本申请属于气象预报技术领域，特别涉及一种基于双偏振雷达的灾害天气识别预警系统及方法。
背景技术：
雷雨大风、短时强风、冰雹、龙卷风等灾害性天气具有空间尺度小、生命史短、突发性强、破坏力大等特点，导致的人员伤亡、建筑物毁损等经济损失近年来呈现越发严重态势，随着人口增加和经济增长以及网络的发达，强对流天气事件日益引起民众的关注。近年来，气象部门完善了气象综合探测系统、预报预警系统等现代天气业务体系建设，完善了中尺度气象观测站网，提供了高时空分辨率的地面自动站、多普勒天气雷达、闪电定位、风廓线等观测资料，为预报员在临近天气预报、预警，特别是为短时强降水、雷暴、雷雨大风等强对流天气的临近预报和预警提供了参考；先后引进和本地化了多个国内外先进的短时临近预报系统，并在此基础上集成开发了临近预报决策支持平台(ponds)，有效的提高短时临近的预报能力，在重大活动保障中发挥了重要的作用。通过气象业务系统建设，也暴露出一些问题：
(1)目前针对短时强降水、雷暴大风、冰雹、龙卷等强对流天气的临近监测、预报、预警技术都是基于多普勒气象雷达。多普勒雷达在地物杂波抑制、粒子的相态、形状识别等方面存在较大困难，因此定量估测降水的精度低，预报员需要人为判断灾害天气的类型，不能够完全满足精细化预报和短时临近预报的要求。
(2)随着经济社会的快速发展，个性化、智能化的恶劣天气灾害提醒服务和推送服务成为社会和公众的迫切需要。社会各行业对气象保障服务的需求越来越精细化专业化；对雷雨大风、短时强风、冰雹、龙卷风等灾害性天气的分灾种的预报预警需求越来越高，现有的单偏振雷达天气雷达，对强对流天气分类预报预警的精细化服务能力仍不能满足政府和市民的要求，很难有效地防止或减少灾害造成的损失。
(3)传统的灾害天气预报是靠预报员根据色标、图像、移动速度等人为判断灾害天气的影响结论，时效性差，且人为的主观因素会做出不同的判断，从而影响预报服务的权威性和一致性。临近预报决策支持平台(ponds)的集约化程度还需进一步加强，识别与报警功能也有待进一步改进。
技术实现要素：
本申请提供了一种基于双偏振雷达的灾害天气识别预警系统及方法，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题，本申请提供了如下技术方案：
一种基于双偏振雷达的灾害天气识别预警系统，包括：
冰雹自动识别模块：用于分析双偏振雷达水平极化反射率因子、差分反射率因子、比差分位相、相关系数雷达识别指标与降水及其类别的关联关系，形成单要素识别阈值及其识别方法，在单要素识别阈值及其识别方法的基础上，构建基于模糊逻辑法应用双线偏振雷达观测材料树立的辨认形式，识别液态降水和固态降水；
中气旋自动识别模块：用于根据中气旋的技术特征及雷达探测特征建立中气旋识别算法，并基于中气旋识别算法进行中气旋的自动识别；
飑线识别模块：用于基于历史飑线过程，利用卫星及雷达观测数据，分析影响飑线灾害天气的生成、发展、演变规律，建立飑线识别算法并改进，根据改进后的飑线识别算法进行飑线的识别及产品生成；
灾害天气综合展示预警模块：用于构建灾害天气综合展示预警，对多普勒雷达产品及雷暴识别追踪产品进行综合显示和预警提示。
本申请实施例采取的技术方案还包括双边滤波模块，所述双边滤波模块用于建立双偏振雷达数据解析算法和程序，并建立雷达基数据质量控制的双边滤波算法，对雷达基数据质量进行控制。
本申请实施例采取的技术方案还包括：所述冰雹自动识别模块的冰雹识别方法包括基于反射率因子的冰雹区识别法、基于液态水因子的冰雹区识别法、基于差分传播相移系数因子的冰雹区辅助识别法和模糊逻辑识别法。
本申请实施例采取的技术方案还包括：所述模糊逻辑识别法具体为：根据模糊逻辑原理，对水平反射率因子zh、差分反射率因子zdr、相关系数ρhv3个雷达识别指标进行模糊化处理，计算得到雷达识别指标介于0～1取值范围的模糊逻辑隶属函数，每个雷达识别指标分别有对应的阈值下限和阈值上限，当雷达识别指标低于阈值下限时，对应的模糊逻辑隶属函数为0；当雷达识别指标高于阈值上限时，对应的模糊逻辑隶属函数为1；当雷达识别指标介于阈值下限和阈值上限之间时，对应的模糊逻辑隶属函数按线性插值计算；模糊化以后，使用规则基进行if-then规则推断，然后采用集成的方法进行集成，并将集成的结果转化成单一的降水粒子类型。
本申请实施例采取的技术方案还包括：所述中气旋自动识别模块根据中气旋的技术特征及雷达探测特征建立中气旋识别算法，并基于中气旋识别算法进行中气旋的自动识别具体为：基于浸水模拟改进算法进行中气旋识别；所述浸水模拟改进算法具体为：令hmin和hmax分别表示图像i的最小和最大灰度，在浸没过程中，假设浸没高度h以单灰阶增加：
(1)选择一个大于hmin的相对低灰度h开始浸没：用连通区域标记法在h高度下求连通区集合c[h]；
(2)在高度h+1下求连通区集合c[h+1]，假设d是c[h+1]中的一个连通区，则存在3种可能：
①d∩c[h]为空；
②d∩c[h]含有c[h]的一个连通区d；
③d∩c[h]含有c[h]的一个以上连通区；
对于上述3种可能的处理：
①表示浸没高度的增加产生了新的集水盆，需标记新集水盆；
②表示d和它所对应包含的h高度下的连通区属于同一个集水盆域，则判断d的区域属性，若d的区域属性符合要求，则保留d并继续高度h+2的浸没，若d的区域属性不符合要求，则此集水盆域保留h高度下的集水盆d，并标记对应区域不再进行后续的浸没；
③表示d包含h高度下的多个连通区对应的集水盆，则判断d的区域属性，若d的区域属性符合要求，则保留d并继续高度h+2步骤的浸没，若不符合，则此集水盆域保留h高度下的各个集水盆，并标记对应区域不再进行后续的浸没；
(3)高度h+2下求连通区集合c[h+1]，直至h＝hmax。
本申请实施例采取的技术方案还包括：所述飑线识别模块基于历史飑线过程，利用卫星及雷达观测数据，分析影响飑线灾害天气的生成、发展、演变规律，建立飑线识别算法并改进，根据改进后的飑线识别算法进行飑线的识别及产品生成具体包括：从雷达反射率产品识别飑线、从径向速度产品上预报大风、从速度谱宽产品预报风区、用vad反演水平缝的垂直廓线产品判断飑线强度、用垂直总含水量产品确定大风落区。
本申请实施例采取的技术方案还包括：所述飑线识别模块还包括飑线个例库模块，所述飑线个例库模块用于收集整理飑线天气个例，将飑线天气个例的发生时段、对应的卫星云图和雷达图资料收集起来，并以目录形式分类保存和入库。
本申请实施例采取的技术方案还包括：所述灾害天气综合展示预警模块基于html5技术架构，采用webgis技术构建，所述灾害天气综合展示预警模块包括动画显示模式和单帧显示模式，并支持放大、缩小、平移功能，以及基于时间指标支持历史产品的检索查看回放功能。
本申请实施例采取的技术方案还包括：所述灾害天气综合展示预警模块包括：多普勒雷达反射率拼图产品显示子模块、反射率拼图外推产品及估测降水产品显示子模块、雷达组合反射率产品显示子模块、雷达径向速度产品显示子模块、雷达回波顶高产品显示子模块、垂直液态水含量产品显示子模块、雷达风场产品显示子模块、雷达剖面图产品显示子模块、雷达飑线识别产品显示子模块。
本申请实施例采取的另一技术方案为：一种基于双偏振雷达的灾害天气识别预警方法，包括以下步骤：
步骤a：建立双偏振雷达数据解析算法和程序，并建立雷达基数据质量控制的双边滤波算法，对雷达基数据质量进行控制；
步骤b：分析双偏振雷达水平极化反射率因子、差分反射率因子、比差分位相、相关系数雷达识别指标与降水及其类别的关联关系，形成单要素识别阈值及其识别方法，在单要素识别阈值及其识别方法的基础上，构建基于模糊逻辑法应用双线偏振雷达观测材料树立的辨认形式，识别液态降水和固态降水；
步骤c：根据中气旋的技术特征及雷达探测特征建立中气旋识别算法，并基于中气旋识别算法进行中气旋的自动识别；
步骤d：基于历史飑线过程，利用卫星及雷达观测数据，分析影响飑线灾害天气的生成、发展、演变规律，建立飑线识别算法并改进，根据改进后的飑线识别算法进行飑线的识别及产品生成；
步骤e：构建灾害天气综合展示预警，对多普勒雷达产品及雷暴识别追踪产品进行综合显示和预警提示。
相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的基于双偏振雷达的灾害天气识别预警系统及方法建立基于双偏振雷达的灾害天气自动识别预警方法，应用双偏振雷达资料建立不同灾害天气的识别模型，研究不同灾种的强对流天气的气象判别条件，研发分灾种强对流天气自动识别业务系统，实现对不同灾种强对流天气的监测和跟踪，并及时根据灾害天气识别的结果，及时加工成各种气象服务产品，以满足社会精细化、智能化的气象服务需求。本申请可实现雷雨大风、短时强风、冰雹、龙卷风等灾害性天气的自动识别，准确率高、识别效率快、预警速度快，对于冰雹等灾害天气的预警提前时间由0提升到10分钟。
附图说明
图1是本申请实施例的基于双偏振雷达的灾害天气识别预警系统的结构示意图；
图2为中气旋的兰金组合示意图；
图3(a)和图3(b)分别是相同区域的径向速度和反射率因子彩色图像的部分截图；
图4为沿径向的50/45/40/35及30dbz阈值风暴段的识别示意图；
图5为多普勒雷达子系统效果图；
图6是本申请实施例的基于双偏振雷达的灾害天气识别预警方法的流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
请参阅图1，是本申请实施例的基于双偏振雷达的灾害天气识别预警系统的结构示意图。本申请实施例的基于双偏振雷达的灾害天气识别预警系统包括双边滤波模块、冰雹自动识别模块、中气旋自动识别模块、飑线识别模块和灾害天气综合展示预警模块。具体地：
双边滤波模块：用于建立双偏振雷达数据解析算法和程序，并建立雷达基数据质量控制的双边滤波(bilateralfiltering)算法，对雷达基数据质量进行控制；其中，滤波的目的是把回波的真实细节信息尽可能的得到有效保留，对双偏振雷达基数据进行质量控制。雷达反射率在空间上可看着是连续缓慢变化的，认为邻近点的像素在6分钟内变化不会很明显，但是噪声在空间上不是相互联系的，与周边像素具有很大的像素差，高斯滤波正是利用这一特性，在保留信号的条件下降低噪声。双边滤波是一种加权的高斯滤波，是基于其它像素与中心像素的亮度差值的加权，对相似的像素赋予较高权重，不相似的像素赋予较小的权重。双边滤波可以较好地保持边缘处的梯度，因此，本申请采用双边滤波方法对双偏振雷达基数据进行质量控制，以期得到边缘特征保留的完好，不会出现明显失真，回波变得更平滑、连续、有序，回波边沿清晰的较理想的滤波效果。
冰雹自动识别模块：用于建设基于双偏振雷达的降水粒子相态识别系统：分析双偏振雷达水平极化反射率因子，差分反射率因子(zdr)，比差分位相(kdp)、相关系数(ρhv)等各类物理参量特性与降水及其类别的关联关系，形成单要素识别阈值及其识别方法，在单要素识别阈值及其识别方法的基础上，构建基于模糊逻辑法应用双线偏振雷达观测材料树立的辨认形式，识别液态降水和固态降水(冰雹)；其中，根据模糊逻辑原理，对选取的zh、zdr、ρhv3个雷达识别指标进行模糊化处理，计算得到识别指标介于0～1取值范围的模糊逻辑隶属函数。每个雷达识别指标都分别有对应的阈值下限和阀值上限，当雷达识别指标低于阈值下限时，对应的模糊逻辑隶属函数为0；当雷达识别指标高于阈值上限时，对应的模糊逻辑隶属函数为1；当雷达识别指标介于阈值下限和阈值上限之间时，对应的模糊逻辑隶属函数按线性插值计算。按以上算法计算得到zh、zdr、ρhv共3个雷达识别指标对应的模糊逻辑隶属函数。取权重系数为0.33，采用等权重系数法，建立冰雹综合识别方程。
目前，大多数双线偏振多普勒雷达能得到的雷达偏振参数包括雷达程度反射率因子(zh)、差分反射率因子(zdr)(两种极化下反射率分贝差)、差分传播相移(kdp)(差分是指相移差对间隔的微分)、零滞后相互关系数(ρhv)等雷达参量。
双偏振雷达测得的差分反射率(zdr)反映了散射粒子扁平程度，强降水对应较大的zh值和zdr值，而冰雹对应较大的zh值和小的zdr值；比差分位相kdp反应降水粒子的密度，在相同的雷达反射率zh下，冰雹的差分反射率zdr和比差分位相kdp都比下雨时明显小。相关系数ρhv表示水平和垂直偏振波的相似程度。在s波段双偏振雷达中，较低的ρhv值结合高的反射率值可以判断纯冰雹还是冰雹和雨的混合物，两者结合相能更好的识别冰雹。为了获得更好的效果，避免单一方法的局限性，本申请在单项识别方法的基础上综合应用，构建基于模糊逻辑法应用双线偏振雷达观测材料树立的辨认形式，识别液态降水和固态降水。
1)、基于反射率因子的冰雹区识别法
有专家提出zh超过55dbz可以作为冰雹出现的指标。事实上，当在00c层以上出现的zh大于45dbz时就可以认为出现冰雹。根据这一结果，可以采用参量yz来识别冰雹区：
yz＝zh3+10loghmax
上式中，zh3定义为00c层以上3km以上最大回波强度(dbz)，hmax为最大回波强度所在高度(km)。yz>60时就认为有冰雹区存在。
2)、基于液态水因子的冰雹区识别法
据研究发现纯液态水的zdr值通常是大于0，变化范围在0～4db之间，与水平反射率因子zh成正相关。而与周围雨区较大的zdr相比，冰雹的zdr值一般在0db左右，同时zh为一个高值区。根据这一结果，提出用参量：hdr＝zh(dbz)-f(zdr)来判断冰雹区，当hdr>0时，就认为有冰雹区存在，其中f(zdr)取值见下式：
3)、基于差分传播相移系数因子的冰雹区辅助识别法
几个原因使得kdp法对冰相粒子不敏感：首先，冰相粒子的介电常数要小于液态水，对于大尺寸的湿冰雹(d>20mm)来说，粒子的外覆水膜很薄，仅仅是边缘部分的介电常数增大。其次，冰雹的密度要低于其它的降水粒子。最后，冰雹在下落过程中呈现的翻转使得其表现了粒子的各向同性的性质，因此，对于纯冰雹来说，其kdp值近似为0.根据上述分析，定义系数kdr：
当：kdr＞1(°)·km-1时，就认为有冰雹区存在。
4)、模糊逻辑识别法
模糊逻辑识别法的识别模式中，输入变量为zh、zdr、kdp和ρhv，输出结果为干冰雹(dh)、小的湿冰雹(swh)、大的湿冰雹(lwh)、巨型湿冰雹(gwh)以及冰水混合物(h+r)五类冰雹粒子。
利用模糊逻辑识别法识别冰雹粒子的相态，首先要构造隶属函数，然后要利用隶属函数对4个雷达测量参数进行模糊化；模糊化是将输入的雷达测量参数以隶属函数的方式转换成模糊基，每一个测量参数针对待识别的10类降水粒子类型建立10个模糊基，每个模糊基可以用隶属函数mbfij来表示，其中，下标i表示输入的雷达观测参数，j表示可识别的降水粒子类型。隶属函数的基本形式有多种，本申请实施例中选取不对称的梯形t型函数作为隶属函数的基本形式。不同的隶属函数mbfij，分别对应不同的参数值，如何确定t函数的系数x1，x2，x3，x4，是决定模糊逻辑法识别结果的关键。下表给出了采用上述基于t函数形状构建的4个双偏振测量zh、zdr、kdp、ρhv的共计40个隶属函数，分别对应各自测量参数的10个模糊基：
表1双偏振测量参数的40个隶属函数
模糊化以后，使用规则基进行if-then规则推断，然后采用集成的方法进行集成。最后一步是退模糊，即将集成的结果转化成单一的降水粒子类型。
中气旋自动识别模块：用于根据中气旋的技术特征及雷达探测特征建立中气旋识别算法，并基于中气旋识别算法建立中气旋自动识别系统，实现中气旋的自动识别；
中气旋的径向速度回波图像特征
中气旋是一种中小尺度涡旋，可用兰金组合涡旋来模拟，中气旋核作为一个固体旋转，切向速度与半径成正比，在中气旋核以外，切向速度与半径成反比，随着半径的增加而减少，如图2所示，为中气旋的兰金组合示意图。在径向速度回波图像上，中气旋表现为一对沿纬向排列的正、负速度中心区组成的速度偶。图3(a)和图3(b)分别是相同区域的径向速度和反射率因子彩色图像的部分截图。图3(a)中所示的倒三角区域是一个中气旋实例示意图，图3(b)中倒三角区域为图3(a)中的中气旋的强回波区域示意图。
在径向速度图中，把连续负速度区域里绝对值显著增加的极小值区域称为负速度中心区(直观表现为凹谷)，把连续正速度区域里绝对值显著增加的极大值区域称为正速度中心区(直观表现为凸峰)。用灰度图像来描述后中气旋图像特征如下：(1)径向速度图中，中气旋明显地表现为一个凸峰凹谷相邻的速度偶；(2)中气旋的速度偶的图像方位特征表现为：负速度中心区(凹谷)位于顺时针方向的前侧，正速度中心区(凸峰)位于顺时针方向的后侧；负速度中心区(凹谷)与正速度中心区(凸峰)位于离雷达中心近似等距离圈上，或者正速度中心靠近雷达中心一些；(3)反射率因子图中，中气旋位于或邻近于高回波强度tz区域。
气象领域中，中气旋要满足一定的切变、垂直伸展和持续性判据：(1)速度偶的中心距离小于等于10km；转动速度(最大入流速度和最大出流速度绝对值之和的1/2)超过文献中“中气旋识别的转动速度判据示意图”中相应的数值；(2)理想情况下，大概在一个体扫的3个相邻扫描仰角对应的径向速度数据中，对应此空间区域的数据都会满足之前提到的中气旋特征；(3)上述两类指标都满足的持续时间至少为两个体扫。但实例中对判据(2)、(3)的要求不是很严格。
观察多普勒雷达图中的中气旋实例图3(a)可看出，中气旋的速度偶在数值上有一部分对应极大极小值，但通常不会只有一个极值点，中气旋表现为凸峰(正速度区)和凹谷(负速度区)相邻的特征。中气旋的识别首先依赖于对径向速度灰度图像中凸峰、凹谷的有效检测，这正是图像感兴趣区域识别方向中的极值区域的检测问题。
图像极值区域
数学上的极值都是指在给定的数据中，局部范围内的最大值或最小值，通常是指一个数据点。在雷达回波图和径向速度图中，一定区域内色值为最大或最小的点通常不止一个，可能是一个区域，这里把这样的区域称为极值区域。
形态学分水岭算法中的浸水模拟法为图像极值区域的提取提供了有效的解决途径，但需结合具体应用中感兴趣极值区域的属性特征来确定极值区域对应的颜色阈值h。因此，如何有效描述感兴趣极值区域的属性是极值区域提取算法中重要的一个方面。
区域属性
图像区域的形态通常可由高度、面积、体积和形状等区域统计属性来表征，利用区域属性可在不同应用中对感兴趣区域进行自适应检测。对中气旋的检测，首先关心的是对正、负速度中心区对应的凸峰凹谷进行有效检测，结合气象学家的观测经验和中气旋的各方面特征，该算法中主要考虑到的区域属性有面积、狭长度、平均体积和致密度。
图像区域的面积s就是区域内部的像素的数目。
h为区域的最大长度，w为区域的最大宽度，t＝h/w这个比值即为该区域的狭长度。t值越接近1，中气旋的速度中心区域越接近理想。
假设dm为图像i中灰度级为h的极大值区域m对应的凸峰的支撑集，则凸峰的平均体积属性vav(m)可定义为dm内所有像素相对于高度h的灰度差之和除以极值区域面积s，即
区域平均体积属性能反映区域的极值显著性程度。设区域的周长为p，面积为s，区域边界的复杂程度和区域的致密性可以用致密度(也叫圆形度)的指标c来反映：
分水岭浸水模拟算法
分水岭算法是应用数学形态学和标记的方法来实现图像分割的一种算法。浸水模拟法是分水岭算法中的一种，在算法中，检测感兴趣极值区域的过程的思想就是借鉴浸水模拟的过程，但和分水岭算法不同的是不需要生成分水岭，在浸没的过程中，以各个极小值区域的相关属性作为约束，来决定每个区域是否需要继续进行浸水中的下一步淹没，以此来得到符合特征要求的广义极值区域，可见相邻集水盆在浸没过程中根据情况可能会合并。
令hmin和hmax分别表示图像i的最小和最大灰度，在浸没过程中，假设浸没高度h以单灰阶增加。为表述方便，把每个极小值对应不同浸没高度的集水盆称为这个极小值对应的集水盆域。
改进后算法的基本步骤：
(1)可根据需要选择一个大于hmin的相对低灰度h开始浸没：用连通区域标记法在h高度下求连通区(即集水盆)集合c[h]。
(2)在高度h+1下求连通区集合c[h+1]，假设d是c[h+1]中的一个连通区，那么存在3种可能：
①d∩c[h]为空；
②d∩c[h]含有c[h]的一个连通区d；
③d∩c[h]含有c[h]的一个以上连通区。
对于上述3种可能的处理：
①说明浸没高度的增加产生了新的集水盆，此步需标记新集水盆；
②说明d和它所对应包含的h高度下的那个连通区属于同一个集水盆域。此步需判断d的区域属性，若符合要求，则保留d并继续h+2步骤的浸没，若不符合，则此集水盆域保留h高度下的集水盆d，并标记对应区域不再进行后续的浸没；
③说明d包含h高度下的多个连通区对应的集水盆。此步需判断d的区域属性，若符合要求，则保留d并继续h+2步骤的浸没，若不符合，则此集水盆域保留h高度下的各个集水盆，并标记对应区域不再进行后续的浸没。
(3)从h+2开始重复第(2)步直至h＝hmax。
基于改进算法的中气旋识别
在径向速度灰度图中分别检测出具有所需基本属性特征的凸峰和凹谷区后，则要根据能组成中气旋的速度偶的相关属性来检测中气旋了。主要属性参数有速度偶中心距离、转动速度、速度偶与雷达中心的方位角和垂直相关率。
以速度偶的正、负速度中心区中最大绝对速度所在点之间的距离来表示速度偶中心距离dcenter。
假设速度偶中的最大正速度为vinmax，最大负速度为voutmax，则速度偶的转动速度为rotv：
速度偶与雷达中心的方位用θ表示，rin，rout分别为正负速度中心离雷达中心的距离，radin和radout分别为正负速度中心的雷达坐标角度。
中气旋识别算法：输入数据为基于图像坐标的雷达径向速度图数据v和反射率因子图数据z。
飑线识别模块：用于基于历史飑线过程，利用卫星及雷达观测数据，分析研究影响飑线灾害天气的生成、发展、演变规律，收集飑线过程，研制飑线的识别算法并改进，形成飑线天气的预报预警方法，建立飑线的识别及产品生成系统，当有飑线灾害天气生成时，及时报警，并对飑线影响过程进行全程跟踪。
飑线的识别及产品生成系统的识别和预报
1、从雷达反射率产品识别飑线
在反射率产品上，飑线系统一般由多个对流单体组成，呈现有较强前缘梯度的带状或现状(lewp)组织机构，整体有“s”型回波、“人”字型回波等特征，单体发展强盛时呈超级单体特征。“s”型回波的南半部类似“弓形”，“弓形”回波的后部会出现一个“v”型槽口，弱回波槽wec双线条黑色箭头所指处)，表明大风急流所在。而弓形回波北前侧往往有一个入流槽口。
在强回波带的前方，有时会出现与回波带主体接近平行的弱出流回波线，强度一般在15dbz以下，它位于出流的最前沿，是降水拖曳和蒸发冷却产生的冷空气堆与环境暖湿空气的边界，也是地面强风的前沿。弱出流回波线时系统主体强度的重要标志之一，它的出现表明主体处于系统强盛阶段后的爆发期；它距离主体的距离表明主体的爆发强度，距离近表明爆发强烈。出流回波边界线与主体保持同样速度移动，表明飑线主体强度变化不大，弱它移动较快，表明主体已经处于衰亡阶段。
新一代天气雷达二次产品处理系统把“风暴”看作是一个三维空间中一个能分辨的密实的反射率因子个体。在识别时，整个过程大致可分为以下几部分：风暴段的搜索、风暴分量的合成及风暴单体的组成。
风暴段的搜索：算法一维部分的目的是在径向反射率因子大于反射率因子阈值的点。如图4所示，为沿径向的50/45/40/35及30dbz阈值风暴段的识别示意图。当开始遇到某个点的反射率大于反射率阈值时，对其后面的大于反射率阈值的点进行合并，直到遇到低于反射率阈值的点。如果该点的反射率值与反射率阈值小于dropoutrefdiff，则低于反射率值个数增加1，段继续合并；但是如果这个点的反射率值与反射率阈值的差值大于dropoutrefdiff或者低于反射率值的个数以及大于等于dropoutcount，段合并结束。然后继续这样比较直到所有径向数据都比较完。
其次，对径向的每个段的长度径向判断，只有满足一定长度阈值(一般取长度阈值为1.9km)的段才能被保留。最后，为了取得更好的风暴定位效果，采用七个不同的反射率阈值(reflectivity1-7(60,55,50,45,40,35,30))来生成不同的段。首先，用最小反射率因子阈值搜寻段(缺省是30dbz)，未被选中的距离库将被抛弃不再做进一步处理。然后用30dbz的段来搜寻下一个反射率因子阈值(35dbz)的段。再用这些(35dbz)段来搜寻下一个阈值(40dbz)的段，知道搜索到第七个阈值(60dbz)的段。
风暴分量的合成：分量是在某一仰角扫描所构成的锥面内，段的二维区域。取得每个径向的段以后，就可以对相邻径向的段径向合并买得到不同的风暴分量。
风暴分量合成的阈值：风暴分量面积阈值：只有面积大于等于该阈值的分量才能被保留，同样采用七个阈值，默认10km2。方位分离阈值：相邻风暴段的方位角的间距小于方位分离阈值的风暴段，才能合并到一个分量中。段重叠阈值：同一分量中的风暴段必须同时达到两相邻风暴段重叠长度l大于等于段重叠阈值。风暴段数阈值：一个有效的风暴分量最少应该包含的风暴段的段数，默认为2个。
二维风暴分量的合成：砖形轮廓线表示30dbz阈值风暴段。风暴段将被组合成一个“二维分量”。一个二维风暴分量必须满足下面的条件：相邻风暴段重叠的距离必须大于风暴段重叠距离阈值(1.9km)；相邻风暴段的方位角的间距必须小于方位分离阈值(1.5)；组合风暴分量的段的个数必须大于段个数阈值(2)；组合风暴分量的面积必须大于面积阈值(10km2).所以发了阈值构成的二维分量，计算他们的位置。使用突出分量特征核心的方法以把感兴趣的风暴从周围的较低反射率因子的区域中突显出来。如果反射率阈值较小的风暴分量的中心落在反射率阈值大的风暴分量范围内，则反射率阈值小的风暴分量被抛弃。最后所有阈值的二维风暴分量按照质量从大到小排序。
低阈值分量的质心落在高阈值分量的范围之内，则低阈值分量被丢弃。
为了防止风暴过于拥挤，如果两个风暴在水平方向上靠的很近，并且风暴的高度差满足一定的阈值，则较弱的和较矮的将被删除。最后，将所得到的风暴单体按照基于单体的垂直累积液态水含量(vil)值从大到小排序。
2、从径向速度产品上预报大风
通过个例分析，在基本径向速度产品上，飑线后部存在一个与其运动方向一致的大风急流即后部入急流(rij)，rij是地面强风的来源，可以作为地面大风的评估依据，由于地面摩擦和环境暖湿气流的阻挡，广东地区的地面大风可以近似用以下公式描述：
wsfc＝c·rij,c＝0.7～0.8
上式中，wsfc，rij和c分别为地面大风、rij值和系数。
在雷达探测的径向上，远“负”近“正”揭示了径向上的辐合，梯度与辐合强度成正比。飑线前后径向上的强辐合揭示有较强的上升气流，多仰角的速度产品显示，飑线前的辐合一直可以达到中层，形成强的中层径向辐合(marc)。marc常常可以在相对较远处就探测到它，结合其他产品，对强风的预警可以有10到30分钟的预报提前时间。
应当注意的是，在用速度产品分析时，要考虑系统所在位置及其移动方向。当系统移动(基本与rij移动同向)与雷达探测径向存在夹角时，rij往往被低估，因为测到的径向速度只是实际速度在雷达探测径向上的投影，在运用rij做地面大风估测时需要进行方位订正。若夹角接近90度时，rij和marc特征不易发现的，因为飑线上的主要辐合在其运动方向上。
风暴相对速度图(srm)是基本速度减去风暴的平均移动速度后得到的。
3、从速度谱宽产品(sw)预报风区
空气边界密度不连续、风切变明显或湍流强的地方具有较高的谱宽。由于雷达的波束随距离而抬高，往往探测到底层辐散气流之上的飑线后部大风区(rij)，那里的风速较大但速度均匀、谱宽较小；飑线前部的气流也较均匀，呈现为低谱宽。因此，飑线前缘或前方的出流边界正是冷堆与环境暖湿空气交界处，且具有明显的风切变和湍流，强谱宽带(线)在速度谱宽产品上正是出流边界标志。在反射率上，出流边界还未离开飑线主体或离开后回波值较弱不易辨认时，谱宽产品上的高值带(线)有明确的提示作用。
4、用vad反演水平缝的垂直廓线(vwp)产品判断飑线强度
根据在一定范围的vwp产品的水平风垂直分布信息，结合地面自动观测资料，利用风矢端图技术确定风的垂直切变，成为判断环境风切变的立项工具。
在分析的飑线个例中，3km一下的底层水平风有以下特点：飑线移动方向相同的水平风分量随高度增加。这样的底层风切变和冷堆出流产生了一堆方向相反的水平涡对，若风切变产生的水平涡度强于冷堆的，飑线前部的上升气流就会向前倾斜，反之，上升气流就会向后倾斜，两者相当时，上升气流最大限度地伸展；一般，最初时环境切变的作用显著，上升气流和飑线前方的对流都源于它；随着冷堆出流的加强，其产生的水平涡旋与环境切变处于平衡，单体垂直发展达到最强；当冷堆出流发展到最强阶段时，其作用明显大于环境切变，就会导致上升气流向飑线后侧倾斜、伸展，这就导致了在飑线系统移动方向上的环境风切变和冷堆的强度决定了系统的结构和演变。
通过分析得出在中纬度地区地面到2～3km底层切变10～18m/s为中等，18m/s以上为强。
5、用垂直总含水量(vil)产品确定大风落区
在垂直总含水量(vil)上，飑线系统的主体一目了然，是坚实主体趋势、确定大风可能袭击落区的最好产品。雷雨大风在爆发之前，发现vil值的突然减少，这是因为大风的爆发是在单体发展到最强阶段(vil最强)后，单体溃塌时降水拖曳和蒸发冷却导致的。
基于单体的vil是通过垂直积分与分量相关的单体最大反射率因子值来计算由风暴单体质心所确定的每个单体的vil。一块云的液态水含量可用于决定凝结量和发生的动力演变，液态水含量的变化也与热力学能力变化相关联，风暴内垂直气柱的液态水含量可用反射率因子数据计算。
然而，在风暴算法里，vil是通过每层的三门平均的最大反射率因子值，然后对整个风暴厚度垂直积分来计算的，因而此方法被称为基于单体的vil，它可以考虑风暴核所呈现出的倾斜结构。基于单体的vil并不是指下沉气流是沿着一个倾斜的垂直路径下降的，它只是反射率因子核的液态水含量的简单测量方法，因为基于格点的vil计算不可能全部捕捉到反射率因子核。此外，基于单体的vil不同于基于格点的vil，基于单体的vil可以在字符数字表和趋势图中与其他风暴单体特征一起显示出来。
建立飑线个例库模块：飑线个例库有利于研究影响广东及深圳的飑线灾害天气的生成、发展、演变规律，是识别算法改进的基础支撑；收集近五年来的飑线过程，建立飑线个例库；基于产品生成系统，输出系列飑线个例产品，在展示系统中增加飑线个例库模块，实现飑线历史过程回溯显示。
灾害天气综合展示预警模块：用于基于html5技术架构，采用webgis技术，构建灾害天气综合展示预警模块，实现冰雹、龙卷、飑线等多普勒雷达产品及雷暴识别追踪产品的综合显示和预警提示；其中，灾害天气综合展示预警模块的综合显示功能支持动画显示模式和单帧显示模式，两种显示模式下均支持放大、缩小、平移功能，除实时综合显示外，基于时间指标支持历史产品的检索查看回放功能。具体如图5所示，为多普勒雷达子系统效果图。
灾害天气综合展示预警模块的子模块包括：多普勒雷达反射率拼图产品显示子模块、反射率拼图外推产品及估测降水产品显示子模块、雷达组合反射率产品显示子模块、雷达径向速度产品显示子模块、雷达回波顶高产品显示子模块、垂直液态水含量产品显示子模块、雷达风场产品显示子模块、雷达剖面图产品显示子模块、雷达飑线识别产品显示子模块。
请参阅图6，是本申请实施例的基于双偏振雷达的灾害天气识别预警方法的流程图。本申请实施例的基于双偏振雷达的灾害天气识别预警方法包括以下步骤：
步骤100：建立双偏振雷达数据解析算法和程序，并建立雷达基数据质量控制的双边滤波(bilateralfiltering)算法，对雷达基数据质量进行控制；
步骤200：建设基于双偏振雷达的降水粒子相态识别方法：分析双偏振雷达水平极化反射率因子，差分反射率因子(zdr)，比差分位相(kdp)、相关系数(ρhv)等各类物理参量特性与降水及其类别的关联关系，形成单要素识别阈值及其识别方法，在单要素识别阈值及其识别方法的基础上，构建基于模糊逻辑法应用双线偏振雷达观测材料树立的辨认形式，识别液态降水和固态降水(冰雹)；
步骤300：根据中气旋的技术特征及雷达探测特征建立中气旋识别算法，并基于中气旋识别算法建立中气旋自动识别系统，实现中气旋的自动识别；
步骤400：基于历史飑线过程，利用卫星及雷达观测数据，分析研究影响广东及深圳的飑线灾害天气的生成、发展、演变规律，收集飑线过程，研制飑线的识别算法并改进，形成飑线天气的预报预警方法，建立飑线的识别及产品生成系统，当有飑线灾害天气生成时，及时报警，并对飑线影响过程进行全程跟踪；
步骤500：基于html5技术架构，采用webgis技术，构建灾害天气综合展示预警模块，实现冰雹、龙卷、飑线等多普勒雷达产品及雷暴识别追踪产品的综合显示和预警提示。
本申请实施例的基于双偏振雷达的灾害天气识别预警系统及方法建立基于双偏振雷达的灾害天气自动识别预警方法，应用双偏振雷达资料建立不同灾害天气的识别模型，研究不同灾种的强对流天气的气象判别条件，研发分灾种强对流天气自动识别业务系统，实现对不同灾种强对流天气的监测和跟踪，并及时根据灾害天气识别的结果，及时加工成各种气象服务产品，以满足社会精细化、智能化的气象服务需求。本申请可实现雷雨大风、短时强风、冰雹、龙卷风等灾害性天气的自动识别，准确率高、识别效率快、预警速度快，对于冰雹等灾害天气的预警提前时间由0提升到10分钟。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。