[发明专利]一种强降雨短临预报方法及系统

权利要求书

1.一种强降雨短临预报方法，其特征在于，所述方法包括：

基于预测时刻前两小时内获取雷达的监测图像以及高分辨率数值预报结果；

基于所述雷达的监测图像的反演气象数据和所述高分辨率数值预报结果进行分析，得到云团轨迹、雷暴云的时空尺度分布特征和各强降雨表征因子值；

将所述云团轨迹、雷暴云的时空尺度分布特征和各强降雨表征因子值带入到预先构建的强降水短临预报系统，得到强降水短临预报；

所述强降水短临预报系统的构建，包括：

获取历史强降雨资料和雷达图像；

对所述雷达图像进行反演得到云团轨迹和雷暴云的时空尺度分布特征；

基于所述历史强降雨资料得到强降雨表征因子和暴雨时间；

基于雷暴云的时空尺度分布特征与暴雨时间进行匹配；

基于深度学习算法，得到云团轨迹、强降雨表征因子、以及匹配之后的雷暴云的时空尺度分布特征与暴雨时间的对应关系；

所述基于所述雷达的监测图像的反演气象数据和预报结果进行分析，得到云团轨迹、雷暴云的时空尺度分布特征和各强降雨表征因子值，包括：

基于预测时刻前一段时间内的所述雷达的监测图像反演的气象数据，得到预测时间的云团轨迹和雷暴云的时空尺度分布特征；

基于获取的所述预报结果进行分析得到各强降雨表征因子值；

所述一段时间包括：两个小时；

所述基于获取的所述预报结果进行分析得到各强降雨表征因子值，包括：

基于获取的所述预报结果进行分析得到强降雨区所有表征因子值；

基于所述所有表征因子值提取预测时间内影响强降雨的各表征因子值；

所述表征因子值为：极端大风和零散的高雷电潜势指数。

2.如权利要求1所述的方法，其特征在于，所述基于预测时刻前一段时间的所述雷达的监测图像反演的气象数据，得到预测时间的云团轨迹，包括：

获取的所述雷达的监测图像中强降雨区和雷暴云的信息，并基于所述信息确定空间一云团为观测点；

基于泰勒冻结假设和尺度不变特征变换技术预测所述观测点的雷达信号；

基于所述雷达信号，得到云团短期变换轨迹。

3.如权利要求2所述的方法，其特征在于，所述雷达信号的计算式如下：

f(x，t+τ)= f(x-Uτ，t)

式中，f为雷达信号；x为观测点；t+τ为预测时间；x-Uτ为预测时间云团随平均风速移动的空间位置；t为预测时刻。

4.一种用于如权利要求1所述强降雨短临预报方法的系统，其特征在于，所述系统包括：获取模块：用于基于预测时刻前两小时内获取雷达的监测图像以及高分辨率数值预报结果；

获得模块：用于基于所述雷达的监测图像的反演气象数据和高分辨率数值预报结果进行分析，得到云团轨迹、雷暴云的时空尺度分布特征和各强降雨表征因子值；

预报模块：用于将所述云团轨迹、雷暴云的时空尺度分布特征和各强降雨表征因子值带入到预先构建的强降水短临预报系统，得到强降水短临预报；

所述预报模块，还包括：构建模块；

所述构建模块，用于获取历史强降雨资料和雷达图像；

基于所述雷达图像得到云团轨迹和雷暴云的时空尺度分布特征；

基于所述历史强降雨资料得到强降雨表征因子和暴雨时间；

基于雷暴云的时空尺度分布特征与暴雨持续时间进行匹配；

基于深度学习算法，得到云团轨迹、强降雨表征因子值、以及匹配之后的雷暴云的时空尺度分布特征与暴雨时间的对应关系；

所述获得模块，包括：第一获得单元和第二获得单元；

所述第一获得单元，用于基于预测时刻前两小时内的所述雷达的监测图像反演的气象数据，得到预测时间的云团轨迹和雷暴云的时空尺度分布特征；

所述第二获得单元，用于基于获取的所述高分辨率数值预报结果进行分析得到各强降雨表征因子值。

5.如权利要求4所述方法，其特征在于，所述第一获得单元，包括：获取子单元、预测子单元和获得子单元；

所述获取子单元，用于获取所述雷达的监测图像中强降雨区和雷暴云的信息，并基于所述信息确定空间一云团为观测点；

所述预测子单元，用于基于泰勒冻结假设和尺度不变特征变换技术预测所述观测点的雷达信号；

所述获得子单元，用于基于所述雷达信号，得到云团短期变换轨迹。