基于深度神经网络的强对流天气识别算法

王 兴, 吕晶晶, 王璐瑶, 王 晖, 詹少伟

(1.南京信息工程大学大气科学与环境气象国家级实验教学示范中心, 南京 210044；2.南京信息工程大学大气科学学院, 南京 210044； 3.南京信大气象科学技术研究院, 南京 210044)

强对流天气是一种因大气强烈的垂直运动而产生的天气现象,往往具有很强的破坏力,常伴随雷暴、短时强降水、大风和冰雹等灾害性天气。在过去的20年间,全球因气象灾害造成的经济损失高达数万亿美元[1]。仅2019年,全国因各类自然灾害共造成1.3亿人次受灾,98.4万间房屋倒塌或损坏,农作物受灾面积19 256.9×103hm2(1 hm2=104m2),直接经济损失3 270.9亿元[2]。施瓦茨等[3]指出,天气在80% 的世界经济活动中起到关键性作用。

短时强降水和对流性大风是典型的强对流天气,其对交通运输、农业生产、建筑保护和城市排水等造成极大危害。天气雷达是对其进行监测和预测的电子设备,借助雷达探测资料能够直观地观察天气演变过程,结合专业理论和方法能够分析出风暴发生的空间位置、移动速度和发展趋势，以及大风或降水的强度等大量有价值的天气信息。利用雷达进行灾害性天气的识别是短临预报业务中重要的技术手段,经过数十年的发展已积累了很多卓有成效的理论和方法。雷暴识别跟踪分析与预报算法 (thunderstorm identification tracking analysis and nowcasting, TITAN) 和相关跟踪雷达回波算法(tracking radar echoes by correlation, TREC) 是该领域应用最广且影响最深远的两种方法,它们都是通过对雷达回波或卫星图像所表征的风暴形态的几何推理以及相邻时刻风暴中心的相关性分析,实现对强对流天气的识别与追踪。……