排序方式: 共有94条查询结果,搜索用时 15 毫秒
91.
92.
为实现对降水粒子的高精准分类,整理3 a机载探测降水粒子图像,构建山东省降水粒子图像数据集(Shandong Province Precipitation Particle Image Dataset, SD-PPID)。结合多维度混和的模型放缩方法,提出一种基于EfficientNet卷积神经网络的降水粒子识别模型(A Precipitation particle Recognition model based on EfficientNet convolutional neural Network,PREN)。通过多模型、多指标评价对比,验证了PREN模型具有较好的性能和分类识别能力,模型的识别准确率、精准率和召回率均为98%。使用PREN模型分析对流泡降水粒子特征,选取2次典型积层混合云降水过程的3个时段,结合机载Ka波段云雷达(Airborne Ka-Band Precipitation Cloud Radar,KPR)和DMT粒子测量系统(Droplet Measurement Technologies)分析对流泡内部与外部、不同强度和不同高度的降水粒子形状占比,并研究其降水... 相似文献
93.
选取河北邢台X波段双线偏振全固态多普勒雷达观测到的典型降水过程资料,分析了偏振参量的数据质量及系统稳定性,用ΦDP对ZH和ZDR进行了初步的衰减订正,并对订正结果进行了评估。结果表明,724XSP双偏振雷达初始相位ΦDP(0)随仰角、方位的变化都是较为稳定的,波动较小。分析垂直扫描数据,发现ZDR和CC能较好地反映降水粒子的实际情况。信噪比是影响偏振数据质量的重要因素,当信躁比大于15 dB时,ZDR、CC随信噪比变化比较平稳,数据质量可信度较高。双偏振雷达反射率因子衰减订正后与S波段雷达的拟合效果更好,相关系数为0.78,订正后ZDR-ZH散点分布更接近散射模式计算出的理论结果,说明订正效果好。 相似文献
94.
本文利用OTT Parsivel2激光雨滴谱仪和站点加密观测资料,对2019年11月29日张家口地区一次长时间降雪天气过程的滴谱演变特征进行了初步分析,本次降雪先后经历开始阶段、雪花阶段、稳定强降雪阶段、结束阶段。结果表明:(1)总体上,降雪天气过程中微物理参量(降雨强度R、数浓度Nt、雨水含量W、雷达反射率因子Z、质量加权平均直径Dm)演变趋势基本相同,其中开始阶段、稳定强降雪阶段、结束阶段的降水强度、雨水含量、雷达反射率因子受粒子数浓度影响较大,而雪花阶段降水强度、雨水含量、雷达反射率因子受粒子直径影响较大。(2)稳定强降雪阶段,粒子数浓度Nt量级为103至104,而Dm小于1 mm,这是由于大雪片在温度较低的情况下,下落过程中破碎形成大量小雪片。降雪过程中,雪滴下落速度小于2 m/s的粒子数占总粒子数的90%,强降雪阶段的雪滴下落速度集中于1~1.5 m/s。(3)分别使用二、三、四阶矩和最小二乘法对不同降雪阶段粒子谱进行Gamma分布拟合,在降雪过程中,最小二乘法拟合效果优于二、三、四阶矩方法。 相似文献