分钟级降水临近预报及其在泥石流早期预警中的应用研究

The weather radar data is the most important information of monitoring short-duration heavy rainfall caused debris flow disasters in mountainous areas. The project uses the 3D weather radar detection data to consider the impact of the terrain and builds a 5-minute time-resolution precipitation estimation model by using the machine learning model integration fusion method. In order to improve the accuracy of heavy rainfall estimation, aiming at the difference of each precipitation process and the time variation of radar data quality, this paper realizes the real-time training of machine learning based on the minute precipitation observation data of ground station Model to achieve real-time rolling correction of minute precipitation; establishing a model of minute precipitation forecasting based on optical flow method and deep convolution neural network, and extrapolating precipitation in 5-minute intervals in the next 2 hours; establishing a threshold model of ID debris flow occurrence based on minute precipitation. Establish a forecast model for the probability of occurrence of debris flow at different time advance within the next 0-2 hours. This study is of great significance to solve the information delay in early warning of debris flow and effectively reduce the loss of debris flow disaster.

天气雷达是监测山区引发泥石流灾害短历时强降水的最重要手段，本项目利用三维天气雷达探测数据，考虑地形的影响，采用机器学习模型集成融合方法构建5分钟时间分辨率降水估算模型；利用重采样解决样本不平衡问题，提高强降水估计的准确性；针对每个降水过程的差异性和雷达数据质量时间变化问题，根据地面站的分钟降水观测数据，在线训练机器学习模型，实现分钟降水实时滚动订正；基于光流法和长短时记忆神经网络(LSTM)建立分钟降水预报模型，对未来2小时逐5分钟间隔的降水进行外推预报；基于分钟降水预报和大量泥石流个例建立区域性泥石流ID阈值模型；建立未来0-2小时不同时刻泥石流发生可能性预报模型。本研究对解决泥石流灾害预警中的信息延迟、实现提前预警和有效降低泥石流灾害损失有重要意义。

分钟级短临降水预报是解决泥石流灾害预警中的信息延迟、实现提前预警和有效降低泥石流灾害损失的关键信息。本项目利用三维天气雷达探测数据，考虑地形的影响，采用机器学习模型集成融合方法构建分钟级降水估算模型；基于光流法和长短时记忆神经网络（LSTM）建立分钟降水预报模型，对未来2小时逐5分钟间隔的降水进行外推预报；实现分钟降水实时滚动订正；基于分钟降水预报和大量泥石流个例建立区域性泥石流ID阈值模型。.本项目通过大数据处理技术建立了三维雷达回波时间序列数据集、地面雨量站位置雷达回波垂直高度上的廓线数据集、地质灾害点位置机器学习外推预报的分钟降水时间序列数据集。建立了DCN-LSTM模型，根据过去2个小时内的雷达回波图像数据预测未来2小时的雷达回波图像，外推的雷达回波误差值缩小到2.5-4.3dBz范围内；建立了天气雷达分钟降水滚动实时订正技术，经过订正后的空间误差，3-11月的TS评分均有提升，空报率大大降低；对于时间误差订正，4-10月份TS有较大提升，总体的TS评分比国家级业务系统提高18.9%。建立了基于图卷积神经网络的站点定量降水预报方法和系统，对融合站点观测和格点化的天气雷达估算降水方面具有突破性意义；建立了静态和动态融合流网络技术进行杂波识别，对天气雷达回波中由于候鸟迁移导致的回波进行了识别，对由此导致的降水量估算值具有过滤作用。通过诱发地质灾害的分钟级降水时间序列数据的小波变换和无监督分类揭示了精确到分钟的地质灾害时间和降水观测，对精确计算前期有效雨量具有重要作用；不同土层深度土壤温湿度与地质灾害发生频次具有很好的相关性；以栅格点上以定量降水估测、定量降水预报降水、地质灾害易发度作为输入的地质灾害概率预报模型比业务模式预报性能有大幅提升。.本项目首次实现了天气雷达分钟降水与地质灾害在时间上实现分钟级、在空间上实现了公里级匹配，对推动基于天气雷达分钟级降水预报的地质灾害预警技术研究具有推动作用，具有广阔的应用前景。