深度学习方法预测阿克苏地区冰雹云雷达回波个例分析.pdfVIP

研究论文

第18卷第2期漠与绿洲气象

2024年4月DesertandOasisMeteorology

黄静，佘勇，樊予.深度学习方法预测阿克苏地区冰雹云雷达回波个例分析[J].沙漠与绿洲气象，2024，18（2）：107-113.

doi：10.12057/j.issn.1002-0799.2024.02.014

开放科学（资源服务）标识码（OSID）：

深度学习方法预测阿克苏地区冰雹云雷达

回波个例分析

112*

黄静，佘勇，樊予

（1.成都信息工程大学电子工程学院（大气探测学院），四川成都610225；2.新疆人工影响天气办公室，

新疆乌鲁木齐830002）

摘要：利用2021—2022年4—9月阿克苏地区冰雹云的雷达回波资料，基于轨迹GRU模

型和GAN模型共同构建一个深度学习的回波外推模型，应用于强对流（冰雹）天气监测预警。采

用分阈值和预报时效的评估方法，对深度学习的回波外推模型预测回波的效果进行分析，结果表

明：（1）在30min预测时间内，随反射率阈值增加，临界成功指数（CSI）和命中率（POD）逐渐降低，

虚警率（FAR）先降低后升高，FAR在反射率阈值为35dBZ时最低。（2）在反射率阈值为35dBZ和

相同外推时效的情况下，基于深度学习的回波外推模型和光流法相比，CSI提高0.05~0.15，POD提高

0.05~0.15，FAR降低0.05~0.12。（3）在预测反射率阈值为35dBZ的强对流单体移动路径方面，基

于深度学习的回波外推模型与TITAN法相比，预测的单体移动路径更接近实况单体移动路径。

关键词：强对流；深度学习；轨迹GRU；GAN

中图分类号：P456文献标识码：A文章编号：1002-0799（2024）02-0107-07

对于强对流天气，传统的回波跟踪方法主要分特征和其蕴含的物理规律，根据特征和规律来实现

为雷达回波单体质心跟踪法和雷达回波区域跟踪法回波外推。

两大类。雷达回波质心跟踪法主要有SCIT[1]和深度学习的概念最早在2006年被Hinton等[9]

TITAN[2]算法。雷达回波区域跟踪法主要有交叉相关提出，起源于人工神经网络，含有多层神经元，证明

[3][4]

跟踪算法（COTERC）、光流法（OF）和变分回波跟神经网络的可训练性和优秀的特征提取能力，在

踪算法[5]3种。但在局强对流天气时（如雷暴、冰学术界掀起对深度学习的研究热潮。目前深度学

雹、暴雨），回波变化较快，传统外推方法的预测效果[10]

习技术在气象领域取得许多成果。陈家慧等将

会随着外推时间增加而变差。新疆阿克苏地区每年具有较好的记忆联想功能的BP神经网络模型应用

[6]

降雹10余次，积累大量的历史数据，但目前对于雷达回波的临近预报方面，证明其可行性。冯汉

这些历史数据的分析和整理较少。相对于传统回波