一种分类强对流临近概率预报方法、系统、设备及终端

本发明属于气象学，尤其涉及一种分类强对流临近概率预报方法、系统、设备及终端。

背景技术：

1、为提升分类强对流（短时强降水≥20mm/h;雷暴大风≥8级）的提前预报、预警能力，近年来在分类强对流的前期环境特征研究基础（陈明轩等，2017；chen et al.，2017；huang et al.，2019）上，很多研究工作者构建了基于数值预报释用的潜势预报模型(配料法：雷蕾等，2012；模糊逻辑法：曾明剑等，2015；机器学习：gagne ii et al.,2017；李文娟等，2018；zhou et al.，2019，2020；周康辉等，2020)，在短期时效内分类端强对流的预报预警提供参考。虽然以上相关的研究成果有利于提升短期时段分类强对流报技巧，但是由于其是数值预报的释用结果，其和数值模式预报正确与否密切相关（俞小鼎等，2012；郑永光等，2015）。因此，在一些复杂天气背景下（比如暖区强天气），如果数值模式对系统预报存在很大不确定性，则也会直接影响分类强对流的预报预警能力。

2、近几年，随着双偏振业务雷达的普及，很多研究工作者开展了偏振量在短临监测和预警领域的分析研究。陈刚等（2022）的研究表明，由于浅层降水和层云、对流性降水在垂直结构和微物理特征存在显著差异，因此，地面降水特别是极端降水微物理特征具有显著的时空变化和多样性。差分反射率因子（zdr）是判断不同类型云降水粒子相态的一个重要指标；强降水时雨滴的破碎和碰并趋于平衡，雨强的增大取决于雨滴浓度的升高，差分传播相移率（kdp）可作为判断雨强是否增大的指标。zdr柱与kdp柱的演变对于地面雨强的变化具有预示性，特别是在持续降水过程中，zdr (kdp)柱的再度发展预示着降水系统的再次增强（carlin，2017； kumjian，2014）。因此，如何能更充分利用偏振量对于对流发展加强的指示性特征，改进现有分类强对流短临预报技术的缺陷，进而提升分类强对流临近预警能力，是本发明所要解决的问题。

3、通过上述分析，现有技术存在的问题及缺陷为：

4、（1）目前国内的分类强对流预报技术主要是基于数值模式的释用技术。因此，当模式预报存在明显偏差，甚至失败的情况下，则会直接影响分类强对流预报、预警能力。

5、（2）目前国内、外对于偏振量的研究应用，更多集中于过程个例分析中，而在分类强对流客观预报业务技术和产品中，偏振量的强对流指示性特征的应用则较匮乏。

6、（3）目前短临时段的外推方法中大部分是按照回波强度不变外推，因此对于分类强对流的加强、发展情况是缺乏提前预报和预警能力的。机器学习、深度学习方案可以在一定程度上提升一般性降雨天气的短临预报能力，但对于分类强天气的预报能力改进较有限。

7、解决以上问题及缺陷的难度为：

8、（1）针对分类强对流天气特点，如何预处理，进而构建出具有高质量标签的特征数据集是本发明要解决的基础难题。

9、（2）针对分类强对流天气特点，如何设计更为合理的偏振量特征模型，进而实行对分类强对流属性的提前识别，因此这也是本发明中所要解决难题之一。

10、（3）基于对分类强对流属性的提前识别结果，采用何种策略进行短临外推预报，进而提升2小时内的分类强对流临近预报能力，是本发明所要解决的最重要的难题。

技术实现思路

1、针对现有技术存在的问题，本发明提供了一种分类强对流临近概率预报方法、系统、设备及终端，通过建立分类强对流的偏振量垂直廓线特征模型（csc-qvp）进而实现分类强对流属性的提前识别，而后通过改进后的外推方案将分类强对流属性外推，进而实现0-2小时的短临时段的分类强对流的预报，全面提升短时强降水和雷暴大风的提前预报、预警能力。

2、本发明是这样实现的，一种分类强对流临近概率预报方法，包括：

3、s1，数据预处理，包括基础数据预处理和对流云团追踪；

4、s2，训练数据集构建，包括分类标签及其和对流云特征量的配对以及特征量模型的构建；

5、s3，基于特征概率分布模型判断对流云团的分类强对流属性概率：基于数据集，对所有csc-qvp的偏振量特征因子进行频率统计，最终获得csc-qvp偏振量特征因子的概率分布模型；

6、s4，基于特征模型，进行0-2小时临近预报。

7、进一步，s1中，基础数据预处理包括：首先将对雷达的偏振量进行质控，然后插值到等高面格点偏振数据；采用速度方位显示（vad）方法生成表征大气环境风场信息的垂直风廓线数据；这里的等高面数据统一为垂直间隔200m，从1km处理到17km；

8、对流云团追踪包括：利用cltrec法建立前后时次的区域回波追踪格点移动矢量场；然后，利用雷达等高面上回波强度及梯度特征，识别出对流云；最后，以格点移动矢量场为基础，利用聚类法，建立前后时次的对流云团的关联。

9、进一步，s2中，分类标签及其和对流云特征量的配对包括：

10、实况标签：将研究范围划分为0.05°等距格点，然后依据“邻域法”，定义如果每个格点半径40km范围内存在自动站小时雨量>=20mm/h，则格点为短时暴雨标签；定义如果每个格点半径40km范围内如存在自动站小时极大风>=8级，并且25km半径范围内存在雷电记录，则格点实况为雷暴大风标签；

11、以自动站实况灾害发生位置和时刻为基准，搜索半径40km范围内的最强对流云团，然后依据对流云团前后匹配关系，搜索过去30分钟到60分钟之间的历史对流云团；历史对流云团具有分类强对流灾害发生前的微物理结构特征，对应的偏振量相关的特征因子则为数据集中样本的特征量。

12、进一步，s2中，特征量模型的构建包括：

13、利用偏振量显著特征搜索法确定历史对流云团内垂直运动发展显著的位置，然后在此位置进行偏振量特征因子的采样，进而构建特征量模型；

14、偏振量显著特征搜索法：即将每个格点位置的各层差分传播相移率（kdp）相加，进而获得每个格点的垂直累积差分传播相移率（kdp）；然后在历史对流云团范围每个水平反射率因子(zh）大于35dbz的格点进行逐步搜索，找到最大的垂直累积差分传播相移率（kdp）所在位置，进而确定历史对流云团内垂直运动发展显著的位置。

15、进一步，s3具体包括：对识别出的对流云中的每个格点进行分类强对流属性的概率计算，首先计算出对流格点位置的csc-qvp偏振量特征因子，然后在csc-qvp偏振量特征因子的概率分布模型中搜索先验概率系数，最后将偏振量特征因子的所有先验概率系数相加，进而获得当前对流云格点位置对应的分类强对流的合成概率数值（短时强降水的合成概率数值和雷暴大风的合成概率数值）。

16、进一步，s4具体包括：以计算出分类强对流的合成概率格点数值为初始场，以cltrec法反演的矢量场为外推矢量场，然后采用半拉格朗日法进行逐分钟的外推，按照大值策略，生成未来2小时内的分类强对流合成概率数值格点预报数据；最后，依据最优概率阈值（依据典型历史个例选择出的最优），将高于阈值的全部标记为分类强对流属性，进而生成未来2小时内的分类强对流确定性格点预报数据。

17、本发明的另一目的在于提供一种分类强对流临近概率预报系统，包括：

18、数据预处理模块，用于进行基础数据预处理和对流云团追踪；

19、训练数据集构建模块，用于进行训练数据集构建，包括分类标签及其和对流云特征量的配对以及特征量模型的构建；

20、对流属性概率判断模块，用于基于特征概率分布模型判断对流云团的分类强对流属性概率；

21、临近预报模块，用于基于特征模型进行0-2小时临近预报。

22、本发明的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的分类强对流临近概率预报方法的步骤。

23、本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的分类强对流临近概率预报方法的步骤。

24、本发明的另一目的在于提供一种信息数据处理终端，信息数据处理终端用于实现所述的分类强对流临近概率预报系统。

25、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：

26、第一，本发明通过建立分类强对流的偏振量垂直廓线特征模型（csc-qvp）进而实现分类强对流属性的提前识别，而后通过改进后的外推方案将分类强对流属性外推，进而实现0-2小时的短时临近时段的分类强对流的预报，全面提升短时强降水和雷暴大风的提前预报、预警能力。

27、本发明对于系统性强对流过程以及分散性的强对流过程都具有较好的0-2小时提前预判能力，较好的弥补了短时临近时段的模式预报偏差问题以及传统短临外推无法预测对流传播发展、加强的技术缺陷。

28、第二，本发明的技术方案转化后可以大幅提升气象短时临近时段的防灾减灾业务能力，同时，相关技术可以进一步拓展双偏振雷达应用范围，提升雷达的应用价值，帮助企业进一步拓展双偏振雷达的防灾减灾的应用市场，提升双偏振雷达企业的经济效益。

29、本发明的偏振量垂直廓线在分类强对流短临预警领域的技术空白，该技术可以最大限度的发挥偏振量的价值，提升分类强对流的提前预警时效。之前很多的研究工作聚焦于通过天气过程个例分析zdr柱，kdp柱对于在对流发展中的演变特征，并进而揭示这些偏振量对强对流发展、加强所具有提前指示性意义；此外，有个别的专利聚焦于利用zdr柱等来进行冰雹预警。因此，在分类强对流的提前预警领域，偏振量垂直廓线的业务应用是非常匮乏的，本发明专利是在该应用领域的一个巨大突破。

30、（4）国内外的传统的偏振量雷达的业务应用依据偏振量的原理，认为偏振量的应用主要聚焦于定量降水估测和短临预报、粒子相态的识别冰雹识别等等；而对于雷暴大风更多的只能是基于径向风大风特征、回波质心下落特征进行实况识别监测，因此，传统认为无法基于偏振量信息进行雷暴大风的提前预报和预警。本发明专利依据偏振量垂直廓线模型可以进行短时暴雨和雷暴大风的0-2小时短临预报，因此，该技术完全客服了传统的双偏振雷达应用的技术偏见。

31、第三，本发明提供的分类强对流临近概率预报方法带来的显著的技术进步包括：

32、1. 细化的数据预处理：通过先进的数据预处理方法，如对雷达的偏振量质控和等高面格点偏振数据插值，保证了数据的质量和准确性，为后续的预报打下了坚实的基础。

33、2. 对流云团追踪：利用cltrec法不仅能够追踪区域回波，还能够准确识别对流云并建立前后时次的对流云团的关联，这在传统方法中是难以实现的。

34、3. 特征概率分布模型：基于数据集对csc-qvp的偏振量特征因子进行统计，形成的概率分布模型为对流云团的分类和预测提供了更为精确的依据。

35、4. 实时临近预报：方法能够进行0-2小时的临近预报，满足了短时临近时段的强对流天气的快速响应需求，对于灾害预警和防范具有重要意义。

36、5. 综合利用多种数据：该方法不仅仅局限于使用雷达数据，还能够结合其他气象数据进行预测，提高了预报的准确性和可靠性。

37、6. 灵活性与适应性：该方法可应用于不同地形和环境条件下，如城市热岛效应或山区地形，增加了其广泛的应用价值。

38、综上所述，该方法提供了一种更为精确、快速且综合的强对流临近概率预报手段，对于确保公众安全、提高气象预警的精度和及时性具有重要意义。