改进气象雷达TITAN算法在灾害性天气预警中的应用研究

侯正俊 潘多 王磊

摘要提出一种适用于我国不同季节、经纬度和下垫面的改进气象雷达TITAN算法。建立天气雷达数据格式转换系统，将我国不同型号新一代天气雷达基数据转换成MDV格式雷达数据；按我国不同气候类型、经纬度和海陆下垫面特征，统计获取不同区域强风暴天气雷达特征指标参数阈值。利用云贵高原和海南地区不同下垫面的两次典型超级单体强风暴天气雷达实况数据与改进的TITAN算法进行实验对比分析。分析结果指出，采用改进TITAN算法识别、跟踪和预测05～1 h后的强风暴天气误差较小，可信度较高，有助于识别预警灾害性天气和人影指挥作业。

关键词多普勒气象雷达；TITAN算法；区域生长法；三维插值

多单体、超级单体和飑线等强风暴引发的冰雹、下击暴流等灾害性天气，具有空间尺度小、突发性强、发展演变迅速、破坏力大等特点，危及人民的生命财产及农作物生产安全。新一代多普勒气象雷达以其高时空分辨率和快速扫描机制，成为实时探测中小尺度灾害性天气最为独特而有效的手段（杨金红等，2008）。此外，仅仅依靠新一代多普勒天气雷达探测的基数据，无法为人工消雹作业提供强风暴冰雹云的生长、发展、消亡及移动路径的准确信息，这将导致在防雹作业中无法确定最佳作业时机、作业部位和作业量。早在20世纪80年代，美国WSR88D强风暴实验室就给出了基于雷达基数据的SCIT风暴识别算法（Klazura and Imy，1993）。而TITAN系统（Dixon and Wiener，1993）则是近年来美国国家大气研究中心基于雷达观测体系开发的用于风暴识别、跟踪、分析和预报的完整系统。TITAN系统的主要算法在美国及世界上其他国家和地区得到了广泛应用。2008年北京市气象局首次引进TITAN系统，用于奥运气象保障服务（周毓荃等，2009）。国外，Eilts et al.（1996）采用多个气象雷达回波特征参数联合判定识别超级单体强风暴，包括：一个迅速下降的反射率因子核、强且深厚的中层辐合（地面上2～6 km）以及较高的回波顶高（王芬和李腹广，2009）。李红斌和张洪胜（2010）基于多普勒气象雷达二次产品和线性回归外推法，获取风暴移速和方向，从而为防雹作业提供决策依据。安林和张强（2006）指出不同地区的雷达雹云识别指标特征参数是不同的。

本文在上述研究的基础上，提出一种适用于我国不同季节、经纬度和海陆下垫面的改进TITAN算法，采用多个不同地区强风暴天气雷达实况数据，进行改进的气象雷达TITAN算法识别跟踪强风暴天气实验。结合雷达实况数据和地面自动站数据进行误差分析，验证该算法的可行性，以期为自适应识别预警灾害性天气及人影作业提供决策参考。

1雷达数据格式转换方法

使用地基气象雷达基数据前，必须进行雷达数据质量控制，包括杂波抑制、噪声去除和缺测数据的填补（Lakshmanan et al.，2003）。本研究所移植的TITAN算法系统前端采用MDV（Meteorological Data Volume）格式数据导入。该格式由文件头、层文件头和数据体3部分组成。表1给出MDV数据格式主要参数。

从表1可以看出，MDV格式是按照经纬度和高度模式，由西向东、从南到北依次存储雷达基数据的。而新一代天气雷达基数据是以极坐标形式存储的，并且不同型号雷达数据格式不同，需要通过数据格式解析（梁海河和张沛源，2002）和三维格点插值（Zhang et al.，2005）转换成MDV数据才能应用于TITAN算法中。

目前我国新一代天气雷达包括SA/SB/SC/CA/CB/CC/CD等多种型号。采用文件后缀名和文件长度联合匹配法，将混合雷达基数据分类成SA/SB/SC/CA/CB/CC/CD雷达数据，根据各自型号雷达数据文件格式，分类进行解析。提取雷达基数据至三维极坐标数组中，提取非雷达信息数据作为MDV文件头中对应的参数。对三维极坐标数组雷达数据进行反距离权重插值（彭霞云等，2007），获得三维格点数据。整个雷达数据格式转换流程如图1和图2所示。

设r、h分别为待求插值点距离雷达中心的水平距离和高度。Db、Df、Du、Dd分别为待求插值点Dr，h与相邻仰角数据的4个交点（如图1所示），rb、rf为点Db、Df距离雷达中心的水平距离，hu、hd为点Du、Dd所在高度，则待求Dr，h定义式如下：

Dr，h=Db（r-rb）2+Df（rf-r）2+Dd（h-hd）2+Du（hu-h）21（r-rb）2+1（rf-r）2+1（h-hd）2+1（hu-h）2。

2强风暴识别预警阈值设置

TITAN（Dixon and Wiener，1993；Johnson et al.，1998）是近年來美国国家大气研究中心（NCAR）基于雷达观测体系开发的风暴识别、跟踪、分析和预报系统。因为我国大陆和海洋地区下垫面复杂，气候类型分布多样，不同经纬度、季节和下垫面大气环流特征有明显差异，所产生的强对流天气的雷达回波特征也不相同。所以强风暴识别和跟踪阈值在TITAN算法中需要根据不同地区进行自适应调整。表2给出TITAN算法中雷达特征指标主要参数。

从表2可以看出，风暴最大反射率因子、冰雹云垂直累积液态水含量、回波顶高以及风暴质心高度相对于0 ℃和-20 ℃等温线高度的位置等参数的阈值是受季节变化、气候类型和下垫面影响的（吴芳芳等，2010），不可直接采用TITAN算法中的默认阈值。本文将我国按不同气候类型、经纬度和海陆下垫面划分为14个特征区域（如图3所示），在每个特征区域进行大量的灾害性中小尺度强对流天气雷达实况数据统计。从图3中可以看出，我国4种气候分布类型及分区大致有如下对应关系：1、2、3、4、5区属于温带大陆性气候；6、10、11区属于温带季风气候；7、8、9区属于高原山地气候；12、13、14区属于亚热带季风气候，其中有些区域兼有两类气候分布。

海南省海洋面积占比最大，此地区影响风暴阈值的关键就是海洋和陆地的下垫面差异。海陆交界区域的雷暴，具有明显的下垫面特征。海南省强对流天气引起的闪电活动主要发生回波强度大于50 dBz的区域边缘，其他强回波区域（回波强度大于35 dBz的区域）基本上无闪电发生。云顶高度达到12 km，强回波中心高度4 km左右。

9区和10区两类气候类型交界位置的甘肃永登，统计其不同月份对流风暴雷达回波主要参数。雹云内反射率存在高空极大值，其多在离地面6～9 km的高度上，随着高度的增加反射率数值逐渐减少；不同类型的冰雹云，其反射率变化有很大的区别；当回波强中心50 dBz并达到4 km高度以上，降雹随即产生。

统计分析14区的安徽，10区的山西榆林和6区的黑龙江飑线雷暴的雷达回波垂直剖面结构。安徽大范围飑线过程的雷达回波的垂直剖面上，50 dBz的强回波一直扩展到12 km，位于-20 ℃等温线（87 km）以上；从图6b可以看出，山西的这次大范围飑线过程，雷达最大回波强度在47～63 dBz，垂直剖面上显示风暴顶在18 km以上，50 dBz以上强回波的高度一直扩散到6 km以上，位于0 ℃层（4 km）以上，-20 ℃层（约7 km）以下；从图6c可见，黑龙江省西部飑线过程的发展强烈时段回波强度超过35 dBz的部分水平尺度长达150 km左右，宽为20 km左右。雷达回波上的飑线特征明显，在移动过程中呈南北向的带状分布，12：00前后飑线达到最强，强中心强度超过60 dBz。

综上所述，表3给出14个区域强风暴天气观测雷达的型号、统计样本数和雷达特征指标阈值。依据表3给出的强风暴雷达特征指标阈值和GPS定位系统可自适应的调节TITAN强风暴识别预警参数阈值，提高TITAN算法在不同地区识别预警强风暴的精度。

3实况天气数据实验分析

选取分别发生于云南、贵州和浙江的冰雹、飑线等强风暴天气的新一代天气雷达实况数据作为改进TITAN算法的实验数据。根据前述雷达数据格式转换算法和强风暴阈值自适应调整方法进行强风暴天气识别预警实验。

31云南灾害性冰雹天气实验分析

从昆明站2016年7月10日16：13的雷达实况来看（图4），距离雷达中心约50～60 km，方位约105°（以正北为0°，下同）附近有明显的强对流单体生成（白色圆圈内），其南北长约128 km，东西宽约5 km，内部存在3个反射率因子超过50 dBz的强风暴核。沿强风暴核做任意剖面可以看出此刻风暴单体回波顶高达12 km，35 dBz强回波顶高超过8 km，45 dBz强回波顶高超过6 km，50 dBz以上的风暴强中心回波顶高超过4 km，整个强回波迅速发展，这种结构极易产生冰雹等灾害性天气。

当日17：00（图5），距离雷达中心约50～60 km，方位约110°附近存在一明显的强风暴单体（白色圆圈内），其水平最大长度达10 km，最大宽度约45 km，内部存在一个反射率因子超过55 dBz的超强风暴核。沿此强风暴做任意剖面可以看出，此强风暴单体回波顶高为8 km左右，35 dBz强回波顶高约为6 km，55 dBz以上的强风暴强中心回波顶高低于3 km，整个强回波中心及地，风暴内多下沉气流。这表明强风暴单体内有大的降水粒子下落，并逐渐消亡，此时对应该位置的马军村委会5个村小组发生了冰雹灾害性天气。

采用2016年7月10日16时01—13分3个时次昆明雷达实况数据作为TITAN系统识别预警强风暴发展演变的初始数据。采用表3中12区的强风暴雷达特征阈值和当日08时昆明探空站TlnP给出的0 ℃等温线（约为52 km），-20 ℃等温线（接近9 km）高度数据替换TITAN默认参数。图8给出了17：00发生冰雹灾害的雷达实况，其强风暴核心区距离雷达站607 km，方位为108°。图6白色圆圈处是采用改进的TITAN算法经过1 h识别外推后的预警位置，其中心距离雷达站586 km，方位为1098°，与实况位置相比，整体平均误差为26%，可信度较高。

32贵州毕节冰雹天气实验分析

图7a为2016年4月5日18：09的天气雷达实况。图7b为18：40贵州毕节发生冰雹天气的雷达实况。图7c为19：11同一地区发生冰雹天气的雷达实况。图8a和图8b是基于18：09—18：21连续3个时次雷达实况数据、12区雷达特征指标阈值以及当日08时贵阳站TlnP图给出的0 ℃等温线高度（约5 km）和-20 ℃等温线高度（约75 km）进行改进TITAN识别预警30 min和1 h后的强对流单体位置。

从图7b、8a中可以看出，经30 min识别预警后和实况数据对比，原1号和2号单体强中心呈合并增强趋势，位置平均相对误差为5%，强度相对误差为偏弱-44%，

预测位置和强度较为精确；原3号单体强中心实测为消亡，预测为持续存在，这主要是由于原3号单体强中心發展呈快速减弱消亡趋势，导致预警失败。

从图7c、图8b中可以看出，此次贵州省毕节市18时左右开始的3个强中心核，经1 h识别预警后和实况数据对比，实测的2个强中心经过合并增强发展后又迅速分裂衰减，而预警结果为原合并单体持续发展，平均位置相对误差为78%，强度相对误差为偏强10%。原3号单体实测仍为消亡，而识别预警也出现错误。由此可见，改进的TITAN算法在对复杂单体的合并分裂和消亡的判断上误差很大。

图9和图10分别给出表3中所有观测的223例强风暴冰雹、飑线天气采用改进TITAN算法和原始TITAN算法的30 min识别预警结果与实测结果的相对偏差分布。由图9可见，改进后的TITAN算法在识别预警前147个超级单体强风暴时，预测位置和强度总体平均相对误差较小，主要集中在±02以内，只有极少数个例偏差较大；在识别预警76个强飑线天气过程时，相对误差偏差较大，有部分个例超过±1，这与强飑线天气复杂的空间结构，多强单体核的新生、分裂合并和发展消亡有关。从图10可以看出，原始TITAN算法在识别预警强风暴天气时，无论是超级单体还是强飑线天气，预测位置和强度总体平均相对误差远高于改进TITAN算法，很多个例出现±2～±3的极大误差。由此看出，建立自适应的不同经纬度、季节和下垫面的雷达特征指标阈值数据库是十分必要的。

4结论

本文基于新一代天气雷达的体扫反射率因子实况数据，采用改进的TITAN识别预警算法，进行强风暴天气的识别、跟踪和预警实验。通过对大量强风暴实况天气实验分析得出以下几点结论。

1）TITAN算法前端是基于MDV雷达数据格式，而新一代天气雷达不仅基数据格式类型多样，而且均采用极坐标形式存储，必须进行雷达数据格式解析和三维格点插值，将天气雷达基数据应用于TITAN算法中。

2）在不同季节、经纬度和下垫面条件下，强风暴天气雷达特征指标识阈值标准不同，必须分类建立不同地区阈值数据库，根据实时雷达站点GPS位置信息自适应调整TITAN算法强风暴雷达特征指标参数阈值。

3）对于孤立持续发展的强风暴单体，合并发展增强的强风暴单体，改进的TITAN识别预警算法在位置、强度预测的相对误差明显优于原TITAN算法，尤其是30 min内的识别预测结果较为准确，接近实际发生区域。对于新生的单体、发展呈分裂减弱及消亡的单体，改进TITAN算法和原TITAN算法都存在较大误差，这是今后需要進一步研究的内容。

参考文献（References）

安林，张强，2006.人工防雹消雹业务技术问题的讨论[J].干旱气象，24（1）：5356.An L，Zhang Q，2006.Discussion on the technique of the hail suppression[J].Arid Meteorology，24（1）：5356.（in Chinese）.

Dixon M，Wiener G，1993.tITAN：Thunderstorm identification，tracking，analysis and nowcasting—A radar based methodology[J].J Atmos Oceanic Technol，10：785797.

Eilts M D，Johnson J T，Mitchell E D，1996.Damaging downburst prediction and detection algorithm for the WSR288D[C]//18th Conference on Severe Local Storms，American Meteorological Society：541545.

Lakshmanan V，Hondl K，Tumpf G，2003.Quality control of WSR88D data.Preprints[C]//31st International Conference on Radar Meterology.Seattle，WA：American Meteorological Society：522525.

李红斌，张洪胜，2010.基于多普勒雷达研发的防雹作业决策指挥系统[J].安徽农业科学，38（35）：2019320196.Li H B，Zhang H S，2010.Decisionmaking and commanding system for hail suppresion operation based on research of Doppler radar[J].Journal of Anhui Agricultural Sciences，38（35）：2019320196.（in Chinese）.

梁海河，张沛源，2002.全国天气雷达数据处理系统[J].应用气象学报，13（6）：749754.Liang H H，Zhang P Y，2002.China operational weather radar data processing system[J].J Appl Meteor Sci，13（6）：749754.（in Chinese）.

Johnson J，Mackeen P，Witt A，et al.，1998.The storm cell identification and tracking algorithm：an enhanced WSR88D algorithm[J].Wea Forecasting，13：263276.

Klazura G E，Imy D A，1993.A description of the initial set of analysis products available from the NEXRAD WSR88D system[J].Bull Amer Meteor Soc，74（7）：12931312.

彭霞云，闵锦忠，周振波，2007.单多普勒雷达反演风场的质量控制[J].南京气象学院学报，30（1）：7985.Peng X Y，Min J Z，Zhou Z B，2007.Quality control of single Doppler radar derived wind field[J].J Nanjing Inst Meteor，30（1）：7985.（in Chinese）.

王芬，李腹广，2009.多普勒天气雷达冰雹探测算法评估及检验改进[J].气象科技，37（3）：345348.Wang F，Li F G，2009.Assesment and improvement of CINRAD/CD hail detection algorithm[J].Meteorological Science and Technology，37（3）：345348.（in Chinese）.

吴芳芳，俞小鼎，王慧，等，2010.一次强降水超级单体风暴多普勒天气雷达特征[J].大气科学学报，33（3）：285298.Wu F F，Yu X D，Wang H，et al.，2010.A HP supercell case study with the data of Doppler weather radar detection[J].Trans Atmos Sci，33（3）：285298.（in Chinese）.

杨金红，高玉春，程明虎，2008.相控阵天气雷达与多普勒雷达的探测精度与探测能力对比研究[J].气象，34（5）：4451.Yang J H，Gao Y C，Cheng M H，2008.A comparative study of detection precision and capacity between phased array weather radar and Doppler weather radar[J].Meteor Mon，34（5）：4451.（in Chinese）.

Zhang J，Howard K，Gourley J J，2005.Constructing threedimensional mutipleradar reflectivity mosaics：Example of convective storms stratiform rain echoes[J].J Atoms Oceanic Tech，22：3042.

周毓荃，潘留杰，张亚萍，2009.TITAN算法的移植开发及个例应用[J].大气科学学报，32（6）：752764.Zhou Y Q，Pan L J，Zhang Y P，2009.Redevelopment of TITAN system and its case application[J].Trans Atmos Sci，32（6）：752764.（in Chinese）.