■ 張蕾 姚葉青 丁國香 張曼義
設計開發基于多普勒天氣雷達資料和改進光流法的安徽省強對流天氣短時臨近預警服務系統,并已在合肥鐵路貨運氣象服務中投入業務運行。該系統實現了0~1 h的雷達回波外推和雷暴大風外推預報產品的實時生成,提供雷達回波外推和雷暴大風外推預報產品以及大風實況的展示功能,并制定了強對流天氣預警方案和預警短信靶向發布策略,實現強對流天氣預警短信自動發布功能。
強對流天氣對交通運輸、電力、旅游等行業具有重大影響。在安徽省的強對流天氣中,雷暴大風出現頻率最高,也最易漏報,是重要的災害性天氣之一,每年都會造成較大的經濟損失和人員傷亡,因此針對強對流天氣尤其是雷暴大風天氣建立短時臨近預報預警服務具有重要意義。
目前國內外建立了許多強對流天氣短時臨近預報技術和業務系統,美國國家大氣科學研究中心(NCAR)發展了ANC(Auto Nowcaster)臨近預報系統,進行0~2 h臨近預報;英國的GANDOLF(Generating Advanced Nowcasts for Deployment in Operational Landsurface Flood Forcasts)預報系統融合雷達外推預報與中尺度模式預報,提供0~6 h預報。張小玲等總結了中國強對流天氣預報業務發展歷程,指出我國的強對流臨近預警技術主要依賴以雷達回波為主的外推預報技術。中國氣象局2007年底開始大力建設強對流天氣臨近預報業務系統SWAN(Severe Weather Automatic Nowcast System),目前3.0版本已正式向全國推廣試用。王嘯華等介紹了江蘇省強天氣綜合報警追蹤平臺(SWATCH)功能,平臺整合了PUP、SWAN等業務系統中風暴識別和外推相關的核心產品。
強對流天氣短時臨近預報預警在專業氣象服務中的需求也越來越被重視,美國The Weather Company的TWC平臺集成衛星、雷達、數值模式、閃電等數據,整合用戶和行業數據,為用戶提供任意地點的最新預報數據。AccuWeather的MinuteCast?系統融合雷達和高分辨率的天氣數據,利用專利技術對未來2 h做出逐分鐘的降水預報。李帥等將多普勒氣象雷達三維拼圖技術融合河南電網GIS,實現覆蓋河南電網的0~2 h強對流天氣預警。張濤設計了航空氣象服務系統,實現對自動氣象觀測系統、多普勒天氣雷達系統、航空氣象報文、衛星云圖等不同產品資料的采集、處理、集成和顯示。薛冰等將雷達回波外推技術應用到鐵路交通氣象服務中。馮蕾等初步探索了鐵路橫風監測預報的技術方法。
本文基于專業氣象服務中對雷暴大風預報產品的需求,研發了雷暴大風外推預報關鍵技術,制訂了強對流天氣預警信息靶向發布策略,建設了安徽省強對流天氣短時臨近預警服務系統。目前該系統已在合肥鐵路貨運氣象服務中投入業務運行,為鐵路貨運氣象保障提供有力的技術支撐。
安徽省強對流天氣短時臨近預警服務系統總體采用C/S、B/S混合架構,基于WebGIS技術、多線程技術、數據庫等技術實現了強對流天氣尤其是雷暴大風天氣預報產品展示以及自動預警功能。
系統設計了數據層、業務邏輯層和Web表現層三層邏輯框架。數據層是系統的底層,負責系統所需數據的存儲,為整個系統提供數據源保障,主要功能包括從全國綜合氣象信息共享平臺(CIMISS)獲取大風實況數據、從服務器獲取雷達拼圖數據以及從mysql獲取歷史大風警報信息,系統采用云存儲技術對多源異構數據進行集中化管理,統一為外部服務使用,無需考慮數據源。業務邏輯層作為數據層與應用層之間的橋梁,主要實現數據的分析處理,該層通過獨立的后臺數據支撐系統開發完成,主要功能包括雷達拼圖和大風數據讀取、數據質量控制、雷達拼圖外推以及雷暴大風外推預報算法實現。Web表現層是系統框架頂層,主要通過瀏覽器與用戶進行交互,利用Python、JavaScript、WebGIS、ASP.NET、Node.js信息推送技術等實現雷達回波、雷暴大風等氣象要素的展示、強對流天氣的監控和預警信息推送等功能,系統主要架構如圖1所示。
圖1 安徽省強對流天氣短時臨近預警服務系統架構圖
系統分為前臺綜合展示系統和后臺數據支撐系統兩大部分,前臺綜合展示系統采用B/S架構,并利用ASP.NET技術完成Web系統的開發;后臺數據支撐系統采用C/S架構開發完成,并利用VS 2012(MFC)進行客戶端界面開發,系統將后臺數據支撐系統獨立出來便于數據運算處理以及預報產品的升級更新。
系統主要包括數據處理、氣象要素展示、配置管理和預警發布4大功能模塊。
1)數據處理模塊:通過后臺數據支撐系統處理完成,實現0~1 h雷達回波外推和雷暴大風外推產品的實時生成。模塊還提供數據異常監控功能,實時監控數據及時性和準確性,保障前臺綜合展示系統穩定運行。
2)氣象要素展示模塊:實現雷達回波外推預報產品、雷暴大風外推預報產品以及大風實況數據實時查詢和展示,可實時掌握天氣過程的發展演變趨勢,輔助判斷強對流天氣的發生和影響。另外系統還提供歷史數據查詢功能,便于對歷史天氣的回顧總結以及評分檢驗。
3)配置管理模塊:從強對流天氣報警閾值設置和短信發送群組配置兩個方面配置預警信息發布條件,實現可定制化的預警短信發布。強對流天氣報警閾值設置主要對雷達回波、大風外推預報和大風實況報警閾值等進行配置,短信發送群組配置可配置關注的目標點信息并與通訊錄關聯,向定制用戶發送關注目標點預警信息。
4)預警發布模塊:預警發布主要從系統報警聲音提示和預警短信發布兩方面設計。當氣象要素值達到設置的報警閾值,系統列出警報信息并發出聲音提示,同時觸發報警短信并發送相關人員。
雷達回波外推方法基于安徽省雷達組合反射率因子拼圖實現,系統采用計算簡便且預報效果較好的光流法來計算相鄰時次雷達回波圖像間運動矢量,再通過線性外推方案外推0~1 h雷達回波圖像。雷達回波外推預報產品時間分辨率為6 min,空間分辨率為0.01°,預報時效為1 h。
光流法在1950年由Gibson首先提出,是計算機視覺領域應用較為廣泛的方法,目前在氣象學領域也有一定的應用。光流法假設回波運動在短時間內滿足拉格朗日守恒方程,并引入其他的約束方程來求解光流場。假設在t時刻(x,y)處雷達反射率因子值為I(x,y,z),經過dt時刻該點的反射率因子值變為I(x+dx,y+dy,z+dz),當時,認為I值近似不變,即:
假設移動足夠小,將(1)式右邊按泰勒級數展開,略去二階無窮小項,可導出:
式中:表示回波在x、y方向上的運動速度。令表示I的時間、空間梯度。則上式可表示為:
上式中有兩個未知數,因此需要引入其他約束方程來求解。系統采用Lucas和Kanade提出的約束方程即LK算法求解回波移速。
基于光流法假設條件,該方法只適用于回波間運動較小的情況,對移速較快的回波反演誤差較大,因此引入金字塔分層技術改進傳統光流法,減小由于回波移速較快造成的反演誤差,提高外推預報精度。
試驗發現,隨著外推時間步長的增加,外推得到的回波逐漸變得散亂不連續,因此對光流場進行水平無輻散處理,得到新的光流場,用新的光流場外推得到的雷達回波圖像平滑性和連續性都較好。
雷暴大風外推預報方法基于安徽省高密度分鐘級雷暴大風實時監測數據,采用雷暴大風與雷達回波的動態匹配策略,識別可能出現雷暴大風的風暴單體,再通過光流法得到風暴單體的移動方向和速度,外推得到未來1 h可能產生雷暴大風的區域。雷暴大風外推預報產品時間分辨率為6 min,空間分辨率為0.01 °,預報時效為1 h。
雷暴大風與雷達回波的動態匹配策略為首先識別出雷達圖像中的風暴單體,再結合大風實況,當風暴單體對應的時次中有大風天氣出現,則認為風暴單體與雷暴大風天氣對應。本文定義組合反射率圖像上雷達反射率因子強度≥35 dBZ,且面積≥64 km2的一片連續回波區為一個風暴單體。
為了將極大風速和雷達回波進行動態匹配,還需要對極大風速實況數據進行處理使其與雷達回波圖像時空匹配。獲取逐6 min內所有時次極大風速最大值作為6 min的極大風速值,采用克里金插值法對安徽省自動氣象站極大風速進行插值得到空間分辨率為0.01°的格點數據,使得極大風速數據與雷達拼圖數據時空分辨率一致。
2.3.1 強對流天氣預警指標
系統基于0~1 h雷達回波外推、雷暴大風外推產品和大風實況數據,選取合適的閾值對雷暴大風、其他類型強對流天氣和實況大風三種類型進行預警,具體預警指標設計如表1。
表1 安徽省強對流天氣短時臨近預警服務系統強對流天氣預警指標設計
為了方便對指標進行修正,用戶可根據經驗自行配置預警指標。
2.3.2 預警短信靶向發布
預警短信發布按照將預警信息優先發送給最需要的人群的設計思想,提出了運用基于特定區域、人群以及預警信息內容的靶向技術進行精準發布的推送策略。通過融入雷達回波外推、雷暴大風外推預報以及大風實況監測等輔助研判數據,以及行業用戶責任人信息、所在分組、關注的目標點位置,實現災害性天氣快速研判以及預警信息分點、分級、分眾的精準靶向發布。
為了提高預報預警的準確率,設置報警緩沖區半徑,如果目標點緩沖區范圍內出現達到預警指標的情況,則對目標點進行預警。業務人員可根據經驗調整緩沖區半徑,提高預警準確率,盡可能避免災害性天氣的漏報。
為了提高預警短信發送效率,系統導入行業用戶責任人信息、所在分組并關聯關注的目標點。當目標點達到設置的氣象要素閾值時系統根據關聯的短信群組自動發送強對流天氣預警短信,實現可定制化的預警短信發布,同時通過責任人所在分組,判斷短信發送的優先級,確保將預警信息優先發送給最需要的人群。為了避免短信重復發送,系統可設置不重復發送短信時間。
安徽省強對流天氣短時臨近預警服務系統于2019年6月在合肥鐵路貨運氣象服務中正式應用,運行穩定、效果良好,以鐵路貨運的應用情況為例介紹系統的預警服務效果,系統顯示界面如圖2所示。
圖2 安徽省強對流天氣短時臨近預警服務系統顯示界面
系統顯示界面分為三大區域(圖2三處紅色方框區域):最左側是大風目標點報警區域,該區域可列出預報雷暴大風等強對流天氣的位置和時間;中間是雷達回波和大風圖像展示區域;最右側是配置管理區域,用來查看需要展示的圖像、設置目標點閾值以及配置管理人員信息等操作。
2020年8月20日安徽省江淮之間和淮北東部地區發生雷暴大風天氣,陣風普遍達到7~8級,26個自動氣象站陣風達到9級以上,12個站點超過10級。18:30(北京時,下同)左右合肥地區發生強對流天氣,自動氣象站監測到貨運公司肥東某貨場上游區域風力較大,陣風超過6級,18:30系統基于雷達強回波對貨場強對流天氣進行預警,18:38貨場上游10 km左右處肥東站極大風速達到19.5 m/s,18:42系統預報該貨場將出現7級以上雷暴大風天氣(圖3),并發送預警短信。
圖3 2020年8月20日18:42安徽省強對流天氣短時臨近預警服務系統強對流天氣報警顯示頁面
2022年7月26日凌晨安徽多地發生強對流天氣,01:30左右雷達回波圖上顯示一塊對流云團正自西向東往六安方向移動,01:48系統對六安葉集區貨場發布強對流天氣預警短信,之后回波繼續東移并與其他對流云團合并,先后影響六安、合肥、馬鞍山等地,系統均及時發布預警短信。06:30左右一颮線系統向六安方向移動,08:00颮線后部到達安慶,08:30系統提前向安慶太湖縣貨運站點發布強對流天氣預警,之后又先后向安慶三個受影響的貨運站發出雷暴大風預警。從大風實況來看,08:30左右安慶境內開始出現7~8級以上雷暴大風天氣,08:47太湖縣貨運站上游10 km左右太湖花亭湖站出現26.4 m/s大風,08:48系統預報該貨場將出現9級以上雷暴大風天氣,09:03離貨場最近的太湖小池站出現8級以上大風。
上述個例均表明系統能較好地預報雷暴大風等強對流天氣,并及時對用戶進行預警,另外系統基于強回波能夠更早地進行強對流天氣預警,對強對流天氣臨近預報預警服務具有重要作用。為了進一步檢驗短信預警效果的準確性,對30個鐵路貨運站點2020年4月—2021年12月雷暴大風預警發布情況進行檢驗。選擇貨運站5 km半徑范圍內所有自動氣象站小時數據,如果預警短信發送時次1 h內自動站站點出現雷暴大風天氣,則認為預報正確。本文結合閃電定位儀資料,將小時極大風速超過17.2 m/s并伴有閃電現象發生的天氣過程記為雷暴大風天氣。采用命中率(POD)、臨界成功指數(CSI)和空報率(FAR)來評價預警短信發送效果。經統計檢驗,30個貨運站點共預報雷暴大風天氣219次,其中89次出現雷暴大風天氣,有9次漏報,POD達到0.908,FAR為0.583,CSI為0.39。檢驗結果表明,系統能夠準確及時地發送雷暴大風預警短信,但是空報率較高,在今后應當進一步研究強對流天氣預報方法和預警發送策略,減少虛警率,提升預報準確性。
安徽省強對流天氣短時臨近預警服務系統利用改進的光流法作為雷達回波和雷暴大風外推的關鍵方法,得到強對流天氣尤其是雷暴大風天氣短時臨近預報產品,實現預報產品實時展示和強對流天氣預警信息發布功能,形成了“技術+策略+平臺”的強對流天氣短時臨近預警服務體系,為行業氣象服務提供重要的技術支撐。系統主要特點如下。
1)基于改進光流法實現0~1 h雷達回波外推和雷暴大風外推預報產品實時生成,提高強對流天氣臨近預報產品精細化水平及準確性。
2)系統具有較高的自動化水平,在一個業務系統中實現了監測、預報、預警等強對流天氣短時臨近預報服務產品的數據處理、展示和預警短信發布功能。
3)系統采用C/S和B/S混合架構,在C/S層面通過多個獨立模塊完成數據處理和數據異常監控,在B/S層面完成產品展示和短信預警發布,易于系統升級維護。
今后將對雷達回波和雷暴大風外推產品預報效果進行實時檢驗,針對發現的問題,結合機器學習等新技術研發強對流天氣短時臨近預報新方法,提高預報準確率。
深入閱讀
陳石定, 劉翔, 向立莉, 2019.靶向技術在預警信息發布中的應用.計算機應用, 39(S1): 88-92.
馮蕾, 陳仲榆, 郝淑會, 等, 2017.鐵路(高鐵)橫風監測預報技術方法初探.氣象科技進展, 7(1): 138-142.
王嘯華, 鄭媛媛, 濮梅娟, 等, 2018.強天氣綜合報警追蹤平臺功能設計及龍卷預警中的應用.氣象科技進展, 8(3): 61-69.
薛冰, 鹿業濤, 渠寒花, 2013.鐵路交通氣象服務系統的設計與開發.電子測試, (20): 24-26.
張濤, 2018.航空氣象服務系統的設計與實現.鄭州: 鄭州大學.
張蕾, 魏鳴, 李南, 等, 2014.改進的光流法在回波外推預報中的應用.科學技術與工程, 14(32): 133-137.
張小玲, 楊波, 盛杰, 等, 2018.中國強對流天氣預報業務發展.氣象科技進展, 8(3): 8-18.
鐘利華, 曾小團, 胡宗煜, 等, 2009.桂林雷暴大風臨近預報研究.氣象研究與應用, 30(z2): 79-80.
Gibson J J, 1979.The ecological approach to visual perception.Boston: Houghton Mifflin.
Lucas B D, Kanade T, 1981.An iterative image registration technique with an application to stereo vision (darpa).Proceedings of the 1981 DARPA Image Understanding Workshop.
Advances in Meteorological Science and Technology2023年5期