1960—2008年南方地区冰冻时空分布特征

利用地基多普勒天气雷达数据,提出机载雷达扫描的模拟仿真算法,并建立了仿真扫描的理论模型。该模型利用数据分层几何投影,处理速度较快、精度较高,可应用于扇形扫描和圆锥扫描。在理想情况下,设计了消除地物回波的算法及多普勒速度退模糊的算法。试验表明,仿真回波可应用于机载气象雷达实际观测前的扫描方式可行性研究,有助于分析机载雷达探测的云雨回波特性。     

基于小波域高斯尺度混合模型的天气雷达图像高分辨率插值

采用可精确刻画雷达回波强度数据统计特征的小波域高斯尺度混合（GSM）模型作为雷达图像先验模型,进行天气雷达图像插值,在提高图像分辨率的同时有效重建降水回波中局部强回波值、小尺度变化细节等一些重要空间分布统计特征。分析和总结雷达回波强度数据小波频率域统计特点,建立小波域GSM模型;匹配天气雷达图像小波系数和GSM模型,利用贝叶斯理论估计更小尺度的小波系数,进行小波逆变换,完成高分辨率天气雷达图像插值。试验表明,该算法能从低分辨率图像中估计出高分辨率高频系数,且所利用的先验模型充分考虑降水数据本身的特点,可有效捕获降水回波结构的非高斯特征和局部相关特性,重建雷达图像中的局部变化细节。      

新一代天气雷达均一性评估

为实现对全国天气雷达不同波段、不同型号、不同区域的回波差异进行检测和评估,确保雷达组网数据的均一性,利用经过严格数据质量控制后的单站雷达CAPPI格点数据,建立了可靠的相邻雷达回波强度均一性检测算法,并根据我国天气雷达回波差异实际状况制定了均一性评估标准,实现均一性算法的业务运行,使雷达观测同一区域回波反射率的实时均一性评估成为可能。从评估结果来看:①S波段雷达整体均一性强于C波段雷达,SA雷达均一性状况最好,CC、CD雷达均一性状况较差;②以SA型号雷达为主的华东、华南地区均一性较好;③雷达波段不一,型号繁多的偏远区域均一性较差。均一性评估系统对有回波但回波强度、回波位置不正确以及雷达数据时间错位的情况,能有效弥补其他质控算法的短板,及时发现雷达回波异常,缩短故障修复时间,提高雷达数据准确性。     

利用空间相关性进行天气雷达波束阻挡数据的识别和订正

波束阻挡影响了天气雷达数据的质量,使雷达的导出产品存在误差。根据雷达观测数据的空间相关性,提出了不依赖于高精度数字高程模型的波束阻挡识别和订正算法,可以方便地用于天气雷达反射率因子的阻挡订正。对于部分阻挡或小范围完全阻挡造成的回波数据不准确情况,先进行阻挡识别,再进行线性插值处理,实现对阻挡数据的订正。论文建立了阻挡识别算法和阻挡订正算法,并利用雷达数据进行了对比验证。结果表明:利用本文的算法,可以有效地对阻挡数据进行订正,提高了雷达数据质量。     

台站级CINRAD/SA雷达数据质量检测技术及应用

新一代天气雷达产品均由雷达基数据直接或通过算法等生成的,可能会出现数据质量问题,因此,利用雷达基数据和雷达主要状态信息,开展数据质量检测,能及时发现雷达回波强度异常值、无回波、奇异回波图等问题。本文对CINRAD/SA雷达运行的性能参数、监控信息、报警信息进行梳理,形成判据及阈值,并对江苏省SA雷达异常回波、基数据进行统计、分析,以解决由于雷达本身原因造成的回波异常,构建台站级雷达数据质量检测的方法,重点对雷达基数据进行数据质量检测,及时发现异常回波、无回波等数据质量问题,通过短信预警,指导台站进行维护维修,从而限制由于雷达自身原因造成的异常回波资料进入预报领域。     

人工智能在冰雹识别及临近预报中的初步应用

基于广东10部S波段多普勒天气雷达的三维拼图资料,利用机器学习技术开发了一种冰雹识别和临近预报的人工智能算法。算法设计时以雷达回波反射率的垂直和水平扫描数据为基础训练集,将冰雹云的雷达反射率扫描数据作为正样本,将其他雷达反射率扫描数据作为负样本,通过贝叶斯分类法对正、负样本数据集进行机器学习,训练人工智能识别冰雹云内在规律的能力。训练时以广东省2008-2013和2015-2016年的数据作为训练集,使用了2014年广东省12次冰雹过程的数据做检验。对比检验的结果表明,人工智能法比传统的概念模型法击中率高9个百分点。研究结果表明了人工智能对冰雹这类非线性强天气过程具有较强的识别能力。      

基于雷达回波强度面积谱识别降水云类型

基于谱分析原理提出了雷达回波强度面积谱的概念及算法,利用宁夏银川多普勒天气雷达回波资料,分析了不同性质降水云的雷达回波强度面积谱,并根据不同性质降水云雷达回波强度面积谱特征,提出了基于雷达回波强度面积谱识别降水云类型的方法,利用强回波面积（回波强度不小于40 dBZ的回波面积）占总回波面积百分比和基本降水回波面积（回波强度不小于20 dBZ的回波面积）占总回波面积百分比作为降水云类型判别的主要因子,提炼出基于雷达回波强度面积谱特征参数的层状云、积层混合云、对流云等不同类型降水云的判别指标,建立了基于雷达回波的降水云类型自动判识模型。利用该模型对2016-2017年6次强降水过程进行了降水云类型判别试验,模型准确判别出6次强降水过程中2次为对流云降水、4次为混合云降水,判别结果较好地反映了降水云类型,验证了判识方法的可行性。     

桂林雷暴大风临近预报研究

该文建立了桂林雷暴大风天气潜势CWP算法,结合雷达回波的外推技术给出雷暴大风临近预报方案.算法构建中使用了桂林市多普勒雷达可扫描范围1.5°仰角的回波参数和对应区域的雷暴大风实况资料,对样本的检验表明,CWP对于发生于桂林市的雷暴大风天气具有一定的预报能力.     

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%。     

天气雷达数据三维可视化技术及应用

本文结合天气雷达数据三维空间定位公式与任意基线雷达反射率因子垂直剖面算法,提出三维可视化Marching Cubes改进算法,在该算法基础上研发天气雷达数据三维显示系统,并使用此系统对雷达观测实例进行了三维分析应用。结果表明:相对于二维平面的分析显示,三维可视化技术可以提高气象工作者对天气雷达回波数据的直观理解,更有效地分析出整个回波的轮廓和云内部回波分布情况,对于把握强回波的演变状况很有意义。     

影响浙江地区降水估测几个因素的分析

如何从新一代天气雷达三维拼图数据中提取用于降水估测的回波强度是提高雷达降水估测的关键,为了分析利用三维拼图数据提取出的混合扫描回波强度的质量以及对降水估测的影响,文章利用浙江省雷达和全国自动站数据,通过研究回波强度与地面雨量的关系,分析了影响基于雷达三维拼图的降水估测精度的几个要素。通过累积整个过程雷达回波强度估测的雨量和自动站采集雨量得到浙江及周边地区的比率分布,找到了两者关系的异常区:区域性回波强度比较高的区域;区域性回波强度的低估区;区域性回波强度随地形变化的区域;区域性回波强度估测较为合理的区域;随纬度增加回波强度逐渐高估的区域。通过分析发现:0℃层亮带、残余的地物回波、异常的回波强度垂直廓线、自动站的数据质量等是造成回波强度与地面雨量关系异常的原因。最后,利用部分自动站对雷达估测的降水进行订正,结果表明:自动站订正能一定程度缓解上述区域高估或低估程度。     

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...     

超折射回波自动探测算法在临近预报中的应用

本文介绍了一种对雷达基资料进行处理的超折射回波自动探测算法,该算法针对超折射回波的特征,利用多普勒径向速度中值、反射率因子水平突变率和反射率因子垂直梯度,在雷达体扫描最底层PPI上逐库处理,以识别超折射回波.在北京奥运会天气预报示范项目测试期间,超折射回波自动探测算法在"葡萄-雨燕"临近预报系统中得到应用,结果表明:该算法能够剔除天津雷达探测到的大量的超折射回波,尤其是反射率因子水平突变率参数和反射率因子垂直梯度能够有效的分离出与降水回波混合在一起的超折射回波;进而,在定量降水产品中运用该算法的处理结果,可以明显的改善其精度.     

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．     

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。     

基于模糊逻辑的新一代天气雷达径向干扰回波识别算法

在雷达信号处理器异常、信号受到外部电磁干扰时,雷达会观测到沿径向分布的条幅状干扰回波,这类非气象回波须在雷达估测降水等定量应用之前消除。为适用体扫数据及正在业务推行的单径向流数据,利用2017年7—8月收集的雷达单站PPI数据,针对径向干扰回波,提出一种基于模糊逻辑的识别方法,该方法只提取径向上的特征参量,建立隶属函数和判定阈值,进行识别。通过对算法的评估和业务应用,结果表明:该算法对径向干扰回波和降水回波的识别和消除效果较好,与原业务算法相比,CSI评分提高0.232,能明显提高径向干扰回波的准确识别,略微降低对降水回波的误消除;算法在业务上能够稳定运行,对于定量化应用(降水估测等)具有正贡献。     

基于体扫模式的组合RHI自动实现算法

天气雷达的RHI扫描方式能够直观地提供云雨回波垂直结构的详细信息,因而该扫描方式在实际业务工作中,常常被用于人工影响天气的指挥作业。传统RHI方式需采用人工定位的手工操作方式,且只能获取指定方位空间的有限信息,这些都制约了新一代天气雷达全空域自动监测效能的有效发挥。在现有自动连续的体扫工作模式下,所开发的算法利用有限仰角层数据实现了自动组合"RHI"的功能,以增强基于现有新一代天气雷达业务扫描方式的业务产品功能。     

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。     

S波段WSR-88D双偏振雷达观测非降水回波识别方法研究

与新一代天气雷达相比,双偏振雷达能发射水平和垂直极化偏振波,具有更多的测量信息,利于区分降水和非降水回波,在雷达定量估测降水中发挥着重要作用。本文根据双偏振雷达的测量变量(水平反射率、差分反射率和相关系数)及降水与非降水回波的结构特征,发展了一套S波段双偏振雷达数据质量控制算法,重点研究晴空回波和生物回波的识别。利用上海南汇WSR-88D偏振雷达的观测数据做测试和评估,评估结果表明该算法对南汇偏振雷达非降水回波识别准确率达93%以上,且对降水回波的误判率仅为3.82%。     

不均匀性束内充塞效应对星载测雨雷达 反演算法的影响

星载雷达在地面的足印可达数公里,强降雨团的特征尺度也仅为几公里,加上波束内各部分对回波的贡献是非线性的,研究不均匀性束内充塞效应（Non Uniform Beam Filling,或简称NUBF）对星载测雨雷达反演雨强算法的影响就显得非常重要。利用TOGA/COARE期间Ku波段机载雷达实测资料提供的不同的降雨结构进行不均匀性束内充塞效应的研究。