雷達反演的多尺度風場在臨近預報中的應用研究

羅義，梁旭東，王剛，曹正，陳春元

(1.中國氣象科學研究院，北京100081；2.中國民用航空中南地區(qū)空中交通管理局氣象中心，廣州510405)

引 言

多普勒天氣雷達是探測中小尺度天氣系統(tǒng)的有力工具，能夠提供高時空分辨率的反射率、徑向速度和徑向速度譜寬的資料。在目前業(yè)務系統(tǒng)中，特別對于暴雨強對流天氣的臨近預報業(yè)務，外推預報依然是對流臨近預報技術的重要基礎(張家國等，2008；蘇華英等，2020)。國內(nèi)外不少學者對于對流系統(tǒng)的臨近預報也做了非常詳細的研究和總結(jié)(Wilson等，1998；楊洪平等，2007)。

目前，對于雷達反射率因子資料在臨近外推預報中的應用主要以追蹤方法為基礎，可以分為兩類：第一類方法是質(zhì)心法，主要通過雷暴單體質(zhì)心的識別與跟蹤技術，基于2D或者3D反射率資料來識別、跟蹤、預報雷暴的位置和降水分布，相關的反射率資料包括最大反射率、回波頂高、垂直液態(tài)水含量(VIL)，特別是質(zhì)心在單體追蹤方法扮演著重要的角色。早期典型的質(zhì)心法WSR-88D風暴序列算法(Richard et al，1998)在單體追蹤和回波合并分裂的基礎上發(fā)展而來，對于對流單體識別跟蹤預報非常有效，但是對于多單體雷暴和雷暴帶效果不佳。Johnson等(1998)在WSR-88D風暴序列算法的基礎上，提出了改進的風暴識別追蹤(SCIT，the Storm Cell Identification and Tracking)算法，通過預設多個不同的反射率閾值而不是像WSR-88D算法那樣采用單一反射率閾值來進行雷暴識別，不僅能夠識別孤立的雷暴，而且能夠識別包含多個單體核的簇狀或線狀雷暴。Handwerker(2002)綜合了單體識別、合并和分裂的算法，提出了雷達體掃數(shù)據(jù)跟蹤對流單體(TRACE-3D)的方法，將質(zhì)心法從2D平面二維拓展為3D空間的追蹤算法。此外，Dixon和Wiener(1993)結(jié)合TREC(the Tracking Radar Echoes by Correlation)方法、質(zhì)心法提出了雷暴識別跟蹤分析和預報(TITAN，the Thunderstorm Identification，Tracking，Analysis and Nowcasting)算法(Han et al.，2009)，不僅能夠識別對流單體，處理對流單體的合并和分離，還能實時跟蹤對流單體，同時能基于過去的趨勢分析對流單體的發(fā)展和消亡。

另一類方法是交叉相關法TREC(Rinehart和Carvey，1978)。其原理是假定空間散射粒子完全由風力驅(qū)動，通過對兩個連續(xù)時次體掃描的雷達回波進行相關分析，估計出運動矢量場來對降水回波進行移動預報。TREC方法提出以后，在實際應用中得到了極大發(fā)展，主要改進方法包括：COTREC(the Continuity of TREC)和MTREC(the Multi-scale Tracking Radar Echoes by Correlation)。Li等(1995)提出的COTREC方法以二維連續(xù)性方程作為強約束條件，利用觀測距離和計算位移構(gòu)造價值函數(shù)，通過變分技術平滑速度場，相當于對傳統(tǒng)交叉相關法反演得到的風場進行水平無輻散處理，既改進了與地形相關的降水的臨近預報效果，也一定程度上改進了強風暴的外推預報效果。但是這種方法也存在缺陷，由于采用水平無輻散約束限制，使得外推反演得到的風場在不同程度上受到削弱，從而外推得到的回波略慢于實況觀測的回波(陳雷等，2009)。Wang等(2013)基于交叉相關原理提出的多尺度雷達回波跟蹤和預報(MTREC)方法則提供了另一種新的思路：通過分析不同尺度的回波移動速度，將大尺度的系統(tǒng)性的移動速度和小尺度的雷暴內(nèi)部的移動速度進行合成，綜合得到外推運動場。此外，光流法(Horn和Schunck，1981；Lucas和Kanade，1981；Bowler et al.，2004)通過計算雷達回波的光流場來得到回波的運動矢量場，從而進行外推臨近預報，其效果跟TREC方法有一定的類似性(曹春燕等，2015)。

與此同時，對于多普勒雷達徑向速度資料的研究主要集中風場信息的反演方面。目前根據(jù)單多普勒雷達徑向速度進行反演風場的主要方法有：VAD(Velocity Azimuth Display)方法(Lhermitte，1961)，VARD(Velocity Area Display)方法(Easterbrook，1975)，VVP(Velocity Volume Processing)方法(Waldteufel and Corbin，1979；Koscielny et al.，1982)，UW(Uniform Winds)方法(Persson and Anderson，1987)，VAP(Velocity Azimuth Processing)方法(陶祖鈺，1992)，VPP(Velocity Plan Processing)方法(郎需興等，2001)，IVAP(Integrating Velocity Azimuth Process)方法(Liang，2007；王欣穎和梁旭東，2009)等。其中IVAP方法對于常用的UW方法、VAD方法、VAP方法具有兼容性，具有過濾短波的特性，且分析單元的大小可以根據(jù)精度或分辨率進行靈活調(diào)整(Liang，2007)。此外，基于雙多普勒或多多普勒雷達技 術(Armijo，1969；Brandes，1977；Kessinger et al.，1987；Shapiro and Mewes，1999)或者采用變分技術結(jié)合物理約束(Shapiro et al.，2003；Snyder and Zhang，2003；Tongand Xue，2005；李紅莉和王葉紅，2007；Xiaoet al.，2008；Shapiro et al.，2009)，進行反演二維或者三維風場的方法也得到大量研究。這些方法采用變分的方法，通過利用反射率守恒、運動方程甚至數(shù)值模式作為約束條件，以得到更加精確的風場。但是這些方法計算過于復雜且計算量大，目前還難以應用于臨近預報。

總的來說，目前雷達臨近外推預報主要利用反射率資料進行追蹤算法來獲得外推的運動矢量場，而如何利用徑向速度資料獲得反演風場作為外推運動矢量場的研究則較少。早期有研究對于雷暴的移動與環(huán)境平均風場的關系進行了統(tǒng)計分析，為利用環(huán)境風場外推預報提供了有力的可預報性依據(jù)。例如Wilson(1966)發(fā)現(xiàn)雷暴的回波移動都與對流的尺度相關，較小尺度的對流系統(tǒng)隨著平均風移動，而尺度較大的對流系統(tǒng)移動比平均風速慢且偏向平均風向的右側(cè)。Andersson和Ivarsson(1991)在概率臨近預報模式中采用850 hPa風場作為外推風場，并考慮了利用多普勒雷達，通過VAD、UW等反演風場或者類似TREC反演風場作為引導風場進行外推預報的可能性。Turner等(2004)開發(fā)的臨近預報系統(tǒng)(MAPLE,the Mc-Gill algorithm for precipitation nowcasting by Lagrangian extrapolation)采用結(jié)合交叉相關和變分分析的反演風場作為外推運動矢量。劉紅艷等(2015)曾利用VAD方法得到不同高度的反演風場作為雷達回波的引導風場，對不同高度上的回波進行了外推實驗。

為了進一步研究多尺度的雷達反演風場在臨近外推預報中的應用，本文在IVAP方法的基礎上，通過選用不同大小的分析單元，得到不同尺度的反演風場，再將多尺度風場進行合成得到外推運動矢量場，從而外推臨近預報。通過實驗表明，基于多尺度IVAP方法(MIVAP，the Multi-scale Integrating Velocity Azimuth Process)反演風場進行臨近外推的預報方法具有可行性，提供了一種新的臨近預報方法和思路。

1 數(shù)據(jù)和質(zhì)量控制

本文所使用的雷達資料來自廣州市氣象局的S波段雷達，采樣掃描頻率為6 min，體掃模式為VCP21，包含9個仰角(仰角由低到高，即0.5°,1.5°,2.4°,3.4°，4.3°，6.0°,9.9°,14.6°,19.5°)。本文采用2016年4月9日的颮線過程作為個例分析，來展示MIVAP方法的原理和預報效果。最后通過統(tǒng)計2016年前汛期4—6月一共15個例來評估MIVAP方法的總體效果和實際應用能力。

雷達反射率因子資料的預處理和質(zhì)量控制主要有：(1)去除地物回波；(2)中值濾波；(3)線性插值將雷達坐標系數(shù)據(jù)插值到直角坐標系。雷達徑向速度資料預處理和質(zhì)量控制主要有：(1)去除地物回波；(2)中值濾波；(3)距離去折疊；(4)速度退模糊；(5)線性插值將雷達坐標系數(shù)據(jù)插值到直角坐標系。經(jīng)過預處理和質(zhì)量控制后得到水平分辨率為1 km×1 km，垂直分辨率為1 km的雷達反射率因子和徑向速度資料。本文采用3 km高度的反射率作為對流系統(tǒng)的表征，考慮到仰角的影響，通常3 km高度的數(shù)據(jù)在230 km半徑范圍內(nèi)有效，所以本文分析的天氣個例發(fā)生在雷達中心230 km以內(nèi)。

2 方法和方案設計

2.1 MTREC方法介紹

TREC方法的基本原理是將反射率圖像劃分為一系列固定大小的區(qū)域，通過計算連續(xù)時次雷達回波不同區(qū)域的空間相關，搜索與目標區(qū)域具有最優(yōu)相關系數(shù)的區(qū)域，從而得到回波的運動矢量場。其相關系數(shù)可以表示為

其中Z(i，j，t)表示t0時刻橫坐標i縱坐標為j的反射率值，m表示從t0到t1時間間隔Δt內(nèi)X軸方向移動的格點數(shù)，n表示從t0到t1時間間隔Δt內(nèi)Y軸方向移動的格點數(shù)。通過在搜索半徑內(nèi)改變m、n的值，求得最大相關系數(shù)Rmax對應的位置，作為目標回波在t0到t1間隔內(nèi)所移動的位置，從而得到移動速度。

MTREC方法(Wang et al.，2013)是在TREC方法的基礎上，先采用跟蹤區(qū)域相對較大的TREC方法來獲得大尺度的系統(tǒng)性的移動信息，作為雷暴系統(tǒng)移動的表征，然后再采用跟蹤區(qū)域相對較小的TREC方法來估計小尺度的雷暴內(nèi)部的運動信息。主要步驟分為4步：(1)采用跟蹤區(qū)域較大的TREC方法得到t0時刻到t1時刻的空間分辨率較低的系統(tǒng)性運動矢量場；(2)通過已知的系統(tǒng)性運動矢量場，將t0時刻的雷達回波外推t1時刻，得到t1時刻預報場；(3)通過對比t1時刻預報場和t1時刻觀測場，采用跟蹤區(qū)域尺度較小的TREC方法再次進行交叉相關計算，得到高分辨率的雷暴內(nèi)部運動矢量場；(4)將第一步得到的系統(tǒng)性運動矢量場和第三步得到的雷暴內(nèi)部運動矢量場進行合成，從而得到用于外推預報的運動矢量場。

MTREC方法將回波運動分為大尺度和小尺度兩種不同尺度的移動信息，對應取不同大小的跟蹤區(qū)域。本文參考陳明軒等(2007)對于TREC方法計算參數(shù)的分析和統(tǒng)計，并結(jié)合當?shù)亟?jīng)驗，將MTREC方法設置如下：采用3 km高度的反射率作為對流回波的表征，MTREC方法的大尺度跟蹤區(qū)域的大小為50 km×50 km，跟蹤區(qū)域間隔為25 km，小尺度的跟蹤區(qū)域取25 km×25 km，跟蹤區(qū)域間隔為10 km。為有效降低噪聲等低閾值回波對TREC算法的影響，通常需要設定最低閾值，本文最低閾值采用15 dBz；同時，每個跟蹤區(qū)域中有效的數(shù)據(jù)格點數(shù)占跟蹤區(qū)域內(nèi)總格點數(shù)的百分率低于一定閾值時，則該“區(qū)域”將不進行TREC方法計算，本文將有效數(shù)據(jù)格點占百分率的閾值設置為60%。

2.2 MIVAP方法介紹

根據(jù)IVAP方法原理(Liang，2007)，在均勻風場條件假設下，在分析單元內(nèi)，局地的平均反演風場公式可以表達為公式(2)、(3)中，表示雷達觀測到的徑向速度，θ表示方位角，r表示距離，u和v表示在分析單元中心點處的反演風場。

MIVAP方法利用多尺度合成原理，在IVAP方法的基礎上，先采用分析單元相對較大的IVAP方法來獲得大尺度的系統(tǒng)性移動信息，然后通過采用分析單元相對較小的IVAP方法來反演小尺度的雷暴內(nèi)部運動信息。MIVAP方法的主要特點是：不依賴跟蹤雷達回波過去的移動，只需要最新時刻的雷達回波和徑向速度。為保證實驗對比的一致性，在直角坐標系下，MIVAP方法采用與MTREC方法相同的分析單元大小，即大尺度分析單元為50 km×50 km，小尺度的分析單元取25 km×25 km。

MIVAP方法具體步驟主要分為4步：

(1)采用相對較大的分析單元，由原始的徑向速度場V*R通過IVAP方法反演公式得到空間分辨率較低的反演風場u0和v0作為大尺度運動場。本文以2016年4月9日21∶00(世界時，下同)颮線個例的探測資料為例，圖1a為該時刻颮線的雷達反射率，整體呈西南-東北走向分布，偏東方向移動。圖1b中對應填色圖為該時刻的原始徑向速度場V*R，而圖1b中對應矢量圖為采用大尺度的分析單元反演得到的大尺度運動場u0和v0。由于采用比較大的分析單元，所以大尺度運動場u0和v0比較平滑，且與颮線的移動比較一致。

圖1 2016年4月9日21:00 3 km高度回波(a,陰影,單位:dBz)、3 km原始徑向速度(陰影,單位:m·s-1)疊加大尺度反演運動場(b,矢量,單位:m·s-1)、3 km小尺度徑向速度(陰影,單位:m·s-1)疊加小尺度反演運動場(c,矢量,單位:m·s-1)、3 km高度回波(陰影,單位:dBz)疊加合成運動場(d,矢量,單位:m·s-1)Fig.1(a)Radar reflectivity at 3 km level(shaded,unit:dBz),(b)retrieved motion vectorsof largescale(vector,unit:m·s-1)overlaid original radial velocity(shaded,unit:m·s-1)at the3 km level,(c)retrieved motion vectorsof small scale(vector,unit:m·s-1)overlaid small scaleradial velocity(shaded,unit:m·s-1)at the3 kmlevel,and(d)synthesizingmotion vectors(vector,unit:m·s-1)overlaid radar reflectivity at the3 kmlevel(shaded,unit:dBz)at 21:00 UTC 9 April,2016.

(3)采用分析單元相對較小的IVAP方法再次進行計算，得到高分辨率的反演風場u1和v1作為小尺度運動場，如圖1c中矢量圖，小尺度運動場u1和v1作為表征小尺度的雷達內(nèi)部運動。包含小尺度信息的運動場u1和v1相比大尺度的運動場u0和v0量級由50 m·s-1變?yōu)? m·s-1，說明將大尺度運動場與小尺度運動場的平均速度不一致，同時小尺度運動場u1和v1的整體方向相對大尺度運動場u0和v0更加偏南，說明大尺度的系統(tǒng)性運動與小尺度的雷暴內(nèi)部運動存在一定的差異。

(4)將第(1)步得到的系統(tǒng)性運動矢量場u0和v0和第(3)步得到的雷暴內(nèi)部的運動矢量場u1和v1進行合成，如圖1d為對應大尺度運動場和小尺度運動場合成得到的矢量圖。最后得到的合成運動場在大尺度的系統(tǒng)性運動基礎上兼顧小尺度的雷暴內(nèi)部運動，將作為雷達回波移動的表征，用于外推臨近預報。

為了保證外推運動矢量場的連續(xù)性，需要對IVAP反演風場進行質(zhì)量控制，主要設置包括：(1)在反演風場時，當每個分析單元內(nèi)徑向速度的數(shù)據(jù)格點數(shù)占分析單元內(nèi)總格點數(shù)的百分率低于閾值60%時，將不進行IVAP反演計算；(2)當一個格點的IVAP反演風場的風向與周圍平均風場的風向角度偏差超過20°時，該點風場使用平均風場進行替代；(3)在對大尺度反演風場和小尺度反演風場進行合成時，當某一格點合成矢量的方向與該點的大尺度反演風場的方向相差超過20°時，小尺度風場將被忽略，該點采用大尺度反演風場替代合成矢量場；(4)采用Cressman權(quán)重插值對反演風場進行連續(xù)性平滑(王改利等，2007)。

此外，應用雷達反演風場外推必須考慮的問題之一是，確定具體哪一高度上的風場最合適進行外推預報。早期基于個例統(tǒng)計的研究表明，對流系統(tǒng)的移動和平均環(huán)境風具有一定的相關性，根據(jù)以往關于對流天氣移動方向與環(huán)境風場相關性的研究，一般參考700 hPa的氣流作為引導氣流，風場高度大致在2.5—3.0 km(楊凡等，2009)。Andersson和Ivarsson(1991)考慮850 hPa(1.5 km)的模式預報風場做為引導氣流外推。劉紅艷等(2015)利用VAD方法反演風場進行外推預報研究時發(fā)現(xiàn)，預報效果最好的高度層與實際天氣過程有關，一般對流系統(tǒng)的強度越強，引導氣流的高度越高。本文根據(jù)Bunkers等(2014)的研究，采用0.5—6 km內(nèi)各層高度上的風場按照不同權(quán)重進行合成，即通常低層風場賦予更高權(quán)重，高層給予較小的權(quán)重。按照不同的高度給予不同的權(quán)重，其權(quán)重公式為

其中R為影響半徑取6 km，d為垂直距離，這里取任意雷達資料網(wǎng)格點到0.5 km水平高度的距離。

3 個例分析

本節(jié)選取2016年4月9日的颮線過程進行個例分析，同時使用MTREC方法作為對比試驗，來展示MIVAP方法的特性和實際預報能力。

參照第二部分MIVAP方法和MTREC方法的參數(shù)設置，對應得到兩種方法的外推運動矢量場如圖2。對比圖2a、b可以看出：MTREC方法運動場整體偏東移動，具有一定偏北的分量，MIVAP方法運動場則整體偏東南運動，具有明顯的偏南分量。由該個例的過程分析表明，颮線在實際偏東移動過程中，不斷向南發(fā)展，所以MIVAP方法運動場一定程度上更接近颮線的實際移動。

圖2 2016年4月9日21:00 3 km高度回波(陰影,單位:dBz)疊加不同反演方法得到運動場(矢量,單位:m·s-1):(a)MTREC方法,(b)MIVAP方法Fig.2 Retrieved motion vectors(vector,unit:m·s-1)overlaid radar reflectivity(shaded,unit:dBz)at the 3 kmlevel at 21:00 UTC 9 April,2016:(a)MTREC,and(b)MIVAP.

60 min的預報結(jié)果如圖3所示，圖3a為初始場，圖3b為60 min后的實況場，MIVAP方法(圖3d)和MTREC方法(圖3c)預報結(jié)果都能夠保持颮線的整體形狀和強度，但是MTREC方法60 min后的預報場對比實況場整體偏慢(圖3c)，而MIVAP方法的外推結(jié)果相比MTREC方法的預報結(jié)果明顯移動更快，且其預報結(jié)果跟實況匹配更好，特別是在40 dBz以上的區(qū)域，MIVAP方法得到的預報場與實況場更為接近(圖3d)。

圖3 2016年4月9日21:00雷達實況回波(a,陰影,單位:dBz),22:00雷達實況回波(b,陰影,單位:dBz),MTREC方法外推60 min預報(c,陰影,單位:dBz),MIVAP方法外推60 min預報(d,陰影,單位:dBz)(反射率40 dBz以上回波落區(qū),藍色線為初始場,黑色線為實況場,紅色線為預報場)Fig.3(a)Observed reflectivity at 21:00 UTC (shaded, unit: dBz), (b) observed reflectivity at 22:00 UTC (shaded, unit: dBz), (c) 60-minute nowcasts of MTREC(shaded, unit: dBz), and (d) 60-minute nowcasts of MIVAP (shaded, unit: dBz) at 21:00 UTC 9 April, 2016. The contours enveloped the area with reflectivityover 40 dBz, the blue contour represents initial field, the black contour represents observed field, and the red contour represents forecasting field.

為了定量評估兩種方法外推的預報效果，采用Dixon和Wiener(1993)所使用列聯(lián)表法，利用命中率(POD)、虛假警報率(FAR)和臨界成功指數(shù)(CSI)來對兩種方法進行定量檢驗評估。將預報數(shù)據(jù)和雷達實況數(shù)據(jù)逐個格點對比：設定檢驗評分閾值為35 dBz，如果實況格點數(shù)據(jù)和預報格點數(shù)據(jù)都大于該閾值，則判定該格點預報成功(格點數(shù)記為n1)；若實況格點數(shù)據(jù)大于閾值而預報格點數(shù)據(jù)小于閾值，則判定該格點空報失敗(格點數(shù)記為n2)；若實況格點數(shù)據(jù)閾值小于閾值而預報的格點數(shù)據(jù)大于閾值，則該格點是虛假警報(格點數(shù)記為n3)。命中率(POD)、虛假警報率(FAR)和臨界成功指數(shù)(CSI)的計算公式如下

預報每隔6 min進行一次輸出，以便于實況和預報進行比對，最后得到檢驗評分，如圖4所示。從預報評分來看：兩者的預報效果都是隨著預報時間延長而遞減，MIVAP方法的命中率(POD)和臨界成功指數(shù)(CSI)隨預報時效降低，虛假警報率(FAR)隨著預報時效升高，但是MIVAP方法的檢驗評分明顯整體優(yōu)于MTREC方法。

圖4 檢驗評分閾值為35 dBz時外推預報60 min評分(黑色線為POD,紅色線為FAR,藍色線為CSI,實線為MTREC方法,虛線為MIVAP方法)Fig.4 Evaluation scoreswith threshold value35 dBz:POD(black line),FAR(red line)and CSI(blue)within 60-minuteforecast for MTREC(solid line)and MIVAP(dashed line).

4 統(tǒng)計分析

為了進一步對MIVAP方法的預報效果進行評估，本文選取了2016年華南地區(qū)廣州雷達在4—6月份觀測到的15個個例進行檢驗評分的統(tǒng)計，以探討MIVAP方法應用于實際業(yè)務系統(tǒng)的可行性。

15個雷達個例的類型包括：颮線(SQL)、中尺度對流復合體(MCS)、多單體對流系統(tǒng)(MC)、混合降水(Mixed)等。按照第三部分個例研究的步驟，檢驗評分閾值依然設置為35 dBz，15個個例的發(fā)生日期，雷暴特征和60 min的檢驗評分如表1所示。

表1 個例發(fā)生日期、雷暴類型和不同預報方法的檢驗評分Table 1 List of thecaseswith date,storm typeand mean evaluation using the MTRECand MIVAPmethods for 60-minutenowcasting.

15個例按照POD、FAR、CSI三個指標對MTREC方法和MIVAP方法進行評估。當MTREC方法或MIVAP方法在三個指標中取獲得2個或以上更好的評分時，則評估認定該方法的預報效果更好。經(jīng)過統(tǒng)計如表1，15個個例當中，有10個個例MIVAP方法檢驗評分占優(yōu)，5個個例MTREC方法表現(xiàn)更好。

60 min內(nèi)預報評分隨預報時效變化的平均值統(tǒng)計如圖5所示，從圖中可知，MIVAP方法在30 min以內(nèi)前幾個時次的預報效果略低于MTREC方法，但是30 min以后的預報評分明顯優(yōu)于MTREC方法，總體來看，MIVAP方法的檢驗評分整體要優(yōu)于MTREC方法。

圖5 檢驗評分閾值為35 dBz時外推預報60 min共15個例的評分平均值(黑色線為POD,紅色線為FAR,藍色線為CSI,實線為MTREC方法,虛線為MIVAP方法)Fig.5 Mean evaluation scoreswith threshold value35 dBzbased on 15 cases:POD(black line),FAR(red line)and CSI(blue)within 60-minute forecast for MTREC(solid line)and MIVAP(dashed line).

將兩種方法使用的外推運動矢量場進行平均，再轉(zhuǎn)化為方位角和速度，得到15個個例的外推運動平均值如表2所示。由表2可見，MIVAP方法外推運動場的平均方位角要比MTREC方法的方位角大，說明MIVAP方法外推的總體方向相對MTREC方法要整體偏右，而根據(jù)實際經(jīng)驗，通常情況下雷暴在移動過程中會向右前方法發(fā)展，所以MIVAP方法更加契合雷暴向右偏運動的經(jīng)典概念模型；再對比兩者的平均速度可知，MIVAP方法總體外推的速度也要比MTREC方法快。

表2 個例發(fā)生日期、雷暴類型和不同預報方法得到的外推運動平均值Table2 List of thecaseswith date,stormtypeand mean motion fromthe MTRECand MIVAPmethods.

5 結(jié)論和討論

MIVAP方法在IVAP方法的基礎上，通過徑向速度反演不同尺度的風場，再通過多尺度合成反演風場得到外推運動矢量場，從而實現(xiàn)臨近外推預報。MIVAP方法先采用大尺度分析單元得到反演風場作為雷暴的系統(tǒng)性移動，再通過小尺度分析單元來分析反演風場，作為雷暴內(nèi)部的移動信息表征，最后將不同尺度的風場進行合成得到外推的運動矢量場。通過個例分析和統(tǒng)計分析，得到如下結(jié)論：

(1)MIVAP方法具有實際的應用意義，也證明了多尺度合成IVAP方法反演風場用于臨近外推預報的可行性。

(2)MIVAP方法外推運動場的方向要比MTREC方法運動場方向總體上偏右，且外推的平均速度要比MTREC方法快。

(3)MIVAP方法在30 min以內(nèi)前幾個時次的預報效果略低于MTREC方法，但是30 min以后的預報評分明顯優(yōu)于MTREC方法，MIVAP方法的檢驗評分整體上要優(yōu)于MTREC方法。

相比傳統(tǒng)的多尺度方法MTREC方法需要相鄰一個或者幾個時次的雷達回波來跟蹤雷達回波的移動，MIVAP方法外推預報只需要最新時刻的雷達回波和徑向速度。當雷達回波劇烈變化時，MTREC方法得到的外推運動矢量場準確性和平滑性會受到一定程度的影響，所以MTREC方法這類跟蹤算法對于劇烈變化的雷達回波具有一定的局限性。而MIVAP方法不依賴雷達回波過去的變化，所以能夠一定程度上避免MTREC方法這類跟蹤算法的局限性問題。