乌鲁木齐市强降水雷达回波特征分析及预报研究

利用乌鲁木齐市2004年和2005年的夏半年(5月至9月)新一代雷达降水模式的产品资料及相应的天气图、实时降水量等资料,对乌鲁木齐市强降水个例的降水时雷达回波强度和范围、不同类型性质降水的移速及移向进行了分析研究。得出:当强降水过程(1h内)组合反射率因子强度都在35dBz以上,并出现强度40dBz以上、范围在20km×25km以上且能移过当地时就会出现1h降水量>6mm以上的强降水,概率达75%。当出现强度40dBz以上、范围在20km×25km以上并有成块的>50dBz以上强度的回波且能移过本地时,则会出现雨强很大的短时强阵性降水;连续性强降水的雷达回波移速平均为0.5km/min,阵性强降水雷达回波移速为1km/min;利用雷达产品中速度方位显示风廓线(VWP)的4～5km高度的风向做雷达回波移动方向的临近预报。所得结果应用价值大,对乌鲁木齐市短时临近强降水预报具有一定的指导性,在短时临近强降水预报的服务工作中将会产生很大的社会效益和经济效益。     

长春机场夏季雷暴临近预报雷达回波指标分析

通过对长春机场夏季有无雷暴的雷达回波最大高度、≥40dBz强核的高度、回波强度及回波移向移速4个方面进行对比分析，给出了识别有无雷暴的临近预报雷达回波指标，并进行了检验。     

基于数值模式和多普勒雷达的强对流天气预报技术

基于数值预报模式MM5,结合不稳定指标和能量指标的诊断结果,得到短时潜势预警指标,进行强对流天气0~12 h的短时预报;利用多普勒雷达信息产品提供的强对流天气风暴追踪信息,提取回波的移向和移速信息,进行强对流天气0~1 h的临近预报;均用一个强对流天气过程,来具体说明短时潜势预报和临近预报状况及其与实际情况的对比;应用短时潜势预报技术对近年来强对流天气过程进行了试用。结果表明,上述方法对强对流天气的短时预报、临近预报技术有一定的预报价值。     

天山山区有利人工增雨的综合条件分析

利用天山山区2001～2002年6～7月31次较强降水天气过程的实况资料和20个降水日的28例云系的711数字化雷达资料，对天山山区夏季有利于人工增雨的气象条件、雷达回波资料及探空资料，分析了影响天山山区降水的几种主要天气系统、各种系统下降水回波源地、性质、变化、移向移速等活动规律，归纳出相关雷达回波参数和判据，为今后山区高炮一火箭人工增雨作业提供了一些科学依据。     

雷达回波综合分析图在预报中的应用

从1980年起,华东地区的天气雷达联防组网试验为气象台站提供了一个新的预报工具——雷达回波综合分析图(以下简称综合图)。它是根据多部雷达探测到的资料拼制而成的,由于它连续地反映了空间降水或其它天气现象的变化,因而弥补了天气图的不足。综合图提供的回波区的性质、形状、范围、方位和移向移速及强回波中心的位置、强度和高度等信息,在短期晴雨预报中已经取得较好的效果,对提高暴雨预报的能力也发挥了作用。下面介绍目前使用综合图作预报的几种方法。     

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。     

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。     

基于雷达回波区域跟踪算法的临近预报技术进展

目前,临近预报技术主要包括外推技术、数值预报技术以及概念模型预报技术等。而业务上主流的临近预报技术以外推为主,主要以雷达资料为基础,采用雷达回波单体质心跟踪算法或雷达回波区域跟踪算法,得到雷达回波以及降水的临近外推预报。本文详细介绍了3种基于雷达回波区域跟踪算法(交叉相关回波跟踪算法、光流法和变分回波跟踪算法)的临近预报技术的国内外研究进展和基本原理。大量的研究和业务实践结果表明,雷达回波区域跟踪算法作为临近预报专家系统的核心部分,在对流天气临近预报方面有较好的可预报性,在临近预报业务时效内,外推预报结果和实况接近,优于数值模式预报。而通过对算法的不断改进,可以提升各临近预报专家系统在临近预报方面的性能。随着天气雷达技术的不断进步,天气雷达在硬件和软件两方面都逐步改进,雷达资料的数据质量明显提高,在对流天气临近预报上,基于雷达回波的区域跟踪技术会凸显其明显优势。     

雅安区域暴雨的雷达回波特征及预报规则

本文利用雅安雷达回波资料,分析了暴雨的雷达回波结构及其演变规律;统计了午后回波的性质、强度、移向移速等与后期暴雨的关系,归纳出了短期短时暴雨雷达回波预报规则。     

新一代天气雷达在临近预报和灾害性天气警报中的应用

利用新一代天气雷达制作临近天气预报和灾害性天气警报,必须从天气雷达观测入手.需根据临近预报和灾害性天气警报需求制定观测方法.不同预报对象,要采取不同的雷达资料的数据处理方法,以便突出预报对象的回波特征.制作临近预报和灾害性天气警报的主要依据是雷达回波分析,掌握回波演变的全过程是雷达回波分析的基础,根据回波特征判断识别影响本地区的天气系统,通过回波分析判断回波的未来发展趋势.为了从回波上识别灾害性天气,需要建立各种灾害性天气的识别判据和方法.预报的主要方法是外推法,但预报结果还需要预报员根据预报经验最后作出预报结论.为了做好临近预报和灾害性天气警报,建立预报流程是非常重要的.     

对多普勒雷达集合交叉相关外推技术的构造与实例检验

本文构造了集合的线性交叉相关方法,对多普勒雷达回波进行外推。因为线性交叉相关算法仅根据两个时次的回波外推下一时次的回波分布,且对于单个外推回波单元是线性变化的;而基于集合的线性交叉相关方法,考虑了多时刻回波的演变过程、回波的移向和移速以及回波在移动过程中的形变,都具有非线性特征,与实际情况更为符合。本文利用集合的线性交叉相关方法和最小二乘拟合方法分别对两次暴雨过程进行回波外推,通过比较发现,利用集合交叉相关外推方法所推得的回波分布与实况更为接近;利用Z-I关系,进一步分析了基于集合交叉相关外推方法的降水评分。与最小二乘拟合方法外推相比,集合交叉相关外推技术所得的回波移动位置与实况较为一致,且1小时累积降水预报效果也较好,因此集合交叉相关外推技术在临近预报中具有一定的应用价值。     

基于深度学习的天气雷达回波序列外推及效果分析

天气雷达探测资料是进行强对流天气临近预报的主要参考数据。针对传统雷达回波外推方法中存在资料信息利用率不足和外推时效有限的问题,文中利用神经网络进行雷达回波的外推、利用预测神经网络模型进行2 h以内的回波变化预报。回波外推问题的关键是回波时、空序列预测问题,该网络具有解决时间记忆问题的长、短时记忆单元（Long Short-Term Memory,LSTM）和提取空间特征的卷积模块。应用福建、江苏和河南多年的雷达探测资料构造训练和测试数据集。为消除降水的不平衡和提高对强回波的预报准确率,网络采用带权重的损失函数进行训练。对光流法和预测神经网络进行测试集检验以及个例分析,结果表明,在相同外推时效和检验反射率阈值的情况下,预测神经网络的临界成功指数、命中率均高于光流法,虚警率低于光流法。不同类型降水预测神经网络的SSIM值（structural similarity）均高于光流法,且层状云降水的SSIM值比对流云降水的大。因此,预测神经网络对强回波的预报能力高于光流法;在预报时效性上,预测神经网络模型具有一定的优越性;预测神经网络对层状云降水预报的准确率比对流云降水的高。      

A nowcasting technique based on application of the particle filter blending algorithm

To improve the accuracy of nowcasting, a new extrapolation technique called particle filter blending was configured in this study and applied to experimental nowcasting. Radar echo extrapolation was performed by using the radar mosaic at an altitude of 2.5 km obtained from the radar images of 12 S-band radars in Guangdong Province, China. The first bilateral filter was applied in the quality control of the radar data; an optical flow method based on the Lucas–Kanade algorithm and the Harris corner detection algorithm were used to track radar echoes and retrieve the echo motion vectors; then, the motion vectors were blended with the particle filter blending algorithm to estimate the optimal motion vector of the true echo motions; finally, semi-Lagrangian extrapolation was used for radar echo extrapolation based on the obtained motion vector field. A comparative study of the extrapolated forecasts of four precipitation events in 2016 in Guangdong was conducted. The results indicate that the particle filter blending algorithm could realistically reproduce the spatial pattern, echo intensity, and echo location at 30- and 60-min forecast lead times. The forecasts agreed well with observations, and the results were of operational significance. Quantitative evaluation of the forecasts indicates that the particle filter blending algorithm performed better than the cross-correlation method and the optical flow method. Therefore, the particle filter blending method is proved to be superior to the traditional forecasting methods and it can be used to enhance the ability of nowcasting in operational weather forecasts.     

雷暴区域追踪矢量与雷暴单体追踪矢量融合临近预报研究

雷暴追踪矢量的准确性是决定短时临近降水外推预报效果的关键。以TREC（Tracking Radar Echoes by Correlation）为代表的区域追踪和以TITAN（Thunderstorm Identifiation,Tracking,Analysis,and Nowcasting）为代表的单体追踪是追踪雷暴移动矢量的两种典型方法。TREC基于追踪格点雷达回波数据得到,能较好体现层状云降水和对流云降水系统的区域总体移动趋势;TITAN可以识别、分析雷暴的二维和三维属性,自动跟踪雷暴的移动速度和方向,形成雷暴单体移动矢量,能够更好地刻画小尺度雷暴单体的移动速度和方向。将TREC和TITAN两种移动矢量进行融合,生成新的外推移动矢量,既保留了TREC方法在刻画大尺度雷暴总体移动趋势信息方面的特长,又能充分发挥TITAN方法在刻画小尺度雷暴运动细节信息上的优势。融合试验表明,采用TREC和TITAN两种降水移动矢量融合的新技术,可以一定程度改进降水外推移动矢量场估计的准确度,提升降水落区和强度外推预报的准确度,对改善北京地区降水临近预报水平具有一定正效果。      

一种基于数值模式诊断自适应的北京地区对流性降水临近集合预报新方法

局地触发及组织化发展中尺度系统的生消演变是影响对流性降水临近预报的核心和关键。本文结合雷达外推预报、专家系统以及快速循环更新的高分辨数值模式系统,发展和构造了一种适合北京地区的基于数值模式预报诊断自适应的对流性降水临近集合预报新方法（APEN）。APEN基于降水外推预报结果,采用模糊逻辑算法,利用北京市气象局快速循环更新同化系统（RMAPS-IN）提供的对流诊断因子,计算对流系统发展演变（新生、增加和减弱）概率;在此基础上,扰动诊断因子阈值和权重,形成对流发展的集合概率预报;最后综合专家经验,根据对流集合概率,在降水外推预报基础上进行对流性降水调整。应用APEN,针对北京两次强弱降水过程,进行了降水的临近预报试验,结果表明:基于RMAPS-IN多种诊断因子的对流发展集合概率在强弱两种天气背景下,都能较好的反映对流系统在临近时段的发展趋势;基于专家经验模型的三种对流发展状态（对流新生、增加和减弱）下的降水调整,能合理的表征对流系统发展演变对降水的影响。APEN降水预报和RMAPS-IN的业务预报的对比显示:无论是系统性对流过程还是局地激发对流过程,APEN预报的降水落区和强度都更接近于实况,尤其是考虑对流发展演变影响的降水强度预报明显优于RMAPS-IN,APEN在北京地区对流性降水的临近预报中有明显的优势和应用潜力。     

华南前汛期暴雨C波段雷达特征应用研究

运用广州白云机场C波段雷达回波强度及径向风资料对华南前汛期强降水过程进行雨带降水估计及其移动特征预测.C波段雷达在雨量充沛地区的强降水背景下,尽管回波强度被衰减,但是近距离范围内其探测云雨精细化结构的能力较强.所采取的雷达数据质量控制系列处理,能够保留雷达数据原有特征,有效滤去杂波和噪声并缓解雷达低仰角数据杂波多、体扫面上沿径向远近高度差较大的问题,并对降水估测提供了技术保障.最优化雷达Z-I强降水估测方法基于单次过程体扫信息,具有计算简洁快速的特点,但是同一体扫面上云状差异对最优化方法参数值比较敏感,混用相同参数,影响降水估测效果.对同一体扫面上雷达云状回波进行区域划分,并选择对应测雨站点,做最优化参数分别确定,有效改善最优化雷达降水估测,提高了C波段雷达在机场近距离范围的应用效果.运用雷达体扫时间分辨率高的特点,识别雷达径向风辐合线以及强回波中心位置,并分别应用外推法预测雨带走向、移速等,验证效果良好.     

不同天气背景下京津冀降水临近外推预报

基于2019—2020年京津冀地区不同天气系统影响下的降水过程,采用交叉相关法和光流法对快速更新多尺度分析和预报综合集成系统（Rapid-refresh Multi-Scale Analysis and Prediction System-Integration,RMAPS_IN）的降水分析产品进行0~2 h临近外推预报的批量试验。结果表明:由交叉相关法和光流法计算的两种外推矢量在大小和方向上存在一定差异,直接差异与影响降水的天气系统位置有明显的对应关系,而方向差异受地理位置的影响更明显,台风类降水呈弧形带状分布,低槽冷锋类、低涡类、气旋类、暖切变线类等几类降水均呈西北大东南小的特点;预报效果方面,总体上交叉相关法优于光流法,尤其是预报时效超过30 min以后,各种降水类型的批量检验结果显示交叉相关法的预报评分优于光流法,且预报时效越长、优势越明显,但预报时效为10 min时,光流法在低涡类、台风类、暖切变线类的空报率上优于交叉相关法。此外,基于外推的临近预报方法对京津冀地区台风类降水的预报效果最好,其次为暖切变线类、低涡类、低槽冷锋类、气旋类。     

长江中游临近预报业务系统 (MYNOS) 及其应用

针对长江中游强风暴天气特点和现代预报业务需求,在借鉴世界临近预报系统, 特别是美国的Auto-Nowcaster和WDSS-II以及英国的GANDOLF等先进经验的基础上,以我国多普勒天气雷达网为重要技术手段,结合数值预报等信息资源,于2007年研究建成长江中游临近预报业务系统 (MYNOS)。MYNOS主要技术方法包括:雷达与雨量计实时同步积分结合的降水估算方法 (RASIM),雷达反演参量与中尺度模式输出物理量相结合的强风暴性质自动识别和追踪技术,基于暴雨回波生命史特性约束下的多尺度合成降水量临近预报,基于数值预报模式和模糊逻辑学的强对流天气分类落区潜势预报,集GIS功能并整合各种定量监测与预警产品于一体的短时预报工作站。MYNOS已成为短时临近预报业务的支撑平台,其中实时生成的流域定量降水估算与临近预报、强对流天气分类潜势诊断与识别预警产品等成为日常预报业务的重要参考依据。     

光流法及其在临近预报中的应用

介绍了一种全新的对流临近预报外推算法——光流法。主要是通过计算雷达回波的光流场得到回波的运动矢量场,并基于运动矢量场对雷达回波进行外推从而达到预报的目的。光流法立足于变化,在计算光流场时既考虑连续时次回波的变化,又考虑相邻位置回波的变化。因此,基于该算法的外推临近预报具有一定的物理意义。利用中值滤波等方法对雷达资料进行质量控制,有效地抑制了噪声等的影响。个例对比分析表明:经过中值滤波等质量控制后回波更平滑,边沿更清晰,回波质量明显改善,能够获得比较真实的雷达回波,也得到了方向更加一致、更加平滑的回波运动矢量场。光流法给出的30、60 min内雷达回波的位置、形状的外推预报和对应时次实况较接近,预报结果具有较好的业务指示意义。对光流法和交叉相关法预报结果进行的定量对比评价表明,对移动型局地生成及强度和形状随时间变化很快的回波,光流法预报效果优于交叉相关法。光流法可以弥补传统的交叉相关法的缺陷,能提升对流临近预报系统的性能。     

自动临近预报系统及其在北京奥运期间的应用

该文介绍了对流风暴自动临近预报系统(BJ-ANC)及其在2008年北京奥运会期间的应用。BJ-ANC是在技术引进基础上,通过本地化改进和拓展研发而形成的适合于在京津冀地区使用的对流风暴自动临近预报系统。BJ-ANC系统通过对风暴进行分析,利用临近预报算法和模糊逻辑集成技术,生成反映风暴发生、发展和消亡的分析及预报产品。系统考虑了京津冀地区边界层辐合线及地形与风暴生消发展之间的密切关系。通过对2008年实时预报结果的检验表明:系统对风暴单体在1 h内的外推预报与实际观测的风暴单体中心的距离偏差较小;系统的1 h定量降水预报和自动站的降水观测接近;系统对风暴回波的总体预报性能明显优于持续性外推方法。通过对2008年奥运期间对流风暴个例的实际应用分析表明:系统对风暴的临近预报具有指导意义,边界层辐合线对风暴的局地新生和快速演变具有明显的正面预报效果。另外,系统反演得到的对流层低层热动力三维特征提供了风暴生消、发展预报的重要判据。