基于天气雷达回波图像的降水预报方法、装置、设备和介质与流程

1.本发明涉及计算机技术领域，尤其涉及基于天气雷达回波图像的降水预报方法、装置、设备和介质。


背景技术：

2.天气雷达能以较高时空分辨率探测降水系统发生、发展情况，在中小尺度的灾害性中发挥了重要作用。雷达降水预测是天气雷达观测的重要任务之一，有必要对雷达降水进行准确预报。现有雷达降水预报技术中，主要有持续性预报法、单体追踪法、交叉相关追踪法三种：
①
持续性预报技术是假设所有雷达回波的大小和强度在预报时效内保持不变，并以定常速度平移进行预报，该方法计算时间长，不能体现云团空间位移的差异，精度较差；
②
单体追踪技术是将雷暴视为三维单体加以识别、追踪和外推，计算出每一个雷暴单体的统计和形态特征，这类算法仅适用于强对流风暴的跟踪和计算，对于大部分云团，特别是大面积的层状云预报精度低；
③
交叉相关追踪技术是基于像元尺度，利用图像间灰度相关性作为区域相似性的判别依据，寻找当前和前一时刻中同目标区域相关性最大的区域。该技术计算简单，是目前云团运动特征计算最常用的方法,但计算结果与所选择的研究区范围大小及区域中云系的数目关系很大，而且由于层状云内部的云运动特征通常较为杂乱,在强对流云团变化复杂时,对连续两个时刻的云团匹配错误率较高。目前所有技术方法面临云团消散扩张过程捕捉困难、计算时间长，不能实现高分辨率以及快速的雷达降水预报。


技术实现要素：

3.本发明所要解决的技术问题是针对现有技术的不足，提供基于天气雷达回波图像的降水预报方法、装置、设备和介质。
4.本发明解决上述技术问题的技术方案如下：
5.一种基于天气雷达回波图像的降水预报方法，包括：
6.根据第一雷达回波图像和第二雷达回波图像，构建第一图像序列金字塔和第二图像序列金字塔，其中所述第一雷达回波图像和所述第二雷达回波图像是针对同一区域连续拍摄的两幅雷达回波图像；
7.基于所述第一图像序列金字塔，得到云团前向运动特征量，基于所述第二图像序列金字塔，得到云团后向运动特征量，其中所述第一图像序列金字塔是基于按照时间顺序得到，所述第二图像序列金字塔是按照时间逆序得到的；
8.利用所述云团前向运动特征量、所述云团后向运动特征量以及线性外推法，得到所述区域的雷达降水预测信息。
9.在上述技术方案的基础上，本发明还可以做如下改进。
10.进一步地，所述基于所述第一图像序列金字塔，得到云团前向运动特征量，具体包括：
11.s11、基于所述第一图像序列金字塔中第n层中的影像图像选取第一特征量点，并
获取所述第一特征量点在所述第n层中影像图像中的位置信息；
12.s12、根据所述第一特征量点在所述第n层中影像图像中的位置信息，得到第一云水平方向速度平均值和第一云垂直方向速度平均值，并根据所述第一云水平方向速度平均值和所述第一云垂直方向速度平均值得到所述第n层中的影像图像的第一云运动特征量；
13.s13、基于所述第一图像序列金字塔中第n-1层中的影像图像选取第二特征量点，并获取所述第二特征量点在所述第n-1层中影像图像中的位置信息，根据所述第二特征量点在所述第n-1层中影像图像中的位置信息，得到第二云水平方向速度平均值和第二云垂直方向速度平均值，并根据所述第二云水平方向速度平均值和所述第二云垂直方向速度平均值得到所述第n-1层中的影像图像的第二云运动特征量；
14.s14、将所述第一云运动特征量和所述第二云运动特征量进行线性叠加，得到所述第n层的第一大运动量；
15.s15、若所述第一大运动量满足预设约束条件，将n取值为n-1，继续s11至s14，直至达到所述第一图像序列金字塔中的最底层，其中，初始n为n，n是所述第一图像序列金字塔的最高层，得到所述云团前向运动特征量。
16.进一步地，所基于所述第二图像序列金字塔，得到云团后向运动特征量，具体包括：
17.s21、基于所述第二图像序列金字塔中第m层中的影像图像选取第三特征量点，并获取所述第三特征量点在所述第m层中影像图像中的位置信息；
18.s22、根据所述第三特征量点在所述第m层中影像图像中的位置信息，得到第三云水平方向速度平均值和第三云垂直方向速度平均值，并根据所述第三云水平方向速度平均值和所述第三云垂直方向速度平均值得到所述第m层中的影像图像的第三云运动特征量；
19.s23、基于所述第二图像序列金字塔中第m-1层中的影像图像选取第四特征量点，并获取所述第四特征量点在所述第m-1层中影像图像中的位置信息，根据所述第四特征量点在所述第m-1层中影像图像中的位置信息，得到第四云水平方向速度平均值和第四云垂直方向速度平均值，并根据所述第四云水平方向速度平均值和所述第四云垂直方向速度平均值得到所述第m-1层中的影像图像的第四云运动特征量；
20.s24、将所述第三云运动特征量和所述第三云运动特征量进行线性叠加，得到所述第n层的第二大运动量；
21.s25、若所述第二大运动量满足预设约束条件，将m取值为n-1，继续s21至s24，直至达到所述第二图像序列金字塔中的最底层，其中，初始m为m，m是所述第二图像序列金字塔的层数，得到所述云团前向运动特征量。
22.进一步地，所述利用所述云团前向运动特征量、所述云团后向运动特征量以及线性外推法，得到所述区域的雷达降水预测信息，具体包括：
23.根据所述云团前向运动特征量和所述云团后向运动特征量，得到亚像元运动特征量；
24.对所述亚像元运动特征量进行线性外推法，得到降水预测图；
25.基于所述降水预测图和雷达回波数据，得到所述雷达降水预测信息。
26.进一步地，所述根据所述云团前向运动特征量和所述云团后向运动特征量，得到亚像元运动特征量，具体包括：
27.计算所述云团前向运动特征量和所述云团后向运动特征量的像元特征差值；
28.当所述像元特征差值大于预设特征阈值时，剔除所述云团前向运动特征量和所述云团后向运动特征量中影响因子，得到所述亚像元运动特征量；
29.否则，取所述云团前向运动特征量和所述云团后向运动特征量的平均值，得到所述亚像元运动特征量。
30.进一步地，所述对所述亚像元运动特征量进行线性外推法，得到降水预测图，具体包括：
31.以t-1时刻的云图为基础，利用所述亚像元运动特征量进行逐像元降水预测，得到t时刻降水预报图；
32.根据所述t时刻降水预报图和t时刻实测降水图，得到t-1时刻与t时刻的降水强度变化率；
33.利用所述线性外推法，对t时刻云图向前外推，得到t 1时刻降水预测图；
34.基于所述t 1时刻降水预测图和所述降水强度变化率，得到所述降水预测图。
35.进一步地，所述基于所述降水预测图和雷达回波数据，得到所述雷达降水预测信息，具体包括：
36.根据历史雷达回波和历史降水量所得到的统计公式z＝a
×
rb，得到所述雷达降水预测信息，其中z为反射率因子；r为降雨强度，a和b为反演参数。
37.本方法发明的有益效果是：提出了一种基于天气雷达回波图像的降水预报方法，包括根据第一雷达回波图像和第二雷达回波图像，构建第一图像序列金字塔和第二图像序列金字塔，其中所述第一雷达回波图像和所述第二雷达回波图像是针对同一区域连续拍摄的两幅雷达回波图像；基于所述第一图像序列金字塔，得到云团前向运动特征量，基于所述第二图像序列金字塔，得到云团后向运动特征量，其中所述第一图像序列金字塔是基于按照时间顺序得到，所述第二图像序列金字塔是按照时间逆序得到的；利用所述云团前向运动特征量、所述云团后向运动特征量以及线性外推法，得到所述区域的雷达降水预测信息。本发明在对雷达回波图像进行图像序列金字塔处理后，利用连续回波图变化信息，获取不同金字塔图层的运动特征，然后进行叠加处理，可以形成具有亚像元分辨率的云图运动场作为预报的特征计算，从而提高预报精度及计算速度。
38.本发明解决上述技术问题的另一技术方案如下：
39.一种基于天气雷达回波图像的降水预报装置，包括：
40.构建模块，用于根据第一雷达回波图像和第二雷达回波图像，构建第一图像序列金字塔和第二图像序列金字塔，其中所述第一雷达回波图像和所述第二雷达回波图像是针对同一区域连续拍摄的两幅雷达回波图像；
41.计算模块，用于基于所述第一图像序列金字塔，得到云团前向运动特征量，基于所述第二图像序列金字塔，得到云团后向运动特征量，其中所述第一图像序列金字塔是基于按照时间顺序得到，所述第二图像序列金字塔是按照时间逆序得到的；
42.预测模块，用于利用所述云团前向运动特征量、所述云团后向运动特征量以及线性外推法，得到所述区域的雷达降水预测信息。
43.此外，本发明还提供一种电子设备，包括：一个或多个处理器；
44.存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根
据上述技术方案中任一项所述的方法。
45.本发明还提供一种计算机可读存储介质，存储有计算机可执行指令，所述可执行指令在被处理器执行时，实现根据上述技术方案中任一项所述的方法。
46.本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
47.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
48.图1为根据本发明实施例一种基于天气雷达回波图像的降水预报方法的流程示意图；
49.图2为根据本发明实施例一种基于天气雷达回波图像的降水预报装置的模块示意图。
具体实施方式
50.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
51.针对现有技术面临云团消散扩张过程捕捉困难、计算时间长，不能实现亚像元高精度高分辨率、快速的雷达降水预报的缺点，本发明提供了一种运算快、精度高、可以进行亚像元高分辨率计算云运动特征的技术，用以提高雷达降水预报精度与效率，提高天气预报时效性。
52.本技术主要在对雷达回波图像进行图像序列金字塔处理后，利用连续回波图变化信息，获取不同金字塔图层的运动特征，然后进行叠加处理，形成具有亚像元分辨率的云图运动场作为预报的特征计算，用以提高云运动特征计算精度与效率。
53.如图1所述，本发明实施例的一种基于天气雷达回波图像的降水预报方法，包括以下步骤：
54.110、根据第一雷达回波图像和第二雷达回波图像，构建第一图像序列金字塔和第二图像序列金字塔，其中所述第一雷达回波图像和所述第二雷达回波图像是针对同一区域连续拍摄的两幅雷达回波图像。
55.120、基于所述第一图像序列金字塔，得到云团前向运动特征量，基于所述第二图像序列金字塔，得到云团后向运动特征量，其中所述第一图像序列金字塔是基于按照时间顺序得到，所述第二图像序列金字塔是按照时间逆序得到的。
56.130、利用所述云团前向运动特征量、所述云团后向运动特征量以及线性外推法，得到所述区域的雷达降水预测信息。
57.基于上述实施例，进一步地，步骤120中基于所述第一图像序列金字塔，得到云团
前向运动特征量，具体包括：
58.1211、基于所述第一图像序列金字塔中第n层中的影像图像选取第一特征量点，并获取所述第一特征量点在所述第n层中影像图像中的位置信息。
59.1212、根据所述第一特征量点在所述第n层中影像图像中的位置信息，得到第一云水平方向速度平均值和第一云垂直方向速度平均值，并根据所述第一云水平方向速度平均值和所述第一云垂直方向速度平均值得到所述第n层中的影像图像的第一云运动特征量。
60.1213、基于所述第一图像序列金字塔中第n-1层中的影像图像选取第二特征量点，并获取所述第二特征量点在所述第n-1层中影像图像中的位置信息，根据所述第二特征量点在所述第n-1层中影像图像中的位置信息，得到第二云水平方向速度平均值和第二云垂直方向速度平均值，并根据所述第二云水平方向速度平均值和所述第二云垂直方向速度平均值得到所述第n-1层中的影像图像的第二云运动特征量。
61.1214、将所述第一云运动特征量和所述第二云运动特征量进行线性叠加，得到所述第n层的第一大运动量。
62.1215、若所述第一大运动量满足预设约束条件，将n取值为n-1，继续1211至1214，直至达到所述第一图像序列金字塔中的最底层，其中，初始n为n，n是所述第一图像序列金字塔的最高层，得到所述云团前向运动特征量。
63.进一步地，步骤120中基于所述第二图像序列金字塔，得到云团后向运动特征量，具体包括：
64.1221、基于所述第二图像序列金字塔中第m层中的影像图像选取第三特征量点，并获取所述第三特征量点在所述第m层中影像图像中的位置信息。
65.1222、根据所述第三特征量点在所述第m层中影像图像中的位置信息，得到第三云水平方向速度平均值和第三云垂直方向速度平均值，并根据所述第三云水平方向速度平均值和所述第三云垂直方向速度平均值得到所述第m层中的影像图像的第三云运动特征量。
66.1223、基于所述第二图像序列金字塔中第m-1层中的影像图像选取第四特征量点，并获取所述第四特征量点在所述第m-1层中影像图像中的位置信息，根据所述第四特征量点在所述第m-1层中影像图像中的位置信息，得到第四云水平方向速度平均值和第四云垂直方向速度平均值，并根据所述第四云水平方向速度平均值和所述第四云垂直方向速度平均值得到所述第m-1层中的影像图像的第四云运动特征量。
67.1224、将所述第三云运动特征量和所述第三云运动特征量进行线性叠加，得到所述第n层的第二大运动量。
68.1225、若所述第二大运动量满足预设约束条件，将m取值为n-1，继续1221至1224，直至达到所述第二图像序列金字塔中的最底层，其中，初始m为m，m是所述第二图像序列金字塔的层数，得到所述云团前向运动特征量。
69.进一步地，步骤130中具体包括：
70.131、根据所述云团前向运动特征量和所述云团后向运动特征量，得到亚像元运动特征量。
71.132、对所述亚像元运动特征量进行线性外推法，得到降水预测图。
72.133、基于所述降水预测图和雷达回波数据，得到雷达降水预测信息。
73.进一步地，131中具体包括：
74.计算所述云团前向运动特征量和所述云团后向运动特征量的像元特征差值；
75.当所述像元特征差值大于预设特征阈值时，剔除所述云团前向运动特征量和所述云团后向运动特征量中影响因子，得到所述亚像元运动特征量；
76.否则，取所述云团前向运动特征量和所述云团后向运动特征量的平均值，得到所述亚像元运动特征量。
77.进一步地，步骤132中具体包括：
78.以t-1时刻的云图为基础，利用所述亚像元运动特征量进行逐像元降水预测，得到t时刻降水预报图；
79.根据所述t时刻降水预报图和t时刻实测降水图，得到t-1时刻与t时刻的降水强度变化率；
80.利用所述线性外推法，对t时刻云图向前外推，得到t 1时刻降水预测图；
81.基于所述t 1时刻降水预测图和所述降水强度变化率，得到所述降水预测图，其中t时刻降水预报图为同一区域在t时刻的降水预报图，t为时间。
82.进一步地，步骤133中具体包括：
83.根据历史雷达回波和历史降水量所得到的统计公式z＝a
×
rb，得到所述雷达降水预测信息，其中z为反射率因子；r为降雨强度，a和b为反演参数。
84.应理解，也可以根据以下步骤进行实施，步骤1：利用连续拍摄的两幅雷达回波数据，根据图像分辨率、云团移动速度计算金字塔层数、搜索窗口的尺寸，确定金字塔扩展函数，建立一系列以金字塔形状排列的分辨率逐步降低的图像集合，金字塔的最底层是高分辨率的图像，较高的层是底层图像高斯平滑后向下采样得到的低分辨率图像，形成构建图像序列金字塔。
85.步骤2：对高层金字塔相邻两幅雷达图像值对应的回波进行比较，自动选取特征点，计算每个点在在两幅影像中的位置。
86.步骤3：根据高层金字塔两幅影像特征点位置，计算出高层金字塔的云运动特征量i1，包括水平和垂直方向速度值的平均值和如下公式所示：
87.步骤4：对次高层金字塔的两幅影像特征点位置，计算水平和垂直方向上的运动速度、运动方向，即为次高层金字塔图像的云运动特征量i0。
88.步骤5：高层金字塔的空间分辨率粗，其云运动特征量i1为大运动量。次高层金字塔空间分辨率细，其云运动特征量为小运动量i0。两者进行线性叠加，从而提高大运动量的精确度。
89.步骤6：在步骤一形成一系列的金字塔图像基础上，将次高层图像作为升级为高层图像，将次次高层图像升级为次高层图像。重复步骤3到步骤5，然后不断分解回波图像，计算云运动特征量，使计算相邻时刻间图像运动量将变得足够小，满足运动特征计算的约束条件，其中约束条件可以是每一层计算的最大运动量不超过某个阈值，也可以是金字塔计算的层数到达第0层(原始图像)。
90.步骤7：利用前后两个时刻的图像计算的云亚像元运动特征量为前向运动特征。然后颠倒前后两个时刻的图像，即采用后前两个时刻，重复步骤1到步骤7，形成后向运动特征。
91.步骤8：利用两幅图算出的前向和后向的亚像元运动特征的基础上，根据降水系统特征，确定特征差阈值，如果像元特征差大于阈值，则认为因为云新产生、合并等原因导致其没有连续性，则其运动特征需要给与一定阈值统一处理，进行运动特征质量控制。如果小于阈值，则前向和后向的云运动特征进行平均，则为最终计算亚像元运动特征。一般而言，对于1km的雷达，特征差阈值可取10个像元。
92.步骤9：根据计算的亚像元运动特征，对像元进行未来时刻的位置及回波值进行外推预报，具体为：
93.(a)采用线性外推法，以t-1时刻云图为基础，根据云的运动矢量计算结果，进行逐像元降水预测，获取不考虑云团增强或减弱的t时刻降水预报图；
94.(b)将(a)得到的t时刻降水预报图，和t时刻实测降水图进行比较，计算t-1时刻与t时刻的降水强度变化率；
95.(c)采用线性外推法，进行t时刻云图前向外推，形成t 1时刻的降水预测图。
96.(d)在(c)降水预测计算结果的基础上，乘以(b)计算的降水强度变化率，最终得到考虑了降水强度变化的降水预测图。
97.步骤10：利用雷达回波(z)与降水(r)的统计关系，将预报的雷达回波转为雷达降水，进行雷达降水快速预报。其中z-r的关系为z＝a
×
rb，式中：z为反射率因子；r为降雨强度；a，b为反演参数。该关系式由雨量站和雷达回波资料统计得到。
98.基于上述实施例所提出的一种基于天气雷达回波图像的降水预报方法，包括根据第一雷达回波图像和第二雷达回波图像，构建第一图像序列金字塔和第二图像序列金字塔，其中所述第一雷达回波图像和所述第二雷达回波图像是针对同一区域连续拍摄的两幅雷达回波图像；基于所述第一图像序列金字塔，得到云团前向运动特征量，基于所述第二图像序列金字塔，得到云团后向运动特征量，其中所述第一图像序列金字塔是基于按照时间顺序得到，所述第二图像序列金字塔是按照时间逆序得到的；利用所述云团前向运动特征量、所述云团后向运动特征量以及线性外推法，得到所述区域的雷达降水预测信息。本发明在对雷达回波图像进行图像序列金字塔处理后，利用连续回波图变化信息，获取不同金字塔图层的运动特征，然后进行叠加处理，可以形成具有亚像元分辨率的云图运动场作为预报的特征计算，从而提高预报精度及计算速度。
99.如图2，一种基于天气雷达回波图像的降水预报装置，包括：
100.构建模块，用于根据第一雷达回波图像和第二雷达回波图像，构建第一图像序列金字塔和第二图像序列金字塔，其中所述第一雷达回波图像和所述第二雷达回波图像是针对同一区域连续拍摄的两幅雷达回波图像；
101.计算模块，用于基于所述第一图像序列金字塔，得到云团前向运动特征量，基于所述第二图像序列金字塔，得到云团后向运动特征量，其中所述第一图像序列金字塔是基于按照时间顺序得到，所述第二图像序列金字塔是按照时间逆序得到的；
102.预测模块，用于利用所述云团前向运动特征量、所述云团后向运动特征量以及线性外推法，得到所述区域的雷达降水预测信息。
103.此外，本发明还提供一种电子设备，包括：一个或多个处理器；
104.存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据上述技术方案中任一项所述的方法。
105.本发明还提供一种计算机可读存储介质，存储有计算机可执行指令，所述可执行指令在被处理器执行时，实现根据上述技术方案中任一项所述的方法。
106.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
107.在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征量可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
108.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
109.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
110.所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
111.基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
112.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征量进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
113.以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，
这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。