基于ConvLSTM的气象雷达回波外推

摘要

针对传统雷达回波外推方法存在数据利用率低、预报精度不高等局限,利用定标后的青海大学校内X波段天气雷达监测数据,建立ConvLSTM深度学习模型进行回波外推,并与传统光流法的外推结果进行对比。结果表明:(1)在不同的输入时长和外推时间中,ConvLSTM的精度都明显优于光流法,在第1.5小时内的平均预测误差比光流法低69%。(2)模型输入时间恒定为30 min时,误差随外推时间的增加随之增大;在空间分布中,误差随着高度层的增加呈上升趋势,且回波与700 hPa的气压有较好的相关性。因此,与传统雷达回波外推方法相比,ConvLSTM模型的预测精度高,并且能有效延长外推时长。