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。     

云南高原山地机场强对流短临预报系统研究

基于天气雷达、地面和探空观测资料、NCEP再分析资料、FNL数值预报产品,应用强对流天气分类识别技术和短时临近预报技术,开展风暴临近预报、强对流天气分类预警、基于数值预报的强风暴潜势诊断等研究,获得大理、丽江、西双版纳等高原山地机场及周边区域强降水、雷暴、大风、冰雹等灾害性天气的0～2 h实时定量预报产品和0～12 h强对流天气潜势预报产品,建立机场强对流天气短时临近预报系统。通过检验,该预报系统有较好的强对流天气预报预警能力,满足机场业务需求。     

雷暴与强对流临近天气预报技术进展

临近预报指0—6h(0—2h为重点)的高时空分辨率的天气预报,预报对象是该时段内出现明显变化的天气现象,主要包括雷暴、强对流、降水、冬季暴风雪、冻雨、沙尘暴、低能见度(雾)、天空云量等,其中,以雷暴和强对流天气的临近预报最具挑战性。综述了针对雷暴和强对流天气的以主观预报为主、结合客观算法的临近预报技术,同时讨论了高分辨率数值预报模式在临近预报中的应用。主观临近预报技术包括基于多普勒天气雷达观测数据并结合其他资料(常规高空和地面观测、气象卫星云图、快速同化循环的数值预报产品等)对雷暴生成、发展和衰减,特别是对强对流天气(包括强冰雹、龙卷、雷暴大风和对流性暴雨)的临近预报,客观算法包括几种应用最广的雷达回波或云图外推算法和强对流天气识别技术。高分辨率数值预报模式的应用包括与雷达回波外推融合延长临近预报时效,与各种观测资料融合得到快速更新的三维格点资料为雷暴和强对流近风暴环境的判断提供重要参考。     

多普勒天气雷达短时预报技术研究进展

简要介绍了短时预报技术的一些概念和基本内容,并就国内外基于多普勒天气雷达的短时预报技术开发进展情况,从临近外推预报和短时数值预报两方面详细叙述了包括雷达资料控制、灾害性天气预警预测、雷达资料同化等技术研究的最新动态。     

新一代天气雷达在临近预报和灾害性天气警报中的应用

利用新一代天气雷达制作临近天气预报和灾害性天气警报,必须从天气雷达观测入手.需根据临近预报和灾害性天气警报需求制定观测方法.不同预报对象,要采取不同的雷达资料的数据处理方法,以便突出预报对象的回波特征.制作临近预报和灾害性天气警报的主要依据是雷达回波分析,掌握回波演变的全过程是雷达回波分析的基础,根据回波特征判断识别影响本地区的天气系统,通过回波分析判断回波的未来发展趋势.为了从回波上识别灾害性天气,需要建立各种灾害性天气的识别判据和方法.预报的主要方法是外推法,但预报结果还需要预报员根据预报经验最后作出预报结论.为了做好临近预报和灾害性天气警报,建立预报流程是非常重要的.     

对流天气临近预报业务系统的新发展

对流天气的临近预报是近年来中国气象局重点发展的一个新的业务领域,目前临 近预报业务系统中主要的算法,仍然是基于雷达资料的外推预报。本文基于2008年奥运会期间在北京实施的世界天气研究计划临近预报国际示范项目一B08FDP的运行情况,介绍了国际先进的临近预报业务系统及其在临近预报算法方面的新进展,并给出了奥运示范期间临近预报系统总体预报性能的检验结果。     

呼伦贝尔市岭南一次降水过程的雷达回波和卫星云图分析

应用T213数值预报产品、卫星云图,重点应用齐齐哈尔多普勒天气雷达产品资料,着重分析了发生在呼伦贝尔市岭南一次强降水天气过程的回波特征。指出在大尺度环流条件下,卫星云图资料和雷达资料的综合应用分析,对中小尺度天气有很好的监测作用,可以充分完善短时临近预报。     

SWAN雷达产品在甘肃河东地区冰雹短临预报中的应用

选取2011年7月发生在甘肃省河东地区的7次冰雹个例,综合分析SWAN系统输出的雷达产品资料的主要特征,提取冰雹天气的雷达产品资料的指标,根据这些指标利用SWAN系统外推算法资料生成冰雹临近预报产品。通过2012年甘肃河东地区的2次冰雹天气过程对与其同时的临近预报产品检验结果表明,预报效果良好,具有较高的业务应用价值。     

灵璧强龙卷个例的多普勒天气雷达分析

本文利用阜阳CINRAD/SA型新一代多普勒天气雷达的基本产品和部分导出产品等综合分析了2005年7月30日下午发生在灵壁县境内的一次强龙卷天气过程,分析了导致这次强对流天气的环流背景和多普勒天气雷达回波特征,发现该过程是由一个超级单体产生的。通过对阜阳和徐州雷达资料的对比分析,揭示了产生强龙卷天气的龙卷涡旋特征和垂直累积液态水的规律,总结出应用新一代多普勒天气雷达回波资料做临近预报的一些经验,为0~2 h局地强对流天气的临近预报提供了依据。     

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。     

TREC算法在人工影响天气作业指挥系统中的应用

雷达回波外推是解决人工影响天气指挥炮点作业时间选取的有效途径。文章介绍了雷达回波外推的相关性跟踪方法（TREC）,由TREC矢量得到的回波移向移速,以6 min为间隔,线性外推4次回波,根据外推回波是否落在炮点的有效射程范围内,得到回波到达炮点射程范围的时间,为炮点作业时间的选取提供参考。个例分析表明,外推回波落在炮点有效射程范围的外推时间与回波实际落在炮点的有效射程范围内时间点基本吻合。     

基于深度学习的强对流高分辨率临近预报试验

强对流天气临近预报、预警在气象灾害防御中具有极为重要的地位。在气象业务中,因对强对流天气临近预报、预警准确率和时、空分辨率的极高要求,使其成为业务难点和研究热点之一。对于高时、空分辨率强对流临近预报问题,尝试用深度学习方法来解决。首先将强对流临近预报抽象成同时包含时间和空间的序列预测问题;然后基于改进的循环神经网络算法形成的自编码模型,使用京津冀地区长序列、高时空分辨率天气雷达组网拼图数据进行模型训练;最后利用基于历史0.5 h雷达回波拼图数据训练得到的端到端神经网络,预报未来1 h内的逐6 min回波演变特征。通过基于传统外推算法的临近预报方法与深度学习算法的临近预报方法进行对比,发现使用的深度学习方法可以有效“学习”到高时、空分辨率序列雷达数据特征的内在关联,通过多层神经网络构造出抽象的深层特征,能够有效捕捉到雷达回波的演变规律和运动状态。通过计算雷达回波预报的命中率（POD）、虚警率（FAR）、临界成功指数（CSI）等检验表明,相较传统外推临近预报方法,在强对流回波临近预报准确率上有较明显提高。      

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。      

人工增雨催化区跟踪方法与效果评估指标研究

如何利用新一代天气雷达作业前后回波的变化分析人工增雨效果,对提高人工影响天气的科学性有非常重要的意义。文章基于新一代天气雷达三维拼图和最大相关系数的雷达回波跟踪方法（TREC）,在考虑多个作业影响时间和催化剂扩散背景下,实现对高炮和飞机播云作业中催化区的连续跟踪,并计算区域内的最大反射率、垂直积分液态含水量等回波参数。利用2个降水过程,选择多个跟踪区域进行连续跟踪,详细分析了回波跟踪的合理性。选择北京的一次高炮增雨作业与一次模拟飞机作业,对其催化区进行跟踪。结果表明：利用TREC算法,能够合理跟踪回波在空间的垂直位置与水平位置,较好地跟踪单点、多点作业时催化区域移动,实时跟踪飞机播云催化区的回波变化,从而为人工增雨的效果评估提供了一个有意义的参考。     

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...     

多普勒雷达晴空回波识别与应用

在现有多普勒天气雷达资料质量控制基础上,采用徐州雷达站2009年4月和9月雷达资料,统计并对比几种常见的降水回波与非降水回波特性,找出一种有效地识别晴空回波的方法。该方法在不同径向距离区间(小于25km及25～200km)采用不同的识别参数,能够较好地将非降水回波中对临近预报有用的晴空回波信息保留,而将其他非降水回波信息(地物回波、超折射回波等)剔除。依据该方法识别的晴空回波区域所对应Doppler速度可用于判别大气平流状况,从而为预报工作提供帮助。     

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。      

基于气候统计特征的雷达回波质控方法

利用北京南郊S波段雷达2011—2016年的观测资料,从雷达气候统计的角度,利用不同强度回波发生频率的统计特征及其空间分布特征,对雷达地物杂波和波束遮挡的识别与订正方法进行研究。结果表明:①利用雷达回波出现频率特征,可以很好地识别雷达近中心地物杂波和受地形高度影响的地物杂波特征;同时还可以直观地识别出雷达波束遮挡区域以及遮挡程度。北京南郊雷达地物杂波主要分布在近雷达中心和北京西部、西北部的山前地区,地物杂波主要集中在0.5°仰角和1.5°仰角层上。雷达波束遮挡主要集中在由高大建筑引起遮挡的东南方位向和由于地形引起波束遮挡的西西北方位向,波束遮挡主要集中在0.5°仰角层。②采用局部可变区域平均垂直廓线方法利用高仰角回波订正低仰角回波,能有效订正地物杂波,并保留回波的局部特征。对于波束遮挡区域的回波填补,也能够较好地保持上下层仰角回波之间的连续性,同时兼顾了回波不均性分布等特性。③基于雷达气候特征进行地物杂波识别和波束遮挡识别,无需依照先验知识,相比于传统方法能更好地反映本地雷达回波真实情况,且具有方法简单、可快速复用、本地适用性强等优点。