共查询到18条相似文献，搜索用时 140 毫秒
1.
2.
3.
用云团强中心附近最大亮温梯度区判别强降水 总被引：3，自引：2，他引：1
用1996～2001年5～7月GMS红外云图资料,分析了GMS红外云图云顶温度与对应的地面雨量站的1 h雨量的关系,结果表明云团降水最强的区域既不是出现在云顶温度最低的区域,也不是出现在云顶温度梯度最大的区域,而是出现在云团强中心附近的云顶最大温度梯度区移动方向大约4个像素的地方.同时采用回归分析方法统计了云团最强降水与最低云顶亮温和发展率等因子的关系,然后根据云团强中心附近的最大亮温梯度区的移动来估计云团未来1 h强降水可能的强度与落区. 相似文献
4.
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。 相似文献
5.
为了更好地利用大量的卫星云图观测资料来提高台风暴雨的预报能力,解决并提高对台风强降水云系变化的预报精度,延长对未来云系变化的预报时效,构建基于合作对策Shapley-模糊神经网络的华南区域台风卫星云图非线性智能计算滚动集合预测模型,对增强卫星云图资料在台风暴雨天气预报中的实用性和及时性具有重要意义。依据2013—2016年华南区域台风影响过程的卫星云图,采用类似于数值预报模式的集合预报方法,通过对间隔6 h的卫星云图云顶亮温样本序列做经验正交函数分解,将提取出的时间系数作为云图预报建模的预报分量。考虑台风云系的发展变化主要受云团环境物理量场的影响,利用数值预报模式的物理量预报产品作为各预报分量的预报因子,并采用k-近邻互信息估计的分步式变量选择算法,通过两步过程实现相关变量的选择与弱相关变量的剔除,分别建立相应时间系数的Shapley-模糊神经网络集合预报模型,进一步将预报得到的各时间系数与空间向量合成,重构得到未来时刻的卫星云图预报图,实现了云图6—72 h的长时效客观滚动预测。试验结果表明,新方案所预测的云图与实况云图相关较高,重构云图的基本轮廓、纹理特征分布、清晰度以及云系强弱方面都比较接近原始云图。另外,研究进一步基于相同的云图预报因子,针对同样的建模和预报样本采用多元线性回归方案进行和新方案一致的云图预测。对比结果表明,这种非线性预报模型比线性方案能更好地预报未来较长时效台风云团的发展、移动的主要特征和变化趋势,其预测的云图与实际云图的主要特征更相似。云图预报时效达到了72 h,具有业务实用价值。 相似文献
6.
本文利用常规气象观测资料、加密自动气象站降水资料、卫星云图和SWAP强对流路径预报资料、多普勒雷达以及风廓线雷达资料,用天气动力学诊断方法,对2013年一次影响湖北省荆门地区的江淮气旋暴雨过程进行分析,结果表明:(1)此次暴雨过程是由于中高纬有高原槽发展东移,槽前正涡度平流作用使得低层西南涡加强,低层减压形成江淮气旋,气旋东移发展而产生暴雨;(2)强降雨主要集中在两个时段,分别与西南涡加强东移和江淮气旋生成有很好的对应;(3)500h Pa垂直速度表明,强上升运动区的移动方向与雨带移动方向一致;水汽通量辐合中心发展并向东北方向移动,跟强降水有直接的对应关系;(4)风廓线雷达反演的热成风温度平流变化,大气折射率常数大值中心以及SWAP的强对流云团的路径外推预报对本地强降水发生位置具有重要的指示意义。 相似文献
7.
雷暴云团自动识别和边界相关追踪技术研究 总被引：9，自引：0，他引：9
基于高时空分辨率雷达资料的雷暴云团识别、追踪及预警技术是目前最重要的临近预报预警技术之一.该文描述的雷暴云团边界相关追踪技术是一种新研究的方法,该方法是利用模式识别技术进行云团边界识别、拓扑处理,建立云团生命时序与族谱关系,并在此基础上进行雷暴云团外推的一种短时临近预报方法.该方法有三个主要技术环节:(1)对已预处理的雷达数据进行边界识别;(2)利用四分树匹配分析因子、重叠因子、面积因子、外接矩形因子、轮廓综合因子、局部相似判定因子等六个判断因子,分别识别出每个云团的时间序列,以及每个云团的运动方向、速度、面积、强中心,以及所处的状态(增强或减弱、膨胀或缩小)等信息;(3)对云团的移动方向、速度、面积、强度进行线性外推.初步结果显示该方法可较好地识别和外推预报雷暴云团.在此基础上建立的雷暴自动识别和追踪系统(简称"追踪者",TRACER),可以基于地图系统选取指定云团,获得云团空间位置信息、发展轨迹、演变特征和未来预测,也可对云团预报结果进行定量分析和验证. 相似文献
8.
对湖北省1979－1999年的冰雹过程的卫星云图进行了分析，总结出冰雹过程的卫星云图特征，用统计模式识别方法进行了识别，在对红外云图进行图象处理后，用交叉匹配方法得到其移动矢，以此对冰雹云系做外推预报，结果表明，其准确率比主观识别方法的要高。 相似文献
9.
华北两类灾害性云团的对比研究 总被引：1，自引：0，他引：1
运用卫星云图、常规资料以及数值预报分析产品,分析了1998年夏季华北地区出现的强灾害性雷暴云团和暴雨云团。结果指出:它们的形成、发展条件及移动方式,均有着显著的不同特征;卫星云图与其它资料结合,是监测和预报这两类云团的有效途径。 相似文献
10.
利用2017—2018年葵花卫星(Himawari)TBB亮温资料,计算最低亮温、亮温梯度、红外与水汽亮温差和低亮温区面积及其随时间变化率等特征参量,确定短时暴雨的卫星参数阈值,并融合了雷达参数阈值及过去1 h地面加密降水实况资料,采用指标叠加法判定监测区域内某一云团未来2 h能否产生区域性短时暴雨天气,并采用交叉相关法外推云团的移动,进而对强降水云团进行预警。对2019年几次暴雨过程预报检验结果是:预警命中率(POD)为80.6%~97.1%,平均为91.0%,临界成功指数(CSI)为77.2%~79.2%,平均为77.9%,所预警的云团未来2 h影响区域出现≥30 mm/h短时暴雨站数占全省短时暴雨站数的76.4%~96.2%,平均为85.2%,整体预警效果较好。 相似文献
11.
为了在缺少雷达观测的地区开展对流临近预报,利用光流法和半拉格朗日外推法进行了卫星云图外推实验,同时利用无辐散约束改进光流矢量来避免云图辐散失真。(1) 光流法反演的风场能够准确反映出台风涡旋环流结构,采用半拉格朗日方案进行外推,可以保持云系的旋转特性,具有良好的稳定性和精度,但随着外推时间的增加光流矢量中的噪声会导致云图辐散失真。(2) 无辐散约束减少了风矢量杂乱无序现象,弥补了缺失的光流,还能对风速进行平滑,使风速空间梯度更平滑。(3) 用改进后的风场进行外推,避免了云系辐散失真,在保持其形态不被破坏的同时,还能减少云团TBB虚假增长。(4) 检验表明改进后的外推预报方案,具有更小的平均绝对误差,MAE提高了4%,临界成功指数提升了9%。 相似文献
12.
京津冀夏季雷达定量降水估测的误差统计及定量气候校准 总被引：2，自引：0，他引：2
雷达定量降水估测（QPE）是短时临近预报的关键部分,在定量降水预报（QPF）、强降水预警、城市积水内涝、地质山洪灾害、精细化天气服务等方面具有重要作用。利用京津冀地区雷达定量降水估测资料和逐时自动气象站降水观测数据,分析了2011—2016年夏季京津冀地区雷达定量降水估测的误差空间分布特征,并重点提出了一种新的雷达本地化定量气候校准算法。结果表明,京津冀地区雷达定量降水估测较好地反映了总降水量东北—西南带状分布特征,但西北部山区、东北部山区及西南部山区估计偏弱,东北部山前地带估计偏强,西北部存在虚假降水估计,而北京市城区估计最为准确。利用雷达本地化定量气候校准算法对1 h雷达定量降水估测进行气候尺度上的约束订正,检验结果表明,经过校准后的雷达定量降水估测偏差（BIAS）、平均绝对误差（MAE）、均方根误差（RMSE）和均方根相对误差（RRMSE）均减小。绝大部分站点偏差减小幅度超过50%,京津冀东部及南部平原地带平均绝对误差、均方根误差和均方根相对误差减小幅度在20%左右,而北部及西南部山区误差减小幅度相对较小。降水个例检验结果表明,经过雷达定量气候校准后的雷达定量降水估测强度更接近自动气象站观测的降水量级,且降水结构细致,偏差、平均绝对误差和均方根误差均减小,与自动气象站观测降水的相关系数增大,因此该算法有助于改进雷达定量降水估测的准确度。 相似文献
13.
14.
强对流天气短时临近预报业务技术进展与挑战 总被引：20，自引：5，他引：15
强对流天气短时临近预报业务是国家防灾减灾、重大社会活动和精细化天气预报的迫切需要。虽然我国强对流天气短时临近预报业务已经取得了巨大进展,但与国外先进水平相比还有不少差距。本文总结了近年国内外强对流天气短时临近预报业务现状、技术进展、目前国内的技术支撑状况和所面临的挑战,并提出了相应的应对措施。目前强对流天气短时临近预报技术仍然主要是外推预报技术、数值预报技术和概念模型预报技术等,但快速更新循环的高时空分辨率数值模式预报和新一代静止气象卫星资料将在强对流天气短时临近预报中发挥重要作用。强对流天气监测、分析和机理研究是强对流天气短时临近预报的重要基础;先进的外推预报方法同快速更新循环的高时空分辨率数值模式预报以及二者的融合是未来强对流天气短时临近预报的重要发展方向。 相似文献
15.
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。 相似文献
16.
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。 相似文献
17.
18.
利用2021—2022年4—9月阿克苏地区冰雹云的雷达回波资料，基于轨迹GRU模型和GAN模型共同构建一个深度学习的回波外推模型，应用于强对流（冰雹）天气监测预警。采用分阈值和预报时效的评估方法，对深度学习的回波外推模型预测回波的效果进行分析，结果表明：（1）在30 min预测时间内，随反射率阈值增加，临界成功指数（CSI）和命中率（POD）逐渐降低，虚警率（FAR）先降低后升高，FAR在反射率阈值为35dBZ时最低。（2）在反射率阈值为35 dBZ和相同外推时效的情况下，基于深度学习的回波外推模型和光流法相比，CSI提高0.05~0.15，POD提高0.05~0.15，FAR降低0.05~0.12。（3）在预测反射率阈值为35 dBZ的强对流单体移动路径方面，基于深度学习的回波外推模型与TITAN法相比，预测的单体移动路径会更接近实况单体移动路径。 相似文献