ROSE2.1短时强降水自动报警产品在宁夏北部的适用性评估
Applicability assessment of ROSE2.1 short-duration heavy precipitation automatic alarm product in northern Ningxia
通讯作者: 杨苑媛(1992—),女,宁夏银川人,硕士,工程师,主要从事天气预报及气象服务研究。E-mail:4198652962@qq.com。
责任编辑: 黄小燕;校对:邓祖琴
收稿日期: 2024-09-3 修回日期: 2024-11-29
基金资助: |
|
Received: 2024-09-3 Revised: 2024-11-29
作者简介 About authors
程瑶(1995—),女,宁夏银川人,硕士,工程师,主要从事天气预报及气候变化研究。E-mail:special_c1@163.com。
为提升雷达在短临天气预报业务中对强对流天气的监测预警效能,本文利用银川C波段雷达数据及气象自动站降水资料,系统分析了2018—2022年宁夏北部地区短时强降水时空分布特征,并基于ROSE2.1雷达系统,对短时强降水自动报警产品(User Alarm Information,简称“UAM产品”)参数阈值(R)进行修正优化,通过检验评估不同参数下UAM产品准确率等关键指标,最终构建适用于本地的参数体系。结果表明:宁夏北部短时强降水以贺兰山主峰东麓最多,次峰次之,短时强降水强度最强的区域集中在次峰。银川市短时强降水多发于西夏区、贺兰县和灵武市,石嘴山市多发于平罗县、惠农区,但极端性相对银川市较差。参数评估表明,银川市雷达距离<50 km、小时雨量为20~<50 mm及石嘴山市雷达距离50~100 km、小时雨量为20~<50 mm的场景下,R11参数命中率超70%,且综合评分最优。基于该参数优化的UAM产品在报警落区、时间提前量和准确率等方面均有提升,但对于范围较广、强度较强的短时强降水过程,存在报警强度虚高、虚警率偏高等问题,需进一步改进完善。
关键词:
To enhance the radar monitoring and early warning efficacy for severe convective weather in nowcasting operations, this study systematically analyzed the spatiotemporal characteristics of short-duration heavy precipitation in northern Ningxia from 2018 to 2022, by using Yinchuan C-band radar data and precipitation data from meteorological automatic stations. Based on the ROSE2.1 radar system, the parameter threshold R of the automatic alarm product for short-duration heavy precipitation (UAM product) was revised and optimized. By evaluating key indicators such as the accuracy rate of the UAM product under different parameters, a locally applicable parameter framework was ultimately established. The results show that short-duration heavy precipitation in northern Ningxia occurs most frequently on the eastern foothills of the main peak of the Helan Mountain, followed by the secondary peak. The area with the strongest short-duration heavy precipitation intensity is concentrated around the secondary peak. In Yinchuan City, short-duration heavy precipitation frequently occurs in Xixia District, Helan County, and Lingwu City, while in Shizuishan City, it is more common in Pingluo County and Huinong District, though with relatively lower extremity compared to Yinchuan. Parameter evaluation shows that in scenarios where the radar distance is less than 50 km and the hourly rainfall is greater than or equal to 20 mm and less than 50 mm in Yinchuan City, and where the radar distance is greater than or equal to 50 km and less than or equal to100 km and the hourly rainfall is greater than or equal to 20 mm and less than 50 mm in Shizuishan City, the hit rate of parameter R11 exceeded 70%, with the best comprehensive score. The UAM product optimized with these parameters shows improvements in alarm location, lead time, and overall accuracy rate, but for widespread and intense short-duration heavy precipitation events, it exhibits issues of overestimation of alarm intensity and high false alarm rate, which require further improvement.
Keywords:
本文引用格式
程瑶, 赵腾, 杨苑媛.
CHENG Yao, ZHAO Teng, YANG Yuanyuan.
0 引 言
短时强降水作为典型强对流天气之一,对城市内涝、交通运行影响显著,在局部特殊地形条件下还可能诱发山洪、山体滑坡和泥石流等地质灾害(程瑛等,2018;肖贻青等,2023)。因此,提升短时强降水等强对流天气的监测能力是气象防灾减灾工作的重要环节(Wang et al.,2020;兰明才等,2022;Tian et al.,2024)。新一代多普勒天气雷达具备快速、实时跟踪强对流天气生成与发展的能力(潘赫拉等,2020;樊江伟和董冰,2024),在灾害性天气监测和预警中优势显著(杨涛等,2021;辛玮琦等,2021;郭飞燕等,2023)。国内众多学者基于天气雷达数据,围绕短时强降水、雷暴大风等强对流天气的预警及预报开展了系统性研究,有效提升了对中尺度对流系统的识别、跟踪与预报水平(王萍和窦冰杰,2018;Zhao et al.,2022;Sama et al.,2024;Xiao et al.,2024)。
为进一步强化天气雷达在短时强降水灾害性天气中的应用,一些学者聚焦雷达降水估测领域(Chen et al.,2017;Ghaemi et al.,2023;Sleziak et al.,2023),从算法优化和产品适用性评估两方面开展研究(Nikahd and Shabani,2024)。在优化算法方面,例如通过改进雷达降水估测算法(如Z-R关系优化、误差校正模型等),提升雷达资料在定量降水估测中的精度(赵畅等,2019;郭佳等,2020;曾广宇等,2021;Hassan et al.,2022;荀爱萍等,2023);或通过优化雷达回波外推算法,增强降水临近预报的时效性与准确性(王俊超等,2022;袁凯等,2023;Ji and Xu,2024)。在产品适用性评估方面,有研究针对现有天气雷达降水估测产品(如雷达反演降水强度、累积雨量产品)开展本地化实用性检验(苏华英等,2020;程鹏等,2020;韦凯华等,2023),但研究成果多局限于特定区域。目前,雷达估测降水相关产品在宁夏本地的适用性研究尚显不足,系统性检验评估其在短时强降水场景中的应用效能,有助于当地预报员精准掌握雷达产品在业务预警中的适用范围与局限性,为精细化预报提供科学支撑。
2023年,中国气象局组织开发的雷达业务软件系统ROSE2.1已在全国正式业务运行(李悦,2022;刘倩等,2023)。该系统针对短时强降水、雷暴大风、冰雹、龙卷风等强对流灾害性天气,开发了4种预警产品,通过产品可视化呈现、文字和声音提示等方式,实现灾害天气的快速识别,并采用风暴路径外推技术提供短时预警。其中短时强降水自动报警产品基于降水估算方法,通过判定雷达累积小时降水量,实现对短时强降水的智能识别。尽管ROSE2.1系统运行稳定,但由于自动报警产品投入运行时间短,其在实际业务环境中的可用性、稳定性和业务支撑能力,以及雷达观测产品的准确性、可用性和科学性,均有待进一步验证。为此,本文对2018—2022年宁夏北部地区短时强降水历史报警产品的实际应用效果开展评估,旨在优化本地短时强降水报警产品的参数阈值,提升雷达自动报警功能在短临监测预警业务中的应用效能。
1 数据与方法
1.1 资 料
本文以宁夏北部地区为研究区域,包括石嘴山、银川两市,选取2018—2023年宁夏银川市的CINRAD-CA波段新一代多普勒天气雷达资料(海拔1 179 m,探测范围200 km),其中2018—2022年数据作为评估样本,2023年数据作为检验样本。降水实况数据为同时段经过质量控制后的469个气象站雨量计逐小时降水量数据。短时强降水定义为1 h降水量≥20 mm的降水过程。
1.2 雷达基数据反演
在新一代天气雷达业务软件(ROSE2.1)中,短时强降水自动报警产品(User Alarm Information,简称“UAM产品”)依托小时累积降水(One Hour Precipitation,OHP)78号产品算法,通过实时判定雷达监测的小时累积降水量,实现对短时强降水的智能识别。该产品以默认20 mm为告警门限,当监测区域降水量超过此阈值时触发告警,且产品数据与告警信息随每次雷达体扫完成实时更新。在参数配置窗口中,降水量的报警阈值及区域面积均可进行手动配置。
UAM产品中,当雨强阈值参数(R)门限设为20 mm·h-1,面积参数设为30 km2时,意味着若OHP产品估测的1 h降水量≥20 mm的连续区域面积超过30 km2,系统将触发短时强降水报警,并在报警产品中生成拟合的椭圆报警区域,同时标注其移动方向和速度。鉴于宁夏当地短时强降水特征,本文对雨强阈值参数(R)进行优化配置,在10~20 mm・h-1区间内取整设置不同阈值(简称“R10~R20”,其中R20为系统默认值),并保持面积参数为“30 km2”不变,以探究更适用于当地的报警参数组合。在设定好参数阈值后,根据统计的短时强降水个例实况,调取对应发生时段的雷达基数据,基于ROSE2.1系统的雷达产品生成子系统(Radar Product Generation,RPG)内部气象算法,反演基数据,得到对应的UAM产品。
1.3 UAM产品效果评估
评估UAM产品准确率时,参照《新一代天气雷达业务软件(ROSE2.0)雷达定量降水估测产品及用户报警信息产品检验评估方案》
采用点对面邻域检验方法分等级评估。如果短时强降水报警区域内有1 h降水量≥20 mm的雨量站点,则为“命中”;如果报警区域内无1 h降水量≥20 mm的雨量站点,则为“虚警”;如果存在1 h降水量≥20 mm的雨量站点,但未落在强降水报警区域内,则为“漏报”。使用由中国探测中心研发的评估软件“AssessMain_2.1.3”,计算分等级的命中率(识别率)POD、虚警率FAR、漏报率MAR和临界成功指数(准确率)CSI,具体公式如下:
式中:H、M、FA分别为“命中”、“漏报”和“虚警”的次数。
2 结果分析
2.1 短时强降水分布特征
表1列出银川、石嘴山两市各辖行政区不同级别短时强降水发生频次。可以看出,银川市短时强降水多发生在西夏区、贺兰县和灵武市。其中小时雨量为20~<50 mm的短时强降水最多发生在西夏区,贺兰县次之,金凤区发生次数最少。50 mm及以上的短时强降水最多发生在西夏区,灵武市次之。石嘴山市短时强降水多发生在平罗县,惠农区次之,同时整市小时雨量大都低于50 mm,70 mm以上的短时强降水仅出现1次。
表1 2018—2022年银川市、石嘴山市各辖行政区不同级别短时强降水发生频次
Tab.1
小时雨量/mm | 银川市 | 石嘴山市 | |||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
兴庆区 | 金凤区 | 西夏区 | 贺兰县 | 永宁县 | 灵武市 | 总计 | 大武口区 | 惠农区 | 平罗县 | 总计 | |
20~<50 | 60 | 31 | 122 | 84 | 46 | 68 | 411 | 33 | 72 | 106 | 211 |
50~<70 | 2 | 1 | 9 | 2 | 0 | 4 | 18 | 2 | 0 | 3 | 5 |
≥70 | 1 | 0 | 2 | 1 | 0 | 3 | 7 | 0 | 1 | 0 | 1 |
图1
图1
2018—2022年宁夏北部地区短时强降水的强度(a,单位:mm·h-1)及发生频次(b,单位:次)空间分布
Fig.1
The spatial distribution of intensity (a, Unit: mm·h-1) and occurrence frequency (b, Unit: times) of short-duration heavy precipitation in northern Ningxia from 2018 to 2022
贺兰山次峰东麓为短时强降水极值区,其形成与特殊地形作用密切相关,贺兰山主峰东侧狭管效应和次峰喇叭口地形收缩作用叠加,使贺兰山主峰与次峰之间的喇叭口迎风坡成为强降水中心(陈晓娟等,2020);灵武市东南部马家滩镇为次强降水中心,该区域雨强大于等于50 mm·h-1的站点较多、范围较广;贺兰县中西部、金凤区北部及灵武市北部(均位于银川市)亦为短时强降水多发区域,对比石嘴山市,银川市因上述多区域呈现高强度降水特征,更容易出现极端性降水事件。
2.2 UAM产品评估分析
图2为2018—2022年基于不同雨强、不同雷达距离组合的银川市UAM产品评估结果。可以看出,不同雷达监测距离与降水阈值下的短时强降水监测性能差异明显:当雷达距离<50 km时,小时雨量为20~<50 mm的短时强降水样本数量充足,雷达评估结果有一定参考价值,随着雨强参数阈值R的增大,命中率依次递减(变率约为45%),漏报率递增(变率约为375%),虚警率小幅度递减,维持在7%~17%,其中R10、R11的临界成功指数(CSI评分)表现最优,命中率均达83%,但虚警率略高,为15%~17%;小时雨量为50~<70 mm时样本数量较少,评估结果具有不确定性,自R13起,R值越大,虚警率越低,CSI评分越高,R11命中率为88.9%(虚警率为27.8%),R20命中率为75%(无虚警),表现最突出;小时雨量≥70 mm时样本数量极少,各参数CSI评分较高,其中R19评分为1,表现最优。当雷达距离为50~100 km时,监测范围缩小至贺兰县沿山地段及灵武市东南部区域,样本数量偏少,小时雨量为20~<50 mm和50~<70 mm的短时强降水整体CSI评分低、虚警率高、命中率低于20%,无参考意义;小时雨量≥70 mm的短时强降水整体命中率低于40%,仅R10、R11、R12命中率略高。
图2
图2
2018—2022年基于不同雨强、不同雷达距离组合的银川市UAM产品评估结果
Fig.2
Evaluation results of UAM products in Yinchuan City based on different combinations of rainfall intensity and radar distance from 2018 to 2022
图3为2018—2022年基于不同雨强、不同雷达距离组合的石嘴山市UAM产品评估结果。当雷达距离<50 km,监测范围主要分布在平罗县东南部区域,小时雨量为20~<50 mm时样本数量较少,各R值命中率均低于30%,虚警率偏高,CSI评分整体偏低,仅R11、R20 CSI评分较高;当雷达距离为50~100 km时,对于小时雨量为20~<50 mm的短时强降水,随着雨强参数阈值R的增大,命中率依次递减(变率约为46%),漏报率递增(变率约为206%),虚警率递减(变率约为73%),其中R11、R12参数的CSI评分较高,尤其R11的命中率达70.3%,评分最高,且该距离-阈值组合下样本数量充足,评估结果有较高的参考价值;对于小时雨量为50~<70 mm和≥70 mm的短时强降水,分级样本数量稀少,当R取较大值时,漏报率虽有小幅度增加,但虚警率明显下降,综合评估,R19、R20参数的CSI评分较高,且其虚警率均为0;当雷达距离大于100 km时,监测范围仅覆盖惠农区北部,小时雨量为20~<50 mm时各参数的临界成功指数均小了一个量级,且命中率低于6%、虚警率高于95%,因样本数量少且距离过远,评估结果不具有参考意义(图略)。
图3
图3
2018—2022年基于不同雨强、不同雷达距离组合的石嘴山市UAM产品评估结果
Fig.3
Evaluation results of UAM products in Shizuishan City based on different combinations of rainfall intensity and radar distance from 2018 to 2022
对于银川市和石嘴山市不同雷达监测距离及雨强条件下的UAM产品参数配置,综合评估结果显示:银川市在距雷达较远(50~100 km)时,各R值虚警率高、命中率低、CSI评分差,且R值调整前后性能无明显差异,参数选择可优先考虑R10、R11、R12;距雷达较近时(<50 km),大部分小时雨量为20~<50 mm的短时强降水适用R11,而当雨强≥50 mm·h-1时,R值越高,虚警率越低,更适合配置大值参数。石嘴山市距雷达较近时(<50 km),各R值整体表现差异不大,其中R20最优,若需综合考虑银川市雨情,可统一配置为R11;距雷达50~100 km时,大部分小时雨量为20~<50 mm的短时强降水适用R11,雨强≥50 mm·h-1时需同样配置大值参数以降低虚警率。基于上述分析,初步形成的不同级别本地化参数阈值推荐结果见表2。
表2 宁夏北部短时强降水的不同雨强、不同雷达距离组合的UAM参数阈值推荐
Tab.2
区域 | 雨强20~<50 mm·h-1 | 雨强≥50 mm·h-1 | |||
---|---|---|---|---|---|
雷达距离<50 km | 雷达距离50~100 km | 雷达距离>100 km | 雷达距离<50 km | 雷达距离50~100 km | |
银川市 | R11* | R10~R20 | R20 | R10~R20 | |
石嘴山市 | R20 | R11* | R10~R20 | R19~R20 | |
宁夏北部 | R11 | R11 | R10~R20 | R20 | R20 |
注:*表示样本量充足,评估结果有一定参考价值。
2.3 UAM产品检验与应用
以2023年发生的50次短时强降水(小时雨量为20~<50 mm)事件作为检验样本,基于前期评估结果,选取推荐参数R11及对比参数R15、R20对UAM产品性能进行验证。结果(表3)表明,R11在不同雷达距离下均表现最优,其平均临界成功指数显著高于其他参数的对应指标,对短时强降水的识别率较默认参数R20提升2.8~4.5倍,但同时虚警率也同步增加2.6~2.9倍。另外,在距离雷达较远时,R11累计虚警次数明显增多,需在实际应用中结合实时观测数据对远距离预警结果进行人工核验。
表3 2023年不同雷达距离分级下宁夏北部地区短时强降水UAM产品评估结果
Tab.3
雷达距离分级 | 参数 | 累计命中/个 | 累计漏报/个 | 累计虚警/个 | 平均命中率/% | 平均虚警率/% | 平均漏报率/% | 平均临界成功指数 |
---|---|---|---|---|---|---|---|---|
所有范围 (50次个例) | R11 | 40 | 9 | 39 | 42.86 | 20.00 | 49.54 | 0.36 |
R15 | 30 | 18 | 20 | 29.03 | 51.61 | 30.28 | 0.25 | |
R20 | 17 | 27 | 6 | 14.53 | 73.93 | 19.23 | 0.15 | |
<50 km (37次个例) | R11 | 29 | 8 | 10 | 57.14 | 42.86 | 20.61 | 0.51 |
R15 | 22 | 13 | 7 | 31.25 | 68.75 | 17.00 | 0.27 | |
R20 | 15 | 16 | 1 | 12.70 | 87.30 | 7.14 | 0.13 | |
50~100 km (13次个例) | R11 | 10 | 1 | 16 | 50.00 | 7.14 | 53.23 | 0.40 |
R15 | 8 | 5 | 6 | 33.33 | 41.67 | 30.56 | 0.28 | |
R20 | 2 | 12 | 2 | 18.18 | 72.73 | 18.18 | 0.18 |
基于UAM产品进行人工判别,进一步评估短时强降水UAM产品报警的时间提前量及初始强度。在判别过程中,当短时强降水的发生地及其周边5 km半径区域被报警区覆盖时,则统计对应时间提前量,对于报警区与发生地距离较远的不予统计。结果(表4)表明,在时间提前量方面,R11参数的最大个例提前量为73 min,平均提前量达34 min,R20参数整体提前量较少、准确命中个例有限,最大提前量为56 min;报警强度方面,R11的平均初始强度变率偏高58.6%,部分个例报警强度低于实际值,最大变率较实况值超出398.0%,R20的平均强度偏高206.5%,且所有个例报警值均高于实际值,最小变率仍超出实际值46.0%。
表4 2023年宁夏北部地区短时强降水UAM产品个例时间提前量及初始强度评估
Tab.4
统计量 | 时间提前量/min | 强度较实况变率/% | ||||
---|---|---|---|---|---|---|
R11 | R15 | R20 | R11 | R15 | R20 | |
范围 | -11~73 | -12~68 | -8~56 | -41~398 | 0~398 | 46~501 |
均值 | 34 | 30 | 27 | 58.6 | 84.9 | 206.5 |
根据降水落区、降水强度,选取2023年8月10日14:00和9月14日23:00两次个例,参考表2推荐指标,将参数R设定为11,UAM评估结果显示两次个例的命中率均达100%。8月10日14:00贺兰山沿山出现的短时强降水(图4),小时雨量为20.6~32.3 mm,回波移动路径为东南向。参数R11最早于12:58在贺兰平罗两县交界处触发报警,中心值达38 mm·h-1,预警强度较实况偏高19%,预警时间提前量为62 min,移动路径指向与回波路径一致;随后在13:43、13:49,西夏区先后出现两处新报警区,时间提前量为11~17 min,预警强度偏低9%~25%。对比来看,参数R15于13:15首次报警,提前量为45 min,中心值达57 mm·h-1、强度较实况偏高78%,西夏区新报警区出现时间(14:12)晚于实况,预警时效较差;参数R20则全程漏报,未出现报警区。整体来看,R11报警落区与实况对应较好,移动方向一致,预报强度在25%以内浮动。
图4
图4
2023年8月10日宁夏北部地区短时强降水实况及银川雷达产品分布
(绿色圆圈包围区域表示短时强降水发生区域,红色阴影表示系统触发报警区域,下同)
Fig.4
Spaial distribution of observed short-duration heavy precipitation and corresponding Yinchuan radar products in northern Ningxia on 10 August 2023
(Green-circled areas indicate short-duration heavy precipitation occurrences, the red shaded regions represent system-activated alert zones, the same as below)
2023年9月14日23:00,银川市贺兰县东北部及石嘴山市平罗县东南部出现短时强降水(图5),小时雨量为20.0~44.3 mm,降水回波向东南方向移动。参数R设定为11,UAM产品于22:11在贺兰县北部首次触发报警,中心值达34 mm·h-1,预警强度变率为-5%~19%(较实况偏低5%至偏高19%),预警时间提前量为49 min,移动路径与回波路径一致,但虚警次数过多。对比参数R15于22:17初次报警,中心值达37 mm·h-1,预警强度变率为3%~29%,预警时间提前量为43 min,略短于R11;参数R20在22:28首次报警,但报警区域与实况偏差较大。对比22:56各参数的报警效果发现,3个参数的报警强度均达86 mm·h-1,明显高于实况,其中R11、R15的报警落区与实况较为吻合,R20则与实况区域偏差明显。
图5
图5
2023年9月14日宁夏北部地区短时强降水实况及银川雷达产品分布
Fig.5
Spaial distribution of observed short-duration heavy precipitation and corresponding Yinchuan radar products in northern Ningxia on 14 September 2023
R11参数下的UAM报警产品在报警落区、时间提前量及准确率方面均优于对比参数,具备实际业务应用价值。但该参数在不同场景下存在差异:对于范围较广、强度较强的短时强降水过程,存在报警强度过高、虚警次数过多的情况;而对于范围较为局地的短时强降水个例,虚警率相对偏低。
3 结论
本文通过分析2018—2022年宁夏北部地区短时强降水时空分布特征,并对UAM产品进行系统评估,构建了本地化参数阈值体系,主要得出如下结论。
1)宁夏北部地区短时强降水频次呈现西多东少、北多南少的空间分布特征,以贺兰山主峰东麓迎风坡最多,贺兰山次峰迎风坡次之;短时强降水强度最强的区域主要集中在贺兰山次峰东麓迎风坡,灵武市东南部马家滩镇强度次之。银川市短时强降水多发于西夏区、贺兰县和灵武市,石嘴山市多发于平罗县、惠农区,其中贺兰县和惠农区的短时强降水多发于贺兰山区。
2)不同雨强、雷达距离组合下,受样本数量、降水强度及雷达监测距离等因素影响,UAM产品评估结果差异明显。其中,高可靠性指标包括:银川市在雷达距离<50 km、小时雨量为20~<50 mm时,R11阈值命中率达83.2%,CSI评分最高;石嘴山市在雷达距离为50~100 km、小时雨量为20~<50 mm时,R11阈值命中率为70.3%,CSI评分最高。
3)经评估与检验验证,对于小时雨量为20~<50 mm、距雷达100 km以内的宁夏北部短时强降水,R11参数明显提升UAM产品的报警落区准确性、时间提前量及整体准确率。但对于范围较广、强度较强的短时强降水过程,该参数存在报警强度虚高、虚警率偏多的情况,需结合实际场景优化应用策略。
中国气象局综合观测司, 2022. 新一代天气雷达业务软件(ROSE2.0)雷达定量降水估测产品及用户报警信息产品检验评估方案.气测函[2022]152号.
参考文献
甘肃岷县两次强降水致山洪泥石流灾害特征对比分析
[J].从致灾因子、灾害风险的角度对甘肃岷县2012年5月10日和2016年6月23日发生的两次强降水过程进行了特征对比分析。结果表明:在有利的大尺度环流背景下,明显的中尺度特征导致强对流天气发生是造成岷县特大山洪泥石流等地质灾害发生的主要气象触发因素;前期降水、短时强降水强度及落区在岷县特大山洪泥石流的形成中起到了决定作用,而强降水伴随特强冰雹、阵性大风对岷县特大山洪泥石流的形成则起到了进一步的推动作用。
两次极端强降水风暴双偏振参量特征对比分析
[J].基于济南S波段双偏振多普勒天气雷达(CINRAD/SA-D)探测资料,并结合区域自动气象站以及常规观测资料,对2020年8月5日和6日山东两次极端强降水风暴环境条件进行对比分析,并重点分析莘县王庄集和兖州大安风暴的双偏振参量特征。结果表明:两次极端强降水天气均具有较高的K指数和较大的对流有效位能(Convective Available Potential Energy,CAPE),湿层厚,垂直风切变中等偏弱,但6日强降水低层垂直风切变和相对风暴螺旋度明显偏强。风暴气流结构有明显差异:王庄集和大安风暴分别表现为倾斜上升和气旋性旋转气流结构,前者风暴顶辐散强而后者较弱,从而导致前者风暴顶高度及差分相移率(K<sub>DP</sub>)柱高度较高。不同高度微物理结构有差异:-10 ℃层高度之上,两者以固态粒子为主,而王庄集风暴含有更加深厚、丰富的霰粒子,-20~-10 ℃层还有一定浓度较小的液态粒子;-10 ℃层高度以下,两者以浓度较高的液态粒子为主,而王庄集风暴含有一定数量的冰相粒子。风暴低层测站周围差分反射率(Z<sub>DR</sub>)、K<sub>DP</sub>和相关系数(Correlation Coefficient, CC)大致相当,Z<sub>DR</sub>适中,粒子大小适中,K<sub>DP</sub>和CC较大,风暴降水主体液态雨滴浓度较高,含水量丰富,从而产生高强度降水。
西太平洋副热带高压控制下湖南一次短时强降水成因分析
[J].在天气预报业务中,发生在西太平洋副热带高压控制下的短时强降水容易出现漏报。为加深对西太平洋副热带高压控制下湖南短时强降水的认识,探究其成因和触发机制,本文利用地面自动站、多普勒天气雷达观测资料及FY-2F云顶亮温、NCEP再分析资料等,针对2018年9月6日一次西太平洋副热带高压控制下的湖南短时强降水成因开展研究。结果表明:在强盛的西太平洋副热带高压脊区内,丰沛的水汽、较强的不稳定能量及一定的抬升条件可触发短时强降水天气。正午前,受弱冷空气侵入影响,低层切变配合地面中尺度辐合线引起近地面动力抬升,从而触发对流性降水;午后,受太阳辐射影响,地面气温达到对流触发温度,从而触发热对流。正涡度区及低层辐合区在降水发生后都向上延伸,有利于垂直上升运动的维持,但较典型汛期强降水过程的动力条件明显偏弱。环境风及其垂直风切变小,且雷暴单体移动缓慢,有利于强降水在同一地区长时间维持。
基于数值预报与雷达外推预报融合方法的降水回波短临预报试验研究
[J].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。
深度学习模型在2021年汛期武汉市雷达回波临近预报中的应用评估
[J].近年来,人工智能技术在图像识别领域取得了突破性进展,为探寻人工智能模型在武汉地区雷达回波临近预报中的应用价值,本文利用湖北武汉市2015—2020年雷达回波和降水量观测资料,对PredRNN++、MIM、CrevNet和PhyDNet 4种深度学习模型进行雷达回波临近预报训练,并基于2021年汛期雷达回波资料进行雷达回波临近预报。在此基础上,通过降水强度和降水面积指数筛选降水过程,并以均方误差(Mean Square Error, MSE)、结构相似性指数(Structural Similarity Index Measurement, SSIM)、命中率(Probability of Detection, POD)、空报率(False Alarm Rate, FAR)和临界成功指数(Critical Success Index, CSI)为指标,检验评估上述4种深度学习模型和光流法对2021年汛期武汉地区雷达回波的临近预报性能。结果表明:(1)整体来看,MIM模型的MSE最小、POD最高,MIM和PredRNN++模型的SSIM并列最高;所有深度学习模型的FAR均低于光流法,且PhyDNet模型的FAR最低;除CrevNet模型外,其余3种深度学习模型的CSI均高于光流法,且MIM模型的CSI最高。(2)预报的前12 min,光流法的CSI最高,而在18~120 min MIM模型的CSI最高,显示了深度学习模型长预报时效的优势。(3)随着回波强度增加,深度学习模型和光流法的POD和CSI均迅速降低,而FAR光流法与各模型则表现出不同的变化规律。(4)随着区域性降水强度增加,深度学习模型的预报能力均先降低后明显增强,而光流法对降水强度变化的敏感性较弱,故在强降水背景下深度学习模型的CSI较光流法增幅最大;对于局地一般对流性降水过程,所有深度学习模型和光流法的预报能力均大幅降低。(5)暴雨个例分析结果表明,深度学习模型不仅具备一定回波强度变化的预报能力,而且对回波运动的预报能力也明显高于光流法,展示了深度学习模型良好的应用前景。
Urban hydrological applications of dual-polarization X-band radar: Case study in Korea
[J].
Optimizing radar-based rainfall estimation using machine learning models
[J].
The effect of altitude on the uncertainty of radar-based precipitation estimates over Switzerland
[J].
trajPredRNN+: A new approach for precipitation nowcasting with weather radar echo images based on deep learning
[J].
New calibration formula for radar-rainfall relationships analysis
[J].
Accuracy of radar-estimated precipitation in a mountain catchment in Slovakia
[J].
A comprehensive assessment of the temporal and spatial variation of hail producing convective storms over eastern India using weather radar
[J].
Ingredients-based methodology and fuzzy logic combined short-duration heavy rainfall short-range forecasting: An improved scheme
[J].
Nowcasting multicell short-term intense precipitation using graph models and random forests
[J].
An early warning approach for the rapid identification of extreme weather disasters based on phased array dual polarization radar cooperative network data
[J].
Characteristics of radar echo parameters and microphysical structure simulation of a short-time heavy precipitation supercell
[J].
/
〈 |
|
〉 |
