| 利用卷积神经网络开展偏振雷达定量降水估测研究 |
| |
| 引用本文： | 蔡康龙,胡志群,谭浩波,黄锦灿,张伟强,张晶晶,植江玲.利用卷积神经网络开展偏振雷达定量降水估测研究[J].热带气象学报,2024(1):64-74. |
| |
| 作者姓名： | 蔡康龙 胡志群 谭浩波 黄锦灿 张伟强 张晶晶 植江玲 |
| |
| 作者单位： | 1.佛山市龙卷风研究中心/中国气象局龙卷风重点开放实验室，广东 佛山 528000;2. 中国气象科学研究院灾害天气国家重点实验室，北京 100081;3. 广东省气象局，广东 广州 510080;4. 高明区气象局，广东 佛山528000 |
| |
| 摘 要： | 利用偏振升级改造后的广州新一代天气雷达（CINRAD/SAD）水平反射率ZH、差分传播相移率KDP、差分反射率因子ZDR和广东佛山219个地面气象自动站雨量数据，形成不同偏振量组合的8个数据集。基于卷积神经网络（CNN），建立雷达定量降水估测网络架构QPEnet， 并将该架构用于雷达定量降水估测（QPE），评估结果表明：数据集通道数N的增加可降低QPEnet的定量降雨估测的均方根误差（RMSE），并提高相关系数（CORR）；对于由ZH形成的数据集Z、Z_1~3 km和Z_6 min，随着通道数N的增加，数据集Z、Z_1~3 km和Z_6 min的性能逐步得到提高，数据集Z_1~3 km和Z_6 min的均方根误差（RMSE）分别是4.71和3.78，比数值集Z分别降低了1.3%和18.7%；数据集Z_1~3 km和Z_6 min的CORR分别是0.82和0.88，比数据集Z分别提高了2.5%和10.0%；对于ZH、KDP和ZDR偏振量组成的数据集里面，数据集Z_ZDR_KDP的拟合性能最好，RMSE为3.97，比数据集Z的RMSE降低了14.6%，CORR是0.86，比数据集Z提高了7.5%；分别对0.6～5 mm、5～10 mm、10～20 mm、20～30 mm、30～40 mm、40～50 mm和50 mm以上的7个降水量级的均方根误差（RMSE）、平均偏差比（MBR）、平均误差（AE）和相对误差（RE）等的统计结果表明，数据集Z_6 min降雨精度最高。
|
| 关 键 词： | 定量降水估测 卷积神经网络 S波段双偏振雷达 测雨精度 |
Research on Quantitative Precipitation Estimation by Polarized Radar Using CNN |
| |
| CAI Kanglong,HU Zhiqun,TAN Haobo,HUANG Jincan,ZHANG Weiqiang,ZHANG Jingjing,ZHI Jiangling.Research on Quantitative Precipitation Estimation by Polarized Radar Using CNN[J].Journal of Tropical Meteorology,2024(1):64-74. |
| |
| Authors: | CAI Kanglong HU Zhiqun TAN Haobo HUANG Jincan ZHANG Weiqiang ZHANG Jingjing ZHI Jiangling |
| |
| Institution: | 1. Foshan Tornado Research catter, China Meteorological Administration Tornado Key Laboratory, Foshan, Guangdong 528000, China;2.Chinese Academy of Meteorological Sciences, Beijing 100081, China;3.Guangdong Meteorological Bureau, Guangzhou,51080, China;4.Gaoming Meteorological Bureau, Foshan, Guangdong 528000, China |
| |
| Abstract: | |
| |
| Keywords: | Quantitative Precipitation Estimation(QPE) convolutional neural network S-band dual polarization measurement accuracy |
|
| 点击此处可从《热带气象学报》浏览原始摘要信息 |
| 点击此处可从《热带气象学报》下载免费的PDF全文 |
|
