基于线性规划方法处理C波段双线偏振多普勒天气雷达差分相位φ_C数据

高质量的差分相位数据能够有效地提高雷达识别粒子、估测降水的能力。本研究针对南京信息工程大学C波段双线偏振多普勒天气雷达(NUIST-CDP),提出一套差分相位φ_C数据的质量控制算法。其中将雷达观测到的差分相位φ_C分为5个部分:差分传播相位φ_(DP)、后向散射差分相位δ、非降水回波的波动ε_(NP)、系统误差ε_S以及电磁波信号的随机扰动ε_R。在线性规划方法的基础上,采用模糊逻辑法、小波分析法与迭代滤波法分别将差分相位φ_C数据中的ε_(NP)、ε_R和δ剔除,然后依据滤波后的数据,将各径向中第一个降水回波的值作为该径向的系统误差ε_S。结果表明,该算法能够有效地平滑由非降水回波引起的大振幅波动以及因电磁波信号造成的小振幅扰动,且可以剔除差分相位φ_C数据中存在的δ。此外,处理后的数据满足随径向距离递增的条件。     

考虑尺度敏感性的长江中下游暖区暴雨初始扰动方案比较分析

弱天气尺度强迫背景下的长江中下游暖区暴雨突发性强,高度非线性,难以准确预报,这时考虑不确定因素的集合预报成为重要选项,而对流尺度集合预报核心问题是积分一段时间后离散度偏低,会导致预报失败。比较包含不同尺度扰动信息的对流尺度集合预报方案间的差异性并据此优化初始扰动方案,针对2018年5月4—5日一次典型长江中下游暖区暴雨过程,分别采用动力降尺度（DOWN）、增长模繁殖法（BGM）、局地增长模繁殖法（LBGM）和混合扰动法（BLEND）等四种方法进行集合预报试验,以期探讨对离散度和预报效果的影响。结果表明,在模式积分0~6 h,具有中小尺度扰动信息的BGM和LBGM的离散度优于DOWN,其中LBGM相比于BGM具有一定程度上的改进,说明具有更准确中尺度特征的扰动能够在积分初始阶段获得有效增长,即考虑了中小尺度天气系统局地性的LBGM能弥补BGM的不足;但是,在模式积分12 h以后,具有更多大尺度特征扰动的DOWN优于区域模式中的增长模繁殖法BGM和LBGM,说明经过初始误差快速增长一段时间后,大尺度扰动开始起主要作用。而具有不同尺度扰动信息的BLEND方案则兼具LBGM和DOWN的优势,几乎在整个预报时段离散度较高且概率预报评分较好,体现出混合扰动的优越性。以上结果进一步说明,初始扰动的尺度特征在暖区暴雨的集合预报效果中具有关键性的作用,因而通过调整初始扰动的尺度信息来优化集合预报性能的混合扰动思想,在业务上具有一定的指导意义和推广价值。     

Improved Weather Radar Echo Extrapolation Through Wind Speed Data Fusion Using a New Spatiotemporal Neural Network Model

Weather radar echo extrapolation plays a crucial role in weather forecasting. However, traditional weather radar echo extrapolation methods are not very accurate and do not make full use of historical data. Deep learning algorithms based on Recurrent Neural Networks also have the problem of accumulating errors. Moreover, it is difficult to obtain higher accuracy by relying on a single historical radar echo observation. Therefore, in this study, we constructed the Fusion GRU module, which leverages a cascade structure to effectively combine radar echo data and mean wind data. We also designed the Top Connection so that the model can capture the global spatial relationship to construct constraints on the predictions. Based on the Jiangsu Province dataset, we compared some models. The results show that our proposed model, Cascade Fusion Spatiotemporal Network (CFSN), improved the critical success index (CSI) by 10.7% over the baseline at the threshold of 30 dBZ. Ablation experiments further validated the effectiveness of our model. Similarly, the CSI of the complete CFSN was 0.004 higher than the suboptimal solution without the cross-attention module at the threshold of 30 dBZ.     

随机物理倾向扰动在风暴尺度集合预报中的影响研究

为深入探究随机物理倾向扰动（Stochastically Perturbed Parameterization Tendencies,SPPT）方案在风暴尺度集合预报中的影响,基于WRF模式利用FNL资料对SPPT方案中的3个参量分别进行敏感性试验,得到SPPT方案的最佳参数配置,并在此基础上分析SPPT方案模拟的降水分布特征。结果表明:SPPT方案敏感性试验中,去相关时间选择6 h时构造的集合成员可信度更高,逐时降水评分效果在积分中后期较高,对于暴雨及以上量级的评分技巧最优;造成降水主要天气系统的维持时间对该变量的选取有较大的影响。去相关空间尺度选择100 km的集合试验更为可靠,对降水预报技巧较高;同时该变量的选取与天气过程中的大尺度信息、中小尺度系统的活跃以及模式的空间分辨率有密切联系。通过对离散度和离群值分析认为扰动振幅选择0.525最为合理。SPPT方案集合成员在局部地区可以较大幅度地改变降水量,对降水落区的准确模拟存在一定的局限性。      

X波段双偏振雷达对造成北京门头沟泥石流的强降水观测分析

利用房山X波段双偏振雷达观测资料,分析2017年6月18日北京门头沟泥石流的强降水过程,重点研究了泥石流发生地上空10 km×10 km区域内雷达反射率因子时空变化特征,并结合雷达定量降水估测(Quantitative Precipitation Estimation, QPE)讨论该类雷达探测设备在复杂地形区域的适用性。结果表明,在山区常规自动气象站布网稀疏的条件下,X波段双偏振雷达能够有效捕捉此次强降水的发生发展过程,同时,雷达定量降水估测得到的高分辨率降水场可以把握山区强降水中心,进而弥补山区雨量站匮乏的不足。此次过程中影响泥石流事件发生的降水时间发生在6月18日12—16时,其中,15时事发区域小时QPE最大值达到53.9 mm·h^-1,上游来水和局地突发性强降水共同作用是本次泥石流事件的主要成因。     

江苏"4·30"强风雹成因及双偏振雷达特征分析

利用高分辨率再分析资料、双偏振雷达观测数据,揭示了江苏"4·30"强风雹成因及其雷达特征。结果表明,此过程发生在高空异常深厚的东北冷涡背景下,中层西北急流和地面暖低压均显著偏强,造成远超过经验性指标值的垂直风切变,利于风暴的增强及组织化发展。对流风暴的影响可分为30日午后到傍晚局地对流单体和傍晚到上半夜飑线两个不同阶段:第一阶段局地对流性强,能量积聚大,沿淮和淮北西部地区多局地性雷暴大风,并散发不同尺寸的冰雹;第二阶段在地面强冷空气大风及中高层干冷空气动量下传的影响下,飑线系统及其前缘阵风锋移动快速。飑线上弓形回波前端的强下沉辐散出流,叠加环境风的影响,导致江苏东南部地区区域性的极端灾害大风天气。雷达回波既可清晰显示冰雹云的一般回波特点,如反射率因子回波强,粒子均一性差等;也可反映不同尺寸冰雹回波的差异性,如回波强度越强,最大反射率因子高度越高,单体回波倾斜、弱回波区特征结构越清晰,三体散射特征越明显的风暴单体产生的冰雹尺寸越大;在没有大水滴包裹时,CC值随冰雹尺寸的增大而减小,且伸展高度增高等。综合分析雷达回波多个参量,如风暴单体和阵风锋的移速、风暴单体特征高度的下降速度、Z_DR大值高度降低等指标,对对流灾害性大风量级的监测与预警有重要指示意义。     

CRA资料对一次江淮暴雨过程模拟效果的评估北大核心

利用中尺度模式WRF v4.1,分别以中国第一代全球大气/陆面再分析产品CRA、欧洲ECMWF的ERA5和美国NCEP的FNL作为初始场,对2013年7月4—6日江淮地区一次持续性暴雨过程进行了模拟试验。分析可知,此次暴雨过程是在东北冷涡、江淮切变线和西南急流3个影响系统的共同作用下,高低空冷暖空气形成对峙而导致的。与实况资料相比,3组试验均能够模拟出此次暴雨过程的主要环流形势,以及水汽、能量和动力条件。但3组试验的切变线和低空西南急流均较为偏南,强度较强,使得模拟的主要降水中心较实况位置更偏南,降水量级更大。其中CRA试验对安徽南部的水汽和垂直运动模拟更好,在该地区产生的降水也与实况更接近。而FNL试验对水汽条件和动力抬升条件模拟较弱,导致其模拟的降水明显偏小。整体而言,针对此次降水过程,ERA5模拟效果最好,CRA模拟效果接近ERA5,并且对大雨量级降水的TS(Threat Score)评分优于ERA5。     

淮安一次强风雹天气超级单体风暴观测分析北大核心

利用常规观测资料、ERA5再分析资料、多普勒天气雷达和双线偏振雷达以及自动站分钟级数据,通过诊断分析和风场反演,对2021年4月30日17—19时淮安地区发生的极端风雹天气的两个超级单体结构特征、维持机制和极端大风进行原因分析。结果表明:在500~700 hPa偏北急流背景下,地面强辐合中心和辐合区促使对流单体增强为超级单体风暴。淮安基准站的极端大风由超级单体A产生的下击暴流事件引发,表现为明显的风暴质心高度、最强回波高度和中气旋底高的下降,近地面层辐散风场等特征。产生强降雹的超级单体B最大反射率因子高度、风暴质心高度以及中气旋最强切变高度均达到湿球温度-20℃层高度以上。极端大风产生的原因包括强冰雹和大降水粒子下落过程中的重力拖曳和融化蒸发冷却,以及负浮力和低层强中气旋产生的垂直扰动气压梯度力。     

CAST-LSTM：一种用于雷达回波外推的时空LSTM模型

基于循环神经网络的雷达回波外推算法的预报结果随时间逐渐模糊失真，同时难以预报强回波区域。针对上述问题，提出一种上下文融合和注意力机制的时空长短期记忆网络模型。该方法通过上下文融合模块充分提取雷达图像不同尺度的短期上下文信息；通过注意力模块拓宽预测单元的时间感受域，使模型感知更多的时间动态。以2019—2021年4—9月江苏省气象雷达数据为样本，通过试验对比分析，基于上下文融合和注意力机制的时空长短期记忆网络取得了更好的预测性能。在外推60min，阈值为10、20、40 dBz的条件下，临界成功指数和HSS分别达到0.7611、0.5326、0.2369和0.7335、0.5735、0.3075，有效提高了预测精度。