Содержание к диссертации
Введение
1. Атмосферные осадки и методы их измерения 12
1.1 Краткие сведения о полях осадков и их характеристиках 12
1.1.1. Мезостуктурные особенности пеней осадков 14
1.1.2. Микроструктура осадков 18
1.2 Методы и средства измерения количества осадков на наземных станциях 28
1.2.1. Обычные осадкомеры 30
1.2.2. Суммарные осадкомеры 32
1.2.3. Плювиографы 36
1.2.4. Измерение высоты снежного покрова 41
1.3. Метеорологические радиолокационные станции, обеспечивающие наблюдение за атмосферными осадками 46
1.4. Теоретические основы радиолокационных методов идентификации зон осадков и определения их интенсивности 61
2. Математические методы цифровой обработки радиолокационных изображений 85
2.1. Общие принципы цифровой обработки радиолокационных изображениий 85
2.1.1. Автоматизированные методы сегментации радиолокационных изображении 88
2.1.2. Цифровая обработка контуров сегментов 93
2.1.3. "Скелетизация" - построение центральной линии объекта на радиолокационных изображениях 99
2.2 Малопараметрическое представление положения и формы зон осадков, полученных с помощью АМРК "МРЛ-5 - МЕТЕОЯЧЕЙКА" 119
2.2.1. Выделение контура зоны осадков на радиолокационных изображениях, полученных с помощью АМРК «Метеоячейка» 120
2.2.2. Методика малопараметрического представления положения и формы зон осадков 132
2.3. Математические и методические аспекты анализа и текущего прогноза эволюции зон осадков поданным АМРК "МРЛ-5- Метеоячейка" 145
2.3.1. Анализ и текущий прогноз эволюции зоны осадков на основе метода максимального совмещения площадей 145
2.3.2. Анализ и текущий прогноз эвоюции зоны осадков на основе малопараметрического представления его положения и формы 157
3. Апробация методов анализа и текущего прогнозирования эволюции зон осадков поданным радиолокационных наблюдений 166
3.1. Методика проведения численных экспериментов на ПЭВМ 166
3.2. Апробация методов анализа и текущего прогноза эволюции зон осадков 196
3.2.1. Метод максимального совмещения площадей 196
3.2.2. Метод "тяжести" 203
3.2.3. Метод центральной линии 204
Заключение 214
Список использованных источников 216
- Микроструктура осадков
- Автоматизированные методы сегментации радиолокационных изображении
- Анализ и текущий прогноз эволюции зоны осадков на основе метода максимального совмещения площадей
- Метод максимального совмещения площадей
Микроструктура осадков
При количественных измерениях осадков желательно получить сведения об общем количестве осадков, выпавших на заданную площадь и их распределение по этой площади. Радиолокационный метод даёт возможность получить информацию, осреднённую по времени, так и по площади. Как уже отмечалось, радиолокационный метод измерения основан на интерпретации отражённого от осадков эхосигнала.
Мощность радиолокационного сигнала, отражённого осадками (как это будет показано ниже), является сложной функцией от размеров, формы и концентрации капель в дожде ИНІ. При этом наиболее сильной оказывается зависимость от размеров капель: отражённый сигнал пропорционален шестой степени диаметра капель. Это приводит к то му, что сигнал создаётся наиболее крупными каплями дождя. Так как дождь состоит из капель различного размера, то, следовательно, необходимы экспериментальные данные о распределении капель по размерам в различных дождях. Сложность физических процессов, происходящих в облаках, позволяет говорить только об осреднённых спектрах. Причём осреднение производится по большому числу измерений, выполненных в разных осадках на разных стадиях его развития. При радиолокационных измерениях объёмы осреднения достигают 104 - 10б м3.
Микроструктура осадков, вообще говоря, весьма изменчивая характеристика, и любая эмпирическая формула даёт о ней лишь некоторое осреднённое представление. Качество же различных формул, найденных в тех или иных исследованиях, их точность и применимость нуждаются в подробном изучении / 15, 16 /.
Пользоваться полученными экспериментально функциями распределения частиц осадков при решении теоретических и прикладных задач неудобно. Поэтому при исследовании облаков и осадков всегда стремятся получить для функции распределения аналитическое выражение, в той или иной степени аппроксимирующей экспериментальные кривые распределения капелек по размерам. При этом, конечно, ценность предлагаемого аналитического выражения будет тем больше, чем к большему классу экспериментальных кривых оно будет применено. Это означает, что аналитическое выражение для функции распределения должно содержать достаточное число параметров, при изменении которых можно было бы охватить разнообразные экспериментальные случаи. Однако число параметров распределения не должно быть и очень велико. Хотя при большом числе параметров можно получить аппроксимацию очень широкого класса кривых распределения, однако увеличение числа параметров всегда усложняет нахождение численных значений параметров, при которых предлагаемое аналитическое выражение характеризует экспериментальную кривую. В то же самое время число параметров распределения не должно быть очень мало - обычно необходимо два параметра для того, чтобы можно было раздельно варьировать средний размер частиц и дисперсию распределения.
При различных расчётах наибольший интерес представляет распределение капель в какой-то сравнительно узкой области размеров. Например, интенсивность дождя в основном определяется каплями диаметром более 0,5-1 мм, радиолокационная отражаемость - каплями с диаметром 1-1,5 мм. Для осадков интенсивностью 1, 3 и 10 мм/час вклад капель с диаметром менее 1 мм в суммарную интенсивность составляет 25, 12 и 6 % соответственно, а в величину радиолокационной отражаемости 8, 4 и 2 % /чН/. С дру гой стороны, захват капель дождя различных примесей обусловлен в основном мелкими каплями. Поэтому судить о преимуществе той или иной функции следует с точки зрения как простоты, так и её пригодности для описания распределения в какой-либо заданной области размеров.
Первые исследования показали, что распределение капель по размерам в среднем по большому числу отдельных измерений может быть описано одновершинной кривой, имеющей максимум в области значений диаметров капель 0,5-1 мм (рис. 1.1.2).
Такой вид распределения капель по размерам может быть описан целым рядом кривых. Наибольшее распространение из них получило представление в виде экспоненциального распределения
Таким образом, известные к настоящему времени типы экспериментальных кривых можно достаточно хорошо аппроксимировать с помощью двух простых аналитических выражений вида (1.1.7) и (1.1.8). В работах некоторых исследователей приводятся спектры с двумя максимумами (двухвершинные распределения), а также явно выраженными "плато" (участки кривых со слабым убыванием концентрации капель с увеличением размеров). Однако в большинстве спектров оба максимума приходятся на интервал размеров капель менее 0,1 см, так что особенности в аппроксимации подобных кривых функциями (1.1.7) и (1.1.8) с точки радиолокации осадков не представляют интереса.
Участки кривых со слабым убыванием концентрации с увеличением размеров наблюдаются обычно в крупнокапельной части спектра. Подобные распределения удовлетворительно аппроксимируются формулой (1.1.7 ) при // -7.
Хотя значительные изменения в распределении капель по размерам являются правилом и они связаны с изменением физических условий в процессе падения капель до земли, влияние этих изменений в спектре зависит от задач, в которых эти распределения используются.
Единственное, что можно утверждать относительно спектра капель, с полной уверенностью - это то, что этот спектр изменяется во времени и пространстве в зависимости от типа облачности, из которой выпадают осадки.
Автоматизированные методы сегментации радиолокационных изображении
Сегментация изображения представляет собой разделение изображения на области по сходству свойств точек этих областей / 5 6, 56/. Наиболее часто сегментация основана на выделении контуров / 5&, 58, &2- о4, 6/ /. Выполнение процедур сегментации на радиолокационных изображениях позволяет автоматизировать процесс построения контуров зон осадков (с вводом в память ПЭВМ координат этих границ для последующего анализа, текущего прогноза их эволюции и прогноза связанных с ними явлений погоды), улучшить визуальное восприятие изображения при его интерактивном анализе. Кроме того, определенный интерес представляет применение рассмотренных ниже алгоритмов сегментации и для обработки контурных линий, носящих условный характер и первоначально не имеющихся на изображении. Это различного рода изолинии: атмосферные фронты, изобары, горизонтали рельефа, линии равной глубины водоемов и др. Такие контурные линии, нанесенные на снимок дешифровщиком на этапе предмашинной обработки в виде контура, могут быть введены в ПЭВМ различными способами: с помощью манипулятора "мышь", сканера и т.п. Решение задачи выделения контуров на изображениях важно и в приложении к задачам геологии, геоморфологии, тематического картографирования, почвоведения, гидрологии,экологии и др.
Рассмотрим ряд подходов к построению контуров на изображениях. В работе / 65". описан комплекс программ сегментации и классификации многоканальных изображений, ориентированный на обработку данных 5-канального радиометра AVHRR, установленного на спутниках серии NOAA (комплекс программ позволяет работать с изображениями, записанными как в специальном формате / 6В /, так и в стандартных форматах TIFF, GIF, BMP или просто с построчно записанными изображениями). Алгоритм сегментации построен на методе наращивания областей. Изображение, заданное массивом яркостей пикселей b(i,j, к), т. е. набором плоскостей, полученных в разных спектральных диапазонах, просматривается окном (апертурой) заданного размера. Если внутри окна разбросы яркостей по каждому из каналов (компоненты вектора среднеквадратического отклонения) не превышают заданных пороговых значений, то окно принимается за центр - ядро, вокруг которого начинает наращиваться сегмент. По ядру рассчитываются начальные характеристики сегмента: т - вектор средних яркостей; d- вектор среднеквадратичных отклонений. При этом к сегменту присоединяются пиксели, если выполняется условие
Для присоединения текущего пикселя к сегменту необходимо также, чтобы одна из соседних точек (слева, справа или внутрь к центру сегмента) уже была отнесена к сегменту. Просмотр точек ведется по раскручивающейся вокруг ядра спирали: сначала сверху вниз по лежащему справа столбцу, потом по нижней строке справа налево и т.д. Формирование сегмента прекращается, если на очередном витке спирали не обнаружено ни одного пикселя, относящегося к данному сегменту. При этом для каждого сегмента рассчитываются: площадь; вектор средних значений яркости; вектор среднеквадратических отклонений.
В результате выполнения процесса сегментации каждому пикселю изображения присваивается номер сегмента, к которому он отнесен. Проводя сегментацию, пользователь может варьировать как пороги среднеквадратических отклонений яркостей в различных каналах, так и размер начальных областей, на которых производится наращивание сегментов.
В работе / Gk I предложены общие принципы и качественное описание методики сегментации для случая недостаточно однородных объектов и разрывов границ. В работе / (52 / дан подробный анализ этой методики и описание реализующего ее алгоритма. В основе этого алгоритма лежит проверка замкнутости границы относительно диска определенного радиуса, который может перемещаться внутри области, не пересекая граничных элементов. Для этого введен параметр "глубины" I $Ц I, который для каждого элемента изображения определяет расстояние до ближайшего граничного элемента. Глубина показывает максимальный радиус диска с центром в данном элементе, который не пересекает границу. Бинарное изображение представляется в виде графа/:, в котором вершины соответствуют элементам изображения, а ребра располагаются между вершинами, соответствующими соседним элементам. Множество вершин графа Е обозначено через X. Расстоянием рху между вершинами х и у называется кратчайшая длина их соединяющая (цепь). Качественно понятие /-связности можно представить как обобщение простой связности в том плане, что требуется не просто наличие пути между заданными вершинами, а наличие пути для пробного объекта определенного размера, т. е. пути, обладающего шириной не меньше заданного значения "коридора". Соответственно /-компоненты - это области графа, "проходы" между которыми уже, чем 2/.
Величина G называется /-связным граничным множеством, если граф Е содержит несколько s-компонентов, s / + 1. При / = 0 получаем определение замкнутого граничного множества. Множество граничных вершин G является /-замкнутым только тогда, когда существует максимальная вершина/? с X, d(p) /.
Алгоритм сегментации реализуется следующим образом.
1. Вычисляются значения параметра глубины для всех вершин графа.
2. Выявляются все максимальные множества в Е, т. е. определяются положения потенциальных сегментов.
3. Осуществляется разделение Е на связные подграфы (сегменты) таким образом, чтобы в каждый сегмент входило только одно максимальное множество. Для этого каждую немаксимальную вершину нужно присоединить к тому максимальному множеству, с которым она связана по самому высокому уровню глубины и которое расположено ближе всего. Такая система позволяет так разбить граф Е, что все граничные элементы будут располагаться на границах сегментов, а в промежутках между граничными элементами граница сегментов будет практически прямой. Эти принципы реализуются следующим образом.
За. Каждое максимальное множество метится своей меткой. Далее переходят к анализу вершин глубины / = Т.
36. Просматриваются соседние вершины каждой непомеченной вершины глубины /, и ей присваивается первая обнаруженная метка. Если не осталось непомеченных вершин глубины t, то переходим к следующему шагу, иначе к началу подпункта Зо.
Зв. Если / = 0, то заканчивается выполнение пункта 3, иначе / = / - 1, и переходим к выполнению подпункта 3d.
Описанный алгоритм позволяет получить первичную сегментацию изображения. Он дает максимально возможное при данных граничных элементах число сегментов, которые /"-замкнуты хоть при каком-то значении /. В результате выделяются области с неоправданно большими разрывами в исходных границах и разделяются однородные области сложной формы. Условия, которым должна соответствовать окончательная сегментация (например, условия ограничения на размер и форму сегментов, их взаиморасположение), определяются конкретной задачей обработки изображения. Полученные сегменты можно характеризовать параметрами, описывающими собственно изображение внутри сегмента, например, средней яркостью, контрастом, показателем текстуры и т. д. Таким образом, последний этап алгоритма заключается в измерении всех заданных конкретной задачей показателей, сравнении их с введенными ограничениями и, в конечном итоге, в объединении сегментов, границы между которыми оказались недостаточно обоснованными.
Анализ и текущий прогноз эволюции зоны осадков на основе метода максимального совмещения площадей
Анализ эволюции зоны осадков. Это наиболее простой (с точки зрения его реализации на ПЭВМ) способ прогноза эволюции зон осадков с использованием радиолокационных данных. Этот метод, в частности, не требует установления взаимно однозначного соответствия между несколькими зонами осадков, одновременно находящимися в зоне обзора МРЛ.
При анализе эволюции зон осадков этот метод основывается на формальной аппроксимации временной «деформации» поля осадков, а при текущем прогнозе - на временной экстраполяции этого поля, т.е. экстраполяция наблюдаемого в данный момент поля осадков на будущее исходя из тех изменений, которые уже наметились в предшествующей эволюции этого поля/5, 45, 52, 5 6/.
Понятно, что метод формальной аппроксимации и экстраполяции можно применять только к тем объектам, для которых имеются сведения об их временной изменчивости, т.е. при наличии как минимум двух радиолокационных изображений, разделенных относительно небольшим промежутком времени. В этом случае расчет направления и скорости перемещения зон осадков может быть произведен на основе определения оптимального (с точки зрения максимума совпадения площади всех зон осадков, находящихся в поле зрения МРЛ) сдвига одного изображения относительно другого и последующего использования полученных характеристик для текущего прогноза.
Алгоритм расчета вектора перемещения полей осадков метода максимального совмещения площадей, используемый в данной работе, заключался в следующем: полученный с помощью AMP К "МРЛ-5 - Метеоячейка" файл с данными о метеорологических явлениях подвергался предварительной цифровой обработке, при которой с учетом представленной в табл. 2.2.1 кодировки создавался с помощью программ Mr/ bmp.pas и Bmpltxt.bas текстовый файл. содержащий матрицу А размерности 100 100, каждому элементу которой присваивался ноль (если в соответствующей ячейке нет осадков) или значение числового кода, пропорциональное интенсивности осадков в соответствующей ячейке; первое изображение смещалось по осям х и у на расстояния, не привышающие 40 км и находилось такое смещение Дх,я и Ау„, , при котором обеспечивалось наилучшее совпадение площадей, занятых осадками, во всей зоне наблюдения МРЛ (или его части в том случае, когда результаты смещения анализировались не во всей зоне обзора МРЛ, а только в определенной его части); по полученным значениям смещение Дхш и Аут вычислялись осреденные по всей зоне наблюдения МРЛ направление и (с учетом промежутка времени между двумя радиолокационными наблюдениями) скорость смещения зон осадков. Мерой совпадения двух радиолокационных изображений, содержащих поля осадков, являлся коэффициент корреляции г. который находился по следующей формуле
Для определения усредненных по площади .V скорости и направления перемещения зон осадков находится минимальное значение функции r(Ax, Ay At) на множестве допустимых векторов смещения (Ах, Ау). Значения Дх„,, Ау„:, определяющие vbybvev функции г(Ах, Ay, At), используются для вычисления осредненнон по площади S скорости перемещения. При расчете коэффициента г (Ах, Ay, At) с учетом конечномерного представления данных, полученных АМРК «MPJ1-5 - Метеоячейка», интегрирование в формуле (2.3.1) заменяется суммированием по соответствующим элементам (ячейкам размером 4x4 км"), матрицы А (в расчетах предполагалось, что сг,- = т, .,= 1)
Текущий прогноз эволюции зоны осадков. Прогностическое положение зон осадков определяется на основе полученных на этапе анализа значений /,,,, и к„, , а также интервала времени между двумя радиолокационными изображениями Д/ и величины заблаговременности прогноза Д . На основе указанных параметров прогностическое положение зон осадков задается элементами матрицы В размерности 100 100, которые вычисляются на основе элементов матрицы Л для момента времени ь по формуле
Полученная на основе соотношений (2.3.4) матрица В с помощью программы txtlbmp.bas может быть «переведена» в обычное изображение - графический файл с расширением Ьтр. Кроме того, меняя в формуле (2.3.4) значение Д., , можно получить серию последовательных во времени прогностических изображения положения зон осадков, а на их основе - создать «мультфильм».
Рис. 2.3.3а - рис. 2.3.3д иллюстрируют основные этапы работы рассмотренного алгоритма анализа и текущего прогноза перемещения зон осадков.
Программа, реализующая данный алгоритм, в процессе смещения одного изображения относительно другого вычисляет матрицу Л/Р, элементами которой являются коэффициенты / (формула (2.3.2)). характеризующий степень совмещения площадей, занятых осадками при различных смещениях одного поля относительно другого. Затем определяется минимальный коэффициент г совмещения площадей в матрице MP и его "координаты": (I, ./). Если минимальный коэффициент "заполняет" не один элемент, а некоторую область матрицы, то производится осреднение и определяются координаты центра этой области (/, ./).
Преобразование "координат" I и ./ в вектор смещения (Дл\ Лу) в километрах осуществляется по формулам: Ах = .ID, Л_ = ID. На его основе вычисляется значения Г и d.
Далее, в отличие от используемого в данной работе подхода, рассчитывается матрица Т размерностью 3x3. Эта матрица учитывает степень рассогласования двух полей: первого - полученного для момента времени !\ и смещенного с учетом "координат" I и./поля осадков и второго - реального поля осадков для момента времени І2. В частности, элемент матрицы Тц определяет количество квадратов 4x4 км", в которых совпадают прогностические и реальные зоны осадков; элемент Т!: - количество квадратов, в которых есть реальное положение зон осадков и нет прогностического, элемент T2i - количество квадратов, в которых нет реального поля осадков, но есть прогностическое; элемент /;; - количество квадратов, в которых нет ни прогностического, ни реального радиоэха.
В работе/ 93 I рассмотрена несколько другая схема определения скорости и направления перемещения зон осадков. Вычисление направлений движений зон осадков обеспечивается при использовании трех последовательных изображений, полученных с интервалом в полчаса. «Обрабатывается» центральный из трех изображений и проводятся исследования в каждом смежном изображении для согласования радиолокационной картины с помощью метода взаимной корреляции. Наблюдаемые пики на полученной таким образом поверхности корреляции проверяются на симметричность и, если допускается смещение пиков между двумя парами изображений, его принимают за направление горизонтального смещения зоны осадков. Однако такая процедура требует довольно больших затрат машинного времени для проведения расчета.
Метод максимального совмещения площадей
При проведении анализа эволюции зоны осадков на основе цифровой обработки серии радиолокационных изображений методом максимального совмещения площадей (так же, как и при использовании двух других методов) ставились следующие задачи:
- определение скорости и направления перемещения зоны осадков;
- построения поля суммарного количества выпавших осадков;
- определения продолжительности осадков в пункте с заданными координатами. Скорость и направление перемещения зоны осадков в каждой серии данных, состоящей из N радиолокационных изображений, рассчитывались последовательно по двум "соседним" изображениям (для моментов времени /, и /,-i соответственно V, и с/,, / = 1,2, ... , Л - 1).
Учет изменения конфигурации зоны осадков при построения поля суммарного количества выпавших осадков и при определения продолжительности осадков в пункте с заданными координатами в данном случае производился следующим образом. Для каждой пары радиолокационных изображений (для моментов времени /, и /, -1 ) для промежутка времени Д, (/, - і -(.,)/ 2 осуществлялось смещение со скоростью V, в направлении с/, зоны осадков, соответствующей времени /, , а для промежутка времени Д, (/, - і - /,) / 2 -"обратное" по направлению смещение зоны осадков, соответствующей времени 1, , \ . При этом происходило "скачкообразное" изменение конфигурации зоны осадков в момент-времени / = /, - (/,. + і - /,) / 2. Аналогичным образом реализовывалась анимация эволюции зоны осадков.
Суммарное поле осадков вычислялось на основе расчета суммарного времени наличия осадков в каждой ячейке, умноженного на интенсивность осадков в этой ячейке. Отдельно определялось время начала и конца осадков в ячейках, внутри которых находились пункты с заданными координатами, что позволяло вычислить продолжительности осадков в пунктах с заданными координатами.
Текущий прогноз эволюции зоны осадков производился путем смещения последнего изображения в зависимой серии данных, состоящей из N изображений, в направлении ds-s со скоростью V\--i. Данные прогноза сравнивались с фактическим положением зоны осадков из независимой серии, а также с инерционным прогнозом.
Рис. 3.2.1 на примере использования простейших модельных данных для зон осадков (только одна зона, имеющая прямоугольную форму) иллюстрирует схему проведения анализа и текущего прогноза. Модельные данные создавались с помощью программы "Shift v7", при этом предполагалось, что в размеры и форма зоны осадков за 0.5 ч не менялись, а сама зона движется строго на восток с постоянной скоростью 16 км/ч. Первые два фрагмента изображения на рис. 3.2.1а показывают "фактические" положения зоны осадков за два срока наблюдения, а третий - результат инерционного прогноза, наложенного на фактическое положения зоны осадков для прогнозируемого срока. Выделяющиеся здесь полосы показывают ошибку инерционного прогноза, которая составляет 12 км. На рис 3.2.16 первые два фрагмента изображения - это соответственно "фактическое " и прогностическое положения зон осадков, а третье показывает ошибку методического прогноза, которая в данном модельном случае равна нулю (цвет выделенной зоны осадков не меняется). На этом рисунке также указываются результаты анализа эволюции зоны осадков, полученные по двум изображениям в зависимой серии данных наблюдений: скорость перемещения V = 16 км/ч, направление перемещения d = 90 град
Рис. 3.2.2 и рис. 3.2.3 аналогичны рис. 3.2.1, иллюстрируют результаты анализа эволюции одной из выделенных на реальном радиолокационном изображении зоны осадков. Кроме того, на рис. 3.2.2а и рис. 3.2.3а приводятся графики функции г (см. ф-лу (2.3.2)), иллюстрирующее степень совпадения двух зон в зависимости от величины и направления смещения одной зоны относительно другой. Характерной особенностью этих данных является тот факт, что минимальная величина коэффициента г достигается не при одном (каком-то определенном) смещении, а при нескольких (на рис. 3.2.2а это смещения с порядковым номером 116. 117. и 118 при значении / = 2, а на рис. 3.2.3а - 22, 33, 44. 55, 66, 77 и 88 при / = 5). Вследствие этого скорость и направление смещения приходится определять путем осреднения всех «оптимальных» смещений. Для рис. 3.2.2а такими средними значениями являются Г= 41 км/ч и d = 169 град, для рис. 3.2.3а V- 44 км/ч и d = 80 град. При этом зона осадков сместилась соответственно на 21 км и 22 км.
На рис. 3.2.4 представлено выполненное с использованием программы "STAT1ST1CA" сопоставление средних значений критерия Е (ф-ла (3.3.1)) для методического (VARI) и инерционного (VAR2) прогнозов с заблаговременностью 0.5 ч. Из анализа этого графика следует, что интервалы стандартных ошибок оценки критерия Е (на графике соответствуют высоте «ящиков», внутри которых точками показаны сами средние значения критерия Е) не перекрываются и полученное улучшение прогноза по сравнению с инерционным значимо на уровне 0.05. Аналогичный вывод был получен и при анализе соответствующих графиков для заблаговременности прогноза 1 и 1.5 ч.
Анализ всей совокупности полученных в ходе проведения численных экспериментов данных с использованием метода максимального совмещения площадей показал следующее.
1. Метод чрезвычайно прост в реализации, не требует больших затрат машинного времени и может быть полностью автоматизирован, что не требует участия квалифицированного оператора при проведении анализа эволюции зон осадков на ПЭВМ.
2. При проведении анализа эволюции зон осадков данный метод может быть рекомендован к применению при дискретности проведения радиолокационных обзоров порядка 10-15 мин, что требует непрерывной работы MP Л в течение всего периода наблюдении за эволюцией зон осадков при их наличии в поле зрения радиолокационной станции.
3. Данный метод особенно эффективен при анализе эволюции малоподвижных зон осадков и в том случае, когда наблюдается мелкоячеистая структура зон осадков.
4 Метод дает хорошие результаты при текущем прогнозе эволюции зон осадков с заблаговременностью до 1.5 ч в том случае, если перед непосредственным его применением на серии радиолокационных изображений интерактивно устанавливается взаимно-однозначное соответствие между имеющимися на каждом изображении зонами осадков, затем осуществляется выделении каждой такой зоны в отдельное изображение и уже по ним производится анализ и текущий прогноз.
5. Недостатком данного метода является осреднение характеристик эволюции зон осадков по всей зоне обзора MPЛ, а также неоднозначность определения скорости и направления перемещения зон осадков. Последнее связано с тем, что минимум коэффициента / может достигаться при различных комбинациях смещения одного изображения относительно другого. Кроме того, использование этого метода для анимации эволюции зон осадков приводит к скачкообразному изменению положения и формы зон осадков, что значительно ухудшает зрительное восприятие динамики. Не целесообразно его использование при обработке данных (например, архивных), полученных с большой дискретностью по времени. В этом случае из-за ограниченности срока "жизни" зон осадков (особенно, мелкоячеистых) теряется связь между одной и той же зоной осадков на разных изображения.
Похожие диссертации на Разработка методов анализа и текущего прогнозирования эволюции зон осадков по данным МРЛ
