基于梯度预测网络的气象雷达图像外推算法

张晋文, 李 腾, 年福东, 阎 庆, 苗开超, 张亚力, 汪 翔

(1. 安徽大学电气工程与自动化学院, 合肥 230601; 2. 合肥学院先进制造工程学院, 合肥 230601;3. 安徽省公共气象服务中心, 合肥 230031)

雷达回波外推技术[1]是进行临近天气预报的重要技术手段．该技术可根据气象雷达探测到的回波数据,确定回波的强度分布及回波体(如风暴单体、降水区等)的移动速度和方向．对气象雷达回波数据经处理后生成的雷达图像进行精准外推可获得2小时内的预测雷达图像,实现对冰雹[2]、飑线[3]、强降水[4-6]、台风[7-8]等突发气象事件的预报和预警．目前的雷达图像外推算法主要分为传统方法和基于深度学习方法[9-10],已应用于稳定性降水预报的传统方法有交叉相关法[11]和光流法等．但在局部强对流天气中,回波发展演变较快,无法满足守恒条件,预报效果会随着外推时间增长而快速下降．除大气及其相关动力过程的复杂性外,对降水预报实时性、规模性、细粒度等需求的日益增长也给气象研究带来新的挑战．在基于深度学习方法中,研究人员改进了全链接长短时记忆网络,提出使用带卷积层的长短时记忆网络(convolution long short term memory, ConvLSTM)进行图像序列外推．韩丰等[12]提出带有时空记忆单元(spatio-temporal LSTM, ST-LSTM)的预测循环神经网络PredRNN作为外推模型架构, 通过对时序雷达数据建模进行预报, 试验结果证实了ST-LSTM结构的有效性和适用性．研究人员又改进并提出了TrajGRU结构, 使用子网络对隐藏状态进行卷积提取光流, 然后对光流进行卷积, 建……