【摘要】：多普勒天氣雷達以其高時空分辨率的特點成為氣象業(yè)務中監(jiān)測中小尺度對流系統(tǒng)的重要工具。針對多普勒天氣雷達資料的回波識別和信息提取問題,本文從事了多普勒天氣雷達資料地物回波的識別和剔除,晴空湍流在短時臨近預報中的應用以及雷達反射率資料三維顯示等方面的研究。1、多普勒天氣雷達探測過程中的非氣象因子會顯著影響雷達資料的定量化應用,應用前必須對雷達資料進行地物雜波抑制、去距離折疊和退速度模糊等質量控制。本文在現(xiàn)有的自動識別地物回波方法的基礎上,提出了基于支持向量機(Support Vector Machine, S VM)識別雷達地物雜波的方法,并將其與運用BP人工神經(jīng)網(wǎng)絡(Back Propagation Artificial Neural Networks, BPANNs)進行識別的結果對比,結果表明支持向量機方法能夠取得更好的效果地物回波的識別效果。在訓練樣本較少時,支持向量機方法的準確識別優(yōu)勢尤為突出。2、多普勒雷達譜寬資料反演大氣湍能耗散率能夠提取大氣湍流信息。研究發(fā)現(xiàn)：強對流天氣發(fā)生前往往會有晴空回波的出現(xiàn),并且湍流運動較正常情況下劇烈。湍能耗散率時間序列曲線在降水過程發(fā)生前2-3小時,會有趨勢變化的拐點出現(xiàn),并且是一個持續(xù)的加強階段。趨勢特征出現(xiàn)且湍能耗散率最大量級達到3000cm2·s-3以上時,可認為將有強對流的天氣過程出現(xiàn)。3、多普勒天氣雷達能夠探測大氣環(huán)境場的三維結構,但目前我國大部分雷達氣象產(chǎn)品仍集中于二維信息的平面顯示,提取雷暴云三維結構信息的產(chǎn)品較少。本文通過MATLAB平臺實現(xiàn)了多普勒天氣雷達三維信息的提取。同時比較了8點插值和Cressman插值兩種不同插值算法在三維顯示方面的優(yōu)劣。對比顯示結果發(fā)現(xiàn)：Cressman插值后的結果對三維整體呈現(xiàn)的更好,8點插值(EPI)對于平面細節(jié)的顯示更突出。
【圖文】：

圖２．１安慶ＳＡ雷達２０１３年６月扣日００：０９邋（世界時，下同）觀測ＰＰＩ圖（仰角；０．５°邋）逡逑（ａ）反射率因子（ｂ）徑向速度（Ｃ）速度譜寬逡逑圖２Nａ中，，雷這西北及東南方向５０ｋｍ距離圈附近的回波（W中圈注部分）逡逑強度達到６５ｄＢＺ，遠遠超過周邊的回波強度，通過分析前后數(shù)個時次的回波強逡逑度ＰＰＩ圖像發(fā)現(xiàn)圈注回波的位置一直固定不動。圖２．１．ｂ也清楚的顯示圈注回波逡逑的速度較小，在－２到２ｍ／ｓ之間，基于＾＞上＾點，可認定該處的回波為地物回逡逑波。在此需要強調的是：地物回波的譜寬數(shù)值并且總是在０值附近，當充滿地逡逑物的抽樣體積中，存在有高速運動的物體或者高大建筑物時，會造成地物回波逡逑譜寬值出現(xiàn)變化很大且雜亂無規(guī)律的情況（萬蓉等ｔｗｉ，２００２）。如圖２．１．Ｃ所示，逡逑地物回波位置處，回波的譜寬數(shù)值遠大于５０ｋｍ之外的降水回波譜寬數(shù)值，因逡逑此在下文中

且徑向速度在０值附近，回波連續(xù)時次的位置幾乎不變，根據(jù)地物回波的識別逡逑準則判斷，可確定該處是高大建筑物造成的地物雜波。逡逑對比神經(jīng)網(wǎng)絡（圖２．６．ｄ）和支持向量機的地物回波識別和剔除效果（圖２．６．ｅ）逡逑可發(fā)現(xiàn)，，支持向量機對于地物回波的識別、剔除更為徹底。圖２．６．ｄ的圈注逡逑部分中，神經(jīng)網(wǎng)絡去地物回波后對地物回波的去處、抑制取得了一定的效果，逡逑但圖２．６．ｄ的Ａ處，仍然存在一定數(shù)量回波強度不一、位置分布散亂的地物回波逡逑點。而圖２．６．ｅ的Ａ處地物回波幾乎都被去除干凈。在圖２．６．ｄ的Ｂ處訂正后的逡逑回波強度ＰＰＩ上回波強度５０ｄＢＺ左右的紅色地物回波團塊未被準確識別；而圖逡逑２．６．ｅ的Ａ處，紅色地物回波閉塊已獲得了有效的去除，可見實際應用中支持向逡逑量機對于地物回波的識別效果顯著優(yōu)于人工神經(jīng)網(wǎng)絡。同之前安慶雷達的回波逡逑檢驗個例一致，ＢＰ神經(jīng)網(wǎng)絡和ＳＶＭ支持向量機在控制降水回波誤判方面效果逡逑都比較好，圈注外的降水問波幾乎未出現(xiàn)被誤判為地物回波而剔除的情況，從逡逑而最大限度地保留了降水回波的真實信息。逡逑２３逡逑
【學位授予單位】：南京信息工程大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P412.25

【參考文獻】

相關期刊論文 前10條

1 韓雷;王洪慶;林隱靜;;光流法在強對流天氣臨近預報中的應用[J];北京大學學報(自然科學版);2008年05期

2 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學學報;2011年01期

3 張鵬,胡明寶,吳書君;多普勒天氣雷達單PPI探測強風暴的方法[J];解放軍理工大學學報(自然科學版);2003年03期

4 李穎新,阮曉鋼;基于支持向量機的腫瘤分類特征基因選取[J];計算機研究與發(fā)展;2005年10期

5 劉曉亮;丁世飛;朱紅;張力文;;SVM用于文本分類的適用性[J];計算機工程與科學;2010年06期

6 胡明寶,談曙青,湯達章,謝樸;單部多卜勒天氣雷達探測低空風切變方法[J];南京氣象學院學報;2000年01期

7 崔哲虎,程明虎;區(qū)域膨脹法在剔除Doppler雷達徑向速度中地物雜波的應用[J];氣象科技;2004年01期

8 張志強;劉黎平;謝明元;王紅艷;肖艷嬌;;CINRAD三維拼圖產(chǎn)品顯示系統(tǒng)[J];氣象;2007年09期

9 梁海河,張沛源,葛潤生;多普勒天氣雷達風場退模糊方法的研究[J];應用氣象學報;2002年05期

10 王麗榮;卞韜;蘇運濤;孫云;張玉鳳;;晴空回波在強對流天氣臨近預報中的應用[J];應用氣象學報;2010年05期

相關碩士學位論文 前1條

1 仰美霖;新一代天氣雷達退速度模糊的方法研究及效果分析[D];中國氣象科學研究院;2010年

本文編號：2684332