基于多普勒雷达的强对流天气监测与预警系统

吴 彬 魏 鸣 杨咏钢

（1.湖州市气象局 湖州 313000）（2.南京信息工程大学大气物理学院 南京 210044）

1 引言

新一代多普勒天气雷达以其高时空分辨率、准确及时的遥感探测能力，成为中小尺度强对流天气监测与预报预警最有效的探测手段。由于多普勒雷达可同时探测降水的反射率因子与径向速度，有助于观测降水系统内部的流场结构与演变规律，可为强对流天气的临近预报提供及时丰富的信息，改善和提高强对流及强降水天气的临近预报和短时预报能力，对雷达气象学和中小尺度气象学的发展起着促进作用。

强对流天气监测是其预报的基础［1］，国内不少学者在强对流天气的监测和临近预报方面做过研究。魏鸣等［2］1990年以700hPa高空风结合实况-预报订正矢的方法进行回波的质心外推，改进了回波非线性运动的预报，刘黎平等［3］提出二维矩心跟踪法，肖艳娇等［4］在极坐标中用矩不变量法对风暴识别与跟踪。张鹏等［5］利用单PPI资料进行强风暴识别，在综合利用雷达的强度、速度资料及缩短探测时间方面进行了尝试。胡胜［6］利用三维矩心跟踪法和交叉相关法探索风暴的识别跟踪与冰雹的预测。万玉发等［7］针对现代预报业务需求，在借鉴了国外先进临近预报系统的基础上，建立了长江中游临近预报业务系统（MYNOS）。吴彬等［8］借鉴SCIT算法，研制了基于雷达数据的强对流天气自动识别系统，并利用典型个例过程对该系统进行分析和验证。

基于对当前国内外强对流天气监测和预报预警技术方面的研究，针对该类型天气特点和实际业务需求，利用C#和Python编程语言，设计和开发了基于多普勒天气雷达的强对流天气监测与预警系统，实现了强对流监测与预警、三维风场反演、雷达回波三维可视化以及强对流潜势预报等功能。

2 系统框架及功能

由于强对流天气具有生命史短、空间范围小和影响区域天气变化剧烈等特征，留给预报员分析数据并作出准确及时预警的时间非常有限，因此该系统必须具备雷达资料处理、算法集成、数据的可视化和基于GIS信息的雷达资料分析和显示等功能。该系统框架在Microsoft Visual Studio 2010环境下编译，采用C#语言编写，部分算法使用Python编程语言实现，为使算法更具移植性和方便后续升级，程序分多个模块进行编写。结合实际业务需求，系统主要分为四个功能模块：强对流监测与预警模块、三维风场反演模块、雷达回波三维可视化模块和强对流指数预报模块，此外还提供了数据管理、界面风格设置等功能。系统整体界面如图1所示。

图1 系统界面

3 关键技术研究

3.1 强对流监测与预警技术

利用C#编程语言对MeteoInfo类库［9］进行了二次开发，实现了多普勒天气雷达数据的读取、质量控制、产品反演，并支持GIS地图的加载和缩放以及多种格式气象数据的读取、处理及综合显示等功能，该模块界面如图2（a）所示。同时，该模块中的风暴自动识别算法借鉴了改进的SCIT算法［8］，首先沿着径向遍历所有距离库搜索雷达回波强度值超过预设的不同阈值的连续区域，记为“风暴段”；其次对同一仰角上相邻的“风暴段”进行相关性分析，将符合相邻条件的“风暴段”进行叠加与组合，并记为“二维风暴单体分量”；然后按照垂直方向的相关性将不同仰角上的“二维风暴单体分量”进行合并、剔除、排序和组合为“三维结构风暴单体”；最后根据定位后的“三维结构风暴单体”，对其进行相关特征和物理量计算和分析，自动识别强对流天气的类型和特征，识别算法流程图和识别产品分别如图2（b）和图2（c）所示。

图2

3.2 三维风场反演技术

3.2.1 反演算法

利用Xu等［10］改进后的简化伴随法进行雷达三维风场的反演研究。其总体思路为：将反射率因子平流方程和径向风动量方程同时作为强约束条件，质量连续性方程及压力方程、速度动量方程作为弱约束条件，将雷达径向速度与反射率因子作为初始场和边界条件，通过极小化代价函数J（Cost Func⁃tion），从而获得最优化的平均风场［11］。所用的方程如下：

径向风动量方程：

其中vr为径向速度，v为水平风矢，κ为热扩散系数，π为压力扰动项，r为沿雷达径向单位矢量，温度扰动项 b=gθ/Θ ；

反射率平流方程：

其中η为反射率，S为未知源项；

压力方程：

速度动量方程：

质量连续性方程：

构造的代价函数表达式为

r指上述方程（3）、（4）、（5）的左边项；w1、w2、w3、w4、w5和w6为各约束项的权重系数。

利用共轭梯度法确定各变量的最佳下降方向，通过不断迭代，估算v、π、b和S，并检查相邻两次迭代点的函数值是否小于预先定义的值ε，即

其中k为迭代次数，如果满足条件则停止迭代，并输出计算的v、π、b和S，否则继续迭代，直至小于预设值ε。

3.2.2 风场反演个例效果

个例1选取2016年6月19～20日发生在浙江湖州、安徽宣城等地的梅雨期特大暴雨过程。此次过程湖州日雨量达276.5 mm，突破有气象记录以来单日历史极值，此次特大暴雨过程雨量历史罕见，降水强度大，且持续时间非常长，受灾严重，图3（a）为2016年6月20日14：44（北京时间，简称BT，下同）湖州多普勒雷达观测的1.5°仰角上反射率因子（彩色区域）并叠加了风场反演结果（黑色矢量箭头）。个例2选取2018年3月4日发生在湖州的一次强对流、大风天气过程，此次过程造成长兴县出现了降雹天气，图3b为2018年3月4日17：53湖州多普勒雷达观测的1.5°仰角上反射率因子和风场反演结果。上述风场反演结果结构精细，有助于预报员深入理解中尺度对流的运动学和动力学机理，为强对流天气的预报和预警提供技术支撑。

图3 风场反演产品

3.3 雷达回波三维可视化技术

目前对于雷达回波还是以平面二维显示方式为主，这只能反映某一层仰角上的回波分布情况，不够直观，这就要求预报员以及研究人员在脑海中重构雷达回波的空间分布。随着科学技术的发展，三维可视化技术已逐渐应用于自然科学等领域，其可将大脑中的影像直接显示在屏幕上，利用三维可视化技术可以更大限度挖掘雷达回波数据的有效信息，为做雷达回波分析提供了一种更有效的方法［12～14］。

3.3.1 三维可视化算法

根据天气雷达强度回波特点，选用光线投影算法（Ray-Casting）［15～16］对雷达回波进行三维空间重建。其基本原理是：从图像的每一个像素点，沿视线方向发射一条光线，当这条光线穿越整个体数据时，沿着光线的方向对体数据进行等间隔采样，通过插值获得采样点的颜色值与不透明度；然后按照自前向后（或从后往前）的顺序对光线上的采样点进行合成，最后得到这条光线对应的屏幕上像素点的颜色值，即渲染图像的颜色，示意图如图4所示。

图4 光线投影原理示意图

关于采样点的合成，本文采用自前向后的合成方法，合成公式为

其中，Ci和Ai分别为在体纹理上采样所得到的颜和不透明度。

3.3.2 个例显示效果

同样选取2018年3月4日发生在湖州的一次强对流、大风天气过程为例，图5（a）为2018年3月4日17：53湖州多普勒雷达观测的组合反射率因子图，其中红色方框代表用户选择的三维可视化的区域；图5（b）为所选区域雷达回波强度的三维空间显示，图5（c）为该区域中心的三维彩色切面图。通过对雷达回波的三维可视化，能最大限度挖掘雷达资料的潜力，为气象工作者提供更直观的显示信息。

3.4 基于数值模式的强对流潜势预报技术

在强对流天气的预报预警中，若仅以多普勒天气雷达观测的回波及反演产品为基础的预警技术，一般有效外推时间在0～2h，如果超出这个时效，预报能力非常有限。考虑到中小尺度强对流天气发生发展与各种气象环境条件密切相关，系统利用数值预报模式计算和开发了多种对强对流天气的发生发展有指示意义的物理量和对流参数产品，该模块界面如图6所示，支持产品的循环和动态播放等功能。

图5

图6 强对流潜势预报产品

4 结语

本文针对浙北地区强对流天气特点和实际业务需求，利用C#和Python编程语言，设计和开发了基于多普勒天气雷达的强对流天气监测与预警系统。该系统实现了强对流监测与预警、三维风场反演、雷达回波三维可视化以及强对流潜势预报等功能。通过选取不同天气过程个例对上述功能进行了试验，结果表明该系统可充分发挥多普勒雷达及数值预报产品在强对流天气短临预报和潜势预报中的作用，可为精细化预报和强对流天气精准预报提供重要参考依据及技术支撑。