強天氣綜合報警追蹤平臺功能設計及 龍卷預警中的應用

王嘯華 鄭媛媛 濮梅娟 宗培書 禹梁玉

（1 江蘇省氣象臺，南京 210008；2 江蘇省氣象科學研究所，南京 210009；3 江蘇省氣象局，南京 210008）

0 引言

強對流預警是現代天氣業務的一個重要方面，2012年北京721特大暴雨、2015年湖北東方之星沉船事件、2016年6月23日鹽城阜寧EF4龍卷風等極端突發災害天氣帶來重大的人員傷亡和社會財產損失。在強天氣預警過程中，預報員借助短臨預報系統瀏覽分析最新觀測資料，提取強對流風暴信息，制作發布強對流預警信息，短臨預報系統發揮著基礎性的作用。國內應用較多的系統包括國家氣象中心牽頭研發的SWAN、廣東省氣象局的SWIFT、深圳市氣象局的PONDS、上海市氣象局NOCAWS、湖北省氣象局的MYNOWS等短臨預報系統。另外國家衛星氣象中心開發的SWAP、敏視達雷達有限公司的PUP、中國氣象科學院研發的雷電信息處理系統分別是應用衛星、雷達和雷電資料預警強對流的專業平臺[1-4]。另一方面，當前國、省、市、縣四級預報員都監測預警強對流天氣，強天氣業務預警過程中各級預報員的職責和分工還沒有完全清晰，各地的情況也有較大差別。江蘇省氣象局2011年承擔了天氣業務省市縣三級分工試點工作，2016年承擔了強對流天氣預警業務試點工作，根據江蘇強對流預警需求特點調整了業務分工和業務流程，建設強天氣綜合報警追蹤平臺（Sever Weather Alert and Track Comprehensive Platform，SWATCH）。平臺應用WEBGIS技術，實現多源資料顯示應用、強對流天氣客觀識別和客觀外推、省市縣三級預警快速制作和實時聯動、省市縣三級業務行為記錄分析等功能。SWATCH在2016年6月23日阜寧龍卷風等重大突發災害天氣的預警過程中發揮重要作用。

1 平臺主要功能模塊和結構關系

SWATCH 平臺由多源資料采集處理模塊、強對流分類識別和臨近外推模塊、主客觀預警產品庫、省市縣三級預警交互制作模塊、主界面框架模塊、行為記錄模塊等6個功能模塊組成（圖1）。該平臺快速處理多源觀測資料，提取強對流風暴信息；集成暴雨雨團、徑向大風速區、冰雹、龍卷等客觀識別算法和SCIT[5]（The Strom Cell Identification and Tracking）、TITAN[6]（Thunderstrom Identification Tracking Analysis and Nowcasting）、TREC[7]（Tracking Radar Echoes by Correlation）等客觀外推算法，實現強對流天氣的分類識別和臨近外推；識別和外推結果結合地理信息自動生成客觀預警信息，并進行報警。平臺主界面基于網絡版MICAPS技術框架[8-9]，采用WEBGIS技術，面向江蘇省市縣三級氣象臺預報員，為各級預報員提供精細、及時的報警信息和便捷的主觀分析工具，根據業務分工和流程，省市縣級預報員可以參考客觀報警信息進行災害性天氣預警快速制作。市縣級預報員可確認、修改上級指導預警信息并通過平臺向上級反饋，實現省市縣三級預警快速制作、實時聯動和省市縣三級業務行為記錄分析等功能。

圖1 SWATCH平臺功能模塊結構關系圖 Fig.1 Function module structure of the SWATCH

2 多源資料采集處理

快速處理雷達、自動站、衛星、閃電定位儀、GPS、風廓線、探空等觀測資料和SWAN系統產品、INCA[10-11]（奧地利國家氣象局發展的一種融合多種資料的綜合分析臨近預報：Integrated Nowcasting through Comprehensive Analysis）預報產品等。處理結果直接供用戶通過主用戶界面瀏覽，同時為強對流分類識別模塊集成的算法提供基礎數據（表1）。

3 強對流分類識別和臨近外推

強對流分類識別和臨近外推模塊本地化集成應用了SWAN系統和江蘇省氣象局強對流創新團隊研制的分類強對流客觀識別算法，判識別短時強降水、雷雨大風、冰雹、龍卷等4類災害天氣（表2）。識別結果通過客觀外推算法，結合地理信息，形成精細化的臨近預警信息。識別和外推結果一方面進入主客觀預警產品庫，供用戶通過主界面框架瀏覽應用，另一方面進入省市縣三級預警交互制作模塊，提醒值班預報員，同時為快速制作發布主觀臨近預警提供基礎參考。

表2 民分類強對流客觀識別算法 Table 2 Objective identification methods for different severe weather

3.1 分類強對流識別

短時強降水分為1 h降水量超過20、50和100 mm這3個等級。數據一是自動站10 min雨量資料，滑動計算過去1 h雨量；二是基于SWAN系統QPE產品的雨團識別。

冰雹識別基于2015年業務準入的SWAN冰雹識別產品[12-13]，該產品較PUP系統冰雹指數產品在風暴單體的正確識別、消除超折射產生的冰雹虛警識別、冰雹大小的修正等方面有明顯的改進，并提供了根據天氣形勢特征進行消空的接口。通過對江蘇省2011—2015年逐日的識別結果進行回放檢驗，從冰雹概率、強冰雹概率、0℃層高度、－20℃層高度、T850－T500、0℃層以下平均溫度和冰雹大小等7個方面尋找建立本地化的春季（4—6月）和夏季（7—9月）消空指數組合，在不顯著增加漏報率的情況下，獲得最小的空報率。應用最優的消空指數組合，春季冰雹算法，命中率98.1%，漏報率1.85%，空報率74.79%，識別臨界成果指數（CSI）由12.6% 上升到24.98%；夏季冰雹算法，命中率93.1%，漏報率6.89%，空報率69.67%，識別臨界成果指數（CSI）由10.39%上升到30.36%。

雷雨大風識別和預警一是基于自動站監測到的極大風、結合站點附近有閃電活動；二是雷達站周圍50 km范圍內，經過速度退模糊后＞20 m/s的雷達徑向大風速區；三是識別雷達陣風鋒，在陣風鋒前10 km范圍內已經或即將出現雷雨大風；四是基于近10年江蘇雷雨大風天氣中中氣旋的底高、頂高、最大切變高度、直徑、最大風切變等特征量獲取雷雨大風識別閾值（表3）。識別達到閾值的中氣旋，中氣旋20 km半徑范圍內的區域，為雷雨大風區。

表3 2007—2016年雷雨大風和龍卷特征量統計閾值 Table 3 Feature threshold values of thunderstorm winds and tornadoes for 2007—2016

龍卷識別主要是針對西風帶系統的超級單體龍卷。統計2007—2016年江蘇龍卷天氣中氣旋的底高、頂高、最大切變高度、直徑、最大風切變等特征量獲取龍卷識別閾值。基于中氣旋和龍卷渦旋特征產品閾值結合江蘇龍卷時空分布特征統計規律，客觀識別龍卷[14-16]。

3.2 臨近外推

臨近外推模塊集成了PUP產品的SCIT，SWAN系統TITAN和本地化交叉相關TREC等客觀外推算法。這3種外推方法分別針對風暴質心點、落區和場進行外推，針對識別的不同類型強對流天氣選用合適的外推算法（表4），外推結果結合地理信息，形成精細化的客觀臨近預警信息。

4 主用戶界面框架

4.1 主地圖顯示窗口

主地圖顯示窗口為用戶提供主客觀臨近預警產品庫中的各類臨近預警信息的報警提醒，和多源資料的查看瀏覽。報警類型包括了雨強20、50和100 mm這3個等級的1 h降水；14、17和20 m/s 3個等級的陣風；100和50 m等級的低能見度；10 min內每平方千米閃電次數達到4次的強雷電；客觀算法識別的冰雹、龍卷、雷達觀測到的風暴、中氣旋和45 dBz以上的強回波等14類報警圖標，在主地圖顯示窗口顯示紅色圖標表示當前時刻之前0.5 h內的報警信息，藍色圖標表示當前時刻之前0.5～3 h的報警信息。圖層控制面板控制包括各類識別的強降水、自動站大風、閃電、強回波、中氣旋、雷達徑向大風速區、冰雹、龍卷、SCIT、TITAN風暴外推路徑和主觀、客觀預警等信息的自動顯示和報警（圖2）。

4.2 風暴屬性綜合關聯表

風暴屬性關聯表（圖3），顯示最近10 min內江蘇及周邊省（市）15部多普勒雷達PUP系統觀測到的風暴屬性及風暴當前位置雷達回波特征和地面物理量。包括：時間、雷達站、當前位置、風暴編號、中氣旋識別、中氣旋生命歷史、中氣旋頂高、中氣旋底高、中氣旋三維切變值；龍卷識別、龍卷渦旋特征、龍卷渦旋特征頂高、龍卷渦旋特征底高、龍卷渦旋特征三維切變值 ；冰雹識別、冰雹尺寸、冰雹概率、移向、移速、垂直積分液態水含量（VIL） 、垂直積分液態水含量密度（VIL/h）、風暴所在處附近最大反射率、回波頂高、回波底高、風暴所在位置地面散度、1 h變壓等26個字段屬性。

圖2 SWATCH平臺主界面 Fig.2 Main interface of the SWATCH

圖3 風暴屬性綜合關聯表 Fig.3 Comprehensive association of storm properties

在風暴屬性表中被識別為龍卷的風暴會顯示在風暴表最上面，接著是被識別為冰雹、之后是具有中氣旋或龍卷渦旋特征（TVS）的風暴，其他風暴按照垂直積分液態含量（VIL）從大到小的排序顯示。排名前5位的風暴的過去位置和未來預測路徑在主用戶界面窗口顯示。點擊任意一行風暴，會在主用戶界面以透明綠色高亮顯示其所在位置和未來1 h移動路徑，主地圖窗口會彈出對話框顯示該風暴未來1 h內即將影響的所有鄉鎮名（圖4）。

通過風暴屬性表可快速識別出龍卷、冰雹和與中氣旋相關的雷雨大風，了解風暴降水效率和未來移動路徑，同時應用地面加密自動站計算的散度和變壓為預測風暴強度演變提供了參考。結合地理信息快速定位風暴的當前所在和未來可能影響區域，為生成客觀強對流預警產品創造了條件。風暴屬性表為用戶直觀、定量、綜合掌握風暴的特征提供了關鍵參考，在實踐中受到預報員的廣泛歡迎。

圖4 風暴定位和未來移動預測 Fig.4 Forecast of storm location and movement

5 省市縣三級預警交互制作

5.1 江蘇省市縣三級短臨預警業務流程

基于PWARFS每日08：00、20：00（北京時）輸出0～12 h強對流潛勢預報產品，省氣象臺在參考國家級及省級強對流潛勢預報產品的基礎上，應用最新的觀測資料在一體化預報業務平臺上制作發布指導產品。①中尺度分析產品每日09：00、12：00、15：00、21：00（北京時）發布4次，主要應用前一時次的探空及地面和衛星等實況資料以及11：00的PWAFS再分析資料；②短臨預報精細化格點產品全天10 min滾動發布，時空分辨率分別為10 min和1 km，時效為0～2 h的預報場。市、縣氣象臺基于指導產品開展服務。③當已經出現或預計2 h內將出現強對流災害性天氣時，實時基于SWATCH平臺發布強對流預警落區和預警內容，發布面向省政府、相關部門和重要行業的預警信息；市氣象臺在3 min內確認或6 min內訂正省臺預警落區和預警內容，縣氣象臺根據實際需求及時訂正；市、縣氣象臺通過發布預警信號等方式開展對外服務（圖5，圖中時間為北京時）。

圖5 省市縣短臨預警業務流程圖 Fig.5 The operation flow chart of the nowcasting at provincial, city and county observatories

5.2 臨近預警制作

SWATCH平臺作為江蘇省市縣一體化平臺的重要組成部分，為省市縣一體化的臨近預警制作發布提供支撐。值班預報員收到報警提醒后，點擊主地圖窗口上預警制作按鈕，進入預警制作界面（圖6）。預警制作界面提供包括降水實況、降水預報、大風實況、大風預報、閃電分布、雷達拼圖、地面物理量等信息的圖層疊加控制。點擊預警制作后，彈出浮動落區繪制工具欄。落區繪制完成后自動彈出預報內容對話框，提供預報時效選擇，以及強降水、雷電、雷雨大風、冰雹、龍卷等五類強對流天氣不同強度等級的選項，根據繪制落區結合地理信息自動生成強對流主觀預警文本（省級用戶精確到區（縣）、市級用戶精細到鄉（鎮））。選擇發布落區后，預報落區和預警文本在SWATCH主地圖窗口顯示并報警，生成圖文結合的PDF預警文檔在江蘇預報業務一體化平臺共享，同時錄入預警數據庫供其他專業服務平臺調用。

5.3 主客觀預警信息檢索查詢

點擊指導預報可查詢省市氣象臺制作發布的預警內容，在主地圖顯示窗口顯示對應的藍色半透明主觀預報落區。點擊客觀預報，顯示當前時刻基于地理信息結合風暴識別及外推結果生成的客觀預警信息（圖7， 主地圖上橙色區域，圖中時間為北京時）。

6 用戶行為和工作狀態記錄管理

SWATCH平臺具備監控記錄省、市級值班預報員的操作行為和工作狀態功能。用戶行為包括登錄、報警區域設置、客觀報警確認、主觀聯動預警信息確認、主觀預警信息發布等。工作狀態分為在線、離線、預警待確認、預警已確認等狀態。登錄用戶可設置報警區域，過濾非關注區域的主客觀報警。報警信息在確認后半小時內同類預警信息不再聲音提示。平臺支持監控記錄實時顯示和歷史記錄查詢（圖8），提高了省市聯動效率，為優化強對流預警業務流程提供分析依據。

7 2016年6月23日阜寧EF4級龍卷過程應用

2016年6月23日14：19—15：30（北京時），鹽城市阜寧縣和射陽縣發生了歷史罕見的龍卷、雷暴大風、冰雹及短時強降水等極端天氣，99人遇難，800余人受傷，損毀房屋8893戶（30104間），經中國氣象局江蘇省阜寧縣天氣災情實地調查專家組赴阜寧實地調查認定，龍卷強度最強為EF4級，最大風力超過17級。江蘇省市縣三級氣象臺依托SWATCH平臺的強對流識別和外推功能，密切監測天氣變化，實現了對雷雨大風、短時強降水、冰雹等強對流天氣的提前預警和龍卷的第一時間客觀識別；借助于其提供的省市縣三級預警交互制作功能實現了省市縣一體化的快速聯動預警，提升了預警制作發布效率（圖9，圖中時間為北京時）。

7.1 龍卷客觀識別和外推

圖6 預警制作 Fig.6 Alert production

圖7 SWATCH平臺預警信息顯示客觀預報（a）和指導預報（b） Fig.7 Information displayed in the SWATCH: (a) objective forecast, (b) subjective forecast

圖8 行為記錄查詢 Fig.8 Inquiries of behavioral records

圖9 2016年6月23日鹽城中北部龍卷預警發布情況 Fig.9 The warning issue of Yancheng tornado on 23 June 2016

14：00，在漣水的徐集鎮和菱陵鎮出現了相距很近風向相切的兩個分別達到15.2和16.6 m/s 的7級以上大風站。據此發現有小尺度地面輻合系統過境，中氣旋有及地可能，且在南集鎮附近識別出多個中氣旋和冰雹（圖10a）。

圖10 SWATCH平臺主用戶界面：2016年6月23日14：00（北京時，a）和14：30（北京時，b） Fig.10 The main user interface of the SWATCH platform at 14:00 BT (a) and at 14:30 BT (b) on 23 June 2016

14：26在阜寧的板湖鎮和陳集鎮識別出底高0.7 km，風切變達79×10-3s-1的中氣旋，同時系統客觀識別出龍卷。在識別龍卷位置北側5 km陳集鎮自動站監測到34.6 m/s大風。根據風暴路徑外推可見射陽的合德鎮、阜寧的海河鎮、開發區、金湖管委會、新溝鎮這條東西向的風暴路徑上將受到影響（圖10b）。

14：27，省臺電話指導鹽城市局，指出包括阜寧等地實況風很大且有旋轉，要求指導阜寧將雷電黃色預警信號變更為雷電橙色預警信號，并且內容要包括龍卷。

7.2 省市縣臨近預警交互聯動

14：30，省臺利用SWATCH平臺發布強對流天氣預警提醒：“預計未來2 h灌云縣，響水縣，灌南縣，濱海縣，射陽縣，漣水縣，阜寧縣，楚州區，建湖縣，降水量：50～70 mm，雷電強度：強，冰雹尺寸2～5 cm，最大瞬時風速達到20 m/s，龍卷強度：等級達到F2龍卷，請注意防范。（圖11）”

14：35，鹽城市氣象臺在省臺臨近預警的基礎上進行了修改發布，“阜寧縣（羅橋鎮，益林鎮，古河鎮，東溝鎮，陳良鎮，板湖鎮，溝墩鎮，金沙湖管委會，阜寧縣開發區，阜寧縣開發區，新溝鎮，陳集鎮，蘆蒲鎮，阜城鎮，阜城鎮，郭墅鎮，三灶鎮，羊寨鎮）預計未來2 h降水量：50～70 mm，雷電強度：強，最大瞬時風速達到24 m/s，冰雹尺寸2～5 mm以下，龍卷強度：等級達到F2龍卷，請注意防范！（圖12）”

圖11 2016年6月23日14：30（北京時）SWATCH平臺主用戶界面 Fig.11 The main user interface of the SWATCH platform at 14:30 BT on 23 June 2016

圖12 2016年6月23日14：35（北京時）SWATCH平臺主用戶界面 Fig.12 The main user interface of the SWATCH platform at 14:35 BT on 23 June 2016

14：39，阜寧縣氣象臺變更雷暴橙色預警信號：“我縣已經出現強雷電并可能伴有10級以上陣風，大部分地區將出現短時強降水、龍卷、冰雹等強對流天氣，請注意防范。”

7.3 省市縣預警服務情況介紹

1）對公眾發布何種預警信號

由于龍卷的尺度小，預報預警難度大，目前江蘇的預警信號體系里沒有龍卷預警信號。

與強對流有關的主要時冰雹預警信號和雷暴預警信號。雷暴預警信號指發生雷電并伴有短時強降水或雷雨大風的強對流天氣。“6·23”龍卷過程省市縣對外服務用的是雷暴橙色預警信號，同時在預警信號內容里明確發生龍卷可能。

2）省市縣三級氣象臺的分工

為避免對外預警信號不一致情況，江蘇省市縣一體化強對流預警業務規定省氣象臺不對公眾發布冰雹和雷暴預警信號，但是要通過SWATCH平臺指導市縣氣象局具體強對流的落區和強度。“6·23”龍卷過程中省氣象臺在監測到龍卷特征后第一時間通過SWATCH平臺和電話對市縣進行了指導，同時在龍卷發生前通過江蘇氣象微博對公眾開展了雷雨大風、短時強降水的服務。市縣氣象臺根據省臺指導立即升級發布包括龍卷信息的預警信號，通過短信、微博、微信、網站、電視、廣播向公眾傳播，同時通過政務平臺、微信群等多種渠道向市縣領導和政府部門進行了情況報告。

3）預警信號發布時效

中國氣象局“6·23”災情調查小組根據資料分析和災情調查確定龍卷發生開始于14：19，即中氣旋底高第一次下降到1 km以下的時候，由于雷達中氣旋產品是在體掃完成后才生成，因此在14：25預報員才能獲得中氣旋的底高信息，SWATCH平臺14：26分發出龍卷識別警報，省氣象臺14：27立即致電鹽城氣象臺，鹽城氣象臺再致電阜寧氣象臺，阜寧氣象臺根據指導14：39升級預警信號。在此過程中有12 min的延遲，主要是3個方面的時間，首先是龍卷屬于高影響、小概率天氣，鹽城氣象臺內部需要簡單研判再致電阜寧氣象臺；第二是橙色和紅色預警屬于重大預警信號，縣局當班預報員無法立即決斷，需要請示局領導；三是預警的制作發布操作。

4）服務效果

從6月23日12：37省臺發布暴雨黃色預警信號開始，省市縣三級氣象臺過手機短信、網站、微博、微信、廣播、電視、政務平臺等多種渠道實時、滾動地開展強對流預警服務，龍卷發生后及時升級發布預警信號。服務效果主要體現在以下3個方面：第一，提前2 h讓公眾了解到本地即將出現雷雨大風、短時強降水等強對流天氣，提醒群眾盡量減少外出等戶外活動；第二，發生龍卷后及時發布預警為下游地區群眾躲避龍卷風贏得時間；第三，及時向政府報告相關情況，為政府第一時間部署防災、減災和救援提供了寶貴時間。但是由于這次龍卷是一次強度為EF4級的超強龍卷過程，被龍卷襲擊的阜寧村莊大多是建筑質量較差的磚混結構房屋，村莊多為留守老人和兒童獲取預警信息的能力相對較低，對龍卷風躲避知識匱乏等原因，雖然政府部門積極防御救助，還是造成了巨大的人民生命財產損失。

7.Fig.月23日龍卷預警服務思考

回顧“6·23”龍卷過程，氣象部門在監測預警能力和預警傳播能力兩個方面有較大提升空間。監測預警能力方面：龍卷監測預警技術一直是世界性的難題，需要通過建設相控陣雷達和雙偏振雷達網來識別龍卷風暴尺度結構加強監測能力，對現有龍卷個例進行整編和分析研究，建立本地化的預警指標，同時需要建立扁平化的省直接到縣的指導互動業務流程，給予省氣象臺在重大災害天氣時決斷的權限。預警傳播方面：與社會防災、救援機構合作，引入專業傳播手段，開展預警傳播。業務系統增加一鍵制作和發布功能，尤其是直接對接鄉村大喇叭，解決預警信息向村民傳播難的問題。同時江蘇省氣象局計劃在龍卷易發的揚州、淮安、鹽城等地開展為村民發放龍卷預警收音機的試驗工作。

8 結論

1）SWATCH 平臺由多源資料采集處理模塊、強對流分類識別和臨近外推模塊、主客觀預警產品庫、省市縣三級預警交互制作模塊、主界面框架模塊、行為記錄模塊等6個功能模塊組成。

2）平臺快速處理多源觀測資料，提取強對流風暴信息；集成了暴雨雨團、徑向大風速區、冰雹、龍卷等客觀識別算法和SCIT、TITAN、TREC等客觀外推算法，實現強對流天氣的分類識別和臨近外推。

3）通過風暴屬性綜合關聯表可快速識別出龍卷、冰雹和與中氣旋相關的雷雨大風，了解風暴降水效率和未來移動路徑。風暴屬性綜合關聯表為用戶直觀、定量、綜合掌握風暴的特征提供了關鍵參考，在預報實踐中受到預報員的廣泛歡迎。

4）平臺融入江蘇省市縣三級一體化強對流預警業務流程，為各級預報員提供精細、及時的報警信息和便捷的主觀分析工具，實現省市縣三級預警快速制作、實時聯動和省市縣三級業務行為記錄分析等功能。

5）氣象部門在監測預警能力和預警傳播能力兩個方面有較大提升空間，可以通過在監測手段、預警技術、業務流程、業務系統、預警發布等方面的改進，提升對龍卷等極端災害天氣的預警服務能力。

[1] 鄭永光, 林隱靜, 朱文劍, 等. 對流天氣綜合監測業務系統建設. 氣象, 2013, 39(2): 234-240.

[2] 史柯. 基于SWAN的山洪預警平臺的研究與實現. 成都: 成都理工大學, 2013.

[3] 唐凱, 李興權. SWAN在黑龍江省短時臨近預報中應用及產品檢驗. 黑龍江氣象, 2012, 29(2): 17-18.

[4] 王紅燕, 周丹丹, 王葉紅. SWAN產品在“2012·7”沙澧河流域特大暴雨過程中的應用. 暴雨災害, 2015, 34(3): 239-248.

[5] 王改利, 劉黎平, 阮征. 等. 基于雷達回波拼圖資料的風暴識別、跟蹤及臨近預報技術. 高原氣象, 2010, 29(6): 1546-1555.

[6] 周毓荃, 潘留杰, 張亞萍, 等. TITAN系統的移植開發及個例應用. 大氣科學學報, 2009, (6): 752-764.

[7] 曾小團, 梁巧倩, 農孟松, 等. 交叉相關算法在強對流天氣臨近預報中的應用. 氣象, 2010, 36(1): 31-40.

[8] 胡爭光, 鄭衛江, 高嵩, 等. 氣象GIS網絡平臺關鍵技術研究與實現. 應用氣象學報, 2014, 25(3): 365-374.

[9] 劉洲榮. 基于MICAPS的二次開發平臺建設. 氣象研究與應用, 2016, 37(S1): 126.

[10] 顏瓊丹, 蘇洵, 韋慶華, 等. 一種基于多種資料融合技術的短時臨近預報方法. 氣象研究與應用, 2010, 31(4): 49-52.

[11] 程叢蘭, 陳明軒, 王建捷, 等. 基于雷達外推臨近預報和中尺度數值預報融合技術的短時定量降水預報試驗. 氣象學報, 2013, 71(3): 397-415.

[12] 吳林林, 劉黎平, 鄭媛媛, 等. 基于SWAN的冰雹探測算法研究. 高原氣象, 2014, 33(3): 823-831.

[13] 馬洪波, 陳長勝, 牛立強, 等. 基于SWAN系統的新冰雹指數應用及檢驗. 氣象災害防御, 2016, 23(2): 20-25.

[14] 鄭媛媛, 張備, 王嘯華, 等. 臺風龍卷的環境背景和雷達回波結構分析. 氣象, 2015, 41(8): 942-952.

[15] 曾明劍, 王桂臣, 吳海英, 等. 基于中尺度數值模式的分類強對流天氣預報方法研究. 氣象學報, 2015, 73 (5): 868-882.

[16] 曾明劍, 張備, 吳海英, 等. 基于接近度概念的強對流天氣預報方法研究. 高原氣象, 2015, 349(5): 1357-1368.