CN112213703A - 一种利用毫米波云雷达反演云参数的方法及装置 - Google Patents

Abstract

本发明提供的一种利用毫米波云雷达反演云参数的方法及装置，获取毫米波云雷达的数据；对所述毫米波云雷达的数据进行预处理，得到预处理后的数据；根据所述预处理后的数据对云参数进行反演，提高了反演云参数的准确性。

Description

一种利用毫米波云雷达反演云参数的方法及装置

技术领域

本发明涉及气象探测术领域，特别涉及一种利用毫米波云雷达反演云参数的方法及装置。

背景技术

本发明主要针对云宏观参数进行反演，云宏观参数主要包括云底高度(cloudbase height,CBH)、云顶高度(cloud top height,CTH)、云厚度(Cloud Thickness,CTK)和云层数(cloud layer number,CLN)等，这些参数是目前气象观测业务中的重要对象，同时也是气象预报、气候变化评估和人工影响天气作业等领域的重要基础。

目前，云宏观参数的观测手段主要包括无线电探空、飞机、卫星、云高仪和毫米波云雷达等。无线电探空是利用气象气球穿越云层得到的湿度廓线来反演CBH和CTH，反演方法包括相对湿度阈值法(Poore等1995年)、温度露点差差值法(Wang等1995年，Zhang等2010年，Costa-Surós等2014年，Reddy等2018年)和二阶导数法(Chernykh等1996年)等。

但无线电探空站点较稀疏、时间分辨率低，且不同地区云内外的饱和特征不一，因此这种依赖湿度变化的反演方法具有一定不确定性和较差的时间分辨率。飞机穿云是最直接的探测手段，机载传感器可以实时探测云层具体细节，但飞机观测成本高昂，且起降易受地理环境影响，如起降条件差和大气密度低等地区，同时观测的连续性也有限(Aydin等2004年，Chen等2016年)。

云高仪是目前较普遍使用的云底探测设备，它根据云粒子对激光波束的后向散射来获取空中云层的云底高度，但它无法得到云顶和云厚等其他参数，且其在污染或灰霾条件下，探测质量也会受影响(Winker等2003年，2006年)。卫星是观测大范围云顶高度的主要手段，尤其在高原和海洋等无人区域，它具有其他设备无法达到的优势(Ushio等2001年，Chen等2018年)。然而卫星分辨率对小尺度云的观测效果还欠佳，且对于中低层的薄云，卫星的反演结果会一定程度受到地面辐射的污染，而导致有一定偏差(李浩然等，2015年)。

相比上述设备，毫米波云雷达在云的综合观测能力和连续性方面具有明显优势，它已成为当前云探测的最主要设备。毫米波云雷达穿透性强、灵敏度高、时空分辨率高，对观测资料进一步反演可得到非常高时空分辨率的云宏观参数。目前，反演方法主要思路是“云边界检测法”(如王喆等2016年，吴翀等2017年和Zhang等2019)，具体步骤和流程如图3所示。首先，依次对雷达探测的每根径向廓线的反射率因子进行处理，自动检测雷达上空各自时次的回波段的边界，包括底部和顶部；其次，根据自然界中云具有一定厚度的原则，将检测的回波段厚度和间隔进行判断，对于厚度太薄的回波段舍弃，并将间隔太短的回波段合并；最后，提取出满足条件的所有底部和顶部，并将它们作为云层的云底高度和云顶高度，同时将顶部和底部的差作为云层厚度、将回波段的数量作为云层数。

这种反演方法尽管基本能达到反演目的，但还存在几点较大的不足：

(1)该方法并未考虑到到雷达数据质量的影响，而实际上毫米波云雷达数据中距离旁瓣回波问题对反演结果的影响是十分重大的；

(2)该方法由于是每根径向廓线的独立判断，因此会存在一定的云层位置错判的现象，尤其是不同时刻云层数量有突变时；

(3)该方法并未深入考虑降水如云底探测的影响，因此当空中云层发生降水时，反演的云底高度将存在很大误差。

因此，需要一种利用毫米波云雷达反演云参数的方法及装置，能够提高反演云参数的准确性。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种利用毫米波云雷达反演云参数的方法及装置，能够提高反演云参数的准确性。

(二)技术方案

为了达到上述目的，本发明采用的一种技术方案为：

一种利用毫米波云雷达反演云参数的方法，包括步骤：

S1、获取毫米波云雷达的数据；

S2、对所述毫米波云雷达的数据进行预处理，得到预处理后的数据；

S3、根据所述预处理后的数据对云参数进行反演。

为了达到上述目的，本发明采用的另一种技术方案为：

一种利用毫米波云雷达反演云参数的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

S1、获取毫米波云雷达的数据；

S2、对所述毫米波云雷达的数据进行预处理，得到预处理后的数据；

S3、根据所述预处理后的数据对云参数进行反演。

(三)有益效果

本发明的有益效果在于：获取毫米波云雷达的数据；对所述毫米波云雷达的数据进行预处理，得到预处理后的数据；根据所述预处理后的数据对云参数进行反演，提高了反演云参数的准确性。

附图说明

图1为本发明实施例的利用毫米波云雷达反演云参数的方法流程图；

图2为本发明实施例的利用毫米波云雷达反演云参数的装置的结构示意图；

图3为云边界检测法的流程图；

图4为现有技术与本发明的反演结果比对示意图；

图5为现有技术与本发明的反演的底高度(CBH)、云顶高度(CTH)和云厚度(CTK)的差异ΔCBH(a)、ΔCTH(b)和ΔCTK(c)示意图。

【附图标记说明】

1：利用毫米波云雷达反演云参数的装置；

2：存储器；

3：处理器。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

实施例一

一种利用毫米波云雷达反演云参数的方法，包括步骤：

S1、获取毫米波云雷达的数据；

所述毫米波云雷达的数据包括毫米波云雷达的探测数据和雷达参数；

所述探测数据包括雷达反射率因子，所述雷达参数包括雷达探测模式数量、距离分辨率、时间分辨率、不同模式的最大探测距离、脉冲宽度、盲区高度和脉冲压缩比。

S2、对所述毫米波云雷达的数据进行预处理，得到预处理后的数据；

步骤S2包括：

S21、去除所述毫米波云雷达的数据中噪声回波，并对所述毫米波云雷达的数据中的缺测回波进行补值，得到第一数据；

S22、删除所述第一数据中的悬浮物杂波，得到第二数据；

S23、删除所述第二数据中的距离旁瓣回波，得到预处理后的数据。

S3、根据所述预处理后的数据对云参数进行反演。

步骤S3具体为：

根据所述预处理后的数据对云边界进行反演，得到初步识别结果。

步骤S3之后还包括：

S41、根据所述初步识别结果判断云厚度和间隔是否满足预设条件，若是，则执行步骤S42；

S42、根据所述初步识别结果对云参数进行错位纠正，得到纠正后的数据；

S43、根据所述纠正后的数据进行分类，并生成相应反演结果，所述反演结果包括云层高度、云顶高度、云厚度、云层数和分类标记。

实施例二

本实施例和实施例一的区别在于，本实施例将结合具体的应用场景，进一步说明本发明上述利用毫米波云雷达反演云参数的方法是如何实现的：

一、毫米波云雷达的探测数据和雷达参数的获取

1.1、根据雷达厂家给定的数据格式，通过C++语言编写头文件；

1.2、创建源程序文件，并自动读取雷达探测的反射率因子数据Z(i,j)和雷达脉冲宽度μ、脉冲压缩比PCR、雷达盲区R_blind和最大探测距离R_max。其中，i为径向序号，j为距离库序号；

二、毫米波云雷达的数据的数据质量控制

2.1、去除所述毫米波云雷达的数据中噪声回波，并对所述毫米波云雷达的数据中的缺测回波进行补值，得到第一数据：

雷达实际工作中由于稳定性和信号处理等原因，难免会出现个别噪声回波。另外，对云体边缘信噪比弱的区域，也会出现个别缺测的情况。这两种杂波都较为零散且体量较少。因此通过设定3×3的滑动窗口对这两类回波进行判断和处理：

首先，以窗口中心为判断目标，统计9个距离库所有Z(i,j)中有效和无效回波个数N；其次，若中心为有效回波且N≤3，则中心被判定为噪声回波，删除；若中心为无效回波且N≥7个，则中心被判定为缺测回波，取周围有效回波的平均值代替，得到第一数据。

2.2、删除所述第一数据中的悬浮物杂波，得到第二数据：

毫米波云雷达在中低纬地区经常观测到低空悬浮物回波。它是一种非气象杂波，主要由昆虫、花粉和尘埃颗粒等散射引起；观测表明，这类杂波的高度一般分布在3km以下，回波特征呈现为弱的Z和强的线性退极化比LDR，悬浮物杂波的Z和LDR值分布特征，发现以“Z＜0dBZ且LDR5-16 dB”为双阈值判断条件，可以较好滤除悬浮物杂波并保留气象回波。

2.3、删除所述第二数据中的距离旁瓣回波，得到预处理后的数据

由于雷达采用宽脉冲探测中高层的云，并利用脉冲压缩处理来保持资料的高空间分辨率。但宽脉冲会附带引起距离旁瓣回波。距离旁瓣回波是一种虚假的云雨回波，严重时会污染正常的云雨回波，并影响云宏观参数的反演。对于垂直指向雷达，距离旁瓣杂波会出现在强云雨回波的上下位置，其影响范围与脉冲压缩比PCR有关。因此，根据雷达的实际PCR，在不同脉冲盲区高度至最大探测距离之间，以有效探测范围内的任一个距离库为中心作为判断对象，检测其上下PCR个距离库范围内是否存在高于它30dB的回波；若存在，则判断为距离旁瓣回波，否则为正常云雨回波；依次循环直至整根径向完成判断，并删除所有旁瓣回波。

三、云宏观参数初步反演

3.1、根据所述预处理后的数据对云边界进行反演：

云边界检测是根据雷达探测的Z回波来检测每根径向中连续回波的起点和终点，并将第一个起点(终点)视为第一层云的云底高度(云顶高度)，第二个起点(终点)作为第二层云的云底高度(云顶高度)，依次类推，直至全部获取。

3.2、根据获取的云顶高度和云底高度，两者相减得到云层的厚度，而将连续回波段的数量作为云层的数量，得到初步识别结果。

四、校正、分类和输出

4.1、根据所述初步识别结果判断云厚度和间隔是否满足预设条件，若是，则执行步骤4.2：

云层厚度和间隔判断：考虑到实际中有些松散云系可能会被误判出多层云，因此将厚度小于7个距离库的进一步判断：如果该薄云与上下云层间隔小于24距离库，则认为不是可靠的独立云层，否则将其与相邻云层合并。

4.2、根据所述初步识别结果对云参数进行错位纠正，得到纠正后的数据：

由于雷达上空云层是实时移动和变化的，有时会出现相邻时刻空中云层数变化的情况。如前一时刻识别了两层云，而后一时刻较低的云层恰好消散，这样导致云层数从2层变为1层，使得前一时刻第1层云的参数和后时刻第1层云的参数无法正常匹配，即存在云层判断错位的现象。为了解决该问题，我们根据云底和云顶在水平方向上变化的连续性，对它们再次进行相邻径向的比较和检验，如果发现当前云底(云顶)与前后径向同一层云的结果偏差超过15个距离库，则将它与其他层云的结果进行匹配，如果满足则归为其他层云，如果所有云层都不满足，则舍弃；如果偏差在15个距离库以内，则认为属于当前云层。对云底和云顶进行错位纠正后，相应的云厚度和云层数也重新调整。

4.3、根据所述纠正后的数据进行分类，并生成相应反演结果，所述反演结果包括云层高度、云顶高度、云厚度、云层数和分类标记：

雷达反演的云底实质是云回波的底部高度，当云体发生降水时，反演结果将存在较大误差。因此，需要对是否发生降水进一步判断。过去，人们通常将雷达回波触地的云层当成降水云，或根据地面是否出现大于0.1mm/h的雨强来判断。这两种判断方法仅当降水达到地表时才有效，而实际中，云层有部分降水是发生在空中，并受蒸发影响而不会降落至地表。因此我们采用以下方法判断：当反演的云底高度如果小于目标地区平均抬升凝结高度且它与地表范围内出现了3/5以上雷达回波，则认为该云底是降水云的结果；否则为非降水云的结果。

4.4、识别降水云和非降水云的结果后，分别输出两类产品，并通过一个标记变量M来表征结果类型，非降水云标记为1，降水云标记为2。

结果分析：

以下通过选取一个典型的实验个例演示本发明效果和与现有的“云边界检测法”的差异，此外还统计了本发明后对云宏观参数反演的总体改进。

图4为西藏那曲2015年8月31日一次含有不同云类的实验个例。由图可见，雷达上空先后出现了尺度较大且深厚的积雨云和尺度较小且浅薄的层积云。对比质量控制前(图4a，现有的“云边界检测法”采用的数据)和质量控制后(图4b，本发明基于的数据)的回波可见，低空悬浮物、噪声和径向干扰回波经过质量控制后均被滤除，雷达2.04km以上采用宽脉冲，云边界出现了一些尖状和一些片状的距离旁瓣杂波也被有效删除。从图4c和d中，对比现有的“云边界检测法”和本发明反演的云底高度(CBH)和云顶高度(CTH)可见，受距离旁瓣杂波的影响，现有的“云边界检测法”反演的云底高度比本发明结果偏低，最大可偏低0.9km；现有的“云边界检测法”反演的云顶高度则比本发明结果偏高，最大偏高1.1km。对于云厚度，现有的“云边界检测法”也比本发明偏大，最大偏大1.3km。此外，云层数也有一定差异，明显的如矩形框出部位。现有的“云边界检测法”受距离旁瓣杂波的影响，云体间隙较小导致仅反演出一层云，而本发明可以反演出两层云，显然更符合实际情况。

图4中(a)和(b)为质量控制前(现有的“云边界检测法”采用的数据)和质量控制后(本发明基于的数据)的雷达反射率因子，(c)和(d)为现有的“云边界检测法”和本发明反演的云底和云顶高度；

利用西藏那曲2014年和2015年7-8月的雷达实际观测资料，统计了现有的“云边界检测法”和本发明反演的云底高度(CBH)、云顶高度(CTH)和云厚度(CTK)的差异ΔCBH、ΔCTH和ΔCTK(本发明减去现有的“云边界检测法”)，为了更详尽了解对不同云类的误差，我们还将云分为四类进行评估，即所有云AL、低云LC、中云MC和高云HC。统计结果用盒须图表示如图5所示。结果可见，对于所有云AC，50％(25–75分位数)的ΔCBH、ΔCTH和ΔCTK分别分布在0.12–0.6km，-1.05–-0.18km和-1.02–-0.21km，平均误差分别为0.45，-0.96和-0.79km。说明现有的“云边界检测法”对CBH低估、对CTH和CTK高估，其中对CTH的影响最大。对于低云、中云和高云，CBH平均低估0.23、0.49和0.65km，CTH平均高估0.97、1.01和0.64km，CTK平均高估0.79、0.85和0.43km。总体上，现有的“云边界检测法”对CBH反演误差为“低云<中云<高云”，造成的CTH和CTK反演误差为“高于<低云<中云”。

图5现有的“云边界检测法”和本发明反演的云底高度(CBH)、云顶高度(CTH)和云厚度(CTK)的差异ΔCBH(a)、ΔCTH(b)和ΔCTK(c)，其中，AC、LC、MC和HC分别代表所有云、低云、中云和高云，盒须图中圆圈代表平均值。

实施例三

请参照图2，一种利用毫米波云雷达反演云参数的装置1，包括存储器2、处理器3及存储在存储器2上并可在处理器3上运行的计算机程序，所述处理器3执行所述程序时实现实施例一中的各个步骤。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种利用毫米波云雷达反演云参数的方法，其特征在于，包括步骤：

S1、获取毫米波云雷达的数据；

S2、对所述毫米波云雷达的数据进行预处理，得到预处理后的数据；

S3、根据所述预处理后的数据对云参数进行反演。

2.根据权利要求1所述的利用毫米波云雷达反演云参数的方法，其特征在于，所述毫米波云雷达的数据包括毫米波云雷达的探测数据和雷达参数；

所述探测数据包括雷达反射率因子，所述雷达参数包括雷达探测模式数量、距离分辨率、时间分辨率、不同模式的最大探测距离、脉冲宽度、盲区高度和脉冲压缩比。

3.根据权利要求1所述的利用毫米波云雷达反演云参数的方法，其特征在于，步骤S2包括：

S21、去除所述毫米波云雷达的数据中噪声回波，并对所述毫米波云雷达的数据中的缺测回波进行补值，得到第一数据；

S22、删除所述第一数据中的悬浮物杂波，得到第二数据；

S23、删除所述第二数据中的距离旁瓣回波，得到预处理后的数据。

4.根据权利要求1所述的利用毫米波云雷达反演云参数的方法，其特征在于，步骤S3具体为：

根据所述预处理后的数据对云边界进行反演，得到初步识别结果。

5.根据权利要求4所述的利用毫米波云雷达反演云参数的方法，其特征在于，步骤S3之后还包括：

S41、根据所述初步识别结果判断云厚度和间隔是否满足预设条件，若是，则执行步骤S42；

S42、根据所述初步识别结果对云参数进行错位纠正，得到纠正后的数据；

S43、根据所述纠正后的数据进行分类，并生成相应反演结果，所述反演结果包括云层高度、云顶高度、云厚度、云层数和分类标记。

6.一种利用毫米波云雷达反演云参数的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：

S1、获取毫米波云雷达的数据；

S2、对所述毫米波云雷达的数据进行预处理，得到预处理后的数据；

S3、根据所述预处理后的数据对云参数进行反演。

7.根据权利要求6所述的利用毫米波云雷达反演云参数的装置，其特征在于，所述毫米波云雷达的数据包括毫米波云雷达的探测数据和雷达参数；

所述探测数据包括雷达反射率因子，所述雷达参数包括雷达探测模式数量、距离分辨率、时间分辨率、不同模式的最大探测距离、脉冲宽度、盲区高度和脉冲压缩比。

8.根据权利要求6所述的利用毫米波云雷达反演云参数的装置，其特征在于，步骤S2包括：

S21、去除所述毫米波云雷达的数据中噪声回波，并对所述毫米波云雷达的数据中的缺测回波进行补值，得到第一数据；

S22、删除所述第一数据中的悬浮物杂波，得到第二数据；

S23、删除所述第二数据中的距离旁瓣回波，得到预处理后的数据。

9.根据权利要求6所述的利用毫米波云雷达反演云参数的装置，其特征在于，步骤S3具体为：

根据所述预处理后的数据对云边界进行反演，得到初步识别结果。

10.根据权利要求9所述的利用毫米波云雷达反演云参数的装置，其特征在于，步骤S3之后还包括：

S41、根据所述初步识别结果判断云厚度和间隔是否满足预设条件，若是，则执行步骤S42；

S42、根据所述初步识别结果对云参数进行错位纠正，得到纠正后的数据；

S43、根据所述纠正后的数据进行分类，并生成相应反演结果，所述反演结果包括云层高度、云顶高度、云厚度、云层数和分类标记。

Images