RESEARCH ON AN IDENTIFICATION METHOD FOR RADAR RADIAL JAMMING ECHOES BASED ON DATA CHARACTERISTICS
-
摘要: 通过对2020年1月广西新一代天气雷达基本反射率因子拼图产品中存在径向干扰回波的166个样本进行分析,提出一种基于径向数据特征分析的径向干扰回波识别方法:径向数据判定法(Radial Data Determine,RDD)。径向数据判定法方法通过建立4个特征参数来描述反射率因子纵向和横向的数据特征,基于决策树方法识别出径向干扰回波。运用径向数据判定法对该166个样本进行回算,发现径向数据判定法不仅能识别出小幅度的径向干扰回波,而且能有效识别出大幅度高强度的径向干扰回波,识别和滤除效果良好。经过对2019—2020年不同天气过程下的约3 784个样本(包括有或无干扰回波)进行了应用检验,同样发现径向数据判定法对径向干扰回波的正确识别率高,误识别损失小,具有良好的泛化能力和业务应用前景。最后,给出了径向数据判定法应用中存在的问题和未来工作展望。Abstract: By analyzing 166 jamming echo samples of Doppler weather radar reflectivity mosaic products for Guangxi Region in January 2020, this work put forward a method, known as Radial Data Determination (RDD), for identifying radial jamming echoes based on radial data characteristics. The RDD method describes the longitudinal and transverse characteristics of the radar reflectivity by establishing four characteristic parameters and uses the decision tree to identify the radial jamming echoes. For clear air echoes of training samples, the RDD method identified not only radial interference echoes at small scales but also those at large scales and high intensity without any preset azimuth threshold. A training test showed that the RDD method had a good effect on identifying and filtering the radial interference echoes. As indicated by the results of an application test for more than 3800 samples (including echoes with clear air or precipitation) with different weather processes from 2019 to 2020, the RDD has a high rate of accurate identification for radial interference echoes and a small loss resulting from erroneous identification, suggesting that it has promising capacity for generalization and good prospect for operational application. In the last part of the work, the issues and outlooks of the RDD are presented.
-
表 1 训练数据集径向干扰回波识别滤除情况表
径向干扰分类 样本数 滤除效果 完美 良好 一般 较差 失败 大幅度高强度 91 26 34 20 11 0 大幅度中强度 5 0 0 0 1 4 大幅度低强度 0 0 0 0 0 0 小幅度高强度 14 11 3 0 0 0 小幅度中强度 20 17 2 1 0 0 小幅度低强度 36 22 0 6 1 7 表 2 验证数据集径向干扰回波识别滤除情况表
序号 时间范围 主要影响天气 应有样本数 实有样本数 滤除后存在差异样本 正确滤除 误滤除 同时有正确滤除和误滤除 不能确认 CSI 1 2019年8月30日—9月1日 台风“杨柳” 720 720 102 36 56 5 5 0.915 2 2019年6月29日—6月30日 飑线 480 447 151 95 25 3 28 0.909 3 2019年8月1日—8月3日 台风“韦帕” 720 697 70 34 16 2 18 0.963 4 2020年1月24日—1月25日 冰雹 720 720 110 28 49 7 26 0.909 5 2019年6月12日—6月13日 暴雨 480 480 107 46 28 30 13 0.897 6 2019年12月2日—12月5日 冬季晴天 720 720 105 103 1 1 0 0.998 -
[1] 张诚忠, 陈子通, 万齐林, 等. 雷达反演水汽在华南前汛期短时临近降水预报应用试验[J]. 热带气象学报, 2014, 30(5): 801-810. [2] 王改利, 刘黎平, 阮征. 多普勒雷达资料在暴雨临近预报中的应用[J]. 应用气象学报, 2007, 18(3): 388-395. [3] 张诚忠, 薛纪善, 冯业荣, 等. 雷达反演潜热在华南区域数值模式汛期短时临近降水预报的应用试验[J]. 热带气象学报, 2017, 33(5): 577-587. [4] 东高红, 刘黎平. 雷达与雨量计联合估测降水的相关性分析[J]. 应用气象学报, 2012, 23(1): 30-39. [5] 陈超, 胡志群, 胡胜, 等. 广州S波段双偏振雷达数据质量初步分析[J]. 热带气象学报, 2018, 34(1): 59-67. [6] 黄兴友, 李盈盈, 张帅, 等. 基于模糊逻辑的地物回波识别方法及效果检验[J]. 热带气象学报, 2018, 34(3): 305-313. [7] 胡胜, 伍志方, 刘运策, 等. 新一代多普勒天气雷达广东省区域拼图初探[J]. 气象科学, 2006, 26(1): 74-81. [8] 肖艳姣, 刘黎平. 新一代天气雷达网资料的三维格点化及拼图方法研究[J]. 气象学报, 2006, 64(5): 647-657. [9] 张福贵, 范潇, 何建新. 自适应阈值方法去除风廓线雷达地物杂波[J]. 应用气象学报, 2015, 26(4): 472-481. [10] 刘黎平, 吴林林, 杨引明. 基于模糊逻辑的分步式超折射地物回波识别方法的建立和效果分析[J]. 气象学报, 2007, 65(2): 252-260. [11] 江源, 刘黎平, 庄薇. 多普勒天气雷达地物回波特征及其识别方法改进[J]. 应用气象学报, 2009, 20(2): 203-213. [12] 李丰, 刘黎平, 王红艳, 等. C波段多普勒天气雷达地物识别方法[J]. 应用气象学报, 2014, 25(2): 158~167 [13] 张林, 杨洪平, 邓鑫, 等. 基于模板匹配法的长乐雷达强超折射回波识别[J]. 气象, 2014, 40(3): 364-372. [14] 杜言霞, 刘光普, 邱光敏, 等. 天气雷达径向干扰回波去除方法的比较[J]. 干旱气象, 2017, 35(3): 502-506. [15] 文浩, 刘黎平, 张持岸, 等. 新一代天气雷达地物回波及电磁干扰质控算法业务试运行评估[J]. 气象科学, 2016, 36(6): 789-799. [16] 文浩, 张乐坚, 梁海河, 等. 基于模糊逻辑的新一代天气雷达径向干扰回波识别算法[J]. 气象学报, 2020, 78(1): 116-127. [17] 俞小鼎, 姚秀萍, 熊廷南. 等. 多普勒天气雷达原理与业务应用[M]. 北京: 气象出版社, 2006: 30-32. [18] 杜言霞, 陈斯智, 陈州川, 等. 天气雷达远距离单频点电磁径向干扰回波的特征分析及识别[J]. 气象研究与应用, 2017. 38(4): 65-68. [19] 郭春辉, 王旭, 袁微. 多普勒天气雷达径向干扰回波的识别与消除[J]. 气象水文海洋仪器, 2014, 31(2): 24-29. [20] 勾亚彬, 刘黎平, 李瑞义, 等. 基于雷达回波概率特征的雷达部分遮挡区域识别算法[J]. 高原气象, 2015, 34(2): 556-567. [21] 勾亚彬, 汪章维, 刘黎平, 等. 雷达波束部分遮挡识别应用及效果评估[J]. 高原气象, 2017, 36(1): 229-240.