專利名稱：基于邊界識別追蹤技術的雷暴云團的臨近預報方法和系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及氣象業(yè)務部門短時臨近預報預警方法和系統(tǒng)，尤其涉及在基于高時空 分辨率雷達資料的雷暴云團識別、追蹤及預警技術的方法和系統(tǒng)。
背景技術：
基于高時空分辨率雷達資料的雷暴云團識別、追蹤及預警技術是目前最重要的雷 暴云團的臨近預報預警技術之一，主要方法有交叉相關(TREC)法、單體質心法等。交叉相 關法把整個數(shù)據(jù)區(qū)域分成若干個小區(qū)域，相鄰時刻雷達回波圖像之間計算相關系數(shù)，通過 最大相關系數(shù)確定相鄰時刻圖像中的區(qū)域，從而確定回波平均運動；該方法在國內得到廣 泛的應用，其缺點就是無法準確劃分云團物理邊界，得不到單體風暴的特征。單體質心法首 先是識別單體，并計算質心位置、體積和投影面積等特征，然后對前后兩個時刻的掃描數(shù)據(jù) 進行單體匹配追蹤，將風暴單體分離出來，然后通過多個時刻的追蹤結果進行外推預警；這 種方法的缺點就是注重雷暴單體，必須盡可能將相連的云團分離以提高預測的準確度，雷 暴活動過程中的分裂、合并沒有充分考慮，忽視雷暴群體的活動特征。

發(fā)明內容
本發(fā)明要解決的技術問題是利用模式識別技術進行云團邊界識別、拓撲處理，建 立生命周期與族譜關系，在自動識別雷暴云團的基礎上對云團進行對象化處理，得出雷暴 云團從發(fā)生以來的時間序列，并進行外推預報。本發(fā)明采用如下技術方案解決上述技術問題設計一種基于邊界識別追蹤技術的 雷暴云團的臨近預報方法，該臨近預報方法包括如下步驟(1)以一定的時間間隔連續(xù)重復執(zhí)行如下步驟a至步驟e，獲得雷達探測區(qū)域內雷 暴云團探測數(shù)據(jù)的時空序列a.氣象雷達接收來自觀測對象的雷達反射回波信號并把該反射回波信號傳輸給 雷達資料處理系統(tǒng)；b.所述雷達資料處理系統(tǒng)對所述雷達反射回波信號進行預處理形成在探測區(qū)域 內的二維網格形式的數(shù)字化雷達回波數(shù)據(jù)；c.使用膨脹-侵蝕算法消除雷達掃描缺線對雷暴云團邊界識別所造成的不良影 響；d.使用N-近鄰跟蹤遍歷算法和邊緣提取算法對探測區(qū)域范圍內的雷暴云團的邊 界進行識別，從而使探測區(qū)域內所有雷暴云團都具有清晰連續(xù)的邊界線；e.用統(tǒng)計方法計算探測區(qū)域內各雷暴云團的平均強度；(2)、對探測區(qū)域相鄰時間序列的雷暴云團的雷達回波數(shù)據(jù)采用四分樹匹配分析 因子進行雷暴云團的相似性判定，從而獲得每個雷暴云團的幾何和拓撲特征，所述雷暴云 團的幾何和拓撲特征包括雷暴云團的運動方向、速度、面積、強中心、增強或減弱、膨脹或 縮小的狀態(tài)信息；然后再組合使用重疊因子、面積因子、外接矩形因子、輪廓綜合因子和局
6部相似判定因子對所述雷暴云團的幾何和拓撲特征進行糾錯；(3)、根據(jù)在指定時序或最新時序的雷暴云團的幾何和拓撲特征，建立雷暴云團的 生命時序與族譜關系，并在此基礎上對雷暴云團的運動向量進行線性外推從而獲得雷暴云 團的臨近預報。本發(fā)明解決技術問題所采用的技術方案還包括設計一種基于邊界識別追蹤技術 的雷暴云團的臨近預報系統(tǒng)，該臨近預報系統(tǒng)包括用于探測雷暴云團的氣象雷達以及雷達 資料處理系統(tǒng)，所述雷達資料處理系統(tǒng)包括雷達資料預處理模塊，用于對雷達反射回波信號進行預處理形成在探測區(qū)域內的 二維網格形式的數(shù)字化雷達回波數(shù)據(jù)，以及對雷達回波數(shù)據(jù)進行二值化處理形成雷暴云團 邊界識別所需的二值圖像空間；雷暴云團邊界處理模塊，用于使用膨脹-侵蝕算法消除雷達掃描缺線對雷暴云團 邊界識別的影響以及使用N-近鄰跟蹤遍歷算法和邊緣提取算法對探測區(qū)域范圍內的雷暴 云團的邊界進行識別，從而使探測區(qū)域內所有雷暴云團都具有清晰連續(xù)的邊界線；雷暴云團識別模塊，用于識別雷達探測區(qū)域內雷暴云團的邊界信息、強度信息和 面積信息；雷暴云團拓撲關系建立模塊，用于計算雷暴云團的的運動方向、速度、面積、強中 心、增強或減弱、膨脹或縮小的狀態(tài)信息；雷暴云團族譜關系建立模塊，通過相鄰時次云團的相似性檢查，識別出雷暴云團 發(fā)生發(fā)展消亡的運動軌跡，包括多個雷暴云團在發(fā)展過程中合并為一個新的雷暴云團以及 一個雷暴云團在發(fā)展過程中分裂成為多個新的雷暴云團；雷暴云團外推預報模塊；用于根據(jù)雷暴云團的拓撲特征、生命時序與族譜關系，對 雷暴云團的運動向量進行線性外推作出雷暴云團的臨近預報；所述雷達資料預處理模塊、雷暴云團邊界處理模塊、雷暴云團識別模塊、雷暴云團 族譜關系建立模塊和雷暴云團外推預報模塊單向順序連接。與現(xiàn)有技術相比較，本發(fā)明基于邊界識別追蹤技術的雷暴云團的臨近預報方法和 系統(tǒng)具有如下優(yōu)點，有效地解決了雷暴云團的對象化識別和跟蹤問題，對雷暴云團的外 推需要根據(jù)雷暴云團的范圍、強度和生命史長短，采取不同的時間尺度和DBZ閾值進行識 別和外推，有效地提高了雷暴云團外推預報的準確率。


圖1是本發(fā)明基于邊界識別追蹤技術的雷暴云團的臨近預報系統(tǒng)的原理框圖；圖2是本發(fā)明使用“膨脹_侵蝕”的算法消除缺線過程的效果示意圖；其中A為帶 有缺線的雷達回波原圖；B為膨脹算法執(zhí)行后效果；C為侵蝕算法執(zhí)行后效果；D為不使用 “膨脹_侵蝕”的算法的追蹤結果；E為使用“膨脹-侵蝕”的算法的追蹤結果；圖3是“8-近鄰”位置關系示意圖；圖4是邊界緩沖區(qū)與回波疊加圖示意圖；其中A為雷暴云團邊界，B為邊界緩沖區(qū) 與回波疊加的結果；圖5是雷暴云團輪廓線拓撲關系圖；圖6是雷暴云團序列相似演進示意圖7是雷暴云團序列相似度檢查示意圖；圖8是局部相似度檢查示意圖；圖9是等價體示意圖；圖10是本發(fā)明基于邊界識別追蹤技術的雷暴云團的臨近預報方法的流程圖。
具體實施例方式以下結合附圖及附圖所示之實施例對本發(fā)明方法和系統(tǒng)作進一步的詳細說明。如圖1所示，本發(fā)明基于邊界識別追蹤技術的雷暴云團的臨近預報系統(tǒng)包括用于 探測雷暴云團的氣象雷達以及雷達資料處理系統(tǒng)。觀測雷暴云團一般需要使用兩部或兩部 以上分布在不同地方的氣象雷達組合在一起以形成較大的探測區(qū)域。所述雷達資料處理系 統(tǒng)包括雷達資料預處理模塊，用于對雷達反射回波信號進行預處理形成在探測區(qū)域內的 二維網格形式的數(shù)字化雷達回波數(shù)據(jù)，以及對雷達回波數(shù)據(jù)進行二值化處理形成雷暴云團 邊界識別所需的二值圖像空間；雷暴云團邊界處理模塊，用于使用膨脹-侵蝕算法消除雷達掃描缺線對雷暴云團 邊界識別的影響以及使用N-近鄰跟蹤遍歷算法和邊緣提取算法對探測區(qū)域范圍內的雷暴 云團的邊界進行識別，從而使探測區(qū)域內所有雷暴云團都具有清晰連續(xù)的邊界線；雷暴云團識別模塊，用于識別雷達探測區(qū)域內雷暴云團的邊界信息、強度信息和 面積信息；雷暴云團拓撲關系建立模塊，用于計算雷暴云團的的運動方向、速度、面積、強中 心、增強或減弱、膨脹或縮小的狀態(tài)信息；雷暴云團族譜關系建立模塊，通過相鄰時次云團的相似性檢查，識別出雷暴云團 發(fā)生發(fā)展消亡的運動軌跡，包括多個雷暴云團在發(fā)展過程中合并為一個新的雷暴云團以及 一個雷暴云團在發(fā)展過程中分裂成為多個新的雷暴云團；雷暴云團外推預報模塊；用于根據(jù)雷暴云團的拓撲特征、生命時序與族譜關系，對 雷暴云團的運動向量進行線性外推作出雷暴云團的臨近預報；所述雷達資料預處理模塊、雷暴云團邊界處理模塊、雷暴云團識別模塊、雷暴云團 族譜關系建立模塊和雷暴云團外推預報模塊單向順序連接?；谏鲜隼妆┰茍F的臨近預報系統(tǒng)，本發(fā)明的雷暴云團的臨近預報方法包括如下 步驟(1)以一定的時間間隔(一般為6分鐘)連續(xù)重復執(zhí)行如下步驟a至步驟e，獲得 雷達探測區(qū)域內雷暴云團探測數(shù)據(jù)的時空序列a.氣象雷達接收來自觀測對象的雷達反射回波信號并把該反射回波信號傳輸給 雷達資料處理系統(tǒng)；b.所述雷達資料處理系統(tǒng)對所述雷達反射回波信號進行預處理形成在探測區(qū)域 內的二維網格形式的數(shù)字化雷達回波數(shù)據(jù)；c.使用膨脹-侵蝕算法消除雷達掃描缺線對雷暴云團邊界識別所造成的不良影 響；d.使用N-近鄰跟蹤遍歷算法和邊緣提取算法對探測區(qū)域范圍內的雷暴云團的邊界進行識別，從而使探測區(qū)域內所有雷暴云團都具有清晰連續(xù)的邊界線；e.用統(tǒng)計方法計算探測區(qū)域內各雷暴云團的平均強度；(2)、對探測區(qū)域相鄰時間序列的雷暴云團的雷達回波數(shù)據(jù)采用四分樹匹配分析 因子進行雷暴云團的相似性判定，從而獲得每個雷暴云團的幾何和拓撲特征，所述雷暴云 團的幾何和拓撲特征包括雷暴云團的運動方向、速度、面積、強中心、增強或減弱、膨脹或 縮小的狀態(tài)信息；然后再組合使用重疊因子、面積因子、外接矩形因子、輪廓綜合因子和局 部相似判定因子對所述雷暴云團的幾何和拓撲特征進行糾錯；(3)、根據(jù)在指定時序或最新時序的雷暴云團的幾何和拓撲特征，建立雷暴云團的 生命時序與族譜關系，并在此基礎上對雷暴云團的運動向量進行線性外推從而獲得雷暴云 團的臨近預報。上述雷暴云團臨近預報的流程如圖10所示。下面結合附圖對本發(fā)明的雷暴云團 的臨近預報方法進行詳細的展開說明。1、雷暴云團的邊界識別首先將雷達CAPPI數(shù)據(jù)優(yōu)化為二值化圖像數(shù)據(jù)形成二值 圖像空間，利用計算機圖像識別技術對圖像數(shù)據(jù)進行雷暴云團的的邊界識別。在雷暴云團的邊界識別之前，最重要的一步是對雷達掃描缺線處理；由于地形障 礙等原因，雷達回波經常存在一些微小的夾角，缺失扇面內的格點回波數(shù)據(jù)，這些回波數(shù)據(jù) 的缺失給云團邊界的識別和追蹤帶來嚴重困難。本發(fā)明設計了 “膨脹_侵蝕”的算法來解 決這一難題。具體做法是在所述二值圖像空間內由上向下、由左向右進行逐行掃描，得到水平掃描線與雷 暴云團邊界線的交點，交點處的像素P有如下幾種情況P值為“真”，但其左邊相鄰像素值 為“假”，稱為左交點；P值為“真”，但其右邊相鄰像素值為“假”，稱為右交點；如果左右相鄰 像素同時為“假”的情況不是交點；膨脹算法為若是左交點，將交點左邊二或者左邊一相 鄰像素的取值設為“真”；若是右交點，將交點右邊二或者右邊一相鄰像素的取值設為“真”， 由此邊界向外膨脹1至2個格點，雷達掃描缺線扇面內就被填了 2或4條線，所述缺失扇面 就被填塞了，雷達掃描缺線不再被誤認為雷暴云團的邊界線；但是雷暴云團的邊界由此變 寬，再次掃描邊界，利用“侵蝕”算法還原雷暴云團的外邊界。侵蝕算法是上述膨脹算法逆運算重新在所述二值圖像空間內由上向下、由左向 右進行逐行掃描，得到水平掃描線與雷暴云團邊界線的交點(交點的定義與上述膨脹算法 相同)，若是左交點，將交點右邊二或者右邊一相鄰像素的取值設為“假”；若是右交點，將交 點左邊二或者左邊一相鄰像素的取值設為“假”，侵蝕算法還原了雷暴云團的外邊界。圖2是使用“膨脹_侵蝕”的算法消除缺線過程的效果示意圖；其中A為帶有缺線 的雷達回波原圖；B為執(zhí)行膨脹算法后的效果，可見雷暴云團的外邊界向外膨脹了若干格 點，缺線被包含在內，因此不再是邊界線；C為執(zhí)行侵蝕算法后的效果，雷暴云團的外邊界 輪廓線被還原，但包圍了缺線；D為不使用“膨脹-侵蝕”算法的追蹤結果，此時由于缺線扇 面內沒有雷達回波資料，因此缺線將被視為雷暴云團的外邊界線，此時雷暴云團的形狀被 扭曲；E為使用“膨脹_侵蝕”的算法的追蹤結果。接著進行雷暴云團邊界的識別用圖像邊緣提取算法提取云團邊界段，等待所有 的遍歷完成后，按照雷暴云團的幾何特征將不封閉的邊界段連接成若干封閉的邊界，這些 封閉的邊界經過拓撲關系來建立云團內邊界和外邊界。邊緣檢測是圖像處理技術研究中的一個重要領域，也稱為邊緣檢測，是利用圖像像素的灰度或二值特征來獲得圖像的邊界。邊界相關使用的邊緣提取算法是一種特定的邊界自動跟蹤遍歷形式“N-近鄰” 跟蹤遍歷形式(N取值為8或者25)。N近鄰有兩種類型1是直接近鄰，即兩個像素的相應 單元共有一條邊.2是非直接近鄰，即兩個像素相應單元僅在一個角上相接觸；兩種近鄰在 云團邊界識別中均被使用；圖3是一個像素P與其它像素的“8-近鄰”位置關系。邊界相關邊緣提取算法首先在二值圖像空間內由上向下、由左向右逐行掃描得到 第一個圖像值為“真”的像素作為初始像素Pl，利用“N-近鄰”對初始像素的8個方向進行 跟蹤，而且總是選擇最右邊的像素為所得的像素，必在一個方向上找到下一邊界像素點P2， 再利用邊界像素點P2的“N-近鄰”關系，找到下一邊界像素點P3，如此逐點跟蹤，若當前像 素點的坐標與初始像素點的坐標相同或者已經遍歷過時，邊界相關邊緣提取算法結束，由 此得到一條環(huán)狀的雷暴云團邊界。在獲得所述雷暴云團外邊界輪廓曲線后，利用外邊界輪廓線是否存在能量突變來 判定是否為雷暴云團的有效邊界，以排除識別錯誤，其簡化的做法是以外邊界輪廓線為中 心線，制作外邊界輪廓線的緩沖區(qū)，然后以此環(huán)形緩沖區(qū)與雷達回波做空間疊加分析(見 圖4)；對環(huán)形緩沖區(qū)內的雷達回波進行二值化處理后對結果進行累加，累加值與環(huán)形緩沖 區(qū)面積之比越趨向于零，則雷暴云團外邊界輪廓線的質量越可靠。2、雷暴云團拓撲關系建立拓撲關系包括鄰接性、連通性、方向性、包含性。其空 間邏輯意義重于其幾何意義。由于組成雷暴云團的輪廓線是由若干弧段[Arc Segment]構 成，并且弧段依次首尾相連組成一個封閉的環(huán)。如圖5所示，云團A由邊界弧段A、B、C、D構 成，其中邊界弧段A、B、C構成外環(huán)，邊界弧段D構成內環(huán)，邊界弧段A、B、C根據(jù)其鄰接性、 連通性、方向性構成外環(huán)，邊界弧段D通過與外環(huán)的包含性來確立為內環(huán)。在雷暴云團的追蹤過程中，僅靠邊界提取法并不能完全識別出一個完整的云團， 因此要根據(jù)云團由若干封閉環(huán)(分為內環(huán)和外環(huán)[rings])構成這一幾何特征，建立邊界間 的連通關系，從而得到正確的雷暴云團。在雷暴云團的追蹤過程中還需要用到另一種拓撲關系-包含性；由于雷暴云團內 部可能存在若干孔洞，需要將若干有包含關系的邊界組合為一個獨立的云團。獲得雷暴云團集合后，需要跟據(jù)雷暴云團的幾何邊界統(tǒng)計雷暴云團內部的平均強 度，如公式1:公式1為平均強度，其中Zi是雷暴云團幾何邊界內第i個雷達回波格點的強度， Nxy雷暴云團幾何邊界內雷達回波格點的集合。3、雷暴云團生命時序的建立雷暴云團外推的前提是判斷云團所處的生命時序和 族譜關系，也就是在給定的時次序列中，建立某一云團對象以時間排序的序列，這些對象序 列是以時次先后排序的云團鏈表；云團鏈表中任兩相鄰的對象是彼此相似的，不相鄰的對 象由于時間間隔較長，雷暴云團的變化較大，不要求其相似；如圖6所示。關于雷暴云團的 相似性確定，有一組判定因子，將在下面詳細介紹。雷暴云團的相似性判定，需要有很高的準確率，少量的誤判或漏判將會嚴重影響
權利要求
一種基于邊界識別追蹤技術的雷暴云團的臨近預報方法，該方法以高時空分辨率氣象雷達資料處理系統(tǒng)為硬件基礎，其特征在于該臨近預報方法包括如下步驟(1)以一定的時間間隔連續(xù)重復執(zhí)行如下步驟a至步驟e，獲得雷達探測區(qū)域內雷暴云團探測數(shù)據(jù)的時空序列a.氣象雷達接收來自觀測對象的雷達反射回波信號并把該反射回波信號傳輸給雷達資料處理系統(tǒng)；b.所述雷達資料處理系統(tǒng)對所述雷達反射回波信號進行預處理形成在探測區(qū)域內的二維網格形式的數(shù)字化雷達回波數(shù)據(jù)；c.使用膨脹 侵蝕算法消除雷達掃描缺線對雷暴云團邊界識別所造成的不良影響；d.使用N 近鄰跟蹤遍歷算法和邊緣提取算法對探測區(qū)域范圍內的雷暴云團的邊界進行識別，從而使探測區(qū)域內所有雷暴云團都具有清晰連續(xù)的邊界線；e.用統(tǒng)計方法計算探測區(qū)域內各雷暴云團的平均強度；(2)、對探測區(qū)域相鄰時間序列的雷暴云團的雷達回波數(shù)據(jù)采用四分樹匹配分析因子進行雷暴云團的相似性判定，從而獲得每個雷暴云團的幾何和拓撲特征，所述雷暴云團的幾何和拓撲特征包括雷暴云團的運動方向、速度、面積、強中心、增強或減弱、膨脹或縮小的狀態(tài)信息；然后再組合使用重疊因子、面積因子、外接矩形因子、輪廓綜合因子和局部相似判定因子對所述雷暴云團的幾何和拓撲特征進行糾錯；(3)、根據(jù)在指定時序或最新時序的雷暴云團的幾何和拓撲特征，建立雷暴云團的生命時序與族譜關系，并在此基礎上對雷暴云團的運動向量進行線性外推從而獲得雷暴云團的臨近預報。
2.根據(jù)權利要求1所述的基于邊界識別追蹤技術的雷暴云團的臨近預報方法，其特征 在于建立基于地圖系統(tǒng)的二維坐標系來選取指定的雷暴云團，獲得雷暴云團空間位置信 息、發(fā)展軌跡、演變特征和未來預測。
3.根據(jù)權利要求1所述的基于邊界識別追蹤技術的雷暴云團的臨近預報方法，其特征 在于所述使用膨脹_侵蝕算法消除雷達掃描缺線對雷暴云團邊界識別所造成的不良影響 包括如下過程首先把探測區(qū)域內的數(shù)字化雷達回波數(shù)據(jù)轉化為二值化圖像數(shù)據(jù)形成二值 圖像空間，然后執(zhí)行雷暴云團的邊界檢測，即在所述二值圖像空間內由上向下、由左向右進 行逐行掃描，得到水平掃描線與雷暴云團邊界線的交點，交點處的像素P有如下幾種情況 P值為“真”，但其左邊相鄰像素值為“假”，稱為左交點；P值為“真”，但其右邊相鄰像素值為 “假”，稱為右交點；如果左右相鄰像素同時為“假”的情況不是交點；膨脹算法為若是左交點，將交點左邊二或者左邊一相鄰像素的取值設為“真”;若是右 交點，將交點右邊二或者右邊一相鄰像素的取值設為“真”，由此邊界向外膨脹1至2個格 點，雷達掃描缺線扇面內就被填了 2或4條線，所述缺失扇面就被填塞了，雷達掃描缺線不 再被誤認為雷暴云團的邊界線；侵蝕算法是上述膨脹算法逆運算若是左交點，將交點右邊二或者右邊一相鄰像素的 取值設為“假”；若是右交點，將交點左邊二或者左邊一相鄰像素的取值設為“假”，侵蝕算法 還原了雷暴云團的外邊界。
4.根據(jù)權利要求1所述的基于邊界識別追蹤技術的雷暴云團的臨近預報方法，其特征 在于所述N-近鄰跟蹤遍歷法是一種特定的邊界自動跟蹤遍歷方法N取值為8或者25，N近鄰有兩種類型第一種是直接近鄰，即兩個像素的相應單元共一條邊；第二種是非直接 近鄰，即兩個像素相應單元僅在一個角上相接觸；兩種近鄰在云團邊界識別中均被使用；所述邊界相關邊緣提取算法為首先在二值圖像空間內由上向下、由左向右逐行掃描 得到第一個圖像值為“真”的像素作為初始像素Pl，利用“N-近鄰”對初始像素的8個方向 進行跟蹤，而且總是選擇最右邊的像素為所得的像素，必在一個方向上找到下一邊界像素 點P2，再利用邊界像素點P2的“N-近鄰”關系，找到下一邊界像素點P3，如此逐點跟蹤，若 當前像素點的坐標與初始像素點的坐標相同或者已經遍歷過時，邊界相關邊緣提取算法結 束，由此得到一條環(huán)狀的雷暴云團邊界。
5.根據(jù)權利要求4所述的基于邊界識別追蹤技術的雷暴云團的臨近預報方法，其特征 在于在獲得所述雷暴云團外邊界輪廓曲線后，利用外邊界輪廓線是否存在能量突變來判 定是否為雷暴云團的有效邊界，以排除識別錯誤，其簡化的做法是以外邊界輪廓線為中心 線，制作外邊界輪廓線的緩沖區(qū)，然后以此環(huán)形緩沖區(qū)與雷達回波做空間疊加分析；對環(huán)形 緩沖區(qū)內的雷達回波進行二值化處理后對結果進行累加，累加值與環(huán)形緩沖區(qū)面積之比越 趨向于零，則雷暴云團外邊界輪廓線的質量越可靠。
6.根據(jù)權利要求1所述的基于邊界識別追蹤技術的雷暴云團的臨近預報方法，其特征 在于所述用統(tǒng)計方法計算探測區(qū)域內各雷暴云團的平均強度采用如下表征雷暴云團平均 強度的計算公式
7.根據(jù)權利要求1所述的基于邊界識別追蹤技術的雷暴云團的臨近預報方法，其特征 在于所述采用四分樹匹配分析因子對相鄰時間序列的雷暴云團進行相似性判定包括如下 過程分別對T時刻的雷暴云團A和T+ Δ t時刻的雷暴云團B用相同的矩形進行取景，然后 根據(jù)取景矩形的大小將所述雷暴云團A和雷暴云團B分別在長度和寬度為2N*2N的網格空 間中柵格化；通過檢查網格空間中的網格值來判定相似度；當雷暴云團A和雷暴云團B的 網格值的重疊數(shù)據(jù)與總網格數(shù)的比值大于75%時，認為兩云團是相似的。
8.根據(jù)權利要求1所述的基于邊界識別追蹤技術的雷暴云團的臨近預報方法，其特征 在于所述重疊因子為判斷T時刻的雷暴云團A和T+ Δ t時刻的雷暴云團B在空間位置上 是否重疊，如果重疊是包含關系或者是局部重疊；根據(jù)不同的重疊方式來選用不同的矩形 取景方式，由此判定兩雷暴云團是合并或者是分裂的，重疊面積與雷暴云團面積的比值不 應低于0. 25 ；所述面積因子為分別計算T時刻的雷暴云團A和T+ Δ t時刻的雷暴云團B的面積，計 算小雷暴云團面積與大雷暴云團面積之比，如果比值大于0. 75，則認為兩雷暴云團面積相 似，否者認為不相似；如果兩雷暴云團面面積不相似，則進一步作局部相似檢查，如果雷暴 云團內部有孔洞，還要扣除孔洞的面積；所述外接矩形因子為判斷T時刻的雷暴云團A和T+ Δ t時刻的雷暴云團B在外接矩 形是否重疊，如果雷暴云團A和雷暴云團B在空間位置上不重疊，但它們的外接矩形重疊，也要進行更進一步的判斷；外接矩形因子取值為真、假兩種情況；所述輪廓綜合因子為針對整體相似、局部不相似的兩雷暴云團，必須用輪廓綜合因子 來判定，將T時刻的雷暴云團A和T+At時刻的雷暴云團B的輪廓進行綜合，忽略局部細 節(jié)，提高相似判斷的準確度；輪廓綜合是對雷暴云團邊界矢量坐標的“抽稀”算法，根據(jù)指定 的容差步長，將邊界矢量多余坐標去掉，從而忽略局部細節(jié)，該因子的容差步長一般取值為 2至8公里；所述局部相似判定因子為局部相似判定是以上幾種方式的綜合，用于確定相鄰時間 間隔兩雷暴云團的分裂或合并；具體做法是以較小的雷暴云團的外接矩形作為取景矩 形，分別對兩個雷暴云團取景，然后調用四分樹匹配度分析因子來判定云團的族譜關系。
9.根據(jù)權利要求1至8任一權利要求所述的基于邊界識別追蹤技術的雷暴云團的臨近 預報方法，其特征在于族譜關系是通過相鄰時次云團的相似性檢查，識別出雷暴云團發(fā)生 發(fā)展消亡的運動軌跡，包括(1)、獨立雷暴云團從出生到消亡，沒有發(fā)生過與其他雷暴云團 合并或者是從其他雷暴云團分裂出來的情況；(2)雷暴云團A和雷暴云團B在發(fā)展過程中 合并為一個新的雷暴云團C，同時雷暴云團A和雷暴云團B消亡，預測新雷暴云團C的運動 趨勢是根據(jù)雷暴云團A和雷暴云團B的運動趨勢綜合出來的；(3)、雷暴云團A在發(fā)展過程 中分裂為新的雷暴云團B、雷暴云團C和雷暴云團D，原雷暴云團A消亡；新的雷暴云團B、 雷暴云團C、雷暴云團D各自按自己的生命周期運動發(fā)展，在某一時次雷暴云團D與外部雷 暴云團T合并為新的雷暴云團，同時雷暴云團D和雷暴云團T消亡；采用邊界相關云團外推 方法建立起各雷暴云團的父子關系、夫妻關系、兄弟關系；通過上述雷暴云團的識別過程，得到每一個雷暴云團的平均移動方向、速度、面積膨脹 或縮小的速度、雷暴云團不同部位的強度增長或減弱信息；邊界相關云團外推模型是根據(jù) 雷暴云團運動慣性對云團的移向、移速、強度變化進行線性外推，從而預測雷暴云團未來某 時刻的邊界和位置。
10.根據(jù)權利要求9所述的基于邊界識別追蹤技術的雷暴云團的臨近預報方法，其特 征在于還包括使用雷達拼圖對雷暴云團的外推預報結果進行訂正，訂正的原則是某一云 團與其相鄰的云團的速度差不能操過5米/秒，方向偏差不超過25度。
11.一種基于邊界識別追蹤技術的雷暴云團的臨近預報系統(tǒng)，包括用于探測雷暴云團 的氣象雷達以及雷達資料處理系統(tǒng)，其特征在于所述雷達資料處理系統(tǒng)包括雷達資料預處理模塊，用于對雷達反射回波信號進行預處理形成在探測區(qū)域內的二維 網格形式的數(shù)字化雷達回波數(shù)據(jù)，以及對雷達回波數(shù)據(jù)進行二值化處理形成雷暴云團邊界 識別所需的二值圖像空間；雷暴云團邊界處理模塊，用于使用膨脹-侵蝕算法消除雷達掃描缺線對雷暴云團邊界 識別的影響以及使用N-近鄰跟蹤遍歷算法和邊緣提取算法對探測區(qū)域范圍內的雷暴云團 的邊界進行識別，從而使探測區(qū)域內所有雷暴云團都具有清晰連續(xù)的邊界線；雷暴云團識別模塊，用于識別雷達探測區(qū)域內雷暴云團的邊界信息、強度信息和面積 fn息；雷暴云團拓撲關系建立模塊，用于計算雷暴云團的的運動方向、速度、面積、強中心、增 強或減弱、膨脹或縮小的狀態(tài)信息；雷暴云團族譜關系建立模塊，通過相鄰時次云團的相似性檢查，識別出雷暴云團發(fā)生發(fā)展消亡的運動軌跡，包括多個雷暴云團在發(fā)展過程中合并為一個新的雷暴云團以及一個 雷暴云團在發(fā)展過程中分裂成為多個新的雷暴云團；雷暴云團外推預報模塊；用于根據(jù)雷暴云團的拓撲特征、生命時序與族譜關系，對雷暴 云團的運動向量進行線性外推作出雷暴云團的臨近預報；所述雷達資料預處理模塊、雷暴云團邊界處理模塊、雷暴云團識別模塊、雷暴云團族譜 關系建立模塊和雷暴云團外推預報模塊單向順序連接。
全文摘要
本發(fā)明公開一種基于邊界識別追蹤技術的雷暴云團的臨近預報方法和系統(tǒng)，所述方法利用模式識別技術進行云團邊界識別、拓撲處理，建立云團生命時序與族譜關系。本發(fā)明對已預處理的雷達數(shù)據(jù)進行邊界識別；利用四分樹匹配分析因子、重疊因子、面積因子、外接矩形因子、輪廓綜合因子、局部相似判定因子等六個判斷因子，分別識別出每個云團的時間序列，以及每個云團的運動方向、速度、面積、強中心等信息；對云團的移動方向、速度、面積、強度進行線性外推。初步結果顯示本發(fā)明的系統(tǒng)和方法可較好地識別和外推預報雷暴云團。
文檔編號G01W1/10GK101937078SQ20091010855
公開日2011年1月5日 申請日期2009年6月30日 優(yōu)先權日2009年6月30日
發(fā)明者蘭紅平, 孫向明, 張文海, 梁碧玲, 毛輝 申請人:深圳市氣象局