FAILED
首站-论文投稿智能助手
典型文献
利用深度学习填补双偏振雷达回波遮挡
文献摘要:
广州S波段双偏振天气雷达低仰角多方位存在遮挡,高仰角也存在部分遮挡.基于卷积神经网络等深度学习方法,构建垂直填补(vertical echo-filling,VEF)和水平填补(horizontal echo-filling,HEF)网络架构,基于两种架构,利用无遮挡区的反射率因子ZH、差分反射率ZDR,差传播相移率KDP构建训练集,填补遮挡区的ZH和ZDR.针对仅0.5°仰角存在遮挡的区域,基于VEF架构,利用上层多个仰角、径向、距离库的三维数据,分距离段训练垂直填补模型.针对遮挡仰角较高的区域,则基于H EF架构,利用同一仰角左右相邻的多个径向、距离库的数据,分遮挡径向训练水平填补模型.根据解释方差、平均绝对偏差和相关系数3个指标和3个个例,对模型效果进行评估.结果表明:ZH填补模型的解释方差最大为0.92,平均绝对偏差最小为1.69 dB,相关系数最高为0.96;ZDR填补模型的解释方差最大为0.92,平均绝对偏差最小为0.12 dB,相关系数最高为0.96.利用该研究构建的深度学习填补架构,可有效填补偏振雷达遮挡区域回波,提高雷达数据质量.
文献关键词:
深度学习;双偏振雷达;波束遮挡;回波填补架构
作者姓名:
尹晓燕;胡志群;郑佳锋;左园园;皇甫江;朱永杰
作者机构:
中国气象科学研究院灾害天气国家重点实验室,北京 100081;成都信息工程大学大气科学学院,成都 610225;中国气象局大气探测重点开放实验室,成都 610225
文献出处:
引用格式:
[1]尹晓燕;胡志群;郑佳锋;左园园;皇甫江;朱永杰-.利用深度学习填补双偏振雷达回波遮挡)[J].应用气象学报,2022(05):581-593
A类:
VEF,波束遮挡,回波填补架构
B类:
双偏振雷达回波,波段,双偏振天气雷达,低仰角,多方位,部分遮挡,深度学习方法,vertical,echo,filling,horizontal,HEF,网络架构,无遮挡,反射率因子,ZH,差分反射率,ZDR,相移,KDP,训练集,三维数据,训练水平,平均绝对偏差,个个,个例,dB,研究构建,雷达数据,数据质量
AB值:
0.286792
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。