| 摘 要： | 为实现对降水粒子的高精准分类，整理3 a机载探测降水粒子图像，构建山东省降水粒子图像数据集（Shandong Province Precipitation Particle Image Dataset, SD-PPID）。结合多维度混和的模型放缩方法，提出一种基于EfficientNet卷积神经网络的降水粒子识别模型（A Precipitation particle Recognition model based on EfficientNet convolutional neural Network,PREN）。通过多模型、多指标评价对比，验证了PREN模型具有较好的性能和分类识别能力，模型的识别准确率、精准率和召回率均为98%。使用PREN模型分析对流泡降水粒子特征，选取2次典型积层混合云降水过程的3个时段，结合机载Ka波段云雷达（Airborne Ka-Band Precipitation Cloud Radar,KPR）和DMT粒子测量系统（Droplet Measurement Technologies）分析对流泡内部与外部、不同强度和不同高度的降水粒子形状占比，并研究其降水...
|
