雷达回波强度拼图的定量估测降水及其效果检验

为了得到精度更高的高时空分辨率格点定量估测降水量，需要将雷达资料和雨量计降水量资料进行有效的综合利用。利用广东6部多普勒雷达的回波强度拼图资料和稠密的自动雨量计降水强度观测资料，采用概率密度法建立Z-R关系进行雷达降水估计，并采用客观订正方法利用雨量计资料对雷达降水估计进行校准。交叉检验表明：利用雨量计对雷达降水估计进行客观方法订正可以取得比单纯用雨量计资料进行OI插值好的效果。OI雷达订正法较优。     

多平台(雷达、卫星、雨量计)降水信息的融合技术初探

为提高卫星降水估计的精度,利用CMORPH资料和雨量计资料,基于最优插值法OI(Optimum Interpolation)有效合成,得到0.125°×0.125°降水分析产品;基于广东省境内5部新一代多普勒天气雷达(CINRAD/SA)的降水估计拼接产品,即0.01°×0.01°降水分析产品.为进一步扩展降水的探测范围,将以上两种不同分辨率产品进行区域定量协调,并以各自均方根误差平方的倒数作为权重系数将两者融合.误差分析表明,前期雨量计订正的CMORPH能有效减小系统偏差;交叉检验表明,CMORPH融合了雨量计资料后,比单纯OI雨量计的效果要好.两种不同分辨率产品有明显的区域差异特征;获取的一套降水产品既能体现雷达资料的优势,又能体现CMORPH融合雨量计的优势,在降水估测精度和扩大降水估测范围上都有了较好改观,能够反映不同尺度平台的降水信息.     

影响浙江地区降水估测几个因素的分析

如何从新一代天气雷达三维拼图数据中提取用于降水估测的回波强度是提高雷达降水估测的关键,为了分析利用三维拼图数据提取出的混合扫描回波强度的质量以及对降水估测的影响,文章利用浙江省雷达和全国自动站数据,通过研究回波强度与地面雨量的关系,分析了影响基于雷达三维拼图的降水估测精度的几个要素。通过累积整个过程雷达回波强度估测的雨量和自动站采集雨量得到浙江及周边地区的比率分布,找到了两者关系的异常区:区域性回波强度比较高的区域;区域性回波强度的低估区;区域性回波强度随地形变化的区域;区域性回波强度估测较为合理的区域;随纬度增加回波强度逐渐高估的区域。通过分析发现:0℃层亮带、残余的地物回波、异常的回波强度垂直廓线、自动站的数据质量等是造成回波强度与地面雨量关系异常的原因。最后,利用部分自动站对雷达估测的降水进行订正,结果表明:自动站订正能一定程度缓解上述区域高估或低估程度。     

雷达波束部分遮挡识别应用及效果评估

雷达波束部分遮挡是雷达定量降水估测(QPE)算法的重要误差源。利用4次大范围的天气过程,联合上饶、黄山、杭州、金华、宁波、衢州、温州和台州8部天气雷达和浙江省2047个雨量计观测资料,应用金华、衢州和上饶雷达的部分遮挡区域识别结果,从定性和定量分析两个角度,将雷达组网拼图数据划分为部分遮挡区域、无遮挡区域和总数据区域,验证分析了部分遮挡回波订正方案在提高雷达组网拼图质量和提高雷达QPE精度方面的作用。结果表明:剔除部分遮挡回波的回波订正方案,在不同天气过程中均可以(1)有效地增强部分遮挡区域内雷达组网拼图和雷达QPE数据场的连续性;(2)显著提高了部分遮挡区域内雷达QPE数据场的精度,降低了因部分遮挡导致的雷达QPE误差,并间接提高了无遮挡区域以及总的数据区域内的雷达QPE的精度;(3)改善了Z-R关系拟合方案和最优插值校准方案的有效性,这是剔除部分遮挡回波后,雷达QPE数据场精度提高的重要原因。     

基于CINRAD SA双偏振雷达新型定量降水估测方法研究

杭州下沙S波段天气雷达在双偏振升级的基础上增加了精细化探测技术，为了进一步提高雷达定量降水估测精度，本文参考小时雨量计订正雷达估测降水算法模型，建立了一种基于分钟级雨量计数据的实时定量降雨估测雨强订正方法（简称QPE ADJUST法），利用雨量计资料对雷达的QPE数据逐体扫实时订正，累计完成1 h、3 h降水估测产品，提高了雷达降水估测精度。通过对雷达产品及自动站数据资料的评估，分别从降水估测算法、雷达分辨率影响及体扫周期速度影响3方面对QPE ADJUST法的估测降水效果进行了统计分析。结果表明：QPE ADJUST法在雷达高分辨率、快体扫周期的情况下均比其他算法更好地表现出降水时空分布特征，并将雷达小时定量降水估测的误差从50%降低至20%左右，有很高的估测精度和稳定性，具有业务应用价值。     

C波段双偏振雷达降水估计的误差分析与建模

双线偏振雷达定量降水估计精度受多种因素影响,为了更好地应用双偏振雷达估计降水并进一步提高降雨估测精度,需对雷达降水估计进行误差分析和建模.基于2015—2016年南京信息工程大学C波段双偏振雷达、雨滴谱仪观测资料以及南京地区雨量计数据,统计分析雷达估测降水的误差分布,分离雨量计代表性误差,并对随机误差和系统误差量化建模...     

用雷达回波参数定量测量降水强度

利用对流云降水的雷达回波资料，根据雷达反射率因子Ｚｅ与雨强Ｉ关系式，定量测量了对流云的降雨强度，并利用我省５７个站点的地面自记雨量计实测资料进行了误差分析。对由于Ｚｅ～Ｉ关系不稳定性造成的测量误差，采用多点基准雨量计校准法作了订正，提高了雷达测量精度。     

网络化多普勒天气雷达反射率因子的衰减订正

利用国内第一个网络化雷达试验平台的观测资料,基于网络化雷达反射率因子衰减订正算法,对观测数据进行衰减订正。并与单部雷达自适应约束算法和常州S波段雷达观测资料进行比较分析,结果显示订正方案合理。个例分析表明,经过雨区后单部雷达探测的回波强度较弱甚至探测不到,而网络化雷达可以利用多部雷达的共同观测,弥补单部雷达探测上的不足,体现出网络化雷达衰减订正的优势。     

基于雷达—雨量计降水融合方法提高极端降水监测能力

高时空分辨率、高精度的降水产品对于极端降水的监测以及防灾减灾具有重要意义。地面雨量计提供点尺度降水精确观测,但无法精细化捕捉对流性强降水的空间分布。雷达观测可以精细地刻画降水的空间分布特征,但雷达定量估计降水（QPE,quantitative precipitation estimation）产品估测精度易受雷达观测偏差和Z–R（雷达反射率—降水率）关系等因素影响。因此,本文开展高时空分辨率的雷达—雨量计降水融合算法研究,集成雨量计观测和雷达定量估计降水产品各自的优点。该算法主要步骤包括:雨量站观测数据格点化、局地雨量计订正雷达QPE和雷达—雨量计降水融合三个部分。首先利用克里金插值方法,对雨量站观测的降水进行插值,得到格点降水信息;再通过局地雨量计订正方法系统性地订正雷达QPE产品,以提高雷达QPE产品精度;最后,结合降水类型,通过雷达—雨量计降水融合算法,产生高时空分辨率、高精度的雷达—雨量计降水融合产品。通过郑州“21·7”暴雨、台风“烟花”和2021年8月随州暴雨三个典型的极端降水个例,对雷达—雨量计降水融合算法产生的雷达—雨量计降水融合产品进行了系统地评估和分析。结果表明,在不同的极端降水个例和不同的降水时段,雷达—雨量计降水融合产品精度上优于雷达QPE产品,且在降水的空间分布上较雨量站观测格点插值产品更能精细地刻画降水的结构特征。表明算法得到的雷达—雨量计降水融合产品的准确性较高,对极端降水有较好地捕捉和监测能力。     

雨量计密度对校准雷达估测降水的影响及单点对校准的贡献

利用新一代天气雷达基数据资料和天津三次不同类型降水天气过程的降水量资料,采用变分校准方法,以校准区域内所有雨量计校准雷达得到的估测降水场作为"真值场",对比分析14种不同密度雨量计网校准雷达估测降水的效果,并对雨量计网中单个雨量计站点对校准雷达的贡献进行试验分析。结果表明:（1）参加校准的雨量计密度较小时,雷达估测降水的误差较大,估测效果不好;随校准雨量计密度的不断加大,雷达估测降水的偏差明显减小、估测精度不断提高并逐渐趋于稳定。（2）校准不同类型降水需要的雨量计密度不同,这与降水的性质有关;当校准雷达估测降水的效果与"真值场"的相当时,所需的雨量计密度为121 km²·部^-1。（3）在雨量计校准网中任意增加降水量不为零的站点,会在增加的站点周围出现估测偏差（高估或低估）,偏差的大小与站点降水量相对于其周围雨量计平均值的大小有关、偏差的影响范围则与站点周围雨量计的分布密度有关。（4）任意增大（减小）雨量计校准网中单个站点的降水量会使雷达对站点周围降水的估计偏高（偏低）,高（低）估的程度及影响范围与站点降水量增大（减小）的多少及站点周围雨量计分布密度有关,而与降水类型及降水随时间的演变无关。     

雷达定量降水估算在水文模式汛期洪水预报中的应用试验

通过雷达测雨技术获得高时空分辨率的降雨信息,作为水文模型的输入,用以提高水文预报的精度。文章以湖北省白莲河流域为例,利用分组Z-I关系转化雷达反射率为雨强,运用地面雨量站网实测雨量对其进行校准,将不同方法估算得到的雨量结果输入新安江模型进行洪水预报测试,结果表明未校准雷达估算降雨量直接输入水文模型,其结果是不理想的;利用校准后的雷达估算降雨量进行洪水预报,精度得到了很大提高。     

复杂地形下C波段雷达定量降水估计算法

C波段雷达定量降水估计（QPE）精度受到很多因素的影响,主要包括:（1）雷达标定,（2）非气象回波的干扰,（3）降水物垂直空间变化,（4）地形或地物的严重遮挡,（5）Z-R关系的代表性,（6）雷达拼图的质量,（7）雷达观测回波衰减等。文中雷达定量降水估计算法基于陕西省C波段天气雷达展开,从雷达探测数据质量控制、地形遮挡、Z-R关系和雷达拼图等方面提高C波段天气雷达定量降水估计的精度,产生降水类型产品和1 h定量降水估计产品,产品空间分辨率为0.01°×0.01°,时间分辨率为6 min。通过对7次降水过程进行评估,结果表明:基于混合仰角反射率因子处理模块和降水类型分类模块进行雷达定量降水估计,得到的结果与地面雨量站观测降水接近,1 h累计降水量的统计评分指标均方根误差稳定在3 mm以下,相对误差稳定在50%左右,相对偏差保持在?30%以内,雷达定量降水估计产品的离散度和绝对偏差都较低,表明该算法得到的雷达定量降水估计稳定可靠。      

雷达与雨量计联合估测降水的相关性分析

在对比分析质量控制前后雷达估测降水量与自动雨量计降水量之间相关性的基础上,采用雷达-雨量计联合校准方法,对14种不同密度雨量计校准雷达估测降水的效果进行分析。结果表明:在使用雷达资料和雨量计资料前有必要对资料的质量进行分析与控制。联合雨量计校准雷达能明显提高雷达对降水的估测能力;采用不同密度雨量计校准雷达,随着校准雨量计密度的加大,雷达估测降水的精度不断提高并趋于稳定。校准雷达的效果及所需雨量计密度与降水类型有关,当校准效果相同时,积云强降水过程需要的雨量计密度最大,积混对流性降水过程次之,层云稳定性降水过程需要的雨量计密度最小。不同方法的校准效果不同,卡尔曼滤波方法适合于对稳定性降水的校准,或在雨量计密度低的地区对雷达进行校准;变分校准法和最优插值法的校准效果相当,适合对积混对流性降水的校准,或在雨量计密度高的地区对雷达进行校准。     

中国区域高分辨率多源降水观测产品的融合方法试验

高质量、高分辨率降水产品研制对于数值天气模式检验、水文陆面模拟、山洪地质灾害监测有着重要意义。利用中国近4万自动气象站逐时降水资料、中国雷达定量降水估计和CMORPH卫星反演降水产品,开展0.05°×0.05°和0.01°×0.01°两种高分辨率下的三源降水融合方法研究试验,探讨如何有效引入雷达高分辨率信息来提高降水产品质量。一方面,在0.05°分辨率上,先以自动气象站观测降水数据为基准,采用概率密度函数（PDF）匹配法订正雷达和卫星估测降水产品的系统偏差,将雷达降水产品的偏差从-0.05 mm/h降至-0.008 mm/h;再采用贝叶斯模型平均（BMA）方法融合雷达和卫星降水产品,形成0.05°分辨率的中国区域覆盖完整且最优的联合降水背景场。此外,在0.01°分辨率上,以0.05°分辨率的卫星-雷达贝叶斯模型平均联合降水产品为背景,采用1 km雷达估测降水的空间结构信息进行降尺度,亦能有效提高0.01°分辨率背景场的质量。然后,分别以不同分辨率的卫星-雷达联合降水产品为背景,采用统计方法量化误差估计,再采用最优插值方法融入地面观测。通过2419个中国国家级气象台站的独立样本检验,评估了多种类型的降水资料及融合试验产品在中国地区的质量。结果表明,两种分辨率的三源融合试验产品的精度均优于任何单一来源的降水产品,特别是在站点稀疏地区,降水精度均较融合前有显著提高,达到了较好的融合效果,其中在0.05°分辨率上采用“概率密度函数+贝叶斯模型平均+最优插值”方法的三源融合降水产品整体质量最好,而0.01°分辨率上基于“概率密度函数+贝叶斯模型平均+降尺度+最优插值”方法的三源融合降水产品在强降水监测上更有优势。      

C波段双偏振多普勒天气雷达资料分析及在定量估计降水中的应用研究

基于南京信息工程大学C波段双线偏振多普勒天气雷达(NUIST-CDP)的观测资料,结合南京龙王山SA天气雷达数据、南京信息工程大学大气综合观测基地的OTT Parsivel雨滴谱仪数据、南京市地面雨量计数据,分析NUIST-CDP探测资料的质量及定量降水估计(QPE)精度情况。将NUIST-CDP与SA雷达的回波强度数据进行了对比,发现NUIST-CDP回波强度偏弱;将滴谱仪上方NUIST-CDP测量的反射率因子Z_H、差分反射率因子Z_DR与滴谱仪数据对比,雷达参量Z_H、Z_DR与滴谱仪数据变化趋势一致,但整体略偏小;比较差分传播相移率K_DP与Z_H的变化情况,由差分传播相移Φ_DP经最小二乘法计算得到的K_DP与Z_H数据一致性很好。利用南京地区2015年夏季(5—8月)收集的滴谱数据计算偏振雷达参数,拟合测雨方程,进行两次降水过程个例的QPE分析,并与南京地区雨量计数据进行了对比。结果表明:R(K_DP)测雨精度最高,R(K_DP,Z_DR)次之,使用偏振参量能明显提高降雨估算精度;R(Z_H)、R(Z_H,Z_DR)方法测雨反演结果低于地面雨量计雨量值,且低于SA雷达反演结果。      

SWAN系统中QPE产品的应用评估

“灾害天气短时临近预报系统”(SWAN)在我国气象预报业务中已得到广泛应用。文章介绍其中雷达定量降水估算QPE算法 (RASIM方法)的技术与特点,选取湖北省6部S波段多普勒天气雷达在2012年探测的暴雨天气过程资料,系统性评估了SWAN系统中QPE产品实用性,初步分析了产生估算误差的原因。评估表明：整体而言该方法在湖北省使用效果较好,平均绝对误差率小于30%;探测距离的增加对S波段雷达QPE精度影响不大;各雷达对30 mm以上降水的估算平均绝对误差率较小,但估算结果较实况偏弱,随着雨量（雨强）增大,低估的比例也增大。就单部雷达而言,宜昌雷达估算降水误差最大,武汉雷达受附近建筑遮挡影响次之,恩施雷达估算降水误差最小。     

基于漂移克里金融合雷达、雨量计定量估测降水研究

文中介绍了一种新的融合雷达和雨量计数据开展定量估测降水研究的空间信息统计学方法—Kriging with external drift(KED)方法。该方法能很好地融合高精度、低时空分辨率的雨量计数据和低精度、高时空分辨率的雷达数据进行插值。通过变异函数描述降水场的空间结构信息,能够充分利用数据间的空间相关性,来改进估测精度和提高处理速度。利用其优良的数学特性,以期在定量估测降水业务研究上进行新的探索和尝试。选用湖南省有代表意义的3次降水过程资料,通过雷达直接估测降水（RAD）、变分校准（VAR）以及KED 3种方法,分别与雨量计测量值进行对比分析,选用代表站进行交叉验证结果均表明：RAD的均方差、绝对误差、相对误差最大,VAR次之,而KED最小。KED估测的结果与雨量计测量降水最为接近,估测效果最好;3种方法与雨量计实测值计算一定范围的误差频率,KED估测值具有最小的均方差和最小的标准差,且误差分布相对集中在0值附近,斜度和峰度最佳,试验证明该方法不仅能提高降水估测精度,且优于其他方法,VAR均方差次之,RAD均方差效果相对较差。联合雷达、雨量计估测降水的实质是把雷达估测值与雨量计测量的结果相融合,以雨量计来校准雷达估测值,保留了雷达探测到降水的中、小尺度精细特征。校准后的雨量场数值接近雨量计测值,而且能够准确反映雷达测得的降水分布形式。     

Short-Term Dynamic Radar Quantitative Precipitation Estimation Based on Wavelet Transform and Support Vector Machine

Currently, Doppler weather radar in China is generally used for quantitative precipitation estimation (QPE) based on the Z-R relationship. However, the estimation error for mixed precipitation is very large. In order to improve the accuracy of radar QPE, we propose a dynamic radar QPE algorithm with a 6-min interval that uses the reflectivity data of Doppler radar Z9002 in the Shanghai Qingpu District and the precipitation data at automatic weather stations (AWSs) in East China. Considering the time dependence and abrupt changes of precipitation, the data during the previous 30-min period were selected as the training data. To reduce the complexity of radar QPE, we transformed the weather data into the wavelet domain by means of the stationary wavelet transform (SWT) in order to extract high and low-frequency reflectivity and precipitation information. Using the wavelet coefficients, we constructed a support vector machine (SVM) at all scales to estimate the wavelet coefficient of precipitation. Ultimately, via inverse wavelet transformation, we obtained the estimated rainfall. By comparing the results of the proposed method (SWT-SVM) with those of Z = 300 × R1.4, linear regression (LR), and SVM, we determined that the root mean square error (RMSE) of the SWT-SVM method was 0.54 mm per 6 min and the average Threat Score (TS) could exceed 40% with the exception of the downpour category, thus remaining at a high level. Generally speaking, the SWT-SVM method can effectively improve the accuracy of radar QPE and provide an auxiliary reference for actual meteorological operational forecasting.