国家级中尺度天气分析业务技术进展Ⅱ：对流天气中尺度过程分析规范和支撑技术

中尺度天气分析技术在对流性天气的短期预报业务中发挥了重要作用。文章介绍了国家气象中心正在发展和试运行的对流天气中尺度过程分析规范和支撑技术,旨在为中尺度对流天气的短时临近分析和预报提供技术方法,其客观技术支撑为中国气象局强对流短临预报系统SWAN、强对流天气综合监测技术和自动站资料快速客观分析技术等。文章以2011年4月17日强对流过程为例,介绍了如何利用多源观测资料(常规和非常规资料)快速识别和掌握强对流天气(短时强降水、雷暴大风、冰雹、龙卷等)实况,分析当前对流系统类型及其结构特征,判断未来影响对流系统发生、发展的中尺度环境条件,并综合考虑客观自动外推算法产品,最终指导预报员对未来0～6 h内的强对流天气影响区域进行短临预报预警。业务试验表明,对流天气中尺度过程分析技术可为强对流天气短临预报业务提供重要参考和依据。     

应用雷达资料的临近预报方法对比试验

选取单部雷达的CAPPI资料,在TREC(Tracking Reflectivity Echo by Correlation)的基础上,引入径向基函数网络、广义回归网络、小波BP网络3种人工神经网络以及支持向量机,对雷达反射率因子进行1h的临近预报研究,并与TREC外推预报的结果进行了比较.使用了命中率、虚警率、漏报率、临界成功指数、相关系数和均方根误差6个指标检验人工神经网络、支持向量机和TREC的预报效果.结果表明:在使用这些指标检验预报效果时设定的阈值对预报结果的评价有影响;网络与TREC以及不同的网络之间的预报结果存在着差异;与TREC相比,支持向量机比TREC总体上能更好地预报未来1h以内强对流性天气的发展变化情况.     

ROSE系统在沈阳一次强冰雹过程分析中的应用

介绍新一代天气雷达业务建设软件ROSE系统,并通过ROSE产品结合地面自动气象站资料、高空天气图、探空T-lnp图、雷达组网拼图对沈阳2011年8月21日一次强冰雹过程的发展、演变及结构特征进行了分析和研究.分析表明:此次冰雹过程是在高空槽和风场辐合大尺度天气背景下,对流有效位能CAPE、垂直风切变及雷达回波特征均满足强冰雹发生的条件;通过分析降雹前后多种雷达导出产品提出强冰雹客观临近预报的一些指标.     

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。     

基于雷达数据的风暴体识别、追踪及预警的研究进展

基于雷达数据的风暴体识别、追踪及预警方法是最早出现的临近预报技术，也是天气雷达系统和强天气预警业务的基本组成部分。风暴体识别、追踪及预警方法可以分为三大类：持续性预报法、交叉相关法和单体质心法，它们都属于外推预报法。其中，持续性预报法目前已经被后两者取代。首先较详细地介绍了交叉相关法和单体质心法的研究历史和主要算法，然后集中介绍了近几年来在外推预报基础上发展起来的一些新方法。最后，结合悉尼奥运会期间的FDP项目，讨论了临近预报技术的检验和准确性评价，重点介绍了列联表方法。     

傅立叶相位技术在雷达回波移动矢量特征分析中的应用

应用傅立叶相位分析技术,建立了一种新的基于雷达体扫资料的回波移动矢量、移动路径计算和临近预报算法。其基本思路是：对两个相邻时刻的雷达体扫回波资料分别进行快速傅立叶变换,得到两个雷达回波的相位差,再计算出回波的移动方向及移动速度。利用X波段多普勒多偏振雷达在吉林省获得的雷达资料对本算法进行检验,结果表明,此方法可以给出雷达回波内更加精细的回波移动矢量结构,能够较准确地反映出不同类型回波的中小尺度系统移动特征,对雷达回波移动路径有较好的追踪和临近预报能力。对一次飑线过程的计算结果显示,飑线上的强回波区移速移向存在明显的不均匀性。     

An algorithm on convective weather potential in the early rainy season over the Pearl River Delta in China

This paper describes the procedure and methodology to formulate the convective weather potential （CWP） algorithm. The data used in the development of the algorithm are the radar echoes at 0.5° elevation from Guangzhou Doppler Radar Station, surface observations from automatic weather stations （AWS） and outputs of numeric weather prediction （NWP） models. The procedure to develop the CWP algorithm consists of two steps： （1） identification of thunderstorm cells in accordance with specified statistical criteria; and （2） development of the algorithm based on multiple linear regression. The thunderstorm cells were automatically identified by radar echoes with intensity greater than or equal to 50 dB（Z） and of an area over 64 square kilometers. These cells are generally related to severe convective weather occurrences such as thunderstorm wind gusts, hail and tornados. In the development of the CWP algorithm, both echo- and environment-based predictors are used. The predictand is the probability of a thunderstorm cell to generate severe convective weather events. The predictor-predictand relationship is established through a stepwise multiple linear regression approach. Verification with an independent dataset shows that the CWP algorithm is skillful in detecting thunderstorm-related severe convective weather occurrences in the Pearl River Delta （PRD） region of South China. An example of a nowcasting case for a thunderstorm process is illustrated.     

人工智能模型的分类临近预报产品效果检验与分析

对2019年2—10月人工智能临近预报模型的降水、雷电、雷暴大风和冰雹等4类产品分别进行了业务检验与分析，结果表明：（1）对于降水产品，随着降水量级的增大，模型预报效果变差。相对来说，模型对0～1 h降水的预报能力略优于1～2 h，模型在0～2 h内完全不能预报出站点上≥10 mm的实况小时降水。（2）对于雷电产品，总体上模型的预报能力较差，1～2 h的预报效果明显比0～1 h差。相对5与20 km半径格点化实况，当取10 km半径格点化时，模型的雷电整体预报效果最优。（3）雷暴大风与冰雹产品具有类似的特点：在适当的时空匹配方式下，模型能预报出大多数实况中出现的雷暴大风或冰雹，但虚报率高，业务应用中主要考虑消空。最大时间提前量随着空间匹配半径或时间扩展的增大而增大，相对于冰雹预报，雷暴大风预报的最大时间提前量要优于冰雹预报。当空间匹配半径取10 km和时间扩展取20 min时，既可兼顾雷暴大风和冰雹的局地性，又可保证定量检验上相对较优。