风暴的多普勒雷达自动识别.pdfVIP

第 64 卷第 6 期 气 　象 　学 　报 Vol. 64 , No. 6 　　 　 　 　 　 　　　　　　 　 　 　 　 　　　 　　　　 2 0 0 6 年 1 2 月 ACTA METEOROLO GICA SIN ICA December 2006 风暴的多普勒雷达自动识别 1 ,2 1 2 3 胡　胜 　顾松山 　庄旭东 　罗　慧 1 南京信息工程大学 ,南京 , 210044 2 广州中心气象台 ,广州 , 510080 3 陕西省气象局 ,西安 , 710015 摘 　　要 　　3 种基于雷达的风暴自动识别方法 : ( 1) 美国 WSR88D 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 WSR88D 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。 关键词 : 风暴识别 ,核抽取 ,模糊逻辑技术 ,对流指数。 学者对此作了一些改进。 1 　引 　言 1982 年 Austin 等[4 ]提出了三维矩心识别方法 , 20 世纪 70 年代以来 , 国内外雷达气象学者在 即把每一个风暴单体看作是一个具有三维连续结构 用雷达探测强对流天气领域做了大量的工作 ,他们 的整 体 , 计 算 相 关 物 理 特 征 量。Rosenfeld[5 ] , 深入地分析了风暴发生、发展、成熟和消亡的物理机