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。     

一次导致大暴雨的中尺度对流系统演变和风场垂直结构特征

利用NCEP分析资料、云地闪电、卫星、多普勒雷达、风廓线雷达和RASS观测资料,对引发2009年8月6日广州南沙大暴雨的中尺度对流系统的演变和风场垂直结构进行分析,结果表明:(1) 此次暴雨的直接影响系统是登陆后重新加强的热带风暴内发生、发展的α-中尺度对流系统,其内若干对流单体及其“列车效应”是导致大暴雨的直接原因;(2) 强地闪集中发生在云顶相当黑体温度(TBB)低于-64 ℃云区和大TBB梯度区内,或40 dBZ以上的强回波区及回波梯度大值区,强地闪活动略落后于强降水;(3) 风场垂直结构观测表明,α-中尺度对流系统的低层急流有两次加强过程,与低空入流两次增强有直接对应关系;急流轴上多个中尺度脉动及低涡发展与雨强的剧增相对应,其时间尺度为0.5~1.0 h,这种风场的中尺度特征正是中尺度对流系统中强上升入流和下沉气流在风廓线雷达观测到风场垂直结构中的反映;(4) 边界层的上升运动发生在α-中尺度对流系统的前部,上升运动与地面中尺度低压生成及辐合线有关,中尺度低压和上升运动的出现比强降水提前1 h。      

海陆风和地形对一次弱天气背景下暖区特大暴雨的影响分析

利用区域气象站、海岛站、测风塔、风廓线和多普勒天气雷达等多种非常规观测以及NCEP/NCAR 0.25°×0.25°再分析资料,对2017年6月22日凌晨广东西部沿海发生的一次预报失败的局地特大暴雨过程的成因进行了综合诊断,重点探讨了局地海陆风和地形(相互)作用对该过程的影响。结果表明:(1)暴雨发生在弱天气尺度环流背景下,华南地区无锋面和高空槽活动,边界层超低空偏南急流为暴雨提供了不稳定能量,不同性质下垫面的热力差异导致天露山山前形成海陆风(偏南)与偏北风的中尺度辐合线,致使初始对流在关键区触发。(2)偏南暖湿气流向北推进受阻后,在天露山地形强迫抬升下对流增强发展成中尺度对流系统(MCS),下垫面热力差异在山前强迫产生的中尺度垂直切变与降水之间可能存在正反馈现象,延长β中尺度对流系统生命史。(3)中尺度辐合线上不断激发的对流云团,形成降水的列车效应,导致了这场罕见的局地特大暴雨过程,凸显海陆风环流对本次暖区暴雨的重要作用。(4)该过程发生前,所有业务客观数值预报模式均未预报出明显降水,数值模式难以做出暖区尤其是弱天气背景下的暴雨以上降水预报,目前的监测和短时临近预警是主要手段。     

改进的精细分辨率雷达探测强对流效果评估

简要介绍了改进精细分辨率雷达所涉及的提高空间分辨率和智能化、快速扫描等技术。利用改进后的雷达精细分辨率数据和原始分辨率数据,对不同强天气类型的探测效果进行了对比分析,结果表明：精细分辨率数据可获得比原始分辨率数据更大的相对径向速度,辐合辐散和速度极值也更明显;获取更为清晰的超级单体结构以及龙卷涡旋特征和龙卷碎片特征等,更早识别出对流单体和雷暴云团;采用精细分辨率数据进行定量降水估计的精度与原始分辨率数据相当或略有提升。改进后精细分辨率数据具有更高的空间分辨率（双偏振）雷达观测特征,在对中小尺度强对流回波监测和识别的实际业务中具有较明显优势。     

广东省前汛期分区强对流潜势预报方法研究

利用2009—2012年前汛期广东和香港五个探空站资料计算得到的物理量,选取各个探空站与强对流天气相关性好的物理量作为预报因子,通过对各指数的空间分布特征和数值进行二值Logistic回归分析,得到各物理量的参数估算值,分别建立五个探空站的强对流诊断预报方程,得到前汛期强对流潜势预报因子P,从而制作广东省未来12 h强对流天气潜势预报。并用此法回报了2009—2012年前汛期的强对流天气,对于P的值进行预报质量评定,以CSI评分为标准,选取五个探空站的P值的阈值,并以各个站的阈值对2013年前汛期的强对流天气进行预报质量评定,结果表明,进过拟合后的潜势预报预报因子P比单个物理量的CSI评分有显著提高。     

广东省开汛期一次连续强对流过程动力热力条件分析

2014年3月底广东省开汛期间,出现了大范围的多灾种连续强对流天气。利用区域加密地面自动站资料、风廓线雷达资料、常规观测和NCEP再分析资料,分析了此次连续强对流发生期间大尺度环流背景条件和动力热力条件,重点讨论了大气层结不稳定维持的原因。动力分析发现,强对流天气出现在低空急流的中尺度大风速中心前方强烈的辐合区和上升气流中,垂直风切变在强对流天气发生前迅速增大,具有一定的预报指示意义。中尺度低压和地面辐合线在对流落区预报中具有较好的指示性;热力分析和热流量方程诊断表明,低空西南急流由北部湾附近暖区沿温度梯度方向不断向广东输送强暖平流,使得不稳定能量得到补充,是导致广东大气层结不稳定维持的根本原因;对于广东开汛期间的强对流天气,业务预报中需要特别关注低空急流的演变及其与温度场的配置。     

基于因子分析的广东省短时强降水预报模型及其业务试验

利用每天4次0.125°×0.125°的ECMWF-Interim再分析资料和广东省2009—2018年地面气象站逐时雨量观测的短时强降水数据集,针对广东不同季节、不同地域的短时强降水,以提高命中率同时控制虚警率为目的,提出基于显著性和敏感性评价的物理量优选和因子分析法,用于构建分期、分区的广东短时强降水概率预报模型。以参数显著性和预测敏感性为标准,在49个待选物理量中挑选18个既与多年平均态存在明显差异,又具有较低虚警率的物理量,应用方差最大正交旋转因子分析法将遴选物理量组合成表征大气不同环境条件的6个因子;为使组合因子更具适应性,基于因子偏离度特征对广东前、后汛期不同区域独立建模,构建分期、分区短时强降水逐6 h格点概率预报模型。汛期业务试验表明,模型对短时强降水发生概率预报效果较好。对2019年汛期模型每天两次起报的12 h预报时效内概率产品进行格点检验,以训练期最优TS评分对应的固定概率作为预测概率阈值,广东省大部分区域TS评分超过0.25,最高超过0.42,平均较ECMWF-Fine业务模式在前、后汛期分别提升0.23与0.21,南部沿海TS评分提升幅度最大,并且模型在提升命中率与降低虚警率之间取得较好的平衡。个例分析表明,对于ECMWF模式常漏报的广东暖区短时强降水,概率预报模型具有明显优势,尤其能为天气尺度弱动力强迫的强降水早期预警提供更多有效信息。      

广东春季降水特征和人工增雨作业条件分析中多普勒雷达产品应用

利用广东省新一代天气雷达径向速度和基本反射率及其衍生产品,对具有人工增雨潜力的降水过程径向速度特征进行了分型,对各种类型径向速度和对应的反射率及衍生产品参数进行了统计分析,提出了广东中北部春季不同的径向速度特征对应不同的降水云系,应采用不同的人工增雨作业方式。通过对回波顶高度和温度的分析,归纳出广东中北部春季人工增雨的作业高度。还分析了春季广东中北部有利于降水的有效对流位能以及影响系统、水汽等天气条件,举例说明新一代天气雷达各种产品在人工增雨作业中的综合应用。     

广州前汛期两次强对流天气的对比分析

本文综合利用各种观测资料，对华南前汛期同一天出现的两次强对流天气的不同特征进行了对比分析。结果表明：锋面过境前，局地辐合引发了单纯性分散的雷雨大风，在雷达速度图上无明显特征。锋面和切变线过境时，伴随着局地涡旋，造成了更为激烈的雷雨大风和广州市区突发性暴雨，在速度图上出现了明显的逆风区，本文还对雷达速度图和自动站资料在强对流天气识别方面的应用进行了初步探讨。