多普勒雷达资料回波识别和信息提取

发布时间：2020-05-27 23:43

【摘要】：多普勒天气雷达以其高时空分辨率的特点成为气象业务中监测中小尺度对流系统的重要工具。针对多普勒天气雷达资料的回波识别和信息提取问题,本文从事了多普勒天气雷达资料地物回波的识别和剔除,晴空湍流在短时临近预报中的应用以及雷达反射率资料三维显示等方面的研究。1、多普勒天气雷达探测过程中的非气象因子会显著影响雷达资料的定量化应用,应用前必须对雷达资料进行地物杂波抑制、去距离折叠和退速度模糊等质量控制。本文在现有的自动识别地物回波方法的基础上,提出了基于支持向量机(Support Vector Machine, S VM)识别雷达地物杂波的方法,并将其与运用BP人工神经网络(Back Propagation Artificial Neural Networks, BPANNs)进行识别的结果对比,结果表明支持向量机方法能够取得更好的效果地物回波的识别效果。在训练样本较少时,支持向量机方法的准确识别优势尤为突出。2、多普勒雷达谱宽资料反演大气湍能耗散率能够提取大气湍流信息。研究发现：强对流天气发生前往往会有晴空回波的出现,并且湍流运动较正常情况下剧烈。湍能耗散率时间序列曲线在降水过程发生前2-3小时,会有趋势变化的拐点出现,并且是一个持续的加强阶段。趋势特征出现且湍能耗散率最大量级达到3000cm2·s-3以上时,可认为将有强对流的天气过程出现。3、多普勒天气雷达能够探测大气环境场的三维结构,但目前我国大部分雷达气象产品仍集中于二维信息的平面显示,提取雷暴云三维结构信息的产品较少。本文通过MATLAB平台实现了多普勒天气雷达三维信息的提取。同时比较了8点插值和Cressman插值两种不同插值算法在三维显示方面的优劣。对比显示结果发现：Cressman插值后的结果对三维整体呈现的更好,8点插值(EPI)对于平面细节的显示更突出。
【图文】：

世界时,安庆,仰角,雷达

图２．１安庆ＳＡ雷达２０１３年６月扣日００：０９邋（世界时，下同）观测ＰＰＩ图（仰角；０．５°邋）逡逑（ａ）反射率因子（ｂ）径向速度（Ｃ）速度谱宽逡逑图２Nａ中，，雷这西北及东南方向５０ｋｍ距离圈附近的回波（W中圈注部分）逡逑强度达到６５ｄＢＺ，远远超过周边的回波强度，通过分析前后数个时次的回波强逡逑度ＰＰＩ图像发现圈注回波的位置一直固定不动。图２．１．ｂ也清楚的显示圈注回波逡逑的速度较小，在－２到２ｍ／ｓ之间，基于＾＞上＾点，可认定该处的回波为地物回逡逑波。在此需要强调的是：地物回波的谱宽数值并且总是在０值附近，当充满地逡逑物的抽样体积中，存在有高速运动的物体或者高大建筑物时，会造成地物回波逡逑谱宽值出现变化很大且杂乱无规律的情况（万蓉等ｔｗｉ，２００２）。如图２．１．Ｃ所示，逡逑地物回波位置处，回波的谱宽数值远大于５０ｋｍ之外的降水回波谱宽数值，因逡逑此在下文中

位置分布,地物回波,速度谱宽,回波

且径向速度在０值附近，回波连续时次的位置几乎不变，根据地物回波的识别逡逑准则判断，可确定该处是高大建筑物造成的地物杂波。逡逑对比神经网络（图２．６．ｄ）和支持向量机的地物回波识别和剔除效果（图２．６．ｅ）逡逑可发现，，支持向量机对于地物回波的识别、剔除更为彻底。图２．６．ｄ的圈注逡逑部分中，神经网络去地物回波后对地物回波的去处、抑制取得了一定的效果，逡逑但图２．６．ｄ的Ａ处，仍然存在一定数量回波强度不一、位置分布散乱的地物回波逡逑点。而图２．６．ｅ的Ａ处地物回波几乎都被去除干净。在图２．６．ｄ的Ｂ处订正后的逡逑回波强度ＰＰＩ上回波强度５０ｄＢＺ左右的红色地物回波团块未被准确识别；而图逡逑２．６．ｅ的Ａ处，红色地物回波闭块已获得了有效的去除，可见实际应用中支持向逡逑量机对于地物回波的识别效果显著优于人工神经网络。同之前安庆雷达的回波逡逑检验个例一致，ＢＰ神经网络和ＳＶＭ支持向量机在控制降水回波误判方面效果逡逑都比较好，圈注外的降水问波几乎未出现被误判为地物回波而剔除的情况，从逡逑而最大限度地保留了降水回波的真实信息。逡逑２３逡逑
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P412.25

【参考文献】