基于风暴识别算法的森林火灾识别

采用风暴识别算法对森林火灾进行了识别。首先根据参数阈值调整后的风暴识别算法,得到二维分量,结合不同云回波与火灾回波的差异,对火灾回波进行识别。根据算法对浙江省温州市三次森林火灾过程进行识别,结果显示:对于三次火灾过程都能够有效识别。对于火灾发生初期和熄灭时,由于回波强度较弱,回波结构松散,与小范围弱回波混合,导致漏识别。当回波中存在小范围地物杂波时,由于其尺度与小面积火灾接近,最终导致误识别。在森林火灾发生时,该算法可以帮助识别发生火灾的位置,为消防人员提供及时可靠的火灾地点及起火时间。

计算几何法在风暴识别中的应用

风暴的合并与分裂对其发展有着重要的影响,是风暴识别与追踪工作中的难点问题。为了避免由资料处理过程引起的虚假合并,以及通过识别风暴的合并与分裂临界区域,对判断风暴的发展趋势提供有效的追踪参数,基于SCIT(Storm Cell Identification and Tracking Algorithm)风暴识别的基础,利用计算几何的凸壳与DT(Delaunay Triangle)算法,结合风暴内部的结构信息,识别出了风暴带以及风暴带合并与分裂的临界区域。并且给出了实现的个例以及算法的评价结果,为风暴合并与分裂的追踪工作提供了一个新的参数。

风暴的多普勒雷达自动识别

3种基于雷达的风暴自动识别方法:(1)美国WSR-88D Build 7.0风暴算法,它利用多个预设阈值来检验回波的强度和连续性,以构造具有三维连续结构的风暴,该方法在风暴合并、分裂以及多个单体相距较近时误差较大。(2)为美国WSR-88D Biuld 9.0风暴算法(B9SI),它用7个反射率因子识别阈值替代此前唯一的一个反射率因子阈值,增加了特征核抽取和相近单体处理技术,并保留远距离上的强的2D分量。该方法在面对成串或成簇多单体时,能够识别出多个单体核,并准确定位。B9SI没有考虑反射率因子纹理结构和空间梯度的变化,也没有利用径向速度资料,因此无法描述风暴对流的发展状况。(3)CSI方法,它在降低B9SI反射率因子识别阈值的基础上,利用模糊逻辑技术对B9SI输出结果和雷达基资料做进一步的处理,以计算描述风暴对流发展强弱的对流指数。CSI首先提取一组最能描述风暴对流性特征的物理量,包括反射率因子纹理结构、反射率因子空间变化率、垂直积分含水量和径向速度标准方差,并分配权重;其次,利用每一个物理量的统计结果,结合其物理意义,设计出相应的隶属函数,以计算风暴与该物理量描述的对流性特征相匹配的概率;最后对多个概率值进行加权平均即得对流指数。此外,计算了2004年8月11日发生在广州的超级单体演变过程中的对流指数,分析表明:对流指数两次加大对应了超级单体的合并增长和辐合增长过程;风暴最强盛时对流指数为0.744;随后对流指数减小,雷达观测到的最大反射率因子对应高度明显降低,地面上开始出现大范围的强降水。

风暴单体识别的工程实现方法

本文给出了风暴单体识别算法及其在工程上实现的方法,采用限制递归法对同一层上的风暴分量进行识别,引入用STL的有关技术来进行数据处理,可同时兼顾识别效率和工程实现的便利性。

基于数学形态学的三维风暴体自动识别方法研究

基于雷达数据的风暴体识别、追踪及预警方法是重要的临近预报技术之一,其中准确的风暴体自动识别是进行风暴体自动追踪和预警的前提。在风暴体识别中常会碰到的两个问题是:虚假合并和从风暴簇中分离出相距较近的风暴单体。美国国家大气科学研究中心提出的TITAN(Thunderstorm Identification,Tracking,Analysis,and Nowcasting)算法使用单阈值进行识别,容易将相邻的多单体回波识别为一个风暴体。美国国家强风暴实验室提出的SCIT(Storm Cell Identification and Tracking)算法使用7个反射率因子阈值进行识别,可以较好地分离出风暴簇中的风暴单体,但它直接抛弃了低阈值的识别结果,导致风暴体内部结构信息的丢失。SCIT的这种识别策略可能会使处于初生阶段、强度较低的风暴体被错误地抛弃掉。TITAN和SCIT都无法完全识别出相邻风暴的虚假合并。为了解决这两个问题,文章提出了基于数学形态学的识别方法。该方法首先使用第1级阈值进行单阈值识别;其次,对识别得到的风暴体执行基于动态卷积模板的腐蚀操作,以消除虚假合并;然后,使用高一级阈值进行识别,并对识别得到的风暴体进行膨胀操作,当风暴体的边界在膨胀的过程中相互之间接触,或接触到了原来较低阈值识别的风暴体的边界时,则停止膨胀过程;最后,逐次使用更高级别的阈值进行识别,并在每一级阈值的识别过程中执行腐蚀和膨胀操作。试验结果表明,通过在多阈值识别的过程中综合使用膨胀和腐蚀操作,基于数学形态学的三维风暴体识别方法不仅能够成功地识别出风暴体的虚假合并,同时还能在从风暴簇中分离出相距较近的风暴单体时,尽可能多地保留风暴单体的内部结构信息。

腐蚀方法在风暴自动识别中的应用

为了解决聚类过程中常碰到的虚假合并问题,针对对流风暴的特点,使用了一种特殊的腐蚀方法,即在执行腐蚀操作时考虑了风暴边缘的反射率因子的强弱分布,进行动态的卷积模板的设计,而不是始终使用一个固定的卷积模板。试验及评价的结果表明,这种方法能够成功地识别出风暴体的虚假合并,进而提高风暴体的正确识别率和预报评价指标。

CINRAD/SA雷达两种识别跟踪产品的评估分析

以中国气象局气象探测中心提供的2007—2008年灾害性天气个例档案为基础,对CINRAD/SA雷达风暴识别跟踪和中气旋产品做了定量评估,同时就评估结果与美国同类产品做了对比。结果表明,风暴识别与跟踪产品基本能满足临近预报的需要,但存在漏识别和错误跟踪现象,且30 min以后单体位置预报误差较大。中气旋产品评估结果与美国产品差异不大,基本能自动识别风暴涡旋,但存在漏报,且虚警率较高。

临近预报系统(SWIFT)中风暴产品的设计及应用

介绍了临近预报系统"SWIFT"(Severe Weather Integrated Forecasting Tools)中的风暴产品的设计,包括风暴识别、风暴追踪和风暴预报。在识别风暴时,采用了多反射率因子阈值、特征核抽取和相近单体处理技术,并保留远距离上的强的2D风暴,该方法在面对成串或成簇多单体时,能够分离多个单体核,并准确定位。在风暴追踪和预报算法中,对当前时刻识别出来的风暴,利用匹配方案,将其与前1时刻的风暴建立对应关系,追寻历史轨迹,匹配方案是在空间位置相关的前提下,按照相似原则进行;风暴预报采用TREC(Tracking Radar Echoes by Correlation)技术获取的移动矢量场进行外推,提供未来1小时内的风暴移动位置。在北京奥运会天气预报示范项目(Forecast Demonstration Project,简称FDP)第二次测试期间,该风暴产品得到应用。分析表明:在预报时效为30分钟时,风暴产品在X轴和Y轴上的平均绝对误差为7.1和6.2 km,样本数为3891个;随着预报时效的增加,风暴产品的平均绝对误差增大,且在经向上的误差略大于纬向上;在径向上,风暴产品的预报出现了系统性的偏慢,而在纬向上,预报出现了系统性的偏快。

多普勒天气雷达单PPI探测强风暴的方法

利用天气雷达准确而快速地识别强风暴一直是进行强天气预警的关键组成部分。针对目前多普勒天气雷达探测强风暴方法在实际应用中存在的问题 ,提出了利用单 PPI资料进行强风暴识别的方法 ,在综合利用多普勒天气雷达强度场、速度场、谱宽场资料及缩短探测时间方面进行了尝试。应用实际资料进行的效果检验表明 :与现有强风暴识别方法相比 ,单 PPI识别方法的结果准确率达 87.5 % ,虚警率为 2 2 .2 % ,同时具有节省探测时间、快速发布警报的优点。

智能变电站网络风暴测试研究

如何提高设备抵御网络风暴的能力是智能变电站面临的重要课题。本文首先分析了智能变电站站控层网络和过程层网络的通信方式和网络风暴产生的原因;其次依据目前智能变电站的典型架构建立了网络风暴模拟测试环境并设计了测试用例,通过测试验证了网络风暴对智能变电站各组网设备的冲击影响;最后,针对设备在网络风暴测试中暴露的问题进行了分析研究,提出了通过对网络风暴报文进行硬件过滤和风暴识别进而避免网络风暴冲击的方法,经验证该方法改进效果良好,提高了智能变电站组网设备抵御网络风暴的能力。

沿海地区温室的风灾防御模式及自动测控的研究

华南沿海地区台风频繁 ,针对该地区温室大棚的特殊要求 ,对其环境自动测控系统中的大于 7级以上的风暴防御子系统进行了研究。用人工神经网络在自动测控系统中建立强风的识别模式 ,通过试验对识别模式进行检验。初步结果表明 ,该子系统能满足华南沿海地区温室的风灾防御要求 。

基于云团的分组Z-R关系拟合方案效果评估与误差分析

为了降低因Z-R关系不确定导致的雷达定量降水估测(Quantitative Precipitation Estimation,简称QPE)误差,提出了基于云团的分组Z-R关系拟合方案,在风暴单体识别算法得到的不同降水云团或同一个云团内部的不同数据分组区域内,拟合并采用不同的Z-R关系反演地面降水信息。以2013年6月5—7日的梅雨锋过程为例,使用覆盖长江中下游地区的28部多普勒雷达和全国逐分钟雨量计的观测资料,对单一动态关系、简单分组Z-R关系以及基于云团的分组ZR关系反演的雷达1 h QPE进行效果对比和误差分析,结果表明:(1)基于云团的分组Z-R关系可以有效识别降水云系的局部特征,这是基于云团的分组Z-R关系优于其他两种Z-R关系方案的重要原因。(2)雷达波束部分遮挡导致的偏弱反射率因子,对雷达QPE数据场的不连续性和Z-R关系的不确定性均有影响。(3)雷达硬件或雷达标定引入的偏强(弱)的反射率因子,与简单分组Z-R关系得到的雷达QPE局部高(低)估相关,这降低了简单分组Z-R关系在大范围降水过程中的适用性,但对基于云团的分组Z-R关系的影响较小。

基于TREC的临近预报

基于雷达数据的风暴体识别、追踪及预警方法是最早出现的临近预报技术,也是天气雷达系统和强天气预警业务的基本组成部分。如何准确而快速地发布强对流风暴预警一直是气象工作者关注的重要课题。针对目前天气雷达探测强风暴方法在实际应用中存在的问题,提出了利用单CAPPI资料进行深度优先搜索,从而进行强风暴的识别;利用TREC算法匹配两时刻的风暴单体;根据风暴在过去两时刻的中心位置线性外推从而预报下一时刻风暴的位置。结果表明能较好地识别、追踪和警戒强对流性天气。