基于雷达基数据的风暴单体跟踪与预报*

路志英， 赵冬阳

(天津大学 电气与自动化工程学院，天津 300072)



基于雷达基数据的风暴单体跟踪与预报*

路志英， 赵冬阳

(天津大学 电气与自动化工程学院，天津 300072)

多普勒雷达基数据对风暴单体的跟踪及预报具有十分重要的意义。针对雷达监测预报的原理和特点，建设性地提出了一种跟踪和预报方法。根据“体扫间隔，特征相似，近距离优先”三个匹配准则来匹配两时刻的风暴单体，再利用加权最小二乘法对风暴单体在下一时刻的位置进行预报。通过对天津市2005～2011年间74个天气过程的实验和评估，结果表明：该方法的可预报单体数更多，单体平均预报误差更小，能够更好地实现风暴单体的跟踪及预报。

雷达基数据； 风暴单体； 跟踪和预报； 平均预报误差

0 引 言

为了降低强对流天气的影响，人工的预报工作越来越受到人们的重视。为了能够减小预报的误差提高预报的精度，就需要更好地利用雷达监测和雷达基数据提取出的统计特征和雷达产品[1,2]。传统的预报算法包括雷暴识别跟踪及预报[3](TITAN)算法和风暴单体识别和跟踪(SCIT)算法在实际业务中取得了一些效果，但是由于没有将风暴单体的整体结构和局部信息很好地利用起来，使得其在预报的精度上不够高，以及预报时效上的不稳定性，因此,具有一定的局限性[4]。

本文通过概括TITAN和SCIT两种算法的优点，针对其预报误差大、可预报单体数少的问题，首先根据“体扫间隔，特征相似，近距离优先”的三匹配准则匹配两时刻的风暴单体，再利用加权最小二乘法[5]对风暴单体在下一时刻的位置进行预报。从评估结果来看，本文算法可预报单体个数更多,得到的单体位置平均预报误差更小，能够更好地实现风暴单体的跟踪及预报。

1 相关的工作

介绍了一种基于多普勒天气雷达基数据的风暴单体跟踪和预报方法，以及两个最常用的预报有效性评估指标，可预报单体数指标和单体位置平均预报误差指标。

1.1 数据资料选取

所选多普勒雷达数据样本为天津市2005年～2011年期间74个天气过程，因为对于每一个体扫数据，单体可能处于不同的发展阶段，因此,选择这74个天气过程中最具代表性的冰雹和暴雨作为研究的对象，共选取了74个单体。

1.2 风暴单体跟踪和预报方法

结合TITAN和SCIT[6]两种风暴单体算法的优点，改进其不足和局限性，针对其预报误差大、可预报单体数少的问题，利用5个体扫的位置进行拟合,加权最小二乘法[7]来进行风暴单体的外推预报。

1.3 预报有效性指标

1)可预报单体数指标

任何一个风暴单体都是有生命周期的，而且每个单体生命周期的长短也各不一样，本文通过多普勒雷达获取的基数据体扫周期为6 min，在直线拟合阶段利用前10个或者5个体扫的位置进行拟合可预报的单体数目不尽相同。因为有的风暴单体的生命周期太短，以至于无法进行外推预报，所以对于相同的样本，可预报单体数是一个很好的预报有效性评估指标。

2)单体位置平均预报误差指标

(1)

(2)

2 本文提出的方法

对于某个天气过程中风暴单体的预报，该天气过程中前期体扫中单体的跟踪是拟合和外推预报的基础，本文通过以下三个匹配准则来确定同一个天气过程中单体的时间序列。

2.1 匹配准则

1)体扫间隔准则

由于研究所选多普勒雷达数据前后2次的体扫时间间隔为6min，为了应对由于雷达故障或者通信中断造成的数据不连续问题，有必要对数据的连续性进行检查。

具体方法是：对前后两个单体的体扫时间间隔进行检查，用时间阈值与其比较，若阈值小于该时间间隔，则此次出现了数据的不连续，不对其进行时间相关分析。

2)特征相似准则

本文利用2个数值来检测前后体扫是否为同一个单体，一个是强度均值的差值，另一个是单体的面积比。统计分析大量单体发现，同一个天气过程中，前后体扫的强度均值的大小变化小于5dBz，面积比的大小不超过40 %，即当

0.6

(3)

|Meant-Meant-1|<1

(4)

时，说明前后两单体满足特征相似准则，可认为这两个单体属于同一天气过程。

3)近距离优先准则

(5)

(6)

式中 (Xt-1,Yt-1)为上一体扫的坐标；V→t-1为上一体扫的运动向量；θ为运动向量与X轴的角度；Δt为雷达体扫间隔，Δt=6min。

任何物体在一定时间内运动的距离是有限的，单体也是一样，统计分析大量单体发现，同一个天气过程中，时间为6min时，其运动距离小于20km，利用距离公式

(7)

式中 (Xt,Yt)为t时刻可识别单体坐标。

2.2 风暴单体的外推预报

1)单体运动轨迹的拟合

通过以上三个匹配准则跟踪了同一个天气过程中单体的时间序列，当这个时间序列满足5个单体数目时，即可拟合这个时间序列的运动轨迹。统计分析多个时间序列样本发现，在同一个天气过程中，在一定时间内，单体是沿直线运动的。利用加权最小二乘法拟合[8]同一时间序列中的单体质心拟合函数为

Y=ax+b

(8)

(9)

式中 wi为权值;m=5;ti为第i个单体出现的时刻。可知，越临近当前时刻，权值越大，说明对当前时刻的单体影响越大。

2)风暴单体位置预报

得到拟合直线后，利用该直线进行外推预报[9]。用1h序列内5个单体的位置来获取单体的运动速度大小和方向。单体的运动向量计算公式

(10)

(11)

式中 m=5;tk为第k次体扫时间。

3 实验与仿真

在VisualStudio2010的编程环境下实现仿真。选取的样本是2010年7月12日的一个冰雹过程。图1为跟踪匹配效果图，共10个时刻，其中，矩形框描述的是单体的位置，白色线是同一个时间序列的单体连接线，也就是单体的实际运动路径。

图1 跟踪效果

在完成图1匹配的基础上,对于满足5个时刻的时间序列进行拟合，图2为用加权最小二乘法拟合的效果图。

图2 拟合效果

从图2可以看出，分别对3个时间序列进行拟合，得到拟合线，3个时间序列分别为15∶15时，单体①所在的时间序列；15∶21时，单体①和单体②分别所在的时间序列；15∶45时，单体①,②,③各自所在的时间序列。

在完成了时间序列拟合的基础上，需要对其进行进一步预报，预报效果图在图3中给出。由图3可知：分别对3个时间序列进行了5个时刻的预报，在图上将预报的未来的5个位置用圆点表示。

图3 位置预报效果

4 有效性评估

经统计，74个单体中有50个满足5个体扫但不满足10个体扫，即SCIT算法和本文相比能够预报的单体数少67.9 %，说明相同样本条件下，本文算法的通用性更强，能对更多的风暴单体进行预报。统计平均预报误差，如表1所示。

表1 单体位置平均预报误差

由表1可知:1) 本文算法的平均预报误差比SCIT算法的要小，对于单体位置的预报更加精确。2)预报时间越短，误差也越小，比较精确，时间越长，误差逐渐增大，精确性下降。

5 结束语

本文在风暴单体自动识别的基础上，综合考虑单体的个体信息和单体在整个时间序列的整体信息，提出了三匹配准则法，实现了很好的匹配跟踪；加权最小二乘法充分考虑同一天气过程中前后单体在拟合过程中的比重分配，使得单体运动轨迹拟合的更加准确。预报结果表明：本文方法可预报单体个数更多，单体平均预报误差更小，能够更好地实现风暴单体的跟踪及预报。

该方法不足之处在于进行的是一个短时间内的预报，对于更长时间预报工作需要考虑更多的外界条件和因素，因此，改进该方法得到更长时间的预报有待进一步的研究。

[1] 愈小鼎，周小刚，王秀明.雷暴与强对流临近天气预报技术进展[J].气象学报，2012,70(3)：311-337.

[2] 路志英，刘 海，贾惠珍，等.基于雷达反射率图像特征的冰雹暴雨识别[J].物理学报，2014，63(18)：201-212.

[3] Han L，Fu S X，Zhao L F，et al.3D convective storm identification,tracking,and forecasting—An enhanced TITAN algori-thm[J].Journal of Atmospheric and Oceanic Technolgy，2009,26(4)：719-732.

[4] Du J H，Wu S H.Research on numerical weather prediction based on Doppler raw radar data and cloud mode[C]∥International Conference on Computer Science and Information Techno-logy，Kunming，2014:507-514.

[5] 贾小勇，徐传胜，白 欣.最小二乘法的创立及其思想方法[J].西北大学学报:自然科学版，2006，36(3)：507-511.

[6] 王 芬，李腹广，张 辉.风暴单体识别与跟踪(SCIT)算法评估[J].气象，2010，36(12)：128-133.

[7] 苍桂华，岳建平.基于加权最小二乘法的点云平面拟合[J].激光技术， 2014，38(3)：156-161.

[8] 姜德生，高 翩，张 翠，等.基于最小二乘法的光纤光栅Bragg波长直线拟合[J].传感器与微系统，2006，25(6)：25-27.

[9] 杨 吉，郑媛媛，夏文梅，等.雷达拼图资料上中尺度对流系统的跟踪和预报[J].气象，2015，41(6)：738-744.

Storm cell tracking and forecasting based on radar raw data*

LU Zhi-ying， ZHAO Dong-yang

(School of Electrical Engineering and Automation,Tianjin University,Tianjin 300072,China)

It is of great significance to track and forecast storm cell based on Doppler radar raw data.In view of the principle and characteristics of radar monitoring and prediction,a method of storm cell tracking and forecasting is constractively given.According to three matching criterions of“body scanning interval,similar characteristics,close first”,it can match the two moments before and after the storm cell.Weighted least squares method is used to forecast the position of the storm cell in the next moment.Through experiment and evaluation of 74 weather process of Tianjin in 2005～2011,evaluation results show that this method can forecast more storm cell,average forecasting error of storm cell is more smaller,and can achieve better tracking and forecasting of storm cell.

radar raw data; storm cell; tracking and forecasting; average forecast error

10.13873/J.1000—9787(2017)07—0016—03

2016—06—30

天津市自然科学基金资助项目(14JCYBJC21800)

TP 391.4

A

1000—9787(2017)07—0016—03

路志英(1964-)，女，博士，教授，主要从事模式识别与智能系统研究工作。

赵冬阳(1990-)，男，通讯作者，硕士研究生，主要研究方向为模式识别与智能系统，E—mail：zhaodongyang@tju.edu.cn。