亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種基于陣風(fēng)鋒時(shí)空變化特征的大風(fēng)識(shí)別算法研究

        2023-10-31 09:49:36吳奕霄王珂清周學(xué)東
        關(guān)鍵詞:陣風(fēng)反射率分值

        吳奕霄,王珂清,程 婷,項(xiàng) 瑛,周學(xué)東,徐 芬

        (1.江蘇省氣候中心,江蘇南京 210041;2.江蘇省人工影響天氣中心,江蘇南京 210041;3.江蘇省氣象信息中心,江蘇南京 210041;4.南京氣象科技創(chuàng)新研究院,江蘇南京 210041)

        0 引言

        陣風(fēng)鋒過境伴有氣壓升高、風(fēng)速突增和溫度陡降等現(xiàn)象,陣風(fēng)鋒及其母雷暴經(jīng)常會(huì)產(chǎn)生地面大風(fēng),引發(fā)人員傷亡或者經(jīng)濟(jì)損失,因此陣風(fēng)鋒研究對(duì)防災(zāi)、減災(zāi)有重要意義[1]。提前識(shí)別和預(yù)警陣風(fēng)鋒有利于采取有效的措施避免危險(xiǎn)事故發(fā)生,進(jìn)而降低和減少經(jīng)濟(jì)損失和人員傷亡。雷達(dá)目標(biāo)檢測(cè)能夠判斷回波信號(hào)中目標(biāo)存在與否,并提取目標(biāo)位置信息[2-3]。因此,利用雷達(dá)進(jìn)行易引發(fā)大風(fēng)的陣風(fēng)鋒自動(dòng)檢測(cè)技術(shù)研究引起了廣泛關(guān)注。模板匹配技術(shù)是在設(shè)定一個(gè)目標(biāo)模板后,與具有相似目標(biāo)的圖像進(jìn)行比對(duì),以獲取目標(biāo)模板在圖像中的位置,以此達(dá)到圖像識(shí)別的目的,其優(yōu)點(diǎn)是匹配的算法更加簡(jiǎn)單,在圖像變化不大的情況下,識(shí)別率理想[4-5]。

        在天氣雷達(dá)反射率因子圖像上陣風(fēng)鋒表現(xiàn)為一條高度較低(低仰角層觀測(cè))、形態(tài)呈弧線結(jié)構(gòu)和具有移動(dòng)特點(diǎn)這3 個(gè)特征的窄帶回波。在雷達(dá)徑向速度數(shù)據(jù)場(chǎng)上呈現(xiàn)速度輻合特征。Uyeda等[6]首先提出陣風(fēng)鋒自動(dòng)探測(cè)算法(Automatic Detection of Gust Fronts,ADGF),該算法只使用沿雷達(dá)徑向的速度輻合,將徑向切變超過預(yù)設(shè)閾值的段組合在一起,用曲線擬合出每個(gè)段上的最大切變值,這條曲線就代表探測(cè)到的陣風(fēng)鋒。后來提出了改進(jìn)的陣風(fēng)鋒探測(cè)算法(Gust Front Detection Algorithm,GFDA)[7-9],利用兩個(gè)低仰角垂直關(guān)聯(lián)減少了虛假預(yù)警,該算法被用于美國(guó)TDWR 雷達(dá)業(yè)務(wù)系統(tǒng)。美國(guó)強(qiáng)風(fēng)暴實(shí)驗(yàn)室和麻省理工學(xué)院林肯實(shí)驗(yàn)室聯(lián)合開發(fā)了改進(jìn)的陣風(fēng)鋒自動(dòng)探測(cè)算法[10-11],包含了陣風(fēng)鋒雷達(dá)回波細(xì)線探測(cè),通過尋找局地最大反射率因子與陣風(fēng)鋒反射率因子和寬度一致性探測(cè)陣風(fēng)鋒回波細(xì)線。Delanoy等[12]開發(fā)了機(jī)器智能識(shí)別陣風(fēng)鋒算法(Machine Intelligent Gust Front Algorithm,MIGFA),該算法首次使用模板函數(shù)計(jì)算雷達(dá)回波圖和速度標(biāo)準(zhǔn)偏差得分,并設(shè)計(jì)了相應(yīng)的質(zhì)量控制算法抑制虛假信號(hào),最后在組合得分圖像上提取陣風(fēng)鋒。隨著需求的提升和技術(shù)的發(fā)展,一些新的或改進(jìn)的陣風(fēng)鋒識(shí)別技術(shù)也得到全面發(fā)展,徐芬等[13]通過統(tǒng)計(jì)江蘇3種窄帶回波分布特征和徑向波形特征,在此基礎(chǔ)上設(shè)計(jì)了基于回波平坦性計(jì)算和陣風(fēng)鋒徑向波形尋找算法的陣風(fēng)鋒自動(dòng)識(shí)別算法。冷亮等[14]基于陣風(fēng)鋒的3 個(gè)特征,提出了基于數(shù)字圖像處理技術(shù)中的數(shù)學(xué)形態(tài)學(xué)算法的陣風(fēng)鋒自動(dòng)識(shí)別算法,通過建立雷達(dá)觀測(cè)范圍內(nèi)的二維特征量場(chǎng),對(duì)其處理后得到一條反映陣風(fēng)鋒骨架特征的曲線。徐芬等[15]改進(jìn)和調(diào)整了MIGFA 算法,設(shè)計(jì)了較高仰角(1.5°/2.4°)反射率的陣風(fēng)鋒細(xì)線函數(shù)模板,替代原空間差分反射率函數(shù)模板,新的算法對(duì)于CINRAD/SA 雷達(dá)探測(cè)到的江蘇沿江地區(qū)陣風(fēng)鋒回波的識(shí)別更有針對(duì)性。HWANG 等[16]使用模糊邏輯理論開發(fā)了新的神經(jīng)模糊陣風(fēng)鋒檢測(cè)算法(Neuro-Fuzzy Gust Front Detection Algorithm,NFGDA),該算法通過使用神經(jīng)網(wǎng)絡(luò)的訓(xùn)練進(jìn)行優(yōu)化,對(duì)于陣風(fēng)鋒的識(shí)別率高達(dá)92%。Yuan等[17]基于統(tǒng)計(jì)特征分析和圖像處理技術(shù),提出一種基于本地二進(jìn)制雙模板(Local Binary with Dual-Template,LBDT)算法改進(jìn)的雷達(dá)數(shù)據(jù)自動(dòng)檢測(cè)陣風(fēng)鋒的方法。該算法對(duì)反射率值和陣風(fēng)鋒寬度的變化不敏感,在自動(dòng)識(shí)別陣風(fēng)鋒過程中檢測(cè)概率高、誤報(bào)率低。徐月飛等[18]基于Faster RCNN 算法和InceptionV2 模型,提出了改進(jìn)的深度卷積網(wǎng)絡(luò)陣風(fēng)鋒識(shí)別算法(d-CNNGFDA),利用窄帶弱回波的繞雷達(dá)中心旋轉(zhuǎn)不變性的特性,只對(duì)垂直走向的窄帶弱回波進(jìn)行標(biāo)記,擴(kuò)充了數(shù)據(jù)量用以提升復(fù)雜回波中陣風(fēng)鋒引起的窄帶弱回波的自動(dòng)識(shí)別能力。

        上述這些方法均需選取陣風(fēng)鋒樣本符合各自算法設(shè)定條件上才可以較好的識(shí)別,各有使用局限性。本文試圖融合易引發(fā)大風(fēng)的陣風(fēng)鋒通用特征:雷達(dá)回波圖像所在高度較低、圖像特征呈弧線結(jié)構(gòu)和具有移動(dòng)這3 個(gè)特征,設(shè)計(jì)能表征這3個(gè)特征的函數(shù)模板,再采用風(fēng)暴回波特征抑制技術(shù)和其他弧線回波特征抑制技術(shù)以降低檢測(cè)虛警率,最終實(shí)現(xiàn)更具普適性的一套陣風(fēng)鋒檢測(cè)技術(shù)。

        1 識(shí)別方法研究

        1.1 算法流程概述

        根據(jù)觀測(cè)事實(shí)以及學(xué)者們總結(jié)[12]的易引發(fā)大風(fēng)的陣風(fēng)鋒雷達(dá)反射率因子圖像具有以下特征:1)陣風(fēng)鋒雷達(dá)反射率因子圖像呈細(xì)長(zhǎng)線狀,其數(shù)值一般小于25 dBz;2)陣風(fēng)鋒圖像高度較低;3)呈現(xiàn)移動(dòng)的特點(diǎn),如圖1方框內(nèi)弧線狀圖像所示。根據(jù)這3個(gè)時(shí)空變化特征,采用相應(yīng)預(yù)處理方法提高雷達(dá)反射率因子圖像質(zhì)量后,借鑒模板匹配方法[12]得到3種不同的得分值結(jié)果。

        圖1 陣風(fēng)鋒天氣雷達(dá)反射率因子圖像(方框內(nèi)弧線狀圖像)

        融合3種時(shí)空變化特征匹配結(jié)果后,采用區(qū)域增長(zhǎng)法提取陣風(fēng)鋒弧線圖像結(jié)構(gòu),達(dá)到自動(dòng)檢測(cè)陣風(fēng)鋒的目的?;陉囷L(fēng)鋒時(shí)空變化特征的大風(fēng)識(shí)別算法流程如圖2所示,由該圖可見通過對(duì)包含有不同特征的雷達(dá)回波圖像進(jìn)行相應(yīng)的模板匹配后,融合多組得分值,經(jīng)過兩次有效提取,最終實(shí)現(xiàn)對(duì)易引發(fā)大風(fēng)的陣風(fēng)鋒雷達(dá)反射率因子圖像的提取。

        在利用函數(shù)模板提取陣風(fēng)鋒圖像特征前,為提高圖像提取成功率,對(duì)數(shù)據(jù)質(zhì)量進(jìn)行如下預(yù)處理:將0.5°和1.5°仰角的雷達(dá)反射率因子圖像采用9 點(diǎn)平滑濾除孤立點(diǎn)、奇異點(diǎn)和回波圖像中的空點(diǎn)。將這兩個(gè)仰角的數(shù)據(jù)從極坐標(biāo)下轉(zhuǎn)換到直角坐標(biāo)下,空間分辨率為1 km×1 km。后續(xù)基于函數(shù)模板和得分函數(shù)的計(jì)算均基于直角坐標(biāo)系下的雷達(dá)回波圖像。

        1.2 函數(shù)模板設(shè)計(jì)

        根據(jù)陣風(fēng)鋒圖像在不同仰角、仰角間圖像特征差異、同一仰角前后時(shí)刻圖像差異等設(shè)計(jì)相應(yīng)函數(shù)模板提取能夠反映陣風(fēng)鋒的圖像特征。根據(jù)陣風(fēng)鋒在空間變化上的特征設(shè)計(jì)了陣風(fēng)鋒線狀函數(shù)模板;根據(jù)陣風(fēng)鋒在空間上線狀差異特征分別設(shè)計(jì)了風(fēng)暴邊緣函數(shù)模板和放射狀回波圖像函數(shù)模板;根據(jù)陣風(fēng)鋒在時(shí)間變化上的特征設(shè)計(jì)了陣風(fēng)鋒差分反射率因子圖像函數(shù)模板。以上幾種函數(shù)模板和得分函數(shù)分別設(shè)計(jì)如下:由于陣風(fēng)鋒天氣雷達(dá)反射率因子圖像特征呈細(xì)長(zhǎng)弧線結(jié)構(gòu),根據(jù)這一特征設(shè)計(jì)函數(shù)模板和得分函數(shù)如圖2所示,利用相應(yīng)的得分函數(shù)可得到高的陣風(fēng)鋒圖像得分值,抑制其他圖像得分值。該設(shè)計(jì)思路是依據(jù)盡管陣風(fēng)鋒圖像長(zhǎng)度和彎曲弧度不等,但將其分為若干段,每一段均近似為直線,因此圖3(a)中的模板被設(shè)計(jì)為直線段主要基于假設(shè)陣風(fēng)鋒圖像的一個(gè)段為近似直線。黑色和灰色格點(diǎn)代表參與計(jì)算的點(diǎn),灰色代表模板中陣風(fēng)鋒回波圖像上的點(diǎn),對(duì)應(yīng)圖3(b)中的得分函數(shù)1。因?yàn)殛囷L(fēng)鋒回波一般在25 dBz 以下,所以給25 dBz 以下回波一個(gè)較高的得分值,特別是9 dBz 附近[10],是陣風(fēng)鋒最常出現(xiàn)的反射率因子值。給大于35 dBz 的回波一個(gè)緩慢下降的得分值,因?yàn)殛囷L(fēng)鋒在某些情況下會(huì)與風(fēng)暴邊緣結(jié)合在一起,而陣風(fēng)鋒一般不會(huì)出現(xiàn)負(fù)值,所以給負(fù)的反射率因子值一個(gè)負(fù)得分值。黑色的點(diǎn)代表陣風(fēng)鋒回波兩側(cè)的點(diǎn),對(duì)應(yīng)圖3(b)中的得分函數(shù)0,給得分函數(shù)0 低反射率因子一個(gè)高的分值,而給高反射率因子一個(gè)低得分值。需要說明的是,函數(shù)模板和得分函數(shù)的長(zhǎng)寬是可調(diào)的,因?yàn)楦鞯匕l(fā)生的陣風(fēng)鋒長(zhǎng)度、寬度和反射率因子值可能不盡相同,筆者結(jié)合江蘇地區(qū)陣風(fēng)鋒反射率因子值和相關(guān)文獻(xiàn)確定的得分函數(shù)值僅供參考。

        因?yàn)殛囷L(fēng)鋒回波圖像出現(xiàn)的高度較低,一般為3 km 以下,可利用高低仰角層差分反射率因子來識(shí)別陣風(fēng)鋒,這樣做的好處是排除較多其他回波干擾,特別是貫穿了高低層的線狀對(duì)流風(fēng)暴圖像。將上下兩個(gè)仰角的反射率因子圖像經(jīng)上述數(shù)據(jù)預(yù)處理方法質(zhì)控后,上下仰角同一格點(diǎn)數(shù)據(jù)相減得到差分反射率因子圖像(圖4(a))。如圖4(a)所示,圖中大部分回波已被消除,陣風(fēng)鋒回波圖像基本被保留。根據(jù)陣風(fēng)鋒差分反射率因子圖像特征,設(shè)計(jì)圖5中的函數(shù)模板和得分函數(shù)對(duì)差分反射率因子圖像進(jìn)行特征提取。與圖3 陣風(fēng)鋒線狀函數(shù)模板和得分函數(shù)對(duì)比可見,采用的函數(shù)模板不變,得分函數(shù)根據(jù)陣風(fēng)鋒差分反射率圖像特征作了一定調(diào)整。同理,因?yàn)橐滓l(fā)大風(fēng)的陣風(fēng)鋒具有移動(dòng)的特征,所以可以利用前后時(shí)刻差分反射率因子圖像特征來識(shí)別陣風(fēng)鋒。將前后連續(xù)兩個(gè)時(shí)刻的反射率因子圖像經(jīng)上述數(shù)據(jù)預(yù)處理方法質(zhì)控后,前后時(shí)刻同一格點(diǎn)數(shù)據(jù)相減得到陣風(fēng)鋒差分反射率因子圖像(圖4(b)),仍舊采用圖5的函數(shù)模板和得分函數(shù)對(duì)前后時(shí)刻陣風(fēng)鋒差分反射率圖像特征進(jìn)行提取。

        圖4 陣風(fēng)鋒天氣雷達(dá)反射率因子圖像(方框內(nèi)弧線狀圖像)

        圖5 陣風(fēng)鋒差分反射率因子圖像函數(shù)模板

        圖4(b)中的前后時(shí)刻差分反射率因子排除了較多的回波,卻保留了風(fēng)暴邊緣圖像,該風(fēng)暴邊緣呈弧線狀,很容易被誤識(shí)別為陣風(fēng)鋒圖像。本文設(shè)計(jì)風(fēng)暴函數(shù)模板和相應(yīng)得分函數(shù)用以削弱線狀風(fēng)暴邊緣對(duì)識(shí)別結(jié)果的影響。如圖6(a)所示,函數(shù)模板被設(shè)計(jì)為一個(gè)近似的圓形,圖中的每個(gè)格點(diǎn)代表1 km 距離,該函數(shù)能夠抑制線狀回波圖像得分值,突出呈片狀的風(fēng)暴和層云圖像得分值。圖6(b)為風(fēng)暴邊緣得分函數(shù)圖。

        圖6 風(fēng)暴邊緣函數(shù)模板

        另外,在圖1 和圖4 的圖像中都受到一種放射狀回波的干擾。如圖4(a)第一象限中能看到一個(gè)沿雷達(dá)掃描方向的線狀圖像(圖中箭頭所示),這是由于放射狀回波干擾所致。為了排除放射狀回波干擾,設(shè)計(jì)如圖7所示的函數(shù)模板和得分函數(shù),圖7(a)中每個(gè)格點(diǎn)代表1 km,得分函數(shù)根據(jù)放射狀回波圖像特征設(shè)計(jì)。函數(shù)1 代表在放射狀回波圖像上,函數(shù)0代表在放射狀回波圖像兩側(cè)。因?yàn)榉派錉罨夭ǜ蓴_圖像一般只會(huì)出現(xiàn)在雷達(dá)掃描方向,所以該模板僅在極坐標(biāo)反射率圖像上沿雷達(dá)掃描方向進(jìn)行計(jì)算。再分別利用圖3、圖5 函數(shù)模板和得分函數(shù)處理每幅雷達(dá)反射率圖像得到的得分值結(jié)果中減去使用該模板計(jì)算得到的結(jié)果,即可排除放射狀回波干擾。

        圖7 放射狀回波圖像函數(shù)模板

        為了讓得分值結(jié)果便于提取,本文還設(shè)計(jì)了如圖8所示的函數(shù)模板和得分函數(shù)對(duì)融合的得分值結(jié)果進(jìn)行平滑處理。如圖8(a)所示,以黑色圓點(diǎn)為中心點(diǎn),灰色方格代表陣風(fēng)鋒得分值上的點(diǎn),黑色方格代表陣風(fēng)鋒得分值兩側(cè)的點(diǎn),模板中心點(diǎn)兩側(cè)設(shè)計(jì)了較多的灰色格點(diǎn),目的是讓陣風(fēng)鋒得分值更加連續(xù)。

        圖8 平滑圖像函數(shù)模板

        由于陣風(fēng)鋒圖像的朝向是不確定的,在某個(gè)格點(diǎn)上,上述圖3、圖5、圖8 中的函數(shù)模板以黑色小圓點(diǎn)為中心,讓其以10°的間隔旋轉(zhuǎn)180°,得到不同角度下模板匹配的得分值,最后在這個(gè)格點(diǎn)上只保留最高得分值。然后以1 個(gè)格點(diǎn)的步長(zhǎng)移過所有格點(diǎn),并在所有格點(diǎn)上重復(fù)以上步驟。旋轉(zhuǎn)公式如下:

        式中,θ代表旋轉(zhuǎn)角度,x'和y'代表旋轉(zhuǎn)后新坐標(biāo),x和y代表原坐標(biāo)。

        經(jīng)過上述多個(gè)函數(shù)模板和得分函數(shù)處理后,對(duì)多組得分值進(jìn)行融合處理,并對(duì)得分值結(jié)果作二值化處理,得分值大于0.5 賦值為1,小于0.5 則賦值為0。為提取屬于陣風(fēng)鋒的圖像,本文借鑒區(qū)域增長(zhǎng)法[11]對(duì)二值化圖像進(jìn)行處理,得到的候選陣風(fēng)鋒圖像如果長(zhǎng)度小于6 km,則排除這個(gè)候選陣風(fēng)鋒。然后再采用一個(gè)有條件的區(qū)域增長(zhǎng)法對(duì)初次提取的陣風(fēng)鋒進(jìn)行處理:如果一個(gè)格點(diǎn)滿足與原候選陣風(fēng)鋒包含的點(diǎn)相鄰,得分值不低于0.2且該點(diǎn)得分值角度與原候選陣風(fēng)鋒平均角度相差不超過30°,則認(rèn)為該點(diǎn)是候選陣風(fēng)鋒中的一個(gè)點(diǎn),并入候選陣風(fēng)鋒中。如果候選陣風(fēng)鋒長(zhǎng)度超過20 km,則認(rèn)為是陣風(fēng)鋒,否則排除。

        2 識(shí)別方法檢測(cè)

        以2012年5月16日鹽城新一代多普勒天氣雷達(dá)探測(cè)到的陣風(fēng)鋒圖像為例(圖1方框內(nèi))。如圖1(a)中0.5°仰角雷達(dá)站東南方向的陣風(fēng)鋒圖像被風(fēng)暴邊緣掩蓋,圖1(b)中1.5°仰角雷達(dá)站東南方向的陣風(fēng)鋒圖像較明顯,基本未受影響,但是一般陣風(fēng)鋒圖像出現(xiàn)高度較低,抬高仰角至1.5°時(shí),隨著離開雷達(dá)站距離增加,探測(cè)高度也在增加,在雷達(dá)站東偏北約25°方向第二個(gè)距離圈處已探測(cè)不到陣風(fēng)鋒圖像??梢?.5°雷達(dá)資料探測(cè)高度較低,在近距離處陣風(fēng)鋒圖像易被地物回波所掩蓋;1.5°仰角探測(cè)時(shí),受地物回波影響較小,卻由于遠(yuǎn)距離處探測(cè)高度較高而不能探測(cè)到陣風(fēng)鋒。由此可以看出,單仰角的雷達(dá)資料并不一定能探測(cè)到完整的陣風(fēng)鋒圖像,這也是文中利用了兩個(gè)仰角的圖像進(jìn)行陣風(fēng)鋒自動(dòng)識(shí)別的原因。

        采用本文圖3 設(shè)計(jì)的函數(shù)模板和得分函數(shù)分別對(duì)0.5°仰角和1.5°仰角雷達(dá)圖像進(jìn)行處理后,用灰度值表達(dá)計(jì)算得到的得分值如圖9(a)和圖9(b)所示,圖像中越高的灰度值代表得分值越高。將圖9 與圖1 實(shí)況圖對(duì)比可以看出,陣風(fēng)鋒回波處明顯得到了較高的得分值,說明模板函數(shù)匹配技術(shù)能夠在陣風(fēng)鋒識(shí)別中發(fā)揮重要作用。圖9(a)和圖9(b)中部分非陣風(fēng)鋒圖像也得到了較高的得分值,這也是陣風(fēng)鋒自動(dòng)識(shí)別中最困難的問題所在——相似回波較多且難以區(qū)分,所以文中基于多種陣風(fēng)鋒特征來對(duì)其進(jìn)行自動(dòng)識(shí)別。圖9(c)是由圖9(a)和圖9(b)綜合后的組合得分值。綜合兩個(gè)仰角的探測(cè)優(yōu)勢(shì),將得分值圖像組合起來,圖9(c)中得到較完整、連續(xù)的陣風(fēng)鋒得分值,但同時(shí)也組合了兩個(gè)得分值圖像中的干擾回波圖像得分值。

        圖9 陣風(fēng)鋒線狀函數(shù)模板處理的0.5°和1.5°仰角雷達(dá)圖像

        再利用圖5的函數(shù)模板和得分函數(shù)分別對(duì)圖4(a)和圖4(b)進(jìn)行得分計(jì)算,得到圖10兩個(gè)得分值圖像,從圖10 中可以看出陣風(fēng)鋒圖像處得分值明顯較高,且具有較好的連續(xù)性,與圖4 中陣風(fēng)鋒圖像所在位置和形狀有較高的一致性。

        圖10 陣風(fēng)鋒差分反射率因子圖像函數(shù)模板計(jì)算的兩個(gè)得分值圖像

        根據(jù)圖2 的算法流程,利用圖6 函數(shù)模板和得分函數(shù)處理前后時(shí)刻差分反射率圖像(圖4(b))得到風(fēng)暴邊緣圖像得分值(圖略),用圖10(b)得分值結(jié)果減去風(fēng)暴邊緣圖像得分值,降低風(fēng)暴邊緣圖像對(duì)識(shí)別結(jié)果的影響。再分別對(duì)圖9(c)、圖10(a)和圖10(b)得分值減去放射狀回波圖像得分值結(jié)果后,采用加權(quán)平均的方式融合3種得分值得到綜合得分值結(jié)果,如圖11(a)所示。由該圖可見,雷達(dá)站南偏東約20°方向的放射狀回波圖像已得到較好的抑制。利用圖8 平滑圖像函數(shù)模板和得分函數(shù)處理圖11(a),得到圖11(b)最終的得分值結(jié)果。由圖11(b)可見,本文設(shè)計(jì)的檢測(cè)技術(shù)成功突出了陣風(fēng)鋒得分值,而抑制其他得分值。在實(shí)際中可根據(jù)算法在本地運(yùn)行情況調(diào)整權(quán)重,進(jìn)一步提高識(shí)別成功率。最后,利用區(qū)域增長(zhǎng)法處理圖11(b),得到結(jié)果如圖11(c),對(duì)比實(shí)況圖1 可以看出,算法能夠較好地識(shí)別出陣風(fēng)鋒,且識(shí)別結(jié)果與原陣風(fēng)鋒位置和形狀比較一致。

        圖11 多次處理后得分值及自動(dòng)識(shí)別結(jié)果

        3 結(jié)束語

        本文根據(jù)我國(guó)易引發(fā)大風(fēng)的陣風(fēng)鋒雷達(dá)回波圖像高度較低、呈弧線結(jié)構(gòu)和具有移動(dòng)特點(diǎn)的時(shí)空變化特征,在3 種不同反射率因子圖像上,采用模板匹配技術(shù)分別對(duì)其進(jìn)行處理,得到3種不同得分值結(jié)果。對(duì)3 種不同得分值結(jié)果進(jìn)行加權(quán)平均后,采用能夠使得分值平滑細(xì)化的函數(shù)模板技術(shù)進(jìn)行處理,最后采用兩次不同的區(qū)域增長(zhǎng)法提取陣風(fēng)鋒,并排除虛假預(yù)警。在得到3種得分值結(jié)果的過程中,還采用了風(fēng)暴邊緣圖像抑制模板技術(shù)和放射狀回波圖像模板抑制技術(shù)。結(jié)果表明,算法能夠有效識(shí)別陣風(fēng)鋒,識(shí)別結(jié)果與原陣風(fēng)鋒位置和形狀比較一致。

        作為會(huì)對(duì)生活和生產(chǎn)帶來嚴(yán)重影響的天氣因素,陣風(fēng)鋒常年帶來損失不容忽視。本文所設(shè)計(jì)的陣風(fēng)鋒模板匹配技術(shù)為能準(zhǔn)確地監(jiān)測(cè)和預(yù)警陣風(fēng)鋒導(dǎo)致的災(zāi)害性天氣提供多一種可能。目前本文中涉及的算法函數(shù)模板以及得分函數(shù)中的閾值集均來自江淮地區(qū)多年陣風(fēng)鋒圖像特征統(tǒng)計(jì)結(jié)果,適用于該地區(qū)的陣風(fēng)鋒特征識(shí)別,若要在其他地區(qū)進(jìn)行推廣,還需要結(jié)合其他地區(qū)陣風(fēng)鋒圖像特征進(jìn)行相應(yīng)閾值的調(diào)試;另外本文設(shè)計(jì)的算法僅利用了雷達(dá)反射率因子圖像,陣風(fēng)鋒在速度圖像上還具有輻合特征,但是雷達(dá)僅能探測(cè)到徑向速度,且算法對(duì)徑向速度圖像質(zhì)量有較高要求,導(dǎo)致在目前陣風(fēng)鋒圖像特征識(shí)別中雷達(dá)徑向速度圖像數(shù)據(jù)難以利用。后期作者將嘗試結(jié)合天氣雷達(dá)徑向速度圖像特征以及地面自動(dòng)站氣象要素變化特征,以進(jìn)一步提升基于陣風(fēng)鋒的大風(fēng)識(shí)別算法。

        猜你喜歡
        陣風(fēng)反射率分值
        影響Mini LED板油墨層反射率的因素
        近岸水體異源遙感反射率產(chǎn)品的融合方法研究
        一起來看看交通違法記分分值有什么變化
        具有顏色恒常性的光譜反射率重建
        陣風(fēng)戰(zhàn)斗機(jī)
        軍事文摘(2021年19期)2021-10-10 13:29:36
        法國(guó)陣風(fēng)戰(zhàn)斗機(jī)
        軍事文摘(2021年17期)2021-09-24 01:11:46
        陣風(fēng)勁吹
        航空世界(2018年12期)2018-07-16 08:34:50
        化學(xué)腐蝕硅表面結(jié)構(gòu)反射率影響因素的研究*
        電子器件(2017年2期)2017-04-25 08:58:37
        夾在兩陣風(fēng)之間
        宿遷城鎮(zhèn)居民醫(yī)保按病種分值結(jié)算初探
        青青草极品视频在线播放| 人妻丰满熟妇av无码区hd| 国产亚洲av手机在线观看| 一区二区三区福利在线视频| 久久精品亚洲成在人线av| 人妻少妇偷人精品久久性色av| 亚洲色婷婷一区二区三区| 狠狠狠色丁香婷婷综合激情 | 无码国产激情在线观看| 亚洲欧美日韩中文综合在线不卡 | 日韩av精品视频在线观看| 中文乱码字慕人妻熟女人妻| 国产一区a| 少妇人妻出水中文字幕乱码| 亚洲最大免费福利视频网| 变态 另类 欧美 大码 日韩| 51精品视频一区二区三区| 人妻丰满熟妇一二三区| 波多野结衣av一区二区全免费观看| 青草国产精品久久久久久| 亚洲中文字幕精品久久久久久直播 | 精品奇米国产一区二区三区| 亚洲av日韩av激情亚洲| 日本熟妇人妻xxxxx视频| 国产一级淫片a免费播放口 | 精品人妻一区二区三区蜜桃| 亚洲av色图一区二区三区| 亚洲va久久久噜噜噜久久男同| 亚洲国产成人久久一区www妖精| 久久婷婷夜色精品国产| 欧美大片va欧美在线播放| 越南女子杂交内射bbwxz| 91网红福利精品区一区二| 极品美女调教喷水网站| 国产裸体舞一区二区三区| 91天堂素人精品系列全集亚洲| 亚洲中文字幕免费精品| 日本a片大尺度高潮无码| av人摸人人人澡人人超碰小说| 久久精品中文字幕亚洲| 国产精品久久久三级18|