Original paper

A neural network method for wind estimation using wind profiler data

Vogt, Siegfried; Sacher, Daniel

Meteorologische Zeitschrift Vol. 10 No. 6 (2001), p. 479 - 487

published: Dec 20, 2001

DOI: 10.1127/0941-2948/2001/0010-0479

BibTeX file

ArtNo. ESP025011006005, Price: 29.00 €

Download preview PDF Buy as PDF

Abstract

Measurements of wind with wind profiler require correct identification of the atmospheric signal in the rangegated Doppler Spectra. In most of the profiler systems and also in our system, signal processing is based upon the assumption that each spectrum includes only system noise and the radar return from the atmosphere. Present conventional algorithms assume the peak with the highest spectral power density to be the atmospheric signal. This paper describes a new method for estimating spectral moments. First several peaks are identified within each range-gate spectrum. Second, the selection of the real atmospheric peak among the selected peaks is done by applying a neural network algorithm (NNA). Then vertical chains of the radial velocity are built. A simplified method of CLOTHIAUX was used to connect the chain fragments. Finally the wind profile can be calculated from the radial velocities in the five beam directions. Our profiler has the unique ability to measure wind independently in two modes, namely the clear air mode and the RASS mode. Normally the RASS mode can be considered as a reference system, because the identification of the atmospheric signal is nearly always correct. So we correlated on the one hand, the data of the RASS channel with conventionally evaluated data of the clear air channel (RASS/present) and, on the other hand, with NNA data of the clear air channel (RASS/NNA). In the RASS/NNA case, average correlation coefficients of 0.79 were obtained for the wind direction, and 0.76 for the wind velocity. This should be compared with average correlation coefficients of 0.74 and 0.33, for wind direction and wind velocity, respectively, estimated by the conventional evaluation technique. (RASS/present). Although we have shown the power of the NNA in estimating more wind data with higher reliability, there remains one inherent restriction: In case of very low signal-to-noise-ratio it is impossible to determine moments, and therefore the NNA cannot be applied. Windmessungen mit Windprofilern erfordern eine korrekte Erkennung des atmosphärischen Signals im Doppler Spektrum jedes Höhenintervalls. Bei den meisten Profilern, wie auch in unserem System, beruht die Signalverarbeitung auf der Annahme, dass jedes Spektrum Systemrauschen sowie ein eindeutiges Radarsignal aus der Atmosphäre enthält. Die derzeit üblichen Algorithmen gehen davon aus, dass das spektrale Maximum mit dem atmosphärischen Signal identisch ist. Der vorliegende Artikel beschreibt eine neue Methode zur Bestimmung der spektralen Momente. Zunächst werden mehrere Maxima im Spektrum jeder Höhe identifiziert. Danach erfolgt die Auswahl des wahren atmosphärischen Maximums mittels eines Neuronalen Netzwerk Algorithmus (NNA). Anschließend werden aus den Radialgeschwindigkeiten für jede Strahlrichtung vertikale Ketten gebildet. Eine vereinfachte Methode nach CLOTHIAUX wird verwendet um die Bruchstücke der Ketten zu verbinden. Schließlich wird das Windprofil aus den Radialgeschwindigkeiten der fünf Strahlrichtungen berechnet. Unser Windprofiler hat die einmalige Möglichkeit, den Wind gleichzeitig in zwei unabhängigen Messmodi zu bestimmen, nämlich im clear air mode und im RASS mode. Der RASS mode wird normalerweise als das Referenzsystem betrachtet, weil hier die Bestimmung des atmosphärischen Signals nahezu immer korrekt gelingt. Wir haben daher Wind-Daten des RASS mode mit Daten im clear air mode, beide Male mit der herkömmlichen Methode bestimmt, korreliert (RASS/present). In einer weiteren Korrelation wurden die Windwerte des RASS-mode mit Daten abgeleitet nach der NNA-Methode korreliert. Es ergaben sich im RASS/NNA Vergleich Korrelationskoeffzienten von 0,79 bzw 0,76 für Windrichtungen bzw. Windgeschwindigkeit. Dies ist zu vergleichen mit 0,74 bzw. 0,33 für die Korrelation (RASS/present). Zwar konnten die Stärken der NNA-Methode gezeigt werden, nämlich mehr und zuverlässigere Winddaten zu bestimmen, es bleibt jedoch eine Einschränkung: Im Falle eines sehr geringen Signal-zu-Rausch-Verhältnisses ist es unmöglich, Momente zu bestimmen und damit kann die NNA-Methode nicht angewandt werden.