[发明专利]一种星载雷达和地基雷达反射率因子数据三维融合方法

说明书

技术领域

本发明属于天气雷达的数据处理技术领域，特别涉及了一种星载雷达和地基雷达反射率因子数据三维融合方法。

背景技术

发射于1997年11月的热带降雨测量卫星TRMM(Tropical Rainfall Measuring Mission)是一颗专门监测热带降雨的卫星，星上搭载的测雨雷达(PR，Precipitation Radar)雷达可以获得降水和潜热的三维结构信息。TRMM卫星自成功发射以来，其测雨雷达经过在轨测试定标之后，已向地面发回大量的雷达观测信息，这些信息在NASA官网上均能找到。与地基雷达相比，PR最大的优势是具有很高的垂直向分辨率。地基天气雷达(GR，Ground Radar)自下而上作锥面扫描，具有相对较高的二维水平分辨率，但垂直向分辨率很低，且有一定的盲区。于是，我们设想将PR和GR反射率因子数据结合起来，从而集中两者的优势。

高分辨率的三维反射率因子回波图，对中小尺度对流天气过程的精细探测至关重要。近些年来，很多学者提出得到天气雷达三维格点回波图的方法，但主要基于GR，也主要出现在多个GR的三维回波拼图中。在这些三维格点回波拼图方法中，三维格点主要基于空间插值方法得到，如最近邻点插值、双线性插值、距离加权插值等。但GR资料受体扫中仰角个数以及在远距离时波束展宽的作用，重采样后高度向分辨率依然很低，另外，插值方法基于邻近的一些数据点对雷达体扫数据进行重采样，这些插值算法大多以连续为基础，数据可能会受到一定的平滑，且误差较大。随着TRMM卫星的发射成功，PR数据的处理和应用受到广泛关注。关于PR数据和GR数据的融合也受到很多学者的青睐，Wang(2015，Radar vertical profile of reflectivity correction with TRMM observations using a neural network approach)等提出基于神经网络将PR垂直剖面数据与GR低层数据结合，进行反射率垂直剖面校正从而得到更精确的降水测量。Alqudah等，2013(Investigating rainfall estimation from radar measurements using neural networks)等提出利用径向基神经网络算法将雨量计数据和雷达数据结合以提高降雨量测量精度。Chandrasekar et al(2012，Concepts and principles of rainfall estimation from radar:multi sensor environment and data fusion)在文中从理论上分析了结合多源数据进行降水估计的原理和可行性。这些融合算法的目标是提高降水测量精度，因此在融合中加入了雨量计数据，并通常以雨量计数据作为真值对网络参数进行训练。

PR数据最大的优势是非常高的垂直分辨率，而降水一般水平向上比较均匀，垂直向上变化较大，因此可考虑将高垂直分辨率的PR数据作为神经网络的输出，高水平分辨率、低垂直分辨率的GR数据作为输入，建立PR和低垂直分辨率GR的非线性关系，从而融合成具有高垂直和高水平三维分辨率的反射率因子数据。基于PR和GR反射率因子数据的融合得到强度回波的精细三维结构，对中小尺度对流天气过程的精细探测和跟踪，以及后续的定量测量降水、中尺度预报中的雷达数据同化等后期应用都很重要。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种星载雷达和地基雷达反射率因子数据三维融合方法，利用神经网络算法将两种不同探测方式获得的反射率因子数据进行三维空间融合，得到更精细的中小尺度天气的三维回波结构，从而更有利于中小尺度等灾害天气回波的精确分析和应用。

为了实现上述技术目的，本发明的技术方案为：

一种星载雷达和地基雷达反射率因子数据三维融合方法，包括以下步骤：

(1)选取时间上和空间上匹配的星载天气雷达和地基天气雷达个例数据，匹配时设置一定的空间窗和时间窗；空间窗：以地基天气雷达为中心且与星载天气雷达测绘带所相交的圆形区域，所述圆形区域的半径根据GR数据采样的水平范围确定；时间窗：星载天气雷达扫过匹配空间窗的时间与地基天气雷达开始一次体扫的时间差距在±6min以内；

(2)对匹配的PR和GR反射率因子数据进行质量控制，包括PR数据的衰减订正、PR数据的米散射效应订正和GR数据地物杂波的去除；