本發(fā)明涉及大氣科學(xué)中的應(yīng)用氣象學(xué)，尤其涉及使用天氣雷達的自動識別，跟蹤及預(yù)測對流系統(tǒng)目標的方法。

背景技術(shù)：

中尺度對流系統(tǒng)是造成強對流天氣的天氣系統(tǒng)^[1]。對流系統(tǒng)目標包括對流風(fēng)暴和對流單體。對流系統(tǒng)目標的自動識別、跟蹤和預(yù)測方法是強對流天氣臨近預(yù)報的基礎(chǔ)。自動識別方法獲取對流系統(tǒng)目標的各項屬性參數(shù)；自動跟蹤方法提供對流系統(tǒng)目標屬性參數(shù)的歷史信息；自動預(yù)測方法估計對流系統(tǒng)目標在未來時刻的屬性。對流系統(tǒng)的空間結(jié)構(gòu)十分復(fù)雜，如對流風(fēng)暴和對流單體之間存在嵌套關(guān)系。利用對流風(fēng)暴的空間結(jié)構(gòu)信息，能夠提高對流系統(tǒng)目標自動識別、跟蹤和預(yù)測的準確性。

天氣雷達是監(jiān)測對流系統(tǒng)的主要手段之一^[2,3]。天氣雷達發(fā)射脈沖形式的電磁波，當(dāng)電磁波遇到降水物質(zhì)時，大部分能量繼續(xù)前進，小部分能量被降水物質(zhì)向四面八方散射，其中向后向散射的能量回到雷達天線，被雷達接收。根據(jù)雷達接收的回波數(shù)據(jù)，可以識別降水系統(tǒng)的內(nèi)部結(jié)構(gòu)。天氣雷達在一系列固定的仰角上360°掃描降水系統(tǒng)，采集不同圓錐面上的數(shù)據(jù)資料，綜合起來得到降水系統(tǒng)的三維結(jié)構(gòu)描述。在天氣雷達反射率圖像上，對流風(fēng)暴為一片高反射率聯(lián)通區(qū)域，其中的局部極大值區(qū)域為對流單體。

隨著天氣雷達的廣泛運用，使用天氣雷達的自動識別、跟蹤和預(yù)測對流系統(tǒng)目標的方法不斷出現(xiàn)，比如，scit方法^[4]和titan方法^[5]是其中的兩種經(jīng)典方法，分別作用于對流單體和對流風(fēng)暴。傳統(tǒng)的對流系統(tǒng)目標識別、跟蹤和預(yù)測方法構(gòu)成一個串聯(lián)系統(tǒng)，其中每一部分的輸出作為后一部分的輸入。

發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下缺點和不足：①以往的對流系統(tǒng)目標的跟蹤方法^[6～10]依賴于對流系統(tǒng)目標的識別結(jié)果，這使得一種跟蹤方法只適用于一類對流系統(tǒng)目標，不能夠同時跟蹤多種類別的多尺度的對流系統(tǒng)目標；②以往的對流系統(tǒng)目標的預(yù)測方法^[11～15]不能預(yù)測對流目標內(nèi)部的相對運動和結(jié)構(gòu)演化。

[參考文獻]

[1]孫繼松，戴建華，何立富等；強對流天氣預(yù)報的基本原理與技術(shù)方法；中國強對流天氣預(yù)報手冊[m]；北京：氣象出版社，2014。

[2]俞小鼎，姚秀萍，熊廷南等；多普勒天氣雷達原理與業(yè)務(wù)應(yīng)用[m]；北京：氣象出版社，2009。

[3]crumtd,albertyrl.thewsr-88dandthewsr-88doperationalsupportfacility[j].bulletinoftheamericanmeteorologicalsociety,1993,74(9):1669～1687。

[4]johnsonjt,mackeenpl,wittaetal.thestormcellidentificationandtrackingalgorithm:anenhancedwsr-88dalgorithm[j].weatherandforecasting,1998,13(2):263～276。

[5]dixonm,wienerg.titan:thunderstormidentification,tracking,analysis,andnowcasting—aradar-basedmethodology[j].journalofatmosphericandoceanictechnology,1993,10(6):785～797。

[6]kyznarováh,novákp.celltrack—convectivecelltrackingalgorithmanditsuseforderivinglifecyclecharacteristics[j].atmosphericresearch,2009,93(1):317～327。

[7]hanl,fus,zhaol,zhengyetal.3dconvectivestormidentification,tracking,andforecasting—anenhancedtitanalgorithm[j].journalofatmosphericandoceanictechnology,2009,26(4):719～732。

[8]cranerk.automaticcelldetectionandtracking[j].ieeetransactionsongeoscienceelectronics,1979,17(4):250～262。

[9]rosenfeldd.objectivemethodforanalysisandtrackingofconvectivecellsasseenbyradar[j].journalofatmosphericandoceanictechnology,1987,4(3):422～434。

[10]handwerkerj.celltrackingwithtrace3d—anewalgorithm[j].atmosphericresearch,2002,61(1):15～34。

[11]rossipj,chandrasekarv,hasuvetal.kalmanfiltering–basedprobabilisticnowcastingofobject-orientedtrackedconvectivestorms[j].journalofatmosphericandoceanictechnology,2015,32(3):461～477。

[12]lakshmananv,rabinr,debrunnerv.multiscalestormidentificationandforecast[j].atmosphericresearch,2003,67:367～380。

[13]rinehartre.apatternrecognitiontechniqueforusewithconventionalweatherradartodetermineinternalstormmotions[j].atmos.technol,1981,13:119～134。

[14]corfidisf,merittjh,fritschjm.predictingthemovementofmesoscaleconvectivecomplexes[j].weatherandforecasting,1996,11(1):41～46。

[15]corfidisf.coldpoolsandmcspropagation:forecastingthemotionofdownwind-developingmcss[j].weatherandforecasting,2003,18(6):997～1017。

技術(shù)實現(xiàn)要素：

針對上述現(xiàn)有技術(shù)，本發(fā)明提供一種用于天氣雷達的自動識別，跟蹤和預(yù)測對流系統(tǒng)目標的方法，能夠自動檢測出對流系統(tǒng)中的各類目標；識別出對流系統(tǒng)目標之間的空間關(guān)系；同時識別，跟蹤和預(yù)測多種對流系統(tǒng)目標；預(yù)測對流系統(tǒng)目標內(nèi)部結(jié)構(gòu)的演化和相對運動；提高了對流目標跟蹤和預(yù)測的準確性。

為了解決上述技術(shù)問題，本發(fā)明提出的一種自動識別，跟蹤并預(yù)測對流系統(tǒng)目標的方法，步驟如下：

步驟一、建立雷達反射率圖片的樹形結(jié)構(gòu)：輸入天氣雷達在0.5°仰角獲得的雷達反射率圖片p，圖片p的大小為512×512像素，每個像素點的分辨率為1km×1km，圖片p上的每個像素點的強度范圍為-20dbz到75dbz，強度間隔1dbz；一個圖片的樹形結(jié)構(gòu)由節(jié)點集合和邊集合構(gòu)成，其中每個節(jié)點對應(yīng)一片區(qū)域，每個邊代表了區(qū)域之間的重疊關(guān)系，樹形結(jié)構(gòu)的構(gòu)建過程如下：

1-1)使用一組閾值{gi}＝{0,20,25,30,35,40,45,50,55,60}dbz對圖片p分割得到一組圖片{pi}；在求取該一組圖片pi的過程中，如果圖片p中一個像素點p的強度小于閾值gi，那么圖片pi中該像素點的強度值置為0；

1-2)使用區(qū)域生長法識別圖片pi中的所有區(qū)域，計算每個區(qū)域r的各種屬性參數(shù)，屬性參數(shù)至少包括面積、幾何中心點坐標和平均強度；

1-3)對于每一個區(qū)域r，構(gòu)造節(jié)點v(r)存儲該區(qū)域中所有屬性參數(shù)；在節(jié)點v(r)中同時存儲區(qū)域內(nèi)部的所有像素點的坐標和強度值；將節(jié)點v(r)添加到樹形結(jié)構(gòu)的節(jié)點集合vt中；

1-4)檢查所有區(qū)域?qū)i和ri-1，其中，ri和ri-1為圖片pi和圖片pi-1中的區(qū)域；如果區(qū)域ri-1包含區(qū)域ri，那么構(gòu)造一個邊連接節(jié)點v(ri)和v(ri-1)，將邊存儲在樹形結(jié)構(gòu)的邊集合et中；至此，得到了雷達反射率圖片p的樹形結(jié)構(gòu)t＝(vt,et)；

步驟二、自動識別對流系統(tǒng)目標：定義樹形結(jié)構(gòu)t＝(vt,et)中每個節(jié)點的度數(shù)為該節(jié)點的子節(jié)點的數(shù)目；對流系統(tǒng)目標包括對流風(fēng)暴、對流單體和層狀降水區(qū)域，識別步驟分別如下：

2-1)對流風(fēng)暴的識別：在樹形結(jié)構(gòu)t＝(vt,et)中，找出所有滿足以下兩個條件之一的子樹結(jié)構(gòu)：

2-1-1)子樹的根節(jié)點強度為30dbz，并且根節(jié)點的度數(shù)小于等于1；

2-1-2)子樹的根節(jié)點的強度為35dbz，且子樹的根節(jié)點的父節(jié)點的度數(shù)大于1；然后，將子樹結(jié)構(gòu)中的節(jié)點對應(yīng)的區(qū)域疊加在一起構(gòu)成相應(yīng)的對流風(fēng)暴；最終得到對流風(fēng)暴集合(sstorm)

2-2)對流單體的識別：在樹形結(jié)構(gòu)t＝(vt,et)中，找出所有滿足以下兩個條件之一的子樹結(jié)構(gòu)：

2-2-1)子樹的根節(jié)點強度為40dbz，并且根節(jié)點的度數(shù)小于等于1；

2-2-2)子樹的根節(jié)點的強度為45dbz，且子樹的根節(jié)點的父節(jié)點的度數(shù)大于1；然后，將子樹結(jié)構(gòu)中的節(jié)點對應(yīng)的區(qū)域疊加在一起構(gòu)成相應(yīng)的對流單體；最終得到對流單體集合(scell)；

2-3)層狀降水區(qū)域的識別：在樹形結(jié)構(gòu)中，找出所有同時滿足以下兩個條件的子樹結(jié)構(gòu)：

2-3-1)該子樹根節(jié)點的反射率強度為20dbz；

2-3-2)該子樹中所有反射率強度為40dbz的區(qū)域面積之和與所有反射率強度為20dbz的區(qū)域面積之和的比值小于0.3；然后，將子樹結(jié)構(gòu)中的節(jié)點對應(yīng)的區(qū)域疊加在一起構(gòu)成相應(yīng)的層狀降水區(qū)域；最終得到層狀降水區(qū)域集合(sstratiform)；

2-4)上述識別對流系統(tǒng)目標之間的空間關(guān)系：上述得到的對流風(fēng)暴集合(sstorm)、對流單體集合(scell)和層狀降水區(qū)域集合(sstratiform)中的每一個目標s＝(vs,es)都對應(yīng)一個樹t＝(vt,et)中的子樹；設(shè)s1和s2為兩個對流系統(tǒng)目標，它們對應(yīng)的子樹結(jié)構(gòu)分別記為和s1和s2之間存在的空間關(guān)系定義如下：

(1)如果包含那么s1包含s2；或：如果包含那么s2包含s1；

(2)如果沒滿足上述關(guān)系(1)，且樹t＝(vt,et)存在一個對流系統(tǒng)目標s3，滿足：包含且包含那么s1和s2為空間相鄰關(guān)系；

根據(jù)以上的定義，判斷對流風(fēng)暴和對流單體之間的包含關(guān)系、層狀降水區(qū)域和對流風(fēng)暴之間的包含關(guān)系、對流風(fēng)暴之間的相鄰關(guān)系和對流單體之間的相鄰關(guān)系；然后，使用一個對流系統(tǒng)目標樹描述所有目標之間的空間關(guān)系；

步驟三、對流系統(tǒng)目標跟蹤方法：令p1和p2分別為t1和t2時刻的雷達反射率圖片，按照步驟一分別獲得的圖片p1和圖片p2的樹形結(jié)構(gòu)和其中的節(jié)點根據(jù)其深度劃為不同的子集，分別為及其中，為樹ti中所有深度為k的節(jié)點構(gòu)成的集合；記mk為得到的子集和的匹配結(jié)果，m為匹配過程得到的節(jié)點和的匹配結(jié)果，m為樹形結(jié)構(gòu)t1和t2的最小深度；獲取m的過程如下：

3-1)樹形結(jié)構(gòu)整體匹配：

3-1-1)匹配子集和得到m1＝{(root(t1),root(t2))}；

3-1-2)在第k次迭代時(k≥1)，假設(shè)第k次匹配的結(jié)果記為其中，n1k和n2k分別為和中的節(jié)點數(shù)目；根據(jù)mk推測mk+1的過程包括兩步：

3-1-2-1)對于mk中每一個節(jié)點配對分別找出和的子節(jié)點集合，記為和對于和之間的每一對節(jié)點(vi′,vj′)，找出節(jié)點(vi′,vj′)對應(yīng)的樹形結(jié)構(gòu)中的區(qū)域，計算兩個區(qū)域之間的重疊率oi′j′：

式(1)中，a(v)代表了節(jié)點v對應(yīng)區(qū)域的面積，a(vi′∩vj′)為兩個節(jié)點vi′和vj′對應(yīng)的區(qū)域之間的重疊面積；如果兩個區(qū)域的面積重疊率oi′j′大于0.5，那么將兩個節(jié)點vi′和vj′建立匹配，然后將這兩個區(qū)域?qū)?yīng)的節(jié)點配對結(jié)果(vi′,vj′)存入mk+1中；

3-1-2-2)將在步驟3-1-2-1)中已經(jīng)建立匹配的節(jié)點從子節(jié)點集合和中移除；對于剩余的節(jié)點，采用組合優(yōu)化算法建立匹配，其中，構(gòu)造的目標函數(shù)為：

q＝∑ci′j′(2)

其中，i′和j′為子節(jié)點集合和中節(jié)點的索引值，ci′j′為將節(jié)點i′和節(jié)點j′對應(yīng)的區(qū)域建立匹配時需要的代價函數(shù)，其計算公式為：

其中dp為兩個節(jié)點(vi′,vj′)質(zhì)心之間的距離，ds為兩個節(jié)點對應(yīng)區(qū)域的面積之差；

對上述組合優(yōu)化算法得到的匹配結(jié)果計算區(qū)域速度，當(dāng)區(qū)域速度小于150kmh^-1時，將配對結(jié)果存入mk+1；

3-1-3)如果mk+1為空，或者k+1＝m，那么樹形結(jié)構(gòu)的匹配過程結(jié)束，最終得到的樹形結(jié)構(gòu)的匹配結(jié)果為否則，令k＝k+1，算法轉(zhuǎn)到步驟3-1-2)；

3-2)對流系統(tǒng)目標的匹配：按照步驟二分別獲得的圖片p1和圖片p2的對流系統(tǒng)目標集合s1和s2，令為兩個同種類型的對流系統(tǒng)目標，如果存在一對節(jié)點的配對(v1,v2)∈m，且那么將對流系統(tǒng)目標s1和s2建立匹配；

步驟四、對流系統(tǒng)目標的預(yù)測，包括：

4-1)通過交叉相關(guān)法估計當(dāng)前雷達反射率圖片中的運動矢量場：令當(dāng)前時刻和前一時刻的雷達發(fā)射率圖片記為p1和p2，將p1和p2劃分為n×n個方形區(qū)域；對于p1中的每一個方形區(qū)域rc1，尋找與之最相關(guān)的位于p2的區(qū)域rc2，那么區(qū)域rc1的中心點(xc1，yc1)處的運動矢量為(xc1-xc2，yc1-yc2)，其中(xc1，yc1)和(xc2，yc2)分別為區(qū)域rc1和rc2的中心點；

4-2)通過軌跡擬合得到樹形結(jié)構(gòu)t1中每一個區(qū)域的的運動矢量：令tn時刻圖片pn對應(yīng)的樹結(jié)構(gòu)為tn，通過步驟三的跟蹤方法得到的樹形結(jié)構(gòu)tn中每一個區(qū)域的運動軌跡，記一個區(qū)域r通過跟蹤得到的區(qū)域的序列為r1,r2,…,rn，該區(qū)域序列對應(yīng)的質(zhì)心點序列記為：(x1,y1),(x2,y2),…,(xn,yn)，對應(yīng)的時間時刻為t1,t2,…,tn；那么分別對質(zhì)心點序列中的x坐標和y坐標相對于時間變量進行直線擬合，得到x＝kx·t和y＝ky·t；那么該區(qū)域r在tn時刻的運動矢量為(kx，ky)；

4-3)計算樹形結(jié)構(gòu)中當(dāng)前時刻每一個區(qū)域的運動矢量：從根節(jié)點開始，采用廣度優(yōu)先，遍歷樹形結(jié)構(gòu)中的每一個區(qū)域r，若區(qū)域r的面積大于250km²，那么按照步驟4-1)統(tǒng)計所有位于該區(qū)域內(nèi)部的所有方形區(qū)域的平均運動矢量，將此運動矢量作為區(qū)域r的運動矢量估計；若區(qū)域r的面積小于250km²，那么按照步驟4-2)將該區(qū)域通過軌跡直線擬合得到的運動矢量作為區(qū)域r的運動矢量估計；若區(qū)域r的面積小于250km²，且其不存在運動軌跡，那么就將其父區(qū)域的運動矢量作為該區(qū)域r的運動矢量；

4-4)通過外推預(yù)測當(dāng)前時刻樹形結(jié)構(gòu)和對流系統(tǒng)目標：根據(jù)該樹形結(jié)構(gòu)中每一個區(qū)域r的運動矢量，計算在時間dt之后該區(qū)域的位置，當(dāng)所有的區(qū)域進行外推之后，將所有外推的結(jié)果疊加起來，得到樹形結(jié)構(gòu)整體的外推結(jié)果；按照上述外推方法外推單個對流系統(tǒng)目標。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

本發(fā)明提供的技術(shù)方案的有益效果是：1)本發(fā)明能夠同時識別出不同類型的對流系統(tǒng)目標，如對流風(fēng)暴，對流單體和層狀降水區(qū)域，并且能夠識別和保存各種對流系統(tǒng)目標之間的空間關(guān)系；2)本發(fā)明將對流系統(tǒng)目標的跟蹤問題轉(zhuǎn)化為了樹形結(jié)構(gòu)的匹配問題，對流系統(tǒng)目標的識別過程和跟蹤、預(yù)測過程是相互獨立的；3)本發(fā)明能夠預(yù)測對流系統(tǒng)目標內(nèi)部結(jié)構(gòu)的運動和演化。

附圖說明

圖1是基于樹形結(jié)構(gòu)描述的對流系統(tǒng)目標識別，跟蹤和預(yù)測系統(tǒng)框圖；

圖2(a)至圖2(c)是雷達反射率圖片的樹形結(jié)構(gòu)描述示例，其中：

圖2(a)是雷達反射率圖片示意圖；

圖2(b)是采用三種閾值對圖2(a)進行閾值分割和區(qū)域檢測的結(jié)果；

圖2(c)是圖2(b)對應(yīng)的樹形結(jié)構(gòu)描述；

圖3(a)和圖3(b)是雷達反射率圖片樹形結(jié)構(gòu)描述的對流目標識別方法示意圖；

圖3(a)是不同類型的對流系統(tǒng)目標識別結(jié)果；

圖3(b)是不同類型的對流系統(tǒng)目標識別結(jié)果構(gòu)成的目標樹結(jié)構(gòu)；

圖4(a)至圖4(d)是基于樹形結(jié)構(gòu)對流系統(tǒng)匹配跟蹤示意圖；

圖4(a)和圖4(b)分別是一個線性對流系統(tǒng)在兩個連續(xù)時刻的輪廓示意圖；

圖4(c)是圖4(a)和圖4(b)的重疊效果；

圖4(d)是圖4(a)和圖4(b)樹形結(jié)構(gòu)描述結(jié)果及兩個樹形結(jié)構(gòu)的匹配結(jié)果示意圖；

圖5是基于樹形結(jié)構(gòu)描述的對流風(fēng)暴匹配方法示意圖；

圖6(a)至圖6(d)是基于樹形結(jié)構(gòu)描述的對流系統(tǒng)目標外推方法示意圖；

圖6(a)是一個線性對流系統(tǒng)的示意圖；

圖6(b)是圖6(a)中線性對流系統(tǒng)的樹形結(jié)構(gòu)描述，箭頭是每一個區(qū)域的運動矢量；

圖6(c)是樹形結(jié)構(gòu)中的每片區(qū)域的單獨外推效果；

圖6(d)是對流系統(tǒng)目標的整體外推效果；

圖7是三種對流風(fēng)暴跟蹤方法的匹配臨界成功指數(shù)；

圖8(a)至8(d)是三種對流風(fēng)暴預(yù)測算法的對比評分結(jié)果；

圖8(a)和圖8(b)分別是18分鐘和30分鐘的預(yù)測臨界成功指數(shù)；

圖8(c)和圖8(d)分別是18分鐘和30分鐘的預(yù)測平均絕對誤差。

具體實施方式

下面結(jié)合附圖和具體實施例對本發(fā)明技術(shù)方案作進一步詳細描述，所描述的具體實施例僅對本發(fā)明進行解釋說明，并不用以限制本發(fā)明。

本發(fā)明提出的自動識別，跟蹤并預(yù)測對流系統(tǒng)目標的方法，其設(shè)計思路如圖1所示，將天氣雷達獲得的對流系統(tǒng)單仰角雷達反射率圖片可采用一個區(qū)域的樹形結(jié)構(gòu)描述。在此樹形結(jié)構(gòu)中，每一個對流系統(tǒng)目標對應(yīng)一個子樹結(jié)構(gòu)。對流系統(tǒng)目標的識別問題轉(zhuǎn)化為子樹結(jié)構(gòu)的檢測問題，對流系統(tǒng)目標的跟蹤問題轉(zhuǎn)化為樹形結(jié)構(gòu)的匹配問題，通過樹形結(jié)構(gòu)的外推，可以預(yù)測所有對流系統(tǒng)目標的位置和內(nèi)部結(jié)構(gòu)。本發(fā)明實現(xiàn)了自動識別、跟蹤和預(yù)測對流系統(tǒng)目標。該發(fā)明的內(nèi)容構(gòu)成一個對流系統(tǒng)目標的臨近預(yù)報系統(tǒng)，可以用于預(yù)測各類對流系統(tǒng)目標的位置和內(nèi)部結(jié)構(gòu)，有助于強對流天氣災(zāi)害的預(yù)報。

本發(fā)明自動識別，跟蹤并預(yù)測對流系統(tǒng)目標的方法，主要包括：建立雷達反射率圖片的樹形結(jié)構(gòu)，自動識別對流系統(tǒng)目標，對流系統(tǒng)目標跟蹤方法和對流系統(tǒng)目標的預(yù)測，其具體內(nèi)容如下：

步驟一：建立雷達反射率圖片的樹形結(jié)構(gòu)；

輸入天氣雷達在0.5°仰角獲得的雷達反射率圖片p，圖片p的大小為512×512像素，每個像素點的分辨率為1km×1km，圖片p上的每個像素點的強度范圍為-20dbz到75dbz，強度間隔1dbz；一個雷達反射率圖片的示意圖如圖2(a)所示。

一個圖片的樹形結(jié)構(gòu)由節(jié)點集合和邊集合構(gòu)成，其中每個節(jié)點對應(yīng)一片區(qū)域，每個邊代表了區(qū)域之間的重疊關(guān)系，樹形結(jié)構(gòu)的構(gòu)建過程如下：

1-1)使用一組閾值{gi}＝{0,20,25,30,35,40,45,50,55,60}dbz對圖片p分割得到一組圖片{pi}；在求取該一組圖片pi的過程中，如果圖片p中一個像素點p的強度小于閾值gi，那么圖片pi中該像素點的強度值置為0；圖2(a)采用三個閾值(30dbz，35dbz，和40dbz)分割得到的結(jié)果分別為圖2(b)中的p1，p2和p3；

1-2)使用區(qū)域生長法識別圖片pi中的所有區(qū)域，計算每個區(qū)域r的各種屬性參數(shù)，屬性參數(shù)至少包括面積、幾何中心點坐標和平均強度；在圖2(b)中，采用區(qū)域生長法獲得的p1，p2和p3中的區(qū)域的識別結(jié)果為

1-3)對于每一個區(qū)域r，構(gòu)造節(jié)點v(r)存儲該區(qū)域中所有屬性參數(shù)；在節(jié)點v(r)中同時存儲區(qū)域內(nèi)部的所有像素點的坐標和強度值；將節(jié)點v(r)添加到樹形結(jié)構(gòu)的節(jié)點集合vt中；

1-4)檢查所有區(qū)域?qū)i和ri-1，其中，ri和ri-1為圖片pi和圖片pi-1中的區(qū)域；如果區(qū)域ri-1包含區(qū)域ri，那么構(gòu)造一個邊連接節(jié)點v(ri)和v(ri-1)，將邊存儲在樹形結(jié)構(gòu)的邊集合et中；在圖2(b)中，區(qū)域之間的包含關(guān)系采用區(qū)域間的連線表示。

至此，得到了雷達反射率圖片p的樹形結(jié)構(gòu)t＝(vt,et)，如圖2(c)所示。

步驟二：自動識別對流系統(tǒng)目標；

圖3說明如何識別樹形結(jié)構(gòu)中的各種對流系統(tǒng)目標。圖3(a)給出一個樹形結(jié)構(gòu)，其中識別出的對流系統(tǒng)目標用矩形區(qū)域標記，并且給出所有對流系統(tǒng)目標的編號。圖3(b)給出相對于圖3(a)的對流系統(tǒng)目標的樹形結(jié)構(gòu)。定義樹形結(jié)構(gòu)t＝(vt,et)中每個節(jié)點的度數(shù)為該節(jié)點的子節(jié)點的數(shù)目，對流系統(tǒng)目標包括對流風(fēng)暴、對流單體和層狀降水區(qū)域，其識別步驟分別如下：

2-1)對流風(fēng)暴的識別：

在樹形結(jié)構(gòu)t＝(vt,et)中，找出所有滿足以下兩個條件之一的子樹結(jié)構(gòu)：

1)子樹的根節(jié)點強度為30dbz，并且根節(jié)點的度數(shù)小于等于1；

2)子樹的根節(jié)點的強度為35dbz，且子樹的根節(jié)點的父節(jié)點的度數(shù)大于1；

圖3(a)中滿足以上條件的子樹為子樹3，4和5，其中子樹3和4滿足以上條件2)，子樹5滿足以上條件1)。

然后，將子樹結(jié)構(gòu)中的節(jié)點對應(yīng)的區(qū)域疊加在一起構(gòu)成相應(yīng)的對流風(fēng)暴；

最終得到對流風(fēng)暴集合(sstorm)

2-2)對流單體的識別：

在樹形結(jié)構(gòu)t＝(vt,et)中，找出所有滿足以下兩個條件之一的子樹結(jié)構(gòu)：

1)子樹的根節(jié)點強度為40dbz，并且根節(jié)點的度數(shù)小于等于1；

2)子樹的根節(jié)點的強度為45dbz，且子樹的根節(jié)點的父節(jié)點的度數(shù)大于1；

然后，將子樹結(jié)構(gòu)中的節(jié)點對應(yīng)的區(qū)域疊加在一起構(gòu)成相應(yīng)的對流單體；

圖3(a)中滿足以上條件的子樹為子樹6，且滿足條件1)。

最終得到對流單體集合(scell)；

2-3)層狀降水區(qū)域的識別：

在樹形結(jié)構(gòu)中，找出所有同時滿足以下兩個條件的子樹結(jié)構(gòu)：

1)該子樹根節(jié)點的反射率強度為20dbz；

2)該子樹中所有反射率強度為40dbz的區(qū)域面積之和與所有反射率強度為20dbz的區(qū)域面積之和的比值小于0.3；

圖3(a)中滿足以上條件的子樹為子樹1和2。

然后，將子樹結(jié)構(gòu)中的節(jié)點對應(yīng)的區(qū)域疊加在一起構(gòu)成相應(yīng)的層狀降水區(qū)域；

最終得到層狀降水區(qū)域集合(sstratiform)；

2-4)識別對流系統(tǒng)目標之間的空間關(guān)系：

上述得到的對流風(fēng)暴集合(sstorm)、對流單體集合(scell)和層狀降水區(qū)域集合(sstratiform)中的每一個目標s＝(vs,es)都對應(yīng)一個樹t＝(vt,et)中的子樹；

設(shè)s1和s2為兩個對流系統(tǒng)目標，它們對應(yīng)的子樹結(jié)構(gòu)分別記為和s1和s2之間存在的空間關(guān)系定義如下：

(1)如果包含那么s1包含s2；或：如果包含那么s2包含s1；

(2)如果沒滿足上述關(guān)系(1)，且樹t＝(vt,et)存在一個對流系統(tǒng)目標s3，滿足：包含且包含那么s1和s2為空間相鄰關(guān)系；

根據(jù)以上的定義，判斷對流風(fēng)暴和對流單體之間的包含關(guān)系、層狀降水區(qū)域和對流風(fēng)暴之間的包含關(guān)系、對流風(fēng)暴之間的相鄰關(guān)系和對流單體之間的相鄰關(guān)系；

然后，使用一個對流系統(tǒng)目標樹描述所有目標之間的空間關(guān)系；

圖3(a)展示如何識別對流系統(tǒng)目標之間的空間關(guān)系。在此案例中，有一個對流單體(6)，三個對流風(fēng)暴(3，4，和5)，以及兩個層狀降水區(qū)域(1和2)。兩個層狀降水區(qū)域為空間相鄰關(guān)系；三個對流風(fēng)暴彼此空間相鄰，且都包含于層狀降水區(qū)域2；唯一的對流單體6包含于對流風(fēng)暴3。圖3(b)采用一個對流系統(tǒng)目標的樹形結(jié)構(gòu)描述了所有對流系統(tǒng)目標之間的空間關(guān)系。

步驟三、對流系統(tǒng)目標跟蹤方法；

圖4給出一個樹形結(jié)構(gòu)匹配過程的示例。圖4(a)和(b)分別給出一個對流系統(tǒng)在兩個時刻的結(jié)構(gòu)示意圖，圖4(c)給出這兩個對流系統(tǒng)的重疊結(jié)果(這里假設(shè)在t1時刻所有區(qū)域的移動速度為0。圖4(d)給出該對流系統(tǒng)在兩個時刻的樹狀結(jié)構(gòu)描述及最終的匹配結(jié)果。具體的匹配過程如下：

令p1和p2為t1和t2時刻的雷達反射率圖片，按照步驟一分別獲得的圖片p1和圖片p2的樹形結(jié)構(gòu)和其中的節(jié)點根據(jù)其深度劃為不同的子集，分別為及其中，為樹ti中所有深度為k的節(jié)點構(gòu)成的集合；記mk為得到的子集和的匹配結(jié)果，m為匹配過程得到的節(jié)點和的匹配結(jié)果，m為樹形結(jié)構(gòu)t1和t2的最小深度；獲取m的過程如下：

3-1)樹形結(jié)構(gòu)整體匹配：

3-1-1)匹配子集和得到m1＝{(root(t1),root(t2))}；見圖4(d)中兩個根節(jié)點之間的配對結(jié)果。

3-1-2)在第k次迭代時(k≥1)，假設(shè)第k次匹配的結(jié)果記為其中，n1k和n2k分別為和中的節(jié)點數(shù)目；根據(jù)mk推測mk+1的過程包括兩步：

3-1-2-1)對于mk中每一個節(jié)點配對分別找出和的子節(jié)點集合，記為和對于和之間的每一對節(jié)點(vi′,vj′)，找出節(jié)點(vi′,vj′)對應(yīng)的樹形結(jié)構(gòu)中的區(qū)域，計算兩個區(qū)域之間的重疊率oi′j′：

式(1)中，a(v)代表了節(jié)點v對應(yīng)區(qū)域的面積，a(vi′∩vj′)為兩個節(jié)點vi′和vj′對應(yīng)的區(qū)域之間的重疊面積；如果兩個區(qū)域的面積重疊率oi′j′大于0.5，那么將兩個節(jié)點vi′和vj′建立匹配，然后將這兩個區(qū)域?qū)?yīng)的節(jié)點配對結(jié)果(vi′,vj′)存入mk+1中；圖4示例中采用面積重疊法獲得配對的節(jié)點對包括：節(jié)點3和節(jié)點10，節(jié)點6和節(jié)點13，節(jié)點6和節(jié)點14。

3-1-2-2)將在步驟3-1-2-1)中已經(jīng)建立匹配的節(jié)點從子節(jié)點集合和中移除；對于剩余的節(jié)點，采用組合優(yōu)化算法建立匹配，其中，構(gòu)造的目標函數(shù)為：

q＝∑ci′j′(2)

其中，i′和j′為子節(jié)點集合和中節(jié)點的索引值，ci′j′為將節(jié)點i′和節(jié)點j′對應(yīng)的區(qū)域建立匹配時需要的代價函數(shù)，其計算公式為：

其中dp為兩個節(jié)點(vi′,vj′)質(zhì)心之間的距離，ds為兩個節(jié)點對應(yīng)區(qū)域的面積之差；

圖4示例中采用組合優(yōu)化法配對的節(jié)點對包括：節(jié)點1和節(jié)點8，節(jié)點2和節(jié)點9，節(jié)點4和節(jié)點11，節(jié)點5和節(jié)點12。

對上述組合優(yōu)化算法得到的匹配結(jié)果計算區(qū)域速度，當(dāng)區(qū)域速度小于150kmh^-1時，將配對結(jié)果存入mk+1；

3-1-3)如果mk+1為空，或者k+1＝m，那么樹形結(jié)構(gòu)的匹配過程結(jié)束，最終得到的樹形結(jié)構(gòu)的匹配結(jié)果為否則，令k＝k+1，算法轉(zhuǎn)到步驟3-1-2)；圖4示例中m＝3。迭代匹配過程只執(zhí)行3次。

3-2)對流系統(tǒng)目標的匹配：

按照步驟二分別獲得的圖片p1和圖片p2的對流系統(tǒng)目標集合s1和s2，令為兩個同種類型的對流系統(tǒng)目標，如果存在一對節(jié)點的配對(v1,v2)∈m，且那么將對流系統(tǒng)目標s1和s2建立匹配；

圖5說明了如何根據(jù)樹形結(jié)構(gòu)的匹配結(jié)果跟蹤對流風(fēng)暴目標。圖5給出在t1和t2兩個時刻的兩個樹形結(jié)構(gòu)及其匹配結(jié)果。樹形結(jié)構(gòu)中節(jié)點的匹配結(jié)果采用虛線表示，對流風(fēng)暴的識別結(jié)果采用方框標記，并且在方框上標出對流風(fēng)暴的編號。對流風(fēng)暴目標的匹配過程如下：

依次遍歷所有樹中節(jié)點的匹配結(jié)果。記其中一個配對為(v1,v2)，檢查v1和v2分別屬于哪一個對流風(fēng)暴，然后將兩個對流風(fēng)暴建立匹配。在此案例中，風(fēng)暴1和風(fēng)暴3之間存在兩對節(jié)點配對，所以匹配兩者；風(fēng)暴2和風(fēng)暴4之間也存在兩對節(jié)點的配對，所以兩者之間也建立匹配。圖5中的對流風(fēng)暴的匹配結(jié)果用實線箭頭表示。

步驟四、對流系統(tǒng)目標的預(yù)測；

圖6說明如何通過外推樹形結(jié)構(gòu)預(yù)測對流系統(tǒng)目標。圖6(a)為一個對流系統(tǒng)的示意圖，圖6(b)為圖6(a)對應(yīng)的樹形結(jié)構(gòu)，圖6(c)為樹形結(jié)構(gòu)每一個區(qū)域的外推結(jié)構(gòu)，圖6(d)為整個對流系統(tǒng)的外推效果。

4-1)通過交叉相關(guān)法估計當(dāng)前雷達反射率圖片中的運動矢量場：

令當(dāng)前時刻和前一時刻的雷達發(fā)射率圖片記為p1和p2，將p1和p2劃分為n×n個方形區(qū)域；對于p1中的每一個方形區(qū)域rc1，尋找與之最相關(guān)的位于p2的區(qū)域rc2，那么區(qū)域rc1的中心點(xc1，yc1)處的運動矢量為(xc1-xc2，yc1-yc2)，其中(xc1，yc1)和(xc2，yc2)分別為區(qū)域rc1和rc2的中心點；

4-2)通過軌跡擬合得到樹形結(jié)構(gòu)t1中每一個區(qū)域的的運動矢量：

令tn時刻圖片pn對應(yīng)的樹結(jié)構(gòu)為tn，通過步驟三的跟蹤方法得到的樹形結(jié)構(gòu)tn中每一個區(qū)域的運動軌跡，記一個區(qū)域r通過跟蹤得到的區(qū)域的序列為r1,r2,…,rn，該區(qū)域序列對應(yīng)的質(zhì)心點序列記為：(x1,y1),(x2,y2),…,(xn,yn)，對應(yīng)的時間時刻為t1,t2,…,tn；那么分別對質(zhì)心點序列中的x坐標和y坐標相對于時間變量進行直線擬合，得到x＝kx·t和y＝ky·t；那么該區(qū)域r在tn時刻的運動矢量為(kx，ky)；

4-3)計算樹形結(jié)構(gòu)中當(dāng)前時刻每一個區(qū)域的運動矢量：

從根節(jié)點開始，采用廣度優(yōu)先，遍歷樹形結(jié)構(gòu)中的每一個區(qū)域，

若區(qū)域r的面積大于250km²，那么按照步驟4-1)統(tǒng)計所有位于該區(qū)域內(nèi)部的所有方形區(qū)域的平均運動矢量，將此運動矢量作為區(qū)域r的運動矢量估計；

若區(qū)域r的面積小于250km²，那么按照步驟4-2)將該區(qū)域通過軌跡直線擬合得到的運動矢量作為區(qū)域r的運動矢量估計；

若區(qū)域r的面積小于250km²，且其不存在運動軌跡，那么就將其父區(qū)域的運動矢量作為該區(qū)域r的運動矢量；

圖6(b)中每一個區(qū)域上標記的箭頭代表了估計得到的區(qū)域運動矢量。

4-4)通過外推預(yù)測當(dāng)前時刻樹形結(jié)構(gòu)和對流系統(tǒng)目標：

根據(jù)該樹形結(jié)構(gòu)中每一個區(qū)域的運動矢量，計算在時間dt之后該區(qū)域的位置，如圖6(c)所示，當(dāng)所有的區(qū)域進行外推之后，將所有外推的結(jié)果疊加起來，得到樹形結(jié)構(gòu)整體的外推結(jié)果，如圖6(d)所示；

按照上述外推方法外推單個對流系統(tǒng)目標。

下面以對流風(fēng)暴為具體的目標進行測試以驗證本發(fā)明方法的可行性，詳見以下描述：

表1給出測試算法的8個案例，其中包括兩種類型的對流系統(tǒng)：孤立單體風(fēng)暴和中尺度對流系統(tǒng)(mesoscaleconvectivesystem；mcs)。案例中的雷達數(shù)據(jù)源自美國國家氣候數(shù)據(jù)中心(nationalclimaticdatacenter；ncdc)。每個案例的時間段為1800到2100(國際時間)。雷達的探測距離分辨率為1km，方位角分辨率為1°，覆蓋范圍為230km×230km。雷達反射率圖片的強度范圍為-25dbz到75dbz，分辨率為1dbz。雷達圖片的時間分辨率為6分鐘(vcp21)或5分鐘(vcp11)。

表1算法測試案例

本發(fā)明給出的對流系統(tǒng)目標自動跟蹤和預(yù)測方法與scit方法和etitan方法對比進行評估。對流系統(tǒng)目標的跟蹤算法的效果通過目標的正確匹配率進行評估。三位氣象預(yù)報人員參與了此對比評估實驗，每一位氣象預(yù)報人員給出一個對流風(fēng)暴的匹配結(jié)果集合，綜合三份匹配結(jié)果集合得到一個真實的對流風(fēng)暴匹配結(jié)果集合：當(dāng)一個匹配結(jié)果同時存在于兩個或兩個以上的人工匹配集合中時，則認為該匹配結(jié)果是正確的。

將三種對流風(fēng)暴跟蹤算法產(chǎn)生的匹配集合與真實的匹配集合進行對比，從而評估每種對流風(fēng)暴跟蹤算法的跟蹤性能。每一個自動匹配的結(jié)果歸為以下三類之一：稱為“擊中”的匹配同時存在于自動匹配集合和真實匹配集合中；稱為“丟失”的匹配只存在于真實匹配集合中，而不存在于自動匹配集合中；稱為“錯誤”的匹配為只存在于自動匹配集合中，而不存在于真實匹配集合中。記一種跟蹤算法產(chǎn)生的“擊中”、“丟失”和“錯誤”的匹配數(shù)目分別為x，y和z，三種評價指標為：識別率pod＝x/(x+y)，誤報率far＝z/(x+z)，臨界成功指數(shù)csi＝x/(x+y+z)。獲得最高csi評分值的跟蹤算法性能最好。

圖7給出三種跟蹤算法獲得的csi評分結(jié)果。對于不同類型的對流系統(tǒng)，基于樹形結(jié)構(gòu)的對流風(fēng)暴跟蹤算法都獲得了最高的csi。在所有案例上，基于樹形結(jié)構(gòu)的對流風(fēng)暴跟蹤算法獲得78.15％的平均csi評分值；與此相比，scit和etitan的獲得的平均csi評分值分別為74.88％和74.71％。

將對流系統(tǒng)目標的預(yù)測結(jié)果與觀測結(jié)果對比，可以評估預(yù)測算法的性能。預(yù)測評估實驗采用了表1中8個案例的共442幀位于0.5°仰角的雷達反射率圖片。在對比評估過程中，首先將預(yù)測結(jié)果和觀測結(jié)果映射到一個1km×1km的網(wǎng)格中，然后對比每一個格點處的預(yù)測值和真實值，如果在一個格點內(nèi)預(yù)測值和真實值都包含對流風(fēng)暴數(shù)據(jù)，那么在該格點處成功預(yù)報；如果在該格點處只有觀測值包含對流風(fēng)暴數(shù)據(jù)，那么在該格點處丟失預(yù)報；如果在該格點處只有預(yù)報值包含對流風(fēng)暴數(shù)據(jù)，那么在該格點處錯誤預(yù)報。記所有預(yù)測得到的“成功”、“丟失”和“錯誤”的數(shù)目分別為為x，y和z，計算pod、far和csi(計算公式如前所述)。

由于基于樹形結(jié)構(gòu)的對流系統(tǒng)目標預(yù)測方法除了能夠預(yù)測目標的位置，還能夠預(yù)測目標內(nèi)部結(jié)構(gòu)的演化，而指標csi的計算過程不考慮預(yù)測目標和真實目標內(nèi)部結(jié)構(gòu)上的差異，所以指標csi不能夠完全評估對流系統(tǒng)目標的預(yù)測方法。對比實驗中引入平均絕對誤差(meanabsoluteerror；mae)作為指標csi的補充，其計算公式為：

其中，fi和oi代表了第i對預(yù)測值和觀測值，n為對比格點的總數(shù)。能夠預(yù)測對流系統(tǒng)目標內(nèi)部結(jié)構(gòu)演化的預(yù)報方法應(yīng)該產(chǎn)生較小的mae值。

圖8(a)和圖8(b)分別給出三種預(yù)測方法的18和30分鐘平均csi評分值；圖8(c)和圖8(d)分別給出18和30分鐘的平均mae評分值。圖8(a)顯示，對于18分鐘的預(yù)測結(jié)果，基于樹形結(jié)構(gòu)的預(yù)測方法獲得了29.02％的平均csi評分值，高于scit算法的24.98％和etitan的24.44％。圖8(a)還顯示，三種預(yù)測方法在預(yù)測中尺度對流系統(tǒng)時表現(xiàn)出較大的差距。與scit和etitan方法相比，基于樹形結(jié)構(gòu)的預(yù)測方法分別獲得了6.05％和5.81％的csi評分值改善。圖8(b)顯示，對于30分鐘的預(yù)測結(jié)果，基于樹形結(jié)構(gòu)的預(yù)測方法同樣獲得了相對較高的評分值。圖8(c)顯示，對于18分鐘的預(yù)測結(jié)果，基于樹形結(jié)構(gòu)的預(yù)測方法獲得了最小的平均mae值(4.63dbz)，scit方法和etitan方法的平均mae值分別為5.22dbz和4.80dbz。圖8(d)顯示，對于30分鐘的預(yù)測結(jié)果，基于樹形結(jié)構(gòu)的預(yù)測方法同樣獲得了最小的平均mae值。

表2給出三種方法識別、跟蹤和預(yù)測數(shù)據(jù)集中對流風(fēng)暴需要的平均運行時間。算法的測試環(huán)境為：處理器為英特酷睿2.1，計算機內(nèi)存為2gb，算法運行環(huán)境為matlab2014b。表2顯示，基于樹形結(jié)構(gòu)描述的對流風(fēng)暴識別方法平均需要965.25ms，這一時間遠遠大于跟蹤和預(yù)測對流風(fēng)暴所需的運行時間。但是相比于天氣雷達的采樣間隔(5到6分鐘)，基于樹形結(jié)構(gòu)的對流系統(tǒng)目標自動識別、跟蹤和預(yù)測方法可以滿足實時運行的需求。

表2三種臨近預(yù)報方法的運行時間對比

盡管上面結(jié)合附圖對本發(fā)明進行了描述，但是本發(fā)明并不局限于上述的具體實施方式，上述的具體實施方式僅僅是示意性的，而不是限制性的，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨的情況下，還可以做出很多變形，這些均屬于本發(fā)明的保護之內(nèi)。