基于贝叶斯-随机森林的云粒子相态识别算法

为准确识别云粒子相态,利用同址建设的毫米波云雷达和微波辐射计,基于贝叶斯-随机森林算法,分别建立降雨和非降雨天气模型,将云雷达反射率因子、速度谱宽、径向速度、退偏振比、微波辐射计垂直温度廓线和各要素高度作为粒子相态特征对模型进行训练,建立冰晶、雪花、液态云滴、雨滴模型.基于2023年7月1日—2024年3月31日宜昌、太原、红原、衢州4站天气过程数据进行模型训练和测试.模型测试结果显示:对冰晶、雪花、液态云滴、雨滴的识别准确率分别为95％、97％、89％、96％;冰晶、雪花、雨滴的精确率、召回率、F1分数均达到0.96以上.个例分析显示模型的识别结果符合云微物理过程....

Full description

Saved in:
Bibliographic Details
Published in应用气象学报 Vol. 36; no. 1; pp. 43 - 52
Main Authors 付涛, 杨智鹏, 陶法, 胡树贞, 卢郁香, 付长青
Format Journal Article
LanguageChinese
Published 成都信息工程大学电子工程学院,成都 610225%中国气象局气象探测中心,北京 100081 2025
Subjects
millimeter-wave cloud radar
毫米波云雷达
random forest method
云粒子相态识别
cloud microphysics
云微物理过程
随机森林算法
cloud phase identification
Online AccessGet full text
ISSN1001-7313
DOI10.11898/1001-7313.20250105

Cover

More Information
Summary:为准确识别云粒子相态,利用同址建设的毫米波云雷达和微波辐射计,基于贝叶斯-随机森林算法,分别建立降雨和非降雨天气模型,将云雷达反射率因子、速度谱宽、径向速度、退偏振比、微波辐射计垂直温度廓线和各要素高度作为粒子相态特征对模型进行训练,建立冰晶、雪花、液态云滴、雨滴模型.基于2023年7月1日—2024年3月31日宜昌、太原、红原、衢州4站天气过程数据进行模型训练和测试.模型测试结果显示:对冰晶、雪花、液态云滴、雨滴的识别准确率分别为95％、97％、89％、96％;冰晶、雪花、雨滴的精确率、召回率、F1分数均达到0.96以上.个例分析显示模型的识别结果符合云微物理过程.
ISSN:1001-7313
DOI:10.11898/1001-7313.20250105