FT-YD2雨滴谱仪能自动识别五种降水类型:毛毛雨、雨、雨夹雪、雪、冰雹,自动识别率>90%。很多人好奇:一台光学设备,没看到降水长什么样,怎么就知道下的是雨还是雪?今天从雨滴谱仪的原理上讲清楚。
核心逻辑:靠"粒径+速度"的二维特征区分
FT-YD2不是用摄像头"看"降水,是用红外光带"测"降水粒子的尺寸和下落速度。不同类型的降水,在粒径-速度二维图上有明显不同的分布特征——设备就是靠这个来分类的。
五种降水的谱特征差异
1. 毛毛雨
毛毛雨的特点是粒子特别小、下落特别慢。在谱矩阵里,粒子集中在小粒径区间(通常<1mm),速度也很低。和雨的区别就是粒径明显偏小、速度偏慢。
2. 雨
雨滴是液态粒子,粒径中等偏大(典型1~3mm),下落速度和粒径有比较确定的对应关系——直径越大的雨滴,下落速度越快。这个"粒径-速度正相关"的特征,是液态雨滴的标志性谱形。
3. 雪
雪花和雨滴最大的区别在速度:雪花虽然粒径可能不小,但因为密度低、风阻大,下落速度明显偏慢。同样粒径的粒子,雪的下落速度比雨滴慢很多。设备就是靠"粒径不小但速度很低"这个特征,把雪和雨区分开。
4. 雨夹雪
雨夹雪是混合相态降水——既有液态雨滴,又有固态雪花。在谱矩阵上表现为两种特征同时出现:一部分粒子符合雨滴的粒径-速度关系,另一部分粒子符合雪花的低速度特征。设备检测到两种特征共存,就判别为雨夹雪。
5. 冰雹
冰雹的识别特征非常明显:大粒径(通常mm级以上)+ 高速度。冰雹密度大、质量大,下落速度远高于雨滴和雪花。在谱矩阵里,大粒径区间出现高速度粒子峰值,就是冰雹的标志性信号。
判别模型是怎么工作的?
设备内部有一套基于粒子谱经验模型的判别算法。每个时间窗口输出32×32的谱矩阵之后,算法会做这几件事:
统计这个窗口内所有粒子的粒径分布和速度分布特征
计算关键判别指标:比如平均粒径、平均速度、大小粒子的比例、液固态特征占比等
把这些指标和五种降水类型的参考谱特征做匹配,输出最接近的那一类
同时区分降水强度等级(比如小雨/中雨/大雨,小雪/中雪/大雪)
这是一个基于统计特征的模式识别过程,不是靠某一个粒子判断——是靠整个时间窗口内所有粒子的分布形态来分类的,所以稳定性比较高。
为什么识别率能做到>90%?
识别率>90%这个数字,是基于两个基础:
第一,五种降水的谱特征差异确实够大。雨、雪、冰雹在粒径-速度二维空间里,基本处于不同的区域,特征区分度本来就高。只要测量数据可靠,分类的基础就有了。
第二,设备的测量精度和数据质量有保障。液态±5%的粒径测量精度、防溅罩减少的虚假粒子干扰、一体化光路的稳定性——这些都保证了输入判别模型的数据是干净、准确的。输入数据准了,分类自然就准。
有没有分不出来的时候?
有,比如一些过渡性降水:冻雨、湿雪、非常小的雨夹雪混合态,这些介于两种类型之间的降水,判别难度会大一些。这时候可能出现和人工观测有偏差的情况。但在绝大多数典型降水过程中,FT-YD2的自动判别都能和人工观测保持一致,这也是>90%识别率的实际含义。
另外,雨滴谱仪设备输出的天气代码(WMO 4680格式)里,不只是分类,还带了强度等级。拿到代码的人,既能知道下的是什么类型的降水,也能知道强度大概是什么级别。
热门跟贴