基于深度学习的天气雷达异常数据识别技术

天气雷达基数据中因观测设备故障或标定问题而产生的异常数据,直接影响天气雷达数据质量、定量估测降水及天气系统的分析和判断。目前在中国气象局气象探测中心实时业务中,通过人工勘误环节对异常数据进行处理。针对2020—2022年业务中勘误较多的、大面积故障异常和易与降水数据混合的局部电磁干扰或故障的两类异常数据,分别构建和训练R-ResNet和R-LinkNet两种模型,提取雷达硬件故障、电磁干扰等特征,实现异常数据的识别和处理。评估结果表明:两种模型在提取异常数据特征方面均具有很强的学习能力,R-ResNet在分类判识异常数据与正常数据的准确率超过99%,R-LinkNet在分离电磁干扰杂波和降水回波的准确率超过98%。两种模型可用于实时业务中监控和勘误电磁干扰、故障等异常数据,实现异常数据的自动勘误处理。