MIGFA阵风锋识别算法改进与检验

根据南京CINRAD/SA天气雷达探测的江苏沿江地区阵风锋回波特征,对MIGFA(Machine Intelligence Gust Front Algorithm)阵风锋识别算法进行改进:在考虑平滑算法使用和低仰角数据融合的基础上,根据阵风锋回波特征,改进了0.5°反射率阵风锋细线函数模板,设计了较高仰角(1.5°/2.4°)反射率阵风锋细线函数模板,引入1.5°和2.4°双层反射率阵风锋细线函数模板替代原空间差分反射率函数模板。考虑阵风锋特征与距离测站的关系,设计了动态权重函数组合多组得分值,从而有效识别阵风锋回波。在此基础上通过弧度判断和阵风锋回波平坦度测试的方式,进一步降低虚警率。最后利用2009年6月14日南京雷达阵风锋个例进行效果识别,并采用临界成功指数对南京雷达120个阵风锋样本进行效果评估。结果表明:改进的MIGFA法识别效果良好,将临界成功指数从0.39提高至0.60,引入降低虚警率的做法使得虚假警报率从0.34降至0.16。

阵风锋自动识别与预警

根据阵风锋的回波特征,该文设计了阵风锋自动识别算法。在速度场中,考虑辐合线识别;在强度场中,考虑窄带回波识别;根据窄带与辐合线的空间一致性,综合二者识别出阵风锋。基于该算法,以锋线闪烁和物理量输出两种方式实现了预警功能。最后利用地面自动气象站资料和2009年6月3日河南商丘、郑州及2009年6月5日安徽阜阳3个雷达站探测的阵风锋98个体扫样本资料检验了识别效果,并采用临界成功指数进行评估。结果表明:双向梯度法能有效滤除大范围降水回波而保留窄带回波;该算法只需考虑较低仰角层,大大提高识别效率。在速度场中采用的算法能有效识别出径向辐合线,同时也适用于低空径向风切变和辐合线的识别;利用临界成功指数对98个体扫样本进行识别率评估,识别率达到68.4%。

阵风锋自动识别算法的试验研究

利用江苏省6部S波段全相参多普勒天气雷达测得的2007-2011年28个阵风锋观测实例,检验多普勒天气雷达的阵风锋自动识别算法的效果。该算法主要包括熵函数模板的反射率强度边界识别、风切变算法,并综合依据径向速度及谱宽进行阵风锋识别。在阵风锋的识别中,多普勒速度的径向切变有利于判别雷达波束垂直于阵风锋边界的辐合,旋转切变可更好地显示平行于波束的阵风锋边界。在参与检测的28个个例中,成功检测出的有13个;因雷达资料质量影响,7个个例检测出部分阵风锋;8个个例未检测到阵风锋。经过检验,该算法的识别效果较好,但仍存在一些不足,需要进一步完善雷达资料的质量控制,和对低层弱切变特征的提取研究。