1.基于天气雷达回波时序图像的降水预报方法，其特征在于：包括以下步骤：(1)读取当前时刻T及前N各时刻的雷达基数据；

(2)读取(1)中当前时刻T雷达基数据中的各个探测仰角的基本反射率数值；

(3)将步骤(2)中各个仰角的基本反射率数值的值域扩大到[0，255]之间；

(4)将步骤(3)中扩大值域后的数值转换为灰阶图像；

(5)重复步骤(2)至步骤(4)，对步骤(1)中读取的所有雷达基数据进行灰阶图像转换；

(6)根据以下原理，依次对时间上两两相邻雷达基数据转换后的基本反射率灰阶图像进行回波主体移动特征计算，从而计算出灰阶图像各像素的移动速度矢量：图像中任意位置相邻的像素，其移动趋势近乎一致；以及图像中表征雷达回波主体的灰阶图像区域，其总体移动趋势基本一致；

(7)根据发生时间越久远，对当前及未来影响越小的原则，对步骤(6)计算出的移动速度矢量进行叠加计算；

(8)构建灰阶图像变化预测模型：

且

式中，Δt表示预测的时间长度，Δt的取值以时间上两两相邻的基数据时间间隔为基本单位；Δx和Δy分别表示未来Δt时间后，原来T时刻坐标(x，y)分别在x轴和y轴的偏移量；MV(x，y)为步骤(7)中叠加计算的结果；MV(x，y)x和MV(x，y)y分别表示MV(x，y)在x轴和y轴的速度分量；IMG(T，a，x，y)表示T时刻的雷达基数据计算出的a仰角灰阶图像在直角坐标(x，y)处的灰阶强度值；同理，IMG(T‑t，a，x，y)表示基数据T‑t时刻的雷达基数据计算出的a仰角灰阶图像在直角坐标(x，y)处的灰阶强度值；h(x，y，t)是为时域卷积函数；*是卷积运算符；IMG(T‑t，a，x，y)*h(x，y，t)的物理意义为：T‑t时刻的灰阶图像中，任一像素(x，y)处的灰度值在[0，N‑1]时序中的t时刻对预测值P(T+Δt，a，x+Δx，y+Δy)的作用程度；

(9)对步骤(8)计算得到的P(T+Δt，a，x+Δx，y+Δy)进行平滑处理；

(10)对步骤(9)平滑处理后数值的值域进行收缩调整，将各像素的取值还原至雷达基数据的正常数量级；

(11)将步骤(10)还原后数值所表征的回波强度值转换为可降水量；

所述步骤(6)中图像中任意位置相邻的像素，其移动趋势是近乎一致的，用公式可表示为：

V(x，y，T‑t)＝V(x+Δx，y+Δy，T‑t‑1)(Δx→0，Δy→0)             (式2)式2中，V表示移动速度矢量，V(T‑t，x，y)表示T‑t时刻的基本反射率灰阶图像中直角坐标系下(x，y)处的移动速度矢量；根据所述步骤(6)中的原理，V(T‑t，x，y)与V(T‑t‑1，x，y)的值近似相等，即V相邻坐标位置的梯度变化近似为0，由此建立以下公式：式3中， 和 分别移动速度矢量V在横坐标和纵坐标方向上的偏导， 和 分别表示移动速度矢量V在横坐标和纵坐标方向上随时间变化的偏导；

根据图像中表征雷达回波主体的灰阶图像区域，其总体移动趋势基本一致的原理，由以下公式表示：

式4中，min[]表示遍历x方向和y方向所有像素后，求取数值最小的一项；

将式3和式4合并，构成用于求取基本反射率灰阶图像移动矢量的约束条件，如式5所示：

式5中，μ∈[0，1]；

将式5简化为离散化形式：

其中，

式7中，D(i，j，T‑t)x、D(i，j，T‑t)y和D(i，j，T‑t)t分别表示图像中的任一像素点(i，j)的灰度值在x、y和时间T轴方向上的变化率；采用如下的差分公式进行简化计算：D(i，j，T‑t)x＝(IMG(T‑t，a，i+1，j)‑IMG(T‑t，a，i，j)+IMG(T‑t‑1，a，i+1，j)‑IMG(T‑t‑

1，a，i，j)+IMG(T‑t，a，i+1，j+1)‑IMG(T‑t，a，i，j+1)+IMG(T‑t‑1，a，i+1，j+1)‑IMG(T‑t‑1，a，i，j+1))/4δx

D(i，j，T‑t)y＝(IMG(T‑t，a，i+1，j)‑IMG(T‑t，a，i，j)+IMG(T‑t‑1，a，i+1，j)‑IMG(T‑t‑

1，a，i，j)+IMG(T‑t，a，i+1，j+1)‑IMG(T‑t，a，i，j+1)+IMG(T‑t‑1，a，i+1，j+1)‑IMG(T‑t‑1，a，i，j+1))/4δy

D(i，j，T‑t)t＝(IMG(T‑t，a，i+1，j)‑IMG(T‑t，a，i，j)+IMG(T‑t‑1，a，i+1，j)‑IMG(T‑t‑

1，a，i，j)+IMG(T‑t，a，i+1，j+1)‑IMG(T‑t，a，i，j+1)+IMG(T‑t‑1，a，i+1，j+1)‑IMG(T‑t‑1，a，i，j+1))/4δt                  (式8)式中，x和y分别表示灰阶图像中任一像素在横坐标和纵坐标的位置，(x，y)是灰阶图像中任一像素的坐标；大写的X和Y表示灰阶图像的长(横坐标方向)，和宽(纵坐标方向)，单位为像素数；δx、δy和δt分别表示灰阶图像中的像素在x轴、y轴和时间轴方向上的宽度；

和 的数学含义是灰阶图像中的像素点(i，j)在x和y轴方向上的移动特征分量；

所述步骤(7)中对移动速度矢量的叠加计算公式为：其中，x0和y0分别表示每次叠加计算时灰阶图像中参与计算的空间邻域的大小，取值为大于1的整数；*是卷积运算符；h(i，j，t)是时域卷积函数，采用如下形式：其中，h＝5，t∈[0，4]，即：

2.根据权利要求1所述的降水预报方法，其特征在于：所述步骤(3)中扩大值域的计算方法为：

式1中，BRV(T，a，b，c)为某一仰角的基本反射率数值，其中，a表示仰角，且a＜EN；b表示方位角，且b∈[0，360)；c表示雷达探测的距离库数；MAX(BRV(T，a))表示BRV(T，a，b，c)某一仰角a中，所有方位角和所有距离库数中基本反射率数值最大的一个值；

且当BRVG(T，a，b，c)＜0时，BRVG(T，a，b，c)＝0；

所述步骤(10)中进行收缩调整的公式为：式中，P(T+Δt，a，x，y)表示T+Δt时刻，回波图像中任一坐标(x，y)处的灰阶强度值。

3.根据权利要求2所述的降水预报方法，其特征在于：所述步骤(11)进行可降水量转换的计算公式为：

β

R(x，y)＝α×P′(T+Δt，a，x，y)               (式12)式中，α和β是Z‑R关系式中的可变参量。