来源： DeepTech深科技
降雨量和手机移动网络之间有什么联系？
来自德国卡尔斯鲁厄理工学院与奥格斯堡大学的研究人员 ， 通过研究降水与移动网络中的商用微波链路（commercial microwave link ， 简称 CML）之间的关系 ， 成功绘制了全德国的降雨量地图 。
该研究相关成果发表在学术期刊《水文与地球系统科学》和《大气测量技术》上 。
某个区域内的降水数据对气象学、水文学和农业的意义巨大 ， 而获得准确的基于时间和空间的降水数据是一件困难的事情 。 从全球范围来看 ， 因为成本问题 ， 很多地区的降雨量数据不够精确而且更新不及时 。
不仅如此 ， 在当前所有的获取降雨量数据的方法上 ， 多多少少都存在一定的缺陷 。
一般来讲 ， 目前主流的降雨量监测方法有 3 种 。
第一种 ， 放置雨量器 。
雨量器只能收集一个点的数据 ， 这是最大的问题 。 也就是说 ， 无法获得该地区广泛的、和基于时间的连续数据 。 此外 ， 风、降雪（非液体降水）和蒸发都会对雨量器产生干扰 。
第二种 ， 基于气象雷达 。
气象雷达虽然克服了时空的限制 ， 但是带来了其他误差问题 。 首先 ， 其不是直接监测降雨量 ， 而是通过降雨量与雷达反射率之间的关系间接测量 ， 这种关系建立在雨滴粒径分布的基础上 ， 因此导致了很大的不确定性 。
除此之外 ， 地面的其他电波信号、雷达测量位置的选择 ， 都会对结果产生影响 。
第三种 ， 利用卫星 。
虽然卫星听起来非常高科技 ， 但是其在时空覆盖上具有局限性 。 对于地球同步卫星 ， 它能够一直盯着地表同一个地方拍摄 ， 因此得到数据的采样率很高 。 但问题在于 ， 降雨量的测量往往需要可见光和红外波段 ， 这两个条件不是随时都具备的 。
低轨道卫星问题就更大了 。 它们扫略同一片区域的次数受到轨道的限制 。 也就是说 ， 没办法一直盯着一片区域 ， 即便使用好几颗卫星联合监测 ， 依然无法满足要求 。
正是基于这种背景 ， 德国的研究小组开启了一项 “古老” 的技术 。
【[新浪科技综合]下雨减弱手机信号， 科学家以此反推德国降雨量分布图新浪科技综合2020-08-09 10:26:310阅】说它古老 ， 是因为该技术 10 年前就在以色列和荷兰被提起过 ， 但由于存在技术难题 ， 一直未能取得良好的效果 。
新方法的原理并不难懂 。 来自手机蜂窝网络中的商用微波链路（CML） ， 因为受到降水的影响而衰减 ， 即降雨量越大 ， CML 衰减越厉害 。
因此 ， 通过测试 CML 的衰减情况 ， 反向可以推测该地区降雨量 ， 而且根据数据收集频率的不同 ， 获得降雨量分布地图分辨率也不同 。
CML 装在移动电话的信号杆上 ， 用来进行远距离信号传输 。 相比于雨量器和气象雷达 ， CML 的分布更加广泛而且都是现成的 ， 这项技术如能成功应用 ， 可以大大降低降雨量监测成本以及获得经济不发达地区的降水数据 。
研究小组收集了 4000 个 CML 在一年内的数据 ， 分辨率为 1 分钟 。 用小组成员 Chwala 博士的话说就是：“如此大的数据量与如此小的分辨率都是独一无二的 。
最终的结果让人振奋 。 通过对 CML 信号衰减的处理得到的全德国降雨量地图 ， 与德国气象局提供的数据比对 ， 二者具有很高的相似性 ， 并且 CML 法分辨率更高 。


文章图片
图1/2图 | 气象雷达获取降雨量地图（a）与 CML 法（b）获取的地图其实 ， 正如前文所说 ， CML 衰减和降雨量的关系在十年前就被提出来了 。 为什么一直没有得到较好的应用？
因为其中存在两个难以修正的问题 。
第一是如何从采集到的 CML 数据中区分当地处在雨季还是旱季 。 因为不同的季节衰减数据有不同的波动性 。
第二个问题更加棘手 ， 当空气过于潮湿 ， CML 天线上会凝结水滴 ， 这些水滴引起了对当地降雨量的高估 。 说的直白一些 ， 凝结水滴让 CML 信号进一步衰减 ， 但它们并不是降水引起的 。
对于这两个问题的处理 ， 涉及到非常复杂的动力学分析和数据分析 。 一般来说 ， 通过对比某地和相邻地区的 CML 数据 ， 或者对单个 CML 时间序列进行处理 ， 可以基本分辨出雨季和旱季的问题 。 更关键的问题在于这种判别的精细度上 。
而 “湿天线” 问题则需要补偿 。 即通过一系列计算 ， 决定补偿多少的 CML 衰减幅度 ， 才不会因此高估了降雨量 。
除此之外 ， 该研究还借助了人工智能（AI）进行数据分析 。 在获取的 CML 衰减数据中 ， 存在大量的“噪声” 。
这里要解释一下 ， 在数字信号处理中 ， 我们把想要获得的信号之外的干扰数据 ， 都叫做“噪声” 。 去除噪声是一件非常麻烦的事情 ， 科研人员往往会陷入两难境地：噪声去除不干净 ， 有效信号则不够纯净 ， 后续处理误差较大；但过于强力的去除噪声 ， 会伤害有效信号 ， 损失数据 。
然而 ， 借助 AI ， 通过对 AI 的训练 ， 可以做到传统的数据处理方法做不到或者做不好的事 。分页标题
研究小组中另一名科学家 Julius Polz 说 ， “引起 CML 信号衰减的因素很多 ， 比如阳光、风 。 我们需要知道哪些衰减是降水引起的 ， 而借助 AI 可以滤除那些干扰数据 。 ”
经过多次训练的 AI 可以完成这种任务 ， 并且再次使用该系统处理新的数据时 ， 无需校准系统 。
从今年夏天开始 ， 该研究小组在缺乏降雨量数据的西非地区开始 CML 数据收集 ， 并且准备用这一套 AI 系统进行处理 。
但是 ， 至少到现在为止 ， CML 法测量降雨量不是完美的 。
雨夹雪和冻雨引起的 CML 信号衰减比常温液态降水更大 。 而降雪 ， 即固态降水则无法通过 CML 法测出 。
这也就是说 ， CML 法至少要选择在没有降雪的地方 。


文章图片
图2/2

• 北青网综合|太难了！民警与牛斗智斗勇两小时
• 北青网综合|“宝马”租出去却被卖 小心李鬼中间商“空手套白狼”
• 北青网综合|淮安八旬老人下河游泳体力不支漂浮3公里
• 薄云|华工科技精密事业群与薄云咨询共同召开变革项目启动会
• 科技|TCL 科技上半年净利润 12 亿 以 10.8 亿美元收购苏州三星 8.5 代线
• 古都正|中国千年古都正在崛起“硬科技”
• 小米科技|外媒曝光：小米新奇想专利让超广角拍摄不失真
• 职场女性|巾帼不让须眉：科技界又多了一位女掌门
• 行业互联网|大华股份与大连量天科技签署战略合作协议
• 北青网综合|广东陆丰市南塘镇风险等级由中风险调整为低风险