PDF《基于闪电数据的雷暴识别 、追踪与外推方法》

2 0

1 5

0 5

1 8收到,

2 0

1 6

0 1

2 9收到再改稿. 资助项目:国家重点基础研究发展计划(

2 0

1 3 C B

4 3

0 1

0 6 ) , 国家自然科学基金项目(

4 1

3 7

5 0

5 1 ) , 中国气象局预报员专项( C MA Y B Y

2 0

1 4

0 8

3 ) e m a i l : z h o u k h@c m a . g o v . c n 第2 7卷第2期2016年3月应用气象学报JOUR NA LO FA P P L I E D ME T E O R O L O G I C A LS C I E N C E V o l .

2 7,N o .

2 M a r c h2

0 1

6 追踪与外推方法.方法中使用全新、 高效的闪电聚 类方法实现雷暴识别, 利用 K a l m a n滤波技术实现 追踪并完成对雷暴路径0~6 0m i n外推, 可实现对 全国范围雷暴活动的监测与临近预报.

1 雷暴识别、 追踪与外推 1.

1 雷暴的识别 由于雷暴过程中闪电往往集中发生于雷暴云中 对流最旺盛的区域, 因此, 雷暴在闪电数据上的表现 形式即为一簇密集的闪电.利用聚类算法可实现雷 暴识别, 本文中聚类算法采用密度极大值快速搜索 算法( c l u s t e r i n gb yf a s t s e a r c ha n df i n do fd e n s i t y , C F S F D) [

1 7] .相对于传统 K m e a n s与DBSCAN 等 经典聚 类算法而言, C F S F D 不 需要 预指 定聚类 中心, 同时对非球面形状的雷暴能有更好地识别效果. 该算法只考虑点与点之间的距离, 因此, 不需要将点 映射到一个向量空间中, 算法复杂度较传统算法有 较大改进. 闪电密度计算. ρ =∑状=0 χ( ,- c) , (

1 ) 式(

1 ) 中, χ( ) = 1, ρ m i n和δ>

δ m i n条件的点作为距离中心点.图1中闪电1与 闪电1 0可以作为雷暴闪电中心.闪电2~8虽然密 度大于闪电1 0, 但其δ<

δ m i n, 因此, 不能作为雷暴中 心闪电.闪电26~2

8 虽有较大的δ 值, 但其ρ<

ρ m i n, 同样不能作为雷暴聚类中心. 图1 聚类算法示意图[

1 7] ( 编号按闪电密度排序,不同颜色表征不同的类别) ( a ) 闪电的平面分布, ( b ) 决策图 F i g .

1 T h ec l u s t e r i n ga l g o r i t h mi nt w od i m e n s i o n s ( f r o mr e f r e n c e[

1 7 ] ) ( p o i n tw i t hn u m b e r i sr a n k e d i no r d e ro fd e c r e a s i n gd e n s i t y , d i f f e r e n t c o l o rc o r r e s p o n d s t od i f f e r e n t c l u s t e r ) ( a ) p o i n td i s t r i b u t i o n , ( b ) d e c i s i o ng r a p h

4 7

1 应用气象学报第2 7卷 雷暴属于中小尺度天气系统, 综合考虑雷暴尺 度与实际聚类效果, 本文取ρ m i n=1. 5, δ m i n=2 0k m, 对各类雷暴单体闪电簇有较好的识别效果. 其余闪电的分配.当雷暴中心闪电确定后, 剩 余闪电的类别标签按照以下原则指定: 闪电的类别 标签与高于该闪电密度的最近闪电的类别一致. 雷暴边界的确定.定义雷暴边界区: 某一雷暴 的雷暴边界区, 由该雷暴中与其他雷暴任意闪电距 离小于 c 的闪电构成.寻找雷暴边界区中密度最 大的闪电, 将其密度记为ρ m a x.将该雷暴中ρ<

ρ m a x 的闪电作为噪声去除, 从而确定雷暴边界. 1.

2 雷暴的追踪与外推 K a l m a n滤波器能在线性无偏最小方差估计准 则下对路径做出最优估计[

1 8 ] .在实现雷暴识别的 前提下, 假设雷暴线性移动, 可利用 K a l m a n滤波算 法对雷暴展开线性外推. 对雷暴的移动与发展过程作如下假设[

6 ] : 雷暴 移动路径为直线, 雷暴强度呈线性增强或减弱. 1. 2.

1 K a l m a n追踪与外推模型 ........