基于双偏振雷达数据的降水模型处理方法及系统

本发明涉及水文学与水资源，尤其涉及一种基于双偏振雷达数据的降水模型处理方法及系统。

背景技术：

1、近年来，随着全球气候变化、自然变迁及陆表生境改变，一系列的极端异常天气频发并呈现出显著的多尺度时空变异特征，引发的诸如台风、冰雹、龙卷、短时强降水等气象灾害频次及强度也呈现逐年增高的态势。其中，极端强对流降水天气是一类典型的极端危害天气，每年都会给城区造成严重灾害，严重威胁人民群众生命财产安全。这种强降水在时间和空间上是高度不均匀的。因此，研究强降雨特征，开展高精度、高分辨、实时定量的降水预测以预防洪涝灾害，是气象部门亟待解决的问题。

2、目前通过双偏振雷达(dual-polarization radar)预测降水已成为气象部门的主流手段之一。双偏振雷达可以同时测量水平极化(h极化)和垂直极化(v极化)的雷达回波，提供了比单偏振雷达更多的信息，包括降水粒子更多的外在特性和更准确的分类信息。由于双偏振雷达可以提供水平和垂直极化的反射率数据，因此可以估计降水粒子的大小和形状，这在极端天气事件的预测和监测发挥了巨大的作用。

3、传统强对流天气临近预报主要依靠雷达等观测资料，结合风暴识别、追踪技术进行雷达外推预报，即通过外推的方法得到未来时刻的雷达反射率因子，并进一步使用雷达反射率因子和降水之间的经验性关系(即z-r关系)估计未来时刻的降水量。近年来，随着大数据的积累和计算机算力的发展，人工智能及深度学习技术发展迅速。深度学习方法是一类数据驱动的方法，理论上其性能随着训练数据量增大而提升，因此很适合有大量雷达观测数据积累的短临预报领域。目前国际上主要有两类基于深度学习的短临预报模型，一类基于卷积神经网络(cnns)，如u-net等模型，循环神经网络(rnns)，如convlstm、dgmr等模型，但是该类模型面对海量的雷达栅格数据集，训练速度较慢，预测效果单一，实际应用较差，对于大尺度的刻画精度一般。

技术实现思路

1、本发明目的在于公开一种基于双偏振雷达数据的降水模型处理方法及系统，以提高模型的计算效率并确保降水评估结果的可靠性。

2、为达上述目的，本发明方法包括：

3、步骤s1、获取目标分析区域内各栅格单元所对应的近地面降水数据、及双偏振雷达对应至少两个不同高度的水平反射率因子zh和差分反射率zdr；

4、步骤s2、将水平反射率因子zh按照目标区间均分为五层，且以各栅格单元按离地面最近高度的zh的取值进行分层；然后在候选因子集中将各层所对应栅格单元在各高度、各时段所对应的水平反射率因子zh和差分反射率zdr转换为非零数值累加取平均后的平均值，并以地面降水数据作为相对应栅格单元的标签；

5、步骤s3、从各层转换后的候选因子集中，以互信息方法分别筛选出各层与降水相关性满足设定条件的部分因子所对应的数据序列作为transformer预报模型的输入；

6、步骤s4、在得到transformer模型预测的降水数据后，将降雨实际值与预测值相减得到降雨残差序列，采用卡尔曼滤波方法对残差序列进行降噪平滑操作，执行预报误差串联校正后得到修正后的降水预测值；

7、步骤s5、将各层的预测降水值的分层原理进行反推，得到整体的预测值。

8、优选地，本发明采用ar模型进行预报误差串联校正，预测残差如下：

9、et＝(e1,e2,...,en)；

10、式中，et为降雨实际值和预测值相减得到的残差序列；

11、将预报残差值进行ar模型预测，ar模型阶数采用aic准测确定，ar模型预测得到的残差值如下：

12、

13、式中，为ar模型得到的预测值；

14、最终得到修正后的降水预测值为：

15、

16、其中，rt为transformer模型输出的降水预测值。

17、优选地，本发明在以互信息方法分别筛选出各层与降水相关性满足设定条件的部分因子的过程中，相关性i(z；r)的计算公式具体为：

18、

19、式中，p(x,y)是雷达反射率z和降水r的联合密度函数，p(x)和p(y)分别是z和r的边缘密度函数。

20、为达上述目的，本发明还公开一种基于双偏振雷达数据的降水模型处理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述的方法。

21、本发明思路清晰，操作方便，实用性强；而且具有以下有益效果：

22、将水平反射率因子zh进行分层处理，以zh进分层值表示降雨强度，将复杂的栅格数据转化为时序数值序列；同时以互信息方法分别独立筛选出各层与降水相关性满足设定条件的部分因子所对应的数据序列作为transformer预报模型的输入，进一步实现了数据降维，极大地降低了传统模型训练效率；而且在得到transformer模型预测的降水数据后，采用卡尔曼滤波对预测结果进行串联校正，确保了降水预测精度和可靠性，具备很强的实用价值，相比于现行常用雷达波卷积预测方式，能够显著提高预报精度和可靠性。

23、下面将参照附图，对本发明作进一步详细的说明。

技术特征：

1.一种基于双偏振雷达数据的降水模型处理方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，采用ar模型进行预报误差串联校正，预测残差如下：

3.根据权利要求1或2所述的方法，其特征在于，在以互信息方法分别筛选出各层与降水相关性满足设定条件的部分因子的过程中，相关性i(z；r)的计算公式具体为：

4.一种基于双偏振雷达数据的降水模型处理系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至3任一所述的方法。

技术总结
本发明公开一种基于双偏振雷达数据的降水模型处理方法及系统，以提高模型的计算效率并确保降水评估结果的可靠性。方法包括：将水平反射率因子Z<subgt;H</subgt;按照目标区间均分为五层，且以各栅格单元按离地面最近高度的Z<subgt;H</subgt;的取值进行分层；然后在候选因子集中将各层所对应栅格单元在各高度、各时段所对应的Z<subgt;H</subgt;和Z<subgt;DR</subgt;转换为非零数值累加取平均后的平均值，并以地面降水数据作为相对应栅格单元的标签；从各层转换后的候选因子集中，以互信息方法分别筛选出各层与降水相关性满足设定条件的部分因子所对应的数据序列作为Transformer预报模型的输入；在得到降水预测值后，将各层的预测降水值的分层原理进行反推，得到整体的预测值。

技术研发人员：郭俊,常新雨,效文静,刘梓轩,莫莉,刘懿,覃晖,邹强,吴江
受保护的技术使用者：华中科技大学
技术研发日：
技术公布日：2024/2/6