基于Transformer架构的X波段双偏振雷达回波衰减订正研究OA
X波段天气雷达的衰减效应严重制约其探测精度。本研究基于Transformer设计了一个X波段雷达衰减订正架构XCORnet,将北京大兴S波段新一代天气雷达(CINRAD/SAD)数据作为真值,时空匹配北京房山X波段双偏振雷达(XPOL)观测的反射率因子Z_(H)、差分反射率因子Z_(DR),分别匹配2642624、2605583组样本。基于该数据集与XCORnet架构,训练Z_(H)和Z_(DR)的衰减订正模型,并用测试集评估。结果表明,人工智能模型显著优于传统方法。Z_(H)订正,模型将SAD与XPOL的比率偏差(BIAS)从0.875提升至0.972,优于经验公式订正后的0.901,均方根误差(RMSE)由8.693 dB降至5.811 dB,提升33.15%,而经验公式订正后仅降至6.820 dB,提升21.54%。Z_(DR)订正,模型将SAD与XPOL的BIAS从0.862提升至1.141,优于经验公式的过量订正(BIAS=1.273),RMSE由1.679 dB降至0.972 dB,提升42.10%,经验公式订正后降至1.382 dB,提升17.69%。平均绝对误差(MAE)模型订正同样较传统方法有明显优势。三个个例应用进一步验证了模型的稳定性和泛化能力。
张远康;胡志群;郑佳锋;王丽荣
成都信息工程大学大气科学学院,四川成都610225 中国气象科学研究院灾害天气科学与技术全国重点实验室,北京100081中国气象科学研究院灾害天气科学与技术全国重点实验室,北京100081成都信息工程大学电子工程学院,四川成都610225河北省气象灾害防御和环境气象中心,河北石家庄050021
天文与地球科学
X波段双偏振雷达衰减订正深度学习Transformer架构
《高原气象》 2026 (2)
P.573-584,12
中国气象局高影响天气(专项)重点开放实验室项目(2024-K-02)中国气象局水文气象重点开放实验室开放研究课题(23SWQXM007)中国气象局创新发展专项(CXFZ2025J106,CXFZ2024J001)河北省自然科学基金项目(D2024304002)灾害天气科学与技术全国重点实验室自主研究课题(2025QZA03)。
评论