稳定性层状云降雨量的估算研究

利用2000-2004年711雷达观测的稳定性层状云降雨回波资料，结合雨滴谱和地面雨量自记资料，使用统计方法，分析了引起稳定性层状云降雨量大小改变的因子，得出稳定性层状云降雨量大小除与雷达回波强度关系最为密切外，还和云顶高度、暖云厚度等因素有关，分析了产生误差的原因，建立了多元回归方程，为使用雷达回波对降雨量的估算提供了一种方法。     

一种雷达回波飑线智能识别的方法

提出一种雷达回波图像中飑线特征自动识别的方法。以多普勒天气雷达探测资料为主要数据源,对雷达探测到的基本反射率的空间分布和强度进行分析,通过数值预处理、高通滤波、二值化降噪、图像特征提取、目标物的中轴线提取,以及飑线形态分析等一系列步骤,实现对雷达飑线特征的智能识别。克服了回波高值区域不连通、碎块化对飑线自动识别造成的困难。通过4次强对流天气个例检验,飑线自动识别的准确率达到75%左右,尤其对呈现直线或劣弧状,且边界清晰的高值回波区,具有更高的识别成功率。该方法将以往需要由气象专业人员主观分析、判读雷达回波图像的工作自动化、客观化,可提高飑线识别、强对流天气预警相关业务的准确性和时效性。      

冰雹风暴中的流场结构及大冰雹生成区

采用对风暴每6min一次CINRAD／SA的立体扫描资料,分析了新一代天气雷达探测到的几次冰雹云的空间结构。结果表明,风暴中存在中尺度气旋,中尺度气旋低层气旋性辐合、中低层纯气旋性旋转、中上层气旋性辐散、高层辐散。在中高层气旋的右后侧紧挨着有一个反中气旋伴随。中气旋与反中气旋形成了一个“8”型流场和“S”型的强回波区。在中层到中高层,“S”型强回波区有利于形成“穴道”,而在“S”的两个拐弯处的内侧,水平速度更小,更易形成“穴道”,成为大冰雹生成区。     

甘肃永登强对流云的雷达气候学特征分析

利用甘肃永登19年(1971—1985年,1999—2003年)的雷达回波资料,分析了强对流云回波形成及分布特征与甘肃永登地区特殊地形的关系;强对流天气大尺度天气背景和相应的强对流雷达回波的移动、高度、强度和回波谱等特征。结果表明,该区的特殊地形造成气流阻挡并使其折转汇合、垂直运动剧烈加速,使得对流云迅速发展,这是该区对流云形成和分布的决定因素;高空天气形势和对流云结构制约了对流云雷达回波的移动和基本特征。雹云回波谱表明,雹暴对流活动一般均处于旺盛状态,强回波高度和其所处的云内温度是形成雹云的重要条件。     

2005年盛夏十堰市两次暴雨天气过程的对比分析

使用2005年7月6～10日各层(850、700、500hPa等)天气图资料、有关物理量场资料、FY2卫星云图、十堰714C天气雷达回波资料,采取天气诊断分析方法,对2005年7月6～10日发生在十堰市境内的一次单站暴雨和一次区域性暴雨作了对比分析。结果表明:单站暴雨是在副热带高压稳定少动的形势下发生的,单站暴雨发生时,切变线及低涡700hPa始终偏北于850hPa,低空没有急流配合;区域性暴雨是在副热带高压东退南压比较显著的形势下发生的,区域性暴雨发生时,中尺度低涡及切变线接近重合,低空有强劲的西南急流与高层的西风急流配合。     

台风登陆后引发的闽东内陆暴雨分析

利用常规资料、新一代天气雷达回波和物理量场资料,对2004年8月13～14日暴雨-大暴雨过程进行了分析.认为0414号台风登陆后引发的闽东内陆暴雨是在稳定的大尺度环流背景下,多种尺度天气系统相互作用的结果,物理量场分析表明:不稳定度K指数对暴雨预报有预示作用;地形抬升作用和喇叭口地形对台风暴雨分布影响很大;雷达回波资料分析表明:回波云带的走向与移动方向一致,造成强降水区域集中.     

河北唐山一次飑线过程的中尺度天气分析

利用常规观测资料、自动气象站资料及雷达资料,对2013年8月4日影响唐山的一次飑线过程进行了中尺度分析。结果表明:500 hPa高空槽是产生这次飑线的主要影响系统,地面中尺度辐合线是这次过程的触发机制;对流层中层干冷空气入侵与低层暖湿气流的辐合增强了大气层结的不稳定;低层辐合、高层辐散进一步加强了垂直运动的发展;中低层垂直风切变则有利于飑线的发展、加强和维持。雷达回波图上可识别出中低空的中尺度辐合线、弓形回波、逆风区等中小尺度结构特征,对于此类强对流性天气的预报具有实际指示意义。     

奎玛地区雹暴天气雷达回波特征分析

利用石河子地区148团数字化雷达资料及有关的天气资料和雹谱资料等，对2000年5月27日发生在奎玛地区的一次雹暴天气过程进行了分析。对该地区的雹暴的形成、演变、降雹特点有了进一步的认识，对指导防雹减灾有重要意义。     

一次中天山暴雨过程的雷达回波分析

针对2003年7月13～14日中天山北坡的一次降水量超过50mm的暴雨天气，对其在新一代天气雷达上的强度和速度特征进行了分析，取得了一些新的认识，为这一地区暴雨天气的识别判断提供依据。     

基于生成对抗网络GAN的人工智能临近预报方法研究

研究设计了基于生成对抗网络(Generative Adversarial Networks,GAN)的人工智能临近预报方法,并进行了业务试验。该方法利用广东12部S波段天气雷达2015—2017年海量雷达拼图资料进行人工智能学习来做临近预报。GAN方法从一系列雷达观测资料中,运用卷积法提取回波图像信息建立预报模型,并通过损失函数训练模型,得到基于人工智能技术的临近预报。对2018年发生在广东地区的4个天气过程的外推预报试验表明,GAN方法对对流天气过程的回波位置、形状及强度的临近预报多数情况下与实况基本一致,具有较好的预报效果。但是该方法预报的回波范围偏大,对层状云降水的预报效果较差。对西风带系统引起的降水,西南季风降水,东风系统引起的降水以及台风降水的18个个例1 h预报的3个级别的回波强度检验发现,GAN方法对中等强度回波的预报较好,但对强回波的预报效果仍有待提高。