[发明专利]基于雷达回波图像扇区分量分析的风暴趋势预测方法

说明书

本发明提出一种基于雷达回波图像扇区分量分析的风暴趋势预测方法，该方法与当前行业广泛采用的TREC、TITAN等风暴识别追踪算法不同，本发明方法不依赖于对雷达强回波中心的识别，特别对于弱回波或没有明显风暴核的回波，也能够较好地分析出风暴过去若干时刻的位移矢量，进而为准确预测奠定了基础。本发明方法直接对极坐标形式的基本反射率数据进行计算，没有采用空间插值等高空间复杂度的算法进行平面直角坐标系的转换，减少了相关计算的运算量，进而提升了短临天气预报业务的实时性和效能。

技术领域

本发明属于大气科学领域，尤其涉及一种利用雷达探测资料进行风暴移动发展趋势预测的方法。

背景技术

气象上的风暴一般是指强烈天气系统过境时出现的天气过程，通常伴随有大风、雷暴、冰雹或短时强降水等天气现象。强热带风暴还可能引发雷暴大风、龙卷、下击暴流和极端强降水等灾害性天气，严重影响人民生命和财产安全。多普勒天气雷达是一种用来监测和预报风暴等强对流天气的重要工具，在大气科学和大气探测领域得到广泛的应用。利用雷达探测资料进行风暴识别和追踪的研究，最早可溯源到上世纪60年代，经过半个多世纪的发展，如今已积累了多种行业普遍认可的理论方法，并在实际业务中得以应用。典型的方法有如：TITAN(Thunder Storm Identification,Tracking,Analysis andNowcasting)、TREC(Tracking Radar Echoes by Correlation)和SCIT(Storm CellIdentification and Tracking Algorithm)等。这些方法的主要思想是利用雷达基本反射率因子对风暴主体进行识别，通过滑动示踪窗分析相邻时刻风暴主体之间的相关性，预判风暴移动发展的趋势，再利用线性力学关系函数进行计算，最终达到预测的目的。

理论上，上述基于风暴的三维结构及其生消演变过程的外推预报，由于其算法模型能够反映大气中水汽等粒子运动的物理过程，因此，随着研究和算法模型的不断完善，其外推预报的效果必然也会越来越理想。但遗憾的是，这类方法存在一个共性的问题：风暴主体能否被准确识别，对雷达回波的形态和强度都有一定的要求，特别是对于非对流性的连续性降水系统，这类方法往往无法适用。

发明内容

本发明提出一种基于雷达回波图像扇区分量分析的风暴趋势预测方法。

本发明所采用的技术方案是：

一种基于雷达回波图像扇区分量分析的风暴趋势预测方法，包括以下步骤：

步骤1：设时间T为进行风暴趋势预测的起报时刻，需要预测在未来T+ε时刻的风暴信息；读取某部雷达T时刻及之前最接近T时刻的N次雷达探测资料，设T时刻的雷达探测资料为RD(T)，则任一时刻的雷达资料可表示为RD(T-t+1)，t∈[1,N]；N表示所读取的雷达资料的数量，N取值为3～10的整数；

步骤2：对T时刻的雷达探测资料RD(T)，定义一个数据集存储这些基本反射率数据，其中，表示仰角，λ表示距离库长，λ∈[1,MaxDis]，MaxDis表示雷达探测的最大有效距离，ω表示方位角，ω∈[0,360)；

步骤3：定义一个阈值α，α∈[1,10]的整数，用于将值域[1,MaxDis]按α为单位划分为若干份；定义一个阈值β，β∈[2,20]的整数，用于将值域面上，按α划分的距离库长和β划分的方位角划分成若干个扇区面；

定义表示T时刻的雷达探测资料RD(T)在仰角面上的某一个扇区，该扇区中心位置的距离库长和方位角分别为λ和ω；定义一个阈值δ，δ∈[2,20]的整数，将雷达可探测到的基本反射率划分为若干个值域区间，即Thd＝{[0,δ),[δ,2δ),[2δ,3δ),…,[(m-2)δ,MaxdBZ)}，其中，MaxdBZ表示多普勒天气雷达可能探测到的基本反射率值最大值，m的取值可由MaxdBZ和δ来确定；