基于峰度与角二阶矩的冰雹预测方法
【专利摘要】基于峰度与角二阶矩的冰雹预测技术属于统计学领域，尤其属于图像分析领域。现有对雹云的预测往往是依赖于经验进行判别，这样的方法存在很多不足。为了克服现有技术的不足，本发明公开：一种预测冰雹的方法，其特征是，所述的方法包括以下步骤：第一步，利用云图获得dBZ，第二步，把RGB图像转化为灰度图像，第三步，灰度图像的反射率分成15个量级，第四步，计算每个量级的比重，第五步，计算出每个量级的峰度x1、角二阶矩x2，第六步，利用公式：y＝6.52713·x1+28.63802·x2y0＝1.16108故有若：y＞y0,则X∈G1，否则X∈G2，G1为降雹云集合，G2为无雹云集合。本发明可以预测雹云。
【专利说明】
基于峰度与角二阶矩的冰雹预测方法
技术领域
[0001] 本发明属于统计学领域，尤其属于图像分析领域。
【背景技术】
[0002] 冰雹作为一种强对流天气，其特点是空间尺度小、生命史短、突发性强、发展演变 迅速，其预报难度是众所周知的。经过"十五"、"十一五"的发展和建设，新疆气象防雹技术 水平有了很大提升，但与国民经济和社会发展日益增长的需求相比，仍然存在一定不足，主 要表现为:冰雹天气预测的准确率和精细化水平有待提高，特别是对局部冰雹天气的临近 (0~3小时）和短时（3~12小时)预报能力亟待增强。"十三五"期间是新疆社会稳定和经济 发展的关键时期，迫切需要对新疆冰雹天气提供更为精细化的监测和预报。而对雹云识别 业务基础主要来源于天气雷达，实时观测对流云团的雷达图像，图像涵盖了云团生命发展 变化的信息，通过对该云团的雷达图像进行实时处理，提前预测到该云团是否降雹对于防 雹减灾有重要意义。
[0003] 现有对雹云的预测往往是依赖于经验进行判别，这样的方法存在很多不足。
【发明内容】
[0004] 为了克服现有技术的不足，本发明公开：
[0005] 1，基于峰度与角二阶矩的冰雹预测方法，其特征是，所述的方法包括以下步骤：
[0006] 第一步，采集雷达RGB云图，利用云图获得dBZ，
[0007] 第二步，把第一步所得的RGB图像转化为灰度图像，
[0008] 第三步，把第二步所得的灰度图像的反射率分成15个量级，
[0009] 第四步，计算出每个量级在图像中的比重，
[0010] 第五步，计算出每个量级的峰度xl、角二阶矩x2，
[0011] 第六步，把第五步所得的峰度xl、角二阶矩x2代入公式：
[0012] y = 6.52713 · χι+28.63802 · x2
[0013]故有若:y>y。则XeGi，否则XGGhGd降雹云集合，G2为无雹云集合。
[0014] 2,其特征是:所述 yQ=l. 16108。
[0015] 3,其特征是:还包括：
[0016] 利用公式：
[0018]得到 y〇。
[0019 ] 降雹云集合G1中的平均值，y(2)降雹云集合G2中的平均值，η 1为降雹云集合G1中 的元素个数，η2为无雹云集合G2中的元素个数。
[0020]反射率按照5为单位分开，(^2值81对应的灰度值计算为S1-2.5到81+2.5的灰度平 均值。
[0021 ] 4，其特征是:所述的反射率、量级、RGB值、灰度值对应的关系为：
[0022] 反射率为:-5,对应的量级为：1，对应的RGB值为:-201，201，201，对应的灰度值为： 201；
[0023] 反射率为:0，对应的量级为：2，对应的RGB值为:-118，118，118，对应的灰度值为： 118；
[0024] 反射率为:5，对应的量级为:3，对应的RGB值为:-255，170，170，对应的灰度值为： 196；
[0025] 反射率为：10，对应的量级为:4，对应的RGB值为:-238，140，140，对应的灰度值为： 170；
[0026] 反射率为：15，对应的量级为:5，对应的RGB值为:-201，112，112，对应的灰度值为： 139；
[0027] 反射率为：20，对应的量级为：6，对应的RGB值为：0，251，144，对应的灰度值为： 164；
[0028] 反射率为:25，对应的量级为:7，对应的RGB值为:0，187，0，对应的灰度值为：110; [0029] 反射率为:30，对应的量级为:8，对应的RGB值为:-255，255，112，对应的灰度值为： 239；
[0030] 反射率为：35，对应的量级为：9，对应的RGB值为：208，208，96，对应的灰度值为： 195；
[0031] 反射率为:40，对应的量级为：10，对应的RGB值为：255，96，96，对应的灰度值为： 144；
[0032] 反射率为:45，对应的量级为:11，对应的RGB值为:218，0，0，对应的灰度值为:65; [0033] 反射率为:50，对应的量级为12，对应的RGB值为：174，0，0，对应的灰度值为:52; [0034] 反射率为:55，对应的量级为：13，对应的RGB值为:0，0，255，对应的灰度值为:29; [0035] 反射率为:60，对应的量级为：14，对应的RGB值为:-160，255，255，对应的灰度值 为:227;
[0036] 反射率为：65，对应的量级为：15，对应的RGB值为：231，0，255，对应的灰度值为： 98 〇
[0037] 5,其特征是：由RGB与灰度值的换算关系式
[0038] Gray = R X 0.2999+G X 0.587+B X 0.114
[0039] 获得对应的灰度值。该方法可以提高雹云预报的准确率，降低误报率。有效的提高 了识别雹云图像准确率，为冰雹预报提供参考。
【具体实施方式】：
[0040] 1强度统计
[0041] 雷达反射率图像是基于RGB彩色空间的，以基本反射率因子图的图例为基础，利用 RGB彩色空间的成色原理，读取回波反射图。即将反射率为-5dBZ-65dBZ，分为15种相应的 量级。其中不同量级所对应的RGB值如表所示，由RGB与灰度值的换算关系式（1)，可知对应 的灰度值。
[0042] Gray = R X 0.2999+G X 0.587+B X 0.114
[0043] (1)
[0044] 表1用来说明反射率与RGB值、灰度值对应关系。
[0045] 表1:
[0048] 雷达反射率图像的不同颜色代表的是不同的反射强度，即可以通过统计不同颜色 在图像中所占的比重，反应出图像中回波强度的特征，不同的强度所占的比重可以由概率 表示，计算如式⑵所示。如一幅大小为MXN的图像，则含有MXN个像素，反射率强度分为15 个量级，这不同强度在图像中的比重为：
[0049] Pi = si/MXN i = l,2,---,15 (2)
[0050] 其中，Sl为第i个量级的颜色在图像上的像素个数。
[0051] 2、二阶雹云识别的模型设计
[0052]根据气象学的理论可知，强对流的极端天气，只可能出现在反射强度大于40dBZ的 区域。故只选取量级为10-15的，按照以下方法计算得到雹云和非雹云的四个一阶统计测 度值。
[0053]峰度：
[0055] 角度方向二阶矩：
[0056] ASM =^[pk{i)f i
[0057] 确定判别临界点，取和f2)的加权平均值，即：
[0059] nl为降雹云集合G1中的元素个数，n2为无雹云集合G2中的元素个数。
[0060] 判别函数为：
[0061] y = 6.52713 · xi+28.63802 · X2 (3)
[0062] 判别临界点为:yo = 1 · 16108，且];(11 > ，故有若:y>yQ则X e Gi，否则X e G2。6丄为 降雹云集合，62为无雹云集合。
[0063] 3、模型检验
[0064]利用本发明所述的方法，发明人进行了如下验证，以证明本发明对预测冰雹有较 高的准确率。
[0065]数据选取2009年间石河子、阿克苏地区及沙湾地区的不同于训练样本的数据，作 为待测样本表2。由于待测样本的分类已知，则利用此判别函数进行判别，并将判别结果与 真实结果进行比较，即可知道判别函数对于反射率图像判别的准确率。结果如表3所示。 [0066] 表2各地区的反射率图像强度的惯性矩相关性-待测样本
[0072]由表2和表3可知，此判别模型的判别准确率很好，且该模型对于雹云的识别是比 较准确的，准确率为100 %。
【主权项】
1. 基于峰度与角二阶矩的冰富预测方法，其特征是，所述的方法包括W下步骤： 第一步，采集雷达RGB云图，利用云图获得地Z， 第二步，把第一步所得的RGB图像转化为灰度图像， 第Ξ步，把第二步所得的灰度图像的反射率分成15个量级， 第四步，计算出每个量级在图像中的比重， 第五步，计算出每个量级的峰度XI、角二阶矩x2， 第六步，把第五步所得的峰度χ1、角二阶矩x2代入公式： Υ = 6.52713 ·χι·ι·28.63802 ·Χ2 故有若:y >y〇，贝化Ε Gi，否贝化e G2，G功降富云集合，G劝无富云集合。2. 如权利要求1所述的基于峰度与角二阶矩的冰富预测方法，其特征是：所述yo = 1.16108。3. 如权利要求1所述的基于峰度与角二阶矩的冰富预测方法，其特征是:还包括： 利用公式：7。降富云集合G冲的平均值，/)降富云集合G2中的平均值，m为降富云集合G冲的元 素个数，Π 2为无富云集合G2中的元素个数， 得到yO。4. 如权利要求1所述的基于峰度与角二阶矩的冰富预测方法， 其特征是:所述的反射率、量级、RGB值、灰度值对应的关系为： 反射率为:-5，对应的量级为：1，对应的RGB值为:-201，201，201，对应的灰度值为:201; 反射率为:0，对应的量级为:2，对应的RGB值为:-118，118，118，对应的灰度值为：118; 反射率为:5，对应的量级为:3，对应的RGB值为:-255，170，170，对应的灰度值为：196; 反射率为：10，对应的量级为:4，对应的RGB值为:-238，140，140，对应的灰度值为：170; 反射率为：15，对应的量级为:5，对应的RGB值为:-201，112，112，对应的灰度值为：139; 反射率为:20，对应的量级为:6，对应的RGB值为:0，251，144，对应的灰度值为：164; 反射率为:25，对应的量级为:7，对应的RGB值为:0，187，0，对应的灰度值为：110; 反射率为:30，对应的量级为:8，对应的RGB值为:-255，255，112，对应的灰度值为:239; 反射率为:35，对应的量级为:9，对应的RGB值为:208，208，96，对应的灰度值为：195; 反射率为:40，对应的量级为：10，对应的RGB值为:255，96，96，对应的灰度值为：144; 反射率为:45，对应的量级为：11，对应的RGB值为:218，0，0，对应的灰度值为:65; 反射率为:50，对应的量级为12，对应的RGB值为：174，0，0，对应的灰度值为:52; 反射率为:55，对应的量级为：13，对应的RGB值为:0，0，255，对应的灰度值为:29; 反射率为：60，对应的量级为：14，对应的RGB值为：-160，255，255，对应的灰度值为： 227； 反射率为:65，对应的量级为：15，对应的RGB值为:231，0，255，对应的灰度值为:98。5.如权利要求1所述的基于峰度与角二阶矩的冰富预测方法，其特征是：由RGB与灰度 值的换算关系式： Gray = R X 0.2999+G X 0.587+B X 0.114，获得对应的灰度值。
【文档编号】G06T7/40GK106097399SQ201610405782
【公开日】2016年11月9日
【申请日】2016年6月8日
【发明人】李国东, 徐文霞, 钱斯祺, 吴晨瑜
【申请人】李国东