引言

对流临近预报是指对雷暴及其产生的灾害性对流天气未来几小时的预报。目前, 单纯依靠数值模式进行对流天气临近预报的技术还不成熟^[1-3]。现在业务上使用的对流临近预报系统主要是以自动外推技术为基础的专家系统, 有的系统则同时借助了利用数值模式分析和预报的对流尺度信息, 包括一些统计方法, 如模糊逻辑算法或者神经元网络等^[3-5]。

对流临近预报的自动外推技术主要包括两类。一类是基于三维雷暴特征追踪的算法, 就是通过识别和分析雷达回波, 从而获得雷暴单体的诸多特征, 如雷暴中心、反射率因子权重质心、雷暴体积、雷暴顶和底等, 包括追踪这些特征过去的演变, 最后对这些雷暴特征进行拟合外推来做出对流的临近预报。因此, 这种算法通常也被称作对流单体追踪或者雷暴“质心”跟踪^[6-7]。单体追踪算法仅适合于强对流风暴的跟踪和临近预报。另一类是基于交叉相关追踪的算法, 主要是利用求雷达回波最优空间相关的方法, 建立不同时次雷达回波的最佳拟合关系, 从而达到追踪一定区域内雷达回波在过去的移动特征, 然后通过这些回波移动特征来外推确定回波未来的位置和形状。交叉相关算法不仅适合于强对流风暴的跟踪和临近预报, 也适合于范围较广的一般性对流降水系统以及对流云和层状云混合降水系统的跟踪和临近预报。因此, 这种算法通常也被称作区域追踪^[8-9]。

在国际上, 交叉相关算法通常被称作TREC (Tracking Radar Echoes by Correlation), 是最早用来追踪雷达回波移动的算法之一, 被广泛使用始于Rinehart等人的研究工作^[10]。交叉相关算法早期主要用于追踪降水系统的移动特征以及晴空边界层气流的变化特征。在晴空状态下, 交叉相关算法可以根据雷达的晴空回波来追踪并获得边界层的气流特征^[11-12]。在降水状态下, 则可以得到降水回波在过去的移动特征^{[10, 13]}。但是, 需要注意的是, 在降水状态下得到的是雷达回波的移动矢量, 与真正的雷达观测风场可能会存在一定差异。交叉相关算法的优势就在于可以通过获得的雷达回波在过去的移动矢量, 来外推确定回波未来的位置和形状, 从而达到预报的目的。

交叉相关算法在反演和追踪热带气旋以及台风的风场和螺旋雨带中已经得到了很好的应用^[14-15], 也已经用于以气象卫星资料为基础的短时临近预报中^{[8, 16]}。试验也表明, 利用该算法追踪得到的矢量场在中尺度三维变分同化中有较好的应用价值, 能有效提高分析产品的质量, 在变分同化分析中加入回波移动矢量后, 也能有效改进数值预报的效果^[17]。应用两维连续方程, 可以消除交叉相关算法在山区复杂地形下追踪雷达回波矢量场的偏差, 在一定程度上提高了其追踪回波矢量以及临近预报的准确率^[18-19]。目前, 交叉相关算法已经是国际上许多临近预报系统的主要算法之一^{[8-9, 20]}。

我国从20世纪90年代末起在全国范围内开始布设新一代多普勒天气雷达。目前, 随着新一代天气雷达网的日益完善, 基于雷达资料的对流自动临近预报技术的研究和应用已经成为摆在我国气象科研工作者面前的重要任务之一。

本文将利用改进的交叉相关算法和我国的新一代天气雷达资料, 进行雷达回波移动矢量的追踪和对流自动临近预报的试验。

1 交叉相关算法的改进及资料说明 1.1 算法基本原理

交叉相关算法的核心就是通过计算连续时次雷达回波不同区域的最优空间相关性, 来确定回波在过去的移动矢量特征。首先, 将极坐标格式的雷达回波资料插值并转换到规则的三维直角坐标系中。其次, 取最能代表对流水平分布特征的一层雷达回波场, 将该二维回波场分成若干个大小相等的正方形“区域”, 这些“区域”均包含相同的资料点数。然后, 将第一时刻t₁的每个“区域”分别与下一时刻t₂ (t₂=t₁+Δt) 的所有“区域”做空间交叉相关计算。这里, 相关系数R表示为

(1)

式 (1) 中Z₁, Z₂分别为t₁, t₂时刻这些“区域”内各个资料点上回波的反射率因子值; N是“区域”内的资料点数; k为“区域”的序号。最后, 找出与t₁时刻每个“区域”相对应的t₂时刻相关系数最大的“区域”, 则t₂时刻该最大相关系数“区域”的中心即是在Δt时间内该“区域”内回波移动矢量的终点 (示意图见文献[5])。如果将二维回波场内每个“区域”的移动矢量全部考虑, 即可得到整个回波区域的移动特征^{[5, 9, 12, 18]}。

当确定了雷达回波各个“区域”的移动矢量后, 利用获得的这些移动矢量来外推相应“区域”的回波场, 最终可获得整个回波区域的预报图像。因为是按照每个“区域”追踪的回波移动矢量进行外推, 所以, 对于一定范围的对流区域来说, 这种外推临近预报既考虑了回波移动大小和方向的变化, 也考虑了整个回波在移动过程中的形变。

使用交叉相关算法的主要优势在于它的计算不是非常复杂, 而且仅仅需要单部雷达在连续时次探测的回波资料。虽然交叉相关算法获得的雷达回波移动矢量主要是水平方向上的, 没有考虑深对流系统通常存在的较强的垂直运动, 但是, 如果仅仅考虑短时间内 (0~1 h) 回波的移动或者对流的发展, 由该算法获得的移动矢量仍然具有较好的代表意义, 根据获得的移动矢量来外推回波进行对流天气1 h以内的临近预报也具有一定的有效性。

1.2 资料说明及质量控制 1.2.1 资料说明

本文所使用的雷达资料为位于天津塘沽的我国新一代S波段多普勒天气雷达 (CINRAD/SA) 扫描的强度场 (反射率因子) 资料。在VCP21探测模式下, 该雷达体扫的时间间隔为6 min左右, 强度场的最有效探测半径为230 km, 雷达最低仰角为0.5°左右 (0.4°~0.6°)。

雷达强度场资料经过插值处理并转换到了三维直角坐标系中。资料插值采用的是考虑了分段连续和加权平均的双线性插值法^[21]。插值后的资料其水平和垂直分辨率最高可达1 km, 垂直方向从0.5 km到19.5 km共20层。为保证数据经过插值后不失真, 在插值算法中规定, 0.5 km高度的数据仅在100 km半径范围内有效, 1.5 km高度的数据仅在165 km半径范围内有效, 2.5 km高度的数据在220 km半径范围内有效, 其他高度的数据在230 km半径范围内有效。

另外, 为了与雷达资料的记录时间吻合以及分析的方便, 文中除特别说明外, 均使用世界时。

1.2.2 资料质量控制

将极坐标格式的雷达强度资料插值并转换到三维直角坐标系中后, 需要对资料进行一些质量控制, 减少虚假资料对算法的影响。

在雷达强度资料中, 经常存在杂波和亮带等虚假回波, 会对真实回波移动矢量的分析和追踪产生影响。对于地物杂波和由于大气超折射造成的异常传播 (AP) 等虚假回波而言, 经常出现在低层。在回波矢量追踪中, 本文取2.5 km高度的强度资料作为最具代表性的一层雷达回波场。就天津雷达来说, 2.5 km高度的资料是低层多个仰角的原始雷达资料经插值而得到的, 具有较好的代表性, 并且在一定程度上避免了地物杂波和AP等虚假回波的影响。对于雷达反射率因子中的亮带而言, 本文采用了一种自动识别和移除算法, 可以较成功地识别和移除绝大多数雷达反射率因子中的亮带区域, 而实际的雷达回波受到该算法的影响很小^[22]。为有效避免噪声等低阈值回波对算法的影响, 也需要对回波的最低阈值进行限制。这里, 为有效追踪强对流系统, 包括范围较广的一般性对流降水系统以及对流云和层状云混合降水系统的移动特征, 经统计分析, 本文将回波的最低阈值定为12 dBz, 在每个“区域”中, 当检查发现资料值小于12 dBz的点数超过“区域”内资料总点数的40%时, 该“区域”将不被包括在追踪计算中。在1.3节的交叉相关矢量计算的质量控制和参数配置中, 还将描述如何进一步消除虚假回波对算法的影响。

另外, 在雷达探测的强度场资料中, 会存在一些影响交叉相关计算的小“空洞”, 即缺少观测值的地方。这主要是由于当时的雷达硬件状态或者探测时大气环境等干扰造成的。因此, 需要对这些资料“空洞”进行填充或者处理, 以减小对雷达回波移动矢量追踪的影响。本文采用简单的局地平均法对雷达回波资料存在的“空洞”进行填充处理。即当进行资料的连续性判断时, 如果某个格点的值与其周围至少3个象限内的若干个格点的平均值的差异大于5 dBz, 即认为该点为资料“空洞”, 遂利用其周围这些点的平均值来填补“空洞”。

1.3 算法质量控制及参数设置 1.3.1 算法质量控制

能够获得平滑和真实的回波移动矢量是追踪回波移动特征并作好回波外推临近预报的一个关键。因此, 在利用交叉相关算法进行雷达回波移动矢量的追踪时, 需要对算法本身进行一些控制处理, 并对追踪的矢量进行一些质量控制和优化, 以获得更加真实和平滑的回波移动矢量。

模拟试验表明, 交叉相关算法对地物杂波和噪声等非常敏感^[12]。因此, 在上文对资料进行质量控制以减少杂波和噪声等影响的基础上, 还需要在交叉相关的计算中去抑制这种负面影响。研究表明, 雷达回波中的低阈值杂波和噪声等会造成追踪矢量的杂乱, 计算得到的交叉相关系数也偏低, 而地物杂波和AP等虚假的高阈值回波, 会导致算法产生大量零速度 (或接近于零速度) 的矢量, 这些零速度矢量则对应着过高的交叉相关系数^[12]。所以, 对最大相关系数等参数进行阈值限制, 可以改进追踪的移动矢量。经统计试验, 本文将最大相关系数的阈值界定在0.25和0.95之间, 超出阈值范围的相关计算, 则被剔除。另外, 对于与周围矢量平均方向的偏离程度大于25°的矢量, 以及与周围若干个点的矢量大小平均值的偏差超过5 m/s的矢量, 也被剔除。在本文的计算中, 为保证一定范围矢量场的平滑和真实, 对于与整个回波区域移动矢量大小的整体平均值相比而言, 偏差达到15 m/s的个别矢量, 也被剔除。

为保证一定追踪区域内移动矢量的连续性, 需要对上述剔除矢量的点以及在交叉相关计算过程中可能“丢失”计算的点进行矢量填补, 规定在交叉相关计算结束后, 对于某个被剔除或者“丢失”矢量的点, 如果满足在一定的扫描半径范围内, 其周围至少有3个象限中存在有效的矢量, 并且有效矢量数不少于10个, 即采用最小二乘法对该点进行拟合填补。

另外, 为保证获得更加平滑的回波移动矢量, 在交叉相关计算的过程中, 还对每个点上的矢量与其前几个时次的矢量进行差异比较分析, 然后进行平滑处理。

由上文也可以看出, 对获得的回波移动矢量进行外推的准确与否是做好临近预报的另一个关键。对于两个连续时次的雷达回波场来说, 其时间间隔很短, 一般为5~10 min, 所以通过对前几个时次获得的移动矢量进行线性拟合计算和外推, 即可得到未来的回波移动矢量。然后, 基于这些矢量来外推回波的各个“区域”, 即可得到整个回波的预报场。总体而言, 这种预报在30 min或60 min内的精度是有意义的。本文采用这种方法来获得临近预报所需的回波在未来30 min或者60 min的移动矢量场。

1.3.2 算法参数设置

研究和统计分析指出, 在对所用资料和交叉相关算法进行质量控制和优化后, 其他一些因素还影响算法的效果, 主要包括:两次资料的时间间隔、资料的分辨率、交叉相关计算“区域”的大小以及空间间隔等^{[10-12, 18]}。

就利用交叉相关算法进行对流临近预报而言, 当两次资料的时间间隔 (或计算交叉相关的时间间隔) Δt为5~6 min时, 追踪回波移动矢量并进行对流临近预报的效果最好^[18]。本文所用的是我国新一代S波段天气雷达 (CINRAD/SA) 在VCP21模式下的强度场资料, 其时间间隔为6 min左右, 达到了利用交叉相关算法进行对流临近预报最佳时间间隔的要求。

在交叉相关算法中, 相关“区域”大小的选择很重要, 如果选的太大, 不能很好地反映出精细对流移动特征, 而仅能得到整个对流区域的平均移动特征, 但如果选的太小, 则不能包含足够的资料点去计算得到一个稳定的相关系数。研究表明, 对于分辨率为1°×150 m或1°×250 m的雷达资料, “区域”每边的大小为3~7 km时最为合适^[12]。但是, 对于分辨率为1°×1 km的雷达资料, 如CINRAD/SA雷达在230 km范围内的强度资料, “区域”每边的大小则选为12~28 km最为合适, 这样, 一个“区域”将包含100~500个资料点。因此, 本文设定相关“区域”的大小为25 km×25 km, “区域”中心之间的间隔距离设定为10 km, 而且“区域”大小和“区域”中心间距保持不变, “区域”从资料场的左下角沿经向和纬向开始划分。

因为在两次连续资料的时间间隔Δt内, 对流的移动距离是有限的。因此, 事实上没有必要为第1时刻t₁的每个“区域”与下一时刻t₂的所有“区域”做空间交叉相关计算, 这样也可以减少交叉相关的计算量。通常会以第1时刻t₁的每个“区域”为中心确定一个扫描半径r, 这里r=V_max×Δt, 其中V_max为对流或雷达回波移动的最大可能速度。经统计分析, 在此将V_max设置为30 m/s。

1.3.3 算法改进前后的结果对比

2005年8月8日前后, 由于受台风“麦莎”减弱的低压气旋的影响, 京津地区出现了不同程度的对流天气, 在雷达回波上表现为沿着逆时针方向发展和移动。彩图 1为2005年8月8日19:44天津雷达的反射率因子实况, 以及由交叉相关算法在质量控制前后追踪得到的回波移动矢量。由彩图 1可见, 原始的交叉相关算法追踪的回波移动矢量基本上可以反映出回波呈逆时针旋转的移动特征 (彩图 1a)。但是, 在雷达站的西北和西南部, 算法追踪的回波移动矢量有一些杂乱, 在方向及大小上与回波基本流型存在较大差异。而且, 在雷达反射率因子空缺的地方, 原始的算法不能够追踪得到回波的移动矢量。通过对交叉相关算法进行质量控制和改进后, 得到了更加一致和平滑的回波移动矢量, 与逆时针方向的回波移动特征也更加相符, 追踪得到的回波移动矢量与真实的回波移动矢量也更加接近 (彩图 1b)。另外, 算法也对反射率因子空缺部位的回波移动矢量进行了填充处理, 可以看出, 填充的矢量其分布与基本的回波移动矢量特征比较接近。

2005年8月16日, 京津地区出现层状云和对流云的混合型降水, 在层状云中夹杂着大量的对流云, 在西南气流的引导下, 从西南向东北方向不断移动和发展。从交叉相关算法在质量控制前后追踪得到的回波移动矢量对比可以看出, 原始的交叉相关算法追踪的回波移动矢量基本上反映出了环境风场为西南气流的特征 (图略)。但是, 追踪得到的部分“区域”移动矢量与总体矢量场特征不一致, 在大小或者方向上存在一定的偏差。而且, 在雷达站的东部, 追踪的矢量分布不够完整。当对算法做质量控制和优化后, 消除和纠正了误差较大的矢量, 得到了更加一致连续和平滑的矢量场, 与引导回波移动的西南气流也基本一致 (图略)。

通过上述对交叉相关算法追踪回波移动矢量与多普勒雷达速度场的对比分析可见, 当对算法进行一系列优化处理后, 追踪的回波移动矢量在一定程度上得到了改进, 也更加接近真实的雷达回波移动矢量。

2 临近预报试验 2.1 个例一: 2004年7月29日飑线过程

2004年7月29日, 在京津冀地区出现了一次自西北向东南发展的强飑线过程, 飑线从08:00左右开始形成到12:00左右消散, 经历了约4 h。09:00左右, 飑线发展到成熟和旺盛阶段, 其中心正好经过天津雷达站, 因此, 天津雷达较好地探测到了这次飑线的全部演变过程。

利用追踪得到的回波移动矢量外推结果, 对这次飑线过程进行外推临近预报试验。

首先, 进行了35 dBz以上强回波的30 min临近预报。彩图 2是09:38和09:50这次飑线过程大于等于35 dBz的反射率因子的30 min外推预报, 以及30 min后对应的雷达回波实况。由彩图 2可见, 利用交叉相关外推预报算法, 得到的这次飑线过程未来30 min的强回波位置和发展形势与30 min后雷达观测的实况比较接近。当然, 比较彩图 2a和2b以及彩图 2c和2d后, 也可以看出, 在飑线的东北部, 预报的回波单体的速度偏慢, 其位置落后于实际的单体位置, 这主要是由于交叉相关算法追踪的回波移动矢量在飑线的东北部偏小的缘故。另外, 从10:08的预报和实况的对比发现, 预报的飑线范围比实际回波偏小, 这是因为基于交叉相关算法的外推预报仅仅能够预报回波位置和形变, 而不能预报雷暴的增长和消散, 而此时, 飑线开始减弱, 向普通对流演变, 各个单体的范围也在逐渐扩大。因此, 预报的范围比实况范围偏小 (图略)。

为更好地分析类似于飑线等组织性比较强的对流过程, 往往需要对对流系统中的每个单体进行计算分析, 从而得到对流系统的一些统计特征。为此, 人们已经发展了许多的基于雷达资料的对流单体特征分析和追踪算法^[6-7]。而交叉相关算法则可以对计算得到的这些对流特征进行外推预报, 获得未来短时间内这些特征的位置及其形变。本文利用一个对流单体识别分析和追踪算法^{[6, 23]}, 通过对这次飑线过程的雷达回波进行分析, 得到了其不同位置的35 dBz以上的反射率因子峰值的大小以及可能出现的范围, 然后利用交叉相关算法对飑线的这个特征进行了外推预报试验。彩图 3是09:19和09:44的30 min外推预报和检验。由彩图 3可见, 算法基本能够预报出30 min后飑线最大反射率因子特征的位置, 30 min后飑线东北部、中部和西南部的35 dBz以上的最大反射率因子出现的位置大体接近于30 min后的实况分析。但是, 09:19, 算法预报的范围比实况分析偏小, 特别是在飑线的东北部更加明显 (彩图 3a)。而09:44, 预报的范围不论是在飑线的东北部、中部还是在西南部, 都比实况分析要偏大 (彩图 3b)。另外, 正如上文所言, 基于交叉相关算法的预报并没有考虑回波强度变化, 因此, 几乎不能预报飑线不同位置的最大反射率因子的阈值大小。由于在30 min这样短时间内, 飑线最大反射率因子不会发生明显变化。所以, 这种对飑线特征的外推预报还是具有一定指示意义的。

从飑线回波强度的1 h预报以及1 h后的回波实况的对比可以看出, 预报1 h后回波的移动位置与实况比较一致, 大体形状也与实况比较接近, 表明利用该算法对类似于飑线这样组织性比较强的对流系统1 h外推预报有一定的参考意义 (图略)。

2.2 个例二: 2005年5月31日雹暴过程

2005年5月下旬至6月上旬, 由于持续受到华北冷涡的影响, 京津地区多次出现强对流天气过程。5月31日, 京津地区多次遭受了不同程度的冰雹袭击, 造成较大的经济损失和社会影响。

利用交叉相关外推算法, 对这次雹暴过程进行了临近预报试验。彩图 4是11:18大于等于35 dBz的反射率因子的30 min外推预报 (彩图 4a) 以及30 min后的雷达回波的实况 (彩图 4b)。由图可见, 在这次雹暴过程中, 京津地区出现了多个强的雷暴单体, 反射率因子最高达到60 dBz以上。从30 min外推预报结果与实况的对比可以看出, 预报的各个强雷暴单体的位置以及整体分布形势与30 min后的实况均比较接近。

2.3 个例三: 2005年6月13日飑线过程

2005年6月13日, 北京地区出现了多个雷暴单体, 逐渐发展并向东南方向移动, 最后形成了一条自西北向东南移动的比较强的飑线。飑线经过的地区出现了比较强的局地大风, 地面自动站观测的最大风速超过了25 m/s。

彩图 5是08:47 35 dBz以上反射率因子的30 min外推预报 (彩图 5a) 以及30 min后的雷达回波实况 (彩图 5b)。由图可见, 算法的30 min外推预报与实况比较一致, 特别是预报的飑线的主体形状以及位置接近于实况。但是, 算法没有考虑对流增强的物理过程, 所以在飑线的头部 (东北部) 和尾部 (西南部), 预报的强雷暴单体的位置和强度与实况还存在一定的偏差。

同样, 也进行了35 dBz以上反射率因子峰值的大小及其可能出现范围的30 min外推预报。从08:47的30 min预报以及检验可以看出 (彩图 6), 算法基本能够预报出30 min后飑线的最大反射率因子特征出现的位置, 其大体分布形势与实况比较接近。

最后, 对这次飑线过程所有阈值上的雷达回波强度进行1 h临近预报试验。彩图 7是08:41的60 min外推预报以及60 min后的实况对比。由图可见, 飑线雷达回波的1 h预报与雷达观测的实况基本接近, 算法预报出了1 h后飑线主体所在的位置以及飑线回波的大致形状。

2.4 个例四: 2005年7月15日强雷暴过程

2005年7月14日夜间到15日凌晨, 自河北省保定地区发展起来的强雷暴, 在向东北移动的过程中, 其强度和范围迅速加大, 最后发展成为连接北京、廊坊和天津的一个强的弓形回波, 回波的前方存在很强的出流边界。这次对流过程在京津冀部分地区造成了局地的强降水和短时大风灾害。

彩图 8是35 dBz以上的雷达反射率因子在20:36和20:47的30 min外推预报以及相应30 min后的雷达回波实况。彩图 8表明, 算法基本可以预报出强回波的这种弓形结构, 而且预报的强回波未来30 min的位置与实况也基本相符。另外, 算法预报的弓形回波西南部另一片强回波范围、形状以及位置与30 min后的实况也比较一致。

通过4个强对流个例, 对交叉相关外推预报算法在对流临近预报中的效果进行了预报试验和初步的检验评估。从分析结果来看, 该算法对强对流天气过程中雷达回波等的外推预报具有一定的效果, 30 min或者60 min的预报结果具有一定的意义。算法可以给出未来30 min或者60 min内雷达回波和雷暴特征的位置以及形状的预报。但算法也存在一定局限性, 预报与实况观测还存在一定差异。

目前, 该算法已被设置为可以进行自动和实时临近预报的软件模块。2005年夏季, 基于天津雷达资料, 将该算法与其他几个对流分析和临近预报的算法相配合, 对京津地区出现的大部分对流天气过程进行了实时临近预报试验和评估。算法以天津雷达每个体扫基数据以及雷暴特征的分析结果为基础, 向前滚动进行30 min和60 min对流临近预报。依据交叉相关算法流程, 在得到天津雷达每个体扫的基数据后, 资料预处理和质量控制程序首先启动, 在资料处理完成后, 算法开始自动运行, 运算完成后, 即可从显示系统看到预报和分析结果。测试表明, 在主频为3.0 G的微机工作站和Linux操作平台下, 每个流程所有程序的运行在3 min之内全部完成, 因此, 对于时间间隔在6 min左右的雷达资料来说, 该算法完全适合于作为实时预报的工具。

3 结论和讨论

本文介绍了交叉相关外推预报算法的基本原理, 对算法和所用资料进行了大量的质量控制和优化处理, 并通过4个个例对算法在对流临近预报中的效果进行了测试和评估。得出以下结论:

1) 对交叉相关算法进行了一系列的质量控制, 包括抑制地物杂波和噪声的影响、对“丢失”计算的点进行矢量补充以及对追踪的矢量进行平滑处理等多个步骤。利用天津雷达观测的2005年夏季发生在京津冀地区两个对流个例的回波资料, 利用该算法在质量控制前后对回波的追踪做了对比分析, 结果表明, 当对算法进行上述一系列的质量控制后, 追踪的回波移动矢量质量明显改善。

2) 利用优化后的交叉相关算法, 对2004年夏季和2005年夏季发生在京津冀地区的4个强对流个例, 包括2次飑线过程、1次雹暴过程和1次强雷暴过程, 进行了外推临近预报试验, 并且对算法在对流临近预报中的效果做了初步检验评估。结果表明, 该算法对强对流天气过程临近预报具有一定效果, 算法可以给出未来30 min或者60 min内雷达回波和雷暴特征的位置以及形状的外推预报, 预报结果具有较好的指示意义。

总之, 由于交叉相关算法既考虑了回波移动矢量的大小和方向的变化, 也考虑了整个回波在移动过程中的形变, 因此, 基于该算法对雷达回波和雷暴特征进行短时间 (30 min或60 min内) 的外推预报具有一定的物理意义和可靠性。

从本文的分析可以看出, 算法可以实时提供30 min或者60 min的对流外推预报结果, 对强天气的临近预报和预警有一定帮助。因为算法预报是自动化的和直观的, 因此, 在一定程度上提高了预报员对强对流天气临近预报和预警的判断能力。

当然, 通过对个例试验结果进行检验和评估后也发现, 该算法还存在一些局限性。

首先, 由于基于该算法的外推预报仅仅考虑回波的移动位置和形变, 而没有考虑对流发展和演变的物理过程, 因此, 对快速增长或者消散的对流预报效果不理想。另外, 因为算法获得的雷达回波移动矢量主要是水平方向上的, 没有考虑深对流系统通常存在较强的垂直运动, 因此, 在利用该算法进行深对流系统的外推临近预报时需要谨慎。

其次, 基于交叉相关算法的对流临近预报要能够获得平滑和真实的回波移动矢量, 并对获得的回波移动矢量进行比较准确的外推。从文中的分析结果可以看出, 算法在经过一系列的质量控制和优化处理后, 追踪雷达回波移动矢量的效果较好, 但是, 基于回波移动矢量进行外推预报的效果有时不理想, 时效较短。本文是采用对前几个时次获得的移动矢量进行线性拟合计算和外推, 来获得未来回波移动矢量, 其本身存在一定的局限性, 特别是外推的时效性较短。这也是需要对算法进行改进的一个方面。目前, 在交叉相关算法的应用中, 有人使用时间积分算法对移动矢量进行外推, 时间积分方案使用二阶半拉格朗日方案, 在一定程度上增加了外推预报的有效时间和预报的准确度^[9]。

同时为抑制噪声, 去除误差较大的回波移动矢量, 因此在算法的质量控制过程中, 对矢量进行了平滑处理。但是, 这样可能会消除掉有意义的小尺度矢量信息, 从而对预报产生一定的负面影响。

另外, 因为传统的大尺度客观评分检验方法不适合于进行临近预报的效果检验, 所以本文对算法的预报结果仅仅进行了初步的定性检验和评估, 而定量检验方法的设计以及对预报结果的定量检验等, 还有待于开展大量的后续工作。

致谢 在本研究开展过程中, 美国国家大气科学研究中心 (NCAR) 的James W Wilson教授、Rita Roberts女士和Susan Dettling博士曾给予大力帮助, 在此深表谢意。