基于双模微波雷达联合雨量计的降雨强度动态反演算法

来源：电子与信息学报杂志2025年第11期北京时间：

作者：张琪烁, 张文鑫, 高梦宇, 熊飞

单位：1.北京信息科技大学自动化学院 北京 1001922.中国人民解放军32272部队21分队 成都 610214

摘要：微波气象雷达探测降雨特征的应用前景较为广泛，但其数据维度单一，测量精度受限于传统反演算法局限性。该文提出基于双模(FMCW-CW)微波雷达联合雨量计的数据进行融合反演降雨强度。针对FMCW模式的雨滴谱数据特征，该文提出基于注意力机制(Attention)连接双层长短期记忆网络(LSTM)的融合算法(LSTM-Attention-LSTM)，通过Attention和 LSTM提取雨滴谱数据与实际降雨强度之间的依赖关系，聚焦重要特征并进行解码预测。同时，针对CW模式反演算法难以获取雨滴谱数据，仅能依赖反射率因子和降雨率(Z-R)关系的问题，提出基于扩展卡尔曼算法(EKF)优化Z-R关系，通过动态建模Z-R参数、融合多源数据、施加物理约束，以便准确拟合Z-R关系。实验结果表明：(1)LSTM-Attention-LSTM显著提升降雨率反演精度，相较实际测量降雨强度相关系数(R2)达到0.95，均方根误差(RMSE)为0.1623 mm/h。(2)基于EKF优化动态Z-R关系法能够更加精准地确定Z-R关系的参数，拟合结果与实际数据分布情况相关度最高R2为0.972，RMSE为0.1076 mm/h。

关键词：微波雷达, 降雨强度, 长短期记忆神经网络, 反射率因子和降雨率关系, 扩展卡尔曼滤波

基金资助：国家自然科学基金青年基金(62406032)，北京市自然科学基金资助(4242036)