基于蓝金模式下的中气旋与龙卷雷达回波模拟

中气旋是强对流灾害性天气发生的特征,其形成过程分为生成阶段、成熟阶段和消亡阶段,处于成熟阶段的中气旋在4个不同高度层上具有不同的速度特征.强烈的中气旋或扩展到地面附近的中等以上强度的中气旋产生龙卷的概率约为40%.绝大多数龙卷发生于中气旋核区内,但并不是所有的中气旋都能发展成龙卷.多普勒天气雷达是探测中气旋与龙卷的射频传感器,但可用的中气旋与龙卷的回波数据有限,对中气旋与龙卷展开数值模拟是一种可供选择的方法.本文首先利用蓝金模式模拟出中气旋的风场和中气旋核区内发生龙卷时的风场.然后使用多普勒雷达对该风场进行探测,生成中气旋与龙卷回波数据,并显示出多普勒雷达径向速度图.生成的回波数据可用于中气旋与龙卷识别算法的验证.

基于人工智能的冰雹天气识别方法研究

冰雹天气是强对流天气系统产生的一种强天气现象,具有历时短、局地性强、破坏力大等特点,是主要的灾害性天气之一,因此对冰雹天气的识别一直是气象领域一个重要的研究课题。提出一种基于人工智能的冰雹天气识别方法,通过使用Faster R-CNN深度学习对冰雹天气区域进行识别,在测试集上的识别率和准确率分别达到87%和97%。通过理论分析,结合实际降雹情况及与传统冰雹天气识别方法对比验证的方式,验证了识别结果的准确性及可靠性。实验结果对冰雹天气这种灾害性天气的识别与预警具有重要的参考意义。

多普勒雷达风场的拟合补盲

通过构造数学模型,模拟3种缺测风场,根据缺测区域周围有数值的点,用最小二乘法确定最佳拟合曲线推测风场缺测区的值。该方法分别对速度大小方向都不变化的均匀风场、速度不断变小的辐散型风场及速度方向不断变化的龙卷风进行数值拟合,得到拟合后的风场矢量图,最后通过雷达体积扫描拟合的风场得到径向速度PPI图。该方法区别于传统的风场反演方式,无须假设风场为线性分布,而是直接对风场有数值的点进行非线性的拟合,适用于小范围风场缺测区的拟合补盲。