[发明专利]一种基于多普勒雷达反射率图像的风暴云团的外推方法

说明书

技术领域

本发明涉及气象领域，特别涉及一种基于多普勒雷达的风暴云团的外推方法。 

背景技术

人类自从进入20世纪以后，通过基于多普勒天气雷达的反射率图像获得风暴云团的跟踪、自动识别和预报的研究成果。基于外推技术的云团成为一类流行和方便的方法，其中，单体质心法和交叉相关法是应用最为广泛的两种方法。Rinehart最早提出的跟踪算法TREC就是从交叉相关法派生出来的，后来又经过一些学者如Li、Lai和王改利等的不懈努力，TREC算法得到了不断改进和完善，TREC算法的基本做法是首先计算相邻时刻云团的雷达回波图像小区域之间的相关系数，在最大相关条件下得到各局部云团回波的移动矢量，进而进行外推预测；另一种单体质心法从被提出至今，同样经过众多学者不断地完善和发展，提出了目前广泛使用的TITAN和SCIT算法，这两种算法的基本做法是在识别出风暴单体(只含有一个核区)的基础上，进行相邻时刻的单体匹配，并通过对相邻的多时刻的匹配结果进行外推。 

TREC算法追踪风暴单体的步骤是：通过上一步识别出的风暴单体，计算出相邻时刻的两组云团的质心位置，利用最大速度作控制，采用最大相关系数确定相邻时刻云团的移动矢量，通过获得的移动矢量来预测相应单体未来时刻的质心位置。 

TITAN算法通过组合最优化算法对气象云团的质心进行跟踪，通过几何图形的处理来描述气象云团的分裂和合并。该算法的核心思想是：根据气象云团当前时刻的相似性和距离来配对，云团的相似性越高，云团的距离相距越近，越优先配对。 

SCIT算法包含三个部分：云团识别、形态匹配和位置预测。识别完云团后就要对其做匹配处理：以当前时刻为基础，寻找前一时刻与之相对应的云团，探寻其轨迹，在前面工作的基础上，利用“历史位置”拟合云团的当前运动矢 量，这个运动矢量被用来做云团未来时刻质心运动轨迹。 

发明人在实现本发明的过程中，发现现有技术中至少存在以下不足：气象学中的冰雹、龙卷风和暴雨等强对流天气的多普勒雷达反射率图像在内部结构和外部形态上均携带者重要的信息，这些信息能够帮助人们辨析风暴云团以及风暴云团的类型。而现有的外推技术侧重的是云团位置的外推，在外推结果中，恰恰不能提供云团结构和云团形态的信息。 

发明内容

本发明提供了一种基于多普勒雷达反射率图像的风暴云团外推方法，本发明在云团位置外推的基础上，能够提供外推的风暴云团重要的形态与结构信息，丰富了外推云团的有用且重要的预报信息，填补了不能外推出带有结构和形态信息的风暴云团的一项空白，详见下文描述： 

一种基于多普勒雷达反射率图像的风暴云团的外推方法，所述方法包括以下步骤：

(1)对风暴云团多普勒雷达反射率图像进行分层分解，获取风暴云团的7张基于不同反射率阈值的单色子图像； 

(2)对风暴云团的每一张单色子图像进行分块处理分解为小块区域和大块区域；其中，将风暴云团中面积小于10⁴的局部区域定义为所述小块区域；将面积大于等于10⁴的局部区域定义为所述大块区域； 

(3)采用线性外推修正法得到所述小块区域和所述大块区域质心的外推结果； 

(4)根据所述小块区域质心的外推结果，对每个所述小块区域采用基于散射模型的形态外推法，得到所述小块区域局部轮廓的外推结果； 

(5)根据所述大块区域质心的外推结果，对每个所述大块区域的局部扇形边缘，采用基于数学形态学的形态外推法，得到所述大块区域局部轮廓的外推结果； 

(6)对每层的所述小块区域局部轮廓的外推结果和所述大块区域局部轮廓的外推结果进行合并，得到各单色子图像的整体外推图像； 

(7)以反射率阈值为25dBz单色子图像的整体外推结果为基底，依次用高反射率阈值单色子图像的整体外推结果对低反射率阈值单色子图像的整体外推结 果进行覆盖，再将极高反射率区域进行最终覆盖，获取多普勒雷达反射率图像中风暴云团的外推图像；其中，将面积小于等于50个单位的，反射率阈值大于55dBz的反射率区域定义为极高反射率区域； 

(8)将下一个时刻视为当前时刻，重复(1)到(7)的步骤，实现对风暴云团的持续外推，获取风暴云团在更远时刻的外推图像。 

所述对风暴云团多普勒雷达反射率图像进行分层分解具体为：