阵风锋自动识别与预警

根据阵风锋的回波特征, 该文设计了阵风锋自动识别算法。在速度场中,考虑辐合线识别;在强度场中,考虑窄带回波识别;根据窄带与辐合线的空间一致性,综合二者识别出阵风锋。基于该算法,以锋线闪烁和物理量输出两种方式实现了预警功能。最后利用地面自动气象站资料和2009年6月3日河南商丘、郑州及2009年6月5日安徽阜阳3个雷达站探测的阵风锋98个体扫样本资料检验了识别效果,并采用临界成功指数进行评估。结果表明:双向梯度法能有效滤除大范围降水回波而保留窄带回波;该算法只需考虑较低仰角层,大大提高识别效率。在速度场中采用的算法能有效识别出径向辐合线,同时也适用于低空径向风切变和辐合线的识别;利用临界成功指数对98个体扫样本进行识别率评估,识别率达到68.4%。     

雷达强度数据中的阵风锋特征统计和自动识别

利用江苏南京2009-2012年天气雷达数据结合地面自动站风场资料分析江苏沿江地区阵风锋变化特征、阵风锋弧长与移速关系,及其在雷达反射率因子图像中呈现的总体、局部特征,详细分析了三种窄带回波回波带反射率因子分布特征。通过设计反映回波带平坦性的计算方法实现定量分析窄带回波分布异同功能。根据回波带径向波形特征判断径向波形的波宽、波峰个数、波峰阈值和波形双边梯度等特性,实现阵风锋径向波段识别。在对反射率因子图像预处理基础上,结合回波平坦性测试方法和阵风锋径向波形识别算法达到自动识别阵风锋回波的目的。识别效果表明:回波带平均值5 d BZ的独立阵风锋回波识别准确率达87%以上,回波带平均值10 d BZ的混合型阵风锋回波识别准确率达89%以上。对弱阵风锋识别成功率仍较低。     

阵风锋自动识别算法的试验研究

利用江苏省6部S波段全相参多普勒天气雷达测得的2007-2011年28个阵风锋观测实例,检验多普勒天气雷达的阵风锋自动识别算法的效果。该算法主要包括熵函数模板的反射率强度边界识别、风切变算法,并综合依据径向速度及谱宽进行阵风锋识别。在阵风锋的识别中,多普勒速度的径向切变有利于判别雷达波束垂直于阵风锋边界的辐合,旋转切变可更好地显示平行于波束的阵风锋边界。在参与检测的28个个例中,成功检测出的有13个;因雷达资料质量影响,7个个例检测出部分阵风锋;8个个例未检测到阵风锋。经过检验,该算法的识别效果较好,但仍存在一些不足,需要进一步完善雷达资料的质量控制,和对低层弱切变特征的提取研究。     

MIGFA阵风锋识别算法改进与检验

根据南京CINRAD/SA天气雷达探测的江苏沿江地区阵风锋回波特征,对MIGFA(Machine Intelligence Gust Front Algorithm)阵风锋识别算法进行改进:在考虑平滑算法使用和低仰角数据融合的基础上,根据阵风锋回波特征,改进了0.5°反射率阵风锋细线函数模板,设计了较高仰角(1.5°/2.4°)反射率阵风锋细线函数模板,引入1.5°和2.4°双层反射率阵风锋细线函数模板替代原空间差分反射率函数模板。考虑阵风锋特征与距离测站的关系,设计了动态权重函数组合多组得分值,从而有效识别阵风锋回波。在此基础上通过弧度判断和阵风锋回波平坦度测试的方式,进一步降低虚警率。最后利用2009年6月14日南京雷达阵风锋个例进行效果识别,并采用临界成功指数对南京雷达120个阵风锋样本进行效果评估。结果表明:改进的MIGFA法识别效果良好,将临界成功指数从0.39提高至0.60,引入降低虚警率的做法使得虚假警报率从0.34降至0.16。     

多普勒天气雷达在阵风锋监测中的应用

本文利用多普勒天气雷达(CINRAD/SA)及常规资料,对2004年5月22日发生在江苏东北部的一次阵风锋天气现象进行了详细分析。阐述了阵风锋的反射率因子和多普勒径向速度特征,如回波强度、宽度、成因及冷锋过境前后的速度场特征等。并且探讨了阵风锋在短时预报中的应用。     

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。     

南京地区初夏一次阵风锋过程的分析与识别

阵风锋过程一般伴随中尺度强对流系统发生, 在近地层形成很大的阵风及风切变, 容易造成风灾, 特别是对航空部门有很大的影响。本文对2006年6月29日发生在南京的一次由强中尺度对流系统引发的阵风锋过程进行分析, 通过多普勒天气雷达资料以及地面中尺度观测网观测到的实况, 可以清楚地看出这个阵风锋系统的结构。当阵风锋经过时, 地面测站观测到明显的风向变化、 风速增大、 气压增强、 温度下降, 而后出现强降水等特点, 这些都符合阵风锋的结构特征。利用地面测站实时观测到的气压、 相对湿度、 温度等计算得到折射指数, 它在阵风锋刚经过时迅速增大, 而后随阵风锋外移逐渐减小, 但是因为阵风锋后对流系统的影响, 折射指数还要维持很长时间的高值。从雷达观测的反射率强度上能看到阵风锋位置的回波强度、 高度都比两侧要大, 与后方强对流系统之间的距离有5～10 km。对雷达观测到的径向速度进行反演, 可看到上层的速度大于近地层速度, 并且强速度中心靠前, 在近地层形成向后的气流(回流)。阵风锋在多普勒速度场中表现出明显的线状组合切变, 利用阵风锋的这个特点设计自动识别算法, 能够有效地对阵风锋进行识别, 组合切变也能有效地对阵风锋的发展以及移动作预报。     

基于多普勒天气雷达体扫资料的MARC特征自动识别算法

下击暴流是对流风暴最常产生的天气现象,预报其初始爆发的时间是强对流风暴预报中最具挑战性的内容之一。而较为显著的中层径向辐合(Mid-Altitude Radial Convergence,MARC)特征是下击暴流的预警指标之一,预报时效为10~30 min。基于多普勒天气雷达体扫资料的三维MARC特征自动识别算法首先采用二维局地LLSD方法计算径向速度的径向散度切变,其次是基于径向散度切变数据,使用类似SCIT算法的SCRCZI算法进行风暴单体三维径向辐合区的自动识别,然后使用基于反射率因子数据识别的风暴位置对与强风暴无关的三维径向辐合区进行消空处理,最后被保留下来的三维径向辐合区就是被识别出来的三维MARC特征。该算法能较好地识别出与强风暴相关的三维MARC特征,包括表现为非典型"正-负速度区域对"的径向辐合区。使用武汉雷达观测的强风暴个例体扫资料,分析了一个产生下击暴流的强风暴反射率因子和径向速度回波演变特征,并对MARC识别算法进行了检验。结果表明:在最低仰角径向速度图上首次出现辐散特征之前的3个体扫和之后出现辐散特征的3个体扫里,该算法都识别出了强风暴较为显著的三维MARC特征,其平均高度为3.9 km,平均厚度为2.5 km,最强辐合高度位于3.0~4.6 km之间,平均最强辐合量为-58×10-4s-1,预报时效为18 min。     

基于深度卷积神经网络的阵风锋识别算法

阵风锋作为强对流的冷性出流特征,是重要的边界层辐合系统,对其自动监测识别一直是日常气象业务中的难点,该文基于深度卷积神经网络设计了阵风锋的自动识别算法。通过对输入和输出端的重新设计,在Faster RCNN算法和Inception V2网络模型的基础上实现了通过雷达回波数据对阵风锋窄带回波实现端到端自动识别。利用雷达数据绕雷达中心旋转不变性特点,增加了数据样本,降低了需提取特征的复杂度。利用2007—2011年南京雷达数据,对该模型进行了20万步的训练,总损失函数值收敛到0.003。对识别效果的分析表明,在训练样本中识别率100%,漏识率0%,准确率87%。通过对合肥雷达2009年6月5日阵风锋天气过程的32个体扫进行模型泛化能力评估,得到识别率91.7%,漏识率8.3%,正确率73.3%。     

基于模糊逻辑的地物回波识别方法及效果检验

提出一种基于模糊逻辑的新一代天气雷达地物回波识别方法。通过统计典型个例的回波特性得到隶属度函数及权重,并根据反射率因子范围的不同设置相应的隶属度函数及权重。该方法针对降水强度量级的回波,即反射率因子不小于15 dBz,对于非降水强度回波则不进行处理,从而保留对短临预报具有指示作用、且强度较弱的特征回波,如晴空湍流回波以及阵风锋回波。根据雷达回波垂直方向连续性对剔除地物回波所产生的“空洞”进行填补,从而进一步减小地物回波对雷达数据质量造成的影响。最后通过两种方法对识别算法进行效果检验,结果表明该算法对地物回波有显著的识别效果。      

Gust Front Statistical Characteristics and Automatic Identification Algorithm for CINRAD

Gust front is a kind of meso-and micro-scale weather phenomenon that often causes serious ground wind and wind shear. This paper presents an automatic gust front identification algorithm. Totally 879 radar volume-scan samples selected from 21 gust front weather processes that occurred in China between 2009 and 2012 are examined and analyzed. Gust front echo statistical features in reflectivity, velocity, and spectrum width fields are obtained. Based on these features, an algorithm is designed to recognize gust fronts and generate output products and quantitative indices. Then, 315 samples are used to verify the algorithm and 3 typical cases are analyzed. Major conclusions include： 1） for narrow band echoes intensity is between 5 and 30 dBZ, widths are between 2 and 10 km, maximum heights are less than 4 km （89.33%are lower than 3 km）, and the lengths are between 50 and 200 km. The narrow-band echo is higher than its surrounding echo. 2） Gust fronts present a convergence line or a wind shear in the velocity field;the frontal wind speed gradually decreases when the distance increases radially outward. Spectral widths of gust fronts are large, with 87.09% exceeding 4 m s-1 . 3） Using 315 gust front volume-scan samples to test the algorithm reveals that the algorithm is highly stable and has successfully recognized 277 samples. The algorithm also works for small-scale or weak gust fronts. 4） Radar data quality has certain impact on the algorithm.     

An Algorithm for Automated Identification of Gust Fronts from Doppler Radar Data

Gust fronts are weak narrow-band echoes of increased reflectivity at the background levels in the low-elevation fields of Doppler radar. An automated approach to gust front detection that relies on the image features of radar observations is presented in this paper. The algorithm is not sensitive to the variations in reflectivity values and gust front widths. The approach includes the following steps. First, a novel local binary with dual-template (LBDT) algorithm is designed as the fundamental algorithm to identify the potential areas of narrow-band echoes. Second, based on the disadvantages of the LBDT algorithm, several modifications are made, including splitting the intersecting lines, connecting the fragments, and filtering the edges and radial interference noise. Third, an optical flow method is used to determine whether a weak narrow-band echo is a gust front according to the prior knowledge that a gust front usually propagates in front of the associated generating storm. The results of experiments show that the proposed method can automatically identify gust fronts with a high probability of detection and a low false alarm rate. The automatic identification of gust fronts is potentially useful for accurate short-term weather forecasting, particularly in the forecasting of storm winds.     

河北省雷暴大风的雷达回波特征及预报关键点

应用河北省石家庄新乐CINRAD-SA雷达资料对2006—2008年河北省中南部地区262个站雷暴大风的雷达回波特征进行统计。分析发现, 雷暴大风的主要雷达回波特征有弓形回波、阵风锋和径向速度大值区,出现其中一个或多个特征均可发布雷暴大风预警。根据以上雷达回波特征能够对66%的雷暴大风发布预警,34%的雷暴大风仅仅依据雷达资料无法预警,其中孤立块状回波占39%,带状回波占61%。弓形回波仅占雷暴大风的19.8%,能够观测到的阵风锋回波仅占16.8%,65.3%的雷暴大风观测到径向速度大值区,径向速度大值区是雷暴大风最重要的雷达回波特征。径向速度大值区的形成一般早于弓形回波和阵风锋回波,依据径向速度大值区可更早发布雷暴大风预警。     

阵风锋、海风锋和冷锋等触发局地强对流风暴实例分析

利用CINRAD/SA雷达探测资料,结合地面实况和探空资料,对7次典型中尺度辐合线触发强对流风暴的特征进行了分析。结果表明：阵风锋、海风锋和冷锋等边界层辐合线在一定条件下雷达低层反射率因子产品上表现为清晰的窄带回波,某些辐合线在反射率因子产品上不能得到任何有用信息,但在低层径向速度上可识别出线性径向速度辐合;识别出窄带回波或清晰的径向辐合线约1 h后,是雷暴首次触发的主要时间段;对于干型强对流风暴产生的阵风锋,其右侧往往是雷暴触发的主要区域,导致风暴右向传播;湿型强对流风暴产生的阵风锋,激发雷暴的方向与雷暴平均移动方向基本相反,导致风暴呈后向传播特征;海风锋向内陆推进速度快的区域是雷暴触发的主要区域,后继雷暴具有两侧传播特征;单纯的线性低层径向速度辐合在合适的环境条件下触发强对流,主要特征是对流风暴移动缓慢,可造成局地灾害性强降雨天气。     

北京及周边地区雷暴阵风锋特征统计分析

为全面和系统研究北京及周边地区阵风锋各方面特征,使用2006—2015年暖季(5—9月)北京多普勒雷达探测资料及北京、河北、天津自动气象站观测资料对北京及周边地区的阵风锋过程进行综合统计分析。结果表明,346次阵风锋过程有232次触发了对流,占总数的67%,表明阵风锋对雷暴具有较强的抬升触发能力。阵风锋在6—8月出现的日数占5—9月阵风锋总日数的85%;出现的时段主要是午后至傍晚(12—21时,北京时),维持时间0.5—3 h;阵风锋在北京东南方向生成的数量最多,且触发对流的次数也最多;其次为偏东和东北方向;偏南和西南方向生成阵风锋数量居中,而偏北、偏西和西北地区阵风锋个例相对较少,触发对流的比例也相对较低。产生阵风锋的母风暴中48%为孤立雷暴(包括孤立多单体和超级单体风暴),31%为雷暴群,21%为飑线;97%的母风暴最强回波在50 dBz以上,阵风锋的回波强度为10—25 dBz。91%的阵风锋移动速度集中在10—60 km/h,84%的阵风锋与母风暴的最大距离为1—60 km;在母风暴回波强度减弱到30 dBz以下时,80%的阵风锋能够继续维持的时间不超过2 h。阵风锋母风暴向东...     

阵风锋的雷达探测和研究

本文应用北京地区和美国Oklahoma地区天气雷达观测资料比较了两类阵风锋。快速运动的阵风锋常与猛烈发展的强风暴相伴随，它的出现，风暴将持续猛烈地发展。运动缓慢近于静止的阵风锋则常出现在风暴的减弱阶段，它的出现加速了风暴的消亡。阵风锋的形成与风暴中的下沉气流有关，两类不同的阵风锋反映了下沉气流与环境的不同作用。文中还对阵风锋形成雷达回波的原因进行了探索，认为阵风锋锋区的湍流对电磁波的散射是形成雷达回波的可能机制。应用多普勒天气雷达和高塔的探测资料，对阵风锋回波的强度进行了理论估算，估算值与雷达实测值比较一致。     

Structure of Thunderstorm Gust Fronts with Topographic Effects

Surface meteorological observations, associated with gust fronts produced by thunderstorm outflows over Tehran, an area surrounded by mountains, have been analyzed. Distinctive features are sudden drop in air temperature, up to 10℃, sharp increase in wind speed, up to 30 m s-1, with wind shift, to northwesterly, ressure jump, up to 4 hPa, humidity increase, up to 40%, and rain after some 20 min. Gust fronts which often occur in spring time, have a typical thickness of about 1.5 km and produce vertical wind shear of the order of 10-2s-1. Although these features seem to be common for most of the events, their intensities differ from one event to another, indicating that the gust fronts may occur in different sizes and shapes. Apart from a dominant effect on the formation of the original thunderstorms, topography appears to break up the frontal structure of the gust fronts. The internal Rossby radius of deformation for these flows is small enough (～ 100 km) for rotational effects to be minor.A laboratory model of the gust front (gravity current) also shows that it initially has a distinctive head with a turbulent wake, and can be broken up by topography. It is shown that when the environment is stratified, turbulence due to lobes and clefts instabilities near the nose of the current is suppressed. When the ground is rough, these instabilities are highly amplified and the internal Froude number of the flow is reduced. The bottom slope in the presence of rough topography leads to the break up of the current head and produces a broad and highly non-uniform head, recognized in the density signals.     

北京地区雷暴大风不同生命期内的雷达统计特征及预警提前量分析

选取2010—2014年发生在北京地区的19个致灾的雷暴大风天气过程,应用北京新一代多普勒天气雷达体扫资料的反射率因子和径向速度产品,分析了雷暴大风天气不同生命期内的雷达回波特征。分析发现依据径向速度大值区能对77.8%的带状回波造成的雷暴大风天气提前发布预警,能对100%的弓形回波造成的雷暴大风天气提前发布预警,而其中有67%可提前30min发布预警;孤立的块状回波前侧均未观测到阵风锋回波,径向速度图未观测到入流急流,径向速度大值区不明显。但径向速度图上观测到的中层径向辐合、入流急流、中气旋及反射率图上观测到的阵风锋都为雷暴大风的提前预警提供了重要指示特征。