300 likes | 445 Views
机场终端区对流天气临近预报的初步研究. 王刚 黄奕铭 曹正 苏丽蓉 2012.9.18 沈阳. 汇报提纲. 引言 资料处理与临近预报方法 临近预报试验及检验 结论与讨论. 根据 IATA 的规范文件, 机场终端区 定义为在 空中交通管制机场附近空域的一部分 ,在此范围内,着陆和进近的飞机会被安排提供安全、适当的进港间隔,适当的离场间隔以及五边进近次序。
E N D
机场终端区对流天气临近预报的初步研究 王刚 黄奕铭 曹正 苏丽蓉 2012.9.18 沈阳
汇报提纲 • 引言 • 资料处理与临近预报方法 • 临近预报试验及检验 • 结论与讨论
根据IATA的规范文件,机场终端区定义为在空中交通管制机场附近空域的一部分,在此范围内,着陆和进近的飞机会被安排提供安全、适当的进港间隔,适当的离场间隔以及五边进近次序。根据IATA的规范文件,机场终端区定义为在空中交通管制机场附近空域的一部分,在此范围内,着陆和进近的飞机会被安排提供安全、适当的进港间隔,适当的离场间隔以及五边进近次序。 在对流天气发生时,有效利用空域资源、合理安排飞行流量及高效安全地实施空中交通管理,终端区管制用户需要掌握机场终端区对流天气的发生、发展和变化情况。而目前的机场预报仅代表覆盖机场周围半径8公里范围的天气情况,而且从内容到格式都无法满足用户的需求,我国也尚未建立相关的业务系统。所以必须针对机场终端区研究、建立终端区对流天气预报系统和服务体系,填补机场与航路之间天气预报的空白。 1.引言
《机场终端区对流天气预报技术与服务产品研究》《机场终端区对流天气预报技术与服务产品研究》 • 2011.8完成民航局空管局项目申报 • 2011.11完成民航局项目申报 • 2012.5完成广州终端区建设项目中对流预报系统的初步设计 • 机场终端区对流天气预报初步分为临近预报(0-1小时)和短时预报(1-6小时) • 机场终端区对流天气预报检验评分模型、机场终端区用户服务模型 • 2012年6月底 对流天气临近预报产品试运行
移动问题是基于雷达回波的临近预报技术研究中的关键问题之一。 移动问题是基于雷达回波的临近预报技术研究中的关键问题之一。 交叉相关追踪算法: 通过计算雷达回波等资料在连续时次的空间最优相关,得到对流系统不同位置的移动矢量特征,并基于这些获得的移动矢量对雷达回波等进行外推,从而达到预报的目的 优点:能够得到更加准确的移动速度和方向,适用于层状云降水和对流性降水 缺点:不能够识别和追踪单体的移动 回波特征追踪算法: TITAN: Thunderstorm Identification, Tracking, Analysis and Nowcasting SCIT:Storm cell Identification and Tracking 优点:能识别和追踪单体,并且可以获得单体的三维信息 缺点:层状云降水中效果不佳
交叉相关追踪算法既考虑了回波移动矢量大小和方向的变化,也考虑了整个回波在移动过程中的形变,所以,基于该算法的外推临近预报具有一定的物理意义。交叉相关追踪算法既考虑了回波移动矢量大小和方向的变化,也考虑了整个回波在移动过程中的形变,所以,基于该算法的外推临近预报具有一定的物理意义。 交叉相关追踪算法已被广泛应用于许多临近预报系统: NCAR/ANC MIT-LL /ITWS 英国/Nimod 广东省气象局/SWIFT(雨燕)、中国气象局 /SWAN
对临近预报结果进行科学而客观的检验,能够为对流天气预报的持续改进打下基础。对临近预报结果进行科学而客观的检验,能够为对流天气预报的持续改进打下基础。 传统点对点对比的检验评分不能很好反映预报结果的质量。 double penalty: 国内外发展了许多新的空间检验方法,如邻域空间检验方法,尺度分离检验方法,场变形法和基于对象或特征的检验方法 空报 ??? 漏报
2.1资料处理 广东省气象局的9部WSR-98D多普勒天气雷达(广州、深圳、阳江、湛江、韶关、汕头、梅州、河源、汕尾)的单站3公里CAPPI数据格式产品,该数据是分辨率为1公里的产品数据,时间分辨率为6分钟1次。 解码,转换为分辨率1KM×1KM的格点数据, 拼图,采取最大值法。得到广东省范围的3公里高度CAPPI强度回波数据。 2.资料处理与预报方法
搜索区域 T2时刻小区域a r T1时刻小区域b 雷达回波 2.2 对流临近预报算法 • 交叉相关追踪算法(TREC) • 利用相邻∆T时刻的两个时次T1和T2的雷达回波图,对T2时刻雷达回波的某一小面积a,在T1图上,以a的中心位置为圆心,扫描半径r内,寻找与a相关最好的同面积b,认为雷达回波从b的位置到a的位置就是雷达回波a在∆T时间内的平均移动距离。移动距离除以移动时间∆T即可得到移动速度。 • 本文小区域取7×7,搜索半径为10km, Vmax=100km/h
风矢量场订正和分析 • 交叉相关法得出的矢量场,会不同程度地存在散乱和失真的现象 • TREC风矢量值的进行误差订正: • 对风速绝对值大于周围格点均值1.5倍的,其风速由周围格点均值代替 • 对于风向与周围格点均值偏差大于30度,其风向由周围格点均值代替 • 对于风速为0的格点,取周围格点均值代替--抑制地物回波的影响 • Cressman客观分析 Rs dm
雷达回波外推 • 利用得到的TREC风矢量场,进行雷达回波外推。1小时内环境引导风场的演变是几乎可以忽略的,可以假设得到的TREC风矢量场就是随后1小时的雷达回波移动矢量 • 向后外推格式 • 取整补偿方案 • 在外推的过程中,采取四舍五入取整,同时把取整后的值与原值的差值保留下来,进行累积,当差值的绝对值达到1个格点时,将累积值返回 • 图像控制
3.临近预报试验及检验 • 邻域空间检验方法 • 雷达回波分为三级:40dbz(含)以上(红色),30(含)-40dbz(黄色),10(含)-30dbz(绿色) • 判定:半径10Km区域,10%以上格点达到。如区域内达到40dbz以上的点,达到区域总点数的10%,则认为该点为红色。 • CSI(红)=红色命中数/(红色漏报数+红色空报数+红色命中数) • CSI(总)=总命中数/(总漏报数+总空报数+总命中数)
个例一:2012年4月13日雷雨天气过程 05-06时实况 05时1小时预报
CSI(红):0.49 CSI(总):0.32 CSI(红):0.31 CSI(总):0.21
06-07时实况 06时1小时预报
CSI(红):0.47 CSI(总):0.35 CSI(红):0.31 CSI(总):0.25
个例二:2012年6月21日雷雨天气过程 03-04时实况 03时+1小时预报
个例二:2012年6月21日雷雨天气过程 CSI(红):0.55 CSI(总):0.52 CSI(红):0.35 CSI(总):0.36
05-06时实况 05时+1小时预报
CSI(红):0.47 CSI(总):0.50 (g) CSI(红):0.30 CSI(总):0.35
个例三:2012年7月23到24日8号台风“韦森特” 7月23日 20-21时实况 7月23日 20时+1小时预报
个例三:2012年7月23到24日8号台风“韦森特” CSI(红):0.49 CSI(总):0.55 CSI(红):0.49 CSI(总):0.55 CSI(红):0.35 CSI(总):0.39 2012年7月23日(a)20:30UTC、(c)21:00 UTC雷达回波实况和 20:00UTC起报(b)30分钟和(d)60分钟雷达回波外推预报
临近预报检验及与SWIFT的比较 • 针对个别时次的临近预报的检验结果不具有代表性,因此对三个典型个例进行了持续的临近预报试验 • 每个个例试验的起止时间表1所示,每6分钟进行一次预报,得到连续的临近预报样本 • 对广东省气象局SWIFT系统0到1小时对流天气临近预报产品进行检验
4.结论与讨论 • (1)设计了一套终端区对流天气临近预报算法。在交叉相关法得到的移动风矢量基础上,进行一系列的质量控制和平滑处理,包括抑制地物回波和噪声的影响,奇异值的剔除与补充和CRESSMAN客观分析等多个步骤,并在移动预测的差分外推过程采取补偿方案,以及对预测回波的采取图像控制技术,最终得到1小时内的雷达回波预报产品。 • (2)3次典型个例的临近预报试验,能够较好的预报0-1小时的雷达回波移动趋势和方向,预报结果与实况较为一致。这表明这种临近预报算法能够应用与大范围雷雨和台风等恶劣天气的临近预报中。其中个例二和个例三的预报效果优于个例一,这可能与不同个例的引导风场差异有关。 • (3)邻域空间检验方法能够客观体现临近预报水平。通过对三次个例的长时间连续进行临近预报试验,并对预报结果进行统计检验,预报效果优于SWIFT临近预报系统。
Wilson指出对流临近预报的最佳途径是混合方法,即综合利用多种方法。Wilson指出对流临近预报的最佳途径是混合方法,即综合利用多种方法。 • 交叉相关法 • 优点: • 能够得到更加准确的移动速度和方向 • 可以适用于层状云降水和对流性降水 • 缺点: • 不能够识别和追踪单体的移动 • 回波特征追踪算法 • 优点: • 能识别和追踪单体,并且可以获得单体的三维信息 • 缺点: • 层状云降水中效果不佳 • 回波生消、加强、减弱问题 • 雷达风场反演,同化,边界层辐合线 • 发展多种临近预报手段,综合不同预报方法的优点,是提高临近预报水平的手段。
下一步的工作: • 回波特征追踪算法 • 多种资料(天气雷达资料、闪电资料、地面自动站资料、AMDAR资料、GPS水汽资料、风廓线雷达资料、卫星云图资料)的融合,精细化数值预报产品的应用 • 对流系统生消、加强、减弱的算法