共查询到20条相似文献，搜索用时 15 毫秒
1.
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 总被引：1，自引：0，他引：1
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。 相似文献
2.
变分回波跟踪算法及其在对流临近预报中的应用试验 总被引：1，自引：0，他引：1
目前业务上0—1 h对流天气临近预报仍旧以客观外推为主,采用不同外推算法,得到雷达回波以及降水的外推临近预报。以业务应用为目标,开展了变分回波跟踪算法在强对流天气临近预报中的应用研究。利用京津冀地区的8部新一代多普勒天气雷达逐6 min雷达组网拼图资料,选取2016—2018年夏季发生在京津冀地区的18个典型对流个例,开展变分回波跟踪算法和交叉相关法的0—1 h临近预报对比试验及检验评估。与传统的交叉相关法相比,变分回波跟踪算法采用变分技术求解雷达回波运动矢量场,在计算中使用两个严格的约束条件,运用迭代法进行求解,其得到的运动矢量场更为准确。结果表明,变分回波跟踪算法优于传统的交叉相关法,得到的30、60 min内雷达回波的形状、位置及强度的外推预报和实况更接近,定量检验评分更高:（1）京津冀地区4次典型对流天气过程临近预报对比试验表明,和交叉相关法相比,变分回波跟踪算法可以更好地预报出未来1 h内雷达回波的位置、形态和强度。（2）通过对18个典型对流个例定量检验,发现当雷达回波强度阈值为35和45 dBz时,无论是30或是60 min外推预报,变分回波跟踪算法的命中率（POD）和临界成功指数（CSI）都明显高于交叉相关法,且虚警率（FAR）更低;分天气类型定量检验发现,绝大多数天气类型,变分回波跟踪算法外推预报效果优于交叉相关法。 相似文献
3.
4.
本文提出了一种改进后的COTREC方法(CLTREC)。在传统COTREC方法基础上,增加了相邻时刻回波强度连续约束检验和矢量全变分修正,从而使得反演的雷达回波移动矢量场更为连续。选取了3个登陆台风个例,对方法进行检验。结果表明,CLTREC方法比传统COTREC方法的外推移动矢量场更平滑,台风环流特征也更合理。基于CLTREC外推预报的降水形状、强度和位置都与观测更为接近,1 h的台风定量降雨预报与观测相关系数达0.7以上。总体而言,相比传统的COTREC方法,CLTREC方法改善了台风短时临近降雨预报精度。 相似文献
5.
交叉相关算法在强对流天气临近预报中的应用 总被引：4，自引：0，他引：4
利用"雨燕"临近预报系统的雷达回波外推算法,对三次强对流个例的3 km CAPPI反射率因子、回波顶和垂直累积液态含水量进行0～1小时外推预测,将预测结果和组合阈值比较进行强对流天气预警区域预报试验。资料来源于CINRAD-SB雷达基数据经RPG算法处理得到的雷达产品数据。所用的方法是在扩展后的交叉相关追踪算法基础上实现雷达回波移动预测。试验结果表明:3 km CAPPI反射率因子、回波顶和垂直累积液态含水量雷达产品与实况有较好的吻合,能较好地预报出回波的形状、变化趋势和移动方向,回波的范围、位置和强度中心与实况相似,外推时间越短,预报效果越好。交叉相关追踪算法外推得到的雷达回波结果在0～1 h内是可用的;外推预测结果经过组合阈值的过滤后,得出的强对流天气预警区域预警结果也是可行的,对强对流天气临近预报有一定指示意义。 相似文献
6.
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 总被引：2，自引：0，他引：2
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。 相似文献
7.
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。 相似文献
8.
交叉相关外推算法是目前对流临近预报的主要算法之一。它主要是通过计算雷达回波等资料在连续时次的空间最优相关, 得到对流系统不同位置的移动矢量特征, 并基于这些获得的移动矢量对雷达回波等进行外推, 从而达到预报的目的。因为算法既考虑了回波移动矢量大小和方向的变化, 也考虑了整个回波在移动过程中的形变, 所以, 基于该算法的外推临近预报具有一定的物理意义。该文介绍了交叉相关外推预报算法的基本原理, 对算法进行了一系列的质量控制, 包括抑制地物杂波和噪声的影响、对“丢失”计算的点进行矢量补充以及对追踪的矢量进行平滑处理等多个步骤。个例对比分析表明:算法在通过质量控制和优化处理后, 追踪的回波移动矢量质量明显改善。利用优化后的算法, 对2004年夏季和2005年夏季发生在京津冀地区的4个强对流个例, 包括2次飑线过程、1次雹暴过程和1次强雷暴过程, 进行了外推临近预报试验, 并且对算法在对流临近预报中的效果做了初步的检验评估。结果表明:该算法对强对流天气过程的临近预报具有一定效果, 算法可以给出未来30 min或者60 min内雷达回波和雷暴位置以及形状的外推预报, 预报结果与实况比较接近。 相似文献
9.
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 总被引：3，自引：2，他引：1
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。 相似文献
10.
强暴雨、台风暴雨等灾害性暴雨天气是造成洪涝灾害最主要的降水天气系统。以广州雷达和梅州雷达的拼图资料以及温州单站雷达资料为基础, 讨论了TREC方法中时间步长、网格大小及雨强阈值等参数变化对跟踪结果的影响, 并对TREC矢量场进行了平滑处理, 这在一定程度上减少了TREC矢量场中由于地物回波和回波梯度变化造成的一些明显错误的矢量, 得到较为连续的矢量场, 并将得到的矢量场用于暴雨的临近预报。个例分析及预报结果的验证表明:通过选择合适的参数, 雨强CAPPI、反射率因子CAPPI和CR 3种资料得到的TREC矢量场一致性好, 能够反映我国的强暴雨、台风暴雨等灾害性暴雨的移动方向。CR资料的外推预报结果稍差于其他两者, 3种资料预报的准确性都随着预报时间的递增而降低, 对连续时刻的TREC矢量进行拟合, 有助于提高预报准确率。TREC方法对于结构比较复杂、不易识别的台风暴雨等灾害性暴雨天气, 在预警方面具有一定应用价值。 相似文献
11.
中尺度模式对于0～2h的预报存在起转问题,因此外推预报成为0～2h临近预报中不可或缺的技术方法。目前INCA(Integrated Nowcasting through Comprehensive Analysis System)降水外推预报中,外推矢量扰动由外推矢量随时间的变化确定,即相邻时次外推矢量差确定,本文统计2017年7月江淮地区(29°～35.5°N,114°～120°E)INCA系统相邻10min外推矢量偏差来代表外推矢量随时间变化。若降水向东北方向移动,则外推矢量方向规定为东北方向。统计结果表明:①对于江淮地区,外推矢量以东北方向和西南方向偏差为主,外推矢量越大,其偏差的大小越大;②从外推矢量方向看,东北方向外推矢量占绝大多数(73%),可能是因为绝大多数降水发生在槽前形势下,引导气流为西南风。基于外推矢量偏差统计样本,随机生成多个符合外推矢量偏差分布的外推矢量扰动,得到多个不确定的外推矢量,将INCA确定性外推预报变为0～2h降水外推集合预报,采用均方误差(MSE)、TS评分、BIAS评分和Brier技巧评分等方法,对集合预报结果检验表明:随着预报时效增加,集合预报比确定性预报的优势更明显。因此,考虑外推矢量的不确定性可以提高降水外推预报准确率。 相似文献
12.
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。 相似文献
13.
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
14.
15.
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 表明,ConvLSTM模型的CSI、POD分别比光流法提高0.06和0.059,而FAR下降了0.058.ConvLSTM方法比光流法的回波外推预报准确率高,该方法可为广西短临降水预报提供新的参考. 相似文献
16.
雷达拼图资料上中尺度对流系统的跟踪与预报 总被引：3，自引：2，他引：1
在中尺度对流系统(Mesoscale Convective Systems,MCSs)自动识别基础上,利用相关法跟踪雷达回波(Tracking Radar Echoes by Cross-correlation,TREC)和面积重叠法完成新的跟踪预报方法.新方法利用TREC得到MCSs移动矢量,利用该矢量外推对应MCSs雷达回波.根据外推回波与相应回波实况,采用面积重叠法完成跟踪,同时利用移动矢量完成预报.采用4次强天气过程对算法进行检验,分析结果表明:(1)新方法能够有效实现MCSs跟踪与预报;(2)新方法得到MCSs移动速度相对稳定,不因为系统合并、分裂和生消出现速度大幅度波动现象,有效减小预报误差,6～60 min预报误差相对于原方法减小20％以上;(3)新方法虽然能提取得到较为稳定的系统移动速度,但不能得到系统的传播速度.原方法能得到系统的移动速度和传播速度合成,但提取速度不稳定,容易受到质心偏移的影响,预报误差较大.新方法在系统消亡期提取移动速度不稳定,导致跟踪丢失现象的发生,而原方法在系统合并与分裂时易出现跟踪丢失现象. 相似文献
17.
基于深度学习的强对流高分辨率临近预报试验 总被引：1，自引：0，他引：1
强对流天气临近预报、预警在气象灾害防御中具有极为重要的地位。在气象业务中,因对强对流天气临近预报、预警准确率和时、空分辨率的极高要求,使其成为业务难点和研究热点之一。对于高时、空分辨率强对流临近预报问题,尝试用深度学习方法来解决。首先将强对流临近预报抽象成同时包含时间和空间的序列预测问题;然后基于改进的循环神经网络算法形成的自编码模型,使用京津冀地区长序列、高时空分辨率天气雷达组网拼图数据进行模型训练;最后利用基于历史0.5 h雷达回波拼图数据训练得到的端到端神经网络,预报未来1 h内的逐6 min回波演变特征。通过基于传统外推算法的临近预报方法与深度学习算法的临近预报方法进行对比,发现使用的深度学习方法可以有效“学习”到高时、空分辨率序列雷达数据特征的内在关联,通过多层神经网络构造出抽象的深层特征,能够有效捕捉到雷达回波的演变规律和运动状态。通过计算雷达回波预报的命中率（POD）、虚警率（FAR）、临界成功指数（CSI）等检验表明,相较传统外推临近预报方法,在强对流回波临近预报准确率上有较明显提高。 相似文献
18.
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。 相似文献
19.
采用傅里叶-梅林变换、多尺度光流法及威布尔分布,对湖北省2020年6—7月4次降水过程雷达回波进行多尺度预报试验及其相位和强度校正。在此基础上,利用双曲正切函数对校正后的模式降水回波预报和雷达回波外推临近预报进行融合。最后,基于预报技巧评分和平均绝对误差及命中率等指标对不同时效、尺度及回波阈值的预报结果进行定量分析。结果表明:(1)融合后的0~3 h降水回波预报在范围和位置上均较模式预报和雷达外推预报改进明显,尤其对强回波预报有明显优势,对对流预报有积极作用;0.01°×0.01°尺度的0~1 h预报效果明显好于其他尺度及预报时效。(2)武汉RUC模式预报效果最差,平均绝对误差(mean absolute error,MAE)最大为6.1~8.2 dBZ,而融合预报效果最好,MAE最小为4.7~6.5 dBZ。0.01°×0.01°尺度下融合预报的命中率(probability of detection,POD)随回波阈值和预报时效增加而降低,而其他尺度下20 dBZ回波阈值的平均POD最大、MAE最小,平均POD(MAE)均高于(低于)其他2种预报。总体来看,融合预报明显优于单一预报,对改进0~3 h定量降水预报有一定参考。 相似文献
20.
用雷达观测资料改进MM5初始场的初步试验研究 总被引：16，自引：0，他引：16
采用同时调整热力学和动力学变量，并考虑湿度与温度的变化相协调的初始化方法，引进雷达资料改善MM5模式的初始场。试验结果表明：经过优化处理的初始场，显著提高了模式对降水特别是甚短时(0～6h)降水的落区和量的预报准确率。其中调整热力学变量对改进降水落区预报比动力学变量的调整更为重要。 相似文献