毕业论文课题相关文献综述
阵风锋是雷暴出流冷空气的前沿。阵风锋自动识别对于龙卷检测，大风预报和飞行安全有重要的作用。阵风锋在雷达反射率场图象上会出现强度增强的细线，在多普勒速度图象上是作为速度辐合之间的边界。本项目利用多普勒天气雷达的观测数据，通过（1）二维、局部、线性最小二乘（LLSD）方法(Smith2004)，在旋转和散度计算中使方差最小化，求取径向和方位切变；（2）熵匹配函式模板方法(Alkhoulietal.,2004)，即函式模板订正（functionaltemplatecorrectionFTC）和预定义模板进行匹配。预定义模板是从已有雷达阵风锋图像获取特征信息，函式模板包含了评分函数（Scoringfunction）阵，它表示模板上的任意象素和雷达图像上的数值匹配的程度。采用熵（Entropy）的算法，可减少计算量，有较好的边界检测效果。
提取阵风锋系统的相关特征量，利用地面中尺度观测网采集阵风锋过境时，地面气压、风、温度、湿度会发生规律性的变化的数据，对阵风锋识别系统进行验证。
在《应用气象学报》2013年01期中的《阵风锋自动识别与预警》中也提到，根据阵风锋的回波特征,该文设计了阵风锋自动识别算法。在速度场中,考虑辐合线识别;在强度场中,考虑窄带回波识别;根据窄带与辐合线的空间一致性,综合二者识别出阵风锋。基于该算法,以锋线闪烁和物理量输出两种方式实现了预警功能。最后利用地面自动气象站资料和2009年6月3日河南商丘、郑州及2009年6月5日安徽阜阳3个雷达站探测的阵风锋98个体扫样本资料检验了识别效果,并采用临界成功指数进行评估。结果表明:双向梯度法能有效滤除大范围降水回波而保留窄带回波;该算法只需考虑较低仰角层,大大提高识别效率。在速度场中采用的算法能有效识别出径向辐合线,同时也适用于低空径向风切变和辐合线的识别;利用临界成功指数对98个体扫样本进行识别率评估,识别率达到68.4%。
同样，在《应用气象学报》2013年15期中的《阵风锋自动识别算法的实验研究》中提到，利用江苏省6部S波段全相参多普勒天气雷达测得的2007-2011年28个阵风锋观测实例,检验多普勒天气雷达的阵风锋自动识别算法的效果。该算法主要包括熵函数模板的反射率强度边界识别、风切变算法,并综合依据径向速度及谱宽进行阵风锋识别。在阵风锋的识别中,多普勒速度的径向切变有利于判别雷达波束垂直于阵风锋边界的辐合,旋转切变可更好地显示平行于波束的阵风锋边界。在参与检测的28个个例中,成功检测出的有13个;因雷达资料质量影响,7个个例检测出部分阵风锋;8个个例未检测到阵风锋。经过检验,该算法的识别效果较好,但仍存在一些不足,需要进一步完善雷达资料的质量控制,和对低层弱切变特征的提取研究。
项目研究领域的国内外现状（不超过800字）
阵风锋是雷暴出流冷空气的前沿。早期雷暴自动检测对于龙卷预报，检测和飞行安全有重要的作用。阵风锋在反射率场图象上会出现强度增强的细线，在多普勒速度图象上是作为速度辐合之间的边界，利用神经网络方法可以识别雷达反射率和多普勒速度场图象上产生的阵风锋特征，例如用于美国终端多普勒天气雷达（TWDR,TerminalDopplerWeatherRadar）和NEXRAD的人工智能阵风锋算法（MIGFA，machineintelligentgustfrontalgorithm）(Troxeletal.,2002,Smalleyetal.,2005)。第一个阵风锋自动检测算法只是利用了径向速度的特征（Uyedetal.,1986），在大多数情况下，阵风锋的边界是不完整的。为了能够更早地检测到阵风锋，在多普勒速度图象上，附加径向速度切变图象，组成更加精确的阵风锋图象（Eiltsetal.,1991），近年又增加了速度场方位切变资料，开展了检测早期龙卷的新算法，基本上融合了雷达反射率，径向切变和方位切变的资料，从而得到有意义的阵风锋图像（DeBrunneretal.,2003），此后他们又引入函式模板相关（functionaltemplatecorcorrelationsFTC）和预定义模板进行匹配，即熵匹配函式模板方法(Alkhoulietal.,2004)。目前国内对阵风锋的研究主要在系统结构、发生发展演变机制和地面物理量等特征方面，对阵风锋自动识别算法研究尚少。
参考文献：
[1]Alkhouli,O.,andVictorDeBrunner,GustFrontDetectioninWeatherRadarImagesbyEntropyMatchedFunctionalTemplate,2004IEEE
[2]Eilts,M.，S.Olson,G.Stumpf,L.Hermes,A.Abrevaya,J.Culbert,K.Thomas,K.Hondl,andD.Klingle-Wilson,AnImprovedGustFrontDetectionAlgorithmfortheTDWR,4thInt.Con.AviationWeatherSystems,Paris,France,June1991.
[3]DeBrunner，V.，andEwaMatusiak，GustFrontDetectionUsingTemplateMatchingonFusedandMulti-resolutionRadarDataSets,AsilomarConferenceonSignals,Systems,andComputers,PacificGrove,CA,November2003.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
