科科天氣筆記

Understanding Kalman Filters Part 1: Why Use Kalman Filters? 為什麼要用卡爾曼濾波器?  濾波器不是咖啡的濾紙喔~哈 主要的目的在於用於估計，無法直接觀測得到的真實值量 (如火箭屁股火溫) 只能夠過旁邊的方法觀測，如貼在外面的溫度計觀測，但這個溫度跟火箭屁股火溫有誤差 這時候該怎麼知道實際的溫度呢? 或是另外一個案例，要知道車子移動到的位置 但是當車子進入隧道時，GPS會因為屏障很變得不準確 只能從不同的角度推測車子的位置，用加速度乘時間計算，或是測量器推估車子位置，再加上有誤差的GPS 而卡爾曼濾波器，就能結合不同儀器的觀測資料，結合出一個最好的解，知道車子最佳位置。 卡爾曼濾波器使用在何時? 1. 當變數無法直接被觀測 2. 可以從不同的觀測儀器觀測，但主要的方式有較多誤差 Part 3: An Optimal State Estimator 計算車子行駛一公里後的位置，當估算的位置準確，但有偏差，或是沒有偏差但有很大的離散 都是不好的結果 但如果要做到無偏差，離散度低的結果，卻是要花很多很多的錢才有辦法做到!!! 卡爾曼濾波器，用在有誤差，有偏差的觀測或預測的系統中，得到一個好的結果 卡爾曼濾波器，就是結合觀測和預報，去找到最佳的估計值 觀測和預報都有誤差，以高斯分佈的標準差為設定(R, Q) Part 4: An Optimal State Estimator Algorithm 分為兩個部分 (此為線性模式) 1. prediction 預報狀態下的x，和預報狀態下的標準差 P 2. update 把上面的x 和 P 拿過來，更新出新的 x 和 P(預報誤差) 用K還極小化 P  當觀測誤差R為零，就會得到觀測 y 為最佳解 相反預報誤差P為零，就會得到預報值 x 為最佳解 要進行下一次預報，不需要所有的資料 只要存下 估計場 x 和 P 矩陣 (covariance matrix) 即可進入循環 亦可增加更多的觀測，加入矩陣得到更好的 最佳解!  Part 5: Nonlinear State E

什麼是海面雜波？        雷達發射的電磁波，受到大氣條件影響，造成低仰角電磁波的旁波(side lobe)打到海面的水，背向散射回雷達產生的雜波。 仰角1.2度，雷達回波觀測，桃園外海大片海面雜波 什麼大氣條件影響？       電磁波從雷達發射出去後，距離越遠會因地球曲率，使得電磁波距離地面的高度越高。但如大氣出現逆溫現象，讓電磁波出現超折射效應，使原本直線前進的路徑往地面偏折，更有機會收到海面雜波。 板橋探空，逆溫層出現在約２公里高度 周邊大氣環境       台灣東部有一康芮颱風，外圍環流影響，台灣北部有強勁的東北風，產生長浪，造成海浪產生表面海浪破碎明顯。 東部海面有颱風康芮，北部受強勁東北影響 雙偏極都卜勒雷達觀測變數 (1) 都卜勒風場：       海面雜波亦能觀測到東北風風場特徵，此觀測到的徑向風非降雨系統的風場，而是海面的資訊，使用上需要小心分辨。 仰角1.2度，徑向風場 (2) 相關係數：       海面雜波的相關係數不高，與大氣中的降水粒子的高相關係數特定非常不同！可能原因是海面因海浪破碎的水滴粒子大小不同，不像大氣中水是經過完整的微物理過程形成，對於電磁波反應特性較為一致。 仰角1.2度，相關係數 (3) 差異反射率(ZDR)：       從此變數來看，量值大的地方表示粒子大小較大，海面雜波的顆粒特性偏大，多出現深紅色的值，且整體皆為如此。 仰角1.2度，差異反射率(ZDR) (4) 差異相位差(PDP) & 比差異相位差(KDP)      在相關係數高的大氣降水區域內，相位變化的累積比較明顯，海面雜波部分並不明顯累積，但仍能看出海面雜波的範圍。而比差異相位差是差異相位差對於距離的微分，海面雜波區域有出現橘色的部分，且有一點一點的特徵，此部分不宜誤用為降雨估計，會有過量錯誤估計。 差異相位差 比差異相位差 總結      海面雜波和大氣中的降水資訊有相當大的差異，受到大氣的逆溫和強勁的風場，使得超折射環境下的雷達旁波打在海面破碎的浪花，得到徑向風資訊，與雙偏極變數的特徵，都與大氣中的降雨系統明顯差異，切記不可勿用於降雨估計，會有過多的錯誤結果。