门控循环（GRU）神经网络在估测和预测变量方面具有巨大潜能。除了雷达反射率（Z）外，雷达回波顶高（ET）也能很好地反映降水。江西师范大学鄱阳湖湿地与流域研究教育部重点实验室/江西师范大学江西省自然灾害监测预警评估重点实验室，基于GRU神经网络，发展了一种新的单偏振雷达的定量降水估测方法GRU_Z-ET，该方法是将Z和ET同时作为自变量引入GRU神经网络来估测降水。
为了验证该新方法的精度，基于2018年5-7月江西省北部降水过程，分析了该方法（GRU_Z-ET）与其他三种方法（传统Z-R关系Z=300R1.4，最优法拟合的Z-R关系Z=79R1.68，仅有Z一个自变量的GRU神经网络GRU_Z）的表现。结果表明，在这四种方法中，本文构建的GRU_Z-ET方法估测的降水无论是在降水的强度，还是降水的空间分布上，其精度都最高的，而传统的Z-R关系的精度最低，最优法拟合的Z-R关系和GRU_Z方法的精度相当。
该研究发展了一种新的雷达降水估测方法，提升了雷达降水的估测精度。相关研究成果近期已经在中科院二区SCI期刊Advances in Atmospheric Sciences上发表（http://www.iapjournals.ac.cn/aas/en/article/doi/10.1007/s00376-022-2127-x）。鄱阳湖湿地与流域研究教育部重点实验室/江西师范大学江西省自然灾害监测预警评估重点实验室副研究员邹海波为该论文第一作者兼通讯作者，江西省气象科学研究所和江西省气候中心为参与单位。
