CN115617820A 位置相关的雷达定量降水估测的深度学习数据集制作方法 （广东省气象公共服务中心(广东气象影视宣传中心)）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN115617820A(43)申请公布日2023.01.17

(21)申请号202211631413.0

(22)申请日2022.12.19

G01S13/95(2006.01)

G01W1/14(2006.01)

G01W1/10(2006.01)

(71)申请人广东省气象公共服务中心(广东气

象影视宣传中心)

地址510000广东省广州市越秀区福今路6

号

(72)发明人张永华朱平郑延庆沈平

(74)专利代理机构佛山市神机营专利代理事务所(普通合伙)44765

专利代理师许尤庆

(51)Int.CI.

GO6F16/22(2019.01)

GO6N3/04(2006.01)

GO6F16/215(2019.01)

GO1S7/41(2006.01)

权利要求书3页说明书11页附图5页

(54)发明名称

位置相关的雷达定量降水估测的深度学习数据集制作方法

(57)摘要

CN115617820A本发明公开了一种位置相关的雷达定量降水估测的深度学习数据集制作方法，包括步骤：S1、通过计算得到雷达特定仰角的波束在气象站上空的观测高度及气象站位置的DEM高度最大值，从而确定每个气象站对应雷达观测的最低层不遮挡仰角的仰角序号，结合气象站及雷达的相关数据，得到雷达标定观测范围内的所有气象站包含最低层不遮挡仰角信息的混合扫描策略查找表；S2、调用得到的混合扫描策略查找表中的每一条记录，根据记录内容生成记录对应的所有气象站的位置相关的定量降水估测数据样本，完成构建位置相关的定量降水估测深度学习数据集。本发明为开发位置相关的深度学习降水估测算法提供了数据支撑，有效提高了雷达定量降水估测水

CN115617820A

建立包含最低层不遮挡仰角信息的混合扫描策略查找表

构建位置相关的定量降水估测深度学习数据集

S1

S2

CN115617820A权利要求书1/3页

2

1.一种位置相关的雷达定量降水估测的深度学习数据集制作方法，其特征在于，其包括以下步骤：

S1、建立包含最低层不遮挡仰角信息的混合扫描策略查找表；

S2、构建位置相关的定量降水估测深度学习数据集。

2.根据权利要求1所述的位置相关的雷达定量降水估测的深度学习数据集制作方法，其特征在于，所述步骤S1建立包含最低层不遮挡仰角信息的混合扫描策略查找表，具体为：

S11、获取雷达标定观测范围内的全部M个气象站的相关信息及全部DEM数据；

所述相关信息至少包括气象站站号、气象站与雷达距离及气象站方位角；

S12、令n=1,其中，n为正整数；

S13、确定第n个气象站对应雷达观测的最低层不遮挡仰角的仰角序号，并计算得到所述仰角序号对应的雷达仰角的波束在气象站上空的观测高度及气象站位置的DEM高度最大值；

S14、将第n个气象站的所述气象站站号、所述气象站与雷达距离、所述气象站方位角、所述仰角序号、所述仰角序号对应的雷达仰角的波束在气象站上空的观测高度及所述气象站位置的DEM高度最大值作为该气象站的记录数据写入所述混合扫描策略查找表；

S15、令n=n+1,判断n≤M是否成立，是则重复执行步骤S13至步骤S15,否则执行步骤S16;

S16、得到所述M个气象站数据的混合扫描策略查找表，混合扫描策略查找表中包含最低层不遮挡仰角信息。

3.根据权利要求2所述的位置相关的雷达定量降水估测的深度学习数据集制作方法，其特征在于，所述步骤S13确定第n个气象站对应雷达观测的最低层不遮挡仰角的仰角序号，并计算得到所述仰角序号对应的雷达仰角的波束在气象站上空的观测高度及气象站位置的DEM高度最大值，具体为：

S131、令j=0,其中，j为大于等于0的整数；

S132、计算第n个气象站上方的序号为j的仰角的雷达波束观测高度Hbeam;Hbeam=Hant+Hele(1)

(2)

L=Rresoluton×Rindex(3)

其中，Hant为雷达天线海拔高度，He?