利用贝叶斯方法改进华南地区冰雹识别效果

李博勇; 胡志群; 郑佳锋; 陈超

doi:10.16032/j.issn.1004-4965.2021.011

利用贝叶斯方法改进华南地区冰雹识别效果

doi: 10.16032/j.issn.1004-4965.2021.011

李博勇^{1, 2},
胡志群^2, ,,
郑佳锋¹,
陈超³

1.
成都信息工程大学大气科学学院，四川成都 610225
2.
中国气象科学研究院灾害天气国家重点实验室，北京 100081
3.
广东省气象台，广东广州 510641

基金项目: 国家重点研发计划（2019YFC1510304）；灾害天气国家重点实验室开放课题（2020LASW-B02）；广东省重点领域研发计划（2020B1111200001）共同资助

详细信息

通讯作者:
胡志群，男，江西省人，研究员，主要从事雷达气象方向的研究。E-mail: huzq@cam.gov.cn

中图分类号: P412.25
计量
- 文章访问数: 206
- HTML全文浏览量: 21
- PDF下载量: 31
- 被引次数: 0
出版历程
- 收稿日期: 2020-04-20
- 修回日期: 2020-11-18
- 刊出日期: 2021-02-01

USING BAYESIAN METHOD TO IMPROVE HAIL IDENTIFICATION IN SOUTH CHINA

1.
School of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China
2.
State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China
3.
Guangdong Meteorological Observatory, Guangzhou 510641, China

摘要

摘要: 使用2019年广东S波段双偏振雷达观测的冰雹和非冰雹数据，统计得到冰雹和非冰雹的雷达反射率Z、差分反射率Z_DR和相关系数CC先验概率密度分布，采用贝叶斯方法，根据雷达参量在冰雹和非冰雹条件下的概率以及冰雹和非冰雹的先验概率来确定某一距离库上所测到的（Z、Z_DR、CC）所代表冰雹和非冰雹的概率，并用两个个例，比较分析了WSR-88D冰雹识别算法和贝叶斯方法对冰雹识别的效果，分析表明，两种方法都能较准确地识别出冰雹云，但是贝叶斯方法识别范围较大，这可能与华南地区多为雨夹雹有关。
- 偏振雷达 /
- 贝叶斯方法 /
- 冰雹 /
- 相态识别
Abstract: This paper uses the hail and non-hail data observed by the Guangdong S-band dual-polarization radar in 2019 to statistically obtain the priori probability density distribution of hail and non-hail radar reflectivity Z, differential reflectivity Z_DR and correlation coefficient CC. Based on the probability of radar parameters under hail and non-hail conditions and the prior probability of hail and non-hail, the present study uses the Bayesian method to determine the probability of hail and non-hail represented by (Z, Z_DR, CC) measured at a certain range bin. Two cases are also used to compare and analyze the effects of WSR-88D hail recognition algorithm and the Bayesian method on hail recognition. The analysis shows that both methods can identify hail clouds more accurately, but the Bayesian method has a larger recognition range, which may be due to the rain mixed up with hail in southern China.
- polarimetric radar /
- Bayesian method /
- hail /
- phase identification

HTML全文

图 1 阳江S波段双线偏振雷达2019年4月20日11:50时0.5 °PPI图像的Z（a）、Z_DR（b）、CC（c）参量

a中棕色实线是剖面的位置，黑色框为冰雹区域，距离圈为50 km。

下载: 全尺寸图片幻灯片

图 2 与图 1中对应Z（a）、Z_DR（b）、CC（c）剖面图

下载: 全尺寸图片幻灯片

图 3 广东典型冰雹回波剖面图

a1、b1、c1是深圳宝安区附近4月11日20:00的冰雹过程Z、Z_DR、CC的剖面图；a2、b2、c2是东莞长安镇附近4月11日20:00；a3、b3、c3是江门4月20日11:54，图中用矩形或椭圆标注区域为冰雹区域。

下载: 全尺寸图片幻灯片

图 4 基于贝叶斯方法识别冰雹步骤

下载: 全尺寸图片幻灯片

图 5 广东S波段双线偏振雷达2019年冰雹观测总体Z、Z_DR、CC随高度散点分布特征

下载: 全尺寸图片幻灯片

图 6 广东2019年S波段双偏振雷达观测Z、Z_DR和CC概率分布

其中红色曲线为降水过程的概率分布，蓝色曲线为冰雹过程的概率分布。

下载: 全尺寸图片幻灯片

图 7 增城S波段双偏振雷达2019年4月11日16:02时2.5°PPI图像的Z、Z_DR、CC参量

a中棕色实线为剖面的位置，黑色框为冰雹区域，距离圈为50 km。

下载: 全尺寸图片幻灯片

图 8 与图 7中对应Z（a）、Z_DR（b）、CC（c）剖面图

下载: 全尺寸图片幻灯片

图 9 阳江S波段双偏振雷达2019年4月12日09:00时0.5 °PPI图像的Z、Z_DR、CC参量

a中棕色实线为剖面的位置，黑色框为冰雹区域，距离圈为50 km。

下载: 全尺寸图片幻灯片

图 10 与图 9中a、b、c对应Z（a）、Z_DR（b）、CC（c）剖面图

下载: 全尺寸图片幻灯片

图 11 2019年4月11日16:02时增城WSR-88D识别结果和贝叶斯方法识别结果

a1~a7分别是仰角0.50、1.50、2.50、3.50、4.50、6.00、10.00的反射率强度，黑色框为冰雹区域；b1~b7是WSR-88D的识别结果，红色部分代表的是识别出冰雹的区域；c1~c7是贝叶斯方法的识别结果，雷达位于左下角，距离圈为50 km。

下载: 全尺寸图片幻灯片

图 12 2019年4月12日09:00时阳江WSR-88D识别结果和贝叶斯方法识别结果

a1~a7分别是仰角0.50、1.50、2.50、3.50、4.50、6.00、10.00的反射率强度，黑色框为冰雹区域；b1~b7是WSR-88D的识别结果，红色部分代表的是识别出冰雹的区域；c1~c7是贝叶斯方法的识别结果，雷达位于左上角，距离圈为50 km。

下载: 全尺寸图片幻灯片

表 1 2019年广东地区冰雹记录

序号	曰期	时间	冰雹地点	尺寸/mm	零度层高度/m
1	2019.02.20	17:07	韶关仁化县闻韶镇	5~6	4 169
2	2019.02.20	17:35	韶关仁化县周田镇台滩	5~6	4 169
3	2019.02.20	17:30	韶关南雄市城区等地	5~8	4 169
4	2019.02.20	18:16	清远阳山县七拱镇车田路、草陂村	5~10	4 169
5	2019.02.20	21:30	清远连山县禾洞镇	/	4 169
6	2019.02.20	21:53	清远连州市城区	20~30	4 169
7	2019.02.20	23:00	韶关乳源县大布镇	5~8	4 169
8	2019.02.21	16:12	广州市白云区黄石、白云湖、石井、江夏街道	10~20	3 948
9	2019.02.21	16:06	佛山市南海区里水贤僚南村	25	3 948
10	2019.03.06	08:00	湛江廉江遂溪	/	4 037
11	2019.03.06	08:35	高州荷塘镇	/	4 037
12	2019.03.06	09:00	电白那霍镇水丰农场	8~10	4 037
13	2019.03.06	09:30	阳春市八甲镇丰高村	3~5	4 037
14	2019.03.06	12:40	廉江安铺镇	25~30	4 037
15	2019.03.06	08:35	化州新安	20~25	4 037
16	2019.03.31	15:50	肇庆德庆县	/	4 092
17	2019.04.11	15:08	清远银盏林场	20	4 183
18	2019.04.11	16:02	广州增城	20~30	4 183
19	2019.04.11	16:02	惠州博罗观测站	落地即化	4 183
20	2019.04.11	16:00—16:30	惠州博罗罗浮山黄云观	8~10	4 183
21	2019.04.11	20:00	东莞长安镇	8~10	4 183
22	2019.04.11	20:00	深圳宝安区沙井、马田	8~10	4 183
23	2019.04.11	20:10—20:20	江门新会会城街道	5~8	4 183
24	2019.04.12	09:00	江门台山北陡镇水咀村	15~30	4 149
25	2019.04.12	16:40	茂名化州丽港	5~8	4 149
26	2019.04.12	16:54	茂名高州镇江	5~8	4 149
27	2019.04.14	14:00	云浮郁南历洞、大方、连滩、东坝、宋桂镇	10~25	4 712
28	2019.04.14	14:16	台山川岛镇沙堤村	10	4 712
29	2019.04.19	02:52	四会广宁交界	/	4 908
30	2019.04.19	03:40	三水区	/	4 908
31	2019.04.20	11:50—12:00	江门恩平恩城街道	10~20	4 859
32	2019.04.21	16:50	韶关仁化红山镇	5~8	4 693
33	2019.04.21	18:10	韶关仁化长江镇陈欧村	5	4 693
34	2019.04.22	07:40	清远连南三江镇、金坑镇大龙村	10	4 663
35	2019.04.22	09:40	清远英德沙口镇群英村	20~30	4 663
36	2019.04.22	09:50	曲江乌石镇坑口村	10~20	4 663
37	2019.04.22	10:00—10:30	韶关翁源铁龙	8~15	4 663
38	2019.04.22	14:30	河源龙川铁场镇	10~15	4 663
39	2019.04.23	15:15	韶关乳源洛阳镇	8~10	4 892
40	2019.04.25	17:00	清远连州丰阳镇	5	4 691
41	2019.04.25	17:59—18:10	韶关武江区龙归镇	5	4 691
42	2019.04.25	19:00	肇庆封开河儿口镇、鱼涝镇	5~8	4 691
43	2019.04.25	19:40	清远阳山岭背镇	5	4 691
44	2019.04.25	21:15—22:15	清远英德石牯塘镇	10~20	4 691
45	2019.04.26	09:10	茂名化州平定镇	8~10	4 625
46	2019.04.26	12:30	梅州兴宁罗浮镇	5	4 625
47	2019.04.26	12:50—13:00	东莞厚街镇	5~8	4 625
48	2019.04.26	13:30—14:00	潮州饶平上饶镇	20~30	4 625
49	2019.04.26	20:30	肇庆怀集桥头镇	10	4 625
50	2019.04.26	21:30	清远佛冈石角镇	5~10	4 625

下载: 导出CSV

参考文献(22)

[1]	张文海, 李磊. 人工智能在冰雹识别及临近预报中的初步应用[J]. 气象学报, 2019, 77(2): 282-291.
[2]	HYANG S P, RYZHKOV A V, ZRNIC D S, et al. the hydrometeor classification algorithm for the polarimetric WSR-88D: Description and application to an MCS[J]. Wea Forecasting, 2009, 24(3): 730-748.
[3]	RYZHKOV A V, KUMJIAN M R, GANSON S M, et al. polarimetric radar characteristics of melting hail Part II: Practical implications[J]. J Appli Meteor Climatol, 2013, 52(12): 2 871-2 886.
[4]	ZHANG H. The Optimality of Naive Bayes[J]. American Association for Artificial Intelligence(www.aaai.org), 2004.
[5]	AGOSTINO M. Hail in Northeast Italy: A Neural Network Ensemble Forecast Using Sounding-Derived Indices[J]. Weat Forecasting, 2013, 28(1): 3-28.
[6]	MARZBAN C, WITT A. A Bayesian neural network for severe-hail size prediction[J]. Weat Forecasting, 2001, 16(5): 600-610.
[7]	MARZANO F S, SCARANARI D, MONTOPOLI M, et al. Supervised classification and estimation of hydrometeors from C-band dualpolarized radars: A Bayesian approach[J]. IEEE transactions on Geoscience and Remote Sensing, 2007, 46(1): 85-98.
[8]	王致君, 冯锦明, 楚荣忠, 等. 防雹减灾专家系统[J]. 高原气象, 2001, 40(4): 461-467.
[9]	刘黎平, 徐宝祥. 不同相态的模式雹块对5.6cm雷达波散射及衰减特性的研究[J]. 高原气象, 1991, 20(1): 26-33.
[10]	刘黎平, 张鸿发, 王致君, 等. 利用双线偏振雷达识别冰雹区方法初探[J]. 高原气象, 1993, 22(3): 333-337.
[11]	漆梁波, 肖辉, 黄美元, 等. 双线偏振雷达识别冰雹的数值研究[J]. 大气科学, 2002, 26(2): 230-240.
[12]	曹俊武, 刘黎平. 双线偏振多普勒天气雷达识别冰雹区方法研究[J]. 气象, 2006, 32(6): 13-19.
[13]	苏德斌, 马建立, 张蔷, 等. X波段双线偏振雷达冰雹识别初步研究[J]. 气象, 2011, 37(10): 1 228-1 232.
[14]	马建立, 苏德斌, 金永利, 等. X波段双线性偏振雷达电磁波衰减对冰雹识别的影响[J]. 高原气象, 2012, 31(3): 825-835.
[15]	王兴, 王坚红, 卞浩瑄, 等. 一种雷达回波飑线智能识别的方法[J]. 热带气象学报, 2020, 36(3): 317-327.
[16]	寇蕾蕾, 李应超, 楚志刚, 等. C波段双偏振多普勒天气雷达资料分析及在定量估计降水中的应用研究[J]. 热带气象学报, 2018, 34(4): 460-471.
[17]	冯璐, 陆海琦, 李丰, 等. 广东地区一次飑线过程的地面雨滴谱特征分析[J]. 热带气象学报, 2020, 36(5): 626-637.
[18]	苏冉, 廖菲, 周芯玉. 双线偏振雷达在广州"3.19"降雹过程中的应用分析[J]. 热带气象学报, 2018, 34(2): 209-216.
[19]	陈超, 胡志群, 胡胜, 等. 广州S波段双偏振雷达数据质量初步分析[J]. 热带气象学报, 2018, 34(1): 59-67.
[20]	王昂生, 徐乃璋. 强烈雹暴结构和降雹[J]. 大气科学, 1983, 7(1): 95-101.
[21]	王昂生, 徐乃璋. 强单体雹暴的研究[J]. 大气科学, 1985, 9(3): 260-267.
[22]	杨引明. WSR-88D多普勒天气雷达冰雹探测算法及评价[J]. 气象, 1999, 25(5): 3-5.