算得到各观测点对应的回波强度影响度值，并基于各观测点对应的LWP数据、回波强度数据及回波强度影响值计算绘制出各观测点处的云水含量廓线。
在本实施例中，所述云水参数获取模块150可以执行图2中的步骤S250，具体的描述可参照上文中对步骤S250的详细描述。
请参照图5，是本申请实施例提供的二次云数据获取装置100的另一种方框示意图。在本申请实施例中，所述二次云数据获取装置100还可以包括计算参数配置模块160。
所述计算参数配置模块160，用于对各项预设的计算参数进行配置存储。
在本实施例中，所述各项预设的计算参数包括预设云厚度阈值、预设云间隔阈值、零度层预判高度区间、第一时间间隔、第二时间间隔、云水粒子在不同云层内对应的回波强度影响度模型，及功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系，以及云水含量数值与LWP数据、回波强度数据及回波强度影响值之间的对应关系。所述各项预设的计算参数还可以包括零度层回波识别要求、零度层径向识别要求及零度层退偏振识别要求，以及预设回波差值阈值、预设速度差值阈值和预设退偏振差值阈值。
本申请实施例还提供一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序运行时控制所述可读存储介质所在云参数计算设备10执行上述的二次云数据获取方法。其中，所述可读存储介质可以是云参数计算设备10(比如，个人计算机、服务器等)能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等各种可以存储程序代码的介质。
综上所述，在本申请实施例提供的二次云数据获取方法、装置及云参数计算设备中，所述二次云数据获取方法能够自行地根据云雷达基数据、功率谱密度数据及LWP数据进行二次云数据计算，并快速地向用户提供对应的包括与云相关的宏观物理参数及微观物理参数的二次云数据，以降低二次云数据获取过程的人力资源消耗及数据获取时长，并确保数据精准度。所述方法在获取到由测云雷达观测得到的各观测点的云雷达基数据后，会基于所述云雷达基数据进行云层划分识别及零度层亮带范围定位，以获取对应的宏观物理参数(包括云层参数及零度层亮带参数)。所述方法可基于所述由测云雷达观测得到的各观测点的功率谱密度数据及所述云雷达基数据计算测得各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数，并根据云水粒子在不同云层内对应的回波强度影响度模型及由与所述测云雷达匹配的微波辐射计观测到的各观测点的LWP数据计算测得各观测点处的云水含量廓线，以得到对应的微观物理参数(包括雨滴谱参数、雨强参数及液态含水量参数及云水含量廓线)，从而降低二次云数据获取过程的人力资源消耗及数据获取时长，确保数据精准度。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种二次云数据获取方法，其特征在于，应用于云参数计算设备，所述方法包括：
获取由测云雷达观测得到的各观测点的云雷达基数据及功率谱密度数据，并获取由与所述测云雷达匹配的微波辐射计观测到的各观测点的液态云水路径LWP数据，其中所述云雷达基数据包括观测点在不同时刻的回波强度数据、径向速度数据及退偏振因子数据；
根据预设云厚度阈值、预设云间隔阈值以及各观测点的回波强度数据在不同时刻对应的高度信息及轮廓信息，对各观测点的回波强度数据进行云层划分识别，得到对应的云层参数；
根据零度层预判高度区间及各观测点的高度信息进行初判零度层范围圈定，并根据处于初判零度层范围内的各观测点在第一时间间隔所对应的时间段内的回波强度数据、径向速度数据及退偏振因子数据对零度层亮带进行范围定位，得到对应的零度层亮带参数；
根据各观测点在第二时间间隔所对应的时间段内的功率谱密度数据及径向速度数据计算各观测点处的降水粒子的下落速度及空气上升速度，并基于功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系，计算得到各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数；
根据得到的云层参数及各观测点所对应的高度信息，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算得到各观测点对应的回波强度影响度值，并基于各观测点对应的LWP数据、回波强度数据及回波强度影响值计算绘制出各观测点处的云水含量廓线。
2.根据权利要求1所述的方法，其特征在于，所述根据预设云厚度阈值、预设云间隔阈值以及各观测点的回波强度数据在不同时刻对应的高度信息及轮廓信息，对各观测点的回波强度数据进行云层划分识别，得到对应的云层参数的步骤包括：
根据各观测点所对应的轮廓信息在竖直方向对各观测点进行数据分隔，并将径向高度数值大于所述预设云厚度阈值的观测点标定为云分段；
根据各观测点所对应的高度信息计算相邻两个云分段之间的云间隔，并在计算出的云间隔小于所述预设云间隔阈值时，将所述云间隔对应的两个云分段划分到同一云层，以得到对应的云层参数，其中所述云层参数包括各观测点所属云层的高度信息、各云层的厚度信息、各云层的浓密程度信息及相邻云层之间的间隔信息。
3.根据权利要求1所述的方法，其特征在于，根据处于初判零度层范围内的各观测点在第一时间间隔所对应的时间段内的回波强度数据、径向速度数据及退偏振因子数据对零度层亮带进行范围定位，得到对应的零度层亮带参数的步骤包括：
计算处于初判零度层范围内的每个观测点在第一时间间隔所对应的时间段内的回波强度平均值、径向速度平均值及退偏振因子平均值；
检测初判零度层范围内的每个观测点的回波强度平均值、径向速度平均值及退偏振因子平均值是否分别满足零度层回波识别要求、零度层径向识别要求及零度层退偏振识别要求，并筛选出回波强度平均值、径向速度平均值及退偏振因子平均值中至少两项参数满足对应识别要求的观测点；
在筛选出的观测点中，选择以回波强度平均值最大的观测点为起始点沿从下往上的方向判断预设高度间隔的两个观测点中远离所述起始点的观测点是否处于零度层亮带，选择以退偏振因子平均值最大的观测点为起始点沿从上往下的方向判断预设高度间隔的两个观测点中远离所述起始点的观测点是否处于零度层亮带，以得到对应的零度层亮带参数，其中所述零度层亮带参数包括亮度层亮带的高度信息、亮度层亮带的厚度信息、亮度层亮带的回波强度、径向速度及退偏振因子各自与时间之间的变化曲线。
4.根据权利要求3所述的方法，其特征在于，所述判断预设高度间隔的两个观测点中远离所述起始点的观测点是否处于零度层亮带的步骤包括：
计算以所述起始点为准的相距预设高度间隔的两个观测点之间的回波强度差值、径向速度差值及退偏振因子差值；
将计算出的回波强度差值与预设回波差值阈值进行比较，将计算出的径向速度差值与预设速度差值阈值进行比较，将计算出的退偏振因子差值与预设退偏振差值阈值进行比较；
若所述回波强度差值、所述径向速度差值及所述退偏振因子差值中至少两个差值大于各自对应的阈值，则判定对应的两个观测点中远离所述起始点的观测点处于零度层亮带内。
5.根据权利要求1所述的方法，其特征在于，所述根据各观测点在第二时间间隔所对应的时间段内的功率谱密度数据及径向速度数据计算各观测点处的降水粒子的下落速度及空气上升速度的步骤包括：
计算每个观测点在第二时间间隔所对应的时间段内的功率谱密度平均值及径向速度平均值；
在每个观测点对应的功率谱密度平均值上减去所述测云雷达自身的噪声电平，得到每个观测点处对应的有效功率谱密度平均值；
根据每个观测点处的降水粒子与云粒子各自在所述有效功率谱密度平均值中的影响度值，对该观测点处的径向速度平均值进行速度分割，得到该观测点处的降水粒子的下落速度及空气上升速度，其中径向速度等于降水粒子的下落速度及空气上升速度之和。
6.根据权利要求1所述的方法，其特征在于，所述预存的云水粒子在不同云层内对应的回波强度影响度模型包括不同云层对应的回波强度影响度子模型，所述根据得到的云层参数及各观测点所对应的高度信息，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算得到各观测点对应的回波强度影响度值，并基于各观测点对应的LWP数据、回波强度数据及回波强度影响值计算绘制出各观测点处的云水含量廓线的步骤包括：
根据得到的所述云层参数及各观测点所对应的高度信息，对各观测点进行云层识别，得到各观测点所属的云层信息；
针对每个观测点，从预存的所有云层对应的回波强度影响度子模型中，查找与该观测点的云层信息匹配的目标回波强度影响度子模型，并基于该目标回波强度影响度子模型及该观测点处的云雷达基数据计算得到对应的回波强度影响度值；
根据预存的云水含量数值与LWP数据、回波强度数据及回波强度影响值之间的对应关系，对每个预测点在不同时刻的云水含量数值进行计算，并相应绘制出每个观测点处的云水含量廓线。
7.根据权利要求1-6中任意一项所述的方法，其特征在于，所述方法还包括：
对预设云厚度阈值、预设云间隔阈值、零度层预判高度区间、第一时间间隔、第二时间间隔、云水粒子在不同云层内对应的回波强度影响度模型，以及功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系进行配置存储。
8.一种二次云数据获取装置，其特征在于，应用于云参数计算设备，所述装置包括：
数据获取模块，用于获取由测云雷达观测得到的各观测点的云雷达基数据及功率谱密度数据，并获取由与所述测云雷达匹配的微波辐射计观测到的各观测点的液态云水路径LWP数据，其中所述云雷达基数据包括观测点在不同时刻的回波强度数据、径向速度数据及退偏振因子数据；
云层识别模块，用于根据预设云厚度阈值、预设云间隔阈值以及各观测点的回波强度数据在不同时刻对应的高度信息及轮廓信息，对各观测点的回波强度数据进行云层划分识别，得到对应的云层参数；
零度层识别模块，用于根据零度层预判高度区间及各观测点的高度信息进行初判零度层范围圈定，并根据处于初判零度层范围内的各观测点在第一时间间隔所对应的时间段内的回波强度数据、径向速度数据及退偏振因子数据对零度层亮带进行范围定位，得到对应的零度层亮带参数；
降水参数获取模块，用于根据各观测点在第二时间间隔所对应的时间段内的功率谱密度数据及径向速度数据计算各观测点处的降水粒子的下落速度及空气上升速度，并基于功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系，计算得到各观测点处降水粒子所对应的雨滴谱参数、雨强参数及液态含水量参数；
云水参数获取模块，用于根据得到的云层参数及各观测点所对应的高度信息，以及预存的云水粒子在不同云层内对应的回波强度影响度模型，计算得到各观测点对应的回波强度影响度值，并基于各观测点对应的LWP数据、回波强度数据及回波强度影响值计算绘制出各观测点处的云水含量廓线。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
计算参数配置模块，用于对预设云厚度阈值、预设云间隔阈值、零度层预判高度区间、第一时间间隔、第二时间间隔、云水粒子在不同云层内对应的回波强度影响度模型，以及功率谱密度数据、降水粒子的下落速度、降水粒子的直径、液态含水量参数、雨强参数及雨滴谱参数之间的对应关系进行配置存储。
10.一种云参数计算设备，其特征在于，所述云参数计算设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述云参数计算设备执行权利要求1-7中任意一项所述的二次云数据获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811406622.9A CN109490891B (zh) | 2018-11-23 | 2018-11-23 | 二次云数据获取方法、装置及云参数计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811406622.9A CN109490891B (zh) | 2018-11-23 | 2018-11-23 | 二次云数据获取方法、装置及云参数计算设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109490891A true CN109490891A (zh) | 2019-03-19 |
| CN109490891B CN109490891B (zh) | 2023-03-31 |
Family
ID=65697709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811406622.9A Active CN109490891B (zh) | 2018-11-23 | 2018-11-23 | 二次云数据获取方法、装置及云参数计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109490891B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110488393A (zh) * | 2019-09-24 | 2019-11-22 | 中国科学院大气物理研究所 | X波段双偏振天气雷达定量测量降水方法及系统 |
| CN110515081A (zh) * | 2019-06-26 | 2019-11-29 | 南京信息工程大学 | 一种雷达回波零度层亮带智能识别预警方法 |
| CN112213703A (zh) * | 2020-08-18 | 2021-01-12 | 成都信息工程大学 | 一种利用毫米波云雷达反演云参数的方法及装置 |
| CN112526547A (zh) * | 2020-11-18 | 2021-03-19 | 董晶晶 | 一种基于测风激光雷达的大气边界层分类方法及装置 |
| CN112859031A (zh) * | 2021-02-05 | 2021-05-28 | 北京城市气象研究院 | 一种反演雨滴谱的方法及系统 |
| CN112946658A (zh) * | 2021-02-03 | 2021-06-11 | 中国气象科学研究院 | 一种获取大气垂直运动速度的方法、装置 |
| CN114332651A (zh) * | 2022-03-16 | 2022-04-12 | 成都信息工程大学 | 一种基于拟合模型的云参数确定方法及系统 |
| CN115016043A (zh) * | 2022-07-04 | 2022-09-06 | 中国人民解放军63790部队 | 基于垂直结构和降水率的降水分类方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002122667A (ja) * | 2000-10-12 | 2002-04-26 | Communication Research Laboratory | 雲微物理量導出システム，雲微物理量導出処理方法およびそのプログラム記録媒体 |
| CN101799921A (zh) * | 2009-02-10 | 2010-08-11 | 中国科学院计算技术研究所 | 一种光学遥感图像云检测方法 |
| WO2011149202A2 (ko) * | 2010-05-25 | 2011-12-01 | 대한민국(기상청장) | 전천 구름수액량 연직 산출 시스템 및 방법 |
| CN103675791A (zh) * | 2013-12-05 | 2014-03-26 | 北京师范大学 | 基于数值分布均衡化的米散射激光雷达云识别方法 |
| CN103792524A (zh) * | 2014-03-06 | 2014-05-14 | 兰州大学 | 基于云分类的雷达定量降水估计方法 |
| CN103901505A (zh) * | 2014-03-11 | 2014-07-02 | 中国气象科学研究院 | 一种基于湿球效应的云顶高度探测方法及装置 |
| CN105891833A (zh) * | 2016-04-15 | 2016-08-24 | 兰州大学 | 基于多普勒雷达信息识别暖云降水率的方法 |
| US20170146652A1 (en) * | 2015-11-24 | 2017-05-25 | The Boeing Company | Passive radar weather detection systems and methods |
| KR20170121393A (ko) * | 2016-04-22 | 2017-11-02 | 대한민국(기상청 국립기상과학원장) | 구름레이더를 이용한 수함량 산출 시스템 및 수함량 산출 방법 |
| CN107703508A (zh) * | 2017-07-28 | 2018-02-16 | 清华大学 | 多频段云雨测量装置及测量方法 |
| US20180106887A1 (en) * | 2016-10-14 | 2018-04-19 | Korea Meteorological Administration | Apparatus and method for calibrating and validating micro rain radar |
| CN108051872A (zh) * | 2017-12-13 | 2018-05-18 | 湖北省气象服务中心（湖北省专业气象服务台） | 基于地基微波辐射计反演云中水汽相变过程的方法和装置 |
| CN108614309A (zh) * | 2018-05-11 | 2018-10-02 | 西安理工大学 | 云水资源探测系统及方法 |
-
2018
- 2018-11-23 CN CN201811406622.9A patent/CN109490891B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002122667A (ja) * | 2000-10-12 | 2002-04-26 | Communication Research Laboratory | 雲微物理量導出システム，雲微物理量導出処理方法およびそのプログラム記録媒体 |
| CN101799921A (zh) * | 2009-02-10 | 2010-08-11 | 中国科学院计算技术研究所 | 一种光学遥感图像云检测方法 |
| WO2011149202A2 (ko) * | 2010-05-25 | 2011-12-01 | 대한민국(기상청장) | 전천 구름수액량 연직 산출 시스템 및 방법 |
| CN103675791A (zh) * | 2013-12-05 | 2014-03-26 | 北京师范大学 | 基于数值分布均衡化的米散射激光雷达云识别方法 |
| CN103792524A (zh) * | 2014-03-06 | 2014-05-14 | 兰州大学 | 基于云分类的雷达定量降水估计方法 |
| CN103901505A (zh) * | 2014-03-11 | 2014-07-02 | 中国气象科学研究院 | 一种基于湿球效应的云顶高度探测方法及装置 |
| US20170146652A1 (en) * | 2015-11-24 | 2017-05-25 | The Boeing Company | Passive radar weather detection systems and methods |
| CN105891833A (zh) * | 2016-04-15 | 2016-08-24 | 兰州大学 | 基于多普勒雷达信息识别暖云降水率的方法 |
| KR20170121393A (ko) * | 2016-04-22 | 2017-11-02 | 대한민국(기상청 국립기상과학원장) | 구름레이더를 이용한 수함량 산출 시스템 및 수함량 산출 방법 |
| US20180106887A1 (en) * | 2016-10-14 | 2018-04-19 | Korea Meteorological Administration | Apparatus and method for calibrating and validating micro rain radar |
| CN107703508A (zh) * | 2017-07-28 | 2018-02-16 | 清华大学 | 多频段云雨测量装置及测量方法 |
| CN108051872A (zh) * | 2017-12-13 | 2018-05-18 | 湖北省气象服务中心（湖北省专业气象服务台） | 基于地基微波辐射计反演云中水汽相变过程的方法和装置 |
| CN108614309A (zh) * | 2018-05-11 | 2018-10-02 | 西安理工大学 | 云水资源探测系统及方法 |
Non-Patent Citations (8)
| Title |
|---|
| LIU,JIN-LI: "remote sensing of liquid water content with combined radar-radiometer system", 《ATMOSPHERIC RESEARCH》 * |
| 丁晓东: "基于主动卫星遥感研究西北地区云层垂直结构特征及其对人工增雨的影响", 《干旱气象》 * |
| 刘黎平: "垂直指向的Ka波段云雷达观测的0℃层亮带自动识别及亮带的特征分析", 《高原气象》 * |
| 刘黎平: "毫米波云雷达功率谱密度数据的检验和在弱降水滴谱反演中的应用研究", 《大气科学》 * |
| 崔延星;刘黎平;何建新;吴;: "基于云雷达、C波段连续波雷达和激光云高仪融合数据的华南夏季云参数统计分析" * |
| 谢晓林: "基于云雷达和微波辐射计反演混合云液态水含量的算法", 《成都信息工程大学学报》 * |
| 黄佳欢: "联合地基遥感云微物理参数的研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
| 黄勇: "基于多雷达和卫星的区域降水估测系统研究", 《人民长江》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110515081A (zh) * | 2019-06-26 | 2019-11-29 | 南京信息工程大学 | 一种雷达回波零度层亮带智能识别预警方法 |
| CN110488393A (zh) * | 2019-09-24 | 2019-11-22 | 中国科学院大气物理研究所 | X波段双偏振天气雷达定量测量降水方法及系统 |
| CN112213703A (zh) * | 2020-08-18 | 2021-01-12 | 成都信息工程大学 | 一种利用毫米波云雷达反演云参数的方法及装置 |
| CN112213703B (zh) * | 2020-08-18 | 2023-07-18 | 成都信息工程大学 | 一种利用毫米波云雷达反演云参数的方法及装置 |
| CN112526547A (zh) * | 2020-11-18 | 2021-03-19 | 董晶晶 | 一种基于测风激光雷达的大气边界层分类方法及装置 |
| CN112526547B (zh) * | 2020-11-18 | 2024-02-23 | 南京泰爱信科技有限公司 | 一种基于测风激光雷达的大气边界层分类方法及装置 |
| CN112946658A (zh) * | 2021-02-03 | 2021-06-11 | 中国气象科学研究院 | 一种获取大气垂直运动速度的方法、装置 |
| CN112859031A (zh) * | 2021-02-05 | 2021-05-28 | 北京城市气象研究院 | 一种反演雨滴谱的方法及系统 |
| CN114332651A (zh) * | 2022-03-16 | 2022-04-12 | 成都信息工程大学 | 一种基于拟合模型的云参数确定方法及系统 |
| CN114332651B (zh) * | 2022-03-16 | 2022-05-13 | 成都信息工程大学 | 一种基于拟合模型的云参数确定方法及系统 |
| CN115016043A (zh) * | 2022-07-04 | 2022-09-06 | 中国人民解放军63790部队 | 基于垂直结构和降水率的降水分类方法及系统 |
| CN115016043B (zh) * | 2022-07-04 | 2023-08-22 | 中国人民解放军63790部队 | 基于垂直结构和降水率的降水分类方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109490891B (zh) | 2023-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109490891A (zh) | 二次云数据获取方法、装置及云参数计算设备 | |
| US20210201023A1 (en) | Cultivated land recognition method in satellite image and computing device | |
| CN114019514A (zh) | 一种雷暴大风预警方法、系统、设备及终端 | |
| CN114942434B (zh) | 一种基于毫米波雷达点云的跌倒姿态识别方法及系统 | |
| CN110705115B (zh) | 一种基于深度置信网络的气象预报方法和系统 | |
| CN112682276A (zh) | 风机叶片覆冰状态预测方法、装置、介质和电子设备 | |
| Roberts et al. | IMPROVER: the new probabilistic postprocessing system at the Met Office | |
| CN110032916A (zh) | 一种检测目标物体的方法和装置 | |
| CN104156984A (zh) | 一种不均匀杂波环境下多目标跟踪的概率假设密度方法 | |
| CN109472261A (zh) | 一种基于计算机视觉的粮仓储粮数量变化自动监测方法 | |
| CN108683744A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
| Su et al. | A convection nowcasting method based on machine learning | |
| CN108256546A (zh) | 一种非降水条件下大气边界层高度探测方法和系统 | |
| CN110488391B (zh) | 针对小区域的天气预测系统、方法及存储介质 | |
| TW201835607A (zh) | 氣象預測裝置、氣象預測方法及氣象預測程式 | |
| CN115980690A (zh) | 晴空回波识别模型构建方法、晴空回波滤波方法及装置 | |
| CN117241212A (zh) | 车辆常驻停车点的确定方法、装置、设备以及存储介质 | |
| Zuo et al. | Identification of convective and stratiform clouds based on the improved DBSCAN clustering algorithm | |
| Le Marshall et al. | Error characterisation of atmospheric motion vectors | |
| CN114997736B (zh) | 一种景区客流量管控方法和系统 | |
| CN107341346B (zh) | 一种水文预报方法 | |
| CN112665730B (zh) | 震前温度异常检测方法、装置、设备和存储介质 | |
| CN118424619A (zh) | 基于微波雷达与谱聚类的波形护栏刚度检测方法及系统 | |
| CN116184342B (zh) | 一种基于多雷达组网的测云雷达数据校准方法及系统 | |
| CN115902812A (zh) | 一种短时暴雨天气背景自动判别方法、系统、设备及终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: No. 20, Guanghua village street, Qingyang District, Chengdu, Sichuan 610000 Patentee after: Sichuan Meteorological Observation Data Center (Sichuan Meteorological Technology Equipment Center, Sichuan Meteorological Archives) Country or region after: China Address before: No. 20, Guanghua village street, Qingyang District, Chengdu, Sichuan 610000 Patentee before: SICHUAN METEOROLOGICAL OBSERVATION DATA CENTER Country or region before: China |
|
| CP03 | Change of name, title or address |