X波段天气雷达点杂波抑制方法研究

X波段天气雷达尺寸小、基建要求低、机动性强,在近距离探测中得到广泛应用。相较于常规S/C波段雷达,其面临着更加严重的距离/速度测量矛盾和杂波抑制问题,尤其在低空域探测时,点杂波抑制问题日益突出。文章面向X波段天气雷达应用需求,重点研究低空点杂波抑制问题。通过点杂波信号仿真,分析了其距离库的IQ信息在时域和频域的特征,在数字信号处理端设计了脉冲对处理、快速傅里叶变换相结合的方法进行点杂波抑制,并对该方法进行了实测验证,展示了良好的抑制效果。

基于FastICA算法和MODIS数据的水稻面积提取

以苏、皖、赣三省为研究区域,采用Fast ICA算法从MODIS数据中提取2010年水稻种植面积,并验证该算法在混合像元分解中的有效性。在对2010年46景8 d合成地表反射率产品数据进行预处理的基础上,结合MODIS土地利用产品和平滑滤波算法,构建耕地类型像元的ILSW和INDV时相变化曲线。依据ILSW和INDV曲线在水稻移栽期前后的变化规律,并根据由各地区水稻INDV时相曲线计算得到水稻相似性指数,从MODIS影像中提取水稻像元。采用Fast ICA算法对潜在水稻像元水稻生长期内的INDV时相曲线进行分解,计算每个像元的水稻丰度,绘制水稻丰度图,获取研究区各省水稻分布和种植面积。利用统计年鉴数据和样方资料对Fast ICA算法提取的水稻面积进行了验证。结果显示:采用水稻相似性曲线有利于提高稻田识别效率,所获取的水稻分布与实际情况吻合;Fast ICA算法能够分解不同地区水稻INDV时相曲线;与统计资料比较,江苏、安徽、江西三省水稻面积的提取精度分别为86.4%、87.9%、51.5%。江西水稻面积提取误差主要出现在地形起伏较大的山区。

基于不同滤波的水稻物候期提取

基于2010年中分辩率成像光谱仪(moderate-resolution imaging specroradiometer,MODIS)数据,以江苏省为研究区域,采用不同信号滤波方法,对水稻物候期的提取方法进行了分析和研究。在获得水稻的增强型植被指数(enhanced uegetatisn index,EVI)数据基础上,进行了HANTS(harmonic analysis of time series)滤波和小波变换滤波的对比分析,使用小波滤波重构后的数据结合Matlab软件进行了水稻物候期的格点化提取,并验证了结果的准确性。结论如下:二者都能较好的去除噪声,还原原始信息,但对云噪声污染较严重地区,小波滤波相比HANTS滤波效果更好,新的移栽期提取方法和小波滤波的物候期提取方法能够较为准确的反应真实的水稻物候情况,经站点数据检验,能很好地反应真实水稻物候情况。

基于田间试验的水稻模型ORYZA2000区域参数比较

利用江苏南京、安徽宣城两地的水稻田间试验数据和气象资料,对ORYZA2000模型基本作物参数进行调整,包括不同发育阶段的发育速率、干物质分配系数、比叶面积等。两试验点的作物营养生长参数(DVRJ)和生殖生长参数(DVRR)差异很大,反应了模型的区域差异性。模拟效果均能准确反应叶面积指数、生物量的动态变化过程,在地上部生物量的模拟准确度最高。两试验点的叶面积指数、地上部生物量、绿叶生物量、茎生物量和穗生物量的归一化均方根NSMSE值分别为9%、19%、18%、13%、25%和16%、25%、17%、19%、24%,因而南京试验点的模拟效果比宣城好,参数更具区域适应性。

ORYZA2000模型模拟安徽地区不同播期水稻的适应性分析

以2010—2011年安徽宣城两个水稻品种（两优6326，南粳44）3个播期（5月5日、15日、25日）水稻生长发育观测数据为基础，结合当地气象、土壤等数据，将2010年数据作为校准数据对ORYZA2000模型进行参数校正，调试决定作物基本参数，以2011年数据作为检验数据，对水稻生育期、叶面积指数、生物量及产量等指标进行模拟并将结果进行统计验证与评价。结果表明，对水稻生育期发育速率的模拟显示，两优6326的大部分生育期发育速率稍高于南粳44，第三播期两优6326基本营养阶段及生殖生长阶段的发育速率最大，第三播期南粳44穗分化阶段的发育速率最小；水稻生育期模拟值均比实测值小，其差异为2～7d。生育期长度的归一化均方根误差（NRMSE）为3．4％～7．5％；两组数据所得地上总生物量的NRMSE为16％-22％、绿叶生物量的NRMSE为20％-25％、茎生物量的NRMSE为17％～21％、穗生物量的NRMSE为19％-25％、叶面积指数的NRMSE为24％～26％，其总生物量及产量的NRMSE分别为6％～13％和5％-14％。模拟结果表明ORYZA2000模型可以通过校准作物参数，较准确地模拟水稻发育期、发育速率及其生物量的动态积累过程。

相控阵天气雷达并行异构数据处理方法

为解决相控阵天气雷达的海量数据高效处理难点,设计研发了基于CUDA运算平台的CPU+GPU并行异构数据处理方法,显著提高了产品数据处理效率,缩短设备探测到数据可视化进程,充分发挥了相控阵天气雷达的探测优势。阐述了从基数据到产品处理过程中并行异构数据处理方法的设计,并结合典型产品详细描述实现设计和测试对比,通过对结果的对比分析,展示了该方法在性能、性价比方面的优点和潜力,为后续进一步提高相控阵天气雷达资料在气象服务中的应用水平夯实基础。

北京大兴国际机场相控阵雷达强对流天气监测

北京大兴国际机场相控阵雷达性能先进,可实现对灾害性飞行天气的高效监测。对比该雷达和S波段多普勒天气雷达在2020年6月18日和25日两次强对流过程探测能力表明:2020年6月18日相控阵雷达探测到雷暴清晰的外流边界等弱回波,直到弱回波触发新对流单体并加强后,S波段多普勒天气雷达才探测到该弱回波,时间上比相控阵雷达晚24 min;2020年6月25日的强对流雹暴过程,相控阵雷达探测的径向速度涡旋结构比S波段雷达清晰,垂直气流悬垂回波及雷暴形态与强雷暴的理论模型更吻合,S波段雷达垂直结构不典型;相控阵雷达的回波强度空间变化层次丰富,S波段雷达空间分布显得粗糙;相控阵雷达探测的冰雹三体散射回波及旁瓣回波比S波段雷达显著。因此相控阵雷达具有时间分辨率、空间分辨率、空间覆盖率、弱回波探测能力等方面的优势,更适合监测冰雹、外流边界等中小尺度灾害性飞行天气。