基于数字高程的波束遮挡订正及在雷达定量估测降水中应用

地形的起伏使雷达波束受到严重的遮挡,使回波数据质量受到很大干扰。本文使用SRTM任务的DEM数据和谷歌公司的DEM数据分别计算了位于北京南郊的S波段雷达低仰角的波束遮挡率,建立了部分遮挡区域的回波反射率订正关系,并在2018年5月19日北京一次大范围层状云降水过程中,对波束遮挡订正前后的雷达定量估测雨量与地面3个雨量计观测结果进行了定性与定量化对比分析。结果表明:①波束遮挡订正有助于改善反射率因子的空间连续性。波束遮挡订正后的仰角0.5°的反射率与1.5°的反射率之间的差值整体呈现缩小特征,符合层状云降水垂直廓线特点。②09:00—11:00,相比波束遮挡订正前的雷达定量估测雨量(QPE),波束订正后的QPE准确性得到改善,使用分级标准误差与归一化平均偏差评价波束遮挡订正前后QPE与雨量计实测值之间的误差,波束订正后的反射率估测雨量与雨量计实测雨量一致性更好。     

基于线性约束最小方差对角加载的稳健频率不变波束形成算法

针对实际环境中因麦克风阵列失配误差导致宽带波束形成器性能下降的问题,提出基于线性约束最小方差对角加载的稳健频率不变波束形成算法.该算法首先在线性约束最小方差准则的基础上,结合空间响应偏差函数,并对波束形成器权矢量的二范数施加不等式约束,再通过拉格朗日乘子法和凸优化工具箱CVX(ConVeX)分别在不等约束条件下求得权矢量的解析解和全局最佳解,以有效解决麦克风的增益、相位和位置等的不确定性造成的失配误差问题,提高频率不变波束器的稳健性.仿真结果表明:采用拉格朗日乘子法求解该算法的最优权矢量所得到的波束形成器对失配误差最不敏感,性能最稳健.     

一种基于改进频域最小均方算法的少模光纤模式复用系统均衡

基于少模光纤的模式复用传输在近些年由于其超过单模光纤非线性香农极限的高传输容量而受到广泛关注,同时偏振复用在不改变光纤链路的情况下,使得系统传输容量翻倍.因此模式复用和偏振复用的结合为下一代超100 Gb／s光网络提供了一种可行的解决方案.然而,该系统的性能受到模式耦合和不同模式的群延时的影响.本文主要讨论基于频域最小均方（LMS）算法的数字均衡技术在少模光纤的偏振模式复用系统中的应用,提出了一种以蝶形复数有限冲激响应滤波器为基本结构的改进频域最小均方算法.该算法通过改进在每一频域柜中的平均功率方程来获得更好的均衡效果.仿真结果表明：采用改进频域LMS算法后在收敛效果上优于传统频域LMS算法,同时提高了系统性能.     

一种低复杂度近最佳的MIMO信号检测算法

在多输入多输出(MIMO)系统的信号检测算法中,最大似然(ML)算法具有最佳检测性能,但因其复杂度随天线数及调制阶数的增加呈指数增加而不实用.排序干扰逐次消去的最小均方误差(MMSE-OSIC)算法具有很低的复杂度,但因迭代检测过程中的差错传播使得检测性能与最佳检测相比有很大差距.针对以上算法的缺点,提出了一种低复杂度近最佳的MIMO信号检测算法,该算法对MMSE-OSIC算法的检测顺序进行调整,首先通过比较信道逆矩阵行向量的范数确定最弱信号层,对该发射信号的所有可能值进行遍历搜索,在保证最弱信号层尽可能正确检测的前提下,对剩余信号层采用MMSE-OSIC算法检测.理论分析及仿真结果表明,该算法有效抑制了迭代检测过程中的差错传播,几乎达到了最佳检测性能,同时具有较低的复杂度,在检测性能与复杂度之间给出了很好的折衷.     

基于SRTM数据的波束遮挡能量耗损率计算方法和效果分析

地形对波束遮挡是影响雷达观测资料质量的重要误差源之一。基于SRTM数据的雷达波束遮挡能量耗损率方法是根据雷达站地理位置及其周围一定范围内的地形信息,计算出探测目标时波束能量的耗损百分比。可以用于对雷达波束能量遮挡进行定量订正,提高雷达基数据质量控制精度。本文详细介绍了波束遮挡能量耗损率计算原理和方法,并利用晴空回波特点分析了波束遮挡对雷达回波强度的影响;提出雷达回波概率特征方法,通过建立北京CINRAD/SA雷达样本数据集,统计得到不同仰角层的概率空间分布,并与波束遮挡能量耗损率进行对比分析。结果表明:雷达波束遮挡能量耗损率与实际雷达回波资料统计的概率空间分布有很好的一致性。     

一个新混沌系统的自适应反同步控制及实现

针对所提出的一类新型混沌系统,研究了其驱动与响应系统的反同步控制问题.基于李雅普诺夫稳定性理论,利用自适应控制方法,提出了可以实现混沌系统反同步的控制器的设计方法和参数自适应学习算法.在此基础上,通过Matlab软件进行数值仿真,仿真结果显示所有的参数均可以得到准确地识别,并且可以在较短的时间内使误差系统趋于稳定,说明了控制器与参数自适应律的正确性.最后,基于Multisim电路仿真平台对同步电路进行验证,结果进一步证明了该方法的电路可实现性.     

基于WRF模式和自适应偏最小二乘回归法的风能预报试验研究

利用中尺度WRF(Weather Research and Forecast Model)模式预报了2009年1,4,7和10月甘肃某风电场区域的风速和风向,并与离风电场最近的两座测风塔对应时段50m和70m高度实测资料进行了对比,客观地评估了该模式对风场预报的准确率。在相对准确的风场预报基础上,利用2008年1月-2009年4月风电场200台风机的实际功率记录数据和同期气象要素场预报资料,采用自适应偏最小二乘回归法和单机预报法建立了每台风机未来48h逐15min输出功率记录数据与同时刻轮毂高度预报的风速、风向、气温、湿度及气压之间的非线性统计预报模型。为了对该模型的稳定性和准确性进行长期的客观评估,独立进行了2008年1-12月的预报试验,分别建立了12组独立的非线性统计预报模型。试验结果表明:(1)WRF模式预报的各月风向分布、风频大小与实测风向有较好的一致性;盛行风向基本一致,风频大小相当,风向分布特征也较为一致。(2)WRF模式预报的50m和70m高度逐时平均风速与实测值的相关系数介于0.6～0.8之间,均方根误差介于1.5～2.6m.s-1之间。(3)2008年1-12月逐15min风电场风电功率预报值与风机输出功率记录值的相关性较显著,可较好地预报出各月风电功率的时间变化趋势。两者相关系数介于0.58～0.90之间,均达到了99.9%置信度。(4)各月逐15min风电功率预报值与风机输出功率记录值的误差较小,相对于总额定装机容量而言,均方根误差介于2.76%～12.89%之间。     

网络化天气雷达协同自适应观测技术的实现

2013年5月至2014年5月,中国科学院大气物理所和南京恩瑞特公司,在南京以及周边地区架设4部X波段天气雷达,组成网络化雷达,对雷暴和强降水天气进行快速预警和精细化探测。本文针对协同自适应观测技术,利用南京网络化天气雷达系统,建立单部雷达自适应和多部雷达协同自适应观测模式,实现观测控制软件核心算法,包括重点观测区域的选取和扫描策略的制定2部分,实现自动判断强回波天气区域的位置并且对重点区域进行扫描观测,扫描策略的选择与强回波区域相对雷达的位置和区域的面积有关。应用该模式进行气象观测表明:协同自适应观测模式比较合理,能够快捷准确的找到强天气回波区域,实现了对重点关注区域进行更高时空分辨率的观测。     

一种基于神经网络的中国区域夏季降水预测订正算法

基于CWRF(climate extension of WRF)区域气候模式的动力降尺度预测技术对夏季降水预测存在一定偏差,难以实现准确预测。本文立足于中国区域夏季降水特点,分析与夏季降水相关的气象要素,采用树突(dendrite, DD)网络与人工神经网络(artificial neural networks, ANN)相结合的方法,针对CWRF模式回报的1996—2019年夏季降水量进行订正,检验其订正效果。结果表明：人工树突神经网络(artificial dendritic neural network, ADNN)算法模型订正的中国夏季降水量整体好于CWRF模式历史回报,距平相关系数和时间相关系数较订正前均提高约0.10,均方误差下降约26%,趋势异常综合检验评分提高6.55,表明ADNN机器学习方法能够对CWRF模式夏季降水预测实现一定程度的订正,从而提高该模式降水预测精度。     

基于Tesseract-OCR的复杂发票自适应识别

针对复杂发票任意区域下的特定表格内容提取与实时识别问题,提出了一种基于Tesseract-OCR引擎的自适应识别方法.首先利用OpenCV对发票图像进行预处理滤波、自适应阈值等一系列预处理得到二值图像;然后利用形态学中的开运算提取表格全域线段,进行表格位置提取,并结合表格交点坐标与自定义模板,实现表头与内容自适应适配;最后利用jTessBoxEditor对表格区域内容进行字库训练优化,最终实现基于Tesseract-OCR的字符识别.实验结果表明该方法具有高准确识别率,支持感兴趣区域自适应识别,具备高可用性.     

基于高速公路视频图像的能见度计算

能见度作为重要的气象观测因素之一,影响高速公路行车安全.基于视频资料的能见度计算方法类似于人眼的感知方式,具备对恶劣天气条件和复杂场地的适应性.基于安徽省2016年10月17日、12月1日和7日的3次大雾天气过程,选取跨省分布的3个高速公路站点,使用对应时次下视频图像灰度值均方差与能见度观测值建立计算模型.结果表明：1）随着大雾天气过程变化,模型计算结果较好体现了能见度的变化规律,对高速公路行车具有指导意义;2）基于视频图像的能见度计算方法类似于人眼观测,能见度越高,人眼分辨地物清晰度越高,图像均方差越大;3）由于监测原理和环境差异,能见度测量值与模型计算结果之间存在误差,理论上大雾空间分布越均匀,能见度仪和监控摄像头距离越近,计算误差越低.     

数值预报同化系统中观测资料误差分析

在观测资料同化系统中,观测误差均方差与背景场误差均方差共同决定着观测信息与背景场信息的相对重要性以及这些信息在空间及不同变量间的扩展方式,故在资料同化系统中起到决定性作用.因此,观测误差均方差的合理估计是非常重要的.采用贝塞尔函数拟合方法,从探空观测资料与背景场的偏差(IV)协方差中分离出探空资料的观测误差均方差与模式的背景场误差均方差;再从其他观测资料偏差协方差中扣除背景场误差均方差来估计其它观测误差均方差.观测误差均方差分析使用2006年8月1-31日观测资料,国家气象中心T213L31全球中期分析预报系统的6小时预报作为背景场.结果显示估计的观测误差均方差是比较合理的.     

三维变分系统在我国夏季降雨预测中的应用试验

采用MM5模式及其三维变分系统(MM5/3DVAR)对我国夏季降雨进行了一个月的连续预测试验,并对试验结果进行评估.试验中首先采用"National Meteorological Center(NMC)"方法,将2005年8月的MM5模式的预测结果形成与试验区域和水平分辨率相匹配的背景误差场,并将其与全球背景误差场进行了对比分析,结果表明,采用2005年8月MM5模式预报结果生成的背景误差场的基本特征与系统提供的全球背景误差场相似,且长度尺度随着水平分辨率的提高而减小.之后,分别利用NCEP再分析资料(NCEP试验)、NCEP再分析资料基础上采用CRESSMAN方法分析观测资料(LITT试验)和NCEP再分析资料基础上采用3DVAR系统同化观测资料(3DVAR试验)形成模式预报初始场,再次对2005年8月降雨进行逐日连续预报.逐日降雨预报结果表明,相对NCEP试验,LITT试验中1 和10 mm的预报评分有明显提高,但 25 和 50 mm的预报评分却有所下降,而3DVAR试验的预报评分在10 mm以上均有明显提高.对于降雨期间的形势场预报,3个试验中,除温度场和湿度场外,其他变量场的均方根误差随高度增加而增加,但相比而言,3DVAR试验的均方根误差小于其他2个试验.3DVAR试验对降雨的明显改进,可能是因为其对与背景场信息差别比较大的反应中尺度系统的观测资料的分析结果比较靠近观测资料.     

观测误差对GRAPES区域集合预报影响的敏感性试验

通过设计3组不同的观测误差均方差,对2012年8月1日—29日进行了基于GRAPES-M EPS(Global/Regional Assimilation and Prediction System-Mesoscale Ensemble Prediction System)的集合预报敏感性试验,研究观测误差均方差对集合预报初始扰动场结构、扰动量及垂直扰动总能量发展的影响,评估集合预报结果的差异,并分析了一次典型的江淮流域强降水个例。结果显示,模式变量扰动结构和扰动振幅对观测误差均方差较敏感,较小的观测误差均方差使得温度和风等模式变量的初始扰动量增大,扰动总能量增长更快,降水集合预报效果更优。因此在GRAPES-MEPS中,可以考虑对观测误差均方差进行适当的扰动,以体现观测误差均方差的不确定性对集合预报的影响,提高GRAPES-MEPS的集合预报技巧。     

利用探空资料计算水汽压

利用L波段探空资料的相对湿度值及温度值计算水汽压时,由于探空测量的是相对于水面的相对湿度,只能用相对于水面的饱和水汽压公式来计算,低温时用相对于冰面的饱和水汽压公式计算水汽压可能不正确.对水相和冰相的不同处理所带来的偏差进行了分析和讨论.以CIMO规定的温度-45℃和0℃为界,分别计算了用相对于冰面的饱和水汽压公式和相对于水面的饱和水汽压公式得到的水汽压值,并进行了比较.结果表明,在计算实际水汽压的过程中,用不同的饱和水汽压公式所产生的绝对偏差虽然不大,但相对偏差最大可能达到50％,不容忽视,对确定对流层上部的气候效应可能产生影响.     

概略坐标对GPS PWV解算的影响

利用GAMIT 10.6和2016年第101天至第160天南昌站的GPS观测资料,开展了13组概略坐标变化对GPS PWV解算的影响研究试验(南昌站概略坐标设置以10 m等间距从0~120 m逐渐向西偏移真实坐标)。其结果发现:当概略坐标与实际坐标偏离在60 m以内时,概略坐标的变化对GPSPWV的解算影响不大(长基线的相对误差和均方根残差NRMS分别维持在5.7×10~(-9)和0.24附近);但当概略坐标与真实坐标偏离超过60 m后,概略坐标的变化对GPS PWV的解算有着显著的影响,其中基线相对误差和GPS PWV与探空PWV的标准偏差随概略坐标偏离的增加而快速增大,NRMS和GPS PWV与探空PWV的相关系数也有明显的增加和减小,GPSPWV的成功解算日数则随概略坐标偏离的增加而快速减小(当偏离≥120 m时南昌无GPS PWV生成);概略坐标变化对基线相对误差、GPS PWV精度以及GPS PWV能否被成功解算的影响仅限于本站,某站概略坐标的偏离不会对其他站GPS PWV解算造成明显的影响。     

MWP967KV型地基微波辐射计反演产品的质量评估

利用MWP967KV型地基微波辐射计和L波段探空资料,采用了平均误差、相关分析、回归分析等统计方法,评估了微波辐射计和L波段探空在降水和无降水时温度、相对湿度、水汽密度的差异,了解地基微波辐射计的性能。研究结果表明:(1)微波辐射计和探空探测温度、相对湿度和水汽密度为显著性的线性相关,两者相对湿度相关性不如温度和水汽密度高,且离散度较大。(2)无降水时,相对湿度和水汽密度平均误差小,有降水时,温度和相对湿度的均方根误差大;在低层时,无降水时温度平均误差小,水汽密度的均方根误差大,中高层时,有降水时温度平均误差小,水汽密度均方根误差大。(3)温度和水汽密度为显著性正相关;相对湿度在有降水时表现为0~2km的显著性正相关和9.25~10km的显著性负相关,无降水时表现为0~8km的显著性正相关。总体来看,微波辐射计能弥补探空时空不足的问题,相对湿度的可信度需要进一步提高,降水对微波辐射计影响较大。     

Performance of the CMA-GD Model in Predicting Wind Speed at Wind Farms in Hubei, China

This study assesses the predictive capabilities of the CMA-GD model for wind speed prediction in two wind farms located in Hubei Province, China. The observed wind speeds at the height of 70m in wind turbines of two wind farms in Suizhou serve as the actual observation data for comparison and testing. At the same time, the wind speed predicted by the EC model is also included for comparative analysis. The results indicate that the CMA-GD model performs better than the EC model in Wind Farm A. Th...     

集合卡尔曼滤波同化多普勒雷达资料的数值试验

利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能.结果显示,经过几个同化周期后,EnKF分析结果非常接近真值.单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确.同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果.协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好.雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果.EnKF同化技术对雷达观测资料误差不太敏感.初始集合对同化分析有较大影响.EnKF同化受集合大小和观测资料影响半径.同化对模式误差较敏感.利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构.结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的.中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区.     

基于TIGGE资料的集合成员优选方法

利用2007年6月8日—8月31日东亚地区TIGGE集合预报资料中欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts,ECMWF)和英国气象局(United Kingdom M et Office,UKM O)两个中心的地面2 m气温资料进行集合成员优选研究。结果表明,对于24~96 h预报,集合成员优选方法能够较好地选出预报技巧较高和预报技巧较低的集合成员。个例分析表明,在极端天气出现的地区,优选集合平均的预报优势较为明显。对比ECMWF和UKMO的集合成员优选结果发现,ECMWF的预报效果优于UKMO的预报效果。