張玉潔， 邵 楠， 高 林， 李恒昶， 黃 磊， 苑文華

(1.山東省氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，濟(jì)南 250031； 2.山東省氣象局大氣探測技術(shù)保障中心，濟(jì)南 250031；3.中國氣象局氣象探測中心，北京 100081； 4.棗莊市氣象局，山東 棗莊 277000)

引 言

我國是氣象災(zāi)害頻發(fā)的國家，災(zāi)害種類多，突發(fā)性強(qiáng)。進(jìn)入21世紀(jì)以來，隨著國民經(jīng)濟(jì)和社會(huì)的快速發(fā)展，氣象災(zāi)害對(duì)經(jīng)濟(jì)建設(shè)和人民生活造成的損害和影響與日俱增，對(duì)我國經(jīng)濟(jì)的發(fā)展造成了很大的影響[1-2]。為防御氣象災(zāi)害，提高災(zāi)害性天氣的監(jiān)測和預(yù)報(bào)水平，自20世紀(jì)90年代后期，我國開始建設(shè)新一代天氣雷達(dá)網(wǎng)并投入業(yè)務(wù)應(yīng)用。新一代天氣雷達(dá)觀測資料的應(yīng)用，提高了對(duì)臺(tái)風(fēng)、暴雨、冰雹、雷暴、龍卷等災(zāi)害性天氣的監(jiān)測和預(yù)警能力[3-5]。

新一代天氣雷達(dá)以聯(lián)網(wǎng)探測為目標(biāo)，實(shí)現(xiàn)對(duì)災(zāi)害性天氣的監(jiān)測和預(yù)警。各國伴隨著天氣雷達(dá)網(wǎng)的建成，紛紛對(duì)其觀測資料或產(chǎn)品進(jìn)行了組網(wǎng)處理和應(yīng)用[6]。我國在雷達(dá)組網(wǎng)產(chǎn)品應(yīng)用上也進(jìn)行了一些研究工作。雷達(dá)組網(wǎng)產(chǎn)品的研究，主要涉及到雷達(dá)基數(shù)據(jù)[7-8]和天氣雷達(dá)組網(wǎng)估算降水[9-12]等應(yīng)用。中國氣象局發(fā)展的短時(shí)臨近預(yù)報(bào)系統(tǒng)，也在全國范圍內(nèi)推廣應(yīng)用了雷達(dá)基數(shù)據(jù)組網(wǎng)及基于組網(wǎng)產(chǎn)品的降水估算、臨近預(yù)報(bào)等。目前對(duì)于利用大數(shù)據(jù)及三維展示等現(xiàn)代化技術(shù)手段，將雷達(dá)組網(wǎng)產(chǎn)品與多源觀測數(shù)據(jù)融合，提供豐富的產(chǎn)品展示、三維分析及冰雹、多源組合風(fēng)場、臺(tái)風(fēng)定位定強(qiáng)等強(qiáng)天氣監(jiān)測精準(zhǔn)分析的應(yīng)用研究還很少。將數(shù)據(jù)融合、大數(shù)據(jù)、三維展示等技術(shù)與雷達(dá)組網(wǎng)產(chǎn)品相結(jié)合，可進(jìn)一步提高觀測產(chǎn)品的精度、時(shí)效和準(zhǔn)確性，改善強(qiáng)天氣監(jiān)測產(chǎn)品在應(yīng)用上的準(zhǔn)確率，減小誤報(bào)率和空?qǐng)?bào)率。通過建立組網(wǎng)拼圖算法模塊制作的冰雹、降水等產(chǎn)品，可以為預(yù)報(bào)和決策服務(wù)實(shí)時(shí)提供綜合氣象觀測數(shù)據(jù)及產(chǎn)品支撐，對(duì)提升強(qiáng)對(duì)流天氣的監(jiān)測預(yù)警能力具有十分重要的意義。

為深入推進(jìn)天氣雷達(dá)組網(wǎng)產(chǎn)品與多源觀測數(shù)據(jù)的融合在氣象業(yè)務(wù)中的應(yīng)用，山東省氣象局作為全國的試點(diǎn)省份，在中國氣象局氣象探測中心的指導(dǎo)下，開展了基于雷達(dá)與多源觀測數(shù)據(jù)融合的綜合氣象觀測產(chǎn)品系統(tǒng)的研究應(yīng)用工作。通過多源數(shù)據(jù)質(zhì)控算法、三維組網(wǎng)方法、氣象數(shù)據(jù)融合分析、大數(shù)據(jù)識(shí)別等技術(shù)手段，進(jìn)一步優(yōu)化對(duì)強(qiáng)對(duì)流天氣的預(yù)警監(jiān)測能力，實(shí)現(xiàn)對(duì)冰雹、雷暴、大風(fēng)、強(qiáng)降水、臺(tái)風(fēng)等高影響天氣過程的實(shí)時(shí)、精準(zhǔn)監(jiān)測預(yù)警，為預(yù)報(bào)業(yè)務(wù)和災(zāi)害性天氣監(jiān)測預(yù)警提供產(chǎn)品支撐和應(yīng)用服務(wù)。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)設(shè)計(jì)思路及目標(biāo)

系統(tǒng)設(shè)計(jì)思路:基于多源觀測數(shù)據(jù)開發(fā)降水、風(fēng)場、臺(tái)風(fēng)定位定強(qiáng)等綜合觀測產(chǎn)品，綜合天氣雷達(dá)、自動(dòng)站、衛(wèi)星觀測等形成降水產(chǎn)品，集成天氣雷達(dá)、風(fēng)廓線雷達(dá)、探空等測風(fēng)要素，形成不同等壓面三維觀測風(fēng)場產(chǎn)品；實(shí)現(xiàn)天氣雷達(dá)基本產(chǎn)品和三維組網(wǎng)產(chǎn)品的應(yīng)用，改善強(qiáng)天氣過程實(shí)況預(yù)警能力，改進(jìn)綜合觀測產(chǎn)品的服務(wù)方式，為氣象預(yù)報(bào)服務(wù)提供高分辨率精細(xì)化產(chǎn)品。

目標(biāo)是建成涵蓋多源觀測數(shù)據(jù)于一體的綜合氣象觀測產(chǎn)品系統(tǒng)，包括“現(xiàn)在天氣”“監(jiān)測預(yù)警”和“綜合觀測”等，提供本地化的常規(guī)觀測數(shù)據(jù)產(chǎn)品、強(qiáng)天氣產(chǎn)品、雷達(dá)單站和組網(wǎng)產(chǎn)品、強(qiáng)對(duì)流天氣識(shí)別及跟蹤等種類豐富的預(yù)報(bào)服務(wù)產(chǎn)品；同時(shí)利用多種分發(fā)手段，將國家級(jí)綜合氣象觀測系統(tǒng)的部分?jǐn)?shù)據(jù)傳輸?shù)绞〖?jí)氣象部門，為MICAPS、SWAN等業(yè)務(wù)應(yīng)用軟件及預(yù)報(bào)會(huì)商系統(tǒng)、決策服務(wù)提供產(chǎn)品支撐。

1.2 系統(tǒng)設(shè)計(jì)原則

系統(tǒng)采用了面向?qū)ο?、統(tǒng)一建模的構(gòu)建原則，面向?qū)ο蠓椒ò褜傩院头?wù)封裝在“對(duì)象”中，保持了對(duì)象結(jié)構(gòu)的相對(duì)穩(wěn)定，系統(tǒng)易于擴(kuò)充、修改和維護(hù)；統(tǒng)一建模不僅支持分析和設(shè)計(jì)的建?；顒?dòng)，同時(shí)支持項(xiàng)目生命周期中的其他建?；顒?dòng)。系統(tǒng)數(shù)據(jù)庫的設(shè)計(jì)采用了數(shù)據(jù)完整性、安全性、可維護(hù)性與規(guī)范性、結(jié)構(gòu)優(yōu)化的原則，保證了系統(tǒng)數(shù)據(jù)庫總體結(jié)構(gòu)設(shè)計(jì)的質(zhì)量。系統(tǒng)接口設(shè)計(jì)的原則是保證相關(guān)系統(tǒng)之間數(shù)據(jù)接口的標(biāo)準(zhǔn)化及各系統(tǒng)數(shù)據(jù)的安全，確保相關(guān)系統(tǒng)及其內(nèi)部模塊間能方便、可靠地交互信息。

1.3 系統(tǒng)總體結(jié)構(gòu)

系統(tǒng)總體結(jié)構(gòu)見圖1。通過數(shù)據(jù)服務(wù)引擎，對(duì)接國家級(jí)綜合氣象觀測產(chǎn)品系統(tǒng)生成的各種質(zhì)控后的觀測數(shù)據(jù)和產(chǎn)品，利用反向代理、分布式數(shù)據(jù)庫、大數(shù)據(jù)分析、三維可視化、三維數(shù)據(jù)分析等技術(shù)，解決了數(shù)據(jù)龐雜、數(shù)據(jù)計(jì)算量大、數(shù)據(jù)展示要求高等難點(diǎn)問題，實(shí)現(xiàn)了包括觀測數(shù)據(jù)及觀測產(chǎn)品展示、數(shù)據(jù)統(tǒng)計(jì)分析、三維剖面分析、監(jiān)測告警、用戶定制及產(chǎn)品應(yīng)用服務(wù)。

圖1 系統(tǒng)總體結(jié)構(gòu)圖

1.4 系統(tǒng)功能設(shè)計(jì)

系統(tǒng)包含觀測產(chǎn)品數(shù)據(jù)對(duì)接、本地化應(yīng)用管理、產(chǎn)品應(yīng)用展示3個(gè)子系統(tǒng)，系統(tǒng)功能結(jié)構(gòu)見圖2。

觀測產(chǎn)品數(shù)據(jù)對(duì)接依托國家級(jí)綜合氣象觀測產(chǎn)品系統(tǒng)，提供省級(jí)本地化的基本產(chǎn)品、強(qiáng)天氣產(chǎn)品、綜合產(chǎn)品等觀測數(shù)據(jù)；本地化應(yīng)用管理將基本產(chǎn)品、強(qiáng)天氣產(chǎn)品、綜合產(chǎn)品等信息，根據(jù)不同應(yīng)用手段提供信息格式轉(zhuǎn)換接口，實(shí)現(xiàn)本地化的應(yīng)用管理；產(chǎn)品應(yīng)用展示中的重要天氣針對(duì)天氣現(xiàn)象、冰雹、雷暴、大風(fēng)、高溫、臺(tái)風(fēng)等高影響天氣，提供豐富的觀測產(chǎn)品數(shù)據(jù)查詢與分析功能。氣象要素以多源觀測為目標(biāo)，實(shí)現(xiàn)了天氣雷達(dá)、溫度、氣壓、相對(duì)濕度、風(fēng)、降水、能見度等重要?dú)庀笠氐木C合展示。監(jiān)測預(yù)警提供深度定制化區(qū)域監(jiān)測預(yù)警服務(wù)，自動(dòng)識(shí)別、告警不同預(yù)警級(jí)別區(qū)內(nèi)的高影響天氣。

圖2 系統(tǒng)功能結(jié)構(gòu)圖

2 系統(tǒng)關(guān)鍵技術(shù)設(shè)計(jì)

2.1 多種類格式數(shù)據(jù)存儲(chǔ)技術(shù)

系統(tǒng)融合了雷達(dá)組網(wǎng)及多種綜合觀測數(shù)據(jù)，數(shù)據(jù)種類多，包含了元數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、觀測數(shù)據(jù)、狀態(tài)數(shù)據(jù)、產(chǎn)品數(shù)據(jù)等，這些數(shù)據(jù)格式大部分隸屬于結(jié)構(gòu)化數(shù)據(jù)，但也包含了部分文件類型數(shù)據(jù)，比如雷達(dá)組網(wǎng)產(chǎn)品文件。由于文件類型數(shù)據(jù)的特殊性，它們不能與結(jié)構(gòu)化數(shù)據(jù)混存在一起，需單獨(dú)存儲(chǔ)管理，否則會(huì)降低數(shù)據(jù)庫的性能。系統(tǒng)采用了關(guān)系型數(shù)據(jù)庫[13](MySQL)與文件型數(shù)據(jù)庫(MongoDB)混合搭建的技術(shù)方式，解決了多種類格式數(shù)據(jù)的存儲(chǔ)及數(shù)據(jù)擴(kuò)展能力。文件型數(shù)據(jù)庫采用MongoDB GridFS技術(shù)[14]，實(shí)現(xiàn)分布式文件數(shù)據(jù)庫，通過分布式文件數(shù)據(jù)庫，管理文件的增、刪、改、查詢、統(tǒng)計(jì)等，滿足了海量小文件的存儲(chǔ)。這種分布式文件數(shù)據(jù)庫管理，可以有效消除普通文件系統(tǒng)存儲(chǔ)產(chǎn)生的文件碎片，提高了系統(tǒng)數(shù)據(jù)的存儲(chǔ)和讀取效率。

2.2 海量數(shù)據(jù)文件存儲(chǔ)技術(shù)

系統(tǒng)每天大約生成上百萬個(gè)單站小文件和產(chǎn)品文件，而且還要在數(shù)據(jù)量不斷擴(kuò)展的情況下保證系統(tǒng)查詢檢索和統(tǒng)計(jì)分析的效率。因此，系統(tǒng)中采用了非關(guān)系型分布式數(shù)據(jù)庫(HBase)[15]來存儲(chǔ)大量需要分析與檢索的數(shù)據(jù)(如多種觀測數(shù)據(jù))，同時(shí)又混合了關(guān)系型數(shù)據(jù)庫(MySQL)和文件型數(shù)據(jù)庫(MongoDB),以滿足系統(tǒng)中海量數(shù)據(jù)的存儲(chǔ)需求。

系統(tǒng)在處理雷達(dá)三維組網(wǎng)產(chǎn)品數(shù)據(jù)的時(shí)候，采用的是對(duì)每個(gè)反射率格點(diǎn)進(jìn)行存儲(chǔ)后再進(jìn)行分析的技術(shù)方法。由于雷達(dá)數(shù)據(jù)量大，每10 min產(chǎn)生約10億個(gè)格點(diǎn)數(shù)據(jù)，且所有數(shù)據(jù)的處理、存儲(chǔ)要在幾分鐘之內(nèi)完成。系統(tǒng)采用了基于列的數(shù)據(jù)庫系統(tǒng)來解決雷達(dá)三維格點(diǎn)數(shù)據(jù)存儲(chǔ)與查詢的困難。將數(shù)據(jù)樣本提取出產(chǎn)品代碼、時(shí)間、經(jīng)緯度、反射率進(jìn)行存儲(chǔ)，對(duì)每一層的反射率格點(diǎn)數(shù)據(jù)進(jìn)行篩選后，基本能在10 s內(nèi)完成雷達(dá)數(shù)據(jù)的存儲(chǔ)。

2.3 數(shù)據(jù)可視化技術(shù)

系統(tǒng)針對(duì)基于雷達(dá)組網(wǎng)拼圖數(shù)據(jù)的三維可視化展示需求，采用WebGL(Web Graphics Library)[16]技術(shù)，基于瀏覽器/服務(wù)器(B/S)架構(gòu)進(jìn)行搭建，摒棄了客戶端/服務(wù)器(C/S)架構(gòu)軟件系統(tǒng)在安裝、升級(jí)及使用時(shí)的一些弊端。利用WebGL把JavaScript和OpenGL ES 2.0結(jié)合在一起，增加了OpenGL ES 2.0的一個(gè)JavaScript綁定。這樣，WebGL借助系統(tǒng)顯卡，在瀏覽器里就可流暢地展示3D場景和模型，創(chuàng)建復(fù)雜的導(dǎo)航和數(shù)據(jù)視覺化[17]。通過調(diào)取雷達(dá)組網(wǎng)三維CAPPI圖像，就可提供雷達(dá)資料三維場景的各種展示功能。

2.4 天氣雷達(dá)數(shù)據(jù)質(zhì)控

為確保天氣雷達(dá)組網(wǎng)數(shù)據(jù)的可靠性和準(zhǔn)確性，系統(tǒng)在進(jìn)行數(shù)據(jù)處理時(shí)，對(duì)雷達(dá)單站基數(shù)據(jù)和組網(wǎng)數(shù)據(jù)分別進(jìn)行了質(zhì)控和評(píng)估，對(duì)組網(wǎng)數(shù)據(jù)進(jìn)行質(zhì)量標(biāo)識(shí)。天氣雷達(dá)單站基數(shù)據(jù)采用了7種數(shù)據(jù)質(zhì)量控制算法，包括故障壞圖、電磁干擾、地物/超折射、海浪、晴空、噪聲/孤立點(diǎn)的非降水回波消除和徑向速度退模糊。在單站數(shù)據(jù)基礎(chǔ)上，利用天氣雷達(dá)組網(wǎng)數(shù)據(jù)和日本葵花衛(wèi)星高時(shí)空分辨率資料，完成無云區(qū)各類非降水回波、非氣象回波、非觀測回波的對(duì)消。采用多雷達(dá)回波的空間一致性和基于回波屬性的時(shí)間連續(xù)性，檢測2種算法對(duì)雷達(dá)組網(wǎng)數(shù)據(jù)進(jìn)行評(píng)估?；谝陨?種質(zhì)控和2種評(píng)估算法，將天氣雷達(dá)組網(wǎng)數(shù)據(jù)劃分為可信、可疑、錯(cuò)誤3種質(zhì)量標(biāo)識(shí)，系統(tǒng)選用質(zhì)量標(biāo)識(shí)為可信的數(shù)據(jù)來進(jìn)行使用。

3 產(chǎn)品應(yīng)用檢驗(yàn)

綜合氣象觀測產(chǎn)品系統(tǒng)基于雷達(dá)組網(wǎng)產(chǎn)品和多源觀測數(shù)據(jù)，設(shè)計(jì)開發(fā)了冰雹、降水、多源風(fēng)場、雷暴監(jiān)測、精細(xì)化能見度、臺(tái)風(fēng)定位等多種觀測產(chǎn)品。以下以冰雹產(chǎn)品為例對(duì)產(chǎn)品應(yīng)用進(jìn)行檢驗(yàn)。

3.1 冰雹監(jiān)測產(chǎn)品算法設(shè)計(jì)

冰雹探測算法基于風(fēng)暴定位和追蹤算法(SCIT)，采用雷達(dá)三維基數(shù)據(jù)組網(wǎng)格點(diǎn)數(shù)據(jù)，得到每個(gè)風(fēng)暴單體的二維分量信息，進(jìn)而拓展得到每層的CAPPI的二維分量，對(duì)每層的CAPPI進(jìn)行垂直相關(guān)，得到三維風(fēng)暴的結(jié)構(gòu)信息，利用垂直方向的風(fēng)暴強(qiáng)度、高度及與0 ℃和-20 ℃層高度的關(guān)系，得到冰雹和強(qiáng)冰雹發(fā)生的概率，估算冰雹的大小，利用反射率信息得到冰雹定位的相關(guān)信息。算法中的數(shù)據(jù)采用的是雷達(dá)三維組網(wǎng)數(shù)據(jù)，有效地解決了單站雷達(dá)覆蓋差、邊界探測不到的弊端，且數(shù)據(jù)具有高時(shí)空分辨率，提高了算法的準(zhǔn)確性。

為了得到強(qiáng)冰雹概率(POSH)和最大預(yù)期冰雹尺寸(MEHS)，算法把反射率因子數(shù)據(jù)變換成冰雹動(dòng)能E的通量值，E與地面雹災(zāi)潛勢是密切相關(guān)的。反射率因子與動(dòng)能E的關(guān)系見式(1):

E=5×10-6×100.084ZW(Z)

(1)

(2)

式中：W(Z)為Z的權(quán)重函數(shù)，見式(2)，用來定義雨和冰雹反射率因子的轉(zhuǎn)換區(qū)，Z越大，說明發(fā)生冰雹的權(quán)重越大；Z為反射率因子，單位為dBZ；E為冰雹動(dòng)能，單位為J·m-2·s-1；ZL為反射率因子權(quán)重下限；ZU為反射率因子權(quán)重上限。Z-E關(guān)系函數(shù)中的Z為與冰雹有關(guān)的典型的較高反射率因子，濾掉了與液態(tài)水有關(guān)的大部分典型較低反射率因子。

另外，算法采用以溫度為權(quán)重的垂直積分，用溫度的權(quán)重來探測冰雹，因?yàn)楸⒃鲩L只發(fā)生在溫度小于0 ℃，且大冰雹的增長大都發(fā)生在-20 ℃或更低的溫度環(huán)境中。算法中使用了式(3)的基于溫度的權(quán)重函數(shù)：

(3)

式中，H是相對(duì)雷達(dá)的高度(AGL)，H0是環(huán)境融化層的AGL高度，Hm20是-20 ℃環(huán)境溫度的地面以上高度。H0和Hm20可以從本地附近的探空數(shù)據(jù)或其他高空數(shù)據(jù)中獲取。

由以上定義的WT值，可以得到雷達(dá)的強(qiáng)冰雹指數(shù)SHI：

(4)

式中，HT為風(fēng)暴單體頂?shù)母叨?。SHI物理含義為在0 ℃層以上的“高懸的強(qiáng)反射率因子核”，SHI單位為J·m-1·s-1。得到SHI之后，建立合適的概率函數(shù)和預(yù)警閾值，即可獲得強(qiáng)冰雹概率POSH。算法選用了式(5)的概率函數(shù)：

(5)

其中，WT為預(yù)警閾值；POSH是強(qiáng)冰雹概率，POSH<0時(shí)，則置為0；POSH>100時(shí)，則置為100；POH

預(yù)警閾值WT采用經(jīng)驗(yàn)公式

WT=57.5H0-121

(6)

根據(jù)SHI可對(duì)MEHS進(jìn)行估計(jì)，采用冰雹樣本最大指數(shù)及冰雹發(fā)生地監(jiān)測到的最大冰雹尺寸，建立冰雹指數(shù)和最大冰雹尺寸的關(guān)系模型。MEHS采用經(jīng)驗(yàn)公式

MEHS=2.45(SHI)0.5

(7)

得到，MEHS單位為mm。

系統(tǒng)對(duì)冰雹監(jiān)測產(chǎn)品算法的技術(shù)設(shè)計(jì)路線見圖3。

圖3 冰雹產(chǎn)品設(shè)計(jì)技術(shù)路線圖

3.2 產(chǎn)品評(píng)估與個(gè)例檢驗(yàn)

(1)冰雹產(chǎn)品應(yīng)用評(píng)估

選取本系統(tǒng)2017年5月-2018年5月依據(jù)冰雹識(shí)別算法識(shí)別出來的湖北、安徽、廣東、山西等省的83個(gè)冰雹個(gè)例與災(zāi)情直報(bào)系統(tǒng)的冰雹實(shí)況進(jìn)行了對(duì)比，對(duì)本系統(tǒng)的冰雹識(shí)別算法的產(chǎn)品進(jìn)行檢驗(yàn)評(píng)估。利用全國雷達(dá)三維基數(shù)據(jù)組網(wǎng)格點(diǎn)數(shù)據(jù)，依據(jù)3.1中的算法得到強(qiáng)冰雹指數(shù)SHI，選取不同的冰雹指數(shù)閾值，對(duì)冰雹監(jiān)測產(chǎn)品POD、FAR、CSI進(jìn)行檢驗(yàn)。當(dāng)選擇冰雹指數(shù)為15 J·m-1·s-1作為“識(shí)別警報(bào)”閾值(即冰雹指數(shù)大于15 J·m-1·s-1系統(tǒng)自動(dòng)判別為冰雹)時(shí)，冰雹識(shí)別結(jié)果命中79 次，漏報(bào)4 次，虛警31 次。POD為95.2%,FAR為28.2%,CSI為 69.3%,即SHI“識(shí)別警報(bào)”閾值為15 J·m-1·s-1時(shí)，系統(tǒng)對(duì)冰雹的識(shí)別效果較好。統(tǒng)計(jì)結(jié)果見表1。

表1 本系統(tǒng)監(jiān)測的2017年5月-2018年5月湖北、安徽、廣東、山西等省的83個(gè)冰雹個(gè)例檢驗(yàn)結(jié)果統(tǒng)計(jì)

續(xù)表1 本系統(tǒng)監(jiān)測的2017年5月-2018年5月湖北、安徽、廣東、山西等省的83個(gè)冰雹個(gè)例檢驗(yàn)結(jié)果統(tǒng)計(jì)

表2中列出了所選的83個(gè)個(gè)例對(duì)應(yīng)的不同的強(qiáng)冰雹概率的檢驗(yàn)結(jié)果，可見，強(qiáng)冰雹概率越大，冰雹識(shí)別效果越好，發(fā)生冰雹天氣的可能性越大。當(dāng)POSH≥50%時(shí)，系統(tǒng)對(duì)強(qiáng)冰雹識(shí)別的臨界成功指數(shù)CSI都達(dá)到了100%；當(dāng)POSH≤40%時(shí)，強(qiáng)冰雹識(shí)別的臨界成功指數(shù)CSI小于71%。當(dāng)POSH為20%時(shí)，CSI為0，這也與POSH為20%的樣本個(gè)例數(shù)偏少有關(guān)。

表3是對(duì)不同MEHS范圍進(jìn)行檢驗(yàn)識(shí)別，由結(jié)果可見，伴隨著最大預(yù)期冰雹尺寸的增大，算法的CSI識(shí)別效果越來越好。當(dāng)冰雹直徑小于20 mm時(shí)，算法識(shí)別的強(qiáng)冰雹CSI小于76%，當(dāng)冰雹直徑大于30 mm時(shí)，強(qiáng)冰雹識(shí)別CSI達(dá)到84%?？梢姡到y(tǒng)采用的冰雹識(shí)別算法對(duì)于識(shí)別30 mm以上的冰雹效果還是比較理想的。

表2 2017年5月-2018年5月83個(gè)冰雹個(gè)例不同強(qiáng)冰雹概率(POSH)的冰雹識(shí)別檢驗(yàn)結(jié)果

表3 2017年5月-2018年5月83個(gè)冰雹個(gè)例不同MEHS范圍的檢驗(yàn)識(shí)別結(jié)果

(2)冰雹個(gè)例檢驗(yàn)

氣象災(zāi)情直報(bào)管理系統(tǒng)顯示，2018年5月28日15:40-16:00煙臺(tái)蓬萊、萊州、龍口、棲霞等地突降冰雹，其中蓬萊地區(qū)受災(zāi)集中在潮水鎮(zhèn)及大辛店鎮(zhèn)，冰雹最大直徑40 mm，萊州地區(qū)從朱由至郭家店成片區(qū)域也遭受嚴(yán)重?fù)p失。本系統(tǒng)的冰雹監(jiān)測產(chǎn)品成功監(jiān)測到此次冰雹天氣過程。系統(tǒng)計(jì)算的冰雹指數(shù)及位置跟蹤(圖4)清晰展現(xiàn)了此次冰雹過程。與災(zāi)情直報(bào)系統(tǒng)給出的冰雹實(shí)況(圖5)的發(fā)生落區(qū)對(duì)比，系統(tǒng)捕捉到的強(qiáng)冰雹發(fā)生位置與災(zāi)情直報(bào)系統(tǒng)給出的冰雹落區(qū)基本一致。系統(tǒng)的冰雹監(jiān)測產(chǎn)品顯示最大冰雹指數(shù)出現(xiàn)在蓬萊潮水鎮(zhèn)及大辛店鎮(zhèn)，最大冰雹直徑為43 mm，與災(zāi)情實(shí)況的最大冰雹尺寸基本一致。本系統(tǒng)給出的雷達(dá)組網(wǎng)組合反射率和基本反射率垂直剖面(圖6)顯示，此次冰雹過程最大反射率因子值超過65 dBZ，強(qiáng)回波高度達(dá)8 km，回波頂高超過12 km，本系統(tǒng)監(jiān)測到的各參數(shù)指標(biāo)都有利于大冰雹的形成。

圖4 本系統(tǒng)監(jiān)測的2018年5月28日16時(shí)

圖5 2018年5月28日16時(shí)災(zāi)情直報(bào)系統(tǒng)中的冰雹落區(qū)

氣象災(zāi)情直報(bào)管理系統(tǒng)顯示，2019年5月17日18:00-21:00北京市通州區(qū)、大興區(qū)等地出現(xiàn)了冰雹災(zāi)害天氣，其中西集、張家灣、漷縣、永樂店、潞城等地出現(xiàn)強(qiáng)冰雹，最大冰雹直徑5 cm左右。本系統(tǒng)的冰雹監(jiān)測產(chǎn)品監(jiān)測到此次冰雹天氣過程。系統(tǒng)給出的冰雹指數(shù)及位置跟蹤(圖7)清晰展現(xiàn)了此次冰雹過程。其中，雷達(dá)組合反射率因子最大為69 dBZ，回波頂高超過14 km，最大冰雹指數(shù)72，冰雹概率91%，冰雹直徑52 mm，冰雹尺寸大小與實(shí)況

圖6 2018年5月28日16時(shí)新一代雷達(dá)組合反射率(a)和基本反射率垂直剖面圖(b)

圖7 本系統(tǒng)監(jiān)測的2019年5月17日17:50北京通州區(qū)、

數(shù)據(jù)基本一致(圖8)。圖8(a)和圖8(b)中北京東南向深灰色區(qū)域分別為本系統(tǒng)判斷的冰雹災(zāi)害落區(qū)與災(zāi)情直報(bào)系統(tǒng)給出的冰雹實(shí)際災(zāi)害落區(qū)，二者的冰雹落區(qū)比較一致。

4 總結(jié)與展望

(1)系統(tǒng)基于雷達(dá)組網(wǎng)和多源觀測數(shù)據(jù)，采用反向代理、分布式數(shù)據(jù)庫、大數(shù)據(jù)統(tǒng)計(jì)分析、三維展示等技術(shù)，實(shí)現(xiàn)了集觀測產(chǎn)品展示、應(yīng)用和管理于一體的業(yè)務(wù)系統(tǒng)，涵蓋各類觀測數(shù)據(jù)及產(chǎn)品展示、數(shù)據(jù)統(tǒng)計(jì)分析、雷達(dá)三維剖面分析、監(jiān)測告警、用戶定制等應(yīng)用服務(wù)，為氣象觀測和強(qiáng)天氣監(jiān)測提供精準(zhǔn)分析。在數(shù)據(jù)產(chǎn)品的分析、應(yīng)用上實(shí)現(xiàn)了以要素為導(dǎo)向的數(shù)據(jù)集成，融合多源觀測資料，進(jìn)行質(zhì)量檢驗(yàn)和數(shù)據(jù)分析。

圖8 本系統(tǒng)(a)和災(zāi)情直報(bào)系統(tǒng)(b)判斷的2019年5月17日17:50的冰雹災(zāi)害落區(qū)

(2)系統(tǒng)采用關(guān)系型數(shù)據(jù)庫與文件型數(shù)據(jù)庫混合搭建的方式，滿足了多種類格式數(shù)據(jù)的存儲(chǔ)需求，提高了系統(tǒng)數(shù)據(jù)的存儲(chǔ)和讀取效率；采用非關(guān)系型分布式數(shù)據(jù)庫Hbase搭配關(guān)系型數(shù)據(jù)庫MySQL和文件型數(shù)據(jù)庫MongoDB的技術(shù)方法，滿足了系統(tǒng)中海量數(shù)據(jù)的存儲(chǔ)需求，并解決了雷達(dá)三維格點(diǎn)數(shù)據(jù)存儲(chǔ)與查詢的困難；在數(shù)據(jù)三維可視化展示上，采用WebGL技術(shù)進(jìn)行革新，將JavaScript與OpenGL ES 2.0相結(jié)合，實(shí)現(xiàn)了雷達(dá)產(chǎn)品三維場景的展示，提升了天氣預(yù)報(bào)分析工作的“可視化”程度。

(3)以冰雹產(chǎn)品為例，對(duì)本系統(tǒng)的產(chǎn)品應(yīng)用進(jìn)行了檢驗(yàn)。在83個(gè)冰雹個(gè)例中，選取SHI為15 J·m-1·s-1作為“識(shí)別警報(bào)”閾值時(shí)，冰雹識(shí)別POD為95.2%，F(xiàn)AR為28.2%，CSI為 69.3%；強(qiáng)冰雹概率越大，冰雹識(shí)別效果越好，發(fā)生冰雹天氣的可能性越大；對(duì)不同MEHS范圍進(jìn)行識(shí)別檢驗(yàn)發(fā)現(xiàn)，MEHS越大，CSI識(shí)別效果越好，系統(tǒng)冰雹識(shí)別算法對(duì)于識(shí)別30 mm以上的冰雹效果較理想。將系統(tǒng)監(jiān)測到的2018年5月28日蓬萊、萊州等地和2019年5月17日北京通州、大興等地發(fā)生的冰雹過程與災(zāi)情直報(bào)系統(tǒng)的冰雹實(shí)況相比發(fā)現(xiàn)，本系統(tǒng)預(yù)報(bào)的強(qiáng)冰雹落區(qū)和最大冰雹尺寸與實(shí)況基本吻合。本系統(tǒng)的冰雹監(jiān)測產(chǎn)品的應(yīng)用檢驗(yàn)效果良好。

隨著雷達(dá)探測網(wǎng)的不斷建設(shè)，預(yù)報(bào)業(yè)務(wù)對(duì)雷達(dá)三維組網(wǎng)產(chǎn)品的業(yè)務(wù)需求日益增多。目前業(yè)務(wù)中定量估測降水、組合風(fēng)場、冰雹、中氣旋等產(chǎn)品與多源觀測數(shù)據(jù)的綜合集成還存在明顯不足，一定程度上也制約著天氣雷達(dá)觀測數(shù)據(jù)的應(yīng)用和效益的發(fā)揮。下一步將在進(jìn)一步豐富天氣雷達(dá)與多源觀測數(shù)據(jù)產(chǎn)品融合上加強(qiáng)研究，加強(qiáng)雷達(dá)數(shù)據(jù)在天氣過程的識(shí)別、分析、診斷、預(yù)測上的應(yīng)用。