手机知网 App
24小时专家级知识服务
打 开
气象学
利用深度学习填补双偏振雷达回波遮挡
广州S波段双偏振天气雷达低仰角多方位存在遮挡,高仰角也存在部分遮挡。基于卷积神经网络等深度学习方法,构建垂直填补(vertical echo-filling,VEF)和水平填补(horizontal echo-filling,HEF)网络架构,基于两种架构,利用无遮挡区的反射率因子Z_H、差分反射率Z_(DR),差传播相移率K_(DP)构建训练集,填补遮挡区的Z_H和Z_(DR)。针对仅0.5°仰角存在遮挡的区域,基于VEF架构,利用上层多个仰角、径向、距离库的三维数据,分距离段训练垂直填补模型。针对遮挡仰角较高的区域,则基于HEF架构,利用同一仰角左右相邻的多个径向、距离库的数据,分遮挡径向训练水平填补模型。根据解释方差、平均绝对偏差和相关系数3个指标和3个个例,对模型效果进行评估。结果表明:Z_H填补模型的解释方差最大为0.92,平均绝对偏差最小为1.69 dB,相关系数最高为0.96;Z_(DR)填补模型的解释方差最大为0.92,平均绝对偏差最小为0.12 dB,相关系数最高为0.96。利用该研究构建的深度学习填补架构,可有效填补偏振雷达遮挡区域回波,提高雷达数据质量。
0 86
开通会员更优惠,尊享更多权益
手机阅读本文
下载APP 手机查看本文
应用气象学报
2022年05期
论文一键智能排版
排版交给我们,时间留给研究
立即查看 >
相似文献
图书推荐
相关工具书

搜 索