会议雷达资料近海台风定位方法研究Word格式文档下载.docx
《会议雷达资料近海台风定位方法研究Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《会议雷达资料近海台风定位方法研究Word格式文档下载.docx（13页珍藏版）》请在冰豆网上搜索。
25-100（公里）
>
100（公里）
00
15
55
150
12
91
131
222
24
178
217
286
48
382
392
442
台风定位具有极其重要的现实意义，但由于台风形态及结构的复杂性，目前，高精度的台风识别定位，仍处于研究及探索阶段。
台风的卫星云图定位具有观测范围广的优势。
然而，当台风接近陆地，受下垫面地形影响，台风结构变得相对复杂时，云型不易确定台风的位置。
而雷达则具有高分辨率、高精度、实时性等优势。
因此，当台风接近陆地时，雷达就成了台风定位的首选工具之一。
台风中心的雷达定位始于20世纪50年代，可以分为利用多普勒速度资料定位和利用回波定位两大类。
在利用回波定位方法上，通俗方法乃是通过雷达眼确定台风中心的位置。
大多数情况下台风都有眼壁回波[3]，这时可以利用几何中心确定台风中心。
然而，当雷达眼破碎或不规则时，就很难确定几何中心，这时定位会有误差；
对于无眼台风，则完全无法利用台风眼定位。
1959年Senn和Hiser提出对数螺线法[4]，利用雷达的螺旋雨带，拟合出对数螺线方程。
通过确定方程系数，然后定出螺旋中心的位置，作为台风中心。
然而，当登陆后台风螺旋雨带变的不明显或先行雨带和螺旋雨带回波结构凌乱时，定位精度将大大降低而无法使用。
对于利用多普勒速度定位台风中心，其本质原理是：
对于近似轴对称与具有“蓝金”涡特性的台风中心环流而言，多普勒雷达速度具有偶极型分布特征。
通过这种特征的识别来定位台风中心。
早期的研究包括：
Donaldson（1970）[5]、WilsonandWilk（1982）[6]以及WoodandBrown（1992）[7]。
国内，李伟对此方法进行了初步应用。
然而对于台风中心接近多普勒雷达时，速度场将发生严重变形，这时定位台风将产生困难。
1996年，台湾周仲岛[8]提出了一种用多普勒径向速度场（V）与观测距离（D）乘积即力矩场，作为新参数场来确定台风中心，取得了较好的效果。
通过方程推导可以证明，对于对称台风而言，台风在径向上的力矩场存在极值，连接极值点其中点就是台风中心。
2006年[9]，许映龙基于模拟风场和个例对以上两种方法，即几何轴对称中心定位法和速度距离方位显示定位法两种方法，并利用传统的中气旋识别技术即搜索速度场切变段加权平均的方法进行了对比，研究表明，两种方法精度均较高，但研究也指出，两种方法均存在一定的约束条件。
本文将基于以上工作，首先分析并介绍利用多普勒速度在台风定位方法中的研究并分析其利弊。
然后介绍两种利用回波识别技术定位台风的方法，分别是：
质心追踪法和利用眼壁回波移动人机对话智能识别的方法。
并对两种方法的定位结果进行对比分析。
然后通过个例来说明其适用性，最后为总结与探讨。
2、多普勒速度在台风定位中的方法研究
由于多普勒雷达仅观测到沿雷达波束方向的径向速度，无法得到真实三维气流场的结构，因此过去的研究主要是利用观测多普勒雷达径向速度场的特殊分布型态来诠释所观测到的气流结构。
沿台风行进方向，经常呈现对称的极大吹进和吹出雷达多普勒径向速度分布型态，WoodandBrown1992年发展出一套利用这种特性估计台风中心位置和极大风速半径的方法。
台风中心确定为雷达位置与多普勒速度极大值、极小值连线垂线的交点，半径为极值点与交点的距离。
由于当台风相当接近雷达时，多普勒径向速度分量变得非常的小，多普勒径向速度场将产生严重变形，这就使利用风场的定位产生了困难。
由于当台风移近雷达时，径向速度与距离场的乘积不为0，且这一关系式通过三角函数的推导可以证明：
对于V*D分布，极大值与极小值对称于台风环流中心，台风环流中心位于此两极值位置中点，最大风速半径为此两极值距离一半，周仲岛提出了一种用多普勒径向速度V与距离D乘积作为观测场来确定台风中心位置的方法。
如图1所示，
图1台风环流切向、径向速度、环境气流及多普勒径向水平分量几何关系
Rd为台风中心至雷达距离，θT为台风中心雷达连线与正东方向夹角，R为观测点至台风中心距离，θ为方位角，VM为平均环境气流的水平速度，θM为风向角度，VT为切向速度，Vr为径向速度，
，有关系式：
（1）
其中
（2）
（3）
（4）
是方位角θ’和半径R的函数，假设
和
是半径的函数，因此
（1）式中A、B项仅是半径的函数，对某一固定半径（A、B为常数），
极值分别出现与
及
，极小值与极大值分别为
。
当
处存在最大风速值，则
的极值出现于
处。
因此，
分布图中极大值与极小值对称于台风环流中心，台风中心位于两极值位置的中点；
最大风速半径为两极值距离的一半。
设
极大值、极小值的坐标为
，台风中心坐标位置及最大风速半径分别为：
，
在实际应用中，由于台风通常不是理想条件下的对称环流，极值的分布也不完全标准，因此极值通常不止一个。
为了解决这一问题，采取的方法是，逆时针搜索切向上速度值递增的弧段，这些弧段称为切变段，这样气旋环流就通过型态学上的切变段表示出来。
将这些切变段搜索出来后，根据它们大小与极值大小的比较，赋予一个权重，然后通过加权后的累加，这样就得到了一对极值点。
连线的中点就是台风的中心。
这一方法类似数学上求重心的公式。
许映龙通过一组模拟测试和一个资料质量较好的个例对V*D和仅用V判断进行了试验。
研究结果表明，两种方法在个例和模拟中效果都比较好，模拟定位精度在0.5公里，个例中定位精度在3-13公里间，有些时次在3公里以下。
然而，两种基于速度定位的方法均存在着一定的缺陷：
首先是定位范围较小，速度资料的半径在230公里以内；
其次,如前人所总结的，方法假设台风环流是对称的理想情况；
定位对资料的质量要求非常之高：
速度模糊甚至距离模糊存在都会使方法完全无法进行定位，导致失败。
而且，对于回波较为零散甚至只要眼壁出现不闭合，定位就会出现困难。
而实际业务中回波眼壁完整且规则的台风是不多的，台风在回波上可能呈现出的形状有圆环状，破碎状、双环眼状和其他的不规则形状，有的台风雷达上则只能显示大量的外围螺旋雨带回波。
如图2所示（引自许映龙，2006），在这种情况下用多普勒速度场进行定位就出现了困难。
图2台风眼的雷达回波结构（引自许映龙，2006）
（a）半圆环眼（b）破碎眼（c）不规则眼（d）无眼
3、利用质心追踪法定位台风
从理论上讲,由于热带气旋中心具有转动矢量为零的特点,因此如果能找到这样的点,即其转动矢量为零,那它就可能是台风中心点。
从数学上知,如图3所示，已知圆弧上某一点连续三个时次的坐标，要求圆心是很容易的,两条垂直平分线的交点就是圆心。
这样，台风中心的定位算法就集中在提取特征点、特征点的运动匹配、计算热带气旋中心这3个方面。
热带气旋中心就是根据得到的特征点及其匹配关系来进行计算的。
质心，顾名思义，就是代表物体质量的特征点，当不考虑物体的密度时，质心也等同于形心。
由于形心具有良好的性质,而且计算复杂性不大,因此是最常用的特征点之一。
图3已知圆弧上三点求旋转中心示意图
雷达回波形心的计算通常要考虑到整个回波情况，而特征点考虑的回波越多，回波本身生消变化引起的计算误差就越小，因此在本研究中，形心的计算避免了单个回波生消引起的误差，视整个回波的涨落处于动态的平衡中。
经检验，这样计算比通过单一计算某一阈值范围内的回波的形心精度要高。
为了检验方法的精度，本文研究了0608号“桑美”和0604号“碧利斯”两组个例的三个时次，分别如表2和表3所示：
表20608号“桑美”06年8月10日14时形心位置、计算中心和实况中心
经度纬度
10日14时39分形心位置120.75°
26.18°
10日14时45分形心位置120.72°
26.21°
10日14时51分形心位置120.7°
26.24°
计算得到的14时45分旋转中心120.90°
26.40°
14时实况位置121.1°
27.0°
表30604号“碧利斯”06年7月14日08时形心位置、计算中心和实况中心
14日08时11分形心位置119.62°
25.216°
14日08时18分形心位置119.59°
25.251°
14日08时24分形心位置119.57°
25.27°
计算得到的08时18分旋转中心119.80°
25.40°
14时实况位置120.6°
25.4°
桑美定位的误差达到了90公里左右，分析误差原因，可能在于计算过程中受到了环流南侧东西移向的强回波块的干扰。
如图4所示，初步分析这块强回波的形成原因，可能是局地强对流回波，也有可能为超折射海浪回波，有待于进一步分析讨论。
分析碧利斯定位的误差，可能的原因在于整个回波过于弥散，台风外围的雨带回波较大，具有环流特征回波的面积较小，导致回波的噪声干扰较明显的影响到了有用的计算信息。
回波结构如图5所示：
图406年06年8月10日14时45分“桑美”反射率图506年7月14日08时18分“碧利斯”反射率
A为南侧的强对流回波块
根据两幅雷达回波图象上的视差，如果能够分解出特征点的平移分量和旋转分量,那么利用两个特征点的运动信息就可以计算出热带气旋的旋转中心[10]。
但是由于台风的形变不仅有旋转，还有平移,因此通过上面方法得到的特征点不是理想状态下的特征点,这就需要我们在进行计算的时候,不能仅简单使用算法示意图上的理论算法,而关键是要通过估算出特征点的平移运动分量和旋转运动分量来抵消掉平移分量。
由于通过动态图象分析仅可以获得特征点的视差或瞬时位置速度信息,而没有足够的信息可以将其分解为平移分量和旋转分量,因此平移分量的获得需要事先进行假设或根据前一时次的定位资料。
表4为0604号碧利斯台风7月14日8时根据前一时次的定位资料考虑平易分量后的计算结果：
表40604号碧利斯台风7月14日8时根据
前一时次的定位资料考虑平易分量后的计算结果
考虑平移分量后14日08时18分形心位置119.29°
24.951°
考虑平移分量后14日08时24分形心位置119.27°
24.97°
考虑平移分量后计算得到的08时18分旋
转中心119.6°
（119.8°
）25.3°
（25.4°
）
经对比实验分析的出以下结论：
这两个时次的个例误差的范围在80-90公里左右，误差的来源主要不在于平移分量的估计。
而在于其它的因素。
甚至于加入了平移分量后误差有所增大。
对这一现象进行分析，估计可能的原因是平移分量的估计有误，台风的平移分量估计是根据上一个小时的定位结果得出的，一方面1小时相对于6分钟的时间分辨率过低，另一方面，下一时次的平移分量相对于上一时次的平移分量可能发生变化，线性外推平移分量会有误差。
总结这一方法，台风的平移分量对计算定位误差的影响是有限的，主要的误差还是来源于旋转过程中回波的特征变化。
今后如何进行适当的滤波以提取出台风环流的旋转特征是方法有效降低误差的关键。
4、利用眼壁旋转人机对话智能识别定位台风研究
本节内容，包括上一节介绍的质心追踪法，本质上是利用台风的旋转这一特性进行定位的。
前面说到，台风中心的定位算法集中在提取特征点、特征点的运动匹配、计算热带气旋中心这3个方面。
其中,提取特征点就是要找出性能比较好的,有代表性的点；
匹配技术就是指在下一帧图象中,寻找与前一帧图象上一些特征点相匹配的技术,并对下一帧图象作搜索,以寻找对应的结构,这方面的研究也有很多的成果,如特征点选择和匹配的Barnard算法和经典的聚类分析方法算法[11],其中后者对形状不规则,且有很大形变的运动物体图象也有不错的效果。
然而，在实际应用中，上述方法还存在着一定的困难。
自动的匹配是非常困难的任务。
一方面在于特征点的选取是有讲究的，比如紧靠热带气旋中心的回波，运动中的旋转分量较大，且一般形变不大，因此是首选的目标。
另一方面，匹配精确度越高，计算量越大。
以目前的计算条件而言，要达到高质量的匹配往往需要花费较长的时间。
因此，在某些情况下的匹配研究中,为避免陷入困难的自动匹配过程,一个折衷的解决匹配问题的途径是采用启发式的方法,比如相关系数,不变矩等方法,并通过人工干预,选择可能的匹配窗口来执行相应的相关匹配运算。
本研究即是利用一个人机交互模式，通过人工智能方式，选取一组最佳的匹配点，然后根据台风的旋转特性，反演中台风中心的一种方法。
人机交互模式的界面如下图所示：
图6人机对话平台上选择具有旋转特征的匹配点来定位台风中心
这个平台可以实现的功能有帧图象回放、局部放大、图象锁定放大比例等等。
整个方法的步骤为：
首先，读入两帧连续的基数据资料，并可以选择仰角高度，通常选择0.5度或1.5度。
并将PPI资料投影到水平面上。
其次，将跳出动画窗口，在连续重复播放两帧动画一段时间以大致确定出连续移动的特征点和旋转区域后，程序自动将图象载入到人机交互模式的窗口中，这时可以进行匹配点的选择，可以选择多组点，程序会自动进行最小二乘法拟合，但要定位出圆心，最少不能低于两组点。
第三步，选择菜单中的保存，程序将匹配特征点和原始点自动保存至工作空间中[12]。
最后运行计算圆心的程序，可以得出圆心的坐标或者经纬度数据。
5、定位结果的分析与对比
为了进行效果验证，本文随机选取了一些个例，其中一个个例0608号“桑美”台风一组时次的分析结果如下：
表50608号“桑美”台风各时次定位结果和实况位置
X（经度）Y（纬度）
10日07时45分定位结果122.7°
26.5°
07时实况位置122.6°
26.4°
10时45分定位结果121.9°
26.57°
10时实况位置122°
26.7°
13时45分定位结果121.8°
26.3°
13时实况位置122°
16时45分定位结果120.9°
27.0°
16时实况位置120.8°
27.1°
19时45分定位结果120.6°
27.5°
19时实况位置120.2°
27.2°
22时45分定位结果121.9°
26.55°
22时实况位置122°
另外，通过选取某一时次的几组匹配点，计算了平均的经纬度误差。
结果如表6所列：
表606年8月10日10时24分“桑美”8组匹配点的计算结果和平均误差
匹配组1121.6°
26.64°
匹配组2121.7°
匹配组3121.8°
26.3°
匹配组4122.2°
26.5°
匹配组5122.15°
26.447°
匹配组6121.79°
26.2°
匹配组7121.95°
匹配组8122.2°
26.45°
实况位置122°
平均误差0.3°
0.249°
可以看出，定位精度较前一种方法有了很大提高，精度在20公里左右。
某些时次的精度可以更高。
通常来说，精度的高低依赖于特征点的选择。
选择的特征点前后越一致性越好，定位精度越高。
特征点的选择也有一定技巧，一般首先通过动画判断大致的环流中心，然后特征点如果尽量选择在在环流区域两侧，则定位和计算的精度就越高。
这也是自动定位方法所难以做到的。
另外，本方法尚未在计算中考虑平移分量。
这是因为相对于雷达，环境风场的风速和风向资料在时间上的分辨率过低。
今后的研究中将会考虑通过给定假设的环境风场初始信息，然后，利用控制论中的反馈原理，通过迭代不断缩小误差，以达到提高精度的目标。
6、总结与讨论
本文研究和讨论了利用雷达资料进行近海台风的定位的方法问题。
定位方法包含利用多普勒速度资料进行定位和利用反射率资料进行定位两大类，得出了如下几点结论。
（1）借助于已经发展成熟的Rankine模式、中气旋的识别模式理论和早期多普勒速度资料在台风分析中的使用，利用多普勒速度场进行近海台风的定位早期就已经有了很成熟的理论基础，也在一些文献中的模拟实验和理想个例中取得了相当高的精度。
然而，受观测范围（目前国内SA型雷达仅230公里）的限制及多普勒速度资料质量的影响（速度模糊和距离模糊），目前业务上多普勒速度资料进行定位识别仍然以定性为主。
由于台风型态的多样性和结构的复杂性，在回波资料较为零散或者破碎的台风面前，无论是多普勒速度场、是速度矩的极值都难以做到完美的识别。
这给速度定位带来了一定的困难。
（2）本文提出的质心定位和特征点识别定位属于利用反射率资料进行定位的方法。
本质是利用回波资料动画的旋转特性来进行定位，在个例研究和模拟中得到了不错的效果；
其优点是定位范围较多普勒速度资料要大（460公里），对台风回波完整性、连续性及形态的要求较低。
在理论上，基于反射率定位的精度没有多普勒速度高。
误差原因有以下几点：
质心定位中不同时刻回波的涨落对质心的获得有一定影响，台风回波在图象显示上的非完整性和非气旋回波的存在也对定位的效果有显著影响。
特征点的人工智能识别定位的误差在于识别的回波移动和反演的真实风场存在一定的偏差；
螺旋雨带特别台风外围的雨带除了包含气旋式运动还包含平移运动。
（3）对于台风这类种类和结构非常复杂的系统，自动匹配和自动定位是非常复杂的任务。
为了避免陷入困难的识别定位过程，一个折中的解决方法是采用启发式的方法。
今后可以考虑和改进的地方有，在多普勒速度场的极值识别中，采用人工干预，在连续的图象中判断可能出现的极值区域，选择合适窗口区域中的像素。
这样既利用了速度场资料反演风场的准确性，又避免了自动识别存在的种种困难。
这也许是今后雷达定位和识别近海台风技术研究的一个方向。
随着台州地区多普勒雷达的建立，利用本文提出的方法进行近海台风定位，对于登陆台风的临近预报和和台风即时路径的掌握，将可提供一定的帮助，将这类方法业务化，将是下一步努力的目标。
参考文献
[1]陈联寿，《西太平洋台风概论》，北京：
科学出版社，1979．
[2]世界气象组织（WMO），裘国庆等译，《全球热带气旋预报指南》，北京：
气象出版社，1995．
[3]张培昌,杜秉玉,戴铁丕，《雷达气象学》，北京：
气象出版社,2002.
[4]Senn,H.V.,andH.W.Hiser,1959:
Ontheoriginofhurricanespiralbands.J.Meteor.,16,419-426.
[5]Donaldson,R.J.,Jr.,1991:
Aproposedtechniquefordialgnosisbyradarhurricanestructure.J.Appl.Meteor..30,1636-1645.
[6]WilsonJW,WilkKE.NowcastingapplicationsofDopplerradar.Nowcasting,K.A.BrowningEd.London:
AcademicPress,1982.87～105
[7] WoodVT,BrownRA.SingleDopplervelocitysignaturesinterpretationofnondivergentenvironmentalwinds.J.Atmos.OceanicTechnol.,1986,6:
114～128
[8]周仲岛，郑秀明，张保亮.多卜勒雷达在台风中心定位与最大风速半径决定中的应用.大气科学（中国台湾），1996,24:
1-24
[9]许映龙，矫梅燕，毕宝贵，张涛.近海台风雷达定位方法应用研究.大气科学，2006,30:
1119-1128
[10]王燕燕，叶臻，孙蔚迟.台风中心的旋转定位.中国图象图形学报，2002,7:
491-494
[11]ZhouL,Kambhamettu.C,Goldgof,Fluidstructureandmotionanalysisfrommulti-spectrum2Dcloudimagesequences,ComputerVisionandPatternRecognition,2000Proceedings.IEEEConferenceonVol.2,2000,Page（s）:
744~751
[12]Jim,ImageProcessingToolbox,《MatlabHelpdocument》.2004
升级会员 