青藏高原是全球面积最大、海拔最高、地形最为复杂的高原,平均海拔4 000 m以上,占我国陆地面积的1/4。青藏高原高大地形产生的动力和热力作用对中国天气和气候、大气环流、水循环等有重要影响(叶笃正和高由禧,1979;李国平,2002;钱维宏,2004;徐祥德和陈联寿,2006;丁一汇等,2007;Xu et al., 2008, 2010)。由于青藏高原地形复杂、气候恶劣,高原地区尤其是高原中部和西部地面气象站点的布设相当稀疏,观测资料的缺乏导致对青藏高原大气特性的认识仍显不足,并且数值模式在青藏高原地区的预报能力仍相对较弱(Holtslag et al., 2013)。此外,研究发现青藏高原中尺度系统(低涡、切变线)的产生、发展、东移经常引起高原及下游地区强降水等灾害性天气(郁淑华,2008;Shi,2008)。数值模拟研究显示:青藏高原及其周边地区的温度、压强及湿度信息对高原下游地区的降水预报有重要作用(Peng et al., 2009)。因此,加强青藏高原大气探测,获取更丰富的大气温度、压强和湿度等气象信息,对深入研究高原大气特性和改进数值模式在高原及下游地区的预报能力是有意义和帮助的。
目前,青藏高原大气温度、压强和湿度信息的获取主要通过地面和探空观测、NCEP再分析场、GPS和COSMIC卫星遥感等手段(蔡英等,2004;周长艳等,2005;梁宏等,2006;施小英等,2008;Xu et al., 2011;徐桂荣等,2016;Xu et al., 2017)。这些手段各有优势与不足:气象业务地面观测具有较高的时间分辨率,但仅能获取地面层大气信息;气象业务探空观测可以获取垂直分辨率较高的大气廓线,但每天观测次数有限;NCEP再分析资料空间覆盖率好,但会受系统误差影响;地基GPS可以全天候观测,但主要反演大气整层水汽含量;而COSMIC掩星可以反演得到大气温度、压强和水汽压廓线,但低层大气反演结果具有不确定性且回访周期为数天。由此可见,每种探测手段各有利弊,合理利用不同探测手段的优势,从不同角度丰富青藏高原大气探测信息是必要的。
地基微波辐射计是一种典型的被动遥感设备,可以测量22~30 GHz和51~59 GHz频段的大气辐射亮温,由于这些亮温值与大气水汽、氧分子和云液态水的辐射相关,利用测量的亮温值可以反演得到大气温度、湿度、水汽密度以及云液态水廓线(Liljegren et al., 2011;Ware et al., 2003)。这些准连续的大气廓线能够捕捉中小尺度系统的精细热力结构,并能计算得到气象业务常用的预报指数(Cimini et al., 2015),因此,越来越多的国家开始布设微波辐射计监测网,并应用于强对流天气监测、数值模式数据同化和气候研究中(刘红燕等,2009;Cimini et al., 2011;Spänkuch et al., 2011;Xie et al., 2011;Madhulatha et al., 2013;Venkat et al., 2013;Ware et al., 2013;Cui et al., 2015)。近10 a,微波辐射计陆续在国内布站观测,许多学者对微波辐射计的反演精度进行了研究,探讨了微波辐射计的优势与不足(赵玲等,2010;刘红艳等,2011;Tan et al., 2011;刘建忠等,2012;张文刚等,2014;陈英英等,2015;郭丽娟等,2015;Xu et al., 2015)。利用微波辐射计的探测优势,不少学者将微波辐射计观测的大气热力和水物质信息应用于强降水、冰雹、暴雪等灾害天气的潜势预报研究中,并得到了一些预警指标(李德俊等2012;唐仁茂等,2012;黄治勇等,2013;汪小康等,2016)。这些研究所用微波辐射计资料多集中于海拔较低的站点,少有涉及青藏高原等高海拔地区。2017年8—10月,在国家自然科学基金重大研究计划项目“夏季青藏高原东移云团引发长江流域暴雨的研究”资助下,中国气象局武汉暴雨研究所在青藏高原东侧甘孜站建立了一套包括毫米波云雷达、X波段双偏振雷达、边界层风廓线雷达和微波辐射计等设备的大气综合观测系统,用于开展青藏高原云物理结构与特征的科学观测试验。在该综合观测系统中,微波辐射计是获取大气热力和云水信息的重要手段,如果微波辐射计获取的大气热力廓线与探空观测相比,两者偏差合理,那微波辐射计会成为研究青藏高原大气热力和云水特征的一个新手段。本文以甘孜的探空观测为参考,对这次试验中并址观测的微波辐射计热力廓线进行对比分析,用以评估微波辐射计反演大气廓线在青藏高原东侧甘孜的适用性,并尝试利用微波辐射计反演的大气廓线资料,探讨甘孜大气热力和云水变化的特征。
1 数据与方法甘孜站(31.62°N,100.00°E,3 394 m)微波辐射计为美国Radiometrics公司生产的MP-3000A型号,该设备可以在多个仰角观测21个K波段(22~30 GHz)和14个V波段(51~59 GHz)的微波通道大气亮温,其配载的天顶红外测温仪IRT(infrared radiation thermome⁃ er)可以测量晴天大气背景亮温和云天云底亮温,结合微波辐射计反演的温度廓线可估算出云底高度(Ware et al., 2003, 2013;Cimini et al., 2011)。利用辐射传输方程,并辅以神经网络建模技术,可以通过微波辐射计观测的微波亮温、红外亮温以及地面气象参量,反演得到0—10 km的大气温度、湿度、水汽密度以及云液态水含量廓线。此外,微波辐射计还配载有一个降雨传感器,用以标识降雨与否,Rain=1指示有降雨发生,Rain=0指示没有降雨发生。微波辐射计MP-3000A反演的大气参量廓线的时间分辨率约为3 min,廓线垂直分辨率在0—500 m高度为50 m,500— 2 000 m高度为100 m,2 000—10 000 m为250 m(张文刚等,2014;Xu et al., 2014, 2015)。在神经网络建模时,本研究采用了甘孜站2013年1月—2017年7月共55个月的探空数据作为训练数据库,用以构建甘孜站本地化反演模型。
甘孜站探空系统为L波段无线电探空系统,通过温度、湿度和气压传感器直接探测大气温度、湿度、压强廓线,结合L波段雷达定位推算水平风廓线,廓线垂直采样时间为1 s,垂直分辨率平均约为10 m。根据气象业务要求,探空系统在每天世界时00时和12时(北京时间08时和20时)进行2次观测。2017年8月13日至10月14日,甘孜站微波辐射计和探空系统并址观测了63 d。观测期间,降水过程较少且雨强较弱,其中24 h累积降雨量最大值为15 mm,1 h累积降雨量最大为4.9 mm(见图 1)。
本文以探空观测为参考,对微波辐射计反演廓线的精度进行分析。由于气象探空每12 h观测一次而微波辐射计约3 min观测一次,在对两种探测资料进行配对时,本文选取最邻近探空观测时刻(北京时间8 h和20 h)的微波辐射计反演廓线与探空廓线进行匹配。另外,考虑到探空廓线垂直分辨率约为10 m,高于微波辐射计反演廓线的垂直分辨率50—250 m,本文在对比分析前,先将探空廓线采用线性插值法插值到微波辐射计廓线的58个高度上,再以这58个高度上的探空参量廓线为参考,对匹配的微波辐射计廓线精度进行评估。本文采用简单而直接的对比分析方法,主要考查微波辐射计反演温度、水汽密度和湿度与探空观测结果之间的相关系数(R)、平均偏差(Bias)以及均方差(root mean square error, RMSE)。利用探空资料可采用如下公式计算水汽密度(刘建文等,2005):
$ \rho_{v}=2.167 \times \frac{e}{T} $ | (1) |
式中e为水汽压,单位为hPa,T为绝对温度,ρv为水汽密度,其单位为g·m-3。在完成微波辐射计反演精度的考查后,本文还尝试利用微波辐射计反演数据,通过统计分析法,探讨青藏高原东侧甘孜大气热力和云水变化的特征。
在探讨甘孜大气热力和云水的垂直结构特征时,本文根据微波辐射计配载的降雨传感器观测和IRT测量云高将天气状况分为晴天、云天和雨天,分别考查不同天气下大气热力和云水的垂直结构情况。当Rain=0且无云高值时,判别为晴天;当Rain=0且云高值大于0 km时,判别为云天;当Rain=1且云高值为0 km时,判别为雨天。通过此方法,分别得到晴天、云天和雨天情况下微波辐射计反演参量廓线样本为11 956、30 758和2 608组。
2 结果分析 2.1 甘孜微波辐射计与探空观测的对比采用前述的数据匹配方法,在甘孜63 d的并址观测期间,匹配得到的探空和微波辐射计数据对为7 180对,对这7 180对的大气温度、水汽密度以及相对湿度进行整体对比分析,得到结果如图 2。可以看到,微波辐射计和探空的温度吻合很好,两者的相关系数R达到0.99,平均偏差也只有1.3 ℃,均方差2.9 ℃相对大些。微波辐射计反演的温度稍大于探空温度,偏大的温度范围主要集中在0 ℃以下。微波辐射计和探空的水汽密度相关系数也很高,达到0.96,两者的平均偏差为0.71 g·m-3,均方差为1.08 g·m-3。在水汽密度较小时,如小于3 g·m-3,微波辐射计反演的水汽密度偏小于探空观测;而当水汽密度较大时,如大于3 g·m-3,微波辐射计反演的水汽密度偏大于探空观测。相比于温度和水汽密度,微波辐射计和探空的相对湿度的吻合度稍逊,两者的相关系数为0.79,微波辐射计反演的相对湿度稍小于探空观测,两者的平均偏差仅为-2 %;微波辐射计与探空的相对湿度均方差较大,达到20 %,这可能与大气湿度本身的波动性较大有关,另外探空获取的湿度具有较大不确定性也可能有影响(Xu 等,2015)。总体对比来看,微波辐射计的反演参量与探关,另外探空获取的湿度具有较大不确定性也可能有空观测的偏差是较小的。
由于在微波辐射计反演方法中未考虑雨滴散射的波辐射计的观测质量带来影响,因此,考查青藏高原东影响,降雨的发生会给微波辐射计的反演精度带来不确侧甘孜雨天时微波辐射计与探空的偏差情况,对该地定性。虽然微波辐射计采用纳米材料制作天线罩,并区微波辐射计反演大气廓线的应用研究具有重要的参配以强力鼓风机向天线罩表面吹风,用以预防水滴在天考作用。图 3分别给出甘孜雨天和非雨天情况下微波线罩上形成水膜,一旦天线罩上雨滴形成水膜,会对微辐射计反演参量与探空观测的整体对比结果。分析结果显示,在雨天和非雨天情况下,微波辐射计温度和探空温度的吻合度都很好,两者相关系数都达到0.99,两者的平均偏差从非雨天的1.3 ℃略增加到1.6 ℃,均方差从2.9 ℃略降低到2.6 ℃,变化不大。相比而言,微波辐射计水汽密度和相对湿度与探空观测的吻合度在雨天稍好于非雨天,两种设备的观测偏差也相对小些。雨天时,微波辐射计和探空的大气密度平均偏差从0.72 g·m-3下降到0.45 g·m-3,而均方差则从1.09 g·m-3下降到0.76 g· m-3。虽然雨天时微波辐射计和探空的相对湿度平均偏差与非雨天一样同是-2%,但相对湿度的均方差还是从21%略下降至19%。从整体对比结果来看,并址观测期间,雨天微波辐射计反演偏差和非雨天相比差别较小,这可能是观测期间甘孜降水较少且雨强较弱,因此降雨对微波辐射计观测影响不大。
微波辐射计反演大气廓线包括0—10 km共58个高度层数据,为更好了解微波辐射计反演精度随高度的变化情况,文中对各高度层微波辐射计反演参量和探空观测的偏差也进行了分析。图 4给出了全天候下微波辐射计和探空观测在各高度层的对比结果。可以看到,微波辐射计反演温度在各高度层上都偏大于探空温度,但多数高度层的偏差在2 ℃以内,偏差最大值为2.3 ℃,出现在约7 km高度;微波辐射计和探空的温度均方差总体上随高度上升而增大,在8 km高度出现极大值4.9 ℃。微波辐射计和探空的水汽密度偏差随高度的变化在3 km高度上下表现不同,在3 km高度以下,微波辐射计水汽密度偏大于探空观测,而在3km高度以上则偏小于探空观测。但水汽密度偏差随高度的上升都是先增大后减小,其中正偏差极大值2.08 g·m-3出现在0.45 km高度,负偏差极大值-0.33 g·m-3出现在4 km高度。微波辐射计和探空的水汽密度均方差随高度上升是先增加后减小,均方差极大值1.07 g·m-3出现在1 km高度。与水汽密度情况相似,微波辐射计相对湿度在3 km高度以下偏大于探空观测,而在3 km高度以上则偏小于探空观测,并且相对湿度偏差随高度的上升也是先增大后减小,其中正偏差极大值12%出现在0.25 km高度,而负偏差极大值-17 %出现在4.25 km高度。微波辐射计和探空的相对湿度均方差随高度上升也表现出先增加后减小的特征,均方差极大值28 %出现在5.5 km高度。上述结果显示,微波辐射计的温度偏差在多数高度层上还是满足业务上小于2 ℃的误差要求的,但微波辐射计的相对湿度偏差稍大,多在10%~20%之间,这可能与大气湿度的波动性大有关。此外,微波辐射计反演的水汽密度和相对湿度在低层大气大于探空观测,这可能与探空湿度传感器探测大气湿度的响应滞后有关,由于探空湿度传感器装载在金属片上,其探测的湿度在低层大气会偏小,偏小程度会随着大气湿度增加而减弱,平原地区的对比结果也有类似特征(Xu et al., 2014)。
文中进一步考查了非雨天和雨天时各高度层上微波辐射计反演参量和探空观测的偏差情况,分析结果见图 5。与图 3中温度整体对比类似,微波辐射计的温度偏差随高度的变化在非雨天和雨天差别较小,两者总体上都随高度上升而略有增大,多数高度层上温度偏差在2 ℃以内,非雨天温度偏差极大值2.3 ℃出现在7 km高度,雨天温度偏差极大值3 ℃出现在8.25 km高度。微波辐射计与探空的温度均方差总体上也是随高度上升而渐增大,非雨天表现更明显,雨天温度均方差极大值4.3 ℃略小于非雨天极大值4.9 ℃,且都是出现在8 km高度。非雨天和雨天情况下微波辐射计与探空的水汽密度偏差随高度的变化与图 3(b)相似,都在3.25 km以下和以上分别为正偏差和负偏差,且偏差随高度上升先增加后减小,雨天的偏差相对较小,尤其在2 km以下;非雨天水汽密度偏差极大值2.12 g· m-3出现在0.45 km高度,而雨天极大值1.3 g·m-3出现在0.3 km高度。微波辐射计和探空的水汽密度均方差随高度的变化在非雨天和雨天也是相似的,基本随高度上升而减小,雨天均方差极大值1.12 g·m-3略大于非雨天极大值1.08 g·m-3,出现高度分别为0.3 km和1 km高度。从图 5c和5f可以看到,微波辐射计和探空的相对湿度偏差随高度的变化不一样:非雨天情况下相对湿度偏差在3 km以下和以上分别为正偏差和负偏差,正负偏差皆随高度上升呈现出先增大后减小的缓变趋势,正偏差极大值13%和负偏差极大值-17%分别出现在0.25 km和4.25 km高度;雨天情况下相对湿度偏差在3.5 km以下为正偏差,偏差随高度上升在3%左右小范围波动,在3.5 km以上多为负偏差,偏差随高度上升先增大后减小然后再增大,正偏差极大值8%和负偏差极大值-22%分别出现在0 km和4.75 km高度。另外,非雨天时微波辐射计和探空的相对湿度均方差随高度上升呈现出先增大后减小的趋势,极大值28%出现在5.25 km高度;而雨天时相对湿度均方差随高度上升表现为先减小后增大然后再减小的趋势,极大值44%出现在5.5 km高度。从上述分析结果来看,微波辐射计温度偏差在非雨天和雨天都是比较合理的,多数高度层上温度偏差在2 ℃以内,相对湿度偏差在雨天要小于非雨天,尤其是在3.5 km以下,多数高度层的偏差在5%以内,与探空观测结果很接近。
基于甘孜63的微波辐射计观测资料,图 6给出了甘孜微波辐射计温度、相对湿度、水汽密度以及云液态水廓线的平均日变化情况,可以看到,甘孜大气热力和云水廓线在大气边界层内(约4 km以下)有明显的日变化特征。从图 6a和6b可以发现,甘孜大气具有明显的白天干热、夜间湿冷的日变化特点。大气温度日夜差异明显,高温出现在北京时间17 h左右,而低温出现在北京时间7 h左右。相对湿度的日变化与气温变化对应很好,湿度低值出现在高温时间,而湿度高值出现在低温时间。由于水汽密度和相对湿度同是表征大气潮湿度的参量,两者有较强的相关性,图 6b和6c也展示了这种关系,水汽密度的高值和低值区分别对应着相对湿度的高值和低值区。另外,微波辐射计能够探测云液态水廓线,这为研究甘孜云水特征提供了新的手段。图 6d给出了甘孜云液态水廓线的平均日变化情况,结果展示出甘孜云液态水含量具有明显的日变化特征,云液态水含量在白天较小而在夜间较大,而且大气低层云的发展白天较弱、夜间较强。此外,图 6(d)定量展示了甘孜云液态水的平均日变化,其中云液态水含量可达0.07 g·m-3,这对定量认识青藏高原东侧甘孜云特征是有帮助的。
图 7给出了甘孜整层大气水汽含量、整层云液态水含量以及云底高度的平均日变化。这里的整层大气水汽含量和整层云液态水含量皆已除以水密度转换为单位面积上的可降水量,单位为降水量单位mm。分析结果显示,整层大气水汽含量和整层云液态水含量与图 6中水汽密度和云液态水含量廓线对应得很好,其日变化特征基本表现为白天低值而夜间高值。由于整层积分参量是由参量廓线计算得到,两者变化趋势相同是合理的。甘孜整层大气水汽含量平均约为20.3 mm,平均日变化波动范围是19.0~23.5 mm,而整层云液态水含量平均约为0.24 mm,平均日变化波动范围是0.08~0.46 mm。从图 7c可见,甘孜云底高度也有明显的日变化特征,白天云底较高而夜间云底较低,云底高度的平均值约为2.2 km,平均日变化范围是0.7~4.0 km。考虑到气温通常随高度增加而降低,云底越高可能云液态水含量相对较少,而云底越低则可能云液态水含量相对较多,因此,甘孜云底高度的日变化趋势基本与整层云液态水含量的日变化趋势相反。另外,甘孜整层大气水汽含量在北京时间8 h出现了约10 %的增长,这可能与该时刻云底高度出现极低值有关,是否还有其它因素需做进一步考查分析。
本文还进一步考查了甘孜大气热力和云水的垂直结构特点,图 8给出了不同天气下甘孜大气温度、相对湿度、水汽密度及云液态水含量的平均垂直结构。可以看到,晴天、云天及雨天情况下温度的垂直结构相似,温度基本随高度增加而降低,不同天气下温度差异较小。相对湿度的垂直结构在不同天气下有差异。晴天时相对湿度在约3 km以下随高度增加变动不大,而在约3 km以上相对湿度随高度增加而变小。由于云天和雨天存在云水转换的紧密联系,这两种天气下相对湿度具有相似的垂直结构,即相对湿度随高度增加先增大后减小。云天相对湿度极大值88 %和雨天相对湿度极大值95%都出现在1.9 km高度。水汽密度的垂直结构在晴天、云天和雨天下相似,表现为随高度上升水汽密度在近地层略有增大而后逐渐变小,晴天水汽密度略小于云天和雨天,而雨天水汽密度略大于云天。晴天水汽密度极大值7.58 g·m-3出现在0.15 km高度,而云天水汽密度极大值8.46 g·m-3和雨天水汽密度极大值9.01 g·m-3都出现在0.3 km高度。甘孜云液态水含量垂直廓线在不同天气下差异明显。晴天时云液态水含量在2.5 km以下随高度增加变化较小,且数值明显小于云天,多数高度上云液态水含量小于0.01 g·m-3,这些可能是由噪声信号反演得到的“伪”云液态水含量;在2.5 km以上云液态水含量随高度增加先略有增大而后逐渐减小,极大值0.019 g·m-3出现在3.75 km高度,这些相对大值可能是微波辐射计未能识别出的薄层云造成的。云天和雨天的云液态水含量垂直结构分布相似,云液态水含量都是随高度增加先快速增大,然后在一定高度内波动变化,之后又快速变小,这种变化形态与入云和出云的特征是相吻合的。云天时云液态水含量从地面0.01 g·m-3快速增加到0.1 km的0.022 g·m-3,在0.15— 2.25 km高度内数值在0.028~0.041 g·m-3间波动,随后云液态水含量从2.25 km的0.029 g·m-3快速下降至2.5 km的0.019 g·m-3,之后随高度增加而逐渐减小。雨天情况类似但云液态水含量更大,云液态水含量从地面0.021 g·m-3快速增加到0.1 km的0.061 g·m-3,在0.15—2.25 km高度内数值在0.088~0.2 g·m-3间波动,随后云液态水含量从2.25 km的0.128 g· m-3快速下降至2.5km的0.065 g·m-3,之后随高度增加而逐渐减小,到3.5km高度已减小至0.021 g·m-3。从云液态水含量的垂直结构分布来看,云天的云体主要处在0.1—2.5 km高度,而雨天云体分布的高度范围更大,从地面(雨天云体接地)到约3.5 km高度,这与图 6d中的云体分布特征是比较吻合的。
微波辐射计能够自动准连续(时间分辨率3 min)反演得到0—10 km大气温度、水汽密度、相对湿度和云液态水含量廓线,可以弥补探空观测在时间分辨率上的不足。本文对青藏高原东侧甘孜站并址观测的微波辐射计和探空资料进行对比分析发现,总体上微波辐射计反演的温度、相对湿度和水汽密度与探空观测的偏差分别为1.3 ℃、-2 %和0.71 g·m-3。甘孜并址观测期间,降雨对微波辐射计观测的影响较小,总体上非雨天(雨天)时微波辐射计反演的温度、相对湿度和水汽密度与探空观测的偏差分别为1.3 ℃(1.6 ℃)、-2%(-2%)和0.72 g·m-3( 0.45 g·m-3)。甘孜微波辐射计观测偏差在非雨天和雨天情况下差异小,这可能与观测期间本地降雨较少且雨强较小有关,在并址观测期间,甘孜1 h降水量最大为4.9 mm,属于中雨等级。微波辐射计采用纳米材料制作天线罩,并配有强力鼓风机吹向天线罩用以吹走雨滴和加速雨滴蒸发,如果降雨不强,雨滴在天线罩上不容易形成水膜,加之有鼓风机强力吹风,天线罩上的雨滴就容易被吹走或蒸发掉,那么雨滴对微波辐射计观测的影响就较弱。从各高度层微波辐射计和探空观测的偏差来看,温度偏差在非雨天和雨天的差别较小,多数高度层的温度偏差在2 ℃以内;非雨天时相对湿度偏差在多数高度层约为10%,在雨天时相对湿度偏差要小于非雨天,尤其是在3.5 km以下,多数高度层的偏差在5%以内。这可能是雨天时大气潮湿度较高,尤其大气低层多接近饱和,大气湿度的水平各向异性没有非雨天那么明显,因此微波辐射计相对湿度与探空观测结果比较接近。从本文的分析结果来看,甘孜微波辐射计反演的温度能够达到气象业务上2 ℃的偏差要求,由于相对湿度的波动性较大,气象业务上对相对湿度偏差的要求没有定量,基于本文与探空对比的结果来看,微波辐射计反演的相对湿度还是具有参考价值的。此外,有学者利用长江中游平原站点武汉(30.62°N,114.13°E,27 m)约3 a并址观测的微波辐射计和探空资料进行了对比分析,总体上非雨天(雨天)时微波辐射计反演的温度、相对湿度和水汽密度与探空观测的偏差分别为-1.9 ℃(2.1 ℃)、7.3%(9.9%)和0.06 g·m-3( 1.31 g·m-3)。相比而言,微波辐射计在甘孜的观测偏差总体上小于相近纬度的武汉。
基于甘孜微波辐射计资料的统计分析,可以清晰看到甘孜大气白天干热、夜间湿冷的日变化特征。另外,微波辐射计能够反演得到云液态水含量廓线,这为研究云特征提供了新的手段。由于云液态水含量并不是气象业务观测内容,获取云液态水含量的手段较少,尤其是青藏高原地区,地形复杂,气候恶劣,研究云特征的手段主要通过CloudSat、TRMM等卫星遥感产品以及地基毫米波云雷达观测数据(Luo et al., 2009;Wang et al., 2015;Zhao et al., 2017)。CloudSat和TRMM卫星侧重于大尺度时空观测,由于回访周期较长,研究局地云特征有所不足。地基毫米波云雷达侧重于点与面相结合的局地云观测。相比于地基毫米波云雷达,地基微波辐射计价格低,能够获得分钟级别天顶云液态水含量廓线,侧重于局地单点云观测。本文利用甘孜微波辐射计云液态水含量廓线数据分析发现,甘孜云液态水含量具有白天较小、夜间较大的日变化特征,而且白天低层云发展较弱、云底较高,夜间低层云发展较强、云底较低,这从云水角度印证了“青藏高原多夜雨”的现象(李国平,2002)。此外,微波辐射计的云液态水廓线为定量研究云水的垂直结构特征提供了帮助。本文的分析结果显示,甘孜云液态水含量在云天和雨天具有相似的垂直结构,云液态水含量随高度增加先快速增大,然后在一定高度内波动变化,之后又快速变小,能够较好地指示入云和出云的特征。云天和雨天的云液态水含量分别可达0.041 g·m-3和0.2 g·m-3。由于微波辐射计的云液态水含量是基于单层云模型进行反演的(Ware et al., 2003),其观测目标为低层云,从云液态水含量的垂直结构来看,甘孜云天低层云的云体主要处在0.1—2.5 km高度,而雨天低层云的云体分布高度范围更大,在0—3.5 km高度。这些分析结果有助于增强对青藏高原东侧甘孜云特征的定量认识。
需要指出的是,上述分析结果都是基于甘孜站2017年8—10月微波辐射计和探空数据的统计分析得到,在甘孜其它季节或者在青藏高原其它站点是否有类似的结果,需要在有可用数据的条件下做进一步分析。另外,由于此次观测期间甘孜降水较少且雨强较小,非雨天与雨天的观测差异不明显,强降水对微波辐射计观测带来的不确定性,需要在有可用数据后进行探讨。
4 结论本文利用青藏高原东侧甘孜站63 d并址观测的微波辐射计和探空资料,对微波辐射计反演大气热力廓线与探空观测的偏差进行了分析,并利用微波辐射计观测数据,通过统计分析,探讨了甘孜大气热力和云水变化特征,得到结论如下。
(1)总体上微波辐射计反演参量与探空观测之间具有高相关系数,微波辐射计反演的温度、相对湿度和水汽密度与探空观测的偏差分别为1.3 ℃、-2%和0.71 g· m-3,相应的均方差分别为2.9 ℃、20 %和1.08 g· m-3,非强降水对微波辐射计观测质量的影响较小。
(2)微波辐射计与探空的温度偏差在多数高度层上小于2 ℃,温度偏差在非雨天和雨天的差别较小,能够达到气象业务的偏差要求。非雨天时微波辐射计与探空的相对湿度偏差在多数高度层约为10%,在雨天时相对湿度偏差要小于非雨天,尤其是在3.5 km以下,多数高度层的偏差在5%以内。
(3)基于微波辐射计资料的统计分析,甘孜大气具有白天干热、夜间湿冷的日变化特征,云液态水含量白天较小、夜间较大,而且白天低层云发展较弱、云底较高,夜间低层云发展较强、云底较低,这从云水角度印证了“青藏高原多夜雨”的现象。
(4)甘孜云液态水含量在云天和雨天具有相似的垂直结构,云液态水含量随高度增加先快速增大,然后在一定高度内波动变化,之后又快速变小,能够较好地指示入云和出云的特征。此外,云天低层云的云体主要处在0.1—2.5 km高度,而雨天低层云的云体分布高度范围更大,在0—3.5 km高度。
上述分析结果显示,在青藏高原东侧高海拔站点甘孜,微波辐射计反演大气参量廓线具有可用性,微波辐射计温度与探空观测的偏差可以达到气象业务的要求。另外,微波辐射计能够获取高时空分辨率的大气参量廓线,可以弥补气象业务探空在时间分辨率上的不足,为研究大气精细结构及其变化提供科学数据,特别是微波辐射计反演的云液态水含量廓线,有助于定量研究甘孜云水的垂直结构。虽然本文分析结果显示,甘孜地区非强降水对微波辐射计观测影响较小,但甘孜地区强降水天气下微波辐射计观测的不确定性,仍需在收集到强降水样本后作分析探讨。
蔡英, 钱正安, 吴统文, 等. 2004. 青藏高原及周边地区大气可降水量的分布、变化与各地多变的降水气候[J]. 高原气象, 23(1): 1-10. DOI:10.3321/j.issn:1000-0534.2004.01.001 |
陈英英, 杨凡, 徐桂荣. 2015. 基于雨雪天气背景的微波辐射计斜路径与天顶观测的反演结果对比分析[J]. 暴雨灾害, 34(4): 375-383. DOI:10.3969/j.issn.1004-9045.2015.04.011 |
丁一汇, 刘俊杰, 孙颖, 等. 2007. 东亚梅雨系统的天气-气候学研究[J]. 大气科学, 31(6): 1 082-1 101. |
郭丽娟, 郭学良. 2015. 利用地基多通道微波辐射计遥感反演华北持续性大雾天气温、湿度廓线的检验研究[J]. 气象学报, 73(2): 368-381. |
黄治勇, 徐桂荣, 王晓芳, 等. 2013. 地基微波辐射计资料在短时暴雨潜势预报中的应用[J]. 应用气象学报, 24(5): 576-584. DOI:10.3969/j.issn.1001-7313.2013.05.007 |
黄治勇, 徐桂荣, 王晓芳, 等. 2014. 基于地基微波辐射计资料对咸宁两次冰雹天气的观测分析[J]. 气象, 40(2): 216-222. DOI:10.3969/j.issn.1674-7097.2014.02.010 |
李德俊, 唐仁茂, 向玉春, 等. 2012. 基于多种探测资料对武汉一次短时暴雪天气的监测分析[J]. 高原气象, 31(5): 1 386-1 392. |
李国平. 2002. 青藏高原动力气象学[M]. 北京: 气象出版社.
|
梁宏, 刘晶淼, 章建成, 等. 2006. 青藏高原大气总水汽量的反演研究[J]. 高原气象, 25(6): 1 055-1 063. |
刘红燕, 王迎春, 王京丽, 等. 2009. 由地基微波辐射计测量得到的北京地区水汽特性的初步分析[J]. 大气科学, 33(2): 388-396. DOI:10.3878/j.issn.1006-9895.2009.02.16 |
刘红燕. 2011. 三年地基微波辐射计观测温度廓线的精度分析[J]. 气象学报, 69(4): 719-728. |
刘建忠, 何晖, 张蔷. 2012. 不同时次地基微波辐射计反演产品评估[J]. 气象科技, 40(3): 332-339. DOI:10.3969/j.issn.1671-6345.2012.03.002 |
刘健文, 郭虎, 李耀东. 2005. 天气分析预报物理量计算基础[M]. 北京: 气象出版社.
|
钱维宏. 2004. 天气学[M]. 北京: 北京大学出版社.
|
唐仁茂, 李德俊, 向玉春. 2004. 地基微波辐射计对咸宁一次冰雹天气过程的监测分析[J]. 气象学报, 70(4): 806-813. |
施小英, 施晓晖. 2008. 夏季青藏高原东南部水汽收支气候特征及其影响[J]. 应用气象学报, 19(1): 41-46. DOI:10.3969/j.issn.1001-7313.2008.01.006 |
汪小康, 徐桂荣, 院琨. 2016. 不同强度降水发生前微波辐射计反演参数的差异分析[J]. 暴雨灾害, 35(3): 227-233. |
叶笃正, 高由禧. 1979. 青藏高原气象学[M]. 北京: 科学出版社.
|
徐桂荣, 乐新安, 张文刚. 2016. COSMIC掩星资料反演青藏高原大气廓线与探空观测的对比分析[J]. 暴雨灾害, 35(4): 315-325. |
徐祥德, 陈联寿. 2006. 青藏高原大气科学试验研究进展[J]. 应用气象学报, 17(6): 756-772. DOI:10.3969/j.issn.1001-7313.2006.06.013 |
郁淑华. 2008. 夏季青藏高原低涡研究进展述评[J]. 暴雨灾害, 27(4): 367-372. DOI:10.3969/j.issn.1004-9045.2008.04.016 |
赵玲, 马玉芬, 张广兴, 等. 2010. 地基35通道微波辐射计观测资料的初步分析[J]. 沙漠与绿洲气象, 4(1): 56-58. DOI:10.3969/j.issn.1002-0799.2010.01.013 |
张文刚, 徐桂荣, 颜国跑, 等. 2014. 微波辐射计与探空仪测值对比分析[J]. 气象科技, 42(5): 737-741. DOI:10.3969/j.issn.1671-6345.2014.05.002 |
周长艳, 李跃清, 李薇, 等. 2005. 青藏高原东部及邻近地区水汽输送的气候特征[J]. 高原气象, 24(6): 880-888. DOI:10.3321/j.issn:1000-0534.2005.06.006 |
Cimini D, Nelson M, Güldner J, et al. 2015. Forecast indices from a ground-based microwave radiometer for operation meteorology[J]. Atmospheric Measurement Techniques, 8: 315-333. DOI:10.5194/amt-8-315-2015 |
Cimini D, Campos E, Ware R, et al. 2011. Thermodynamic atmospheric profiling during the 2010 Winter Olympics using ground-based microwave radiometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 49(12): 4 959-4 969. DOI:10.1109/TGRS.2011.2154337 |
Cui C, Wan R, Wang B, et al. 2015. The Mesoscale Heavy Rainfall Observing System (MHROS) over the middle region of the Yangtze River in China[J]. Journal of Geophysical Research:Atmospheres, 120. DOI:10.1002/2015JD023341 |
Holtslag A A M, Svensson G, Baas P, et al. 2013. Stable atmospheric boundary layers and diurnal cycles:Challenges for weather and climate models[J]. Bulletin of the American Meteorological Society, 94: 1 691-1 706. DOI:10.1175/BAMS-D-11-00187.1 |
Liljegren J C, Clothiaux E E, Mace G G, et al. 2001. A new retrieval for cloud liquid water path using a ground-based microwave radiometer and measurements of cloud temperature[J]. Journal of Geophysical Research, 106: 14 485-14 500. DOI:10.1029/2000JD900817 |
Luo Y, Zhang R, Wang H. 2009. Comparing occurrences and vertical structures of hydrometeors between eastern China and the Indian monsoon region using CloudSat/CALIPSO data[J]. Journal of Climate, 22: 1 052-1 064. DOI:10.1175/2008JCLI2606.1 |
Madhulatha A, Rajeevan M, Ratnam M V, et al. 2013. Nowcasting severe convective activity over southeast India using ground-based microwave radiometer observations[J]. Journal of Geophysical Research, 118: 1-13. |
Peng S, Xu X, Shi X, et al. 2009. The early-warning effects of assimilation of the observations over the large-scale slope of the "World Roof" on its downstream weather forecasting[J]. Chinese Science Bulletin, 54: 706-710. DOI:10.1007/s11434-008-0560-6 |
Shi X, Wang Y, Xu X. 2008. Effect of mesoscale topography over the Tibetan Plateau on summer precipitation in China:A regional model study[J]. Geophys Res Lett, 35: L19707. DOI:10.1029/2008GL034740 |
Spänkuch D, Güldner J, Steinhagen H, et al. 2011. Analysis of a dryline-like feature in northern Germany detected by ground-based microwave profiling[J]. Meteorologische Zeitschrift, 20(4): 409-421. DOI:10.1127/0941-2948/2011/0222 |
Tan H, Mao J, Chen H, et al. 2011. A study of a retrieval method for Temperature and humidity profiles from microwave radiometer observations based on principal component analysis and stepwise regression[J]. Journal of Atmospheric and Oceanic Technology, 28: 378-389. DOI:10.1175/2010JTECHA1479.1 |
Venkat Ratnam M, Durga Santhi Y, Rajeevan M, et al. 2013. Diurnal variability of stability indices observed using radiosonde observations over a tropicalstation:comparison with microwave radiometer measurements[J]. Atmospheric Research, 124: 21-33. DOI:10.1016/j.atmosres.2012.12.007 |
Wang C, Shi H, Hu H, et al. 2015. Properties of cloud and precipitation over the Tibetan Plateau[J]. Advances in Atmospheric Sciences, 32(11): 1 504-1 516. DOI:10.1007/s00376-015-4254-0 |
Ware R, Carpenter R, Güldner J, et al. 2003. A multi-channel radiometric profiler of temperature, humidity and cloud liquid[J]. Radio Science, 38(4): 8 079. DOI:10.1029/2002RS002856 |
Ware R, Cimini D, Campos E, et al. 2013. Thermodynamic and liquid profiling during the 2010 Winter Olympics[J]. Atmospheric Research, 132-133: 278-290. DOI:10.1016/j.atmosres.2013.05.019 |
Xie Y, Koch S, McGinley J, et al. 2011. A space-time multiscale analysis system:a sequential variational analysis approach[J]. Monthly Weather Review, 139: 1 224-1 240. DOI:10.1175/2010MWR3338.1 |
Xu G, Cui C, Li W, et al. 2011. Variation of GPS precipitable water over the Qinghai-Tibet Plateau:possible teleconnection triggering rainfall over the Yangtze River Valley[J]. Terrestrial, Atmospheric and Oceanic Sciences, 22(2): 195-202. DOI:10.3319/TAO.2010.09.09.01(TibXS) |
Xu G, Ware R, Zhang W, et al. 2014. Effect of off-zenith observations on reducing the impact of precipitation on ground-based microwave radiometer measurement accuracy[J]. Atmospheric Research, 140-141: 85-94. DOI:10.1016/j.atmosres.2014.01.021 |
Xu G, Xi B, Zhang W, et al. 2015. Comparison of atmospheric profiles between microwave radiometer retrievals and radiosonde soundings[J]. Journal of Geophysical Research:Atmospheres, 120. DOI:10.1002/2015JD023438 |
Xu G, Yue X, Zhang W, et al. 2017. Assessment of atmospheric wet profiles obtained from COSMIC radio occulation observations over China[J]. Atmosphere, 8: 208. DOI:10.3390/atmos8110208 |
Xu X, Lu C, Shi X, et al. 2008. World water tower:An atmospheric perspective[J]. Geophysical Research Letters, 35: L20815. DOI:10.1029/2008GL035867 |
Xu X, Lu C, Shi X, et al. 2010. Large-scale topography of China:A factor for the seasonal progression of the Meiyu rainband[J]. Journal of Geophysical Research, 115: D02110. DOI:10.1029/2009JD012444 |
Zhao C, Liu L, Wang Q, et al. 2017. MMCR-based characteristic properties of non-precipitating cloud liquid droplets at Naqu site over Tibetan Plateau in July 2014[J]. Atmospheric Research, 190: 68-76. DOI:10.1016/j.atmosres.2017.02.002 |