吧务
level 15
我不是Carl2
楼主
除了平滑处理本身对风速峰值的低估,
平滑处理造成的数据缺失也增加under sampling的可能性。由于rmw附近数据的大量缺失,数据“命中”最大风速区的可能性降低,容易导致风速的低估以及气压的高估。Evaluation of the Accuracy and Utility of Tropical Cyclone Intensity Estimation Using Single Ground-Based Doppler Radar Observations这篇论文也统计了雷达覆盖率等因素对中心气压估计的影响。

从本图我们可以发现,当雷达覆盖率降低时,中心气压的估算误差会显著增加,并出现正的bias,也就是说会减少中心气压的准确性,高估中心气压。

论文同样统计了风场准确度的对中心气压估计的影响。风场准确度就是下图展示的GBVTD获取的4km高空风场反演出的多普勒速度与使用的4km CAPPI数据的均方根差。当风场准确度差时,中心气压的估计同样会不准确且倾向于高估。

最后,在对于海燕的实际雷达观测中,也确实观测到了由于空间分辨率和平滑处理导致的低估。论文主要使用的雷达数据是2020z海燕登陆前的数据。海燕在登陆前的强度变化是维持或稍有减弱,因此在时标更早的2005z,海燕理应有比较相近或者略高的整体风速。但是,根据2005z雷达数据反演的风场比2020z风速整体更低。论文在此处做出的解释是,2005z时,海燕距离雷达更远,雷达数据有着更低的空间分辨率以及更加严重的平滑处理影响,甚至西侧的最大多普勒速度都被过滤了,因此反演出了更低的风速。因此我们有理由相信,在稍后的2020z,雷达数据的质量问题也同样会造成(幅度相对小的)低估。
总而言之,由于雷达站的数据已经丢失,论文使用的雷达数据存在显著问题,
很可能导致一定程度的风速低估以及气压高估,并增加结论的不准确性。
2021年06月04日 12点06分
36
平滑处理造成的数据缺失也增加under sampling的可能性。由于rmw附近数据的大量缺失,数据“命中”最大风速区的可能性降低,容易导致风速的低估以及气压的高估。Evaluation of the Accuracy and Utility of Tropical Cyclone Intensity Estimation Using Single Ground-Based Doppler Radar Observations这篇论文也统计了雷达覆盖率等因素对中心气压估计的影响。






总而言之,由于雷达站的数据已经丢失,论文使用的雷达数据存在显著问题,
很可能导致一定程度的风速低估以及气压高估,并增加结论的不准确性。
![[阴险]](/static/emoticons/u9634u9669.png)