天气雷达空中生态监测

每年数以亿计的昆虫、候鸟和蝙蝠等空中动物在全球范围内远距离迁飞,显著影响空中生态系统的结构和功能。随着全球气候和环境的不断变化,空中生态环境也在迅速恶化,对人类的生命和健康构成了严重威胁。为了保护空中生态环境,首要任务是对其进行有效监测。天气雷达具有大范围、全天时、全天候监测能力,可覆盖百千千米空间尺度,是监测和研究宏观空中生态的有效工具。十余年来,天气雷达空中生态监测领域取得了突破性的进展,极大提高了对空中迁飞动物的探测能力,可有效弥补传统监测手段存在的覆盖范围小和时间分辨率低等技术局限。天气雷达已在全球范围内的生物多样性保护、迁飞性虫害监测、疫源疫病传播防控等重大空中生态议题中发挥着日益重要的作用,有效填补了宏观生态研究空白。目前,美国、欧洲和中国分别建立了全球三大天气雷达网,为空中生态研究提供了重要的基础设施和数据支持。本文详细阐述了当前全球天气雷达空中生态监测的科学研究进展,以及通过天气雷达揭示的空中动物迁飞科学规律。然后,对天气雷达生态监测中迁飞动物的电磁散射建模、雷达回波提取、群体参数反演、雷达观测验证实验,以及宏观迁飞模型等关键技术进行了梳理和总结,并详细介绍了中国天气雷达空中生态监测的进展情况。最后,对未来发展方向进行了展望,指出针对中国当前农业迁飞性害虫和鸟类宏观迁飞等重大监测需求,需要在扩维探测、多参反演、多源预测等方面深入研究和探索,以进一步解读重大动物迁飞事件、分析宏观迁飞规律、揭示空中生态对气候变化的响应。

基于ECOC平衡随机森林的雷达降水粒子分类

针对数据不平衡情况下的降水粒子分类问题,提出了一种基于纠错输出码(error correcting output code,ECOC)平衡随机森林的双偏振气象雷达降水粒子分类方法。首先,将多类别降水粒子数据集编码为多个二分类数据集;然后,对二分类数据集进行有放回的平衡重采样,构建多棵分类回归树;最后,利用所有的分类回归树联合进行降水粒子分类。对实测数据的处理结果表明,所提方法能够在保证总体准确率较高的情况下,大幅提高少数类的分类效果。

卷积神经网络STAP低空风切变风速估计

由于机载气象雷达前视阵下存在非均匀性地杂波,导致难以获得足够的独立同分布样本,影响杂波协方差矩阵准确估计,进而影响风速估计。对此,该文提出一种基于卷积神经网络STAP的低空风切变风速估计方法,通过少量样本就能够实现高分辨杂波空时谱估计。首先,基于卷积神经网络模型训练好高分辨杂波空时谱卷积神经网络,接着计算杂波协方差矩阵,进而计算卷积神经网络STAP最优权矢量进行杂波抑制,达到对低空风切变风速精确估计。该文在小样本情况下,将稀疏恢复问题通过卷积神经网络实现,完成对高分辨杂波空时谱有效估计,仿真实验结果表明该方法可以有效估计空时谱,并完成风速估计。

机载双极化气象雷达雷暴回波仿真与验证

雷暴是一种短暂而剧烈的强对流天气,常伴有闪电、冰雹、强降水等危险天气,对民航飞机的飞行安全造成巨大威胁。机载气象雷达作为保证飞行器飞行安全必备的装备,用于探测与显示航路附近的实时气象信息,辅助机组人员规避危险气象。由于极化技术在气象探测方面的优势,双极化雷达成为机载气象雷达的发展方向。但是雷暴天气具有发展迅速、变化复杂,危险性高等特点,使得获取实测机载双极化气象雷达雷暴回波数据困难。为了解决这一问题,本文基于机载双极化气象雷达提出一种雷暴回波仿真方法并进行验证。方法首先利用数值预报模式WRF模式(Weather Research and Forecasting)对雷暴气象场景进行模拟;然后使用T-Matrix方法计算气象粒子的单个粒子散射振幅矩阵,同时结合场景内粒子的微物理特性,计算雷暴目标的反射率因子;最后应用雷达气象方程,基于机载气象雷达系统参数建立雷暴回波信号模型,实现机载双极化气象雷达雷暴回波信号仿真。最后,为检验方法的正确性和准确性,基于雷暴单体识别算法对回波仿真结果进行验证。通过仿真不同仰角下雷暴回波,实验结果表明,基于WRF模式的机载双极化气象雷暴回波仿真方法对雷暴天气具有良好的模拟能力,经单体识别算法验证,结果表明可准确体现雷暴单元的质心分布,结构属性和立体特征,对比实测数据,雷暴回波仿真结果与实测数据相吻合,实验结果具有真实性和准确性。

3DuA-Net:融合3D卷积和注意力的雷达回波外推预报

针对短临降雨预测模型对历史雷达数据的建模结果存在视觉性能模糊和低估高回波值的问题,提出一种融合3D卷积和双端注意力机制的短临降雨雷达回波外推模型3DuA-Net。以ST-LSTM时空长短期记忆网络为循环单元,将普通卷积替换为3D卷积,增强模型从全局视角强化对短期运动特征信息的捕获能力。并提出DuAtt高效双端注意力机制,提高模型对长期雷达图像序列局部和全局重要特征信息的保存及结合能力。采用深圳气象局公开的多普勒雷达数据集进行实验,结果表明:在10、20、40 dBz阈值下,该模型相比Conv-LSTM基线模型的CSI指标平均提升7.74%,HSS指标平均提升5.54%,MAE指标下降3.8%,SSIM指标提升8.86%。

基于KA-SRCN-pSTAP的低空风切变风速估计方法

针对由于独立同分布(IID)样本严重不足,导致极化空时自适应(pSTAP)处理性能下降,进而导致低空风切变风速估计不准确的问题,本文提出了一种基于知识辅助的稀疏表示杂波零陷极化空时自适应(KA-SRCN-pSTAP)的低空风切变风速估计方法。该方法首先利用杂波脊的先验知识辅助构造极化空时稀疏字典,然后利用极化空时稀疏字典,通过SRCN算法挑选原子并对到杂波线性子空间补空间上的投影矩阵进行估计,从而得到pSTAP权矢量,最后构造pSTAP滤波器对地杂波进行抑制,准确估计低空风切变风速。该方法仅使用少量IID样本,将SRCN算法与极化-空时域相结合,完成对风切变风速的有效估计。仿真实验结果证明该方法可以有效实现少样本情况下的风速准确估计。

基于D3AR的半球共形阵低空风切变风速估计方法

针对半球共形阵体制下进行低空风切变检测时会受到强地杂波信号的干扰,导致风切变信号难以检测的问题,提出了一种基于空时自回归的直接数据域算法(Space-Time Autoregressive Direct Data Domain,D3AR)的低空风切变风速估计方法。该方法首先将待检测距离单元的数据从空域、时域以及空时域进行信号对消处理;然后将处理后的数据矩阵描述为空时自回归(Autoregression,AR)模型并估计模型参数;再通过构造与杂波子空间正交的空间来实现对杂波的抑制,最后通过提取待检测单元的最大多普勒频率来估计风场速度。根据仿真结果显示,该方法有效地实现了地杂波抑制,并且能够精确估计风速。

基于矩阵信息几何样本筛选下局域联合处理的低空风切变风速估计方法

针对非均匀杂波环境下,机载气象雷达低空风切变风速估计不准确的问题,本文提出了一种基于矩阵信息几何样本筛选下局域联合处理(Joint Domain Localized,JDL)的低空风切变风速估计方法。该方法首先提取雷达回波信号的特征信息建模为矩阵流形,然后通过选取几何度量方式估计几何均值矩阵,利用广义内积法(Generalized Inner Product,GIP)计算几何均值矩阵与各样本间相似度,并从训练样本中筛选样本相似度较高的训练样本估计待检测单元的杂波协方差矩阵,最后利用JDL方法构造降维变换矩阵,对杂波协方差矩阵进行降维处理,并构造降维处理器对非均匀杂波进行抑制,从而实现低空风切变风速估计。

双线偏振全数字相控阵天气雷达设计与试验

基于极端灾害性天气对高时空分辨率的探测需求,提出了一种采用平板阵列天线和全数字收发组件,并具有双线偏振功能的S波段相控阵天气雷达系统的实现方法,并对涉及的关键技术进行了研究分析,提出了基于脉内频相扫多波束的扫描策略设计,以及基于机内标定系统的在线标定设计思路。最后采用研制的工程样机开展了强对流天气观测试验,并与CINRAD/SAD雷达的观测数据进行了对比,对比结果表明采用该方法设计的工程样机对强对流天气的观测具有一定优势。

基于云模型的新体制机载气象雷达健康状态评估

在分析新体制机载气象雷达系统的工作原理和基本组件的基础上,选取发射机、接收机、信号处理机和有源相控阵雷达T/R组件为首要研究对象,构建了多特征融合的气象雷达系统健康状态参数集,采用层次分析法对各状态参数合理赋权,针对新体制机载气象雷达健康状态评估问题,提出了一种基于云模型的改进模糊综合评判法,相较于传统的岭形隶属度函数,该方法通过引入云模型的概念,将模糊性和随机性纳入考量范围,从而实现了更为全面和科学的健康状态评估。

基于X波段雷达组网的强对流识别

冰雹、暴雨等强对流天气对人类活动的危害巨大,但由于其发展迅速、结构复杂,对其进行自动识别非常困难。基于成都航空港、龙泉,资阳地区3部X波段雷达构成的雷达组网平台,利用雷达组网的高时空分辨率的体扫数据,在传统的U-Net网络基础上进行改进,提出一种基于U-Net语义分割网络的强对流天气识别模型。选取雷达组网中0.5°、2°、3.5°、5°、6.5°、8°和9°共7层仰角基数据中的径向速度和反射率数据,进行配准、归一化等预处理后形成模型训练所需的数据集。经实验验证,训练后得到的模型对强对流识别的结果比较好。

预畸变对固态雷达脉冲压缩的改善

固态功率放大器是相参雷达的微波源,直接决定雷达的探测性能。功率放大器本身存在的非线性特性引起发射信号畸变,导致脉冲压缩性能降低。使用简化沃特拉(Voltera)模型对雷达发射波形激励下的功放进行建模,采用数字预畸变技术提高发射信号质量。在SaXPol全固态X波段天气雷达上对预畸变算法进行测试,结果表明,发射信号在预畸变前后误差矢量幅度改善约15%,脉冲压缩后峰值旁瓣电平比下降10 dB左右。

一种基于深度卷积神经网络的电磁干扰识别与抑制方法

随着无线电通信技术的发展,人工无线电对气象雷达的电磁干扰(EMI)明显增加,对雷达数据的质量产生严重影响。目前,关于检测和抑制电磁干扰的研究大多是基于雷达的初级产品。从雷达接收机前端的I/Q数据出发,提出使用深度卷积神经网络来识别和抑制电磁干扰的方法。设计一种残差结构的全卷积网络,并且选择UNet和DeepLab V3+共同进行识别效果的对比,在识别之后使用线性插值方法对电磁干扰进行抑制。结果显示,3种模型都能有效地识别电磁干扰,并且在识别的准确率上和召回率上各有优劣。在对识别结果进行抑制后,使得雷达数据质量都得到明显的提高。

频率源中关键信号电磁兼容研究

针对两种版图设计方案中关键信号的电磁干扰大小及其产生的原因进行分析,以达到预识别功能模块是否存在电磁干扰的目的。采用软件进行信号间隔离度仿真,结合功能模块测试试验,在产品设计初期进行相关电磁干扰仿真可减小关键信号被干扰的风险。模块实测结果显示,方案一的输出信号存在干扰,方案二的输出信号不存在干扰。两种方案的仿真结果与实测结果吻合,实测结果验证了隔离度仿真结果的可参考性。

基于改进随机森林算法的强对流气象下电网保护预警算法设计

为了提升电力系统在强对流天气下的应急处置水平,文中对电网恶劣天气下的保护预警方法展开研究。将电力设施的气象保护预警抽象为时间序列处理问题,并采用机器学习算法进行建模求解。在讨论决策树集成后RF收敛性问题的基础上引入了一种基于灰度关联的投影算法,通过挖掘电力网络的运行特征,在历史数据中找到与预测日特征最相似的投影日,从而为RF的决策提供支持。以大量真实气象数据为样本,对改进后RF算法进行的仿真实验结果表明,与单CART树相比,基于集成学习的RF算法具有更强的泛化能力,MAE和RMSE分别降低了51.48%及41.70%。而相较于现有主流的FNN神经网络算法,该算法的性能也有明显提升,且MAE、RMSE分别下降了36.91%及26.09%。

基于深度混合专家模型的电力气象识别技术

对电能传输和设施运行产生严重干扰的天气现象称为高影响天气现象,然而目前基于人工观测高影响天气现象的方法存在着时效低、耗费人力等缺陷。针对此问题,提出一种基于混合专家模型深度学习的电力图像高影响天气现象识别算法。通过对密集连接网络的预训练,实现了图像判别式特征的提取,采用混合专家模型对天气现象进行初步分类,联合优化两部分模型参数,设计生成了对电力图像中的高影响天气现象识别模型。基于高影响天气现象识别数据集对所提模型进行测试验证,算例结果表明,所提方法的图像识别耗时缩减了约75%,同时在模型稳定性和识别准确程度方面也具有一定优势。

北京地区强对流天气雷达回波特征

通过近 2年的观测 ,收集了一些新的、不同类型的强天气个例的回波资料。对其中典型个例的分析可以得到北京地区的一些强天气的雷达回波特征。冰雹、雷雨大风回波高度高 ,达 1 2km ,暴雨过程回波高度仅 7km ;冰雹、雷雨大风这类强对流天气的雷达回波移动速度快 ,而局地暴雨的雷达回波移动速度缓慢。通过对多普勒径向速度图的分析 ,可以得出冰雹、雷雨大风与暴雨的动力结构有着明显的差异。

ADWR天气雷达两起典型故障分析与处理

以提高航空气象设备技术人员保障能力为目的,分析近期哈尔滨机场多普勒天气雷达在运行保障中出现的俯仰电源和线包温度过高等故障,指出其中的原因,探讨了处理方法,提出运行保障建议。

新一代天气雷达与强对流天气预警

简要介绍了对流风暴的分类、对流风暴的强弱和强对流天气的多普勒天气雷达识别和预警技术,以及新一代天气雷达对强对流风暴预警水平的改进。

用伪折射率和相似理论计算海上蒸发波导剖面

本文说明了以伪折射率为相似参量用相似理论估算蒸发波导高度的理论方法 .由于海面附近折射率梯度变化可近似认为与气压无关 ,所以定义了伪折射率 ,推导了其相似公式 ,得到了蒸发波导高度满足的方程和一般文献都未给出的M剖面计算公式 .本文给出了本方法的计算机模拟典型结果、利用实测海洋资料计算的蒸发波导高度等参数的统计结果蒸发波导剖面以及海上折射率测量结果和本方法预测结果的对比结果等 ,这些结果表明本文给出的方法是有效的 .