基于偏振参量的降水云中粒子相态识别贝叶斯方法应用与验证研究

The distribution and structure of hydrometeor types in clouds have research and application significances for cloud microphysical studies, quantitative precipitation estimation, and severe weather forecasting. In literature, hydrometeor classification often adopts a fuzzy-logic based method, however, the construction of membership functions in this method heavily relies on some subjective empirical relations. This project aims to (1) investigate the relationship between polarimetric radar measurements and hydrometeor types based on the clustering techniques, and develop three algorithms for the hydrometeor classification problems, namely, maximum prototype likelihood method, Bayesian method, and Markov random field- most a posterior method; (2) study the potential of application of the temperature, humidity and pressure information obtained from cloud numerical weather prediction in the hydrometeor classification, compare the results among the three algorithms, and verify the classification with in-situ measurements; (3) analyze the hydrometeor characteristics of some typical precipitating clouds. This project can provide more accurate particle types for the study of cloud and precipitation formation process, it can also improve the understanding of weather modification, precipitation formation mechanism, quantitative precipitation estimation, and numerical weather prediction.

云中水成物粒子相态特征对云降水机制研究、定量降水估计、灾害天气预警等领域均有十分重要的科学意义和应用价值。以往利用偏振雷达进行粒子相态识别多采用模糊逻辑法，但其中最关键的隶属函数的建立往往存在一定的人为主观性。本项目拟（1）在聚类分析基础上，探索偏振参量与粒子相态组成结构之间的关系，研究获得最大似然分类法、朴素贝叶斯分类法、基于马尔可夫随机场的贝叶斯分类法，用于粒子相态分类；（2）结合云数值模式模拟的云内温度湿度压力信息，研究基于上述三种分类法的云中降水粒子相态识别方法，对比分析不同分类方法下的粒子相态识别结果，并利用实地观测资料进行验证；（3）研究典型降水过程粒子相态分布特征。项目可为云降水形成过程的深入研究提供更加准确的云中水成物粒子相态分布结构数据，为人工影响天气、降水形成机制、定量降水预报和数值天气预报模式改进等研究领域提供有力的科学依据。

通过功能先进的气象雷达探测获取降水云中粒子的形状、大小、相态等微物理参数可为雷达气象、雷达水利和数值天气预报等的提供重要的科学依据和技术支撑。近年来得到大力发展的双偏振雷达可利用偏振信息区分气象回波与晴空回波和海洋、地物等杂波，从而获得更高质量的雷达观测数据。由于双偏振雷达参量对云中水成物粒子的形状、大小、相态组成、空间翻滚等微物理特性十分敏感，它可以用来对雷达回波进行分类，并准确地识别出水成物粒子的相态类型。粒子相态识别可用来研究云和降水的微物理结构和形成机制，相互验证太空雷达和地基雷达观测结果的准确性，并对提高降水定量估计的准确度和数值模式预报的准确性均有十分重要作用。..利用X波段双偏振雷达研究北极浅混合云的粒子相态组成，所使用的偏振数据包括：水平反射率因子，差分反射率，差分相移率，和相关系数。通过贝叶斯分类建立粒子相态识别算法，并计算概率密度函数（PDF）和先验概率。其中，PDF近似成带有权重的混合高斯模型，并通过聚类算法获得；先验概率由基于马尔科夫随机场的空间数据空间相关性构建。最后，通过PDF和先验概率计算后验概率，具有最大后验概率的类型被认为是最有可能的粒子相态的类型。本研究提出的算法将首先用于推导X波段双偏振雷达资料的概率密度函数，然后识别降水云中水成物粒子相态组成。识别结果与地面观测资料一致，说明算法可以有效侦测和描述云中微物理特征的变化。..研究并开发一种基于统计原型的方法，通过这种方法利用偏振参量和其纹理参数从天气回波中区分不同种类的雷达杂波，包括地物回波、海浪回波和昆虫回波。这一方法通过聚类算法从训练集中产生数据分组，每一个分组模型成带权重的高斯函数，称作“统计原型”。基于统计原型提出两种分类算法，分别是最大统计原型似然分类法（MPLC）和贝叶斯分类法（BC）。MPLC计算给定统计原型的每个数据点的概率，进而依据最大似然规则反演最终的相态类型；而BC则是将概率密度函数模型成由统计原型组成的混合高斯，并通过最大后验概率原则获得相态类型。利用这两种分类算法分析位于澳大利亚昆士兰东南部的CP-2型S波段双偏振天气雷达观测资料，与NCAR模糊逻辑粒子相态识别对比，结果显示天气回波和地物杂波具有较好的一致性，而混淆矩阵表明在识别昆虫上两种算法有较大差异。