大风(包括台风、龙卷风等)是指近地面风力达到8级(平均风速17.2m/s)或以上的风,会对人们生产生活造成危害,并可能引发多种次生灾害。利用多普勒效应进行探测并具有测速功能的多普勒天气雷达,是实现中小尺度下大风气象监测和天气现象跟踪的有效工具之一。对大风的研究、分析与预警,大多建立在利用雷达速度数据反演得到的风场结构基础上。同时,有效利用地理信息对大风发生发展的定位,在预警模式规范下,建立大风预警平台,能够准确分析大风时空特性和结构特征,对可能引起的大风灾害进行及时准确的判断和预警。研究表明,传统多普勒天气雷达风场反演采用固定的方位夹角,限定了的反演网格分辨率,在到雷达不同距离处,会出现风场结果混叠或不能反演的问题。在结合地理信息进行大风分析中,由于数据匹配与定位准确性受到大气折射、地球曲率、雷达探测要素等的影响,在雷达中远距离回波处,会出现比较明显的定位偏差问题。在雷达数据(风场信息)与地理信息融合时,由于雷达回波数据过大,而出现无法融合地理数据或融合运算量极大的问题。针对这三个问题,在已有研究基础上,开展适应不同雷达回波距离的网格化风场反演算法研究,构建准确的风场结构,保证角度和距离分辨率要求,提高反演质量。开展雷达定位方法研究,建立风场与地理信息之间的准确定位与匹配。进行多源数据融合方法研究,支撑大风短临预报预警平台的综合数据构架。这些研究提高了近地面大风预警的准确性,保证了预警的时效性。主要研究内容和成果包括:(1)根据中尺度风场分辨率和反演精度要求,提出了基于精细化网格的多分辨率和速度矢量平均处理(Multi-resolution and Velocity Vector Average Processing,以下简称MVVAP)风场反演算法。该算法的特点是,采用最大不模糊距离处的径向夹角对应的切向距离作为反演网格的最低距离分辨率,保证远端反演网格内数据的完整性。近端网格内的多径向速度采用不同的角度分辨率,在矢量速度平均后进行风场反演,避免了出现混叠。然后以VAP算法为基础,进行速度方位运算,反演出了风场。该方法能够保持低空大气流场的真实状况,有效提高反演风场的空间分辨率和反演质量。(2)综合分析雷达数据与地理数据的差异性,考虑影响雷达数据定位的因素,基于经纬度数据定位和匹配的思想,提出了雷达同心投影(Concentric Projection,以下简称CP)方法,解决了雷达数据以及二次气象产品与地理信息准确定位的问题,提高了定位精确度,为数据融合提供了支撑。该方法提高了基于地理信息的大风短临预报的可靠性和准确性。(3)雷达体扫数据量过大而不利于叠加融合到地理信息系统中,因此提出了反向数据融合的思路和方法。利用二进制雷达数据格式排列简单和数据结构易修改的特点,以雷达基数据结构为基础,建立新的数据结构并扩充数据容量。提取地理信息相关数据,并将地理数据、风场信息、预警信息等有效地融合到新数据结构体中。这种方法提高了数据融合效率,降低了融合运算量。在建立大风短临预报平台时,数据更易于移植,有效地提高了运算速度。(4)建立大风临近预报预警模式,按照国家标准的基础四级预警模式,主要用于龙卷风、强台风和雷暴大风的预警;加入地理灾害预警点数据的综合预警模式,并采用风力等级进行预警,可以适应不同地理空间环境下的应用要求,提高了预警的灵活性。(5)利用雷达基本反射率数据对大风预警进行研究,垂直液态水含量算法结果可以对基本速度以及风场的准确性进行验证。利用速度方位显示和风暴跟踪算法,推算下一时次回波的位置和范围,位置的变化即可代表风场的变化。建立的风场外推模型,可以对大风产生及发展进行预判。创新点包括:(1)提出了一种中尺度条件下基于速度矢量处理的网格化动态角度分辨率风场反演算法,并将风场反演结果与大风预警模式相结合,形成了大风分级预警的方法。(2)提出了一种以雷达数据结构为基础的地理数据和雷达数据融合的方法,建立了多源数据融合的新数据结构。风场反演、数据定位及融合、预警模式是短时临近大风预报的重要组成部分,但在对不同波段雷达回波数据的适应性上,还需要做进一步的深入分析。在多源数据融合上,提取地理数据的手段、方法还需要优化。未来在利用多部多普勒天气雷达进行三维风场反演与地理信息应用,以支撑短临大风预报时空效应上,具有研究的广阔空间和广泛意义。