多因子方法在雷达降水量估测中的应用

使用合肥雷达站2007年7月和广州雷达站2008年5-10月的雷达以及雨量计资料提出了使用雷达反射率因子、水平梯度和垂直积分液态水含量测量降水量的方法(简称多因子方法).此方法在人工神经网络构架之上隐含地实现了在降水类型识别基础上的降水量测量,并与使用单一Z-R关系测量的降水量进行比较.结果表明:多因子方法和使用Z=300R1.4测量的降水量相比,前者的计算结果与雨量计观测值相比具有较高的相关系数和较低的均方根误差,即前者测量降水量的精度高于后者.     

地面降水的多源数据辅助质量控制方法

文章在分析气温变化、风速变化、相对湿度、温度露点差、雷达和自动站降雨量差值的基础上,提出了针对自动站观测小时降雨量的多要素综合质量控制方法,包括雷达和自动站相结合的综合检验方法(MRAWS)以及仅使用自动站资料的综合检验方法(MAWS),并与时空一致性检验方法(MTS)进行比较。结果表明:使用多要素的综合检验方法(MRAWS和MAWS)明显优于仅使用降雨量资料的MTS。此外,虽然MAWS检验结果略低于MRAWS,但在缺少雷达探测资料的情况下MAWS可对降雨量数据进行有效检验。进一步地分析表明,MRAWS和MAWS方法仅适用于判别有无降水,对降水量值的正确性判断能力存在不足。     

卫星可见光云图上日食阴影的动态订正

分析了日食对可见光云图及其时间序列的影响规律,提出利用相关分析、均值和方差分析以及线性拟合和局部增强等技术进行日食阴影区订正的动态方法。这种方法可以有效地消除阴影,尤其是日全食区域的“黑核”,较好地恢复了云图上云的纹理结构及亮度。     

使用物理方法反演中国陆地雨强和水凝物垂直结构

使用MM5模式模拟了11个降水个例,获得中国陆地的降水廓线,由蒙特卡罗辐射传输模式计算其上行辐射亮温,构成初始云一辐射数据库.采用对照表方法从中获得Db_ml和Db_m2两个数据集,作为GPROF反演算法的先验数据集.对2007年7月的3次强降水过程的地面雨强进行反演,与微波成像仪(TMI)及NESDIS、GSCAT、...     

CINRAD-SA/SB零度层亮带识别方法

该文提出一种使用S波段多普勒天气雷达回波三维特征和反射率因子垂直廓线(vertical profile of reflectivity,VPR)来自动识别零度层亮带的方法(简称3DVPR-BBID),并利用2003年6月22日—7月11日和2007年7月合肥雷达资料、2008年6月广州雷达资料以及相应的探空资料,同仅使用VPR识别零度层亮带的方法(简称VPR-BBID)进行比较。结果表明:VPR-BBID和3DVPR-BBID在大部分情况下能够有效识别零度层亮带的存在,而且3DVPR-BBID能够减少VPR-BBID产生的误识别。在同探空资料观测的零度层高度的比较中,两种方法确定的零度层高度同实况比较接近,进一步分析表明:3DVPR-BBID确定的零度层高度比VPR-BBID确定的更接近观测值。     

人工神经网络及支持向量机在降雨量预报中的应用

使用误差反向传播网络(BPN)和约当网络(JN)两种人工神经网络(ANN)以及支持向量机(SVM)对降雨量进行了1h和3h预报的研究,并与交叉相关法(CCM)外推预报的结果进行了比较。针对安徽省2003年6～7月的降水过程,比较了网络(文中指BPN、JN和SVM)和CCM预报降雨量与实况降雨量的雨带分布、强降雨区域和强度;使用命中率(HR)、虚警率(FAR)、漏报率(NAP)、临界成功指数(CSI)、相关系数(CC)和均方根误差(RMSE)这6个指标并结合天气分析检验网络和CCM的预报效果。结果表明:网络和CCM对雨带和强降雨区域的预报比较准确,但是对强降雨中心位置和强度的预报与实况存在差异;在使用HR、FAR、NAP和CSI检验预报效果时设定的阈值对预报结果的评价有影响;预报的中小尺度结构与天气分析的结果一致;网络与CCM以及不同的网络之间的预报结果存在着差异;连续预报的结果表明,与CCM相比,网络对3h预报的效果优于1h的。     

使用雷达回波三维信息自动识别降水类型的方法

提出了一种使用雷达回波三维信息（反射率因子的水平梯度、垂直递减率、垂直廓线变化特征以及回波顶高等）自动识别降水类型的方法,该方法可将雷达回波划分为热带降水类型、大陆强对流云降水类型和层状云降水类型。基于广州雷达于2008年5—8月观测到的7次强降水过程,在使用本方法识别降水类型的基础上,对不同降水类型使用不同的Z-R关系来测量降水量,即对热带降水类型使用Z=230R^1.25,对大陆强对流云降水使用Z=300R^1.4。以及对层状云降水使用Z=230R^1.6,并以雨量计观测的降水量为真值,与仅区分对流云降水和层状云降水类型并使用双Z-R关系测量降水量的方法进行了比较。结果表明,本方法可以有效地自动识别降水类型的分布区域,并且可以提高雷达定量测量降水的精度。