科研解讀 | X波段雙偏振雷達在火災探測中的應用

長按二維碼,歡迎你們web

 加羣·轉載·投稿vim


文章來源 | 公衆號投稿微信

做者 | shalimyy(中國地質大學在讀博士)網絡

交流 | shalimyy@163.com 、Catherine.lee@starinnov.comapp

Richard Ney & Erwan Bouar機器學習

(Novimet, France)編輯器

該文檔僅用於學術研究,嚴謹任何形式的商業推廣
更多技術交流請聯繫: shalimyy@163.com


本文主要爲X波段天氣雷達在火災範圍探測中的應用提供參考,並討論了雙極化技術在火災探測中的貢獻。
函數

與火有關的三種現象:學習


  • 火自己flex

  • 煙羽(smoke plume)

  • 碎片羽(debris plume)


煙羽是由煙霧氣溶膠粒子 (直徑~ 1 - 10µm)組成,天氣雷達(S波段,C或X波段)沒法檢測到上述直徑大小的氣溶膠顆粒。碎片羽主要由燃燒殘骸組成,灰燼微粒直徑爲100µm- 10mm,容易被天氣雷達探測到。


換句話說,當說起用天氣雷達探測火災時,實際指的是探測碎片羽的信號。


圖1爲摘自Christopher和Jones (2010)的一系列反射率圖(經緯度網格)。美國國家海洋和大氣管理局(NOAA)管理的四個單極S波段WSR-88D天氣雷達網(黑色圓圈)觀測到的,發生於不一樣地點(標記爲F1到F4)的草原火災。經過加強的反射率,碎片羽流清晰可見,反射率從+5 dBZ延伸到+30 dBZ(見圖2)。



圖1:摘自Jones和Christopher (2010)圖3. (a)–(f)爲2009年4月9日19:00-23:30 UTC WSR-88D的反射率數據(dBZ)(來自KDYX,KFDR,KFWS和KTLX四個雷達站),各雷達站的位置已在(a)中用黑色圓點標註。雷達數據高度約1m,水平分辨率爲1km。經反射率放大後,碎片羽結構清晰可見,部分碎片羽流長度可達100Km。在KFWS以及KTLX雷達站附近可探測到幹線以及幹線的東移。各圖中疊加的紅色菱形爲圖示時間±30分鐘內,對每一個碎片羽進行 「風暴單元」(SCIT)檢測。

 

圖2:摘自Jones和Christopher (2010)圖6,19:30 UTC在31°至34.5°N之間的KDYX、KFDR、KFWS和KTLX雷達反射率數據橫截面圖(從左至右),分別對應來自F一、F2和F3的三個碎片羽。紅點表示每次火災從SCIT探測到的碎片羽流,做爲每次探測的噴射高度的函數。


Roger和 Brown(1997)經過兩個雷達觀測資料研究了一個蒙特利爾郊區(加拿大)的工業火災,這兩個雷達分別爲:X波段(λ~3 cm)垂直指向雷達(VPR)和超高頻雷達(UHF)(λ~33釐米)。UHF波段羽流的反射率係數比X波段高20—30dB(見圖3),這多是由如下兩個因素形成的:


  • 羽流中存在直徑約爲10毫米的粒子,這些粒子太大,不知足X波段的瑞利散射近似;

  • 火災產生的加熱和湍流混合致使了較高的折射率,並在超高頻波段產生強烈的回波。


做者對第二點作出評價:若是上述湍流效應在X波段沒法單獨觀測到,那麼只要有灰燼示蹤物存在,就有可能顯示加強的多普勒譜寬值。 



圖3:摘自Roger和Brown(1997)圖6. 1800 m高度,45min觀測時間內測得的UHF反射率因子與X波段反射率因子的對比散點圖。圖中還繪製了兩個雷達在10小時後的小雨中測量到的反射率。雨點位於一條斜率爲1的直線附近,說明兩個波長的反射率因子相同,與瑞利散射一致。煙點位於該線之上,代表UHF波段的反射率因子大於X波段。

 

圖4:摘自Banta等(1992)圖4。1988年9月10日,16:32 UTC雷達觀測到 「Left Hand Canyon」(左手峽谷)火災噴出的煙柱。觀測來自2°仰角的水平扇形掃描。距離圈爲10千米,方位間隔爲30°。上圖:多普勒風速圖;接近雷達的速度爲負。沿羽流中心線的風速較輕,而邊緣的風速則較強。下圖:雷達反射率(dBZ)。


Banta等人(1992)使用具備極化功能的X波段雷達數據研究了兩次森林火災的煙霧柱。雷達可追蹤到30千米範圍內的碎片羽流(見圖4)。圓退極化比測量代表粒子具備很強的去極化性,表示從側向觀察到的針狀或薄片狀的顆粒。

在羽流源附近,由灰燼和部分燃燒碎片組成的顆粒被大火加熱產生的巨大浮力拋到大氣中。羽流源附近的信號強度比距離28km處的最小探測信號高約20dB。


在羽流內部,反射率值在+10到+20dBZ之間。Jones等人觀察到一場公寓火災產生的羽流,該火災距離其C波段雙偏振雷達ARMOR 5千米(見圖5和圖6)。在將近一小時內,雷達能夠看到碎片羽結構。


圖7總結了觀測到的碎片羽流特徵與晴空邊界層渦旋特徵的區別。注意,因爲信號太弱(反射率很弱)接近噪聲水平,所以認爲提升了圖5和圖7中晴空的ZDR值是。事實上,乾淨的空氣對偏振不敏感,ZDR應該在0dB左右。


據做者講訴,公寓火災的偏振特性與觀察到的草地火災很是類似。碎片羽流和其餘大氣現象之間的區別顯而易見。在這兩種狀況下(公寓火災和草地火災),碎片羽流的特徵以下:

  • 反射率適中(10至20dBZ);

  • 低同極相關性(<0.5);

  • ZDR始終爲正;

  • 差分相域,不一樣於其餘大氣現象。


碎片羽還有以下特徵:

  • 加強的ZDR紋理

  • 加強的差分相位紋理

其餘火災案例顯示,偏振雷達一樣可觀測到上述特徵(圖8爲佛羅里達S波段WSR-88D雷達)。

 

圖5:摘自 Jones等人(2009)圖1。2008年3月3日19:30 UTC位於HSV的ARMOR雷達在0.7八、1.38和2.08的仰角掃描,(a)–(c)爲反射率Z(dBZ),(d)–(f)爲差分反射率ZDR(dB)。背景圖中的距離圈間隔爲5千米,紅點表示公寓的位置。火、對流卷以及雲的特徵在圖上標註。



 

圖6:摘自Jones等(2009)圖4。同圖5,但(a)-(c)爲rhv,(d)-(f)爲ΦDP。需注意,與煙羽數據相關的rhv遠低於西北部的雲特徵


圖7:摘自Jones等(2009)圖2。(a)Z,(b)ZDR,(c)rhv以及(d)ΦDP直方圖,用於與火災和碎片羽相關的ARMOR數據(黑色)以及與邊界層對流渦旋相關的數據(灰色)。

 

圖8:摘自Luchs和Pendergrast(2013)圖1。KJAX於2012年4月6日19:46 UTC的觀測圖.從左上方起順時針分別爲:反射率,差分反射率,回波頂部以及相關係數。


結論與總結


天氣雷達(S波段,C或X波段)沒法探測到煙羽流中的粒子,但能夠探測到火災中的碎片羽(由100µm和10mm的粒子組成)。碎片羽中的顆粒表現出很強的去極化特徵,表示側向觀測時呈針狀或薄片狀顆粒。X波段雷達對碎片羽流的探測至少能夠達30千米。與之相關的反射率值爲10到20 dBZ。


在火源附近,碎片羽流湍急特徵明顯。所以,譜寬極可能比周圍的大氣現象要大。粒子受到湍流的隨機擾動,產生強的去極化後向散射信號。從本彙編中能夠推導出識別火災的五種隸屬特徵:

  • 反射率因子0-20dBz (x波段);

  • 多普勒譜寬;

  • ZDR紋理;

  • ΦDP紋理;

  • ΦDP均值,與周圍環境造成對比。


參考文獻

 

  • Banta R. M., L. D. Olivier, E. T. Holloway, R. A. Kropfli, B. W. Bartram, R. E. Cupp, andM. J. Post (1992): Smoke-column observations from two forest fires using Doppler Lidar and Doppler radar. J. Appl. Meteor., 31, 1328-1349.


  • Jones T. A. and S. A. Christopher (2010): Satellite and radar remote sensing of southern plains grass fires: A case study. J. Appl. Meteor. Climatol., 49, 2133-2146.


  • Jones T. A., S. A. Christopher, and W. Petersen (2009): Dual-Polarization Radar Characteristics of an Apartment Fire.J. Atmos. Oceanic Technol.,26, 2257–2269.


  • Luchs S. and J. Pendergrast (2013): Using dual polarimetric radar to assess prescribed and wildland fire intensity in Florida. Extended abstract of the 17th Conf. on IOAS-AOLS, Poster 233. Austin (TX), USA, Jan 05-10 2013.


  • Rogers R. R. and W. O. J. Brown (1997): Radar observations of a major industrial fire. Bull. Amer. Meteror. Soc., 78, 803-814.




往期推薦

 如何使用R繪製3D地圖達到「權力遊戲」片頭的恢弘氣勢?

★ 機器學習簡介及在短臨天氣預警中的應用

★ AMS推薦|氣象學家-海洋學家的Python教程

 大氣科學經常使用的Python庫一覽

★ Nature(2019)-地球系統科學領域的深度學習及其理解

★ 交叉新趨勢|採用神經網絡與深度學習來預報降水、溫度等案例(附代碼/數據/文獻)





     氣象學家公衆號

   (Meteorologist 2019)

       歡迎轉載加羣投稿

    WeChat ID gavin7675
Emailzhpfu.atm@gmail.com

本文分享自微信公衆號 - 氣象學家(Meteorologist2019)。
若有侵權,請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」,歡迎正在閱讀的你也加入,一塊兒分享。

相關文章
相關標籤/搜索