冰雹指数的误差分析及在冰雹云识别中的应用

利用模拟测试方法研究了几个重要因子对冰雹指数误差的影响,并根据遵义新一代多普勒天气雷达资料,使用探测概率、临界成功指数和误报率为衡量指标,对2008年3月到2012年7月12次冰雹天气过程中25个降雹风暴和72个非降雹风暴的冰雹指数进行分析评估。结果表明：H₀、反射率因子垂直廓线和目标离雷达的距离等因子对POSH误差的影响较大,H_m20对其影响较小。POH识别冰雹云的误报率较高,临界成功指数较小;POSH识别效果好于POH,通过增大阈值可以提高临界成功指数和减小误报率,但是当阈值太大时,探测概率会较低,为了获得较大的探测概率和临界成功指数,减小误报率,以POSH=70为阈值时识别效果最好;在POSH识别冰雹云时加上VIL>20 kg·m^-2的条件对探测概率没有影响,但是当阈值小于90时,可以减少误报率和提高临界成功指数。     

WSR-88D冰雹探测算法在贵州地区的评估检验

通过制定一定的规则,使用贵州504个防雹炮点的冰雹观测资料及2005,2006年贵阳雷达站8次冰雹过程观测资料,使用时间窗方法间接地将风暴单体与降雹记录相联系,建立了冰雹算法校验数据库,并对降雹校验数据库的数据进行统计分析,应用探测概率、虚警率、临界成功指数来检验冰雹探测算法。强冰雹概率 (POSH) 的强冰雹探测算法的总体评估结果表明:当POSH算法的强冰雹预警阈值为30%时,在贵州地区获得最高的临界成功指数评分,但这个阈值在每次强冰雹预警时并不是都获得最佳结果。强冰雹预警阈值选择模式 (WTSM,即根据冻结层高度动态选择每天强冰雹指数的预警阈值) 在不同地区气候状况下的差异,是导致缺省的POSH算法在贵州地区应用不佳的最主要原因,这也说明对冰雹探测算法的局地性适用评估非常必要。通过对WTSM的调整,改进了原来的POSH算法。     

CINRAD/SA雷达强冰雹识别算法的应用检验

为更好地应用HDA算法产品并为进一步优化冰雹识别算法提供参考,应用2004—2010年武汉雷达和2007—2008年济南、青岛、烟台、宜昌、郑州和重庆共7部雷达监测到的28个直径大于等于19 mm的致灾性强冰雹天气个例,对CINRAD/SA雷达的强冰雹识别及最大冰雹直径（MEHS）预测产品进行了检验分析,同时对我国北方（济南、青岛、烟台、郑州）雷达和南方（武汉、宜昌、重庆）雷达的冰雹识别及大小预测效果进行了对比。结果表明：1）在不订正0℃层和-20℃层高度时,该算法对强冰雹天气的识别效果较好,但对MEHS的预测效果较差。2）每个雷达站对强冰雹识别和MEHS预测的效果差别不大,南方雷达和北方雷达对强冰雹的识别效果相近,但南方雷达对MEHS的预测效果较好。3）强冰雹识别和MEHS预测在5月份效果最好,8月份最差;该算法对大冰雹的识别效果较好,但仅对直径为40～49 mm的冰雹直径预测效果较好。4）冰雹识别产品对强冰雹的识别效果随所识别冰雹概率（POSH）增大而增强,当POSH=100时,临界成功指数CSI为100%,发生冰雹天气的可能性非常大。     

基于决策树算法的鄂东地区冰雹识别技术北大核心CSCD

冰雹是对流性天气常见的灾害之一,雷达是识别冰雹强有利的工具,为克服现有方法主观性强、特征量阈值不明确以及虚警率高的不足,探究机器学习算法用于冰雹识别的可行性,基于决策树算法利用2015年1月1日—2021年12月31日鄂东地区冰雹灾情资料、武汉多普勒天气雷达以及探空资料,将湿球温度高度引入冰雹识别因子中,并根据命中率、虚警率和临界成功指数定量评估其识别能力。结果表明:仅包含回波强度的决策树(强度决策树)和包含回波强度和湿球温度高度的决策树(强度-高度决策树)均能有效识别冰雹,强度-高度决策树较强度决策树的命中率和临界成功指数均小幅提高,且虚警率明显降低;强度决策树识别冰雹的关键因子为组合反射率因子,底层多为0.5°和1.5°仰角反射率因子,强度-高度决策树的关键因子为0.5°仰角反射率因子,底层多为风暴的整体强度属性;个例分析显示强度-高度决策树减少了湿球0℃层高度较高时的虚警次数,展现出良好的应用前景。     

基于模糊逻辑的冰雹天气雷达识别算法

该文确定了冰雹天气的5个雷达识别指标和不同季节识别指标对应的隶属函数,采用等权重系数法建立了基于模糊逻辑原理的冰雹天气识别算法。应用雷达回波拼图数据、冰雹灾害报告和常规探空资料,对2008—2012年华北地区103个冰雹样本进行了识别效果检验,给出了识别评分结果、识别提前量和冰雹位置等。结果表明:华北区域性冰雹的识别命中率、虚警率和临界成功指数分别为73.9%,36.4%和51.9%,其中石家庄地区的零散冰雹能够被完全识别,最大直径超过30 mm冰雹对应风暴单体综合识别判据在0.85以上;在空间分布上,被识别到可能出现冰雹的风暴单体区域和实况有冰雹的测站空间分布基本一致,冰雹出现位置一般位于强风暴单体的周边区域;相对单要素识别,综合识别算法识别准确率有所提高,识别范围得到改善,自动化程度也较高;冰雹被识别到的最早时间普遍早于冰雹出现时间,平均提前量为30 min。     

青藏高原东北部HDA算法检验评估及参数本地化

利用2006-2011年CINRAD/CD雷达在青藏高原东北部(以下简称高原)探测到的110次强对流风暴过程,运用WSR-88D冰雹探测算法(HDA)计算强冰雹指数(SHI)和最大预期冰雹直径(MEHS)并进行探测效果检验.提出对HDA原默认参数进行本地化并给出本地化方案,明显地改善了探测效果,正确率由85％提高到89％,虚警率由41％降低到21％,临界成功指数由53％升高到75％,MEHS大于观测尺寸的百分比由74％降到33％.结果对CINRAD/CD雷达探测冰雹有重要参考价值.     

CINRAD/SA雷达冰雹探测算法效果检验及参数本地化

2004年CINRAD/SA雷达新的冰雹探测算法(HDA)代替了原来的算法,新的冰雹探测算法(HDA)估测任意尺寸的冰雹概率(POH)、直径大于等于19 mm的强冰雹概率(POSH)和最大冰雹直径预测(MEHS)。结合济南雷达探测资料对冰雹探测算法预测效果进行了检验,虽然有较高的探测准确率,但同时错误率较高,临界成功率较低,最大冰雹尺寸预测值与实况的平均差值约为14.6 mm。对2002~2005年济南雷达站的历史资料进行了统计分析,降雹单体和非降雹单体在最大反射率因子上存在较大差异,5、6、7月的降雹单体最大反射率因子平均值分别为59.7、61.86、3.9 dBz,非降雹单体最大反射率因子平均值分别为53.8、54.9、55.6 dBz。依据统计数据,对冰雹探测算法中的反射率因子等门限值调整为53 dBz后,冰雹预测仍具有较高的探测准确率,错误率和临界成功率得到了明显改善;对最大冰雹尺寸预测中的算法因子门限值调整后,预测值与实况有较好的对应关系。     

基于决策树的天津地区冰雹天气雷达因子分析

利用决策树对天津地区2005—2014年4—9月间的25次有灾情资料的冰雹天气进行多普勒天气雷达因子识别,采用冰雹概率(POH)、强冰雹概率(POSH)、垂直液态含水量(VIL)、最大反射率因子(DBZM)、风暴质心高度(HT)、风暴顶高(TOP)等主要雷达识别指标,归纳出天津地区冰雹云雷达回波判识指标:(1)当DBZM≤54.5dBz,或者当DBZM54.5dBz但POSH≤35,单体不会降雹;(2)当DBZM54.5dBz且POSH35,则该单体将会降雹。与判别分析方法比较,基于决策树分析的识别降雹单体的成功率达90.2%,临界成功指数达78.3%,识别结果明显优于判别分析方法。     

基于多雷达三维插值格点强冰雹诊断因子的强冰雹识别方法

为解决单部雷达强冰雹识别产品在雷达的探测范围、雷达的静锥区以及与基于格点的近风暴环境因子的融合上存在局限性的问题,本文建立了雷达反射率因子的三维局部空间插值及多部雷达拼图方法;类似于SCIT算法的风暴单体的VIL及SHI等冰雹识别参数的计算,基于多部雷达三维插值拼图数据集,实现了格点VIL、SHI、POH和POSH等算法,建立了基于三维格点的多部雷达强冰雹识别参数因子、风暴数值模拟的近风暴环境因子(0°层及-20°层高度)为识别参数的冰雹识别算法。为确定适合于贵州地区的冰雹识别阈值,使用贵州504个防雹炮点的冰雹观测资料及贵州2005年和2006年8次贵阳、遵义雷达站冰雹个例观测资料,建立了冰雹算法校验数据库;通过对降雹校验数据库的统计分析,建立了适于贵州地区VOD与冻结层高度统计关系式,确立了VIL密度产品的强冰雹判别阈值,并通过对WTSM的调整,改进了原来的POSH算法,在贵州西北部到中部一线的一次强冰雹过程中对强降雹区的识别效果较好。     

基于机器学习的冰雹天气识别研究

利用2017—2019年贵州省威宁彝族回族苗族自治县的C波段天气雷达数据,提取了多种与冰雹相关的雷达特征参量,并结合地面降雹记录建立了客观的冰雹样本标记方法。通过支持向量机、决策树和朴素贝叶斯三种机器学习方法,对冰雹高发区贵州省威宁的冰雹天气过程进行建模与评估。评估结果表明,采用机器学习方法可以有效地识别冰雹天气过程。支持向量机和决策树方法的命中率(Probability of Detection, POD)均较高,分别为88.9%和90.5%;临界成功指数(Critical Success Index, CSI)分别为73.1%和70.3%;误报率(False Alarm Rate, FAR)分别为19.6%和24.1%。朴素贝叶斯方法的POD和CSI相对偏低,分别为67.8%、62.8%,但FAR最低,为10.6%。     

不同闪电跃增算法在北京地区应用效果对比

基于S波段多普勒天气雷达基数据、北京闪电定位网全闪定位数据和北京地区降雹的人工观测结果,对比分析Gatlin和σ两种闪电跃增算法在不同配置下对北京地区2015—2018年共177次冰雹天气过程的预警效果。结果表明：不同倍数的σ算法预警结果差别很大,2σ（要求当前闪电频数变化率超过之前平均闪电频数变化率两倍标准差）在σ算法中的预警效果最佳;不同N（总闪频数变化率的数量）配置下的Gatlin算法的预警结果差别不大,其中当N=6时的预警效果最佳。2σ算法的命中率、虚警率和临界成功指数分别为80.2%,41.6%和51.1%,N=6的Gatlin算法的相应结果分别为82.5%,62.0%和35.2%。另外,详细分析了一次多单体雷暴过程和一次飑线过程中两种算法的应用情况,结果也表明Gatlin算法比2σ算法的命中率略高,但虚警率偏高很多,临界成功指数偏低。综合Gatlin算法和σ算法对冰雹预报结果评估情况,发现2σ闪电跃增算法更适于对北京冰雹天气的预警,对提升闪电数据在北京地区冰雹预报业务的可用度有一定参考价值。     

多普勒天气雷达冰雹探测算法评估及检验改进

利用新一代多普勒天气雷达资料和WSR-88D提供的冰雹指数算法,对2005年1月至2007年8月发生在贵州省黔西南地区的20个冰雹个例进行验证。用此算法对20个风暴日的样本计算了WT（警报阈值）、H（相对雷达的高度）、M（漏报率）、FA（虚警率）、POD／FAR／CSI（探测概率／误报率／临界成功指数）等多个函数,并将这些数据与强冰雹指数（SHI）作对比分析,将SHI作为冰雹尺寸的预报因子进行独立评估,对实际观测到的冰雹尺寸与模式预报尺寸进行比较。在考虑了本地环境、气候特征的前提下对误警率较高的情况进行了算法补尝,并针对误警率较高的现象提出解决办法：①输入当天的正确0℃／-20℃高度,②提高冰雹探测反射率阈值。用改进方法对2007年发生的9次冰雹天气过程进行对比检验。结果表明,误报率有所降低,预报冰雹尺寸更接近实际探测尺寸。     

冰雹指数产品剖析及在灾害性强降水预报中的应用

深入研究了新一代天气雷达产品——冰雹指数的算法HDA,并分析讨论了算法的早期版本（7．0）和改进版本（10．0）的设计思路和优缺点,指出冰雹探测算法的思路与预报局地暴雨的思路相似,都是建立在对风暴单体中高反射率因子探测的基础上。据此,首次提出根据不同季节,利用冰雹指数预报灾害性强降水（冰雹和局地暴雨）的设想。通过对大量强降水个例中冰雹指数HI、垂直液态水含量VIL等雷达产品的统计分析和研究,总结了利用冰雹指数预报上海地区灾害性强降水的一些基本方法和算法阈值设置,以期为预报业务部门更好地使用新一代天气雷达导出产品提供一些参考信息。     

基于雷达产品和随机森林算法的冰雹天气分类识别及预报

冰雹是一种致灾性较强的强对流天气,但在气象业务工作中对其进行快捷、准确的预警和预报仍有一定的难度。本文基于C波段雷达回波资料,构建并应用随机森林模型对冰雹及其伴随强对流天气进行了分类识别及预报。结果发现,随机森林模型对训练集(2008-2017年)中四类冰雹天气(冰雹、冰雹大风、冰雹短强、冰雹大风短强)的平均命中率(Probability of Detection,POD)为90.2%,平均空报比率(False Alarm Ratio,FAR)为11.1%。对于2018-2019年的独立样本测试集,模型的平均POD和FAR则分别为72.8%和34.7%。因此,本文构建的随机森林模型较为理想。应用模型和风暴单体识别与跟踪产品(Strom Cell Identification and Tracking,SCIT)对未来15～60 min的强对流天气进行预报,结果表明四类冰雹天气的平均POD为74.8%,平均临界成功指数为60.8%,平均FAR为24.4%。因此,利用C波段雷达产品,随机森林模型能高效、自动化且较为准确地分类预警、预报冰雹及其伴随强对流天气,可应用于天气预报业务工作。     

基于温度层强回波区域面积的天气雷达雷暴自动识别方法北大核心

为利用天气雷达回波资料实现雷暴的自动识别,提出了一种基于温度层强回波区域面积的天气雷达雷暴自动识别方法。该方法首先利用雷达回波体扫数据在水平范围内搜索强回波区域;再对某一温度层上,达到设定阈值的雷达回波反射率因子的区域进行面积求和,当水平范围强回波区域面积达到识别面积阈值时,判定该强回波区域为雷暴区域。在此基础上,结合S波段双偏振多普勒天气雷达观测资料、闪电定位资料,采用了17个雷暴天气过程的312个雷暴区域检验识别算法。结果表明:当等高度平面位置显示(CAPPI)数据处理中采用(35 dBZ,0℃,2 km^(2))参数组合能够达到最优的识别效果,识别概率可达87.5%,虚警率为32.9%,临界成功指数为61.2%。该方法可以用于天气雷达的雷暴计算机自动识别业务。     

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。     

基于雷达三维组网数据的对流性地面大风自动识别

应用雷达三维组网数据和地面加密自动站风场资料,统计分析了对流性地面大风的6个主要雷达识别指标：风暴最大反射率因子、风暴最大垂直积分液态水含量、垂直积分液态水含量随时间变率、风暴最大反射率因子下降高度、风暴体移动速度和垂直积分液态水含量密度等参数。根据雷达识别指标和地面大风的相关程度,给出了识别指标的隶属函数和权重系数;采用不等权重法,建立了具有模糊逻辑的对流性地面大风识别方法。并将对流性地面大风的出现概率分为3级：当识别风暴单体的判据小于0.3时,出现对流性地面大风的概率小;当判据在0.3—0.5时,产生对流性地面大风的概率较大;当判据大于0.5时,出现对流性地面大风的概率很大。通过对河北省2012年6月21日线状风暴和2009年7月23日孤立单体风暴引发的灾害大风典型个例的识别效果检验,证明这种方法识别到的风暴单体跟踪效果良好,识别出的大风范围与实况风场基本吻合,命中率、虚警率和临界成功指数分别达81.8%、25.0%和64.3%,利用模糊逻辑原理建立对流性大风的识别算法是切实可行的。     

深度学习方法预测阿克苏地区冰雹云雷达回波个例分析

利用2021—2022年4—9月阿克苏地区冰雹云的雷达回波资料，基于轨迹GRU模型和GAN模型共同构建一个深度学习的回波外推模型，应用于强对流（冰雹）天气监测预警。采用分阈值和预报时效的评估方法，对深度学习的回波外推模型预测回波的效果进行分析，结果表明：（1）在30 min预测时间内，随反射率阈值增加，临界成功指数（CSI）和命中率（POD）逐渐降低，虚警率（FAR）先降低后升高，FAR在反射率阈值为35dBZ时最低。（2）在反射率阈值为35 dBZ和相同外推时效的情况下，基于深度学习的回波外推模型和光流法相比，CSI提高0.05~0.15，POD提高0.05~0.15，FAR降低0.05~0.12。（3）在预测反射率阈值为35 dBZ的强对流单体移动路径方面，基于深度学习的回波外推模型与TITAN法相比，预测的单体移动路径会更接近实况单体移动路径。     

四种机器深度学习算法对武汉地区雷达回波临近预报的检验和评估

基于PredRNN++、MIM、CrevNet和PhyDNet四种机器深度学习算法,利用武汉地区2012—2019年的雷达和降水资料,开展了人工智能技术在武汉地区临近预报中的应用研究,根据均方误差(MSE)、结构相似性指数(SSIM)、命中率(POD)、虚警率(FAR)和临界成功指数(CSI)等指标检验评估了四种机器学...     

基于卷积神经网络的飑线识别算法

为了探究深度学习用于飑线识别的可行性,基于2008—2020年河南省郑州和驻马店雷达数据,采用卷积神经网络（convolutional neural network,CNN）算法构建飑线识别模型,引用临界成功指数、公平风险评分、命中率和误判率定量评价模型的识别效果,对比不同样本组成比例和网络结构对飑线识别效果的影响。结果表明：建模所用的样本组成比例对飑线识别有一定影响,通过改变采样方式和优化网络结构均能够改善样本比例不平衡的问题,提高飑线识别效果,且后者提升的幅度更大,而两种方法的结合无明显提升。测试结果表明：该模型临界成功指数为0.66,公平风险评分为0.58,命中率为0.86,误判率为0.24。研究揭示了卷积神经网络能够提取并学习飑线和非飑线回波的图像特征,对飑线有一定识别能力。