深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估

近年来，人工智能技术在图像识别领域取得了突破性进展，为探寻人工智能模型在武汉地区雷达回波临近预报中的应用价值，本文利用湖北武汉市2015—2020年雷达回波和降水量观测资料，对PredRNN++、MIM、CrevNet和PhyDNet 4种深度学习模型进行雷达回波临近预报训练，并基于2021年汛期雷达回波资料进行雷达回波临近预报。在此基础上，通过降水强度和降水面积指数筛选降水过程，并以均方误差（Mean Square Error, MSE）、结构相似性指数（Structural Similarity Index Measurement, SSIM）、命中率（Probability of Detection, POD）、空报率（False Alarm Rate, FAR）和临界成功指数（Critical Success Index, CSI）为指标，检验评估上述4种深度学习模型和光流法对2021年汛期武汉地区雷达回波的临近预报性能。结果表明：（1）整体来看，MIM模型的MSE最小、POD最高，MIM和PredRNN++模型的SSIM并列最高；所有深度学习模型的FAR均低于光流法，且Phy...     

决策树算法在雷达反射率因子质控中的应用

基于决策树算法，利用2020年武汉多普勒天气雷达探测资料，分析决策树算法对反射率因子的质控效果，得到以下主要结论：（1）决策树算法能有效滤除湖北东部地区由于山脉和城市建筑所导致的固定地物回波和超折射地物回波。（2）对于降水回波而言，决策树算法不改变雷达近距离范围内回波的位置、形状和强度，而远距离处（≥160 km）回波则存在一定程度的过度质控，主要是由于雷达波束随距离增加而抬高以及回波垂直梯度较大导致。（3）决策树算法对辐射状和弧状杂波的质控能力较好，其滤除率达到95%以上。