期刊检索:
  暴雨灾害   2021, Vol. 40 Issue (6): 637-645.  DOI: 10.3969/j.issn.1004-9045.2021.06.008

论文

DOI

10.3969/j.issn.1004-9045.2021.06.008

资助项目

国家自然科学基金项目(41775049,41875059);国家重点研发计划(2018YFC1507601);上海市自然科学基金项目(21ZR1457700);上海市气象局强对流科技创新团队; 上海市气象局相控阵阵列天气雷达联合实验室

第一作者

顾问,主要从事强对流天气短时临近预报研究。E-mail: adviser85@163.com.

通信作者

岳彩军, 主要从事中尺度天气动力学与城市气象研究。E-mail: yuecaijun2000@163.com.

文章历史

收稿日期:2021-02-08
定稿日期:2021-07-21
上海移动式风廓线雷达的探测性能评估与分析
顾问1 , 岳彩军1 , 陈浩君2 , 薛昊2 , 张燕燕3 , 孙娟2     
1. 上海市生态气象和卫星遥感中心, 上海 200030;
2. 上海市气象信息与技术支持中心, 上海 200030;
3. 上海市宝山区气象局, 宝山 201900
摘要:基于2018年7月—2019年6月上海宝山移动式风廓线雷达(mobile wind profiler radar,MWPR)资料,从获取率、水平风误差和上海6类典型天气条件下测风数据的可靠性三方面,对其探测性能进行了评估与分析。结果发现:(1)获取率受湍流强度影响最大,受大气温度、湿度影响次之。获取率具有较明显的日变化和季节变化特征,边界层内夏秋季获取率高于冬春季,且有午后获取率高、深夜和清晨低的特点;自由大气中冬春季获取率高于夏秋季。以获取率80%为其业务准入标准,边界层内MWPR的获取率达标。(2)相比L波段探空测风数据,MWPR整层的水平风速均偏小,低模态时有34.4%的数据位于偏小2.0~6.0 m·s-1区间内;风向偏差超过±15°以上的水平风向数据占比为48.9%。(3)定性分析结果显示,MWPR探测到的垂直速度的指向性是合理的。雨强较大时,MWPR探测的垂直速度实际上是降水粒子的下降速度与大气湍流速度之和。MWPR的水平风数据在台风天、雪天等大气均一性强的时段内可靠性高。总体上,上海宝山MWPR的探测性能基本能满足日常监测服务之需,但其测风精度与业务准入标准相比尚有一定差距。
关键词风廓线雷达    获取率    垂直速度    误差分析    性能评估    上海    
Performance evaluation of mobile wind profiler radarin Shanghai
GU Wen1 , YUE Caijun1 , CHEN Haojun2 , XUE Hao2 , ZHANG Yanyan3 , SUN Juan2     
1. Shanghai Ecological Forecasting and Remote Sensing Center, Shanghai 200030;
2. Shanghai Meteorological Information and Technology Support Centre, Shanghai 200030;
3. Baoshan Meteorological Office of Shanghai Municipality, Baoshan 201900
Abstract: Based on the data from the mobile wind profile radar (MWPR) at Baoshan of Shanghai from July 2018 to June 2019, we have evaluated and analyzed the performance of MWPR in terms of acquisition rate, horizontal wind error and the reliability of wind data under six typical weather conditions. The main results are as follow. (1) The acquisition rate is most affected by turbulence intensity, followed by atmospheric temperature and humidity. It is obviously characterized by diurnal and seasonal variations. In the boundary layer, the acquisition rate in summer and autumn is higher than that in winter and spring. It also features high acquisition rate in afternoon and low acquisition rate in late night and early morning. In free atmosphere, the acquisition rate in winter and spring is higher than that in summer and autumn. Taking the acquisition rate of 80% as the operation admittance standards, the acquisition rate of MWPR within boundary layer reaches the standard. (2) Comparing with L-band radiosonde, the horizontal wind speeds detected by MWPR in all layers are relatively low. In low mode, 34.4% of the horizontal wind speed data are in the range of 2.0 m·s-1 to 6.0 m·s-1 lower. The wind direction deviation data which exceeds ±15åccounts for 48.9% of all the horizontal wind direction data. (3) Qualitative analysis shows that the directivity of vertical velocity detected by MWPR is reasonable. During heavy rainfall, the vertical velocity detected by MWPR is actually the sum of the falling velocity of precipitation particles and atmospheric turbulence velocity. The reliability of horizontal wind data from MWPR is highin typhoon, snowy and other weather days with the characteristic of strong atmospheric homogeneity. On the whole, MWPR can basically meet the needs of daily meteorological monitoring and services in terms of detection performance, but there still lies a certain gap between its wind measurement accuracy and operation admittance standards.
Key words: wind profile radar    acquisition rate    vertical velocity    error analysis    performance evaluation    Shanghai    
引言

风廓线雷达(wind profiler radar, WPR)是通过向高空发射不同方向的电磁波束,接收并处理这些电磁波束因大气垂直结构不均匀而返回的信息进行高空风场探测的遥感设备。WPR利用多普勒效应能够探测其上空风向、风速随高度的变化,具有时空分辨率高、自动化程度高、业务运行成本低等优点。美国、欧盟和日本相继建成了WPR组网,主要应用于高影响天气监测和数值模式资料同化(Strauch et al., 1984Umemoto et al., 2004Said et al., 2016)。我国WPR技术日趋成熟,取得多方面的进展。如在探测性能评估方面,吴志根等(2013)陈浩君等(2015)分别从测风精度和获取率上研究了上海TWP3型固定式边界层风廓线雷达的探测性能。吴蕾等(2014)利用GLC-24型风廓线雷达数据,分析了晴空和降水条件下风廓线雷达探测的准确性。王敏仲等(2015)利用CFL-03型风廓线雷达对干燥的沙漠焚风作了适用性分析。王令(2014)分析了有降水时风廓线雷达探测的垂直速度的可靠性。吴志根和沈立峰(2010)通过典型个例,对边界层风廓线仪受地物杂波干扰和降水污染影响的问题进行了探讨。李霞等(2016)利用乌鲁木齐市连续2 a的CFL-03风廓线雷达的风探测数据与同期探空数据进行对比表明,风廓线雷达对风速的探测能力优于风向,二者与实况的相关系数分别为0.9和0.7。何婧等(2018)评估南京市江宁区边界层风廓线雷达水平测风数据显示,其夏季的探测精度和获取率均高于冬季。卢维忠等(2009)分析了温度和湿度对风廓线雷达最大探测高度的影响。另外,在高影响天气监测方面,利用WPR的风场、折射率、谱宽等数据,在强对流(杨引明和陶祖钰,2003黄治勇等,2015)、大风(汪学渊等,2013王栋成等,2019唐钱奎和张涛,2019)、暴雨(汪小康等,2012杨成芳等,2012叶朗明等,2019)、暴雪(李鸾等,2014王文波等,2020)、沙尘天气和重污染事件(王开燕等,2011李峰和施红蓉,2014花丛等,2017刘超等,2018)中也取得了很好的应用效果。

近年来,中国气象局大气探测中心已将固定式WPR组网纳入业务考核,研发了基于功率谱数据剔除地物杂波或降水干扰、基于欧式距离标记不满足空间连续性的疑误数据的质量控制方法。WPR组网数据质量控制旨在将我国WPR资料应用到业务数值预报同化系统,以改善数值预报模式初始场,如张旭斌等(2015)王丹等(2019)开展的WPR数据在业务中尺度模式中的同化试验。由于我国WPR种类、型号多,受仪器布设地理位置和客观环境条件的制约,缺乏系统性的WPR探测性能和适用性评估,其质量水平尚不能满足业务数值天气预报模式资料同化的要求。为了外场观测试验的需要,上海市气象局于2015年引进了TWP3-M型移动式边界层风廓线雷达(mobile wind profiler radar, MWPR),在非外场观测时段安置于上海市宝山区气象局。作为准业务化探测设备,本文将从MWPR的获取率、水平风与L波段探空测风偏差、上海典型天气条件下的测风数据可信度三个方面对其探测性能进行系统性评估和误差成因分析,以便为掌握其在不同场景下的可用性和业务化潜力提供参考依据。

1 资料说明与研究方法

本文中使用的资料来自上海市宝山区气象局的MWPR,时间为2018年7月1日-2019年6月30日连续1 a,该雷达提供包含水平风向风速、垂直速度、信噪比、折射率结构常数(Cn2)等信息。本文基于水平风和垂直速度数据评估其获取率、水平风向风速与探空偏差、水平风和垂直速度在不同气象条件下的可用性。MWPR主要技术指标见表 1

表 1 上海移动式边界层风廓线雷达的主要技术指标 Table 1 Main technical specifications of the mobile boundary layer wind profiler in Shanghai.

全国综合气象信息数据共享平台业务上传的风廓线数据为30 min平均,故本研究中也以该数据为研究对象,考查MWPR的探测性能。在研究时段内应得廓线17 520条,但因硬件故障、停机维护、定标校准和软件故障等原因,实际获得廓线15 490条,数据缺失率为11.59%。

以宝山探空站每日释放GFE(L)-1型探空气球的测风数据作为评估分析的真值,宝山探测频次为一天3次,分别为01∶15 (北京时,下同)、07∶15和19∶15,在台风影响或开展重大保障服务时会加密一次(13∶15),时间上与风廓线雷达01∶30、07∶30、13∶30、19∶30相对应。本文所用L波段探空数据为秒数据,用L波段(1型) 数据处理软件将其处理成高度分辨率10 m的测风数据,然后与MWPR的高度层一一对应。在研究时段内共有969条廓线配对成功。MWPR与宝山探空测风的风速(x)均方根误差计算式为

$ RMSE = \sqrt {\frac{{\sum\nolimits_{i = 1}^n {{{\left({{x_{{\rm{FKX, }}i}} - {x_{{\rm{TK}}, i}}} \right)}^2}} }}{n}} $ (1)

其中,下标FKX代表风廓线,下标TK代表探空。

2 风廓线雷达获取率评估分析

数据获取率是反映WPR探测性能的重要指标之一,它是指一段时间内探测数据通过质量控制的次数与总探测次数的百分比。从MWPR全年获取率的高度-时序图(图 1a)上看到,总体上: (1) 获取率低层高,并随高度递减,这一特征与李霞等(2016)何婧等(2018)的相关研究结果一致。这是因为高度越高,空气越稀薄,湍流越弱,信噪比越低,导致获取率高层低于低层。(2) 在边界层内获取率呈现深夜和清晨低、午后高的日变化特征。MWPR的获取率与大气温度、湿度的湍流脉动所引起的大气折射指数变化相关。这是由于边界层内大气湍流受近地面气温影响,气温低时边界层内湍流运动弱,气温高时湍流运动强,因此获取率与近地面气温有相似位相的日变化。(3) 获取率在1 000 m高度上有不连续线。由于高模态(990- 5 430 m)探测距离远、探测的大气湍流强度较低层大气弱,需利用脉冲压缩来增加信噪比和主瓣展宽、抑制旁瓣。低模态(100-990 m)与高模态采用的压缩网络频率不同导致信噪比突变,表现为获取率在1 000 m左右高度有不连续线。(4) 在最低的几个高度层,获取率特别低。MWPR在100 m、160 m和220 m处的获取率分别为6.87%、52.08%和60.57%。这是由于受上海MWPR安装环境所限,雷达附近静止目标的散射信号进入雷达天线旁瓣造成的。地物杂波产生的多普勒频率多在零频附近,当地物杂波和低层湍流信号交叠时,就会淹没湍流信号,这是城市气象站中WPR普遍会遇到的情况。(5) 在自由大气中,获取率呈现夜间高、白天低的特点,该现象与不同季节的获取率差异有关。

图 1 2018-2019年上海移动式风廓线雷达获取率的时间-高度剖面(a)以及全年和四季平均获取率随高度的变化(b)(单位:%) Fig. 1 (a) Height-time cross section of acquisition rate (unit: %) from the mobile wind profiler in Shanghai, and (b) the variation of its average value for whole year (black line), spring (green line), summer (red line), autumn (yellow line) and winter (blue line) with height from 2018 to 2019.

图 1b显示,MWPR全年的平均获取率为66.14%,春、夏、秋、冬四季的获取率分别为67.32%、67.55%、63.48%和65.57%。各季节获取率的高度分布也呈现与全年类似的低空高、中高空低的特点,但各季之间获取率特征略有不同(图 2),表现为季节性温湿条件和湍流强度差异对获取率的复杂影响。在边界层内,不仅夏季(6-8月)和秋季(9-11月)的获取率高于春季(3-5月)和冬季(12-2月),夏秋季获取率的日变化特征也比冬春季明显,这是因为夏秋季边界层内湍流运动强于冬春季、夏秋季温湿度条件好于冬春季且其温湿度日变化特征更明显造成的。在自由大气中,冬春季获取率大于夏秋季,且冬、春和秋季自由大气夜间的获取率大于白天的获取率。这是因为湍流运动最常发生的3个区域是大气边界层内、对流云体内部和大气对流层上部西风急流区内。上海夏季自由大气受西北太平洋副热带高压(以下简称副高)控制,风速小、湍流运动受抑制;冬、春和秋季上海上空出现西风急流,其风速大、湍流运动强,且西风急流表现为夜间强、白天弱的日变化特点,这可能引起全年获取率在自由大气内呈现夜间大、白天小的特征。

图 2 2018-2019年上海移动风廓线雷达春季(a)、夏季(b)、秋季(c)和冬季(d)获取率日变化(单位:%) Fig. 2 Height-time cross section of acquisition rate (unit: %) from the mobile wind profiler in Shanghai in (a) spring, (b) summer, (c) autumn, and (d) winter from 2018 to 2019.

若以获取率80%为业务准入标准(胡明宝等,2008),上海MWPR边界层内的获取率达标。

3 风廓线雷达水平风误差评估分析

宝山自动气象站同时也是气象探空观测站,MWPR的位置与探空气球释放点一致,可认为两者探测的是同一地点的风。由MWPR平均风速、L波段探空平均风速和两者间均方根误差随高度分布(图 3a)可知,MWPR水平风速总是小于L波段探空。900 m以下,MWPR风速偏小1.4~4.8 m·s-1,均方根误差达4.4~5.3 m·s-1。900 m以上,MWPR风速偏小0.1~1.5 m·s-1,均方根误差为2.9~4.3 m·s-1。900 m高度附近风速误差出现了跳变,这一现象是因高模态和低模态的探测差异所致。

图 3 2018-2019年上海移动风廓线雷达、L波段探空的年平均风速(单位:m·s-1)及其均方根误差(a)以及风速误差频率(单位:%)随高度的变化(b) Fig. 3 (a) Annual mean wind speeds (unit: m·s-1) from the mobile wind profiler radar (red line) and L-band sounding (black line) and their root mean square errors (blue line), and (b) the variation of wind speed error frequency (unit: %) from the mobile wind profiler radar in Shanghai with height from 2018 to 2019.

以MWPR水平风速与探空水平风速为风速偏差,计算在±(n, n+1] m·s-1区间内(n为0-11的整数)的风速偏差占所有风速偏差的比例,并将其定义为风速误差频率。从风速误差频率随高度分布图(图 3b)上看到,MWPR的风速误差为偏态分布,大部分数据落在风速偏小一侧。在低模态(100-880 m),MWPR有34.4%的数据位于偏小2.0~6.0 m·s-1的区间内,上海低层平均风速通常在4.0~7.9 m·s-1之间,这样的误差和误差分布尚难满足WPR直接应用于业务。在高模态(990-5 340 m),MWPR的风速误差仍为偏态分布,近60%的数据落在风速偏小一侧,有58.1%的风速误差在-2.0~2.0 m·s-1区间内,上海中高空平均风速在7.9~23.8 m·s-1之间,这一风速误差在定性识别低空急流、冷空气大风时可以满足日常监测服务的需求。但定量上,上海MWPR低模态和高模态的风速精度与风速偏差≤1 m·s-1的业务准入要求尚有一定差距。

以WPR水平风向与探空水平风向为风向偏差,计算在±(15n, 15(n+1)]°区间内(n为0-11的整数)的风向偏差占所有风向偏差的比例,并将其定义为风向误差频率。从宝山MWPR风向误差频率随高度变化图(图 4)上看到,其风向误差近似于正态分布,除100 m和160 m最低两层外,有51.1%的风向误差落在-15°~ 15°区间内,72.5%的风向误差落在-30°~30°区间内。尽管上海MWPR的风向误差分布结果与李霞等(2016)的相关研究结论接近,但风向偏差超过±30°的数据比例明显偏多。总体上看,上海MWPR的风向精度与风向偏差≤10°的业务准入要求也存在一定差距。

图 4 2018-2019年上海移动风廓线雷达风向误差频率(单位: %)随高度的变化 Fig. 4 Variation of wind direction error frequency (unit: %) from the mobile wind profiler radar in Shanghai with height from 2018 to 2019.
4 不同天气条件下的测风可靠性分析

为考查不同天气条件下风廓线雷达测风数据的可靠性,先选取上海6类典型天气(其中,3类为无降水,3类为有降水),再对这6类天气分别挑选一次过程(1 d)作为个例进行具体分析。这6例天气及其主要特征详见表 2

表 2 上海6例典型天气及其主要特征 Table 2 Six typical weathers patterns in Shanghai and their main characteristics.
4.1 晴天风廓线雷达测风数据

以2018年8月5日副高控制下上海晴热天气为例,分析WPR测风数据的可用性。宝山当日最高气温35.9 ℃。由当日上海MWPR探测的水平风数据可知(图 5a),在混合层内获取率的日变化特征明显,表现为午后到傍晚获取率高、凌晨到清晨较低。100-600 m以弱上升运动为主,表明边界层低层受太阳辐射的加热作用影响,有浅薄热力泡活动。

图 5 2018年8月5日上海移动风廓线雷达水平风(风向杆)和垂直速度(填色区,单位: m·s-1)日变化(a),以及当日13:16探空(TK)和13:30风廓线雷达(FKX)探测的风向廓线(b)、风速廓线(c)与探空温度(T)和露点温度(Td)廓线(d) Fig. 5 (a) Hourly horizontal wind (wind barbs) and vertical velocity (color-filled areas, unit: m·s-1) from the mobile wind profiler radar in Shanghai on 5 August 2018, and (b) wind direction and (c) wind speed from radar (FKX) at 13:30 BT and sounding (TK) at 13:16 BT on the same day, and (d) temperature (T) and dew point temperature (Td) from sounding at 13:16 BT.

为考察临近最热时刻、感热交换强烈时的WPR测风资料的可靠性,选取宝山8月5日13时16分加密探空与13时30分MWPR的风廓线进行对比发现,2 400 m以上风廓线的获取率几乎为零,这与副高近中心自由大气湍流运动较弱、空气较干燥(图 5d)有关。在低模态,MWPR探测的水平风向与探空相差为90°~180° (图 5b);尽管其探测的水平风速变化趋势与探空较为一致,但在量级上雷达探测的水平风速比探空偏小4 m·s-1左右(图 5c),这表明WPR在低风速且干燥的条件下,低模态探测到的水平测风数据可靠性较差。在高模态时,雷达探测风向与探空风向一致性高,雷达风速与探空风速接近。

4.2 阴天风廓线雷达测风数据

以2019年1月1日上海为大陆冷高压稳定控制、高空为东亚大槽槽后下的阴天为例,分析WPR测风数据的可靠性。当日宝山气温日较差仅3.7 ℃,全天10成云,10 m风力3~4级,空气干燥。由当日上海MWPR探测的水平风数据(图 6a)可知,不同于盛夏的日照条件好,冬季阴天时段3 000 m以下获取率无明显日变化,由于00-23时3 000 m以上高空相对湿度在7%以下(图 6d),该时段内3 000 m以上的获取率低;到23时高空湿度条件改善后(图略),MWPR才获取到3 000 m以上的高空测风数据。从图 6a中还能看到,边界层存在弱的上升运动,自由大气以弱的下沉运动为主。

图 6图 5,但日期为2019年1月1日,探空(TK)时间为19∶15,风廓线雷达(FKX)探测时间为19∶30 Fig. 6 Same as Fig. 5, but for sounding (TK) at 19∶15 BT and wind profiler radar (FKX) at 19∶30 BT on 1 January 2019.

为考察冷高压稳定控制下WPR测风资料的可靠性,选取宝山1月1日19时15分探空与19时30分WPR的风廓线进行对比发现,在低模态,雷达探测风向偏于探空风向顺时针约90° (图 6b),风速比探空偏小4~6 m·s-1 (图 6c),这表明WPR在低模态时探测到的水平风数据可靠性下降。WPR高模态探测风向准确率高,其风速比探空风速偏小0~4 m·s-1

4.3 多云与冷空气影响天气风廓线雷达测风数据

以2019年5月6日上海一次中等强度冷空气影响下的多云天气为例,分析WPR测风数据的可用性。当日宝山10 m风力4~5级,全天8成云。由当日上海MWPR探测的水平风数据可知(图 7a),06-20时锋面过境时段,风速较大,获取率较高。20时以后,上海为大陆高压控制,空气干燥,获取率逐渐降低。冷锋过境时,边界层内有弱的上升运动,自由大气以下沉运动为主,动量下传明显。

图 7图 5,但日期为2019年5月6日,探空(TK)时间为07∶15,风廓线雷达(FKX)探测时间为07∶30 Fig. 7 Same as Fig. 5, but for sounding (TK) at 07∶15 BT and wind profiler radar (FKX) at 07∶30 BT on 6 May 2019.

为考察锋面过境时WPR测风资料的可靠性,选取宝山5月6日07时15分探空与07时30分WPR的风廓线进行对比发现,2 800 m以下雷达探测风向偏于探空风向的顺时针方向,偏差约45° (图 7b),整层雷达探测风速均小于探空风速,偏小幅度在5~8 m·s-1之间(图 7c)。

图 8图 5,但日期为2018年8月12日,探空(TK)时间为13∶16,风廓线雷达(FKX)探测时间为13∶30 Fig. 8 Same as Fig. 5, but for sounding (TK) at 13∶16 BT and wind profiler radar (FKX) at 13∶30 BT on 12 August 2018.
4.4 台风天气风廓线雷达测风数据

以2018年8月12日上海受1814号台风“摩羯”北侧螺旋云带影响为例,分析WPR测风数据的可用性。当日风力4~5级,阵风6~7级,07-21时雨强较大,平均3.6 mm·h-1,21时后转阴并有间歇小雨。由当日上海MWPR探测的水平风数据可知(图 8a),雨强较大时,几乎整层均为下沉运动且垂直速度>4 m·s-1。由于降水粒子对电磁波的散射远大于大气对电磁波的散射,降水时WPR探测的垂直速度受降水粒子下落的影响,通常认为向下的垂直速度越大雨强越大(章国材等,2007)。

为考察台风暴雨天气WPR测风资料的可靠性,选取宝山8月12日13时16分(此时雨强为9.8 mm·h-1)探空与13时30分WPR的风廓线进行对比发现,5 000 m以下雷达探测风向与探空风向一致(图 8b),其风速略小于探空风速(图 8c),雷达探测风速随高度变化趋势与探空接近(图 8c)。这说明即使在雨强很大时,如果探测对象满足WPR探测的均一性条件,其水平风速和风向仍可用。就获取率而言,由于台风期间整层水汽条件很好(图 8d),此时期获取率始终较高(图 8a)。

4.5 局地对流天气风廓线雷达测风数据

以2018年8月31日上海宝山短时阵性降水天气为例,分析局地对流天气WPR测风数据的可用性。当日19-20时宝山区发生短时阵性降水,由上海MWPR探测的水平风数据可知(图 9a),尽管雨强仅0.4 mm·h-1,降水时段内垂直速度仍>4 m·s-1

图 9图 5,但日期为2018年8月31日,探空(TK)时间为19∶15,风廓线雷达(FKX)探测时间为19∶30 Fig. 9 Same as Fig. 5, but for sounding (TK) at 19∶15 BT and wind profiler radar (FKX) at 19∶30 BT on 31 August 2018.

另外,对比当日阵性降水发生时19时15分探空与19时30分WPR的风廓线发现,雷达探测风向与探空风向差异较大(图 9b)。近地层以西南风为主,400 m以上为偏南风,雷达探测风向误差呈随机分布,风向偏差在-60°~60°之间。低模态时WPR风速与探空风速较为一致,高模态时雷达风速比探空偏大,最大偏大幅度为11.8 m·s-1(图 9c)。就获取率而言,由于降水前后1-2 h之内空气湿度大(图 9d),获取率较高,非降水时段获取率只有降水时的一半左右。尽管受阵性降水的影响,WPR的获取率较高。获取率高并不意味着测风数据准确率高,由于阵性降水发生时降水和风场的局地性很强,1 500 m以上的大气状况不满足均一性条件,反而会导致中高层WPR测风数据准确性较低。

4.6 雪天风廓线雷达测风数据

以2018年12月8日上海全天大雪为例,分析WPR测风数据的可用性。由上海MWPR探测的水平风数据可知(图 10a),整层以下沉运动为主,2 500 m以下层垂直速度在1.0~2.0 m·s-1之间。这说明与液态降水类似,固态降水发生时雷达探测到的垂直速度以雪粒下落速度为主,而非大气湍流形成的垂直运动。大雪时雪粒下沉速度与弱降水时雨滴下落速度接近。由于降雪时大气均一性强且湿度条件好(图 10d),数据获取率很高(图 10a)。

图 10 2018年12月8日19:17上海探空(TK)和19:30风廓线雷达(FKX)探测的风向廓线(a)、风速廓线(b)与探空温度(T)和露点温度(Td)廓线(c) Fig. 10 (a) Wind direction and (b) wind speed from the wind profiler radar (TK) at 19:30 BT and sounding in Shanghai (FKX) at 19:17 BT on 8 December 2018, and (c) temperature (T) and dew point temperature (Td) from sounding at 19:17 BT.

同样,为考察固态降水发生时WPR测风资料的可靠性,选取宝山12月8日19时17分探空与19时30分WPR的风廓线进行对比发现,高模态时WPR探测到的风向、风速与探空较为一致(图 10bc);但低模态下雷达探测风向与探空相差近180°,其探测风速比探空偏小7~10 m·s-1,降雪时WPR在低模态时探测的水平风数据可靠性下降。

4.7 各例典型天气MWPR测风数据可靠性综合分析结果

对上述上海6例典型天气条件下MWPR测风数据可靠性的综合分析结果进行小结如下: (1) 除探测对象的均一性外,湿度也是影响获取率的重要因素,降水时段获取率高于无降水时段,降水前后空气潮湿时段获取率也高于空气干燥时段。其次是湍流强度,大风速时段获取率高,如冷空气动量下传时获取率显著高于副高或冷高压稳定控制时段。(2) 关于水平测风的可靠性,风廓线雷达在低模态时的水平测风数据可靠性下降,主要原因是城市气象站探测环境不佳。晴天、阴天以及阵性降水和小风速时段,高模态的水平风速偏小,但可接受,高模态的水平风向误差较大。在台风天气和雪天,高模态的水平测风数据可靠性高,但这要以探测对象满足风廓线雷达探测的均一性为前提。(3) 关于垂直速度的可靠性,风廓线雷达探测的垂直速度可反映边界层内由感热加热引起的弱上升运动、锋面附近的弱上升运动和副高中心附近的强下沉运动。

定性分析结果表明,WPR探测的垂直速度的指向性是合理的。但需要指出的是,雨强较大时,风廓线雷达探测的垂直速度是降水粒子的下落速度与大气湍流速度之和。由于垂直速度无法直接探测,WPR探测的垂直速度的准确性还待于进行定量验证。

5 结论与讨论

利用2018年7月-2019年6月上海宝山移动式风廓线雷达资料,从获取率、水平风误差和上海6类典型天气条件下测风数据的可信度三方面,对其探测性能进行了评估与分析。主要结论如下:

(1) 获取率具有明显的日变化和季节变化特征,其变化受大气湍流强度影响最大,受大气温度和湿度影响次之。降水时或降水前后的获取率比非降水时段高;大风速时段获取率比小风速时段高;夏秋季边界层内获取率高于冬春季,自由大气中冬春季获取率高于夏秋季。若以水平风数据获取率80%为业务准入标准,边界层内上海宝山站移动式风廓线雷达的获取率达标。

(2) 相比L波段探空的水平风,风廓线雷达的水平风速偏小,低模态时有34.4%的数据位于偏小2.0~ 6.0 m·s-1区间内。高模态时风廓线雷达的近60%的数据位于风速偏小一侧。风廓线雷达水平风超过±15°的风向偏差数据占比为48.9%。以水平风速偏差≤1 m·s-1和风向偏差≤10°为标准,移动式风廓线雷达的水平测风精度与业务准入标准尚有一定差距。

(3) 定性分析结果表明,WPR的垂直速度的指向性是合理的。需要注意的是,雨强较大时,WPR探测的垂直风速是降水粒子的下落速度与大气湍流速度之和。WPR的水平测风在大气均一性强的台风天、雪天可靠性高;在晴天、阴天及阵性降水和小风速时段,其可靠性较低。

(4) 上海MWPR低模态时测风精度偏低的主要原因是城市气象站探测环境易受电磁波干扰和建筑物阻挡。考虑到WPR与探空的测风原理不同、数据时间分辨率差异和探空气球升至高空时发生漂移等因素,MWPR的探测性能基本可以满足日常监测服务的需要,但在测风精度上与业务准入标准尚有一定差距。鉴于低层风场对于局地强对流初生、重污染天气监测预警非常重要,可考虑引入激光测风雷达或其它设备的测风数据来替代MWPR在低模态时的测风数据。

参考文献
陈浩君, 黄兴友, 王亚东, 等. 2015. 上海TWP3型边界层风廓线雷达探测性能评估[J]. 气象科技, 43(3): 355-360. DOI:10.3969/j.issn.1671-6345.2015.03.002
何婧, 卢楚翰, 谢韶青, 等. 2018. 南京风廓线雷达测量性能评估及应用初探[J]. 气象科学, 38(3): 406-415.
胡明宝, 郑国光, 肖文建. 2008. 风廓线雷达数据获取率的统计分析[J]. 现代雷达, 30(3): 14-16.
花丛, 刘超, 张恒德. 2017. 风廓线雷达资料在北京秋季雾霾天气过程分析中的应用[J]. 气象科技, 45(5): 870-876.
黄治勇, 周志敏, 徐桂荣, 等. 2015. 风廓线雷达和地基微波辐射计在冰雹天气监测中的应用[J]. 高原气象, 34(1): 269-278.
李峰, 施红蓉. 2014. —次多相态天气过程的风廓线雷达探测资料特征分析[J]. 气象, 40(8): 992-999.
李霞, 王磊, 任泉. 2016. 乌鲁木齐风廓线雷达探测能力评估[J]. 沙漠与绿洲气象, 10(1): 9-18. DOI:10.3969/j.issn.1002-0799.2016.01.002
李鸾, 周先春, 叶树青. 2014. 风廓线雷达在一次大到暴雪天气过程中的应用[J]. 气象水文海洋仪器, 3(1): 70-74. DOI:10.3969/j.issn.1006-009X.2014.01.018
刘超, 张碧辉, 花丛, 等. 2018. 风廓线雷达在北京地区一次强沙尘天气分析中的应用[J]. 中国环境科学, 38(5): 1663-1669. DOI:10.3969/j.issn.1000-6923.2018.05.007
卢维忠, 何海余, 莫海全, 等. 2009. 影响风廓线雷达最大探测高度的因素及机理分析[J]. 气象水文海洋仪器, (4): 15-18.
唐钱奎, 张涛. 2019. 成都一次雷暴大风的中尺度特征分析[J]. 暴雨灾害, 38(4): 338-345. DOI:10.3969/j.issn.1004-9045.2019.04.006
王丹, 阮征, 王改利, 等. 2019. 风廓线雷达资料在GRAPES-Meso模式中的同化应用研究[J]. 大气科学, 43(3): 634-654.
王栋成, 邱粲, 曹洁, 等. 2018. 济南边界层风廓线雷达与L波段雷达探空测风资料对比研究[J]. 气象, 38(3): 416-422.
王栋成, 邱粲, 董旭光, 等. 2019. 济南边界层风廓线雷达与L波段雷达大风探空测风对比[J]. 气象, 45(8): 1169-1180.
王开燕, 朱建军, 张振清, 等. 2011. 风廓线雷达资料在灰霾预报中的应用研究[J]. 环境科学与技术, 35(1): 164-167.
王令, 王国荣, 古月, 等. 2014. 风廓线雷达垂直径向速度应用初探[J]. 气象, 40(3): 290-296.
杨成芳, 阎丽凤, 周雪松. 2012. 利用加密探测资料分析冷式切变线类大暴雨的动力结构[J]. 气象, 38(7): 819-827.
王敏仲, 魏文寿, 何清, 等. 2015. 风廓线雷达对塔卡拉玛干沙漠晴天边界层的探测分析[J]. 气象, 38(2): 577-583.
王文波, 高晓梅, 李晓利, 等. 2020. 一次雨雪天气过程的风廓线雷达特征[J]. 干旱气象, 38(1): 109-116.
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.
汪学渊, 李栋, 任雍, 等. 2013. 风廓线雷达资料在台风苏拉登陆过程中的应用初探[J]. 气象, 39(11): 1431-1436.
吴蕾, 陈洪宾, 康雪. 2014. 风廓线雷达与L波段雷达探空测风对比分析[J]. 气象科技, 42(2): 225-230.
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.
吴志根, 徐同, 丁若洋, 等. 2013. 上海组网边界层风廓线雷达与宝山二次雷达测风数据比较分析[J]. 气象, 39(3): 370-376.
杨引明, 陶祖钰. 2003. 上海LAP-3000边界层风廓线雷达在强对流天气预报中的应用初探[J]. 成都信息工程学院学报, 18(2): 155-160.
叶朗明, 吴乃庚, 张华龙, 等. 2019. 海陆风和地形对一次弱天气背景下暖区特大暴雨的影响分析[J]. 暴雨灾害, 38(6): 597-605.
章国材, 矫梅燕, 李延香, 等. 2007. 现代天气预报技术和方法[M]. 北京: 气象出版社.
张旭斌, 万齐林, 薛纪善, 等. 2015. 风廓线雷达资料质量控制及其同化应用[J]. 气象学报, 73(1): 159-176.
Said F, Campistron B, Delbarre H, et al. 2016. Offshore winds obtained from a network of wind-profiler radars during HyMeX[J]. Q J R Meteorol Soc, 142.
Strauch R G, Merritt D A, Moran K P, et al. 1984. The Colorado Wind-Profiling Network[J]. J Atmos Oceanic Technol, 1(1): 37-49.
Umemoto Y, Teshiba M, Shibagaki Y, et al. 2004. Combined wind profiler-weather radar observations of orographic rainband around Kyushu, Japan in the Baiu season[J]. Annales Geophysicae, 22(11): 3971-3982.