光流法以及結合機器學習在臨近預報中的應用

林 青 潘 寧 劉 銘

?

光流法以及結合機器學習在臨近預報中的應用

林 青 潘 寧 劉 銘

福建省氣象臺

通過采用Gunnar Farneback的稠密光流跟蹤法對雷達反射率進行2h外推，并結合半拉格朗日外推方法，保持天氣系統回波的旋轉效應，可有效提高回波短臨預測的精準度。結合該方法外推的回波結果及歷史降水觀測，采取機器學習中ConvLSTM(空間深度學習)的模型結合Z-R關系進行1h降水預測，結果表明其降水預測的空漏報率低于SWAN業務系統QPF預測結果。

光流法 機器學習 臨近預報

1 概述

強對流天氣是一種多發生在中小尺度范圍的、伴有劇烈氣流上升運動的災害性天氣。當空氣發生強烈的垂直運動時，就可能發生強對流天氣，并且常伴隨有雷雨、大風、冰雹、龍卷風等危害性很強的現象。然而，由于強對流天氣發生的速度快、范圍小、時間短，如何準確預報出強對流天氣發生的時間和地點一直是氣象學研究的重點和難點。

為了對強對流天氣進行預測，在氣象研究和業務中，臨近預報會根據短時間內雷達回波、云圖演變等，進行推演和判斷，預測未來強對流天氣可能發生的區域和時間。一方面，外推判斷依賴人的經驗；另一方面，研究如何實現氣象數據外推自動化。

早期有拉格朗日持續性預報、最優化相關系數的交叉相關法等，這些方法主要是基于臨近短時間的氣象數據做簡單線性的外推，沒有考慮到氣象變化的一些非線性關系。為了改進回波外推技術，引入了在計算機視覺領域應用較廣的光流法來追蹤回波的運動?！?br>