一种基于多普勒天气雷达数据的冰雹回波识别方法及系统与流程

技术特征：
1.一种基于多普勒天气雷达数据的冰雹回波识别方法，其特征在于：step1：采集目标区域的多普勒天气雷达组网拼图数据；step2：采用插值法将拼图数据生成三维雷达回波网格数据集；step3：对三维雷达回波网格数据集进行数据处理，获取特征向量，然后选择天气雷达回波反射率的垂直和水平扫描数据为基础训练集；step4：对照目标区域冰雹历史观测样本，提取正、负样本，并确定雷达回波在水平方向上的取样范围；step5：通过正态贝叶斯分类法，调用训练函数对正、负样本数据集进行机器学习，迭代计算每个冰雹样本根据特征分量划分的先验概率，训练智能分类器识别冰雹云内在特征的能力，并存储训练模型；step6：将新的未知回波数据输入训练后的分类器，结合先前得出的先验概率，计算是冰雹和不是冰雹的后验概率,并不断调整低优先级分量是冰雹的概率来确定冰雹的具体类型，以达到识别的目的。2.根据权利要求1所述的基于多普勒天气雷达数据的冰雹回波识别的方法，其特征在于所述step1具体为：对多部s波段多普勒天气雷达组网进行数据采集，获取雷达回波三维立体拼图数据。3.根据权利要求1所述的基于多普勒天气雷达数据的冰雹回波识别的方法，其特征在于所述step2中的插值法为：基于高分辨率的地形数据，采用最近邻居法和垂直方向线性内插法相结合的方式，插值到三维笛卡尔坐标系中，将拼图数据生成三维雷达回波网格数据集。4.根据权利要求1所述的基于多普勒天气雷达数据的冰雹回波识别的方法，其特征在于所述step3中的特征向量包括：回波中心强度垂直剖面gdbz、垂直累积液态水含量vil、径向速度平均值mdve、风暴单体速度谱宽平均值mdsw。5.根据权利要求1所述的基于多普勒天气雷达数据的冰雹回波识别的方法，其特征在于所述step4中对正、负样本数据集的提取具体为：step4.1：从相关数据库中检索目标区域目击冰雹观测历史样本；step4.2：时次之后k小时后有观测报告的作为正样本，时次之后k小时以内无冰雹观测报告的作为负样本；step4.3：确定雷达回波在水平方向上的取样范围，对于正样本为包含冰雹云回波的边长为mkm的正方形范围，对于负样本为包含反射率最大值周边为nkm的正方形范围。6.一种基于多普勒天气雷达数据的冰雹识别系统，其特征在于包括：数据采集模块：用于对s波段的多普勒天气雷达组网拼图资料的采集，获取雷达回波的三维立体数据；插值模块：用于对雷达回波的三维立体数据插值计算，生成三维雷达回波网格数据集；数据处理模块：用于对三维雷达回波网格数据集采取过滤式选择的方法进行特征选择，选择天气雷达回波反射率的垂直和水平扫描数据为基础训练集；正、负样本数据集提取模块：用于将所述基础训练集进行提取，并分为正、负样本；训练模块：用于将取样范围内不同高度上的回波水平扫描数据和不同方位的回波垂直剖面数据输入贝叶斯人工智能分类器，调用训练函数进行训练，形成可以自动识别冰雹云
的智能分类器；测试模块：用于将未知的回波网格数据集输入训练后的智能分类器进行冰雹云自动识别。

技术总结
本发明涉及一种基于多普勒天气雷达数据的冰雹回波识别方法及系统，属于气象雹暴识别技术领域。采集目标区域的多普勒天气雷达组网拼图数据，使用插值法将数据生成三维雷达回波网格数据集，生成特征向量，并以雷达回波反射率的垂直和水平扫描数据为基础训练集，分别将雷达回波历史样本时次之后单位时间内有、无冰雹观测报告作为正、负样本，通过正态贝叶斯分类法对正、负样本数据集进行机器学习，调用训练函数，计算是冰雹和不是冰雹的后验概率并不断调整低优先级分量是冰雹的概率来确定冰雹的具体类型。本发明提供的方法具有广泛的自适应性和较高的自我改进能力，提高了冰雹云的识别水平。别水平。别水平。


技术研发人员：彭艺 肖春娟 杨青青
受保护的技术使用者：昆明理工大学
技术研发日：2021.09.08
技术公布日：2022/1/13