基于贝叶斯分类器的多普勒天气雷达海浪回波识别和效果检验

发布时间：2021-10-18 14:26

　　为了提升雷达数据质量,减少海浪回波对临近预报和数值天气预报模式的雷达数据同化的不利影响,因此需要对海浪回波进行识别和去除。识别算法主要为统计获得先验概率,分析海浪和降水回波特征分布得到似然函数,再经过贝叶斯分类器来达到识别的目的。在本次算法识别过程中65个样本数据试验的临界成功指数I_CS达到了0.692,结果表明利用贝叶斯分类器对海浪回波的识别,具有较好的识别效果,能一定程度降低海浪回波误判为降水回波的错误,提高雷达数据质量。 

【文章来源】：海洋科学. 2020,44(06)北大核心

【文章页数】：8 页

【部分图文】：

2010—2012年汕头SA雷达0.5°仰角的回波概率图

分别选用汕头SA雷达的纯降水回波数据和纯海浪回波数据进行统计,其中降水数据包括层状云降水,对流型降水,混合型降水过程。通过对降水和海浪数据的统计分析,得到海浪回波和降水回波的GDBZ,TDBZ,MDVE和MDSW的概率分布(图2)。可以看出,海浪回波的径向速度都偏负数、速度值较小;海浪回波的TDBZ较降水回波的大,说明海浪回波的分布没有降水回波的均匀;并且海浪回波的垂直梯度GDBZ明显大于降水回波,因为海浪回波通常只出现在0.5度仰角,高仰角中不出现。根据各个参量的概率密度分布,采用YO-HAN CHO等人[10]通过概率分布确立似然函数的计算方法,分析统计得到的海浪回波和降水回波特征参量的概率分布特征,最终选择梯形折线来表示此次研究算法中海浪回波特征参量的似然函数,函数值M均为0～1区间(图3)。

根据各个参量的概率密度分布,采用YO-HAN CHO等人[10]通过概率分布确立似然函数的计算方法,分析统计得到的海浪回波和降水回波特征参量的概率分布特征,最终选择梯形折线来表示此次研究算法中海浪回波特征参量的似然函数,函数值M均为0～1区间(图3)。3.4 逐点识别

【参考文献】：
期刊论文
[1]福州SA雷达新观测模式结果对比及海浪回波识别[J]. 谭学,刘黎平,范思睿.  成都信息工程学院学报. 2013(05)
[2]新一代天气雷达海浪回波特征分析和识别方法研究[J]. 谭学,刘黎平,范思睿.  气象学报. 2013(05)
[3]基于模糊逻辑的分步式超折射地物回波识别方法的建立和效果分析[J]. 刘黎平,吴林林,杨引明.  气象学报. 2007(02)



本文编号：3442960