临近预报

摘要： 利用梧州市多普勒天气雷达和自动气象站降水资料,分析2014-2020年发生在梧州市的短时大暴雨天气过程的雷达回波特征。结果表明:(1)大暴雨与45dBz以上的强回波和持续时间密切相关,发生短时大暴雨时,最大反射率因子超过50dBz,45dBz以上的强回波持续时间基本在50min以上;(2)质心高度在2km以下,且维持时间10min以上的低质心强回波容易形成暴雨;(3)强回波和辐合区相结合易形成大暴雨,与逆风区辐合区关系最密切,占6成多;(4)强回波带和列车效应相结合易形成大暴雨:回波带上单体或回波团的移动方向和回波带走向一致易形成大暴雨;(5)回波顶高和垂直累积液态含水量产品出现大值的时间对大暴雨预报预警有指示意义。

摘要： 基于PredRNN++、MIM、CrevNet和PhyDNet四种机器深度学习算法,利用武汉地区2012—2019年的雷达和降水资料,开展了人工智能技术在武汉地区临近预报中的应用研究,根据均方误差(MSE)、结构相似性指数(SSIM)、命中率(POD)、虚警率(FAR)和临界成功指数(CSI)等指标检验评估了四种机器学习算法对武汉地区雷达回波临近预报的预报性能,并以半拉格朗日光流法进行了对比,得到以下主要结论:MIM算法的MSE和FAR最低,SSIM最高;PredRNN++算法的POD和CSI最高。机器深度学习算法的POD、CSI和SSIM均高于光流法,FAR和MSE则更低,其中SSIM、POD、CSI三种指标的提升幅度在3.2%~24.7%,MSE和FAR两种指标的降幅在13.1%~43.3%。30 min以内,除CrevNet外,其余三种机器学习算法和光流法的预报能力较为接近;30 min以后,深度学习算法和光流法都随着预报时效的延长,预报能力均显著下降,但机器学习算法下降得更缓慢,尤其是60 min以后光流法的降幅进一步增加,显示出机器学习长预报时效的优势。此外,机器学习算法之间针对不同评分指标在不同预报时效的下降速度并不一致。PredRNN++算法在所有强度上CSI均表现最佳,MIM和PhyDNet两种算法对≥40 dBz的回波预报、CrevNet算法对≥50 dBz的回波预报均好于光流法。机器学习算法和光流法都随着回波强度的增加,CSI和POD迅速降低,FAR快速上升,但机器学习算法的FAR上升得更慢。四个不同回波形态、不同发展趋势个例的分析结果表明,机器学习算法不仅具备对一定回波强度变化的预报能力,而且对回波强度和面积变化趋势的时间节点预报也与实况基本一致。此外,机器学习算法对回波运动的预报能力明显强于光流法,显示出机器学习算法良好的应用前景。

摘要： 提出了一种能够自动选取跟踪单元大小的雷达回波交叉相关跟踪外推算法(ATREC)。ATREC方法通过雷达回波的边界识别,得到不同尺度的雷达回波的特征运动信息,再不断地内部分化,得到不同次级尺度的内部运动信息,将特征尺度的特征运动场和次级尺度的内部运动场进行合成,最后得到外推的运动矢量场。ATREC方法可以在回波总体运动场基础上,逐级细分出不同次级尺度的移动信息,所以运动场更加平滑且兼顾不同尺度的移动信息,同时能够有效解决TREC类方法采用固定大小的跟踪单元而带来的问题,特别是TREC类方法针对小尺度对流系统的不适用问题。通过个例分析,并与基于交叉相关的多尺度雷达回波跟踪方法(MTREC)进行对比试验,结果表明:针对不同尺度、不同类型的天气系统,ATREC方法具有较强的客观分析能力和灵活的适用能力。通过个例分析检验评分和基于2016年4月总共128个个例的综合统计检验,检验评分结果表明:ATREC方法的预报评分整体优于MTREC方法。

摘要： 临近天气预报主要是指0h~6h的高时空分辨率天气预报,实际预报对象为该时间段内产生显著变化的天气现象,主要涵盖雷暴、强对流、降水等现象,其中以雷暴和强对流天气预报最具挑战性。本文主要对雷暴雨强对流临近天气预报技术进展进行分析。

摘要： 基于2019—2020年京津冀地区不同天气系统影响下的降水过程,采用交叉相关法和光流法对快速更新多尺度分析和预报综合集成系统(Rapid-refresh Multi-Scale Analysis and Prediction System-Integration,RMAPS_IN)的降水分析产品进行0~2 h临近外推预报的批量试验。结果表明:由交叉相关法和光流法计算的两种外推矢量在大小和方向上存在一定差异,直接差异与影响降水的天气系统位置有明显的对应关系,而方向差异受地理位置的影响更明显,台风类降水呈弧形带状分布,低槽冷锋类、低涡类、气旋类、暖切变线类等几类降水均呈西北大东南小的特点;预报效果方面,总体上交叉相关法优于光流法,尤其是预报时效超过30 min以后,各种降水类型的批量检验结果显示交叉相关法的预报评分优于光流法,且预报时效越长、优势越明显,但预报时效为10 min时,光流法在低涡类、台风类、暖切变线类的空报率上优于交叉相关法。此外,基于外推的临近预报方法对京津冀地区台风类降水的预报效果最好,其次为暖切变线类、低涡类、低槽冷锋类、气旋类。

摘要： 利用天气雷达、探空资料,采用成熟的雷暴识别外推技术,比较有、无地闪活动时的概率密度分布和隶属度特征差异,提取雷达参量,采用模糊逻辑原理建立临近1 h地闪预警方法。分析表明,-25~-10°C高度层最大反射率因子(REF)和回波顶高是湖北地闪预警的最佳因子,尤以REF_(-15°C)、REF_(-20°C)和REF_(-z25°C)表现最佳,REF_(-10°C)效果次之,垂直积分液态含水量对雷电指示意义较小,根据不同因子贡献不同给与了不等权重分配,并通过雷电样本阈值分布规律,采用动态权重系数进行细化,实现了地闪未来1 h的临近落区预报。利用每6 min滚动预报未来1 h(6 min间隔)的临近预报结果和实况进行1 km网格点对点综合评分,30 min击中率(POD)可达50%以上,临界成功指数(CSI)为30%左右,POD和CSI随预报时效缓慢降低。通过个例预报检验,发现该预报方法在大范围雷暴天气预报评分较高,而局地对流的预报评分偏低。该研究说明基于雷达参量的模糊逻辑地闪预警方法基本合理可靠,可用于湖北雷电短时临近自动预报预警及决策服务。

摘要： 近年来深度学习模型在解决对防灾减灾影响巨大且极具挑战性的临近预报问题的应用中日益增多。本文中,我们把临近预报作为一个时空序列预测的任务,将雷达反射率因子作为试验对象,使用基于对抗神经网络(GAN)优化构建的TAGAN深度学习模型预测未来1小时的雷达回波图像,并且与Rover光流法、基于卷积神经网络的3D U-Net模型进行对比试验。选取2018年全球气象AI挑战赛雷达回波数据集进行训练与测试,检验结果表明TAGAN模型在命中率(POD),虚警率(FAR),临界成功指数(CSI)以及相关系数等多种评分上要优于传统的光流法和对比的3D U-Net深度学习模型,TAGAN模型在以上的检验评分表现出色,并且随预测时间的增加较之传统光流模型效果更优,这为拓展和提升深度学习模型在临近天气预报中的应用提供了参考依据。

摘要： 基于PredRNN++、MIM、CrevNet和PhyDNet四种深度学习模型,利用武汉地区2012—2019年雷达和降水资料,通过定义回波面积指数,检验评估了四种深度学习模型对武汉地区不同面积雷达回波临近预报的预报性能。结果表明:(1)随着回波强度的增加,所有深度学习模型的预报能力均迅速降低,一般强度回波的命中率(Probability Of Detection,POD)和临界成功指数(Critical Success Index,CSI)远高于强回波,而一般强度回波的虚警率(False Alarm Rate,FAR)则远低于强回波;(2)不论是一般强度回波还是强回波,随着面积增大各深度学习模型的POD均上升,FAR降低,因而CSI得以提高,但这种上升和降低的幅度,在一般强度回波下更显著;(3)无论是一般强度回波还是强回波,同一回波面积之下PredRNN++模型的POD和CSI均最高,CrevNet最低,MIM的FAR均最低,各模型之间的差异在一般强度回波时表现得更加明显,且这种差异性可能主要是由各模型之间不同的内在结构所导致;(4)从时间演变来看,无论何种面积、何种强度的回波,随着预报时效的增加,深度学习模型的POD均缓慢降低,FAR缓慢增加,因而CSI也缓慢降低,但随着预报时效的延长,降幅和增幅都逐渐变小,60 min之后曲线趋于平缓,但不同面积之间的差异却逐渐增大。

摘要： 精细尺度降水的临近预报对于提升现代城市内涝和山洪地质灾害预警能力具有重要意义。深度学习作为一种新兴方法,在挖掘数据内部特征及物理规律方面更具优势,近年来在天气雷达图像领域的应用已初见成效。为进一步提升精细尺度降水的临近预报能力,基于深度学习网络模型RainNet,研究建立了两种滚动预报方式,开展了京津冀地区1 km分辨率精细尺度降水滚动式临近预报试验和对比分析。试验结果表明:与传统基于交叉相关的外推预报相比,深度学习网络模型RainNet总体可以明显改进降水1 h临近预报的绝对误差和相关系数;两个RainNet相结合的滚动预报方式对1.04 mm/(10 min)及以下阈值降水,在10—50 min预报性能一致优于传统的交叉相关外推预报。深度学习模型对降水消亡过程的时、空演变趋势刻画更好,尤其更适用于降水消亡过程的临近预报。采用两个RainNet模型相结合的滚动式预报方式优于单一模型滚动预报方式。

摘要： 如何有效将基于预报员经验的、不受物理公式约束的强降水天气特征作为先验知识融入到深度学习模型,是提升强降水临近预报准确率面临的重要挑战之一。首先,简述了目前主流的深度学习模型以及一些已开展的针对深度学习模型可解释性的探索成果;然后,对目前常用的几种强降水临近预报方法进行了简单介绍;最后,通过对深度学习方法在强降水临近预报技术中改进的思考,提出了将先验知识融入到深度学习模型的可能途径,具体包括:将一些经验特征进行量化或自动识别后作为模型输入,将预先提取的特征作为模型标签,在模型架构中嵌入先验知识的量化编码,结合可求导的检验指标设计损失函数对模型进行优化;同时指出,需要提高对强降水临近预报产品的主客观评估的一致性,以便能更好地确定强降水临近预报技术的改进方向。

摘要： 为改善目前临近预报方面的不足,研究设计了一种基于粒子滤波融合算法的外推临近预报技术,并进行了试验应用.该技术利用广东12部S波段多普勒天气雷达2.5km高度的拼图资料进行回波外推.首先用双边滤波对雷达基数据进行质量控制,然后分别用基于Lucas-Kanade约束法的光流法和基于Harris角点算法追踪计算得到回波运动矢量场,再用粒子滤波算法对运动矢量场进行融合得到逼近回波真实运动的最优运动矢量估计,最后利用获得的运动矢量场采用半拉格朗日外推方法进行回波的外推预报.通过对广东地区2016年4个降水过程对比试验表明,粒子滤波融合算法预报的30、60min雷达回波的形状、强度、位置和对应时次实况较接近,预报结果具有业务指示意义.对预报结果定量对比评价表明:粒子滤波融合法总体预报效果优于交叉相关法和光流法,粒子滤波融合法可以弥补传统临近预报方法的缺陷,提升临近预报能力.

摘要： 2015年8月7日北京地区出现了一次强对流天气过程,大部分地区出现雷暴大风、冰雹等灾害性天气.本文采用“三时段分析法”,详细分析此次过程中不同时段内各种高分辨率探测资料,得出如下结论:(1)随着时段的临近,探测资料的探测能力加强,预报员对于强对流天气的把握,尤其是强对流天气种类的把握更加有信心;(2)多普勒天气雷达资料在强对流天气的监测和预警中具有突出的作用;(3)临近预报中,“三时段分析法”着重分析雷暴的生效和局地生成.

摘要： 利用常规观测、加密自动站观测、雷达、卫星、NCEP再分析资料,对2015年6月10日冷涡系统影响下河北省保定市南北强对流天气差异的成因进行了分析,对冰雹灾害的临近预报进行了经验总结.地面冷锋与高空槽的配置构成了有利的大尺度环流背景,中尺度辐合线和伪冷锋的触发,使不稳定能量释放.通过物理量诊断分析造成保定南部、北部对流差异的主要原因,VIL的突然增长及其超过40kg·m-2的时刻对冰雹的产生有提前预示作用,本地提前量为10min以上.

摘要： 本文利用深圳市城市气象探测网110个自动站5年每分钟的观测资料,对深圳市短时强降水(20mm/h)的气候特征进行了系统的分析;按照TS评分的基本思路,以人口密度为权重,从公众亲历事件的角度,提出一套相对准确率的定量计算方法,并对2013年的计算结果进行了探讨.在平均200km2的预报单元上,要定时、定点、定量地预报短时强降水等小概率事件,目前的预报能力是有限的,如果严格按TS标准评分,第1小时的准确率在10％以下,从第2小时起准确率均在3％以下.按照本文给出的预报质量检验方法,2013年深圳市全年短时强降水预报质量第1小时的相对预报准确率为41.6％、2小时为15.2％、3小时为8.2％,与此对应第1小时的命中率为72.7％、空报率50.9％、漏报率27.3％.对于不同的天气过程,短时强降水预报准确率差异明显.目前深圳市气象台的短时临近预报系统在系统集成和业务化方面取得了有效的进步,但该系统对于短时强降水的定时、定点、定量预报,能力是有限的,第1小时的预报具有实用价值,第2小时的预报可供参考,第3小时以上的预报有待今后预报系统的不断总结、完善和提高.

摘要： 本文为研究强对流天气发生前的先兆信息,利用多普勒天气雷达的径向风场与谱宽数据对大气的湍能耗散率进行了反演.通过对2009年6月3日1南京一次强雷暴过程和2009年6月14日南京一次飑线过程的研究发现,天气过程发生前湍能耗散率随时间的变化,可以用来判断湍流运动的剧烈程度.强对流天气发生前往往会有晴空回波的出现,并且湍流运动较正常情况下剧烈.反演得到的边界层湍能耗散率可以用来识别较强的湍流运动,通过两次典型的强天气过程的对比分析还发现,湍流在降水过程发生前2-3小时,会有趋势变化的拐点出现,并且是一个持续的加强阶段.当趋势特征出现后,且湍能耗散率最大量级达到3000cm2 ·s-3以上时,可认为即将有强对流的天气过程出现.根据湍能耗散率的变化可以获得强对流天气出现的先兆信息,这对提高强对流天气的预报水平具有重要意义.

摘要： 为研究强对流天气发生前的先兆信息,本文利用多普勒天气雷达的径向风场与谱宽数据对大气的湍能耗散率进行了反演.通过对2009年6月3日南京一次强雷暴过程和2009年6月14日南京一次飑线过程的研究发现,天气过程发生前湍能耗散率随时间的变化,可以用来判断湍流运动的剧烈程度.强对流天气发生前往往会有晴空回波的出现,并且湍流运动较正常情况下剧烈.反演得到的边界层湍能耗散率可以用来识别较强的湍流运动,通过两次典型的强天气过程的对比分析还发现,湍流在降水过程发生前2-3小时,会有趋势变化的拐点出现,并且是一个持续的加强阶段.当趋势特征出现后,且湍能耗散率最大量级达到3000cm2·s-3以上时,可认为即将有强对流的天气过程出现.根据湍能耗散率的变化可以获得强对流天气出现的先兆信息,这对提高强对流天气的预报水平具有重要意义.

摘要： 本文通过分析2008年10月至2010年7月20日之间的闪电定位仪闪电数据,得出闪电的时空分布特点,以及和强降水的关系,并得出一些具有预报意义的结论为短时临近预报服务提供了一种相对可行的预报经验和方法,特别是午后热雷雨中负闪的密集出现,代表着在临近的两小时将出现短时强降水,对于临近预报具有重大意义;而正闪的出现且超越负闪频次都代表着本次雷暴进入消散阶段,强降水行将结束.

摘要： 本文通过分析2008年10月至2010年7月20日之间的闪电定位仪闪电数据,得出闪电的时空分布特点,以及和强降水的关系,并得出一些具有预报意义的结论为短时临近预报服务提供了一种相对可行的预报经验和方法,特别是午后热雷雨中负闪的密集出现,代表着在临近的两小时将出现短时强降水,对于临近预报具有重大意义:而正闪的出现且超越负闪频次都代表着本次雷暴进入消散阶段,强降水行将结束.

摘要： 本文从多尺度、多源资料分析2014年3月26-29日连续强对流天气过程,寻找此过程潜势预报和临近预报的着眼点.通过分析发现大尺度环流背景给此次强对流天气连续发生提供有利的条件,中尺度的诊断分析结合阈值揭示此过程主要以干对流天气为主.以3月26日和29日强对流天气的开始与结束为主要时段,分析多源观测资料,发现在临近预报中,卫星云图和上游地区天气实况的结合分析,可提高强对流天气临近预报的提前量.

摘要： 利用邯郸187个加密雨量站资料,分析了1小时雨强达到20mm的短时强降水的时空分布特征,利用国家站逐小时观测资料,分析了短时强降水过程地面要素场特征,利用多普勒雷达探测资料,分析了典型过程的多普勒雷达资料特征,筛选了对邯郸短时强降水天气发生发展有指标意义的指标.

摘要： 本发明提出了一种双流卷积长短期记忆网络的短时临近降雨预报方法，属于天气预报技术领域。该方法通过两个分别对不同周期的降雨数据进行学习的长期预测子网络和短期预测子网络共同捕捉降雨过程中的时空变化，设计了一种全新的长短期记忆单元来提升子网络的时空特征学习能力，最后通过重结合模块实现对降雨过程的预测。该发明能够充分地捕获连续运动的降雨过程时空相关性，实现对区域内降雨运动趋势更精确的预报。

摘要： 本发明公开了一种卫星短时临近降水预报系统，其特征在于，包括：第一子系统，第一子系统用于卫星资料的接收和处理；第二子系统，第二子系统用于云检测和云分类；第三子系统，第三子系统用于降水估算；第四子系统，第四子系统用于云迹风推导和降水预报；第一子系统连接第二子系统；第二子系统连接第三子系统；第四子系统分别连接第二子系统和第三子系统。本发明还公开了一种降水预报方法，先对卫星资料进行接收和处理，再进行云检测和云分类，再进行降水估算，最后进行临近降水预报。本发明能够提供丰富的气象产品，发布的时效性很好，发布频率很高，能够进行实时发布，能够对短时临近降水进行预报，预报的精确度也很高。

摘要： 本发明公开了快速移动的准线状对流临近外推预报方法，步骤为在起报时半小时内，基于对流单体混合外推矢量场，利用半拉格朗日外推法对回波进行外推；在起报时半小时之后，基于对流组织传播特征外推矢量场，利用半拉格朗日外推法对回波进行外推。该方法可以提升快速移动的准线状对流的短临外推预报精度，可以显著提升快速移动的准线状对流的提前的预警能力，对于强对流的气象防灾减灾而言是一项技术突破。

摘要： 本发明涉及天气预报领域，具体公开了一种基于时空堆叠和样本重构的非线性短时临近降水客观预报方法，包括：获取地面气象站的实况观测资料和天气雷达的实况观测数据；基于融合的过去3小时变压、过去24小时变压、过去24小时变温、露点温度及过去1小时降水量的地面站点实况观测数据以及气象雷达观测资料，采用时空堆叠和样本重构技术构建预报因子数据集；采用lightGBM算法建立短时临近降水客观预报模型；通过开展多种不同预报因子组合的短时临近降水预报模型正负预报技巧的研究，确定出一组最优预报因子组合作为lightGBM模型的最终输入，建立一种未来临近降水预报模型，生成降水格点预报场。该方法可以有效提高短时临近强降水的预报精度，具有良好的应用前景。

摘要： 本发明公开了一种临近空间天气与大气环境短中长期预报方法及系统，方法包括下载同化和预报所需的原始数据；将原始数据处理预处理为同化模型能够读取的格式和预报系统需要的边界场和强迫场；设计同化参数，创建同化模型，基于预处理后的原始数据，利用同化模型对原始数据进行同化处理，制作预报需要的初始场；设计预报参数，创建预报系统，基于初始场，利用预报系统进行临近空间天气和大气环境预报；对预报结果进行后处理控制和可视化呈现。优点是：通过下载必需数据，制作临近空间预报初始场和未来30天的下边界场和温室气体强迫场，实现临近空间天气与大气环境短中长期预报。该方法及系统能够为临近空间的各种飞行器的飞行活动提供气象服务保障。

摘要： 本发明实施例提供一种基于多源观测数据的对流天气临近预报方法及装置，所述方法包括：获取预处理的对流天气的多源观测数据；根据所述多源观测数据和预先训练过的预报模型，获取反映所述对流天气随时间和空间范围实时变化的生消演变特征；根据所述生消演变特征和所述预报模型，获取所述对流天气的临近预报结果。所述装置执行上述方法。本发明实施例提供的基于多源观测数据的对流天气临近预报方法及装置，通过预报模型获取对流天气的多源观测数据的生消演变特征，并基于该生消演变特征和该预报模型对对流天气进行临近预报，能够有效预测对流天气的生消演变过程，从而对对流天气准确有效地进行临近预报。

摘要： 一种面向风场的临近预报与短期预报的融合系统，涉及气象与工程防灾的交叉领域，解决现有融合集成预报方法实现风速预测精确度难度较大的问题，该系统包括质量控制模块、误差特征分析模块、模型建设模块、检验模块和综合效果评估模块，本发明的临近预报与短期预报的融合系统，基于大量的站点实况数据、临近预报数据和短期数值预报数据，通过BP神经网络建立模型，该模型可简单快捷的生成融合数据。本发明所述的融合系统在北京区域业务化实时运行效果已被检验证实能够有效的提高风速的准确率。

摘要： 本申请涉及一种临近预报效果评估方法、系统、终端以及存储介质。方法包括：计算雷达回波数据对于设定阈值的隶属度，基于隶属度，利用空间邻域概率法计算每个格点邻域范围内的概率均值，并根据概隶均值得到每个格点的模糊概率；计算雷达回波数据基于高斯型隶属度强度特征的分数技巧评分IFSS；采用时间邻域自适应加权算法为每个时刻的预报回波数据分配权重，并采用空间邻域概率法计算分配权重后每个格点的概率，计算雷达回波数据基于时间邻域自适应加权算法的分数技巧评分TFSS；根据IFSS和TFSS评分结果计算基于强度特征与时空特征的分数技巧评分TIFSS。本申请能实现更加客观合理的评估检验，并解决提前预报与延后预报的不足。

摘要： 本申请公开了一种基于雷暴高压分析的强对流天气临近预报方法及系统，其中，方法包括以下步骤：收集历史雷暴天气信息和历史强对流天气信息；基于天气雷达反射率因子对历史雷暴天气信息进行分析，得到历史雷暴高压特征；基于历史雷暴高压特征，结合历史强对流天气信息，得到雷暴高压特征与雷暴系统、强对流天气的特征关系；采集实时雷暴天气信息并分析，得到实时雷暴高压特征；基于特征关系和实时雷暴高压特征，得出雷暴系统预报结果，并基于雷暴系统预报结果结合天气雷达反射率因子，得出强对流天气临近预报结果。本申请对雷暴系统发展、移动的定性预报准确率较高，对强对流天气的临近预报、预警具有很高的参考价值。

摘要： 本发明涉及信息技术领域，提供了一种基于深度学习的降水临近预报方法及装置。目的在于解决传统模型训练对强回波预测上的关注不够以及解决雷达回波时空序列预测难的问题。主要方案包括以下步骤：步骤S1、首先对天气雷达基数据作预处理；步骤S2、将预处理后的雷达回波数据分为深度学习网络训练所用的训练集、验证集与测试集；步骤S3、使用训练集、验证集与测试集进行时空编码预测网络模型训练，利用训练好的时空编码预测网络模型进行雷达回波外推，得到预测回波数据，并对预测回波数据与实际观测数据进行对比；步骤S4、最后将预测后的雷达回波进行雷达定量降水估测，并和地面真实降水数据对比进行降水预报检测。