利用卷积神经网络开展偏振雷达定量降水估测研究
蔡康龙1
胡志群2
谭浩波3
黄锦灿1
张伟强4
张晶晶1
植江玲1
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 5280002.中国气象科学研究院灾害天气国家重点实验室,北京 1000813.广东省气象局,广东 广州 5100804.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
分类号：P412(大气探测（气象观测）)
资助基金：广东省重点领域研发计划(2020B1111200001)广东省气象局科学技术研究重点项目(GRMC2022Z03)佛山市气象局科学技术项目(201915)
论文发表日期：2024-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 64-74 )
英文信息