排序方式： 共有32条查询结果，搜索用时 31 毫秒
21.
22.
为了探究深度学习用于飑线识别的可行性,基于2008—2020年河南省郑州和驻马店雷达数据,采用卷积神经网络（convolutional neural network,CNN）算法构建飑线识别模型,引用临界成功指数、公平风险评分、命中率和误判率定量评价模型的识别效果,对比不同样本组成比例和网络结构对飑线识别效果的影响。结果表明:建模所用的样本组成比例对飑线识别有一定影响,通过改变采样方式和优化网络结构均能够改善样本比例不平衡的问题,提高飑线识别效果,且后者提升的幅度更大,而两种方法的结合无明显提升。测试结果表明:该模型临界成功指数为0.66,公平风险评分为0.58,命中率为0.86,误判率为0.24。研究揭示了卷积神经网络能够提取并学习飑线和非飑线回波的图像特征,对飑线有一定识别能力。 相似文献
23.
为评价COSMIC-2掩星反演数据精度,利用探空站点资料,对比验证了基于COSMIC-2附加相位数据由无线电掩星数据处理软件ROPP计算得到的大气折射率及温湿廓线。实验结果表明:COSMIC-2数据经反演后的大气廓线质量较高,大气折射率相对偏差标准差为1.5%~4.3%,大气温度和相对湿度均方根误差分别为1.3~2.2 K、10%~15%;低纬地区样本精度总体优于中纬地区; 季节性差异不明显,但冬春季样本精度总体略优于夏秋季。反演数据与COSMIC-2二级产品相比,折射率与温度在部分高度层精度更优,相对湿度在总体上精度更优。 相似文献
24.
K-T变换在监测小麦地表参数中的应用 总被引：1，自引：0，他引：1
利用K-T变换提取TM和MODIS遥感影像的绿度、湿度分量,在不同的分辨率尺度下监测小麦覆盖地表参数:土壤湿度(Ms)、等效水厚度(EWT)和叶面积指数(LAI),并与NDVI(归一化植被指数)、NDWI(归一化水分指数)和EVI(增强植被指数)监测结果比较.湿度分量监测Ms效果更好,TM和MODIS遥感影像反演精度分别为6.08%、7.37%(RMSE),相关系数R2分别为0.49、0.31,基于绿度和湿度分量建立土壤湿度多元线性回归反演模型,利用TM影像反演土壤湿度RMSE为4.91%,反演土壤湿度和实测土壤湿度R2达0.63;绿度分量监测EWT效果更好,TM和MODIS遥感影像反演精度分别为0.37 kg/m2、0.43 kg/m2,R2分别为0.51、0.28;绿度分量反演LAI精度更好,TM和MODIS遥感影像反演精度分别为0.66、0.83,R2分别为0.64、0.35. 相似文献
25.
卫星辐射率资料EnSRF同化及暴雨模拟应用 总被引：6，自引：4，他引：2
基于自主构建的WRF—EnSRF（Weather Researchand Forecasting—Ensemble Square—Root Filter）同化系统,同化了ATOVS（Advanced TIROS Operational Vertical Sounder）辐射率资料,以检验该系统同化卫星资料的能力及其在暴雨过程模拟中的效能。对2008年6月6—7日广东地区一次大暴雨过程进行了同化及数值模拟试验,结果表明,同化ATOVS辐射率资料得到的分析场,丰富了对流层高层的大气温度和对流层中低层的大气湿度信息,对风场也有一定的改进。控制试验和同化试验都较好地模拟出了降水的主要落区和发生时段,但控制试验对暴雨、大暴雨的雨区和雨强的模拟效果欠佳;相比而言,同化试验对强降水中心的位置、范围的模拟均有更好的反映,模拟的暴雨强度也与实际降水量级基本一致,同化改进效果明显。 相似文献
26.
27.
为检验臭氧卫星资料同化对臭氧分析场和预报场的影响,基于集合平方根滤波(ENSRF)理论,结合通用地球系统模式(CESM),构建了CESM-ENSRF同化预报系统。系统构建过程考虑了卡尔曼滤波同化中的关键问题:利用全场随机扰动对初始场加扰,结合一般协方差膨胀和松弛协方差膨胀方法实现协方差膨胀,使用五阶距离相关函数进行协方差局地化。将构建的系统用于微波临边探测器(MLS)臭氧廓线数据的同化,分析臭氧卫星资料同化对模式预报的影响。结果表明:构建的CESM-ENSRF同化系统有效实现了臭氧资料同化,臭氧卫星资料同化对臭氧分析场和预报场精度有较大改进。 相似文献
28.
Deviation exists between measured and simulated microwave radiometer sounding data. The bias results in low-accuracy atmospheric temperature and humidity profiles simulated by Back Propagation artificial neural network models. This paper evaluated a retrieving atmospheric temperature and humidity profiles method by adopting an input data adjustment-based Back Propagation artificial neural networks model. First, the sounding data acquired at a Nanjing meteorological site in June 2014 are inputted into the MonoRTM Radiative transfer model to simulate atmospheric downwelling radiance at the 22 spectral channels from 22.234GHz to 58.8GHz, and we performed a comparison and analysis of the real observed data; an adjustment model for the measured microwave radiometer sounding data was built. Second, we simulated the sounding data of the 22 channels using the sounding data acquired at the site from 2011 to 2013. Based on the simulated rightness temperature data and the sounding data, BP neural network-based models were trained for the retrieval of atmospheric temperature, water vapor density and relative humidity profiles. Finally, we applied the adjustment model to the microwave radiometer sounding data collected in July 2014, generating the corrected data. After that, we inputted the corrected data into the BP neural network regression model to predict the atmospheric temperature, vapor density and relative humidity profile at 58 high levels from 0 to 10 km. We evaluated our model’s effect by comparing its output with the real measured data and the microwave radiometer’s own second-level product. The experiments showed that the inversion model improves atmospheric temperature and humidity profile retrieval accuracy; the atmospheric temperature RMS error is between 1K and 2.0K; the water vapor density’s RMS error is between 0.2 g/m3 and 1.93g/m3; and the relative humidity’s RMS error is between 2.5% and 18.6%. 相似文献
29.
面对日益严峻的大气污染形势,针对卫星气溶胶光学厚度（AOD）资料在灰霾数值预报领域的合理有效利用问题,使用WRF-Chem（WRF coupled with Chemistry）大气化学模式以及GSI（Gridpoint Statistical Interpolation）三维变分同化系统,利用MODIS和FY-3A/MERSI AOD资料,对一次灰霾天气过程进行了同化预报试验。试验结果显示,同化卫星AOD资料有效改善了模式初始场,MODIS和MERSI同化试验分别在AOD分析场的中心强度和空间分布各具优势,且对PM2.5和PM10的后续预报改进明显;从统计分析上看,同化试验的预报效果整体上好于控制试验,同化试验中PM2.5和PM10预报值的平均值、中值、平均偏差、均方根误差等指标均明显优于控制试验,且MODIS和MERSI同化试验分别在PM2.5和PM10预报统计结果中体现出了优势;卫星AOD资料同化能明显降低污染事件的空报率和漏报率,提高预报的TS评分和ETS评分。不同卫星AOD资料的差异对分析场中AOD的分布和强度产生了相应影响,进而影响了模式的灰霾预报效果;本次试验中,MODIS和MERSI AOD同化试验分别在PM2.5和PM10预报的评分上表现更佳。结果表明,卫星AOD资料同化对数值预报产生了积极的效果。 相似文献
30.