A STUDY ON VARIABLE QUANTITATIVE PRECIPITATION ESTIMATION USING DOPPLER RADAR DATA

With the pros and cons of the traditional optimization and probability pairing methods thoroughly considered, an improved optimal pairing window probability technique is developed using a dynamic relationship between the base reflectivity Z observed by radar and real time precipitation I by rain gauge. Then, the Doppler radar observations of base reflectivity for typhoons Haitang and Matsa in Wenzhou are employed to establish various Z-I relationships, which are subsequently used to estimate hourly precipitation of the two typhoons. Such estimations are calibrated by variational techniques. The results show that there exist significant differences in the Z-I relationships for the typhoons, leading to different typhoon precipitation efficiencies. The typhoon precipitation estimated by applying radar base reflectivity is capable of exhibiting clearly the spiral rain belts and mesoscale cells, and well matches the observed rainfall. Error statistical analyses indicate that the estimated typhoon precipitation is better with variational calibration than the one without. The variational calibration technique is able to maintain the characteristics of the distribution of radar-estimated typhoon precipitation, and to significantly reduce the error of the estimated precipitation in comparison with the observed rainfall.     

短时强降水临近预报的思路和方法

使用浙江省69个基准站2006—2015年5—9月以及同期杭州城区58个区域自动站小时降水资料,利用Gamma分布计算浙江省短时强降水的累积概率,同时综合其频率分布,揭示杭州市小时降水强度的分布特征。此外,以杭州市区为例,利用探空资料分析不同量级(≥50 mm·h^-1、30~＜50 mm·h^-1、20~＜30 mm·h^-1、＜20 mm·h^-1)小时雨强出现的环境指标,并基于核密度估计方法提取预报指标。结果表明:杭州城区出现小于等于10 mm·h^-1的降水概率高达98.4%,≥20 mm·h^-1的概率仅0.05%;受杭州湾偏东气流影响,杭州市区发生短时强降水频率相对较高,尤其是余杭区的东部和西北山区;自2008年以来杭州市区每年短时强降水日数为18~28 d,其中大于等于50 mm·h^-1的短时强降水日所占比例高达10%~20% (除2009年和2012年低于10%外);可用于预报杭州市区短时强降水的最佳环境因子依次为整层可降水量、K指数、最佳抬升指数、沙氏指数、925 hPa露点温度和强天气威胁指数;在判断杭州市区短时强降水强度上表现最好的环境因子为整层可降水量,其次是850 hPa垂直速度和925 hPa散度。

     

基于数值预报和随机森林算法的强对流天气分类预报技术

随机森林算法是当前得到较为广泛应用的机器学习方法之一,有着很高的预测精度,训练结果稳定,泛化能力强,解决多分类问题有明显优势。本文将随机森林算法应用于强对流的潜势预测和分类,分短时强降水、雷暴大风、冰雹和无强对流四种类别,基于2005—2016年NCEP 1°×1°再分析资料计算的对流指数和物理量,开展强对流天气的分类训练、0～12 h预报和检验,经2015—2016年独立测试样本检验表明,针对强对流发生站点的点对点检验,整体误判率为21. 9%,85次强对流过程基本无漏报,模型尤其适用于较大范围强对流天气。随机森林算法筛选的因子物理意义较为明确,和主观预报经验基本相符,模型准确率高,可用于日常业务。     

多普勒雷达资料动态定量估测台风小时降水量的研究

在充分考虑传统的最优化方法和概率配对法优缺点的基础上,使用一种改进的最佳窗概率配对法计算Z-I关系中的系数A和b,得到了雷达测得的基本反射率因子Z和雨量计实时测到的小时降水量I的动态关系.利用温州多普勒雷达体扫资料和浙江省自动雨量站资料,使用该方法对"海棠"(Haitang)和"麦莎"(Matsa)两个台风分别进行了动态计算,得到了不同系数的Z-I关系,进而对两个台风的小时降水量进行了定量估测.使用变分技术对估测的小时降水量进行了校准.结果表明,不同台风Z-I关系的系数差别较大,因而造成台风小时降水量的很大不同.使用雷达基本反射率来估测台风小时降水量,能够清楚表现出台风的螺旋雨带和其中的中小尺度雨团,估测的台风小时降水量与实况基本接近.经过变分校准的估测降水量可以较好地表现出台风雨带与地面中尺度流场动力结构的对应关系.误差统计分析表明,变分校准后的估测台风小时降水量要明显好于变分校准前的估测台风小时降水量.变分校准法既保留了雷达估测台风小时降水量的分布特征,又使估测的台风小时降水雨量与实况的误差明显减小.     

IMPROVEMENT OF NUMERICAL SIMULATION OF TYPHOON RANANIM (0414) BY USING DOPPLER RADAR DATA

Typhoon Rananim (0414) has been simulated by using the non-hydrostatic Advanced Regional Prediction System (ARPS) from Center of Analysis and Prediction of Storms (CAPS). The prediction of Rananim has generally been improved with ARPS using the new generation CINRAD Doppler radar data. Numerical experiments with or without using the radar data have shown that model initial fields with the assimilated radar radial velocity data in ARPS can change the wind field at the middle and high levels of the troposphere; fine characteristics of the tropical cyclone (TC) are introduced into the initial wind, the x component of wind speed south of the TC is increased and so is the y component west of it. They lead to improved forecasting of TC tracks for the time after landfall. The field of water vapor mixing ratio, temperature, cloud water mixing ratio and rainwater mixing ratio have also been improved by using radar reflectivity data. The model’s initial response to the introduction of hydrometeors has been increased. It is shown that horizontal model resolution has a significant impact on intensity forecasts, by greatly improving the forecasting of TC rainfall, and heavy rainstorm of the TC specially, as well as its distribution and variation with time.     

基于Windows 2003远程终端服务的气象信息共享平台的开发和应用

Windows 2003 Server提供的远程终端服务功能实现了多用户同时操作,远程终端多用户通过远程终端功能可以同时在远程终端服务上运行程序、保存文件和使用网络资源等,为业务应用提供了便捷.介绍利用Windows Server 2003远程终端(包括远程桌面和终端服务),开发了气象业务中多用户共享MICAPS20、雷达PUP产品及其它气象应用系统的信息服务平台,在实际应用中发挥了很好的应用效果.     

西辽河流域归一化植被指数与气象因子相关性分析

为了解西辽河流域归一化植被指数(NDVI)的分布规律、变化趋势及对气候变化的响应,利用2000—2018年西辽河流域11个气象站逐日气象资料和MODIS归一化植被指数数据集,通过线性回归和相关分析,探讨了生长季各月NDVI与气象因子的时滞性,以及气象站周围10 km缓冲区内不同植被类型NDVI与气象因子的相关性.结果表...     

浙江地区2015年冬季首场降雪的气象特征及双偏振雷达回波特征分析

基于3 h间隔的浙江快速更新同化模式资料、常规探空资料和临安双偏振雷达资料反演产品对浙江地区2015年12月5日的首场降雪过程的特征进行了分析,得到了较高的云顶高度、较低的云顶温度、较低的零度层高度、较低的低层平均温度、稳定的底层冷平流以及特殊的地形是浙西北地区在较高的地表温度情况下易形成降雪的原因;同时对临安双偏振雷达产品资料进行了分析,首次提出浙江地区此类降雪的双偏振雷达产品特征,并得到了判别阈值.希望借助两方面的研究来减少此类降雪天气的漏报率和可预报性.     

基于深度卷积神经网络的阵风锋识别算法

阵风锋作为强对流的冷性出流特征,是重要的边界层辐合系统,对其自动监测识别一直是日常气象业务中的难点,该文基于深度卷积神经网络设计了阵风锋的自动识别算法。通过对输入和输出端的重新设计,在Faster RCNN算法和Inception V2网络模型的基础上实现了通过雷达回波数据对阵风锋窄带回波实现端到端自动识别。利用雷达数据绕雷达中心旋转不变性特点,增加了数据样本,降低了需提取特征的复杂度。利用2007—2011年南京雷达数据,对该模型进行了20万步的训练,总损失函数值收敛到0.003。对识别效果的分析表明,在训练样本中识别率100%,漏识率0%,准确率87%。通过对合肥雷达2009年6月5日阵风锋天气过程的32个体扫进行模型泛化能力评估,得到识别率91.7%,漏识率8.3%,正确率73.3%。     

一次局地暴雪过程低层降温机制分析

2015年12月5日在强西南暖湿气流和弱冷空气配合之下,浙江杭州到安徽黄山一带出现了局地大到暴雪,此次过程预报偏差较大。通过对水汽、动力和温度条件分析表明:强西南暖湿气流和冷暖空气的辐合为大量地面降水的产生提供了水汽和动力条件;深厚的湿层和合适的中层温、湿条件有利于生成大量可供降落的冰雪晶;转雪前杭州站低层异常降温是形成降雪的关键原因。通过对降温机制的分析表明:引起杭州站低层降温的原因主要是水物质相变相关的非绝热加热,冷平流的作用很弱。5日08时之前低层降温主要是降水粒子蒸发吸热引起的;5日白天低层降温主要是由大量冰(雪)晶融化吸收环境潜热导致,冷平流和垂直输送项也有部分贡献。预报中对降温机制分析不足,可能是导致预报偏差的主要原因。该个例中平流等降温机制较弱,冰晶融化吸热作用导致中低层形成0℃的均温层,从而使冰晶顺利到达地面。中低层温度与常用的预报相态的温度阈值相差较大,说明预报中不能机械依赖温度指标,而应全面分析降雪形成的物理机制。当降水量大时,融化吸热可以成为降温的主要机制,预报中应予以充分考虑。