基于多频双极化微波链路的降水类型反演方法研究
降水类型监测对气象灾害预警、定量降水估计、数值模式参数化方案都具有重要意义。能够获取多频双极化微波降水衰减信息的微波链路具有识别降水类型的巨大潜力。本文主要研究了基于多频双极化微波链路衰减信息的降水类型识别方法。对于不同云系降雨而言，一种基于决策树算法的双频或双极化微波链路层状云降雨和对流云降雨区分方法被提出。结果表明，两种类型降雨被正确识别率分别可达87%和91%。在雨致衰减提取过程中，为了剔除湿天线衰减影响，提出了一种基于长短时记忆（LongShort-TermMemory，LSTM）神经网络的动态湿天线衰减模型，该模型可以实时准确地跟踪湿天线衰减的变化。对于不同降水粒子而言，提出了一种基于极限学习机（ExtremeLearningMachine，ELM）的双极化微波链路雨、霰和湿雪分类模型，并且讨论了其在单频、双频和三频情况下的性能。结果表明，当链路足够长时，会出现许多准确率达到90%以上的频率组合模型。最后，针对传统雨衰模型在高频强降雨条件下的不适用性问题，提出了一种基于双频或双极化微波链路的降雨信息模糊聚类方法，并将其应用于改进雨衰模型。结果表明，基于双频或双极化微波链路模糊聚类雨衰模型的性能要优于基于本地雨滴谱或ITU-R雨衰模型的性能。本文工作对基于微波链路的降水信息深度挖掘具有实际指导意义和应用前景。
降水类型;参数反演;微波链路;决策树算法
国防科学技术大学;国防科技大学
硕士
大气科学
贺宏兵;刘西川
2020
中文
P426.6
2023-02-14（万方平台首次上网日期，不代表论文的发表时间）