雷达外推与数值模式动态融合降水概率预报方法

提出一种基于动态权重的降水概率融合预报方法。首先建立一个适用于权重分配的评分模型,对基于雷达光流外推的降水概率预报和基于数值模式经反射率换算后的降水概率预报的预报准确率分别加以评估;提出一种改进的Brier评分法,该方法兼顾了降水落区的大小和降水量,降低评分对样本数据数量多少的敏感性;根据两种在不同预报时效的评分,动态地分配两种预报方法在不同预报时效的权重。试验部分通过Brier等评分验证表明,融合后各个预报时效的预报都表现出与雷达外推或数值模式相近甚至更高的技术评分。     

基于雷达外推临近预报和中尺度数值预报融合技术的短时定量降水预报试验

为克服目前中尺度数值模式在对流尺度定量降水短时预报方面的不足,弥补基于“外推”的临近预报技术在2h以上定量降水预报能力方面的缺陷,研究设计了一种基于“外推”临近预报技术和中尺度数值模式的定量降水预报(QPF)融合技术方案,并进行了试验应用.该方案首先基于雷达探测和自动气象站观测的定量降水估计(QPE)结果,对中尺度数值模式输出的定量降水预报在谱空间进行相位校正,分析计算出数值预报和观测的偏差,导出一个附加的数值预报校正场;其次,根据数值预报校正场满足一定时间变化分布的特征,调整相应时段的数值预报降水区域和强度;最后,利用双曲正切线权重函数,对校正后的数值模式定量降水预报和基于临近预报技术的定量降水预报进行融合,融合权重根据典型环流特征动态变化.融合后的定量降水预报在前1-2h表现出主要依赖“外推”临近预报结果,之后随着融合权重的变化,数值预报对融合结果的贡献逐渐加大,直至融合后5-6h占主导地位.通过对京津冀地区2011年夏季5个及2012年夏季2个典型强降水个例的80次预报试验及其检验,表明融合后的0-6h定量降水预报结果改进较为明显,总体优于单独的临近预报技术或者中尺度数值预报模式的结果.     

基于ConvLSTM的广西短临降水预报

针对传统雷达回波外推算法在快速增长或消散降水过程预报精度较低的问题,利用华南雷达回波拼图资料数据,建立ConvLSTM回波外推模型,对广西区域范围进行短临降水预报研究.采用气象业务中的正确率(POD)、临界成功指数(CSI)及误报率(FAR)评判标准检验预报模型,并将ConvLSTM与光流法的预报结果进行对比分析.结果...     

人工智能在短临降水预报中应用研究综述

短临降水预报是一项重要且具有挑战性的世界性难题.研究人员曾尝试使用各种技术预报降水,但是由于降水本身具有高度非线性、随机性和复杂性的特性,使得降水预测精确度并不高.近年来,随着人工智能技术的迅猛发展,其日渐渗透到人们生活的方方面面,气象领域也因此得益.人工神经网络能够对非线性系统进行建模,因此相比于传统方法,如数值天气预报法和光流法等,人工智能方法使得降水预报的准确率大大提高.本文介绍了传统降水预报的方法,着重总结概括了用于短临降水预报的各种最新人工智能方法,并对各研究方向进行归纳分析,为各类研究人员研究提供有益参考和借鉴.     

基于雷达回波外推和中尺度模式预报的短时降水对比分析

针对2011年夏季北京四次不同类型的降水过程,利用雷达临近预报算法MTREC和中尺度数值预报系统BJ-RUC对不同类型降水的短时预报能力进行了对比分析,并总结了两者的预报性能及特点。结果表明:(1)从降水预报偏差看,对于不同类型的降水预报,在研究的降水时段内,MTREC和BJ-RUC均表现为降水预报偏强。MTREC对四次降水过程的预报偏差较为平稳,而BJ-RUC随过程差异变化较大。(2)从降水预报落区看,MTREC的预报准确性随降水过程差异明显,降水系统范围越大,预报准确性越高。而BJ-RUC总体上表现平稳,对局地对流性降水的预报能力仍然有限。(3)从整体预报性能看,对于0~6 h降水预报,MTREC和BJ-RUC在预报性能上存在交叉点。交叉点的出现时间因降水过程而异,降水范围越大、组织性越强,交叉点出现越晚。     

基于雷达资料的定量降水预报外推算法试验

摘要：目前贵州在短时临近降水预报客观算法方面研究匮乏,而短时强降水常常给贵州造成严重的洪涝灾害和地质灾害。将短时临近降水预报应用于气象防灾减灾、电网输电线路安全预警、水利防洪自动化方面是未来重要的研究应用方向。本文基于灾害天气短时临近系统（Severe Weather Automatic Nowcast System,SWAN）的定量降水预报(QPF)产品进行0～2小时QPF外推试验研究。利用贵州省地面自动站数据、SWAN 输出的1h-QPF产品、SWAN 1h定量降水估测(QPE)产品。选取2018年3次典型暴雨个例进行试验,采用融合订正技术,利用相似离度算法对降水强度位相进行调整、Weibull分布算法对降水极值分布进行订正、改进后的交叉相关法(Improved Cross-correlation Extrapolation Method,COTREC)进行降水外推预报。通过主客观检验对比,初步说明基于Weibull分布算法的降水极值订正对降水极值分布有很好的模拟效果。融合订正外推的贵州省短时临近定量降水预报产品（Nowcasting precipitation forecast of GuiZhou,下文简写为GZ_NPF）在大于5mm以上量级降水的TS检验中评分更高。GZ_NPF的空报率明显降低,但空报率降低的代价是漏报率相对提高。GZ_NPF总的相对误差减小,格点总降水量与实况总降水量更为接近。试验说明新的融合订正外推算法提高了0～2h短时临近降水的预报能力。     

雷达反演资料的Nudging同化对华南暴雨过程短临预报的影响

基于1 km分辨率的华南区域短临预报模式,利用松弛逼近法Nudging同化由雷达观测反演的风场和水物质,选取两次华南前汛期降水过程进行试验,目的在于研究调整初始风场和调整初始水物质场对于短临模式降水预报的不同影响。首先对反演结果进行了初步验证,结果表明试验中反演结果是基本合理的。进而将雷达反演结果 Nudging同化到模式预报中,和控制试验(test-ctl)进行比较可以看出:(1)仅Nudging同化水物质试验(test-qcqr)可以比较有效地改进0～7 h降水预报,特别是对于0～2 h降水偏少的现象改进最为显著。(2)仅Nudging同化风场试验(test-uv)对3～7 h预报有一定的改进,但总体来说改进的幅度很小。(3)同时Nudging同化水物质及风场试验(test-qcqr-uv)的结果最优,它对于0～10 h降水预报都有比较明显的改进。从微物理量的垂直分布来看,前期模式降水主要来源于Nudging同化到初始场中的水物质信息,所以test-qcqr和test-qcqr-uv对前期降水预报的改进都比较明显。Nudging同化雷达反演风场资料可以迅速的调整初始场中低层辐合线存在的偏差,但是它对降水的影响必须配合水物质的调整才能比较明显地体现出来。总的来说,Nudging同化水物质对于短临降水预报影响最为显著,而在此基础上Nudging同化雷达风场对于3 h之后的降水预报会有更好的改进。     

C波段雷达资料同化对GRAPES中尺度数值模式短临降水预报的影响

将C波段雷达资料用LAPS模式的云分析系统进行反演,并采用Nudging技术将反演得到的云微物理场引入GRAPES中尺度数值模式,结合1次强降水天气过程的模拟实验,研究了C波段雷达资料同化对GRAPES中尺度数值模式短临降水预报的影响。结果表明：(1)雷达资料同化能够改进中尺度模式的降水预报,模式前6 h的降水预报相关系数和不同等级降水TS评分都有提高,同时降水峰值提前了1 h,有助于缓解模式spin-up问题。(2)模式降水预报的改进效果主要由强降水贡献,最大改进效果集中在4～6 h。(3)同化雷达资料后25 mm以上强降水预报站数比更接近实况,落区偏差幅度更小,降水落区和强度向实况方向得到调整。(4)10 mm以下弱降水在吸收雷达资料后,站数比相较于控制预报,比实况增加更多,落区偏差幅度增大,存在预报过量的问题。弱降水预报过量主要集中在4～6 h,而前3 h对降水预报的改进有积极作用。     

CAST-LSTM：一种用于雷达回波外推的时空LSTM模型

基于循环神经网络的雷达回波外推算法的预报结果随时间逐渐模糊失真,同时难以预报强回波区域。针对上述问题,提出一种上下文融合和注意力机制的时空长短期记忆网络模型。该方法通过上下文融合模块充分提取雷达图像不同尺度的短期上下文信息;通过注意力模块拓宽预测单元的时间感受域,使模型感知更多的时间动态。以2019—2021年4—9月江苏省气象雷达数据为样本,通过试验对比分析,基于上下文融合和注意力机制的时空长短期记忆网络取得了更好的预测性能。在外推60min,阈值为10、20、40 dBz的条件下,临界成功指数和HSS分别达到0.7611、0.5326、0.2369和0.7335、0.5735、0.3075,有效提高了预测精度。     

临近预报的两种高时空分辨率定量降水预报融合算法的对比试验

长期以来,雷达回波外推技术是0—2 h临近预报系统主要采用的方法,但其实际有效预报时间≤1 h,而中尺度数值模式预报则受平衡约束时间的限制,最初2 h的降水预报无效。为解决上述两种预报的缺陷,目前国际上流行采用外推预报与数值模式预报融合的技术,形成统一的0—6 h格点化的高分辨率无缝隙定量降水临近预报系统。对目前流行的两种融合算法（INCA（Integrated Nowcasting and Comprehensive Analysis System）算法及RAPIDS（Rainstorm Analysis and Prediction Integrated Data-processing System）算法）进行了分析和对比试验,以期为业务应用提供借鉴。RAPIDS算法的核心是用自动气象站雨量融合雷达估测得到的定量降水对模式预报的降水强度和位相进行修正;INCA算法则是用数值模式预报的风场修正外推技术的降水移动矢量。两种方法在0—6 h预报时效内,外推预报的权重均逐渐减小,模式预报的权重逐渐增大,从而实现外推预报和模式预报的平滑过渡。试验结果表明,两种方法对降水雨带和降水强度的预报均优于单一的外推预报或模式预报。集二者的优势研发最优的高时、空分辨率降水预报无缝隙融合算法,将有助于进一步提升高分辨率定量降水0—6 h无缝隙预报水平。      

雷达资料与中尺度数值预报的融合方法研究及其在临近预报中的应用

通过融合多普勒天气雷达资料与中尺度数值预报产品,发展了一种便于临近预报业务使用的方法。该方法首先通过相关分析计算当前相同时刻雷达估测降水与中尺度数值预报的反射率因子估测降水之间的位置偏差,导出一个位移偏差矢量场;然后,利用人机交互的方式对矢量场进行分区,并对各分区的矢量场进行平滑处理,计算出各分区的平均位移偏差矢量;最后,采用最小二乘法对各分区连续多次的平均位移偏差矢量进行线性拟合,得到各分区平均位移偏差矢量随时间的变化特征,订正未来时段相应区域的数值预报反射率因子估测降水的位置偏差。利用该方法对2012和2013年夏季发生在重庆西部、四川东部的3次强降水天气过程进行临近预报试验并对预报结果进行了检验,结果表明:对0~2 h的临近预报,融合预报效果总体上优于模式预报效果;另外,与雷达外推定量降水预报相比,0~1 h雷达外推预报效果优于融合预报效果,1~2 h融合预报效果优于雷达外推预报效果。     

山西省多普勒雷达非降水回波应用研究

本文研究了多普勒天气雷达速度图上非降水回波（不包括地物回波）的空间结构，并对太原雷达站业务运行以来多普勒天气雷达观测到的“非降水回波”的速度特征进行了深入、系统的分析。发现由大气湍流和云滴后向散射所致的非降水回波，虽然强度很弱，但其速度回波却代表了环境风的三维结构，对临近预报有5h～7h的提前量，为临近预报提供了一种新的有效手段。     

三小时降水定量预报的雷达模式

根据雷达气象方程,推导得出了雷达回波立体资料预报短时降水的数学模式。然后对其主要因子进行了讨论;并在考虑数字化雷达回波立体资料实际情况的基础上,对模式进行了简化,最后通过格点应用,建立了有限区间短时面雨量预报模式。     

一种改进短临降水预报的雷达产品应用方法

通过将组合反射率因子、垂直累积液体水两种雷达产品合并成一种新的雷达产品CR_VIL,使用6万多张CR_VIL产品与对应时次6min自动站雨量数据,通过统计分析得到CR_VIL的6min雨量均值表。在短时临近预报系统中根据雷达回波外推结果,使用CR_VIL的6min雨量均值表求得各时段定量降水估测值(QPE)作为该时段的定量降水预报值(QPF),得到预报时效2h,时间分辨率为6min的定量降水预报数据,业务运行中对1h的预报结果进行检验,晴雨预报准确率为87.0%,短时强降水TS=0.106,Bias=1.09,表明CR_VIL应用在业务系统中对短时强降水具有一定预报能力。     

质心法雷达回波外推的原理及应用

介绍了多普勒雷达原始数据的格式,并通过计算机对两个相邻时次的雷达回波进行自动外推,实现了雷达回波外推的自动化和客观化.在2004年5月～2005年9月的应用中,这种方法对回波的移向、移速外推结果和实况基本吻合.     

质心法雷达回波外推的原理及应用

介绍了多普勒雷达原始数据的格式,并通过计算机对两个相邻时次的雷达回波进行自动外推,实现了雷达回波外推的自动化和客观化。在2004年5月~2005年9月的应用中,这种方法对回波的移向、移速外推结果和实况基本吻合。     

基于深度学习和雷达观测的华南短临预报精度评估

利用最新的深度学习算法,即卷积长短期记忆(Convolution Long-Short Term Memory)神经网络,构建基于深度学习的人工智能短临预报系统,以广州地区2019年3-5月雷达观测的数据为输入进行训练,然后进行短期1h内的降水预报。利用常用的统计评分指标(探测率POD、误报率FAR、临界成功指数CSI,相关系数CC)检验模型。结果表明,预报结果与实际观测的相关系数在1h内预报均保持在0.6以上,在1h内预报探测率均保持在80%以上,临界成功指数在降水强度为10mm·h^-1时,基本保持在60%,误报率均小于40%。     

多普勒雷达非降水回波在临近预报中的应用研究

本文研究了多普勒天气雷达速度图上非降水回波(不包括地物回波)的空间结构,并对太原雷达站两年多以来的多普勒天气雷达观测到的“非降水回波”的速度特征进行了深入、系统的分析。发现非降水回波的强度虽然很弱,但其速度回波显示出冷暖平流和大尺度风向、风速辐合(散)相结合的特征。统计结果表明,56次降水过程中,有52次降水发生前的非降水回波具有辐合特征,且非降水回波辐合特征的出现较本站降水发生均具有一定的提前量,为临近预报提供了一种新思路。