基于BP神经网络模型的雷电潜势预报

为了使用神经网络较好地解决在雷电潜势预报中常见的非线性问题,本文通过计算南京地区2008年6～8月46个对流参数与雷电发生的相关系数,选取了与雷电发生关系较好的刀、SI、CIN等7个对流参数作为BP神经网络的输入因子。利用2008年的资料所建立的BP神经网络模型,预报了南京地区2009年6～8月的雷暴活动潜势,结合实际雷暴发生情况,得到此模型的POD为80．9％,FAR为9．5％,CSI为74．5％,PDFD为2．9％,FOM为19．1％。表明该BP模型预报准确率较高,性能稳定,有较好的推广价值。     

35GHz云雷达反射率因子数据的质量控制

大气非云粒子(气溶胶、昆虫、悬浮物)以及雷达元器件固有噪声,是影响云雷达定量探测大气云层宏观以及微观产品的重要因素。为了剔除云雷达基数据中的散点噪声对数据质量的影响,本文利用新一代多普勒偏振8.6 mm云雷达资料,基于模糊逻辑识别地物的方法分析雷达散点噪声、气溶胶以及大气云粒子的反射率因子回波的统计特征,通过统计的特征值对反射率因子进行分类,保留正常回波数据。结果表明:该方法能较好区分云粒子回波和非云粒子回波,提高云雷达反射率因子的数据质量。     

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。      

利用闪电定位和雷达资料进行雷电临近预报方法研究

利用LD- Ⅱ 型闪电定位系统监测到的雷电资料和多普勒天气雷达探测到的风暴信息,研究雷电临近预报方法.叠加分析雷电集中区与风暴,雷电集中区一般对应有风暴,并且雷电集中区中心在风暴中心附近,二者移动方向基本一致,移速接近,因此通过匹配雷电集中区与风暴,采用雷电集中区将随其所匹配的风暴一起移动的思路,利用风暴追踪技术,对雷电集中区进行临近外推,从而实现雷电的临近落区预报.通过对2009年强雷电天气的临近预报结果进行网格点对点评分,雷电半小时预报命中率达到87％,成功率为63％.1小时预报命中率达到76％,成功率为51％.为雷电的临近预报提供了一套可业务运行的新方法.     

雷达反射率因子数据中的亮带自动识别和抑制

为了减轻雷达反射率因子数据中的亮带污染对雷达降水估计的影响,一种基于新一代天气雷达体扫资料自动识别零度层亮带平均高度、厚度和区域以及对亮带进行抑制的算法被提出。该算法首先利用近距离分层平均方法建立视反射率因子垂直廓线,然后基于亮带VPR曲线在融化层高度的显著弯曲特征来识别和抑制亮带。比较该方法识别的零度层亮带的平均高度和实测0℃等温层高度表明,前者比后者平均低0.5km。亮带的厚度大多在1～1.25km。亮带区域识别算法能合理地识别亮带反射率因子高值区,用经过亮带抑制后的体扫资料得到的组合反射率因子和反射率因子垂直剖面上的高值区被抑制掉,用经过抑制后的亮带区的所有反射率因子库建立的平均VPR在融化层高度的显著弯曲消失。通过亮带抑制后的雷达体扫资料将用于雷达降水估计。     

任意基线雷达反射率因子垂直剖面算法

本文提出了一种面向计算机编程的任意基线雷达反射率因子垂直剖面算法,建立了由地球球面展开的平面雷达极坐标系与计算机屏幕直角坐标系的坐标转换关系。通过计算雷达反射率因子垂直剖面直角坐标系中的格点在雷达极坐标系中的仰角、方位角、斜距,采用垂直线性内插方法得到该格点雷达反射率因子分析值。     

任意基线雷达反射率因子垂直剖面生成算法

该文提出了一种基于雷达体扫资料的任意基线雷达反射率因子垂直剖面的生成算法。在计算雷达反射率因子垂直剖面上的格点在雷达极坐标中的仰角、方位和斜距位置后, 采用径向、方位上的最近邻居和垂直方向的线性内插相结合的客观分析方法得到格点上的反射率因子分析值。在垂直线性内插时分别用dBZ值和Z值 (单位: mm6/m3) 进行插值。结果表明:用该方法得到的雷达反射率因子垂直剖面从回波强度和空间位置来看都是合理的; 当采用垂直线性内插时, 用dBZ值插值比用Z值插值得到的雷达反射率因子垂直剖面在空间分布上更连续, 反射率因子分析值总体上更接近观测值; 低仰角的插值效果比高仰角的好。     

基于多因子非线性叠套模型的雷电潜势预报

利用统计学原理和数学分析理论,建立以雷电为预报对象的多因子非线性叠套模型,试图从理论和实践两方面,避免统计学的线性假设和模式输出值物理意义不明确的统计预报问题。特别是针对雷电这种小概率事件的预报问题,通过统计分析建模,并对24 h雷电潜势预报结果检验,该模型预报效果较好,能够业务使用。     

基于SYSCAL方法的天气雷达反射率因子在线标定技术

CINRAD天气雷达采用了一种基于SYSCAL的反射率因子在线标定技术,能够在雷达运行中动态检测和校正发射和接收通道的性能变化导致的反射率因子测量偏差,且标定具有良好的性能和时效。通过理论推演详细解析了CINRAD天气雷达反射率因子在线标定的原理,介绍了其在CINRAD/SA天气雷达中的技术实现方式和相应的标定方法及由来。以武汉CINRAD/SA天气雷达的一次在线标定为例对标定实效进行检验和分析,指出了CINRAD天气雷达反射率因子在线标定技术中存在的一些问题。掌握天气雷达反射率因子在线标定原理和技术,对于正确实施标定,保证回波质量和提高雷达故障诊断分析能力,十分必要。     

一种基于FCM算法的雷达反射率基数据的质量控制方案

根据FCM（fuzzy C-means,模糊C均值）算法初步建立了一种适用于我国多普勒天气雷达反射率资料的质量控制方案,对2009年6月3—5日蚌埠、阜阳雷达站部分雷达体扫资料进行统计分析。结果表明,降水和非降水回波水平反射率结构（T）和垂直反射率差（V）均有不同的参数分布特征,并可有效区分。在此基础上以这两个参数作为FCM算法的输入特征向量,自动识别出降水回波和地物杂波。质量控制结果表明,恰当选取降水回波和地物回波的特征参数,作为FCM算法中的输入特征向量,能够有效识别这两类回波,从而剔除非降水回波,以提高质量控制的效果。     

一次龙卷过程的多普勒天气雷达和闪电定位资料分析

利用WSR-98D多普勒天气雷达和闪电定位资料分析了2003年7月8日发生在安徽省无为县境内的一次龙卷过程。此次龙卷产生于低空急流左侧，动力、热力条件均为较有利的大尺度环境，多普勒雷达回波分析发现，龙卷起源于中高层向低层发展的中-γ尺度气旋中。闪电定位资料分析表明，龙卷发生前10min闪电活动开始频繁。龙卷出现后负地闪明显加大，且龙卷闪电存在于雷暴的发展后期、成熟和消亡阶段。此次龙卷的一些基本特征与通常结论有所不同，(1)雷达反射率因子小于通常结论；(2)龙卷风暴发展高度不是很高，回波顶高仅6～9km，类似于普通雷暴；(3)闪电活动中以负地闪为主，正地闪较少，并未出现正地闪一度占主导地位的现象。     

基于雷达资料的雷电特征分析及预警

利用2009年6-8月南京Doppler雷达资料和江苏闪电定位资料,通过对雷电活动过程与雷达回波强度、回波顶高及垂直累积液态水含量的特征关系的分析,得出适合于江苏地区夏季（6-8月）雷暴预警的因子：40dBz回波强度发展到7 km高度及以上,垂直液态水含量（VIL）值达到25 kg/m2,风场在雷电发生前多表现为强烈的...     

基于组网天气雷达的台风定位方法探讨

利用组网天气雷达格点反射率因子确定登陆台风的中心位置,根据台风的反射率因子表现出对称特征,提出一种简单的定位方法——相关法,该方法具有较高的时间分辨率,能对临近登陆台风连续定位.通过2008年台风“黑格比”与2009年台风“天鹅”两个实例验证了该方法的可行性.结果表明:该方法能较好地确定台风中心位置,以中央气象台给出的...     

基于深度学习的天气雷达异常数据识别技术

天气雷达基数据中因观测设备故障或标定问题而产生的异常数据, 直接影响天气雷达数据质量、定量估测降水及天气系统的分析和判断。目前在中国气象局气象探测中心实时业务中, 通过人工勘误环节对异常数据进行处理。针对2020—2022年业务中勘误较多的、大面积故障异常和易与降水数据混合的局部电磁干扰或故障的两类异常数据, 分别构建和训练R-ResNet和R-LinkNet两种模型, 提取雷达硬件故障、电磁干扰等特征, 实现异常数据的识别和处理。评估结果表明:两种模型在提取异常数据特征方面均具有很强的学习能力, R-ResNet在分类判识异常数据与正常数据的准确率超过99%, R-LinkNet在分离电磁干扰杂波和降水回波的准确率超过98%。两种模型可用于实时业务中监控和勘误电磁干扰、故障等异常数据, 实现异常数据的自动勘误处理。     

北京与天津CINRAD雷达回波强度对比分析

认识并消除雷达之间存在的回波强度差异对于跨雷达组网应用有重要价值。利用2012年7月北京、天津两部新一代天气雷达CINRAD降水回波强度的体扫资料,在两部雷达等距离剖面附近对观测值差异进行原因分析,从仰角、方位角、距离、地形、时间序列等角度,讨论匹配样本的一致性和差异特征。结果表明:北京、天津雷达工作状态良好,两者未发现系统性偏差,但两者的方位角可能存在1°左右的偏差;平原地区样本的一致性优于山地;除了距离相关因素(有效照射体体积、高度差异等),电磁波传播路径不同,大气云雨的积分衰减和折射影响不同,也是导致样本差异的原因。     

X波段多参数气象雷达对强风暴云雷电个例的探测研究

利用多普勒双偏振多参数气象雷达,结合地面LD-Ⅱ闪电定位仪资料,对一次中尺度对流强风暴云的雷电过程进行观测分析。结果表明,闪电发生前后,对流云上部的差分传播相移率KDP、差分反射率因子ZDR和差相移φDP有明显的变化,反映出云中冰相粒子排列取向随云中电场分布结构的变化而变化。这种闪电发生时冰相粒子排列取向存在明显变化的信息,说明用多参数气象雷达探测的技术以及开展雷电预警预报是可行的。     

三维雷达反射率资料用于层状云和对流云的识别研究

基于层状云和对流云的雷达反射率分布的三维形态特征,提出了识别层状云和对流云的6个候选识别参数,它们分别是:组合反射率及其水平梯度,反射率因子等于35 dBZ的回波顶高及其水平梯度、垂直累积液态水含量及其密度。通过分析候选识别参数分布图和选取的反射率垂直剖面图,用人机交互方式挑选“真实的”层状云和对流云区,统计这6个候选识别参数分布的概率密度特征;最后确定把分布概率密度更集中的组合反射率水平梯度、35 dBZ的回波顶高的水平梯度和垂直累积液态水含量密度作为识别参数,利用模糊逻辑法进行层状云和对流云的识别。用三个个例进行了识别试验,并把用模糊逻辑法识别的结果与用改进的巅峰值法识别的结果进行了比较,结果表明:用模糊逻辑法和改进的巅峰值法都能合理地识别大部分层状云和对流云;由于改进的巅峰值法只考虑了反射率分布的二维形态特征,它容易把对流核的外围识别成层状云,把厚实的层状云识别成对流云,而考虑了反射率分布的三维形态特征的模糊逻辑法在这两个方面有很大改善。     

Three-dimensional Fusion of Spaceborne and Ground Radar Reflectivity Data Using a Neural Network–Based Approach

The spaceborne precipitation radar onboard the Tropical Rainfall Measuring Mission satellite(TRMM PR) can provide good measurement of the vertical structure of reflectivity, while ground radar(GR) has a relatively high horizontal resolution and greater sensitivity. Fusion of TRMM PR and GR reflectivity data may maximize the advantages from both instruments.In this paper, TRMM PR and GR reflectivity data are fused using a neural network(NN)–based approach. The main steps included are: quality control of TRMM PR and GR reflectivity data; spatiotemporal matchup; GR calibration bias correction;conversion of TRMM PR data from Ku to S band; fusion of TRMM PR and GR reflectivity data with an NN method;interpolation of reflectivity data that are below PR's sensitivity; blind areas compensation with a distance weighting–based merging approach; combination of three types of data: data with the NN method, data below PR's sensitivity and data within compensated blind areas. During the NN fusion step, the TRMM PR data are taken as targets of the training NNs, and gridded GR data after horizontal downsampling at different heights are used as the input. The trained NNs are then used to obtain 3D high-resolution reflectivity from the original GR gridded data. After 3 D fusion of the TRMM PR and GR reflectivity data, a more complete and finer-scale 3D radar reflectivity dataset incorporating characteristics from both the TRMM PR and GR observations can be obtained. The fused reflectivity data are evaluated based on a convective precipitation event through comparison with the high resolution TRMM PR and GR data with an interpolation algorithm.     

Lightning Nowcasting with an Algorithm of Thunderstorm Tracking Based on Lightning Location Data over the Beijing Area

A thunderstorm tracking algorithm is proposed to nowcast the possibility of lightning activity over an area of concern by using the total lightning data and neighborhood technique.The lightning radiation sources observed from the Beijing Lightning Network(BLNET)were used to obtain information about the thunderstorm cells,which are significantly valuable in real-time.The boundaries of thunderstorm cells were obtained through the neighborhood technique.After smoothing,these boundaries were used to track the movement of thunderstorms and then extrapolated to nowcast the lightning approaching in an area of concern.The algorithm can deliver creditable results prior to a thunderstorm arriving at the area of concern,with accuracies of 63%,80%,and 91%for lead times of 30,15,and 5 minutes,respectively.The real-time observations of total lightning appear to be significant for thunderstorm tracking and lightning nowcasting,as total lightning tracking could help to fill the observational gaps in radar reflectivity due to the attenuation by hills or other obstacles.The lightning data used in the algorithm performs well in tracking the active thunderstorm cells associated with lightning activities.     

气象要素在电力负荷预测中的应用

综合应用人工神经网络、模糊理论等智能技术,着重考虑天气因素对电力负荷的影响,确定了一种有效的电力系统短期负荷预测方法。并应用陕西省9个地市1998-2001年的逐日8个气象要素以及对应的逐日电力负荷值,对陕西省电力负荷进行训练和预测。研究结果证明这种方法能较大地提高日负荷预测的精度。