毕业论文课题相关文献综述
一、阵风锋领域研究背景：阵风锋在反射率场图像上会出现强度增强的细线，在多普勒速度图像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因子和多普勒速度场图像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）和NEXRAD的人工智能阵风锋算法（MIGFA）。
早期的阵风锋自动检测算法只是利用了径向速度的特征，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，在多普勒速度图像上，附加径向速度切变图像，组成更加精确的阵风锋图像，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因子，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。
此后他们又引入函式模板相关（FTC）和预定义模板进行匹配，即熵匹配函式模板方法。
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。
二、研究意义：阵风锋风是我国东部主要的气象灾害之一, 风灾常导致农作物倒伏, 大树或树枝折断、广告牌刮倒, 进而导致作物减产, 伤害人及牲畜等。
更为严重的是, 突发性大风会对飞机的起飞或降落带来致命的威胁。
冬、春季的系统性大风, 预报人员能够比较准确的预报。
但是, 夏季强对流造成的雷雨大风, 具有突发性、局地性、强度大、持续时间短等特点, 是预报和防灾减灾的难点。
为了寻找大风与阵风锋之间的关系, 及时准确地预报阵风锋是十分重要的。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
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。
