基于多对流参数的武汉地区雷电活动预报方法研究

利用2011—2013年6—8月291个样本武汉站的探空资料计算了20种与雷电活动有关的对流参数,经统计分析后发现多个对流参数与雷电活动具有显著的相关性;选取与雷电相关性较好的对流参数作为预报因子,并用多元线性回归方法建立雷电潜势预报方程,方程通过了α=0.05的显著性水平检验;使用2014年6—8月的观测数据进行预报效果检验,结果表明:雷电预报的命中率POD为82.6%,虚假报警率FAR为23.3%,临界成功指数CSI为63.3%。由此可见,该方法的建立对武汉市雷电天气的预报和预警具有参考价值和指示意义。     

雷电监测预警预报技术简述

从监测、预警和预报3个方面介绍了雷电研究的技术方法,目前国内外最新面向业务应用的研究表明:不同技术共存的多源化观测设备,有效地提高了雷电探测效率;以天气形势分型为主的雷电潜势预报,其预报结果具有很大的不确定性,且其预报精细化程度不够,引入适合本地的物理量参数实现对其结果校准,可以有效地提高雷电潜势预报的准确率;随着数值模式预报向全球化、精细化的发展,基于数值模式的雷电潜势预报是未来的一个重点发展方向;建立在多种高观测频次资料融合和有效外推基础上的临近预报,可提高雷电活动预警预报的准确性,大幅提高雷电预警的提前时间。     

雷电临近预警方法和系统研发

为满足高速发展的现代社会对雷电预警预报气象服务日益增加的需求,中国气象科学研究院研发了雷电临近预警系统(CAMS_LNWS).CAMS_LNWS采用了多资料、多参数和多算法集成的雷电临近预警方法,能够综合利用雷达、卫星、闪电监测系统、地面电场仪和探空仪等的观测资料,参考天气形势预报产品和雷暴云起电、放电模式运行的结果,结合区域识别、跟踪和外推算法与决策树算法,自动生成雷电活动潜势预报结果和雷电临近预警结果,并提供多种形式的雷电临近预警产品,以满足不同的应用需求.该系统人机界面友好,参数接口丰富,简单易用,有利于在各地区的推广应用.同时该系统采用了模块化的结构设计,具有灵活的扩充性,便于今后对预警方法的不断升级和改进.     

基于逻辑回归模型的雷电潜势预报方法

利用闪电定位资料、广州地面观测资料和清远探空观测资料,分析了广州的雷电日分布特点,提取了相关的环境场物理量,应用逻辑回归模型技术,针对广州地区3～6月的雷电活动,研发了适用于该地区日间和夜间雷电活动的预报方程,为雷电潜势预报提供了一种比较客观的预报方法.检验结果表明,该方法的预测成功率超过76％,日间段预报效果总体优于...     

低纬高原大气不稳定参数与雷电活动相关性

应用云南省2014—2017年闪电资料和探空资料,分析了低纬高原地区大气不稳定参数与雷电活动的相关性,从9个参数中选取了相关性较强的5个参数,运用数理统计方法确定各参数可预测雷电发生的阈值,再运用复相关系数法计算各参数权重,建立雷电潜势预报方程。最后通过预报检验法及个例分析法对方程进行验证,结果显示低纬高原地区大气不稳定参数对雷电活动较为敏感,响应阈值普遍低于平原区域。该预报方程对未来12h雷电活动的发生预报效果显著,具有良好的推广运用价值。     

宁波雷电时空分布特征及潜势预报方法探讨

利用闪电定位仪资料分析了2010-2016年宁波市雷电的时空分布特征,根据雷电强度将6-9月雷电分为一般雷电和强雷电两组,结合NCEP再分析资料计算对流参数,运用GA-BP神经网络和费歇判别模型对雷电潜势预报进行分类方法探讨。结果表明:宁波年平均地闪次数为43223次,其中负地闪占比达95.2%;地闪的月际变化和日变化均呈单峰型,6-9月和14-19时分别为地闪次数最多的月份和时段;宁波雷电活动表现出一定的地域性,主城区以及海拔较高的奉化和宁海的西部山区是总地闪密度较大的区域。选择CAPE等4个对流参数参与建模,评估结果显示GA-BP预报准确率为71.60%,临界成功指数为56.60%,空报率和漏报率都在27%左右,模型表现出一定的预报技巧,并且该模型预报效果优于费歇判别模型。     

T213/T639数值产品在河南省 雷电潜势预报中的释用

利用河南省地面观测站1960-2005年的雷暴观测资料分析了全省雷暴活动的时空分布特征.根据雷暴活动特征和雷暴天气产生的环境场条件,基于T213/T639数值模式输出产品计算了多个大气动力、热力参数,经诊断分析及相关性分析后选取与地闪关系较好的对流稳定度指数、850 hPa假相当位温、400～850 hPa垂直风切变等5个参数作为预报因子,采用ADTD地闪定位资料和T213/T639数值模式输出产品,分别建立雷电潜势预报模型.雷电潜势预报方法于2008-2009年在河南省汛期业务中应用评估表明,基于T213/T639数值产品的雷电潜势预报技术方法可以为河南省雷电天气的落区预报提供客观定量的参考和依据,且两者都对低槽切变型预报效果最好.     

基于WRF模式的雷电潜势预报

用WRF模式对发生在南京市区的两次雷电过程进行了模拟,提取两次模拟过程在南京范围内的格点数据,分别做雷电潜势预报模型建模和检验两组样品。利用江苏省地闪定位资料作参考,选出49个对雷电单体形成有重要影响并且在两组样品中的平均值比较接近的强对流参数进行建模。利用建模样本对预报因子与变量进行多分类Logistic逐步回归统计分析,确定4个对流参数建立Logistic雷电预报模型,最终利用检验样品对预报模型的预报效果进行了检验。结果表明:WRF模式模拟出的强回波区域的形状和面积与实况的相似度较高,但与实况相比,整体向东北方向偏移。考虑此偏差后,建立的雷电预报模型的准确率达到67.32%,技巧评分达到0.466,具有较好的预报效果。WRF模式高时空分辨率的特点,使得其对雷电发生前的气象要素资料的获取更加精确,因此增加模式模拟的精确度,可进一步地提高利用WRF模式进行雷电预警的效果。     

地基微波辐射计观测资料在一次雷电潜势预报中的应用分析

在利用对流参数建立湖北省雷电潜势预报的基础上,重点研究地基微波辐射计资料在改进雷电潜势预报中的应用价值,继而修正对流参数及其阈值区间,由此建立一种可通过后续参数订正实现的雷电短期潜势预报方法。首先对2013年4月29日一次西南涡东移造成的雷电过程中地基微波辐射计资料的可靠性进行了分析,继而通过比较基于单一数值模式和微波辐射计资料计算的不稳定参数与雷电活动的相关性后发现,85%以上的雷电样本活跃在K指数≥33 ℃、T_850-500≥23 ℃、A指数≥10 ℃和ΔT_d850≤3 ℃等指数范围内,而微波辐射计资料计算的6个不稳定指数显示,与雷电密集区对应的指数中,和雷电相关性较高的K指数、T_850-500、A指数分别为35 ℃、25 ℃和12 ℃,使用两种阈值分别对雷电潜势预报方程中的预报因子进行0,1化。个例检验效果表明地基微波辐射计在改进雷电潜势预报落区和概率方面有一定参考作用。      

基于Logistic回归蚌埠地区致灾雷电预报研究

利用2007—2013年安徽省闪电定位资料和蚌埠地区雷电灾害资料,选取安徽省蚌埠地区36个致灾雷电样本作为建模样本,采用全球预报系统GFS(Global Forecasting System)模式的强对流参数作为预报因子,利用Logistic回归法建立了蚌埠地区4种类型致灾雷电的预报模型。结果表明:CAPE、LFTX和PW共3个参数可作为蚌埠地区致灾雷电预报的指标;建立的4种类型致灾雷电模型的预报效果较好,其中08—14时雷电预报模型的总体预报准确率最高,可达83.00%。当雷电预报模型输出概率偏高且超过0.7时,4种致灾雷电预报模型的预报技巧评分最高,且预报准确率最高,失误率和虚警率较低,预报效果较好。夏季致灾雷电预报模型的整体预报效果较好,平均预报准确率达82.20%,特别是在雷电发生的密集地区,预报出了雷电的高概率分布。     

四川省雷电监测预警预报系统及其应用研究

四川省防雷中心利用闪电资料建立了雷电监测业务系统;采用决策树法, 结合T213模式资料和地面探空资料建立了雷电预报业务系统;采用配料法, 结合雷达资料和闪电定位资料建立了雷电短时临近预警系统, 2008年中心引入CAMS_LN-WS系统, 结合原有预警产品生成适合四川省的雷电短临预警产品。经过5年的效果验证, 四川省雷电监测预警预报系统准确率达到85%, 系统产品对政府组织防灾减灾工作所提供的支撑有效降低雷电灾害所造成的损失, 带来了很大的社会效益和经济效益。      

基于雷达反射率因子和雷电定位数据的深度学习雷电预报模型

利用卷积神经网络和门控循环单元（Gated recurrent units ）神经网络,基于雷达反射率因子和雷电定位数据开展了雷电预报研究。首先构建了引用注意力机制的基于卷积神经网络和门控循环单元神经网络的深度学习模型（Attention ConvGRU）;然后将雷达反射率因子数据和对应时间段（6 min）的雷电定位数据处理成图像数据后输入深度学习模型,训练出可预报雷电的模型,包括3种模型：单雷电数据模型、单雷达数据模型和雷电〖CD*2〗雷达双数据模型;最后开展了预报试验和定量评估。综合评估表明,本文建立的雷电预报模型综合预报准确率达到96.74%,虚警率35.83%,关键成功指数（Critical Success Index, CSI）为0.2072。个例分析表明,预报模型对于具有明显移动趋势的雷暴过程（A类雷暴）的预报效果优于不具有明显移动趋势的雷暴过程（B类雷暴）,且随着B类雷暴强度减弱模型预报能力逐渐减弱。     

沙澧河流域致洪预警系统设计与应用

沙澧河流域致洪预警系统基于中小河流致洪预警气象服务需求,以气象与水文相结合,应用地理信息(GIS)先进技术,利用气象常规数据、地面自动雨量站资料、数值模式、卫星雷达资料及水文雨量、水位数据等资料,运用动力学诊断和统计分析、多元线性回归方法、模式输出法、相似预报等方法,输出暴雨和水位增量预报模型。该系统通过C/C++语言编程,集气象水文信息显示分析、数据库、预报模型和用户界面于一体,建立了涵盖流域暴雨预报、水位增量监测预测、洪涝灾害预警服务等多功能的可视化业务技术平台。在本地基层台站首次将气象和水文两个学科结合,建立降水、水文和洪涝数据库;首次对沙澧河流域进行暴雨形势分型,并建立流域暴雨预报模型;首次建立沙澧河流域五大水库水位增量预报模型。自系统运行以来,成功对沙澧河流域出现的几次致洪暴雨进行了预警,服务效果明显。     

机器学习分类算法在降雨型滑坡预报中的应用

针对气象灾害预警业务中客观描述降雨型滑坡发生不确定性的实际需求,利用2014—2020年全国滑坡数据以及多源融合降水实况分析数据,通过样本构建、模型训练、参数优化以及预报输出等关键步骤构建基于机器学习分类算法的区域降雨诱发滑坡概率预报模型,探究不同类型机器学习分类算法识别诱发滑坡的降雨过程的可行性。结果表明:在算法评估中,线性判别分析算法准确率最高且泛化能力最好,其次为逻辑回归算法,再次为最邻近算法。在预报试验中,线性判别分析、逻辑回归以及最邻近等算法能够提取并学习降雨诱发滑坡的条件特征,对诱发滑坡的降雨过程有一定识别能力,最邻近算法和逻辑回归算法的概率预报高值区范围相对较大,易造成虚警结果,线性判别分析算法对局地降雨信息的提炼较好,但线性判别分析算法在非降雨中心区域输出低值概率预报的面积偏大。     

闪电发生的环境场特征及闪电活动的预报

利用2006—2015年6—8月章丘探空站逐日探空资料,计算了K指数、抬升指数、对流稳定度指数等6个环境参数,探讨了单个环境参数和多个环境参数组合与闪电活动的关系。结果表明：1）单个环境参数在一定数值范围内可作为闪电活动预报的指标,且较强的闪电活动更容易由大气的不稳定状态来预报;2）多个环境参数的组合可在一定程度上反映闪电活动的特征,闪电出现的概率随着达到大气不稳定临界值物理量参数个数的增多而增大,预报效果比单个参数更好;3）应用事件概率回归方法建立了闪电概率潜势预报方程,方程通过了α=0.01的显著性水平检验,通过检验和评估,闪电概率预报的TS评分达到78%,该方法的建立为闪电潜势预报提供了参考依据。     

两个雷电预警系统的应用和对比

四川省防雷中心自主研发了多因子融合雷电短临预警系统,并投入业务试运行.协助中国气象科学院研制开发了CAMS_LNWS雷电临近预警系统,并进行本地化处理和业务试用.对两个系统进行了简要介绍,并就应用情况进行了比较分析.结果表明：两个系统均具有较强的雷电预警能力,对19次雷电天气过程预警的TS评分,平均超过0.75.在实际应用中发现：CAMS_LNWS系统对未来新生雷电活动有更强的预警能力,而多因子融合短临预警系统则对已经出现雷电的移动路径和未来发展趋势有更好的预警效果,两者之间的结合应用为四川省雷电短临预警提供了技术支撑.     

大气不稳定度参数与闪电活动的预报

利用北京地区M—LDARS闪电定位系统的观测资料，结合探空资料，分析了182个有闪电活动和153个无闪电活动的多个大气不稳定参数与闪电活动的关系。结果表明，潜在一对流性稳定度指数、抬升指数、对流有效位能和700hPa相当位温与闪电活动具有较好的相关性，而中层湿度与闪电活动的相关性没有以上几个参数明显。文中进一步分析了多参数综合预报的闪电活动的概率，闪电频数和各参数的线性回归关系，提出了闪电活动预报的诊断指标。本研究对北京地区雷电监测与预警有参考价值。     

基于特征提取和集成学习的雷电预测能力提升

雷电是对人类社会有重大安全影响的自然灾害之一, 对雷电进行监测、预警是降低其危害的重要手段。利用广州市黄埔区的大气电场仪资料和闪电定位资料统计分析了反映雷电趋势的相关特征, 并从中提取预警因子探讨与电场仪探测范围内雷电事件的相关性, 基于基分类器BP神经网络, 分别通过Bagging和Adaboost的方法建立集成模型。试验表明, 在以30分钟为时间片的雷电事件预警中, 基于BP神经网络模型, 对比本试验提取的特征和其他研究提供的特征, 误报率和漏报率分别降低了16.83%和15.19%;集成方法比未集成的单一BP神经网络误报率最大降低了11.46%, 漏报率最大降低了4.73%, 说明了特征提取和集成学习的方法能有效提升模型在雷电预测中的准确率。      

Assimilation of Radar and Cloud-to-Ground Lightning Data Using WRF-3DVar Combined with the Physical Initialization Method——A Case Study of a Mesoscale Convective System

Radar data, which have incomparably high temporal and spatial resolution, and lightning data, which are great indicators of severe convection, have been used to improve the initial field and increase the accuracies of nowcasting and short-term forecasting. Physical initialization combined with the three-dimensional variational data assimilation method(PI3 DVar_rh) is used in this study to assimilate two kinds of observation data simultaneously, in which radar data are dominant and lightning data are introduced as constraint conditions. In this way, the advantages of dual observations are adopted. To verify the effect of assimilating radar and lightning data using the PI3 DVar_rh method, a severe convective activity that occurred on 5 June 2009 is utilized, and five assimilation experiments are designed based on the Weather Research and Forecasting(WRF) model. The assimilation of radar and lightning data results in moister conditions below cloud top, where severe convection occurs; thus, wet forecasts are generated in this study.The results show that the control experiment has poor prediction accuracy. Radar data assimilation using the PI3 DVar_rh method improves the location prediction of reflectivity and precipitation, especially in the last 3-h prediction, although the reflectivity and precipitation are notably overestimated. The introduction of lightning data effectively thins the radar data, reduces the overestimates in radar data assimilation, and results in better spatial pattern and intensity predictions. The predicted graupel mixing ratio is closer to the distribution of the observed lightning,which can provide more accurate lightning warning information.