光流法及其在临近预报中的应用

介绍了一种全新的对流临近预报外推算法——光流法。主要是通过计算雷达回波的光流场得到回波的运动矢量场,并基于运动矢量场对雷达回波进行外推从而达到预报的目的。光流法立足于变化,在计算光流场时既考虑连续时次回波的变化,又考虑相邻位置回波的变化。因此,基于该算法的外推临近预报具有一定的物理意义。利用中值滤波等方法对雷达资料进行质量控制,有效地抑制了噪声等的影响。个例对比分析表明:经过中值滤波等质量控制后回波更平滑,边沿更清晰,回波质量明显改善,能够获得比较真实的雷达回波,也得到了方向更加一致、更加平滑的回波运动矢量场。光流法给出的30、60 min内雷达回波的位置、形状的外推预报和对应时次实况较接近,预报结果具有较好的业务指示意义。对光流法和交叉相关法预报结果进行的定量对比评价表明,对移动型局地生成及强度和形状随时间变化很快的回波,光流法预报效果优于交叉相关法。光流法可以弥补传统的交叉相关法的缺陷,能提升对流临近预报系统的性能。     

天气雷达回波运动场估测及在降水临近预报中的应用

在常用的基于天气雷达反射率因子图像的相关方法跟踪回波运动的TREC(Tracking Radar Echo by Correla-tion)技术基础上,文中发展了一种基于差分图像(时间梯度图像)的相关方法追踪雷达回波运动(Difference Image-based Tracking Radar Echo by Correlations)技术,简称DITREC,并与TREC技术进行比较。个例分析表明,DITREC矢量场消除了TREC矢量场中由于回波型的迅速变化导致的一些无序矢量,使得DITREC矢量场的时间连续性和空间连续性好于TREC矢量场。在TREC矢量场中不存在无序矢量的地方,DITREC矢量场与TREC矢量场基本一致。分别用DITREC矢量场和700 hPa风场作为回波运动估测场外推合肥CINRAD/SA雷达反射率因子复合扫描图,得到1 h外推降水场。以地面雨量计为标准,对外推降水场进行评估,结果表明,DITREC外推小时降水优于700 hPa外推小时降水,但其精度还与所采用的Z-R关系有关。     

用相关法估测CAPPI等高面上的TREC风

使用雷达资料,运用相关法估测CAPPI(constant altitude plan position indicating,等高平面位置显示)上的TREC(tracking radar echoes by correlation)风,根据雷达在两个观测时间的数据,估算CAPPI上的水平流场,从而外推整个回波场的运动走向.经输入台风、暴雨、晴空边界层的回波个例试验,结果表明有助于短时天气预报.在TREC应用于晴空回波时,根据当地实际情况,通过适当改动相关系数的阈值可以消除杂波产生的对TREC矢量的干扰.     

基于ConvLSTM的广西短临降水预报

针对传统雷达回波外推算法在快速增长或消散降水过程预报精度较低的问题,利用华南雷达回波拼图资料数据,建立ConvLSTM回波外推模型,对广西区域范围进行短临降水预报研究.采用气象业务中的正确率(POD)、临界成功指数(CSI)及误报率(FAR)评判标准检验预报模型,并将ConvLSTM与光流法的预报结果进行对比分析.结果 表明,ConvLSTM模型的CSI、POD分别比光流法提高0.06和0.059,而FAR下降了0.058.ConvLSTM方法比光流法的回波外推预报准确率高,该方法可为广西短临降水预报提供新的参考.     

改进的TREC算法在奥帆赛测试期的应用

基于青岛的新一代天气雷达,计算TREC数据,并对TREC数据的质量控制进行设置,以剔出杂波引起的孤立TREC数据,根据TREC法得到的回波移动进行雷达回波移动外推。给青岛奥运会帆船赛测试赛起到了较好的保障作用,并详细分析了2006年8月26日的一次强天气过程,利用TREC法得到的回波移动产品对该过程从回波移动方向上进行了分析,并用PUP产品进行效果检验。结果表明：TREC算法对于天气过程的雷达回波移动趋势预测有较好的效果,它能大致反映出3km高度的水平流场运动方向和速度。通过分析还发现,该算法对于预报强天气过程雷达回波的移动,进行雷暴等灾害性天气预警．有一定的指导作用．     

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。     

基于江西省雷达回波拼图的TREC方法应用及效果检验

基于江西省及周边16部新一代多普勒天气雷达拼图资料,利用交叉相关跟踪法(TREC)计算江西地区雷达回波的移动矢量(TREC风),并对求解的TREC风进行异常值更正和空洞补齐等质量控制,最后利用后向外推法对江西地区2017年6月29日09:54的雷达回波进行2 h内的外推。结果表明,TREC方法能较好地获得江西地区未来2 h内的雷达回波位置和空间结构,且在0—1 h的外推回波非常接近实况。通过对2018年6月1—9日201个天气过程0—2 h外推的TS评分统计表明,基于该方法外推的2 h内的雷达回波精度都较高(TS评分0.3),但TS评分随外推时间的增长而快速降低,当外推时间为30 min时TS评分高达0.61,外推时间增至60 min时TS评分降至0.48,外推时间延长至120 min时TS评分进一步减至0.31。     

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。      

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。     

多普勒雷达资料在暴雨临近预报中的应用

强暴雨、台风暴雨等灾害性暴雨天气是造成洪涝灾害最主要的降水天气系统。以广州雷达和梅州雷达的拼图资料以及温州单站雷达资料为基础, 讨论了TREC方法中时间步长、网格大小及雨强阈值等参数变化对跟踪结果的影响, 并对TREC矢量场进行了平滑处理, 这在一定程度上减少了TREC矢量场中由于地物回波和回波梯度变化造成的一些明显错误的矢量, 得到较为连续的矢量场, 并将得到的矢量场用于暴雨的临近预报。个例分析及预报结果的验证表明:通过选择合适的参数, 雨强CAPPI、反射率因子CAPPI和CR 3种资料得到的TREC矢量场一致性好, 能够反映我国的强暴雨、台风暴雨等灾害性暴雨的移动方向。CR资料的外推预报结果稍差于其他两者, 3种资料预报的准确性都随着预报时间的递增而降低, 对连续时刻的TREC矢量进行拟合, 有助于提高预报准确率。TREC方法对于结构比较复杂、不易识别的台风暴雨等灾害性暴雨天气, 在预警方面具有一定应用价值。     

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0～2h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...     

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.     

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。     

长沙机场阵列天气雷达地物识别算法

地物杂波是影响雷达产品准确性的重要因素。该文提出了一种改进的基于模糊逻辑的阵列天气雷达地物识别算法。在Kessinger模糊逻辑基础上,加入回波强度时间变化量（time variability of reflectivity factor,T_VR）参数,利用收集到的雷达数据统计出各输入参数的概率分布,确定隶属函数;分析T_VR参数对地物识别算法的贡献,并在不同天气情况下进行识别算法有效性验证。试验结果表明:加入T_VR参数,长沙机场阵列天气雷达地物识别准确率最大可提高4%,降水识别误判率最多可降低2%。该文提出的地物杂波识别算法,无降水时,地物识别准确率达96%;有降水时,地物识别准确率达92%;降水回波误判为地物杂波的误判率约为10%,能较好地区分降水回波和地物杂波。     

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%。     

雷暴区域追踪矢量与雷暴单体追踪矢量融合临近预报研究

雷暴追踪矢量的准确性是决定短时临近降水外推预报效果的关键。以TREC（Tracking Radar Echoes by Correlation）为代表的区域追踪和以TITAN（Thunderstorm Identifiation,Tracking,Analysis,and Nowcasting）为代表的单体追踪是追踪雷暴移动矢量的两种典型方法。TREC基于追踪格点雷达回波数据得到,能较好体现层状云降水和对流云降水系统的区域总体移动趋势;TITAN可以识别、分析雷暴的二维和三维属性,自动跟踪雷暴的移动速度和方向,形成雷暴单体移动矢量,能够更好地刻画小尺度雷暴单体的移动速度和方向。将TREC和TITAN两种移动矢量进行融合,生成新的外推移动矢量,既保留了TREC方法在刻画大尺度雷暴总体移动趋势信息方面的特长,又能充分发挥TITAN方法在刻画小尺度雷暴运动细节信息上的优势。融合试验表明,采用TREC和TITAN两种降水移动矢量融合的新技术,可以一定程度改进降水外推移动矢量场估计的准确度,提升降水落区和强度外推预报的准确度,对改善北京地区降水临近预报水平具有一定正效果。