强对流天气的雷达临近预报及检验方法

本文介绍用微机对强对流雷达回波的性质作客观判别,进而作出强对流天气的临近预报,以及用所收集的天气实况作检验的方法。     

两种基于雷达的临近预报算法在赣江流域的应用

将多尺度雷达回波跟踪(MTREC:Muti-scale Tracking radar echoes by correlation)算法和基于降水栅格数据的网格追踪临近预报外推(PBN:Pixel-Based Nowcasting)算法应用在赣江流域,对这两种临近预报算法在1~3 h预见期的临近预报降水数据进行评估,总结两种临近预报算法在赣江流域的预报性能和预报特点。结果表明:(1)随着预见期的增加,MTREC方法的预报性能变化较为平缓。PBN方法的预报性能明显变差。(2)MTREC方法预报降水偏弱,且对于低值降水预报较为准确,而PBN方法预报降水偏强,且预报高值降水较为准确。(3)MTREC方法预报的降水高值区的范围偏小而低值降水区范围偏大,PBN方法预报的高值降水区的范围偏大而低值降水区范围偏小。(4)随着预见期的增加,MTREC方法的降水概率预报变化较为平稳,而PBN方法预报高值降水(0.4 mm·h~(-1))的概率偏高,预报低值降水(0.4 mm·h~(-1))的概率偏低。     

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。     

雷达回波在暴雨临近预报中的应用

统计分析表明:雷达回波必须要达到一定的强度才能产生暴雨.北海天气雷达站从2006年起制作雷达责任区内的暴雨临近预报,在工作中发现,将回波强度作为预报指标结合线性外推法作暴雨临近预报可以提高预报的准确率.     

基于S波段新一代天气雷达观测的下击暴流临近预报方法

下击暴流是对流风暴最常发生的天气现象,预报其初始爆发是强对流风暴预报中最具挑战性的内容之一.提出一种综合使用雷达和探空观测资料的下击暴流临近预报算法.在对雷达基数据进行地物杂波抑制和径向速度退模糊以及对探空资料进行处理得到0℃、-20℃和最小相当位温高度的基础上,该算法首先进行风暴单体识别追踪和冰雹指数的计算;然后进行...     

雨区衰减和雷达取样误差对713型双线偏振雷达测量精度的影响

为了确定713型双线偏振雷达的探测精度,本文利用电磁波的矩阵传播法计算了考虑椭球形雨滴在不同空间取向下,雨区衰减对713型双线偏振雷达的可测量反射率因子Z_H、差反射率因子Z_(DR)的影响。并利用已有的统计理论讨论了该雷达的取样误差,为实际雷达改装工作提供了依据。     

改进后TREC外推方法在台风临近降雨预报中的应用

本文提出了一种改进后的COTREC方法(CLTREC)。在传统COTREC方法基础上,增加了相邻时刻回波强度连续约束检验和矢量全变分修正,从而使得反演的雷达回波移动矢量场更为连续。选取了3个登陆台风个例,对方法进行检验。结果表明,CLTREC方法比传统COTREC方法的外推移动矢量场更平滑,台风环流特征也更合理。基于CLTREC外推预报的降水形状、强度和位置都与观测更为接近,1 h的台风定量降雨预报与观测相关系数达0.7以上。总体而言,相比传统的COTREC方法,CLTREC方法改善了台风短时临近降雨预报精度。     

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。     

用天气雷达回波资料作临近预报的BP网络方法

讨论了利用ＢＰ模型进行临近预报的方法,并与傅立叶描绘子法作了比较,从而说明了人工神经网络方法用于临近预报是可行的。     

循环神经网络在雷达临近预报中的应用

该文将循环神经网络（recurrent neural network,RNN）应用于雷达临近预报。使用预测循环神经网络（predictive RNN）架构,利用雷达历史组合反射率因子建模,给出雷达组合反射率因子未来1 h的预报结果。预测循环神经网络的核心是在长短时记忆单元（long short-term memory,LSTM）中增加时空记忆模块,能够提取雷达回波不同尺度的空间特征,配合循环神经网络架构,可以有效解决反射率因子预测问题。北京大兴雷达和广州雷达长时间序列的独立检验结果和2个强对流天气个例检验结果表明:该方法和传统的基于交叉相关法的1 h雷达外推临近预报相比,在20 dBZ和30 dBZ检验项目内,临界成功指数（CSI）可以提升0.15~0.30,命中率（POD）提高0.15~0.25,虚警率（FAR）降低0.15~0.20,该方法对反射率因子强度变化有一定预报能力。     

A Quality Assurance Procedure and Evaluation of Rainfall Estimates for C-Band Polarimetric Radar

A mobile C-band dual polarimetric weather radar J type (PCDJ), which adopts simultaneous transmission and simultaneous reception (STSR) of horizontally and vertically polarized signals, was first developed in China in 2008. It was deployed in the radar observation plan in the South China Heavy Rainfall Experiment (SCHeREX) in the summer of 2008 and 2009, as well as in Tropical Western Pacific Ocean Observation Experiments and Research on the Predictability of High Impact Weather Events from 2008 to 2010 in China (TWPOR). Using the observation data collected in these experiments, the radar systematic error and its sources were analyzed in depth. Meanwhile an algorithm that can smooth differential propagation phase (Ф_DP) for estimating the high-resolution specific differential phase (K_DP) was developed. After attenuation correction of reflectivity in horizontal polarization (Z_H) and differential reflectivity (Z_DR) of PCDJ radar by means of K_DP, the data quality was improved significantly. Using quality-controlled radar data, quantitative rainfall estimation was performed, and the resutls were compared with rain-gauge measurements. A synthetic Z_H/K_DP-based method was analyzed. The results suggest that the synthetic method has the advantage over the traditional Z_H-based method when the rain rate is >5 mm h^-1. The more intensive the rain rates, the higher accuracy of the estimation.     

依据雷达回波自动选取对比云进行人工增雨效果检验的方法

针对对流云人工增雨作业效果的物理检验,提出了一种根据雷达回波参量自动选取对比云并进行效果分析的方法。以多普勒雷达的数据产品为基础,在作业时存在的所有对流单体中,通过比较它们与目标云的生成时间和空间位置,并应用相似离度法判别从其初始生成到作业时的回波参量及其变化特征的相似程度,自动找出对比云,最后给出在整个生命期内目标云的回波参量随时间的变化情况,以及目标云和对比云回波参量在同一时刻和同一发展时期的比较结果。依据该方法,研制了对流云人工增雨雷达效果分析软件。试验证明:该方法实用性较强,能够快速识别出对比云,在一定程度上消除人为判别的误差,提高对流云人工增雨作业效果分析的科学性。     

基于卷积门控循环单元神经网络的临近预报方法研究

基于天气雷达资料的外推预报是灾害天气0～2h临近预报基础,本文以业务应用为目标,应用广东省2015-2018年11部新一代多普勒雷达反射率拼图资料,研究了基于卷积门控循环单元神经网络ConvGRU的临近预报方法,采用多损失函数加权与分级加权的策略,基于ConvGRU框架建立三层自编码模型(Encoder-Decoder...     

雷达-雨量计联合估测降水初值场形成方法探讨

在雷达-雨量计联合估测区域降水量中,参加校准的雷达初值场代表性好坏在很大程度上影响了最终的估测精度和雨量分布.作者从参加校准的雷达初值场的基本要求出发,分析了先前几种预处理方法的优缺点,提出一种新的资料预处理方法--时间权重平均法,并用1996～1997年的雷达和地面雨量站实测资料进行了分析.结果表明:该方法充分考虑了雷达和雨量计观测的时间一致性,能够在一定程度上改善雷达估测降水的初值场,提高了估测区域降水量的精度.     

一种卫星和雷达资料结合的强降水临近预报方法

在短期和短时天气预报的基础上，通过对气象卫星红外数字资料的定量处理和统计分析，作出降水云系的实时降雨量估计，并根据降水云系生命史的演变和移动、传播等特征，结合天气系统分型和雷达回波资料，提出一种北京密云水库上游潮河，白河流域区域性０－３小时强降水临近预报方法。     

基于雷达跟踪外推及Google Maps的强对流天气临近预报

以银川新一代天气雷达资料为核心,利用交叉相关外推算法,在本地化质量控制的基础上,实现对宁夏中北部地区0～1 h强对流天气的跟踪外推预报.建立了基于网站和高分辨率Google Maps地理信息,综合显示雷达、卫星云图、闪电定位仪等多源气象资料及其导出、预报产品的宁夏临近预报业务系统.为预报人员根据不同的地形条件、人口及工...     

双偏振相控阵雷达误差评估与相态识别方法

选取2020年3—9月深圳求雨坛的X波段双偏振相控阵雷达探测数据, 与同位置的S波段双偏振雷达进行对比。通过一定限制条件定量分析引入误差的原因, 发现反射率因子ZH和差分反射率ZDR的标定误差和随机误差较大, 其中ZH误差变化范围为-0.5~4.5 dB, ZDR误差变化范围为-0.7~0.2 dB。在上述较大误差影响下, 传统模糊逻辑相态识别方法的水凝物相态识别结果不可靠, 因此根据不同相态的雷达参量特征范围以及融化层高度建立基本结构为二叉树的决策树相态识别方法。针对上述方法的实际应用效果, 分别从水凝物相态识别结果对误差的敏感性和空间分布的合理性进行评估, 结果表明: 决策树相态识别方法的水凝物相态识别结果稳定性高于模糊逻辑相态识别方法, 且在对流云中的水凝物相态分布更加合理, 能够发挥X波段双偏振相控阵雷达在研究云内水凝物相态演变的优势。     

X波段双偏振雷达水凝物粒子相态识别应用研究

对云中水凝物粒子分类识别是双偏振雷达的主要应用之一。本文利用IAP-714XDP-A X波段双偏振雷达观测数据,在对其进行质量控制的基础上,利用滑动自适应订正算法对雷达反射率及差分反射率进行衰减订正,进而采用纹理参数SD（Z_H）和SD（?_DP）区分气象回波与非气象回波,最后建立基于X波段双偏振雷达偏振参量（Z_H、Z_DR、K_DP、ρ_HV）、环境温度T和纹理参数（SD（Z_H）、SD（?_DP））的模糊逻辑水凝物粒子分类识别算法。本文通过对2016年8月7日一次低仰角的观测,检验了纹理参数SD（Z_H）和SD（?_DP）对气象回波和非气象回波的识别效果,结果表明:SD（Z_H）与SD（?_DP）两者结合可有效区分气象回波和非气象回波;用2015年8月7日北京一次较大范围的降雹个例,对建立的模糊逻辑水凝物粒子分类识别算法进行效果验证,识别降雹落点与地面观测降雹落点一致,表明各种水凝物粒子对应偏振参量取值范围合理;对2016年9月14日一次处于不同发展阶段的多单体对流云进行水凝物粒子分类识别,结果显示处于发展阶段对流云中存在过冷水柱,其形成的微物理过程是对流云中强烈的上升气流将暖层的水滴抬升到0℃层之上形成过冷云雨水,进而冻结形成雹胚并发展成为冰雹。     

基于标准差分析法的S波段双偏振雷达数据质量评估

文章针对S波段双偏振天气雷达设计了一种改良的标准差分析方法,用以评估雷达数据质量,通过评估2022年2月-10月成都雷达基数据的数据质量,得到了如下结果：（1）对于正常雷达数据,改良的标准差计算方法与原始方法能得到相同趋势的标准差分布结果,计算异常雷达数据的标准差时,能得到更优的标准差分布结果。（2）成都雷达Zh数据质量存在较大波动,标准差低于SDZh标准值的比例仅43.67%。（3）成都雷达Zdr和CC数据质量较好,标准差低于SDZdr和SDCC标准值的比例分别为84.09%和87.10%,φdp的数据波动较大,标准差低于SDφdp上限的比例仅34.54%。     

基于OPTICS聚类算法的雷达数据雷暴单体识别方法

雷达数据的雷暴单体识别算法是雷暴追踪算法的重要组成部分,传统的连续区域法只能通过改变回波强度阈值来调整雷暴单体识别结果,不能满足当前应用需求。本文提出了一种基于OPTICS(Ordering Points to Identify the Clustering Structure)算法的雷暴识别方法,该方法能基于高回波点的密度信息进行雷暴单体识别。利用高分辨率X波段天气雷达在两次雷暴过程中的体扫数据检验了算法的效果,并与传统方法进行了比较。结果表明:该方法能克服连续区域法在高分辨率雷达数据中可能出现的无法区分不同单体、识别结果过于零散等问题。并且能在不修改回波强度阈值的情况下灵活调整输出结果,以适应不同应用需求。