青海高原致灾性对流天气遥感监测及预警方法研究

来源 :南京信息工程大学 | 被引量 : 0次 | 上传用户:wenzhiqiang963
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
青海高原(简称“高原”)海拔高且地形复杂,致灾性对流频发。但是,针对高原上强对流的研究较少,对卫星和雷达的应用水平有限,特别是对强对流的发生发展及其云团参数特征研究更少。为做好高原防灾减灾工作和提高遥感监测资料的应用及研究水平,本文使用2005年—2018年常规气象资料、地面观测和灾情公报资料、静止气象卫星一级数据和天气雷达体扫基数据等,选择致灾性对流天气过程,开展高原对流机理模型、对流特征识别和预警方法等方面的研究,主要研究结果如下:(1)针对数据质量问题,本文参照地形高程校正和几何校正方法,改进了FY卫星和葵花卫星在高原上的数据定位精度。对雷达体扫基数据进行了质量控制和回波衰减订正,在此基础上,提出了高原雷达回波拼图的可行方法,新增开发了几种拼图产品。并且,使用气块法对探空资料进行了大量订正,获得了较好的订正效果。(2)针对高原上对流机理研究的不足,本文对高原致灾性对流天气进行了分类,研究并得出分类对流的时空分布、大气流场、探空、发展规律和组织结构等统计特征。在对致灾性强对流过程进行大量探空和中尺度分析与总结的基础上,提出了分类强对流的T-log P结构模型,并获得了强对流的探空环境参数特征;结合中小尺度地形提出了适用于各种大气流场的分类强对流中尺度概念模型;根据高原和平原辐射站和探空站观测资料的对比分析,提出了高原比平原更易发生对流的机理模型,其根本原理在于高原的海拔高、太阳辐射和地面长波辐射更强、气温升高的幅度更大等均引起高原大气温度垂直递减率更大,导致大气层结更不稳定;获得了高原上分类强对流云团和对流风暴单体在对流发展不同阶段的对流参数和回波空间结构特征,并与平原强对流结构进行了对比分析。(3)为提高对高原强对流临近预报的自动化和准确程度,本文提出了针对青海高原地区的强对流识别新算法,即,雷达多仰角(在各个仰角同时计算速度辐合有关特征、强度、谱宽等)自动识别法,和卫星多通道动态阈值(提出自动获取卫星实时数据的强对流云团初判识阈值的方法,参考去除卷云和识别强对流云的多通道法提取强对流云团,提出使用云团边缘梯度进一步剔除卷云和层云)自动识别法,并对强对流进行了追踪识别,在强对流天气过程中的自动识别效果显著。计算所识别出的强对流云团和回波的多种对流参数,得出了区分各类型强对流的参数特征。(4)针对新一代气象卫星观测资料在高原应用潜力研究的不足,本文使用新一代气象卫星(葵花卫星和FY-4A卫星)监测和识别强对流云团,比较分析不同类型强对流云团的多种对流参数,得到高原对流云在葵花卫星和FY-4A卫星的云图上主要表现为偏冷深对流,并且FY-4A卫星还可能监测识别出偏暖浅对流。两种卫星所监测的强对流云团的主体形状和位置一致,云顶亮温变化趋势一致。但FY-4A卫星监测的高原云顶亮温更高,用所建立的原理模型解释了两种卫星观测高原云顶亮温存在差异的原因。(5)为了加强对高原上强对流临近预报系统的科学支撑,研究降雹和非降雹单体的雷达预警特征,提出了强对流类型的雷达预警算法。将卫星和雷达观测数据进行时空匹配,提取强对流云团和回波的对流轮廓,研究对流轮廓重叠范围内的降水性质和多种对流参数预警统计特征,提出了卫星和雷达综合观测的且适合高原复杂地形的强对流潜势(包括多种强对流类型)预警方法,并建立了降水量级的卫星预报方程。在强对流过程的短时临近天气预报业务运行中进行检验,实践表明了预警方法的业务应用可行性。
其他文献
CAN总线是现代汽车电子技术中最重要的串行通信总线,因CAN总线的可靠性、实时性、互操作性、灵活性、经济性等特点,被广泛应用于各种汽车电子部件的通信与控制系统中,CAN总线通信是基于优先级仲裁与调度的通信系统,因此,研究基于CAN总线的调度对提高CAN总线的利用率与系统通信性能具有重要的意义。论文主要研究基于FIFO和优先级序列的CAN总线系统,提出一种模型优化的思路,具体研究内容分为以下几个部分
基于优化的元学习是一种旨在从指定的数据/任务中学习一组敏感的模型初始化参数的机器学习算法。该算法的优点在于当遇到一组新数据/一个新任务时,训练好的模型能够仅仅通过若干步梯度优下降化便在新任务上的测试集上获得良好的泛化表现。然而,从泛化性能的角度来看,我们认为传统的基于优化的元学习算法包含两方面缺陷:(1)由于每一个训练任务中包含的训练样本数量过少,算法在学习过程中使用过参数化网络时容易产生过拟合现
情感分类是自然语言处理领域内的基本任务之一,情感分类又分为粗粒度和细粒度情感分类。随着时代的发展,粗粒度情感分类已逐渐无法满足人类的需求,所以细粒度情感分类逐渐成为了研究重点。细粒度情感分类又称为方面级情感分类,旨在判断句子中某个具体方面的情感极性。本文的核心研究内容就是使用基于深度学习的方法进行方面级情感分类。本文的主要创新与工作如下:(1)大多数基于传统的循环神经网络和注意力机制的方面级情感分
轨迹规划与轨迹优化一直是备受存眷的研究热门,轨迹规划是轨迹优化的前提。仅使工业机器人完成指定任务,已不能满足目前需求,需要尽可能缩短运行时间来提高工作效率和减少冲击以延长使用寿命。本文以六自由度工业机器人为研究对象,在关节空间中采用五次非均匀B样条进行插值,对已规划好的轨迹,以改进的自适应遗传模拟退火算法为优化手段,将时间-冲击作为优化目标,通过改变权重获得时间、冲击以及综合最优轨迹。本文主要研究
随着城市化进程的不断加快,城市路网内部结构也更加复杂,路网中发生的紧急事件很大程度地危及到人们的生命财产安全。紧急事件发生时,城市应急中心会派出特殊授权车辆到达事故发生地实施救援工作,车辆到达时间越短,突发事件造成的损失就会越小。虽然特殊授权车辆具有道路优先通行权,但是实际行驶过程中也会受到车辆拥堵的影响,难以实现优先通行造成极大的延误。因此,在减少对普通车辆产生影响的前提下,本文围绕如何使特殊授
随着成像技术的普及与发展,数字图像逐渐成为了一种重要的信息传递媒介。但是,在实际的应用场景中,由于成像条件及外界干扰等因素的影响,存在着分辨率低、数据缺失等质量退化问题,图像恢复旨在研究如何从退化图像恢复出来理想图像,从而达到改善图像质量的目的。深度卷积神经网络通过卷积运算的层级化处理能够有效获取图像的层级特征表示,为图像恢复带来了新的建模方法,带来了图像恢复算法性能的有效提升,使其研究进展有了实
随着城市化进程的不断推进,我国公共建筑能耗随着面积的增加而大幅上涨。在这种背景下,目前市面上常见的公共建筑用电监控系统,大多采用智能电表配合总线的方式进行现场数据采集,存在布线工程量大、维护不便等问题。同时,一些现有建筑用电监控系统对异常用电的行为不能进行有效的管控,无法及时排除安全隐患,并且容易造成电能的浪费,制定相关政策以及进一步推进公共建筑节能工作较为困难。本文在研究现有建筑用电监控系统的基
近年来,海洋科学研究越来越多地依赖自主水下航行器和遥控水下航行器拍摄的水下图像。然而,由于复杂的水下成像环境,自然光在水下会发生吸收及散射效应,导致水下图像出现严重的可视性问题,具体表现为色偏效应、对比度不足、清晰度低。严重的失真不仅影响水下图像的质量,而且限制了水下视觉任务的进展。目前,水下图像处理方法主要包括传统方法和基于深度学习的方法,其中,传统方法由于水下复杂的物理和光学因素,在不同的水下
随着航天、航空以及核能电站等领域的设备集成度不断提高,其内部工作空间越来越狭小,环境越来越复杂,内部作业要求越来越高。而蛇形机器人因其较强的灵活性与柔韧性,能够较好地完成在狭小空间下的检修等任务。考虑到绳驱方式可以减少机器人体积与重量,本文提出了一种面向狭小空间作业的绳驱式蛇形机器人设计方案,并研究了其控制策略。本文主要工作如下:(1)本文提出了一种绳驱式蛇形机器人设计方案。对蛇形机器人的关节、连
视频目标分割旨在自动分离视频中的前景和背景区域,是一种能够对视频进行精确像素级分类的技术。根据测试阶段是否利用初始帧掩膜标注,该技术可分为无监督和半监督两大类别。视频目标分割在视频编码、智能监控和人机交互等领域有重要意义。近年来,随着深度学习的发展,视频目标分割也取得了重大的进展。但是,高精度的算法仍然非常匮乏,其原因在于所学模型难以有效应对复杂视频场景的变化,如严重遮挡、剧烈形变、快速运动、相似