林 青 潘 宁 刘 铭



光流法以及结合机器学习在临近预报中的应用

林 青 潘 宁 刘 铭

福建省气象台

通过采用Gunnar Farneback的稠密光流跟踪法对雷达反射率进行2h外推，并结合半拉格朗日外推方法，保持天气系统回波的旋转效应，可有效提高回波短临预测的精准度。结合该方法外推的回波结果及历史降水观测，采取机器学习中ConvLSTM(空间深度学习)的模型结合Z-R关系进行1h降水预测，结果表明其降水预测的空漏报率低于SWAN业务系统QPF预测结果。

光流法 机器学习 临近预报

1 概述

强对流天气是一种多发生在中小尺度范围的、伴有剧烈气流上升运动的灾害性天气。当空气发生强烈的垂直运动时，就可能发生强对流天气，并且常伴随有雷雨、大风、冰雹、龙卷风等危害性很强的现象。然而，由于强对流天气发生的速度快、范围小、时间短，如何准确预报出强对流天气发生的时间和地点一直是气象学研究的重点和难点。

为了对强对流天气进行预测，在气象研究和业务中，临近预报会根据短时间内雷达回波、云图演变等，进行推演和判断，预测未来强对流天气可能发生的区域和时间。一方面，外推判断依赖人的经验；另一方面，研究如何实现气象数据外推自动化。

早期有拉格朗日持续性预报、最优化相关系数的交叉相关法等，这些方法主要是基于临近短时间的气象数据做简单线性的外推，没有考虑到气象变化的一些非线性关系。为了改进回波外推技术，引入了在计算机视觉领域应用较广的光流法来追踪回波的运动。……