阵风锋自动识别算法的试验研究

利用江苏省6部S波段全相参多普勒天气雷达测得的2007-2011年28个阵风锋观测实例,检验多普勒天气雷达的阵风锋自动识别算法的效果。该算法主要包括熵函数模板的反射率强度边界识别、风切变算法,并综合依据径向速度及谱宽进行阵风锋识别。在阵风锋的识别中,多普勒速度的径向切变有利于判别雷达波束垂直于阵风锋边界的辐合,旋转切变可更好地显示平行于波束的阵风锋边界。在参与检测的28个个例中,成功检测出的有13个;因雷达资料质量影响,7个个例检测出部分阵风锋;8个个例未检测到阵风锋。经过检验,该算法的识别效果较好,但仍存在一些不足,需要进一步完善雷达资料的质量控制,和对低层弱切变特征的提取研究。     

渤海湾海风锋触发雷暴的观测和模拟分析

利用天津多普勒天气雷达观测资料和中尺度数值模式,对比分析了2007年8月13日海风锋触发雷暴天气的发生、发展演变特征。结果表明,数值模拟和多普勒天气雷达观测海风锋起始生消时间、形态特征和位置基本吻合。数值模拟能够更清晰地显示海风锋的物理量特征,也能反映出海风锋前端是东南风和东北风交汇的辐合带,在850 hPa以下向内陆推进过程中呈气温降低和湿度增加的特点,并逐渐形成增厚的热内边界层。从水汽和温度的水平分布来看,海风锋前端为温度和湿度等值线的密集区,海风锋背后为冷湿气团。另外,虽然未能模拟出阵风锋的细线回波,但模拟出阵风锋为干冷气流。雷暴四周均存在低层辐散下沉气流,只是雷暴主体前部阵风锋的辐散气流较强,而多普勒天气雷达仅能观测雷暴主体前部的阵风锋。多普勒天气雷达探测海风锋与阵风锋碰撞后,在碰撞交叉处形成雷暴天气,数值模拟揭示了碰撞交叉处形成雷暴天气的物理量特征,即:有明显的垂直运动和散度特征;广义理查逊数的分布特征也较显著,其厚度在1.0 km左右,CAPE值明显增加。     

防城港市一次阵风锋的雷达回波特征分析

对2015年9月8日防城港市沿海地区出现的一次强对流天气过程进行分析,此次强对流天气过程出现多个雷暴,并发生了多次阵风锋。应用多普勒雷达观测资料,从两次阵风锋的演变过程中分析出一些阵风锋的雷达回波特征。对比自动站观测资料,分析阵风锋过境时气象要素的变化情况。     

陕西两次阵风锋的多普勒雷达和自动气象站资料分析

对2004年7月发生在陕西中部的两次雷暴系统产生阵风锋的多普勒雷达观测和自动气象站资料进行了分析,结果表明:阵风锋位于雷暴前部10~50 km处,呈弧状;阵风锋的水平尺度为50~100km,宽度3~5 km,回波强度15~25 dBz,生命史1~5 h;阵风锋的典型速度为10 m.s-1;阵风锋过境时地面温度下降,风向转变、风速突增的现象明显;阵风锋的强度取决于雷暴的强度,雷暴群产生的阵风锋生命史更长;阵风锋对近距离的单体雷暴有显著的负反馈作用,对雷暴群的负反馈作用不明显;多普勒雷达径向速度场对阵风锋有较强的预报能力。     

上海地区一次阵风锋结构特征与动量收支诊断分析北大核心CSCD

利用多普勒天气雷达资料、自动气象站资料以及WRF模式模拟结果,分析了2012年7月13-14日上海地区发生的一次阵风锋结构特征,并对阵风锋移速成因进行了动量收支诊断分析。结果表明：（1）此次阵风锋天气现象特征明显：气压陡升、风向突变、风速加大、温度及露点温度骤降等,并伴有短时强降水。（2）WRF模式较为完整地模拟了此次阵风锋发展演变及其对上海地区的影响过程。（3）阵风锋后面伴有冷池,冷池主体位于2 km以下,冷池上方伴有负的扰动气压,且2~3 km气柱内有扰动西风下传。冷池强弱直接影响阵风锋强度,扰动西风下传所带动量直接驱动冷池,进而影响到阵风锋形成及其强度。（4）动量收支诊断分析分析表明,垂直平流、气压梯度力对阵风锋的纬向移动有较大贡献。     

成都双流机场“7.9”低空风切变天气过程分析

利用多普勒雷达对2010年7月9日发生在成都双流机场的两次低空风切变飞行事件进行分析,这两次低空风切变过程是由中尺度对流系统(MCS)产生的阵风锋和下沉气流造成的.利用实时的多普勒气象雷达和地面自动观测数据,确定阵风锋的传播方向和速度,估计阵风锋引起的风切变发生的时段和位置;多普勒反射率因子的形态及多普勒速度图像能有效...     

上海地区一次阵风锋结构特征与动量收支诊断分析

利用多普勒天气雷达资料、自动气象站资料以及WRF模式模拟结果,分析了2012年7月13-14日上海地区发生的一次阵风锋结构特征,并对阵风锋移速成因进行了动量收支诊断分析。结果表明:(1)此次阵风锋天气现象特征明显:气压陡升、风向突变、风速加大、温度及露点温度骤降等,并伴有短时强降水。(2)WRF模式较为完整地模拟了此次阵风锋发展演变及其对上海地区的影响过程。(3)阵风锋后面伴有冷池,冷池主体位于2 km以下,冷池上方伴有负的扰动气压,且2~3 km气柱内有扰动西风下传。冷池强弱直接影响阵风锋强度,扰动西风下传所带动量直接驱动冷池,进而影响到阵风锋形成及其强度。(4)动量收支诊断分析分析表明,垂直平流、气压梯度力对阵风锋的纬向移动有较大贡献。     

一次中纬度飑线的阵风锋发展特征分析

2009年8月发生在辽宁省中部的一次飑线前部出现了两次特征不同的阵风锋发展过程,并伴随有灾害性大风和冰雹等强对流天气。应用多普勒雷达数据、常规探空、地面加密观测及飞机观测（AMDAR）数据对飑线系统进行了综合分析。结果显示环境场中强的风垂直切变促进飑线上对流单体发展并使飑线倾斜。西路冷空气进入飑线使对流加强,形成第一次阵风锋。而北路冷空气与飑线的暖心间温度梯度增大,造成地面风速增大是第二次阵风锋发展的直接诱因。最终飑线系统母体中的线状辐合带转移到第二次阵风锋上,该阵风锋形成新的飑线。     

北京及周边地区雷暴阵风锋特征统计分析

为全面和系统研究北京及周边地区阵风锋各方面特征,使用2006—2015年暖季（5—9月）北京多普勒雷达探测资料及北京、河北、天津自动气象站观测资料对北京及周边地区的阵风锋过程进行综合统计分析。结果表明,346次阵风锋过程有232次触发了对流,占总数的67%,表明阵风锋对雷暴具有较强的抬升触发能力。阵风锋在6—8月出现的日数占5—9月阵风锋总日数的85%;出现的时段主要是午后至傍晚（12—21时,北京时）,维持时间0.5—3 h;阵风锋在北京东南方向生成的数量最多,且触发对流的次数也最多;其次为偏东和东北方向;偏南和西南方向生成阵风锋数量居中,而偏北、偏西和西北地区阵风锋个例相对较少,触发对流的比例也相对较低。产生阵风锋的母风暴中48%为孤立雷暴（包括孤立多单体和超级单体风暴）,31%为雷暴群,21%为飑线;97%的母风暴最强回波在50 dBz以上,阵风锋的回波强度为10—25 dBz。91%的阵风锋移动速度集中在10—60 km/h,84%的阵风锋与母风暴的最大距离为1—60 km;在母风暴回波强度减弱到30 dBz以下时,80%的阵风锋能够继续维持的时间不超过2 h。阵风锋母风暴向东南方向移动的个例最多,从阵风锋和母风暴移动方向的关系来看,阵风锋与母风暴移向一致的情况占比最高,为32%,其次为母风暴无移动及阵风锋弧形扩散情况,各占17%;阵风锋与母风暴移向相反情况所占比例最低,只有3%。最后统计了阵风锋经过地面自动气象站时,自动观测量的变化情况。结果显示,阵风锋在经过地面自动气象站时会造成风速增大、温度降低、相对湿度增大、气压升高。      

南京地区初夏一次阵风锋过程的分析与识别

阵风锋过程一般伴随中尺度强对流系统发生, 在近地层形成很大的阵风及风切变, 容易造成风灾, 特别是对航空部门有很大的影响。本文对2006年6月29日发生在南京的一次由强中尺度对流系统引发的阵风锋过程进行分析, 通过多普勒天气雷达资料以及地面中尺度观测网观测到的实况, 可以清楚地看出这个阵风锋系统的结构。当阵风锋经过时, 地面测站观测到明显的风向变化、 风速增大、 气压增强、 温度下降, 而后出现强降水等特点, 这些都符合阵风锋的结构特征。利用地面测站实时观测到的气压、 相对湿度、 温度等计算得到折射指数, 它在阵风锋刚经过时迅速增大, 而后随阵风锋外移逐渐减小, 但是因为阵风锋后对流系统的影响, 折射指数还要维持很长时间的高值。从雷达观测的反射率强度上能看到阵风锋位置的回波强度、 高度都比两侧要大, 与后方强对流系统之间的距离有5～10 km。对雷达观测到的径向速度进行反演, 可看到上层的速度大于近地层速度, 并且强速度中心靠前, 在近地层形成向后的气流(回流)。阵风锋在多普勒速度场中表现出明显的线状组合切变, 利用阵风锋的这个特点设计自动识别算法, 能够有效地对阵风锋进行识别, 组合切变也能有效地对阵风锋的发展以及移动作预报。     

多普勒雷达对一次阵风锋的三维结构研究

通过对济南地区一次春季阵风锋的多普勒雷达资料分析,反演出典型的密度流外流边界(阵风锋)的特征,在雷达回波图上表现为一条狭窄的弧状强回波带,强回波带的后方再发展出宽大较弱的回波区.体扫的各仰角速度场显示出阵风锋合理的空间结构;在雷达回波上阵风锋的长度表现为低仰角长,高仰角短,而距离表现为低仰角远,高仰角近.速度垂直剖面上存在典型的中层径向辐合MARC,高度大约在2.5～7 km之间,反映出强对流存在明显的后方中层入流.随着仰角的增大,可以分析出阵风锋是近地面现象.     

北京地区雷暴大风不同生命期内的雷达统计特征及预警提前量分析

选取2010—2014年发生在北京地区的19个致灾的雷暴大风天气过程,应用北京新一代多普勒天气雷达体扫资料的反射率因子和径向速度产品,分析了雷暴大风天气不同生命期内的雷达回波特征。分析发现依据径向速度大值区能对77.8%的带状回波造成的雷暴大风天气提前发布预警,能对100%的弓形回波造成的雷暴大风天气提前发布预警,而其中有67%可提前30min发布预警;孤立的块状回波前侧均未观测到阵风锋回波,径向速度图未观测到入流急流,径向速度大值区不明显。但径向速度图上观测到的中层径向辐合、入流急流、中气旋及反射率图上观测到的阵风锋都为雷暴大风的提前预警提供了重要指示特征。     

河北省雷暴大风的雷达回波特征及预报关键点

应用河北省石家庄新乐CINRAD-SA雷达资料对2006—2008年河北省中南部地区262个站雷暴大风的雷达回波特征进行统计。分析发现, 雷暴大风的主要雷达回波特征有弓形回波、阵风锋和径向速度大值区,出现其中一个或多个特征均可发布雷暴大风预警。根据以上雷达回波特征能够对66%的雷暴大风发布预警,34%的雷暴大风仅仅依据雷达资料无法预警,其中孤立块状回波占39%,带状回波占61%。弓形回波仅占雷暴大风的19.8%,能够观测到的阵风锋回波仅占16.8%,65.3%的雷暴大风观测到径向速度大值区,径向速度大值区是雷暴大风最重要的雷达回波特征。径向速度大值区的形成一般早于弓形回波和阵风锋回波,依据径向速度大值区可更早发布雷暴大风预警。     

阵风锋、海风锋和冷锋等触发局地强对流风暴实例分析

利用CINRAD/SA雷达探测资料,结合地面实况和探空资料,对7次典型中尺度辐合线触发强对流风暴的特征进行了分析。结果表明：阵风锋、海风锋和冷锋等边界层辐合线在一定条件下雷达低层反射率因子产品上表现为清晰的窄带回波,某些辐合线在反射率因子产品上不能得到任何有用信息,但在低层径向速度上可识别出线性径向速度辐合;识别出窄带回波或清晰的径向辐合线约1 h后,是雷暴首次触发的主要时间段;对于干型强对流风暴产生的阵风锋,其右侧往往是雷暴触发的主要区域,导致风暴右向传播;湿型强对流风暴产生的阵风锋,激发雷暴的方向与雷暴平均移动方向基本相反,导致风暴呈后向传播特征;海风锋向内陆推进速度快的区域是雷暴触发的主要区域,后继雷暴具有两侧传播特征;单纯的线性低层径向速度辐合在合适的环境条件下触发强对流,主要特征是对流风暴移动缓慢,可造成局地灾害性强降雨天气。     

单部多卜勒天气雷达探测低空风切变方法

利用单多卜勒天气雷达风场资料对一维径向、一维方位、二维复合风切变值进行了计算 ,并对机场附近飞机所受气流速度变化进行分析。所得结果旨在定量描述机场附近低空风切变区 ,检验对下击暴流、中气旋、阵风锋探测的结果 ,确定飞机起降潜在危险区。     

An Algorithm for Automated Identification of Gust Fronts from Doppler Radar Data

Gust fronts are weak narrow-band echoes of increased reflectivity at the background levels in the low-elevation fields of Doppler radar. An automated approach to gust front detection that relies on the image features of radar observations is presented in this paper. The algorithm is not sensitive to the variations in reflectivity values and gust front widths. The approach includes the following steps. First, a novel local binary with dual-template (LBDT) algorithm is designed as the fundamental algorithm to identify the potential areas of narrow-band echoes. Second, based on the disadvantages of the LBDT algorithm, several modifications are made, including splitting the intersecting lines, connecting the fragments, and filtering the edges and radial interference noise. Third, an optical flow method is used to determine whether a weak narrow-band echo is a gust front according to the prior knowledge that a gust front usually propagates in front of the associated generating storm. The results of experiments show that the proposed method can automatically identify gust fronts with a high probability of detection and a low false alarm rate. The automatic identification of gust fronts is potentially useful for accurate short-term weather forecasting, particularly in the forecasting of storm winds.     

基于数学形态学的阵风锋识别算法

提出基于数字图像处理技术中的数学形态学的阵风锋自动识别算法。该算法首先基于阵风锋的反射率因子窄带形态、速度辐合和快速移动特征,计算相邻时次体扫反射率因子差、速度切变和速度梯度这3个参量场,综合这3个参量场,得到一个二维特征量;然后采用数学形态学算法对这个二维特征量进行二值化、膨胀、腐蚀、细化、剪枝及线段联通等处理,得到一条反映阵风锋骨架特征的曲线。利用武汉雷达观测的2个阵风锋过程的共53个体扫数据进行阵风锋识别算法检验,结果表明:该算法正确识别阵风锋39个,错误识别3个,漏识别11个;识别曲线与阵风锋位置和走向较为一致。     

四川盆地一次阵风锋触发的局地强对流天气雷达特征分析

应用自动气象站资料和多普勒雷达观测资料,对盆地南部一次阵风锋引起的局地强对流天气进行分析,结果表明:阵风锋是对流风暴产生的下沉气流到达地面时产生强烈辐散,与低层暖湿空气交汇产生的剧烈天气现象;阵风锋在多普勒雷达上表现为一条狭窄弧线,回波强度弱,速度图上有辐合,阵风锋与强雷暴的发生、发展和维持有促进作用;阵风锋过境会引起气象要素陡变,阵风锋经过的地方,强雷暴的产生地与地面风场辐合线的位置和温度槽线的位置有很好的对应关系,对短临预报预警的提前发布有较强的指示意义。      

Gust Front Statistical Characteristics and Automatic Identification Algorithm for CINRAD

Gust front is a kind of meso-and micro-scale weather phenomenon that often causes serious ground wind and wind shear. This paper presents an automatic gust front identification algorithm. Totally 879 radar volume-scan samples selected from 21 gust front weather processes that occurred in China between 2009 and 2012 are examined and analyzed. Gust front echo statistical features in reflectivity, velocity, and spectrum width fields are obtained. Based on these features, an algorithm is designed to recognize gust fronts and generate output products and quantitative indices. Then, 315 samples are used to verify the algorithm and 3 typical cases are analyzed. Major conclusions include： 1） for narrow band echoes intensity is between 5 and 30 dBZ, widths are between 2 and 10 km, maximum heights are less than 4 km （89.33%are lower than 3 km）, and the lengths are between 50 and 200 km. The narrow-band echo is higher than its surrounding echo. 2） Gust fronts present a convergence line or a wind shear in the velocity field;the frontal wind speed gradually decreases when the distance increases radially outward. Spectral widths of gust fronts are large, with 87.09% exceeding 4 m s-1 . 3） Using 315 gust front volume-scan samples to test the algorithm reveals that the algorithm is highly stable and has successfully recognized 277 samples. The algorithm also works for small-scale or weak gust fronts. 4） Radar data quality has certain impact on the algorithm.