[01131458]暴雨灾害天气短临精细化预报研究及应用

短时强降水是一种突发性强、降水时间短、降水量大的天气过程,每年由此引发的自然灾害层出不穷,严重威胁人们的生命财产安全。强降水引发的气象灾害“措不及防”,其社会危害性极大,对其进行预警和临近预报,对于防灾减灾意义重大。 在气象学中,由雷达回波生成的反射率因子图与降水的强度具有较强的关联。雷达回波外推技术是根据气象雷达探测到的回波数据,确定回波的强度分布以及回波体（如降水区）的移动速度和方向,通过对回波体线性或者非线性外推,预测一定时间段后的雷达回波状态,从而确定降雨的强弱,是短时强降水预报的主要技术手段。传统的气象雷达回波外推方法在回波稳定时性能较好,能够较准确地跟踪回波变化,但对于回波变化较快的天气过程,预报准确率大幅下降,且其预测时效较短,准确性随预测时长的增加而快速下降。我国已经建立了新一代多普勒天气雷达观测网,其探测覆盖面、探测能力和探测资料迅速增加,如何改进雷达回波外推算法,以有效地利用多普勒天气雷达回波数据来提高临近天气预报的准确性和时效性,是一个意义重大的研究课题。 近年来,结合大数据和强大的计算力,以深度学习为代表的人工智能技术在语音识别、计算机视觉等诸多应用中取得突破性的进展,并解决了数以百计的实际问题。由于丰富的历史气象数据,该技术也为临近天气预报提供了一种新的途径。 因此,本项目基于深度学习,通过对雷达回波生成的反射率因子图时空序列进行建模,研究高分辨率、高精度的短临精细化降雨预报,为中小尺度在 2 公里以内的区域化降雨气象保障提供技术手段。本课题设计的基于深度学习技术的精细化降雨预测应用研究,将能够解决深度学习技术在气象预测上的具体实现与应用问题,创新气象预测的时序分析方法,拓展区域化天气预报手段。