MIGFA阵风锋识别算法改进与检验

根据南京CINRAD/SA天气雷达探测的江苏沿江地区阵风锋回波特征,对MIGFA(Machine Intelligence Gust Front Algorithm)阵风锋识别算法进行改进:在考虑平滑算法使用和低仰角数据融合的基础上,根据阵风锋回波特征,改进了0.5°反射率阵风锋细线函数模板,设计了较高仰角(1.5°/2.4°)反射率阵风锋细线函数模板,引入1.5°和2.4°双层反射率阵风锋细线函数模板替代原空间差分反射率函数模板。考虑阵风锋特征与距离测站的关系,设计了动态权重函数组合多组得分值,从而有效识别阵风锋回波。在此基础上通过弧度判断和阵风锋回波平坦度测试的方式,进一步降低虚警率。最后利用2009年6月14日南京雷达阵风锋个例进行效果识别,并采用临界成功指数对南京雷达120个阵风锋样本进行效果评估。结果表明:改进的MIGFA法识别效果良好,将临界成功指数从0.39提高至0.60,引入降低虚警率的做法使得虚假警报率从0.34降至0.16。     

基于决策树的天津地区冰雹天气雷达因子分析

利用决策树对天津地区2005—2014年4—9月间的25次有灾情资料的冰雹天气进行多普勒天气雷达因子识别,采用冰雹概率(POH)、强冰雹概率(POSH)、垂直液态含水量(VIL)、最大反射率因子(DBZM)、风暴质心高度(HT)、风暴顶高(TOP)等主要雷达识别指标,归纳出天津地区冰雹云雷达回波判识指标:(1)当DBZM≤54.5dBz,或者当DBZM54.5dBz但POSH≤35,单体不会降雹;(2)当DBZM54.5dBz且POSH35,则该单体将会降雹。与判别分析方法比较,基于决策树分析的识别降雹单体的成功率达90.2%,临界成功指数达78.3%,识别结果明显优于判别分析方法。     

新一代天气雷达负仰角探测能力分析

由于地球曲率的影响,当CINRAD.SA新一代天气雷达使用目前最低仰角同定为0.5°的模式探测时,探测肓区较大,对低层降水回波的探测能力严重不足.在实地展开试验的基础上,推导了负仰角探测时雷达最低探测高度计算公式,计算出仰角为0.5°、0°、-0.3°、-0.5°时不同探测距离上的雷达最低探测高度,对比分析不同仰角观测模式的主要雷达产品特点,探讨新一代天气雷达使用负仰角观测模式的局限性,提出了新一代天气雷达使用负仰角观测的建议.     

榆林新一代天气雷达冰雹云识别指标分析

利用2005-2007年5—9月榆林雷达站观测资料和同期的常规高空、地面观测资料及榆林市境内的冰雹灾情资料,对其中的14次冰雹天气过程分析,重点考察冰雹产生过程中冰雹云在新一代天气雷达图上的演变特征。通过对地面降雹资料和相应的雷达产品资料分析,结果表明：榆林新一代天气雷达对责任区内的冰雹预报预警具有较好的指示作用。冰雹云识别指标为：强反射率因子区（回波强度≥50dBz）在-20℃层高度附近及以上,且强回波强度越强,高度越高,愈有利于大冰雹的产生;反射率因子剖面图上出现有界弱回波区（BWER）或弱回波区（WER）,区域的大小影响降雹的持续时间和冰雹的大小;垂直累积液态水含量VIL的大值区（≥40kg／m^2）代表降冰雹的潜势,VIL值越大。降大冰雹的潜势越大。三体散射现象可作为冰雹的预报指标。     

基于温度层强回波区域面积的天气雷达雷暴自动识别方法北大核心

为利用天气雷达回波资料实现雷暴的自动识别,提出了一种基于温度层强回波区域面积的天气雷达雷暴自动识别方法。该方法首先利用雷达回波体扫数据在水平范围内搜索强回波区域;再对某一温度层上,达到设定阈值的雷达回波反射率因子的区域进行面积求和,当水平范围强回波区域面积达到识别面积阈值时,判定该强回波区域为雷暴区域。在此基础上,结合S波段双偏振多普勒天气雷达观测资料、闪电定位资料,采用了17个雷暴天气过程的312个雷暴区域检验识别算法。结果表明:当等高度平面位置显示(CAPPI)数据处理中采用(35 dBZ,0℃,2 km^(2))参数组合能够达到最优的识别效果,识别概率可达87.5%,虚警率为32.9%,临界成功指数为61.2%。该方法可以用于天气雷达的雷暴计算机自动识别业务。     

山东省一次强致灾对流性天气过程分析

利用常规气象资料、新一代多普勒雷达资料、区域自动站资料及NCEP/NCAR 1°×1°再分析资料对2016年6月13—14日山东省强致灾对流性天气过程进行诊断分析。结果表明:此次强对流天气是在东北冷涡和地面气旋共同作用下产生的,上冷下暖的形势有利于对流天气的发生,近地面层的逆温层为强对流发生积累了能量,适宜的湿球温度0℃层和-20℃层高度是大冰雹出现的典型配置;大气对流有效位能和干暖盖指数等物理量对强对流天气产生有较好指示意义;较长时间的低层强烈的水汽辐合和大气可降水量激增预示着此次强对流天气过程伴随着强降水的产生;产生大冰雹的超级单体风暴具有较强的反射率因子、三体散射、有界弱回波区、旁瓣回波、回波悬垂和反射率因子梯度大值区等特征。     

2013年巴彦淖尔市一次致灾冰雹天气的诊断分析

文章利用常规气象观测资料及新一代多普勒天气雷达资料,从大尺度环流背景、高低空急流的配置、局地气象条件和雷达回波的演变特征,对2013年7月21日发生在巴彦淖尔市的一次大范围冰雹天气过程进行了分析。结果表明:在亚欧大陆中高纬三槽两脊型环流背景下,高低空急流的配置为降雹提供了动力和热力条件,天气系统造成的系统性上升运动是冰雹发生的触发机制。不稳定能量、风的垂直切变、湿球温度0℃和-20℃层高度等环境场条件有利于雹暴的形成,深对流指数在冰雹发生前有明显增大的特征,风暴强度指数表明在热力学和动力学条件的共同作用下产生了此次冰雹天气。在强雷暴的发生过程中,雷达产品中最大反射率因子所在高度与单体质心高度、冰雹指数、VILmax值的"爆发式增长"和"爆发式降低"现象,对预警冰雹有很好的指示意义,高悬的强回波、多角形回波、速度图上的"大风区"和高的VILmax值等特征可作为冰雹预警的可靠信号。     

雷达资料对贵州春季冰雹云识别初探

利用2004年以来有雷达数据的25个贵州春季冰雹个例资料,基于贵阳、遵义和兴义3部天气雷达基数据,计算雷达回波顶高（ET）、垂直累积液态水含量（VIL）、组合反射率因子（CR）、制作反射率因子垂直剖面（RCS）产品,研究冰雹发生前后雷达回波的演变情况,找出冰雹发生前后以上产品的临界值和变化特征,从而对冰雹云进行雷达识别。经过对个例的分析研究发现：45 dB z以上的雷达回波能较好地识别冰雹云,结合0℃层高度和-20℃层高度,可较好的判断冰雹的大小;冰雹发生前1～2个体扫到冰雹发生时刻,VIL出现陡增现象。     

利用低仰角扫描改进高山雷达低层回波探测能力浅析

应用昆明高山新一代天气雷达探测大范围暴雨个例的0.仰角资料,与我国高山雷达目前采用最低仰角为0.5°扫描模式(VCP11或VCP21)的回波分布情况进行了对比分析.结果表明:在雷达警戒区域,0°较0.5°仰角能更早地发现过程的降水云系;0°或负仰角能明显提高高山雷达远距离回波探测效果;低仰角(文中指低于0.5°仰角)可弥补常规业务扫描模式下高山雷达探测低层回波能力不足的问题.对另一次文山雷达对冰雹过程的探测分析,可见低仰角扫描模式对强对流天气也能获得较好的低层探测效果.又通过实验获得云南另外4部高山雷达的0°仰角及负仰角睛空资料,分析了高山雷达晴空资料的0°及负仰角低层回波资料质量.发现受周围山脉影响,不同高山雷达最佳探测低仰角是不同的,实际业务工作中应根据当地地形的具体情况选取恰当的低仰角.     

铜仁市一次冰雹天气的多普勒雷达回波特征分析

为了提高铜仁市冰雹天气的预报预警服务能力,该文应用铜仁市新一代多普勒天气雷达资料和常规气象资料,对2013年3月19日铜仁市冰雹天气过程进行综合分析,结果表明:①多普勒雷达反射率因子在0℃层上出现大于50.0 dBz的回波时,则可能降雹;②反射率因子在0℃及以上层(如-20℃、-30℃层)在降雹前强度明显增加,50 dBz的回波高度超过0℃层高度且发展到对流云中上部,且其剖面具有明显的穹窿结构;③风随高度的垂直切变是强对流产生发展和维持的重要条件;逆风区的存在是冰雹天气速度回波场的明显特征;④垂直累积液态含水量产品对冰雹天气的分析也有很好的辅助作用。⑤强天气概率和冰雹指数对降雹亦具有一定的预报预警指示意义。     

多普勒天气雷达冰雹探测算法评估及检验改进

利用新一代多普勒天气雷达资料和WSR-88D提供的冰雹指数算法,对2005年1月至2007年8月发生在贵州省黔西南地区的20个冰雹个例进行验证。用此算法对20个风暴日的样本计算了WT（警报阈值）、H（相对雷达的高度）、M（漏报率）、FA（虚警率）、POD／FAR／CSI（探测概率／误报率／临界成功指数）等多个函数,并将这些数据与强冰雹指数（SHI）作对比分析,将SHI作为冰雹尺寸的预报因子进行独立评估,对实际观测到的冰雹尺寸与模式预报尺寸进行比较。在考虑了本地环境、气候特征的前提下对误警率较高的情况进行了算法补尝,并针对误警率较高的现象提出解决办法：①输入当天的正确0℃／-20℃高度,②提高冰雹探测反射率阈值。用改进方法对2007年发生的9次冰雹天气过程进行对比检验。结果表明,误报率有所降低,预报冰雹尺寸更接近实际探测尺寸。     

青藏高原东北部HDA算法检验评估及参数本地化

利用2006-2011年CINRAD/CD雷达在青藏高原东北部(以下简称高原)探测到的110次强对流风暴过程,运用WSR-88D冰雹探测算法(HDA)计算强冰雹指数(SHI)和最大预期冰雹直径(MEHS)并进行探测效果检验.提出对HDA原默认参数进行本地化并给出本地化方案,明显地改善了探测效果,正确率由85％提高到89％,虚警率由41％降低到21％,临界成功指数由53％升高到75％,MEHS大于观测尺寸的百分比由74％降到33％.结果对CINRAD/CD雷达探测冰雹有重要参考价值.     

三种机器学习方法在广东雷暴大风自动识别的应用效果评估

基于2012—2019年自动站雷暴大风观测实况和对应雷达回波,利用传统机器学习方法(决策树)和深度学习方法(CNN、YOLO)等三种机器学习方法分别建立雷暴大风自动识别模型。根据广东雷暴大风回波特征,选取50 dBZ高度、反射率因子强度梯度等5个回波参量作为决策树的特征因子;将1～9 km高度的雷达回波分为11层,作为YOLOv3的输入层,使其由原3个特征层扩展到11层,训练优化后的YOLOv3可更合理刻画雷暴大风的空间结构特征。经批量测试和业务试运行试验,检验结果表明：三种模型中基于决策树的模型虚警最高,基于CNN的模型漏报最多,基于YOLO的模型识别效果最好,其POD和CSI均最高。通过对广东2020年汛期5次系统性和5次局地性雷暴大风过程进行分类型自动识别效果评估,并选取任意天气下长达30天连续时段进行不间断识别检验,结果表明该算法对于不同类型的雷暴大风均有较好的识别能力,具备业务化应用前景。     

深度学习方法预测阿克苏地区冰雹云雷达回波个例分析

利用2021—2022年4—9月阿克苏地区冰雹云的雷达回波资料，基于轨迹GRU模型和GAN模型共同构建一个深度学习的回波外推模型，应用于强对流（冰雹）天气监测预警。采用分阈值和预报时效的评估方法，对深度学习的回波外推模型预测回波的效果进行分析，结果表明：（1）在30 min预测时间内，随反射率阈值增加，临界成功指数（CSI）和命中率（POD）逐渐降低，虚警率（FAR）先降低后升高，FAR在反射率阈值为35dBZ时最低。（2）在反射率阈值为35 dBZ和相同外推时效的情况下，基于深度学习的回波外推模型和光流法相比，CSI提高0.05~0.15，POD提高0.05~0.15，FAR降低0.05~0.12。（3）在预测反射率阈值为35 dBZ的强对流单体移动路径方面，基于深度学习的回波外推模型与TITAN法相比，预测的单体移动路径会更接近实况单体移动路径。     

基于机器学习的冰雹天气识别研究北大核心

利用2017—2019年贵州省威宁彝族回族苗族自治县的C波段天气雷达数据,提取了多种与冰雹相关的雷达特征参量,并结合地面降雹记录建立了客观的冰雹样本标记方法。通过支持向量机、决策树和朴素贝叶斯三种机器学习方法,对冰雹高发区贵州省威宁的冰雹天气过程进行建模与评估。评估结果表明,采用机器学习方法可以有效地识别冰雹天气过程。支持向量机和决策树方法的命中率(Probability of Detection,POD)均较高,分别为88.9%和90.5%;临界成功指数(Critical Success Index,CSI)分别为73.1%和70.3%;误报率(False Alarm Rate,FAR)分别为19.6%和24.1%。朴素贝叶斯方法的POD和CSI相对偏低,分别为67.8%、62.8%,但FAR最低,为10.6%。     

雷达回波顶高（ET）产品在广西冰雹云识别中的应用研究

利用广西2009至2012年降雹样本资料和新一代天气雷达回波顶高（ET）产品,对广西冰雹云回波顶高变化特征进行统计分析,结果显示广西冰雹云的ET整体呈现明显的阶段性变化特征,降雹时间和ET值达到最大值时间基本一致。冰雹云量化识别指标分别为：2月份回波顶高≥8km且回波顶高与0℃层高度差36.1km;3-4月份回波顶高≥10km且回波顶高与0℃层高度差≥6.1km;5月份回波顶高≥13且回波顶高与0℃层高度差38.1km。降雹直径与冰雹云ET值和特征层高度差值成正相关关系,可作为估计降雹直径的一个重要参考依据。     

一次下击暴流显著弓形回波特征

利用天气图、卫星云图和天津新一代天气雷达资料对2007年7月31日凌晨发生在蓟县的强风过程进行分析。结果表明：此次过程是弓形回波与超级单体在合并过程中产生的下击暴流过程而并非龙卷过程。2007年7月30日夜间至31日凌晨,一条自西南向东北方向移动的弓形回波,先后影响天津地区的6个区县产生雷阵雨短时暴雨天气,最大雨强为37.6 mm.h-1,但6个气象站均未出现飑、冰雹和地面大风。对连续观测的雷达资料分析发现,反射率因子图上,显示一条维持了5 h多的弓形回波在移动过程中与一个预先存在低质心的超级单体在蓟县山区合并,产生了下击暴流;反射率因子图上弱回波缺口出现;同时弓形回波形态发生改变,2.4°仰角以上产生断裂;最大雷达反射率因子为53 dBz。在相对径向速度图上,早期呈现为明显的后侧入流急流,后期有中气旋生成并伴有中低层辐散;高层出现强反气旋特征。风暴发展高度较高,回波顶高超过15 km,随着下击暴流的发生,反射率因子核有一个3 km的急降。     

豫西地区一次冰雹天气多普勒雷达资料分析

利用常规气象资料和多普勒雷达资料,从天气形势、物理量场和雷达回波演变特征等方面分析2006年8月豫西地区一次大范围冰雹天气过程的成因。结果表明:高空冷空气的侵入对不稳定能量释放起了触发作用,华北冷涡和低层切变线的相互配置为冰雹的发生提供了有利的动力抬升条件,地面冷锋的南压迫使暖湿空气抬升利于冰雹的形成;普通单体风暴或超级单体风暴都可导致冰雹发生,中气旋、逆风区、低层辐合的存在及产生冰雹前的高反射率因子、高的强冰雹概率、高垂直积分液态水含量这些典型的强回波特征,对冰雹的短时(临近)预报具有一定的指示意义。     

基于卷积神经网络的飑线识别算法

为了探究深度学习用于飑线识别的可行性,基于2008—2020年河南省郑州和驻马店雷达数据,采用卷积神经网络（convolutional neural network,CNN）算法构建飑线识别模型,引用临界成功指数、公平风险评分、命中率和误判率定量评价模型的识别效果,对比不同样本组成比例和网络结构对飑线识别效果的影响。结果表明:建模所用的样本组成比例对飑线识别有一定影响,通过改变采样方式和优化网络结构均能够改善样本比例不平衡的问题,提高飑线识别效果,且后者提升的幅度更大,而两种方法的结合无明显提升。测试结果表明:该模型临界成功指数为0.66,公平风险评分为0.58,命中率为0.86,误判率为0.24。研究揭示了卷积神经网络能够提取并学习飑线和非飑线回波的图像特征,对飑线有一定识别能力。     

循环神经网络在雷达临近预报中的应用

该文将循环神经网络（recurrent neural network,RNN）应用于雷达临近预报。使用预测循环神经网络（predictive RNN）架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元（long short-term memory,LSTM）中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数（CSI）可以提升0.15~0.30,命中率（POD）提高0.15~0.25,虚警率（FAR）降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。