基于激光雷达回波信号的雾天船舶航线快速辨识

激光雷达所处环境噪声较大,船舶航线辨识困难,为解决该问题,提出基于激光雷达回波信号的雾天船舶航线快速辨识方法。采用信号累积增强算法增强雾天激光雷达回波信号,利用改进经验模态分解算法去噪处理增强后的回波信号,结合回波信号通过最小类内方差获取得到船舶航线和水面最佳分割阈值,提取船舶航线特征点。利用最小二乘法拟合法拟合船舶航线特征点,完成雾天船舶航线辨识。实验结果表明,所提方法应用后激光雷达回波信号更平滑,输出信噪比更高,均方根误差更低,船舶航线辨识准确率更理想。

一次冰雹云发展的雷达回波特征分析及其防雹作业效果物理检验

利用云南昭通CC雷达和威宁探空等资料,对贵州省威宁县2017年7月23日的一次冰雹云发展过程的雷达基本反射率因子和径向速度的变化特征进行分析,同时通过插值得到剖面变化特征,研究雹云垂直结构演变,并根据雷达回波顶高、强回波中心(45 dBZ)高度、组合反射率和垂直累积液态水含量(VIL)这4个雷达探测特征物理量,进行时间序列分析,得到防雹作业效果。结果表明:(1)降雹前对流单体的合并使回波强度和VIL分别跃增至60 dBZ和50 kg·m^(-2)以上,冰雹云的雷达回波出现旁瓣回波和“V”形缺口。(2)中低层气流的径向辐合及高层强辐散带来的强烈抽吸作用所产生的上升气流,使雹云能够稳定维持和发展。(3)防雹作业后,雹云开始由上至下分裂直至完全分裂成两个孤立弱单体,回波顶高明显降低,组合反射率较峰值下降近30 dBZ。(4)在作业单元和对比单元的生命史时间内,作业单元的4个雷达探测特征物理量下降速率均大于对比单元的,表明防雹作业有效抑制了雹云的发展。通过对比分析发现,防雹作业24 min后,4个雷达探测特征物理量的双比值均小于1,进一步证明防雹作业取得了明显的正效果,加速了对流单体的消亡。

基于自注意力和门控循环神经网络的雷达回波外推算法研究

为提升现有神经网络对雷达回波序列的时、空特征提取能力,建立外推性能更优的时、空序列预测模型,开展雷达回波外推算法改进研究。基于深圳市气象局与中国香港天文台共同建立的雷达回波数据集,在数据处理层面,通过改进对雷达回波图像序列归一化的方法,提升了常用的5种时、空序列预测模型对强回波的预测水平;在模型算法层面,将两个联立的自注意力结构引入ST-LSTM结构,组成新的循环门控单元,并将这些循环门控单元进行堆叠,建立ST-SARNN模型。选用CSI和POD作为精度评价指标,进行模型对比分析得到:(1)改进的归一化方法提升了近几年内常用的5种时、空序列预测模型对强回波的预测水平。(2)加入自注意力的ST-SARNN模型对雷达回波的预测性能显著优于ConvLSTM、PredRNN和MIM等模型。改进的归一化方法能改变样本数据分布,并在一定程度上提升模型外推性能;自注意力结构能够有效挖掘雷达回波序列的时、空特征,进而改进神经网络的外推表现。

面向降雨预报的雷达回波预测序列外推方法

雷达回波外推方法广泛应用于降雨预报中。针对雷达回波中的预测精度不够高的问题,提出了一种基于循环神经网络的深度学习模型DIPredRNN。该模型通过引入空间和通道的双注意力机制,将长时间的时间信息和通道信息结合起来,提高了时间记忆的长期依赖;通过引入隐藏状态和输入的交互框架,保留了更多的特征,提高了时间记忆的短期依赖。该模型在HKO-7数据集和四川数据集上同经典模型以及诸多先进模型进行实验对比,该模型从外推图像、MSE、SSIM、CSI-30~50 dbz多个指标对比中都取得最佳效果。实验证明了DIPredRNN提高了雷达回波预测效果,拥有先进的性能。

四川两次极端暴雨强降水特征及与雷达回波和闪电关系分析

选取了2020年8月四川两次历史性极端暴雨过程,根据量级和持续时间对强降水进行划分,分析其时空分布特征及与雷达回波和闪电的关系。结果表明:短时强降水主要发生在22时—次日03时,降水强度为30~<50 mm/h的站次最多,区域集中在盆地西部。随着降水量级的增加,站点对应的闪电密度均增大,小时平均回波、最强回波、最弱回波均呈增强的趋势。随着降水持续时间的增加,站点对应的负地闪平均强度增强。第一次过程强降水站次与闪电频次的高值中心具有良好的对应关系。第二次过程随着降水量级增大,对应的回波均方根误差减小,而第一次过程则相反。

一次强对流风暴过程的人工防雹作业雷达回波演变特性分析

本文利用北京、天津两部CINRAD/SA雷达观测资料,对2021年6月30日影响北京地区的一次强对流风暴过程中的A、B两个对流单体的人工影响天气作业雷达回波演变特性进行了分析。通过对统计区域内多种物理参数和不同高度层不同反射率强度档的格点数在单体发展各阶段及作业前后的变化分析,得到不同强度单体在不同作业情况的演变特性的认识。单体B为普通对流云团(生命期为3 h),在发展初期进行大剂量作业后(24分钟内有效作业火箭74发,高炮58发)可以看到有较好的抑制单体发展的特征,作业后一小时内,单体各高度层平均反射率、风暴体高度、垂直累积液态水等参数都呈下降趋势。较强回波(30~60 dBZ档区)格点数总体减少,较弱回波(20~30 dBZ档区)格点数快速增加,对流结构整体减弱。而单体A为超级单体(生命期为5.5 h),初生阶段由于作业剂量不足(30分钟内有效作业火箭15发),未见明显抑制效果。临近成熟阶段进行了连续大剂量作业(80分钟内有效作业火箭105发,高炮182发),虽然也能观测到类似B回波的一些特征,如,高层平均反射率、云顶高度、强回波厚度、垂直累积液态水等参数下降,较大反射率强度档区(50~70 dBZ档区)格点数减少,低层较小反射率强度档区(30~50 dBZ档区)格点数增多,并维持约30分钟的效果,但整体针对超级单体A的作业抑制效果不明显。

基于ConvLSTM融合RMAPS-NOW数据的雷达回波外推研究

雷达回波外推是临近预报、人工影响天气作业及效果评估的主要参考依据之一,快速准确的回波外推技术一直是雷达气象领域的研究热点。近年来,基于深度学习的时空序列预测模型在雷达回波外推中得到了广泛应用。然而,这些外推网络架构的输入大多用16级伪彩色雷达回波强度产品转化而来的灰度图,丢失了许多回波细节,并且随着外推时间延长,误差不可避免地增大。回波的生消、移动、演变与天气背景紧密相关,因此,将北京城市气象研究院研发的新一代快速更新多尺度资料分析和预报系统的临近数值预报子系统(RMAPS-NOW)初始零场的部分物理量产品融入华北雷达拼图原始数据,构建多个雷达单元(Radar cells),并将这些雷达单元作为输入,基于卷积长短期记忆网络(ConvLSTM),设计了一个多通道雷达回波外推网络架构(MR-ConvLSTM)。另外,考虑到卷积算法的平滑性,构建了自定义损失函数,增加回波强度的时空权重进行时空衰减订正。选取(40.65°—41.65°N,114°—115.4°E)内2018—2021年的6—9月共13000组华北雷达组合反射率因子拼图及RMAPS-NOW初始零场数据,其中的80%共10400组为训练集,20%共2600组为测试集。引入的物理量包括多个高度层的u、v风(1350 m),相对湿度(RH,150 m),水平散度(1350 m)等,基于ConvLSTM及MR-ConvLSTM加自定义损失函数,分别训练得到5个雷达回波外推模型。采用临界成功指数(CSI)、命中率(POD)、虚警率(FAR)作为评价指标,利用测试集对所有模型进行评估。基于引入物理量的MR-ConvLSTM训练得到的模型在20、30、35 dBz反射率阈值下,比未引入物理量的基于ConvLSTM的外推模型CSI值平均高4.67%、13.8%、5.98%,POD值平均高3.1%、7.68%、8.38%,FAR值平均低6.37%、8.54%、10.17%,同时引入3种物理量(RH、u、v)的外推模型在不同阈值的各项指标中综合表现最好,其CSI、 POD值在3种不同阈值下比未引入物理量模型平均高16.01%、13.38%,FAR值平均低14.88%。从模型应用的个例可视化也可以看出,引入物理量后有效提升了雷达回波外推的准确度,证明基于MR-ConvLSTM架构训练的雷达回波外推模型有较强的泛化能力。

基于雷达回波与LSTM的输电线路强对流灾害风险预警方法

强对流天气下输电线路易发生雷击、风偏、雨闪等故障,威胁电网安全运行。为了克服现有短临预报尚不能完全满足输电线路风险预警对精细化气象预报的需求问题,文中利用气象雷达拼图、风速和降雨量同化数据以及电网雷电定位数据,构建了基于深度学习的强对流风雨雷短临预报模型,用于开展输电线路风险预警。首先,将气象雷达拼图及其时序外推数据作为输入,将同化后的风速、降雨和落雷密度、雷电流强度作为输出,构建基于长短期记忆(long short-term memory,LSTM)网络的强对流气象要素预报模型。然后,结合模型输出的风雨雷预报结果,评估输电走廊网格内风偏、雷击和断线倒塔故障风险大小,综合计算输电线路的故障概率,进行风险预警。最后,展示了所提模型对2023年9月某省的强对流天气过程进行成功预警的案例,表明了所提方法能够提高强对流天气下输电线路风险预警能力。

基于RC-LSTM的雷达回波外推方法

雷达回波外推是降水临近预报的重要手段,所用的方法分为数值预报与数据驱动预报。前者依托数学与物理模型,后者依托深度学习技术总结历史规律。尽管深度学习在气象预报中研究活跃,但实际应用仍面临挑战,尤其是精度问题。因此设计了一种雷达回波外推系统,应用所提出的残参卷积长短期记忆(RC-LSTM)模型,在使用规划采样的同时,为每一层堆叠的ConvLSTM单元添加了残差连接,使得模型在更深的同时保留原有小模型的学习能力,保证网络最大限度降低空间维度的历史信息损耗,从而提高长时效雷达回波外推的精度。

基于特征条件扩散模型的雷达回波外推算法

随着外推时效的延长,回波强度愈发衰减,且对于强回波的预报性能迅速下降。这是当前雷达外推结果不准确的两个典型特征。为改善上述问题,提出了一种通过雷达回波帧驱动的扩散雷达外推算法(diffusion radar echo extrapolation,DiffREE)。该算法利用条件编码模块将过去雷达回波帧的空间信息和时效信息深度融合,通过Transformer编码器自动提取回波的时空特征,并作为条件扩散模型的条件,驱动扩散模型重建当前雷达回波帧。实验结果表明,该方法可以生成高精度、高质量的雷达预报帧,较最好的基线算法在CSI、ETS、HSS和POD上分别提升42.2%、51.1%、49.8%和39.5%。

基于雷达回波特征和物理量场特征的彝良县冰雹天气预警方法研究

利用彝良县2013—2022年冰雹天气的常规资料、探空资料以及雷达资料等,对发生在彝良县冰雹天气的背景、雷达回波特征以及物理量场等进行深入分析。对该地区冰雹发生前的雷达回波特征和物理量场特征进行统计分析,彝良县冰雹的定量预警指标雷达回波特征参数特征为:最大回波强度>60 dBz,回波顶高>10 km,物理量场特征参数为:θ_(se(850~500))≥6.48℃,沙氏稳定度指数(SI)≤1.2℃,这些指标可作为该地区冰雹天气预警的重要参考。

威宁一次降雹过程的雷达回波特征分析

文章利用威宁新一代天气雷达观测资料,结合常规气象观测资料,对2019-08-13下午出现在威宁的一次冰雹天气过程进行了分析。结果表明,500 hPa上的偏北冷气流与700 hPa上的西南暖湿气流形成的上冷下暖的不稳定结构是发生此次冰雹过程的主要原因;降雹时回波强度、垂直累积液态含水量并未达到最大值,降雹后回波强度、垂直累积液态含水量进一步增强后才逐渐减弱消散;强中心回波强度达60 dBZ和垂直累积液态含水量跃增可作为冰雹发生的重要指标。

乌鲁木齐机场“6·11”强对流天气环境场及雷达回波特征分析

本文利用NECP 1˚ × 1˚逐6小时的再分析资料、常规气象观测资料、乌鲁木齐机场自动观测资料(AWOS)及雷达等资料,对乌鲁木齐机场2021年6月11日雷雨大风的环流条件及雷达回波的特征进行分析,结果表明:1) 机场雷雨大风发生在西伯利亚槽底短波槽东移南下,新疆多短波活动,高低空西南急流、低空风切变和强冷平流的有利环流背景下。2) 强对流发生前,机场各指数表明大气处于层结不稳定状态,具有不稳定能量,低空3公里下水汽充足,有明显的水汽辐合,为水汽饱和,“低层辐合、高层辐散”的抽吸作用使上升运动加强,地面辐合线提供触发机制,具备雷暴发生的三要素。3) 雷达回波图像在对流性天气的临近预报中具有重要指示意义,多个中γ尺度对流单体在对流风暴右侧不断生成,然后在东移过程中增长、成熟、衰减,引起机场雷雨大风天气。

铜仁一次暴雪过程多普勒天气雷达回波分析

针对2022年1月30~31日贵州铜仁暴雪天气过程,通过使用ERA5再分析数据、micaps地面填图数据、铜仁多普勒天气雷达数据等资料,分析此次过程中天气形势及雷达回波强度、径向速度、雷达垂直风廓线等产品的变化情况。结果表明:1) 本次暴雪过程受冷空气、500 hPa高空槽前西南气流、700 hPa急流及850 hPa偏东风和倒槽的共同影响;大气整层低于0℃、中层较强西南暖湿气流在强冷垫上爬升导致铜仁出现暴雪。2) 降雪过程中,最大反射率因子与小时降雪量有正相关关系,在降雪回波达到30~35 dBZ时降水量较大。由于冰晶、雪粒子反射率要小于雨滴粒子,所以出现40 dBZ以上的回波可能是雨夹雪或者雨。3) 降雪发展时,径向速度图上出现冷暖平流交汇、辐合特征加强,预示着本地区的降水强度加强,当暖平流明显减弱、辐合型风场减弱,降水强度也有所减弱。4) 风廓线产品反应了暖湿气流在冷垫上的爬升情况,也可以直观反应出垂直风切变情况,能较好反应降雪强度的增长趋势,同时也可以通过近地面层偏东风的厚度及风向随高度旋转程度判断冷空气的强度变化。

一次高原切变线过程的雷达回波特征研究

基于C波段新一代天气雷达资料,本文重点对西藏那曲地区的一次切变线降水过程进行了研究。结合降水特点,将此次过程分为了三个阶段,并对每个阶段的雷达回波特征以及降水演变过程进行了分析,结果发现:在瞬时强降水阶段,那曲地区雷达回波主要表现为对流较强的积、层混合云,且在降水强度最大时刻出现了较为明显的“牛眼”结构,为强降水的行成、维持提供了有利条件;而在无降水阶段,空中以孤立、分散的对流单体为主,但地面无明显降水;在连续降水阶段,雷达回波以弱积、层混合云为主,且中高空风向出现顺时针旋转,有利于降水的形成、发展,但整体降水强度较小。切变线过程不同阶段降水、雷达回波特征有着显著的区别,本文可以为高原切变线系统的预报提供理论参考。

一种雷达回波外推的注意力融合和信息回忆的LSTM方法

临近天气预报是气象研究中的热点问题,雷达回波外推技术作为处理临近天气预报的有效手段,具有重要的应用价值。近年来,深度学习技术被应用于处理这一任务,但提高雷达回波外推的预报准确率仍然是一个具有挑战性的问题。在ST-LSTM网络基础上,本文提出一种AFR-LSTM网络,以进一步提高雷达回波外推的预报准确率。首先提出一种注意力融合的时空长短期记忆网络的方法,以关联更多的历史信息,保证信息在传递过程中能够充分关联,减少信息丢失。同时,考虑编码过程中信息丢失问题,在编码器与解码器之间构建信息回忆模块,进一步保存雷达回波预测细节。通过在真实的雷达回波数据集(2019—2021江苏气象雷达数据)上进行消融实验,AFR-LSTM整体效果较好。此外,对该雷达回波数据集进行对比实验,结果表明AFR-LSTM在雷达回波预测中评分函数临界成功指数(CSI)值为0.5209、Heidke Skill Score(HSS)值为0.5324,并且能较好地保留强回波和位置准确度,优于现有方法,证明了该方法能够获得更准确的预测准确度。

雷达回波大地坐标的参考定位计算方法

随着现代空间技术发展和国家大地坐标系CGCS2000的全面启用,精确的点位坐标得到了广泛地应用。库长小于百米的高分辨率天气雷达的业务化应用,提高了回波点位表达的准确性要求。在本研究中,定义了雷达“参考定位球”,利用CGCS2000的三维地心坐标,在参考定位球和地球椭球体之间建立数学联系,通过大地坐标、参考坐标和雷达观测坐标之间的相互转换,实现了雷达回波大地坐标的精确计算。在此基础上对目前普遍采用的地球圆球体近似方法进行了误差分析:其误差以水平偏离为主,偏离程度与雷达观测坐标和雷达纬度位置有关,高纬度雷达和低纬度雷达的偏离程度要大于中纬度雷达;最大偏离随距离增加而增加,探测距离50~400 km的最大偏离与探测距离之比在2‰~5‰之间,一般情况下可忽略,在坐标精度要求较高时需要考虑误差带来的影响。

基于GCA-ConvLSTM预测网格的短临降水雷达回波外推方法

短临降水预报对于暴雨和强对流天气监测预警服务具有重要意义,使用雷达回波外推方法进行短临降水预报是目前较为常用的预报方法之一,但是传统的雷达回波外推方法普遍存在数据利用率低、外推准确性差和外推模糊等问题。针对上述问题,利用陕西全省雷达拼接数据资料,选择深度学习中编码器-解码器结构,以卷积长短期记忆网络(Convolutional Long Short-Term Memory Network,ConvLSTM)作为循环单元,构造了基于全局通道注意力的ConvLSTM预测网络(Global Channel Attention based ConvLSTM,GCA-ConvLSTM);此外,为进一步提高GCA-ConvLSTM预测网络的拟合能力,使用集成学习算法对其进行改进,通过装袋算法对数据集进行采样,训练3个GCA-ConvLSTM预测网络作为基学习器,使用加权投票策略将这3种基学习器进行有效组合,最终获得了一个性能更优的组合模型。试验结果表明,基于集成学习算法改进的GCA-ConvLSTM雷达回波外推方法与现有深度学习方法相比,提升了短临降水预报方法的准确性和时效;该方法在25 dBz、35 dBz和45 dBz反射率阈值下的评估试验中分别比对比的主流深度学习模型CSI值平均高出0.149、0.192、0.085;同时该方法的外推结果拥有更加清晰的边缘和细节性纹理,减轻了外推后期模糊问题。

基于雷达回波光流场的天气预报数据误差识别

天气预报数据具有相似度高、关联性强的特点,导致挖掘和分类的误差识别难度较大。为此提出新的天气预报数据误差识别方法。将雷达回波图划分为多个小空间区域,求解得到各空间的回波光流场。通过整合得到多普勒天气雷达测得的整个雷达回波光流场。利用解得的实际与预报回波相关系数,定量描述数据误差相关性,结合平均绝对误差与探测概率指标,定性补充预报数据误差分析结果。将预报数据误差的识别转换为数据挖掘与分类问题,以监督决策树理念为基础,建立误差识别模型。仿真以降水强度、位置以及形态展开误差识别检验。通过对错误、缺漏识别次数与识别时间等指标的验证,证明了所设计模型具有较高的误差识别精度,且短时预报的误差识别实时性较强。

基于ConvLSTM的改进雷达回波外推方法研究

海上大风及其引发的次生灾害是导致海洋气象灾害的主要因素;雷达观测数据是临近预报主要参考数据之一,准确的雷达外推数据对于提升海上强对流大风临近预报能力极为关键;面向海上大风预报需求和大风天气雷达回波特征,从输入数据格式和损失函数两方面对ConvLSTM进行改进,在损失函数中增加观测真实值作为系数提高强回波影响,构建了基于自编码的ConvLSTM网络,利用4年的沧州历史雷达回波数据对其进行训练,得到了可基于历史1 h雷达数据预测未来1 h雷达回波的雷达回波外推模型;测试集及个例检验结果表明,改进模型在强回波预测方面具备更好效果。