TY -的A2 -中提琴,弗朗西斯科·盟,Costa de Souza Tomaz亚瑟盟——Ayzel格奥尔基盟——Heistermann迈克PY - 2020 DA - 2020/12/03 TI -量化的位置误差状况降水短时SP - 8841913六世降水- 2020 AB -重点学科,它是常见的跟踪运动的降水天气雷达图像和序列来推断这种运动走向未来。总误差的预测由一个错误的预测位置降水特征和降水强度的变化带来的误差。到目前为止,核查措施不允许隔离位置错误的程度,很难具体改善的短时预测模型需要美国所有企业提供关于位置的预测。在本文中,我们介绍一个框架直接量化的位置错误。为此,我们探测和跟踪尺度不变的降水特征(角)的雷达图像。然后我们考虑这些观察跟踪作为真正的参考为了评估性能(或者,相反,错误)的模型,旨在预测未来降水特征的位置。因此,位置误差预测在任何交货时间Δ t前的预测时间 t对应于之间的欧几里得距离观察和预测功能位置 t+Δ t。基于这一框架,我们进行了基准测试案例研究使用一年的德国气象局的气象雷达复合材料。我们四个外推模型的性能进行了评价,其中两个是基于线性外推的角运动 t−1 t(LK-Lin1)和 t−4 t(LK-Lin4)和另外两个是基于密集的逆搜索(DIS)方法:运动矢量从DIS用来预测功能位置的线性(DIS-Lin1)和Semi-Lagrangian推断(DIS-Rot1)。这四个模型,DIS-Lin1 LK-Lin4原来是最熟练的关于功能位置的预测,尽管我们还发现,该模型技术极大地依赖于错综复杂的观察。376125检测到的数据集特征跟踪2016年公开可用的培养提高位置预测extrapolation-based短时预测模型。SN - 1687 - 9309 UR - https://doi.org/10.1155/2020/8841913 - 10.1155 / 2020/8841913摩根富林明的进步气象学PB - Hindawi KW - ER