多雷达反演参量联合的短时强降水识别方法研究

借鉴美国ANC(NCAR Auto-Nowcast System)基于模糊逻辑原理的临近预报技术思路,采用SWAN(Severe Weather Automatic Nowcast System)系统中雷达基本产品及其反演产品,研发了多参量联合的短时强降水落区识别算法,重点研究因子选取、误差分析及参数设置。基于历史资料分析结果筛选出1h定量降水预报QPF(Quantity Precipitation Forecast)、雨强RI(Rain Intensity)、垂直累积液态水含量VIL(Vertically Integrated Liquid Water)、回波顶高ET(Echo Top)预报量作为识别因子,并设计出相应的隶属函数。结果表明,多因子联合识别短时强降水算法的CSI(Critical Success Index)指数为0.18,性能高于QPF判别法及仅使用单因子识别的模糊逻辑方法。强降水指数HRI(Heavy RainIndex)阈值设置测试表明,选择合适的HRI阈值有助于发挥算法性能,统计结果表明取0.5～0.6比较合理。同时,较高的空报率是影响算法性能的主要因素,包括地物杂波、因子场定常外推假设、不合适的Z-R关系、局地性强降水以及多种因素的共同作用。