為了提升雷達(dá)數(shù)據(jù)質(zhì)量,減少海浪回波對臨近預(yù)報和數(shù)值天氣預(yù)報模式的雷達(dá)數(shù)據(jù)同化的不利影響,因此需要對海浪回波進(jìn)行識別和去除。識別算法主要為統(tǒng)計獲得先驗概率,分析海浪和降水回波特征分布得到似然函數(shù),再經(jīng)過貝葉斯分類器來達(dá)到識別的目的。在本次算法識別過程中65個樣本數(shù)據(jù)試驗的臨界成功指數(shù)I_CS達(dá)到了0.692,結(jié)果表明利用貝葉斯分類器對海浪回波的識別,具有較好的識別效果,能一定程度降低海浪回波誤判為降水回波的錯誤,提高雷達(dá)數(shù)據(jù)質(zhì)量。 

【文章來源】：海洋科學(xué). 2020,44(06)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

2010—2012年汕頭SA雷達(dá)0.5°仰角的回波概率圖

分別選用汕頭SA雷達(dá)的純降水回波數(shù)據(jù)和純海浪回波數(shù)據(jù)進(jìn)行統(tǒng)計,其中降水?dāng)?shù)據(jù)包括層狀云降水,對流型降水,混合型降水過程。通過對降水和海浪數(shù)據(jù)的統(tǒng)計分析,得到海浪回波和降水回波的GDBZ,TDBZ,MDVE和MDSW的概率分布(圖2)�？梢钥闯�,海浪回波的徑向速度都偏負(fù)數(shù)、速度值較小;海浪回波的TDBZ較降水回波的大,說明海浪回波的分布沒有降水回波的均勻;并且海浪回波的垂直梯度GDBZ明顯大于降水回波,因為海浪回波通常只出現(xiàn)在0.5度仰角,高仰角中不出現(xiàn)。根據(jù)各個參量的概率密度分布,采用YO-HAN CHO等人[10]通過概率分布確立似然函數(shù)的計算方法,分析統(tǒng)計得到的海浪回波和降水回波特征參量的概率分布特征,最終選擇梯形折線來表示此次研究算法中海浪回波特征參量的似然函數(shù),函數(shù)值M均為0～1區(qū)間(圖3)。

根據(jù)各個參量的概率密度分布,采用YO-HAN CHO等人[10]通過概率分布確立似然函數(shù)的計算方法,分析統(tǒng)計得到的海浪回波和降水回波特征參量的概率分布特征,最終選擇梯形折線來表示此次研究算法中海浪回波特征參量的似然函數(shù),函數(shù)值M均為0～1區(qū)間(圖3)。3.4 逐點識別

【參考文獻(xiàn)】：
期刊論文
[1]福州SA雷達(dá)新觀測模式結(jié)果對比及海浪回波識別[J]. 譚學(xué),劉黎平,范思睿.  成都信息工程學(xué)院學(xué)報. 2013(05)
[2]新一代天氣雷達(dá)海浪回波特征分析和識別方法研究[J]. 譚學(xué),劉黎平,范思睿.  氣象學(xué)報. 2013(05)
[3]基于模糊邏輯的分步式超折射地物回波識別方法的建立和效果分析[J]. 劉黎平,吳林林,楊引明.  氣象學(xué)報. 2007(02)



本文編號：3442960