2. 上海市宝山区气象局, 宝山 200030;
3. 上海市气象信息与技术支持中心, 上海 200030
2. Baoshan Meteorological Service, Shanghai 200030;
3. Shanghai Meteorological Information and Technology Support Center, Shanghai 200030
近年来,随着气象探测技术迅速发展,以风廓线雷达、微波辐射计和毫米波云雷达为代表的各类新型地基遥感探测设备相继投入业务应用,为实现高时空分辨率大气温度、湿度、风速风向廓线和云雨垂直结构的观测以及开展雷暴、大风、短时强降水等高影响天气中小尺度结构与演变特征研究提供了新的重要手段。微波辐射计因能获得高频次大气温湿廓线,在短时暴雨潜势预报(黄治勇等,2013)、边界层高度反演(刘思波等,2015)、大气水汽含量和云中液态水含量分析(雷恒池等,2001;姚展予等,2001;刘红燕等,2008)、中尺度对流过程分析(汪小康等,2012;李红莉等,2017)等方面均得到了广泛应用。风廓线雷达可以获得高频次风速风向廓线,其在强降水短临预报(陈玉红等,2016)、暴雨天气分析(董保举等,2009;黄慧君等,2014)、降水相态分析(施红蓉等,2014)、雨滴谱和水汽通量分析(吴志根和沈利峰,2010;黄兴友等,2015)以及冷空气入侵过程中大气温度平流细节分析(单楠等,2016)等方面发挥了重要作用。毫米波云雷达能借助其波长短的优势实现分钟级时间分辨率和数10 m级空间分辨率云雨结构特征精细化观测(仲凌志和刘黎平,2009),被用于云垂直结构分析、云中液态水含量估算(Frisch et al., 1997;万霞等,2020)、云中过冷水识别(Luke et al., 2010;吴举秀等,2015)、云中垂直速度和湍流结构分析(Ghate et al., 2010)、融化层亮带识别(王德旺等,2012)、云体和云类别判定(杨晓等,2019;Yang et al., 2020)等多种云宏观、微观及动力学特性分析。上海市气象局经前期发展,特别是通过参与中国气象局气象探测中心牵头的科技部重点专项《超大城市垂直综合气象观测技术研究及试验》以来,逐步部署建成了多种新型地基遥感探测设备,基本具备了对多类大气要素廓线高时空分辨率的探测能力,为研究各类重要天气过程的垂直结构及其演变特征打下良好基础。
梅雨是我国夏初最重要的天气现象之一,能给长江中下游地区带来年平均21 d的连阴雨天气(丁一汇等,2007),受到广泛关注与研究(梁萍等,2007)。近年来,各类新型遥感资料不断被用于对梅雨期降水特别是强降水过程的分析中。孙建华等(2004)利用风廓线雷达观测资料分析了2002年安徽南部一次梅雨锋降水过程,指出降水前3 km以下盛行偏西风,且低空急流随系统演变逐步增厚。汪小康等(2012)结合风廓线雷达和微波辐射计资料,分析梅雨期武汉一次短时强降水过程指出,对流层中低层特别是边界层内冷切变过境可能是强降水过程的触发因素。
上述研究表明,综合运用各类新型遥感探测资料分析梅雨期降水过程,可以揭示常规观测资料难以获得的垂直方向精细化结构与演变特征,对进一步深入认识降水过程发展演变具有重要意义。2020年梅雨期降水较常年异常偏多,上海地处长江中下游地区,6月15日上海地区发生一次典型的梅雨期强降水过程(以下简称“6·15”强降水)。为充分认识新型地基遥感设备的观测特点与观测能力,探索多源遥感观测资料对高影响天气过程精细化结构特征,本文基于此次降水过程中上海地区微波辐射计、风廓线雷达、毫米波云雷达、微雨雷达和地面雨量计等多元观测资料,结合常规天气学分析方法,对此次过程的降水特征以及大气热力、动力、云雨等垂直结构与演变特征进行了综合观测分析。
1 上海新型地基遥感观测设备简介与数据处理本文选用上海世博园气象站(以下简称世博园站)和宝山国家基本气象站(以下简称宝山站)的微波辐射计、风廓线雷达、毫米波云雷达和微雨雷达等多种地基遥感资料,辅以多站点地面雨量计资料,对上述降水过程的大气热力、动力、云雨结构及其演变特征进行分析。
(1) 微波辐射计。微波辐射计通过测量大气K波段和V波段大气辐射获得地面至10 km范围内分钟级温度和湿度廓线。本文采用布设在世博园站的MP-3000A型地基微波辐射计,其垂直方向共58层,垂直分辨率50~250 m不等。考虑到微波辐射计探测资料质量会受到降水、云等因素影响,本文首先基于傅新姝和谈建国(2017)的工作,采用极值检查、垂直一致性检查和时间一致性检查等方法,对研究时段内的微波辐射计探测资料进行质量控制,然后基于质控后的资料,分析大气温度、湿度垂直结构及其演变特征,最后利用上述资料计算分钟级K指数分析降水前后的大气层结稳定度。
(2) 风廓线雷达。风廓线雷达通过发射分米级波长的电磁波来探测大气中的湍流结构,并通过5个角度探测的径向速度合成反演获得风速和风向廓线。本文采用上海世博园站的TWP3型边界层风廓线雷达(探测高度为0.1~6 km)获得的水平风速风向廓线,分析此次降水过程的风场垂直结构特征。风廓线雷达探测数据时间分辨率为5 min、垂直分辨率60~100 m不等。
(3) 毫米波云雷达。毫米波云雷达通过毫米级波长的电磁波探测大气中的云雨粒子(液滴或冰晶),从而获得探测路径上的雷达基数据(如回波强度、多普勒速度、速度谱宽)。本文分析中选用了安装在世博园站的HMB-KPS型毫米波云雷达资料。该云雷达采用8 mm (Ka波段)探测波和垂直指向探测模式,垂直探测范围60 m~15 km,可提供500层垂直分辨率30 m、时间分辨率1 min雷达探测基数据。本文利用该云雷达探测数据分析此次降水过程中的云物理及演变特征。
(4) 微雨雷达。微雨雷达为K波段(1.25 cm)垂直指向雷达,可实现对降水特征量垂直结构的高频次连续观测。本文选用宝山站MRR-2型微雨雷达资料,其垂直分辨率200 m,最高探测高度6.2 km,提供的产品包括回波强度、雨滴下降速度等廓线数据,时间分辨率1 min。由于2020年6月15日00—08时(北京时,下同)微雨雷达资料缺测,本文主要基于08时后的微雨雷达资料分析此次降水过程中降水特征量的垂直结构及其演变特征。
此外,为配合上述分析研究,本文还使用了宝山站、浦东三林站等上海地区200多个雨量计逐小时雨量资料。上述各类观测设备分布见图 1,其观测资料相关说明详见表 1。
此次降水过程的环流背景为典型的江淮梅雨配置(图 2a)。西太平洋副热带高压(以下简称副高)强盛,副高西脊点伸展到云贵高原,脊线位于28°N。欧亚大陆中高纬地区维持两槽一脊环流型,欧洲地区为冷槽控制,东北地区有一冷涡,贝加尔湖为暖脊控制。东北冷涡长时间维持并伸展到华中地区,形成低槽,不时携带冷空气南下,因副高阻碍,冷暖空气沿588 dagpm线对峙,切变线稳定少动。地面天气图上(图 2b),长江沿岸和四川盆地为静止锋控制,其中华东地区静止锋与高空切变线位置重合,给长江下游沿岸地区带来持续强降水。
图 3a给出“6·15”强降水过程全市235个地面雨量站过程累积降雨量(6月15日05—16时)。从中看到,过程累积雨量超过50 mm的站点达半数以上(121站),部分站点超过100 mm,最大雨强达58.1 mm·h-1 (宝山大场汶水路站)。另外,统计全市所有站逐小时雨量可知(图 3b),“6·15”强降水过程历经12 h,强降水主要集中在6月15日05:00—16:00。
根据“6·15”强降水过程逐小时雨量变化,将此次过程大致分为前期(06:00—11:00,含11:00)、中期(11:00—13:00,含13:00)和后期(13:00—16:00,含16:00)三个阶段。上述各阶段自动站平均降水强度分布见图 4a—c。从中可见,降水系统由北往南移动,前期上海大部分地区以弱降水(雨强 < 5 mm·h-1)为主,降水主要集中在北部;中期,降水强度显著增强,强降水(雨强≥10 mm·h-1)覆盖全市大部分地区;后期,降水减弱,除南部少数地区外,大部分地区降水强度低于2 mm·h-1。
由于本文分析所用新型地基遥感设备均位于宝山和世博园两个站点,图 4d给出与设备距离最近、用于辅助分析的两个自动站的逐时雨量变化(浦东三林气象观测站是与世博园站最近的自动站,直线距离小于2 km)。从中看到,两站主要降水出现在06:00— 16:00,与全市平均基本一致,但宝山站降水峰值时段出现在10:00—13:00,峰值超过30 mm·h-1,而浦东三林站峰值时段为12:00—14:00,峰值超过24 mm·h-1。可见,三林站降水峰值晚于宝山站,考虑到宝山站与浦东站位置一北一南,上述降水峰值时段的差异主要与降水系统由北向南移动密切相关。
上述分析表明,“6·15”强降水历时长(12 h)、强度大,对上海全市影响较大。降水系统由北向南移,根据降水落区和时段,降水过程分为前、中、后三个时期。
3 基于地基遥感观测的降水垂直结构及演变分析为进一步认识“6·15”强降水过程的发生发展机制,下文基于高时空分辨率多元地基遥感资料,从降水发生前后的大气热力、动力和云雨结构等方面进行分析。
3.1 大气热力结构及其演变特征图 5给出6月14—15日微波辐射计观测的0—10 km温度、湿度廓线时间序列。从图 5a1和图 5b1看到,降水前对流层低层气温较高。6月14日(图 5a1)近地面气温最高超过30 ℃,该特征持续至6月15日(图 5b1)降水之前。降水后(15日16时后),对流层低层(2 km以下)大气明显降温,而对流层中高层大气温度变化不明显,温度递减率减小,大气稳定性增加。
分析14—15日微波辐射计观测的大气湿度变化,水汽主要集中在对流层中低层,降水发生前,对流层中低层水汽明显增多,中低云发展,为降水形成提供了有利条件。水汽密度廓线(图 5a2、b2)和相对湿度廓线(图 5a3、b3)时间序列显示,6月14日06时前后,整个对流层水汽增多,对流层中低层(5 km以下)水汽增多尤其明显,大气饱和层增厚,中低云发展。降水后(15日16时后),大气水汽含量减少(图 5b2),但此时温度降低,因而对流层中低层大气仍接近饱和状态(图 5b3)。
从14—15日微波辐射计观测的大气不稳定状态可知,降水前数小时,大气一直处于较不稳定状态。基于微波辐射计资料计算的K指数变化显示(图 6),K指数对此次降水过程的预警时效可提前10 h以上,6月14日16时开始(图 6a),K指数逐渐增大,即大气不稳定性增强,至19时前后接近35 ℃,19—21时出现弱降水,降水期间K指数减小,降水结束后迅速增大到35 ℃ (22时前后);此后(图 6b),K指数基本维持较高值(≥35 ℃),直至此次降水过程发生(15日06时前后)。上述分析表明,“6·15”强降水开始前,大气中低层显著增湿,结合对流层低层气温较高,大气不稳定性明显增加,降水前10多个小时,K指数接近甚至超过35 ℃,有利于云和降水形成。
由风廓线雷达资料反演的2020年6月14—15日不同高度水平风速风向逐时变化(图 7)显示,14日14时降水前,对流层中低层以强西南风为主,风速为10~14 m·s-1,各高度风向基本一致。15日06时降水发生前,2~3.5 km高度范围也维持一定强度的西南风。这说明此次降水过程发生前对流层中低层盛行西南风,水汽输送充沛,是上海地区对流层中低层显著增湿的重要原因。此外,在15日降水期间,风廓线雷达在1.5 km高度左右观测到风向显著改变、风速显著降低的现象,这可能是由于该时段风廓线雷达对风速、风向的反演受降水污染严重所致。
2020年6月15日毫米波云雷达回波强度、垂直速度和垂直速度谱宽的逐时变化显示(图 8),此次降水过程云层较深厚,云顶高度较长时间维持在13 km以上,最高近15 km,降水结束后云顶高度逐渐下降至9 km或更低。由回波强度和垂直速度的高度变化看出,降水三个时段对应的云垂直结构差异较大。降水前期(06:00—10:00),云中垂直速度和回波强度无明显层结现象,云顶高度迅速从7 km左右跃升并维持在13 km左右,近地层降水回波强度迅速增大。中期(10:00— 14:00),回波强度和垂直速度在4.7 km左右高度显著增强并表现为分层特征,回波强度增大至10~20 dBz以上(图 8a),下落速度增大至3~6 m·s-1 (图 8b),垂直速度谱宽增至1.2 m·s-1以上(图 8c),表明融化层位于此高度,同时结合图 5b1中0 ℃线高度,该高度上微波辐射计在14:30、15:00和15:30反演的温度分别为2.7、3.1、2.8 ℃,表明云雷达探测的融化层亮带位于0 ℃层以下400—500 m范围,与肖艳姣等(2010)研究得到的相关结果一致。这也反映云中冰晶云滴在降落至0 ℃层以下后仍需一小段距离以吸收潜热才能发生大量融化,对应雷达回波图上显示明显亮带,同时连续稳定融化层的出现表明降水过程进入持续稳定的成熟阶段。后期(14:00以后),云系统开始减弱消亡,云顶高度下降至9 km或以下,回波强度显著减弱(图 8a)。
值得一提的是,根据6月15日08时宝山站探空计算的抬升凝结高度为982.6 m,若以此高度为云雨分界线,“6·15”强降水过程主要降水时段的云层厚度基本都在12 km(即云顶13 km)以上,最厚近14 km。观测数据同时也反映了云雷达在探测强降水云时会发生显著衰减,降水较强的07—08时和12—13时云雷达回波强度的可探测高度由14 km左右锐降至2 km左右。同时,因地面雨量计观测站点位于云雷达站点南侧约2 km处,且此次降水过程由北向南逐渐覆盖上海,致使云雷达衰减时间略早于地面强降水时段。
上述分析结果表明,云雷达提供的高频云特征廓线,能清晰反映强降水过程中降水云系统的云层高度/厚度、融化层高度等云结构及其变化特征,对认识强降水过程中的降水云系统演变具有重要参考意义。
3.4 降水特征量的垂直结构及其演变特征为了更清楚地展示降水特征量的垂直结构及其演变特征,本文利用宝山站微雨雷达重点分析了“6· 15”强降水过程主要降水时段(6月15日08—16时)地面至4.6 km高度范围(降水主要发生区)内的雷达反射率因子、雨滴下降速度等特征量的垂直分布特征(图 9)。结合分析上述三个时段降水特征量垂直结构可知,前期为非均匀性较强的阵性降水,中期为结构紧密且深厚的系统性强降水,后期以弱降水为主。前期,微雨雷达探测的35 dBz以上的强回波主要集中在3 km以下,且回波强度和雨滴下降速度随时间波动较大,强回波区间歇出现,这与毫米波云雷达观测的强回波垂直分布和变化特征(图 8a)一致,说明此阶段降水可能来自多个云体。中期,微雨雷达探测的强回波区更加深厚,回波强度随时间分布较均匀,雨滴垂直分布向上扩展至4 km及以上,雨滴下降速度稳定维持在6 m·s-1以上,上述降水特征与该阶段云雷达回波亮带明显、融化层稳定连续的特征(图 8)密切相关。后期,虽然雨滴分布垂直范围仍较大,但回波强度减弱至20 dBz左右,雨滴下降速度也明显低于前两个时段,即降水减弱,与图 8a中云系统的减弱消亡时段对应。
上述分析表明,基于微雨雷达资料获得的降水特征量垂直结构及其演变特征与地面雨量计观测的三个阶段降水特征以及云雷达探测的云发展演变特征对应关系很好,且降水回波强度、雨滴下降速度等降水特征量有助于较好地理解此次降水过程的物理机制。
4 结论与讨论本文综合运用多种新型遥感设备的高时空分辨率探测资料,从大气热力结构、动力结构、云雨结构等方面对上海地区2020年梅雨期“6·15”强降水过程进行了分析。主要结论如下:
(1) 降水发生前一日(6月14日)上午,对流层中低层盛行西南风,为上海输送大量水汽。对流层中低层水汽明显增多、气温偏高,大气不稳定性增强,K指数在降水前10多个小时逐渐增至35 ℃或更高。降水之后,对流层低层降温,水汽减少,大气不稳定性减弱。
(2) 此次降水过程云层较为深厚,主要降水时段的云层厚度基本都在12 km (即云顶13 km)以上,最厚近14 km。融化层位于4.7 km左右高度。云系统旺盛发展后进入融化层特征显著、云雷达探测的近地层回波超过30 dBz,其稳定成熟期维持大约4 h,随后逐渐减弱消亡。另外,降水前期,微雨雷达探测的超过35 dBz的强回波主要位于3 km以下,且间歇出现,为非均匀性较强阵性降水,中期强回波区向上扩展至4 km以上、且连续出现,雨滴下降速度稳定维持在6 m·s-1以上,与该阶段云系统旺盛发展、融化层稳定连续相对应,后期微雨雷达探测的回波强度减弱为20 dBz左右,雨滴下降速度较小,弱降水特征明显。
本研究充分说明,综合运用多源新型遥感资料,有助于更全面认识上海地区强降水过程的物理机制,如降水前后大气热力动力结构特征、降水发生时云雨结构特征等,未来可进一步针对本地区高影响局地强对流天气过程开展研究。此外,联合各类设备资料开展综合分析时发现,不同雷达的回波强度特征略有差异。本文分析结果表明,毫米波云雷达回波强度弱于微雨雷达,可能是两者探测对象(云雷达主要探测云滴回波信号,微雨雷达主要探测雨滴回波信号)以及位置不同所致,在后续工作中还需进一步深入分析其原因。通过本文分析还发现一些新型遥感设备的固有局限性,如强降雨时段云雷达发生强信号衰减等,对这些问题还有待于在今后的相关研究中作进一步探讨。
陈红玉, 高月忠, 尹丽云, 等. 2016. 强降水过程风廓线雷达资料的极值特征[J]. 气象科技, 44(001): 87-94. |
单楠, 何平, 吴蕾. 2016. 风廓线雷达反演温度平流的应用[J]. 应用气象学报, 27(3): 323-333. |
丁一汇, 柳俊杰, 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): 1082-1101. DOI:10.3878/j.issn.1006-9895.2007.06.05 |
董保举, 刘劲松, 高月忠. 2009. 基于风廓线雷达资料的暴雨天气过程分析[J]. 气象科技, 37(4): 411-414. DOI:10.3969/j.issn.1671-6345.2009.04.005 |
傅新姝, 谈建国. 2017. 地基微波辐射计探测资料质量控制方法[J]. 应用气象学报, 28(2): 209-217. |
黄慧君, 钟爱华, 张健东. 2014. 多种探测资料在云南大理州强降水过程中的应用分析[J]. 暴雨灾害, 33(1): 50-57. DOI:10.3969/j.issn.1004-9045.2014.01.007 |
黄兴友, 何雨芩, 刘俊. 2015. 风廓线雷达资料反演雨滴谱和水汽通量的研究[J]. 气象科学, 35(6): 751-759. |
黄治勇, 徐桂荣, 王晓芳, 等. 2013. 地基微波辐射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 |
雷恒池, 魏重, 沈志来, 等. 2001. 微波辐射计探测降雨前水汽和云液水[J]. 应用气象学报, 12(S1): 73-79. |
李红莉, 张文刚, 付志康, 等. 2017. 一次暴雨过程的LAPS分析场与多源观测对比分析[J]. 暴雨灾害, 36(3): 207-216. DOI:10.3969/j.issn.1004-9045.2017.03.003 |
梁萍, 汤绪, 柯晓新, 等. 2007. 中国梅雨影响因子的研究综述[J]. 气象科学, 2007(4): 464-471. DOI:10.3969/j.issn.1009-0827.2007.04.018 |
刘红燕, 王迎春, 王京丽, 等. 2008. 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. |
刘思波, 何文英, 刘红燕, 等. 2015. 地基微波辐射计探测大气边界层高度方法[J]. 应用气象学报, 26(5): 626-635. |
施红蓉, 李峰, 吴蕾, 等. 2014. 风廓线雷达对降水相态变化的观测分析[J]. 气象, 40(10): 1259-1265. DOI:10.7519/j.issn.1000-0526.2014.10.010 |
孙建华, 张小玲, 齐琳琳, 等. 2004. 2002年6月20-24日梅雨锋中尺度对流系统发生发展分析[J]. 气象学报, 62(4): 423-438. DOI:10.3321/j.issn:0577-6619.2004.04.005 |
万霞, 徐桂荣, 万蓉, 等. 2020. 青藏高原东侧甘孜云雷达观测的非降水云垂直结构特征分析[J]. 暴雨灾害, 39(5): 442-450. |
王德旺, 刘黎平, 仲凌志, 等. 2012. 毫米波雷达资料融化层亮带特征的分析及识别[J]. 气象, 38(6): 712-721. DOI:10.3969/j.issn.1674-7097.2012.06.011 |
汪小康, 王晓芳, 崔春光, 等. 2012. 用新型探测资料分析武汉一次短时强降水过程的中尺度对流系统[J]. 暴雨灾害, 31(4): 321-327. |
吴举秀, 魏鸣, 王以琳. 2015. 利用毫米波测云雷达反演层状云中过冷水[J]. 干旱气象, 33(2): 227-235. |
吴志根, 沈利峰. 2010. 边界层风廓线仪应用中存在的若干问题[J]. 高原气象, 29(3): 801-809. |
肖艳姣, 刘黎平, 李中华, 等. 2010. 雷达反射率因子数据中的亮带自动识别和抑制[J]. 高原气象, 29(1): 197-205. |
杨晓, 黄兴友, 杨军, 等. 2019. 毫米波雷达云回波的自动分类技术研究[J]. 气象学报, 77(3): 541-551. |
姚展予, 王广河, 游来光, 等. 2001. 寿县地区云中液态水含量的微波遥感[J]. 应用气象学报, 12(增刊1): 88-95. |
仲凌志, 刘黎平. 2009. 毫米波测云雷达的特点及其研究现状与展望[J]. 地球科学进展, 24(4): 383-391. DOI:10.3321/j.issn:1001-8166.2009.04.004 |
Frisch A S, Uttal T, Fairall C W, et al. 1997. On the measurement of stratus cloud properties with a cloud radar and microwave radiometer[C]//Geoscience & Remote Sensing, Igarss 97 Remote Sensing: a Scientific Vision for Sustainable Development, IEEE International, IEEE
|
Ghate V P, Albrecht B A, Kollias P. 2010. Vertical velocity structure of non-precipitating continental boundary layer stratocumulus clouds[J]. Journal of Geophysical Research, 115: D13204. DOI:10.1029/2009JD013091 |
Luke E P, Kollias P, Shupe M D. 2010. Detection of super-cooled liquid in mixed-phase clouds using radar Doppler spectra[J]. Journal of Geophysical Research, 115: D19201. DOI:10.1029/2009JD012884 |
Yang L, Wang Y, Wang Z K, et al. 2020. Automatic identification of clear-air echoes based on millimeter-wave cloud radar measurements[J]. Advances in Atmospheric sciences, 37(8): 912-924. DOI:10.1007/s00376-020-9270-z |