分类型最优法在天气雷达预报中的应用

分类型最优法在天气雷达预报中的应用

基于分类型最优法的降水估测方法下一代气候雷达已成为中国定量评价区域降水的主要工具。定量评价降水产品不仅在评价中被广泛使用，而且在人工降雨处理、水文洪水预测、标准尺度模型和卫星遥感评价降水等方面也有不同程度的应用。目前常用的降水估测算法是Z-I关系法,天气预报业务中使用的天气雷达产品生成模块RPG(RadarProductsGenerator)中的降水处理系统PPS(PrecipitationProcessingSystem)、新一代天气雷达定量降水估测集成系统(QPEGS)等均使用了该算法。我国新一代天气雷达软件系统中使用的降水算法仍旧沿用了美国天气雷达WSR-88D中PPS降水算法,该算法中设定的Z-I关系式Z=300I1.4中的参数300和1.4由美国夏季强对流云降水统计而得。由于Z-I关系随季节、地区和降水类型变化较大,采用单一关系式估测不同季节、不同地区、不同降水类型的降水往往误差较大。因此很多科研工作围绕统计和改进Z-I关系式参数而展开:姚燕飞等统计了淮河流域梅雨期积层混合云降水的Z-I关系,迟竹萍等针对泰山地区春秋季层状云降水过程建立了Z-I关系,陈秋萍等则计算了闽中北前汛期降水天气的Z-I关系。上述对降水类型的分类都是按天气系统进行分类,显得较为主观和局限,因此有些学者基于降水性质和雷达回波结构进行客观分类,这样可用来提高计算机自动化校正降水的精度。另外通过改进统计Z-I关系式的方法也能提高估测降水的准确率,分距离段、分区域分别统计Z-I关系,或者分雷达反射率因子数值段统计Z-I关系均能提高雷达估测降水的能力。除单一使用Z-I关系方法估测降水外,更多工作采用了Z-I关系和雨量计校准相结合的方法估测降水,但由Z-I关系计算的降水场仍是各种校准法的初值场,初值场的好坏对校准结果有明显影响。因此优化Z-I关系提高降水估测水平这项工作显得非常重要。为充分利用现有手段,本文以提高RPG系统中PPS降水算法精度、为其他短时临近预报系统或数值预报模式提供Z-I关系式参数为目的,开展优化Z-I关系的研究工作。选择江苏沿江地区作为试验区域开展计算工作,提出一种分类型最优法获取参数:即采用最优化方法为不同降水类型建立相应的Z-I关系。本文对试验区域易引发灾害的降水进行了分类,分为梅汛期对流云降水、梅汛期积层混合云降水和夏季台风降水。分别建立对应的Z-I关系后,与单一关系式Z=300I1.4对过程雨量和分段雨量的估测能力进行了对比。文章最后在气候统计的基础上,通过改进雷达定量估测降水产品色标数值等级,以优化雷达估测降水产品图像的显示能力。1试验区域数据的预处理1.1研究区域的确定在日常业务中我们发现同一部天气雷达应用同一种Z-I关系式估测降水会由于观测区域不同而产生不同程度的误差。因此需要在雷达探测范围内选取一块既具有当地代表性的各类降水天气且气象数据适于做统计的试验区域。一般提高天气雷达测量区域降水量的精度,主要考虑以下几种因素:(1)试验区域的大小:一般情况下,试验区域越大、探测距离越远,雷达测量精度越低;(2)试验区域地形:地形越复杂精度越低;(3)雷达反射率因子的测量精度;(4)应用的Z-I关系;(5)雷达观测频率:观测间隔越短,精度越高,反之则越低;(6)所取降水时段的长短:时段越长,由于正负随机误差的抵消作用,精度越高。结合本文所用的南京天气雷达台站位置和观测范围,以及观测范围内自动气象站分布情况,并结合上述因素,我们把以南京雷达站为中心、半径150km范围内包括南京主城及其周边地区(南京、江宁、六合、溧水、高淳、江浦、句容、仪征、镇江、扬州、金坛和丹阳)作为研究区域,见图1。从位置来看该块区域位于江苏沿江地区,自动气象站分布均匀、长江横贯该区域,地形以平原为主,影响雷达观测的地物阻挡现象几乎没有,适于建立Z-I关系。为了确保所建Z-I关系的准确度,本文进入统计的自动气象站雨量数据均为审核上报中国气象局的可靠数据,研究区域内41个自动气象站的小时雨量数据来自地面气象观测数据A文件。在研究工作中,雨量站随机被分为校正组(20个)和检验组(21个),拟合Z-I关系式时采用了校正组雨量站的数据,对估测结果进行实验评价时则采用了检验组的雨量站数据。为了能进一步提高建立Z-I关系的精度,本文做统计计算时把具备相同降水类型的样本数据全部进入统计,确保有足够长的时间序列和足够的统计样本,从而满足降水时段越长精度越高的要求。1.2复合扫描平面生成为了便于本文研究结果的业务转化,在对雷达估测降水初值场的预处理上参考了新一代天气雷达RPG系统中的PPS降水算法和新一代天气雷达定量降水估测集成系统中的质量控制算法。预处理过程包括雷达反射率强度的质量控制和扫描复合平面的生成。雷达反射率强度的质量控制包括超折射处理、孤立点剔除、奇异回波检测和平滑滤波。其中,超折射处理采用连续性检验来实现对超折射回波的去除,即通过对比高低层回波强度的差异来确定超折射。若最低两个PPI的回波强度间的差异大于用户设定的阈值(初始值定为50%),则视为存在超折射,将最低层资料剔除。对每一个有效回波数据,检测其周边相邻8个回波数据点,如果相邻回波点只有一个有效回波,则视其为孤立点,予以剔除。对每一个大于回波最大阈值(50dBz)的点,检测其周边相邻8个数据点,如果相邻回波点中没有一个点大于回波最大阈值(50dBz),则视其为超强奇异回波,用周围8个数据点的平均值取代之。复合扫描平面的生成:雷达回波数据经上述质量控制后,把最低4个仰角的基本反射率扫描转换成一个最佳反射率的混合扫描。根据南京市雷达站数据的特点,取1.2km高度上(降水云体的云底平均高度)的数据进行组合,20km以内使用3.4°仰角,20～35km使用2.4°仰角,35～50km使用1.5°仰角,50～230km使用0.5°仰角。此后即可把生成的混合扫描平面数据根据Z-I关系转换成降水率。2降水回波反射率因子确定雷达定量测量降水的方法有很多种,业务中最常用的是Z-I关系法,即应用雷达气象方程测得降水回波的反射率因子,根据经验的Z-I关系估测降水强度。Z-I关系的参数是决定降水估测结果的关键。本文提出一种分类型最优法获取Z-I关系参数:采用最优化方法寻找不同降水类型的Z-I关系。2.1定量测量降水条件在一定假定条件下,雷达反射率因子Z和雨强I之间有简单的幂指数关系Z=AIb,(1)其中A和b是和雨滴谱有关的参数,这是雷达估测降水的理论基础。根据这一关系,由雷达反射率因子可直接估测降水。系数A和指数b随地区、季节、降水类型、降水性质等变化。Z-I关系的不稳定性,给雷达定量测量降水带来了难度,雷达定量测量降水的关键就是找出适合当地的Z-I关系。在最优化方法中,采用最佳判别函数CTFCTF=min{∑i=1n[(Ii−Ri)2+(Ii−Ri)]}.(2)CΤF=min{∑i=1n[(Ιi-Ri)2+(Ιi-Ri)]}.(2)式中Ii为雷达估计各个样本的雨强值,Ri为自动站测量的雨强值,原理就是不断调整Z-I关系中的参数A和b值,直到判别函数CTF达到最小值为止,即寻找使CTF达到最小的A和b,就是这个统计样本总体的最优参数,也就是说CTF值为最小的参数A和b,使得雷达估计值最逼近实测值。本文中参数A从50到400,步长为1;参数b从1到2,步长为0.01。2.2降水类型的拟合Z-I关系的不稳定性给雷达定量测量降水带来了较大困难,但通过对大量的滴谱资料进行分析发现若对降水成因进行分类,如层状云降水,对流云降水,地形降水等,并分别对不同类型降水统计出相应的Z-I关系,则关系中的参数A和b的变化范围显著缩小。因此我们把对易引发试验区域灾害的降水天气类型进行了分类:梅汛期降水、夏季台风降水。其中梅汛期降水又分为两种:一种是积层混合云降水,降水时间长,累积过程雨量能达到暴雨量级的降水过程;另一种是对流云降水,极易造成短时强降水。分降水类型拟合Z-I关系时我们用了江苏沿江地区2004—2009年6a的南京雷达站天气雷达数据和自动站雨量数据,其中梅汛期对流云降水过程36次,使用样本数761组;梅汛期积层混合云降水过程28次,使用样本数583组;夏季台风降水过程4次,使用样本数54组。计算时将天气雷达数据经过1.2节雷达估测降水初值场预处理后并对时间做1h累积形成1h雷达估测降水产品,根据自动雨量站站点寻找与之匹配的1h累积降水值,通过2.1节的方法最终拟合出新的A和b参数。应用最优化方法分别建立试验区域三种类型的Z-I关系的参数得到如下表1结果:3分类型最优法结果这一节首先通过判别函数和均方根误差评价分类型最优法计算的Z-I关系和单一Z-I关系(Z=300I1.4)的优劣,然后比较两种方法估测过程雨量和分段雨量的能力。3.1两种z-i关系法的定量评价降水能力的比较3.1.1分类型最优法有效性验证对分类型最优法的CTF值(CTF1)和Z=300I1.4的CTF值(CTF2)作比较(见表2)。从表2可知,无论哪种降水类型,分类型最优法处理后得到的CTF值比单一关系式Z=300I1.4的CTF值均有不同程度的减少,从数值大小看无论哪种方法对梅汛期积层混合云降水的拟合误差都是最小,更加逼近真值;分类型最优法对梅汛期对流云降水的雨量估测改善最为明显,CTF值减小了21%。3.1.2梅通插装云水和流云降水erms的比较为了进一步比较两种方法计算的雷达估测值与实际雨量值的离散程度,我们还分别计算了对三种降水类型估测降水的均方根误差Erms,计算结果表明:分型后的最优法对梅汛期对流云降水Erms从3.48mm/h降至3.0mm/h;梅汛期积层混合云降水Erms从1.6mm/h降至1.39mm/h;夏季台风降水Erms从4.66mm/h降至4.63mm/h。这说明经过分型后的最优法估测降水比起Z=300I1.4关系式估测的降水比起真值离散程度都有不同程度的减小,估测的数值更接近真值。3.2采用两种z-i关系法测定了过程中的降水能力和预测的单元数量比较3.2.1结果对比及结果本文统计的过程雨量是指进入统计的2004—2009年期间沿江地区各降水类型的过程雨量总累积值,雨量实况总累积值由自动气象站雨量值计算,雨量估测总累积值由两种Z-I关系法分别计算并累积。比较时根据公式(3)T=雨量实况值−雨量估测值雨量实况值×100%(3)Τ=雨量实况值-雨量估测值雨量实况值×100%(3)若结果T为负,则代表估测的过程雨量被高估,T代表高估的百分比值;若T为正,则代表计算雨量被低估,数值代表低估百分比值。据此估测雨量的结果如下表3:由表3可看出,两种Z-I关系法估测降水均比实况偏低,经过分型后的最优法估测降水比起Z=300I1.4关系式估测的降水均有很大程度的提高。经过细分后的两种梅汛期降水类型在估测过程雨量的表现上没有明显差别,但比起单一公式Z=300I1.4计算的估测值更加接近于真值;台风降水由于台风外围雨带的分布不均,导致区域性降水强度差异较大;另外台风个例较少,统计得到的降水关系代表性较弱,这使得两种估测方法都低估严重,但是分类型最优法低估值改善了27个百分点;总结来看,两种估测降水方法估测过程雨量都比实况偏低,分类型最优法比起单一Z-I关系有明显改善,梅汛期降水估测效果改善近2.5倍,台风降水低估值低于50%。本文统计的过程雨量估测能力的表格简单明了,对调整预报结果有较好的参考价值。3.2.2梅通江苏-河人工降水雨水段与分类型最优法曲线3.2.1节给出了两种估测降水方法对过程雨量的估测能力,体现了整体平均的趋势。本节把雨量按大小分成若干段,考察两种方法估测不同雨量的能力。统计方法如下:根据降水类型的不同以及雨量致灾的程度,本文只统计中雨以上的小时雨量段:梅汛期对流云降水和夏季台风降水统计雨量段为1～20mm/h;梅汛期积层混合云降水雨量段为1～10mm/h。在不同雨量段下,按雨量的增加求解雷达估测降水R与自动雨量站雨量G的比值r=RGr=RG。若比值r接近于1,说明雷达估测值接近于雨量实况,若大于1,说明雷达估测值高估,反之,就是低估。统计结果如下图2。图2中单一Z-I关系式曲线均由公式Z=300I1.4计算。由图2可见,除梅汛期对流云降水类型外,其他两种降水类型分类型最优法曲线比起单一Z-I关系曲线更加贴近r=1,并在r=1附近震荡,说明分型后计算的雨量估值更加接近实况。图2a梅汛期对流云降水中两种方法随雨量的变化估值变化相差不大,雨强<10mm/h时单一关系式的估值更接近实况,但在强降水情况下(雨强>10mm/h),分类型最优法更加逼近真值;梅汛期积层混合云降水情况下(见图2b),分类型最优法计算曲线在r=1附近震荡的震荡幅度比单一关系法要小,更为稳定;夏季台风降水时(见图2c),两种方法普遍降水估算偏低,但分类型最优法更接近实况。3.2.3降水估测结果上述分析表明分类型最优法对强降水估测更好,而对弱降水的估测反而还略差于单一Z-I关系式。分析原因我们认为:由于PPS算法中只有一个Z-I关系参数输入口,每个降水过程改变一次Z-I关系,操作上才较为合理,因此本文在统计Z-I关系时是把一个完整的降水过程中所有的雨量都进入统计,例如梅汛期中一次对流云降水过程是把这次过程从发生发展到消亡一个连续过程的每小时降水都作为此次对流云降水的雨量进入Z-I关系统计,过程中以对流云强降水时段为主,但也有降水发生初期和降水消散期的弱降水,进入统计的数据以强降水居多,弱降水占少数,由于只统计出一个Z-I关系估测整个降水过程,因此该Z-I关系估测的强降水准确率更高,而对弱降水的估测则误差较弱。相比较单一Z-I关系,该关系式是美国统计了近3000个雷暴个例拟合而成的,由于统计个例多,该关系式估测的降水数值在一定范围内波动较小。而本文的统计工作尽管也使用了6a的雷达数据,但是进入统计的降水过程仍不算多,估测降水随着雨量大小的变化波动较大。但是针对本地的强降水类型分类统计Z-I关系式后,对强降水的估测还是有较大提高。台风降水估测能力仍然偏差较大的原因我们分析认为:(1)每年影响江苏沿江地区的台风个例较少(本文4个个例过程共54组数据进入统计),统计得到的降水关系代表性较弱,因此对台风降水的估测误差较大;(2)台风降水相对于其他类型降水存在移动不稳定性特征,由于雨带常成螺旋型转动,统计时寻找高空的反射率回波和地面雨量站的对应对时,由于风向的不稳定性,对应对不一定一致,因此做Z-I关系统计时会引起结果的不准确性。总的来说对台风降水的雷达估测还是个较难解决的问题,但是分类型后对雨量估测还是有了一定的提高。总结来看,对降水进行分型统计Z-I关系后,对对流性降水中的强降水雨量段改善较为明显,尽管估值偏小,但更加接近实况;梅汛期对流云降水中,对雨强>10mm/h的雨量估测改善明显;台风降水中,尽管估值仍旧普遍偏小,但雨量估测得到了一定改善。最后需要指出的是本文采用的是沿江地区的雷达数据统计出的Z-I关系,并较为主观的对降水类型进行了分类,由于Z-I关系随季节、地区和降水类型变化较大,该方法只适用于沿江地区的几种降水类型,对其他地区、其他降水类型不具备普适性。4雨污水色标的准确度短时临近天气预报业务工作中我们发现提高雷达定量估测降水技术除在改进估测算法本身外,在程序界面设计及参数本地化上做改进往往有事半功倍的效果。目前业务中使用的雨量产品色标数值等级设计的总体跨度较大(0～203mm),并且每级色标所代表的雨量数值跨度也较大,小雨量数值区跨度约在6～7mm,大雨量数值区跨度在15mm以上,见图3a中的色标。显示时易平滑强降水区域,给预报强降水区域的雨量带来了一定误差。因此本文通过统计沿江地区主要雨季的1h降水量设计一套较为合理的雨量色标数值等级,达到优化估测降水产品图像显示能力的目的。4.1雨强段的选取本文统计了试验区域沿江地区1990—2005年6—7月主要降水季节的雨强分布,区域内共有12个自动气象站73796个雨量数据进入统计。大于100mm/h的雨量数据只有7个,其中极值出现在江浦,为110.1mm/h。为了设计出合理的小时雨量色标数值等级,统计雨量时把小于50mm/h的设成2.5mm/h为间隔,大于50mm/h的为5mm/h间隔,共分成35个间隔等级进行数据统计,最大数值定为125mm/h。得到如下表4降水跨度分布(只给出百分比≥1%的雨量段,其余15～125mm/h雨量段所占总百分比为5%):由表4可见,95%的雨强都小于15mm/h,其中0～2.5mm/h的雨强段占到了76%。超过99%的雨强都在100mm/h以下,由此可见原雨量色标数值等级分段并不合理,主要降水量集中段(0～15mm/h)只有4个间隔等级,而偶有发生的降水段却分了12个间隔等级(图3a色标),因此有必要重新设计该类产品色标间隔等级。4.2降水分布特征的变化根据表5的统计结果并结合RPG中PPS算法参数设置的要求(1.27mm为倍数递增),我们将色标数值等级调整如下:本地化后的色标数值等级在小雨量细节上描述更加细致(<15mm/h),同时强降水(>15mm/h)也能够充分表现,每级颜色所体现的雨量更加真实。图3a和图3b为修改色标数值等级前后对同样降水区域(白色矩形框内)显示的效果比较。图3为南京天气雷达在2004年6月14日探测到的一次降水过程,白色矩形方框内58255站点(黄色箭头处)雨量实况为2.7mm/h,从图3a色标数值未修改的图片来看,该点位于2.54～6.35mm区域,图3b色标等级数值修改后的图片来看,该点位于2.54～3.81mm