[发明专利]一种自动识别，跟踪并预测对流系统目标的方法

摘要

本发明公开了一种自动识别，跟踪并预测对流系统目标的方法，包括建立雷达反射率图片的树形结构，自动识别对流系统目标，对流系统目标跟踪方法和对流系统目标的预测；本发明能够同时识别出不同类型的对流系统目标，如对流风暴，对流单体和层状降水区域，并且能够识别和保存各种对流系统目标之间的空间关系；本发明将对流系统目标的跟踪问题转化为了树形结构的匹配问题，对流系统目标的识别过程和跟踪、预测过程是相互独立的，提高了对流目标跟踪和预测的准确性；本发明能够预测对流系统目标内部结构的运动和演化，可以构成一个对流系统目标的自动临近预报系统，能够用于预报强对流灾害天气的发生位置，帮助气象业务人员预报强对流天气。

主权项

1.一种自动识别，跟踪并预测对流系统目标的方法，其特征在于，步骤如下：步骤一、建立雷达反射率图片的树形结构：输入天气雷达在0.5°仰角获得的雷达反射率图片P，图片P的大小为512×512像素，每个像素点的分辨率为1km×1km，图片P上的每个像素点的强度范围为‑20dBZ到75dBZ，强度间隔1dBZ；一个图片的树形结构由节点集合和边集合构成，其中每个节点对应一片区域，每个边代表了区域之间的重叠关系，树形结构的构建过程如下：1‑1)使用一组阈值{g_i}＝{0,20,25,30,35,40,45,50,55,60}dBZ对图片P分割得到一组图片{P_i}；在求取该一组图片P_i的过程中，如果图片P中一个像素点p的强度小于阈值g_i，那么图片P_i中该像素点的强度值置为0；1‑2)使用区域生长法识别图片P_i中的所有区域，计算每个区域r的各种属性参数，属性参数至少包括面积、几何中心点坐标和平均强度；1‑3)对于每一个区域r，构造节点v(r)存储该区域中所有属性参数；在节点v(r)中同时存储区域内部的所有像素点的坐标和强度值；将节点v(r)添加到树形结构的节点集合V_T中；1‑4)检查所有区域对r_i和r_i‑1，其中，r_i和r_i‑1为图片P_i和图片P_i‑1中的区域；如果区域r_i‑1包含区域r_i，那么构造一个边连接节点v(r_i)和v(r_i‑1)，将边存储在树形结构的边集合E_T中；至此，得到了雷达反射率图片P的树形结构T＝(V_T,E_T)；步骤二、自动识别对流系统目标：定义树形结构T＝(V_T,E_T)中每个节点的度数为该节点的子节点的数目；对流系统目标包括对流风暴、对流单体和层状降水区域，识别步骤分别如下：2‑1)对流风暴的识别：在树形结构T＝(V_T,E_T)中，找出所有满足以下两个条件之一的子树结构：2‑1‑1)子树的根节点强度为30dBZ，并且根节点的度数小于等于1；2‑1‑2)子树的根节点的强度为35dBZ，且子树的根节点的父节点的度数大于1；然后，将子树结构中的节点对应的区域叠加在一起构成相应的对流风暴；最终得到对流风暴集合(S_storm)2‑2)对流单体的识别：在树形结构T＝(V_T,E_T)中，找出所有满足以下两个条件之一的子树结构：2‑2‑1)子树的根节点强度为40dBZ，并且根节点的度数小于等于1；2‑2‑2)子树的根节点的强度为45dBZ，且子树的根节点的父节点的度数大于1；然后，将子树结构中的节点对应的区域叠加在一起构成相应的对流单体；最终得到对流单体集合(S_cell)；2‑3)层状降水区域的识别：在树形结构中，找出所有同时满足以下两个条件的子树结构：2‑3‑1)该子树根节点的反射率强度为20dBZ；2‑3‑2)该子树中所有反射率强度为40dBZ的区域面积之和与所有反射率强度为20dBZ的区域面积之和的比值小于0.3；然后，将子树结构中的节点对应的区域叠加在一起构成相应的层状降水区域；最终得到层状降水区域集合(S_stratiform)；2‑4)上述识别对流系统目标之间的空间关系：上述得到的对流风暴集合(S_storm)、对流单体集合(S_cell)和层状降水区域集合(S_stratiform)中的每一个目标s＝(V_s,E_s)都对应一个树形结构T＝(V_T,E_T)中的子树；设s₁和s₂为两个对流系统目标，它们对应的子树结构分别记为和s₁和s₂之间存在的空间关系定义如下：(1)如果包含那么s₁包含s₂；或：如果包含那么s₂包含s₁；(2)如果没满足上述关系(1)，且树形结构T＝(V_T,E_T)存在一个对流系统目标s₃，满足：包含且包含那么s₁和s₂为空间相邻关系；根据以上的定义，判断对流风暴和对流单体之间的包含关系、层状降水区域和对流风暴之间的包含关系、对流风暴之间的相邻关系和对流单体之间的相邻关系；然后，使用一个对流系统目标树描述所有目标之间的空间关系；步骤三、对流系统目标跟踪方法：令P₁和P₂分别为t₁和t₂时刻的雷达反射率图片，按照步骤一分别获得的图片P₁和图片P₂的树形结构和其中的节点根据其深度划为不同的子集，分别为及其中，为树T_i中所有深度为k的节点构成的集合；记M_k为得到的子集和的匹配结果，M为匹配过程得到的节点和的匹配结果，m为树形结构T₁和T₂的最小深度；获取M的过程如下：3‑1)树形结构整体匹配：3‑1‑1)匹配子集和得到M₁＝{(root(T₁),root(T₂))}；3‑1‑2)在第k次迭代时(k≥1)，假设第k次匹配的结果记为其中，n_1k和n_2k分别为和中的节点数目；根据M_k推测M_k+1的过程包括两步：3‑1‑2‑1)对于M_k中每一个节点配对分别找出和的子节点集合，记为和对于和之间的每一对节点(v_i′,v_j′)，找出节点(v_i′,v_j′)对应的树形结构中的区域，计算两个区域之间的重叠率O_i′j′：式(1)中，A(v)代表了节点v对应区域的面积，A(v_i′∩v_j′)为两个节点v_i′和v_j′对应的区域之间的重叠面积；如果两个区域的面积重叠率O_i′j′大于0.5，那么将两个节点v_i′和v_j′建立匹配，然后将这两个区域对应的节点配对结果(v_i′,v_j′)存入M_k+1中；3‑1‑2‑2)将在步骤3‑1‑2‑1)中已经建立匹配的节点从子节点集合和中移除；对于剩余的节点，采用组合优化算法建立匹配，其中，构造的目标函数为：Q＝∑C_i′j′              (2)其中，i′和j′为子节点集合和中节点的索引值，C_i′j′为将节点i′和节点j′对应的区域建立匹配时需要的代价函数，其计算公式为：其中d_p为两个节点(v_i′,v_j′)质心之间的距离，d_s为两个节点对应区域的面积之差；对上述组合优化算法得到的匹配结果计算区域速度，当区域速度小于150km h^‑1时，将配对结果存入M_k+1；3‑1‑3)如果M_k+1为空，或者k+1＝m，那么树形结构的匹配过程结束，最终得到的树形结构的匹配结果为否则，令k＝k+1，算法转到步骤3‑1‑2)；3‑2)对流系统目标的匹配：按照步骤二分别获得的图片P₁和图片P₂的对流系统目标集合S₁和S₂，令为两个同种类型的对流系统目标，如果存在一对节点的配对(v₁,v₂)∈M，且那么将对流系统目标s₁和s₂建立匹配；步骤四、对流系统目标的预测，包括：4‑1)通过交叉相关法估计当前雷达反射率图片中的运动矢量场：令当前时刻和前一时刻的雷达发射率图片记为P₁和P₂，将P₁和P₂划分为n×n个方形区域；对于P₁中的每一个方形区域R_c1，寻找与之最相关的位于P₂的区域R_c2，那么区域R_c1的中心点(x_c1，y_c1)处的运动矢量为(x_c1‑x_c2，y_c1‑y_c2)，其中(x_c1，y_c1)和(x_c2，y_c2)分别为区域R_c1和R_c2的中心点；4‑2)通过轨迹拟合得到树形结构T₁中每一个区域的的运动矢量：令t_n时刻图片P_n对应的树形结构为T_n，通过步骤三的跟踪方法得到的树形结构T_n中每一个区域的运动轨迹，记一个区域r通过跟踪得到的区域的序列为r₁,r₂,…,r_n，该区域序列对应的质心点序列记为：(x₁,y₁),(x₂,y₂),…,(x_n,y_n)，对应的时间时刻为t₁,t₂,…,t_n；那么分别对质心点序列中的x坐标和y坐标相对于时间变量进行直线拟合，得到x＝k_x·t和y＝k_y·t；那么该区域r在t_n时刻的运动矢量为(k_x，k_y)；4‑3)计算树形结构中当前时刻每一个区域的运动矢量：从根节点开始，采用广度优先，遍历树形结构中的每一个区域r，若区域r的面积大于250km²，那么按照步骤4‑1)统计所有位于该区域内部的所有方形区域r的平均运动矢量，将此运动矢量作为区域r的运动矢量估计；若区域r的面积小于250km²，那么按照步骤4‑2)将区域r通过轨迹直线拟合得到的运动矢量作为区域r的运动矢量估计；若区域r的面积小于250km²，且其不存在运动轨迹，那么就将其父区域的运动矢量作为区域r的运动矢量；4‑4)通过外推预测当前时刻树形结构和对流系统目标：根据该树形结构中每一个区域r的运动矢量，计算在时间d_t之后区域r的位置，当所有的区域进行外推之后，将所有外推的结果叠加起来，得到树形结构整体的外推结果；按照上述外推方法外推单个对流系统目标。