基于雷达回波带径向波形特征的阵风锋识别

基于雷达回波带径向波形特征的阵风锋识别

1阵风锋识别算法及应用相梯度波动中的冷态下沉气流达到较低的水平，在外部延伸，与低温湿气汇合，导致强风。这就是矩阵的前沿。在天气雷达探测中,阵风锋表现为位于雷暴前沿、外流边界、弓形回波、飑线强回波带的前沿一条或多条呈弧形的加强窄带回波。它的出现会带来强突变性地面阵风、显著强风切变和从地面扩展到外流冷空气顶部的湍流,强风切变和湍流都会对低空飞行的飞机造成毁灭性灾害;另外阵风锋的出现易触发新风暴的发展;如果它与现存对流系统交汇,对流系统的发展会更旺盛,并可能引发破坏力更强的灾害目前国际上广泛使用的阵风锋识别算法主要基于多普勒天气雷达,如美国联邦航空管理局的低层风切变警戒系统采用的MIGFA(MachineIntelligenGustFrontAlgorithm)算法。美国于20世纪70年代开展对阵风锋系统的研究,80年代由麻省理工学院林肯实验室提出基于天气雷达的阵风锋识别算法,目前用于美国联邦航空管理局低层风切变探测系统的是该实验室发展的第三代算法基于我国新一代多普勒天气雷达的阵风锋系统识别算法的开发,能提高新一代天气雷达的使用效率。加强对阵风锋系统的识别,提高其预报准确率,为天气预报及航空业务服务,从而进一步减少因阵风锋造成的经济损失。陈钢阵风锋在反射率因子图像上表现出一条纹理清晰的窄带回波,纹理清晰、窄带和尺度多变是阵风锋回波在反射率因子图像中呈现的关键特征。由于阵风锋回波局部特征因地域而有所变化,本文将在江苏沿江地区阵风锋特征普查统计分析的基础上,设计一种完全依赖于阵风锋雷达回波表现特征的自动识别算法。该算法具有简单、操作性强,易于气象工作者理解等特点。对阵风锋回波特征识别算法的成功研究不仅可提高整套阵风锋识别预报算法的效果,还可推广应用于回波特征类似的海风锋2阵风锋天气雷达回波特征统计分析在筛选阵风锋个例数据时,充分考虑了雷达台站附近地面自动站的分布情况、自动站要素种类以及风廓线雷达的布设位置。普查了2009-2012年以江苏南京天气雷达站为主的天气雷达反射率因子图像中含有阵风锋窄带回波(类似)的所有个例,共有103个天气过程,约2000幅图像,结合地面自动站要素变化情况,筛选出典型阵风锋天气过程11个,约250幅图像样本用于特征统计分析。其余窄带回波图像作为弧形(线形)弱回波区个例同样进入特征统计分析。3风景秀丽特征统计从阵风锋发生的时间、持续时间、移速、阵风锋反射率因子回波图像的总体特征和局部特征的角度,较为全面的了解阵风锋特性和图像特征。3.1阵风锋弧长变化及与回波的关系初步统计发现,江苏沿江地区阵风锋多出现于5-8月,且以8月居多,多发生于06:00(世界时,下同)-11:00。持续时间在0.5~3.5h。阵风锋平均移速在15~100km·h式中:x为阵风锋弧长(单位:km);y为阵风锋移速(单位:km·h从图1可看出,弧长位于45~125km的阵风锋移速随着弧长的增加而增加。弧长超过125km的阵风锋会出现随着弧长的增加移速反降的情况。由于弧长短于45km的阵风锋较少且较难发现,同时考虑和移速的关系,业务工作中应重点关注弧长在45~125km的阵风锋发展动态。另外,有23%的个例过程会同时出现2条及以上的阵风锋窄带回波,均出现于8月午后,初步分析认为8月为江苏沿江地区午后单点雷暴多发时段,单点雷暴易出现出流边界,从图像上则会呈现出窄带回波。而单点雷暴地区往往对应雷雨大风天气,因此8月午后单点雷暴的出现以及其引发的出流边界(阵风锋)是夏季短时临近天气预警预报工作关注的重点。3.2反射率因素图像中矩阵前线的全球特征统计分析阵风锋在反射率因子图像上的总体特征和李劲等3.3局部特征统计分析除阵风锋在反射率因子图像上呈现出窄带回波形态外,弧形弱回波区域和虚线回波在反射率因子图像中也呈现出与阵风锋类似的弧状(线状)窄带回波形态。弧形弱回波区域有时为弱降水回波区域,有时为云区,常出现于非降水反射率因子图像中或弱降水阶段的反射率因子图像中,如图3a白色矩形框内所示;虚线回波指的是由于天气雷达在运行过程中受电磁干扰的影响,在低仰角反射率回波图像上呈现出沿径向方向的辐辏状弱窄带回波,如图3b白色矩形框内。为了分析这些窄带回波特征的异同,本文放大他们的局部特征分别进行统计分析,统计结果如表1所列。从表1可见,三种窄带回波垂直发展高度相似,都只出现在低仰角反射率因子图像中。回波带上反射率因子分布统计值出现差异:阵风锋窄带回波的平均值分布和最大值分布比其他两种回波带要宽泛,平均值分布阵风锋最大,虚线回波和弱回波区相似;最大值分布阵风锋和虚线回波相似,弱回波区最小;回波带反射率最小值虚线回波数值最大,而其他两种相似。从反射率数据分布统计特征来看,虽然三种回波带各有异同,但是仅通过设定动态阈值来区分难度较大。三种窄带回波中,弱回波和阵风锋回波从数值上相比有明显差异,尤其在回波带反射率平均值分布和最大值分布均有较大差别:弱回波平均值分布在2~6dBZ之间,阵风锋在4~13dBZ之间;弱回波带最大值分布在3~10dBZ之间,而阵风锋回波带最大值分布在5~21dBZ之间,可见阵风锋回波带相较弱回波带起伏变化更明显,数据变化范围更广。本文根据这一特征设计了一种平坦度计算方法来分别统计三种回波带的平坦度表征这种差异性,如下文4.2节所示。另外,从回波带局部图像发现,三种回波带的径向波形各有特色,下文对三种回波带的径向波形也进行了统计分析。3.4回波波形特征大量统计分析工作发现,尽管各种弱窄带回波形态相似,反射率因子数值大小也类似,但是沿径向的反射率因子图像波形却各有特色。分析沿径向波形特点也符合雷达数据为极坐标数据,径向数据为原始数据,未经过插值,比起直角坐标系下的识别,数据真实性和完整性得到了很好保证。三种窄带回波径向波形特征统计如表1所示,波形举例如图4所示。从径向波形可见,弧形弱回波区径向波形在一定波宽内呈现锯齿状,波宽范围内有多个峰值,如图4a所示;虚线回波因只沿径向发展,在径向呈现阶梯型,并且波形具有径向延展性,如图4b所示;而阵风锋在径向的波形呈现较为显著的梯形,波峰1~2个,有一定波宽,并且具有双边正梯度特性,如图4c所示。由此可见从径向波形特点出发,可以通过判断径向波形的波宽、波峰个数、波峰阈值、波形双边梯度等特性来识别属于阵风锋的径向波段。4根据雷达反射率因素数据的矩阵特性自动识别4.1非空回波的预处理在对三种窄带回波图像特征统计的基础上,设计了结合归一化直方图平坦性计算算法和阵风锋径向波段识别算法的基于雷达反射率因子数据的阵风锋特征自动识别算法。由于阵风锋回波较弱,在观测和识别中易受其他回波干扰,为提高识别率,在识别算法计算前先对低仰角(0.5°和1.5°)反射率因子数据做预处理。(1)孤点值处理:孤点值是在无降雨回波区域中存在有降雨的距离库值。这可能是由于虚假噪声或飞机飞过波束造成的。孤点值判断的方法为如果某一个距离库的反射率因子Z值大于最小临界值(18dBZ),并且周围相邻的距离库中最多有一个距离库的Z值大于最小临界值,认为该距离库的值是孤立的,则该距离库值被判定为孤点值。一旦距离库的反射率因子Z值被标记为孤点值,它将被赋值为0dBZ。(2)孤立点线处理:对雷达反射率因子数据进行一个简单的过滤,去除孤立的点和线。对于给定的反射率库X,以它为中心点,取5×5数据,得到非空反射率探测值个数N,那么非空值的百分比(P式中:N预处理效果如下图5所示,从处理前后的对比可看出,采取的预处理手段有效抑制了斑点状回波和虚线回波。但阵风锋回波主体基本未受影响。预处理后的反射率因子数据场显得“干净”许多。需要说明的是,由于阵风锋回波带总体偏弱,某些回波段放大后实际为多节分裂回波段,分裂的边界在预处理阶段易被进一步平滑削弱甚至去除,但是只要阵风锋主体基本保持完整,就不会影响其对阵风锋回波的识别和后续开展对阵风锋区域的进一步区划和跟踪工作。4.2回波模型特征计算方法的建立根据3.3节统计结果发现,三种窄带回波在回波带数值上均表现出不同程度的差异,本文设计了一种平坦度计算方法来分别统计三种回波带的平坦度,定量描述这种差异。文献[19]采用了熵匹配的函式模板方法来计算雷达反射率因子图像上固定网格内的熵值,根据熵值大小来区分阵风锋回波和其他回波。采用公式如下:式中:h为网格内落在反射率高值范围内的像素数目;l为网格内落在反射率低值范围内的像素数目;r为不能分配的像素数目;N为网格总像素。此方法与边界取向无关,无需旋转模板来迎合阵风锋边界的不同取向,对于业务需求来说将明显减少计算量。但是多变的阵风锋反射率数据分布限制了该方法的使用,h、l、r值均不能等于零,且实际情况并非如此。从表1中可知,阵风锋反射率因子强弱分布依天气过程不同差异较大,无法保证该方法的使用条件。本文借鉴了熵函式模板的思想,根据反射率因子图像色标设置标准和上文阵风锋反射率因子数据统计结果,设计了简化的归一化反射率因子直方图平坦度计算方法,有效地避免了公式(3)出现无法计算的情况。反射率因子回波平坦性可这样理解:在一定数值范围内(连续色标等级内)各色标等级内的数值个数分布较为平均(图6)。图6b为图6a阵风锋反射率因子164°方位角(白线处)的直方图分布。该方位角上阵风锋径向数据位于两档色标等级内(0~5dBZ,5~10dBZ),横坐标1代表0~5dBZ一档,对应纵坐标位于该档内的数据个数;2代表5~10dBZ一档,对应纵坐标位于该档内的数据个数。从图6b可见直方图分布均匀。根据这一特性,本文设计计算归一化反射率因子直方图平坦性公式如下:式中:E为回波带平坦性大小,数值越低,回波越平坦;N为网格n×n内的所有有效像素数目;n直方图等级和色标等级分级一致,根据统计确定最高等级数4级,为0~25dBZ,如图6a中色标前4等级所示。根据公式(4)统计分析了三种窄带回波的平坦性阈值,阵风锋平坦性>0.65,回波虚线>0.75,而弱回波区相对于其他两种窄带回波更为平坦,为0.45~0.6。计算结果与表1回波特征统计结果基本吻合。根据结果可见通过平坦度特性的计算及阈值的设定可区别阵风锋和弱回波区两种窄带回波。4.3阵风锋我国径向方向—阵风锋径向波形寻找算法设计通过上述两步处理工作,得到用于识别阵风锋回波的反射率因子初值场。基于反射率因子数据的阵风锋回波自动识别流程设计如图7所示。由图7可知,该识别算法分三步,首先对低仰角反射率因子数据进行质量控制,在此基础上,采用回波平坦性计算方法,对数值场进行平坦性测试,通过测试的反射率数据得到保留。未通过的则予以剔除。保留的数据则进入阵风锋径向波形识别算法环节。从3.4节统计结果发现从径向波形特点出发,可以通过判断径向波形的波宽、波峰个数、波峰阈值、波形双边梯度等特性来识别属于阵风锋的径向波段。基于以上特点设计了阵风锋径向波形寻找算法。需要说明的是由于阵风锋回波高度低于3km,因此寻找算法在0.5°仰角时,沿径向斜距从1~160km进行搜索;1.5°仰角时,沿径向斜距从1~90km进行搜索,寻找过程步骤如下:(1)初始正梯度寻找:逐方位角沿径向方向计算梯度,当出现正梯度时则进行(2);(2)波宽完整度判断:从出现正梯度位置出发,检验在满足阵风锋径向宽度范围内的数据是否完整,径向波宽阈值设为3~12km。完整性即判断在一定波宽内所有的数值均为有效数值。若满足则进行步骤(3),否则继续进行步骤(1);(3)波宽内回波段平均值的计算:计算该波宽内回波段的平均回波值,若平均值满足统计的径向阵风锋回波数值段的统计平均值(4~13dBZ),则进行步骤(4),否则摒弃该波段,重新继续寻找步骤(1);(4)波宽内回波段最大值的定位:在步骤(3)确定的波宽内寻找最大值,允许同时存在3个最大值。若最大值个数超过3个,则认为该波段不属于阵风锋回波,予以摒除,否则采用模糊定位法定位最大值所在位置,若处于该回波段的中心位置,则认为该回波段属于阵风锋回波。具体定位如下,首先排序该波段所有数据,取第一和第二最大值的两者平均值;当该平均最大值符合阵风锋最大回波值时,采用公式(5)判断最大值是否基本位于该段回波段的径向中心位置:式中:L(5)最大值双边正梯度查找:当算法通过步骤(4)查找方法找到符合阵风锋径向段中心位置后,开始计算中心位置两边的梯度,若梯度均为正值,则该回波段被识别为阵风锋回波区的回波段。经过上述5个步骤则可以确定一段属于阵风锋回波的径向波段,多个径向波段的组合则完整呈现出一条阵风锋回波。上述5个步骤必须同时满足才能判为阵风锋回波,严格约束条件提高了识别准确率。但该识别算法会丢失平行于径向方向的阵风锋回波点,由于所有阵风锋都具有一定曲率(弧度),因此只会丢失极小部分的阵风锋数据,对判断阵风锋整体不会造成影响。因此方法可取,且算法简易有利于理解。4.4数据分析及结果利用统计分析的所有个例过程对上述阵风锋回波自动识别算法进行验证分析,分别计算独立型和混合型阵风锋回波的识别准确率、误判率来分析识别效果。对阵风锋回波数据,该方法正确识别为阵风锋回波点数目占整个资料数的比例为识别准确率,非阵风锋回波点识别为阵风锋回波点为误判率。为了给出该识别算法的适用范围,根据回波带反射率因子平均值的大小分档进行识别率的统计,统计结果如表2所示。由表2可见,尽管本文识别算法中多处阈值采用动态调整计算的方式,但是对于弱阵风锋回波带识别效果还是不理想,分析原因是由于纯粹独立的阵风锋回波带实际较少,大部分回波带都与其他非降水回波混合,回波带数值较弱的情况下,与非降水回波区无法区分;对于较强独立型阵风锋回波带(平均值>5dBZ),识别准确率达到了87%以上,误判主要出现于降水回波区的边缘地带。混合型阵风锋由于阵风锋主体与其他回波混合在一起,统计中未发现有低于5dBZ的混合型阵风锋,当回波带平均值较大时,识别成功率迅速提高,>10dBZ的阵风锋回波带识别率高达89%以上。下面对一个混合型阵风锋回波带识别效果做具体分析。分析2009年6月14日11:12南京雷达观测的一次阵风锋回波的识别效果(图8a箭头处),如图8所示,该阵风锋回波在雷达探测范围内,自初生到消亡从北向南移动共持续约2h,其中回波带最大反射率约13dBZ,最小值约为5dBZ。该阵风锋回波带过境时地面气象站要素出现了明显的变化,以溧水站为例,当阵风锋过境时,气压上升(由1003.5hPa至1006.7hPa),温度下降(29.5℃降至24.5℃),风速陡增(0.5m·s5阵风锋回波特征统计性描述本文以江苏沿江地区天气雷达为主,系统普查了雷达反射率因子数据中的阵风锋总体特征和局部特征、研究了阵风锋弧长与移速关系、统计了三种窄带回波分布特征和