【技术实现步骤摘要】
本专利技术涉及极端天气预警，具体涉及一种针对不同降水回波结构的对流性短时强降水分型预警方法。
技术介绍
1、对流性强降水天气的临近预警技术是天气预报技术中亟待攻克的难点问题之一。由于对流性强降水天气具有空间尺度小、生命史短且致灾性极强的特点，导致此类降水的预警准确性有待进一步提升。
2、在天气预报领域通常把0-2h的天气预报称为临近预报。在已有技术中，针对对流性短时强降水的临近预报，采用的预警技术主要包括短临数值预报技术和基于以雷达回波为主的短临外推预报技术，其中对流性强降水的短临数值预报对动力和物理过程的描述存在各种各样的不足导致模式预报存在不确定性。因此，更多时候需要依赖于雷达回波的外推预报。而常见的短临外推方法主要包括了质心追踪法、光流法、交叉相关法等主要基于运动追踪的数学方法。由于传统的外推技术以单一天气雷达回波数据源的线性外推方法为主，缺少对多源观测资料的综合应用，缺乏对物理机制的考虑，同时受回波外推模型复杂度的限制，在预报时效和准确性等方面存在严重不足。此外，由于对流系统结构的差异，导致其雷达回波的系统结构特征也存在显著差异。目前气象部门实时运行的预警体系中，并未充分考虑不同对流系统结构类型强降水之间的差异，基于构建的统一化的预警模型和预警指标对不同对流系统结构类型的强降水进行无差异化预警，极易导致强降水预警误报率的增加。
3、鉴于此，提供一种针对不同降水回波结构的对流性短时强降水分型预警方法，以解决现有技术中短时强降水分型预警模型的预警准确性较差，误报率较高的问题，就成为本领域技术人员亟待解
技术实现思路
1、为此，本专利技术实施例提供一种针对不同降水回波结构的对流性短时强降水分型预警方法，以解决现有技术中短时强降水分型预警模型的预警准确性较差，误报率较高的问题，通过对不同流系统结构类型强降水进行分类预警，提高预警模型的准确性，降低误报率。
2、为了实现上述目的，本专利技术实施例提供如下技术方案：
3、本专利技术提供一种针对不同降水回波结构的对流性短时强降水分型预警方法，所述方法包括：
4、基于采集的气象观测数据和/或气象模拟数据，计算目标区域在目标时段内的降水效率值；
5、根据所述降水效率值以及降水雷达回波最大反射率因子所处的高度对待预测的短时强降水进行分型，以得到对流性短时强降水的分型结果，并利用预先构建的神经网络预测模型，对预设时段内降水雷达的回波进行外推预报；
6、设置针对不同强降水分型结果下降水雷达回波强度外推预报的预警阈值以及常规数值天气预报模式中降水强度预报的预警阈值，分别构建高质心回波型强降水预警模型与低质心型强降水预警模型，所述高质心回波型强降水预警模型与低质心型强降水预警模型用于根据多源气象观测数据和气象模拟数据预测临近时段内的降水强度和雷达回波的演变情况，在满足预设条件时进行强降水分型预警。
7、在一些实施例中，基于采集的气象观测数据和/或气象模拟数据，计算目标区域在目标时段内的降水效率值，具体包括：
8、基于采集的气象观测数据，计算第一降水效率；
9、基于获取的气象模拟数据，计算第二降水效率；
10、通过权重赋值方法，计算所述第一降水效率和所述第二降水效率的加权值，以得到所述降水效率值。
11、在一些实施例中，基于采集的气象观测数据，计算第一降水效率，具体包括：
12、通过双偏振雷达的定量降水评估方法获取总降水量，通过地基gnss可降水量的反演获取大气的总水凝物含量；
13、通过空间插值的方法，将上述总降水量和大气的总水凝物含量匹配至与计算第二降水效率时相同分辨率的格点上；
14、根据空间匹配后的总降水量和大气的总水凝物含量，计算得到第一降水效率。
15、在一些实施例中，基于获取的气象模拟数据，计算第二降水效率，具体包括：
16、获取单位时段内的气象模拟数据，所述气象模拟数据至少包括单位时段内的降水率、单位时段内水汽含量的变化量和气象粒子在单位时段内含量的局地变化量；
17、根据所述气象模拟数据计算所述第二降水效率。
18、根据所述降水效率值以及降水雷达回波最大反射率因子所处的高度对待预测的短时强降水进行分型，以得到对流性短时强降水的分型结果，具体包括：
19、在所述降水效率值第一降水效率区间时，所述分型结果为高质心回波型对流性短时强降水；
20、在所述降水效率值第二降水效率区间时，所述分型结果为低质心回波型对流性短时强降水；
21、在所述降水效率值处于所述第一降水效率区间和所述第二降水效率区间的重合区间时，根据降水雷达回波中最大反射率因子的伸展高度确定所述分型结果。
22、本专利技术还提供一种针对不同降水回波结构的对流性短时强降水分型预警装置，所述装置包括：
23、数据采集单元，用于基于采集的气象观测数据和/或气象模拟数据，计算目标区域在目标时段内的降水效率值；
24、数据处理单元，用于根据所述降水效率值对待预测的短时强降水进行分型，以得到对流性短时强降水的分型结果，并利用预先构建的神经网络预测模型，对预设时段内降水雷达的回波进行外推预报；
25、模型构建单元，用于基于降水效率值、降水雷达回波最大反射率因子所处的高度、不同降水分型下降水雷达回波的外推结果，分别构建高质心回波型强降水预警模型与低质心型强降水预警模型，所述高质心回波型强降水预警模型与低质心型强降水预警模型用于根据多源气象观测数据和气象模拟数据预测临近时段内的降水强度和雷达回波的演变情况，在满足预设条件时进行强降水分型预警。
26、本专利技术还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法的步骤。
27、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
28、本专利技术所提供的针对不同降水回波结构的对流性短时强降水分型预警方法和装置，通过基于采集的气象观测数据和/或气象模拟数据，计算目标区域在目标时段内的降水效率值；根据所述降水效率值对待预测的短时强降水进行分型，以得到对流性短时强降水的分型结果，并利用预先构建的神经网络预测模型，对预设时段内降水雷达的回波进行外推预报；基于降水效率值、降水雷达回波最大反射率因子所处的高度、不同降水分型下降水雷达回波的外推结果，结合气象模式预报得出的降水数据，分别构建高质心回波型强降水预警模型与低质心型强降水预警模型，所述高质心回波型强降水预警模型与低质心型强降水预警模型用于根据多源气象观测数据和气象模拟数据预测临近时段内的降水强度和雷达回波的演变情况，在满足预设条件时进行强降水分型预警。
29、这样，本专利技术所提供的方法和装置，利用不同对流系统结构类型强降水对应的降水效率差异，对强降水进行分型。本文档来自技高网...
【技术保护点】
1.一种针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，基于采集的气象观测数据和/或气象模拟数据，计算目标区域在目标时段内的降水效率值，具体包括：
3.根据权利要求2所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，基于采集的气象观测数据，计算第一降水效率，具体包括：
4.根据权利要求2所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，基于获取的气象模拟数据，计算第二降水效率，具体包括：
5.根据权利要求1所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，根据所述降水效率值以及降水雷达回波最大反射率因子所处的高度对待预测的短时强降水进行分型，以得到对流性短时强降水的分型结果，具体包括：
6.根据权利要求5所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，根据降水雷达回波中最大反射率因子的伸展高度确定所述分型结果，具体包括：<...
【技术特征摘要】
1.一种针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，基于采集的气象观测数据和/或气象模拟数据，计算目标区域在目标时段内的降水效率值，具体包括：
3.根据权利要求2所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，基于采集的气象观测数据，计算第一降水效率，具体包括：
4.根据权利要求2所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，基于获取的气象模拟数据，计算第二降水效率，具体包括：
5.根据权利要求1所述的针对不同降水回波结构的对流性短时强降水分型预警方法，其特征在于，根据所述降水效率值以及降水雷达回波最大反射率因子所处的高度对待预测的短时强降水进行分型，以得到对流性短时强降水的分型结果，具体包括...
【专利技术属性】
技术研发人员：李超，蒋兴文，李艳，杨楠，付志康，孙京，赖安伟，李山山，高媛，
申请(专利权)人：中国气象局武汉暴雨研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。