水汽是大氣重要的組成部分,大氣中水汽含量分布情況及水汽變化情況非常復(fù)雜,推動(dòng)天氣和氣候變化,在中小尺度災(zāi)害性天氣形成和演變過(guò)程中起重要作用。如何有效地、準(zhǔn)確地獲取水汽分布的信息,對(duì)天氣預(yù)報(bào)、氣候監(jiān)測(cè)及防災(zāi)減災(zāi)具有特別重要的意義。一般大氣水汽探測(cè)受到探測(cè)精度和時(shí)空分辨率影響,無(wú)法獲取高精度、高時(shí)空分辨率的水汽信息。當(dāng)前的水汽監(jiān)測(cè)系統(tǒng)在觀測(cè)時(shí)間和空間分辨率、設(shè)備造價(jià)、布網(wǎng)密度和監(jiān)測(cè)精度等方面存在很多不足。針對(duì)當(dāng)前水汽監(jiān)測(cè)系統(tǒng)存在的問(wèn)題,以電磁波載波信號(hào)作為介質(zhì)反演大氣折射指數(shù),進(jìn)行水汽探測(cè)。借助于目前廣泛應(yīng)用的第四代移動(dòng)通信網(wǎng)絡(luò),采用多智能體系統(tǒng)接收電磁波信號(hào),構(gòu)建水汽監(jiān)測(cè)網(wǎng)絡(luò),作為現(xiàn)有水汽監(jiān)測(cè)網(wǎng)絡(luò)的重要補(bǔ)充。本文提出了一種基于多智能體的邊界層水汽探測(cè)方法,深入研究該探測(cè)方法中的核心技術(shù),以下為本文的主要工作。論證了多智能體方法反演大氣折射指數(shù)的可行性。對(duì)于采用通信基站發(fā)出的載波頻率為2.45GHz的電磁波作為介質(zhì)的探測(cè)方式研究,實(shí)質(zhì)上是對(duì)于電磁波在邊界層低層大氣中傳播路徑上衰減的研究。很顯然,其衰減與電磁波傳播路徑上大氣溫度、氣壓和濕度相關(guān),即與電磁波傳播路徑上的水汽含量相關(guān)。根據(jù)利用電...

【文章頁(yè)數(shù)】：130 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１．２?（ａ）?ＤＭＢ信號(hào)復(fù)自相關(guān)圖像［ｋｍ］?（ｂ）?ＤＭＢ信號(hào)相位復(fù)自相關(guān)圖像［ｋｍ］??Ｆｉｇｌ＿２：?（ａ）?ＤＭＢ?Ｓｉｇｎａｌ?ｃｏｍｐｌｅｘ?ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ?ｉｍａｇｅ，?（ｂ）?ＤＭＢ?Ｓｉｇｎａｌ?Ｐｈａｓｅ?ｃｏｍｐｌｅｘ??－

Ｆｉｇｌ＿２：?（ａ）?ＤＭＢ?Ｓｉｇｎａｌ?ｃｏｍｐｌｅｘ?ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ?ｉｍａｇｅ，?（ｂ）?ＤＭＢ?Ｓｉｇｎａｌ?Ｐｈａｓｅ?ｃｏｍｐｌｅｘ??ａｕｔｏ－ｃｏｒｒｅｌａｔｉｏｎ?ｉｍａｇｅ．??圖１．２為在巴斯大學(xué)觀察到的約３７．５ｋｍ?（ｘ軸）處的前２５....

圖１．３自相關(guān)方法ＤＭＢ水汽觀測(cè)結(jié)果??Ｆｉｇｌ．３：?Ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ?ｍｅｔｈｏｄ?ＤＭＢ?ｗａｔｅｒ?ｖａｐｏｒ?ｏｂｓｅｒｖａｔｉｏｎ?ｒｅｓｕｌｔｓ．??

ａｎ??０?５?１０?ＩＳ?２０?２５?３０?３５??（ｂ）??圖１．２?（ａ）?ＤＭＢ信號(hào)復(fù)自相關(guān)圖像［ｋｍ］?（ｂ）?ＤＭＢ信號(hào)相位復(fù)自相關(guān)圖像［ｋｍ］??Ｆｉｇｌ＿２：?（ａ）?ＤＭＢ?Ｓｉｇｎａｌ?ｃｏｍｐｌｅｘ?ａｕｔｏｃｏｒｒｅｌａｔｉｏｎ?ｉｍａｇｅ，?（ｂ）?ＤＭ....

圖2.4入射波與散射波

ｍ?＝?ｎ?—?ｉｋｍ中實(shí)部ｎ而言，由于水汽和氧氣對(duì)于２．４５ＧＨｚ乎可以忽略不計(jì)；而電磁波傳播路徑高度變化一較短的情況下，電磁波以近似直線的方式傳播，取決于電磁波在介質(zhì)中傳播時(shí)衰減狀況的一個(gè)系于電磁波衰減的影響。??氣中傳播時(shí)，大氣中的大氣介質(zhì)、云、降水粒子散射。其散射產(chǎn)生的原....

圖2.5散射的物理過(guò)程

圖２．６偶極子??Ｆｉｇ２．６：?Ｄｉｐｏｌｅ??的散射能力，與粒子的大小、形狀、復(fù)折指數(shù)、譜分不規(guī)則外形的粒子散射模型的描述，數(shù)學(xué)處理較困難，形狀比較簡(jiǎn)單的粒子的散射。氣象上一般將云滴、雨型。球形粒子的散射與粒子直徑ｄ和雷達(dá)入射波長(zhǎng)Ａ為小球形粒子，其散射稱(chēng)為瑞利散射（Ｒａｙｌｅ....

本文編號(hào)：3925941