亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        利用SCIT算法分析江淮地區(qū)對流云特征

        2021-09-25 03:19:54魯德金吳歡袁野吳林林金祺
        氣象科學 2021年4期
        關鍵詞:特征

        魯德金 吳歡 袁野 吳林林 金祺

        (1 安徽省氣象局 人工影響天氣辦公室,合肥 230031;2 中國氣象局 氣象干部培訓學院安徽分院,合肥 230031)

        引 言

        新一代多普勒天氣雷達具有時空分辨率高和覆蓋范圍廣的優(yōu)點,是目前探測對流云降水過程的重要工具。中國氣象局于2008年研制了災害天氣短時臨近預報系統(tǒng)(Severe Weather Automatic Nowcast System,SWAN)[1]。SWAN集合了多部多普勒天氣雷達數據,相對于單站雷達探測范圍更廣。可以反演生成多種雷達基本產品,包括雷達三維拼圖產品CAPPI、組合反射率因子(CR)、回波頂高(ET)、垂直累積液態(tài)含水量(VIL)等。

        SWAN目前已廣泛應用于短時強降水監(jiān)測預報業(yè)務中。張勇等[2]基于SWAN雷達拼圖產品,選取了組合反射率因子、回波頂高等參數,對暴雨過程中的對流云和層狀云降水進行了分類,并在重慶的12次區(qū)域性暴雨天氣過程驗證了分類結果。胡勝等[3]用SWAN 系統(tǒng)分析了2010 年 5 月 7 日廣州地區(qū)一次強對流天氣過程中反射率、回波頂高等雷達特征量的變化特征。楊吉等[4]用相關法和面積重疊法設計了一種算法,能夠用雷達拼圖資料跟蹤和預報中尺度對流系統(tǒng)。Crane[5]將多個二維空間的對流風暴單體相互關聯,形成了早期的三維空間結構對流風暴。Johnson, et al[6]于1998年提出了風暴單體追蹤識別算法(Storm Cell Identification and Tracking, SCIT)。SCIT算法通過多個反射率閾值來識別風暴結構體,可以較好地提取風暴的質心位置、最大反射率、單體VIL等空間結構特征。王芬等[7]通過降低風暴體反射率識別閾值等方式評估了SCIT算法對風暴單體識別、跟蹤的效果。

        SCIT算法能夠識別30 dBZ以上的風暴體,包括了大部分對流云,在雷達探測業(yè)務中,容易達到這一閾值而被識別。因此,本文研究和改進了SCIT算法在雷達拼圖資料中的運算過程,用模糊邏輯法識別并剔除部分層狀云;改進的算法保留了30 dBZ識別閾值作為對流云體邊界信息,將對流云中云體邊界、面積、厚度等空間特征量提取出來;結合地面雨量站和探空資料,分析江淮地區(qū)夏季對流云的雷達特征量變化情況,及其與降水量的關系。

        1 SWAN雷達拼圖產品的云體識別

        1.1 對流云體識別

        SCIT算法主要包括一維風暴單體段識別、二維風暴識別、風暴體的合成和風暴單體的追蹤[8]。

        本文所用的一維風暴單體段識別過程與傳統(tǒng)SCIT算法不同,只使用一個閾值進行搜索,既避免了低閾值的風暴結構信息被舍棄,又可保留云體完整的空間結構信息。

        所有的一維風暴單體段識別出來之后,對每一層上相鄰緯度的兩個風暴段進行匹配,如果它們的重疊距離大于一定閾值,則歸于同一個二維分量序號內,如果該二維風暴的面積和包含的一維單體段的數目滿足一定閾值,則將二維風暴保存。在計算二維風暴特征信息時,保留二維風暴的邊界點信息。

        得到了所有的二維風暴之后,對相鄰層的二維風暴進行質心距離關聯檢驗,首先判斷二維分量質心的水平距離,以第一個二維分量的質心為中心,依次按3個搜索半徑(分別為5.0、7.5、10.0 km),對其余的二維分量進行搜索,如果在搜索半徑內,則認為該兩個二維分量相關,將多層二維風暴相關聯即可組成三維風暴體。圖1為雷達拼圖中一個風暴體的識別示意:3 km高度層顯示了3個風暴單體段的識別,3、3.5和4 km各識別出一個二維風暴(陰影部分),3個二維風暴組成一個風暴單體。

        圖1 雷達拼圖中SCIT算法的風暴體識別示意Fig.1 Schematic diagram of storm body recognition based on SCITalgorithm in radar mosaic

        SCIT算法需要至少兩個以上仰角的數據才會形成風暴體。但是,由于SWAN拼圖數據是由單站或多站的雷達基數據插值而來。當回波距離雷達站較遠時,單個仰角的數據很容易被插值到多層CAPPI中,造成誤判[9]。因此,風暴的高度必須跨越原始雷達體掃中的兩層高度[10]。

        1.2 對流云和層狀云的區(qū)分

        識別出風暴體后,使用保留的30 dBZ閾值來識別對流云體,使用模糊邏輯法區(qū)分層狀云和對流云[11],剔除其中的層狀云。用雷達產品中最大反射率因子、回波頂高、垂直反射率梯度和水平反射率梯度4個識別參數,建立梯形隸屬函數將識別參數模糊化,用得到的數據加權求和,得到層狀云和對流云降水的概率[12]。

        1.2.1 識別參數:

        (1)最大反射率因子Zmax:每個庫上對所有垂直高度層的反射率進行比較,選擇最大的反射率值,即組合反射率。

        (2)回波頂高ET:每個庫上回波強度大于18.5 dBZ的最大高度,使用了SWAN回波頂高產品。

        (3)垂直反射率梯度GradVZ:反射率因子(最大反射率因子和回波頂處的反射率因子)隨高度的垂直變化。其求出的結果為負值,計算公式為:

        GradVZij=(Zmaxij-ZET0)/Δh,

        (1)

        其中:Zmaxij、ZET0分別為格點(i,j)處的最大反射率因子和回波頂處的反射率因子;Δh為其高度差;GradVZ的單位為dB·km-1。

        (4)組合反射率水平梯度GradHZ:組合反射率因子的水平變化特征,計算公式為:

        (2)

        其中:Z為組合反射率因子,其下標為格點坐標位置;n為間隔格點數;d為坐標間隔距離。在本文中n=2,GradHZ的單位為dB·km-1,一般情況下,該值在強對流回波邊緣時比較大。

        1.2.2 識別方法

        采用模糊邏輯法實現層狀云和對流云的識別,用一個梯形函數的隸屬函數系對這4個參數進行模糊化,函數的表達式如下:

        (3)

        其中:x為識別參數;x1、x2為參數門限值。對于Zmax,x1=20,x2=40;對于GradVZ,對其取絕對值,x1=2,x2=4;對于GradHZ,x1=1,x2=6。分別求出各個參數的概率值,并求他們的算術平均,得到對流云概率P。

        1.2.3 識別結果

        圖2為2013年7月22日02∶54(世界時,下同)和2014年7月23日22∶36的雷達組合反射率和對流云識別結果(圖2a、b分別為兩時次的組合反射率,圖2c、d分別為計算出的對流云概率P)。其中紫色圈C為蔡橋C波段雙偏振移動雷達位置(32.355 27°N,117.640 83°E),該雷達探測半徑為150 km,線段AB為當前時次左右的蔡橋雷達高掃地面投影位置。2013年7月22日02∶54為一次梅雨鋒與西南渦共同影響下的午間對流過程。圖3a為蔡橋雷達2013年7月22日02∶57 觀測的297°(偏西北方向)的高掃反射率,可以看出較明顯的對流單體(遠距離的回波因衰減有所減小),這里使用P≥0.5作為對流云判定條件,可以較好地識別出對流云(圖2c)。2014年7月23日22∶36為臺風“麥德姆”影響下的臺風外圍云團,結合圖3b蔡橋雷達2014年7月23日22∶36觀測的111.5°(偏東南方向)的高掃反射率,可以看出降水云為積層混合云,層狀云中分布著較多的積雨云團。圖2d為該時次的對流云識別結果,使用P≥0.5判別出的對流云較為合理。所以取P值≥0.5時,識別的結果為對流云,否則為層狀云。

        圖2 雷達拼圖組合反射率(CR)和對流云識別結果:(a、c)2013年7月22日02∶54;(b、d)2014年7月23日22∶36Fig.2 Composite reflectivity images of SWAN and the Identification results of convective cloud at:(a,c)0254 UTC on 22 July 2013;(b,d)2236 UTC on 23 July 2014

        圖3 蔡橋雷達高掃反射率:(a)2013年7月22日02∶57,方位角297°;(b)2014年7月23日22∶36,方位角111.5°Fig.3 RHI base reflectivity of Caiqiao radar at: (a)0254 UTC on 22 July 2013,azimuth 297°;(b)2236 UTC on 23 July 2014,azimuth 111.5°

        2 提取對流云雷達特征量

        識別出對流云體后,使用質心跟蹤法對云體進行追蹤[10]。跟蹤結束后,結合地面自動氣象觀測站降水量數據、探空資料、SWAN回波頂高、VIL產品,設計接口,計算出以下對流云特征量:

        (1)對流云云體邊界:對流云包含的拼圖高度層上的二維對流云體邊界點空間坐標,根據坐標求取邊界內雷達回波反射率、回波頂高、VIL等雷達特征量。

        (2)對流云水平面積、體積、質量:計算對流云云體質量和體積的方法與單體VIL類似,即垂直高度上二維分量的質量或體積離散求和。

        (3)降水量:根據對流云邊界點信息和地面站點降水量觀測資料計算。

        (4)對流云云體水平垂直尺度比(HVratio):計算水平尺度時假設云體為正方形,計算云體水平垂直尺度比的公式為:

        (4)

        其中:Areamax為組成云體的二維風暴(30 dBZ閾值)面積的最大值;ETmax為最大的回波頂高;EBmax為最小的回波底高。

        (5) 冷層厚度:結合對流云云體回波頂高,根據探空資料的零度層高度計算。

        3 江淮對流云特征分析

        3.1 資料來源與處理方法

        使用安徽省多普勒天氣雷達站的SWAN產品:雷達拼圖、組合反射率、回波頂高、VIL,拼圖使用的站點有合肥、蚌埠、阜陽、安慶和黃山,拼圖區(qū)域為29°~36°N、114°~120°E。降水量資料來源于國家自動氣象站和區(qū)域自動氣象站2 000多個地面雨量站點。區(qū)域雨量與雷達回波具有較好的一致性[12],雷達資料的體掃時間一般為6 min,為了保持降水量時間與雷達資料的同步,把地面逐分鐘降水量數據處理成6 min降水量資料。使用算法反演2013—2015年夏季IOP降水天氣期間(表1)的對流云。

        表1 2013—2015年IOP時間Table 1 Timetable of important observation processes from 2013 to 2015

        3.2 結果

        3.2.1 不同生命史的對流云樣本數量

        統(tǒng)計識別出的生命史在13 min以上(3個體掃及以上)的對流云,不同生命史的對流云樣本分布見圖4??梢?,13~30 min生命史較短的對流云比較多,約占總樣本數的60%,生命史越長,對流云樣本數越少,0.5~1 h的對流云約占樣本總數的26%,1~1.5 h的對流云約占樣本總數的8.5%,生命史在1.5~2 h和2 h以上的對流云占總樣本數的比例相對較低,分別為3.0%、2.2%。

        圖4 不同生命史的對流云樣本數量分布Fig.4 Distribution of convective cloud samplesin different life histories

        3.2.2 不同生命史的對流云雷達回波特征

        按照對流云的生命期分三類:生命史分別為13~30 min,30~60 min 和60 min以上,分析不同生命史對流云的雷達回波特征。圖5為各生命史對流云數量隨最大回波強度、單體VIL、回波頂高、冷層厚度、水平垂直尺度比的分布。

        圖5 不同的生命史的對流云數目隨雷達特征量的分布:(a)最大回波強度;(b)單體VIL;(c)冷層厚度;(d)水平垂直尺度比Fig.5 Distribution of the number of convective clouds with different life histories with radar characteristics: (a) maximum echo intensity; (b) monomer VIL;(c) cold layer thickness;(d) horizontal and vertical scale ratio

        生命史在13~30 min、30~60 min 和60 min以上的對流云最大回波強度平均值分別為42.8、44.6和46.4 dBZ,說明對流云生命史越長,其平均最大回波強度越大。能夠產生最大回波強度50 dBZ以上的對流云大多生命史較長,說明對流云生命史越長,其產生強回波的概率越大。各生命史的對流云體VIL平均值分別為3.9和5.7和8.2 kg·m-2,說明對流云VIL的均值大小和生命史的長短的變化一致:VIL值不到1 kg·m-2的對流云生命史很短,絕大部分在半小時以內,超過50 kg·m-2持續(xù)時間比較長,絕大部分在1 h以上。各生命史的對流云冷層厚度平均值統(tǒng)計分別為5.4、5.9、6.8 km。對流云的冷層厚度大部分在5~8 km,極大值可超過14 km。各生命史的對流云水平垂直尺度比分別為2.9、2.9和3.0,分布特征差別不大。各子圖下方的盒圖可以看出樣本的總體分布情況,最大回波強度盒圖分布和VIL盒圖分布的中位數、上下四分位數在生命史較大時較大;冷層厚度的盒圖分布的中位數、上下四分位數在生命史60 min以上時較大;3個生命史階段的對流云水平垂直尺度比盒圖分布差異不大。

        使用歸一法對所有數據進行歸一處理,分析了13~18、19~24、25~30、31~60、60 min以上不同生命史的各雷達參數的演變特征,處理結果見圖6。

        圖6 歸一化的不同生命史對流云雷達特征量的時間變化序列:(a)最大回波強度;(b)VIL;(c)冷層厚度;(d)面積;(e)體積Fig.6 Normalized time series of radar characteristics of convective clouds with different life histories: (a)maximum echo intensity; (b) VIL; (c)cold layer thickness; (d) area; (e) volume

        各雷達特征量的最大值作為T0時刻,可以看出不同生命史對流云發(fā)展過程中最大回波強度、單體VIL、冷層厚度、面積、體積隨時間的演變趨勢。生命史在60 min以下的對流云,雷達特征量隨時間發(fā)展大都呈單波峰狀,但生命史在60 min以上對流云的最大回波強度、VIL、冷層厚度都有2~3個小波峰。各生命史對流云的冷層厚度在達到最大之前,均有突然增大的特征。

        3.3 對流云各雷達特征量與降水量的關系

        統(tǒng)計所有對流云雷達特征量與降水量之間的關系。降水量的樣本數分布情況如圖7所示:降水量的樣本主要分布在40 mm·h-1以下,隨著降水量的增大,樣本數逐漸減小。

        圖7 對流云的降水量樣本分布Fig.7 Distribution of precipitation samples of convective clouds

        對流云最大回波強度、單體VIL、云體質量、水平垂直比、冷層厚度與降水量的關系見圖8,各個雷達特征量與降水量的相關系數為:0.437、0.416、0.123、-0.09和0.305。最大回波強度和VIL與降水量的相關性較好。

        圖8 對流云雷達特征量與降水量關系:(a)最大回波強度;(b)單體VIL;(c)云體質量;(d)水平垂直比;(e)冷層厚度Fig.8 Relationship between radar characteristics of convective clouds and precipitation: (a) maximum echo intensity;(b) monomer VIL;(c) cloud mass;(d) horizontal vertical ratio;(e) cold layer thickness

        紅色點為各要素的降水量的平均值。最大降水量對應的回波強度在55 dBZ左右,隨著回波強度的增大,平均降水量呈遞增關系,但回波強度超過57 dBZ左右時,平均降水量隨回波的增大呈現出了遞減的關系,說明少數大粒子產生較強回波。因其總的數濃度很小,所以降水量不大。VIL與降水量的關系: VIL在30 kg·m-2以下時,平均降水量隨VIL的增大而遞增,約在40 kg·m-2以后,隨著VIL的增大,降水量反而遞減。水平垂直比值越大,云體形狀趨于扁平。體積較大的層狀云體往往水平垂直比例較大,而小范圍的發(fā)展旺盛的局地對流云的水平垂直比例較小。平均降水量的最大值對應的水平垂直比約在0.7~0.9之間,隨后降水量平均值隨水平垂直比增大有所減小,趨于平緩。對流云體的質量與降水量的關系:云體質量在103kg以下,平均降水量隨質量增大而增大,極大值在103kg附近,隨后降水量隨云體質量的變化趨于平緩。冷層厚度與平均降水量呈現一定的遞增關系,冷層厚度越大,降水量越大。

        4 結論

        本文通過解析和改寫SWAN雷達拼圖中SCIT算法區(qū)分對流云和層狀云,實現了對流云的識別和追蹤,并提取了對流云體的邊界、質量、體積等雷達特征量。結合2013—2015年夏季江淮地區(qū)雷達、雨量、探空資料,對江淮地區(qū)對流云特征進行了分析。主要結論如下:

        (1)拼圖資料對單站雷達資料進行了質量控制,并插值到特定水平高度上。拼圖中對流云識別算法對孤立云塊、中小尺度對流天氣具有較好的識別效果,而對層狀云的識別效果較差,模糊邏輯法可以區(qū)分層狀云和對流云,并剔除層狀云。

        (2)保留SCIT算法中識別單體時的30 dBZ閾值結構信息,可以很好地保留對流云體的三維邊界特征,計算對流云空間結構特征。使用追蹤算法進行跟蹤,可以識別出對流云的特征量時間變化特征。當遇到云體分裂合并現象時,使用單體質心法追蹤云體可能會使追蹤序列斷裂,不能完全反映云體的演變過程,后續(xù)需要改進。

        (3)通過提取雷達特征量,分析不同生命史的江淮對流云雷達參數關系,分析了雷達特征量與降水的關系:江淮地區(qū),絕大多數對流云在半個小時以內,生命史較大的對流云,其平均回波強度、VIL、冷層厚度較大,最大回波強度和VIL與降水量的相關性較好。運用SCIT算法在雷達拼圖中提取對流云的特征量方法應用效果明顯。

        猜你喜歡
        特征
        抓住特征巧觀察
        離散型隨機變量的分布列與數字特征
        具有兩個P’維非線性不可約特征標的非可解群
        月震特征及與地震的對比
        如何表達“特征”
        被k(2≤k≤16)整除的正整數的特征
        中等數學(2019年8期)2019-11-25 01:38:14
        不忠誠的四個特征
        當代陜西(2019年10期)2019-06-03 10:12:04
        詈語的文化蘊含與現代特征
        新聞傳播(2018年11期)2018-08-29 08:15:24
        抓住特征巧觀察
        基于特征篩選的模型選擇
        亚洲av成人波多野一区二区| 久久久久AV成人无码网站| 在线观看av片永久免费| 国产日韩乱码精品一区二区| 日本一区二区三区丰满熟女| 日本少妇比比中文字幕| 亚洲国产91精品一区二区| 19款日产奇骏车怎么样| www国产亚洲精品久久麻豆| 亚洲国产成人片在线观看| 丰满人妻被中出中文字幕| 日韩成人精品在线| 日本精品久久久久中文字幕1| 偷拍熟女露出喷水在线91| 一区二区三区视频在线观看| 亚洲精品成人无码中文毛片| 女人做爰高潮呻吟17分钟| 国产成人一区二区三区免费观看| 亚洲av网一区天堂福利| 成人自拍偷拍视频在线观看| 91九色免费视频网站 | 国产男女免费完整视频| 亚洲自偷自拍另类图片小说| 99久久精品久久久| 亚洲av色香蕉一区二区三区av| 欧美激欧美啪啪片| 亚洲一本大道无码av天堂| 欧美伊人亚洲伊人色综| 国产在线观看不卡网址| 国产丝袜爆操在线观看| 波多野结衣av一区二区全免费观看 | 精品午夜久久网成年网| 北岛玲精品一区二区三区| 国产国语按摩对白av在线观看| 久久久亚洲欧洲日产国码aⅴ| 99久久er这里只有精品18| 日韩欧美中文字幕公布| av网站一区二区三区| 亚洲综合日韩精品一区二区| 巨大巨粗巨长 黑人长吊| 日产无人区一线二线三线新版|