期刊检索:
  暴雨灾害   2022, Vol. 41 Issue (1): 1-14.  DOI: 10.3969/j.issn.1004-9045.2022.01.001

论文

DOI

10.3969/j.issn.1004-9045.2022.01.001

资助项目

国家重点研发计划(2018YFC1507200, 2017YFC1501402);国家自然科学基金项目(91837310,41075041);安徽省重点研究与开发计划(201904a07020099)

第一作者

傅云飞,主要从事大气物理学、大气探测和遥感学研究。E-mail: fyf@ustc.edu.cn.

文章历史

收稿日期:2020-07-28
定稿日期:2020-12-04
GPM卫星DPR和GMI探测的2018年5月重庆超级单体云团降水结构特征分析
傅云飞 , 罗晶 , 罗双 , 陈光灿 , 王梦晓 , 孙礼璐 , 孙囡 , 杨柳     
中国科学技术大学地球和空间科学学院,合肥 230026
摘要:目前人们对超级单体云团降水回波结构的认知仍有限。本文采用GPM (Global Precipitation Measurement) 卫星搭载的测雨雷达DPR (Dual-frequency Precipitation Radar)和微波成像仪GMI (GPM Microwave Imager)的探测结果,结合FY-4A静止卫星多通道扫描成像辐射计(AGRI)的热红外10.8 μm通道观测结果、探空站的温湿风观测结果及欧洲天气预报中心再分析数据,利用雷达回波剖面和回波反射率因子概率密度随高度分布的方法,分析了2018年5月重庆地区超级单体云团的降水结构特征。结果表明:该超级单体云团由西北向东南运动的冷空气与暖湿空气交汇而引发;超级单体云团内存在对流降水和层状降水等次尺度系统;强降水区位于云贵高原与四川盆地交界处至盆地的西南部;超级单体暴雨云中冰相粒子多;对流降水的回波顶高度超过12 km,且最大回波强度多数位于地面上空4-5 km;对流降水比层状降水拥有更高的降水粒子浓度,而粒子大小却小于后者;对流降水的粒子尺度随着高度下降而明显增大,反映了其明显碰并增长过程。
关键词超级单体云团    GPM DPR    降水回波结构    降水粒子谱    降水粒子尺度    
Rainstorm structure of a supercell cloud occurred in Chongqing in May 2018 measured by GPM DPR and GMI
FU Yunfei , LUO Jing , LUO Shuang , CHEN Guangcan , WANG Mengxiao , SUN Lilu , SUN Nan , YANG Liu     
School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230026
Abstract: The knowledge of the echo structure of precipitation generated by supercell cloud is still limited. In this study by using measurements of the GPM (Global Precipitation Measurement) DPR (Dual-frequency Precipitation Radar) and GMI (GPM Microwave Imager), combined with observations by the thermal infrared channel of FY-4 (Fengyun-4), a stationary satellite, and temperature/humidity/wind observations by atmospheric sounding, as well as reanalysis data issued by the European Weather Forecast Centre, the vertical cross-section and two-dimensional probability density distribution of radar echoes for a supercell cloud occurred near Chongqing in May 2018 were analyzed. The results show that the supercell cloud system is caused by the convergence of a cold airmass moving from northwest to southeast and a warm-humid airmass. There are subscale systems of convective precipitation and layered precipitation in supercell cloud, which induced strong precipitation located at the junction of Yunnan-Guizhou Plateau and Sichuan Basin to the southwest of the basin. There are many ice phase particles in the supercell cloud. The echo top height of convective precipitation is more than 12 km, and the maximum echo intensity is mostly located 4~5 km above the ground. Convective precipitation has higher precipitation particle concentration than stratiform precipitation, and its particle size is smaller than the latter. The particle size of convective precipitation increases obviously with the decrease of the height, which reflects the obvious collision and growth process of these particles.
Key words: supercell cloud    GPM DPR    echo structure of precipitation    particle spectrum    particle size    
引言

夏季暴雨是我国大部分地区的主要灾害之一,学者们对此做了很多研究(陶诗言等,1980郭其蕴,1985丁一汇,1994胡伯威等,2001;徐祥德等,2001;高守亭等,2003杜小玲等,2004沈新勇等,2005高守亭等,2018)。地基天气雷达是一种有效的暴雨探测工具,可以探测降水回波的水平分布和垂直剖面或廓线等,这些参量的空间分布反映了降水云内的微物理过程、热动力过程及其天气环境场特点(Houze,1981Szoke et al., 1986Marks and Houze, 1987Hobbs,1989Liu and Takeda, 1989刘黎平等,2004刘淑媛等,2007Li et al., 2019),因为降水回波的强弱与云粒子的大小及浓度、形态和相态有关,降水回波强度的空间分布则与云内气流上升运动的大小有关(张培昌等,2001)。Zipser和Lutz (1994)指出陆面和洋面降水廓线差异是由两地云内上升运动强度差异造成。通过对热带测雨卫星(Tropical Rainfall Measuring Mission,TRMM)测雨雷达(Precipitation Radar,PR)探测结果的分析,学者们揭示了热带及副热带洋面与陆面对流降水廓线和层状降水廓线的差异(Liu and Fu, 2001)、中国东部陆面与近海对流降水廓线和层状降水廓线的差异(Fu and Liu, 2003Fu et al., 2003傅云飞等,2008)。机载多普勒雷达的探测表明,台风内核在加强阶段与稳定阶段的降水垂直结构也存在差异(Rogers et al., 2013)。李锐等(2005)指出由于ENSO (El Niño Southern Oscillation)引发热带东太平洋海表温度的变化,引起大范围大气上升运动的变化,进而造成该地区云内零度层亮带和降水廓线的变化。上述研究结果均表明认识降水结构特征,有助于进一步理解降水云内的微物理过程、热动力过程及其天气环境场特点。

我国西南地区地形复杂,地基探测存在困难,模式模拟成为研究暴雨一种主要方法。如利用MM5模拟结果分析贵州地区暴雨的不稳定性(吴哲红等,2008);利用WRF (Weather Research and Forecasting model)模拟贵州省西南部一次典型的突发性强对流暴雨(乔林等,2009);利用模式模拟结果分析地形对鄂东特大暴雨的影响(姜勇强和王元,2010)、分析四川地形等因素对暴雨落区的影响(王成鑫等,2013)。与此同时,学者们也越来越重视有限观测资料的使用,如将模式结果与地面雷达观测相结合,分析湘西特大暴雨的触发机制(叶成志等,2007),或将卫星资料与再分析资料结合,分析四川省攀西地区暴雨过程的MCS (Mesoscale Convection System)特征及其成因(肖递祥等,2010),或将常规观测资料、雷达回波反演资料、自动气象站降水量、GPS水汽观测、卫星云图及NCEP再分析资料等多种资料相结合,分析华南西部低涡切变特大暴雨的中尺度特征(黄明策等,2010)、鄂西北特大暴雨的天气学机理及地形作用(廖移山等,2011)、贵州望谟局地的暴雨天气学特点(杜小玲等,2013)、西部暴雨的西南低涡特征(翟丹华等,2014)、四川特大暴雨水汽来源(周长艳等,2015)、黔西南低涡切变型暴雨的中尺度特征(王芬等,2016)等。

利用星载测雨雷达探测结果,可弥补西部地区地基测雨雷达探测的不足(傅云飞,2019)。傅云飞等(2007)利用TRMM PR探测结果,分析了青藏高原东南部某山谷附近地区的降水结构特征;刘奇等(2007)通过分析长时间PR探测结果,揭示了夏季青藏高原与东亚及热带降水廓线特征的差异;王宝鉴等(2017)利用PR探测结果,分析了青藏高原东坡一次大暴雨强降水结构的特征;Fu等(2018)通过分析15 a PR探测的结果,揭示了喜马拉雅南坡陡峭地形上的降水强度及频次的气候特征。

2014年2月在轨运行的全球测雨卫星GPM搭载了Ka和Ku波段测雨雷达,较先前的PR,实现了双频测雨雷达的探测,为研究暴雨结构提供了新的数据。张奡祺和傅云飞(2018)分析了DPR双波长及不同探测方式反演的降水产品数据特点,并分析了多个降水系统的降水结构特征。随后Zhang等(2018)又将DPR与日本静止卫星葵花-8热红外通道观测相结合,揭示了中国东部降水系统发生发展过程中降水垂直结构变化的特点。

本文研究的超级单体云团降水发生于2018年5月21日重庆附近,其累计降雨量208.5 mm,造成多个乡镇受灾和人员伤亡,基础设施、农业生产等遭受严重损失。此次利用GPM DPR和GMI的探测结果,结合FY-4A静止卫星的热红外10.8 μm通道观测结果、地面探空站的温湿风观测结果及欧洲天气预报中心再分析数据,分析揭示了该超级云团的降水结构特征。

1 数据和方法

本文使用的2ADPR数据由频率分别为35.5 GHz (KaPR)和13.6 GHz (KuPR) 的DPR探测结果处理得到,并由美国航空航天局(National Aeronautics and Space Administration,NASA) 的戈大德飞行中心(Goddard Space Flight Center,GSFC) 实验室发布(https://pmm.nasa.gov/data-access/downloads/gpm)。KaPR和KuPR均搭载于GPM卫星上,该卫星是一颗非太阳同步卫星,轨道倾角65°,轨道周期93 min,每天绕地球观测约有16条轨道。GPM卫星上搭载的多频段GMI有13个通道,它做锥扫描对云降水及陆面和洋面进行观测。与TRMM卫星搭载的PR和TMI (TRMM Microwave Imager)相比,GPM卫星搭载的DPR和GMI更先进,且覆盖范围更广(Hou et al., 2014)。

DPR的KuPR正常扫描方式(Normal Scan,NS)与TRMM PR接近,其扫描刈幅宽为245 km,每次扫描49个像元,星下点像元分辨率为5 km;KuPR的垂直分辨率为250 m,探测地表至22 km高度的降雨和降雪三维结构,其最小回波阈值为14.5 dBz。KaPR扫描刈幅宽为120 km,它以两种方式进行扫描:高分辨率扫描(High-sensitivity Scan,HS)方式和匹配扫描(Matched Scan,MS)方式。HS扫描时,KaPR在KuPR两条扫描线的中间进行扫描,此时KaPR通过发射双倍宽度脉冲,其最小回波阈值减小到10.2 dBz,探测的垂直分辨率为500 m;MS扫描时,KaPR在KuPR扫描线的中间25个像元上与KuPR进行同步扫描,此时KaPR的垂直分辨率与KuPR的一致,但KaPR的最小回波阈值变大,达16.7 dBz。匹配扫描方式的目的是便于相关降水参数的反演。

由于KaPR和KuPR频率不同,对云中粒子的响应也不同,为此GPM开发了双频算法产生降水产品2ADPR (Rose and Chandrasekar, 2006Iguchi et al., 2012)。该算法原理出自Marzoug和Amayenc (1994),具体流程参见Iguchi等(2012)研究,其思路首先从KaPR和KuPR的雷达反射率中提取粒子大小分布(droplet size distribution,DSD)廓线,然后根据DSD廓线计算降水率廓线。2ADPR产品的有效性已被众多研究者验证(Kotsuki et al., 2014Hamada and Takayabu, 2016张奡祺和傅云飞,2018Zhang et al., 2020)。本文将使用2ADPR产品的雷达波反射率廓线、地面降水率、降水类型(对流降水、层状降水和其它类型降水)、DSD廓线等降水参数。雷达波反射率廓线和DSD廓线的垂直分辨率为125 m,水平分辨率为5 km。

本文使用的GMI是一部多通道锥形扫描的微波辐射计,其工作方式与TMI类似,即天线与星下点相交48.5°,以保持地球入射角52.8°的等角锥面扫描,并以140°跨轨扫描角,故刈幅宽为904 km,其中间部分与KuPR重叠,这部分的观测持续时间约为67 s。GMI有8个垂直极化(VP)通道、5个水平极化(HP)通道,即10.6 GHz (VP/HP)、18.7 GHz (VP/HP)、23 GHz (VP)、37 GHz (VP/HP)、89 GHz (VP/HP)、166 GHz (VP/HP)、183± 3 GHz (VP)、183±7 GHz (VP)。相比于TMI,它增加了4个高频毫米波通道,频率为166 GHz和183 GHz。根据微波遥感理论,10~23 GHz频率对云中液态水粒子敏感,36~89 GHz频率对云中液态和固态粒子(冰或雪) 敏感,而高于89 GHz的频率对云中固态粒子敏感。

本文还使用了我国第二代静止气象卫星风云四号A星(FY-4A)搭载的多通道扫描成像辐射计(AGRI) 的长波红外10.8 μm通道亮温数据。该星于2016年12月11日升空,定位于104.5°E赤道上空。AGRI具有14通道,其中6个可见/近红外波段、2个中波红外波段、2个水汽波段和4个长波红外波段,可见/近红外波段的分辨率为0.5~1 km,红外波段的分辨率为2~4 km。AGRI全圆盘扫描观测时间分辨率为15 min。

图 1a是AGRI 10.8 μm通道于2018年5月21日16时(世界时,下同)观测的亮温TB分布,显示重庆地区上空出现一大片完整云团,低于250 K亮温区在东西和南北方向大体为400 km,最低亮温低于200 K,可见云团非常深厚(故称之为超级单体云团)。该超级单体云团的西南侧、南侧和东侧,亮温变化于280~300 K之间,为晴空少云区;而超级单体云团的北侧和东北侧,存在零星小块云团,它们的最低亮温在230 K左右。通常长波红外(或称为热红外)通道测得亮温低于233 K,云对应冰相,而高于273 K则对应水相(Braga and Vila, 2014Fu and Qin, 2014),介于233 K与273 K之间则为混合相。由此可见,这些小块云团主要是冰水混合相态云团。图 1b为GPM经过该超级单体云团时,其轨道上相应的AGRI 10.8 μm通道亮温。由于AGRI热红外通道分辨率(4 km)与DPR分辨率(5 km)不同,将距离DPR像元中心最近距离的AGRI 10.8 μm通道亮温,作为DPR像元的红外亮温(即就近融合方法)。融合前后的10.8 μm通道亮温的概率分布函数(PDF)如图 2所示,可见两条曲线基本重叠。由融合前后统计计算的均值和标准差(表略)可见,融合前后均值相同,标准差相差0.3 K。这些均表明融合未造成热红外通道亮温的歪曲。

图 1 2018年5月21日16∶00 FY-4A静止卫星AGRI热红外10.8 μm通道观测的亮温分布(a, 单位: K, 实线为GPM过境轨道)和10.8 μm通道亮温融合到DPR像元后的亮温分布(b, 单位: K) Fig. 1 The distribution of (a) the brightness temperature (unit: K. The solid black line represented for the both sides of GPM swath) observed by thermal infrared channel at 10.8 μm of AGRI onboard FY-4A geostationary satellite at 16∶00 UTC on May 21, 2018, and (b) the brightness temperature merged on pixels of DPR (unit: K).

图 2 AGRI的热红外通道(10.8 μm)像元亮温(红线)和DPR像元亮温(蓝线)的概率分布函数(PDF)曲线 Fig. 2 Curves of the probability distribution function (PDF) for brightness temperature at pixels of AGRI thermal infrared channel (10.8 μm, red line) and at pixels of DPR (blue line).

另外,本文还使用了超级单体云团附近的温江探空站大气温湿风数据,来源于中国气象局数据中心。该数据给出了大气各标准气压层的大气温度、湿度和风向风速。为描述超级单体云团降水发生时的天气环流背景,本文使用了欧洲天气预报中心(ECMWF)的ERA5再分析数据,它是ECMWF的最新一代再分析资料。由于采用了四维变分(4D-Var)同化技术,故它相对于ERA-Interim具有更高的时空分辨率,时间分辨率为1 h,垂直分辨率为137层(插值到37个等压面),水平分辨率为0.25° (Hersbach et al., 2020)。

2 结果分析 2.1 AGRI、DPR和GMI探测的超级单体云团降水强度及信号

首先利用AGRI的10.8 μm通道观测的亮温分布,了解这次超级单体云团空间分布(图 3),分析可知,当日14∶30-16∶00重庆地区上空存在一个超级单体云团,且过去1.5 h内云顶低于250 K亮温的面积不断增大,但中心区域位置基本稳定;云顶低于220 K亮温面积变化表明,14∶30该超级单体云团面积最小,但云体中心区存在亮温非常低(低于190 K)的两小块云(图 3a),说明此时超级单体云团内有两块非常深厚的云;随后1 h内,低于190 K的云区逐渐消失,超级单体云团面积增大,说明该超级单体云团中对流活动已经由鼎盛开始走向衰退,此时(16∶00) GPM正好经过超级单体云团上空(图 3d)。此外,图 3表明该超级单体云团呈非对称形状,10.8 μm通道亮温的水平梯度表明云体的东南部亮温水平梯度大,且紧贴着暖区,大体可判断这个超级单体云团的东侧至西南侧为暖区。结合图 7a地面风场(云团西北部吹偏北气流)和图 7b (云团位于500 hPa的槽前),大体判断该云团为西北向东南运动的冷空气深入暖区形成。这一过程中局地复杂地形发挥的作用,也有待研究。

图 3 2018年5月21日14∶30—16∶00 AGRI 10.8 μm通道观测的超级单体云团演变 (单位: K, 时间间隔0.5 h, 黑实线为DPR轨道的两侧边沿) Fig. 3 The distribution changes in the brightness temperature (unit: K) of the supercell cloud observed by AGRI 10.8 μm channel from 14∶30 UTC to 16∶00 UTC on May 21, 2018 (Time interval 0.5 h. The solid black line represented for both sides of GPM swath).

图 4 2018年5月21日16:00 DPR探测的超级单体云团的近地面降水率分布(单位: mm·h-1;灰度为地形海拔高度, 单位: m; 黑实线为DPR轨道的两侧边沿, AB、CD为现图 10剖面沿线) Fig. 4 The distribution of near-surface rain rate (unit: mm·h-1) for the supercell cloud measured by DPR at 16∶00 UTC on May 21, 2018 (The gray scale represented for the altitude of the terrain, unit: m. The solid black line represented for both sides of GPM swath, line AB and line CD are the lines of the cross-section in Fig. 10).

图 5 2018年5月21日16∶00 GMI 6个垂直极化通道观测的超级单体云团微波亮温分布(单位: K) Fig. 5 The distribution of microwave bright temperature (unit: K) for supercell cloud observed by GMI six vertical polarization channels at 16∶00 UTC on May 21, 2018.

图 6 DPR的地面降水强度(RR)与AGRI的10.8μm通道亮温(TB)的散点图 Fig. 6 The scatterplot of the surface rain rate measured by DPR with the brightness temperature observed by AGRI 10.8 μm channel.

图 7 ERA5再分析资料给出的2018年5月21日16∶00超级单体云团地面风场(a, 单位: m·s-1)、500 hPa位势高度场(b, 单位: gpm)、500 hPa垂直速度(c, 单位: Pa·s-1)和700 hPa散度(d, 单位: 105 s-1)的分布(图a和b中的灰度为地形海拔高度, 单位: km) Fig. 7 The distribution of (a) surface wind field (unit: m·s-1), (b) potential height field (unit: gpm), (c) vertical velocity (unit: Pa·s-1) on 500 hPa, and (d) divergence (unit: 105 s-1) on 700 hPa for the supercell cloud generated by ERA5 reanalysis data at 16∶00 UTC on May 21, 2018 (The gray scale in a and b is the topographic altitude, unit: km).

GPM的DPR探测的近地面降水强度如图 4所示,DPR共探测到155 191个降水像元,其中对流降水像元63 978个(占降水像元的41.2%)、层状降水像元81 712个(占降水像元的52.7%),其它类型降水9 501个(占降水像元的6.1%)。图 4表明重庆附近地区地面出现的瞬时降水强度超过30 mm·h-1。从地形的海拔高度分布看,强雨区大体位于云贵高原与四川盆地交界处至盆地的西南部;在四川盆地北部同时存在一片松散雨区,强度相对弱。

GMI 6个垂直极化通道探测的超级单体云团微波亮温分布如图 5所示,它表明超级单体的西南、南和东部均为一致的高亮温区(红色区域),该区域与AGRI的热红外通道探测的暖区吻合(图 3),说明GMI的低频至高频通道均能反映陆面暖区,但低频通道10.6 GHz、18.7 GHz和23 GHz亮温却不能给出超级单体云团的轮廓,这是因为云中降水粒子的发射信号被陆面发射信号所淹没,这也是为什么被动微波低频信号不用来反演陆面降水的原因。而洋面上行辐射相对其上降水粒子上行辐射是一冷辐射背景,所以被动微波低频通道可以用于洋面降水反演(Fu and Liu, 2001Liu et al., 2001王雨等,2006Wang et al., 2009)。但从37 GHz的亮温分布已能看出超级单体云团的轮廓(图 5d),因为该通道可以对降水云中的冰粒子散射信号也有响应,图 5中亮温低于250 K的区域对应降水云中的冰相区;89 GHz和166 GHz的亮温分布给出了与AGRI热红外探测基本一致的超级单体云团轮廓,但这两个微波通道亮温分布却出现小块状分布(尺度比热红外亮温小),由此可判定该超级单体云团存在非均匀冰相粒子组成的次尺度云团。89 GHz和166 GHz通道相比,后者的亮温分布与AGRI的10.8 μm通道亮温分布更接近,低于260 K覆盖范围对应AGRI 10.8 μm通道低于200 K的分布区域,由此可知166 GHz通道非常适合对冰云的遥感。

在数据和方法一节中,已将AGRI 10.8 μm通道亮温与DPR的降水在DPR像元上进行了融合,且这种融合未使得AGRI 10.8 μm通道亮温歪曲,因此利用这个融合数据,便能分析这次超级单体云团地面降水强度与云顶10.8 μm通道亮温之间的联系(如图 6所示)。图 6表明弱降水(小于10 mm·h-1)相应的降水云顶亮温变化位于195~295 K之间;中等降水(大于10 mm·h-1且小于30 mm·h-1)相应的亮温变化位于195~265 K之间,即该降水强度相应的云顶不会为液相,只能是冰相或混合相;而强降水(大于30 mm·h-1)相应的亮温则低于220 K (除去一个点),即强降水云顶为冰相。上述说明地面降水强度越大,降水云顶趋于越高。另一方面,也说明用10.8 μm通道亮温来反演地面降水有很大的不确定度,因为该通道只表征了云顶高度信息(间接体现云顶相态),而不能反映从云顶至云底发生的云降水物理过程信息。

2.2 天气形势及大气稳定度

为了解这次超级单体云团发生的天气背景,利用ERA5绘制了DPR观测时间的地面风、500 hPa位势高度和垂直速度、700 hPa散度的分布(图 7)。可以看到地面强降水区北部偏北气流与南部偏南气流在超级单体云团形成的一个辐合区(图 7a),还可以看到云团的雨区地处复杂地形,雨区西部和西南部的海拔高度约1 500 m以上,东部和北部海拔高度迅速降低至500 m以下。雨区在500 hPa位势高度上对应低压区(图 7b),它位于30°N以北、103°E以西的低压槽前的底部,因此槽后的青藏高原东部西北气流携带较冷空气会注入超级单体云团,故图 3中AGRI 10.8 μm通道亮温显示超级单体云团处于冷暖交汇区。另一方面图 7b中27°N以南的西南-东北走向分布的等高线,表明有西南气流携带暖湿空气从青藏高原东部流向超级单体云团。这种大尺度天气背景就造成了500 hPa高度包括超级单体云团在内大范围的大气低层强烈的气流辐合运动(图 7d)和强烈的上升运动(图 7c)。

对照图 4暴雨东北部的无降水区,它与图 7cd雨区东部的500 hPa下沉运动区和700 hPa辐散区对应,说明ERA5对此次发生在复杂山地超级单体云团降水的大气参数描述值得肯定。对照图 7图 5可知,GMI的89 GHz和166 GHz通道亮温低于250 K和180 K区域与500 hPa上升运动区吻合,说明强上升运动造成的冰云区,均被GMI高频通道有效观测。但700 hPa的辐散与500 hPa的下沉运动区,不能与GMI这些通道亮温对应,说明GMI观测的有些云区与ERA5的大气参数分布存在差异。图 3中10.8 μm通道亮温分布与ERA5的700 hPa辐散及500 hPa下沉运动区也不能很好对应。上述说明ERA5再分析资料给出的大气参数对云的表征还存在一定的困难,这是天气模式及资料同化未来需要努力提升的方面。

暴雨尤其是超级单体云团暴雨,通常发生在不稳定大气层结情况下。为了解这次超级单体云团降水发生前的大气层结状况,利用云团区最近的温江探空站大气温湿风观测结果,分析了5月20日00∶00-22日12∶00的大气层结。图 8a显示5月20日00∶00 700 hPa以下的大气接近饱和,400 hPa以上的大气比较干燥,850-500 hPa高度为西南气流,而在250 hPa及其以上高度为西北气流。12 h后干燥空气已经下沉至600 hPa高度,且大气自700-200 hPa出现了不稳定能量区,大气饱和厚度也变薄,500 hPa高度的风向从12 h前的西南风变成了西北风(图 8b),这些均表明高空有冷平流下沉,使得大气变得不稳定。图 8b中的大气层结状况基本持续12 h,只是400 hPa以上高空风向发生了变化,如20日12∶00 400 hPa以上为西北气流,而21日00∶00 300-200 hPa已变成东南或南风,说明这12 h内高空偏暖气流向北推进(图 8c)。到21日12:00,大气不稳定区变厚,已伸展至850 hPa,850-150 hPa气柱盛行西南或偏西气流,因此整层大气湿度增大(图 8d)。这一厚湿度层在22日00:00最为明显(图 8e),此时大气不稳定能量已经释放,探空站发生降水,并造成500 hPa高度以下大气温度下降。图 8f显示因降水已经结束,500 hPa高度以下大气已变得干燥,而在其上的600- 400 hPa高度,应该有高云存在,因为温湿廓线显示这个高度大气湿润。

图 8 2018年5月20—22日温江站探空的大气温湿风廓线 Fig. 8 The profiles of atmospheric temperature, humidity and wind derived from the sounding at Wenjiang station from May 20 to 22, 2018.

由探空温湿廓线计算的对流性有效位能(CAPE) (表略),自20日00∶00-21日12∶00,CAPE从1 129 J·kg-1持续增加至2 758 J·kg-1,随后12 h稍有减少(2 634 J·kg-1),CAPE为此次超级单体云团暴雨发生提供了能量,而随着超级单体云团暴雨过程的结束,大气CAPE迅速减小至35 J·kg-1。(总体上,这次超级单体云团暴雨发生在一个深厚的大气不稳定层结中,它是由大气低层偏南暖湿空气与高空偏西北干冷空气叠加而形成的对流性不稳定能量区)。一次超级单体暴雨爆发需要多少大气不稳定能量?这是一个值得研究的问题。

2.3 云物理参数特征

我国地基测雨雷达通常采用体扫方式对降水云进行探测,即给定探测仰角,测雨雷达360°扫描,获得锥面上的降水回波(如仰角为零,则为平面上的降水回波)。与地基测雨雷达探测方式不同,DPR的两部雷达以一定角度跨轨道扫描,这种探测方式与TRMM的PR类似。通常降水云体的上部粒子比下部小,因此星载测雨雷达自上向下探测方式较地基雷达自下向上探测方式,雷达波束衰减小,有利于探测降水云上部结构,如降水回波顶高度等。傅云飞等(2012)曾利用PR探测结果,揭示了夏季亚洲对流降水和层状降水回波顶高度的空间分布特征、降水回波高度与地表降水强度之间的关系,Chen等(2016)揭示了热带和副热带降水回波顶高度的季节变化及其随地表降水强度变化的关系。

图 9a为DPR探测的此次超级单体云团降水回波顶高度的分布,表明强降水对应的降水回波顶高度分布不均,绝大部分均超过10 km,半数左右超过12 km,它们基本上对应图 9d中的对流降水,说明该超级单体云团中的对流非常深厚。图 9b为超级单体云团降水的最大回波强度,它是每一条雷达反射率廓线的最大反射率的空间分布,故它们并不分布在同一高度。结合图 9bc可见,超级单体降水最大回波强度大于40 dBz的高度基本上位于4-5 km,且大部分对应图 9d中的对流降水,说明这些部位的粒子大、粒子浓度高,但强烈的上升运动托举效应,使得它们高度较高;最大回波强度30~40 dBz基本对应图 9d中的层状降水,它们在图 9c中对应的高度小于5 km;而最大回波强度小于25 dBz对应高度基本上均超过7 km,且位于超级单体云团的外侧或边沿,说明这些回波很可能是超级单体云团上部辐散出流而形成,它们对应图 9d中的其它类型降水,但地面并未出现降水(图 4相应部位),由此可判定这些是超级单体云团顶部向外飘出的云砧,由于贴近超级单体云团主体,云砧较厚,这与傅云飞等(2010)Yang等(2015)利用PR探测发现的情况类似。此外,图 9d中对流降水与层状降水交织,说明超级单体云团内存在不同类型降水,估计会伴随不同的动力结构,如上升运动分布不均匀等,对此需要更精细的观测来研究。

图 9 GPM DPR探测的降水回波顶高度(a, 单位: km)、最大回波强度(b, 单位: dBz)、最大回波强度高度(c, 单位: km)和降水类型(d)的空间分布(灰度为地形海拔高度, 单位: m) Fig. 9 (a) Spatial distribution of precipitation echo top height (unit: km), (b) the maximum echo (unit: dBz), (c) the height of the maximum echo (unit: km) and (d) precipitation type measured by GPM DPR (The gray scale is topographic altitude (unit: m).

为了更好地理解超级单体云团降水的垂直结构,图 10给出DPR沿图 4中AB线和CD线探测的降水回波强度、粒子浓度参数(dBN0)和粒子有效半径(D0)的剖面。分析图 10ab可知,降水发生在山地与平地过渡区,最高地形的海拔高度近4 km;最大回波强度超过50 dBz,位于山脚区,其回波顶高度超过12 km,最高达16 km,是否突破了对流层顶高度,成为穿透性对流还有待进一步分析。穿透性对流是由于对流发展强盛,其顶部穿透了对流层顶高度而得名,刘鹏等(2012)Xian和Fu (2015)曾利用PR探测结果及结合COSMIC (Constellation Observing System for Meteorology Ionosphere and Climate)掩星观测反演的对流层顶高度,揭示了穿透性对流活动在热带及副热带的空间分布特征。除了超过40 dBz的对流云柱外,还存在小于30 dBz的弱降水剖面,它们已经呈现了层状降水的特点,如图 10a中靠近右边的弱降水已经出现了亮带,它与强对流中部(5 km高度)边沿伸出的云砧相连;整个剖面上的回波强度呈现非均匀分布,反映了超级单体云团暴雨内复杂的热力和动力结构特点。

图 10 DPR沿图 4中AB线和CD线探测的降水回波强度(a、b, 单位: dBz)、粒子浓度参数dBN0(c、d)和粒子有效半径D0(e、f, 单位: mm)剖面 Fig. 10 (a, b) The cross-section of precipitation echo (unit: dBz), (c, d) particle concentration parameter dBN0 and (e, f) particle effective radius D0 (unit: mm) measured by DPR along line AB and line CD as shown in Fig. 4.

图 10cd为降水粒子浓度参数(dBN0)剖面,它由DPR的Ku和Ka双频雷探测结果反演而来(张奡祺和傅云飞,2018)。综合图 10ace可知,其中间两个强对流的左侧强对流,其降水回波强度超过45 dBz,但大部分dBN0小于35,而对应的降水粒子有效半径(D0)大(大部分超过2 mm);类似的情况也出现在图 10bdf左侧山脚强对流云柱中。但图 10ace中间两个强对流的右侧强对流的情况则不同,其降水回波强度也超过45 dBz,可dBN0较大(35~40),D0却相对小于(大部分小于2 mm)。由雷达气象原理可知,降水回波强度主要由降水粒子尺度大小和粒子谱决定,粒子尺度大但数量少与粒子尺度小但数量多,可以产生同样强度的回波。DPR双频雷达探测的优点之一就是可以揭示降水云中粒子大小和浓度的空间分布,这对深入研究云微物理参数与气溶胶的作用、云热力参数结构(如潜热廓线等)均具有重要意义。

图 10ab中的层状降水(右侧),它们的回波强度皆小于35 dBz,对应的dBN0小于35、D0分布在1~2 mm之间,皆比对流降水相应的参数小。图 10bdf右侧还显示,DPR探测到云体上部相连、下部分离的情况,这些皆表明超级单体云团边沿出现复杂次级单体生消的特点。

为了进一步了解GMI各通道对超级单体云团冰水结构的观测能力,图 11给出沿图 4中AB线和CD线的GMI低频垂直极化通道差曲线、AGRI的10.8 μm通道亮温曲线及89 GHz通道的修正极化差曲线。从中可见,10.8 μm通道亮温仅表现了沿AB和CD剖面云顶低温,均低于220 K (图 11cd),即云顶为冰云,但看不出对流降水与层状降水的云顶差异。这也是前人研究指出的热红外通道(如GPI指数)难以反演层状降水强度的原因(Arkin and Meisner, 1987)。但GMI低频垂直极化通道与高频89 GHz垂直极化通道的差、89 GHz极化修正PCT89则能显示对流降水与层状降水的差异。图 11ab表明对流降水区的18.7 GHz与89 GHz、10.7 GHz与89 GHz的垂直极化差值较层状降水区的大,这是因为89 GHz信号主要来自冰粒子散射贡献,冰粒子多,则亮温低;无冰粒子,则亮温高;而18.7 GHz和10.7 GHz主要反映液态水粒子的发射信号,水粒子越多,亮温则越高。因此,少(无)冰粒子时,低频与高频通道的差值小,这一情况对应层状降水;而多冰粒子时,如强对流云,则差值大。从图 11中大体可以判断18.7 GHz与89 GHz、10.7 GHz与89 GHz的垂直极化差值大于70对应于对流降水区。对于37 GHz通道则情况复杂,因为该通道接收信号既有来自冰粒子的散射信号,还有水粒子的发射信号,因此云中冰粒子多时,它与89 GHz的差值则小,而水粒子多时,差值则大(图 11ab),故37 GHz与89 GHz的垂直极化差值不能有效地表现对流降水与层状降水的差异。

图 11 沿图 4中AB线和CD线的GMI垂直通道的极化差曲线(a、b)、AGRI热红外通道亮温曲线及89 GHz通道的修正极化差曲线(c、d) Fig. 11 (a, b) Curves of the vertical polarization differences between GMI channels, and (c, d) brightness temperature of AGRI thermal infrared channel and correction polarization difference at GMI 89 GHz channel along line AB and CD as shown in Fig. 4.

89 GHz的极化修正亮温(PCT89)是利用该通道垂直极化与水平极化对冰粒子散射的差异,对两个极化信号进行的组合,通常能很好地反映云中冰粒子的多少。对照图 10ab,可见图 11cdPCT89曲线在对流区值大(大于210 K),但在云砧区,PCT89也表现了高值(图 10b右侧和图 11d右侧),因此在利用PCT89反演对流降水时,必须首先用卷云识别技术,如二氧化碳切片法(Chang and Li, 2005)等。

超级单体云团内存在对流降水和层状降水,且它们非均匀分布在超级单体内,了解这些对流降水和层状降水的整体垂直结构特点,有助于从整体上认知超级单体云团的降水结构特征。图 12给出由超级单体云团内所有降水、层状降水和对流降水的回波反射率因子廓线计算的概率密度随高度分布(distribution of probability sensity with height, DPDH),图 12a表明降水回波强度分布在15~60 dBz之间,在5 km以下高度,0.05%的降水回波强度分布在30~40 dBz之间,5 km高度以上,15~30 dBz的比例高于0.05%,这种分布与层状降水的PDF_DH类似(见图 12b),只是大部分层状降水的最大回波强度小于40 dBz,且在5 km出现了明显亮带。相比之下,图 12c给出的对流降水DPHD呈现明显的“弓状”形状,且40~50 dBz的回波强度比例高,这些与先前利用PR探测研究的结果类似(夏静雯和傅云飞,2016Wang and Fu, 2017)。此外,图 12显示超级单体的回波顶高度主要在9-12 km (比例超过0.05%),少数超过15 km (比例小于0.01%)。

图 12 超级单体云团内所有降水(a)、层状降水(b)和对流降水(c)的降水回波反射率因子的概率密度随高度分布(DPDH) Fig. 12 The distribution of probability density with height for precipitation echo reflectivity factor (unit: dBz) with height for (a) precipitation, (b) stratiform precipitation and (c) convective precipitation in supercell cloud.

图 12相对应的超级单体云团降水、层状降水和对流降水的dBN0D0的PDF_DH如图 1314所示,总体上超级单体云团dBN0D0的分布与层状降水的相近,这是因为层状降水的比例高,统计计算就失去了对流降水的细节,因此在进行分析时一定要分类统计。从图 13b14b中可以看到,层状降水的dBN0主要分布在30~35之间,且5-11 km高度浓度粒子的比例多于5 km以下高度;D0主要分布在0.8~2.0 mm之间,且6-11 km高度大粒子的比例高。这与热带洋面的层状降水机制类似,热带地区层状降水多由对流降水后期对流衰减,导致对流云上部大量冰粒子下降至零度层融化,进而产生均匀而雨强有限的降水。因此可以推断这次超级单体云团中的层状降水也是对流衰减产生,它与陆面锋面的层状降水机理不同。

图 13 降水(a)、层状降水(b)、对流降水(c)的降水粒子浓度参数(dBN0)的概率密度随高度分布(DPDH) Fig. 13 The distribution of probability density with height for particle concentration parameter dBN0 with height for (a) precipitation, (b) stratiform precipitation and (c) convective precipitation in supercell cloud.

图 14 降水(a)、层状降水(b)、对流降水(c)的粒子有效半径(D0)的概率密度随高度分布(DPDH) Fig. 14 The distribution of probability density fwith height for particle effective radius D0 (unit: mm) with height for (a) precipitation, (b) stratiform precipitation and (c) convective precipitation in supercell cloud.

对于对流降水,图 13b表明这类降水的dBN0明显比层状降水的大,大部分分布于30~40之间,且没有显示垂直方向上的分布差异;但图 14b表明对流降水的D0在6 km以上主要分布在0.8~1.5 mm之间,在这个高度以下明显增大(主要分布在1.5~2.5 mm之间),且随着高度的降低,D0不断增大。这清楚地表现了对流降水在零度层以下的粒子碰并增长过程(Liu and Fu, 2001Fu and Liu, 2003)。结合图 12可知,超级单体云团中的对流降水和层状降水的回波强度主要由降水粒子大小来决定,浓度参数的分布为次要因子。

3 结论

目前对超级单体云团降水回波结构的认知仍有限,尤其对中国西部复杂地形里出现的超级单体云团缺乏有效探测。本文采用GPM DPR和GMI的探测结果,结合FY-4A静止卫星的AGRI 10.8 μm通道观测结果、地面探空站的温湿风观测结果及REA5再分析数据,提出参量(回波反射率因子、粒子有效半径和粒子浓度参数) 的垂直方向概率密度分布方法,结合雷达回波反射率因子剖面方法,分析了2018年5月21日重庆附近的一次超级单体云团的降水结构特征,得出以下结论:

(1) AGRI的10.8 μm通道亮温分布、REA5再分析数据和探空资料分析表明,该超级单体云团由西北向东南运动的冷空气与西南暖湿气流交汇而产生。再分析气象参数分布表明,超级单体云团发生在大气低层偏北气流与南部偏南气流的一个辐合区内,在500 hPa高度,超级单体云团位于低压槽的底部,槽后青藏高原东部的西北冷气流与其南部西南暖湿气流的汇合区。这种大尺度天气背景为超级单体云团发展提供了大气低层强烈的气流辐合运动、强烈的上升运动和深厚的大气不稳定层结,12 h内大气对流性不稳定能量增加了1 500 J·kg-1以上,而超级单体云团结束时,大气对流性不稳定能量迅速减小至35 J·kg-1

(2) GPM的测雨雷达探测表明,超级单体云团的强雨区大体位于云贵高原与四川盆地交界处至盆地的西南部,四川盆地北部同时存在一片松散强度弱的雨区;GMI高频通道观测表明,该超级单体云团中具有很多的冰相粒子。超级单体云团内存在不同类型的降水(对流降水和层状降水),降水回波顶高度超过10 km (半数超过12 km),最高达16 km,很可能成为穿透性对流;最大回波强度大于40 dBz的高度基本上位于地面上空4-5 km。超级单体云团内对流降水的粒子浓度和粒子尺度呈现非单一对应关系,如降水回波强度超过40 dBz时,粒子浓度可以小于40或大于40,前者对应的粒子尺度大,而后者相应的粒子尺度则小。层状降水的回波强度皆小于35 dBz,对应粒子浓度和尺度均比对流降水的小。GMI的18.7 GHz与89 GHz、10.7 GHz与89 GHz的垂直极化差值大于70对应于对流降水区。

(3) DPR探测反演的粒子浓度和尺度垂直分布表明,对流降水的粒子浓度多介于30~40之间,没有显示垂直方向上的分布差异;粒子尺度在6 km以上分布于0.8~1.5 mm之间,6 km高度以下明显增大(1.5~2.5 mm之间)。层状降水的粒子浓度分布于30~35之间,且粒子浓度在5-11 km高度大于5 km以下高度;粒子尺度分布在0.8~2.0 mm之间。

参考文献
丁一汇. 1994. 暴雨和中尺度气象学问题[J]. 气象学报, 52(3): 274-284. DOI:10.3321/j.issn:0577-6619.1994.03.005
杜小玲, 陶诗言, 张顺利. 2004. 梅雨锋上的三类暴雨[J]. 大气科学, 28(2): 187-205. DOI:10.3878/j.issn.1006-9895.2004.02.03
杜小玲, 杨静, 彭芳, 等. 2013. 贵州望谟初夏暴雨环境场和物理量场合成分析[J]. 高原气象, 32(5): 1400-1413.
傅云飞. 2019. 卫星主被动仪器遥感中国暴雨的研究进展[J]. 暴雨灾害, 38(5): 554-563. DOI:10.3969/j.issn.1004-9045.2019.05.0016
傅云飞, 曹爱琴, 李天奕, 等. 2012. 星载测雨雷达探测的夏季亚洲对流与层云降水雨顶高度气候特征[J]. 气象学报, 70(3): 436-451.
傅云飞, 李宏图, 自勇. 2007. TRMM卫星探测青藏高原谷地的降水云结构个例分析[J]. 高原气象, 26(1): 98-106. DOI:10.3321/j.issn:1000-0534.2007.01.012
傅云飞, 冯沙, 刘鹏, 等. 2010. 热带测雨卫星测雨雷达探测的亚洲夏季积雨云云砧[J]. 气象学报, 68(2): 195-206. DOI:10.3969/j.issn.1006-8775.2010.02.012
傅云飞, 张爱民, 刘勇, 等. 2008. 基于星载测雨雷达探测的亚洲对流和层云降水季尺度特征分析[J]. 气象学报, 66(5): 730-746. DOI:10.3321/j.issn:0577-6619.2008.05.007
高守亭, 赵思雄, 周小平, 等. 2003. 次天气尺度及中尺度暴雨系统研究进展[J]. 大气科学, 27(4): 618-627. DOI:10.3878/j.issn.1006-9895.2003.04.13
高守亭, 周玉淑, 冉令坤. 2018. 我国暴雨形成机理及预报方法研究进展[J]. 大气科学, 42(4): 833-846.
郭其蕴. 1985. 东亚夏季风的变化与中国降水[J]. 热带气象学报, 1(1): 44-52.
胡伯威, 崔春光, 房春花. 2001. 1998年7月21—22日鄂东沿江连日特大暴雨成因探讨[J]. 大气科学, 25(4): 479-491. DOI:10.3878/j.issn.1006-9895.2001.04.05
黄明策, 李江南, 农孟松, 等. 2010. 一次华南西部低涡切变特大暴雨的中尺度特征分析[J]. 气象学报, 68(5): 748-762.
李锐, 傅云飞, 赵萍. 2005. 利用热带测雨卫星的测雨雷达资料对1997/1998年El Ni?o后期热带太平洋降水结构的研究[J]. 大气科学, 29(2): 225-235.
廖移山, 冯新, 石燕, 等. 2011. 2008年"7.22"襄樊特大暴雨的天气学机理分析及地形的影响[J]. 气象学报, 69(6): 945-955.
刘黎平, 邵爱梅, 葛润生, 等. 2004. 一次混合云暴雨过程风场中尺度结构的双多普勒雷达观测研究[J]. 大气科学, 28(2): 278-284. DOI:10.3878/j.issn.1006-9895.2004.02.10
刘鹏, 王雨, 冯沙, 等. 2012. 冬、夏季热带及副热带穿透性对流气候特征分析[J]. 大气科学, 36(3): 579-589.
刘奇, 傅云飞, 刘国胜. 2007. 夏季青藏高原与东亚及热带的降水廓线差异分析[J]. 中国科学技术大学学报, 37(8): 885-894. DOI:10.3969/j.issn.0253-2778.2007.08.011
刘淑媛, 孙健, 王洪庆, 等. 2007. 香港特大暴雨β中尺度线状对流三维结构研究[J]. 大气科学, 31(2): 353-363. DOI:10.3878/j.issn.1006-9895.2007.02.16
姜勇强, 王元. 2010. 地形对1998年7月鄂东特大暴雨鞍型场的影响[J]. 高原气象, 29(2): 297-308.
乔林, 陈涛, 路秀娟. 2009. 黔西南一次中尺度暴雨的数值模拟诊断研究[J]. 大气科学, 33(3): 537-550. DOI:10.3878/j.issn.1006-9895.2009.03.11
沈新勇, 倪允琪, 沈桐立, 等. 2005. β中尺度暴雨系统发生发展的一种可能物理机制Ⅱ. 涡旋Rossby波的形成[J]. 大气科学, 29(6): 854-863. DOI:10.3878/j.issn.1006-9895.2005.06.02
陶诗言, 方宗义, 蔡则怡, 等. 1980. 中国之暴雨[M]. 北京: 科学出版社, 225.
王宝鉴, 黄玉霞, 魏栋, 等. 2017. TRMM卫星对青藏高原东坡一次大暴雨强降水结构的研究[J]. 气象学报, 75(6): 966-980.
王成鑫, 高守亭, 梁莉, 等. 2013. 动力因子对地形影响下的四川暴雨落区的诊断分析[J]. 大气科学, 37(5): 1099-1110.
王芬, 谷晓平, 李腹广, 等. 2016. 黔西南一次低涡切变型暴雨的中尺度分析[J]. 沙漠与绿洲气象, 9(5): 41-46.
王雨, 傅云飞, 刘国胜. 2006. 热带测雨卫星TMI探测结果对非降水云液态水路径的反演方案研究[J]. 气象学报, 64(4): 443-452. DOI:10.3321/j.issn:0577-6619.2006.04.005
吴哲红, 虞苏青, 丁治英, 等. 2008. 贵州地区一次暴雨的数值模拟及不稳定性诊断分析[J]. 高原气象, 27(6): 1307-1314.
夏静雯, 傅云飞. 2016. 东亚与南亚雨季对流和层云降水云内的温湿结构特征分析[J]. 大气科学, 40(3): 563-580.
肖递祥, 毛家勋, 李庆. 2010. "09.7"四川攀西暴雨的MCS特征及其成因分析[J]. 暴雨灾害, 29(1): 54-58, 80. DOI:10.3969/j.issn.1004-9045.2010.01.009
徐祥德, 翁永辉, 孟智勇, 等. 2002. 卫星资料变分分析"98·7"武汉-黄石地区特大暴雨中尺度锋面对流特征[J]. 大气科学, 26(6): 845-856. DOI:10.3878/j.issn.1006-9895.2002.06.12
叶成志, 潘志祥, 刘志雄, 等. 2007. "03.7"湘西北特大致洪暴雨的触发机制数值研究[J]. 应用气象学报, (4): 468-478. DOI:10.3969/j.issn.1001-7313.2007.04.007
翟丹华, 刘德, 李强, 等. 2014. 引发重庆中西部暴雨的西南低涡特征分析[J]. 高原气象, 33(1): 140-147.
张奡祺, 傅云飞. 2018. GPM卫星双频测雨雷达探测降水结构的个例特征分析[J]. 大气科学, 42(1): 33-51.
张培昌, 杜秉玉, 戴铁丕. 2001. 雷达气象学[M]. 北京: 气象出版社.
周长艳, 唐信英, 邓彪. 2015. 一次四川特大暴雨灾害降水特征及水汽来源分析[J]. 高原气象, 34(6): 1636-1647.
Arkin P A, Meisner B N. 1987. The relationship between large-scale convective rainfall and cold cloud over the Western Hemisphere during 1982-1984[J]. Mon Wea Rev, 115: 51-74. DOI:10.1175/1520-0493(1987)115<0051:TRBLSC>2.0.CO;2
Braga R, Vila D A. 2014. Investigating the ice water path in convective cloud life cycles to improve passive microwave rainfall retrievals[J]. J Hydrometeorology, 15(4): 1486-1497. DOI:10.1175/JHM-D-13-0206.1
Chang F L, Li Z Q. 2005. A New method for detection of cirrus overlapping water clouds and determination of their optical properties[J]. J Atmos Sci, 62: 3993-4009. DOI:10.1175/JAS3578.1
Chen F J, Fu Y F, Liu P, et al. 2016. Seasonal variability of storm top altitudes in the tropics and subtropics observed by TRMM PR[J]. Atmospheric Research, 169: 113-126. DOI:10.1016/j.atmosres.2015.09.017
Fu Y F, Lin Y H, Liu G S, et al. 2003. Seasonal characteristics of precipitation in 1998 over East Asia as derived from TRMM PR[J]. Advances in Atmospheric Sciences, 20(4): 511-529. DOI:10.1007/BF02915495
Fu Y F, Liu G S. 2001. The variability of tropical precipitation profiles and its impact on microwave brightness temperatures as inferred from TRMM data[J]. Journal of Applied Meteorology, 40(12): 2130-2143. DOI:10.1175/1520-0450(2001)040<2130:TVOTPP>2.0.CO;2
Fu Y F, Liu G S. 2003. Precipitation characteristics in mid-latitude East Asia as observed by TRMM PR and TMI[J]. Journal of the Meteorological Society of Japan, 81(6): 1353-1369.
Fu Y F, Pan X, Xian T, et al. 2018. Precipitation characteristics over the steep slope of the Himalayas in rainy season observed by TRMM PR and VIRS[J]. Climate Dynamics, 51(5-6): 1971-1989. DOI:10.1007/s00382-017-3992-3
Fu Y F, Qin F. 2014. Summer daytime precipitation in ice, mixed and water phase as viewed by PR and VIRS in tropics and subtropics. Remote sensing of the atmosphere, clouds, and Precipitation V [C]// Eastwood IM, Song Y, Peng Z (eds) Proc. of SPIE, 9259: 925906 © 2014 SPIE CCC code: 0277-786X/14/$18. doi: 10.1117/12.2069128
Hamada A, Takayabu Y N. 2016. Improvements in detection of light precipitation with the Global Precipitation Measurement dual-frequency precipitation radar (GPMDPR)[J]. J Atmos Oceanic Technol, 33: 653-667. DOI:10.1175/JTECH-D-15-0097.1
Hersbach H, Bell B, Berrisford P, et al. 2020. The ERA5 global reanalysis[J]. Q J R Meteorol Soc: 1-51.
Hobbs P V. 1989. Research on clouds and precipitation - past, present, and future[J]. Bulletin of the American Meteorological Society, 70(3): 282-285. DOI:10.1175/1520-0477-70.3.282
Hou A Y, Kakar R K, Neeck S, et al. 2014. The global precipitation measurement mission[J]. Bulletin of the American Meteorological Society, 95(5): 701-722. DOI:10.1175/BAMS-D-13-00164.1
Houze R A. 1981. Structures of atmospheric precipitation systems-a global survey[J]. Radio Science, 16(5): 671-689. DOI:10.1029/RS016i005p00671
Iguchi T, Seto S, Meneghini R, et al. 2012. An overview of the precipitation retrieval algorithm for the Dualfrequency Precipitation Radar (DPR) on the Global Precipitation Measurement (GPM) mission's core satellite [C]// Earth Observing Missions and Sensors: Development, Implementation, and Characterization Ⅱ, 85281C. doi: 10.1117/12.977352
Kotsuki S, Terasaki K, Miyoshi T. 2014. GPM/DPR precipitation compared with a 3.5-km-resolution NICAM simulation[J]. Sola, 10: 204-209. DOI:10.2151/sola.2014-043
Li R, Shao W C, Guo J C, et al. 2019. A simplified algorithm to estimate latent heatingrate using verticalrainfall profiles over the Tibetan Plateau[J]. J Geophy Res: Atmos, 124: 942-963. DOI:10.1029/2018JD029297
Liu G S, Curry J A, Haggerty J A, et al. 2001. Retrieval and characterization of cloud liquid water path using airborne passive microwave data during INDOEX[J]. Journal of Geophysical Research-Atmospheres, 106(D22): 28719-28730. DOI:10.1029/2000JD900782
Liu G S, Fu Y F. 2001. The characteristics of tropical precipitation profiles as inferred from satellite radar measurements[J]. Journal of the Meteorological Society of Japan, 79(1): 131-143.
Liu G, Takeda T. 1989. Two types of stratiform precipitating clouds associated with cyclones[J]. Tenki, 36(3): 147-157.
Marks F D, Houze R A. 1987. Inner core structure of hurricane Alicia from airborne Doppler radar observations[J]. Journal of the Atmospheric Sciences, 44(9): 1296-1317. DOI:10.1175/1520-0469(1987)044<1296:ICSOHA>2.0.CO;2
Rogers R, Reasor P, Lorsolo S. 2013. Airborne doppler observations of the inner-core structural differences between intensifying and steady-state tropical cyclones[J]. Monthly Weather Review, 141(9): 2970-2991. DOI:10.1175/MWR-D-12-00357.1
Rose C R, Chandrasekar V. 2006. A GPM dual-frequency retrieval algorithm: DSD profile-optimization method[J]. Journal of Atmospheric and Oceanic Technology, 23(10): 1372-1383. DOI:10.1175/JTECH1921.1
Szoke E J, Zipser E J, Jorgensen D P. 1986. A radar study of convective cells in mesoscale systems in gate 1: Vertical profile statistics and comparison with hurricanes[J]. Journal of the Atmospheric Sciences, 43(2): 182-197. DOI:10.1175/1520-0469(1986)043<0182:ARSOCC>2.0.CO;2
Wang R, Fu Y F. 2017. Structural characteristics of atmospheric temperature and humidity inside clouds of convective and stratiform precipitation in the rainy season over East Asia[J]. Journal of Meteorological Research, 31(5): 890-905. DOI:10.1007/s13351-017-7038-x
Wang Y, Fu Y F, Liu G S, et al. 2009. A new water vapor algorithm for TRMM Microwave Imager (TMI) measurements based on a log linear relationship[J]. Journal of Geophysical Research, 114: D21304. DOI:10.1029/2008JD011057
Xian T, Fu Y F. 2015. Characteristics of tropopause-penetrating convection determined by TRMM and COSMIC GPS radio occultation measurements[J]. Journal of Geophysical Research: Atmospheres, 120(14): 7006-7024. DOI:10.1002/2014JD022633
Yang Y J, Lu D R, Fu Y F, et al. 2015. Spectral characteristics of tropical anvils obtained by combining TRMM precipitation radar with visible and infrared scanner data[J]. Pure and Applied Geophysics, 172(6): 1717-1733. DOI:10.1007/s00024-014-0965-x
Zhang A Q, Fu Y F. 2018. Life cycle effects on the vertical structure of precipitation in east china measured by Himawari-8 and GPM DPR[J]. Monthly Weather Review, 146(7): 2183-2199. DOI:10.1175/MWR-D-18-0085.1
Zhang A Q, Chen Y L, Zhang X D, et al. 2020. Structure of cyclonic precipitation in the northern pacific storm track measured by GPM DPR[J]. Journal of Hydrometeorology, 21(2): 227-240. DOI:10.1175/JHM-D-19-0161.1
Zipser E J, Lutz K R. 1994. The vertical profile of radar reflectivity of convective cells- a strong indicator of storm intensity and lightning probability[J]. Monthly Weather Review, 122(8): 1751-1759. DOI:10.1175/1520-0493(1994)122<1751:TVPORR>2.0.CO;2