排序方式: 共有20条查询结果,搜索用时 0 毫秒
1.
为综合评估卫星和天气雷达在2016年6月23日盐城龙卷风期间的强降水过程的降水估测精度,以国家级雨量站观测数据为基准,结合相关系数(CC)、相对误差(RB)、均方根误差(RMSE)以及分级评分指标,利用S波段的天气雷达定量降雨估测产品(RQPE)和全球降水观测计划多卫星融合产品(IMERG_FRCal,IMERG_FRUncal,IMERG_ERCal)进行比较。结果表明,雷达和卫星的累积降水量与雨量站的空间相关性很强(相关系数大于0.9),基本上能捕捉到整个降水过程的空间分布。降水主要分布在江苏省北部,但卫星高估了江苏省东北部强降水中心的降水量;对于小时时序区域平均降水,卫星高估了降水,而雷达低估了累积降水量。综合降水中心区域分析,IMERG的强降水区域降水量与雨量站的时间序列的偏差显著;RQPE在降水峰值达到之前及峰值之后与地面雨量站的变化趋势基本一致,但对降雨量峰值有明显的偏低。RQPE能较为准确地在时间上捕捉到降雨强度的变化趋势,但对于大雨及暴雨的估测能力不佳;RQPE的POD、SCI值都远远高于IMERG, FAR也较小。IMERG几乎未能监测到强降水的发生。总体上,RQPE对此次龙卷风强降水量的估测表现优于3种IMERG产品,特别是在捕捉强降水区域的空间分布方面,但对于强降水的估测能力仍需进一步改善。 相似文献
2.
利用最新的深度学习算法,即卷积长短期记忆(Convolution Long-Short Term Memory)神经网络,构建基于深度学习的人工智能短临预报系统,以广州地区2019年3-5月雷达观测的数据为输入进行训练,然后进行短期1h内的降水预报。利用常用的统计评分指标(探测率POD、误报率FAR、临界成功指数CSI,相关系数CC)检验模型。结果表明,预报结果与实际观测的相关系数在1h内预报均保持在0.6以上,在1h内预报探测率均保持在80%以上,临界成功指数在降水强度为10mm·h^-1时,基本保持在60%,误报率均小于40%。 相似文献
3.
提出一种基于差值权重和快速傅立叶变换的影像融合方法--DWF,对"北京一号"小卫星的全色和多光谱影像进行融合.该算法根据卫星影像的成像过程,通过傅立叶变换获取全色影像的高频、低频信息和多光谱影像在HIS颜色空间中分量的低频信息,由这3种信息通过基于差值权重的决策计算获得融合影像的空间信息.实验采用PCA、GS、DWF以及基于小波的HIS变换的融合方法,结果表明DWF方法优于其他融合方法,比较适合于"北京一号"卫星的全色与多光谱影像融合. 相似文献
4.
雷达回波外推是短临降水预报的一种重要方法。针对雷达回波外推中随着外推时间的增加而出现回波演变信息丢失这一问题,本文提出一种多尺度特征融合的深度学习短临降水预报模型(以下简称为MSF2)。首先,采用多尺度的卷积核对网络的浅层信息进行特征提取,弥补单一特征检测带来的不足。其次,将不同维度的特征信息进行拼接及通道混洗,进一步增强特征图通道之间的信息流通和信息表达能力。最后,将特征图中的多尺度信息进行融合,从而有效保留不同尺度的特征信息。利用华南雷达回波拼图资料数据,在3种不同降水强度(5 mm/h、10 mm/h和25 mm/h)下进行降水预报研究,并与光流法和ConvLSTM两种主流算法进行了对比。结果显示,在3种不同降水强度条件下,MSF2在所有评价指标(命中率POD、临界成功指数CSI、误报率FAR)中表现最优,这表明引入多尺度机制能改善模型的特征提取能力。相比于目前主流的光流法和ConvLSTM,本文提出的模型对于短临降水预报具有较好的适用性和较高的预报精度,而且实现了业务化运行。 相似文献
5.
基于比差分传播相移(KDP)的降水估计算法R(KDP)相较于传统基于水平反射率因子(ZH)的算法R(ZH)的表现更优。在雷达实际运行中,由于随机误差和后向散射相位(backscattering phase)的影响,可能出现负的KDP。运用一种基于变分的雷达定量降水估计混合算法(V-RQPE)。该算法用变分拟合方法重构差分相位(ΦDP),用一种新的稳健的边界条件求解方法,在消除随机误差的同时获得非负的KDP,进而进行降水估计。随后我们使用2017年5月7日广州S波段雷达的回波数据和地面雨量站观测数据进行验证,同时使用了六种不同的算法进行对比,结果显示,在1小时累计降水估计中,V-RQPE表现最好,在24小时累计降水估计中,V-RQPE和基于变分拟合的KDP的降水估计算法(R-VKDP)表现最好,实验结果表明变分拟合方法对雷达降水估计能力有显著提升。 相似文献
6.
7.
结合CIELab颜色空间和傅立叶变换的优点,提出了基于傅立叶变换和CIELab变换的多源遥感影像融合方法——FFT-LAB。实验表明,该方法优于目前的GS、PCS、Pansharp等融合方法。 相似文献
8.
以雨量站观测数据为基准,利用相关系数(CC)、相对偏差(RB)、均方根误差(RMSE)以及分级评分指标(探测率POD、误报率FAR、临界成功指数CSI),对全球降水计划GPM多卫星融合产品4. 4版本准实时产品IMERG_ER(简称IMERG)在2017年接连登陆广东的3个台风"天鸽"、"帕卡"和"玛娃"极端降水过程性能进行评估。广东省内"天鸽"、"帕卡"和"玛娃"的CC分别为0. 80,0. 68和0. 47,RB为-12. 00%,-47. 06%和-29. 10%,RMSE达33. 00,40. 03和26. 40 mm。雨区的CC分别为0. 59,0. 48和0. 33,RB为2. 21%,-43. 58%和-25. 94%,RMSE为44. 34,51. 04和40. 64 mm。IM ERG低估了"天鸽"、"帕卡"、"玛娃"的总体降水强度,主要源自于对雨区的低估。从散点分布来看,IMERG高估了强降水,低估了弱降水的强度,对极端强降水的估测能力存在较大的不稳定性。降水量时序变化特征表明,IMERG较好体现了降水峰值和谷值的数量及变化趋势,但时间和强度有偏差。误差来源于复杂地形、PMW观测时间分辨率不足和IR反演降水准确度不足对卫星估测降水的影响。分级检验结果显示,相同量级内,雨区的POD更大,FAR更小,CSI评分更高,IMERG对雨区的反演能力更强。IMERG对"天鸽"估测效果最好,POD较高,FAR较小,CSI较高;"帕卡"POD较低,暴雨及以上的FAR较高,CSI下降显著;"玛娃"POD比"帕卡"高,但FAR也高,CSI中等。可见IMERG对小量级降水具有较好的估测能力,强降水估测显著偏高,暴雨及以上的降水误差起了主要贡献。 相似文献
9.
This study uses rain gauge observations to assess the performance of different radar estimators R(ZH), R(KDP)and R(A) in estimating precipitation based on the observations of an S-band polarimetric radar over southern China during a typical convective storm and an extremely severe typhoon, i. e., Typhoon Manghkut. These radar estimators were derived from observations of a local autonomous particle size and velocity(Parsivel) unit(APU) disdrometer. A key parameter, alpha(α), which is the ratio of specific attenuation A to specific differential phase K_(DP) with three fixed values(α=0.015 dB deg~(-1), α=0.0185 dB deg~(-1) and α=0.03 dB deg~(-1)) was examined to test the sensitivity of the R(A) rain retrievals. The results show that:(1) All radar estimators can capture the spatio-temporal patterns of two precipitation events, R(A) with α =0.0185 dB deg~(-1) is well correlated with gauge measurement via higher Pearson's correlation coefficient(CC) of 0.87, lower relative bias(RB) of 16%, and lower root mean square error(RMSE) of 17.09 mm in the convective storm while it underestimates the typhoon event with RB of 35%;(2) R(A) with α=0.03 dB deg~(-1) shows the best statistical scores with the highest CC(0.92), lowest RB(7%) and RMSE(25.74 mm) corresponding to Typhoon Manghkut;(3) R(A) estimates are more efficient in mitigating the impact of partial beam blockage. The results indicate that α is remarkably influenced by the variation of drop size distribution. Thus, more work is needed to establish an automated and optimized α for the R(A) relation during different rainfall events over different regions. 相似文献
10.
研究了闪电资料同化对2021年7月20日河南郑州特大暴雨短临预报的影响。利用天气研究与预报(WRF)模式的三维变分(3DVAR)数据同化系统(WRFDA),开展了两组循环同化试验:(1)同化地面和探空常规观测资料(包括风速、风向、温度和气压)的试验(CONV);(2)同化常规观测资料和由闪电资料反演的伪相对湿度的试验(LGDA),并与无资料同化的试验(NoDA)进行对比。结果表明,CONV的分析场和NoDA都未能模拟出强对流系统的回波结构,但由于LGDA增加了对整层大气的湿度场的调整,其分析场在闪电发生位置处的水凝物增量较大,相对湿度和反射率的分布情况与中国全球大气再分析资料(CRA)及雷达反射率观测值最接近。降水预报方面,LGDA显著提高了大暴雨雨带(6 h累积降水量≥50 mm)和强降水中心(6 h累积降水量≥200 mm)位置和强度的预报效果,对本次强降水过程的预报起到了积极作用,尤其是对前3 h的降水预报。 相似文献