气象学报  2018, Vol. 76 Issue (1): 92-103   PDF    
http://dx.doi.org/10.11676/qxxb2017.078
中国气象学会主办。
0

文章信息

王洪, 吴乃庚, 万齐林, 詹棠. 2018.
WANG Hong, WU Naigeng, WAN Qilin, ZHAN Tang. 2018.
一次华南超级单体风暴的S波段偏振雷达观测分析
Analysis of S-band polarimetric radar observations of a hail-producing supercell
气象学报, 76(1): 92-103.
Acta Meteorologica Sinica, 76(1): 92-103.
http://dx.doi.org/10.11676/qxxb2017.078

文章历史

2017-01-10 收稿
2017-08-04 改回
一次华南超级单体风暴的S波段偏振雷达观测分析
王洪1, 吴乃庚1, 万齐林1, 詹棠2     
1. 中国气象局广州热带海洋气象研究所/中国气象局广东省区域数值天气预报重点实验室, 广州, 510080;
2. 珠海市国家气候观象台, 珠海, 519000
摘要: 利用珠海与澳门共建的中国首部S波段业务双偏振雷达探测资料、风廓线资料和地面加密观测资料,对2015年4月20日发生在珠海附近的一次典型华南春季冷锋触发的超级单体风暴的偏振观测特征进行了分析。天气分析表明,风暴发生于地面冷锋和低空切变线附近,中等对流不稳定(对流有效位能为1300 J/kg)和较强风垂直切变(0-6 km风矢量差为20 m/s)环境中。环境总理查逊数为18,与中纬度典型超级单体的生成环境接近,风暴相对螺旋度为2.9 s-1。偏振观测分析表明,大雹粒子的翻滚使冰雹区具有水平反射率因子高(>50 dBz)、差分反射率低(-1-0.5 dB)的特点;雨和冰相粒子的混合导致了相关系数的下降(小于0.9);比差分相位观测对冰雹并不敏感(比差分相位与水平反射率因子的线性拟合率仅为0.05)。在混合相粒子和液相粒子的共同作用下,融化层附近存在差分反射率增大、相关系数减小的现象。风暴侧前方下沉气流偏东侧边界(水平反射率因子梯度高值区)存在一条“差分反射率弧”(差分反射率高值区),主要由大雨滴构成,粒子分选机制合理解释了其形成原因。同时,相对较大的环境风使差分反射率弧更加远离(相对北美观测事实)风暴主体。风暴水平反射率因子中心附近存在“差分反射率柱”,与大雨滴被上升气流(连续分布的正径向风)带入高层冻结且失去取向稳定而导致差分反射率值迅速减小有关。
关键词: 双偏振雷达     超级单体     冰雹     差分反射率特征    
Analysis of S-band polarimetric radar observations of a hail-producing supercell
WANG Hong1, WU Naigeng1, WAN Qilin1, ZHAN Tang2     
1. Guangzhou Institute of Tropical and Marine Meteorology/Key Laboratory of Regional Numerical Weather Prediction, CMA, Guangzhou 510080, China;
2. Zhuhai National Climate Observatory, Zhuhai 519000, China
Abstract: The Zhu-Macao polarimetric radar data are used to analyze the structure and microphysics of a supercell near Zhuhai during 07:00-10:00 UTC 20 April 2015 (hereafter "4.20" supercell case). The storm occurred near the surface cold front and the low-level shear line, where the CAPE was 1300 J/kg and the wind shear between 0 and 6 km was greater than 20 m/s. The total Richardson number was 18, which is close to the value for typical mid-latitude supercell and the relative helicity of the storm was 2.9 s-1. A number of distinctive polarimetric signatures are found in the storm. The most remarkable signatures of hails were low differential reflectivity (ZDR) (-1 to 0.5 dB) and high reflectivity at horizontal polarizations (ZH) (>50 dBz). Because of tumbling, the ZDR of large hail area was close to 0. The cross-correlation coefficient (CC) was lower than 0.9 in the rain-hail mixtures and the hails had a negligible influence on the specific differential phase (KDP) (the slope of linear regression between ZH and KDP was 0.05). Because of the mixed phase particles and the liquid particles, a characteristic of enhanced ZDR and depressed CC was found near the updraft-perturbed melting layer. A shallow region of high ZDR (>3 dB) was found in the east edge of the forward-flank downdraft (FFD), called the "ZDR arc", which was associated with large, oblate raindrops. The size-sorting mechanism can explain this phenomenon. Compared to observations in North America, the higher environmental winds made the ZDR further away from the ZH center in the "4.20" supercell case. The ZDR columns were observed near the ZH center. The reason is that large raindrops were brought to the upper layer by updrafts and then losed orientation stability when they froze, thereby the ZDR values decreased significantly.
Key words: Dual polarimetric radar     Supercell     Hail     ZDR characteristic    
1 引言

超级单体作为一类发展猛烈的局地强风暴,时常伴随着冰雹(Browning, et al, 1976)、大风、短时强降水(Smith, et al, 2001),甚至龙卷风(Bosart, et al, 2006俞小鼎等, 2006)的发生。由于超级单体的水平尺度小、生命史短,直到天气雷达出现后才有针对此类强天气过程的系统性研究。众多气象学者通过分析研究高时空分辨率的天气雷达观测资料,总结出了超级单体的许多雷达反射率特征:钩状回波、有界弱回波区和悬垂回波结构等(Browning, et al, 1963Kumjian, 2011Markowski, 2002Marwitz, 1972Musil, et al, 1986Stout, et al, 1953王福侠等, 2014郑媛媛等, 2004)。另外,依据常规天气雷达、多普勒天气雷达等观测资料建立了超级单体的流场概念模型和中气旋模型(Brandes, 1978Browning, 1964Browning, et al, 1968Lemon, et al, 1979Skinner, et al, 2014赵坤等, 2008)。

过去大量的研究多集中于超级单体风暴结构描述、机理分析等,而对超级单体云微物理过程关注度不够,其根本原因是缺乏有效的观测手段。自Seliga等(1976)提出双偏振探测理论后,双偏振雷达探测技术日趋完善,为分析研究强对流风暴的云微物理过程提供了大量观测资料。随着水凝物粒子类别、浓度、大小变化,相应的偏振雷达观测量会有所不同:Balakrishnan等(1990)观测到随着冰雹尺寸增大,其相关系数(简称CC)会变小,而纯雨滴的相关系数则高达0.99。在X波段偏振雷达探测龙卷风个例中,非气象回波(环状龙卷碎屑区)的相关系数明显小于气象回波的观测值(Bluestein, et al, 2007)。比差分相位(简称KDP)的大小主要取决于液态水凝物含量,这对定位强降水落区和定量降水估计十分有用(Kumjian, 2013)。另外,偏振资料也被广泛地应用于水凝物识别:如Aydin等(1986)使用水平反射率因子(简称ZH)和差分反射率(简称ZDR)构建了冰雹信号(ZDR-derived hail signal,简称HDR);Straka等(1993)Höller等(1994)先后给出了各自的判决图方法;基于WSR-88D偏振雷达观测资料开发了模糊逻辑分类法(Park, et al, 2009曹俊武等, 2005)。

超级单体的对流十分强盛,上升气流速度可达到40 m/s,垂直方向可伸展至12-15 km以上。单体内包含多种降水粒子(云水、云冰、雨水、雪、霰、雹等),其内部的云微物理过程则更加复杂。因此,超级单体常常在偏振观测中出现一些独特现象。已有研究(Kumjian, et al, 2008)表明,超级单体的上升气流中普遍伴生着冰雹。由于相对介电常数的差异,冰雹的偏振特性明显不同于雨滴。另外,大冰雹通常会出现翻滚现象,导致其取向随机,进而使得大冰雹的差分反射率趋向于0 dB(Lesins, et al, 1986孙丝雨等, 2013)。20世纪80年代英国已经观测到在对流风暴上升气流附近存在正的差分反射率呈垂直柱状分布(Hall, et al, 1984),C波段偏振雷达在成熟对流云中同样能观测到差分反射率>3.0 dB的区域延伸至4 km以上(刘黎平等, 1996)。随后结合偏振雷达和飞机观测结果(Brandes, et al, 1995)表明,虽然差分反射率柱包含大量混合相粒子,但其观测值主要由少量大雨滴贡献。数值模拟(Kumjian, et al, 2014)确认这些柱状分布是雨滴被上升气流带入云中较冷的区域后冻结失去取向稳定性而导致差分反射率值的迅速减小所引起。此外,超级单体差分反射率观测的另一个重要特征(Dawson, et al, 2014)是在低层水平反射率因子梯度大值区存在一条呈弧状分布的差分反射率高值区(简称为差分反射率弧)。差分反射率弧通常位于侧前方下沉气流区(forward-flank downdraft,简称FFD)南边界附近,厚度较薄(1-2 km),中心值超过4-5 dB(Kumjian, et al, 2008)。数值模拟试验结果表明差分反射率弧是由粒子分选导致的(Kumjian, et al, 2012)。粒子分选机制与风垂直切变有密切关系,因此出现差分反射率弧可视为低层风暴相对螺旋度加强的标志(Kumjian, et al, 2007)。除差分反射率柱和差分反射率弧外,在上升气流左侧常常存在正的比差分相位柱(Loney, et al, 2002)。与差分反射率柱不同,比差分相位柱主要由大量混合相粒子组成,并通常伴生于水平反射率因子高值区附近。个例观测显示比差分相位正值(>2°/km区域)可扩展至6.5 km。

过去中国多使用X波段(苏德斌等, 2011)、C波段(刘黎平等, 1996孙丝雨等, 2013张鸿发等, 2001)偏振雷达探测资料研究超级单体的云微物理量及相关过程,而且研究也更多地集中于夏季中高纬度地区。目前而言,针对低纬度、特别是热带季风区的偏振特征和云微物理特征的研究仍不多见。考虑到观测距离和衰减等问题,国际上在气象观测业务中使用更多的是S波段雷达(Kumjian, 2013)。珠澳偏振雷达作为中国第一部S波段双线偏振雷达已于2014年初投入业务使用,中国也正在有序推进在S波段多普勒天气雷达上加装双偏振功能的计划。2015年4月20日7-10时(世界时,下同),在冷锋触发下珠三角附近出现了一系列强对流风暴,其中一个发生在珠海附近的超级单体在2 h内带来了超过30 mm的降水(图 1),同时还造成了较严重的冰雹灾害。雷达回波和降水形态(图 13)显示此次过程为典型的强降水超级单体(简称“4.20”超级单体)。该单体距雷达站点50-80 km,为研究低纬度超级单体风暴特征和云微物理过程提供了较好的机会。深入分析此次超级单体个例的偏振观测结果,可进一步评估珠澳偏振雷达在华南季风区强对流风暴的观测效果和积累更多的S波段偏振雷达资料应用经验;为今后预报员大规模使用S波段偏振雷达资料进行强风暴分析研究提供一些有意义的参考。

图 1 4月20日08-10时单体A发展演变过程 (阴影:2 h累计降水;等值线:每隔30 min 3 km高度上40 dBz反射率;×:目击冰雹落点) Figure 1 Development and evolution process of cell A during 08:00-10:00 UTC 20 April 2015 (shaded:2 hour accumulated precipitation; contours: 40 dBz reflectivity at 3 km; ×: hail observation)
图 2 4月20日00时阳江站探空(a)、风矢量(b, 黑色箭头代表单体移动方向)和珠海风廓线高度-时间剖面 (c,黑色:0-10 m/s,蓝色:10-18 m/s,红色:>18 m/s) Figure 2 (a) Sounding at Yangjiang station at 00:00 UTC 20 April 2015, (b) wind rose (wherein the black arrow represents the storm direction) and (c) time-height cross section of Zhuhai wind profiles (black: 0-10 m/s, blue: 10-18 m/s, red: >18 m/s)
图 3 4月20日08时21分-09时30分超级单体的不同仰角水平反射率因子分布 (a-d. 0.5°, e-h. 2.4°, i-l. 6.0°; 黑点为冰雹区) Figure 3 The reflectivity at different elevations during 08:21-09:30UTC 20 April 2015 (a-d. 0.5°, e-h. 2.4°, i-l. 6.0°; blackspot: hail area)
2 资料说明及环境分析

珠澳偏振雷达(22.02°N,113.37°E,海拔高度222 m)位于珠海机场附近,具体雷达参数见表 1。该雷达采用实时双发双收模式,即同步发射/接收水平/垂直偏振波;针对不同季节、不同天气系统采用不同的体扫模式(通用模式、晴空模式或台风模式),可获得水平反射率因子、差分反射率、比差分相位、相关系数、径向速度(Vr)、速度谱宽(简称SW)等观测量。珠澳偏振雷达采用高斯模型自适应处理(GMAP)技术(Siggia, et al, 2004)处理地物杂波;内置的偏振气象指数(PMI)算法(Chanthavong, et al, 2010)能有效区分气象/非气象回波,滤除单偏振雷达不易过滤的晴空回波和海浪杂波;采用随机相位方法去除双程回波;通过时域脉冲对处理模式进行参数估计。澳门和广东气象部门业务使用经验表明,珠澳偏振雷达的水平反射率因子资料可信度较高,因此不再对水平反射率因子资料做进一步的质量控制。对相关系数、差分反射率和比差分相位,直接过滤掉对应水平反射率因子小于-10 dBz的观测点。随后使用干雪法订正差分反射率的系统偏差,采用高度(5-5.8 km,0℃层高度约5 km,图 2a)、反射率因子(10-30 dBz)、探测距离(10-120 km)、相关系数(不低于0.95)的阈值确定干雪区,然后计算其差分反射率平均值,该值即被作为差分反射率系统偏差处理。在此次超级单体过程中,由干雪法确定的差分反射率系统偏差约为1 dB。订正后,超级单体边缘的差分反射率值约为0.5 dB,基本合理。

表 1 珠澳偏振雷达参数 Table 1 Parameters of Zhu-Macao polarimetric radar
参数名称 参数值 参数名称 参数值
探测波波长 S波段(10 cm) 峰值功率 ≥800 KW
工作频率 2.9 GHz 动态范围 >95 dB
脉冲重复频率 250-1304 Hz 脉冲宽度 0.5, 1.57, 4.5 μs
接收机噪声指数 ≤2.0 dB 杂波抑制能力 >50 dB

2015年4月20日08-10时,珠江口西侧的广东省江门市、珠海市受到了“4.20”超级单体影响。在单体成熟期(09时,图 1黄色等值线),受右移单体影响,开平三埠镇(图 1 SF)、赤坎镇(图 1 CK)、百合镇(图 1 BH)以及台山白沙镇(图 1 BS)先后降雹,冰雹直径2-3 cm(目击者报告)。由于降雹过程是研究“4.20”超级单体的主要对象,因此十分有必要明确冰雹区的分布。在众多利用偏振雷达观测识别水凝物的算法中,HDR方法和判决图方法在冰雹识别中都存在一定的缺陷。HDR方法将在融化层以上失效,这是因为此处冰相粒子的平均差分反射率趋近于0 dB,致使HDR值与水平反射率因子成正比。不同水凝物的偏振观测量会相互重叠,所以基于边界条件和布尔逻辑的判决图方法不太适合水凝物分类识别。而模糊逻辑分类法不追求具体的降水粒子类型的量值,而是使用简单的规则来描述所感兴趣的系统,而且还可以处理重叠或“被噪声污染”的数据。Park等(2009)基于模糊逻辑建立了一套水凝物分类算法,并在WSR-88D偏振雷达上获得了业务应用。因此将其简化移植到珠澳偏振雷达中,用以识别冰雹区。在09时09-30分,模糊逻辑分类法识别出单体A的近地面仰角(0.5°)存在冰雹(见图 3黑点区),这与目击者报告的降雹时间、地点、范围基本吻合(见图 1中冰雹落点)。因而在缺乏冰雹直接观测的前提下,文中使用模糊逻辑分类法计算的冰雹区进行相关讨论。

诱发此次超级单体的天气形势大致是500 hPa存在高空槽,槽前西南气流控制着广东全省;伴随着高空槽向东南移动,850 hPa切变线和地面冷锋南下影响华南沿海(图略)。垂直大气环境场方面,从图 2a给出的超体单体生成前7小时上游附近(50-70 km)阳江站的探空曲线可见,湿度呈较显著的下湿上干结构(近地面有厚度约1 km的湿层,850 hPa以上为干层)。对流有效位能为1300 J/kg;对流抑制能量较低,仅为0 J/kg;抬升凝结高度为980 m。3 km高度上的风速为16 m/s,总理查逊数为18,这与北美地区超级单体环境场参数(Weisman, et al, 1982)相当(北美超体单体的环境总理查逊数在15-35,其中长生命史单体的总理查逊数约为20)。同时,珠海风廓线雷达观测亦表明,超级单体发生期间风随高度一直是顺时针切变(图 2b),由低层的偏南风切变为高层的偏西风,2.4 km以上风速超过10 m/s(图 2c)。

3 偏振观测特征 3.1 风暴的发展过程

“4.20”超级单体历时约2.5 h,自西向东移动了约120 km。07时23分,单体在西北偏西(方位角285°)方向,距雷达站150 km处生成,并逐步向东移动。08时05分,新单体B在单体A左侧(相对于风暴移动方向)生成,随后两个单体不断分离,并以约11 m/s向东北、东两个方向移动。09时04分,单体A达到成熟阶段,中心强度超过55 dBz,并出现了钩状回波(图 3c);此时6.0°仰角上回波呈椭圆状分布,单体前端反射率较弱,约为20 dBz(图 3k)。由于单体A的回波结构更加典型,距离珠澳偏振雷达也更近,因此下面将着重分析单体A的偏振雷达观测特征。

3.2 冰雹

冰雹是强对流云中生成的固态降水物,其识别和预警一直是天气雷达观测应用的主要方向之一。过去大量研究(Anderson, et al, 2011Aydin, et al, 1986苏德斌等, 2011)表明,双偏振雷达是识别冰雹的主要工具之一。09时09分的冰雹区位于单体中心位置(图 4a中“□”),对应的水平反射率因子为极大值中心,差分反射率、相关系数是极小值中心,其中心值分别为50 dBz、0 dB和0.9(图 4a-c)。

图 4 4月20日09时09分单体A 0.5°仰角的偏振雷达观测量分布 (a.水平反射率因子(“□”为冰雹区),b.差分反射率,c.相关系数,d.比差分相位,e.径向速度Vr) Figure 4 PPI at 0.5° elevation at 09:09 UTC 20 April 2015 (a. ZH, b. ZDR, c. CC, d. KDP, e. Vr; black lines: ZH of 30, 40, 50 dBz, "□" in the a: hail area)

差分反射率观测值与粒子形状密切相关。冰雹的形状因子(最短直径与最长直径之比,用以定量描述粒子的形状)通常随最大直径的增大而减小,即小冰雹(直径5-10 mm)呈球形;直径10-20 mm的冰雹呈椭圆形;更大的冰雹粒子则为带突出物的椭圆或圆锥(List, 1986)。但大冰雹粒子在下落过程中会出现翻滚现象(Lesins, et al, 1986)。所以对雷达观测而言,下落中的大冰雹粒子近似于各向同性的“球形”,相应差分反射率也接近于0 dB。在大冰雹周围存在大量较小的湿雹和大雨滴,其差分反射率值就相对较高。如此就形成了以大冰雹区为中心的差分反射率低值中心。与以往工作类似,单体A的冰雹区同样具有水平反射率因子高(>50 dBz)、差分反射率低(-1-0.5 dB)的特征。

同时冰雹区的相关系数较低,在0.85-0.94(图 4c)。已有研究(Balakrishnan, et al, 1990Zrnić, et al, 1993)表明,雨-冰雹混合区的相关系数可小于0.9,这是因为若在一个距离库同时存在两种水凝物,则其相关系数值会下降。下降幅度由每种水凝物对总信号强度的相对贡献决定,当两种水凝物具有相等的相对贡献时,相关系数值达到最低值。

比差分相位极值中心(约3 °/km)与水平反射率因子中心(即冰雹区)并不重合,而是偏北约2 km。这与比差分相位观测主要对雨水敏感,而对冰雹并不敏感有关。导致比差分相位观测对冰雹不敏感有两个主要因素:(1)冰的相对介电常数明显小于水,湿雹所含液态水对相对介电常数的改变也有限;(2)大冰雹下落中的翻滚效应导致其对偏振观测十分不敏感。在水平反射率因子大于50 dBz的区域(近似于冰雹区)内,比差分相位随着水平反射率因子的增大而增加,但其增幅较小(线性拟合斜率仅为0.05,图略)。这进一步说明比差分相位观测对冰雹确实不太敏感。

3.3 中层偏振特征

在3.3°仰角上,单体A的水平反射率因子中心南侧(x=-80 km,y=30 km,高度约4.9 km)存在相关系数降低、差分反射率增大的现象。4.9 km高度正好位于融化层内(探空曲线显示0℃层高度约5 km,图 2a),同时此处还存在一个弱中气旋(图 5c)。在融化层内,冰相粒子将逐渐融化,形成湿雪等混合相粒子(图 5b中“*”)。混合相粒子含水量增加,其相对介电常数也会增大,最终导致差分反射率增大。伴随着中气旋的上升气流代表着正的温度扰动,使得从低层输送而来的雨滴(图 5a中“○”)仍然为液相;而融化层内的上升气流南侧则是明显的含冰粒子区(图 5b的湿雪)。液相粒子、混合相粒子共存于同一距离库直接导致了相关系数降低。由于观测资料的缺失(x=-84 km,y=30 km),无法展现偏振雷达观测分析(Kumjian, et al, 2008)常提到的“相关系数环”。

图 5 4月20日09时09分单体A 3.3°仰角的偏振雷达观测量分布 (a.相关系数,b.差分反射率,c.径向速度Vr;黑色等值线: 30, 40, 50 dBz的水平反射率因子,“○”:大雨滴,“*”:湿雪) Figure 5 PPI at 3.3° elevation at 09:09 UTC 20 April 2015 (a. CC, b. ZDR, c. Vr; black lines: ZH of 30, 40, 50 dBz; "○" in the a: big rain drop; "*" in the b: wet snow)
3.4 差分反射率弧和差分反射率柱

已往众多研究(Dawson, et al, 2014Kumjian, et al, 20122008)表明,差分反射率弧是超级单体最明显的低层偏振特征。09时09分,单体A中有两处差分反射率大值区(图 5b6b):一处位于单体钩状回波附近(x=-80 km,y=24 km)、另一处位于单体前侧下沉气流区(简称FFD)偏东边界附近(x=-70--88 km,y=30-50 km)。上述两处差分反射率大值区的共同特点是都位于水平反射率因子梯度较大的区域,并且都主要由大雨滴组成(图 6b),但两者的形成原因并不相同。

图 6 4月20日09时09分单体A 1.5°仰角的偏振观测量(a-c)及方位角-高度剖面(d-f) (a、d.水平反射率因子,b、e.差分反射率,c、f.径向速度Vr;黑色等值线:30、40、50、60 dBz的水平反射率因子,a、d中“□”:冰雹;b、e中“○”:大雨滴) Figure 6 PPI at 1.5° elevation (a-c) and azimuth-height cross section (d-f) at 09:09 UTC 20 April 2015 (a, d. ZH, b, e. ZDR. c, f. Vr; black lines: ZH of 30, 40, 50, 60 dBz; "□" in the a, d: hail; "○" in the b, e: big rain drop)

FFD边界附近的差分反射率大值区仅分布于从0.5°-2.4°,累计厚度约2 km(图 6ex=296°-308°),长约20 km,宽14 km左右,中心值超过3 dB,满足差分反射率弧的相关特征。散射理论(Bringi, et al, 2010)表明,较高的差分反射率主要与大的椭球形雨滴有关,而水凝物分类结果显示差分反射率弧确实主要由大雨滴(图 6b的“○”)组成。要形成主要由大雨滴组成的差分反射率弧,必然存在某种粒子分选机制使大雨滴集中分布于该区域。Kumjian等(2012)Dawson等(2014)的数值模拟试验结果表明该粒子分选机制是,超级单体低层的风垂直切变使小粒子(下落末速度小,受环境风作用时间更长)比大粒子(下落末速度大,受环境风作用时间更短)平流到更加远离粒子源地的位置。进而不同的粒子轨迹造成大粒子在某块区域聚集。此次过程的差分反射率弧位置同北美地区的个例有一定差异,北美地区的差分反射率弧主要位于FFD的南侧边界(Kumjian, et al, 2008),而“4.20”超级单体的差分反射率弧则位于FFD偏东侧边界,离单体中心相对更远,这主要与环境风场差异有关。垂直风场观测(图 2)显示“4.20”超级单体发生期间,风从低层的偏南风顺时针切变为中高层的偏西风,且5-11 km内风速超过18 m/s,比Dawson等(2014)给出的北美超级单体个例环境风整体偏大8-10 m/s。较大的偏西风将大雨滴带到了FFD的偏东侧边界,直接造成了“4.20”超级单体的差分反射率弧远离单体中心。

钩状回波附近的差分反射率大值较为深厚,从0.5°仰角一直伸展到4.3°仰角以上,形成原因是差分反射率柱。图 6d-f分别给出了水平反射率因子、差分反射率和Vr沿距雷达84 km(图 6a黑色曲线)的方位角-高度剖面。从图中可知,水平反射率因子呈柱状分布,30 dBz扩展到13 km以上,中心超过60 dBz,含有冰雹粒子(图 6d中“□”)。同已往许多学者(Brandes, et al, 1995Hall, et al, 1984刘黎平等, 1996)的中纬度观测结果类似,在华南“4.20”超级单体中也观测到了明显的差分反射率柱。差分反射率柱分布于286°-290°(宽约6 km),1.5 dB等值线达到6 km高度(约-8℃)。模糊逻辑分类法显示差分反射率柱主要由大雨滴组成(图 6e中“○”),这也符合飞机直接观测(Brandes, et al, 1995Loney, et al, 2002)结果。一般认为差分反射率柱与上升气流有关,认为是雨滴被上升气流带入云中较冷的区域后冻结且失去取向稳定才导致的差分反射率值迅速减小。配合径向风观测(图 6f)可知,正的径向风(正值表示径向风带有垂直向上的速度分量)也呈柱状分布,垂直延伸到6 km上,量级约6 m/s。与北美观测不同,“4.20”超级单体的差分反射率柱和差分反射率弧并没有连成一体。这是因为FFD南侧边界附近(x=75 km,y=32 km)主要分布冰雹、霰等冰相粒子(模糊逻辑分类结果,图略),导致该处差分反射率较小。

4 结论和讨论

S波段双偏振雷达获取的水平反射率因子、差分反射率、比差分相位、相关系数观测资料是研究风暴云微物理过程的重要资料。文中结合中国首部业务S波段双偏振雷达,在对偏振观测资料进行水平反射率因子阈值过滤、干雪法订正差分反射率、模糊逻辑识别水凝物等预处理和质量控制基础上,分析了2015年4月20日发生在珠海附近的一次典型华南低纬度超级单体的结构特征和微物理特征。初步结论如下:

(1) 天气分析表明,该超级单体风暴发生于地面冷锋和低空切变线附近,该处的对流有效位能为1300 J/kg,0-6 km的风矢量差是20 m/s,总理查逊数与中纬度典型超级单体生成环境接近,风暴相对螺旋度为2.9 s-1。整体而言,环境场的热力、动力因素适合强风暴的发生、发展。

(2) 偏振观测表明,低仰角(0.5°)冰雹区对应着水平反射率因子极大值中心和差分反射率、相关系数极小值中心,且与其他地区的观测特征类似,大雹粒子翻滚使冰雹区具有水平反射率因子高(>50 dBz)、差分反射率低(-1-0.5 dB)的特征。在同一个距离库内,雨和冰雹的混合导致了相关系数的下降(<0.9)。由于比差分相位观测对冰雹并不敏感,比差分相位极值中心(约3°/km)偏离了冰雹区约2 km,而冰雹相对较小的相对介电常数及其翻滚效应是其对比差分相位观测不敏感的主要原因。

(3) 在中层(3.3°仰角,约4.9 km高度附近),偏振雷达观测到反射率中心南侧存在着相关系数降低、差分反射率增大的现象。此处位于融化层高度附近,主要发生着以下云微物理过程:雪等冰相粒子在下降过程中不断融化和单体上升气流向上输送着雨滴;融化导致湿雪的相对介电常数变大而使得差分反射率增大;同时,液相粒子、混合相粒子共存于同一距离库则导致了相关系数降低。

(4) 双偏振雷达在单体FFD东侧边界附近(即水平反射率因子梯度较大的区域)观测到一条呈弧状分布的差分反射率高值区(称为差分反射率弧),其中心值超过3 dB,主要组成水凝物粒子为大雨滴。其成因可由Kumjian等(2012)提出的粒子分选机制(认为风垂直切变将大粒子聚集在该区域)合理解释。由于此次过程中层环境风较大,使得差分反射率弧位于FFD偏东侧边界,而不同于北美地区常观测到的FFD偏南侧。另外,在上升气流区附近存在一条“差分反射率柱”(宽约5 km,垂直扩展到6 km高度上),主要也由大雨滴组成。该特征为大雨滴被上升气流带入高层冻结且失去取向稳定导致差分反射率值迅速减小所致。与北美观测不同,此次华南超级单体风暴没有呈现“差分反射率柱”和“差分反射率弧”连成一体的特征,这与FFD南侧边界附近主要分布冰雹、霰等冰相粒子导致差分反射率较小有关。

需要指出的是,文中仅是一次春季冷锋触发的超级单体过程的个例分析。华南低纬度高湿区强风暴的普遍偏振雷达观测特征,特别是区别于中纬度的一些观测特点和原因,仍有待于更多的不同天气类型的个例研究。同时文中多以定性分析为主,各偏振量之间的定量关系亦需进一步研究。

致谢: 感谢珠海市气象局和敏视达公司张持岸工程师在雷达资料数据处理和质量控制方面提供的大力帮助。
参考文献
Bringi V N, Chandrasekar V. 李忱, 张越译. 2010. 偏振多普勒天气雷达原理和应用. 北京: 气象出版社, 159-185. Bringi V N, Chandrasekar V. Li C, Zhang Y, trans. Polarimetric Doppler Weather Radar: Principles and Applications. Beijing: China Meteorological Press, 159-185 (in Chinese)
曹俊武, 刘黎平, 葛润生. 2005. 模糊逻辑法在双线偏振雷达识别降水粒子相态中的研究. 大气科学, 29(5): 827–836. Cao J W, Liu L P, Ge R S. 2005. A study of fuzzy logic method in classification of hydrometeors based on polarimetric radar measurement. Chinese J Atmos Sci, 29(5): 827–836. (in Chinese)
刘黎平, 钱永甫, 王致君. 1996. 用双线偏振雷达研究云内粒子相态及尺度的空间分布. 气象学报, 54(5): 590–599. Liu L P, Qian Y F, Wang Z J. 1996. The study of spacial distribution of phase and size of hydrometeorsin cloud by dual linear polarization radar. Acta Meteor Sinica, 54(5): 590–599. DOI:10.11676/qxxb1996.061 (in Chinese)
苏德斌, 马建立, 张蔷, 等. 2011. X波段双线偏振雷达冰雹识别初步研究. 气象, 37(10): 1228–1232. Su D B, Ma J L, Zhang Q, et al. 2011. Preliminary research on method of hail detection with X band dual linear polarization radar. Meteor Mon, 37(10): 1228–1232. DOI:10.7519/j.issn.1000-0526.2011.10.005 (in Chinese)
孙丝雨, 沈永海, 霍苗, 等. 2013. 双线偏振雷达在一次强降雹过程中的初步应用. 暴雨灾害, 32(3): 249–255. Sun S Y, Shen Y H, Huo M, et al. 2013. Preliminary application of dual-polarization weather radar in a severe hail event. Torrential Rain Disaster, 32(3): 249–255. (in Chinese)
王福侠, 俞小鼎, 闫雪瑾. 2014. 一次超级单体分裂过程的雷达回波特征分析. 气象学报, 72(1): 152–167. Wang F X, Yu X D, Yan X J. 2014. Analysis of the splitting processes of the supercell storms based on the Doppler weather radar data. Acta Meteor Sinica, 72(1): 152–167. DOI:10.11676/qxxb2014.010 (in Chinese)
俞小鼎, 郑媛媛, 张爱民, 等. 2006. 安徽一次强烈龙卷的多普勒天气雷达分析. 高原气象, 25(5): 914–924. Yu X D, Zheng Y Y, Zhang A M, et al. 2006. The detection of a severe tornado event in Anhui with China new generation weather radar. Plateau Meteor, 25(5): 914–924. (in Chinese)
张鸿发, 郄秀书, 王致君, 等. 2001. 偏振雷达观测强对流雹暴云. 大气科学, 25(1): 38–48. Zhang H F, Qie X S, Wang Z J, et al. 2001. Polarization radar observations on hailstorms. Chinese J Atmos Sci, 25(1): 38–48. (in Chinese)
赵坤, 周仲岛, 潘玉洁, 等. 2008. 台湾海峡中气旋结构特征的单多普勒雷达分析. 气象学报, 66(4): 637–651. Zhao K, Zhou Z D, Pan Y J, et al. 2008. Single-Doppler radar analysis of a mesocyclone in the Taiwan Strait. Acta Meteor Sinica, 66(4): 637–651. DOI:10.11676/qxxb2008.060 (in Chinese)
郑媛媛, 俞小鼎, 方翀, 等. 2004. 一次典型超级单体风暴的多普勒天气雷达观测分析. 气象学报, 62(3): 317–328. Zheng Y Y, Yu X D, Fang C, et al. 2004. Analysis of a strong classic supercell storm with Doppler weather radar data. Acta Meteor Sinica, 62(3): 317–328. DOI:10.11676/qxxb2004.032 (in Chinese)
Anderson M E, Carey L D, Petersen W A, et al. 2011. C-band dual-polarimetric radar signatures of hail. Electronic J Operat Meteor, 12(2): 45–75.
Aydin K, Seliga T A, Balaji V. 1986. Remote sensing of hail with a dual linear polarization radar. J Climate Appl Meteor, 25(10): 1475–1484. DOI:10.1175/1520-0450(1986)025<1475:RSOHWA>2.0.CO;2
Balakrishnan N, Zrnic D S. 1990. Use of polarization to characterize precipitation and discriminate large hail. J Atmos Sci, 47(13): 1525–1540. DOI:10.1175/1520-0469(1990)047<1525:UOPTCP>2.0.CO;2
Bluestein H B, French M M, Tanamachi R L, et al. 2007. Close-range observations of tornadoes in supercells made with a dual-polarization, X-band, mobile Doppler radar. Mon Wea Rev, 135(4): 1522–1543. DOI:10.1175/MWR3349.1
Bosart L F, Seimon A, LaPenta K D, et al. 2006. Supercell tornadogenesis over complex terrain:The great Barrington, Massachusetts, tornado on 29 May 1995. Wea Forecasting, 21(6): 897–922. DOI:10.1175/WAF957.1
Brandes E A. 1978. Mesocyclone evolution and tornadogenesis:Some observations. Mon Wea Rev, 106(7): 995–1011. DOI:10.1175/1520-0493(1978)106<0995:MEATSO>2.0.CO;2
Brandes E A, Vivekanandan J, Tuttle J D, et al. 1995. A study of thunderstorm microphysics with multiparameter radar and aircraft observations. Mon Wea Rev, 123(11): 3129–3143. DOI:10.1175/1520-0493(1995)123<3129:ASOTMW>2.0.CO;2
Browning K A, Ludlam F H, Macklin W C. 1963. The density and structure of hailstones. Quart J Roy Meteor Soc, 89(379): 75–84. DOI:10.1002/(ISSN)1477-870X
Browning K A. 1964. Airflow and precipitation trajectories within severe local storms which travel to the right of the winds. J Atmos Sci, 21(6): 634–639. DOI:10.1175/1520-0469(1964)021<0634:AAPTWS>2.0.CO;2
Browning K A, Wexler R. 1968. The determination of kinematic properties of a wind field using Doppler radar. J Appl Meteor, 7(1): 105–113. DOI:10.1175/1520-0450(1968)007<0105:TDOKPO>2.0.CO;2
Browning K A, Foote G B. 1976. Airflow and hail growth in supercell storms and some implications for hail suppression. Quart J Roy Meteor Soc, 102(433): 499–533. DOI:10.1002/(ISSN)1477-870X
Chanthavong V, Holmes J, Keränen R, et al. 2010. Mitigation of sea clutter and other non-stationary echoes based on general purpose polarimetric echo identification//6th European Conf. on Radar in Meteorology and Hydrology. Sibiu, Romania: ERAD, 1-6
Dawson D T, Mansell E R, Jung Y, et al. 2014. Low-level ZDR signatures in supercell forward flanks:The role of size sorting and melting of hail. J Atmos Sci, 71(1): 276–299. DOI:10.1175/JAS-D-13-0118.1
Hall M P, Goddard J W, Cherry S M. 1984. Identification of hydrometeors and other targets by dual-polarization radar. Radio Sci, 19(1): 132–140. DOI:10.1029/RS019i001p00132
Höller H, Hagen M, Meischner P F, et al. 1994. Life cycle and precipitation formation in a hybrid-type hailstorm revealed by polarimetric and Doppler radar measurements. J Atmos Sci, 51(17): 2500–2522. DOI:10.1175/1520-0469(1994)051<2500:LCAPFI>2.0.CO;2
Kumjian M. 2011. Precipitation properties of supercell hook echoes. Electronic J Severe Storms Meteor, 6(5): 1–21.
Kumjian M R, Ryzhkov A. 2007. Polarimetric characteristics of tornadic and nontornadic supercell thunderstorms//33rd Conf. on Radar Meteorology. Cairns, Queensland, Australia: Amer Meteor Soc, 11
Kumjian M R, Ryzhkov A V. 2008. Polarimetric signatures in supercell thunderstorms. J Appl Meteor Climatol, 47(7): 1940–1961. DOI:10.1175/2007JAMC1874.1
Kumjian M R, Ryzhkov A V. 2012. The impact of size sorting on the polarimetric radar variables. J Atmos Sci, 69(6): 2042–2060. DOI:10.1175/JAS-D-11-0125.1
Kumjian M R. 2013. Principles and applications of dual-polarization weather radar.Part Ⅰ:Description of the polarimetric radar variables.. J Oper Meteor, 1(19): 226–242. DOI:10.15191/nwajom.2013.0119
Kumjian M R, Khain A P, Benmoshe N, et al. 2014. The anatomy and physics of ZDR columns:Investigating a polarimetric radar signature with a spectral bin microphysical model. J Appl Meteor & Climatol, 53(7): 1820–1843.
Lemon L R, Doswell Ⅲ C A. 1979. Severe thunderstorm evolution and mesocyclone structure as related to tornadogenesis. Mon Wea Rev, 107(9): 1184–1197. DOI:10.1175/1520-0493(1979)107<1184:STEAMS>2.0.CO;2
Lesins G B, List R. 1986. Sponginess and drop shedding of gyrating hailstones in a pressure-controlled icing wind tunnel. J Atmos Sci, 43(23): 2813–2825. DOI:10.1175/1520-0469(1986)043<2813:SADSOG>2.0.CO;2
List R. 1986. Properties and growth of hailstones//Kessler E. Thunderstorm Dynamics and Morphology. Oklahoma: University of Oklahoma Press, 259-276
Loney M L, Zrnic D S, Straka J M, et al. 2002. Enhanced polarimetric radar signatures above the melting level in a supercell storm. J Appl Meteor, 41(12): 1179–1194. DOI:10.1175/1520-0450(2002)041<1179:EPRSAT>2.0.CO;2
Markowski P M. 2002. Hook echoes and rear-flank downdrafts:A review. Mon Wea Rev, 130(4): 852–876. DOI:10.1175/1520-0493(2002)130<0852:HEARFD>2.0.CO;2
Marwitz J D. 1972. The structure and motion of severe hailstorms.Part Ⅰ:Supercell storms.. J Appl Meteor, 11(1): 166–179. DOI:10.1175/1520-0450(1972)011<0166:TSAMOS>2.0.CO;2
Musil D J, Heymsfield A J, Smith P L. 1986. Microphysical characteristics of a well-developed weak echo region in a high plains supercell thunderstorm. J Climate Appl Meteor, 25(7): 1037–1051. DOI:10.1175/1520-0450(1986)025<1037:MCOAWD>2.0.CO;2
Park H S, Ryzhkov A V, Zrnić D S, et al. 2009. The hydrometeor classification algorithm for the polarimetric WSR-88D:Description and application to an MCS. Wea Forecasting, 24(3): 730–748. DOI:10.1175/2008WAF2222205.1
Seliga T A, Bringi V N. 1976. Potential use of radar differential reflectivity measurements at orthogonal polarizations for measuring precipitation. J Appl Meteor, 15(1): 69–76. DOI:10.1175/1520-0450(1976)015<0069:PUORDR>2.0.CO;2
Siggia A D, Passarelli J R. 2004. Gaussian model adaptive processing (GMAP) for improved ground clutter cancellation and moment calculation//Proc. 3rd European Conf. on Radar in Meteorology and Hydrology. Visby, Gotland, Sweden: ERAD, 67-73
Skinner P S, Weiss C C, French M M, et al. 2014. VORTEX2 observations of a low-level mesocyclone with multiple internal rear-flank downdraft momentum surges in the 18 May 2010 Dumas, Texas, supercell. Mon Wea Rev, 142(8): 2935–2960. DOI:10.1175/MWR-D-13-00240.1
Smith J A, Baeck M L, Zhang Y, et al. 2001. Extreme Rainfall and Flooding from Supercell Thunderstorms. J Hydrometeor, 2(5): 469–489. DOI:10.1175/1525-7541(2001)002<0469:ERAFFS>2.0.CO;2
Stout G E, Huff F A. 1953. Radar records Illinois tornado genesis. Bull Amer Meteor Soc, 34: 281–284.
Straka J, Zrnić D. 1993. An algorithm to deduce hydrometeor types and contents from multiparameter radar data//Preprints, 26th Conf. on Radar Meteorology. Norman, OK: Amer Meteor Soc, 513-515
Weisman M L, Klemp J B. 1982. The dependence of numerically simulated convective storms on vertical wind shear and buoyancy. Mon Wea Rev, 110(6): 504–520. DOI:10.1175/1520-0493(1982)110<0504:TDONSC>2.0.CO;2
Zrnić D, Bringi V, Balakrishnan N, et al. 1993. Polarimetric measurements in a severe hailstorm. Mon Wea Rev, 121(8): 2223–2238. DOI:10.1175/1520-0493(1993)121<2223:PMIASH>2.0.CO;2