[go: up one dir, main page]

CN114002681A - 利用毫米波云雷达进行过冷水探测的方法、装置及应用 - Google Patents

利用毫米波云雷达进行过冷水探测的方法、装置及应用 Download PDF

Info

Publication number
CN114002681A
CN114002681A CN202111299611.7A CN202111299611A CN114002681A CN 114002681 A CN114002681 A CN 114002681A CN 202111299611 A CN202111299611 A CN 202111299611A CN 114002681 A CN114002681 A CN 114002681A
Authority
CN
China
Prior art keywords
spectrum
supercooled water
radar
cloud
water
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
Application number
CN202111299611.7A
Other languages
English (en)
Other versions
CN114002681B (zh
Inventor
郑佳锋
任涛
曾正茂
陈德花
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Meteorological Station Xiamen Ocean Meteorological Station Taiwan Strait Meteorological Open Laboratory
Chengdu University of Information Technology
Original Assignee
Xiamen Meteorological Station Xiamen Ocean Meteorological Station Taiwan Strait Meteorological Open Laboratory
Chengdu University of Information Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Meteorological Station Xiamen Ocean Meteorological Station Taiwan Strait Meteorological Open Laboratory, Chengdu University of Information Technology filed Critical Xiamen Meteorological Station Xiamen Ocean Meteorological Station Taiwan Strait Meteorological Open Laboratory
Priority to CN202111299611.7A priority Critical patent/CN114002681B/zh
Publication of CN114002681A publication Critical patent/CN114002681A/zh
Application granted granted Critical
Publication of CN114002681B publication Critical patent/CN114002681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01S13/958—Theoretical aspects
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/418—Theoretical aspects
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种利用毫米波云雷达进行过冷水探测的方法、装置及应用，所述方法包括：获得探测区域的毫米波云雷达功率谱；自所述功率谱中提取有效的云雨信号并获得其对应的雷达参数和动力参数；基于所述功率谱的谱图特征和所得雷达参数，对其进行过冷水信号的识别和/或提取；基于所得雷达参数、动力参数和所述过冷水信号，通过反演计算获得过冷水的微物理参数。本发明可利用毫米波云雷达进行过冷水探测，对云中的过冷水进行自动识别和定量反演，得到精细的过冷水空间分布及关键物理参数。

Description

利用毫米波云雷达进行过冷水探测的方法、装置及应用
技术领域
本发明涉及过冷水探测方法的技术领域。
背景技术
云中过冷水是指在0℃以下环境中依然保持液态的云滴或水滴，通常是因云层清洁而缺乏冻结核或强烈上升气流使液滴来不及冻结而形成。对于冷云，过冷水的存在会使其液态含水量远高于纯冰相云，进而对云辐射效应、水汽收支和降水过程等产生重要影响。同时，过冷水在人工影响天气作业、数值模式参数化方案优化以及预警飞机积冰危险等领域也具有实际应用价值。由于对流云中的过冷水粒径较小，时空分布变化大，并且时常与冰雪粒子混合存在。因此如何科学、准确、定量的探测对流云中的过冷水一直是气象探测的难点。
现有技术中提供了一些通过雷达进行过冷水探测的方法，如说明书附图1提供的一种双偏振天气雷达探测过冷水的方法，其包括：
首先利用双偏振雷达的观测资料和温度资料，得到扫描范围内每个雷达距离库的差分反射率因子ZDR(dB)、水平反射率因子ZH(dBZ)、零滞后相关系数ρHV、差分相移率KDP(°·km-1)四个参量以及对应的大气温度T(℃)；其后利用以上五个参量构建模糊逻辑算法，识别雷达每个距离库探测到的水凝物相态，包括过冷水态，过冷水存在时的五个参量大致属于以下范围：ZDR(0.5～1.5dB)， ZH(-20～35dBZ)，ρHV(0.97～1.0)，KDP(-0.06～0.26°·km-1)，T(-10～-1℃)；最后根据模糊逻辑算法的结果，推知存在过冷水的距离库位置，即探测到过冷水的空间分布。
这类基于双偏振天气雷达的方法存在以下缺点：
双偏振天气雷达反射的是厘米波段的电磁波，只能探测到范围较大、较强的降水云的过冷水，由于灵敏度限制，无法探测到一般云层或粒径较小的过冷水粒子；
双偏振天气雷达数据的时空分辨率较低，而过冷水相态变化快，很容易冻结为冰晶或者因凇附过而程消耗，因此使用双偏振天气雷达很容易漏探测一些小范围的过冷水；
双偏振天气雷达只能探测到过冷水存在的空间位置，不能定量反演获得过冷水的有效半径和液态水含量等重要物理参数。
目前还存在个别利用地基微波辐射计探测过冷水的技术。其中微波辐射计是用来接收和获得来自空中大气在某些频率段上的辐射亮温的仪器，它自身并不发射电磁波，是被动地接受来自空中大气的微波信号。一种具体的实现方法如附图2所示，包括：
首先，辐射计直接测量各频率通道的辐射能量，并以电压的形式输出，因此微波辐射计观测资料，得到23.8GHz和31.65GHz通道的电压值；
然后，运用亮温传递函数将其接收机输出的电压值转换为天空亮度温度、即亮温度或亮温；
然后，根据以往观测结果中微波辐射计反演出的亮温值与液态水路径呈线性关系的特点，利用历史探空资料，通过线性回归得到亮温和液态水路径的具体关系式，并通过求得的关系式和亮温值反演得到液态水路径LWP；在该步中，也可以利用历史探空资料，通过神经网络的方法得到亮温和液态水路径的关系式；
最后，利用温度和微波辐射计云底高度资料，判断云体的温度，若云体全部位于0℃层以上，则表明存在过冷水，得到得到时间分辨率为152s的过冷水液态水路径(LWP)数据；若云体全部位于0℃层以下，则表明存在一般液态云滴；若0℃层位于云体之间，则表明存在一般液态云滴，但不能确定是否存在过冷水。
这类基于地基微波辐射计的方法存在以下缺点：
微波辐射计只能探测到垂直方向上过冷水的液态水路径，无法探测到过冷水的空间分布；
其无法定量反演得到过冷水粒子关键的物理参数如反射率因子、有效半径和液态水含量等；
当云底高度不完全位于0℃层以上时，无法确定过冷水的存在。并且在降雨天气下，无法探测云中的过冷水。
发明内容
本发明的目的在于提出一种可利用毫米波云雷达进行过冷水探测的方法、装置及应用。所述探测方法可结合毫米波云雷达的功率谱及探空温度资料，对云中特别是对流云中的过冷水进行自动识别和定量反演，得到精细的过冷水空间分布及其关键物理参数，如过冷水反射率因子、有效半径和液态水含量等。
本发明首先公开了如下的技术方案：
利用毫米波云雷达进行过冷水探测的方法，其包括：
获得探测区域的毫米波云雷达功率谱；
自所述功率谱中提取有效的云雨信号并获得其对应的雷达参数和动力参数；
基于所述功率谱的谱图特征和所得雷达参数，对其进行过冷水信号的识别和/或提取；
基于所得雷达参数、动力参数和所述过冷水信号，通过反演计算获得过冷水的微物理参数；
其中，
所述雷达参数包括雷达回波功率、反射率因子、平均多普勒速度和其功率谱谱宽中的一种或多种；
和/或，
所述动力参数包括大气垂直速度和/或粒子平均下落末速度；
和/或，
所述谱图特征包括谱图中连续信号段数量、谱峰数量、谱宽中的一种或多种；
和/或，
所述微物理参数包括过冷水有效粒子半径、其液态水含量和其液态水路径分布中一种或多种。
根据本发明的一些优选实施方式，所述有效云雨信号的提取包括以下过程中的一步或多步：
自所述功率谱中获得噪声电平；
检索获得所述功率谱中所有功率高于所述噪声电平的连续信号段；
若检索得到的连续信号段的信噪比大于第一阈值，且所包含的谱点数超过第二阈值，则判定其为云雨信号段，其余部分为噪声信号段；
以所述噪声信号段中噪声功率最大值作为噪声与所述云雨信号段的分界线；
将所述云雨信号段与所述分界线两端交点之间的部分判定为有效云雨信号段。
更优选的，所述第一阈值为-12dB和/或所述第二阈值为5个。
更优选的，所述噪声电平为将所述功率谱平均分为8段后，每段的平均功率值中的最低值。
根据本发明的一些优选实施方式，所述提取还包括：将所述有效云雨信号段中存在谱速度模糊现象的谱段进行纠正，由纠正后的谱段与该有效云雨信号段中的其余信号段组成有效云雨信号谱。
根据本发明的一些优选实施方式，所述过冷水信号的识别和/或提取包括以下过程中的一步或多步：
将所述功率谱中每个雷达距离库的最近时刻探空温度和/或所述探空温度的处理值与参照温度进行对比，将参照温度外的部分作为非过冷水雷达库筛除；
基于筛除后的功率谱中所述有效的云雨信号的连续信号段数量即其模态，判定其为多模态谱或单模态谱；标记所述多模态谱为存在可分离冰水混合物距离库的谱，将该谱中第一段有效的云雨信号段判定为过冷水信号段，即其过冷水谱；
基于所述单模态谱的谱峰数量，判定其为多谱峰的过冷水谱或是单谱峰谱；标记所述多谱峰谱为存在可分离冰水混合物距离库的谱，将该谱中第一个谱峰信号从鞍点处向下根据高斯对称分布进行补充，得到其过冷水谱；
将所述单谱峰谱中谱宽超过第三阈值的雷达距离库判定为过冰水混合物距离库，将所述冰水混合物距离库的功率谱判定为过冷水谱；
对所述过冷水谱的相关参数进行提取。
更优选的，所述参照温度为(-40℃，0℃)，其表示温度在-40℃到0℃之间，和/或，更优选的，所述第三阈值为0.4m/s。
根据本发明的一些优选实施方式，所述识别和/或提取还包括：自所述冰水混合物距离库中筛除谱宽符合要求但存在突变的非冰水混合物距离库，得到调整后冰水混合物距离库，将所述调整后冰水混合物距离库的功率谱判定为过冷水谱。
根据本发明的一些优选实施方式，所述非冰水混合物距离库的筛除条件为：若该雷达距离库与其临近的多个雷达距离库的大气垂直速度的速度差超过第四阈值，则将为非过非冰水混合物距离库；
更优选的，所述第四阈值为1m/s。
根据本发明的一些优选实施方式，所述反演计算的过程包括：
基于所得雷达参数、动力参数和所述过冷水信号，通过反演计算获得过冷水信号的谱点直径及其对应的信号回波强度-粒子下落末速度谱；
基于所得谱点直径D，将所述信号回波强度-粒子下落末速度谱对应转换为信号回波强度-谱点直径谱；
获得信号回波强度-谱点直径谱中每个过冷水信号的滴谱参数，进一步得到其滴谱；
基于所述滴谱，进一步获得过冷水的所述微物理参数。
根据本发明的一些优选实施方式，所述的方法应用了以下模型中的一种或多种：
雷达参数计算模型，包括：
Figure BDA0003337790310000051
Figure BDA0003337790310000052
Figure BDA0003337790310000053
Figure BDA0003337790310000054
其中，vs和ve分别为有效的云雨信号段的起点和终点的多普勒速度，Pi为云雨信号功率，C为雷达常数，R为探测距离，Pt为发射功率，G为天线增益，θ和
Figure BDA0003337790310000061
分别为水平和垂直波束宽度，h为照射深度，λ为波长，|k|2为复折射指数，Lε为馈线损耗；
大气垂直速度Vair获取模型：
Vair＝Vm，其中，Vm表示每个雷达距离库的所述功率谱中第一个所述有效的云雨信号的多普勒速度；
平均粒子下落末速度
Figure BDA0003337790310000062
计算模型：
Figure BDA0003337790310000063
其中，VM表示平均多普勒速度；
谱点直径D计算模型：
Figure BDA0003337790310000064
其中，g为重力加速度，μ为大气粘性系数，H为海拔高度，Vt为功率谱单个谱点的下落末速度，D为粒子直径，δ为速度订正参数；
滴谱参数N(Di)计算模型：
Figure BDA0003337790310000065
其中，ΔDi为过冷水粒子的直径间隔；
过冷水微物理参数计算模型，包括：
Figure BDA0003337790310000066
Figure BDA0003337790310000067
Figure BDA0003337790310000068
其中，Re为有效粒子半径，LWC为液态水含量，LWP为液态水路径分布参数，ρ为液态水的密度，n为垂直方向上的过冷水的雷达距离库库数、Δz为其距离库高度，Di为反演得到的单个谱点的直径，ri为反演得到的单个谱点的半径， rmin为谱点半径中的最小值，rmax为谱点半径中的最大值，ΔDi为直径间隔，Δri为半径间隔。
本发明进一步提供了一种实现上述方法或其任一实施方式的装置，其包括：存储有完成所述方法的模型和/或程序的存储模块，及以下模块中的一种或多种：用于根据所述模型和/或程序进行数据处理和/或计算的计算模块，用于输入模型和/或程序所需参数的输入模块，用于输出所述模型和/或程序结果的输出模块。
本发明进一步提供了一种上述方法或其任一实施方式，和/或上述装置的一种应用方法，其为将所述方法和/或所述装置应用于探测云中过冷水上。
本发明具备以下有益效果：
本发明可对云中如对流云中的过冷水进行自动识别和定量反演测算，其使用的采样的毫米波云雷达波长短、对小粒子十分敏感，时空分辨率高、有利于捕捉云雨粒子的空间分布，速度分辨率高、能区分出速度差异很小的不同相态的水凝物粒子；因此利用本发明的探测方法或装置能精细探测到过冷水的空间分布，并定量反演得到过冷水关键物理参数，如过冷水反射率因子、有效半径和液态水含量等。
相对于现有技术中的双偏振天气雷达不能探测到较小的过冷水粒子的缺点，本发明使用的毫米波云雷达波长约为8.9mm，能够探测到粒径很小的过冷水粒子，因此能更准确、完整的探测到过冷水。
相对于现有技术中的双偏振天气雷达的时空分辨率较低，可能会漏探测过冷水，并且微波辐射计也无法探测过冷水时空分布的缺点，本发明使用的毫米波云雷达数据时间分辨率为9s、空间分辨率为30m，能够相对完整的探测到过冷水的时空分布情况。
相对于现有技术中的双偏振天气雷达不能定量反演过冷水有效半径和液态水含量等微物理参数，微波辐射计也无法反演过冷水液态水含量空间分的的缺点，本发明利用毫米波云雷达的功率谱资料，能够定量反演过冷水的有效半径和液态水含量的空间分布，让使用者准确了解到过冷水存在的位置、有多少过冷水以及过冷水粒子的尺度大小。
相对于现有技术中的微波辐射计只能探测云体全部位于0℃层以上时的过冷水，并且在降雨天气下无法探测到过冷水的缺点，本发明能够探测任何云体中存在的过冷水，并且在降雨天气下，依然可以有效穿透云层，探测云体内的过冷水。
本发明可利用毫米波云雷达功率谱资料并在一些具体实施方式中进一步结合探空温度资料，探测到云中过冷水的空间分布、并定量反演表征过冷水尺寸和浓度大小等的微物理参量，在具体应用中可进一步：
获得过冷水存在的高度位置，提示飞机进行避绕，防止飞机触碰到过冷水时引起飞机积冰带来危险。
获得过冷水的高度位置并定量反演得到过冷水的液态水含量，有效半径参数，为人工增雨作业播撒催化剂的位置和用量提供参考。
获得过冷水的时空分布并反演得到有效半径和液态水含量等微物理参数，能够为云降水科学研究和数值模式优化等领域提供参考。
为云辐射效应、水汽收支和降水过程等方面的科学研究提供参考，在人工影响天气作业、数值模式参数化方案优化以及预警飞机积冰危险等领域发挥实际作用。
附图说明
图1为一种现有的探测方法的过程示意图。
图2为另一种现有的探测方法的过程示意图。
图3为本发明的一种具体的探测方法的流程示意图。
图4为实施例1中探测得到的云粒子各雷达参数的时空分布图，其中(a)-(d) 分别对应的雷达参数为反射率因子Ze、谱宽σv、大气垂直速度Vair和平均粒子下落末速度
Figure BDA0003337790310000081
图5为实施例1中探测得到的过冷水结果图，其包括过冷水及其反演得到的微物理参数的时空分布，其中(a)为过冷水的整体时空分布结果，(b)-(d)分别为反演得到微物理参数反射率因子Ze、有效半径Re和液态水含量LWC的时空分布结果。
图6为实施例2中探测得到的云粒子各雷达参数的时空分布图，其中(a)-(d) 分别对应的雷达参数为反射率因子Ze、谱宽σv、大气垂直速度Vair和平均粒子下落末速度
Figure BDA0003337790310000091
图7为实施例2中探测得到的过冷水结果图，其包括过冷水及其反演得到的微物理参数的时空分布，其中(a)为过冷水的整体时空分布结果，(b)-(d)分别为反演得到微物理参数反射率因子Ze、有效半径Re和液态水含量LWC的时空分布结果。
图8为实施例1和2中得到的液态水路径反演结果与同址的微波辐射计的液态水路径结果的对比图，其中(a)代表实施例1，(b)代表实施例2。
具体实施方式
以下结合实施例和附图对本发明进行详细描述，但需要理解的是，所述实施例和附图仅用于对本发明进行示例性的描述，而并不能对本发明的保护范围构成任何限制。所有包含在本发明的发明宗旨范围内的合理的变换和组合均落入本发明的保护范围。
背景技术所述的一些现有实施方式及本发明列举的如下一些实施方式中涉及的术语和/或缩略语如：
水平反射率因子ZH：双偏振天气雷达交替或同时发射水平偏振波和垂直偏振波，将接收到的水平偏振波回波强度称为水平反射率因子(对应的，接收到的垂直偏振波回波强度称为垂直偏振反射率因子)，其可以反映雷达波束空间内粒子的大小和浓度。
差分反射率因子ZDR：双偏振天气雷达交替或同时发射水平偏振波和垂直偏振波，将水平偏振反射率因子与垂直偏振反射率因子的比值定义为差分反射率因子，其可以表征粒子的空间取向和长短轴之比，如越扁平的粒子差分反射率因子越大。
零滞后相关系数ρHV：ρHV是对雷达采样体积内散射体对水平和垂直偏振电磁波的后向散射的相似性的一种度量，其可以反映雷达采样体积内粒子水平和垂直散射的相似性，取值范围为0到1；一般情况下，当采样体积内的粒子增大、球形性降低、倾斜角增大或存在混合相态时，ρHV有所降低；对于纯雨滴而言，ρHV通常接近于1。
差分相移率KDP：KDP的产生是由于粒子的后向散射存在差异，是粒子对不同偏振状态的电磁波的传输速度不同造成的，表示粒子对雷达波传播速度或相位的影响；一般来说，差分相移率KDP与粒子的形状、介电常数和数密度有关，液态降水是影响KDP的因素之一，降雨强度越大，其对应的KDP就越大，固态降水产生的KDP很小。
液态水含量LWC：单位体积内液态水的质量大小，常用单位为g/m3。
液态水路径LWP：单位面积垂直柱上，液态水的质量大小，常用单位为 g/m2。
有效半径Re：反映粒子尺度的大小的参量，常用单位为μm或mm。
功率谱：功率谱是雷达探测单元内粒子后向散射能量随多普勒速度的分布。
云雨信号：雷达功率谱中同时包含云雨信号和噪声信号，一般情况下，云雨信号相比噪声信号拥有更大的后向散射能量，并且连续具有一定的谱点数。
信噪比：云雨信号功率和噪声信号功率的比值。
速度模糊：云雷达测量粒子的垂直速度范围是有限的(正多普勒速度代表下沉运动，负多普勒速度代表上升运动)，当粒子的下落速度或大气上升气流超过雷达的最大速度探测范围时，超出部分的有效粒子信号将会被反相折叠，这种现象称为速度模糊。
反射率因子Ze：雷达功率谱的零阶矩，反映目标物单位体积中粒子的大小和浓度。
平均多普勒速度VM：雷达功率谱的一阶矩，反映目标物在雷达电磁波发射方向上的平均速度大小；毫米波云雷达垂直天顶发射电磁波，因此VM是粒子在垂直方向上的移动速度。
谱宽σv：雷达功率谱的二阶矩，表征反映目标物粒子速度分布的离散程度；一般在功率谱中速度分布范围越广，谱宽也越大。
参照附图3，根据本发明的技术方案，一种具体的对流云中过冷水的毫米波雷达探测方法包括以下流程：
数据处理和质量控制步骤，其包括：准确提取毫米波雷达功率谱(如使用 Ka波段毫米波云雷达Ka-MMCR M1功率谱)中有效的云雨信号并得到其质量控制后的雷达参数和动力参数；
过冷水识别和提取步骤，其包括：利用环境参数如环境温度，利用功率谱特征参数如谱的模态数、谱的峰数、雷达参数如谱宽，及利用动力参数如大气垂直速度Vair等对过冷水信号进行特征识别和提取；
过冷水微物理参数获取步骤，其包括：基于所得雷达参数和动力参数及提取得到的过冷水信号，通过反演的方法计算获得过冷水的微物理参数如过冷水有效粒子半径Re、液态水含量LWC和液态水路径LWP等。
进一步的，更具体的一些实施方式如：
所述数据处理和质量控制步骤可包括：
(1)噪声电平计算；
其中，噪声电平指功率谱中噪声的平均功率。
更具体的，其可优选通过分段法计算获得，如将功率谱的数据点从左到右平均分为多段、优选如8段，其后计算每一段谱点的平均功率，并将其中获得的最小平均功率作为所述噪声电平。
或，在另外一些可选的实施方式中，噪声电平可通过客观法计算获得。
(2)云信号识别：
更具体的，其可优选包括：
检索所述功率谱中所有高于获得的噪声电平的连续信号段；
若检索得到的连续信号段的信噪比SNR大于-12dB，且所包含的谱点超过5 个，则判定为云雨信号段，其余部分视为噪声段；
自噪声段中，获得噪声功率最大值作为噪声与云雨信号段的分界线PB；
将所得云雨信号段与分界线PB的两端交点作为云雨信号的起点和终点，起终点之间的峰值作为云雨信号的谱峰。
(3)速度模糊纠正：
当云雨发展较强时会出现谱速度模糊，表现为部分云雨信号超过了雷达的最大可测速度范围，被反向折叠，可进一步选择现有技术中的一些方法如郑佳锋(《Ka波段-多模式毫米波雷达功率谱数椐处理方法及云内大气垂直速度反演研究》)提出的退模糊方法进行纠正，其包括根据风随高度连续变化的原则，从云顶往下逐库对比来判断速度模糊及其类型，最终将模糊谱平移纠正。
(4)雷达谱矩参数计算：
进一步的，其可具体包括：
利用局部积分获得雷达谱矩参数，包括回波功率Pr(dBm)、反射率因子 Ze、平均多普勒速度VM和谱宽σv，其计算模型可进一步如式(1)-(4)所示：
Figure BDA0003337790310000121
Figure BDA0003337790310000122
Figure BDA0003337790310000123
Figure BDA0003337790310000124
其中，vs和ve为云雨信号起终点的多普勒速度(m/s)，Pi为云雨信号功率 (dBm)，C为雷达常数，R为探测距离(m)，Pi为发射功率(W)，G为天线增益 (dB)，θ和
Figure BDA0003337790310000125
为水平和垂直波束宽度(deg)，h为照射深度(m)，λ为波长(mm)，|k|2为复折射指数，Lε为馈线损耗(dB)。
在本发明的一些具体实施例中，通过以上计算模型，可得到垂直方向上库长为30m、即探测高度为15.3km的510个距离库的雷达参数值，且每大约9s 可取得这样一组数据。
或，在另外一些可选的实施方式中，谱矩参数也可以由毫米波云雷达基数据提供。
(5)动力参数计算，其中动力参数包括：大气垂直速度和粒子平均下落末速度：
更具体的，其可优选包括：
将每个雷达距离库的功率谱中，第一个有效云信号谱点的多普勒速度作为大气垂直速度Vair；
通过所得平均多普勒速度VM减去大气垂直速度Vair，得到平均粒子下落末速度
Figure BDA0003337790310000062
所得参数Vair和
Figure BDA0003337790310000062
数据格式和以上雷达参数相同。
根据以上过程，可准确提取出功率谱中有效的云雨信号并获得其质量控制后的所需的参数。
所述过冷水的识别和提取步骤可包括：
(1)温度判断；
更具体的，其可优选包括：
将每个雷达距离库的最近时刻探空获取的温度数据进行插值处理，得到和以上雷达参数同样格式的温度数据T，若-40℃＜T＜0℃，则进入下一步，否则直接视为非过冷水。
(2)模态数判断：
更具体的，其包括：根据功率谱所得云雨信号的起终点，若包含多段连续的云雨信号段的功率谱即多模态谱，标记该距离库内存在可分离冰水混合物；反之，则标记为单模态谱；
将单模态谱进行下一步的谱峰数判断。
其中涉及的多模态现象是指：如果雷达的功率包含多段连续的有效云信号，称为多模态现象，根据云雨信号起终点信息，可判断信号的模态数，若不少于两个模态，则认为存在冰水混合，后续需进行谱分离。
(3)谱峰数判断：
更具体的，其优选包括：
采用临近功率对比法进行谱峰判断，即在功率谱中若存在某谱点功率高于两侧若干点，则其被识别为一个谱峰；
考虑到云内湍流等引起的谱脉动，采用现有技术如Shupe et al.(2004) (ShupeM D，Kollias P，Matrosov S Y，et al.Deriving mixed-phase cloud properties fromDoppler radar spectra.Joumal of Atmospheric and Oceanic Technology，2004，21(4)：660-670) 约束条件进行假谱峰排除；
当确认后的谱峰数不少于两个时，视为存在冰水混合，标记该距离库内存在可分离冰水混合物；反之，则标记为单谱峰谱；
将单谱峰谱进行下一步的谱宽和速度判断。
其中涉及的多谱峰现象是指：如果雷达的功率谱包含多个有效峰值，称为多谱峰现象。
(4)谱宽和速度判断：
更具体的，其优选包括：
将单谱峰谱中谱宽超过0.4m/s的距离库视为冰水混合物库；
考虑到谱宽还受到垂直风切变和湍流的影响，通过速度差异对其中的非冰水混合物距离库进行排除，具体包括如：以当前库为中心，检测临近多个库 (优选如八个库)与中心库的大气垂直速度Vair的速度差，若差异绝对值超过1 m/s，则将其标记为非冰水混合物距离库。
或，在另外一些可选的实施方式中，过冷水的识别和提取、温度数据的获取，也可通过微波辐射计等其他探测手段获取。
(5)过冷水谱分离：
更具体的，其优选包括：
对于标记存在可分离冰水混合物的距离库，若该距离库的功率谱为多模态谱，则将第一段有效云信号视为过冷水谱；若该距离库的功率谱为多谱峰谱，则将功率谱第一个谱峰信号从鞍点处向下根据高斯对称分布进行补充，得到过冷水谱；对于标记存在不可分离冰水混合物的距离库，则将整个功率谱视为过冷水谱。
利用谱分离后得到的过冷水谱，根据式(1)-(4)重新算出其对应的过冷水的雷达谱矩参数。
上述优选方式可进一步获得精确的过冷水的微物理参数。
过冷水微物理参数获取步骤可包括：
(1)通过反演获得过冷水的谱点直径D；
更具体的，其可包括：
将所得过冷水信号根据大气垂直速度Vair进行平移，得到静止空气条件下的过冷水信号谱Pri-Vti，Pri和Vti分别代表过冷水的谱点功率和粒子下落末速度；
将过冷水的谱点功率Pri带入雷达气象方程(2)中，得到过冷水的回波强度-下落末速度谱Zi-Vti；
根据式(5)的反演计算，获得过冷水每个谱点的直径D：
Figure BDA0003337790310000151
其中，g为重力加速度，μ为大气粘性系数、可取0.01615g/m/s，H为海拔高度(m)，Vt是功率谱单个谱点的下落末速度(m/s)，D为粒子直径(mm)，δ是速度订正参数。
(2)基于所得谱点直径D，获得过冷水的滴谱；
更具体的，其可包括：
根据每个谱点的谱点直径D，将所得过冷水的回波强度-下落末速度谱 Zi-Vti按对应关系转换为过冷水的回波强度-谱点直径谱Zi-Di；
通过式(6)计算Zi-Di谱中每个过冷水的滴谱参数N(Di)(m-3/mm)：
Figure BDA0003337790310000152
其中，ΔDi(mm)为过冷水粒子的直径间隔；
根据滴谱参数获得对应的过冷水滴谱。
(3)基于所得过冷水的滴谱，获得过冷水的微物理参数；
更具体的，其可包括：
在反演获得过冷水滴谱后，通过式(7)和(8)分别计算得到过冷水滴的有效粒子半径Re(mm)和其液态水含量LWC(g/m3)：
Figure BDA0003337790310000161
Figure BDA0003337790310000162
其中，ρ为液态水的密度，Di为反演得到的单个谱点的直径(mm)，ri为反演得到的单个谱点的半径(Di/2，mm)，rmin为谱点半径中的最小值(mm)，rmax为谱点半径中的最大值(mm)，ΔDi为直径间隔(mm)，Δri为半径间隔(mm)。
通过式(9)获得液态水路径LWP(g/m2)，该参数可反映云体垂直柱上的总液水含量：
Figure BDA0003337790310000163
其中，n代表垂直方向上过冷水的库数，Δz为距离库高度。
通过上述一些具体实施方式可以看出，本发明基于数据处理和过冷水识别结果，从功率谱角度的反演获得了过冷水滴的微物理参数。
实施例1
利用TIPEX-III试验期间安置在某地的Ka波段毫米波云雷达和微波辐射计得到的观测资料，结合该站的探空温度数据，对其在某日22：45-01：00的层积云中过冷水使用本发明的方法进行探测。
可得到：
如附图4所示的毫米波云雷达探测对流云中得到的云粒子各雷达参数的时空分布结果，其中(a)-(d)分别是反射率因子Ze、谱宽σv、大气垂直速度Vair和平均粒子下落末速度
Figure BDA0003337790310000164
通过该图，可以看出：从全局谱的Ze回波来看，层积云在本站上空维持2小时15分钟，云顶高约4.5km、起伏较小，但云内回波强度梯度明显，强中心可达15dBZ以上。云层在空中产生降水，回波呈下挂特点。σv回波表明，除00：20-00：35时段以外，靠近云顶的强回波区均对应较大谱宽值，σv基本都超过0.4m/s，反映了这些区域可能有过冷水与冰粒子混合。反演的Vair和
Figure BDA0003337790310000062
表明，层积云基本受上升气流控制，上升气流较强位置与高谱宽区非常一致，且对应的Ze都比较大，上升气流最快可超4m/s，而云中下部和弱回波区域的上升运动则较弱，基本不超过1m/s。水凝物平均落速
Figure BDA0003337790310000062
与Ze也基本对应，符合两者均由粒子尺寸直接决定的理论结果。
Figure BDA0003337790310000062
大负值区域与Vair和σv大值区也非常对应，反映了上升气流促使形成大冰晶或液态水凝物，
Figure BDA0003337790310000062
最小可达-4m/s。
如附图5所示的探测对流云内过冷水的结果，其中，(a)为过冷水的时空分布结果，其中SW代表可分离过冷水存在的位置，Mix代表冰水混合物存在的位置，NaN代表该位置不存在过冷水，横直虚线是探空温度资料得到的等温层，结果表明本实施例探测到的是0℃层以上的过冷水；(b)-(d)是反演得到的过冷水微物理参数的时空分布结果，分别是过冷水的反射率因子Ze、有效半径Re、液态水含量LWC，可以看出，过冷水和冰水混合区都位于-20-0℃，且云顶温度高于-27℃。层积云的上部，在强上升气流作用下产生丰富的过冷水，同时也使得过冷水滴和冰晶的谱信号混合，难以形成明显的多峰特征，因此算法依靠高谱宽值将部分区域识别为冰水混合。在3-3.5km高度层及其附近区域，上升气流减弱，水凝物主要为经过凇附增长而沉降的冰雪晶粒子，因此被识别为非过冷水区。而在云下部，上升气流微弱，冰晶与过冷水滴落速差异明显，从而形成了显著的多峰信号，算法将大部分过冷水信号分离并识别为过冷水区域。从过冷水Ze可见，过冷水回波强度为-25-20dBZ，大部分高于-5dBZ，尤其在高谱宽和强上升气流出现的时刻，Ze最大可接近20dBZ。说明层积云中，在强上升气流作用下，过冷水滴可通过暖雨的增长机制碰并至较大尺度，甚至演变成毛毛雨滴和小雨滴。反演的Re和LWC表明，层积云过冷水滴的粒径分布较广，在云边缘和弱回波区较小，Re基本小于50μm；而在云内强回波区则较大，Re可达 100-225μm。LWC的分布基本与Re一致，云边缘和弱回波区基本小于0.1g/m3，回波较强区域LWC较大，尤其在23：10和00：38左右，LWC可达0.2-1g/m3。
实施例2
利用TIPEX-III试验期间安置在某地的Ka波段毫米波云雷达和微波辐射计得到的观测资料，结合该站的探空温度数据，对其在某日15：45-17：30浓积云、积云和高积云中过冷水使用本发明的方法进行探测。
可得到：
如附图6所示的毫米波云雷达探测对流云中得到的云粒子各雷达参数的时空分布结果，其中(a)-(d)分别是反射率因子Ze、谱宽σv、大气垂直速度Vair和平均粒子下落末速度
Figure BDA0003337790310000181
可以看出，从全局谱Ze可见，浓积云出现在15：50-16：40，持续近50分钟，云层发展较高，云顶最高可超过7.5km，垂直尺度约5km，云顶起伏明显且云内回波强度梯度大，强中心可达5-10dBZ。高积云出现在17：00- 17：30，持续时间稍短，约30分钟，云底基本超过4km，云顶也可超过7.5km，云体倾斜，回波强度相较浓积云弱且强中心范围更小，但最强回波也可达5dBZ 以上。淡积云位于高积云之下，尺度最小、回波最弱。探空表明，三块云的云底都在0℃高度以上，大部分回波在-40℃高度以下。σv回波表明，浓积云顶部和底部主要受夹卷和升华影响，冰晶较小、粒子谱较窄，对应谱宽值较小；而云中部的冰晶尺寸较大且与过冷水混合，使得谱宽较大，基本都超过0.4m/s。高积云大部分区域的谱宽值也都较大，也反映了云内较多的冰水混合现象。低空淡积云的谱宽值都很小，粒子谱较窄。雷达反演的Vair和
Figure BDA0003337790310000062
表明，浓积云大部分云体受上升气流控制，但中部强回波区存在明显的垂直风切变，强上升和下沉气流交错，速度最快都接近4m/s。高积云也都由上升气流控制，上升速度整体较浓积云更强烈，与倾斜上冲的外观结构相对应。淡积云内对流则最弱。浓积云强回波对应产生了部分最大的水凝物粒子，对应最大的
Figure BDA0003337790310000181
高积云次之，而淡积云最小。
如附图7所述的探测对流云内过冷水的结果，其中，(a)为过冷水的时空分布结果，其中SW代表可分离过冷水存在的位置，Mix代表冰水混合物存在的位置，NaN代表该位置不存在过冷水，横直虚线是探空温度资料得到的等温层，结果表明本实施例探测到的是0℃层以上的过冷水；(b)-(d)是反演得到的过冷水微物理参数的时空分布结果，分别是过冷水的反射率因子Ze、有效半径Re、液态水含量LWC，从雷达识别的过冷水标记来看，在浓积云和高积云顶部附近，由于温度较低，不是过冷水形成的适宜温度，云粒子基本呈冰相。云体中下部则在强上升气流作用下促使过冷水滴形成，进而冰晶通过凇附使得整体粒子谱较宽或出现显著的多峰信号，大部分区域的是过冷水或冰水混合。淡积云内由于上升运动很弱，水凝物基本为尺寸较小的冰晶。此外，由于浓积云内存在更强的风切变和湍流，因此其冰水混合比例较层积云的更高，过冷水的空间分布也相对更均匀。从过冷水Ze、Re和LWC可见，浓积云和高积云内的过冷水回波强度分布也较广，为-20-15dBZ。与层积云类似，浓积云和高积云内过冷水滴也通过类似暖雨过程的碰并增长产生降水。但与层积云相比，后两者的过冷水滴尺寸和含水量较小，Re和LWC基本不超过150μm和0.2g/m3。
将上述两个实施例中探测过冷水从而得到的液态水路径反演结果，与同址的微波辐射计的液态水路径结果进行对比，结果如附图8所示，其中图(a)是实施例1的对比结果，图(b)是实施例2的对比结果，虚线是实施例中反演过冷水液态水路径的结果，实线是微波辐射计的结果。可以看出，二者的时间变化趋势和峰值大小方面都是较为吻合的，因此使用本发明探测和反演过冷水的结果是可信的。
以上实施例仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例。凡属于本发明思路下的技术方案均属于本发明的保护范围。应该指出，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的改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.利用毫米波云雷达进行过冷水探测的方法，其特征在于，包括：
获得探测区域的毫米波云雷达功率谱；
自所述功率谱中提取有效的云雨信号并获得其对应的雷达参数和动力参数；
基于所述功率谱的谱图特征和所得雷达参数，对其进行过冷水信号的识别和/或提取；
基于所得雷达参数、动力参数和所述过冷水信号，通过反演计算获得过冷水的微物理参数；
其中，
所述雷达参数包括雷达回波功率、反射率因子、平均多普勒速度和其功率谱谱宽中的一种或多种；
和/或，
所述动力参数包括大气垂直速度和/或粒子平均下落末速度；
和/或，
所述谱图特征包括谱图中连续信号段数量、谱峰数量、谱宽中的一种或多种；
和/或，
所述微物理参数包括过冷水有效粒子半径、其液态水含量和其液态水路径分布中一种或多种。
2.根据权利要求1所述的方法，其特征在于，所述有效云雨信号的提取包括以下过程中的一步或多步：
自所述功率谱中获得噪声电平；
检索获得所述功率谱中所有功率高于所述噪声电平的连续信号段；
若检索得到的连续信号段的信噪比大于第一阈值，且所包含的谱点数超过第二阈值，则判定其为云雨信号段，其余部分为噪声信号段；
以所述噪声信号段中噪声功率最大值作为噪声与所述云雨信号段的分界线；
将所述云雨信号段与所述分界线两端交点之间的部分判定为有效云雨信号段；
优选的，所述第一阈值为-12dB和/或所述第二阈值为5个；
优选的，所述噪声电平为将所述功率谱平均分为8段后，每段的平均功率值中的最低值。
3.根据权利要求2所述的方法，其特征在于，所述提取还包括：将所述有效云雨信号段中存在谱速度模糊现象的谱段进行纠正，由纠正后的谱段与该有效云雨信号段中的其余信号段组成有效云雨信号谱。
4.根据权利要求1所述的方法，其特征在于，所述过冷水信号的识别和/或提取包括以下过程中的一步或多步：
将所述功率谱中每个雷达距离库的最近时刻探空温度和/或所述探空温度的处理值与参照温度进行对比，将参照温度外的部分作为非过冷水雷达库筛除；
基于筛除后的功率谱中所述有效的云雨信号的连续信号段数量即其模态，判定其为多模态谱或单模态谱；标记所述多模态谱为存在可分离冰水混合物距离库的谱，将该谱中第一段有效的云雨信号段判定为过冷水信号段，即其过冷水谱；
基于所述单模态谱的谱峰数量，判定其为多谱峰谱或单谱峰谱；标记所述多谱峰谱为存在可分离冰水混合物距离库的谱，将该谱中第一个谱峰信号从鞍点处向下根据高斯对称分布进行补充，得到其过冷水谱；
将所述单谱峰谱中谱宽超过第三阈值的雷达距离库判定为冰水混合物距离库，将所述冰水混合物距离库的功率谱判定为过冷水谱；
对所述过冷水谱的相关参数进行提取；
优选的，所述参照温度为(-40℃，0℃)，和/或，优选的，所述第三阈值为0.4m/s。
5.根据权利要求4所述的方法，其特征在于，所述识别和/或提取还包括：自所述冰水混合物距离库中筛除谱宽符合要求但存在突变的非冰水混合物距离库，得到调整后冰水混合物距离库，将所述调整后冰水混合物距离库的功率谱判定为过冷水谱。
6.根据权利要求5所述的方法，其特征在于，所述非冰水混合物距离库的筛除条件为：若该雷达距离库与其临近的多个雷达距离库的大气垂直速度的速度差超过第四阈值，则将其判定为非冰水混合物距离库；
优选的，所述第四阈值为1m/s。
7.根据权利要求1所述的方法，其特征在于，所述反演计算的过程包括：
基于所得雷达参数、动力参数和所述过冷水信号，通过反演计算获得过冷水信号的谱点直径及其对应的信号回波强度-粒子下落末速度谱；
基于所得谱点直径D，将所述信号回波强度-粒子下落末速度谱对应转换为信号回波强度-谱点直径谱；
获得信号回波强度-谱点直径谱中每个过冷水信号的滴谱参数，进一步得到其滴谱；
基于所述滴谱，进一步获得过冷水的所述微物理参数。
8.根据权利要求1-7中任一项所述的方法，其特征在于，其应用了以下模型中的一种或多种：
雷达参数计算模型，包括：
Figure FDA0003337790300000031
Figure FDA0003337790300000032
Figure FDA0003337790300000033
Figure FDA0003337790300000034
其中，vs和ve分别为有效的云雨信号段的起点和终点的多普勒速度，Pi为云雨信号功率，C为雷达常数，R为探测距离，Pt为发射功率，G为天线增益，θ和
Figure FDA0003337790300000035
分别为水平和垂直波束宽度，h为照射深度，λ为波长，|k|2为复折射指数，Lε为馈线损耗；
大气垂直速度Vair获取模型：
Vair＝Vm，其中，Vm表示每个雷达距离库的所述功率谱中第一个所述有效的云雨信号的多普勒速度；
平均粒子下落末速度
Figure FDA0003337790300000036
计算模型：
Figure FDA0003337790300000037
其中，VM表示平均多普勒速度；
谱点直径D计算模型：
Figure FDA0003337790300000041
其中，g为重力加速度，μ为大气粘性系数，H为海拔高度，Vt为功率谱单个谱点的下落末速度，D为粒子直径，δ为速度订正参数；
滴谱参数N(Di)计算模型：
Figure FDA0003337790300000042
其中，ΔDi为过冷水粒子的直径间隔；
过冷水微物理参数计算模型，包括：
Figure FDA0003337790300000043
Figure FDA0003337790300000044
Figure FDA0003337790300000045
其中，Re为有效粒子半径，LWC为液态水含量，LWP为液态水路径分布参数，ρ为液态水的密度，n为垂直方向上的过冷水的雷达距离库库数、Δz为其距离库高度，Di为反演得到的单个谱点的直径，ri为反演得到的单个谱点的半径，rmin为谱点半径中的最小值，rmax为谱点半径中的最大值，ΔDi为直径间隔，Δri为半径间隔。
9.实现权利要求1-8中任一项所述的方法的装置，其特征在于，其包括：存储有完成所述方法的模型和/或程序的存储模块，及以下模块中的一种或多种：用于根据所述模型和/或程序进行数据处理和/或计算的计算模块，用于输入模型和/或程序所需参数的输入模块，用于输出所述模型和/或程序结果的输出模块。
10.权利要求1-8中任一项所述的方法和/或权利要求9所述的装置在探测云中过冷水上的应用。
CN202111299611.7A 2021-11-04 2021-11-04 利用毫米波云雷达进行过冷水探测的方法、装置及应用 Active CN114002681B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111299611.7A CN114002681B (zh) 2021-11-04 2021-11-04 利用毫米波云雷达进行过冷水探测的方法、装置及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111299611.7A CN114002681B (zh) 2021-11-04 2021-11-04 利用毫米波云雷达进行过冷水探测的方法、装置及应用

Publications (2)

Publication Number Publication Date
CN114002681A true CN114002681A (zh) 2022-02-01
CN114002681B CN114002681B (zh) 2023-05-30

Family

ID=79927270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111299611.7A Active CN114002681B (zh) 2021-11-04 2021-11-04 利用毫米波云雷达进行过冷水探测的方法、装置及应用

Country Status (1)

Country Link
CN (1) CN114002681B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115423762A (zh) * 2022-08-25 2022-12-02 河北省人工影响天气中心 基于机载探头组合粒子谱的过冷水反演方法
CN115629387A (zh) * 2022-12-07 2023-01-20 成都远望科技有限责任公司 一种多波段双偏振雷达的冰晶凇附增长估算方法
CN115791574A (zh) * 2023-02-08 2023-03-14 中国空气动力研究与发展中心低速空气动力研究所 一种固态与液态云粒子比例测量装置
CN116819490A (zh) * 2023-08-31 2023-09-29 成都远望科技有限责任公司 基于云雷达与激光雷达的云与气溶胶分类的方法

Citations (8)

* Cited by examiner, † Cited by third party
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
FR2960652A1 (fr) * 2010-05-28 2011-12-02 Thales Sa Procede de correction de mesures de reflectivite par detection d'isotherme et radar mettant en oeuvre ce procede
CN106569289A (zh) * 2016-10-18 2017-04-19 北京无线电测量研究所 一种识别过冷水的方法及装置
CN107843884A (zh) * 2017-09-13 2018-03-27 成都信息工程大学 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法
US20180113211A1 (en) * 2016-10-24 2018-04-26 Korea Meteorological Administration Remote observation system and method for aerosol, cloud and rainfall
CN109884640A (zh) * 2019-02-20 2019-06-14 北京市人工影响天气办公室 一种数据处理方法、装置及电子设备
US10761242B1 (en) * 2015-11-24 2020-09-01 Board of Trustees of the Unviersity of Alabama, for and on behalf of the University of Alabama in Huntsville Systems and methods for forecasting lightning and severe storms
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
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
FR2960652A1 (fr) * 2010-05-28 2011-12-02 Thales Sa Procede de correction de mesures de reflectivite par detection d'isotherme et radar mettant en oeuvre ce procede
US10761242B1 (en) * 2015-11-24 2020-09-01 Board of Trustees of the Unviersity of Alabama, for and on behalf of the University of Alabama in Huntsville Systems and methods for forecasting lightning and severe storms
CN106569289A (zh) * 2016-10-18 2017-04-19 北京无线电测量研究所 一种识别过冷水的方法及装置
US20180113211A1 (en) * 2016-10-24 2018-04-26 Korea Meteorological Administration Remote observation system and method for aerosol, cloud and rainfall
CN107843884A (zh) * 2017-09-13 2018-03-27 成都信息工程大学 基于双偏振雷达观测提高雷暴天气预警预报准确度的方法
CN109884640A (zh) * 2019-02-20 2019-06-14 北京市人工影响天气办公室 一种数据处理方法、装置及电子设备
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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIAFENG ZHENG ET AL.: "Characteristics of Warm Clouds and Precipitation in South China during the Pre-Flood Season Using Datasets from a Cloud Radar" *
吴举秀;魏鸣;王以琳: "利用毫米波测云雷达反演层状云中过冷水" *
郑佳锋: "Ka波段-多模式毫米波雷达功率谱数据处理方法及云内大气垂直速度反演研究" *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115423762A (zh) * 2022-08-25 2022-12-02 河北省人工影响天气中心 基于机载探头组合粒子谱的过冷水反演方法
CN115423762B (zh) * 2022-08-25 2023-11-07 河北省人工影响天气中心 基于机载探头组合粒子谱的过冷水反演方法
CN115629387A (zh) * 2022-12-07 2023-01-20 成都远望科技有限责任公司 一种多波段双偏振雷达的冰晶凇附增长估算方法
CN115629387B (zh) * 2022-12-07 2023-02-28 成都远望科技有限责任公司 一种多波段双偏振雷达的冰晶凇附增长估算方法
CN115791574A (zh) * 2023-02-08 2023-03-14 中国空气动力研究与发展中心低速空气动力研究所 一种固态与液态云粒子比例测量装置
CN115791574B (zh) * 2023-02-08 2023-04-11 中国空气动力研究与发展中心低速空气动力研究所 一种固态与液态云粒子比例测量装置
CN116819490A (zh) * 2023-08-31 2023-09-29 成都远望科技有限责任公司 基于云雷达与激光雷达的云与气溶胶分类的方法
CN116819490B (zh) * 2023-08-31 2023-11-17 成都远望科技有限责任公司 基于云雷达与激光雷达的云与气溶胶分类的方法

Also Published As

Publication number Publication date
CN114002681B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
CN114002681A (zh) 利用毫米波云雷达进行过冷水探测的方法、装置及应用
Zawadzki et al. Modeling of the melting layer. Part III: The density effect
Jiang The relationship between tropical cyclone intensity change and the strength of inner-core convection
US7515087B1 (en) Weather radar system and method using data from a lightning sensor
Hashiguchi et al. Observations of the planetary boundary layer over equatorial Indonesia with an L band clear-air Doppler radar: Initial results
Gourova et al. Analysis of rain clutter detections in commercial 77 GHz automotive radar
Welsh et al. Understanding heavy lake-effect snowfall: The vertical structure of radar reflectivity in a deep snowband over and downwind of Lake Ontario
Jing et al. Dual-polarization radar data analysis of the impact of ground-based glaciogenic seeding on winter orographic clouds. Part II: Convective clouds
Gage et al. Application of the 915 MHz profiler for diagnosing and classifying tropical precipitating cloud systems
Szumowski et al. The microphysical structure and evolution of Hawaiian rainband clouds. Part I: Radar observations of rainbands containing high reflectivity cores
Xie et al. Precipitation and microphysical processes observed by three polarimetric X-band radars and ground-based instrumentation during HOPE
JP2000075029A (ja) 気象レーダ装置
Cui et al. Vertical structure and dynamical properties during snow events in middle latitudes of China from observations by the C-band vertically pointing radar
Fabry et al. The influence of stratiform precipitation on shallow convective rain: A case study
Geerts et al. Classification and characterization of tropical precipitation based on high-resolution airborne vertical incidence radar. Part II: Composite vertical structure of hurricanes versus storms over Florida and the Amazon
Saltikoff Measuring snow with weather radar
Ryzhkov et al. Weather applications of dual-polarization radars
Li Growth and Melting of Atmospheric Ice Particles: Insights from Radar Observations
Huang et al. A microphysical investigation of different convective cells during the precipitation event with sustained high-resolution observations
Hu et al. Precipitation and latent heating properties of tropical cyclone in the Northwest pacific measured by Gpm Dpr and Himawari-8
Kunhikrishnan et al. Rain observations with micro rain radar (MRR) over Thumba
Nissen et al. Constant raindrop fall speed profiles derived from Doppler radar data analyses for steady nonconvective precipitation
Bang et al. Diagnosis of winter precipitation types using Spectral Bin Model (SBM): Comparison of five methods using ICE-POP 2018 field experiment data
Yuan et al. Microphysical Processes and Enhancement Effect of Natural Seeder-Feeder in Stratiform Snowfall Observed by Millimeter Wave Cloud Radar
Sebastianelli Quantitative precipitation estimates from dual-polarization weather radar in Lazio region

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