多普勒雷达风场资料在临近预报中的应用

刘红艳,魏鸣,管理

(1.南京信息工程大学 中国气象局气溶胶与云降水重点开放实验室,江苏 南京 210044;

2.江苏省气象科学研究所 南京气象雷达开放实验室,江苏 南京 210009)

刘红艳,魏鸣,管理.2015.多普勒雷达风场资料在临近预报中的应用[J].大气科学学报,38(4):483-491.doi：10.13878/j.cnki.dqkxxb.20120514001.

Liu Hong-yan,Wei Ming,Guan Li.2015.Application of Doppler radar radial velocity data to nowcasting[J].Trans Atmos Sci,38(4):483-491.(in Chinese).

多普勒雷达风场资料在临近预报中的应用

刘红艳1,2,魏鸣1,2,管理1

(1.南京信息工程大学 中国气象局气溶胶与云降水重点开放实验室,江苏 南京 210044;

2.江苏省气象科学研究所 南京气象雷达开放实验室,江苏 南京 210009)

摘要：为了研究对流单体移动的运动学和动力学特征,本文综合应用多普勒雷达反射率因子资料和径向速度资料进行雷达回波的外推预报。采用速度方位显示方法(Velocity Azimuth Display，VAD)和交叉相关法(Tracking Radar Echoes by Correlation,TREC),分别得到设定的8个高度的水平风场,并作为回波的引导风,对相应高度的等高平面位置显示(Constant Altitude Plan Position Indicating,CAPPI)反射率因子进行外推。通过两次降水过程分析比较两种方法的外推结果,表明用这两种方法获得的未来60 min内的回波位置与回波实况较吻合;二者在某些高度上预报的评分接近。从两个个例的外推试验发现,预报效果最好的高度层与实际天气过程有关,关键是与降水回波中水平风的垂直分布有关,而不仅仅限于2.5～3.0 km高度。

关键词：多普勒速度;VAD;交叉相关法;CAPPI;回波外推

0引言

多普勒天气雷达资料具有较高的时间和空间分辨率,在中尺度灾害性天气研究和临近预报方面具有重要作用(周海光,2010;耿建军等,2012)。20世纪60—70年代开始,基于天气雷达的临近预报外推技术出现了很多理论和方法,主要有持续性预报法、交叉相关法和单体质心法三种(韩雷等,2007)。持续性预报法由于结果误差较大,目前已经很少使用。交叉相关算法通过计算雷达回波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,对雷达回波进行外推(Rinehart and Garvey,1978)。在TREC(Tracking Radar Echoes by Correlation,交叉相关法)基础上有学者根据雷达连续两个观测时次的数据,用相关法估测CAPPI(Constant Altitude Plan Position Indicating,等高平面位置显示)上的水平流场,从而获得回波的运动走向(严红梅等,2008);也有学者考虑多时刻回波的演变过程、移向和移速以及回波在移动过程中的形变,构造了集合的线性交叉相关方法(符式红等,2012)。回波特征追踪是基于三维雷暴追踪的算法,通过识别和分析雷达回波,得到风暴体的特征参量,在前后两个时刻的扫描数据中进行单体匹配,最后通过连续多时刻的匹配追踪结果外推预警。有学者基于这个思路在实现三维风暴的识别之后,提取三维风暴的特征参数对相邻时刻的风暴进行跟踪,在此基础上对风暴未来时刻的位置及大小进行预报(王改利等,2010)。

上述方法都是通过雷达反射率因子外推预报回波的移动与演变。为充分利用多普勒雷达风场信息研究对流单体移动的运动学和动力学特征,本文综合应用多普勒雷达反射率因子和径向速度资料研究临近预报算法。有学者经过统计验证认为VAD(Velocity Azimuth Display,速度方位显示方法)方法反演的风场和探空风场相似,可用来代表雷达站附近的环境风(王艳兰等,2008;薛双青等,2010),因此本文采用VAD方法反演的风场作为回波移动矢量进行外推预报。另外用交叉相关法估测CAPPI等高面上的水平流场外推反射率因子场,分析比较这两种方法的外推效果。

1资料与方法

1.1　资料说明与处理

选用的资料为CINRAD/SA雷达的反射率因子和径向速度。在VCP21探测模式下,雷达体扫时间间隔为6min左右,雷达最低仰角为0.5°。使用雷达径向速度资料前要进行退速度模糊预处理(童文雪等,2013)。

考虑在二维直角坐标系等高面上进行外推计算,所以先把极坐标格式的雷达反射率因子资料经插值处理转换到直角坐标系中,分辨率取为1 km×1 km。以往预报对流天气时,一般都参考700 hPa气流的引导方向,即用2.5～3 km高度的风场来代表整个天气背景大致的环境流场运动方向(杨凡等,2009;李艳芳等,2011)。拜尔斯和雷厄姆1949年进行的雷暴计划结果显示,当0.6 km和6.0 km高度间平均风速大于4.5 m/s时,在3.4～6.0 km高度上回波的移动和风速之间有较好的相关,发现当采用3.0～3.7 km高度上风资料时,回波移向和风向之间平均偏差最小(Battan,1973)。本文不局限在2.5～3.0 km高度进行外推,而分别选取插值得到的2.0、2.5、3.0、3.5、4.0、4.5、5.0、5.5 km这8个高度的雷达资料进行外推并比较分析。为了更好地追踪降水演变,在处理反射率因子资料时保留10 dBz以上的回波进行外推预报。

1.2　速度矢量获取方法

外推方法的核心就是利用雷达资料通过风场反演及相邻时次空间最优相关技术,分别得到速度矢量,并利用该速度矢量预测下一时次回波的位置和范围。

1.2.1VAD原理

VAD技术就是让雷达天线以某固定仰角做方位扫描,并把探测到的降水粒子在某一距离和方位上的径向速度Vr(β)记录并显示出来,雷达探测的降水粒子的径向速度Vr(β)可表示为(张培昌等,2001):

Vr(β)=-Vh(β)cos(β-β0)cosα+Vf(β)sinα。

(1)

(2)

(3)

式中:

(4)

确定不均匀数据场的风速风向:水平风速:

(5)

水平风向:

D=argA1-π。

(6)

1.2.2交叉相关法的主要思路

交叉相关算法目前被广泛用于确定雷达回波移动的引导风场,是国际上许多临近预报系统的主要算法之一(曾小团等,2010)。分析时先将t1时刻的数据分成一系列大小相同的二维像素阵列,然后将每个阵列与t2时刻(t1+Δt)数据中相同大小的所有阵列求相关,找到与之最匹配的那个阵列,即确定具有最大相关系数的阵列对。阵列对中t1时刻初始阵列的中心即为回波移动矢量的起点,t2时刻与初始阵列具有最大相关的阵列中心即为回波移动矢量的终点。对t1时刻的所有初始阵列都求出其对应的移动矢量,将得到的矢量场除以时间间隔Δt,就得到了TREC速度矢量场(以下简称TREC矢量场)。图1是交叉相关算法的示意。

图1　交叉相关方法示意图　　a.t1时刻;b.t2时刻Fig.1　Schematic diagram of the TREC(tracking radar echoes by correlation)a.t1;b.t2

相关系数

(7)

其中:Z1和Z2分别是t1和t2时刻的反射率像素值;N是一个阵列中所有数据点的数目。当确定了雷达回波各个阵列的移动矢量后,利用获得的这些矢量来外推相应区域回波场,最终可获得整个回波场的预报图像。

在估测TREC矢量场时,将各高度 CAPPI反射率因子场划分为18 km×18 km的初始二维像素阵列,阵列之间间隔5 km。一般降水回波移速小于100 km/h,本文设最大搜索半径10 km。对前后两个时刻的回波经交叉相关法得到回波移动风矢量,并对此风矢量采用严红梅等(2008)给出的方法进行质量控制。

1.3　回波外推算法

雷达回波的移动外推方法是基于这样的假设,即雷达回波的移动受环境风场引导,且环境风场在60 min内不存在明显的突变。因此,可以通过确定环境引导风场,采用有效的差分格式对雷达回波进行外推预测(曾小团等,2010)。采用上述两种方法获得当前时刻雷达回波的移动矢量,并分别假设该两种矢量就是雷达回波移动的引导风矢量,从而在拉格朗日坐标下实现雷达回波的外推预测。

采用后向外推格式(Germann and Zawadzki,2002;Seed,2003;Berenguer et al.,2005)对雷达回波进行外推计算。如图2,Zi,j(t)和Zi,j(t+1)分别是t和(t+1)时刻(i,j)处雷达反射率因子;Vi,j(t)是t时刻(i,j)处的移动风矢量,ut,i,j,vt,i,j分别是Vi,j(t)的纬向风和经向风分量。在预测雷达回波时,认为(t+1)时刻(i,j)位置处的回波是t时刻中 (i-Δi,j-Δj)位置处的回波移动而来,所以有Zi,j(t+1)=Zi-Δi,j-Δj(t),其中,Δi=ut,i,jΔt,Δj=vt,i,jΔt,i和j是雷达回波分辨率下的格点下标。

图2　后向外推方法示意图　　a.t时刻;b.(t+1)时刻Fig.2　Schematic diagram of the back-extrapolation forecast technique　a.t;b.(t+1)

后向外推格式可表示为:

Zi,j(t+1)=Zi-Δi,j-Δj(t+n-1)。

(8)

其中:Z是雷达回波值;t是外推的起始时刻;n是每隔Δt时间的外推次数,n=1,2,…,这里Δt取6 min。对于格点数据,每做一步外推都会遇到(i-Δi)和(j-Δj)不落在格点上的问题,采用四舍五入取整来消除。

1.4　回波外推结果检验方法

通常使用列联表方法(王华等,2007),即使用探测概率DPO、虚假警报比RFA和临界成功指数ICS来衡量预报效果。列联表法是将预报的数据和预报时刻雷达实测的数据逐个格点进行对比,如果实测的格点数据和预报的格点数据都大于阈值,则认为该格点是成功预报,如果实测的格点数据大于阈值而预报的格点数据小于阈值,则该格点是漏报,如果实测的格点数据小于阈值而预报的格点数据大于阈值,则该格点是虚假警报。探测概率、虚假警报比和临界成功指数按照以下定义计算:

(9)

其中:Ns、Nf、Na分表为预报成功的格点数、漏报的格点数和虚假警报的格点数。DPO、RFA和ICS的数值都介于0～1,DPO和ICS的数值愈大愈接近正确预报,而RFA数值愈小愈接近正确预报。

2试验分析

本文的外推方法并未考虑回波的生消,较适合处于成熟阶段、形变较小的回波,而天气过程发生时雷达回波往往是随时间变化的,因此外推预报的时间不宜太长,选择在60 min以内。

2.1　山东烟台暴雨天气过程

2010年8月12日山东烟台出现由西南向东北方向移动的暴雨过程,分别用VAD法及TREC法获得8个高度上回波的移动矢量。回波0～60 min外推方案分别于8月12日02:19(世界时,下同)到03:19逐6 min进行(本文仅给出代表中低层的3.0 km和代表中高层的5.0 km高度上预报时长为30 min和60 min的预报结果)。

观察8月12日02:19—03:19回波实况发现,回波整体呈西南—东北走向,自西南向东北移动。在前30 min的移动中,回波带南端及东南端有回波增长,而西南端则有回波消散,但回波总体形变较小;后30 min内,增长和消散仍在继续,回波形变相对较大。

图3给出的是2010年8月12日02:49(30 min预报)和03:19(60 min预报)基于VAD风矢量场(以下简称“方案1”,图3a)和TREC矢量场(以下简称“方案2”,图3b)对雷达回波进行外推得到的3.0 km和5.0 km高度回波图以及相应时刻雷达实况(图3c)。前30 min的预报结果显示,方案1和方案2得到的外推回波位置和发展形势与雷达实况较为吻合,预报效果较好。由于方案1反演的移动速度较实况偏快,这导致30 min后的预报结果与实况之间出现误差,且外推时间越长,误差越大。另外实况回波随时间的演变显示雷达西南端有回波逐渐消散,而外推结果并未显示该现象,这是它的局限性。表1为两种方案的预报评分结果。首先分析由方案1得到的预报时长为30 min和60 min的预报评分结果。整体而言,8个高度的DPO都相对较高,均达83.40%以上,ICS也均超过63.24%,这直接说明在8个高度上外推的回波与实况对应较好,也间接说明VAD方法反演的平均风较为接近回波实际移动矢量。仅就30 min的预报效果而言,3.5 km高度的ICS最高,预报效果最好;2.5、3.0以及2.0 km高度的外推效果稍逊于3.5 km。60 min 外推评分结果显示,在此预报时长内,3.5 km高度的预报效果最好,其次分别是2.5和3.0 km。综合来看,在两个预报时长内,方案1在2.5～3.5 km高度间的预报效果达到最好。在相同高度上,30 min的评分结果明显要好于60 min,其原因有:外推风矢量较回波实际移速偏快,致使回波预报位置与实况之间出现误差;部分回波衰减,导致回波预报范围与实况有所偏差。

图3　方案1(a)、方案2(b)及实况(c)中02:49(30 min预报)3.0 km高度(1)、03:19(60 min预报)3.0 km高度(2)、02:49(30 min预报)5.0 km高度(3)、03:19(60 min预报)5.0 km高度(4)的雷达回波(单位:dBz)Fig.3　The forecast radar echoes extrapolated by (a)scheme 1 and (b)scheme 2,and (c)the observed radar echoes (1)on height of 3.0 km at 02:49 UTC,(2)on height of 3.0 km at 03:19 UTC,(3)on height of 5.0 km at 02:49 UTC,and (4)on height of 5.0 km at 03:19 UTC(units:dBz)

表1两种方案在2010年8月12日02:19—03:19烟台地区雷达30 min和60 min回波预报的评分结果

Table 1Score results of Yantai radar echo prediction at 30 min and 60 min for scheme 1 and scheme 2 during 02:19—03:19 UTC 12 August 2010

高度/km30min60minDPO/%RFA/%ICS/%DPO/%RFA/%ICS/%方案1方案2方案1方案2方案1方案2方案1方案2方案1方案2方案1方案22.088.7184.5815.798.1976.0678.6484.6280.5925.9415.8265.2869.992.588.9684.3815.898.2876.1678.4085.0379.7725.8616.1965.5869.123.089.0284.5416.078.3976.0578.4785.0879.6626.0116.4065.4968.893.589.9884.5715.388.4877.3378.4385.8479.6425.4416.5566.3968.784.088.6184.4616.798.5775.1778.2783.8379.4227.3316.6363.7468.564.589.2184.8816.539.5575.8277.9084.7779.9826.4917.9464.9368.085.088.5283.7817.339.9174.6776.7183.4078.6527.6617.9763.2467.095.588.9584.9117.1910.2475.0977.4183.8580.5127.5018.7563.6267.90

其次,方案2的评分结果表明预报时长为30 min时,8个高度中2.0 km高度的ICS最高,为78.64%,其次是3.0和3.5 km。预报时长为60 min时,预报效果最好的3个高度分别为2.0、2.5和3.0 km。由此可知,方案2在2.0～3.5 km高度的预报效果较其他高度要好。

最后,对两种方案评分结果进行对比发现,两种方案外推的雷达回波与实况都较为吻合。在同一预报时长内,方案1的DPO都要高于相同高度的方案2,但同时由于预报的回波范围与实况偏差较大,所以RFA也远高于方案2,这导致方案1的ICS稍逊于方案2,不过相同高度上两种方案的ICS相差并不大。同一方案同一预报时长内各个高度的评分指数相差较小,这说明在该时间段内,基本气流从低层到高层切变较小。另外总结前述分析,对于此次天气过程,方案1和方案2均为中低层(2.0～3.5 km)的预报效果好于中高层。分析2010年8月11日20时的T-logp资料可知,近饱和的水汽层主要集中在850～600 hPa,此层风向为西风或西南风,大致对应着2.0～3.5 km高度,这也是降水系统引导气流的主要高度。

2.2　江苏南京降水天气过程

受地面倒槽和切变线影响,自2008年4月19日凌晨起,江苏省自西向东出现大范围降水天气。选取南京多普勒雷达资料,对此次天气过程进行外推预报。其雷达回波0～60 min移动外推方案分别于4月19日00:08—01:08逐6 min进行。

4月19日00:08—01:08这一个小时的雷达实况回波演变显示,回波整体呈现西北—东南走向,且由西南向东北方向缓慢移动。分析多普勒径向速度(图略),可知零速度线呈S型,低层为偏东风,高层为偏西风,基于此实际,初步分析雷达回波引导风风向与高层风更为接近。图4为2008年4月19日采用两种方案外推得到的00:38和01:08在3.0和5.0 km上的雷达回波以及雷达实况。由图所示,预报时长为30 min时,两种方案外推预报的回波位置都与实况吻合较好,但后30 min时间内,回波发展较快,形变较大,预测的回波与实况回波一致性变差。表2为2008年4月19日00:08—01:08时南京地区两种外推方案的评分结果。

图4　方案1(a)、方案2(b)及实况(c)中2008年4月19日00:38(30 min预报)3.0 km高度(1)、01:08(60 min预报)3.0 km高度(2)、00:38(30 min预报)5.0 km高度(3)、01:08(60 min预报)5.0 km高度(4)的雷达回波(单位:dBz)Fig.4　The forecast radar echoes extrapolated by (a)scheme 1 and (b)scheme 2 and (c)the observed radar echoes (1)on height of 3.0 km at 00:38 UTC,(2)on height of 3.0 km at 01:08 UTC,(3)on height of 5.0 km at 00:38 UTC,and (4)on height of 5.0 km at 01:08 UTC 19 April 2008(units:dBz)

由表2 知,方案1在预报时长为30 min时,4.5 km高度的预报效果最好,4.0和3.5 km高度的预报效果稍逊于4.5 km;60 min的评分结果显示3.5 km的预报效果最好,ICS达67.35%,其次分别是4.0和4.5 km。综合来看,方案1在3.5～4.5 km的外推结果要好于其他高度。低层评分相对较低的原因是低层基本气流为偏东风,而回波整体由西南向东北方向移动,VAD反演风矢量与回波实际移动矢量相差较大。分析方案2的评分结果可知,30 min的评分结果中,3.5 km高度的ICS最高,为77.98%,其次分别是4.0和4.5 km;60 min外推预报效果在3.5、3.0和4.0 km高度上达到最好。整体来看,方案2中ICS在3.0～4.0 km为大值区。

两种方案对比发现,对于此次天气过程,在预报时长为60 min内,利用方案1和方案2得到的外推回波与实况对应较好,且都在3.0～4.5 km达到最好的预报效果。

3结论

为研究对流单体移动的运动学和动力学特征,综合应用多普勒雷达反射率因子和径向速度资料研究回波的临近预报算法。在设定的8个高度上以VAD方法反演出的平均水平风场作为回波的移动矢量,对2010年8月烟台暴雨过程和2008年4月南京降水过程进行了预报时长为60 min的外推预报,并将其与TREC方法进行比较,结论如下:

表2两种方案在2008年4月19日00:08—01:08南京地区雷达30 min和60 min回波预报的评分结果

Table 2Score results of Nanjing radar echo prediction at 30 min and 60 min for scheme 1 and scheme 2 during 00:08—01:08 UTC 19 April 2008%

1)以VAD方法反演的各层水平风作为移动矢量进行回波外推,在预报时长为60 min内,能够预测出雷达回波的整体移动趋势,且预测的回波范围和位置与实况较为吻合,适合监测测站附近对流天气系统的移动演变。

2)利用VAD方法(方案1)和TREC方法(方案2)获得的未来60 min内的雷达回波位置与相应时刻雷达实况基本吻合,二者在某些高度上的预报评分结果较为接近,且预报效果最好的高度层对应较好;从两个个例的外推实验发现,外推的效果关键是与降水回波中水平风的垂直分布有关,而不能仅仅限制在2.5～3.0 km。

3)随预报时长增加,预测回波与实况的一致性逐渐变差。这是因为本文的外推技术是基于雷达回波历史状态进行的预报,但回波演变过程中,边缘或者面积较小的回波,发展变化明显,从而导致外推时间步长越长,误差也越大。

参考文献(References)：

Battan L J.1973.Radar observation of the atmosphere[M].Chicago:The University of Chicago Press.

Berenguer M,Corral C,Sanchez-Diezma R,et al.2005.Hydrological validation of a radar-based nowcasting technique[J].J Hydrometeorol,6:532-549.

符式红,钟青,寿绍文.2012.对多普勒雷达集合交叉相关外推技术的构造与实例检验[J].气象,38(1):47-55.Fu Shihong,Zhong Qing,Shou Shaowen.2012.Construction and case verification on Doppler radar ensemble extrapolation of cross-correlation[J].Meteor Mon,38(1):47-55.(in Chinese).

耿建军,肖现,王迎春,等.2012.变分多普勒雷达分析系统对北京一次强降水过程的短时预报能力初探[J].大气科学学报,35(6):730-736.Geng Jianjun,Xiao Xian,Wang Yingchun,et al.2012.A preliminary exploration on the nowcasting ability of VDRAS in a rainstorm case in Beijing[J].Trans Atmos Sci,35(6):730-736.(in Chinese).

Germann U,Zawadzki I.2002.Scale-dependence of the predictability of precipitation from continental radar images.Part I:Description of the methodology[J].Mon Wea Rev,130:2859-2873.

韩雷,王洪庆,谭晓光,等.2007.基于雷达数据的风暴体识别、追踪及预警的研究进展[J].气象,33(1):3-10.Han Lei,Wang Hongqing,Tan Xiaoguang,et al.2007.Review on development of radar-based storm identification,tracking and forecasting[J].Meteor Mon,33(1):3-10.(in Chinese).

李艳芳,黄兴友,潘佳文,等.2011.多普勒雷达资料在南京地区一次暴雨临近预报中的应用[J].安徽农业科学,39(19):11763-11766,11786.Li Yanfang,Huang Xingyou,Pan Jiawen,et al.2011.Application of Doppler radar data in rainstorm nowcasting of Nanjing[J].Journal of Anhui Agri Sci,39(19):11763-11766,11786.(in Chinese).

刘红艳.2013.多普勒雷达风场资料在短时临近预报中的应用研究[D].南京:南京信息工程大学.Liu Hongyan.2013.Application of Doppler radar radial velocity data for nowcasting prediction [D].Nanjing:Nanjing University of Information Science & Technology.(in Chinese).

Rinehart R E,Garvey E T.1978.Three-dimensional storm motion detection by conventional weather radar[J].Nature,273:287-289.

Seed A W.2003.A dynamic and spatial scaling approach to advection forecasting[J].J Appl Meteor,42:381-388.

童文雪,李刚,马旭林,等.2013.多普勒雷达径向速度退模糊的初步研究[J].大气科学学报,36(4):472-480.Tong Wenxue,Li Gang,Ma Xulin,et al.2013.Preliminary study on Doppler velocity data quality control[J].Trans Atmos Sci,36(4):472-480.(in Chinese).

王改利,刘黎平,阮征,等.2010.基于雷达回波拼图资料的风暴识别、跟踪及临近预报技术[J].高原气象,29(6):1546-1555.Wang Gaili,Liu Liping,Ruan Zheng,et al.2010.Storm identification,tracking and nowcasting techniques based on the radar mosaic data[J].Plateau Meteor,29(6):1546-1555.(in Chinese).

王华,孙继松,李津.2007.2005年北京城区两次强冰雹天气的对比分析[J].气象,33(2):49-56.Wang Hua,Sun Jisong,Li Jin.2007.A comparative analysis on two severe hail events in Beijing urban district in 2005[J].Meteor Mon,33(2):49-56.(in Chinese).

王艳兰,唐伍斌,周文志,等.2008.利用多普勒雷达资料作站点雨量及面雨量临近预报[J].气象科学,28(3):322-327.Wang Yanlan,Tang Wubin,Zhou Wenzhi,et al.2008.Nowcating of the station-point/area rainfall amounts using cinradar[J].Scientia Meteorologica Sinica,28(3):322-327.(in Chinese).

薛双青,杨洪平,高玉春,等.2010.VAD反演风与探空资料的对比分析[J].气象科学,30(6):856-861.Xue Shuangqing,Yang Hongping,Gao Yuchun,et al.2010.Comparison between VAD retrieved wind and radiosonde data[J].Scientia Meteorologica Sinica,30(6):856-861.(in Chinese).

严红梅,顾松山,胡胜,等.2008.用相关法估测CAPPI等高面上的TREC风[J].南京气象学院学报,31(3):436-440.Yan Hongmei,Gu Songshan,Hu Sheng,et al.2008.Estimating TREC wind on CAPPI by echo correlation method[J].J Nanjing Inst Meteor,31(3):436-440.(in Chinese).

杨凡,孙贞,孙琪,等.2009.改进的TREC算法在奥帆赛测试期的应用[J].气象科学,29(3):408-413.Yang Fan,Sun Zhen,Sun Qi,et al.2009.Application of modified TREC algorithm during the Olympic regatta in Qingdao[J].Scientia Meteorologica Sinica,29(3):408-413.(in Chinese).

曾小团,梁巧倩,农孟松,等.2010.交叉相关算法在对强对流天气临近预报中的应用[J].气象,36(1):31-40.Zeng Xiaotuan,Liang Qiaoqian,Nong Mengsong,et al.2010.Application test of TREC algorithm to severe convective storm nowcasting [J].Meteor Mon,36(1):31-40.

张培昌,杜秉玉,戴铁丕.2001.雷达气象学[M].北京:气象出版社:236-243.Zhang Peichang,Du Bingyu,Dai Tiepi.2001.Radar meteorology[M].Beijing:China Meteorological Press:236-243.(in Chinese).

周海光.2010.超强台风韦帕(0713)螺旋雨带中尺度结构双多普勒雷达研究[J].大气科学学报,33(3):271-284.Zhou Haiguang.2010.Mesoscale spiral rainband structure of super typhoon Wipha(0713) observed by dual-Doppler radar[J].Trans Atmos Sci,33(3):271-284.(in Chinese).

(责任编辑：刘菲)

Application of Doppler radar radial velocity data to nowcasting

LIU Hong-yan1,2,WEI Ming1,2,GUAN Li1

(1.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration,NUIST,Nanjing 210044,China;

2.Nanjing Meteorological Radar Laboratory,Jiangsu Meteorological Science Research Institute,Nanjing 210009,China)

Abstract:In order to make a study of the kinematic and dynamic characteristics of convective cells,Doppler radar reflectivity factor data and radial velocity data are used to conduct radar echo extrapolation in this study.Therefore,the horizontal wind fields of eight different heights are retrieved by VAD(Velocity Azimuth Display) method and TREC(Tracking Radar Echoes by Correlation) method,which are taken as the motion vectors of echoes to get the extrapolated forecast of CAPPI(Constant Altitude Plan Position Indicating) reflectivity factor there.According to the methods of VAD and TREC,the radar echo extrapolation of two rainstorm processes have been carried out.The results indicate that the location of radar echoes during the next 60 min forecasted by the two methods coincides well with that from the observations.The extrapolation results of VAD and TREC are similar at some altitudes,and correspond well at the levels with the best results.The two extrapolation experiments show that the height levels with the best forecast results are related to the weather process,especially the vertical distribution of horizontal wind in the precipitation echo,which are not just limitted to 2.5—3.0 km.

Key words:Doppler velocity;VAD;cross correlation method;CAPPI;echo extrapolation

doi：10.13878/j.cnki.dqkxxb.20120514001

中图分类号：

文章编号：1674-7097(2015)04-0483-09P415.2

文献标志码：A

通信作者：魏鸣,博士,教授,研究方向为大气遥感与灾害性天气预测,mingwei@nuist.edu.cn.

基金项目:水利部公益性行业科研专项(201201063);北极阁基金(BJG201208);国家重点基础研究发展计划(973计划)项目(2013CB430102);公益性行业(气象)科研专项(GYHY201306040);中国气象局2014年关键技术项目(CMAGJ2014M21)

收稿日期：2012-05-14；改回日期：2012-10-29