一种雷暴短临预报方法、系统及终端技术方案

本发明专利技术提供一种雷暴短临预报方法、系统及终端，包括以下步骤：对闪电历史数据进行预处理，得到闪电网格观测数据；对雷达历史数据进行特征构建，得到三维雷达特征数据；对卫星历史数据进行特征构建，得到三维卫星特征数据；对Grapes历史数据进行特征构建，得到三维Grapes特征数据；基于所述闪电网格观测数据、所述三维雷达特征数据、所述三维卫星特征数据和所述三维Grapes特征数据构建雷暴短临预报数据集；构建雷暴短临预报模型；基于所述雷暴短临预报数据集训练所述雷暴短临预报模型，以基于训练好的雷暴短临预报模型实现雷暴短临预报。本发明专利技术的雷暴短临预报方法、系统及终端通过融合多源数据对雷暴实现准确地短临预报，时效性好，实用性强。

【技术实现步骤摘要】
一种雷暴短临预报方法、系统及终端
本专利技术涉及信息预警的
，特别是涉及一种雷暴短临预报方法、系统及终端。
技术介绍
短临预报指0-12h的天气预报，预报对象是该时段内出现明显变化的天气现象。其中0-2h为临近预报，逐30分钟预报，3-12h逐3h预报。对于航空气象而言，主要包括雷暴等强对流、降水(降雨/降雪)、大风及风切变、冻雨、沙尘暴、低能见度(雾)、天空云量等。以雷暴为例，作为一种典型的强对流天气，其产生、发展以及消散的过程十分突然，具有短生命史特点，其影响是短暂而强烈的。因此，雷暴等强对流天气的短临预报一直是天气预报业务中的重点与难点问题。现有技术中，雷暴短临预报主要采用以下技术：一、雷达回波预报技术强对流天气由中尺度天气系统导致，其空间尺度和时间尺度都比较小，常规观测手段难以捕捉。而天气雷达具有高时空分辨率的特点，具备探测中尺度系统三维结构的能力，能够及时抓住快速变化的天气情况，其反射率产品和径向速度图像等资料广泛应用于风暴的监测和预警。雷达回波外推技术是目前强对流天气监测预警业务中的主要方法，该方法主要思路是根据天气雷达探测到的回波数据来确定回波体的移动速度和方向，进而对未来一段时间的雷达回波体的位置进行追踪和预报。现有技术中，较为成熟的外推技术包括以下两种：(1)交叉相关法交叉相关法就是把数据整个区域划分为若干个小区域，对相邻时刻雷达回波图像小区域之间计算相关系数，通过最大相关系数确定相邻时刻图像中的区域对应关系，进而确定回波体的平均运动。该算法最早由Austin提出，其基于雷达回波计算一个平均运动矢量，然后透过反射率(Z)和降水(R)的关系(Z-R关系)，预报未来了一段时间的降水分布。但该方法只使用了一个运动矢量，难以反应风暴内部矢量变化。针对这一问题，Rinehart将雷达回波划分为若干个子区域，并分别计算每个子区域的移动矢量，提出了改进的雷达回波相关跟踪法(TrackingRadarEchoByCorrection，TREC)，得到了更为丰富的风暴内部单体结构。TREC相对于之前的方法虽然精度上有所提升，但是随着预报时长的增加，会出现回波辐散失真现象。针对这一问题，Li对TREC进行了拓展，提出了一种改进后的交叉相关法(TrackingRadarEchoByCross-correlation，COTREC)，该方法对外推后的回波加以水平无辐散限制，使其满足二维连续方程，从而解决了回波辐散的问题，使外推后的回波保持连续平滑的形状。但是该方法也存在一定的缺陷，由于采用了水平无辐散限制，整体的回波速度略慢于实况观测的回波，且外推时效不超过1小时。(2)单体质心法单体质心法是紧随交叉相关法之后出现的。单体质心法首先要识别出单体，并计算其质心位置、体积和投影面积等特征，然后在前后两个时刻的扫描数据中进行单体匹配追踪，最后通过连续多时刻的匹配追踪结果外推预警。与交叉相关法相比，单体质心法能较好地识别和追踪较小的孤立单体，并且能够提供单体的更详细的特征数据，因而得到了更快的发展。早期的单体质心法都是在二维PPI(PixelsPerInch)锥面上的进行的。但是二维特征无法充分反应风暴的整体结构。针对这一问题，Crane通过多PPI二维识别结果的空间关联运算，形成三维“VolumeCells”，将单体质心法的研究往前推进了一大步。除此之外，Bjerkaas等对Crane的工作进一步完善，发展出目前在业务上被广泛应用的TITAN(ThunderstormIdentification，Tracking,AnalysisandNowcasting)和SCIT(StormCellIdentificationandTracking)算法。但总体来讲上述算法还是有一定缺陷，即外推时效不超过1小时。二、数值模式预报技术数值模式的强对流天气预警工作已经在国内外广泛开展，高分辨率数值模式的水平和竖直分辨率都较高，其中水平分辨率已经达到1～5km。目前，高分辨率数值模式在强对流天气预警中的应用主要分为以下三个方面：第一、提供基本气象要素，以供预报员根据不同区域的环境要素来判断对流过程的生成的潜势或对流天气发生的概率；第二、将高分辨率模式的预报结果与雷达回波产品进行融合，以判断对流过程的生成与发展；第三、使用反映复杂物理过程的模式后处理产品，直接对强对流天气进行预警，包括短时强降水、雷暴大风、冰雹、雷暴等。Weisman使用分辨率为4km的数值模式资料来研究飑线系统的发展过程。美国国家大气科学研究中心也在2003年使用WRF(TheWeatherResearchandForecastingMode，天气研究与预报模式)的无对流参数化方案来实现强对流天气业务化预报预警，指出分辨率为4km的参数化方案对于对流系统的形态、生命周期的研究结果显著优于10-20km的较低分辨率模式。通过采用分辨率分别为9km和3km的高分辨率数值模式来对强对流天气开展业务化研究，可知数值模式空间分辨率的提高对中小尺度的对流系统预报有着十分重大的意义。Sun等的研究表明，对流系统的尺度大小和预报预警的领先时间存在相关关系。对流系统尺度大于250km时，预报的领先时间可以达到2个小时；对流系统的尺度为30km时，很难在1小时以上对其作出有效的预报。并且，数值模式预报通常存在“spinup”问题，即在非平衡初始或扰动的条件下，模式进行调整而达到平衡态的过程。简单来说就是，通常数值模式前2小时的临近预报往往可靠性不高。三、静止卫星预报技术静止气象卫星具有大范围和高频率的优势，可以弥补地基雷达覆盖面窄的局限，是目前唯一能够从天气尺度和中小尺度上同步观测各种云系演变的空间平台。它不但可以提供覆盖全球的天气实时信息，包括海洋和热带雨林等其它测量工具难以探测到的地区，还可为识别追踪对流系统结构性信息以及监测对流系统演变提供支持。因此，在目前的气象业务预报，尤其是灾害性天气预报预警中，静止气象卫星已成为关键的气象信息资源。Maddox最早就曾使用卫星红外图像结合雷达数据来研究雷暴单体的发展过程与生命周期，并提出了亮温阈值法。使用大气红外窗区的亮温的方法定义一个阈值，当窗区亮温低于这个阈值时，认为出现强对流。在红外通道的卫星云图中，由于对流云顶的温度低于周边区域的温度，其呈现出来的亮白色会和周边温度高的区域形成强烈对比，易于进行对流云的目视识别。而且，不同于可见光通道的是，使用红外通道进行观测可以不依赖于太阳光的反射，能够24小时不间断的进行对流云的识别与追踪。使用红外云图进行对流云的判识，最基本的办法是使用11μm左右的红外窗区亮温。当这一通道亮温低于某个阈值时，认为是该云团发展成为了对流云团。但由于不同地区与不同季节的原因，红外通道亮温的阈值并没有统一的标准。另外一种使用遥感资料进行强对流天气的观测方法是双通道亮温法，即使用水汽通道与红外通道亮温的差值来进行对流系统的判识。当对流系统发展旺盛时，其中强烈的上升气流会将对流云上层的水汽输送并突破对流层顶，进入平流层下部。由于平流层是逆温本文档来自技高网...

【技术保护点】
1.一种雷暴短临预报方法，其特征在于：包括以下步骤：/n对闪电历史数据进行预处理，得到闪电网格观测数据；/n对雷达历史数据进行特征构建，得到三维雷达特征数据；/n对卫星历史数据进行特征构建，得到三维卫星特征数据；/n对Grapes历史数据进行特征构建，得到三维Grapes特征数据；/n基于所述闪电网格观测数据、所述三维雷达特征数据、所述三维卫星特征数据和所述三维Grapes特征数据构建雷暴短临预报数据集；/n构建雷暴短临预报模型；/n基于所述雷暴短临预报数据集训练所述雷暴短临预报模型，以基于训练好的雷暴短临预报模型实现雷暴短临预报。/n

【技术特征摘要】
1.一种雷暴短临预报方法，其特征在于：包括以下步骤：
对闪电历史数据进行预处理，得到闪电网格观测数据；
对雷达历史数据进行特征构建，得到三维雷达特征数据；
对卫星历史数据进行特征构建，得到三维卫星特征数据；
对Grapes历史数据进行特征构建，得到三维Grapes特征数据；
基于所述闪电网格观测数据、所述三维雷达特征数据、所述三维卫星特征数据和所述三维Grapes特征数据构建雷暴短临预报数据集；
构建雷暴短临预报模型；
基于所述雷暴短临预报数据集训练所述雷暴短临预报模型，以基于训练好的雷暴短临预报模型实现雷暴短临预报。


2.根据权利要求1所述的雷暴短临预报方法，其特征在于：对闪电历史数据进行预处理包括以下步骤：
基于时空聚类算法对闪电历史数据进行聚类；
对聚类后的闪电历史数据进行时间聚合；
将时间聚合后的闪电历史数据映射到指定分辨率的网格中，得到所述闪电网格观测数据，其中所述闪电网格观测数据包括有闪电的网格观测数据和无闪电的网格观测数据。


3.根据权利要求1所述的雷暴短临预报方法，其特征在于：对雷达历史数据进行特征构建包括以下步骤：
获取所述雷达历史数据的特征，所述特征包括雷达基本反射率、回波顶高、组合反射率、组合反射利率高度和液态水含量；
基于互信息相关性分析算法对所述特征进行约简，获取与雷暴天气识别最相关的M个特征；
基于所述闪电网格观测数据，以对流事件发生的网格点为中心，用L*L的矩形区域选取所述雷达历史数据，得到L*L*M的三维雷达特征数据。


4.根据权利要求1所述的雷暴短临预报方法，其特征在于：对卫星历史数据进行特征构建包括以下步骤：
获取通道序号为9-14的卫星云图亮温数据，其中9通道和10通道属于水汽通道，中心波长分别为6.25μm和7.1μm，；11-14通道属于红外通道，中心波长分别为8.5μm、10.7μm、12.0μm和13.5μm；将所述红外通道和水汽通道的卫星云图亮温数据进行对应格点的两两相减，以形成的卫星云图亮温差数据作为新特征；
基于互信息相关性分析算法，对所述新特征进行约简，选取与雷暴天气识别最相关的N个特征；
基于所述闪电网格观测数据，以对流事件发生的网格点为中心，用L*L的矩形区域选取所述卫星历史数据，得到L*L*N的三维卫星特征数据。


5.根据权利要求1所述的雷暴短临预报方法，其特征在于：对Grapes历史数据进行特征构建包括以下步骤：
选取反应对流状态的基本气象要素、反应大气状态的物理参数以及反应地形信息的相关要素，将所述基本气象要素、所述物理参数和所述相关要素作为特征；
基于互信息相关性分析算法，对所述特征进行约简，选取与雷暴天气识别最相关V个的特征；

【专利技术属性】
技术研发人员：贺晓冬，尤小刚，杨跃，杨筠慧，陈振，赵亮，过莹烨，
申请(专利权)人：易天气北京科技有限公司，
类型：发明
国别省市：北京;11