一种基于雷达产品数据的闪电落区识别方法及系统

本发明属于大气科学，具体为一种基于雷达产品数据的闪电落区识别方法及系统。

背景技术：

1、闪电是一种复杂的大气物理现象，它是在带电荷的云层内部、云层之间，或云层与地面之间发生的一种瞬时放电现象。这种放电过程具有高电流、高电压和强电磁辐射等显著特征。闪电不仅具有强烈的光和声效果，还会产生大量的热量和电能。当闪电击中地面或物体时，可能会引发火灾、损坏建筑物或电子设备，甚至对生命安全造成威胁。

2、进行闪电落区的研究具有重大意义。然而目前对闪电的研究主要依赖于闪电定位数据和探空数据的综合分析，通过分析雷达回波强度、回波顶高及垂直累积液态水含量的时空特征，探索雷暴云内的动力和微物理过程，研究闪电的形成机制；或者使用数值模拟的方法对闪电落区进行模拟分析，识别效果往往差强人意。

3、在目标检测领域，目前大部分的研究集中在对图像中有形的物体进行检测，然而在雷达图像中检测闪电落区的研究基本处于空白。近年来，深度学习的发展使计算机视觉领域取得了巨大成功，把闪电落区检测问题转化成目标检测问题，借助深度学习的方法使在雷达图上进行闪电落区检测已成为可能。

4、雷达是重要的气象探测数据，能够快速实时探测出强对流云团的发生发展过程，闪电作为强对流天气过程的伴随产物，其很多特性能够被雷达数据所捕捉，能够为闪电的预测预警提供重要支持，然而目前基于雷达数据进行闪电落区的识别检测研究目前还处于空白。

技术实现思路

1、发明目的：为填补目前基于雷达产品数据对于闪电落区检测的空白，本发明提出了一种基于雷达产品数据的闪电落区识别方法及系统，为气象雷击灾害的减灾防灾提供新的依据和方法支撑。

2、技术方案：一种基于雷达产品数据的闪电落区识别方法，包括以下步骤：

3、步骤1：获取发生闪电活动时的组合反射率数据、云顶高度数据和垂直积分液态水含量数据；

4、步骤2：基于组合反射率数据、云顶高度数据和垂直积分液态水含量数据，分别生成相应的灰度图像，将三种灰度图像作为三个波段进行融合，得到一多波段图像；

5、步骤3：将多波段图像输入至闪电落区识别模型中，得到闪电落区识别图，所述闪电落区识别图包括框出闪电落区的边界框；

6、其中，所述闪电落区识别模型按照以下步骤得到：

7、获取历史闪电定位数据，所述历史闪电定位数据包括历史闪电活动时，闪电落区的经纬度信息；

8、获取发生闪电活动时的历史组合反射率数据、历史云顶高度和历史垂直积分液态水含量数据；将历史组合反射率数据、历史云顶高度和历史垂直积分液态水含量数据分别生成相应的灰度图像，再将三种图像分别作为三个波段进行融合，融合得到多波段图像；

9、利用历史闪电定位数据，对多波段图像上的闪电落区进行标注，并划分成训练数据集和测试数据集，以此构建voc-lting数据集；

10、采用训练数据集对faster r-cnn模型进行训练，得到训练好的faster r-cnn模型；

11、采用测试数据集对训练好的faster r-cnn模型进行精度评估，得到闪电落区识别模型。

12、进一步的，所述历史闪电定位数据按照以下步骤获取：

13、获取每一次历史闪电活动时闪电落区的经纬度信息，构成初始历史闪电定位数据；

14、将初始历史闪电定位数据转化成二元栅格数据；

15、从二元栅格数据中剔除干扰数据，得到历史闪电定位数据；

16、所述干扰数据包括：

17、对于任意一二元栅格数据，若其为孤立数据，则判定为干扰数据；所述孤立数据为对于任意一二元栅格数据，与其他二元栅格数据的距离均超过了设定距离的二元栅格数据；

18、对于任意一二元栅格数据，若所在位置雷达组合反射小于15，则判定为干扰数据。

19、进一步的，所述利用历史闪电定位数据，对多波段图像上的闪电落区进行标注，具体包括：

20、基于历史闪电定位数据，在多波段图像上确定初始闪电落区位置；

21、初始闪电落区位置周围各扩大设定范围，将其作为最终闪电落区位置；

22、设置先验框对最终闪电落区位置进行标注。

23、进一步的，所述faster r-cnn模型为具备有特征金字塔结构的faster r-cnn模型。

24、进一步的，所述采用测试数据集对训练好的faster r-cnn模型进行精度评估，具体包括：

25、采用四个评价指标、、、对faster r-cnn模型的识别精度进行评估，表示为：（1）

26、（2）

27、（3）

28、（4）

29、式中，表示被正确识别的正例，表示被正确识别的反例，表示被错误识别的正例，表示被错误识别的反例。

30、本发明公开了一种基于雷达产品数据的闪电落区识别系统，包括：

31、雷达产品数据融合模块，用于获取发生闪电活动时的组合反射率数据、云顶高度数据和垂直积分液态水含量数据；基于组合反射率数据、云顶高度数据和垂直积分液态水含量数据，分别生成相应的灰度图像，将三种灰度图像作为三个波段进行融合，得到一多波段图像；

32、闪电落区检测模块，用于将多波段图像输入至闪电落区识别模型中，得到闪电落区识别图，所述闪电落区识别图包括框出闪电落区的边界框；

33、其中，所述闪电落区识别模型按照以下步骤得到：

34、获取历史闪电定位数据，所述历史闪电定位数据包括历史闪电活动时，闪电落区的经纬度信息；

35、获取发生闪电活动时的历史组合反射率数据、历史云顶高度和历史垂直积分液态水含量数据；将历史组合反射率数据、历史云顶高度和历史垂直积分液态水含量数据分别生成相应的灰度图像，再将三种图像分别作为三个波段进行融合，融合得到多波段图像；

36、利用历史闪电定位数据，对多波段图像上的闪电落区进行标注，并划分成训练数据集和测试数据集，以此构建voc-lting数据集；

37、采用训练数据集对faster r-cnn模型进行训练，得到训练好的faster r-cnn模型；

38、采用测试数据集对训练好的faster r-cnn模型进行精度评估，得到闪电落区识别模型。

39、进一步的，所述历史闪电定位数据按照以下步骤获取：

40、获取每一次历史闪电活动时闪电落区的经纬度信息，构成初始历史闪电定位数据；

41、将初始历史闪电定位数据转化成二元栅格数据；

42、从二元栅格数据中剔除干扰数据，得到历史闪电定位数据；

43、所述干扰数据包括：

44、对于任意一二元栅格数据，若其为孤立数据，则判定为干扰数据；所述孤立数据为对于任意一二元栅格数据，与其他二元栅格数据的距离均超过了设定距离的二元栅格数据；

45、对于任意一二元栅格数据，若所在位置雷达组合反射小于15，则判定为干扰数据。

46、进一步的，所述利用历史闪电定位数据，对多波段图像上的闪电落区进行标注，具体包括：

47、基于历史闪电定位数据，在多波段图像上确定初始闪电落区位置；

48、初始闪电落区位置周围各扩大设定范围，将其作为最终闪电落区位置；

49、设置先验框对最终闪电落区位置进行标注。

50、进一步的，所述faster r-cnn模型为具备有特征金字塔结构的faster r-cnn模型。

51、进一步的，所述采用测试数据集对训练好的faster r-cnn模型进行精度评估，具体包括：

52、采用四个评价指标、、、对faster r-cnn模型的识别精度进行评估，表示为：（1）

53、（2）

54、（3）

55、（4）

56、式中，表示被正确识别的正例，表示被正确识别的反例，表示被错误识别的正例，表示被错误识别的反例。

57、有益效果：本发明与现有技术相比，具有以下优点：

58、（1）本发明方法通过构建voc-lting数据集，并结合深度学习方法，能够自主学习数据中的空间规律，有助于进一步解决闪电落区问题；

59、（2）本发明方法能够快速且精细地为气象灾害的减灾和防灾提供有效的决策支持，产生良好的社会和经济效益；

60、（3）本发明方法为气象雷击灾害的减灾和防灾提供了新的依据和方法。