雷达强降水数据小波域统计特征及其与环境参数的关系研究

为了得到最优的强降水估计,基于雷达强降水数据多尺度统计特性建立的先验模型显得非常重要。本文基于南京市S波段多普勒天气雷达2013～2016年共180次独立降水事件数据进行小波分解,研究强降水雷达回波数据小波域小波系数尺度内非高斯边缘分布特征以及尺度间分形特征,并基于强降水的先验统计特征建立相应的数学模型。研究结果表明:对于不同降水结构呈现不同形态的雷达回波来说,它们的分形参数差别并不大,方向性不明显,可对强降水小波系数统一建模,其尺度内的非高斯特征可用广义高斯分布表示,尺度间的分形特征可用指数形式表示。为进一步说明强降水小波域统计特征与降水物理参数的关系,讨论了强降水小波域小波系数分形参数与环境参数的关系,发现环境参数中的对流有效位能与分形参数（一阶水平向）相关系数为0.5535、每小时降水量与分形参数（二阶各方向小波系数分形参数的平均）相关系数为0.3848,而其它环境参数与分形参数相关系数低于0.28。强降水小波域统计特征及其与环境参数的先验信息可用于强降水数据的参数化建模,并对后续的强降水最优估计、数据同化、数据降尺度、多源数据融合等应用具有重要的参考价值。     

基于傅里叶谱分析的天气雷达图像插值方法

针对一种基于傅里叶谱分析原理的天气雷达回波强度图像插值方法,首先介绍了该方法的理论和算法步骤,然后进行了实际个例实验。结果表明:该方法比双线性插值方法能更好地凸显强对流天气情况下强回波区的结构特征,其本质是利用傅里叶谱分析获得产生对流性降水的"积状云"回波强度时空变化的谱特征,并进一步将谱特征用于观测数据离散点拟合、再进行重采样,有利于凸显一些因雷达分辨率低而探测不到的强回波中心。     

基于注意力反向投影网络的天气雷达回波超分辨率重建算法

高分辨率的天气雷达数据能揭示探测天气目标的精细结构,对灾害性天气分析和预报预警至关重要。提高天气雷达反射率数据分辨率可以提升现有业务天气雷达对中小尺度强对流灾害性天气的监测和预警能力。本文在不改变雷达硬件的情况下,提出了基于注意力反向投影网络(Attention Back-Projection Network,ABPN)的天气雷达回波超分辨率重建算法用于提高雷达反射率数据分辨率。ABPN通过在深度反向投影网络(Deep Back-Projection Network,DBPN)中加入长短跳跃连接和通道注意力机制,对关键区域精细化重建结构特征。通过对实际天气过程超分辨率重建测试,结果表明,ABPN算法在雷达回波重建质量和主观视觉评估上有明显的优势,特别是在回波细节和天气雷达的边缘结构特征方面。     

福建西部山区短时暴雨雷达回波特征及中小尺度系统分析

利用常规天气资料、探空、地面降水资料以及建阳、龙岩两部新一代天气雷达资料对2005-2009年福建西部山区短时暴雨的雷达回波特征及对应的中小尺度系统进行分析,分析表明:短时暴雨的雷达回波按降水类型可分为大陆强对流型降水和热带海洋型强降水,并统计了大陆强对流型降水和热带海洋型降水低层反射率因子与雨强对应关系;按降水影响时间可以分为以局地发展为主的停滞型回波和不断影响某一地区的移动型列车效应回波;利用雷达回波演变及基本径向速度资料,结合天气系统,提取三类产生短时暴雨对应的中小尺度系统:与低空切变(或低压槽)、西南急流配合的中小尺度切变线或辐合线,以切变南压为主的中小尺度切变线或辐合线和以局地对流发展为主的逆风区或中气旋。     

阵列天气雷达高分辨率强度场融合方法研究

阵列天气雷达是一种具有高时空分辨率的新型天气雷达,采用分布式相控阵技术探测强对流天气的精细化流场和强度场,为小尺度强对流天气研究提供了新技术及工具。文章提出一种高分辨率强度场融合方法:计算每个方位向和仰角方向分辨率扩展系数,依次对强度值进行填充;将极坐标形式强度值转换成笛卡尔坐标;对多个收发子阵强度值进行融合。利用模拟雷达探测来定性及定量地评价高分辨率强度场融合结果,验证了融合方法的有效性。通过分析了一次真实降水个例,证明了本文得到的100 m分辨率的强度场融合资料具有更为精细完整的回波结构。     

强对流天气雷达回波强度相关性对比分析

为了提高山区复杂地形条件下局地强对流天气监测预警能力,有效减小天气雷达之间对降水目标物回波的测量误差,选取贵阳、毕节、遵义三部多普勒天气雷达同步观测体扫资料,以贵阳多普勒天气雷达站为基准,对比分析了强对流天气的雷达回波强度的变化特征。初步分析结果表明:贵阳与遵义、毕节雷达之间观测的回波强度具有一致性的波动特征,且存在较大的相关性;贵阳雷达观测的回波强度总体低于毕节、遵义雷达观测数据结果;两部雷达之间回波强度差异主要是由云和降水对雷达波的衰减所产生。     

中小尺度强对流天气的雷达回波图像生成方法

为生成复杂环境下的优质雷达回波图像,减少目标信息缺失现象与相对成像误差,提出基于中小尺度强对流天气的雷达回波图像生成方法。采用可最大限度保留雷达回波特性的傅里叶插值法,形成空间分辨率均匀的雷达回波三维规则网格数据;基于改进变分贝叶斯理论,实现中小尺度对流天气雷达回波图像超分辨重现,生成雷达回波图像。试验结果表明,该方法处理后的中小尺度强对流天气雷达回波范围与原图相似度高,可最大程度留存雷达回波信息,该方法能够生成清晰的雷达回波图像,且不存在目标信息缺失现象,相对成像误差极小。     

雷达回波预测极端暴雨概率方法构建原理与应用研究

基于局地雷达回波基数据强度与雷达体扫面内相应地区强降水量之间的统计关系,并通过LucasKanade局部光流法分析下一小时可能影响该地区的回波区域,将这些区域定义为强降水影响系统的动态回波上游。同时分析雷达各层体扫回波情况,即考虑强降水系统的空间伸展程度。通过分析这些动态回波区域在当前时刻内(每10 min多层体扫信息)的时空变化特征,建立回波强度特征与局地降水的相关,进一步与改善的降水极值概率预测方法相结合,构建对下一小时局地暴雨重现期极值预测预警指标,为应急保障方案和及时应对决策提供技术支持与专业参考信息。整体方案以2006-2011年6-8月盐城多普勒天气雷达回波强度的基数据资料和同时段盐城雷达体扫范围内建湖气象站的小时雨量序列为基础,采用Lucas-Kanade局部光流法确定回波强度反映的降水系统时空动态上游,并利用皮尔逊III型方法和广义帕累托方法建立回波类别与建湖局地白天与夜间降水序列的统计概率关系,计算回波类别对应的局地极端降雨极值以及极值重现概率特征,构建降水系统的雷达回波动态综合特征与下一小时局地强降水极值概率间的统计关系指标,指标的相关性检验达到70%。该方法具有强降水多等级重现期极值预测能力,为下一小时临近极端暴雨预测预警提供了雷达监测动力统计优化方法。     

广州一次强对流天气分析

本文通过广州地区一次强对流天气过程的天气形势、卫星云图、雷达回波等资料的分析,指出中小尺度对流云团是本次强对流天气的直接产生系统,并得到一些基本的中小尺度强对流天气出现的雷达强度回波和多普勒速度回波特征。     

基于4种高分辨率模式的辽宁省雷达回波预报邻域检验结果对比

选取2017—2018年6—9月辽宁省不同降水性质, 具有2种不同特征的20次天气过程个例, 应用模糊检验邻域法中的分数技巧评分(Fraction Skill Score, FSS), 评估华东模式、华北模式、GRAPES_3km模式和睿图东北模式对辽宁省中小尺度系统的预报能力。结果表明: 区域性降水过程和局地性降水过程雷达回波强度越小, 邻域半径越大, 高分辨率模式预报技巧越高。当雷达回波大于30 dBz时, 各高分辨率模式对局地性降水的雷达回波预报FSS评分均较高。当邻域半径为3 km时, 区域性降水过程中, 华北模式预报技巧在各级别雷达回波预报中均高于其他模式, 最大FSS差值为0.031。局地性降水过程中, 华东模式预报效果较好, 最大FSS评分为0.127, 表明华东模式预报中小尺度对流系统能力更强。局地性降水过程, 睿图东北模式在08—23时预报时次中, “中间”时次的预报效果优于“两头”时次的预报, 两个时次最大FSS差值为0.121。     

Statistical Modeling with a Hidden Markov Tree and High-resolution Interpolation for Spaceborne Radar Reflectivity in the Wavelet Domain

With the increasing availability of precipitation radar data from space, enhancement of the resolution of spaceborne precipitation observations is important, particularly for hazard prediction and climate modeling at local scales relevant to extreme precipitation intensities and gradients. In this paper, the statistical characteristics of radar precipitation reflectivity data are studied and modeled using a hidden Markov tree (HMT) in the wavelet domain. Then, a high-resolution interpolation algorithm is proposed for spaceborne radar reflectivity using the HMT model as prior information. Owing to the small and transient storm elements embedded in the larger and slowly varying elements, the radar precipitation data exhibit distinct multiscale statistical properties, including a non-Gaussian structure and scale-to-scale dependency. An HMT model can capture well the statistical properties of radar precipitation, where the wavelet coefficients in each sub-band are characterized as a Gaussian mixture model (GMM), and the wavelet coefficients from the coarse scale to fine scale are described using a multiscale Markov process. The state probabilities of the GMM are determined using the expectation maximization method, and other parameters, for instance, the variance decay parameters in the HMT model are learned and estimated from high-resolution ground radar reflectivity images. Using the prior model, the wavelet coefficients at finer scales are estimated using local Wiener filtering. The interpolation algorithm is validated using data from the precipitation radar onboard the Tropical Rainfall Measurement Mission satellite, and the reconstructed results are found to be able to enhance the spatial resolution while optimally reproducing the local extremes and gradients.     

TRMM星载测雨雷达和地基雷达反射率因子数据的三维融合

TRMM卫星上的测雨雷达(TRMMPR)探测资料分布均匀且具有很高的垂直分辨率,但灵敏度较低;地基雷达(GR)水平分辨率较高且具有较高的灵敏度,但其垂直分辨率低。通过将TRMM PR与GR反射率因子数据的三维数据融合,得到了更优的反射率因子图像。测雨雷达与地基雷达三维数据融合主要分为以下几步:测雨雷达与地基雷达数据预处理——如去杂波、衰减校正;测雨雷达与地基雷达时空匹配;选取和应用合适的三维图像融合算法;对融合后的图像进行效果评估。试验结果表明:融合后的图像不仅增大了信息量,更好地检测弱降水,还提高了空间三维(3D)分辨率,能更好地反映降水区域细节,且使得数据总体上具有更高的完整性和可靠性。此外,还将基于雷达资料估测的降水数据与地面雨量计数据进行对比,估计反射率因子数据融合在降水测量上的有效性。      

Short-Term Dynamic Radar Quantitative Precipitation Estimation Based on Wavelet Transform and Support Vector Machine

Currently, Doppler weather radar in China is generally used for quantitative precipitation estimation (QPE) based on the Z-R relationship. However, the estimation error for mixed precipitation is very large. In order to improve the accuracy of radar QPE, we propose a dynamic radar QPE algorithm with a 6-min interval that uses the reflectivity data of Doppler radar Z9002 in the Shanghai Qingpu District and the precipitation data at automatic weather stations (AWSs) in East China. Considering the time dependence and abrupt changes of precipitation, the data during the previous 30-min period were selected as the training data. To reduce the complexity of radar QPE, we transformed the weather data into the wavelet domain by means of the stationary wavelet transform (SWT) in order to extract high and low-frequency reflectivity and precipitation information. Using the wavelet coefficients, we constructed a support vector machine (SVM) at all scales to estimate the wavelet coefficient of precipitation. Ultimately, via inverse wavelet transformation, we obtained the estimated rainfall. By comparing the results of the proposed method (SWT-SVM) with those of Z = 300 × R1.4, linear regression (LR), and SVM, we determined that the root mean square error (RMSE) of the SWT-SVM method was 0.54 mm per 6 min and the average Threat Score (TS) could exceed 40% with the exception of the downpour category, thus remaining at a high level. Generally speaking, the SWT-SVM method can effectively improve the accuracy of radar QPE and provide an auxiliary reference for actual meteorological operational forecasting.     

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.     

基于双线性内插值的CD雷达垂直剖面算法

该文针对贵州CD型号新一代多普勒天气雷达反射率因子,采用C#编程,经坐标转换后处理成三维网格数据,基于双线性内插值法,实现任意方向雷达反射率因子垂直剖面制作,结合贵阳雷达分析,结果表明双线性内插值法放大后的图像质量较高,解决了因垂直剖面图像较小不利于显示及放大的问题。     

雷达与雨量计联合估测降水的相关性分析

在对比分析质量控制前后雷达估测降水量与自动雨量计降水量之间相关性的基础上,采用雷达-雨量计联合校准方法,对14种不同密度雨量计校准雷达估测降水的效果进行分析。结果表明:在使用雷达资料和雨量计资料前有必要对资料的质量进行分析与控制。联合雨量计校准雷达能明显提高雷达对降水的估测能力;采用不同密度雨量计校准雷达,随着校准雨量计密度的加大,雷达估测降水的精度不断提高并趋于稳定。校准雷达的效果及所需雨量计密度与降水类型有关,当校准效果相同时,积云强降水过程需要的雨量计密度最大,积混对流性降水过程次之,层云稳定性降水过程需要的雨量计密度最小。不同方法的校准效果不同,卡尔曼滤波方法适合于对稳定性降水的校准,或在雨量计密度低的地区对雷达进行校准;变分校准法和最优插值法的校准效果相当,适合对积混对流性降水的校准,或在雨量计密度高的地区对雷达进行校准。     

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。     

多普勒雷达数据三维格点化的方法研究

天气雷达数据三维格点化是天气雷达组网拼图的基础,本文研究了几种把球坐标系下的分辨率不均匀的雷达反射率资料（dBZ）插值到统一的分辨率均匀的笛卡尔坐标系下的方法,并采用模拟的天气雷达回波数据对这几种方法进行了比较分析,主要对空间反射率强度值的连续性及是否保留了雷达资料中原始的反射率结构特征进行对比分析。      

CINRAD/SAD双偏振雷达非降水回波识别技术

双偏振雷达观测特征参量(如相关系数、差分反射率等)能有效抑制地物、超折射、电磁干扰、海浪和晴空等非降水回波。在上海南汇WSR-88D双偏振雷达非降水回波识别算法基础上,对我国升级布网且纳入业务运行的CINRAD/SAD双偏振雷达数据进行算法测试、算法模块适应性改进,利用江苏、广东的双偏振雷达观测冰雹、融化层、台风降水及各种杂波个例进行算法检验评估,并在组网拼图中展示质量控制效果。结果表明:总体上算法对非降水回波的识别准确率达到95.2%,降水回波的误判率为2.6%。但对夏秋季节夜晚的大面积晴空回波算法识别准确率低于90%,有待尝试利用深度学习方法改进。