S波段双偏振天气雷达降水产品评估与分析

为了发挥双偏振天气雷达中一小时降水产品对下一时次降水预报的指导性作用,文章匹配分析山东省2020年94次降水过程的2091个整点时次的一小时降水产品与自动气象站一小时降水量,以自动气象站降水量为真值,发现一小时降水产品存在较明显的误差。一小时降水产品远距离的小雨估测准确性较低,对近距离局地强对流降水估测准确性较差,存在明显的空报现象。造成误差的因素主要有高空风速及风向使降水落区具有不确定性、降水估测算法没有经过本地化处理以及晴空回波与弱降水回波非常相似。因此,降水估测产品的准确性需要进一步改善和提升。

济南S波段双偏振雷达双通道一致性测试分析

双通道一致性是双偏振天气雷达的关键技术,理论上要求两通道的性能完全一致,但在实际应用中由于硬件误差、温度以及噪声等因素的影响,无法做到完全一致,因此需要定期进行测试,以确保双通道的误差在标准范围内。本文从济南CINRAD/SA-D雷达动态特性、噪声系数以及系统的回波强度等实测数据检验了本站双偏振雷达的双通道一致性,分析了产生误差的原因并提出了在运行过程中遇到问题的解决方法,对今后雷达的运行和维护保障有一定的参考价值。

基于门控循环单元神经网络的大气能见度临近预报技术

针对大气能见度变化具有突变性以及复杂非线性问题,利用神经网络对复杂非线性过程拟合能力强且对映射关系变化反应速度快的特点,采用门控循环单元(GRU)神经网络为算法框架,将某省17个国家气象观测站近5年的地面能见度及相关要素数据预处理后形成本地化能见度数据集,通过该数据集对网络进行1~4 h预报时效的训练、测试与验证。实验结果显示,基于GRU神经网络的大气能见度短临预报算法其均衡平均数(F1-score)、准确率(accuracy)和风险评分(TS-score)指标明显优于长短期记忆神经网络(LSTM)、临近K指数(KNN)与支撑向量机(SVM)大气能见度短临预报算法。