毫米波雷達(dá)在云探測(cè)方面比厘米波天氣雷達(dá)和激光雷達(dá)具有顯著優(yōu)勢(shì),可獲得更多的云粒子信息,是研究云特性的主要遙感探測(cè)設(shè)備。為了開展對(duì)毫米波雷達(dá)探測(cè)的云回波進(jìn)行自動(dòng)分類的研究,利用161次云回波的個(gè)例數(shù)據(jù),統(tǒng)計(jì)得到了卷云、高層云、高積云、層云、層積云和積云6類云型的特征量和其他參量的數(shù)值范圍,利用分級(jí)的多參數(shù)閾值判別方法,達(dá)到了自動(dòng)分類的目標(biāo),通過與人工分類的初步驗(yàn)證,兩種分類結(jié)果的一致性達(dá)到84%,其中,層云和積云的識(shí)別一致較低的原因在于樣本數(shù)據(jù)有限,僅有6次層云和8次積云的個(gè)例樣本數(shù)據(jù)。通過更多樣本的處理,提取的特征參量更可靠,自動(dòng)分類的準(zhǔn)確率會(huì)得到提高,以便將基于毫米波雷達(dá)的云分類技術(shù)應(yīng)用于將來的云觀測(cè)自動(dòng)化業(yè)務(wù)。 

【文章來源】：氣象學(xué)報(bào). 2019,77(03)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

圖３２０１７年１月１７日２０時(shí)５４分—１８日０２時(shí)３４分雷達(dá)反射率因子（ａ）和分類結(jié)果（ｂ）（Ｓｃ）Ｆｉｇ．３Ｒｅｆｌｅｃｔｉｖｉｔｙ（ａ）ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔ（ｂ）ｄｕｒｉｎｇ２０：５４ＵＴＣ１７—０２：３４ＵＴＣ１８Ｊａｎｕａｒｙ２０１７（Ｓｃ）

圖３２０１７年１月１７日２０時(shí)５４分—１８日０２時(shí)３４分雷達(dá)反射率因子（ａ）和分類結(jié)果（ｂ）（Ｓｃ）Ｆｉｇ．３Ｒｅｆｌｅｃｔｉｖｉｔｙ（ａ）ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔ（ｂ）ｄｕｒｉｎｇ２０：５４ＵＴＣ１７—０２：３４ＵＴＣ１８Ｊａｎｕａｒｙ２０１７（Ｓｃ）圖４２０１５年１１月５日０２時(shí)３０分—０４時(shí)２５分雷達(dá)反射率因子（ａ）和分類結(jié)果（ｂ）（Ｓｔ）Ｆｉｇ．４Ｒｅｆｌｅｃｔｉｖｉｔｙ（ａ）ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔ（ｂ）ｄｕｒｉｎｇ０２：３０—０４：２５ＵＴＣ５Ｎｏｖｅｍｂｅｒ２０１５（Ｓｔ）圖５２０１５年１０月３１日１８時(shí)４３分至１１月１日００時(shí)０１分雷達(dá)反射率因子（ａ）和分類結(jié)果（ｂ）（Ｃｕ、Ｃｉ）Ｆｉｇ．５Ｒｅｆｌｅｃｔｉｖｉｔｙ（ａ）ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔ（ｂ）ｄｕｒｉｎｇ１８：４３ＵＴＣ３１Ｏｃｔｏｂｅｒ２０１５—００：０１ＵＴＣ１Ｎｏｖｅｍｂｅｒ２０１５（Ｃｕ，Ｃｉ）８４５ＡｃｔａＭｅｔｅｏｒｏｌｏｇｉｃａＳｉｎｉｃａ氣象學(xué)報(bào)２０１９，７７（３）

圖６２０１７年３月７日２０時(shí)０８分—８日０２時(shí)１３分雷達(dá)反射率因子（ａ）和分類結(jié)果（ｂ）（Ａｓ）Ｆｉｇ．６Ｒｅｆｌｅｃｔｉｖｉｔｙ（ａ）ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔ（ｂ）ｄｕｒｉｎｇ２０：０８ＵＴＣ７Ｍａｒｃｈ—０２：１３ＵＴＣ８Ｍａｒｃｈ２０１７（Ａｓ）圖７２０１５年１０月３０日００時(shí)—０８時(shí)２８分雷達(dá)反射率因子（ａ）和分類結(jié)果（ｂ）（Ａｃ、Ｃｉ）Ｆｉｇ．７Ｒｅｆｌｅｃｔｉｖｉｔｙ（ａ）ａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔ（ｂ）ｄｕｒｉｎｇ００：００—０８：２８ＵＴＣ３０Ｏｃｔｏｂｅｒ２０１５（Ａｃ，Ｃｉ）季節(jié)性變化和日變化等；其次是采用其他云觀測(cè)資料進(jìn)行自動(dòng)分類的驗(yàn)證，減少人工分類中的誤判。６結(jié)論利用基于毫米波雷達(dá)云回波的特征量與多參數(shù)閾值法相結(jié)合的技術(shù)，對(duì)安徽壽縣中國(guó)國(guó)家氣候觀象臺(tái)上空非降水云系的回波進(jìn)行了自動(dòng)分類研究，得到如下結(jié)論：（１）毫米波雷達(dá)具有測(cè)云的優(yōu)勢(shì)，不僅因?yàn)椴ㄩL(zhǎng)短（與厘米波雷達(dá)相比）而使云粒子具有更大的雷達(dá)截面，還具備很好的穿云能力（相比激光雷達(dá)），能夠探測(cè)多層云的回波，此外，降水衰減影響小，可進(jìn)行全天候的對(duì)云觀測(cè)，能夠用于云觀測(cè)業(yè)務(wù)的自動(dòng)化。（２）利用云回波特征量及多參數(shù)閾值的判別技術(shù)，可以比較準(zhǔn)確、客觀地對(duì)云類型進(jìn)行判別，部分?jǐn)?shù)據(jù)的驗(yàn)證表明，準(zhǔn)確率達(dá)到８４％。（３）判別準(zhǔn)確率的提高主要依賴于樣本數(shù)據(jù)，通過對(duì)更多樣本數(shù)據(jù)的統(tǒng)計(jì)，可以優(yōu)化特征量和參

【參考文獻(xiàn)】：
期刊論文
[1]星載雙頻云雷達(dá)的云微物理參數(shù)反演算法研究[J]. 吳瓊,仰美霖,竇芳麗,郭楊,安大偉.  氣象學(xué)報(bào). 2018(01)
[2]三雷達(dá)、雙雷達(dá)反演降雹超級(jí)單體風(fēng)暴三維風(fēng)場(chǎng)結(jié)構(gòu)特征研究[J]. 韓頌雨,羅昌榮,魏鳴,黃美金,陳磊.  氣象學(xué)報(bào). 2017(05)
[3]結(jié)合毫米波雷達(dá)提取降水條件下風(fēng)廓線雷達(dá)大氣垂直速度的研究[J]. 黃書榮,吳蕾,馬舒慶,黃興友,唐英杰.  氣象學(xué)報(bào). 2017(05)
[4]2015年10月29日弱降雨前后的層狀云微物理參數(shù)反演和分析[J]. 黃佳歡,黃興友,黃勇,韋凱華,馬雷.  氣象科學(xué). 2017(04)
[5]基于MODIS云宏微觀特性的衛(wèi)星云分類方法[J]. 吳曉,游然,王旻燕,谷軍霞.  應(yīng)用氣象學(xué)報(bào). 2016(02)
[6]利用毫米波測(cè)云雷達(dá)反演層狀云中過冷水[J]. 吳舉秀,魏鳴,王以琳.  干旱氣象. 2015(02)
[7]雙多普勒雷達(dá)風(fēng)場(chǎng)反演對(duì)一次后向傳播雷暴過程的分析[J]. 孫敏,戴建華,袁招洪,陶嵐.  氣象學(xué)報(bào). 2015(02)
[8]單多普勒天氣雷達(dá)反演降水粒子垂直速度Ⅰ:算法分析[J]. 周生輝,魏鳴,張培昌,徐洪雄,趙暢.  氣象學(xué)報(bào). 2014(04)
[9]云雷達(dá)反演層狀云微物理參數(shù)及其與飛機(jī)觀測(cè)數(shù)據(jù)的對(duì)比[J]. 劉黎平,宗蓉,齊彥斌,劉健.  中國(guó)工程科學(xué). 2012(09)
[10]基于衛(wèi)星云圖的云分類研究[J]. 劉揚(yáng),王彬,韓雷.  電子設(shè)計(jì)工程. 2011(10)



本文編號(hào)：3236259