天气雷达定量估测降水量不同方法效果评估

将黄河淮河洪水暴雨监测预报系统降水估测模式得出的规则网格点上的降水与雨量计实测值进行比较，结果表明：将地面雨量计值作为真值，则联合校准法和最优插值校准法得出的降水量计算精度最高，变分法得到的结果不是很理想，卡尔曼滤波校准法和平均校准法的计算精度低于联合校准法和最优插值校准法，Z-I关系法的精度最低。     

雷达估测降水集成方法及其效果比较

本文利用主特征提取法、统计权重法、综合概率法等方法，对Z-R关系法、平均校准法、最优插值法、卡尔曼滤波和最优插值联合校准法、卡尔曼滤波校准法降水定量估测模式输出结果进行集成分析。初步结果表明：统计权重法的集成结果与实况地面雨量计测得雨强值吻合较好．可以在估测区域降水量集成分析中进行业务试用。     

闽中北前汛期多普勒雷达定量估测降水分析

使用2002、2003年福建中北部27个气象站5—6月自记雨量资料及相应的雷达体扫资料，通过用最优化法统计得出不同区域的Z-I关系，并将统计结果用于2005年5—6月的降水估测。同时利用实时雨量资料采用卡尔曼最优（卡尔曼滤波＋最优插值）、变分等估测方法对2005年几次混合型降水过程进行实时雨量校正，用福建北部武夷山九曲溪流域雨量计检验校正后的雨量值，并对上述几种方法的测量精度进行比较、分析。结果表明：卡尔曼最优、变分法及100km距离范围内的最优化法的过程平均相对误差小于25％，100km距离范围以外最优化法的过程平均相对误差明显增大，Z=300I^1,4估测的误差最大。     

卡尔曼滤波法在西峰雷达估测降水中的应用

应用卡尔曼滤波校准法,利用地面自动雨量计的降水量值,对庆阳市2007年7月和9月2次降水过程中的2个雨量较明显时段的雷达估测值进行了校准分析,并与雨量计测量的雨量值进行了误差比较分析。结果显示：混合降水过程的校准效果要优于均匀降水过程。校准后,混合降水过程的相对误差从166.4%下降到了7.6%,均匀降水过程的相对误差从284.3%下降到了56.9%。由此可以看出卡尔曼滤波校准法能有效消除雷达估测降水过程中的各种随机噪声,并能提高雷达定量估算区域降水量的精度,同时还较好地保留了雷达探测降水的精细结构。     

雷达与雨量计联合估测降水的相关性分析

在对比分析质量控制前后雷达估测降水量与自动雨量计降水量之间相关性的基础上,采用雷达-雨量计联合校准方法,对14种不同密度雨量计校准雷达估测降水的效果进行分析。结果表明:在使用雷达资料和雨量计资料前有必要对资料的质量进行分析与控制。联合雨量计校准雷达能明显提高雷达对降水的估测能力;采用不同密度雨量计校准雷达,随着校准雨量计密度的加大,雷达估测降水的精度不断提高并趋于稳定。校准雷达的效果及所需雨量计密度与降水类型有关,当校准效果相同时,积云强降水过程需要的雨量计密度最大,积混对流性降水过程次之,层云稳定性降水过程需要的雨量计密度最小。不同方法的校准效果不同,卡尔曼滤波方法适合于对稳定性降水的校准,或在雨量计密度低的地区对雷达进行校准;变分校准法和最优插值法的校准效果相当,适合对积混对流性降水的校准,或在雨量计密度高的地区对雷达进行校准。     

雷达-雨量计-粒子激光探测仪联合估算降水量

为了提高区域降水量观测的空间分辨率, 提出了雷达-雨量计-粒子激光探测仪联合校准法。首先, 利用粒子激光探测仪观测到的滴谱资料建立实时的Z-I关系, 然后, 利用变分法对同时有雷达回波和雨量计资料的点的实测校准因子进行校准, 获得最优校准因子分析场, 最后, 对有雨量计的点取雨量计实际观测值, 没有雨量计的点利用最优校准因子分析场估算降水。利用此方法对辽宁省2007年5月15日一次天气过程进行降水量估算, 结果表明: 雷达-雨量计-粒子激光探测仪联合校准法结合了雨量站观测资料单点精度高和雷达资料时空分辨率高的优点, 提高了降水量的估算精度, 更好地反映了降水的空间分布。     

不同校准方法检验雷达定量估测降水的效果对比

应用雷达低仰角基本反射率资料和地面加密自动站降水量资料,采用最优化方法,根据天津地区降水特点和不同降水类型,建立适用本地的雷达Z-I关系。经实际应用检验,积混降水类型Z-I关系具实用性。在天津本地化Z-I关系基础上,通过了对比分析6种不同校准方法在天津夏季降水估测中的检验效果。结果表明：Z-I关系校准法和最大集成法对降水的估测偏高,误差较大;最优插值法的估测精度最高,平均绝对误差和均方根误差最小;但计算不同校准方法与实况相关性表明,变分校准法的估测效果与雨量计降水量的相关性最好。同时,所有估测校准法对小雨量级的降水均出现了不同程度的偏高估测。     

新一代天气雷达定量降水估测集成系统

降水的定量测量是天气雷达的重要应用之一,新一代天气雷达定量降水估测集成系统(QPEGS)是一套基于新一代天气雷达的雷达雨量计联合估测降水软件,利用多种雨量计校准雷达降水的方法,生成1小时降水分布。其产品的时间分辨率达10分钟,空间分辨率1 km×1 km,适合省市级业务台站使用。过去3年的数据评估表明:校准雨量计数量和估测精度有明显正相关,校准雨量计数越多,降水估测精度越高,2003年的小时降水估测误差约40%,过程降水量的估测误差小于20%;雨量计密度保持不变的情况下,降水时段越长,降水区域越大,降水估测的精度也越高。     

基于分步校准的区域降水量估测方法研究

在对国内外雷达定量估测区域降水量一些方法进行回顾的基础上, 介绍了卡尔曼滤波校准和最优插值校准的基本原理, 提出了综合利用两种校准方法优点的分步校准法进行区域降水量估测, 并用2003年淮河流域暴雨过程的雷达和雨量计资料对以上的三种方法进行评估。评估结果表明: 分步校准法无论在估测的精度还是稳定度上都优于其它两种方法。     

变分法在校准雷达定量估测降水中的应用

雨量计可以直接测量单点雨强随时间的连续变化 ,测量精度较高 ,但雨量计站网的密度不够 ,往往漏掉强降水、暴雨中心 .雷达能实时探测云和降水结构及系统发生、发展演变情况 ,能迅速提供一定区域的实时降水情况 ,但雷达测量误差较大 ,测定局地降水量精度不高 ,因此雨量计和雷达进行点面结合 ,采用一定的数学方法将雨量计单点测量精度较高和雷达能测量降水时空分布的优点结合起来 ,利用雨量计测量校准雷达定量测量降水 ,可获得比单纯用雷达方法在精度上有很大提高的降水测量结果 .1　变分法校准雷达定量估测降水的原理将雷达探测区网格化 ,在…     

BP神经网络在多普勒雷达降水量的估测中的应用

利用2005年4次降雨过程的多普勒雷达体扫的回波强度资料及相应的雨量计观测资料, 通过BP神经网络方法来估测临沂地区的降雨量, 同时以改进的最佳窗概率配对法建立的Z-R关系估测的降雨量为对照, 进一步验证BP神经网络方法的优越性。根据各个站点的平均相对误差、 均方根差、 相关系数和相关曲线斜率4个指标的比较, 小时雨量和累计降雨量估测结果表明： BP神经网络估测精度要明显优于Z-R关系式, 训练样本的精度高于检验样本的精度, BP神经网络估测的降雨量与站点实测雨量吻合性较好, 能够较真实地反映地面降雨情况; Z-R关系式估测的降雨量随着雨强的不同表现为不同程度的低估现象。     

Reflectivity‐rain rate relationships for convective rainshowers in Edmonton: Research note

Abstract

A reflectivity‐rainfall rate (Z‐R) relationship is derived from Carvel radar and Edmonton rain gauge measurements. Our analysis indicates that the traditional point‐by‐point comparison method is not accurate for Alberta summertime precipitation due to timing errors in fast moving convective storms. The Window Probability Matching Method (WPMM) was superior and provided a robust Z‐R relationship in the form of Z = 32.5 R^1.65.     

星载雷达与C波段地基雷达数据一致性个例分析

为提高单部雷达与多部雷达组网探测降水的精度,对地基雷达进行了一致性定标。星载雷达作为标准参考源已应用于S波段天气雷达的一致性定标,但对于C波段天气雷达的适用性仍有待研究。为此,本文选择了位于较高纬度的兰州C波段业务雷达,设计了以星载雷达标定C波段雷达的方法。通过对两个降水个例进行分析发现:定标后的C波段雷达回波强度和降水反演精度均有一定改善。说明采用星载雷达对C波段雷达进行定标也是可行的,这有利于解决西部地区地基雷达组网探测的一致性定标难题,展现了良好的应用前景。     

基于雷达回波强度面积谱识别降水云类型

基于谱分析原理提出了雷达回波强度面积谱的概念及算法,利用宁夏银川多普勒天气雷达回波资料,分析了不同性质降水云的雷达回波强度面积谱,并根据不同性质降水云雷达回波强度面积谱特征,提出了基于雷达回波强度面积谱识别降水云类型的方法,利用强回波面积（回波强度不小于40 dBZ的回波面积）占总回波面积百分比和基本降水回波面积（回波强度不小于20 dBZ的回波面积）占总回波面积百分比作为降水云类型判别的主要因子,提炼出基于雷达回波强度面积谱特征参数的层状云、积层混合云、对流云等不同类型降水云的判别指标,建立了基于雷达回波的降水云类型自动判识模型。利用该模型对2016-2017年6次强降水过程进行了降水云类型判别试验,模型准确判别出6次强降水过程中2次为对流云降水、4次为混合云降水,判别结果较好地反映了降水云类型,验证了判识方法的可行性。     

基于生成对抗网络GAN的人工智能临近预报方法研究

研究设计了基于生成对抗网络(Generative Adversarial Networks,GAN)的人工智能临近预报方法,并进行了业务试验。该方法利用广东12部S波段天气雷达2015—2017年海量雷达拼图资料进行人工智能学习来做临近预报。GAN方法从一系列雷达观测资料中,运用卷积法提取回波图像信息建立预报模型,并通过损失函数训练模型,得到基于人工智能技术的临近预报。对2018年发生在广东地区的4个天气过程的外推预报试验表明,GAN方法对对流天气过程的回波位置、形状及强度的临近预报多数情况下与实况基本一致,具有较好的预报效果。但是该方法预报的回波范围偏大,对层状云降水的预报效果较差。对西风带系统引起的降水,西南季风降水,东风系统引起的降水以及台风降水的18个个例1 h预报的3个级别的回波强度检验发现,GAN方法对中等强度回波的预报较好,但对强回波的预报效果仍有待提高。     

一种改进的循环神经网络雷达图像外推算法

临近强降水预报目的是预测未来两小时内局地降水强度的分布,准确的外推雷达图像可以为临近强降水预报提供准确的时空参考数据。近两年循环神经网络模型应用于天气雷达回波图象外推得到了较好的结果。本文基于分析现有ConvLSTM和TrajGRU模型的基础上,从输入雷达数据层数和修改模型损失函数两个方面对循环神经网络外推模型进行改进,并对业务上的雷达图象序列和竞赛雷达图象序列进行试验。试验结果表明,改进的外推模型能更好地捕捉时空相关性,具有更精确的外推效果。     

华南前汛期暴雨C波段雷达特征应用研究

运用广州白云机场C波段雷达回波强度及径向风资料对华南前汛期强降水过程进行雨带降水估计及其移动特征预测.C波段雷达在雨量充沛地区的强降水背景下,尽管回波强度被衰减,但是近距离范围内其探测云雨精细化结构的能力较强.所采取的雷达数据质量控制系列处理,能够保留雷达数据原有特征,有效滤去杂波和噪声并缓解雷达低仰角数据杂波多、体扫面上沿径向远近高度差较大的问题,并对降水估测提供了技术保障.最优化雷达Z-I强降水估测方法基于单次过程体扫信息,具有计算简洁快速的特点,但是同一体扫面上云状差异对最优化方法参数值比较敏感,混用相同参数,影响降水估测效果.对同一体扫面上雷达云状回波进行区域划分,并选择对应测雨站点,做最优化参数分别确定,有效改善最优化雷达降水估测,提高了C波段雷达在机场近距离范围的应用效果.运用雷达体扫时间分辨率高的特点,识别雷达径向风辐合线以及强回波中心位置,并分别应用外推法预测雨带走向、移速等,验证效果良好.     

确定风廓线雷达功率谱噪声功率方法

风廓线雷达以测风为主要目的设计,没有充分考虑强度的定量测量。如果能够实现强度定量测量将大大扩展风廓线雷达的应用范围。首要的扩展应用就是可以获取雨滴谱分布、解决降水定量测量准确性问题。若实现强度定量测量,需要解决的一个关键技术问题是如何由其功率谱数据准确计算噪声功率。该文根据风廓线雷达功率谱估计方法、依据噪声频域统计特性,提出了一种计算风廓线雷达功率谱噪声功率的方法,并利用风廓线雷达实测功率谱数据进行检验。检验结果表明:即便在有降水或存在地物时,该方法仍可以准确、快速分辨出噪声功率谱, 且客观有效。     

雷达资料在登陆台风“桑美”数值模拟中的应用

将国内多普勒天气雷达的反射率因子及径向风资料引入ARPS-3DVar同化系统进行同化,针对2006年登陆浙江苍南并造成严重影响的超强台风“桑美”,探讨多普勒雷达资料同化对台风模拟初始场和预报场的改进作用。结果表明:利用ARPS-3DVar同化雷达资料可以明显改善6 h同化窗口内的降水、风场和回波结构,并能提高模式对中尺度雨团位置、强度的模拟能力;雷达资料初始场同化后模拟的台风涡旋和台风眼结构与位置更加接近实况,各物理量空间分布结构更具有明显中尺度特征,从而改善了台风路径和降水的预报。但模拟过程中台风强度模拟偏弱,有待进一步改进。     

Impacts of Multigrid NLS-4DVar-based Doppler Radar Observation Assimilation on Numerical Simulations of Landfalling Typhoon Haikui (2012)

We applied the multigrid nonlinear least-squares four-dimensional variational assimilation(MG-NLS4DVar) method in data assimilation and prediction experiments for Typhoon Haikui(2012) using the Weather Research and Forecasting(WRF) model. Observation data included radial velocity(V_r) and reflectivity(Z) data from a single Doppler radar, quality controlled prior to assimilation. Typhoon prediction results were evaluated and compared between the NLS-4DVar and MG-NLS4DVar methods. Compared with a forecast that began with NCEP analysis data, our radar data assimilation results were clearly improved in terms of structure, intensity, track, and precipitation prediction for Typhoon Haikui(2012). The results showed that the assimilation accuracy of the NLS-4DVar method was similar to that of the MG-NLS4DVar method,but that the latter was more efficient. The assimilation of V_r alone and Z alone each improved predictions of typhoon intensity, track, and precipitation; however, the impacts of V_r data were significantly greater that those of Z data.Assimilation window-length sensitivity experiments showed that a 6-h assimilation window with 30-min assimilation intervals produced slightly better results than either a 3-h assimilation window with 15-min assimilation intervals or a 1-h assimilation window with 6-min assimilation intervals.