基于天气雷达的回波跟踪方法研究.pdfVIP

基于天气雷达的回波跟踪方法研究

摘要

冰雹天气是新疆绿洲地区最主要的气象灾害，对农业生产破坏性极大，为了

防灾减灾，阿克苏地区广泛开展了以防雹为主的人工影响天气作业。人工防雹的

关键是强对流天气系统的识别和跟踪预警，利用天气雷达为中心，构建作业指挥

系统，可以有效地提高人影作业的科学性。本文首先利用天气雷达的产品特征图

像对冰雹天气进行识别，然后进行有效的跟踪和外推，以图改善防雹作业的效率。

传统的冰雹跟踪外推方法是基于回波的分布特征进行线性跟踪，外推效果会随着

时间增加而变差。本文采取基于深度学习回波外推模型预测对雷达回波序列进行

6~30min外推，通过回波实况观测数据对外推结果进行检验，将预测图像的评估

指标与光流法比较，将基于深度学习回波外推模型预测单体的移动路径与TITAN

移动路径进行对比验证。主要内容和结论如下：

（1）基于组合反射率CR、垂直液态水含量VIL、回波顶高ET三种雷达产

品特征，引入模糊逻辑算法识别冰雹天气，结合剖面图特征对识别结果进行验证。

基于图像分割算法识别CR图像中冰雹回波区域的单体，后提取单体的特征信息，

用于单体跟踪算法的输入特征。

（2）本文采用基于轨迹GRU模型和GAN模型共同构建的基于深度学习的

回波外推模型对冰雹单体回波进行跟踪分析。轨迹GRU模型用于对CR图像进

行时空序列预测，深度学习过程会逐渐模糊图像的细节特征，因此在轨迹GRU

模型后再加上GAN模型，会使预测图像更准确。

（3）用CSI、POD、FAR作为预测雷达回波图像的评估指标，在个例对比

实验中发现，在相同反射率阈值和外推时效的情况下，基于深度学习的回波外推

模型与光流法相比，CSI可提高5％~15％，POD可提高5％~15％，FAR可降低

5％~12％，证明基于深度学习的回波外推模型的预测能力优于光流法。

（4）统计基于深度学习的回波外推模型预测的单体质心，绘制单体质心的

移动路径，并与TITAN外推的结果进行对比，基于深度学习回波外推模型预测

强对流单体的移动路径更为准确。

关键词：冰雹，模糊逻辑，回波跟踪，深度学习，移动路径

Researchonweatherradar-basedechotrackingmethod

ABSTRACT

HailweatheristhemainmeteorologicaldisasterintheoasisregionofXinjiang,

whichisextremelydestructivetoagriculturalproduction.Inordertopreventand

mitigatedisasters,artificiallyinfluencedweatheroperationsmainlyforhailprevention

arewidelycarriedoutinAksuregion.Thekeytoartificialhailpreventionisthe

identificationandtrackingandearlywarningofstrongconvectiveweathersystems.

Usingweatherradarasthecenterandconstructinganoperationcommandsystemcan

effectivelyimprovethescienceofhumanshadowoperations.Inthispaper,wefirstuse

theproductcharacteristicimagesofweatherradartoidentifyhailweather,andthen

carryouteffectivetrackingandextrapolationinanattempttoimprovetheefficiencyof

hailpreventionoperations.Thetraditional