[发明专利]强对流天气中地面风场的识别方法

说明书

本发明公开了一种强对流天气中地面风场的识别方法，该识别方法通过将多普勒雷达反演的矢量风场、再分析资料的风场和地面自动气象观测站的风场，采用典型关联分析的方法融合得到强对流天气活动的格点风场信息后，进行识别。本发明以典型关联分析（Canonical Correlation Analysis）的方法融合不同时空分辨率、不同覆盖范围的地面自动气象站数据、多普勒天气雷达数据和再分析资料数据，得到强对流天气活动的格点风场数据，为灾害性天气的短时预报提供重要信息，增强气象数据的可利用性。

技术领域

本发明涉及气象领域，具体涉及对相对流天气中地面风场的识别，以便准确跟踪预测灾害天气。

背景技术

对于中小尺度强对流天气系统的认识和研究，离不开气象观测系统的发展。但是在面向同一观测对象时，不同来源的气象观测数据往往时空不匹配、分辨率不统一，且各自有不同的代表观测尺度与特征观测误差。

在强对流天气系统的动力特征研究进程中，基于地面气象站资料外推Hamiltonand Archbold(1945)给出了早期地面风场分布，展现了中尺度系统里风暴尺度空气运动的特征。而水平和垂直尺度、及内部流场特征的认识，则来自于雷达探测技术的发展(哈罗德·布鲁克斯等，2019；Houze,2018)。随着多普勒雷达的应用，中尺度对流系统的径向速度特征得到进一步揭示。Donaldson(1970)首次用多普勒雷达观测到超级单体中的中气旋，其后的许多研究都证实了中气旋是超级单体风暴的流场特征，观测到中气旋，绝大多数情况出现强烈天气(夏文梅等，2007；徐芬等，2014；俞小鼎，2006)。但是雷达径向速度缺乏一定的直观性，因此在雷达径向速度数据的分析开发和应用方面开展了很多工作(常亚楠等，2019)。常见的是通过雷达径向速度反演技术，获得雷达探测范围的矢量风场(韩颂雨等，2017；罗昌荣等，2012)。通过三维风场的直观显示，寻找到中尺度对流系统流场的旋转特性，为灾害性天气的短时预报提供重要信息。多普勒雷达反演的风场，可以识别出了冰雹云内部“S”型水平流场特征(许焕斌，2012)。周海光(2018)利用双多普勒雷达反演技术，研究了龙卷超级单体的三维流场结构，指出地面风场为旋转辐合型。可见对于中尺度对流系统，内部的动力特征、气流结构展现了其发展演变的规律(刘莲等，2015；方桃妮等，2019)。

对强对流天气系统，有多种数据描述，包括地面自动气象站、雷达、卫星观测数据和数值模式结果。雷达探测数据有着较高的时空分辨率，但是风场反演技术存在一定的假设条件，会产生误差和过滤有用信息。地面自动观测站风场，更加接近真实的气流动向，受环境风场影响小，但是空间分辨率低。再分析资料的地面风场符合大气动力学数值模式结果，但丢失了瞬时风场信息(俞小鼎等，2020)。

准确的低层三维风场信息，可以很好的指示风暴中的辐合上升和气流旋转动向，对强对流天气过程的临近预报尤为重要。因此为了更好的研究其内部动力特征，通过数据融合对多种风场观测数据进行综合分析，优势互补得到客观真实、便于使用的风场要素估计值(周艳青等，2018；朱晓蕾等，2019)。

为了更好地利用多源气象观测数据来获得更加真实、准确的强对流天气系统的物理量场，在观测空间利用数据融合技术来综合多种来源的观测资料和多模式模拟数据是有效的手段(唐焕丽等，2020；潘旸等，2018；徐宾等，2018)。目前，国内外用于数据融合的算法比较多，包括权重分析方法、基于时空的插值方法、相关性分析方法、偏差订正的方法等。Kako et al.(2011)将卫星数据与再分析数据用最优插值法进行融合，制作出高精度的网格化风矢量数据集。Vestergaard et al.(2013)利用典型关联分析的方法将多通道卫星反演数据与雷达反射率融合，提高卫星云图的精度。许遐祯等(2016)采用Cressman插值方法将遥感风场资料和沿岸气象站风场资料融合，获得我国近海时空分辨率较高风场。杨璐等(2019)运用反距离权重方法对自动气象站风场与雷达同化系统获得的三维风场进行偏差订正，探讨了数据融合技术在强对流天气分析和诊断中的优势。总的来说，在观测空间对多源气象数据进行融合，因为数据类型的不同、研究对象的不同，需要寻找合适的数据融合算法(师春香等，2019)。