2016, Vol. 59
京津冀城市群包括北京市、天津市和河北省石家庄、唐山、保定、秦皇岛、廊坊、沧州、承德、张家口，面积为18.34万km2，人口近9000万.其中从西北部的太行山、燕山山脉交界到东南的渤海湾一线，即北京—廊坊—天津居住了近4000万人口.该地区地形、地貌复杂，以强降水、雾和霾为代表的高影响天气频发，产生了严重的社会影响和造成巨大经济损失(孙明生等，2013).这些高影响天气事件往往与该地区特殊地形和地方性风场(海陆风、山谷风、城市热岛环流等)密切相关(孙继松等，2006，孙继松和杨波，2008；苏福庆，2004a；2004b；任阵海等，2004； 王跃，2014).
不少学者对该地区地方性风场和低层大气风场进行了研究.早在20世纪80年代，周明煜等(1980)和李玉英等(1982)就对北京城市热岛及相应的城市风场特征进行了分析.王喜全等(2008)利用地面气象观测资料对北京城区热岛环流对山地—平原风的调节作用进行了讨论.王桂玲和蒋维楣(2006)对该地区低层风场进行分析，认为流场垂直分布主要由地形和背景风场共同决定.蔡旭辉等(2002)用风场诊断方法和实际观测资料对北京地区低层大气背景流动情况进行分析，将该地区大气流动从总体上分为秋冬型和春夏型.秋冬型更易受强天气系统影响，春夏型则多表现为局地中尺度热力环流特征.胡小明等(2005)利用北京地区地面气象观测资料，分析了北京冬夏地面风场特征，揭示出该地区典型的山谷风特征.数值模拟结果与地面观测资料有较好的印证(Hu et al.，2005).游春华等(2006)利用ARPS模式模拟了京津地区夏季边界层大气背景流场，并与风场诊断模式和实际观测资料获取逐时低层大气流场进行比较，结果表明：京津地区夏季受昼夜循环山谷风、海陆风影响显著，山谷风最大影响范围可覆盖该区域平原地区，海陆风影响范围可伸入陆地100 km左右，在这两种作用共同影响下，凌晨风向发生更替时在山前会出现一条汇聚带.Liu等(2009)对京津冀地区低层大气环流做了更为深入和全面的数值模拟研究，认为在弱天气系统控制下，该地区大气边界层中可同时存在海陆风、山谷风和城市热岛环流，同时三者还存在明显耦合效应.三种环流的耦合作用在该地区西北部山地与平原交界地带形成一条大致沿地形等高线走向的风场辐合带.张亦洲等(2013)对京津冀地区夏季海风进行了数值模拟，研究了城市对海风形成、发展、推进和消亡过程的影响.高时空密度风廓线观测资料则可以揭示更精细低层风场特征，如基于多个系留汽艇观测资料对北京地区夏季夜间的低空急流特征进行分析(李炬和舒文军，2008)，但该研究受制于系留汽艇观测高度偏低(通常在1 km以下)、观测频次和观测站点偏少的限制.这些研究通过观测资料分析、客观诊断方法、数值模拟等手段，从不同侧面揭示了该地区大气低层风场的特征.由于缺乏高时空密度的风垂直观测资料，进而无法对研究结果、数值模式模拟结果进行更好地解释和验证.
风廓线雷达可以认为是一种全天候连续测风仪器，能够获取单点高时空分辨率风廓线观测资料.如在一定区域进行多部风廓线雷达加密布站、同步观测，则可提高该区域不同高度风场水平空间分辨率.本文利用京津冀城市群地区2010年夏季近一个月6部风廓线雷达同步观测资料，研究了该地区夏季低空风场分布特征和演变规律，讨论了风廓线雷达布局并给出布局建议.
2 仪器和资料 2.1 观测仪器和站点分布本文利用2010年夏季在京津冀地区组织一次外场观测实验(李炬和窦军霞，2014)资料，包括北京、天津两地6个观测站：小汤山、海淀气象局、南郊观象台、榆垡镇、武清区气象局、大港气象局风廓线雷达同步观测资料，各站位置见图 1.其中，5部爱尔达公司生产AIRDA-3000型边界层风廓线雷达分别安放在小汤山、南郊观象台、榆垡镇、武清区气象局、大港气象局.1部二十三所生产的边界层风廓线雷达(CFL-03B型)放置在海淀区气象局.两种不同型号风廓线雷达均通过中国气象局组织的国产风廓线雷达对比测试(吴蕾等，2013).各观测站地理信息及风廓线雷达仪器型号见表 1.
|
图 1 观测站点分布图 Fig. 1 Site map for wind profilers |
|
表 1 风廓线观测站点与仪器 Table 1 Locations and types of wind profilers |
本文所用风廓线雷达观测资料从2010年7月31日00:00至2010年8月30日24:00，共31个完整自然日.AIRDA-3000型风廓线雷达数据采用厂家提供软件进行30 min平均，并通过调整窗口宽度、误差门限，去掉明显短时间孤立干扰，之后导出水平风速、风向、垂直速度、信噪比、谱宽、CN2.对于CFL-03B型风廓线雷达数据，则利用6 min一组观测数据进行30 min平均，数据质控采用厂家缺省参数进行，观测要素包括：水平风速、风向、垂直速度、CN2.为便于功率谱分析和小波分析，对缺测数据按相同高度时间序列资料进行了线性内插.对于水平风向(0~360°)时间序列资料，如风向发生第一、第四象限转换即跨越0°/360°，频谱分析会产生虚假周期信号，因此谱分析和小波分析没有直接用风向资料，转而用水平风u和v分量.不同型号风廓线雷达的风廓线产品垂直高度分层不同，在进行相同高度资料对比时，选用最为接近的高度资料进行比较.垂直速度由于受降水影响大，不在文中讨论，仅针对水平风速、u和v分量等进行讨论和分析. 3 风频谱特征分析 3.1 单站风频谱特征
图 2给出观象台水平风速(ws)、风速u和风速v分量不同高度的功率谱分析结果.不同高度水平风速变化频率特征并不相同.低层300 m以下有明显日变化周期峰值.此外，还有8 h左右弱周期峰值.随高度上升，周期特征发生改变.650 m出现明显2 天周期峰值，在12 h附近有较弱周期峰值.从650 m高度向上至1050 m左右，12 h周期峰值变弱，2 天周期峰值继续维持.从1500~2050 m，12 h周期峰值重新出现并有所加强(图略).在2050 m，除明显2 天周期峰值外，还有1 天左右周期峰值.至3000 m，6—12 h周期峰值仍然存在，但2天左右周期峰值已不明显.在各个高度上均存在5—10天(天气尺度)周期特征.
|
图 2 观象台水平风速(ws)(a)、u分量(b)、v分量(c)的不同高度功率谱 Fig. 2 Power spectra of horizontal wind speed (a), u-component (b) and v-component (c) at elevation levels from 50 m to 3000 m. The grey dash line indicates the power-law scaling of -5/3. |
u分量(东风和西风)在低层300 m其特征与水平风速类似，有强日变化周期.不同的是，日变化周期信号可以延伸到1050 m.另外，低层有8 h周期变化且存在气层厚度更薄(仅在50 m和150 m高度存在).对所有高度而言，3—5天周期峰值明显.在低层，小于1天周期峰值显著，主要周期信号在8 h左右(在50 m、150 m).从1000 m向上，12 h周期峰值更为显著.v分量(南风和北风)的频谱特征不同于u分量，天气尺度周期(5—10天区间的周期)峰值在各高度层上均很清晰，有别于u分量的3—5天长周期信号.显著的日变化周期或准日变化周期从近地面到1000 m范围均能维持.在2050 m，日变化周期峰值仍微弱存在，3000 m高度该信号基本消失.8 h左右周期峰值可以在300 m以上维持.随着高度继续上升.从650 m到2000 m，均能看到4 h左右周期峰值.从50 m向上至1800 m，一直存在准12 h周期(大于12 h，小于24 h)峰值.2000 m之上，则表现为12 h周期.2 天左右周期可分布在从50 m到500 m左右高度区间上.从600 m向上，3天或准3天周期峰值明显，尤其是在2000 m以上的各层.
从图 2还可看出，对于大于8 h频率的高频区在150、300、650、1050 m和2050 m高度，其水平风速风功率谱近似符合-5/3幂函数分布.u分量功率谱大于1/4天频率的高频部分在150 m、300 m和3000 m也基本符合-5/3幂函数分布.v分量功率谱在150、300、650 m和3000 m高度上其8 h频率高频区也近似满足-5/3幂函数分布.
3.2 不同站点风频谱特征比较利用多个观测站风廓线同步观测资料，可以对比不同位置、不同高度风的频谱，进而了解其地域分布特征.海淀是唯一采用不同风廓线雷达型号的测站，其观测数据的垂直分层也不同于与其他测站.为消除不同厂家/型号风廓线雷达影响，对比时不考虑海淀站，只对5个同厂家同型号风廓线雷达观测数据进行比较.从最北部小汤山站到最南端大港站，海拔高度依次递减，站间最大海拔高度差小于100 m.考虑到站点之间海拔高度相差不大，为便于比较忽略了站点海拔高度差异，采用相同离地高度的观测数据进行测站间比较.
图 3可以看出，小汤山、观象台、榆垡、武清和大港等5站的水平风速功率谱长周期(大于等于1 天)的站间差异要小于短周期(小于1 天)的站间差异.从不同高度分布看，越接近地面，功率谱周期特征差异越明显.对比150 m与2050 m功率谱，前者最北端和最南端测站周期特征明显与3个中间测站不同.而与低空相比在高空(如2050 m)，各测站的长周期(大于等于1 天)变化特征更加趋同.日变化周期信号在垂直方向分布显示出明显地域特点.小汤山站离山地最近，其日变化周期信号从低层到高层能够维持和到达的高度为所有测站最高.大港站地处海边，受海洋影响在1 km下表现出与其他测站相异的周期特征.这种越靠近山地其日变化周期信号从低层向上维持和到达高度比距离山地远的测站高的现象，可能与地形作用密切有关，将在风的日变化特征一节中做进一步讨论.
|
图 3 小汤山、观象台、榆垡、武清、大港水平风速(ws)(A)、u分量(B)、v分量(C)不同高度功率谱 Fig. 3 Power spectra of horizontal wind speed (1st row), u-component (2nd row) and v-component (3rd row) at elevation level of 150 m (1st column), 650 m (2nd column) and 2050m (3rd column) of 6 wind profiler stations. The grey dash line indicates the power-law scaling of -5/3. |
风的u分量在各个高度上基本都有日变化周期信号存在，而v分量日变化周期信号仅在低层明显，高层不显著.比较大于1 天的周期信号，对于各测站、不同高度，u分量较为明显的周期信号为3—5 天，而v分量则是5—10天明显的周期信号，更加接近于天气系统7天左右的周期信号.此外，v分量还有2—3天周期信号.
4 小波分析 4.1 水平风速(ws)功率谱分析结果能够识别和侦测变量在指定时间范围内的主要周期信号特征.对多部风廓线雷达资料进行功率谱分析，可以获得低层大气风速谱的主要周期特征及其空间分布差异，但该方法不能给出周期信号随时间变化的特征.而用小波分析则可以进一步揭示出这些周期的时间变化特征，进而讨论空间差异.为此，对观象台站各高度水平风速、u和v风分量进行小波分析，母小波采用Morlet(Christopher et al.，1998).图 4给出能量谱和对应时刻水平风速、u和v分量以及降水量.黑色轮廓线所包含区域为通过95%置信度检验区域.
|
图 4 观象台不同高度水平风速小波分析150 m(a)、650 m(b)、1050 m(c)、2050 m(d)和逐小时降水量(e) Fig. 4 Wavelet power spectra of horizontal wind speed at 150 m (a), 650 m (b), 1050 m (c), 2050 m (d) and hourly precipitation (e) of Guanxiangtai station |
从水平风速小波分析结果看，低层显著日变化主要对应于8月26—29日区间，部分对应于8月18—20日、8月4—5日区间.650 m高度功率谱，存在大范围48 h周期区域.对应于观测期间的主要3次降水过程，低层普遍有小于24 h高频周期，每次过程特征不同.8月4日降水过程，50 m高度存在3 h以内、6—8 h、12—24 h的周期显著区，并可向上拓展至200 m高度.之上至800 m左右，仅有12 h左右周期维持，并随高度逐渐减弱.8月18—19日降水过程，高频周期信号可以从下向上维持到1800 m左右.8月20日降水过程，50 m到250 m范围内可以看到明显的3 h以内周期，超过250 m后该周期信号即不显著.3次降水过程中后2次过程12 h周期信号均不明显.这些现象可能说明不同类型降水过程、不同降水系统强度、深厚程度等差异，导致风功率谱周期信号有明显差异.
对其他测站水平风速同样进行小波分析(图略)，在所选资料范围内，海淀站共出现4次降水过程，其中7—8日降水为弱降水.各次降水过程均有小于24 h高频周期信号.24 h周期信号主要分布在600 m以下，具体而言，日变化周期信号明显时段有7月31日—8月5日、8月14—16日.8月26—29日，在600 m高度以下日变周期不明显，之上则明显.8月19—20日降水过程，从300 m高度向上存在明显小于3 h周期信号(小汤山站也有类似的特征).小于3 h高频周期在8月21日降水过程并不显著.8月4—5日降水，仅在低层某些高度有小于3 h周期信号.榆垡站在8月21日降水过程，高频信号可以从低层到高层稳定存在.但8月19—20日过程，高频特征不明显.日变化特征主要出现在8月26—29日、8月14—16日(2000 m以下).在7月31—8月1日、8月5—6日期间，低层1000 m以下还有12 h周期.武清站其日变化周期信号主要出现在8月20—29日，高度在950 m以上.在8月14—15日、21—23日、28日，850 m高度以下有明显12 h周期.在8月19—20日，高频信号可从低层一直延续到3000 m左右.类似的特征还在8月31日出现.大港站明显的日变化信号主要出现在8月26—8月29日、7月31日和8月1日(1150 m以下).在8月15日，1300 m以下有12 h周期.小于12 h的周期，主要集中在8月22—24日、25—29日的400 m高度以下.
4.2 u分量为便于分析不同来向气流周期信号特征，对u、v风分量进行了小波分析(图略).观象台站u分量分析结果中24 h周期信号可以存在于各个高度上.对降水过程而言，仅8月18—19日过程有小于24 h的短周期信号，分布在50 m到1800 m高度范围.小汤山站8月19日高频信号明显，且从低层到3000 m均有分布.海淀站24 h周期信号可以存在于各个高度上.8月18—19日降水过程，从360 m高度开始在各高度均有小于24 h周期信号.数小时的高频周期信号主要出现在7月31日、8月4—5日、8日、11日、13日、29—30日低层几百米以下.但在8月11号，高频信号可从低层一直持续到1700 m左右.榆垡站u分量日变化信号仅在少数时间段内可见.在8月21日，高频信号持续到1800 m高度左右.武清站在8月18、19日，高频信号明显，且能从低层延续到2400 m.7月31—8月1日，在750 m以下也有高频信号.此外，在8月4、6日也有高频信号.日变化信号主要出现在8月15—17日(1000 m以上变化明显)、23—29日(1300 m以下).12 h周期信号主要出现在19日1000 m以下.大港站在8月23—24日从750 m开始出现高频信号.日变化信号主要出现在8月7日、8月15—16日(850 m开始到3000 m)、8月18—19日(300 m以下)、8月23—29日(1300 m以下). 4.3 v分量
观象台站v分量其日变化周期信号主要存在于2000 m高度以下，之上则48 h周期信号更显著.对应3次降水过程，仅在250 m以下有小于24 h的短周期信号.小汤山站低层日变化周期明显.8月19日从400 m高度向上，高频信号持续且明显.海淀站v分量日变化周期信号主要存在于2000 m高度以下，之上48 h周期信号更显著.8月19日540 m以上高频信号持续且明显.榆垡站日变化信号仅在少数时间出现.在8月21日，高频信号能持续到3000 m高度.武清站日变化信号从400 m高度向上比较明显.在1000 m以下，高频信号明显.其中，8月19日高频信号可以在更高的高度出现.大港站日变化信号在1000 m以下明显.有些时段，在400 m以下，有12 h周期.高频信号很少出现.
5 平均风日变化特征计算了平原地区6个站每0.5 h风廓线的u、v分量，对此进行整个观测时段(31 天)平均，得到每0.5 h的平均u、v分量.据此计算出0.5 h水平风速和风向，并绘制各站平均风矢量的日变化图(见图 5).总体而言，各站水平风在5:00—6:00、20:00—21:00区间存在明显风速和风向转换.0:00—5:00和21:00—24:00一般为大风速区，风向以偏东风为主.高层多为东北风，低层为偏东或东北风，但各站特征并不相同.两个转换区之间(6:00—20:00)，低层一般为小风速区，随高度上升，风速逐渐加大，并有可能成为日变化风速的高值区间.在该时段内，高层多为西北风，低层变化复杂.对比各站平均风日变化图，低层(约1500 m以下)风向变化差异明显.图 5蓝色阴影区标识出了偏南风.从图 5可以看出，按偏南风出现时间从早到晚排序，大港站最早(9:00)，其他依次为小汤山、榆垡、观象台、海淀，武清最晚(14:00左右).对照各站地面自动站10 m风观测(图略)，偏南风出现时间也有类似现象.大港由于离海洋最近受海风影响，风向转成偏南风时间最早.小汤山离山地最近，受谷风影响，偏南风出现时间次之.这个结论与胡小明等(2005)地面资料分析结果一致，也印证了Liu等(2009)的模拟结果.对风向随高度变化特征做进一步分析，发现偏南风维持时间随高度递减，并在某一高度转成偏北风，定义该高度为偏南风影响厚度.各站偏南风影响厚度从大到小依次为：小汤山1700 m、海淀1500 m、观象台650 m、榆垡950 m、武清1200 m、大港650 m.各站偏南风影响厚度以及偏南风持续时间的差异，在某种程度上反映出局地风场系统(山谷风、海陆风等)的影响和作用.可以看到，由于离山地距离最近，小汤山、海淀站受山谷风影响最明显，其偏南风高度也最高.大港站离海洋最近，其风向日变化特征基本与海陆风过程相对应.观象台、榆垡、武清站地处海洋和山地之间的平原地带，受到山谷风、海陆风综合影响.武清站出现偏南风的时间最晚，有可能是海风从海岸沿线向内陆深入影响所致.需要注意的是，图中偏南风即包含了局地风场系统的影响，也包含了其他大尺度天气系统、中小尺度对流系统等的影响.这种偏南风日变化特征，正是上述多种因子共同影响的体现.
|
图 5 各站平均风矢量的日变化图(含偏南风的风矢量用蓝色阴影表示) Fig. 5 Vector mean diurnal winds at 6 wind profiler stations (The blue shadow indicates southerly wind vectors) |
(1)本文所选观测资料大部分是非降水时段资料，同时也包含了一些降水过程时段资料.以观象台站为例，期间主要有3次降水过程，有降水观测资料时长总计约为48 h.这些降水过程资料对上述统计分析结果有多大影响，下面对此进行一些讨论.风廓线雷达主要以晴空大气作为探测对象，但也能在降水时进行观测获取数据，因而常常被视作全天候测风仪器.风廓线雷达测风原理有一个重要假设前提：大气水平分层均匀.即在同一探测高度上，风廓线雷达各波束指向点位置处风向风速相同.以仰角为75°的斜波束为例，到3 km高度波束之间最大距离只有2.8 km左右.因此，“大气水平分层均匀”假设在大多数情况下容易满足.但对于降水过程，特别是对流性降水，由于往往伴随着强上升和下沉运动，可能会导致水平均匀假设不成立，从而影响风廓线雷达观测结果的准确性.邓闯等(2012)、吴蕾等(2014)的研究表明，晴空条件下风廓线雷达水平风测量准确性最高，均匀性降水其测量准确性仍能保持在较好的范围内.非均匀性降水条件下，单次波束测量风速的离散方差较大，但经多次探测平均后风速能达到所需精度.Wuertz等(1998)研究了降水对风廓线雷达观测的影响，并用风廓线雷达观测的垂直速度，对降水过程的资料进行订正.研究结果表明：对于均匀性降水，在样本平均时间内，由于垂直速度是一个常数，且在各波束方向上相同，用垂直速度对资料进行订正后，观测精度较订正前有明显改善.对于非均匀降水，对测量资料进行较长时间平均也可以获得较好精度测风资料.由于本文所用风廓线雷达测风资料是30 min平均结果，在一定程度上可以减小非均匀降水对探测精度的影响.
(2)上文功率谱分析和小波分析结果中，出现了数小时高频周期信号特征，且多发生在降水过程时段.这些与降水过程相伴的高频信号其起因如何、对应风场特征又有什么特点？下面以8月22日降水过程为例进行分析.图 6为8月21—22日3500 m高度范围水平风速变化.从图可看到，降水发生后及降水过程中低层几百米高度出现大的风速强弱变化起伏，同时段高层也有大的风速强弱变化和起伏.高层风速波动和加强先于底层发生，并有向下扩展趋势.这种现象，与刘淑媛等研究发现相似(刘淑媛，2003; 古红萍等，2008)：降水过程高层风速起伏和波动引发动量下传，引起低空扰动加强，高层动量下传与之后的雨量增强之间存在着正反馈机制.对本文所用资料其他降水过程的分析也有类似的现象，在此不再赘述.降水过程这种特殊的风速波动和起伏，解释了为何降水过程中会经常出现数小时的高频变化周期信号，而且高频信号更易在底层和高层出现.
|
图 6 8月21日—22日降水过程水平风速演变(a)、逐小时降水量(b) Fig. 6 Horizontal wind speed (a) and hourly precipitation (b) during the heavy rain case from 21, Aug. to 22, Aug. |
(3)本文功率谱分析的结果中，不同测站、不同高度风功率谱在大于1 天频率的高频区均能看到满足或近似满足-5/3幂函数分布规律的现象.Kolmogorov(1941)提出的著名的惯性副区湍流能谱-5/3分布律，主要适用于惯性副区各向同性湍流.该理论不断地被后来众多国内外研究所证实.国外研究发现这不仅适用于小尺度，对于几十、几百公里尺度动能和势能谱也遵循-5/3分布规律(Lily，1983; Nastrom et al.，1984; Cho et al.，1999a；1999b).大气化学气体(O3，SO2等)和气溶胶(PM10)浓度的功率谱在高于日变化的高频区间也遵循-5/3分布律(Hsu et al.，2011).这些研究采用资料多为近地面资料.Ruan等(2014)对1~5 km的风廓线雷达资料个例进行了谱分析，发现在稳定天气条件下，在2×10-5~2×10-3/s湍流谱符合幂指数规律，但是其指数在-0.82和-1.04之间，明显偏离-5/3规律.本文分析的风谱范围覆盖了从离地50 m到3500 m，在部分高度、高频区间(频率大于日变化)风速功率谱满足或近似满足-5/3分布.以水平风速功率谱为例，在高频区1 km以下高度更容易满足-5/3分布.不同地点观测站的风功率谱分布形态有所差异(见图 3).在1 km以下，大港站其功率谱分布与-5/3分布最为接近.其他平原测站武清、榆垡、观象台在部分高度也近似满足-5/3分布，最为靠近山地的小汤山和海淀站有所偏差.本文的研究结果支持了过去用近地层资料得到的-5/3次功率谱规律，而且还表明在更大的高度范围内风速功率谱也可满足-5/3规律.
(4)风廓线雷达作为能够全天候、连续观测风廓线的测量仪器，其资料已广为应用.我国在很多地方布设了风廓线雷达，在一些经济发达地区如上海等地还建成了稠密(几十公里间距)的风廓线雷达网，并且还有不少省市计划建设风廓线雷达网.如何科学合理地布局风廓线雷达形成风廓线雷达网，是当前风廓线雷达布网中亟待解决的问题.在风廓线雷达组网布局中，首先要对单站风廓线雷达观测的代表性有清晰的认识.利用京津冀多部风廓线雷达同步观测资料，本文尝试对风廓线雷达观测代表性进行分析，进而讨论风廓线雷达组网和布点方法.对不同地点风廓线雷达观测结果进行了相关分析，即对相同高度同一观测量进行站与站的两两相关分析.由于海淀站风廓线雷达型号与其他站点不同，其风廓线垂直分层高度也与其他站点相异.为方便起见，只对除海淀之外的其余5个站点进行了两两相关分析，相关系数均通过95%信度检验.图 7是水平风速、u和v分量各站两两相关系数随高度分布.表 2给出了各站之间距离.站间两两相关系数基本上与站间距成反比.以水平风速为例，站距最远的小汤山—大港其相关系数在大多数高度上均为最小，站距最近的观象台—榆垡相关系数在大多数情况为最大.对于其他观测量，也有类似的结果.对于多数两两相关系数，在低层(1000 m以下)随高度均有明显的突变.突变发生高度不同站点对并不相同，在500 m左右居多.发生突变之后，随高度上升相关系数快速增加，在到达2000 m以后相关系数增加减慢或缓慢下降.这种现象，反映出近地层(大约几百米)高度范围内下垫面对风的影响作用最大.由于风向存在0—360°过界问题，为分析不同来向气流条件下站间相关系数随高度变化，分析了u和v分量各站间相关系数随高度变化.总体而言，u分量相关系数要小于v分量.u分量相关系数在500 m以下基本上从低层向高层单调递增，到达2000 m左右，相关系数稳定少变.500 m以下，相关系数随高度也有突变点.这个结果表明了东西来向气流的水平分布特征：即2000 m之上变化很小，近地层几百米变化大.对v分量的分析结果与u分量有明显差异.对大多数两两测站而言，1500 m是转折点，之上变化小，之下变化大.低层相关系数的突变点在500 m左右最明显.此外，各站与武清站的相关系数在低层变化最大，突变点高度均在500 m左右.由于v分量代表南北方向气流，通常情况下，v分量与山谷风、海陆风等局地风场系统紧密联系.武清地处北部山地和东南海洋之间的平原过渡地带，该站观测到的风与其他测站的结果在低层存在明显差异，这在前面的分析结果中也有所反映.这表明了由于武清站其地理位置特殊导致影响风场与其他测站不同.对其他风廓线雷达观测参量的相关分析也有类似结果，如对信噪比进行相关分析，其相关系数随高度变化类似于水平风速和u分量随高度变化(图略)，2000 m左右是一个明显分界点.2000 m以上各站观测结果之间相关好，2000 m以下到地面相关系数迅速递减.在1000 m以下有剧烈波动.反映出不同位置低层大气状况差异明显以及低层风廓线探测结果可能受到更多干扰.
|
图 7 各站不同高度水平风速(ws)(a)、u分量(b)、v分量(c)的相关系数 Fig. 7 Correlation coefficients between stations for horizontal wind speed (a), u-component (b) and v-component (c) from 50 m to 2500 m |
|
|
表 2 各观测站间距离(单位：km) Table 2 Distances between stations (unit: km) |
小汤山—大港两站距离最远(相距173 km)，即便如此在2000 m以上，无论是u、v分量相关系数能达到0.5以上.而在近地层(几百米)相关系数小且变化幅度大.这种低层变化明显的地域差异，究其原因一是由于风廓线雷达观测时采用一定仰角的倾斜波束和天顶指向的中波束配合，使得风廓线雷达在不同高度观测到的水平区域范围不同.自下而上，雷达照射的水平范围逐渐变大.在相同的平均时间内，低层水平风有更小的空间代表性.另一个原因是，离地越近气流受到下垫面的影响越明显.因此，建议在布设风廓线雷达站时，需要结合当地气候背景、局地风场特征和周边环境特点，在站点密度和位置上有针对性的设计，观测网要突出获取更多低层风场信息的目标.考虑到高层不同位置测站测风结果间有很好相关，出于节约经费和性价比考虑，可以采取1台对流层风廓线搭配几台边界层风廓线的组合方式进行布网.这样的组合和搭配，既能满足对边界层、对流层风观测一般需求，同时也可以获得水平和垂直方向更高分辨率的低层风场数据.利用对流层风廓线较高的探测高度，获取整个区域高空风，边界层风廓线则因地制宜，根据需要设置观测点以捕捉低层风场特征.风速功率谱分析显示出在8 h周期存在峰值，对于在有些降水过程(如图 6所示)，可能存在比8 h更高频率的变化.据此简单估算，在一般对流系统移动速度情况下，系统尺度量级可能在百公里左右，且内部可能存在更小尺度变化过程.因此，在需要进行风廓线探测的关键地区，还可以适当增加能够进行几百米高度范围风精细探测的仪器和设备，如铁塔、声雷达、激光雷达等.
7 结语本文利用京津冀城市群地区小汤山、海淀、观象台、榆垡、武清和大港6个观测站风廓线雷达夏季1个月观测资料，对其进行了谱分析、小波分析和站间相关分析，得到如下主要结果．
对风廓线雷达测风数据功率谱分析表明：该地区低层大气水平风存在明显的1天、2—3天、5—10天周期特征．各站大于1天周期的频谱特征差异小，而小于1天周期的频谱特征差异大．从频谱周期特征高度分布上看，越接近地面差异越明显，反之则不显著．在高层(2000 m以上)各站大于等于1天周期变化特征更加趋于一致．不同测站低层几百米高度上均有明显日变化周期．日变化周期信号的垂直高度分布显示出很强地域特点．靠近山地测站其日变化周期信号从低层向上持续并能到达的高度较距离山地远的测站高．对于u分量，日变化周期信号基本能存在于各个高度上，但对于v分量，低层显著而高层不显著．对于大于1天的周期信号，u分量主要表现为明显的3—5天周期，而v分量则表现为明显的5—10天周期．在部分高度、高频区间(频率大于日变化)风速功率谱满足近似-5/3分布．在高频区1 km以下高度更容易满足-5/3分布．不同地点观测站的风功率谱分布形态差异明显．
对各站风廓线雷达观测的风资料进行小波分析，揭示了低层风场主要周期的时间变化和分布特征．研究发现，对应于观测期间降水过程，各站在低层普遍有小于24 h高频周期．各站周期特征及其随高度分布在每次降水过程并不相同．对降水个例进行一步分析表明，降水过程往往伴随着高低空风速波动和起伏，且这些波动和起伏在频谱分析中表现为数小时高频周期信号．降水过程中，高空往往有动量下传，进而加强低空风扰动．高空动量下传与降水量增大有密切联系．u、v分量小波分析结果与功率谱分析结果类似，u分量日变化周期信号基本能存在于各个高度上，v分量日变化周期信号在低层显著而高层不显著．
对平均风矢量日变化分析结果显示，各站水平风在5:00—6:00、20:00—21:00区间有明显风速和风向转换．各站1500 m以下风向变化差异明显．中午前后各站地面风开始出现偏南风，并可持续到24:00．各站偏南风出现和持续时间、偏南风影响厚度各有特点，反映出不同地域受山谷风、海陆风综合影响和作用的结果．离海洋较近站点受海风影响，其偏南风出现时间最早，偏南风影响高度大约为几百米且随时间少变．离山地距离近站点受谷风影响，其偏南风高度也高，偏南风出现时间也较早．地处海洋和山地中间平原地带的站点，偏南风出现时间较前两类站点晚，偏南风影响厚度也较低，可能是受山谷风、海陆风相互作用的结果．
利用本文研究结果，对风廓线雷达布站和组网进行了讨论：对不同测站各高度风廓线雷达观测结果进行相关分析，站间相关系数随高度呈现出下低上高分布特点．相关系数在500 m和2000 m左右有突变点．单站风廓线雷达测风在低层的空间代表性要小于高层．利用这些特点，建议在风廓线雷达布局和组网时，可以采用1台对流层风廓线搭配多台边界层风廓线的方式组合方式进行组网和布局．结合当地气候背景、局地风场特征和需要，在站点密度和位置上进行有针对性的设计，增加更多的低层风场信息．
本文采用的多部风廓线雷达同步观测资料有限，研究工作也主要针对夏季京津冀地区风场特征来进行．今后，将收集和利用更长时间的风廓线雷达网观测资料，包括其他城市和地区的观测资料，开展观测区域内低层大气风场特征分析、风廓线雷达网评估、以及风廓线雷达网布局和组网技术研究．
| [1] | Cai X H, Guo Y, Liu H Z, et al. 2002. Flow patterns of lower atmosphere over Beijing Area. Acta Scientiarum Naturalium Universitatis Pekinensis (in Chinese), 38(3): 387-392. |
| [2] | Cho J Y N, Zhu Y, Newell R E, et al. 1999a. Horizontal wavenumber spectra of winds, temperature, and trace gases during the Pacific Exploratory Missions: 1. Climatology. J. Geophys. Res., 104(D5): 5697-5716. |
| [3] | Cho J Y N, Newell R E, Barrick J D. 1999b. Horizontal wavenumber spectra of winds, temperature, and trace gases during the Pacific Exploratory Missions: 2. Gravity waves, quasi-two-dimensional turbulence, and vortical modes. J. Geophys. Res., 104(D13): 16297-16308. |
| [4] | Christopher T, Gilbert P C. 1998. A practical guide to wavelet analysis. Bulletin of American Meteorological Society, 79(1): 61-78. |
| [5] | Deng C, Ruan Z, Wei M, et al. 2012. The evaluation of wind measurement accuracy by wind profile radar. Journal of Applied Meteorological Science (in Chinese), 23(5): 523-533. |
| [6] | Gu H P, Ma S Q, Wang Y C, et al. 2008. Application of Airda-3000 boundary wind profile radar in analyzing Summer heavy rainfall in Beijing. Meteorological Science and Technology (in Chinese), 36(3): 300-304. |
| [7] | Hsu H M, Lin C Y, Guenther A, et al. 2011. Air-chemistry "turbulence": power-law scaling and statistical regularity. Atmos. Chem. Phys., 11: 8395-8413. |
| [8] | Hu X M, Liu S H, Liang F M, et al. 2005. Observational study of wind fields, temperature fields over Beijing area in Summer and Winter. Acta Scientiarum Naturalium Universitatis Pekinensis (in Chinese), 41(3): 399-407. |
| [9] | Hu X M, Liu S H, Wang Y C, et al. 2005. Numerical simulation of wind and temperature fields over Beijing Area in Summer. Acta Meteorologica Sinica, 19(1): 120-127. |
| [10] | Kolmogorov A N. 1941. The local structure of turbulence in incompressible viscous fluid for very large Reynolds' numbers. Doklady Akad. Nauk SSSR, 30: 301-305. |
| [11] | Li J, Shu W J. 2008. Observation and analysis of nocturnal low-level jet characteristics over Beijing in summer. Chinese J. Geophys. (in Chinese), 51(2): 360-368. |
| [12] | Li J, Dou J X. 2014. Progress in urban meteorological experiments in Beijing. Advances in Meteorological Science and Technology (in Chinese), 4(1): 36-45. |
| [13] | Li Y Y, Qu S H, Zhou M Y. 1982. Analysis of flow melds in Beijing area. Acta Scientiae Circumstantiae (in Chinese), 2(4): 351-356. |
| [14] | Lilly D K. 1983. Stratified turbulence and the mesoscale variability of the atmosphere. J. Atmos. Sci., 40(3): 749-761. |
| [15] | Liu S H, Liu Z X, Li J, et al. 2009. Numerical simulation for the coupling effect of local atmospheric circulations over the area of Beijing, Tianjin and Hebei Province. Sci. China Earth Sci., 52(3): 382-392. |
| [16] | Liu S Y, Zheng Y G, Tao Z Y. 2003. The analysis of the relationship between pulse of LLJ and heavy rain using wind profiler data. Journal of Tropical Meteorology (in Chinese), 19(3): 285-290. |
| [17] | Nastrom G D, Gage K S, Jasperson W H. 1984. Kinetic energy spectrum of large-and mesoscale atmospheric processes. Nature, 310(5972): 36-38. |
| [18] | Ren Z H, Wan B T, Yu T, et al. 2004. Influence of weather system of different scales on pollution boundary layer and the transport in horizontal current field. Research of Environmental Sciences (in Chinese), 17(1): 7-13. |
| [19] | Ruan Z, Mu R Q, Wei M, et al. 2014. Spectrum analysis of wind profiling radar measurements. Journal of Meteorological Research, 28(4): 656-667. |
| [20] | Su F Q, Ren Z H, Gao Q X, et al. 2004a. Convergence system of air contamination in boundary layer above Beijing and North China: Transportation convergence in boundary layer. Research of Environmental Sciences (in Chinese), 17(1): 21-25, 33. |
| [21] | Su F Q, Gao Q X, Zhang Z G, et al. 2004b. Transport pathways of pollutants from outside in atmosphere boundary layer. Research of Environmental Sciences (in Chinese), 17(1): 26-29, 40. |
| [22] | Sun J S, Wang H, Wang L, et al. 2006. The role of urban boundary layer in local convective torrential rain happening in Beijing on 10 July 2004. Chinese Journal of Atmospheric Sciences (in Chinese), 30(2): 221-234. |
| [23] | Sun J S, Yang B. 2008. Meso-β scale torrential rain affected by topography and the urban circulation. Chinese Journal of Atmospheric Sciences (in Chinese), 32(6): 1352-1364. |
| [24] | Sun M S, Li G W, Yi Q, et al. 2013. Analysis on the cause of a torrential rain occurring in Beijing on 21 July 2012 (I): Weather characteristics, stratification and water vapor conditions. Torrential Rain and Disasters (in Chinese), 32(3): 210-217. |
| [25] | Wang G L, Jiang W M. 2006. Characteristics of wind field in low layer over complex terrain. Journal of PLA University of Science and Technology (Natural Science Edition) (in Chinese), 7(5): 491-495. |
| [26] | Wang X Q, Wang Z F, Gong Y B, et al. 2008. Modulation of urban heat island circulation on mountain-plain wind in the Beijing area. Climatic and Environmental Research (in Chinese), 13(5): 639-644. |
| [27] | Wang Y, Wang L L, Zhao G N, et al. 2014. Analysis of different-scales circulation patterns and boundary layer structure of PM2.5 heavy pollutions in Beijing during winter. Climatic and Environmental Research (in Chinese), 19(2): 173-184. |
| [28] | Wu L, Chen H B, Gao Y C, et al. 2013. Primary analysis of the Comparision test of domestic wind profilers. Modern Radar (in Chinese), 35(6): 24-28. |
| [29] | Wu L, Chen H B, Kang X. 2014. Self-compared precision analysis of wind profiler measurements. Meteorological Science and Technology (in Chinese), 42(1): 38-41. |
| [30] | Wuertz D B, Weber B L, Strauch R G, et al. 1988. Effects of precipitation on UHF wind profiler measurements. Journal Atmospheric Oceanic Technology, 5(2): 450-465. |
| [31] | You C H, Cai X H, Song Y, et al. 2006. Local atmospheric circulations over Beijing-Tianjin Area in Summer. Acta Scientiarum Naturalium Universitatis Pekinensis (in Chinese), 42(6): 779-783. |
| [32] | Zhang Y Z, Miao S G, Dai Y J, et al. 2013. Numerical simulation of characteristics of summer clear day boundary layer in Beijing and the impact of urban underlying surface on sea breeze. Chinese J. Geophys. (in Chinese), 56(8): 2558-2573, doi: 10.6038/cjg20130806. |
| [33] | Zhou M Y, Qu S H, Li Y Y, et al. 1980. Heat island and the characteristics of its circulation over Beijing area. Environment Science (in Chinese), 1(5): 12-18. |
| [34] | 蔡旭晖, 郭昱, 刘辉志等. 2002. 北京地区低层大气流动模态研究. 北京大学学报(自然科学版), 38(3): 387-392. |
| [35] | 邓闯, 阮征, 魏鸣等. 2012. 风廓线雷达测风精度评估. 应用气象学报, 23(5): 523-533. |
| [36] | 古红萍, 马舒庆, 王迎春等. 2008. 边界层风廓线雷达资料在北京夏季强降水天气分析中的应用. 气象科技, 36(3): 300-304. |
| [37] | 胡小明, 刘树华, 梁福明等. 2005. 北京区域夏冬季风场、温度场的观测研究. 北京大学学报(自然科学版), 41(3): 399-407. |
| [38] | 李炬, 舒文军. 2008. 北京夏季夜间低空急流特征观测分析. 地球物理学报, 51(2): 360-368. |
| [39] | 李炬, 窦军霞. 2014. 北京城市气象观测试验进展. 气象科技进展, 4(1): 36-45. |
| [40] | 李玉英, 曲绍厚, 周明煜. 1982. 北京地区的流场分析. 环境科学学报, 2(4): 351-356. |
| [41] | 刘淑媛, 郑永光, 陶祖钰. 2003. 利用风廓线雷达资料分析低空急流的脉动与暴雨关系. 热带气象学报, 19(3): 285-290. |
| [42] | 任阵海, 万本太, 虞统等. 2004. 不同尺度大气系统对污染边界层的影响及其水平流场输送. 环境科学研究, 17(1): 7-13. |
| [43] | 苏福庆, 任阵海, 高庆先等. 2004a. 北京及华北平原边界层大气中污染物的汇聚系统——边界层输送汇. 环境科学研究, 17(1): 21-25, 33. |
| [44] | 苏福庆, 高庆先, 张志刚等. 2004b. 北京边界层外来污染物输送通道. 环境科学研究, 17(1): 26-29, 40. |
| [45] | 孙继松, 王华, 王令等. 2006. 城市边界层过程在北京2004年7月10日局地暴雨过程中的作用. 大气科学, 30(2): 221-234. |
| [46] | 孙继松, 杨波. 2008. 地形与城市环流共同作用下的β中尺度暴雨. 大气科学, 32(6): 1352-1364. |
| [47] | 孙明生, 李国旺, 尹青等. 2013. “7·21”北京特大暴雨成因分析(I): 天气特征、层结与水汽条件. 暴雨灾害, 32(3): 210-217. |
| [48] | 王桂玲, 蒋维楣. 2006. 复杂地形上的低层风场特征. 解放军理工大学学报(自然科学版), 7(5): 491-495. |
| [49] | 王喜全, 王自发, 龚晏邦等. 2008. 北京城区热岛环流对山地—平原风的调节作用. 气候与环境研究, 13(5): 639-644. |
| [50] | 王跃, 王莉莉, 赵广娜等. 2014. 北京冬季PM2.5重污染时段不同尺度环流形势及边界层结构分析. 气候与环境研究, 19(2): 173-184. |
| [51] | 吴蕾, 陈洪滨, 高玉春等. 2013. 国产风廓线雷达对比试验初步分析. 现代雷达, 35(6): 24-28. |
| [52] | 吴蕾, 陈洪滨, 康雪. 2014. 风廓线雷达自身对比精度分析. 气象科技, 42(1): 38-41. |
| [53] | 游春华, 蔡旭晖, 宋宇等. 2006. 京津地区夏季大气局地环流背景研究. 北京大学学报(自然科学版), 42(6): 779-783. |
| [54] | 张亦洲, 苗世光, 戴永久等. 2013. 北京夏季晴天边界层特征及城市下垫面对海风影响的数值模拟. 地球物理学报, 56(8): 2558-2573, doi: 10.6038/cjg20130806. |
| [55] | 周明煜, 曲绍厚, 李玉英等. 1980. 北京地区热岛和热岛环流特征. 环境科学, 1(5): 12-18. |