一种基于雷达数据的局部云体三维模型构建方法
本发明涉及云体模型构建,具体是一种基于雷达数据的局部云体三维模型构建方法。
背景技术:
1、云团作为大气运动的重要载体,其形态结构、物理特性及演化规律直接影响降水、强对流等天气现象的发生发展,精准的云团建模是提升短时临近天气预报精度、开展灾害性天气预警的核心基础。
2、随着气象探测技术的不断升级,雷达因其具备高时空分辨率、可穿透云层等优势,已成为云团监测的核心设备,其中x波段雷达凭借探测距离适中、空间分辨率高、对边界层大气探测能力强等特点,在局地突发强对流天气等小尺度云团监测中展现出独特优势,逐步成为精细化云团建模的核心数据来源。
3、x波段雷达数据具有更高的时空分辨率能够精准捕捉云团精细结构和支持云团动态建模,但是,当前x波段雷达云体建模相关算法研究,重点考虑如何通过单一聚类或轮廓提取算法实现云体区域划分,却未考虑地区杂波干扰、多云团叠加、云体边缘模糊等实际业务场景对建模精度的影响,不适用于复杂气象条件下的精细化建模工作,降低了云体3d模型的可信度,同时,现有业务雷达数据处理系统未充分挖掘数据的空间形态价值,仅输出二维统计信息,大大降低了x波段雷达在精细化气象服务中的利用率和应用价值。
技术实现思路
1、本发明的目的在于提供一种基于雷达数据的局部云体三维模型构建方法技术方案,以解决现有技术中提出的现有技术的3d云团建模方法未考虑地区杂波干扰、多云团叠加、云体边缘模糊等实际业务场景对建模精度的影响,不适用于复杂气象条件下的精细化建模工作,降低了云体3d模型的可信度的技术问题。
2、为实现上述目的,本发明提供如下技术方案:一种基于雷达数据的局部云体三维模型构建方法,包括以下步骤:
3、s1、对雷达站点的基础信息数据进行预处理,输出第一结构化数据集;
4、s2、对s1得到的第一结构化数据集进行分类和处理,输出第二结构化数据集;
5、s3、对s2输出的第二结构化数据集进行数据读取和格式转换,并依据转化后的数据结构通过dbscan思想剔除孤立噪声点,再利用距离阈值法提取边界,同时,通过alphashape法和局部凸包法的几何约束进一步过滤虚假边界点,完成局部云体三维模型的构建。
6、根据上述技术方案,在s3中,包括以下步骤:
7、s301、通过dbscan法的密度连通性进行云体不同形状簇的定义;
8、s302、利用距离阈值法对dbscan法定义的簇进行云体的边界提取,得到云体边界的离散点集;
9、s303、通过alpha shape法对s302中提取的边界进行筛选,得到初步云体边界轮廓;
10、s304、通过局部凸包法对alpha shape法筛选的初步边界轮廓进行局部区域划分,并对局部区域分别计算凸包,对局部区域内的小型子点集满足凸性的,直接保留;若存在凹陷,则通过alpha shape法再进行筛选,再次执行s303;直至完成局部云体三维模型的构建。
11、根据上述技术方案,在s302中,距离阈值法通过设定固定或动态的距离阈值,判断点与目标核心区域和/或点与点之间的空间关联进行云体边界的提取;
12、其中,基于离散点集自身的距离分布动态计算阈值;同时,通过3d阈值进行云体边界的提取。
13、进一步的,基于离散点集自身的距离分布,采用k近邻距离分位数法动态计算阈值,具体为:计算每个点到其k个最近邻点的平均距离,取所有点k近邻距离的中位数作为自适应阈值。
14、根据上述技术方案,在s303中,对距离阈值法得到的离散点集进行德劳内三角剖分,并遍历德劳内三角剖分的每个三角形面片,计算其外接圆半径 ;
15、满足条件的三角形面片为α-有效面片,保留;不满足条件则剔除该三角形面片;
16、再遍历所有保留的α-有效面片,统计每个三角形边的共享次数:若一条边仅被1个α-有效面片共享,那么该边是alpha shape的边界边;
17、若一条边被至少2个α-有效面片共享,那么该边是内部边,剔除,所有边界边按顺序连接,即可形成闭合的alpha shape轮廓,得到初步云体边界轮廓。
18、根据上述技术方案,在s304中,局部凸包法对边界点到云团中心的距离进行排序,并保留b%的外围点,其中,b%表示取值百分比数,距离小于设定阈值的若干个边界点形成局部簇,每个局部簇视为一个小型子点集,优选的,b%取95%。
19、根据上述技术方案,在s1中,具体包括以下步骤:
20、s101、进行雷达站点的基础信息数据的读取与解析;
21、s102、将雷达体扫数据中每个数据点的极坐标转换为站心直角坐标;
22、s103、将s102得到的每个数据点的站心直角坐标转换为地心地固坐标;
23、s104、将s103得到的每个数据点的地心地固坐标转换为大地坐标;
24、s105、对异常数据进行检测和筛选,并输出第一结构化数据集。
25、根据上述技术方案,在s2中,具体包括以下步骤:
26、s201、利用数据过滤模块对第一结构化数据集进行分类、过滤和轻量化处理,输出有效云体数据;
27、s202、利用云团聚类模块对数据过滤模块处理后的有效云体数据进行初步聚类,输出初步聚类结果;
28、s203、利用密度合并优化模块对云团聚类模块输出的初步聚类结果通过动态选k值、双维度合并和多维度降噪,提纯有效云团。
29、根据上述技术方案,在s201中,通过关键词模糊匹配算法,识别不同来源、不同格式的雷达数据列名,将含有特定关键词的列映射为标准列名;
30、通过设定反射率阈值进行有效云体数据的筛选,并对通过反射率阈值筛选后的有效云体数据进行空间一致性检查,剔除超出物理范围的异常点;
31、通过核心字段保留、冗余信息提取进行有效云体数据优化和轻量化处理,并输出标准化格式。
32、根据上述技术方案,在s202中,通过设定分数位范围阈值对云体反射率进行截断处理,剔除云体反射率异常值;
33、对有效云体数据进行z-score标准化处理,并对标准化处理之后的特征值进行k-medoids粗聚类优化;
34、对k-medoids粗聚类优化后的有效云体数据进行三维缓冲区分析与重叠聚类合并;
35、再利用dbscan聚类算法进行提纯,输出初步聚类结果。
36、根据上述技术方案,在s203中,包括以下步骤:
37、s203-1、根据云团聚类模块输出的初步聚类结果的数据点数量n动态选择k-medoids的聚类数k;
38、s203-2、进行密度关联维度和空间邻近维度的双维度合并;
39、s203-3、进行多维度噪声过滤;
40、s203-4、对s203-3过滤后的数据进行整理,并输出第二结构化数据集。
41、与现有技术相比,本发明的有益效果是:
42、1、通过alpha shape法、局部凸包法和密度法三种方法的协同核心是“扬长避短、层层递进”:alpha shape法奠定全局形态基础,局部凸包法补全局部细节,密度法提纯边界质量,最终实现“真实形态+精细细节+可靠质量”的云团3d边界提取,既满足可视化的直观性需求,又支撑科研分析的准确性需求,尤其适配海洋降水云等形态复杂、数据易受干扰的应用场景。
43、alpha shape法、局部凸包法和距离阈值法三种方法的协同应用,本质是通过“dbscan密度聚类思想剔除噪声→距离阈值法提取边界→alpha shape+局部凸包几何约束过滤虚假边界点”的流程,系统性解决了传统单一方法“形态不准、细节丢失、噪声干扰”的三大核心问题,最终实现:云团3d边界更真实、更精细、更可靠,既满足可视化的直观性需求,又支撑后续科研分析的准确性需求,尤其适配海洋降水云等形态复杂、数据易受干扰的应用场景。
44、2、噪声去除效率高:通过三级过滤机制(物理阈值过滤、空间连续性检查、高度层优化),系统化去除大气杂波、地物回波等各类噪声,整体噪声去除率更高,其中对非降水信号的识别准确率提升;
45、格式标准化彻底:列名智能适配算法对常见雷达数据格式的兼容率更高,实现不同来源、不同格式数据的无缝整合,消除了因数据格式不一致导致的处理错误;
46、聚类准确性大幅提升:高质量数据输入使得后续聚类算法的准确性相比传统方案更高,尤其在云团边界识别、弱信号提取等关键环节,误判率降低。
47、混合策略优势明显:“k-medoids粗聚类+dbscan聚类细提纯”的混合策略有效克服了单一算法的局限性,k-medoids对异常值鲁棒性强,dbscan聚类算法能识别密度变化,二者结合使算法对云团密度不均、边界模糊等问题具有更强的适应性;
48、复杂场景处理能力:在重叠云团、多层云系、碎片化云团等复杂气象场景下,本方法聚类准确率更高。
49、参数自适应优化:动态k值选择机制和自适应参数调整,使算法无需人工干预即可适应不同天气类型的数据特性。
50、提纯精度卓越:通过双维度合并和多维度降噪策略,云团提纯精度更高,能够准确分离空间邻近但物理特性不同的云体;
51、边界识别精度高:云团边界相比传统方法有明显改善,确保三维建模的准确性。
52、多格式无缝适配:支持excel、parquet、netcdf、npy等多种数据格式,与现有气象业务系统的数据接口兼容率更高,无需额外开发即可集成到现有业务流程中;
53、应用场景广泛:处理结果可直接应用于短临预报、降水估算、云物理分析、数值模式初始化等多个业务环节。
54、3、通过严格的坐标转换与异常筛选,将原始二进制雷达数据转化为地理参考准确、质量可控的结构化数据集;
55、输出为标准地理坐标及通用数据格式,促进数据共享与业务协同;
56、采用wgs84椭球模型及迭代坐标转换算法,定位精度更高。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com