Hydrometeor Classification through Statistical Clustering of Polarimetric Radar Measurements: a Semi-supervised Approach
8
2016
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
... 综上，模糊逻辑算法（FHC）从最开始提出，到后来运用均经过了学者们不断地完善，经改善的FHC在雷达系统中得到了应用.通过研究，目前主流的FHC算法还有以下缺陷：①FHC对假定的电磁行为有依赖性，即分类结果在很大程度上依赖散射模拟，虽然散射模拟结果对于降雨而言通常比较准确，但对于冰相水凝混合物分类来说，其结果是不确定的[1,31];②FHC在模糊化过程中，隶属函数参数的设置不容忽视，参数的设置不当，导致了水汽分类不稳定;③国内主流算法的隶属函数参数还根据经验值人为设定，由于不同地区的降水受气候、地形等多方面的影响，降水特性不一致，无法用经验值来评估，因此其分类效果不具有客观性. ...
... 由于FHC存在一定的不足，研究者期望从其他算法入手，提出新的水凝物相态识别算法.2015年，Grazioli[31]等开创了无监督的聚类算法，他对温度分区，通过每个区域偏振数据的相似性得到聚类结果，该方法有效避免了对水汽类型的主观选择，他利用该方法对湿雪进行分类.2015年，Wen等[32,33]用期望最大化（EM）算法和K-means聚类算法生成CP-2雷达S波段数据模型，并通过最大原型似然分类器（MPLC）和贝叶斯分类器进行水汽分类，他提出国家大气研究中心（NCAR）的FHC无法识别雨和霰的混合物，并针对这一点进行改进.2016年，Besic等[1]提出了K-medoids聚类算法和KS统计检验的算法，该算法结合了监督和非监督方法的主要优点，可从微观物理的角度进行粒子分类，又可以基于统计检验的方法来得到数据集.Besic提出的算法在C波段、X波段的雷达均可得到分类效果，但还存在对远距离水凝物识别不确定的问题.2018年，Besic等[34]又提出了熵的补充测量，该方法建立在合成孔径雷达（SAR）的相干极化分解和高光谱线性解[35]的基础上，并对之前算法不确定部分进行估计，在MXPol和Plaine Morte雷达上进行试验，对离散水汽分类的不连续进行改进.同年，Kumpf等[36]对聚类算法进行可视化分析，为研究聚类算法的稳定性打下基础. ...
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
... 由于冬季零度层亮带的识别较夏季困难，对降雪过程粒子识别较为复杂，需要对其天气特征进行连续分析，来得到相应的识别结果，HCA主导的分类算法依赖散射模拟，对于冰相水凝混合物分类来说，其结果是不确定的[1,30].国内缺乏冬季粒子识别研究个例，因此，有必要建立冰相粒子识别算法来进行降雪天气的分析. ...
... 二维视频光谱仪（2-DVD）可定量研究降雪状况与分类群集之间的关系，并把晶体（CR）、聚集体（AG）和冰晶颗粒（RI）分类的准确度做评估，特别是对冰粒子进行综合验证，得到粒子识别的性能[1,30,82,83].Grazioli等[82]利用2-DVD对SVM算法进行评估验证，Besic等[1]在Grazioli等[82]的基础上使用2-D视频测量数据集分析了半监督方法的性能，并用雨量计观测降雨状况，对降雨的分类做比较.Lee等[83]观测到4种不同的雪花类型（树枝状、板状、针状和霰状），得到速度—直径（V-D）关系. ...
... [1]在Grazioli等[82]的基础上使用2-D视频测量数据集分析了半监督方法的性能，并用雨量计观测降雨状况，对降雨的分类做比较.Lee等[83]观测到4种不同的雪花类型（树枝状、板状、针状和霰状），得到速度—直径（V-D）关系. ...
... 尽管研究粒子相态的算法已近发展成熟，但仍然存在一定局限性：①对处理水凝物分类的不连续性还没有得到很好的改善，水凝物的分类还较为独立.由于水凝物本身不具有分类的属性，因此，可以开发一种新的方法来反映水凝物本身的物理特性;②部分自适应算法使时间复杂化，如Besic等[1]所提出的自适应算法;③目前水凝物相态的连续演变特征在天气分析中的应用较少;④国内的算法局限于个例研究，缺乏极端天气数据的统计研究. ...
WRF模式不同微物理过程对东北降水相态预报的影响
1
2014
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
北京高速公路大气能见度演变特征及其物理分析
1
2008
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
北京高速公路大气能见度演变特征及其物理分析
1
2008
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
不同天气系统层状云微物理特征个例分析
1
2014
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
不同天气系统层状云微物理特征个例分析
1
2014
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
基于中尺度数值模式的分类强对流天气预报方法研究
1
2015
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
基于中尺度数值模式的分类强对流天气预报方法研究
1
2015
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
冰雹云中微物理过程研究
1
2002
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
冰雹云中微物理过程研究
1
2002
... 水凝物相态识别即通过观测雷达的偏振参量对不同水凝物进行分类，从分类结果中可以获得层状云中降水粒子的结构与分布特征，通过观测降水粒子的大小、形状、相态和空间上的差别，揭示了各种降水系统中小雨滴、大雨滴、霰、冰雹、雪花和冰晶等多种水凝物粒子的分布[1]，有效提升了双极化雷达对降水粒子相态识别与估测降水的能力，对探索天气过程的微物理机制，改善数值模式预报效果等均有非常重要的促进作用.近年来，水凝物相态识别在气象科学领域、交通安全领域以及社会领域均受到极大关注[2,3,4,5,6]. ...
Classification of Hydrometeors based on Polarimetric Radar Measurements: Development of Fuzzy Logic and Neuro-fuzzy Systems, and In-situ Verification
8
2000
... 目前水凝物相态识别的核心算法以模糊逻辑水汽分类算法（Fuzzy logic Hydrometeor Classification，FHC）为主[7,8,9,10,11]，由于不同的水凝物信号集合有一定的兼容性，模糊逻辑通过简单的规则而不是公式来描述分类系统，这一点对于水凝物分类有优势.然而，从算法本身而言，模糊逻辑算法在使用中需要设定各偏振参量的权重系数，在不同的天气过程分析中其判定规则不完全相同，这增加了粒子分类的不确定性.另外，在分类的基础上，如何对结果进行验证与应用也是需要重点研究的问题.从当前水凝物相态识别算法以及应用情况出发，提出算法研究和验证工作中存在的问题以及对未来该领域研究工作的展望，进一步为双偏振雷达产品的应用提供相应的科学参考. ...
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
... [7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
... 飞机测量验证被作为验证水凝物相态分类最为直观准确的验证方式，目前主流的HCA均得到了验证[7,8]，Lim等[8]用T-28飞机飞过风暴，对Liu等[7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
... [7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
... [7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
Hydrometeor Classification System Using Dual-polarization Radar Measurements: Model Improvements and In-situ Verification
5
2005
... 目前水凝物相态识别的核心算法以模糊逻辑水汽分类算法（Fuzzy logic Hydrometeor Classification，FHC）为主[7,8,9,10,11]，由于不同的水凝物信号集合有一定的兼容性，模糊逻辑通过简单的规则而不是公式来描述分类系统，这一点对于水凝物分类有优势.然而，从算法本身而言，模糊逻辑算法在使用中需要设定各偏振参量的权重系数，在不同的天气过程分析中其判定规则不完全相同，这增加了粒子分类的不确定性.另外，在分类的基础上，如何对结果进行验证与应用也是需要重点研究的问题.从当前水凝物相态识别算法以及应用情况出发，提出算法研究和验证工作中存在的问题以及对未来该领域研究工作的展望，进一步为双偏振雷达产品的应用提供相应的科学参考. ...
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
... 雷达观测取决于沉淀颗粒的尺寸，形状和密度.这些物理性质的变化是雷达定量降雪估算的主要误差来源之一[65,66].传统的水汽分类算法主要用于暖季天气（主要是夏季）[8,9]，由于传统算法排除了低于融化水平的任何冰相沉淀类型，从而排除了诸如雨夹雪等降水类型，因此，对冰相降水的分类通常需要通过探测雷达亮带来准确估算融化层高度[67,68]. ...
... 飞机测量验证被作为验证水凝物相态分类最为直观准确的验证方式，目前主流的HCA均得到了验证[7,8]，Lim等[8]用T-28飞机飞过风暴，对Liu等[7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
... [8]用T-28飞机飞过风暴，对Liu等[7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
The Hydrometeor Classification Algorithm for the Polarimetric WSR-88D: Description and Application to an MCS
8
2009
... 目前水凝物相态识别的核心算法以模糊逻辑水汽分类算法（Fuzzy logic Hydrometeor Classification，FHC）为主[7,8,9,10,11]，由于不同的水凝物信号集合有一定的兼容性，模糊逻辑通过简单的规则而不是公式来描述分类系统，这一点对于水凝物分类有优势.然而，从算法本身而言，模糊逻辑算法在使用中需要设定各偏振参量的权重系数，在不同的天气过程分析中其判定规则不完全相同，这增加了粒子分类的不确定性.另外，在分类的基础上，如何对结果进行验证与应用也是需要重点研究的问题.从当前水凝物相态识别算法以及应用情况出发，提出算法研究和验证工作中存在的问题以及对未来该领域研究工作的展望，进一步为双偏振雷达产品的应用提供相应的科学参考. ...
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
... [9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
... [9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
... 雷达观测取决于沉淀颗粒的尺寸，形状和密度.这些物理性质的变化是雷达定量降雪估算的主要误差来源之一[65,66].传统的水汽分类算法主要用于暖季天气（主要是夏季）[8,9]，由于传统算法排除了低于融化水平的任何冰相沉淀类型，从而排除了诸如雨夹雪等降水类型，因此，对冰相降水的分类通常需要通过探测雷达亮带来准确估算融化层高度[67,68]. ...
模糊逻辑法在双线偏振雷达识别降水粒子相态中的研究
3
2005
... 目前水凝物相态识别的核心算法以模糊逻辑水汽分类算法（Fuzzy logic Hydrometeor Classification，FHC）为主[7,8,9,10,11]，由于不同的水凝物信号集合有一定的兼容性，模糊逻辑通过简单的规则而不是公式来描述分类系统，这一点对于水凝物分类有优势.然而，从算法本身而言，模糊逻辑算法在使用中需要设定各偏振参量的权重系数，在不同的天气过程分析中其判定规则不完全相同，这增加了粒子分类的不确定性.另外，在分类的基础上，如何对结果进行验证与应用也是需要重点研究的问题.从当前水凝物相态识别算法以及应用情况出发，提出算法研究和验证工作中存在的问题以及对未来该领域研究工作的展望，进一步为双偏振雷达产品的应用提供相应的科学参考. ...
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
模糊逻辑法在双线偏振雷达识别降水粒子相态中的研究
3
2005
... 目前水凝物相态识别的核心算法以模糊逻辑水汽分类算法（Fuzzy logic Hydrometeor Classification，FHC）为主[7,8,9,10,11]，由于不同的水凝物信号集合有一定的兼容性，模糊逻辑通过简单的规则而不是公式来描述分类系统，这一点对于水凝物分类有优势.然而，从算法本身而言，模糊逻辑算法在使用中需要设定各偏振参量的权重系数，在不同的天气过程分析中其判定规则不完全相同，这增加了粒子分类的不确定性.另外，在分类的基础上，如何对结果进行验证与应用也是需要重点研究的问题.从当前水凝物相态识别算法以及应用情况出发，提出算法研究和验证工作中存在的问题以及对未来该领域研究工作的展望，进一步为双偏振雷达产品的应用提供相应的科学参考. ...
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
基于X波段双线偏振天气雷达的雷暴云粒子识别
4
2014
... 目前水凝物相态识别的核心算法以模糊逻辑水汽分类算法（Fuzzy logic Hydrometeor Classification，FHC）为主[7,8,9,10,11]，由于不同的水凝物信号集合有一定的兼容性，模糊逻辑通过简单的规则而不是公式来描述分类系统，这一点对于水凝物分类有优势.然而，从算法本身而言，模糊逻辑算法在使用中需要设定各偏振参量的权重系数，在不同的天气过程分析中其判定规则不完全相同，这增加了粒子分类的不确定性.另外，在分类的基础上，如何对结果进行验证与应用也是需要重点研究的问题.从当前水凝物相态识别算法以及应用情况出发，提出算法研究和验证工作中存在的问题以及对未来该领域研究工作的展望，进一步为双偏振雷达产品的应用提供相应的科学参考. ...
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
基于X波段双线偏振天气雷达的雷暴云粒子识别
4
2014
... 目前水凝物相态识别的核心算法以模糊逻辑水汽分类算法（Fuzzy logic Hydrometeor Classification，FHC）为主[7,8,9,10,11]，由于不同的水凝物信号集合有一定的兼容性，模糊逻辑通过简单的规则而不是公式来描述分类系统，这一点对于水凝物分类有优势.然而，从算法本身而言，模糊逻辑算法在使用中需要设定各偏振参量的权重系数，在不同的天气过程分析中其判定规则不完全相同，这增加了粒子分类的不确定性.另外，在分类的基础上，如何对结果进行验证与应用也是需要重点研究的问题.从当前水凝物相态识别算法以及应用情况出发，提出算法研究和验证工作中存在的问题以及对未来该领域研究工作的展望，进一步为双偏振雷达产品的应用提供相应的科学参考. ...
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
Remote Sensing of Hail with a Dual Linear Polarization Radar
1
1986
... 早期相态识别技术大多基于布尔决策树，并主要应用于冰雹的识别[12].然而，布尔决策树方法需要预先假设偏振参数互斥，测量波动也会导致误差，因此不具有充分探索偏振测量的潜力.模糊逻辑算法（FHC）可以根据模糊对象进行精确的描述和处理，即将重叠隶属的函数参数进行组合、推理得到相应匹配的分组，这能够很好的克服布尔决策树这一缺陷，FHC在粒子的相态识别研究中应用广泛. ...
Fuzzy algorithms
2
1968
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
Bulk Hydrometeor Classification and Quantification Using Polarimetric Radar Data: Synthesis of Relations
1
2000
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
Cloud Microphysics Retrieval Using S-band Dual-polarization Radar Measurements
2
1999
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
... ,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
Testing a Procedure for Automatic Classification of Hydrometeor Types
1
2001
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
模糊逻辑法在3mm云雷达反演云中水凝物粒子相态中的应用
1
2011
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
模糊逻辑法在3mm云雷达反演云中水凝物粒子相态中的应用
1
2011
... 模糊逻辑算法最早由Zadeh[13]在1965年提出，通过诺曼和博尔德雷达社区之间的联合努力引入到雷达气象学中[14,15,16]，传统的模糊逻辑法包括四个过程：模糊化、规则推断、集成和退模糊.模糊化是将精确输入测量值换成具有相应隶属度的模糊集合，每一个参量针对待识别的粒子建立了模糊基，每个模糊基可用隶属函数表示，i表示偏振参量，j表示粒子类型.隶属函数的特性决定分类效果，隶属函数通常有三角函数、梯形函数[10,15,17]、高斯函数[9]和beta函数[7].规则推断“IF-THEN”规则可以用下面语句来描述：IF(ANDANDANDAND高度=)THEN水凝物类型.最后，把最大真值作为集成的最终结果，即可找到最大规则强度所对应的索引值，得到最后的分类效果. ...
Observations and Classification of Echoes with the Polarimetric WSR-88D Radar
3
73069
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
... [18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
... 飞机测量验证被作为验证水凝物相态分类最为直观准确的验证方式，目前主流的HCA均得到了验证[7,8]，Lim等[8]用T-28飞机飞过风暴，对Liu等[7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
利用极化雷达分析层状云中水凝物粒子性状分布
1
2010
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
利用极化雷达分析层状云中水凝物粒子性状分布
1
2010
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
A New Fuzzy Logic Hydrometeor Classification Scheme Applied to the French X-, C-, and S-band Polarimetric Radars
3
2013
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
... 飞机穿云验证粒子相态其结果虽然准确，但其成本较高，模拟天气场景与真实天气状况可能不相符而导致结果有误差，地面观测结果分析为验证水凝物的分类的主要手段.如：冰雹检测报告与风暴的匹配，能够得到验证[20,42,44].目前对水凝物相态进行详细观测的仪器有：二维视频光谱仪（2-DVD）和多角度雪花相机（MASC），这两种仪器均通过地面观测数据来鉴别相态识别分类结果的准确度. ...
Fuzzy Logic Classification of S-band Polarimetric Radar Echoes to Identify Three-body Scattering and Improve Data Quality
1
2014
... 传统的FHC模型在早期的粒子识别中应用广泛，2003年，Schuur等[18]提出FHC模型优于传统的HDA冰雹识别模型.2005年，曹俊武等[10]提出的FHC用于美国S波段KOUN雷达强风暴单体和降雪数据进行分析，得到的结果基本能反映相态，但其数据的特征值并不明确.2009年，Park等[9]在Schuur等[18]的基础上进行优化，考虑了测量误差、波束展宽效应、融化层位置和降水类型，该算法区分了对流层和层状降水类型以及暖季和冷季降水系统中的水汽类型，能识别降水等级，被美国国家气象局所推荐，并用于WSR-88D网的双偏振升级络改造中.2010年，何宇翔等[19]使用大气物理研究所的新装备X波段双线偏振多普勒雷达（IAP-714XDP-A），对RHI资料进行观测，并建立了15种降水粒子的FHC.2014年，郭凤霞等[11]对每个识别参量赋予权重值，在X波段对降水粒子识别，得到水平反射率因子的识别能力最强.2013年，Al-Sakka等[20]在S、C、X波段均建立了FHC，并加入了3D温度信息.2014年，Mahale等[21]对Park[9]算法进行了改进以便识别三体散射特征（TBSS），使得FHC在冰雹的识别上得到好的应用. ...
Meteor
2
4
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
... 近年来，有学者通过聚类来确定模糊逻辑算法（FHC）的隶属函数参数，来对算法进行优化.2015年，Bechini等[28]发现之前的研究中所提出的算法并未有效的进行噪声消除，他利用改进的K-means聚类分析算法确定隶属函数，用CASA IP1雷达的X波段分析了层状降水和对流降水的异同.同时，他提出了基于区域的水汽凝结分类，用马哈拉比斯距离进行向量归一化，这克服了K-means产生球形聚类的趋势.2017年，Roberto等[29]提出支持向量机的水汽分类模型（SVM），他利用SVM模型[30]对模糊逻辑进行训练，得出之前算法的未知线性关系，与Luca Baldini等[22]所提出的FL-HCA算法相比，SVM模型能够对FL-HCA未被分类的数据进行分类. ...
Meteor
2
4
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
... 近年来，有学者通过聚类来确定模糊逻辑算法（FHC）的隶属函数参数，来对算法进行优化.2015年，Bechini等[28]发现之前的研究中所提出的算法并未有效的进行噪声消除，他利用改进的K-means聚类分析算法确定隶属函数，用CASA IP1雷达的X波段分析了层状降水和对流降水的异同.同时，他提出了基于区域的水汽凝结分类，用马哈拉比斯距离进行向量归一化，这克服了K-means产生球形聚类的趋势.2017年，Roberto等[29]提出支持向量机的水汽分类模型（SVM），他利用SVM模型[30]对模糊逻辑进行训练，得出之前算法的未知线性关系，与Luca Baldini等[22]所提出的FL-HCA算法相比，SVM模型能够对FL-HCA未被分类的数据进行分类. ...
Supervised Fuzzy-Logic Classification of Hydrometeors Using C-Band Weather Radars
1
2007
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
A Fuzzy Logic Algorithm for The Separation of Precipitating from Nonprecipitating Echoes Using Polarimetric Radar Observations
1
2007
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
基于T-S模型的 FNN 降水粒子相态识别方法
1
2017
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
一种基于模糊神经网络-模糊C均值聚类的双偏振气象雷达降水粒子分类方法
1
2019
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
一种基于模糊神经网络-模糊C均值聚类的双偏振气象雷达降水粒子分类方法
1
2019
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
Study on Deep-learning-based Identification of Hydrometeors Observed by Dual Polarization Doppler Weather Radars
2
2017
... 模糊逻辑算法（FHC）的性能主要取决于隶属函数参数的设定，传统的FHC模型需要人为地根据不同天气系统来设置隶属函数，其结果不具有客观性.2000年，Liu等[7]提出神经—模糊水凝物分类法（NFHC），通过神经网络来获悉系统参数进而确定隶属函数，利用CSU-CHILL S波段雷达进行了水凝物相态识别.2005年，Lim等[8]在Liu等[7]提出的算法基础上做进一步改进，通过交叉偏振信号的方式来提高信噪比，该算法现已被移植到由Vaisala公司生产的商用气象雷达中.然而S波段的探测参量的阈值不能用于C波段[11].2005年，Baldini等[22]将NFHC分类算法进行了调整，用于Polar 55和CARMOR的C波段雷达观测.考虑到C波段双雷达网络路径集成衰减（PIA）的影响，Marzano等[23]于2007年提出基于双雷达复合场的PIA订正方法.同年，Jonathan[24]指出，Liu等所用的Beta函数不适用于不同散射体或不同波长操作的另一个雷达，他在C波段使用高斯核密度估计的经验导出的密度函数直接用作NFHC中的隶属函数，消除了降雨雷达估计的杂波，其结果较为客观，且算法容易应用于任何扫描性的雷达.2017年，李海等[25]提出了基于T-S模型的模糊神经网络（FNN）的粒子识别方法，用美国WSR-88D雷达KTLX对降水粒子进行相态识别，能够自适应地调节各偏振参量隶属函数的参数，其结果与美国国家海洋和大气管理局（National Oceanicand Atmos pheric Administration，NOAA）所提供数据结果相一致.2018年，李海等[26]又提出了基于模糊神经网络—模糊C均值（FNN-FCM）算法，该方法能够通过晴空模式进行训练来确定隶属函数参数，其分类效果也得到NOAA数据的验证.2017年，王海江等[27]提出基于深度学习的模糊聚类识别算法，用卷积神经网络（CNN）进行初始聚类，消除了偏振参数测量误差造成的影响，自动提出有用特征值，然后用FHC进行精确分类，其识别结果与其他极化产品一致. ...
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
A Semisupervised Robust Hydrometeor Classification Method for Dual-polarization Radar Applications
2
2015
... 近年来，有学者通过聚类来确定模糊逻辑算法（FHC）的隶属函数参数，来对算法进行优化.2015年，Bechini等[28]发现之前的研究中所提出的算法并未有效的进行噪声消除，他利用改进的K-means聚类分析算法确定隶属函数，用CASA IP1雷达的X波段分析了层状降水和对流降水的异同.同时，他提出了基于区域的水汽凝结分类，用马哈拉比斯距离进行向量归一化，这克服了K-means产生球形聚类的趋势.2017年，Roberto等[29]提出支持向量机的水汽分类模型（SVM），他利用SVM模型[30]对模糊逻辑进行训练，得出之前算法的未知线性关系，与Luca Baldini等[22]所提出的FL-HCA算法相比，SVM模型能够对FL-HCA未被分类的数据进行分类. ...
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
A Support Vector Machine Hydrometeor Classification Algorithm for Dual-polarization Radar
1
2017
... 近年来，有学者通过聚类来确定模糊逻辑算法（FHC）的隶属函数参数，来对算法进行优化.2015年，Bechini等[28]发现之前的研究中所提出的算法并未有效的进行噪声消除，他利用改进的K-means聚类分析算法确定隶属函数，用CASA IP1雷达的X波段分析了层状降水和对流降水的异同.同时，他提出了基于区域的水汽凝结分类，用马哈拉比斯距离进行向量归一化，这克服了K-means产生球形聚类的趋势.2017年，Roberto等[29]提出支持向量机的水汽分类模型（SVM），他利用SVM模型[30]对模糊逻辑进行训练，得出之前算法的未知线性关系，与Luca Baldini等[22]所提出的FL-HCA算法相比，SVM模型能够对FL-HCA未被分类的数据进行分类. ...
8180
3
2011
... 近年来，有学者通过聚类来确定模糊逻辑算法（FHC）的隶属函数参数，来对算法进行优化.2015年，Bechini等[28]发现之前的研究中所提出的算法并未有效的进行噪声消除，他利用改进的K-means聚类分析算法确定隶属函数，用CASA IP1雷达的X波段分析了层状降水和对流降水的异同.同时，他提出了基于区域的水汽凝结分类，用马哈拉比斯距离进行向量归一化，这克服了K-means产生球形聚类的趋势.2017年，Roberto等[29]提出支持向量机的水汽分类模型（SVM），他利用SVM模型[30]对模糊逻辑进行训练，得出之前算法的未知线性关系，与Luca Baldini等[22]所提出的FL-HCA算法相比，SVM模型能够对FL-HCA未被分类的数据进行分类. ...
... 由于冬季零度层亮带的识别较夏季困难，对降雪过程粒子识别较为复杂，需要对其天气特征进行连续分析，来得到相应的识别结果，HCA主导的分类算法依赖散射模拟，对于冰相水凝混合物分类来说，其结果是不确定的[1,30].国内缺乏冬季粒子识别研究个例，因此，有必要建立冰相粒子识别算法来进行降雪天气的分析. ...
... 二维视频光谱仪（2-DVD）可定量研究降雪状况与分类群集之间的关系，并把晶体（CR）、聚集体（AG）和冰晶颗粒（RI）分类的准确度做评估，特别是对冰粒子进行综合验证，得到粒子识别的性能[1,30,82,83].Grazioli等[82]利用2-DVD对SVM算法进行评估验证，Besic等[1]在Grazioli等[82]的基础上使用2-D视频测量数据集分析了半监督方法的性能，并用雨量计观测降雨状况，对降雨的分类做比较.Lee等[83]观测到4种不同的雪花类型（树枝状、板状、针状和霰状），得到速度—直径（V-D）关系. ...
Hydrometeor Classification From Polarimetric Radar Measurements: A Clustering Approach
2
2015
... 综上，模糊逻辑算法（FHC）从最开始提出，到后来运用均经过了学者们不断地完善，经改善的FHC在雷达系统中得到了应用.通过研究，目前主流的FHC算法还有以下缺陷：①FHC对假定的电磁行为有依赖性，即分类结果在很大程度上依赖散射模拟，虽然散射模拟结果对于降雨而言通常比较准确，但对于冰相水凝混合物分类来说，其结果是不确定的[1,31];②FHC在模糊化过程中，隶属函数参数的设置不容忽视，参数的设置不当，导致了水汽分类不稳定;③国内主流算法的隶属函数参数还根据经验值人为设定，由于不同地区的降水受气候、地形等多方面的影响，降水特性不一致，无法用经验值来评估，因此其分类效果不具有客观性. ...
... 由于FHC存在一定的不足，研究者期望从其他算法入手，提出新的水凝物相态识别算法.2015年，Grazioli[31]等开创了无监督的聚类算法，他对温度分区，通过每个区域偏振数据的相似性得到聚类结果，该方法有效避免了对水汽类型的主观选择，他利用该方法对湿雪进行分类.2015年，Wen等[32,33]用期望最大化（EM）算法和K-means聚类算法生成CP-2雷达S波段数据模型，并通过最大原型似然分类器（MPLC）和贝叶斯分类器进行水汽分类，他提出国家大气研究中心（NCAR）的FHC无法识别雨和霰的混合物，并针对这一点进行改进.2016年，Besic等[1]提出了K-medoids聚类算法和KS统计检验的算法，该算法结合了监督和非监督方法的主要优点，可从微观物理的角度进行粒子分类，又可以基于统计检验的方法来得到数据集.Besic提出的算法在C波段、X波段的雷达均可得到分类效果，但还存在对远距离水凝物识别不确定的问题.2018年，Besic等[34]又提出了熵的补充测量，该方法建立在合成孔径雷达（SAR）的相干极化分解和高光谱线性解[35]的基础上，并对之前算法不确定部分进行估计，在MXPol和Plaine Morte雷达上进行试验，对离散水汽分类的不连续进行改进.同年，Kumpf等[36]对聚类算法进行可视化分析，为研究聚类算法的稳定性打下基础. ...
A Cluster-based Method for Hydrometeor Classification Using Polarimetric Variables. Part I: Interpretation And Analysis
1
2015
... 由于FHC存在一定的不足，研究者期望从其他算法入手，提出新的水凝物相态识别算法.2015年，Grazioli[31]等开创了无监督的聚类算法，他对温度分区，通过每个区域偏振数据的相似性得到聚类结果，该方法有效避免了对水汽类型的主观选择，他利用该方法对湿雪进行分类.2015年，Wen等[32,33]用期望最大化（EM）算法和K-means聚类算法生成CP-2雷达S波段数据模型，并通过最大原型似然分类器（MPLC）和贝叶斯分类器进行水汽分类，他提出国家大气研究中心（NCAR）的FHC无法识别雨和霰的混合物，并针对这一点进行改进.2016年，Besic等[1]提出了K-medoids聚类算法和KS统计检验的算法，该算法结合了监督和非监督方法的主要优点，可从微观物理的角度进行粒子分类，又可以基于统计检验的方法来得到数据集.Besic提出的算法在C波段、X波段的雷达均可得到分类效果，但还存在对远距离水凝物识别不确定的问题.2018年，Besic等[34]又提出了熵的补充测量，该方法建立在合成孔径雷达（SAR）的相干极化分解和高光谱线性解[35]的基础上，并对之前算法不确定部分进行估计，在MXPol和Plaine Morte雷达上进行试验，对离散水汽分类的不连续进行改进.同年，Kumpf等[36]对聚类算法进行可视化分析，为研究聚类算法的稳定性打下基础. ...
A Cluster-based Method for Hydrometeor Classification Using Polarimetric Variables. Part II: Classification
3
2016
... 由于FHC存在一定的不足，研究者期望从其他算法入手，提出新的水凝物相态识别算法.2015年，Grazioli[31]等开创了无监督的聚类算法，他对温度分区，通过每个区域偏振数据的相似性得到聚类结果，该方法有效避免了对水汽类型的主观选择，他利用该方法对湿雪进行分类.2015年，Wen等[32,33]用期望最大化（EM）算法和K-means聚类算法生成CP-2雷达S波段数据模型，并通过最大原型似然分类器（MPLC）和贝叶斯分类器进行水汽分类，他提出国家大气研究中心（NCAR）的FHC无法识别雨和霰的混合物，并针对这一点进行改进.2016年，Besic等[1]提出了K-medoids聚类算法和KS统计检验的算法，该算法结合了监督和非监督方法的主要优点，可从微观物理的角度进行粒子分类，又可以基于统计检验的方法来得到数据集.Besic提出的算法在C波段、X波段的雷达均可得到分类效果，但还存在对远距离水凝物识别不确定的问题.2018年，Besic等[34]又提出了熵的补充测量，该方法建立在合成孔径雷达（SAR）的相干极化分解和高光谱线性解[35]的基础上，并对之前算法不确定部分进行估计，在MXPol和Plaine Morte雷达上进行试验，对离散水汽分类的不连续进行改进.同年，Kumpf等[36]对聚类算法进行可视化分析，为研究聚类算法的稳定性打下基础. ...
... 目前水凝物的识别分类算法仍具有探索性，推断水凝物完全独立是不可能的，在今后的研究中，应侧重于水凝物本身的物理特性来分类[33]，譬如在分类的规则中加入一定的自由度.因此，有必要开发不同的算法来研究水凝物分类特性，这将有助于对复杂的天气过程进行观测和分析. ...
... 多角度雪花相机（MASC）是自由落体水凝物成像仪器，用于捕捉水凝物的高分辨率照片，可以得出下降速度、水凝胶尺寸、形状、方向和纵横比的统计数据[84].Garrett等[85]通过MASC观测得出，霰粒片比聚集体或更轻微的颗粒更紧凑并且下降得更快.Christophe等[86]提出基于图像的固体水凝物分类方法，可以验证数据评估的鲁棒性，Besic等[33]用该方法进行数据分类的评估. ...
Unraveling Hydrometeor Mixtures in Polarimetric Radar Measurements
1
2018
... 由于FHC存在一定的不足，研究者期望从其他算法入手，提出新的水凝物相态识别算法.2015年，Grazioli[31]等开创了无监督的聚类算法，他对温度分区，通过每个区域偏振数据的相似性得到聚类结果，该方法有效避免了对水汽类型的主观选择，他利用该方法对湿雪进行分类.2015年，Wen等[32,33]用期望最大化（EM）算法和K-means聚类算法生成CP-2雷达S波段数据模型，并通过最大原型似然分类器（MPLC）和贝叶斯分类器进行水汽分类，他提出国家大气研究中心（NCAR）的FHC无法识别雨和霰的混合物，并针对这一点进行改进.2016年，Besic等[1]提出了K-medoids聚类算法和KS统计检验的算法，该算法结合了监督和非监督方法的主要优点，可从微观物理的角度进行粒子分类，又可以基于统计检验的方法来得到数据集.Besic提出的算法在C波段、X波段的雷达均可得到分类效果，但还存在对远距离水凝物识别不确定的问题.2018年，Besic等[34]又提出了熵的补充测量，该方法建立在合成孔径雷达（SAR）的相干极化分解和高光谱线性解[35]的基础上，并对之前算法不确定部分进行估计，在MXPol和Plaine Morte雷达上进行试验，对离散水汽分类的不连续进行改进.同年，Kumpf等[36]对聚类算法进行可视化分析，为研究聚类算法的稳定性打下基础. ...
Hyperspectral Remote Sensing Data Analysis and Future Challenges
1
2013
... 由于FHC存在一定的不足，研究者期望从其他算法入手，提出新的水凝物相态识别算法.2015年，Grazioli[31]等开创了无监督的聚类算法，他对温度分区，通过每个区域偏振数据的相似性得到聚类结果，该方法有效避免了对水汽类型的主观选择，他利用该方法对湿雪进行分类.2015年，Wen等[32,33]用期望最大化（EM）算法和K-means聚类算法生成CP-2雷达S波段数据模型，并通过最大原型似然分类器（MPLC）和贝叶斯分类器进行水汽分类，他提出国家大气研究中心（NCAR）的FHC无法识别雨和霰的混合物，并针对这一点进行改进.2016年，Besic等[1]提出了K-medoids聚类算法和KS统计检验的算法，该算法结合了监督和非监督方法的主要优点，可从微观物理的角度进行粒子分类，又可以基于统计检验的方法来得到数据集.Besic提出的算法在C波段、X波段的雷达均可得到分类效果，但还存在对远距离水凝物识别不确定的问题.2018年，Besic等[34]又提出了熵的补充测量，该方法建立在合成孔径雷达（SAR）的相干极化分解和高光谱线性解[35]的基础上，并对之前算法不确定部分进行估计，在MXPol和Plaine Morte雷达上进行试验，对离散水汽分类的不连续进行改进.同年，Kumpf等[36]对聚类算法进行可视化分析，为研究聚类算法的稳定性打下基础. ...
Visualizing Confidence in Cluster-based Ensemble Weather Forecast Analyses
2
2018
... 由于FHC存在一定的不足，研究者期望从其他算法入手，提出新的水凝物相态识别算法.2015年，Grazioli[31]等开创了无监督的聚类算法，他对温度分区，通过每个区域偏振数据的相似性得到聚类结果，该方法有效避免了对水汽类型的主观选择，他利用该方法对湿雪进行分类.2015年，Wen等[32,33]用期望最大化（EM）算法和K-means聚类算法生成CP-2雷达S波段数据模型，并通过最大原型似然分类器（MPLC）和贝叶斯分类器进行水汽分类，他提出国家大气研究中心（NCAR）的FHC无法识别雨和霰的混合物，并针对这一点进行改进.2016年，Besic等[1]提出了K-medoids聚类算法和KS统计检验的算法，该算法结合了监督和非监督方法的主要优点，可从微观物理的角度进行粒子分类，又可以基于统计检验的方法来得到数据集.Besic提出的算法在C波段、X波段的雷达均可得到分类效果，但还存在对远距离水凝物识别不确定的问题.2018年，Besic等[34]又提出了熵的补充测量，该方法建立在合成孔径雷达（SAR）的相干极化分解和高光谱线性解[35]的基础上，并对之前算法不确定部分进行估计，在MXPol和Plaine Morte雷达上进行试验，对离散水汽分类的不连续进行改进.同年，Kumpf等[36]对聚类算法进行可视化分析，为研究聚类算法的稳定性打下基础. ...
... 针对以上问题，水凝物相态识别分类在以下3个方面有待研究.①算法研究领域：目前粒子的聚类分析已有一定的天气预测可视化价值，但还需研究其算法的鲁棒性信息以及时间依赖的数据，目前其他聚类算法（如层次聚类）在别的领域已有应用，因此，进一步研究聚类参数还有扩展性[36];②气象探测领域：提高对双偏振雷达分辨率，如定量矫正衰减误差和系统偏差[87]，以证明数据质量和精度准确性，增加相态识别的准确度[88];③气象学领域：有必要通过各个时间段粒子相态的特征，对天气的连续演变过程进行机理分析，进一步验证模式结果的正确性从而改善模式的预报准确率. ...
Multi‐wavelength Radar Reflectivity of Hailstorms
1
1961
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
Multiparameter Radar Measurements in Colorado Convective Storms. Part II: Hail Detection Studies
1
1986
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
用C波段双线偏振雷达研究冰雹云
1
1992
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
用C波段双线偏振雷达研究冰雹云
1
1992
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
综合识别冰雹云
1
1995
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
综合识别冰雹云
1
1995
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
双线偏振雷达识别冰雹的数值研究
1
2002
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
双线偏振雷达识别冰雹的数值研究
1
2002
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
Validation of Polarimetric Hail Detection
3
2006
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
... 飞机穿云验证粒子相态其结果虽然准确，但其成本较高，模拟天气场景与真实天气状况可能不相符而导致结果有误差，地面观测结果分析为验证水凝物的分类的主要手段.如：冰雹检测报告与风暴的匹配，能够得到验证[20,42,44].目前对水凝物相态进行详细观测的仪器有：二维视频光谱仪（2-DVD）和多角度雪花相机（MASC），这两种仪器均通过地面观测数据来鉴别相态识别分类结果的准确度. ...
Characterization of the 14 June 2011 Norman, Oklahoma, Downburst Through Dual-polarization Radar Observations and Hydrometeor Classification
1
2016
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
Fuzzy-logic Detection and Probability of Hail Exploiting Short-range X-band Weather Radar
2
2018
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
... 飞机穿云验证粒子相态其结果虽然准确，但其成本较高，模拟天气场景与真实天气状况可能不相符而导致结果有误差，地面观测结果分析为验证水凝物的分类的主要手段.如：冰雹检测报告与风暴的匹配，能够得到验证[20,42,44].目前对水凝物相态进行详细观测的仪器有：二维视频光谱仪（2-DVD）和多角度雪花相机（MASC），这两种仪器均通过地面观测数据来鉴别相态识别分类结果的准确度. ...
Severe Hail Detection: Hydrometeor Classification for Polarimetric C-band Radars Using Fuzzy-logic and T-matrix Scattering Simulations
1
2018
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
A Severe Hail Storm in Complex Topography in Switzerland-observations and Processes
1
2018
... 研究表明，受米氏散射的影响，冰雹的3~10 cm波长的雷达反射率比雨大得多，这种比率可用于冰雹探测[37].继双偏振雷达研制成功后，有学者开始利用偏振参量进行冰雹的检测，起初的粒子相态识别对冰雹的检测基于决策树理论[13,38,39,40,41].在Liu等[7]的算法提出后，水凝物相态识别（HCA）在识别冰雹中得以应用，2006年，Heinselman等[42]验证HCA优于传统的冰雹检测（HDA），主要优于虚警率的下降.由于HCA模型对于三体散射特征（TBSS）有错误的回波分类，（TBSS归因于具有相当大的有效水厚度（即湿冰雹）的海绵状冰球组成的大型水凝物区域的非瑞利散射（即米散射或共振散射）），即在低于融化层和高于凝结高度的观测中无法识别出TBSS.2014年，Mahale等[20]对HCA进行改进来识别TBSS，他对Park等[9]的HCA算法的识别能力进行了增强，应用于S波段雷达WSR-88D网络，这一改进提高了对湿冰雹的检测，其改进的分类在下击暴流的观测中取得了良好效果[43].2018年，Capozzi等[44]对比了基于线性判别分析和HCA识别冰雹，HCA在识别冰雹过程中表现良好.同年，Schmidt等[45]证明未被修改参数的HCA不能用于C波段雷达上的观测应用，他认为Park等[9]所提出的算法不适合C波段的冰雹观测，在C波段观测下几乎没有分类情况.他提出使用双层T矩阵来获得干冰和冰雹的后向散射幅度.2019年，Simona等[46]将Besic等[1]的算法用于观测冰雹区，并用于雷达的校准及验证. ...
双线偏振多普勒天气雷达识别冰雹区方法研究
1
2006
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
双线偏振多普勒天气雷达识别冰雹区方法研究
1
2006
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
基于模糊逻辑的冰雹天气雷达识别算法
1
2014
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
基于模糊逻辑的冰雹天气雷达识别算法
1
2014
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
Advances in Chinese Dual-polarization and Phased-array Weather Radars: Observational Analysis of a Supercell in Southern China
1
2018
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
Statistics-based Optimization of the Polarimetric Radar Hydrometeor Classification Algorithm and Its Application for a Squall Line in South China
1
2018
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
一次华南超级单体风暴的S波段偏振雷达观测分析
1
2018
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
一次华南超级单体风暴的S波段偏振雷达观测分析
1
2018
... 国内也开发了HCA识别冰雹，2006年，曹俊武等[47]对比了几种冰雹识别的算法，得出HCA的效果最佳，不仅可以识别出冰雹具体位置，还可以对降雹粒子进行分类.2014年，张秉祥等[48]建立了适用于华北地区的HCA，该算法的建立明显降低了冰雹识别的虚警率，减少了预报员的工作量.2018年，武崇等[49]对2016年5月9日发生的超级单体进行讨论，用HCA识别出雨及冰雹混合物（RH）区域，并指明HCA是一种简单的方法来整合偏振信息，比传统的风暴跟踪更可靠.同年，他在2014年5月11日飑线过程进行分析中[50]，基于Heinselman等[42]的理论对HCA算法优化改进，对算法的参数和阈值优化，得到适用于华南珠海的偏振算法，该研究为发展适合中国降水特征的HCA算法奠定基础.2018年，王洪等[51]将Park等[9]的算法简化移植到珠澳偏振雷达中，通过S波段雷达对2015年4月20日的一次春季冷锋触发的超级单体进行分析，有效识别出冰雹区，由于仅从一次观测中得出结论，对各偏振量之间的定量关系亦需进一步研究. ...
利用双线偏振雷达分析人工防雹作业效果
1
2016
... 粒子的相态识别在防雹方面也得到重要应用，目前人工防雹主要是防雹炮弹爆炸将碘化银（AgI）在云内播撒，使大量人工冰核去“争食”作业区的水汽，进而限制小冰雹增长.运用经典HCA算法对防雹作业区前后进行相态分析，观测得出原形成冰雹的粒子下落到暖区融化成雨滴降落.判断云粒子的构成和取向可以确定防雹作业效果评价指标[52]. ...
利用双线偏振雷达分析人工防雹作业效果
1
2016
... 粒子的相态识别在防雹方面也得到重要应用，目前人工防雹主要是防雹炮弹爆炸将碘化银（AgI）在云内播撒，使大量人工冰核去“争食”作业区的水汽，进而限制小冰雹增长.运用经典HCA算法对防雹作业区前后进行相态分析，观测得出原形成冰雹的粒子下落到暖区融化成雨滴降落.判断云粒子的构成和取向可以确定防雹作业效果评价指标[52]. ...
Comparison of Dual-polarization Radar Estimators of Rain
1
1995
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
Advantages of Rain Measurements Using Specific Differential Phase
1
1996
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
Polarimetrically Tuned R (Z) Relations and Comparison of Radar Rainfall Methods
1
1997
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
The Influence of Terrain on Rainfall Estimates from Radar Reflectivity and Specific Propagation Phase Observations
1
1999
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
Evaluation of an Operational Polarimetric Rainfall Algorithm
2
2003
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
... 近年，国内提出了基于相态识别的S波段双偏振雷达最优化定量降水估测算法HCA-LIQ[62]，较Cifelli等[57]所提出的CSU-ICE算法能更加精确的估计暴雨.2018年，杨章等[63]基于优化算法HCA-LIQ对广州9次降雨评估，得到该算法低估了中小颗粒的沉淀，但过高估计了中等和大颗粒的沉淀，这导致对大雨的严重低估，需要研究极大雨来进一步验证改进算法. ...
A New Dual-Polarization Radar Rainfall Algorithm: Application in Colorado Precipitation Events
1
2011
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
Polarimetric Signatures of Midlatitude Warm-rain Precipitation Events
1
2017
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
Toward a Polarimetric Radar Classification Scheme for Coalescence-Dominant Precipitation: Application to Complex Terrain
1
2017
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
An Improved Dual-polarization Radar Rainfall Algorithm (DROPS2. 0): Application in NASA IFloodS Field Campaign
1
2017
... 通过双偏振雷达能够提高对降水量的估计，定量降水的估计对于暴洪的预警有着很大作用，从而能够做出正确的应对措施，使洪涝灾害最大程度的缩小.在双偏振雷达探测中，偏振参量不受绝对雷达校准和部分光束阻挡的影响，并且可用于强降水的衰减校正，在早期研究中被用作雨量的估计[53,54,55,56].2003年，Cifelli等[57]开发了一种基于、和值的阈值的混合算法（CSU-ICE）来估算的降雨率.2011年，他开发出基于粒子识别的降水估算算法（CSU-HIDRO）[58]，经验证，该算法能够应用于高原环境中，且较之前算法优于强降水的估算.由于CSU-HIDRO算法中的降雨关系是基于模拟的液滴分布（DSD）数据得出.2017年，Carr等[59]研究出中纬度暖雨的三维极化特征，液滴聚结为主要微物理过程，该研究结果在复杂地形的降水分类得以应用[60].同年，Chen等[61]提出了基于区域的水文气象分类方法[27]，并采用了NASA IFloodS期间的真实观测数据，通过比较，在轻度降雨区的性能优于CSU-HIDRO算法. ...
基于相态识别的S波段双线偏振雷达最优化定量降水估测方法研究
1
2017
... 近年，国内提出了基于相态识别的S波段双偏振雷达最优化定量降水估测算法HCA-LIQ[62]，较Cifelli等[57]所提出的CSU-ICE算法能更加精确的估计暴雨.2018年，杨章等[63]基于优化算法HCA-LIQ对广州9次降雨评估，得到该算法低估了中小颗粒的沉淀，但过高估计了中等和大颗粒的沉淀，这导致对大雨的严重低估，需要研究极大雨来进一步验证改进算法. ...
基于相态识别的S波段双线偏振雷达最优化定量降水估测方法研究
1
2017
... 近年，国内提出了基于相态识别的S波段双偏振雷达最优化定量降水估测算法HCA-LIQ[62]，较Cifelli等[57]所提出的CSU-ICE算法能更加精确的估计暴雨.2018年，杨章等[63]基于优化算法HCA-LIQ对广州9次降雨评估，得到该算法低估了中小颗粒的沉淀，但过高估计了中等和大颗粒的沉淀，这导致对大雨的严重低估，需要研究极大雨来进一步验证改进算法. ...
Evaluation of the Polarimetric-radar Quantitative Precipitation Estimates of an Extremely Heavy Rainfall Event and Nine Common Rainfall Events in Guangzhou
1
2018
... 近年，国内提出了基于相态识别的S波段双偏振雷达最优化定量降水估测算法HCA-LIQ[62]，较Cifelli等[57]所提出的CSU-ICE算法能更加精确的估计暴雨.2018年，杨章等[63]基于优化算法HCA-LIQ对广州9次降雨评估，得到该算法低估了中小颗粒的沉淀，但过高估计了中等和大颗粒的沉淀，这导致对大雨的严重低估，需要研究极大雨来进一步验证改进算法. ...
基于偏振雷达的积层混合云降水增雨潜力识别方法研究
1
2017
... 粒子识别在人工降雨也有所运用，通过HCA来估计积层混合云中各粒子的含水量，根据其降水类型来对其增雨潜力进行分类，较早期基于数值模拟结果和经验值得出的结果更准确.对流区增雨潜力大于层云区，霰粒子附近的区域有较好的增雨能力[64]. ...
基于偏振雷达的积层混合云降水增雨潜力识别方法研究
1
2017
... 粒子识别在人工降雨也有所运用，通过HCA来估计积层混合云中各粒子的含水量，根据其降水类型来对其增雨潜力进行分类，较早期基于数值模拟结果和经验值得出的结果更准确.对流区增雨潜力大于层云区，霰粒子附近的区域有较好的增雨能力[64]. ...
Mass-dimensional Relationships for Ice Particles and The Influence of Riming on Snowfall Rates
1
1990
... 雷达观测取决于沉淀颗粒的尺寸，形状和密度.这些物理性质的变化是雷达定量降雪估算的主要误差来源之一[65,66].传统的水汽分类算法主要用于暖季天气（主要是夏季）[8,9]，由于传统算法排除了低于融化水平的任何冰相沉淀类型，从而排除了诸如雨夹雪等降水类型，因此，对冰相降水的分类通常需要通过探测雷达亮带来准确估算融化层高度[67,68]. ...
Recent Advances in Classification of Observations from Dual Polarization Weather Radars
1
2013
... 雷达观测取决于沉淀颗粒的尺寸，形状和密度.这些物理性质的变化是雷达定量降雪估算的主要误差来源之一[65,66].传统的水汽分类算法主要用于暖季天气（主要是夏季）[8,9]，由于传统算法排除了低于融化水平的任何冰相沉淀类型，从而排除了诸如雨夹雪等降水类型，因此，对冰相降水的分类通常需要通过探测雷达亮带来准确估算融化层高度[67,68]. ...
Automatic Designation of the Melting Layer with a Polarimetric Prototype of The WSR-88D Radar
1
2008
... 雷达观测取决于沉淀颗粒的尺寸，形状和密度.这些物理性质的变化是雷达定量降雪估算的主要误差来源之一[65,66].传统的水汽分类算法主要用于暖季天气（主要是夏季）[8,9]，由于传统算法排除了低于融化水平的任何冰相沉淀类型，从而排除了诸如雨夹雪等降水类型，因此，对冰相降水的分类通常需要通过探测雷达亮带来准确估算融化层高度[67,68]. ...
Application of Dual-polarization Radar Melting-layer Detection Algorithm
1
2010
... 雷达观测取决于沉淀颗粒的尺寸，形状和密度.这些物理性质的变化是雷达定量降雪估算的主要误差来源之一[65,66].传统的水汽分类算法主要用于暖季天气（主要是夏季）[8,9]，由于传统算法排除了低于融化水平的任何冰相沉淀类型，从而排除了诸如雨夹雪等降水类型，因此，对冰相降水的分类通常需要通过探测雷达亮带来准确估算融化层高度[67,68]. ...
Validation of Hydrometeor Classification Method for X-band Polarimetric Radar—Comparison with Ground Observation of Solid Hydrometeor
1
2010
... 早期的识别算法使用融化层检测技术和外部温度信息来识别冬季水文气象类型[69,70,71].其中，Elmore等[70]的算法无法对雨滴的再冻结进行识别，Schuur等[71]使用的快速更新模型输出温度信息改善了雨滴再冻结的识别，然而，在该算法无法分辨低仰角的天气状况.2014年，Thompson等[72]提出不依赖外界温度信息来识别粒子相态，他通过多个双偏振雷达提炼出适用于S、X、C波段的识别算法，基于Dolan等[73]的算法进行改进，识别得到冬季风暴中的5个微物理特征：树枝状晶体生长区、板状晶体生长区、雪花聚集、细粒融化层波动、融化层下降到垂直亮带. ...
The NSSL Hydrometeor Classification Algorithm in Winter Surface Precipitation: Evaluation and Future Development
2
2011
... 早期的识别算法使用融化层检测技术和外部温度信息来识别冬季水文气象类型[69,70,71].其中，Elmore等[70]的算法无法对雨滴的再冻结进行识别，Schuur等[71]使用的快速更新模型输出温度信息改善了雨滴再冻结的识别，然而，在该算法无法分辨低仰角的天气状况.2014年，Thompson等[72]提出不依赖外界温度信息来识别粒子相态，他通过多个双偏振雷达提炼出适用于S、X、C波段的识别算法，基于Dolan等[73]的算法进行改进，识别得到冬季风暴中的5个微物理特征：树枝状晶体生长区、板状晶体生长区、雪花聚集、细粒融化层波动、融化层下降到垂直亮带. ...
... [70]的算法无法对雨滴的再冻结进行识别，Schuur等[71]使用的快速更新模型输出温度信息改善了雨滴再冻结的识别，然而，在该算法无法分辨低仰角的天气状况.2014年，Thompson等[72]提出不依赖外界温度信息来识别粒子相态，他通过多个双偏振雷达提炼出适用于S、X、C波段的识别算法，基于Dolan等[73]的算法进行改进，识别得到冬季风暴中的5个微物理特征：树枝状晶体生长区、板状晶体生长区、雪花聚集、细粒融化层波动、融化层下降到垂直亮带. ...
Classification of Precipitation Types During Transitional Winter Weather Using the RUC Model and Polarimetric Radar Retrievals
2
2012
... 早期的识别算法使用融化层检测技术和外部温度信息来识别冬季水文气象类型[69,70,71].其中，Elmore等[70]的算法无法对雨滴的再冻结进行识别，Schuur等[71]使用的快速更新模型输出温度信息改善了雨滴再冻结的识别，然而，在该算法无法分辨低仰角的天气状况.2014年，Thompson等[72]提出不依赖外界温度信息来识别粒子相态，他通过多个双偏振雷达提炼出适用于S、X、C波段的识别算法，基于Dolan等[73]的算法进行改进，识别得到冬季风暴中的5个微物理特征：树枝状晶体生长区、板状晶体生长区、雪花聚集、细粒融化层波动、融化层下降到垂直亮带. ...
... [71]使用的快速更新模型输出温度信息改善了雨滴再冻结的识别，然而，在该算法无法分辨低仰角的天气状况.2014年，Thompson等[72]提出不依赖外界温度信息来识别粒子相态，他通过多个双偏振雷达提炼出适用于S、X、C波段的识别算法，基于Dolan等[73]的算法进行改进，识别得到冬季风暴中的5个微物理特征：树枝状晶体生长区、板状晶体生长区、雪花聚集、细粒融化层波动、融化层下降到垂直亮带. ...
A Dual-polarization Radar Hydrometeor Classification Algorithm for Winter Precipitation
1
2014
... 早期的识别算法使用融化层检测技术和外部温度信息来识别冬季水文气象类型[69,70,71].其中，Elmore等[70]的算法无法对雨滴的再冻结进行识别，Schuur等[71]使用的快速更新模型输出温度信息改善了雨滴再冻结的识别，然而，在该算法无法分辨低仰角的天气状况.2014年，Thompson等[72]提出不依赖外界温度信息来识别粒子相态，他通过多个双偏振雷达提炼出适用于S、X、C波段的识别算法，基于Dolan等[73]的算法进行改进，识别得到冬季风暴中的5个微物理特征：树枝状晶体生长区、板状晶体生长区、雪花聚集、细粒融化层波动、融化层下降到垂直亮带. ...
A Theory-based Hydrometeor Identification Algorithm for X-band Polarimetric Radars
1
2009
... 早期的识别算法使用融化层检测技术和外部温度信息来识别冬季水文气象类型[69,70,71].其中，Elmore等[70]的算法无法对雨滴的再冻结进行识别，Schuur等[71]使用的快速更新模型输出温度信息改善了雨滴再冻结的识别，然而，在该算法无法分辨低仰角的天气状况.2014年，Thompson等[72]提出不依赖外界温度信息来识别粒子相态，他通过多个双偏振雷达提炼出适用于S、X、C波段的识别算法，基于Dolan等[73]的算法进行改进，识别得到冬季风暴中的5个微物理特征：树枝状晶体生长区、板状晶体生长区、雪花聚集、细粒融化层波动、融化层下降到垂直亮带. ...
X 波段双极化雷达对云中水凝物粒子的相态识别
1
2012
... 飞机测量验证被作为验证水凝物相态分类最为直观准确的验证方式，目前主流的HCA均得到了验证[7,8]，Lim等[8]用T-28飞机飞过风暴，对Liu等[7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
X 波段双极化雷达对云中水凝物粒子的相态识别
1
2012
... 飞机测量验证被作为验证水凝物相态分类最为直观准确的验证方式，目前主流的HCA均得到了验证[7,8]，Lim等[8]用T-28飞机飞过风暴，对Liu等[7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
A Comparison of X-band Polarization Parameters with in Situ Microphysical Measurements in the Comma Head of Two Winter Cyclones
1
2016
... 飞机测量验证被作为验证水凝物相态分类最为直观准确的验证方式，目前主流的HCA均得到了验证[7,8]，Lim等[8]用T-28飞机飞过风暴，对Liu等[7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
Characterization of Hydrometeors and Precipitation over The Indian Monsoon Region Using Aircraft Measurements
1
2018
... 飞机测量验证被作为验证水凝物相态分类最为直观准确的验证方式，目前主流的HCA均得到了验证[7,8]，Lim等[8]用T-28飞机飞过风暴，对Liu等[7]等应用于CSU-CHILL雷达数据的分类算法进行验证，Liu等[7]的分类数据与飞机模型十分相似，特别是分类结果的霰/小冰雹区域与冰雹光谱仪的冰雹总数和冰雹平均直径很好地匹配.2012年，刘亚男等[74]用机载粒子测量系统（PMS）对何宇翔等[18]所提出的层状云相态识别进行验证，其分类结果与飞机实时观测结果相一致.2016年，Finlon等[75]利用光学阵列探针（OAP）对冬季气旋进行微物理观测，并与X波段雷达数据观测结果对比.2018年，Maheskumar等[76]对2009年印度度季风的降水增强实验（CAIPEEX）进行测量验证，使用了Cloud Droplet Probe（CDP）和Cloud Imaging Probe（CIP）仪器进行的云测量的数据进行分析，得出云滴的有效半径对云微物理参数的验证是有用的. ...
Bulk Parameterization of The Snow Field in A Cloud Model
1
1983
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
Numerical Simulation of The Effects of Varying Ice Crystal Nucleation Rates and Aggregation Processes on Orographic Snowfall
1
1986
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
A Multimoment Bulk Microphysics Parameterization. Part I: Analysis of The Role of The Spectral Shape Parameter
1
2005
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
A Multimoment Bulk Microphysics Parameterization. Part II: A Proposed Three-moment Closure and Scheme Description
1
2005
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
对流云中冰相过程的三维数值模拟 II.繁生过程作用
1
1991
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
对流云中冰相过程的三维数值模拟 II.繁生过程作用
1
1991
... 20世纪80年代，有学者利用数值模式对天气现象进行模拟观测[77,78]，早期的算法只能预测出一个时刻的水滴尺寸分布情况.2005年，Milbrandt等[79,80]提出了新的方法能够运用于3D大气模型中，并在SVM算法的验证过程中得以运用[28].郭凤霞等[11]基于数值模式[81]模拟验证雷暴云粒子的识别结果.模拟天气观测在天气研究与预测（WRF）中运用广泛，但在水凝物的识别验证中应用较少，有必要用最新天气模拟系统对粒子相态识别结果进行验证. ...
Hydrometeor Classification from Two-dimensional Video Disdrometer Data
3
2014
... 二维视频光谱仪（2-DVD）可定量研究降雪状况与分类群集之间的关系，并把晶体（CR）、聚集体（AG）和冰晶颗粒（RI）分类的准确度做评估，特别是对冰粒子进行综合验证，得到粒子识别的性能[1,30,82,83].Grazioli等[82]利用2-DVD对SVM算法进行评估验证，Besic等[1]在Grazioli等[82]的基础上使用2-D视频测量数据集分析了半监督方法的性能，并用雨量计观测降雨状况，对降雨的分类做比较.Lee等[83]观测到4种不同的雪花类型（树枝状、板状、针状和霰状），得到速度—直径（V-D）关系. ...
... [82]利用2-DVD对SVM算法进行评估验证，Besic等[1]在Grazioli等[82]的基础上使用2-D视频测量数据集分析了半监督方法的性能，并用雨量计观测降雨状况，对降雨的分类做比较.Lee等[83]观测到4种不同的雪花类型（树枝状、板状、针状和霰状），得到速度—直径（V-D）关系. ...
... [82]的基础上使用2-D视频测量数据集分析了半监督方法的性能，并用雨量计观测降雨状况，对降雨的分类做比较.Lee等[83]观测到4种不同的雪花类型（树枝状、板状、针状和霰状），得到速度—直径（V-D）关系. ...
Classification of Precipitation Types Using Fall Velocity-diameter Relationships from 2D-video Distrometer Measurements
2
2015
... 二维视频光谱仪（2-DVD）可定量研究降雪状况与分类群集之间的关系，并把晶体（CR）、聚集体（AG）和冰晶颗粒（RI）分类的准确度做评估，特别是对冰粒子进行综合验证，得到粒子识别的性能[1,30,82,83].Grazioli等[82]利用2-DVD对SVM算法进行评估验证，Besic等[1]在Grazioli等[82]的基础上使用2-D视频测量数据集分析了半监督方法的性能，并用雨量计观测降雨状况，对降雨的分类做比较.Lee等[83]观测到4种不同的雪花类型（树枝状、板状、针状和霰状），得到速度—直径（V-D）关系. ...
... [83]观测到4种不同的雪花类型（树枝状、板状、针状和霰状），得到速度—直径（V-D）关系. ...
Fall Speed Measurement and High-resolution Multi-angle Photography of Hydrometeors in Free Fall
1
2012
... 多角度雪花相机（MASC）是自由落体水凝物成像仪器，用于捕捉水凝物的高分辨率照片，可以得出下降速度、水凝胶尺寸、形状、方向和纵横比的统计数据[84].Garrett等[85]通过MASC观测得出，霰粒片比聚集体或更轻微的颗粒更紧凑并且下降得更快.Christophe等[86]提出基于图像的固体水凝物分类方法，可以验证数据评估的鲁棒性，Besic等[33]用该方法进行数据分类的评估. ...
Observed Influence of Riming, Temperature, and Turbulence on The Fallspeed of Solid Precipitation
1
2014
... 多角度雪花相机（MASC）是自由落体水凝物成像仪器，用于捕捉水凝物的高分辨率照片，可以得出下降速度、水凝胶尺寸、形状、方向和纵横比的统计数据[84].Garrett等[85]通过MASC观测得出，霰粒片比聚集体或更轻微的颗粒更紧凑并且下降得更快.Christophe等[86]提出基于图像的固体水凝物分类方法，可以验证数据评估的鲁棒性，Besic等[33]用该方法进行数据分类的评估. ...
Solid Hydrometeor Classification and Riming Degree Estimation from Pictures Collected with a Multi-angle Snowflake Camera
1
2017
... 多角度雪花相机（MASC）是自由落体水凝物成像仪器，用于捕捉水凝物的高分辨率照片，可以得出下降速度、水凝胶尺寸、形状、方向和纵横比的统计数据[84].Garrett等[85]通过MASC观测得出，霰粒片比聚集体或更轻微的颗粒更紧凑并且下降得更快.Christophe等[86]提出基于图像的固体水凝物分类方法，可以验证数据评估的鲁棒性，Besic等[33]用该方法进行数据分类的评估. ...
Deployment and Performance of an X-band Dual-polarization Radar during the Southern China Monsoon Rainfall Experiment
1
2018
... 针对以上问题，水凝物相态识别分类在以下3个方面有待研究.①算法研究领域：目前粒子的聚类分析已有一定的天气预测可视化价值，但还需研究其算法的鲁棒性信息以及时间依赖的数据，目前其他聚类算法（如层次聚类）在别的领域已有应用，因此，进一步研究聚类参数还有扩展性[36];②气象探测领域：提高对双偏振雷达分辨率，如定量矫正衰减误差和系统偏差[87]，以证明数据质量和精度准确性，增加相态识别的准确度[88];③气象学领域：有必要通过各个时间段粒子相态的特征，对天气的连续演变过程进行机理分析，进一步验证模式结果的正确性从而改善模式的预报准确率. ...
天气雷达技术研究进展及其在我国天气探测中的应用
1
2017
... 针对以上问题，水凝物相态识别分类在以下3个方面有待研究.①算法研究领域：目前粒子的聚类分析已有一定的天气预测可视化价值，但还需研究其算法的鲁棒性信息以及时间依赖的数据，目前其他聚类算法（如层次聚类）在别的领域已有应用，因此，进一步研究聚类参数还有扩展性[36];②气象探测领域：提高对双偏振雷达分辨率，如定量矫正衰减误差和系统偏差[87]，以证明数据质量和精度准确性，增加相态识别的准确度[88];③气象学领域：有必要通过各个时间段粒子相态的特征，对天气的连续演变过程进行机理分析，进一步验证模式结果的正确性从而改善模式的预报准确率. ...
天气雷达技术研究进展及其在我国天气探测中的应用
1
2017
... 针对以上问题，水凝物相态识别分类在以下3个方面有待研究.①算法研究领域：目前粒子的聚类分析已有一定的天气预测可视化价值，但还需研究其算法的鲁棒性信息以及时间依赖的数据，目前其他聚类算法（如层次聚类）在别的领域已有应用，因此，进一步研究聚类参数还有扩展性[36];②气象探测领域：提高对双偏振雷达分辨率，如定量矫正衰减误差和系统偏差[87]，以证明数据质量和精度准确性，增加相态识别的准确度[88];③气象学领域：有必要通过各个时间段粒子相态的特征，对天气的连续演变过程进行机理分析，进一步验证模式结果的正确性从而改善模式的预报准确率. ...
