分類型最優法在天氣雷達預報中的應用

基于分類型最優法的降水估測方法下一代氣候雷達已成為中國定量評價區域降水的主要工具。定量評價降水產品不僅在評價中被廣泛使用，而且在人工降雨處理、水文洪水預測、標準尺度模型和衛星遙感評價降水等方面也有不同程度的應用。目前常用的降水估測算法是Z-I關系法,天氣預報業務中使用的天氣雷達產品生成模塊RPG(RadarProductsGenerator)中的降水處理系統PPS(PrecipitationProcessingSystem)、新一代天氣雷達定量降水估測集成系統(QPEGS)等均使用了該算法。我國新一代天氣雷達軟件系統中使用的降水算法仍舊沿用了美國天氣雷達WSR-88D中PPS降水算法,該算法中設定的Z-I關系式Z=300I1.4中的參數300和1.4由美國夏季強對流云降水統計而得。由于Z-I關系隨季節、地區和降水類型變化較大,采用單一關系式估測不同季節、不同地區、不同降水類型的降水往往誤差較大。因此很多科研工作圍繞統計和改進Z-I關系式參數而展開:姚燕飛等統計了淮河流域梅雨期積層混合云降水的Z-I關系,遲竹萍等針對泰山地區春秋季層狀云降水過程建立了Z-I關系,陳秋萍等則計算了閩中北前汛期降水天氣的Z-I關系。上述對降水類型的分類都是按天氣系統進行分類,顯得較為主觀和局限,因此有些學者基于降水性質和雷達回波結構進行客觀分類,這樣可用來提高計算機自動化校正降水的精度。另外通過改進統計Z-I關系式的方法也能提高估測降水的準確率,分距離段、分區域分別統計Z-I關系,或者分雷達反射率因子數值段統計Z-I關系均能提高雷達估測降水的能力。除單一使用Z-I關系方法估測降水外,更多工作采用了Z-I關系和雨量計校準相結合的方法估測降水,但由Z-I關系計算的降水場仍是各種校準法的初值場,初值場的好壞對校準結果有明顯影響。因此優化Z-I關系提高降水估測水平這項工作顯得非常重要。為充分利用現有手段,本文以提高RPG系統中PPS降水算法精度、為其他短時臨近預報系統或數值預報模式提供Z-I關系式參數為目的,開展優化Z-I關系的研究工作。選擇江蘇沿江地區作為試驗區域開展計算工作,提出一種分類型最優法獲取參數:即采用最優化方法為不同降水類型建立相應的Z-I關系。本文對試驗區域易引發災害的降水進行了分類,分為梅汛期對流云降水、梅汛期積層混合云降水和夏季臺風降水。分別建立對應的Z-I關系后,與單一關系式Z=300I1.4對過程雨量和分段雨量的估測能力進行了對比。文章最后在氣候統計的基礎上,通過改進雷達定量估測降水產品色標數值等級,以優化雷達估測降水產品圖像的顯示能力。1試驗區域數據的預處理1.1研究區域的確定在日常業務中我們發現同一部天氣雷達應用同一種Z-I關系式估測降水會由于觀測區域不同而產生不同程度的誤差。因此需要在雷達探測范圍內選取一塊既具有當地代表性的各類降水天氣且氣象數據適于做統計的試驗區域。一般提高天氣雷達測量區域降水量的精度,主要考慮以下幾種因素:(1)試驗區域的大小:一般情況下,試驗區域越大、探測距離越遠,雷達測量精度越低;(2)試驗區域地形:地形越復雜精度越低;(3)雷達反射率因子的測量精度;(4)應用的Z-I關系;(5)雷達觀測頻率:觀測間隔越短,精度越高,反之則越低;(6)所取降水時段的長短:時段越長,由于正負隨機誤差的抵消作用,精度越高。結合本文所用的南京天氣雷達臺站位置和觀測范圍,以及觀測范圍內自動氣象站分布情況,并結合上述因素,我們把以南京雷達站為中心、半徑150km范圍內包括南京主城及其周邊地區(南京、江寧、六合、溧水、高淳、江浦、句容、儀征、鎮江、揚州、金壇和丹陽)作為研究區域,見圖1。從位置來看該塊區域位于江蘇沿江地區,自動氣象站分布均勻、長江橫貫該區域,地形以平原為主,影響雷達觀測的地物阻擋現象幾乎沒有,適于建立Z-I關系。為了確保所建Z-I關系的準確度,本文進入統計的自動氣象站雨量數據均為審核上報中國氣象局的可靠數據,研究區域內41個自動氣象站的小時雨量數據來自地面氣象觀測數據A文件。在研究工作中,雨量站隨機被分為校正組(20個)和檢驗組(21個),擬合Z-I關系式時采用了校正組雨量站的數據,對估測結果進行實驗評價時則采用了檢驗組的雨量站數據。為了能進一步提高建立Z-I關系的精度,本文做統計計算時把具備相同降水類型的樣本數據全部進入統計,確保有足夠長的時間序列和足夠的統計樣本,從而滿足降水時段越長精度越高的要求。1.2復合掃描平面生成為了便于本文研究結果的業務轉化,在對雷達估測降水初值場的預處理上參考了新一代天氣雷達RPG系統中的PPS降水算法和新一代天氣雷達定量降水估測集成系統中的質量控制算法。預處理過程包括雷達反射率強度的質量控制和掃描復合平面的生成。雷達反射率強度的質量控制包括超折射處理、孤立點剔除、奇異回波檢測和平滑濾波。其中,超折射處理采用連續性檢驗來實現對超折射回波的去除,即通過對比高低層回波強度的差異來確定超折射。若最低兩個PPI的回波強度間的差異大于用戶設定的閾值(初始值定為50%),則視為存在超折射,將最低層資料剔除。對每一個有效回波數據,檢測其周邊相鄰8個回波數據點,如果相鄰回波點只有一個有效回波,則視其為孤立點,予以剔除。對每一個大于回波最大閾值(50dBz)的點,檢測其周邊相鄰8個數據點,如果相鄰回波點中沒有一個點大于回波最大閾值(50dBz),則視其為超強奇異回波,用周圍8個數據點的平均值取代之。復合掃描平面的生成:雷達回波數據經上述質量控制后,把最低4個仰角的基本反射率掃描轉換成一個最佳反射率的混合掃描。根據南京市雷達站數據的特點,取1.2km高度上(降水云體的云底平均高度)的數據進行組合,20km以內使用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掃描平面數據根據Z-I關系轉換成降水率。2降水回波反射率因子確定雷達定量測量降水的方法有很多種,業務中最常用的是Z-I關系法,即應用雷達氣象方程測得降水回波的反射率因子,根據經驗的Z-I關系估測降水強度。Z-I關系的參數是決定降水估測結果的關鍵。本文提出一種分類型最優法獲取Z-I關系參數:采用最優化方法尋找不同降水類型的Z-I關系。2.1定量測量降水條件在一定假定條件下,雷達反射率因子Z和雨強I之間有簡單的冪指數關系Z=AIb,(1)其中A和b是和雨滴譜有關的參數,這是雷達估測降水的理論基礎。根據這一關系,由雷達反射率因子可直接估測降水。系數A和指數b隨地區、季節、降水類型、降水性質等變化。Z-I關系的不穩定性,給雷達定量測量降水帶來了難度,雷達定量測量降水的關鍵就是找出適合當地的Z-I關系。在最優化方法中,采用最佳判別函數CTFCTF=min{∑i=1n[(Ii?Ri)2+(Ii?Ri)]}.(2)CΤF=min{∑i=1n[(Ιi-Ri)2+(Ιi-Ri)]}.(2)式中Ii為雷達估計各個樣本的雨強值,Ri為自動站測量的雨強值,原理就是不斷調整Z-I關系中的參數A和b值,直到判別函數CTF達到最小值為止,即尋找使CTF達到最小的A和b,就是這個統計樣本總體的最優參數,也就是說CTF值為最小的參數A和b,使得雷達估計值最逼近實測值。本文中參數A從50到400,步長為1;參數b從1到2,步長為0.01。2.2降水類型的擬合Z-I關系的不穩定性給雷達定量測量降水帶來了較大困難,但通過對大量的滴譜資料進行分析發現若對降水成因進行分類,如層狀云降水,對流云降水,地形降水等,并分別對不同類型降水統計出相應的Z-I關系,則關系中的參數A和b的變化范圍顯著縮小。因此我們把對易引發試驗區域災害的降水天氣類型進行了分類:梅汛期降水、夏季臺風降水。其中梅汛期降水又分為兩種:一種是積層混合云降水,降水時間長,累積過程雨量能達到暴雨量級的降水過程;另一種是對流云降水,極易造成短時強降水。分降水類型擬合Z-I關系時我們用了江蘇沿江地區2004—2009年6a的南京雷達站天氣雷達數據和自動站雨量數據,其中梅汛期對流云降水過程36次,使用樣本數761組;梅汛期積層混合云降水過程28次,使用樣本數583組;夏季臺風降水過程4次,使用樣本數54組。計算時將天氣雷達數據經過1.2節雷達估測降水初值場預處理后并對時間做1h累積形成1h雷達估測降水產品,根據自動雨量站站點尋找與之匹配的1h累積降水值,通過2.1節的方法最終擬合出新的A和b參數。應用最優化方法分別建立試驗區域三種類型的Z-I關系的參數得到如下表1結果:3分類型最優法結果這一節首先通過判別函數和均方根誤差評價分類型最優法計算的Z-I關系和單一Z-I關系(Z=300I1.4)的優劣,然后比較兩種方法估測過程雨量和分段雨量的能力。3.1兩種z-i關系法的定量評價降水能力的比較3.1.1分類型最優法有效性驗證對分類型最優法的CTF值(CTF1)和Z=300I1.4的CTF值(CTF2)作比較(見表2)。從表2可知,無論哪種降水類型,分類型最優法處理后得到的CTF值比單一關系式Z=300I1.4的CTF值均有不同程度的減少,從數值大小看無論哪種方法對梅汛期積層混合云降水的擬合誤差都是最小,更加逼近真值;分類型最優法對梅汛期對流云降水的雨量估測改善最為明顯,CTF值減小了21%。3.1.2梅通插裝云水和流云降水erms的比較為了進一步比較兩種方法計算的雷達估測值與實際雨量值的離散程度,我們還分別計算了對三種降水類型估測降水的均方根誤差Erms,計算結果表明:分型后的最優法對梅汛期對流云降水Erms從3.48mm/h降至3.0mm/h;梅汛期積層混合云降水Erms從1.6mm/h降至1.39mm/h;夏季臺風降水Erms從4.66mm/h降至4.63mm/h。這說明經過分型后的最優法估測降水比起Z=300I1.4關系式估測的降水比起真值離散程度都有不同程度的減小,估測的數值更接近真值。3.2采用兩種z-i關系法測定了過程中的降水能力和預測的單元數量比較3.2.1結果對比及結果本文統計的過程雨量是指進入統計的2004—2009年期間沿江地區各降水類型的過程雨量總累積值,雨量實況總累積值由自動氣象站雨量值計算,雨量估測總累積值由兩種Z-I關系法分別計算并累積。比較時根據公式(3)T=雨量實況值?雨量估測值雨量實況值×100%(3)Τ=雨量實況值-雨量估測值雨量實況值×100%(3)若結果T為負,則代表估測的過程雨量被高估,T代表高估的百分比值;若T為正,則代表計算雨量被低估,數值代表低估百分比值。據此估測雨量的結果如下表3:由表3可看出,兩種Z-I關系法估測降水均比實況偏低,經過分型后的最優法估測降水比起Z=300I1.4關系式估測的降水均有很大程度的提高。經過細分后的兩種梅汛期降水類型在估測過程雨量的表現上沒有明顯差別,但比起單一公式Z=300I1.4計算的估測值更加接近于真值;臺風降水由于臺風外圍雨帶的分布不均,導致區域性降水強度差異較大;另外臺風個例較少,統計得到的降水關系代表性較弱,這使得兩種估測方法都低估嚴重,但是分類型最優法低估值改善了27個百分點;總結來看,兩種估測降水方法估測過程雨量都比實況偏低,分類型最優法比起單一Z-I關系有明顯改善,梅汛期降水估測效果改善近2.5倍,臺風降水低估值低于50%。本文統計的過程雨量估測能力的表格簡單明了,對調整預報結果有較好的參考價值。3.2.2梅通江蘇-河人工降水雨水段與分類型最優法曲線3.2.1節給出了兩種估測降水方法對過程雨量的估測能力,體現了整體平均的趨勢。本節把雨量按大小分成若干段,考察兩種方法估測不同雨量的能力。統計方法如下:根據降水類型的不同以及雨量致災的程度,本文只統計中雨以上的小時雨量段:梅汛期對流云降水和夏季臺風降水統計雨量段為1～20mm/h;梅汛期積層混合云降水雨量段為1～10mm/h。在不同雨量段下,按雨量的增加求解雷達估測降水R與自動雨量站雨量G的比值r=RGr=RG。若比值r接近于1,說明雷達估測值接近于雨量實況,若大于1,說明雷達估測值高估,反之,就是低估。統計結果如下圖2。圖2中單一Z-I關系式曲線均由公式Z=300I1.4計算。由圖2可見,除梅汛期對流云降水類型外,其他兩種降水類型分類型最優法曲線比起單一Z-I關系曲線更加貼近r=1,并在r=1附近震蕩,說明分型后計算的雨量估值更加接近實況。圖2a梅汛期對流云降水中兩種方法隨雨量的變化估值變化相差不大,雨強<10mm/h時單一關系式的估值更接近實況,但在強降水情況下(雨強>10mm/h),分類型最優法更加逼近真值;梅汛期積層混合云降水情況下(見圖2b),分類型最優法計算曲線在r=1附近震蕩的震蕩幅度比單一關系法要小,更為穩定;夏季臺風降水時(見圖2c),兩種方法普遍降水估算偏低,但分類型最優法更接近實況。3.2.3降水估測結果上述分析表明分類型最優法對強降水估測更好,而對弱降水的估測反而還略差于單一Z-I關系式。分析原因我們認為:由于PPS算法中只有一個Z-I關系參數輸入口,每個降水過程改變一次Z-I關系,操作上才較為合理,因此本文在統計Z-I關系時是把一個完整的降水過程中所有的雨量都進入統計,例如梅汛期中一次對流云降水過程是把這次過程從發生發展到消亡一個連續過程的每小時降水都作為此次對流云降水的雨量進入Z-I關系統計,過程中以對流云強降水時段為主,但也有降水發生初期和降水消散期的弱降水,進入統計的數據以強降水居多,弱降水占少數,由于只統計出一個Z-I關系估測整個降水過程,因此該Z-I關系估測的強降水準確率更高,而對弱降水的估測則誤差較弱。相比較單一Z-I關系,該關系式是美國統計了近3000個雷暴個例擬合而成的,由于統計個例多,該關系式估測的降水數值在一定范圍內波動較小。而本文的統計工作盡管也使用了6a的雷達數據,但是進入統計的降水過程仍不算多,估測降水隨著雨量大小的變化波動較大。但是針對本地的強降水類型分類統計Z-I關系式后,對強降水的估測還是有較大提高。臺風降水估測能力仍然偏差較大的原因我們分析認為:(1)每年影響江蘇沿江地區的臺風個例較少(本文4個個例過程共54組數據進入統計),統計得到的降水關系代表性較弱,因此對臺風降水的估測誤差較大;(2)臺風降水相對于其他類型降水存在移動不穩定性特征,由于雨帶常成螺旋型轉動,統計時尋找高空的反射率回波和地面雨量站的對應對時,由于風向的不穩定性,對應對不一定一致,因此做Z-I關系統計時會引起結果的不準確性?？偟膩碚f對臺風降水的雷達估測還是個較難解決的問題,但是分類型后對雨量估測還是有了一定的提高。總結來看,對降水進行分型統計Z-I關系后,對對流性降水中的強降水雨量段改善較為明顯,盡管估值偏小,但更加接近實況;梅汛期對流云降水中,對雨強>10mm/h的雨量估測改善明顯;臺風降水中,盡管估值仍舊普遍偏小,但雨量估測得到了一定改善。最后需要指出的是本文采用的是沿江地區的雷達數據統計出的Z-I關系,并較為主觀的對降水類型進行了分類,由于Z-I關系隨季節、地區和降水類型變化較大,該方法只適用于沿江地區的幾種降水類型,對其他地區、其他降水類型不具備普適性。4雨污水色標的準確度短時臨近天氣預報業務工作中我們發現提高雷達定量估測降水技術除在改進估測算法本身外,在程序界面設計及參數本地化上做改進往往有事半功倍的效果。目前業務中使用的雨量產品色標數值等級設計的總體跨度較大(0～203mm),并且每級色標所代表的雨量數值跨度也較大,小雨量數值區跨度約在6～7mm,大雨量數值區跨度在15mm以上,見圖3a中的色標。顯示時易平滑強降水區域,給預報強降水區域的雨量帶來了一定誤差。因此本文通過統計沿江地區主要雨季的1h降水量設計一套較為合理的雨量色標數值等級,達到優化估測降水產品圖像顯示能力的目的。4.1雨強段的選取本文統計了試驗區域沿江地區1990—2005年6—7月主要降水季節的雨強分布,區域內共有12個自動氣象站73796個雨量數據進入統計。大于100mm/h的雨量數據只有7個,其中極值出現在江浦,為110.1mm/h。為了設計出合理的小時雨量色標數值等級,統計雨量時把小于50mm/h的設成2.5mm/h為間隔,大于50mm/h的為5mm/h間隔,共分成35個間隔等級進行數據統計,最大數值定為125mm/h。得到如下表4降水跨度分布(只給出百分比≥1%的雨量段,其余15～125mm/h雨量段所占總百分比為5%):由表4可見,95%的雨強都小于15mm/h,其中0～2.5mm/h的雨強段占到了76%。超過99%的雨強都在100mm/h以下,由此可見原雨量色標數值等級分段并不合理,主要降水量集中段(0～15mm/h)只有4個間隔等級,而偶有發生的降水段卻分了12個間隔等級(圖3a色標),因此有必要重新設計該類產品色標間隔等級。4.2降水分布特征的變化根據表5的統計結果并結合RPG中PPS算法參數設置的要求(1.27mm為倍數遞增),我們將色標數值等級調整如下:本地化后的色標數值等級在小雨量細節上描述更加細致(<15mm/h),同時強降水(>15mm/h)也能夠充分表現,每級顏色所體現的雨量更加真實。圖3a和圖3b為修改色標數值等級前后對同樣降水區域(白色矩形框內)顯示的效果比較。圖3為南京天氣雷達在2004年6月14日探測到的一次降水過程,白色矩形方框內58255站點(黃色箭頭處)雨量實況為2.7mm/h,從圖3a色標數值未修改的圖片來看,該點位于2.54～6.35mm區域,圖3b色標等級數值修改后的圖片來看,該點位于2.54～3.81mm