技术领域
[0001] 本发明属于气象预报预测技术领域，尤其涉及基于新一代天气雷达产品的强对流天气自动复盘分析方法及系统。
相关背景技术
[0002] 强对流天气是指伴随雷暴出现的强降雨、雷雨大风、大冰雹和龙卷现象，是一种历时短、天气剧烈、破坏性强的灾害性天气。世界上把它列为仅次于热带的气旋、地震、洪涝之后第四位具有杀伤性的灾害性天气，多发于夏秋季节，严重威胁到人民生命财产安全。强对流天气发生于中小尺度天气系统，空间尺度小，生命史短暂，具有突发性、局地性和生消发展速度快等特征，目前我国从国家级到省、市、县三级预报员都需要进行强对流天气预报预警工作。
[0003] 新一代天气雷达全称为新一代多普勒天气雷达(CINRAD：China new generation Dopplerweather radar)，有效探测范围为230km，时间分辨率为6分钟，空间分辨率为1km×1°，是捕捉预警尺度小、移动快、难捕捉、爆发性强的强对流天气系统的重要利器。我国从上世纪90年代后期至2022年9月已经建成236部新一代天气雷达，显著提高了天气预报的效益，极大减少了强对流天气带来的经济损失。
[0004] “复盘”最早源自围棋运动，其本意是“当下完一盘棋之后，要在棋盘上重新摆棋，研究哪些棋子走得好，哪些棋子走得不好，哪些地方可以有不同甚至是更好的下法等等。”它是从过去的成功和失败中获取经验教训以改进未来的学习机制。为尽摸清强对流天气发生发展规律，找出预报预警要点，气象部门预报人员对于强对流天气的复盘分析起步得较早，到现在已成为省级、市级和县级各级预报员的主要业务工作之一。但目前关于强对流天气复盘存在三个问题：一是有关强对流天气的判定标准使得强对流天气的记录与真实情况存在偏差。强对流天气的判定标准一般基于地面观测资料，而地面观测资料只记录出现在观测站的强对流天气，这使得被记录的强对流发生次数远少于真实情况，不利于预报预警工作；虽然随着智能手机和新媒体的发展，有关强对流天气的新闻信息成为了除气象专业观测之外的另一种观测来源，但新闻信息真假难辨，需要气象专业资料进行佐证。二是没有统一的科学的强对流天气复盘分析方法。国、省、市、县四级预报员都需要做强对流天气复盘分析，但缺少统一的强对流天气复盘分析方法，面对海量的气象数据，各级预报员各自为战，分析效率低，也阻碍了彼此之间的交流。三是缺乏专门的复盘分析系统供预报员进行操作训练，尤其是基于新一代天气雷达产品的强对流天气复盘分析系统。
[0005] 通过上述分析可知，现有技术存在的问题及缺陷为：强对流天气的判定标准亟需更新升级，省、市、县预报预警服务人员对强对流天气的复盘分析效率低，无法进行有效交流，缺少一种基于新一代天气雷达产品的强对流天气自动复盘分析方法及系统。
具体实施方式
[0093] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0094] 本发明实施例提供了一种自动识别强对流天气事件的方法，包括以下步骤：
[0095] 1.从天气雷达系统及其他气象监测设备获取气象数据，包括雷达反射率、风速风向、温度、湿度参数。
[0096] 2.利用数据处理和分析算法对获取的气象数据进行处理，提取与强对流天气相关的特征信息，包括但不限于识别降水强度、雷达回波的特征形态、特定高度上的温度梯度等关键指标。
[0097] 3.基于提取的特征信息，结合预设的阈值或模式识别算法，自动识别出特定时间和地点的强对流天气事件。
[0098] 4.针对识别出的强对流天气个例，自动执行复盘分析，回顾和分析事件的发生、发展和消散过程，总结强对流天气的形成机制、发展特征和影响。
[0099] 该方法进一步包括以下算法和数学模型：
[0100] 数据处理和分析算法：用于处理和分析从气象监测设备获取的气象数据，提取出与强对流天气相关的特征信息。
[0101] 模式识别算法：根据预设的模式或阈值，对提取的特征信息进行识别，判断是否出现强对流天气事件。
[0102] 复盘分析算法：对识别出的强对流天气事件进行回顾和分析，包括事件的发生、发展和消散过程，以及形成机制和影响的总结。
[0103] 因此，所述方法利用算法和数学模型实现了从气象数据中自动识别强对流天气事件的功能，为气象监测和灾害预警提供了有效的技术支持。
[0104] 以下是该方法的详细实现方案：
[0105] 数据处理和分析算法：
[0106] 1.数据预处理：对从气象监测设备获取的原始数据进行去噪、滤波、校正等预处理操作，以提高数据质量和准确性。
[0107] 2.特征提取：利用信号处理技术和统计分析方法，从预处理后的气象数据中提取与强对流天气相关的特征信息，如雷达反射率的垂直结构、风场的涡旋特征、温度的垂直梯度等。
[0108] 3.特征选择：采用特征选择算法(如卡方检验、信息增益等)对提取的特征进行筛选，选择对强对流天气识别具有较高区分度和重要性的特征。
[0109] 模式识别算法：
[0110] 1.模型构建：基于提取的特征信息，建立强对流天气事件的模式识别模型，可以采用机器学习算法(如支持向量机、随机森林、深度学习等)进行建模。
[0111] 2.训练和验证：利用已标记的气象数据集进行模型的训练和验证，优化模型参数，提高模型的泛化能力和准确性。
[0112] 3.模式识别：将实时获取的气象数据输入训练好的模型中，利用预设的模式或阈值进行判断，识别是否出现强对流天气事件。
[0113] 复盘分析算法：
[0114] 1.事件记录：对识别出的强对流天气事件进行记录和标注，包括事件的时间、地点、强度等信息。
[0115] 2.事件回顾：回顾事件发生前、过程中和结束时的气象条件和演变情况，分析事件的演变轨迹和形成机制。
[0116] 3.事件分析：对事件的发生原因、发展特征和影响进行分析，结合气象学知识和统计方法，总结事件的规律和特点。
[0117] 通过以上算法和数学模型的实现，可以实现对强对流天气事件的自动识别和复盘分析，为气象监测和预警提供了可靠的技术支持。
[0118] 假设我们要实现针对雷达反射率数据的强对流天气识别和复盘分析。以下是一个具体的实现例子：
[0119] 数据处理和分析算法：
[0120] 1.数据预处理：对雷达反射率数据进行去噪处理，采用中值滤波或高斯滤波技术。
[0121] 2.特征提取：从处理后的雷达反射率数据中提取特征，如反射率强度的垂直分布、雷达回波的形态特征(如回波核的大小、形状)、雷暴云的发展趋势等。
[0122] 3.特征选择：采用信息增益方法对提取的特征进行评估和排序，选择对强对流天气识别具有较高区分度的特征。
[0123] 模式识别算法：
[0124] 1.模型构建：建立基于决策树的强对流天气识别模型。利用已标记的气象数据集进行模型的训练，包括正常天气和强对流天气。
[0125] 2.训练和验证：使用交叉验证方法对模型进行训练和验证，调整模型参数以提高模型的准确性和泛化能力。
[0126] 3.模式识别：将实时获取的雷达反射率数据输入模型中，根据模型输出的预测结果，判断是否出现强对流天气事件。
[0127] 复盘分析算法：
[0128] 1.事件记录：记录识别出的强对流天气事件的时间、地点和强度等信息。
[0129] 2.事件回顾：回顾事件发生前、过程中和结束时的雷达反射率数据，分析反射率的空间分布和时间演变情况，了解事件的发展轨迹。
[0130] 3.事件分析：分析事件的形成原因、发展特点和影响范围，结合其他气象参数如风场、温度等，总结出强对流天气的特征和规律。
[0131] 通过以上实现，我们可以实现对雷达反射率数据的强对流天气自动识别和复盘分析，为气象监测和预警提供了有效的支持。
[0132] 如图1所示，本发明实施例提供的一种基于新一代天气雷达产品的强对流天气自动复盘分析方法包括以下步骤：
[0133] S101，气象数据获取；
[0134] S102，特征信息提取；
[0135] S103，强对流天气个例识别；
[0136] S104，个例自动复盘分析。
[0137] 本发明实施例提供的基于新一代天气雷达产品的强对流天气自动复盘分析方法的工作原理：
[0138] S101:气象数据获取
[0139] 此步骤涉及从新一代天气雷达系统及其他气象监测设备收集数据。这些数据包括但不限于雷达反射率、风速风向、温度、湿度等参数。新一代天气雷达产品，如双偏振雷达，能提供更加精细的数据，如降水粒子的类型和大小分布，为强对流天气分析提供更丰富的信息源。
[0140] S102:特征信息提取
[0141] 基于收集到的气象数据，采用数据处理和分析算法提取与强对流天气相关的特征信息。这包括识别降水强度、雷达回波的特征形态、特定高度上的温度梯度等关键指标。通过对雷达数据进行时间序列分析，还可以识别出强对流天气发展的趋势，例如降水增强、雷达回波的组织形态变化等。
[0142] S103:强对流天气个例识别
[0143] 利用提取的特征信息，结合预设的阈值或模式识别算法(如机器学习分类器)，自动识别出特定时间和地点的强对流天气事件。此步骤需要综合考虑多个气象参数和它们的时空变化，以确保个例的准确识别。识别算法可以基于历史强对流事件的特征数据进行训练，以提高识别的准确性和效率。
[0144] S104:个例自动复盘分析
[0145] 对于识别出的强对流天气个例，系统将自动执行复盘分析，回顾和分析事件的发生、发展和消散过程。这一步骤可以采用动态模拟、统计分析等方法，结合实时数据和历史数据，对比分析个例的特征与典型事件。复盘分析的目的是总结强对流天气的形成机制、发展特征和影响，为未来的预测和预警提供参考。自动复盘分析可以大大减少人工操作，提高分析效率和质量，同时为气象研究和应急管理提供支持。
[0146] 整个方法利用新一代天气雷达产品提供的高分辨率和高质量数据，通过自动化的数据处理和分析流程，实现对强对流天气事件的快速、准确识别和深入分析。这种方法提高了强对流天气分析的实时性和准确性，对于气象预报、灾害预警和应急响应等具有重要意义。
[0147] 本发明实施例提供的气象数据获取：
[0148] 基于天擎·气象大数据云平台，国家气象信息中心MICAPS数据资料资源池，每日定时获取指定行政区域的新一代天气雷达产品中基本反射率因子产品、组合反射率因子产品和回波顶高产品，国家级地面气象观测数据，高空气象观测数据，进入到指定存储空间。
[0149] 本发明实施例提供的特征信息提取：
[0150] 对于进入指定存储空间的气象数据进行特征提取，提取包括地面气象观测站逐小时降水量，逐小时最大风速，新一代天气雷达产品中指定区域范围的最大基本反射率因子、最大组合反射率因子和最高回波顶高，高空气象观测数据中温度与大气压强的数值。
[0151] 本发明实施例提供的强对流天气个例识别：
[0152] 建立基于新一代天气雷达产品的不同类型强对流天气个例标准，在特征信息中根据标准进行筛选，当数据特征值符合强对流天气标准时，对强对流天气个例进行标记，记录强对流天气个例的发生时间、发生台站和已提取出的特征信息。
[0153] 本发明实施例提供的个例自动复盘分析：
[0154] 基于已提取出的强对流天气个例特征信息，根据气象行业实际情况，参考气象行业经典教材、强对流天气预报手册、气象行业天气预报技能竞赛文件、标准化文件、相关文献等资料，利用信息技术对个例进行自动复盘分析，主要包括强对流天气潜势分析和强对流天气雷达监测产品分析两个部分。
[0155] 强对流天气潜势分析主要包含天气图分析、探空分析和触发机制分析。
[0156] 天气图分析主要考虑850hPa、700hPa和500hPa天气图呈现的强对流天气环流形式符合高空冷平流强迫型、低层暖平流强迫型、斜压锋生型、准正压型、高架雷暴型等5类强对流天气形势概念模型中的哪一类。重点分析高空槽、低层切变、急流、水汽、地面冷空气、高度槽与温度槽的关系及其特征值。
[0157] 探空分析主要着眼于强对流天气分类：短时强降水，雷暴大风，冰雹和混合型。基于温度层结分析对流有效位能CAPE形态和大小，DCAPE大小，850hPa和500hPa的温度差(T850T500)，850hPa、700hPa和500hPa的温度露点差((TTd)850、(TTd)700、(TTd)500)，地面露点温度，0～6km垂直风切变大小，冷暖平流情况，湿度情况，风始端图类型，0℃、20℃等温层高度。
[0158] 触发机制分析着眼于地面、925hPa、850hPa等天气图上呈现的中低层切变线、地面辐合线、干线露点锋、局地加热、锋面系统。
[0159] 强对流天气雷达监测产品分析主要考虑上游地区发生的强对流类型、回波形态、回波中心强度、45～55dBz回波所在高度、垂直液态水含量VIL、风暴属性。
[0160] 本发明实施例提供的基于新一代天气雷达产品的强对流天气个例自动复盘分析方法，涉及对强对流天气个例的综合复盘分析，通过气象数据获取、特征信息提取、强对流天气个例识别和个例自动复盘分析四个步骤，确保能够准确地自动复现强对流天气事件。以下是详细的信号和数据处理过程：
[0161] S101：气象数据获取
[0162] (1)选定区域：选定需要采集数据的行政区域中的地面气象观测站、高空气象观测站和雷达站。
[0163] (2)数据采集：每24小时从天擎·气象大数据云平台，国家气象信息中心MICAPS数据资料资源池中下载和收集所选定区域的地面气象观测资料、高空气象观测资料、新一代天气雷达产品资料。
[0164] (3)分类标识：根据强对流天气个例标准，将收集到的逐小时降水量数据进行短时强降水和非短时强降水的标记，对逐小时最大风速数据和雷达产品中的组合反射率产品结合起来进行雷暴大风和非雷暴大风的标记，对雷达产品中的基本反射率产品、高空气象观测数据、地面冰雹观测记录结合起来进行大冰雹和非大冰雹的标记。
[0165] S102：特征信息提取
[0166] (1)提取：对于已标记的强对流天气数据，提取小时降水量、小时最大风速，高空观测资料温度和大气压强层结数据，提取新一代天气雷达产品在指定区域内的最大基本反射率因子、组合反射率因子和回波顶高。
[0167] (2)计算：利用高空观测资料温度和大气压强层结数据计算20℃等温层。
[0168] S103：强对流天气个例识别
[0169] (1)站次识别：出现强对流天气特征信息的国家级地面气象观测站记为强对流天气现象发生测站。
[0170] (2)时次识别：出现强对流天气现象的时次记为强对流天气现象发生时次。
[0171] (3)过程识别：强对流天气现象发生测站的发生时次间隔不超过3小时记为同一次强对流天气过程，否则记为另一次强对流天气过程。
[0172] (4)持续时间识别：同一次强对流天气过程中，最早的强对流天气现象发生时次为强对流天气过程起始时间，最后的强对流天气现象发生时次为强对流天气过程结束时间，从起始时间至结束时间为强对流天气过程持续时间。
[0173] S104，个例自动复盘分析
[0174] (1)个例信息整合和关联：将识别出具有强对流天气特征的个例与卫星云图、数值预报模式进行关联，以获取全面的个例资料信息。
[0175] (2)参数分析：
[0176] 天气图内物理量：分析低层显著湿区，中层干区，垂直大气可降水量，显著降温区等。
[0177] 特征层高度：计算0℃层高度、湿球0℃层高度。
[0178] CAPE(对流有效位能)：计算CAPE的形态和大小，分析大气的不稳定程度。
[0179] DCAPE(下沉有效位能)：评估下沉气流的潜在能量。
[0180] 温度梯度(T850T500)：分析850hPa与500hPa之间的温度差，评估大气层结稳定性。
[0181] 露点温度差(TTd)：在850hPa、700hPa、500hPa等不同高度层分析温湿度差，评价大气干湿状况。
[0182] 垂直风切变(0～6km)：计算06km高度内的垂直风切变大小，判断风场的动力条件。
[0183] 触发条件：利用地面观测资料中的风向风速自动分析是否存在地面辐合线、低层切变线、低空急流等。
[0184] 雷达产品：回波形态、反射率因子、双偏振参量信息。
[0185] 卫星云图：云系特征、云团特征。
[0186] 数值预报模式：再分析资料，24小时预报场资料。
[0187] (3)结果展示和出报告：将复盘分析结果以可视化的方式展示，并生成相应的报告，以便气象专家和决策者进行进一步的分析和决策。
[0188] 通过这一系列的信号和数据处理过程，本发明能够提供一种全面、精确的强对流天气个例自动复盘分析方法，不仅能够帮助气象工作者和研究人员深入高效理解强对流天气的发展机制，还能够在实际预报和应急响应中起到重要的指导作用。
[0189] 如图2所示，本发明实施例提供的一种天气雷达复盘演练系统研发需求分析系统包括：
[0190] 知识储备模块、数据处理模块、个例检索模块、复盘分析模块和挑战答题模块；
[0191] 知识储备模块，用于实现新一代天气雷达培训课件、相关书籍电子版直接查阅功能；实现文献检索工具地址链接跳转和使用方法说明文档查阅功能；
[0192] 个例检索模块，用于实现快速检索强对流天气历史个例，调阅数据资料功能；
[0193] 复盘分析模块，用于实现预报员学习天气预报全流程和复盘分析全流程功能；可做到管理员可以开/关不同模块；
[0194] 挑战答题模块，用于挑战答题。
[0195] 本发明实施例提供的个例检索模块检索条件设置如下：
[0196] (1)数据类型；
[0197] 数据类型包括地面、高空、卫星、雷达、EC细网格空间分辨率0.125°，时间分辨率3小时间隔、Grapes_gfs空间分辨率10km，时间分辨率3小时，单项选择；各类型数据检索方式包括综合图检索与文件检索；
[0198] (2)个例基本信息；
[0199] 显示强对流天气个例基本信息，包括发生时间、持续时长、强对流天气类型、站点实况、雷达产品特征客观指标和主观描述；
[0200] 其中发生时间为北京时间；强对流天气类型分为短时强降水、雷暴大风、冰雹和混合型；站点实况为单部雷达有效探测范围内有强对流天气的国家站站点信息；
[0201] 显示加载雷达资料时，可以让雷达资料直接加载至气象数据处理业务系统(MICAPS)中，利用MICAPS系统里“单站雷达”和“单站雷达终端”进行调用，同步保留雷达资料下载到本地功能，供雷达产品显示端(PUP)调用显示。
[0202] 本发明实例提供的复盘分析模块设置如下：
[0203] 根据基于新一代天气雷达产品的强对流天气个例自动复盘分析方法中的个例复盘分析进行设计，包括强对流天气潜势分析和强对流天气雷达监测产品分析两个部分中天气图分析要素、探空分析要素、触发机制分析要素和雷达产品分析要素的自动计算与显示。
[0204] 本发明实施例提供的挑战答题模块：
[0205] 挑战答题模块包含2个部分：答题部分和错题集部分；
[0206] 答题部分包括出题、答题、答案和评分；出题内容主要包括识图题和调用资料分析两种类型；识图题包括雷达基础识图和雷达预警指标特征识图；调用资料分析题型需要在“检索显示”模块调用资料，查看相应个例资料进行分析后在答题面板进行作答；
[0207] 错题集部分包括预报员需要进行答题的考卷，需要继续训练的题目和需要继续分析的个例；个人历史成绩和错题。
[0208] 一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述天气雷达复盘演练系统研发需求分析方法的步骤。
[0209] 一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述天气雷达复盘演练系统研发需求分析方法的步骤。
[0210] 一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所述基于新一代天气雷达产品的强对流天气个例自动复盘分析系统。
[0211] 本发明具体实现：
[0212] 1.系统功能总体需求
[0213] 基于新一代天气雷达产品的强对流天气个例自动复盘分析系统建设总目标是：针对强对流天气预警预报，利用现有技术，研发集学习培训、训练、复盘于一体，具有开放体系结构、易扩充、易维护、与MICAPS4.8和天擎·气象大数据云平台对接的自动复盘分析平台，提高省、市、县预报预警服务人员对强对流天气过程的复盘分析效率和能力。
[0214] 系统研发技术包含2部分内容：强对流天气个例资料自动调取技术和强对流天气个例复盘分析技术。平台包含4个功能模块：知识储备模块、数据处理模块、个例检索模块、复盘分析模块和挑战答题模块。
[0215] 2.平台研发相关技术
[0216] 2.1研发强对流天气个例资料自动调取技术
[0217] 2.1.1研究强对流天气个例入选标准
[0218] 采用文献查阅、数据分析、专家判别的方法，明确强对流天气过程的界定和强对流天气个例数据资料清单。
[0219] (1)基于新一代天气雷达产品的强对流天气定义
[0220] 1)短时强降水天气
[0221] 当1个国家级地面气象观测站的小时降雨量≥20mm，认为该站点该小时内出现短时强降水天气现象。
[0222] 2)雷暴大风天气现象
[0223] 当1个国家级地面气象观测站逐小时观测记录中出现≥17.2m/s的大风，且该地面观测站5km范围内相关雷达组合反射率≥40dBZ，回波顶高≥6km，认为该站点该小时内出现雷暴大风天气现象。
[0224] 3)大冰雹天气现象
[0225] 当1个国家级地面气象观测站逐3小时特殊天气报中记录有直径≥20mm的冰雹，取该站点5km范围内相关雷达最高组合反射率因子所在小时为冰雹出现的小时，认为该站点该小时内出现大冰雹天气现象。或者，某个国家级地面气象观测站没有冰雹记录，但在以该站点为圆心，半径5km圆形区域内某个小时内出现强冰雹的雷达回波特征，就判定该站点该小时有强冰雹，这些特征包括：55dBZ回波扩展到20℃等温线高度以上；出现65dBZ以上强回波，无论位于什么高度；出现三体散射。
[0226] 4)龙卷天气现象
[0227] 当1个国家级地面气象观测站30km范围内有龙卷灾情被确认，认为该站点该小时内出现龙卷天气现象。
[0228] 5)混合型强对流天气现象
[0229] 当1个国家级地面气象观测站1小时同时出现两种及两种以上强对流天气现象，认为该站点该小时内出现混合型强对流天气现象。
[0230] (2)强对流天气过程标准
[0231] 出现强对流天气现象的国家级地面气象观测站记为强对流天气现象发生测站，出现强对流天气现象的时次记为强对流天气现象发生时次。强对流天气现象发生测站的发生时次间隔不超过3小时记为同一次强对流天气过程，否则记为另一次强对流天气过程。同一次强对流天气过程中，最早的强对流天气现象发生时次为强对流天气过程起始时间，最后的强对流天气现象发生时次为强对流天气过程结束时间，从起始时间至结束时间为强对流天气过程持续时间。
[0232] (3)强对流天气个例入选的数据资料
[0233] 1)数据资料时间段
[0234] 强对流天气过程个例资料为最基本气象观测站数据信息，包括地面观测资料、高空观测资料、数值模式资料、卫星产品资料和雷达产品资料。
[0235] 当强对流天气过程发生时间在当日08时至20时之间，地面观测资料和高空观测资料需要入库当日08时至强对流天气过程结束时次的资料；数值预报模式资料需要入库当日08时起报未来24小时的资料。
[0236] 当强对流天气过程发生时间在当日20时至次日08时之间，地面观测资料和高空观测资料入库当日20时至强对流天气过程结束时次的资料；数值预报模式资料需要入库当日20时起报未来24小时的资料。
[0237] 卫星云图资料和雷达资料需要入库强对流天气过程发生时次前6小时至强对流天气过程结束时次的资料。
[0238] 2)数据资料清单
[0239] 强对流天气个例数据资料基本属性包括数据格式、要素、时间分辨率、层次等，具体数据资料清单如表1所示。
[0240] 表1强对流天气个例数据资料清单
[0241]
[0242]
[0243]
[0244] 强对流天气个例的各类数据资料中，国家级地面气象观测站和雷达站的数据资料需要进行对应。当国家级地面气象观测站出现强对流天气现象时，应入选该站点至少1个相关雷达站的雷达数据资料，最好能入选与该站点距离低于110km的相关雷达站雷达数据资料。
[0245] 2.1.2研发强对流天气个例实况自动提取与判识技术
[0246] 对于已收集整理并存入FTP空间的强对流天气个例进行实况提取与判识，得到强对流个例属性信息表，包括发生时间、持续时间、影响范围、影响站点等。
[0247] 对于新的数据资料则采用下列方式进行逐日自动检测资料并提取信息的方式进行。
[0248] (1)基于天擎·气象大数据云平台，国家气象信息中心MICAPS数据资料资源池，FTP空间，依据强对流天气过程判定标准，利用编程语言每日提取湖南省国家级地面气象观测站小时降雨量，当小时雨量达到短时强降水标准时，则将强降水的发生时间、发生台站、降水量等信息进行记录，写入FTP空间强对流识记表格中。
[0249] (2)逐日提取国家级地面气象观测站风向风速，并依据特殊天气报和雷达产品，当达到雷暴大风标准时，则将雷暴大风的发生时间、发生台站、风向风速等信息进行记录，写入FTP空间强对流识记表格中。
[0250] (3)逐日提取特殊天气报告编发的天气现象电码信息，得到时间分辨率为3小时的冰雹实况资料，当冰雹直径达到大冰雹标准时，采用地面观测实况与雷达产品资料时空分辨率匹配重建与同步资料叠加分析方法，提升冰雹观测时间分辨率，并将大冰雹发生时间、发生台站、冰雹直径等信息进行记录，写入FTP空间强对流识记表格中。
[0251] 2.2研发强对流天气个例复盘分析技术
[0252] 根据自动判识的强对流天气实况记录，结合新修订的业务规范文件和预警信号发布标准文件要求，研发强对流天气预报预警全流程仿真模拟技术，引入并改进经典复盘模型GRAI模型，从“设定目标”、“结果比对”，“原因分析”和“规律总结”4大方面研发从强对流天气潜势预报到临近监测预警的全过程学习与复盘分析技术，结合优秀预报员预报预警经验，将复盘分析技术固化为功能模块。
[0253] 强对流天气复盘分析模块主要考虑强对流天气潜势分析和强对流天气雷达监测产品分析两方面。
[0254] 强对流天气潜势分析主要围绕是否会发生、发生哪一类型展开。包括天气图分析，探空分析和触发条件分析。
[0255] (1)天气图分析
[0256] 主要考虑850hPa、700hPa和500hPa天气图呈现的强对流天气环流形势符合高空冷平流强迫型、低层暖平流强迫型、斜压锋生型、准正压型、高架雷暴型等5类强对流天气形势概念模型中的哪一类；重点分析高空槽、低层切变、急流、水汽、地面冷空气、高度槽与温度槽的关系及其特征值。
[0257] (2)探空分析
[0258] 探空分析主要着眼于强对流类天气分类：短时强降水，雷暴大风，冰雹和混合型。基于温度层结对流有效位能CAPE形态、大小，下沉有效位能DCAPE大小，850hPa和500hPa的温度差T850T500，850hPa、700hPa和500hPa的温度露点差(TTd)850、(TTd)700、(TTd)500，地面露点温度Td，0～6km垂直风切变大小，冷暖平流情况，湿度情况，风始端图类型，0℃、20℃等温层高度。
[0259] (3)触发条件分析
[0260] 触发条件的分析着眼于地面、925hPa、850hPa等天气图上的中低层切变线、地面辐合线、干线(露点锋)、局地加热、锋面等系统。
[0261] 强对流天气雷达监测产品分析主要围绕雷达产品应用展开。主要考虑上游地区发生的强对流类型、回波形态、回波中心强度、45～55dbz回波所在高度、垂直液态水含量VIL、风暴属性等。
[0262] 3.系统功能模块设计
[0263] 系统包含4个功能模块：知识储备模块、个例检索模块、复盘分析模块和挑战答题模块。
[0264] 3.1知识储备模块
[0265] 该模块实现新一代天气雷达培训课件、相关书籍电子版直接查阅功能；实现文献检索工具地址链接跳转和使用方法说明文档查阅功能。
[0266] 如图5所示，3.2个例检索模块
[0267] 该模块实现快速检索强对流天气历史个例，调阅数据资料功能。具体检索条件设置如下：
[0268] (1)数据类型
[0269] 数据类型包括地面、高空、卫星、雷达、EC细网格(空间分辨率0.125°，时间分辨率3小时间隔)、Grapes_gfs(空间分辨率10km，时间分辨率3小时)，单项选择。各类型数据检索方式包括综合图检索与文件检索。
[0270] (2)个例基本信息
[0271] 显示强对流天气个例基本信息，包括发生时间、持续时长、强对流天气类型、站点实况、雷达产品特征客观指标和主观描述。
[0272] 其中发生时间为北京时间；强对流天气类型分为短时强降水、雷暴大风、冰雹和混合型(同以天气过程中包含多种强对流天气类型)；站点实况为单部雷达有效探测范围内有强对流天气的国家站站点信息等。
[0273] 显示加载雷达资料时，可以让雷达资料直接加载至气象数据处理业务系统(MICAPS)中，利用MICAPS系统里“单站雷达”和“单站雷达终端”进行调用，同步保留雷达资料下载到本地功能，供雷达产品显示端(PUP)调用显示。
[0274] 如图6所示，3.3复盘分析模块
[0275] 复盘分析模块根据基于新一代天气雷达产品的强对流天气个例自动复盘分析方法中的个例复盘分析进行设计，包括强对流天气潜势分析和强对流天气雷达监测产品分析两个部分中天气图分析要素、探空分析要素、触发机制分析要素和雷达产品分析要素的自动计算与显示。如图7所示，3.4挑战答题模块
[0276] 挑战答题模块包含2个部分：答题部分和错题集部分。
[0277] 答题部分包括出题、答题、答案和评分。出题内容主要包括识图题和调用资料分析两种类型。识图题包括雷达基础识图和雷达预警指标特征识图等。调用资料分析题型需要在“检索显示”模块调用资料，查看相应个例资料进行分析后在答题面板进行作答。
[0278] 错题集部分可让预报员在该界面看到自己需要进行曾经或正在进行的答题的考卷、历史成绩和错题。
[0279] 实例1——强对流天气历史个例真实性甄别
[0280] 基于新一代天气雷达产品的强对流天气个例自动复盘分析方法中，对于强对流天气现象的标准加入了雷达产品，有利于甄别强对流天气历史个例真实性。(1)雷暴大风个例真实性甄别
[0281] 以2016年4月12日强对流个例为例，基于广州新一代天气雷达资料，依据本标准自动化提取强对流站点。提取出三水国家级地面气象观测站出现雷暴大风，经过人为主观分析，发现该大风观测记录虽然为西北风，但是与当地当时出现的飑线移动方向相匹配，并且明确是在飑线向前凸起的位置出现大风，与教科书经典飑线模型相匹配。说明对于雷暴大风天气现象的确定时较为合理的。
[0282] (2)冰雹个例真实性甄别
[0283] 以2018年3月4日强对流个例为例，依据特殊天气报的信息，2018年3月4日1114时钟山站有冰雹天气现象，气象观测人员人工观测到冰雹。但在跟同时段雷达产品指标进行比对时发现，无法匹配任何一条雷达产品指标，且钟山站附近最强基本反射率低于40dBZ，根据冰雹天气现象雷达产品的判定标准，该个例1114时是没有冰雹的。同时发现，在3月4日08时左右，虽然没有气象观测人员的人工观测冰雹记录，但按照雷达产品指标特征作为判据，钟山是有冰雹的。
[0284] 为了确定真实情况，以“2018年3月4日钟山冰雹”为关键词在百度网进行搜索，搜索到“深港在线”媒体发布的新闻，新闻于2018年3月5日发布，新闻内容明确表示“3月4日早晨，伴随着降雨，广西钟山响起了2018年第一声春雷。08时18分，钟山县城大范围突降冰雹，冰雹持续了20分钟，最后在一阵强烈密集的冰雹雨后，解除了此次降雹过程。”这条新闻内容说明了冰雹天气现象的判断依据是合理的，08时18分落下冰雹，由雷达产品反映出08时左右冰雹未落之前还存在于强对流风暴系统中。
[0285] 实例2——支撑湖南省骨干预报员能力提升
[0286] 历史天气个例实训是湖南省预报员能力提升培训中的重要环节，基于新一代天气雷达产品的强对流天气个例自动复盘分析系统为预报员培训高效提供实训个例。
[0287] 一是支撑湖南省2023年骨干预报员能力提升集训班2023年11月19日至27日，湖南省2023年骨干预报员能力提升集训班在长沙举办，本期培训班的目标是强化省市级骨干预报员的气象基础理论和专业技术应用能力，提高对人工智能、大数据、风云卫星资料、双偏振雷达、智能网格客观竞赛等新知识、新技术、新方法的应用能力，提升精细化预报技术、短临预报预警技术、气象服务技术方法在业务工作中的应用能力以及数值预报订正能力，提高省市级气象预报预警服务业务水平。
[0288] 其中，短临预报预警服务的最关键环节和最重要内容就是基于新一代天气雷达产品资料做好强对流天气预报预警。因此，在本期培训班中，基于新一代天气雷达产品的强对流天气个例自动复盘分析系统作为支撑平台，支撑了全省骨干预报员在《分类强对流预报和短临预警》《预报思路建立及重要天气过程复盘教学》两门重要课程的实习实训。
[0289] 基于新一代天气雷达产品的强对流天气复盘演练系统包含了强对流天气个例库，实现了湖南省气象部门强对流天气历史个例的积累与传承。统一的资源池可供不同地区的预报员快速调用，为预报员快读定位和分析个例提供了便捷。
[0290] 二是支撑全省预报员利用基于新一代天气雷达产品的强对流天气个例自动复盘分析系统进行在线学习。
[0291] 基于新一代天气雷达产品的强对流天气个例自动复盘分析系统除了向集中面授的预报员提供平台支撑之外，还以“云+端”的方式在线供不同地区预报员进行个例的复盘分析。
[0292] 基于新一代天气雷达产品的强对流天气个例自动复盘分析系统具备但不限于以下3点优势：
[0293] (1)强对流天气历史个例自动识别效率高
[0294] 有效解决强对流天气个例尤其是冰雹个例中，低时空分辨率实况要素无法满足预报员训练的问题，基于2016—2022年69个强对流天气历史个例中所涉及到的56部新一代天气雷达产品资料，结合每部雷达230km范围内国家级地面气象观测站小时降水数据、极大风风向风速资料、特殊天气报等资料，采用Python程序语言，依据强对流天气过程入库标准进行强对流天气实况自动化提取，共提取出1200个强对流时次，751个强对流站点，其中冰雹站点253个，雷暴大风站点122个，短时强降水站点669个，时间分辨率精确到小时，空间分辨率精确到县(区)。通过建立雹暴雷达数据集，构建雹暴雷达模型，根据业务规范要求，反演出高时空分辨率冰雹实况，并将定量化分析技术开发为气象教育培训领域首本长时间序列雷达资料处理个例集，已在县级灾害性天气监测预警专项培训班中应用，并为开展雷达业务相关教学奠定基础。
[0295] (2)健全了气象业务能力提升培训体系
[0296] 通过信度分析、相关分析和聚类分析，设计有效反映调查意图，收集数据可靠的基于新一代天气雷达产品的强对流天气个例自动复盘分析系统专项调查问卷，面向省市两级业务主管部门开展咨询，面向基层一线业务人员开展专题调研百余人次，根据不同层级需求分层分类设计实习实训个例，形成实训手册，创新方式方法，“面授+云端”模式对学员进行线上线下同步实例讲解和专题实训指导，促进教学、研究、咨询一体化统筹推进，健全气象业务能力提升培训培训体系，在湖南省预报员集训、国家级县级灾害性天气监测预警专项培训等众多“补短板，强弱项”项目中发挥重要作用，91.7％以上的学员认为该平台非常有作用，剩余8.2％的学员认为比较有作用。
[0297] (3)开创了气象业务培训新格局
[0298] 基于新一代天气雷达产品的强对流天气个例自动复盘分析系统支持全省300余名预报员打破时空限制、打破资源壁垒，线上与线下结合进行实习实训。统一的资源池可供不同地区的预报员快速调用，为各地预报员在集中培训或碎片化学习时进行快读定位和分析历史个例提供了便捷。既支持预报员在日常业务系统中进行历史天气个例的训练、自测、自评，也能支持集中面授培训中的实习实训，开创了湖南省气象业务培训新格局。
[0299] 应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVDROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0300] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
