基于雷达回波拼图资料的风暴单体和中尺度对流系统识别、跟踪及预报技术

以中国气象科学研究院灾害天气国家重点实验室的区域雷达组网三维数字产品作为数据输入,在雷达基数据的SCIT(The Strom Cell Identification and Tracking)算法基础上,完成了三维格点风暴单体识别、追踪和预报,用Davis发展的客观诊断评估方法识别雷达拼图资料中的中尺度对流系统,实现了雷达数据的中尺度对流系统识别、跟踪和预报,并利用这两种方法对多个强天气过程进行风暴和中尺度对流系统识别、跟踪及预报.在单雷达区域内用原SCIT和修改后的SCIT算法做了风暴单体定量识别检验.结果表明,(1)修改后的SCIT算法能够实现三维风暴的自动识别、跟踪和预报,在单雷达区域内与原算法识别风暴数量大体相当,中尺度对流系统识别方法能够实现中尺度对流系统的自动识别,并完成跟踪和预报;(2)SCIT算法预报误差较小,中尺度对流系统算法预报误差相对较大,它们的预报误差随时间延长而增大.     

“雨燕”中风暴算法在北京奥运天气预报示范项目中的应用及改进

介绍了临近预报系统“雨燕”中的风暴系列算法, 包括风暴识别、 风暴追踪、 基于TREC技术的风暴位置预报, 以及预报位置实时评分算法等。利用2008年北京奥运期间出现的多个强对流天气, 统计出该风暴产品在30 min和60 min预报时效的绝对距离误差分别约为13 km和23 km。分析了北京奥运天气预报示范项目期间该风暴产品误差较大的原因, 主要集中于TREC技术本身及其适用范围, 以及风暴预报方案中处理细节的不足, 具体为TREC技术不适用于孤立的回波单体, 雷达探测边界对TREC技术的影响, TREC矢量有时呈现出一定的空间不连续性, 以及对孤立少动单体的不当处理等。针对上述原因, 提出了一系列的改进方案, 包括对用于风暴位置预报的TREC矢量增加一致性检验, 利用风暴的历史轨迹校正不恰当的TREC矢量; 对TREC技术中象素阵列大小进行统计分析, 选择最适合北京地区的阵列大小; 风暴预报位置超出回波范围时新的处理技巧等。利用北京奥运期间的强对流资料, 对改进后的风暴算法进行评估。结果表明, 一方面, 改进后的算法能较好地控制风暴预报位置的绝对误差, 在30 min和60 min预报时效, 绝对误差分别减小了25%和26%。另一方面, 由于预报位置精度的提高, 能够提升相邻时刻风暴匹配的效率, 使得与以前算法相比有更多的风暴样本参与了各个预报时效的评分。     

风暴单体识别与跟踪(SCIT)算法评估

利用兴义新一代多普勒天气雷达复合体扫资料及WSR-88D提供的风暴单体识别与跟踪(SCIT)算法对2007-2008年发生在贵州省黔西南地区的40次天气过程个例进行验证、分析,分别从单体识别、单体跟踪评估、单体位置预报、单体算法评估效果与季节关系分析、单体算法评估效果与距离关系分析、冰雹暴雨评估对比分析6个方面进行评估、分析。在充分考虑了当地地理环境、气候背景的前提下对算法评估不太理想的情况进行了误差分析,并进行了算法补偿,提出了解决的办法,一是降低识别阈值,将SCIT的7个反射率阈值降低一个等级,二是提取反射率因子垂直梯度,用上述两个改进方法对2007-2008年的40次天气过程重新进行评估,并与算法改进前的评估效果进行对比检验,结果表明,算法改进后评估效果有所提高。     

CINRAD/SA雷达两种识别跟踪产品的评估分析

以中国气象局气象探测中心提供的2007--2008年灾害性天气个例档案为基础,对CINRAD／SA雷达风暴识别跟踪和中气旋产品做了定量评估,同时就评估结果与美国同类产品做了对比。结果表明,风暴识别与跟踪产品基本能满足临近预报的需要,但存在漏识别和错误跟踪现象,且30min以后单体位置预报误差较大。中气旋产品评估结果与美国产品差异不大,基本能自动识别风暴涡旋,但存在漏报,且虚警率较高。     

临近预报系统(SWIFT)中风暴产品的设计及应用

介绍了临近预报系统"SWIFT"(Severe Weather Integrated Forecasting Tools)中的风暴产品的设计,包括风暴识别、风暴追踪和风暴预报。在识别风暴时,采用了多反射率因子阈值、特征核抽取和相近单体处理技术,并保留远距离上的强的2D风暴,该方法在面对成串或成簇多单体时,能够分离多个单体核,并准确定位。在风暴追踪和预报算法中,对当前时刻识别出来的风暴,利用匹配方案,将其与前1时刻的风暴建立对应关系,追寻历史轨迹,匹配方案是在空间位置相关的前提下,按照相似原则进行;风暴预报采用TREC(Tracking Radar Echoes by Correlation)技术获取的移动矢量场进行外推,提供未来1小时内的风暴移动位置。在北京奥运会天气预报示范项目(Forecast Demonstration Project,简称FDP)第二次测试期间,该风暴产品得到应用。分析表明:在预报时效为30分钟时,风暴产品在X轴和Y轴上的平均绝对误差为7.1和6.2 km,样本数为3891个;随着预报时效的增加,风暴产品的平均绝对误差增大,且在经向上的误差略大于纬向上;在径向上,风暴产品的预报出现了系统性的偏慢,而在纬向上,预报出现了系统性的偏快。     

基于数学形态学的三维风暴体自动识别方法研究

基于雷达数据的风暴体识别、追踪及预警方法是重要的临近预报技术之一,其中准确的风暴体自动识别是进行风暴体自动追踪和预警的前提。在风暴体识别中常会碰到的两个问题是:虚假合并和从风暴簇中分离出相距较近的风暴单体。美国国家大气科学研究中心提出的TITAN(Thunderstorm Identification,Tracking,Analysis,and Nowcasting)算法使用单阈值进行识别,容易将相邻的多单体回波识别为一个风暴体。美国国家强风暴实验室提出的SCIT(Storm Cell Identification and Tracking)算法使用7个反射率因子阈值进行识别,可以较好地分离出风暴簇中的风暴单体,但它直接抛弃了低阈值的识别结果,导致风暴体内部结构信息的丢失。SCIT的这种识别策略可能会使处于初生阶段、强度较低的风暴体被错误地抛弃掉。TITAN和SCIT都无法完全识别出相邻风暴的虚假合并。为了解决这两个问题,文章提出了基于数学形态学的识别方法。该方法首先使用第1级阈值进行单阈值识别;其次,对识别得到的风暴体执行基于动态卷积模板的腐蚀操作,以消除虚假合并;然后,使用高一级阈值进行识别,并对识别得到的风暴体进行膨胀操作,当风暴体的边界在膨胀的过程中相互之间接触,或接触到了原来较低阈值识别的风暴体的边界时,则停止膨胀过程;最后,逐次使用更高级别的阈值进行识别,并在每一级阈值的识别过程中执行腐蚀和膨胀操作。试验结果表明,通过在多阈值识别的过程中综合使用膨胀和腐蚀操作,基于数学形态学的三维风暴体识别方法不仅能够成功地识别出风暴体的虚假合并,同时还能在从风暴簇中分离出相距较近的风暴单体时,尽可能多地保留风暴单体的内部结构信息。     

基于新一代天气雷达产品闽西南强对流天气临近预报方法研究

利用2003—2008年福建龙岩新一代天气雷达资料和常规探空资料,对闽西南历史冰雹及闽西雷雨大风天气发生的环境条件进行统计分析,建立历史冰雹和雷雨大风天气过程对应的新一代天气雷达产品判别指标。利用判别方程、新一代天气雷达产品和探空资料联合开展强对流天气临近预报预警方法研究：首先利用Fisher判别分析方法建立冰雹天气的判别方程,主要用于冰雹天气的判断,再利用雷雨大风的判别指标对雷雨大风和强雷暴天气进行第二次判别。通过历史过程的回报和2009年的试报表明：该系统对闽西南冰雹天气预报准确率较高,雷雨大风准确率次之。同时,利用风暴单体识别与跟踪的预测方法对冰雹预报结果和实况进行统计,表明风暴单体识别和跟踪算法（SCIT）预报准确率较高,可以用于风暴未来移速移向的预报。     

改进的SCIT算法在人工防雹作业中的应用分析

基于新一代天气雷达三维组网产品,利用改进后的对流风暴跟踪(SCIT)算法,对2013年3月22日发生在江西省北部地区的一次降雹天气过程进行冰雹回波识别和跟踪分析。选用能反映冰雹云特征的6个基于雷达反射率三维拼图的人工防雹作业指标,借助经验阈值形成人工防雹作业条件的模糊逻辑判断方法。以地面降雹实况记录为检验标准,对改进后的SCIT算法的识别结果进行检验。结果表明,改进后的SCIT算法共识别出可实施人工作业的冰雹云对流单体4个,不仅多于观测到的地面降雹站点数(3个),也多于未改进的SCIT算法识别出的冰雹云回波单体数,且识别出的位置与实况完全一致,表明应用改进后的SCIT算法有助于增强人工防雹作业的准确率。     

一次左移反气旋超级单体的观测分析

2006年8月10日在甘肃河西走廊山丹县境内发生了一次左移（反气旋）超级单体灾害性天气,在其2 h生命史期间,山丹县境内降了最大直径2 cm的冰雹。从其发生、发展的天气尺度环境条件、多普勒天气雷达反射率因子、径向速度以及风矢端图、相对风暴螺旋度等角度,揭示了左移超级单体的特征,并利用ID方法对这次左移超级单体的移动路径进行了预报。结果表明：风矢端图上,在1.2~4.5 km高度层,左移超级单体的垂直风切变矢量呈反时针旋转;左移超级单体在发展阶段,0~3 km内相对风暴螺旋度为负值;通过比较,ID方法预报的超级单体位置比现行PUP产品中的SCIT算法绝对误差要小。     

基于雷达回波拼图资料的风暴识别、跟踪及临近预报技术

以中国气象科学研究院灾害天气国家重点实验室的区域雷达组网三维数字产品为基础,采用区域增长法实现二维风暴的识别,进而在垂直方向上进行关联以实现三维风暴的识别,并提取三维风暴的特征参数对相邻时刻的风暴进行跟踪,在此基础上对风暴未来时刻的位置及大小进行预报。个例分析结果表明:(1)用区域增长法及垂直方向的投影关联法能够实现三维风暴的自动识别,从风暴特征参数随时间的变化可以看出,体积的变化是风暴不同发展阶段的主要特征,而风暴的平均反射率因子及最大反射率因子随时间的变化特征不明显;(2)采用最优法对相邻时刻的风暴进行匹配,并考虑了合并与分裂的情况,与观测资料的对比可以看出,跟踪还是比较合理,在风暴发生合并或分裂的情况下也能够正确跟踪。对风暴历史时刻的位置通过最小二乘拟合法得到的风暴移向、移速随时间的变化曲线比较光滑,没有出现跳变的现象。(3)风暴位置的预报要好于风暴大小及VIL的预报,其主要原因是由于风暴在不断地发展变化,其合并、分裂也是经常发生的,对于未来发展趋势的预报,仅根据风暴历史时刻的发展趋势还是很难预报的。总体来说,预报误差随预报时效的增大而增加。     

概率密度匹配方法在我国近海海面10m风速预报中的应用

海面风速对航运及海上生产作业影响重大,但数值模式对于海面的风速预报仍存在较大误差.为降低数值模式海面10 m风速预报的系统性误差,提高海上大风预报准确率,基于2017-2019年中国气象局地面气象观测资料对ECMWF确定性模式的10 m风场预报结果进行检验评估,并采用概率密度匹配方法对模式误差进行订正.分析结果表明,概...     

GRAPES_GFS在东亚地区中期预报技巧极端下降现象的初步研究

利用2016年4月1日-2018年12月31日GRAPES_GFS模式的业务预报数据,将GRAPES_GFS模式在东亚地区144小时预报500 hPa高度场的距平相关系数小于0.4,均方根误差大于60 gpm的事件定义为模式在东亚地区的中期预报技巧极端下降事件,据此标准筛选出29个个例进行了研究.结果表明,GRAPES...     

概率变换法在南平地区暴雨预报中的应用

本文在大－暴雨ｍｏｓ预报中应用概率变换法进行对比分析,结果表明：概率变换法能提高预报因子与预报对象之间的线相关性,扩大了预报因子的选取范围,改善了方程中的因子组成结构,使方程的历史拟合率和预报准确率有明显的提高。     

Currents along the pacific coast of Canada

Abstract

A powerful storm passed over the coastal waters of eastern Canada on the 21 and 22 January 2000 causing significant damage to coastal infrastructure. The storm generated a large (>1.4 m) storm surge in the southern Gulf of St. Lawrence that unfortunately coincided with a high spring tide. This resulted in record high water levels in the southern Gulf of St. Lawrence (e.g., the highest level at Charlottetown since records began in 1911) and severe flooding around Prince Edward Island and along the eastern shore of New Brunswick.

During January 2000, a recently developed storm surge forecast system was running in pre‐operational mode at Dalhousie University. The core of the forecast system is a depth‐averaged, non‐linear, barotropic ocean model driven by forecast winds and air pressures produced by the Canadian Meteorological Centre's regional atmospheric forecast model. In this study we assess the forecast skill of the surge model for the 21 January storm by comparing its 24‐hour forecasts with two independent hourly dataseis: (i) sea levels recorded by 12 tide gauges located in eastern Canada and the north‐eastern United States, and (ii) depth‐mean currents recorded by an acoustic Doppler current profiler deployed on the outer Scotian Shelf. Overall, the forecasts of coastal sea level and depth‐mean currents are reasonable and have forecast errors below about 0.1 m and 0.1 m s^?1 respectively.     

计算几何法在风暴识别中的应用

风暴的合并与分裂对其发展有着重要的影响,是风暴识别与追踪工作中的难点问题。为了避免由资料处理过程引起的虚假合并,以及通过识别风暴的合并与分裂临界区域,对判断风暴的发展趋势提供有效的追踪参数,基于SCIT(Storm Cell Identification and Tracking Algorithm)风暴识别的基础,利用计算几何的凸壳与DT(Delaunay Triangle)算法,结合风暴内部的结构信息,识别出了风暴带以及风暴带合并与分裂的临界区域。并且给出了实现的个例以及算法的评价结果,为风暴合并与分裂的追踪工作提供了一个新的参数。     

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.     

A New Prediction Model for Tropical Storm Frequency over the Western North Pacific Using Observed Winter-Spring Precipitation and Geopotential Height at 500 hPa

A new seasonal prediction model for annual tropical storm numbers(ATSNs)over the western North Pacific was developed using the preceding January-February(JF)and April-May(AM)grid-point data at a resolution of 2.5°×2.5°.The JF and AM mean precipitation and the AM mean 500-hPa geopotential height in the Northern Hemisphere,together with the JF mean 500-hPa geopotential height in the Southern Hemisphere,were employed to compose the ATSN forecast model via the stepwise multiple linear regression technique.All JF and AM mean data were confined to the Eastern Hemisphere.We established two empirical prediction models for ATSN using the ERA40 reanalysis and NCEP reanalysis datasets,respectively,together with the observed precipitation.The performance of the models was verified by cross-validation.Anomaly correlation coefficients(ACC)at 0.78 and 0.74 were obtained via comparison of the retrospective predictions of the two models and the observed ATSNs from 1979 to 2002.The multi-year mean absolute prediction errors were 3.0 and 3.2 for the two models respectively,or roughly 10% of the average ATSN.In practice,the final prediction was made by averaging the ATSN predictions of the two models.This resulted in a higher score,with ACC being further increased to 0.88,and the mean absolute error reduced to 1.92,or 6.13% of the average ATSN.