中国气象学会主办。
文章信息
- 王俊, 姚展予, 侯淑梅, 龚佃利. 2016.
- WANG Jun, YAO Zhanyu, HOU Shumei, GONG Dianli. 2016.
- 一次飑线过程的雨滴谱特征研究
- Characteristics of the raindrop size distribution in a squall line measured by Thies optical disdrometers
- 气象学报, 74(3): 450-464
- Acta Meteorologica Sinica, 74(3): 450-464.
- http://dx.doi.org/10.11676/qxxb2016.034
-
文章历史
- 2015-06-18 收稿
- 2016-03-29 改回
2. 中国气象科学研究院中国气象局云雾物理重点开放实验室, 北京, 100081;
3. 山东省气象台, 济南, 250031
2. Key Laboratory for Cloud Physics of China Meteorological Administration, Chinese Academy of Meteorological Sciences, Beijing 100081, China;
3. Shandong Meteorological Observatory, Jinan 250031, China
飑线是造成暴雨、冰雹和龙卷等灾害性天气的重要系统,深入研究其中尺度和微物理结构,有助于全面了解飑线的发展演变过程。Houze等(1989)利用多普勒雷达观测资料分析了飑线的结构,提出了中纬度飑线的概念模式。Parker等(2000)根据层状云区相对位置的不同,将线状对流系统分为3类,即拖曳层状(Trailing stratiform,TS)、先导层状(Leading stratiform,LS)和平行层状(Parallel stratiform,PS)中尺度对流系统。平行层状飑线的雷达回波表现为在一条对流线上回波强度强,反射率因子回波梯度大值区位于强对流线的两侧,整个对流系统少见成片的层状回波区,有些个例在系统运动方向右侧的层状回波多于左侧,甚至左侧没有层状回波。新单体大多是在系统后方即在上游生成,且平行地移入强对流线中,Schiesser等(1995)、Rigo等(2007)称这样的线状对流系统为无层状降水中尺度对流系统。
许多学者对拖曳层状飑线的雨滴谱特征进行了研究,由于拖曳层状飑线包括对流区、转换区和尾随层状云3个具有明显不同微物理机制的降水区域,成为研究不同降水机制雨滴谱特征以及研究层状和对流降水分类标准的最佳对象(Waldvogel,1974;Tokay et al,1996;Maki et al,2001;Uijlenhoet et al,2003a;Nzeukou et al,2004;Bukovčić et al,2015)。还有一些研究集中在对流带雨滴谱特征分析,Sauvageot等(1995)利用大样本资料分析不同雨强下的雨滴谱形状,直径大于阈值Dc(Dc与雨强R有关)的大雨滴在雨强大于20 mm/h时的雨滴谱斜率几乎是常数值,而小滴(直径小于阈值Dc)的雨滴谱型不仅与雨强R有关,也与融化层高度有关,因此,在这一区间没有固定的谱型。Atlas等(2000)利用地面和空中观测资料分析雨滴谱演变特征,进一步提供平衡雨滴谱存在的证据。Nzeukou等(2004)利用多年雨滴谱观测资料,统计分析非洲西部大西洋沿岸达喀尔地区的雨滴谱分布特征,也发现在较大雨强(大于20 mm/h)时拟合参数随着雨强的增大变化不大,特别是斜率倾向于常数。Sauvageot等(2000)指出,在飑线开始阶段雨滴谱是多峰、谱较宽,而结束阶段雨滴谱斜率增大、谱宽减小,这是由于风垂直切变的存在,导致飑线前沿部分观测的雨滴谱是合成雨滴谱,但并不是所有的对流线都有这样的特征。Nzeukou等(2004)也发现热带典型拖曳层状飑线对流带雨滴谱演变特征是雨强增大过程大多是多峰模态、低雨滴浓度、高反射率因子和具有较缓的斜率,而在雨强减弱过程逐渐转为单峰、较高的雨滴浓度、较低反射率因子和较陡的斜率。刘黎平等(2007)利用双偏振雷达观测资料反演雨滴谱分布,发现大雨滴区往往出现在飑线前部。
上述研究主要集中在拖曳层状飑线,对于平行层状飑线雨滴谱特征的研究尚少。此外,由于飑线是几十到几百千米长的中尺度对流带,不同部位雨滴谱演变特征是否有差异也值得研究。2012年8月18日,一次平行层状飑线出现在山东省中西部,在成熟阶段几乎同时经过4台激光雨滴谱仪。本研究旨在利用雨滴谱仪观测网资料,研究平行层状飑线不同部位雨滴谱和积分参数的演变特征。
2 资料和方法 2.1 设备简介雨滴谱测量设备为Thies激光雨滴谱仪,可以测量降雨粒子的尺寸和落速。取样面积为228 mm×20 mm,粒径测量范围为0.16—8 mm,粒子落速测量范围为0.2—20 m/s,粒子测量等级为22种直径和20种速度共计440种,取样间隔为1 min,最小雨强分辨率为0.005 mm/h。仪器能根据所有雨滴直径和速度的统计比例来确定各种降水类型,可以对毛毛雨、小雨、大雨、冰雹、雪花、雪粒、雨夹雪等不同降水类型进行精确区分(Bloemink et al,2005;Frasson et al,2011)。
4台激光雨滴谱仪分别安装在济南的章丘(36°41′11″N,117°32′50″E)、百泉(36°39′10″N,117°33′08″E)、垛庄(36°29′56″N,117°22′10″E)和三岔村(36°24′19″N,117°10′13″E),三岔村雨滴谱仪2009年7月开始观测,其他3台2011年11月开始观测。章丘站是中国国家基本站,安装有自动雨量计、探空雷达等观测设备,激光雨滴谱仪距离自动雨量计约143 m。新一代多普勒天气雷达(CINRADA/SA)位于德州齐河(36°48′10″N,116°46′51″E),4台激光雨滴谱仪距雷达站50—100 km(图 2a)。
2.2 计算方法利用雨滴谱仪观测资料,可计算雨滴尺度谱
式中,A(m2)和Δt(s)为Thies激光雨滴谱仪取样面积和取样时间,分别为45.6×10-4m2和60 s,nij(min-1)为第j个直径通道、第i个速度通道的雨滴浓度,Vi(m/s)为第j个直径通道、第i个速度通道对应的雨滴落速,ΔDj(mm)为第j个直径通道的宽度,N(Di)(m-3mm-1)为第j个直径通道Dj至Dj+ΔDj的雨滴数浓度。目前,常用三参数的γ分布来拟合雨滴谱分布,γ分布函数为
式中,N(D)为单位体积单位尺度间隔的雨滴数浓度,N0为截距参数(mm-(1+μ) m-3),μ为形状因子(无量纲参数),λ为斜率参数(mm-1)。近年来,阶矩法被广泛应用于估计γ谱分布参数(Ulbrich,1983;Ulbrich et al,1998;Caracciolo et al,2006),该方法的优点在于云微物理量与各阶矩量有一定的对应关系,如雨滴浓度NT等于0阶矩,含水量与3阶矩成正比,雷达反射因子与6阶矩成正比等。第n阶矩定义为
N(D)为式(2)所示的γ分布时,n阶矩等于 式中,Γ(χ)为γ函数,通常,三参数可以利用任意3个矩计算出,但实际应用中需要根据不同设备性能和雨滴谱特征来确定具体采用几阶矩计算雨滴谱参数(Tokay et al,1996;Vivekanandan et al,2004;Caracciolo et al,2006;Chu et al,2008;Chang et al,2009;Cao et al,2009)。文中利用章丘雨滴谱仪观测资料,采用不同阶矩分别计算三参数,通过对比分析确定采用3、4、6阶矩计算γ谱三参数。此外,雨滴总浓度NT、雨强R、雷达反射率因子Z可以利用N(Dj)分别得出
2.3 数据质量控制激光雨滴谱仪观测数据的质量控制也是许多研究者关心的问题,Battaglia等(2010)考虑雨滴在下落过程中一般为非球形,提出雨滴形变修正公式。而Friedrich等(2013a)基于强风影响、溅落粒子和设备边缘影响3个主要雨滴谱观测误差源,提出根据雨滴落速来进行数据的质量控制方法,即将偏离经验雨滴落速-直径(Atlas et al,1973)±60%的观测数据剔除掉。进一步的分析(Friedrich et al,2013b)表明,对固定雨滴谱仪实施质量控制后,计算的雷达反射率值与铰链式雨滴谱仪计算的反射率数值更一致,但是也减小了雨滴总浓度、并改变了雨滴谱。Jaffrain等(2011)比较了15个月的自动站和Parsivel雨滴谱仪观测数据,发现排除偏离经验速度-直径关系±60%的粒子后,两者的总雨量只有3.5%的差别,具有很强的一致性。Thies激光雨滴谱仪是否需要考虑雨滴变形的影响呢?图 1给出了自动雨量站测量的雨强R、雨滴谱仪观测的原始数据计算的雨强R1、分别按照Battaglia等(2010)和Friedrich等(2013a)方法进行数据质量控制后计算的雨强R2、R3。最大雨强R、R1、R2和R3分别为198.0、254.8、135.1和188.5 mm/h,过程累积雨量分别为21.6、30.7、19.2和23.1 mm,很明显,根据Friedrich等的方法进行数据质量控制后计算的雨强和累积雨量与自动站观测数据更接近,文中选择Friedrich等(2013a)方法进行数据质量控制。
3 天气形势和多普勒雷达观测资料分析2012年8月18日08时(北京时,下同)500 hPa副热带高压比较强(图略),成东西向带状,588 dagpm等值线控制着山东南部、河南省和湖北省以南地区,而内蒙古东北部、中部及河套地区和四川省为高空槽区,山东省主要受槽前和副热带高压外围的西南气流控制。850 hPa槽位于河北省中部、河南省西部、陕西省南部一线,山东省受18℃的暖温度脊控制。20时,高空槽东移,而副热带高压稳定少动。受副热带高压外围西南气流和高空槽影响,山东省出现强降水、龙卷、冰雹等强对流天气。08时章丘站对流有效位能为626.6 J/kg,虽然不是很大,但是从905.5 hPa(自由对流高度)至247.5 hPa(平衡高度)共658 hPa的厚度层内均具有正浮力,有助于对流层内的上升运动。0—6 km风垂直切变为19.2 m/s,接近强风垂直切变,有利于对流风暴的组织化发展。此外,0℃层高度约为4.7 km,暖层比较深厚。
图 2为飑线不同阶段的组合反射率。经过几小时的发展演变,16时48分由分散的风暴演变成有组织的飑线(图略),回波成西南—东北向,大于45 dBz的回波区连续长度约为130 km,向东北方向移动,移动速度约为60.0 km/h。飑线的右前侧有较强的孤立对流单体,形成不连续的对流短带,这些单体与飑线合并后促使飑线发展加强,至18时18分飑线强盛发展,并且,北侧发展成弓状回波(图 2a),此时飑线靠近激光雨滴谱仪观测点。飑线左端以北存在大片层状云区,但对流带主要部分前后均没有明显的层状云区,属于平行层状线飑线(Parker et al,2000)。飑线与百泉和垛庄之间的对流单体合并后,章丘和百泉附近的飑线对流带增强,但宽度变窄(图 2b),此时章丘和百泉处于弓状回波顶点左侧强对流带的中部,而垛庄和三岔村位于弓状回波顶点右侧强对流带的中部。
18时53分飑线强对流带移过章丘和百泉观测点(图 2c),垛庄和三岔村观测点还处于对流带的后侧,19时11分对流带移过垛庄和三岔村观测点(图 2d)。对比图 2b—d可以看出,移过章丘和百泉观测点的飑线在后侧有小范围的层状云回波,但由于回波移动方向的影响,19时05分之后经过这两个观测点的层状云系属于飑线其他部位对流带后部的层状云系,这与典型拖曳层状飑线对流带后部的层状云降水有所不同(Braun et al,1994; Maki et al,2001)。
为了进一步分析经过各个观测点雷达回波的结构特征,图 3给出了章丘(图 3a)、百泉(图 3b)、垛庄(图 3c)和三岔村(图 3d)反射率因子的时间-高度剖面。章丘雷达反射率因子的垂直结构为具有前侧悬垂特征的强对流窄带,对流带之后是约30 min的大于20 dBz的层状回波;百泉反射率因子的时间演变与章丘类似,只是强回波带稍变宽、对流带的空中结构(特别是大于6.0 km)稍有后倾特征。垛庄和三岔村的反射率因子等值线演变与章丘、百泉有差别,一是大于40 dBz强回波带持续时间延长,但强回波中心高度降低;二是强回波带基本前后对称,在低层后侧略有悬垂特征,而章丘、百泉则是在前侧的中层有悬垂特征;第三是三岔村回波顶高明显增大,章丘、百泉和垛庄大于20 dBz的回波顶高约在12.0 km,而三岔村为20.0 km。
飑线成熟阶段经过章丘、百泉、垛庄和三岔村激光雨滴谱仪,章丘和百泉直线距离约4.1 km,位于弓状回波顶点的左侧,垛庄位于弓状回波顶点的右侧,三岔村则位于飑线的中部。从回波垂直结构来看,章丘和百泉强对流回波具有拖曳层状飑线的一些特征,而垛庄和三岔村为平行层状飑线的结构特征。
4 单站雨滴谱资料时间序列分析表 1给出了4台激光雨滴谱仪观测资料基本特征。谱数是指雨强大于0.5 mm/h的雨滴谱样本数,过程雨量垛庄最大,章丘最小但与其他2个点差 别不大。最大雨强章丘和百泉均超过150 mm/h,垛庄和三岔村最大雨强小一些,但两者很接近。
地点 | 时间 | 谱数 | 过程雨量(mm) | 平均/最大雨强(mm/h) |
章丘 | 18时20分—19时40分 | 70 | 23.1 | 19.7/188.5 |
百泉 | 18时20分—19时40分 | 68 | 26.0 | 22.9/155.2 |
垛庄 | 18时15分—19时30分 | 69 | 35.9 | 31.2/95.6 |
三岔村 | 18时15分—19时30分 | 52 | 23.2 | 26.8/95.7 |
图 4b为章丘雨强R、雨滴浓度NT、反射率因子Z的演变。本次过程为平行层状飑线,对流性降水为主,所以,对于后期层状降水没有全给出(下面白泉观测站也同样处理)。对流(区分对流的标准为雨强大于10.0 mm/h,Nzeukou et al,2004)降水增强阶段(18时37—45分),雨强很快增至极大值188.5 mm/h,对流降水减弱阶段(18时46—59分)雨强变化相对缓慢。可以看出,NT与R具有近似一致的演变趋势,R增强过程NT也是逐渐增大,NT由2600 m-3增至20000 m-3,但峰值浓度比雨强的峰值延迟了1 min。在雨强减弱过程,NT 逐渐由28000 m-3减小至1000 m-3。雨滴浓度NT变化的一个显著特征是雨强减弱过程比增强过程相同雨强时大;反射率因子的演变与NT有所不同,雨强增强阶段,Z没有随着雨强增强而增大,而是有小的起伏,在极大雨强时Z达到极大值60.9 dBz。R减弱过程Z基本是随着雨强减小而变小。对比雨强增强和减弱阶段,相同雨强时增强阶段Z偏大。
图 4a为章丘雨滴谱N(D)随时间的演变,对流降水雨强增强阶段,雨滴谱的主要特征是直径小于1 mm的小尺度粒子的数浓度较高,为1000—50000 m-3mm-1,特别是大于10000 m-3mm-1的数浓度有逐渐增大的趋势。1—4 mm中等尺度粒子数浓度为10—1000 m-3mm-1,变化不大。直径大于4 mm的大粒子数浓度小于50 m-3mm-1,最大粒子直径接近6 mm,但18时44分存在直径为8 mm的特大粒子,数浓度为3.1 m-3mm-1。18时45分极大雨强时有最大的连续谱宽,并且大雨滴有较大的数浓度,如直径4—6 mm大雨滴的数浓度为10—100 m-3mm-1,但直径8 mm特大粒子的数浓度仅为0.7 m-3mm-1;雨强减弱阶段开始的4 min(18时46—49分),小粒子数浓度的最大值一般大于30000 m-3mm-1,最大超过80000 m-3mm-1,明显比雨强增强阶段大,而中等尺度粒子的数浓度与雨强增强阶段基本一致,没有明显变化。随着雨强小于30 mm/h,雨滴谱数浓度和最大谱宽均很快减小。与超级单体和大洪水过程的雨滴谱相比(Friedrich et al,2013a,2016),一样有大量的小粒子,但比大洪水过程有更多大粒子。
γ谱三参数N0、λ、μ随时间的演变(图 4c)表明,随着雨强增强,λ、μ逐渐减小,18时44分达到最小值。N0与雨强关系更密切,两者具有一致的变化趋势。雨强减弱过程,λ、μ逐渐增大,N0则是逐渐减小。18时44分具有最小的λ、μ值,主要与此时存在直径8 mm的大粒子有关,大粒子的增加对λ、μ的影响较大,而小粒子的变化对N0的影响比较明显,所以,此时较小的小粒子数浓度也对应较小的N0值。
从百泉雨强R、雨滴浓度NT、反射率因子Z演变(图 4e)可以看出,雨强的变化与章丘稍有不同,在18时43分最大雨强155.2 mm/h前后较大雨强连续出现了4 min,所以对流降水增强阶段(18时35—43分)雨强增强稍缓慢,有两次跃增过程。对流降水减弱阶段(18时44—54分)雨强有较明显起伏。还可以看出,雨滴浓度NT与R具有近似一致的演变趋势,雨强R增强过程NT也是逐渐由2400增至大18000 m-3,NT峰值浓度也比R的峰值延迟了1 min。在雨强减弱过程,NT逐渐由24000 m-3减小至2300 m-3。与章丘雨滴浓度变化特征一样,百泉也是雨强减弱过程雨滴浓度比增强过程相同雨强时大。反射率因子Z在雨强增强阶段基本随着雨强增强而增大,但极大值出现在极大雨强之后。雨强减弱过程Z基本随着雨强减弱而降低,对比雨强增强和减弱阶段反射率因子变化特征,与章丘相反,在相同雨强时百泉减弱阶段Z偏大。
百泉雨滴谱随时间的演变(图 4d)显示,对流降水雨强增强阶段,雨滴谱数浓度和谱宽都逐渐增大,直径小于1 mm的小尺度粒子的数密度为1000—50000 m-3mm-1,1—4 mm中等尺度的粒子数浓度为50—1000 m-3mm-1且有逐渐增大之势。直径大于4 mm的大粒子数浓度小于50 m-3 mm-1,最大连续谱宽约7 mm,大于7 mm的特大粒子没有连续出现,且数浓度也低于2 m-3mm-1。18时41—43分雨强均超过154 mm/h,雨滴谱的主要变化特征是2—6 mm的中等和大尺度粒子的增多,而小粒子和直径大于7 mm特大粒子的数浓度变化不大。雨强减弱阶段开始的2 min(18时44—45分),雨强从144.7减弱至78.8 mm/h,直径小于0.5 mm粒子的数浓度显著增大,最大超过90000 m-3mm-1,明显比雨强增强阶段大,而中等尺度和4—7 mm大粒子的数浓度快速减小,但直径大于7 mm的特大粒子数浓度增加至2—4 m-3mm-1。雨强减弱阶段的中后期(18时46—54分),随着雨强的明显起伏雨滴谱亦起伏变化,对比雨强增强阶段,18时51和37分雨强分别为45.9和72.1 mm/h,小粒子的最大数浓度明显减小,但直径1—5 mm的中等和大粒子的数浓度变化不大,而最大谱宽稍有增大。由于雨强减弱阶段有更多大粒子,所以雷达反射率因子比增强阶段偏大。
百泉γ谱三参数N0、λ、μ随时间的演变(图 4e)显示,随着雨强增强,λ、μ逐渐减小,而N0呈逐渐增大的趋势。雨强减弱过程中,λ、μ基本是逐渐增大,N0则是逐渐减小。λ、μ的最小值出现在雨强减弱的18时44—45分,主要是由于直径大于7 mm的特大粒子数浓度增大和小粒子数浓度显著增大所致。由于小粒子明显减少的影响,18时45分N0数值比18时44分明显减小。
已有研究(Sauvageot et al,2000;Atlas et al,2000;Nzeukou et al,2004)表明,典型拖曳层状飑线的对流带雨滴谱演变特征是雨强增强过程大多是低雨滴浓度、高反射率因子和具有较缓的斜率,而在雨强减弱过程逐渐转为较高的雨滴浓度、较低反射率因子和较陡的斜率。章丘对流降水也基本有这一特征,即在雨强增强过程中为较低的雨滴浓度、较大的谱宽、以及较小的γ谱斜率参数λ和形状参数μ,而在雨强减弱过程中为较高的雨滴浓度、较小的谱宽、以及较大的λ和μ,从雨滴谱的演变来看,雨滴浓度NT的变化主要受小粒子数浓度变化的影响,而Z值和λ、μ的改变主要与中等和大粒子数浓度的变化有关。百泉雨滴谱演变特征明显不同,主要是在雨强减弱阶段中等和大雨滴浓度也较大,因此,也具有较大的Z值、较低的γ谱斜率参数λ和形状参数μ。
4.2 垛庄、三岔村雨滴谱时间序列特征分析垛庄对流性降水(图 5b)持续43 min,只经过3 min就增大至95.6 mm/h的最大雨强,对流降水阶段有明显的5个雨强起伏(18时31、35、41、50分和19时04分分别对应峰值雨强Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ),雨强变化范围为20—95 mm/h。雨滴浓度NT和反射率因子Z(图 5b)与雨强R的演变趋势有时一致,在最大雨强时对应最大的雨滴浓度NT和反 射率因子Z,随着雨强的起伏变化,NT和Z也是一致的起伏变化。但有时演变趋势不一致,在第Ⅲ、Ⅴ两个雨强峰值,雨强分别为75.2和68.8 mm/h,具有第3和最小的峰值雨强,NT小,但雷达反射率因子(Z)比较大。由于雨强增强阶段数据点太少,不好对比雨强增强、减弱阶段雨滴谱积分参数前后的变化特征。
垛庄雨滴谱随时间的演变(图 5a)显示,与雨强峰值对应,雨滴谱随时间变化也有相应的起伏变化,但不同雨强峰值对应的雨滴谱变化特征存在差别。第Ⅰ和Ⅳ峰值具有较大的小粒子数浓度(分别大于50000和70000 m-3mm-1),大的中等粒子(30—2000 m-3mm-1)和大粒子(1—20 m-3mm-1)数浓度,但最大谱宽偏小,只有5.5 mm。第Ⅱ峰值具有较大的小粒子数浓度(大于60000 m-3mm-1),较大的中等尺度粒子数浓度(20—1300 m-3mm-1),以及较小的大粒子数浓度(小于10 m-3mm-1),最大谱宽最小只有5 mm。第Ⅲ和Ⅴ峰值具有高的小粒子数浓度(分别大于70000和6000 m-3mm-1),较小的中等尺度粒子数浓度(20—900 m-3mm-1),以及较高的大粒子(1—20 m-3mm-1)数浓度,具有最大的谱宽(分别为7.5和6.5 mm),由于有较多的大粒子,所以反射率因子偏大。总的来看,第Ⅲ峰值雨强(18时40分)之后,谱宽和直径大于4 mm的大粒子有逐渐增大之势。
γ谱三参数N0、λ、μ 随时间演变(图 5c)总的趋势是λ、μ在最大雨强之后逐渐减小,而lgN0先是逐渐减小,然后基本维持在3.3。这可能与大粒子有逐渐增多的趋势有关,大粒子数浓度的稍微增大和谱宽的增大对λ、μ有显著的影响,导致两者逐渐减小。
三岔村对流性降水(图 5e)持续22 min,最大雨强(95.7 mm/h)出现在降水后期,雨强增强和减弱阶段分别持续17和5 min,对流降水阶段雨强的起伏变化比垛庄小。雨滴浓度NT(图 5e)有逐渐增大的趋势,而反射率因子Z(图 5e)在18时36分雨强极大值时有最大值(58.7 dBz),而在18时37—49分有逐渐增大的趋势。雨强减弱阶段NT和Z分别比增强阶段偏大和偏小。
三岔村雨滴谱随时间的演变(图 5d)显示,小尺度粒子,特别是直径小于0.5 mm粒子的数浓度逐渐增高,在最大雨强时达到最大58000 m-3mm-1,然后随着雨强减小而减小。直径1—3 mm中等尺度粒子在雨强增强阶段(18时33—40分)数浓度逐渐增大,在雨强维持阶段(18时41—49分)数浓度有起伏,但变化不大,雨强减弱阶段(18时50—54分)数浓度逐渐减小。直径4 mm左右的粒子数浓度在18时36分附近有较大峰值,基本趋势是逐渐增大。最大谱宽约在5.5 mm,更大粒子的分布基本不连续,18时36分有最大的谱宽,存在直径6—8 mm的特大粒子,数浓度低于5 m-3mm-1。γ谱三参数N0、λ、μ(图 5f)显示,雨强增大阶段,λ、μ逐渐减小,18时36分为最小值,然后逐渐增大,而lgN0基本是逐渐增大趋势。雨强维持阶段N0、λ、μ有起伏,但基本维持常数。雨强减弱阶段,λ、μ稍有增大,而lgN0明显减小。18时36分有最小的λ、μ和最大的Z,这与出现少量的特大粒子有关。
对比垛庄、三岔村雨滴谱以及积分参数,两者有明显的差别。垛庄最大雨强出现在降水开始,而三岔村在降水结束阶段。垛庄雨滴谱具有高的小粒子数浓度,最大为79000 m-3mm-1,三岔村小粒子数浓度偏小,最大只有58000 m-3mm-1,但中等尺度和大尺度粒子的数浓度垛庄偏小,最大谱宽垛庄也小,所以垛庄具有较小反射率Z、及较大的λ、μ值。三岔村对流降水大多在极大雨强之前,而垛庄大多是在极大雨强之后,因此综合来看,两个观测点雨滴谱以及积分参数的演变与典型飑线对流线雨滴谱演变的基本特征还是一致的。
5 γ谱参数统计特征分析 5.1 γ谱三参数与雨强的关系从上述各个观测点γ谱三参数随时间演变可以发现,三参数与雨强有一定的关系,μ、λ随着雨强的增大而减小,N0则随着雨强的增大而增大。已有的研究表明,三参数与雨强的关系比较复杂,不同地区γ谱三参数N0、μ、λ随着雨强的变化情况也不统一。Kozu等(1991)发现λ与R为负指数关系,而μ与R为指数关系。Tokay等(1996)则认为,N0、μ、λ随着雨强的增强而增大。Caracciolo等(2006)发现N0、λ随着雨强增强而减小,而μ随着雨强增强而增大。Chang等(2009)分析了中国台湾地区台风雨滴谱特征,发现μ、λ随着雨强增强而减小。也有一些研究发现斜率参数λ在一定的雨强范围内基本维持常数(Uijlenhoet et al,2003a,2003b;Nzeukou et al,2004;Friedrich et al,2013a),这是由于雨滴下落过程收集和破碎平衡而导致的平衡雨滴谱(Sauvageot et al,1995)。
图 6为γ谱 三参数与雨强的散点分布和拟合曲线,由于每个观测点的数据样本不多,所以散点分布包括4个观测点所有雨强R>5.0 mm/h的数据,拟合函数也是利用4个观测点所有雨强R>5.0 mm/h 的数据给出的。N0随雨强增大而增大,可以用幂函数关系拟合,N0=73.84R0.8262,但不同观测点的数据分布有小的差别,章丘(ZQ)观测点N0大部分数据点在拟合线之上,而百泉(BQ)数据比较靠近拟合线但在拟合线之下。垛庄(DZ)和三岔村(SC)数据在拟合线附近,但在雨强R<40 mm/h时,三岔村数据点在拟合线之下。λ、μ随着雨强增强而逐渐减小,拟合函数分别为 μ=-1.773R0.1096、λ=2.567R-0.4307,μ与R成正指数关系,λ与R成负指数关系。不同观测点的数据分布有明显差别,章丘、百泉观测点分别在拟合线上、下,垛庄观测点基本分布在拟合线附近,而三岔村则有明显不同,在雨强R>20 mm/h时,λ、μ随着雨强增强只略减小,基本保持不变,这表明三岔村可能存在平衡雨滴谱(Sauvageot et al,1995;Steinter et al,2004)。
不同观测点γ谱三参数随着雨强增大的变化趋势有明显不同,因此,如果每个观测点的数据分别统计分析,拟合方程会存在一定的差别,说明飑线不同位置雨滴谱演变特征的差别可以导致γ谱三参数的一些统计关系有明显的不一致。
5.2 参数μ、λ之间的函数关系分析Zhang等(2003)认为,μ-λ存在着很好的二次多项式关系,但二次多项式各项的系数有明显差别(Cao et al,2008; Bukovčić et al,2015)。许多研究分析了影响μ-λ关系的因素,Vivekanandan等(2004)分析表明用截断和未截断方法计算的γ谱三参数存在差别,但二次多项式的μ-λ关系却变化不大。Moisseev等(2007)利用模拟资料分析矩方法和数据处理对μ-λ关系的影响,发现与数据处理有关的误差可以导致虚假的μ-λ关系。Chu等(2008)利用二维雨滴谱资料从理论和试验两方面分析了μ-λ关系,指出μ-λ的关系与几阶矩计算参数无关,二次多项式可以很好地描述这一关系。Thurai等(2014)也发现利用不同方法评估的μ-λ关系是一致的。Brawn等(2008)分析了Thies、Parsivel和2D video-disdrometer激光雨滴谱观测资料对μ-λ关系的影响,不同测量设备会导致二次多项式系数存在差别。
图 7为4个观测点雨强R > 5.0 mm/h时的λ-μ散点分布,图中还给出了Zhang等(2003)、Chen等(2013),以及Tang等(2014)中张北观测点的λ-μ拟合曲线。本次过程λ-μ拟合公式为λ=0.1015μ2+1.1986μ+3.0119。与长江流域梅雨季节降水(Chen et al,2013)、内蒙古(Tang et al,2014)和中国季风区多年雨滴谱观测结果(Wang et al,2015)给出的λ-μ相比,二次多项式各项的系数有一定的差别。可能的原因一是不同研究者所用观测设备不一样,Chen等(2013)和Tang等(2014)使用的是Parsivel激光雨滴谱仪,Zhang等(2003)是RD-69激光雨滴谱仪,Wang等(2015)则是包括人工和几种自动观测设备。此外,与其他研究所用数据资料相比,本次过程的λ、μ值均小而集中,只是其他研究中λ、μ值较小的一部分。
图 7中不同观测点的数据分布有微小的不同,章丘和百泉数据点集中在拟合线附近,但章丘在拟合线之下,而百泉基本在拟合线之上。三岔村具有比较小的λ、μ 值,而垛庄具有比较宽的λ、μ值,两者的数据点集中在拟合线上。这表明飑线不同部位的λ-μ关系只有微小的差别,但基本满足一致的λ-μ关系。
5.3 Z-R关系分析图 8为4个观测点对流降水的雷达反射率因子Z与雨强R(大于10 mm/h)的散点分布,所有数据的拟合方程为Z=324R1.60。与NEXRAD雷达的对流降水Z=300R1.4关系(Fulton et al,1998)相比,系数很接近,但指数明显偏大。与中国长江流域梅雨季节对流降水Z-R关系(Chen et al,2013)相比,系数稍小,而指数偏大。
前面分析显示三岔村观测点在一段时间(18时37—49分)似乎存在平衡雨滴谱,利用这段时间的数据分析得到Z=1266R1.32,与平衡雨滴谱对应的Z-R关系具有近似1的指数和很大的系数(Uijlenhoet et al,2003a)相比有明显差别,表明这段时间的雨滴谱还不是典型的平衡雨滴谱。
图 8中分别给出了每个观测点雨强增强、减弱阶段的数据点,章丘观测点在雨强增强阶段大部分数据点在拟合线之上,而减弱阶段基本在拟合线之下。百泉Z明显偏大,大多数数据点在拟合线之上,特别是雨强减弱阶段的数据点都在拟合线之上且比增强阶段稍大,而雨强增强阶段部分数据点位于拟合线之下。垛庄Z偏小,大多数数据点在拟合线之下,雨强R > 10 mm/h时小部分数据点在拟合线之上且紧靠拟合线;雨强增强阶段只有3个观测点,雨强约20 mm/h的1个数据点对应的Z偏大,但最大值的两个点偏小,数据点太少不好判断分布特征。三岔村Z偏大,大多数数据点在拟合线之上,对比雨强减弱阶段4个数据点的Z值,比雨强增加阶段偏小一些。
不同观测点之间的Z-R关系存在差别,即使同一观测点在降水的不同时段也可能有明显差别,显然,Z-R关系在飑线内有明显差异,这会影响雷达定量估测降水的精度。
6 结果与讨论利用4台Thies激光雨滴谱仪组成的观测网资料和CINRADA/SA多普勒雷达观测资料,通过单点雨滴谱和积分参数时间序列分析、以及γ谱拟合参数和Z-R关系的统计分析,成熟飑线不同部位以及同一部位雨滴谱和积分参数演变特征为:
(1) 雷达回波显示,主对流带前后没有明显的层状云,属于平行层状飑线,其左侧在中后期发展成弓状回波。
(2) 弓状回波头部对流带强而窄,垂直结构具有向前悬垂特征,章丘观测点最大雨强188 mm/h,位于45 dBz强回波的后部,垂直对流带,雨强增强阶段小尺度粒子(直径小于1 mm)数浓度逐渐增大,特别是直径小于0.5 mm的粒子数浓度增大的比较明显。中等尺度(直径为1—4 mm)和大粒子(直径大于4 mm)的数浓度变化不大,最大粒子直径为5.5 mm左右,靠近最大雨强存在直径8 mm的特大粒子。雨强减弱阶段开始的几分钟,直径小于0.5 mm的小粒子数浓度大于30000 m-3mm-1,最大超过80000 m-3mm-1,明显比雨强增强阶段大,而中等和大尺度粒子的数浓度与雨强增强阶段差别不大;百泉最大雨强155 mm/h位于45 dBz强回波的中部,雨滴谱演变与章丘有相同点也有差别,相同点是雨强增强阶段小粒子数浓度也是比减弱阶段小。不同点一是雨强增强阶段中等和大粒子的数浓度逐渐增大,最大雨强附近的谱宽明显比章丘大。二是雨强减弱阶段开始2 min中等和大粒子的数浓度快速减小,但大于7 mm的特大粒子数浓度增大,而在中后期较小雨强仍有较多的大粒子。
因此,雨滴浓度NT都是雨强减弱阶段比增强阶段大,而Z则有明显不同,章丘是雨强增强阶段Z偏大,而百泉是雨强减弱阶段大。λ和μ基本是在雨强增强阶段逐渐减小,雨强减弱阶段逐渐增大,但最小值与大粒子、特别是直径大于7 mm粒子的较高数浓度有关。
(3) 飑线中部对流带宽而稍弱,垂直结构前后基本对称,垛庄观测点最大雨强(95 mm/h)处于对流降水的开始,对流降水基本在最大雨强之后,所以雨滴谱的主要特征是大的小粒子数浓度,较小的大粒子数浓度和谱宽。相反,三岔村观测点最大雨强(95 mm/h)处于对流降水的结束阶段,对流降水大部分在最大雨强之前,雨滴谱的主要特征是较小的小粒子数浓度,较大的大粒子数浓度和谱宽。雨滴浓度NT垛庄比三岔村大,而Z是垛庄小,λ和μ是垛庄大。
(4)统计表明,γ谱三参数N0、μ、λ与雨强的关系可以用幂函数拟合,但三参数随雨强增强的变化趋势有所不同,N0随雨强增强而增大,μ、λ 随着雨强的增强而减小,μ-λ的关系可以用二次多项式拟合,对流云Z-R关系为Z=324R1.60。
(5) 飑线不同部位γ谱参数N0、λ和μ与雨强R的关系、以及Z-R关系中参数分布特征有明显的差别,不同部位、甚至同一部位不同降水时段的统计关系也不一样。但λ-μ 关系中不同部位的数据点比较紧密地靠近拟合线,雨滴谱演变特征的差异对λ-μ关系影响较小,说明λ-μ关系中可能包含一定的物理约束(Zhang et al,2003;Moisseev et al,2007)。
本次平行层状飑线雨滴谱特征与拖曳层状飑线对流带的典型特征有较多相似之处,但也有较多不同,如百泉观测点在雨强减弱阶段具有较宽的雨滴谱宽和较大的雷达反射率因子。垛庄和三岔村最大雨强之前和之后的降水时间差别巨大,风场结构等是否也有巨大的差别才导致雨滴谱演变特征的明显差别?这有待更加深入的研究分析,进一步揭示微物理特征的形成机制。
刘黎平, 牟容, 许小永等.2007. 一次飑线过程的动力和微物理结构及滴谱变化对降水估测的影响研究. 气象学报, 65(4):601-611.Liu L P, Mu R, Xu X Y,et al.2007. Dynamic and microphysical structures of a squall line system and effects of rain drop size distribution on precipitation. Acta Meteor Sinica, 65(4):601-611(in Chinese) |
Atlas D,Srivastava R C, Sekhon R S. 1973.Doppler radar characteristics of precipitation at vertical incidence. Rev Geophys,11:1-35 |
Atlas D, Carlton W. Ulbrich, 2000. An observationally based conceptual model of warm oceanic convective rain in the tropics. J Climate Appl Meteor, 39:2165-2181 |
Battaglia A, Rustemeier E, Tokay A, et al. 2010. PARSIVEL snow observations:A critical assessment. J Atmos Ocean Technol, 27:333-344 |
Bloemink H, Lanzinger E. 2005.Precipitation type from the Thies disdrometer.In WMO Technical Conference on Meteorological and Environmental Instruments and Methods of Observation (TECO,2005)Bucharest, Romania, 4-7 May 2005,3:(11) |
Braun S A, Robert A, Houze J. 1994. The transition zone and secondary maximum of radar reflectivity behind a midlatitude squall line:Results retrieved from Doppler radar data. J Atmos Sci, 51:2733-2755 |
Brawn D, Grapham U. 2008.On the measurement of atmospheric gamma drop-size distributions. Atmos Sci Let,9:245-247 |
Bukovčić P, Dušan Z, Zhang G F.2015.Convective-stratiform separation using video disdrometer observations in central Oklahoma-the Bayesian approach. Atmos Res,155:176-191 |
Cao Q,Zhang G F,Brandes E,et al.2008. Analysis of video disdrometer and polarimetric radar data to characterize rain microphysics in Oklahoma. J Climate Appl Meteor, 47:2238-2255 |
Cao Q, Zhang G F. 2009. Errors in estimating raindrop size distribution parameters employing disdrometer and simulated raindrop spectra. J Climate Appl Meteor,48:406-425 |
Caracciolo C,Prodi F,Battaglia A.2006.Analysis of the moments and parameters of a gamma DSD to infer precipitation properties:A convective stratiform discrimination algorithm. Atmos Res,80:165-186 |
Chang W Y, Wang C T,Lin P L. 2009. Characteristics of the raindrop size distribution and drop shape relation in Typhoon systems in the Western Pacific from the 2D video disdrometer and NCU C-band polarimetric radar. J Atmos Ocean Technol,26:1973-1993 |
Chen B J, Yang J, Pu J P. 2013. Statistical characteristics of raindrop size distribution in the Meiyu season observed in eastern China. J Meteor Soc Japan, 91:215-227 |
Chu Y Hs, Su C L. 2008. An investigation of the slope-shape relation for gamma raindrop size distribution. J Climate Appl Meteor,47:2531-2544 |
Frasson R P,Cunha L K, Krajewski W F.2011.Assessment of the Thies optical disdrometer performance. Atmos Res,101:237-255 |
Friedrich K, Kalina E A, Masters F J,et al. 2013a. Drop-size distributions in thunderstorms measured by optical disdrometers during VORTEX2. Mon Wea Rev, 141:1182-1203 |
Friedrich K,Stephanie H, Masters F J,et al. 2013b. Articulating and stationary PARSIVEL disdrometer measurements in conditions with strong winds and heavy rainfall. J Atmos Ocean Technol,30:2063-2080 |
Friedrich K, Kalina E A, Aikins J, et al. 2016. Raindrop size distribution and rain characteristics during the 2013 Great Colorado Flood. J Hydrometeor, 17:53-72 |
Fulton R A, Breidenbach J P, Seo D J,et al. 1998. The WSR-88D rainfall algorithm. Wea Forecasting,13:377-395 |
Houze R A, Rutledge S A, Biggerstaff M I, et al. 1989.Interpretation of Doppler weather radar displays of midlatitude mesoscale convective systems. Bull Amer Meteor Soc, 70:608-619 |
Jaffrain J, Berne A. 2011. Experimental quantification of the sampling uncertainty associated with measurements from PARSIVEL disdrometers. J Hydrometeor, 12:352-370 |
Kozu T, Nakamura K. 1991. Rainfall parameter estimation from Dual-radar measurements combining reflectivity profile and path-integrated attenuation. J Atmos Ocean Technol,8:259-270 |
Maki M,Keenan T D,Sasaki Y,et al.2001.Characteristics of the raindrop size distribution in tropical continental squall lines observed in Darwin,Australia. J Climate Appl Meteor,40:1393-1412 |
Moisseev D N,Chandrasekar V. 2007. Examination of the μ-Λ relation suggested for drop size distribution parameters. J Atmos Ocean Technol, 24:847-855 |
Nzeukou A, Sauvageot H, Ochou A D,et al. 2004. Raindrop size distribution and radar parameters at Cape Verde. J Climate Appl Meteor,43:90-105 |
Parker M D, Johnson R H.2000. Organizational modes of midlatitude mesoscale convective systems. Mon Wea Rev, 128:3413-3436 |
Rigo T, Llasat M C.2007. Analysis of mesoscale convective systems in catalonia using meteorological radar for the period 1996-2000. Atmos Res, 83:458-472 |
Sauvageot H, Lacaux J.1995. The shape of averaged drop size distributions. J Atmos Sci, 52:1070-1083 |
Sauvageot H,Koffi M. 2000. Multimodal raindrop size distributions. J Atmos Sci, 57:2480-2492 |
Schiesser H H, Houze J, Huntrieser R A. 1995. The mesoscale structure of severe precipitation systems in Switzerland. Mon Wea Rev, 123:2070-2097 |
Steiner M, Smith J A, Uijlenhoet R.2004.A microphysical interpretation of radar reflectivity-rain rate relationships.J Atmos Sci,61:1114-1131 |
Tang Q,Xiao H, Guo C W,et al.2014.characteristics of the raindrop size distributions and their retrived polarimetric radar parameters in northern and southern China. Atmos Res,136:59-75 |
Thurai M, Williams C R, Bringi V N.2014.Examining the correlations between drop size distribution parameters using data from two side-by-side. Atmos Res,144:95-110 |
Tokay A, David A S. 1996. Evidence from tropical raindrop spectra of the origin of rain from stratiform versus convective clouds. J Climate Appl Meteor, 35:355-371 |
Vivekanandan J, Zhang G F,Brandes E. 2004. Polarimetric radar estimators based on a constrained gamma drop size distribution model. J Climate Appl Meteor, 43:217-230 |
Uijlenhoet R, Steiner M, James A S.2003a.Variability of raindrop size distributions in a squall line and implications for radar rainfall estimation. J Hydrometeor,4:43-61 |
Uijlenhoet R, Smith J A,Steiner M. 2003b. The microphysical structure of extreme precipitation as inferred from ground-based raindrop spectra.J Atmos Sci, 60:1220-1238 |
Ulbrich C W. 1983. Natural variations in the analytical form of the raindrop size distribution. J Climate Appl Meteor, 22:1764-1775 |
Ulbrich C W, Atlas D. 1998. Rainfall microphysics and radar properties:Analysis methods for drop size spectra. J Climate Appl Meteor,37:912-923 |
Waldvogel A. 1974. The N0 jump of raindrop spectra. J Atmos Sci, 31:1067-1078 |
Wang D H, Yin J F, Zhai G Q. 2015. In-situ measurements of cloud-precipitation microphysics in the East Asian Monsoon region since 1960. J Meteor Res, 29:155-179 |
Zhang G F, Vivekanandan J, Edward A,et al. 2003. The shape-slope relation in observed gamma raindrop size distributions:Statistical error or useful information? J Atmos Ocean Technol,20:1106-1119 |