变分回波跟踪算法及其在对流临近预报中的应用试验

目前业务上0—1 h对流天气临近预报仍旧以客观外推为主,采用不同外推算法,得到雷达回波以及降水的外推临近预报。以业务应用为目标,开展了变分回波跟踪算法在强对流天气临近预报中的应用研究。利用京津冀地区的8部新一代多普勒天气雷达逐6 min雷达组网拼图资料,选取2016—2018年夏季发生在京津冀地区的18个典型对流个例,开展变分回波跟踪算法和交叉相关法的0—1 h临近预报对比试验及检验评估。与传统的交叉相关法相比,变分回波跟踪算法采用变分技术求解雷达回波运动矢量场,在计算中使用两个严格的约束条件,运用迭代法进行求解,其得到的运动矢量场更为准确。结果表明,变分回波跟踪算法优于传统的交叉相关法,得到的30、60 min内雷达回波的形状、位置及强度的外推预报和实况更接近,定量检验评分更高:（1）京津冀地区4次典型对流天气过程临近预报对比试验表明,和交叉相关法相比,变分回波跟踪算法可以更好地预报出未来1 h内雷达回波的位置、形态和强度。（2）通过对18个典型对流个例定量检验,发现当雷达回波强度阈值为35和45 dBz时,无论是30或是60 min外推预报,变分回波跟踪算法的命中率（POD）和临界成功指数（CSI）都明显高于交叉相关法,且虚警率（FAR）更低;分天气类型定量检验发现,绝大多数天气类型,变分回波跟踪算法外推预报效果优于交叉相关法。      

交叉相关外推算法的改进及其在对流临近预报中的应用

交叉相关外推算法是目前对流临近预报的主要算法之一。它主要是通过计算雷达回波等资料在连续时次的空间最优相关, 得到对流系统不同位置的移动矢量特征, 并基于这些获得的移动矢量对雷达回波等进行外推, 从而达到预报的目的。因为算法既考虑了回波移动矢量大小和方向的变化, 也考虑了整个回波在移动过程中的形变, 所以, 基于该算法的外推临近预报具有一定的物理意义。该文介绍了交叉相关外推预报算法的基本原理, 对算法进行了一系列的质量控制, 包括抑制地物杂波和噪声的影响、对“丢失”计算的点进行矢量补充以及对追踪的矢量进行平滑处理等多个步骤。个例对比分析表明:算法在通过质量控制和优化处理后, 追踪的回波移动矢量质量明显改善。利用优化后的算法, 对2004年夏季和2005年夏季发生在京津冀地区的4个强对流个例, 包括2次飑线过程、1次雹暴过程和1次强雷暴过程, 进行了外推临近预报试验, 并且对算法在对流临近预报中的效果做了初步的检验评估。结果表明:该算法对强对流天气过程的临近预报具有一定效果, 算法可以给出未来30 min或者60 min内雷达回波和雷暴位置以及形状的外推预报, 预报结果与实况比较接近。     

基于雷达回波区域跟踪算法的临近预报技术进展

目前,临近预报技术主要包括外推技术、数值预报技术以及概念模型预报技术等。而业务上主流的临近预报技术以外推为主,主要以雷达资料为基础,采用雷达回波单体质心跟踪算法或雷达回波区域跟踪算法,得到雷达回波以及降水的临近外推预报。本文详细介绍了3种基于雷达回波区域跟踪算法(交叉相关回波跟踪算法、光流法和变分回波跟踪算法)的临近预报技术的国内外研究进展和基本原理。大量的研究和业务实践结果表明,雷达回波区域跟踪算法作为临近预报专家系统的核心部分,在对流天气临近预报方面有较好的可预报性,在临近预报业务时效内,外推预报结果和实况接近,优于数值模式预报。而通过对算法的不断改进,可以提升各临近预报专家系统在临近预报方面的性能。随着天气雷达技术的不断进步,天气雷达在硬件和软件两方面都逐步改进,雷达资料的数据质量明显提高,在对流天气临近预报上,基于雷达回波的区域跟踪技术会凸显其明显优势。     

0～3小时短时定量降水预报算法研究

利用广东省3 km高度CAPPI雷达反射率因子拼图资料,对2012年6月22日一次降水个例进行0～3 h短时定量降水预报算法研究,以期通过改进算法来提高降水短时预报的准确率。在利用交叉相关算法获取回波移动矢量场后,使用五点平滑及卡尔曼滤波的方法对其进行处理,利用处理后的矢量场对雷达回波进行3 h外推,再进行0～3 h降水量预报。研究结果表明,经过滤波处理后可得到时空连续性更好的回波移动矢量场,滤波后回波外推预报效果明显改善,其临界成功指数（CSI）有所提高,空报率（FAR）显著降低,提高了降水预报准确率。      

一种改进后的交叉相关法(COTREC)在降水临近预报中的应用

利用多普勒雷达资料,采用一种改进后的交叉相关法(COTREC)建立了一种降水临近预报方法。COTREC法的基本原理是对传统交叉相关法(TREC)反演的风场进行水平无辐散处理,得到COTREC风场,用新的风场外推得出的回波能够保持平滑连续的形状。但是这种方法也存在缺陷,由于采用水平无辐散限制,使得外推反演得到的风场在不同程度上受到削弱,从而外推后的回波略慢于实况观测的回波。通过引入数值预报平均风场作为TREC风场背景场,较好地解决了TREC风场受到削弱的问题,并用该方法对2007年6月23—24日强雷雨天气和2007年台风“圣帕”两次降水过程进行了预报试验,试验结果表明：采用改进后的交叉相关方法的降水临近预报与雷达实际观测比较一致,可作为台风、强对流等灾害性天气的降水临近预报方法之一。     

雷达反演的多尺度风场在临近预报中的应用研究

基于多尺度IVAP (MIVAP,the Multi-scale Integrating Velocity Azimuth Process)方法反演风场进行临近外推的预报方法原理可以概括为:首先采用大尺度的分析单元通过IVAP (Integrating Velocity Azimuth Process)方法得到反演风场作为引导气流,表示雷暴的系统性移动,再通过小尺度的分析单元来反演风场,作为雷暴内部移动信息的表征,最后将不同尺度的风场进行合成得到外推的运动矢量场以进行临近预报。相比传统的多尺度TREC (MTREC,the Multi-scale Tracking Radar Echoes by Correlation)方法依赖于追踪回波过去的变化,需要相邻一个或者几个时次的雷达回波来跟踪雷达回波的移动,使用MIVAP方法外推预报只需要最新时刻的雷达反射率因子和径向速度。通过个例分析和统计分析,并且与MTREC方法进行对比试验,结果表明:MIVAP方法反演风场用于临近外推预报具有可行性,MIVAP方法具有实际应用的意义;MIVAP方法得到的外推运动矢量场方向要比MTREC方法方向总体整体偏右,且外推的平均速度要比MTREC方法快;MIVAP方法在30 min以内前几个时次的预报效果略低于MTREC方法,但是30 min以后的预报评分明显优于MTREC方法,MIVAP方法的检验评分整体要优于MTREC方法。     

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。     

交叉相关算法在哈尔滨机场雷暴临近预报中的应用

本文主要介绍了哈尔滨机场雷暴预报系统之临近预报方法.该方法利用交叉相关算法,通过分析天气雷达回波在连续时次的空间最优相关,计算雷达回波移动矢量特征,根据移动矢量特征推算未来0～1 h回波状况,发布强对流天气临近预报.试验表明,该方法预测的回波状况与实际接近,这对提高强对流天气临近预报效率,保障飞行安全、提高航班正常率,具有较高的应用价值.     

对多普勒雷达集合交叉相关外推技术的构造与实例检验

本文构造了集合的线性交叉相关方法,对多普勒雷达回波进行外推。因为线性交叉相关算法仅根据两个时次的回波外推下一时次的回波分布,且对于单个外推回波单元是线性变化的;而基于集合的线性交叉相关方法,考虑了多时刻回波的演变过程、回波的移向和移速以及回波在移动过程中的形变,都具有非线性特征,与实际情况更为符合。本文利用集合的线性交叉相关方法和最小二乘拟合方法分别对两次暴雨过程进行回波外推,通过比较发现,利用集合交叉相关外推方法所推得的回波分布与实况更为接近;利用Z-I关系,进一步分析了基于集合交叉相关外推方法的降水评分。与最小二乘拟合方法外推相比,集合交叉相关外推技术所得的回波移动位置与实况较为一致,且1小时累积降水预报效果也较好,因此集合交叉相关外推技术在临近预报中具有一定的应用价值。     

改进后TREC外推方法在台风临近降雨预报中的应用

本文提出了一种改进后的COTREC方法(CLTREC)。在传统COTREC方法基础上,增加了相邻时刻回波强度连续约束检验和矢量全变分修正,从而使得反演的雷达回波移动矢量场更为连续。选取了3个登陆台风个例,对方法进行检验。结果表明,CLTREC方法比传统COTREC方法的外推移动矢量场更平滑,台风环流特征也更合理。基于CLTREC外推预报的降水形状、强度和位置都与观测更为接近,1 h的台风定量降雨预报与观测相关系数达0.7以上。总体而言,相比传统的COTREC方法,CLTREC方法改善了台风短时临近降雨预报精度。     

A nowcasting technique based on application of the particle filter blending algorithm

To improve the accuracy of nowcasting, a new extrapolation technique called particle filter blending was configured in this study and applied to experimental nowcasting. Radar echo extrapolation was performed by using the radar mosaic at an altitude of 2.5 km obtained from the radar images of 12 S-band radars in Guangdong Province, China. The first bilateral filter was applied in the quality control of the radar data; an optical flow method based on the Lucas–Kanade algorithm and the Harris corner detection algorithm were used to track radar echoes and retrieve the echo motion vectors; then, the motion vectors were blended with the particle filter blending algorithm to estimate the optimal motion vector of the true echo motions; finally, semi-Lagrangian extrapolation was used for radar echo extrapolation based on the obtained motion vector field. A comparative study of the extrapolated forecasts of four precipitation events in 2016 in Guangdong was conducted. The results indicate that the particle filter blending algorithm could realistically reproduce the spatial pattern, echo intensity, and echo location at 30- and 60-min forecast lead times. The forecasts agreed well with observations, and the results were of operational significance. Quantitative evaluation of the forecasts indicates that the particle filter blending algorithm performed better than the cross-correlation method and the optical flow method. Therefore, the particle filter blending method is proved to be superior to the traditional forecasting methods and it can be used to enhance the ability of nowcasting in operational weather forecasts.     

基于雷达回波最大重叠率的一种临近降水预报方法

基于天气雷达的临近降水预报是雷达短时预报业务系统的重要组成部分,本文在回顾雷达临近降水预报技术发展的基础上,充分考虑新一代天气雷达高时间、空间分辨率的优点,提出两个相邻时刻雷达回波具有最大重叠率的移向、移速是与降水系统整体的移向、移速密切相关的论点,再用此移向、移速对当前雷达回波进行平移,最后采用九点平均的回波生消模型...     

用改进的光流法和卫星TBB资料进行对流临近预报

为了在缺少雷达观测的地区开展对流临近预报,利用光流法和半拉格朗日外推法进行了卫星云图外推实验,同时利用无辐散约束改进光流矢量来避免云图辐散失真。(1) 光流法反演的风场能够准确反映出台风涡旋环流结构,采用半拉格朗日方案进行外推,可以保持云系的旋转特性,具有良好的稳定性和精度,但随着外推时间的增加光流矢量中的噪声会导致云图辐散失真。(2) 无辐散约束减少了风矢量杂乱无序现象,弥补了缺失的光流,还能对风速进行平滑,使风速空间梯度更平滑。(3) 用改进后的风场进行外推,避免了云系辐散失真,在保持其形态不被破坏的同时,还能减少云团TBB虚假增长。(4) 检验表明改进后的外推预报方案,具有更小的平均绝对误差,MAE提高了4%,临界成功指数提升了9%。     

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。     

结合中尺度模式物理约束的雷达回波临近外推预报方法研究

研究设计了一种结合中尺度模式物理约束的雷达回波临近智能外推预报方法,该方法在外推预报时效(0—2 h)内即利用中尺度高分辨率模式信息对外推进行约束.首先将模式风场和雷达回波轨迹风场融合成融合风场,然后利用融合风场光流外推形成动力约束外推;并在此基础上利用模式诊断产品和雷达历史资料通过投票回归器集成多种深度学习算法构建回...     

长江中游临近预报业务系统 (MYNOS) 及其应用

针对长江中游强风暴天气特点和现代预报业务需求,在借鉴世界临近预报系统, 特别是美国的Auto-Nowcaster和WDSS-II以及英国的GANDOLF等先进经验的基础上,以我国多普勒天气雷达网为重要技术手段,结合数值预报等信息资源,于2007年研究建成长江中游临近预报业务系统 (MYNOS)。MYNOS主要技术方法包括:雷达与雨量计实时同步积分结合的降水估算方法 (RASIM),雷达反演参量与中尺度模式输出物理量相结合的强风暴性质自动识别和追踪技术,基于暴雨回波生命史特性约束下的多尺度合成降水量临近预报,基于数值预报模式和模糊逻辑学的强对流天气分类落区潜势预报,集GIS功能并整合各种定量监测与预警产品于一体的短时预报工作站。MYNOS已成为短时临近预报业务的支撑平台,其中实时生成的流域定量降水估算与临近预报、强对流天气分类潜势诊断与识别预警产品等成为日常预报业务的重要参考依据。     

多尺度合成的降水临近预报技术

基于我国新一代多普勒天气雷达观测资料,以梅雨锋等大范围降水为主要研究对象,研究了降水临近预报方法.根据暴雨回波的多尺度特征等,研究暴雨回波的尺度滤波,分割、匹配等处理技术;根据不同尺度回波生命史来约束其预报时效,得到分尺度下的降水预报场,实现暴雨回波多尺度的合成降水量临近预报;将分尺度与不分尺度降水预报结果进行了比较.结果表明,针对大范围强降水多尺度合成的降水量临近预报方法,因不同尺度的回波外推考虑了各自运动的特性及其生命史的差异,预报精度有所提高.