京津冀夏季雷达定量降水估测的误差统计及定量气候校准

雷达定量降水估测（QPE）是短时临近预报的关键部分,在定量降水预报（QPF）、强降水预警、城市积水内涝、地质山洪灾害、精细化天气服务等方面具有重要作用。利用京津冀地区雷达定量降水估测资料和逐时自动气象站降水观测数据,分析了2011—2016年夏季京津冀地区雷达定量降水估测的误差空间分布特征,并重点提出了一种新的雷达本地化定量气候校准算法。结果表明,京津冀地区雷达定量降水估测较好地反映了总降水量东北—西南带状分布特征,但西北部山区、东北部山区及西南部山区估计偏弱,东北部山前地带估计偏强,西北部存在虚假降水估计,而北京市城区估计最为准确。利用雷达本地化定量气候校准算法对1 h雷达定量降水估测进行气候尺度上的约束订正,检验结果表明,经过校准后的雷达定量降水估测偏差（BIAS）、平均绝对误差（MAE）、均方根误差（RMSE）和均方根相对误差（RRMSE）均减小。绝大部分站点偏差减小幅度超过50%,京津冀东部及南部平原地带平均绝对误差、均方根误差和均方根相对误差减小幅度在20%左右,而北部及西南部山区误差减小幅度相对较小。降水个例检验结果表明,经过雷达定量气候校准后的雷达定量降水估测强度更接近自动气象站观测的降水量级,且降水结构细致,偏差、平均绝对误差和均方根误差均减小,与自动气象站观测降水的相关系数增大,因此该算法有助于改进雷达定量降水估测的准确度。      

复杂地形下C波段雷达定量降水估计算法

C波段雷达定量降水估计（QPE）精度受到很多因素的影响,主要包括:（1）雷达标定,（2）非气象回波的干扰,（3）降水物垂直空间变化,（4）地形或地物的严重遮挡,（5）Z-R关系的代表性,（6）雷达拼图的质量,（7）雷达观测回波衰减等。文中雷达定量降水估计算法基于陕西省C波段天气雷达展开,从雷达探测数据质量控制、地形遮挡、Z-R关系和雷达拼图等方面提高C波段天气雷达定量降水估计的精度,产生降水类型产品和1 h定量降水估计产品,产品空间分辨率为0.01°×0.01°,时间分辨率为6 min。通过对7次降水过程进行评估,结果表明:基于混合仰角反射率因子处理模块和降水类型分类模块进行雷达定量降水估计,得到的结果与地面雨量站观测降水接近,1 h累计降水量的统计评分指标均方根误差稳定在3 mm以下,相对误差稳定在50%左右,相对偏差保持在?30%以内,雷达定量降水估计产品的离散度和绝对偏差都较低,表明该算法得到的雷达定量降水估计稳定可靠。      

SWAN系统中QPE产品的应用评估

“灾害天气短时临近预报系统”(SWAN)在我国气象预报业务中已得到广泛应用。文章介绍其中雷达定量降水估算QPE算法 (RASIM方法)的技术与特点,选取湖北省6部S波段多普勒天气雷达在2012年探测的暴雨天气过程资料,系统性评估了SWAN系统中QPE产品实用性,初步分析了产生估算误差的原因。评估表明：整体而言该方法在湖北省使用效果较好,平均绝对误差率小于30%;探测距离的增加对S波段雷达QPE精度影响不大;各雷达对30 mm以上降水的估算平均绝对误差率较小,但估算结果较实况偏弱,随着雨量（雨强）增大,低估的比例也增大。就单部雷达而言,宜昌雷达估算降水误差最大,武汉雷达受附近建筑遮挡影响次之,恩施雷达估算降水误差最小。     

Short-Term Dynamic Radar Quantitative Precipitation Estimation Based on Wavelet Transform and Support Vector Machine

Currently, Doppler weather radar in China is generally used for quantitative precipitation estimation (QPE) based on the Z-R relationship. However, the estimation error for mixed precipitation is very large. In order to improve the accuracy of radar QPE, we propose a dynamic radar QPE algorithm with a 6-min interval that uses the reflectivity data of Doppler radar Z9002 in the Shanghai Qingpu District and the precipitation data at automatic weather stations (AWSs) in East China. Considering the time dependence and abrupt changes of precipitation, the data during the previous 30-min period were selected as the training data. To reduce the complexity of radar QPE, we transformed the weather data into the wavelet domain by means of the stationary wavelet transform (SWT) in order to extract high and low-frequency reflectivity and precipitation information. Using the wavelet coefficients, we constructed a support vector machine (SVM) at all scales to estimate the wavelet coefficient of precipitation. Ultimately, via inverse wavelet transformation, we obtained the estimated rainfall. By comparing the results of the proposed method (SWT-SVM) with those of Z = 300 × R1.4, linear regression (LR), and SVM, we determined that the root mean square error (RMSE) of the SWT-SVM method was 0.54 mm per 6 min and the average Threat Score (TS) could exceed 40% with the exception of the downpour category, thus remaining at a high level. Generally speaking, the SWT-SVM method can effectively improve the accuracy of radar QPE and provide an auxiliary reference for actual meteorological operational forecasting.     

基于雷达—雨量计降水融合方法提高极端降水监测能力

高时空分辨率、高精度的降水产品对于极端降水的监测以及防灾减灾具有重要意义。地面雨量计提供点尺度降水精确观测,但无法精细化捕捉对流性强降水的空间分布。雷达观测可以精细地刻画降水的空间分布特征,但雷达定量估计降水（QPE,quantitative precipitation estimation）产品估测精度易受雷达观测偏差和Z–R（雷达反射率—降水率）关系等因素影响。因此,本文开展高时空分辨率的雷达—雨量计降水融合算法研究,集成雨量计观测和雷达定量估计降水产品各自的优点。该算法主要步骤包括:雨量站观测数据格点化、局地雨量计订正雷达QPE和雷达—雨量计降水融合三个部分。首先利用克里金插值方法,对雨量站观测的降水进行插值,得到格点降水信息;再通过局地雨量计订正方法系统性地订正雷达QPE产品,以提高雷达QPE产品精度;最后,结合降水类型,通过雷达—雨量计降水融合算法,产生高时空分辨率、高精度的雷达—雨量计降水融合产品。通过郑州“21·7”暴雨、台风“烟花”和2021年8月随州暴雨三个典型的极端降水个例,对雷达—雨量计降水融合算法产生的雷达—雨量计降水融合产品进行了系统地评估和分析。结果表明,在不同的极端降水个例和不同的降水时段,雷达—雨量计降水融合产品精度上优于雷达QPE产品,且在降水的空间分布上较雨量站观测格点插值产品更能精细地刻画降水的结构特征。表明算法得到的雷达—雨量计降水融合产品的准确性较高,对极端降水有较好地捕捉和监测能力。     

2008年盛夏阿克苏一次强对流天气成因及雷达回波分析

2008年7月24日阿克苏地区出现了暴雨、冰雹强对流天气。利用常规高空、地面观测资料和新一代天气雷达资料系统地分析了此次天气中环流背景、物理量场、雷达回波的演变特征。分析得出,此次强对流天气在上层干冷、下层暖湿的不稳定层结、充沛的水汽条件和较强的抬升运动的配合下,导致不稳定能量突增,直接诱发了强对流天气的发生、发展。雷达回波上的“v”形槽口、有界弱回波的出现、较强的垂直风切变以及气流辐合现象,均为强对流天气回波的典型特征。     

Recent Progress in Dual-Polarization Radar Research and Applications in China

Dual-polarization(dual-pol)radar can measure additional parameters that provide more microphysical information of precipitation systems than those provided by conventional Doppler radar.The dual-pol parameters have been successfully utilized to investigate precipitation microphysics and improve radar quantitative precipitation estimation(QPE).The recent progress in dual-pol radar research and applications in China is summarized in four aspects.Firstly,the characteristics of several representative dual-pol radars are reviewed.Various approaches have been developed for radar data quality control,including calibration,attenuation correction,calculation of specific differential phase shift,and identification and removal of non-meteorological echoes.Using dual-pol radar measurements,the microphysical characteristics derived from raindrop size distribution retrieval,hydrometeor classification,and QPE is better understood in China.The limited number of studies in China that have sought to use dual-pol radar data to validate the microphysical parameterization and initialization of numerical models and assimilate dual-pol data into numerical models are summarized.The challenges of applying dual-pol data in numerical models and emerging technologies that may make significant impacts on the field of radar meteorology are discussed.     

淮河下游初夏小时内降水分级与雷达信息特征

利用淮河下游盐城市多普勒天气雷达和雷达扫描范围内建湖县降水量资料,对2008年6月的6次小时内三等级降水过程进行环流背景和局地雷达信息特征分析,其中对不同等级降水又给出夜雨及午后雨降水日变化分类。在环流背景基础上,通过综合分析对应各级各类降水的多普勒天气雷达降水回波的滤波强度分布特征,以及相应时空的雷达径向风场沿体扫倾斜面的分布结构,归纳出小时内降水量级的动力信息特征。在两类主导性天气尺度环流背景下,局地雷达要素空间分布特征为：同等量级降水,夜间的平均回波强度明显弱于白天;上游补充回波范围指示降水连续性质;上游长而强的回波带支持下一小时短时强降水;沿经建湖的局地雷达倾斜体扫半径剖面, 径向风的风向风速辐合中心的高度越低,辐合层次越宽厚,对应的降水级别越大;在同等降雨量级中,沿倾斜的体扫半径的局地风速强切变,通过上下动量传递和水汽混合,维持着更强的降水。     

基于深度学习的天气雷达回波序列外推及效果分析

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。      

Forecasting weather radar propagation conditions

Summary The increasing use of weather radar quantitative precipitation estimates, particularly in automatic applications such as operational hydrometeorological modelling or assimilation in numerical weather prediction (NWP) models, has promoted the development of quality control procedures on radar data. Anomalous propagation (AP) of the radar beam due to deviation from the standard refractivity vertical profile, is one of the factors that may affect seriously the quality of radar observations because of the increase in quantity and intensity of non-precipitating clutter echoes and consequent contamination of the estimated rainfall field. Another undesired effect of AP is the change in the expected radar echo height, which may be relevant when correcting for beam blockage in radar rainfall estimation in complex terrain. The aim of this paper is to study the use of NWP mesoscale forecasts to predict and monitor AP events. A nested 15-km grid resolution version of the MASS model has been used to retrieve refractivity profiles in the coastal area of Barcelona, near a weather radar and a radiosonde station. Using the refractivity profiles two different magnitudes were computed: the vertical refractivity profile of the lowest 1000 m layer and a ducting index which describes the existence and intensity of the most super-refractive layer contained in the lowest 3-km layer. A comparison between model forecasts and radiosonde diagnostics during a six-month period showed that the model tended to underestimate the degree of super-refraction, with a bias of 4 km⁻¹ and RMSE of 11 km⁻¹ in the 1-km vertical refractivity gradient. Further analysis of the data showed that a combination of previous observations and forecasts allowed to produce modified forecasts improving the original direct model output, decreasing substantially the bias, reducing the RMSE by 20% and improving the skill by 40%, beating also radiosonde observations persistence.     

多普勒天气雷达1 h降水产品的质量评估

为评估多普勒天气雷达1 h降水量(OHP)产品在降水预报中的质量, 从南通新一代多普勒天气雷达的体扫资料及其覆盖范围内太湖流域34个雨量站的同期逐小时降水资料中选取了19个降水个例。以空报率、漏报率、准确预报临界指数、平均误差、平均绝对误差和均方根误差等, 为评估降水预报质量的指标。根据雨量站实测日降水量(P)和1 h降水量(P₁)大小分级, 对不同情况下的OHP进行质量评估。结果表明:(1)OHP的空报率和漏报率较高, 导致整体的准确预报临界指数偏低。(2)与不同的P和P₁量级相对应, 不同的OHP预报质量有明显差异。除P<10 mm时和P₁<1 mm时稍有高估外, 其他量级都存在低估, 且随着P的增加, 空报率和漏报率都减小。(3)对2007年9月18日的降水个例分析表明:OHP与实测的落区基本一致, 但降水强度上有偏差。不同站点的雨强偏差不同, 距南通雷达站100 km左右的OHP误差较小。     

雷达定量降水估算在水文模式汛期洪水预报中的应用试验

通过雷达测雨技术获得高时空分辨率的降雨信息,作为水文模型的输入,用以提高水文预报的精度。文章以湖北省白莲河流域为例,利用分组Z-I关系转化雷达反射率为雨强,运用地面雨量站网实测雨量对其进行校准,将不同方法估算得到的雨量结果输入新安江模型进行洪水预报测试,结果表明未校准雷达估算降雨量直接输入水文模型,其结果是不理想的;利用校准后的雷达估算降雨量进行洪水预报,精度得到了很大提高。     

基于卷积门控循环单元神经网络的临近预报方法研究

基于天气雷达资料的外推预报是灾害天气0~2 h临近预报基础,本文以业务应用为目标,应用广东省2015-2018年11部新一代多普勒雷达反射率拼图资料,研究了基于卷积门控循环单元神经网络ConvGRU的临近预报方法,采用多损失函数加权与分级加权的策略,基于ConvGRU框架建立三层自编码模型(Encoder-Decoder)的雷达回波临近预测模型,进行未来2 h逐6 min、连续20帧雷达回波图的预测,并与业务上已经应用的交叉相关法、光流法和粒子滤波法的临近预报结果对比,进行典型个例分析和长时间检验。结果表明,基于ConvGRU方法对强对流天气具有较好的预报效果,对雷达回波位置、强度和形状与实况更接近,表明深度学习方法通过对时间序列数据的学习,能较好地把握强回波区域的特征,在一定程度上能够相对比较准确地预报较强回波范围,但该方法预报雷达回波图像存在损失空间细节信息的局限,且对层状云降水的预报效果较差;ConvGRU方法的临界成功指数(CSI)和命中率(POD)评分高于传统的交叉相关法、光流法和粒子滤波法,且虚警率(FAR)评分为最小,在业务中具有广泛的应用前景。     

四川盆地地闪与对流性降水和雷达回波的关系

利用ADTD型闪电观测资料、SWAN拼图资料及成都CINRAD/SC多普勒天气雷达数据,对2009—2011年12次区域性大暴雨过程中的100个地闪、强降水个例和雷达回波的特征及时间关系进行了统计分析。结果表明:负地闪频数和降水强度随时间的变化较一致,有单峰、多峰的特征;负地闪频数越高,出现强降水的可能性越大;持续性强降水开始之前6~30min,83%的事件伴随有负地闪频数突增并持续性增长的现象,56%的事件有负地闪频数峰值出现,地闪频数突增对持续性强降水的开始有较好的指示意义;负地闪频数峰值出现之后的6~30min,67%的事件有出现降水量峰值,负地闪频数峰值的出现可预示雨强峰值的迅速到来;此外,在强回波移动方向的前方常伴有弱的负地闪活动,负地闪活动主要集中在35dBZ以上的强回波区,且移向与强回波的移动方向较一致。     

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。     

雷达定量降水估计技术及效果评估

为提高雷达定量估测降水的精度,利用广东省6部新一代多普勒天气雷达(CINRAD/SA)回波资料和雨量计降水量观测资料,采用概率配对法(PFT,Probability-fitting technique)建立Z-I关系进行单部雷达降水估测,并采用最优插值法(OI,Optimum Interpolation)对降水估计进行订正;为扩大降水估测的范围,对多部雷达的降水估计进行拼接,采取重叠区域以各部雷达的均方根误差平方的倒数作为权重系数(iω==1/RMSE(K)2/n∑i-1/RMSE(i)2)进行加权平均,并分别分析比较上述方法得到的降水估计与单纯OI雨量计及与雷达拼图回波强度得到的降水估计的优劣。以上各环节误差分析表明,对于单部雷达,雨量计降水强度与其上空9点平均的雷达回波强度关系最为密切;6部相同型号的雷达估测降水精度各异。交叉检验表明,OI雷达法对单部和多部雷达估测降水均可取得较好的校准效果;对于多部雷达的降水估测,单部雷达先分别进行OI订正后拼接,然后对重叠区再次OI订正的结果比直接对未订正的单部雷达降水估计拼接后统一做一次OI订正的效果好。多部雷达降水估计拼接时,前期对于单部雷达降水估计的订正尤为重要;多部雷达降水估计的拼接值精度要明显高于OI雨量计,而相比由雷达拼图回波强度得到的降水估计而言,前者也优于后者。因此,多部雷达降水估计的拼接方法,对雷达资料的应用有较好的参考价值,在业务上也有一定的应用前景。     

C波段双偏振多普勒天气雷达资料分析及在定量估计降水中的应用研究

基于南京信息工程大学C波段双线偏振多普勒天气雷达(NUIST-CDP)的观测资料,结合南京龙王山SA天气雷达数据、南京信息工程大学大气综合观测基地的OTT Parsivel雨滴谱仪数据、南京市地面雨量计数据,分析NUIST-CDP探测资料的质量及定量降水估计(QPE)精度情况。将NUIST-CDP与SA雷达的回波强度数据进行了对比,发现NUIST-CDP回波强度偏弱;将滴谱仪上方NUIST-CDP测量的反射率因子Z_H、差分反射率因子Z_DR与滴谱仪数据对比,雷达参量Z_H、Z_DR与滴谱仪数据变化趋势一致,但整体略偏小;比较差分传播相移率K_DP与Z_H的变化情况,由差分传播相移Φ_DP经最小二乘法计算得到的K_DP与Z_H数据一致性很好。利用南京地区2015年夏季(5—8月)收集的滴谱数据计算偏振雷达参数,拟合测雨方程,进行两次降水过程个例的QPE分析,并与南京地区雨量计数据进行了对比。结果表明:R(K_DP)测雨精度最高,R(K_DP,Z_DR)次之,使用偏振参量能明显提高降雨估算精度;R(Z_H)、R(Z_H,Z_DR)方法测雨反演结果低于地面雨量计雨量值,且低于SA雷达反演结果。      

雷达定量估测降水的亮带自动消除改进方法

层状云降水中,0 ℃层融化效应会引起雷达反射率因子局部增大,若不进行订正,则会高估雷达估测的降水.本文提出一种基于新一代天气雷达反射率因子垂直廓线的0 ℃层亮带自动识别与订正算法,以减小因亮带造成的降水高估.本研究首先对降水类型进行分类,在SHY95的基础上增加了垂直方向的反射率因子三维特征,避免亮带的反射率因子高值区被误识别为对流云区;其次,在层状云区识别出一个可能的亮带影响区,在其中查找亮带,采用旋转坐标系法精确的识别亮带的顶、底高度;最后,利用最小二乘法拟合亮带上、下层的斜率,平滑垂直廓线(VPR,Vertical Profile of Reflectivity)的显著突出部分.将该方法应用于北京地区2010—2011年10次包含亮带的降水过程,得到的亮带订正后的均方根误差E_RMS、平均绝对误差E_RMA、平均相对误差B_RM值较初值均有显著减小(分别减小1.538 mm,0.417和0.468).结果表明,该方法能够有效地识别与订正亮带,使得定量测量降水精度有所提高.     

C波段多普勒天气雷达地物识别方法

地物回波对雷达数据应用会造成负面影响,是影响定量降水估测等产品精度的重要因素,识别并剔除地物回波是雷达基数据质量控制的一个重要内容。该文在现有S波段雷达地物识别方法的基础上,使用长治、哈尔滨两部CINRAD/CC雷达2011年观测数据,对C波段雷达地物回波特征进行分析,改进识别参量的隶属函数,建立适合C波段多普勒天气雷达的地物识别方法 (MCC方法),并对该方法进行效果检验。结果表明:S波段及C波段雷达地物回波与回波强度有关的参量分布较为相近,与降水回波的参量分布有明显区别;S波段雷达地物识别方法中与回波强度有关的参量可用于C波段雷达地物的识别,与速度有关的参量中仅中值速度可用于C波段雷达。通过统计分析与个例分析,相对于现有S波段雷达识别方法,MCC方法可显著提高C波段雷达地物回波的识别正确率,并可减少层状云降水回波的误判。     

基于S波段双极化雷达的变分法的定量降水估计算法

基于比差分传播相移(K_DP)的降水估计算法R(K_DP)相较于传统基于水平反射率因子(Z_H)的算法R(Z_H)的表现更优。在雷达实际运行中,由于随机误差和后向散射相位(backscattering phase)的影响,可能出现负的K_DP。运用一种基于变分的雷达定量降水估计混合算法(V-RQPE)。该算法用变分拟合方法重构差分相位(Φ_DP),用一种新的稳健的边界条件求解方法,在消除随机误差的同时获得非负的K_DP,进而进行降水估计。随后我们使用2017年5月7日广州S波段雷达的回波数据和地面雨量站观测数据进行验证,同时使用了六种不同的算法进行对比,结果显示,在1小时累计降水估计中,V-RQPE表现最好,在24小时累计降水估计中,V-RQPE和基于变分拟合的K_DP的降水估计算法(R-VKDP)表现最好,实验结果表明变分拟合方法对雷达降水估计能力有显著提升。