Experimental study on short-term and impending prediction of precipitation echo based on blending method of numerical prediction and radar extrapolation prediction
WANG Junchao,1,2,3, WANG Zhibin,1, LAI Anwei1,2, XIAO Yanjiao1, WANG Jue1
1. Hubei Key Laboratory for Heavy Rain Monitoring and Warning Research, Institute of Heavy Rain, China Meteorological Administration, Wuhan 430205, China
2. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China
3. Three Gorges National Climatic Station, Yichang 443000, Hubei, China
The Fourier Merlin transformation, multi-scale optical flow method and Weibull distribution were used to carry out multi-scale prediction experiments of radar echo on four precipitation cases from June to July 2020 in Hubei Province, and the phase and intensity correction of model products were realized. On this basis, the corrected radar echo prediction of numerical model and radar echo extrapolation prediction were blended by using hyperbolic tangent function. Finally, the prediction effect of blending method with different prediction time, scales and thresholds of echo intensity was quantitatively analyzed by means of prediction skill score, mean absolute error (MAE) and probability of detection (POD). The results are as follows: (1) Compared with model prediction and radar extrapolation, the 0-3 hours precipitation echo predicted by the blending method improved obviously in range and location, the advantage of blending prediction was obvious, especially to strong echo, and it had a positive influence on prediction of convection. The 0-1 hour prediction effect of precipitation echo with 0.01°× 0.01° spatial scale was obviously better than those with other scales and prediction time. (2) MAE of Wuhan RUC model prediction was the largest with a range of 6.1-8.2 dBZ, while for blending forecast it was the smallest with a range of 4.7-6.5 dBZ. POD of blending prediction for 0.01°× 0.01° scale decreased with increase of echo threshold and prediction time, while the average POD was the maximum and MAE was the minimum for precipitation echo with 20 dBZ threshold at other scales, the average POD (MAE) of blending prediction was higher (lower) than other two kinds of prediction. On the whole, the blending prediction was obviously superior to single prediction, and it can provide reference for improvement of 0-3 hours quantitative precipitation forecast.
Keywords:mesoscale numerical prediction;
radar extrapolation method;
blending technology;
short-term and impending forecast of precipitation echo
WANG Junchao, WANG Zhibin, LAI Anwei, XIAO Yanjiao, WANG Jue. Experimental study on short-term and impending prediction of precipitation echo based on blending method of numerical prediction and radar extrapolation prediction[J]. Arid Meteorology, 2022, 40(3): 485-499 DOI:10.11755/j.issn.1006-7639(2022)-03-0485
引言
强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大。雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑。雷达外推临近预报主要是对雷达回波的跟踪及外推。其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置。随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5]。然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6]。因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的。光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10]。近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12]。此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高。于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中。
雷达外推预报和数值模式预报各有所长,将二者融合可以提高临近(0~6 h)预报能力。因此,基于数值模式和雷达外推预报的融合降水预报迅速发展[26-27],通过融合雷达回波外推和数值预报降尺度结果,获得多尺度定量降水预报概率,并设置雷达外推产品和模式产品的最佳时间变化曲线来最优化融合结果,得到与雷达外推临近预报水平相似的校正模式预报场。主要的融合预报系统包括:澳大利亚的STEPS(short-term ensemble prediction system)[28]、加拿大的ARMOR(adjustment of rain from models with radar)[29]、奥地利的INCA(integrated nowcasting through comprehensive analysis)[30]、英国的NIMROD(nowcasting and initialization for modeling using regional observation data scheme)[26]以及中国香港的RAPIDS(rainstorm analysis and prediction integrated data-processing system)[31]、广东省的GRAPES-SWIFT(severe weather integrated forecasting tools)[32]等系统。RAPIDS系统在临近预报结果基础上,通过融合数值预报结果,克服了临近预报系统的预报时效问题和数值预报的“起转”问题,从而提高0~6 h的定量降水预报效果,特别是降水强度预报准确率的提高。2008年北京奥运会对上述临近预报系统能力进行验证,发现融合预报系统的预报效果总体优于单一的雷达回波外推预报。
Fig.3
Comparison of 1-hour precipitation echo forecast with different scales from radar extrapolation (a, e),RUC-Wuhan model (b, f) and blending technology (e, g) initiated from 12:00 UTC 12 June 2020 with the observation of radar (d, h) (Unit: dBZ)
(The red box represents the intensive region of heavy precipitation. the same as below)
Fig.4
Comparison of 1-hour precipitation echo forecast with different scales from radar extrapolation (a, e), RUC-Wuhan model (b, f) and blending technology (e, g) initiated from 16:00 UTC 5 July 2020 with the observation of radar (d, h) (Unit: dBZ)
Fig.5
The change of average Bias of precipitation echo prediction by three methods for different thresholds with prediction time for four precipitation processes
Fig.6
The change of average Bias of 0-1 h precipitation echo prediction by three methods for different scales with thresholds for four precipitation processes
Fig.7
The change of average ETS scores of precipitation echo prediction by two methods for different thresholds with prediction time for four precipitation processes
Fig.8
The change of average ETS scores of 0-1 h precipitation echo forecast by three methods for different scales with thresholds for four precipitation processes
Fig.9
The change of average POD (a, b, c, d) and MAE (e, f, g, h) of blending forecast for different thresholds with forecast time for four precipitation processes
Fig.10
The change of average POD (a, b, c, d) and MAE (e, f, g, f) by three forecasts for different scales with thresholds for four precipitation processes
Prediction of a flash flood in complex terrain. Part I: a comparison of rainfall estimates from radar, and very short range rainfall simulations from a dynamic model and an automated algorithmic system
[J]. Journal of Applied Meteorology, 2000, 39: 797-814.
3DVAR and cloud analysis with WSR-88D level-II data for the prediction of the Fort Worth, Texas, tornadic thunderstorm. Part I: cloud analysis and its impact
Three-dimensional storm motion detection by conventional weather radar
1
1978
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
Nowcasting of motion and growth of precipitation with radar over a complex orography
1
1995
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
多尺度合成的降水临近预报技术
1
2008
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
尺度分解技术在定量降水临近预报检验中的应用
1
2010
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
雷达反演的多尺度风场在临近预报中的应用研究
1
2021
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
光流法在强对流天气临近预报中的应用
1
2008
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
An iterative image registration technique with an application to stereo vision
1
1981
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
Determing optical flow
1
1981
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
光流法及其在临近预报中的应用
1
2015
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
基于光流法雷达外推的2020年长江致洪降水临近预报检验评估
1
2021
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
一种改进的循环神经网络雷达图像外推算法
1
2021
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
循环神经网络在雷达临近预报中的应用
1
2019
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
基于生成对抗网络GAN的人工智能临近预报方法研究
1
2019
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
基于深度学习的强对流高分辨率临近预报试验
1
2019
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
临近预报系统(SWIFT)中风暴产品的设计及应用
1
2010
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
长江中游临近预报业务系统(MYNOS)及其应用
1
2013
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
自动临近预报系统及其在北京奥运期间的应用
1
2010
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
SWAN2.0系统的设计与实现
1
2018
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
强对流天气短时临近预报业务技术进展与挑战
1
2010
... 强对流天气(短时强降水、雷雨大风、龙卷风、冰雹)引发的洪涝和地质灾害给人民的生命安全与财产造成极大危害,对其进行临近预报预警意义重大.雷达外推预报和中尺度数值模式预报已成为目前短时定量降水临近预报关键技术支撑.雷达外推临近预报主要是对雷达回波的跟踪及外推.其中,交叉相关算法(tracking radar echoes by correlation,TREC) [1]是目前应用较为广泛的一种跟踪方法,通过计算相邻时刻雷达回波不同区域的最优空间相关性,确定回波的移动矢量特征,从而外推雷达回波未来时刻位置.随后,在TREC算法基础上进一步改进,发展了COTREC (continuity of TREC vectors)[2]和DITREC(difference image based TREC)[3]等方法,并用于降水预报[4-5].然而,TREC及其扩展方法虽可以预报降水系统在未来时刻的位置,却无法预测其演变趋势,导致对强降水回波跟踪失败现象显著增加[6].因此,后来又发展了局部光流法[7]与全局光流法[8],通过计算雷达回波的光流场得到回波的运动矢量场,从而对雷达回波进行外推以达到预报目的.光流法可以弥补传统的交叉相关法缺陷,能够提升对流临近预报系统的性能[9-10].近年来,循环神经网络模型广泛应用于天气雷达回波外推预报,并取得更为精确的外推效果[11],同时还可以有效解决反射率因子预测问题[12].此外,人工智能[13]和深度学习[14]方法的应用在强对流回波临近预报准确率上也有较明显提高.于是,基于以上短临预报技术发展了诸多短临预报系统[15⇓⇓⇓-19],并初步应用于预报业务中. ...
Prediction of a flash flood in complex terrain. Part I: a comparison of rainfall estimates from radar, and very short range rainfall simulations from a dynamic model and an automated algorithmic system
3DVAR and cloud analysis with WSR-88D level-II data for the prediction of the Fort Worth, Texas, tornadic thunderstorm. Part I: cloud analysis and its impact
Nimrod: a system for generating automated very short range forecasts
2
1998
... 雷达外推预报和数值模式预报各有所长,将二者融合可以提高临近(0~6 h)预报能力.因此,基于数值模式和雷达外推预报的融合降水预报迅速发展[26-27],通过融合雷达回波外推和数值预报降尺度结果,获得多尺度定量降水预报概率,并设置雷达外推产品和模式产品的最佳时间变化曲线来最优化融合结果,得到与雷达外推临近预报水平相似的校正模式预报场.主要的融合预报系统包括:澳大利亚的STEPS(short-term ensemble prediction system)[28]、加拿大的ARMOR(adjustment of rain from models with radar)[29]、奥地利的INCA(integrated nowcasting through comprehensive analysis)[30]、英国的NIMROD(nowcasting and initialization for modeling using regional observation data scheme)[26]以及中国香港的RAPIDS(rainstorm analysis and prediction integrated data-processing system)[31]、广东省的GRAPES-SWIFT(severe weather integrated forecasting tools)[32]等系统.RAPIDS系统在临近预报结果基础上,通过融合数值预报结果,克服了临近预报系统的预报时效问题和数值预报的“起转”问题,从而提高0~6 h的定量降水预报效果,特别是降水强度预报准确率的提高.2008年北京奥运会对上述临近预报系统能力进行验证,发现融合预报系统的预报效果总体优于单一的雷达回波外推预报. ...
GANDOLF: a system for generating automated nowcasts of convective precipitation
1
2000
... 雷达外推预报和数值模式预报各有所长,将二者融合可以提高临近(0~6 h)预报能力.因此,基于数值模式和雷达外推预报的融合降水预报迅速发展[26-27],通过融合雷达回波外推和数值预报降尺度结果,获得多尺度定量降水预报概率,并设置雷达外推产品和模式产品的最佳时间变化曲线来最优化融合结果,得到与雷达外推临近预报水平相似的校正模式预报场.主要的融合预报系统包括:澳大利亚的STEPS(short-term ensemble prediction system)[28]、加拿大的ARMOR(adjustment of rain from models with radar)[29]、奥地利的INCA(integrated nowcasting through comprehensive analysis)[30]、英国的NIMROD(nowcasting and initialization for modeling using regional observation data scheme)[26]以及中国香港的RAPIDS(rainstorm analysis and prediction integrated data-processing system)[31]、广东省的GRAPES-SWIFT(severe weather integrated forecasting tools)[32]等系统.RAPIDS系统在临近预报结果基础上,通过融合数值预报结果,克服了临近预报系统的预报时效问题和数值预报的“起转”问题,从而提高0~6 h的定量降水预报效果,特别是降水强度预报准确率的提高.2008年北京奥运会对上述临近预报系统能力进行验证,发现融合预报系统的预报效果总体优于单一的雷达回波外推预报. ...
STEPS: a probabilistic precipitation forecasting scheme which merges an extrapolation nowcast with downscaled NWP
1
2006
... 雷达外推预报和数值模式预报各有所长,将二者融合可以提高临近(0~6 h)预报能力.因此,基于数值模式和雷达外推预报的融合降水预报迅速发展[26-27],通过融合雷达回波外推和数值预报降尺度结果,获得多尺度定量降水预报概率,并设置雷达外推产品和模式产品的最佳时间变化曲线来最优化融合结果,得到与雷达外推临近预报水平相似的校正模式预报场.主要的融合预报系统包括:澳大利亚的STEPS(short-term ensemble prediction system)[28]、加拿大的ARMOR(adjustment of rain from models with radar)[29]、奥地利的INCA(integrated nowcasting through comprehensive analysis)[30]、英国的NIMROD(nowcasting and initialization for modeling using regional observation data scheme)[26]以及中国香港的RAPIDS(rainstorm analysis and prediction integrated data-processing system)[31]、广东省的GRAPES-SWIFT(severe weather integrated forecasting tools)[32]等系统.RAPIDS系统在临近预报结果基础上,通过融合数值预报结果,克服了临近预报系统的预报时效问题和数值预报的“起转”问题,从而提高0~6 h的定量降水预报效果,特别是降水强度预报准确率的提高.2008年北京奥运会对上述临近预报系统能力进行验证,发现融合预报系统的预报效果总体优于单一的雷达回波外推预报. ...
Precipitation forecast based on numerical weather prediction models and radar nowcasts
1
2004
... 雷达外推预报和数值模式预报各有所长,将二者融合可以提高临近(0~6 h)预报能力.因此,基于数值模式和雷达外推预报的融合降水预报迅速发展[26-27],通过融合雷达回波外推和数值预报降尺度结果,获得多尺度定量降水预报概率,并设置雷达外推产品和模式产品的最佳时间变化曲线来最优化融合结果,得到与雷达外推临近预报水平相似的校正模式预报场.主要的融合预报系统包括:澳大利亚的STEPS(short-term ensemble prediction system)[28]、加拿大的ARMOR(adjustment of rain from models with radar)[29]、奥地利的INCA(integrated nowcasting through comprehensive analysis)[30]、英国的NIMROD(nowcasting and initialization for modeling using regional observation data scheme)[26]以及中国香港的RAPIDS(rainstorm analysis and prediction integrated data-processing system)[31]、广东省的GRAPES-SWIFT(severe weather integrated forecasting tools)[32]等系统.RAPIDS系统在临近预报结果基础上,通过融合数值预报结果,克服了临近预报系统的预报时效问题和数值预报的“起转”问题,从而提高0~6 h的定量降水预报效果,特别是降水强度预报准确率的提高.2008年北京奥运会对上述临近预报系统能力进行验证,发现融合预报系统的预报效果总体优于单一的雷达回波外推预报. ...
Integrated nowcasting through comprehensive analysis (INCA) system description
1
2010
... 雷达外推预报和数值模式预报各有所长,将二者融合可以提高临近(0~6 h)预报能力.因此,基于数值模式和雷达外推预报的融合降水预报迅速发展[26-27],通过融合雷达回波外推和数值预报降尺度结果,获得多尺度定量降水预报概率,并设置雷达外推产品和模式产品的最佳时间变化曲线来最优化融合结果,得到与雷达外推临近预报水平相似的校正模式预报场.主要的融合预报系统包括:澳大利亚的STEPS(short-term ensemble prediction system)[28]、加拿大的ARMOR(adjustment of rain from models with radar)[29]、奥地利的INCA(integrated nowcasting through comprehensive analysis)[30]、英国的NIMROD(nowcasting and initialization for modeling using regional observation data scheme)[26]以及中国香港的RAPIDS(rainstorm analysis and prediction integrated data-processing system)[31]、广东省的GRAPES-SWIFT(severe weather integrated forecasting tools)[32]等系统.RAPIDS系统在临近预报结果基础上,通过融合数值预报结果,克服了临近预报系统的预报时效问题和数值预报的“起转”问题,从而提高0~6 h的定量降水预报效果,特别是降水强度预报准确率的提高.2008年北京奥运会对上述临近预报系统能力进行验证,发现融合预报系统的预报效果总体优于单一的雷达回波外推预报. ...
“急流”(RAPIDS) 暴雨预报系统-“小涡旋”与数值天气预报模式的融合
1
2006
... 雷达外推预报和数值模式预报各有所长,将二者融合可以提高临近(0~6 h)预报能力.因此,基于数值模式和雷达外推预报的融合降水预报迅速发展[26-27],通过融合雷达回波外推和数值预报降尺度结果,获得多尺度定量降水预报概率,并设置雷达外推产品和模式产品的最佳时间变化曲线来最优化融合结果,得到与雷达外推临近预报水平相似的校正模式预报场.主要的融合预报系统包括:澳大利亚的STEPS(short-term ensemble prediction system)[28]、加拿大的ARMOR(adjustment of rain from models with radar)[29]、奥地利的INCA(integrated nowcasting through comprehensive analysis)[30]、英国的NIMROD(nowcasting and initialization for modeling using regional observation data scheme)[26]以及中国香港的RAPIDS(rainstorm analysis and prediction integrated data-processing system)[31]、广东省的GRAPES-SWIFT(severe weather integrated forecasting tools)[32]等系统.RAPIDS系统在临近预报结果基础上,通过融合数值预报结果,克服了临近预报系统的预报时效问题和数值预报的“起转”问题,从而提高0~6 h的定量降水预报效果,特别是降水强度预报准确率的提高.2008年北京奥运会对上述临近预报系统能力进行验证,发现融合预报系统的预报效果总体优于单一的雷达回波外推预报. ...
A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds
1
2010
... 雷达外推预报和数值模式预报各有所长,将二者融合可以提高临近(0~6 h)预报能力.因此,基于数值模式和雷达外推预报的融合降水预报迅速发展[26-27],通过融合雷达回波外推和数值预报降尺度结果,获得多尺度定量降水预报概率,并设置雷达外推产品和模式产品的最佳时间变化曲线来最优化融合结果,得到与雷达外推临近预报水平相似的校正模式预报场.主要的融合预报系统包括:澳大利亚的STEPS(short-term ensemble prediction system)[28]、加拿大的ARMOR(adjustment of rain from models with radar)[29]、奥地利的INCA(integrated nowcasting through comprehensive analysis)[30]、英国的NIMROD(nowcasting and initialization for modeling using regional observation data scheme)[26]以及中国香港的RAPIDS(rainstorm analysis and prediction integrated data-processing system)[31]、广东省的GRAPES-SWIFT(severe weather integrated forecasting tools)[32]等系统.RAPIDS系统在临近预报结果基础上,通过融合数值预报结果,克服了临近预报系统的预报时效问题和数值预报的“起转”问题,从而提高0~6 h的定量降水预报效果,特别是降水强度预报准确率的提高.2008年北京奥运会对上述临近预报系统能力进行验证,发现融合预报系统的预报效果总体优于单一的雷达回波外推预报. ...