论文部分内容阅读
基于雷达数据的对流风暴识别、追踪及预警是目前强对流天气临近预报的重要方法。针对业务上普遍使用的SCIT和TITAN等方法的缺陷,本文结合随机抽样、模式识别和时间序列分析等技术,给出了一种新的基于雷达三维体扫描数据的对流风暴识别、追踪及预警方法。另外,使用论文给出的方法对京津地区2003~2007年5~8月份的对流风暴进行了统计分析,初步得到京津地区对流风暴的某些气候统计特征。论文的主要研究内容和成果如下:
1)对变化平缓的层状云降水系统,交叉相关法能够取得较准确的运动矢量场,可以进行有效的预报。但对变化较快的强对流降水系统,交叉相关法跟踪失败的情况会显著增加,所给出的运动矢量场的质量降低。针对这种情况,本文提出使用计算机视觉领域的光流法计算得到的光流场来代替交叉相关法得到的运动矢量场。与简单的交叉相关法相比,光流法在计算的过程中使用了严格的约束条件,对变化较快的强对流降水系统,可给出更合理的风暴整体运动趋势。
2)从风暴识别、追踪和预警三个方面,对目前临近预报中普遍使用的SCIT和TITAN方法进行了改进。在风暴的识别上,本文采用基于数学形态学的风暴识别方法,可以较好地解决虚假合并问题,并能从复杂的风暴簇中分离出风暴单体。在风暴的追踪上,引入统计学领域的序贯蒙特卡洛(SMC)方法,使得追踪过程大大简化。不仅可以在追踪的过程中同时处理风暴的分裂与合并,还可以处理风暴的漏测情况。对风暴的预警,将光流法得到的运动矢量场结合进单体质心法中进行线性拟合外推预报。集成上述三个过程,形成了一种新的风暴识别、追踪和预警方法:SMCStormTracking(SMC-ST)。实际资料的试验表明,SMC-ST在识别、追踪和预警三个过程的评判指标都有所提高。
3)利用2003~2007年天津塘沽雷达5~8月份的雷达体扫描数据,使用SMC-ST方法对京津地区的对流风暴进行自动识别和追踪。通过对识别和追踪结果的统计分析,给出了面积、体积、顶高、最大反射率因子、生命史和运动规律等定量的风暴统计特征。包括:京津地区75%的对流风暴持续时间小于30分钟,绝大部分的风暴体积小于400km3;从整体的运动趋势来看,风暴大多从西南向东北运动,运动速度集中分布在10~30km/h;风暴顶的平均高度约为6km,但某些强对流风暴的顶高可达到15km以上;京津地区风暴的面积、体积和持续时间等特征具有西弱东强的特点。这些风暴属性的统计结果,对于了解该区域的风暴气候特征有一定的参考价值。