双偏振多普勒天气雷达能交替或同时发射和接收水平与垂直的偏振波，不仅能得到目标对两种不同偏振状态电磁波的后向散射信号强度的变化信息(水平反射率因子(Z_H))和相位(平均径向速度(V)、谱宽(W))，还能得到目标相对两种不同偏振状态电磁波后向散射回波的差异信息(差分反射率因子(Z_DR)、双程传播相位差(φ_DP)、差分传播相移(K_DP)、同步互相关系数(ρ_HV)和线性极化率(L_DR))。这些参量对于水成物的形状、尺寸、取向、相态等属性敏感，所以综合这些参量能够有效识别水成物的类型，有助于全面了解云和降水，特别是灾害性天气的形成机理及其微物理的变化过程(刘黎平等，1993，2002；Krehbiel et al，1996；Lund et al，2007)。

目前利用偏振雷达各参量识别水成物的算法主要有4种：决策树、统计决策、神经网络和模糊逻辑，原则上，几种算法都能有效区分水成物类型。Zadeh(1968)提出的模糊集合概念善于表达界限不清晰的定性知识与经验，可对模糊性对象进行精确的描述和处理。将这种方法应用到水成物识别中，最大的优点是不追求具体的降水粒子类型的量值，而是将回波信号分为各种等级，根据宽松的分级原则，可求得较为合适的结果，具有较强的扩充性和兼容性。理论上这种算法具有其他算法不可比拟的优势，在重叠数据及噪声数据的基础上具有清晰识别粒子的能力，且方法简单，是粒子识别法的最佳选择。在过去的十几年中，一些研究(Mandel，1995；Vivekanandan et al，1999； Liu et al，2000；Zrnić et al，2001；Lim et al，2005; Baldini et al，2005；Ryzhkov et al，2005； 曹俊武等，2005；Keränen et al，2007；Park et al，2009)直接或间接地证明模糊逻辑算法可有效识别水成物。

气象雷达所发射的微波波长在1—10 cm，在该频率下，瑞利散射效应最为强烈。这样可以确保雷达波的一部分能量能够从微粒表面反射回雷达站所在方向。如果雷达发射的脉冲波长更短，则可以检测更加微小的云滴，不过信号的衰减也更为严重。因此，在国际上10 cm波段(S波段)的气象雷达被广泛使用；3 cm(X波段)的雷达仅使用于超短距离范围内的监测；而1 cm(Ka波段)的雷达仅用于毛毛雨或雾等微粒天气现象的研究。双偏振技术应用在S和C波段雷达系统中已经几十年了，然而，现在才较广泛地应用在X波段雷达中。X波段雷达波长更短，适合做成移动雷达系统，然而，降水的衰减随着雷达波长的缩短而增大。但是，双偏振雷达提供了一些探测并校正衰减的方法，可弥补X波段雷达的主要缺点，因此，X波段双偏振雷达也逐渐开始得以发展。

最早利用偏振参量进行水成物粒子识别的算法是在S波段雷达观测数据中引入的。Doviak等(1993)、Straka等(2000)提出了S波段双偏振天气雷达观测中，不同水成物粒子对应的Z_H、Z_DR、φ_DP、K_DP、ρ_HV和L_DR的阈值。Straka等(2000)还引入了不同粒子对应的温度范围，与偏振参量联合识别水成物，提高了识别准确度。Park等(2009)针对WSR-88D雷达提出了一种基于模糊逻辑法的水成物粒子识别系统，应用了置信因子、偏振参量识别粒子能力的权重因子和融化层。这些改进对粒子的识别提供了相当大的灵活性，并提高了液态水成物和冻结水成物之间的识别能力。

由于降水粒子(特别是冰雹)对不同波长电磁波的散射特性不同，因此同一目标对不同雷达波长的影响特征不一样。常被S波段雷达忽略的米散射和衰减会对C和X波段雷达造成严重的影响。C和X波段雷达通常对于粒子形状和排列方向更敏感，因此，S波段雷达识别水成物时所用的各雷达探测资料参量的阈值不能直接应用到C和X波段雷达中。近期，一些与C波段雷达水成物粒子识别有关的工作取得了进展。例如：Baldini等(2005)利用亨茨维尔大学C波段ARMOR雷达探测数据及Keränen et al，2007利用赫尔辛基大学的C波段雷达探测数据分别评估了Lim等(2005)提出的针对科罗拉多大学S波段CHILL雷达的模糊逻辑水成物分类方法。Marzano等(2006)也提出了针对C波段雷达的模糊逻辑粒子识别方法，通过一个基于T矩阵的散射模式的模拟结果，得到了针对C波段雷达的10种不同类型的水成物的隶属函数。其算法仅使用了水平反射率(Z_H)和差分反射率因子(Z_DR)这两个偏振参量的集合。识别结果表明，这种方法粒子识别结果合理，可以很好地识别冰雹中心。Gourley等(2007)提出了针对C波段雷达的一种模糊逻辑粒子识别算法，目的是将降水回波从非降水回波中识别出来，隶属函数取决于模拟或人工观测的结果，并客观地赋予它们不同的权重。同时，也有一些与X波段雷达水成物粒子识别有关的研究得以开展。Iwanami等(2007)通过对比X波段偏振雷达和粒子成像探测器的观测资料得到了日本冬季雷暴云内水滴、冻雨、霰、冰雪聚合体和冰晶5种粒子对应的偏振参量和温度范围，并由此确定了模糊逻辑法中的β函数。Dolan等(2009)在T矩阵和米勒矩阵散射模式理论模拟的基础上建立了适于X波段雷达水成物识别的一维模糊逻辑隶属函数，水成物被分为雨、毛毛雨、冰雪聚合体、初始冰晶、低密度霰、高密度霰和垂直排列的冰晶7种，由于X波段雷达显著的米散射效应和衰减与大冰雹有关，所以并未考虑冰雹和混合相水成物。通过利用相似的粒子识别方法，对比X和S波段双偏振雷达分别对一个个例的识别结果，表明此方法与S波段雷达的水成物类型识别结果相似。此外，他们也用了仅包含反射率和温度的水成物识别算法来揭示基于偏振参量的水成物识别算法的优点，尤其是在识别冰相水成物和有一定取向的冰晶时。Snyder等(2010)使用X波段双偏振参量结合S波段天气雷达WSR-88D和KOUN的探测数据，测试了几个衰减校正程序。在此基础上，提出了一个强对流风暴模糊逻辑水成物粒子识别方法，这个方法参考KOUN探测数据，并进行了一些修改，使其适合于X波段雷达。Lim等(2013)提出了一种新的针对X波段雷达的模糊逻辑粒子识别方法用于降雨的估测。

强对流的起电、放电特征一定程度上依赖于雷暴内水成物粒子类型的分布。因此，为了得到雷暴云中不同水成物分布的时空特征，使其利于进一步探讨雷暴过程中对流、水成物粒子种类及分布与电活动特征的关系，利用中国科学院寒区旱区环境与工程研究所与国营第784厂雷达研究所合作研制的X波段双偏振多普勒天气雷达(714XDP)，配合已有的闪电宽带干涉仪、大气平均电场仪和快慢天线(电场变化仪)等仪器设备，结合常规气象站观测系统对中国西北平凉地区的雷暴云过程进行了观测研究。在观测资料基础上，利用模糊逻辑算法再结合环境温度，对水成物类型进行了识别。

为了研究强雷暴天气及其伴随的雷电、冰雹和局地暴洪等灾害天气的形成机理和防治技术，2004年中国科学院寒区旱区环境与工程研究所与国营第784厂雷达研究所合作研制了中国第一部车载可移动式X波段双偏振多普勒天气雷达(714XDP)(王致君等，2007；马学谦，2007)，该雷达能探测300 km范围内各种气象目标的大气风场及参量Z_H、Z_DR、K_DP、和ρ_HV。该雷达波长短，云和降水对其衰减大，所能探测目标的最大不模糊速度小，但在同样空间分辨率的情况下，其对弱云的探测灵敏度较高。对于最大不模糊速度问题，可通过提高雷达发射脉冲重复频率和采用参差发射技术来提高。

该雷达采用高相位稳定的全相参脉冲多普勒和双通道偏振体制，即利用一台发射机实现正交双路偏振信号同时发射和接收。整机有故障自动诊断和自动标定功能，保证了数据精度和雷达工作的可靠性，系统配备有双重频率退速度模糊和距离去模糊技术，具备良好的杂波抑制能力和对微弱信号的探测能力，能在低信噪比的条件下获得较高精度的结果。其主要性能指标见表 1。

2005—2007年，该雷达在甘肃平凉雷电与雹暴试验站(35°34′N，106°41′E，海拔1599.9 m)参与了夏季雷暴综合观测实验。该站安装了一套由虹吸式雨量筒、大气平均电场仪、闪电快慢电场变化测量仪和GPS系统构成的闪电综合观测平台。714XDP天气雷达放置在距该基地北面约500 m的开阔区域。

为了去除数据中的噪声、提高数据质量，以保证用于粒子识别的数据是可靠性最高的，所有采集的数据都必须经过预处理。对于Z_H、Z_DR和ρ_HV分别采用3、5和5点进行径向数据滤波。对φ_DP进行两次滤波，首先利用窗口大小为9点，对原始数据轻微滤波，然后利用窗口大小为25点，对第1次滤波后的数据再滤波，这样就可以将φ_DP的值控制在180°范围内。在计算K_DP时，针对不同的降水强度对φ_DP采用以上两种过滤方式，一般情况下，轻微降水的雷达分辨率(本研究中雷达分辨率选为0.3 km)经过滤波后在6 km左右，而强降水的雷达分辨率经过滤波后可控制在2 km内。ρ_HV与雷达标定、水成物浓度无关，但对雷达信噪比较为敏感，也易受到旁瓣回波和地物杂波的影响。Ryzhkov等(1998)发现地物杂波的ρ_HV为0.4—0.7，而水成物粒子的ρ_HV大于0.8。因此ρ_HV以0.85为起始值，可以滤除非气象因子，但为了保持原始数据的完整性，仍然保留观测数据，不剔除ρ_HV小于0.85的值。

由于降雨会对短波段雷达的Z_H和Z_DR造成明显的衰减，严重影响雷达的探测精度，因此必须对它们进行衰减订正。

Ryzhkov等(1996)指出，K_DP受雷达波的充塞系数的影响较小，它不受降水粒子衰减的影响。因此，K_DP在中到大雨的定量估测、衰减订正和雷达硬件标校等方面具有潜在优势。胡志群等(2008)提出了针对X波段双偏振雷达，同时利用Z_H和K_DP进行衰减订正的综合法。马学谦(2007)通过714XDP实测的资料对比了降雨强度(R)和K_DP的关系及水平回波反射率(Z_H)和降雨强度(R)的关系，得到了利用K_DP对Z_H和Z_DR进行衰减订正的式(1)、(2)，使订正后求出的雨量与实际观测降雨量一致。

点击浏览公式

点击浏览公式

大量试验表明，冰晶和霰之间的非感应碰撞是雷暴云内最主要的起电机制，且转移电荷量的极性和大小与液态水含量密切相关(Takahashi，1978；Jayaratne et al，1883，1991；Saunders et al，1991，1998)。此外，Weinheimer等(1987)的计算表明，雷暴云中的强电场足以使主要方向达到1 mm的粒子沿电场方向排列，所以，垂直排列的冰晶对于诊断可能的强电场区域非常有用。因此，为了进一步认识雷暴云中主要影响起电的水成物类型并判断强电场区，将水成物分为11种：毛毛雨(DR)、雨(RA)、干雹(DH)、小湿雹(SWH)、大湿雹(LWH)、雨夹小雹(RSH)、雨夹大雹(RLH)、低密度霰(LDG)、高密度霰(HDG)、垂直冰晶(VI)和水平冰晶(CR)。

确定隶属函数是应用模糊集合概念解决具体问题的基础，选取β型函数作为隶属函数的基本形式(式(3)，图 1)，β和x分别表示隶属度和变量的观测值，m表示变量的中值，a表示β型隶属函数的宽度，等于隶属度为0.5时对应的两个变量值之差除以2，b表示β型隶属函数的坡度，b越大坡越陡，表明在给定的变量范围内置信度越高。每种粒子对应的每个偏振参量的隶属函数代表一个模糊集合。

点击浏览公式

图 1 β函数 Fig. 1 β function

图选项

X波段雷达在大多数降雨中的散射和衰减主要还是瑞利条件下的粒子散射和衰减行为，除了在局部大雨滴中可能有后向散射相移问题。K_DP约正比于1/λ(λ为雷达波长)，所以短波段天气雷达，在瑞利条件下能够测得较强的、更加稳定的差分传播相移常数(K_DP)。若仅考虑瑞利散射，X波段K_DP的平均测量值约3.44倍于S波段雷达测量值。而Matrosov等(2006)通过对比X波段和S波段雷达的K_DP值与弱降水的雨量的关系，得到X波段的K_DP其平均测量值约3.7倍于S波段雷达测量值。

Dolan等(2009)在T矩阵和米勒矩阵散射模式理论模拟的基础上建立了适于X波段的雨、毛毛雨、冰雪聚合体、初始冰晶、低密度霰、高密度霰和垂直排列的冰晶7种水成物识别的一维模糊逻辑隶属函数，所以对本文水成物分类中的雨、毛毛雨、水平冰晶、霰和垂直冰晶对应的Z_H、Z_DR、K_DP和ρ_HV的阈值选取Dolan等(2009)的理论模拟结果。对于其余水成物的K_DP值依据Matrosov等(2006)的研究结果，在Straka等(2000)的基础上乘以3.7，而Z_H、Z_DR和ρ_HV选取Straka等(2000)的值。由于多种粒子的ρ_HV重叠范围较大，所以ρ_HV在粒子识别时不确定性较大，因此给予其较低的置信度。

温度是识别水成物的一个非常有用的参数，有助于降低识别的错误。Zhang等(2008)提出基于反射率垂直廓线的探测和由偏振参量得到的融化层顶(与0℃湿球温度高度一致)，融化层的应用提高了液态和固态粒子的识别能力。Park等(2009)也在水成物识别算法中引入了融化层，将融化层的高度作为雷达方位角的函数，增加了对对流云和层云回波的区分。为了进一步提高粒子的识别能力，也引入温度值，结合偏振参量一起识别水成物粒子种类。因为粒子所对应的温度范围不受雷达波段的影响，所以各类粒子对应的温度范围选取Straka等(2000)所用的值，此外，做了进一步限定，即小的冰粒子不允许在0℃层以下出现，纯雨不能在0℃层以上出现。这与Zhang等(2008)和Park等(2009)所利用的融化层的功能是类似的。温度廓线来自于常规探空资料。

对11种水成物所选取的参量阈值见表 1，相应的β函数见图 2。

图 2 11种水成物分别对应的4个偏振参量的模糊集合(a.ZH(dBz)，b.ZDR(dB)，c.KDP(°/km)，d.ρHV；水平和垂直坐标分别表示观测值和对应的隶属函数值) Fig. 2 Fuzzy sets of the four polarizatic parameters for the 11 types of hydrometeor(a. ZH(dBz)，b.ZDR(dB)，c. KDP(°/km)，d.ρHV; the horizontal and vertical ordinates indicate the measured values and the corresponding values of membership function，respectively)

图选项

首先读取每个格点上4个雷达参量的观测值，然后分别计算11种粒子4个雷达参量观测值对应的隶属函数值和其对应权重的乘积，接着对4个值求和。在11个和中寻找最大的和，如果最大的和对应的粒子的温度观测值也落在其温度阈值范围内，则输出该种粒子种类，即是识别结果。否则，排除该种粒子，返回上一步，对和第2大的粒子进行相应的温度范围的判断，依次往复，最后输出适合条件的粒子种类(图 3)。

图 3 水成物粒子识别流程 Fig. 3 Flow chart for the hydrometeors identification

图选项

不同参量识别粒子的能力不同，Zrni c ＇等(2001)利用模糊逻辑水凝物粒子分类方法，进行了4个偏振参量Z_H、Z_DR、K_DP和ρ_HV及温度(T)对于粒子识别能力的敏感测试。即用包含全部偏振参量的识别结果和缺少某一个偏振参量的识别结果及Z_H和其他某一个偏振参量组合的识别结果做对比，来确定这种粒子识别算法对于每种偏振参量的敏感性。结果表明，不同参量识别粒子的能力不同，其中Z_H识别粒子的能力最强，Z_H和Z_DR结合，识别的粒子特征最接近标准结果，Z_DR和T识别粒子的能力次之，K_DP再次之，ρ_HV对识别结果的影响很小。因此根据这一结果对识别能力强的参数给予较大的权重，Z_H、Z_DR、K_DP和ρ_HV的权重分别为0.5、0.2、0.2和0.1。

2007年7月24日观测站附近发生了两次对流过程，间隔约40 min。第1次过程发生在12—14时(北京时，下同)，第2次过程约发生在14时40分— 17时20分，强回波中心基本都在距测站15 km以外。根据当天08时的探空资料显示(图 4)，0℃层高度约为4.2 km(海拔高度，下同)，-10℃层大约在6.5 km高度。两次过程快慢天线共采集到47次闪电(仅为真实闪电中信号较强的一部分)，绝大多数是云闪。

图 4 2007年7月24日08时的温度廓线 Fig. 4 Temperature profile at 08:00 BT 24 July 2007

图选项

如图 5所示，第1次过程的初始阶段，闪电很少，地面电场主要为负极性(规定测站上空的电荷为正时地面电场为负，测站上空的电荷为负时地面电场为正)。然后，地面电场极性转为正极性，且伴随着频繁的闪电，闪电一般引起地面电场的负极性变化。13时12分测站出现短时毛毛雨。第2次过程在15时35分—16时35分约发生20多次闪电，与第1次过程相似，闪电一般引起地面电场的负极性变化。15时47分开始出现毛毛雨，期间地面电场由正极性转变为负极性，几分钟后降水结束，地面电场又恢复为正极性，其余时间基本为正。 在整个观测过程中，只能听到隐约的雷声，没有清晰的声光差记录，说明闪电距测站较远。

图 5 地面电场(a)和每10 min的闪电数(b)随时间的变化 Fig. 5 Evolutions of the ground electric field(a) and lightning numbers per 10 min(b)in the observation station with the time

图选项

由图 6可见，第1次过程初始阶段，观测站西南面有一个尺度十几千米的回波单体A，西北面有 两个尺度为几千米的回波单体B和C，3个单体的移动方向均为西北至东南。12时52分以前，A距离观测点最近，回波强度和强回波面积均最大，而B和C距离观测点较远，回波强度很弱，强回波面积较小，因此观测点地面电场主要受单体A控制。12时52分后，B消散，A强度减弱、尺度减小，并逐渐远离观测点，C强度增强，尺度增大，并向观测点移近，在此时段，地面电场主要受单体C控制，单体C强回波面积最大且距测站较近的时段，闪电最频繁。

图 6 两次过程0 ℃和-10 ℃层高度回波中心距观测点距离(a)，回波强度大于45 dBz 的面积(b)随时间的变化(下标1、2分别表示第1次过程和第2次过程) Fig. 6 Evolutions of the distances between the maximum echo center on 0℃ and -10℃ layers and the station(a1，a2)，and the area with echo intensity more than 45 dBz(b1，b2)in the first(a1，b1) and second(a2，b2)processes with the time

图选项

第2次过程，仅有1个回波单体，起始于雷达的西北面，不断向西南面移动，移动过程中，强回波面积快速增大，但由于距离观测点较远，所以观测点记录到的闪电数不多。

图 7是12时54分单体A的强回波中心的RHI扫描(方位角218°)对应的雷达参量Z_H、Z_DR、K_DP和ρ_HV及水成物识别结果。此前20分钟未发生闪电，之后5分钟开始陆续发生闪电，并呈增加趋势。此时，云高(18 dBz顶高)约11 km，大于40 dBz的强回波主要集中在距观测点水平距离为18—24 km的柱状区域，已接地，顶高约10 km，表明单体正处在发展阶段，但强回波强度未超过50 dBz，总体上对流不强。

图 7 12时54分方位角218°的RHI扫描对 应的雷达参量(a. ZH(dBz)，b.ZDR(dB)，c. KDP(°/km)，d. ρHV)及水成物识别结果(e) Fig. 7 Radar measurements(a. ZH(dBz)，b.ZDR(dB)，c.KDP(°/km)，d.ρHV)as well as the hydrometeor types classification result，(e)at 12:54 BT(azimuth 218°)

图选项

在水平距离9—24 km、地面到3.8 km高度，Z_DR超过1.0 dB，表明这里有较大的雨滴、高密度霰或雨夹雹存在的可能。在水平21—25 km，高度3—5 km的强回波区Z_DR小于0，表明此区域可能存在湿雹、雨夹雹或高密度霰。除以上两个区域外，其余回波强度大于20 dBz的区域对应的Z_DR基本在0—1 dB，多种粒子都有存在的可能。回波上边缘Z_DR相对较小，说明这个区域可能是垂直冰晶。靠近雷达一侧回波强度小于20 dBz的区域的中低层Z_DR也相对较大，表明此区域较低层可能是毛毛雨，较高层可能是水平或垂直排列的冰晶。

K_DP正值区主要分布在高度4 km以下和6—11 km 的较强回波区，其值基本为0—2°/km。仅依据K_DP的值判断，4 km以下的强回波区，雨、雨夹雹、干雹、湿雹、低密度霰或高密度霰都有存在的可能。而6—11 km高度的K_DP正值区可能存在干雹、湿雹或低密度霰。其余区域K_DP值基本为负，极可能对应湿雹和霰。小冰晶在强电场作用下，随着电场的方向排列，通常会产生负的K_DP值，K_DP从负值向正值转化的地方可能就是电荷的累积区，K_DP在不同高度正、负值变化表明在强雷暴云中存在电荷高度分布不一致的可能性(Straka et al，2000)。K_DP正、负交替的区域分布比较复杂，但主要位于强回波区，高度4—11 km处，此区域可能是电荷累积区。此时测站地面电场值为弱的正值，由于强回波区距观测站距离接近20 km，很难对雷暴云电荷结构及其极性做更进一步的判断。

冰雹表面粗糙，有不规则的凸起，会造成相关性的减小，因此，小的ρ_HV值可被用来判断大雹的存在(Balakrishan et al，1990)。根据马学谦(2007)的研究，冰雹区的ρ_HV值通常小于0.96，甚至小于0.9。此时，ρ_HV在回波底部Z_DR较大的区域较小，说明湿雹、雨夹雹存在的可能性很大。其余区域的ρ_HV基本在0.997—1，有多种粒子存在的可能性，难以辨别类型。而在接近4 km的高度是ρ_HV大值和小值的明显分界线，这些说明这个高度以下，粒子开始融化，粒子形状的范围小，而这个高度对应的就是0℃层亮带。

水成物识别结果表明，此时没有大冰雹出现，云体的强回波区中下部为高密度霰，上部为很少量的干雹，干雹外围依次分布着低密度霰和垂直冰晶。底部的强回波区是雨和少量的雨夹小雹，外围是毛毛雨。

如图 8，15时26分时，大于40 dBz的强回波距观测点距离较远，但范围大，顶高高，主体呈纺锤状，最强回波达到60 dBz，接地，说明此时对流较强，处于发展趋成熟阶段。此时前后几分钟也均未发生闪电。Z_DR大值区主要分布在水平18—29 km、垂直3.3 km以下区域，对应强回波区下部，说明这里可能存在较大雨滴、高密度霰或雨夹雹。其余区域Z_DR基本在-1—2 dB，有多种粒子存在的可能。 K_DP在强回波区较大，有雨、干雹、湿雹、雨夹雹或霰存在的可能。其余区域K_DP都较小，雷暴云的整个云体都有大范围的正、负值交替区，说明云内的起电活动强烈，电荷分布较复杂。ρ_HV在水平28—33 km、垂直8 km以下的较强的回波区都小于0.9，说明有大的雹粒子存在。其余区域的ρ_HV基本在0.995—1，难以确定粒子种类。

图 8 15时26分方位角267°的RHI扫描对应的雷达参量(a.ZH(dBz)，b.ZDR(dB)，c.KDP(°/km)，d.ρHV)及水成物识别结果(e) Fig. 8 As in Fig. 7 but at 15:26 BT(azimuth 267°)

图选项

识别结果表明，在纺锤形的强回波区中上部中心为少量大湿雹，其外围依次为干雹和大范围的低密度霰，云体上缘为垂直冰晶。云体中下部强回波中心为雨夹小雹、小湿雹和少量的雨夹大雹和大湿雹，其外围依次是高密度霰、雨和毛毛雨。与12时54分相比，在强回波区出现了大的冰粒子，识别的结果合理。

为了验证以上算法对于雷暴云粒子识别的结果，利用三维强风暴动力电耦合数值模式模拟了这次过程。该模式是在中国科学院大气物理研究所建立并发展的三维对流风暴云模式的基础上，通过加入水成物起电过程发展起来的。该模式的动力框架是一个非静力可压缩的完全弹性方程组，模式由大气运动方程、热力学能量方程、水成物质量连续方程和水成物电荷方程等构成闭合方程组。云-降水微物理过程采用双参数谱浓度方案。模式中含有水汽、云水、雨水、冰晶、雪花、霰和雹7类水成物的微物理过程，能详细描述积云发展过程中宏观、微观和电参量的时空演变。模拟计算域为36 km×36 km×18.5 km，水平格距1.0 km，垂直格距0.5 km，模拟域可以随风暴质心平移。模式采用热泡方式启动对流云，扰动区中心位置是(18 km，18 km，2 km)，水平扰动区半径为8 km，垂直扰动区半径为2 km，给最大扰动位温值为3℃的轴对称位温扰动。模式中考虑了雷暴云的非感应起电机制和放电参数化方案。模拟时间为60 min。模式的详细介绍可参阅有关文献(孔凡铀等，1990，1991；孙安平，2000；郭凤霞等，2010)。

用2007年7月24日08时的探空资料作为模式的初始场，模拟雷暴演变过程中的水成物粒子的时空分布。08时的探空显示环境风以偏西风为主，风向切变很小，最大值在10 km左右的高度，达11.8 m/s。大气层结稳定，对流有效位能为0，在地面到700 hPa的气层中存在一个逆温层。这样的层结并不利于对流天气的发生，所以这次雷暴过程应该是局地空气受热引起的，此外，观测站位于一个隆起的塬地上，距该站以西40 km左右、最高点海拔2940 m的六盘山沿南北向将这一区域分为西高东低的两部分，所以，这个地方气流容易受地形的扰动、抬升，多发雷暴天气，地形扰动在这次雷暴形成过程中也起一定的作用。因此，在这次过程的模拟中，取了较大的扰动温度值，使对流得以发展。

图 9a是模拟雷暴云发展到成熟阶段的粒子分布特征。可见，模拟得到的云体水平尺度比实际观测的要小，但云顶高度、云砧形状及云体垂直的形状相似。-20℃层以上的云体外围主要由冰晶和雪花组成，内部为冰晶、雪花、霰和雹及过冷水共存区，霰和雹的比含水量中心区域在云体中心约8 km高度。-20℃层以下的云体中心分布着未接地的霰和雹粒子，雨滴主要分布在地面到-10℃层之间，这与图 7e的反演结果相似，而且雨滴的分布与观测过程中测站的降雨记录相似，只有短时毛毛雨。此时，在非感应起电机制的作用下，10和8 km高度附近的冰晶分别带大范围的正、负电荷，6 km附近的冰晶带正电荷，在大概相同的温度区，霰粒子所带电荷极性刚好和冰晶相反(图略)。此时，电荷结构基本呈现出三极性的电荷结构，只是在次正电荷区下部还有一个小的负电荷区。而以往的观测(刘欣生等，1987；郄秀书等，2005)也表明，雷暴云下持续存在的正电荷区是这一地区雷暴的普遍特征。正电荷主要累积在6和10 km的高度附近，负电荷主要累积在8和5 km的高度附近，其中主负电荷区中心电荷密度最大。在这样的电荷结构下，电场在约8 km高度以上为负，8 km高度以下为正，地面为弱的正电场，与观测结果一致。

图 9 模拟云发展到39分钟(a)水成物粒子比含水量(灰色阴影、蓝色虚线、红实线和黑实线分别代表霰和冰雹粒子、冰晶和雪花，云滴及雨滴;等值线分别为0.1，1.0和2 g/kg;灰实线代表温度，从低到高为0、-10、-20和-40℃，b和c同a)、(b)电荷结构(粗线表示电荷结构，nC/m3；细点线为云廓线，c同)和(c)电场(kV/m)在y=18 km的垂直剖面上的分布 Fig. 9 模拟云发展到39分钟(a)水成物粒子比含水量(灰色阴影、蓝色虚线、红实线和黑实线分别代表霰和冰雹粒子、冰晶和雪花，云滴及雨滴;等值线分别为0.1，1.0和2 g/kg;灰实线代表温度，从低到高为0、-10、-20和-40℃，b和c同a)、(b)电荷结构(粗线表示电荷结构，nC/m3；细点线为云廓线，c同)和(c)电场(kV/m)在y=18 km的垂直剖面上的分布

图选项

由于第2次雷暴过程与第1次雷暴过程发生后引起的空气温、湿度层结有关，因为无法获得探空场，所以未对第2次过程进行模拟验证。

基于X波段双线偏振多普勒天气雷达714XDP观测得到的4个偏振参量(Z_H、Z_DR、K_DP和ρ_HV)，利用模糊逻辑方法结合温度去斑，对中国西北地区夏季雷暴云内的水成物类型进行了个例识别，结果表明，这种方法有效、合理，基本能反映云内粒子的相态和分布情况。利用温度去斑，更能有效地区分雨和冰晶、低密度霰和高密度霰等各粒子。利用K_DP可以大致判断云内电荷区。

由于目前对于雷暴中水成物的类型划分并不一 致，即使对于同一类粒子，不同研究者给出的偏振参量阈值也有差异，且S波段和C波段的各水成物对应的偏振参量的范围不能直接应用于X波段雷达中，所以对于X波段的水成物种类的划分及其对应的偏振参量的范围有待进一步确定。

每种参量在粒子识别中的贡献不同，单个参量都不能独立有效地识别粒子。文中的粒子识别结果是基于不同的偏振参量固定的权重值的基础上，如果改变各参量的权重值，识别结果会随之发生明显的变化。因此，如何较准确地识别云内的粒子，有待于积累大量的观测资料，对识别结果进行验证，并调整识别方法和权重值。

对于雷暴云而言，云内粒子种类较多，但粒子之间所对应的偏振参量重叠太多，所以识别时适当合并粒子种类，也许更有利于粒子的识别。实际的雷暴云中在某些区域常会有多种粒子共存的情况存在，所以对多种粒子共存的区域的粒子反演还应该加强。此外，这种方法无法判别出粒子的比含水量和比浓度。理论上如果能把粒子识别的结果与VHF闪电定位仪、电场探空、多站地面电场观测等资料及模式模拟等资料结合，将有助于进一步认识雷暴内的起电活动和云的微物理过程的相互关系及电荷结构特征，但综上所述，真正要通过偏振雷达的粒子识别来进一步认识起电机制，还有很长一段路要走。