检索结果-南通市图书馆

两种基于雷达的临近预报算法在赣江流域的应用

在线全文

学校读者我要写书评

暂无评论

气象科学 2017年第4期37卷 466-477页

作者：李娜勾亚彬唐国强赵平洪阳中国气象科学研究院北京100081 杭州市气象局杭州310051 清华大学水利系北京100084 清华大学水沙科学与水利水电工程国家重点实验室北京100084

将多尺度雷达回波跟踪(MTREC:Muti-scale Tracking radar echoes by correlation)算法和基于降水栅格数据的网格追踪临近预报外推(PBN:Pixel-Based Nowcasting)算法应用在赣江流域,对这两种临近预报算法在1~3 h预见期的临近预报降水数... 详细信息

将多尺度雷达回波跟踪(MTREC:Muti-scale Tracking radar echoes by correlation)算法和基于降水栅格数据的网格追踪临近预报外推(PBN:Pixel-Based Nowcasting)算法应用在赣江流域,对这两种临近预报算法在1~3 h预见期的临近预报降水数据进行评估,总结两种临近预报算法在赣江流域的预报性能和预报特点。结果表明:(1)随着预见期的增加,MTREC方法的预报性能变化较为平缓。PBN方法的预报性能明显变差。(2)MTREC方法预报降水偏弱,且对于低值降水预报较为准确,而PBN方法预报降水偏强,且预报高值降水较为准确。(3)MTREC方法预报的降水高值区的范围偏小而低值降水区范围偏大,PBN方法预报的高值降水区的范围偏大而低值降水区范围偏小。(4)随着预见期的增加,MTREC方法的降水概率预报变化较为平稳,而PBN方法预报高值降水(>0.4 mm·h^(-1))的概率偏高,预报低值降水(<0.4 mm·h^(-1))的概率偏低。

关键词：雷达临近预报定量降水估算定量降水预报降水检验

基于深度学习的天气雷达回波序列外推及效果分析

在线全文

学校读者我要写书评

暂无评论

气象学报 2021年第5期79卷 817-827页

作者：黄兴友马玉蓉胡苏蔓南京信息工程大学气象灾害预报预警与评估协同创新中心南京210044 南京信息工程大学南京210044

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... 详细信息

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。

关键词：雷达临近预报循环神经网络卷积神经网络损失函数深度学习

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

在线全文

学校读者我要写书评

暂无评论

高原气象 2014年第3期33卷 811-822页

作者：王丹王改利刘黎平钟水新中国气象科学研究院灾害天气国家重点实验室北京100081 中国气象局国家气象中心北京100081 中国气象局广东省区域数值天气预报重点实验室广州510080 中国气象局广州热带海洋气象研究所广州510080

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... 详细信息

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。

关键词：雷达临近预报数值模式降水预报降水检验

雷达外推预报与暴雨数值模式融合预报降水方法研究

在线全文

学校读者我要写书评

暂无评论

雷达外推预报与暴雨数值模式融合预报降水方法研究

作者：王丹中国气象科学研究院

学位级别：硕士

预报灾害性天气系统发展演变的趋势是强对流短时临近预报的最大难点，对于急剧发展和减弱的暴雨系统，仅仅依赖于雷达回波外推位置而不对雨区强度和形状进行修正，其预报误差会随着时间迅速增大。包含了热力变化和动力变化的数值模式预... 详细信息

预报灾害性天气系统发展演变的趋势是强对流短时临近预报的最大难点，对于急剧发展和减弱的暴雨系统，仅仅依赖于雷达回波外推位置而不对雨区强度和形状进行修正，其预报误差会随着时间迅速增大。包含了热力变化和动力变化的数值模式预报则显得比较重要，尤其是在预报时效2-3h以后。另一方面，模式通常有“spin-up”问题，因此影响了预报前1-2h的可靠性。由于外推预报与数值预报技术各有所长，通过融合技术，将雷达回波外推和高分辨率数值模式预报结果相结合形成0-6小时定量降水的最优预报是本文的研究目标。为此，本文拟从雷达短时临近预报方法的构建、基于雷达回波外推和中尺度数值模式的短时降水预报的对比分析以及雷达外推预报与暴雨数值模式融合预报降水方法研究三个方面入手，尝试构建完整的融合预报体系，为发展0-6小时降水融合预报方法提供有益思路。主要结论如下：（1）在常用的交叉相关跟踪回波运动方法TREC（Tracking Radar Echo bycorrelation）技术基础上，进行两步改进，发展了多尺度雷达回波跟踪预报算法MTREC（Muti-scale tracking radar echoes by cross-correlation scheme）。个例分析表明:在雷达回波运动矢量场的构建上，MTREC反演的移动矢量场综合了回波系统性的运动以及回波内部的小尺度运动，其反演的运动场具有多尺度的特征，物理意义更明确。同时消除了原TREC矢量场中由于回波型的快速变化导致的一些无序矢量、在弱回波处引起的零矢量、小矢量，其空间连续性优于TREC矢量场。在外推方案的选取上，采用Reich发展的RPM-SL（The Remmapped Particle-meshSemi-Lagrangian Scheme）半拉格朗日平流方案替代传统的线性外推方法，很好解决了“线性外推值”不落在格点上的问题。批量检验表明：改进后的新算法MTREC的预报准确性相比于TREC算法，有了一定程度的提高。（2）选取北京城市气象研究所发展的BJ-RUC（AWRF-based Rapid UpdatingCycling forecast system of Beijing Meteorological Bureau）作为降水融合预报方法的中尺度数值预报输入。筛选2011年夏季北京出现的典型强对流个例，从空间检验角度入手，对比分析雷达外推预报算法MTREC和BJ-RUC在不同类型强天气中的表现，分析两者的可融合性，同时归纳总结两者的各自预报特点，为发展基于两者的定量降水融合技术提供基础。检验结果表明：首先，从降水偏差来看，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对于四次过程的预报偏差较为平稳，而BJ-RUC随过程差异变化较大。其次，从降水落区预报看，MTREC的预报准确性随过程差异变化明显，降水系统范围越大，预报准确性越高。BJ-RUC总体上表现平稳，但是对于局地对流性降水的预报能力仍然有限。最后，从整体预报性能看，对于0-6小时降水预报，MTREC和BJ-RUC在预报性能上存在交叉点，具有可融合性。交叉点的出现时间随降水过程而异，降水范围越大，组织性越强，交叉点出现越晚。（3）将依托MTREC和BJ-RUC制作的逐小时降水场作为Blending算法的降水输入，尝试进行基于两者的降水融合预报试验。个例分析表明：融合预报算法对于1-6小时的定量降水预报效果总体上优于单纯的数值模式或者雷达临近预报结果，一定程度上提高了降水落区预报的准确性，也提升了降水强度预报的准确率，算法有效可行，对今后强对流天气系统变化趋势预报有一定的参考价值。融合算法对于动态融合权重参数变化十分敏感。在融合的前2小时内适当提高数值模式所占比重能一定程度上减少由于雷达外推无法预报降水系统生消变化所造成的漏报，使得降水面积与实况相比更为接近。2小时之后，融合算法对于数值模式的依赖性加大，数值模式的好坏直接影响最终的预报结果。在数值模式预报较好的基础上，融合后的预报评分提高明显。融合算法中基于傅里叶变换的相位订正技术对于模式系统性位置偏差的修正极为重要，但是基于傅里叶变换的相位订正技术要求两个配准场具有很高的相似度。在模式虚报降水偏多的情况下，反演出的位置移动参数的合理性有待验证，易造成错误订正。基于“对象”的配准方法从整体着手，避免了配准场之间细小差别造成的影响，在个例分析中表现了一定优势，但是其稳定性与可靠性还需要大量以及长期的系统的验证。

关键词：雷达临近预报数值模式预报融合短时临近降水预报