中国气象学会主办。
文章信息
- 潘佳文, 蒋璐璐, 魏鸣, 罗昌荣, 高丽, 郑秀云, 彭婕. 2020.
- PAN Jiawen, JIANG Lulu, WEI Ming, LUO Changrong, GAO Li, ZHENG Xiuyun, PENG Jie. 2020.
- 一次强降水超级单体的双偏振雷达观测分析
- Analysis of a high precipitation supercell based on dual polarization radar observations
- 气象学报, 78(1): 86-100.
- Acta Meteorologica Sinica, 78(1): 86-100.
- http://dx.doi.org/10.11676/qxxb2020.003
文章历史
-
2019-05-07 收稿
2019-08-20 改回
2. 宁波市气象局,宁波,315012;
3. 气象灾害预报预警与评估协同创新中心,南京信息工程大学,南京,210044;
4. 台州市气象局,台州,318000
2. Ningbo Meteorological Bureau,Ningbo 315012,China;
3. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters,NUIST,Nanjing 210044,China;
4. Taizhou Meteorological Bureau,Taizhou 318000,China
天气雷达出现以来,针对对流风暴的探测和预警一直是其最主要的任务。超级单体作为组织化程度最高、发展程度最强的对流风暴,常造成巨大的经济损失。因此,对超级单体的研究也一直是雷达气象学的重要研究课题之一。随着天气雷达新技术的不断出现,气象学家对超级单体的认识也不断加深。
Browning(1962,1964)、Browning等(1963)根据天气雷达的反射率因子特征定义了超级单体的概念,并指出超级单体在反射率因子上具有弱回波区(Weak Echo Region,WER)或有界弱回波区(Bounded Weak Echo Region,BWER)等特征。随着多普勒天气雷达的出现,超级单体内的气流结构被进一步揭示。Donaldson(1970)首次利用多普勒天气雷达观测到超级单体的中气旋结构,随后的一系列多普勒雷达观测(Brown,et al,1973;Ray,et al,1975)均证实超级单体总与中气旋相伴出现。Browning(1977)将超级单体重新定义为具有中气旋的对流单体。Lemon等(1979)则根据双多普勒雷达观测结果提出经典超级单体发展的概念模式。
随着超级单体雷达观测个例逐渐增多,不少研究者发现一些超级单体虽然也伴有中气旋,但在降水强度和空间分布上与经典超级单体存在较大的差异。据此,Burgess等(1979)定义了弱降水超级单体,Moller等(1988)定义了强降水超级单体。相较于经典超级单体和弱降水超级单体,强降水超级单体常具有更复杂的特征:中气旋全部或部分被降水区所包裹,并常位于风暴的右前侧;低层入流区位于回波移动方向的左前侧、前侧或右前侧,而经典超级单体的低层入流区常位于右后侧;有时也具有经典超级单体的一些特性,如有界弱回波区;有时呈现出多单体风暴的特征,具有多个强反射率因子中心、多个中气旋和多个有界弱回波区(Przybylinski,et al,1993;Moller,et al,1994)。
随着新一代天气雷达网的建成,中国对于强降水超级单体也开展了一系列的研究(俞小鼎等,2008;潘玉洁等,2008),取得了诸多成果。
由于单偏振多普勒天气雷达的探测特点,过去的研究多集中于风暴结构的研究,对相关云物理过程的探索较少。这一现状随着Seliga等(1976)提出双偏振探测理论后发生了改变。相较于常规天气雷达,双偏振雷达可以发射水平和垂直两种偏振电磁波,因此,除获得水平偏振反射率因子(Zh)外,还可得到差分反射率因子(Zdr)、双程差分传播相位(φdp)、差分相位常数(Kdp)、相关系数等偏振参数,这些参数与降水粒子的相态、形状、空间取向和分布等密切相关(张培昌等,2018)。刘黎平等(1996)用C波段双偏振雷达研究了云内粒子的相态及尺度的空间分布。
随着双偏振雷达技术的日趋成熟,基于双偏振雷达的超级单体研究正方兴未艾,中外研究者进行了诸多研究(Kumjian,et al,2008;王洪等,2018),但对于强降水超级单体的双偏振雷达特征的研究仍较缺乏。
目前中国正在进行天气雷达网的双偏振升级,以进一步提高对暴雨和冰雹等灾害性天气的监测预报、预警能力。厦门海沧双偏振雷达作为整机国产的首批S波段双偏振雷达,于2016年投入业务运行。2018年5月7日,闽南地区发生了特大暴雨,局地3 h最大雨量达274 mm。文中使用海沧双偏振雷达对此次过程中的强降水超级单体的双偏振特征进行分析,并结合雷达风场反演技术和粒子相态识别算法分析强降水超级单体的动力结构及云物理机制。通过分析,有助于加深对强降水超级单体发展过程的认识,尤其是在风暴发展前期,相关云物理结构及动力特征在偏振参数上的体现,并为今后中国大范围使用S波段双偏振雷达进行强对流风暴监测预警提供参考依据。
2 雷达资料及分析方法 2.1 资料来源双偏振雷达数据来自厦门海沧S波段双偏振多普勒雷达(24.5°N,118°E),相较于新一代多普勒天气雷达,其径向分辨率由1000 m提升到250 m,可提供更为精细的回波结构,雷达参数详见表1。同时还使用了位于泉州的S波段单偏振多普勒天气雷达(24.9°N,118.5°E)的观测数据,开展双雷达风场反演。泉州雷达与海沧雷达相距66 km,位置分布见图1。
参数名称 | 参数值 |
天线高度 | 398 m |
工作模式 | 双发双收 |
工作频率 | 2.88 GHz |
脉冲重复频率 | 322−1014 Hz |
接收机噪声指数 | ≤2.1 dB |
雷达波长 | S波段(10 cm) |
峰值功率 | 713 kW |
动态范围 | >100 dB |
脉冲宽度 | 1.57,4.57 μs |
杂波抑制能力 | >60 dB |
采用罗昌荣等(2012)提出的双雷达风场反演方法,该方法将笛卡儿坐标系改进为地球坐标系,进一步提高了风场反演产品的适用性,对于超级单体的精细三维风场结构有较好的反演效果(韩颂雨等,2017)。针对未能满足双雷达风场反演条件的时次,使用罗昌荣等(2011)提出的EVAPTC单雷达风场反演方法,该方法充分考虑了涡旋近中心区域风向、风速剧烈变化的特点,对于涡旋区的雷达风场具有较高的反演能力(潘佳文等,2018)。
2.3 粒子相态识别算法双偏振雷达的偏振参数对水成物的相态、形状、空间取向和分布都很敏感,因此利用偏振参数可以推断出水成物的微物理学特征。文中采用Park等(2009)提出的HCL粒子相态分类算法,该算法应用模糊逻辑法对水成物进行相态识别,将雷达回波识别为“小雨、大雨、冰雹、大雨滴、生物、地物、干雪、湿雪、冰晶、霰”共10类,并已在WSR-88D双偏振雷达上有广泛的业务应用。
3 天气背景 3.1 降水过程概述2018年5月7日,闽南沿海自南向北依次出现了短时强降水天气,7日08—20时(北京时,下同)的12 h累计雨量分布(图1)显示,本次过程的降水分布极不均匀,主雨带呈东北—西南走向,闽南沿海共有26个自动雨量站的12 h雨量超过100 mm,3个站超过250 mm,达到特大暴雨的量级,强降水中心位于厦门岛南部。最强降雨时段出现在7日11—14时,其中最大降雨量出现在厦门市思明区的科技中学,3 h雨量达274 mm,连续2 h的小时雨量超过100 mm,打破厦门地区小时雨强的历史记录。短时特大暴雨导致厦门岛南部多处路段出现严重积水,厦门大学校园被淹。
3.2 天气形势分析2018年5月7日08时,500 hPa上从渤海至云南有一深厚的高空槽,温度槽落后于高度槽(图2a),存在明显的冷平流。随着高空槽的东移加深,槽前西南气流与副热带高压西北侧的西南气流叠加,形成一支强劲的西南急流,最大风速达24 m/s。西南急流携带干冷空气嵌入湿区,在厦门西北侧的龙岩至广东一线形成干舌,并逐渐东移南压,至5月7日20时厦门上空500 hPa的T−Td由08时的3℃增大到20℃,说明中层存在干冷空气侵入,干冷空气的侵入使得高空降温,温度垂直递减率增大,大气的位势不稳定增强(孙继松等,2012)。700及850 hPa,厦门上空都有低空急流存在,低空急流为本次过程提供了源源不断的水汽供应,与之相应,700和850 hPa上华南地区皆处在高湿区(T−Td≤4℃)内,上层干冷、下层暖湿的垂直结构,也使得层结的不稳定度进一步加强。
地面天气图(图2b)上,福建至广东一线位于鞍型场中,大陆高压与副热带高压在这一带构成一条东北—西南走向的地面辐合线,本次强降雨带位于辐合线南侧。
4 强对流的发生与发展条件分析 4.1 水汽条件位于华南沿海的低空急流,为暴雨区提供了充足的水汽供应。厦门位于高湿区内,5月7日08时,850 hPa的比湿达14 g/kg,在强降水发生时段,厦门地基GPSMET观测显示,大气可降水量一直处于高位,基本在50 mm以上,最大值甚至达到70 mm(图略),大气含水量非常充沛。
4.2 稳定度条件从7日08时厦门站探空曲线(图3)可以发现,温度与露点曲线自下而上呈喇叭口形状,上干下湿的分布有利于雷雨大风的出现。抬升凝结高度(LCL= 993 hPa)、对流凝结高度(CCL= 992 hPa)、自由对流高度(LFC= 885 hPa)均较低,容易触发对流。对流有效位能(1292 J/kg)与K指数(38℃)的数值都较高,说明大气层结不稳定,具有较好的对流条件。
4.3 触发机制强对流天气的发生除具备上述不稳定条件外,还要满足一定的抬升触发机制。低空西南急流产生的风速脉动容易在地面鞍型场内触发中尺度涡旋,中尺度涡旋产生降水,凝结潜热的释放加热大气,加强了低空正涡度区,使得低涡变得更强,进而形成正反馈机制,导致降水强度更大,最终造成大暴雨甚至特大暴雨。根据地面自动气象站的观测数据也可发现,在地面辐合线附近有数个气旋式涡旋存在(图略),强对流单体在此触发和增强。
5 回波演变概述2018年5月7日03时25分,海沧雷达西南侧约160 km处开始有对流单体初生,并在西南气流引导下向东北方向移动。至06时,距离海沧雷达(212°,126 km)处的对流单体迅速增强(图略),中心强度达51.5 dBz,在其向下游(东北方向)移动的过程中,不断有新的对流单体在上游生成,新单体的传播方向与移动方向相反,具有典型的后向传播特征。后向传播在一定程度上抵消了中尺度对流系统的平流运动,单体停滞少动,是导致局地极端强降水的一个重要原因(Schumacher,et al,2005)。
10时12分,海沧雷达的西南侧(210°,34 km)有一个直径4 km的涡旋出现在2.4°仰角回波图上(图4c),高度为1.9 km。由于此时西南急流较强盛,径向速度图上以负速度为主,正速度区域不明显且数值较小,较难清楚辨析中气旋的存在,故采用风暴相对径向速度(SRM)对其进行分析,该涡旋的最大转动速度13.5 m/s,根据Andra(1997)对中气旋的判定标准,该涡旋属于弱中气旋。在0.5°仰角回波图(图4a)上,该对流单体呈宽广的钩状回波,中气旋位于钩状回波处,被降水回波所包围,根据Moller等(1994)的研究,此为强降水超级单体的重要特征。在其西南侧存在着中层入流,入流在近地面(0.5°仰角,图4e)形成后侧下沉气流(RFD),该下沉气流相对风暴的径向速度较小,说明气流的水平分量较小,以垂直下沉运动为主。在反射率因子场上则对应着后侧入流缺口( RIN)。前侧入流和后侧下沉气流的同时存在,说明该超级单体已发展至成熟阶段。
10时40分,在强降水超级单体A的西南侧有一个小涡旋生成,其旋转速度为9 m/s,未达到中气旋标准(图4e)。该小涡旋的反射率因子形态呈粗大的钩状(图4d),小涡旋位于钩状回波的缺口处。在后续时次,对流单体B逐渐并入强降水超级单体A,对流单体的合并往往使得风暴的强度发生明显的变化,还将增强超级单体的旋转程度(Lee,et al,2006)。至11时09分,上述对流单体已合并,强降水超级单体A的最大转动速度增大到15 m/s(图5b),其形态也初步呈现出弓状回波的特征(图5a)。根据Atkins等(2005)的观测,一些超级单体常嵌入中尺度对流系统中(如飑线、弓状回波等),往往具有更长的生命史,并常造成更严重的灾害。在本次过程中表现为超级单体A的旋转速度一直维持在中气旋的强度直到11时40分,历时近1.5 h。当强降水超级单体减弱后,其上游仍有伴随小涡旋出现的对流单体产生,并发展合并,形成“列车效应”,导致闽南局地特大暴雨的发生,但这些小涡旋的旋转速度均未能达到中气旋的标准,故仅针对强降水超级单体A的偏振特征进行分析。
6 强降水超级单体的偏振特征前边所述的钩状回波、后侧入流缺口等反射率因子特征皆为超级单体发展到一定程度(通常为成熟阶段)水成物随流场聚积的产物。相较于单偏振多普勒天气雷达,双偏振雷达可额外提供差分反射率因子、差分相位常数、相关系数等偏振分量。因此,通过分析水平和垂直结构上的偏振特征,可获得降水粒子的物理特征。结合雷达风场反演算法,可进一步分析超级单体演变过程中,尤其是风暴发展前期的云物理结构及动力特征在偏振参数上的表现。
6.1 水平结构 6.1.1 低层入流特征在超级单体的低层往往存在强的入流区,入流气流常将近地层的树叶、杂草、昆虫等碎屑吸入上升气流中,由于这些碎屑具有不规则的形状以及取向随机的特性,当其与上升气流中的降水粒子混合在一起时,经常造成超级单体低层入流区附近的相关系数数值降低(Kumjian,et al,2008)。由图6a可以看到,黄色实线处相关系数显著减小,通过EVAPTC单雷达风场反演可知,位于单体右前侧的偏东气流,绕着单体发生气旋式旋转,逐渐转为偏北气流,并存在着垂直上升的分量,可判断该支气流为低层入流,相关系数小值区与入流气流相对应,此时有界弱回波区和钩状回波等指示上升气流的反射率因子特征尚未出现。随着上升气流的增强,相关系数减小的区域显著增大,呈半圆环形(图6b黄色实线)。根据Ryzhkov等(2005)的研究,相关系数小值可作为衡量上升气流强度的间接指标。需要注意的是,相关系数减小幅度在上述两个时次并不一致,10时06分入流区的相关系数降低至0.7—0.8,并可识别出生物特征(图6i),与Kumjian等(2008)所描述的经典超级单体低层入流特征一致,而10时23分入流区的相关系数则集中在0.95—0.99,这可能是因为此时对流风暴已发展为强降水超级单体,具有旋转区被降水区所包围的特征,碎屑被卷入上升气流的程度有所降低,此时相态识别结果(图6j)以降水粒子为主,因此相关系数的下降幅度也略小。
6.1.2 Zdr弧许多研究(Kumjian,et al,2008;Dawson Ⅱ,et al,2014)表明,在右移超级单体风暴中,最常见的低层偏振量特征是Zdr弧。这一特征往往出现在前侧下沉气流(FFD)的南侧,其形态为一条细长而浅薄的带状回波,伸展高度在1—2 km。Kumjian等(2009,2012)和Dawson Ⅱ等(2014)分别通过数值模式解释Zdr弧的形成在于超级单体的粒子分选机制:低层的风垂直切变导致不同粒径粒子的下降轨迹各不相同,小粒子相较于大粒子拥有较小的下落末速度,被平流输送的距离要比大粒子更远,不同粒径的粒子因此实现了大小排序,最终导致大粒子主要出现在前侧下沉气流的南侧。
由图6d可见,海沧雷达的西南侧存在2处Zdr大值区,分别呈块状(x=−8— −15 km,y=−23—−28 km)及细长的弧形(x=0—−12 km,y=−17—−23 km)。其中,块状的Zdr大值区位于钩状回波附近(图6f),在垂直方向上呈柱状,Zdr大于1 dB的伸展高度可达5 km (图略),为Zdr柱。与之形成对比的是,弧形的Zdr大值带位于钩状回波的东北侧,与反射率因子的大值区并不完全重合,而是位于其南侧的反射率因子梯度大值区,该弧形大值带的厚度也较为浅薄,Zdr大于1 dB的发展高度仅有1.5 km,呈典型的Zdr弧特征。
在典型的超级单体风暴中,大部分的降雨来自冰相粒子的融化,特别是雪、霰和冰雹。Romine等(2008)针对龙卷超级单体的研究指出,Zdr弧上大水滴的来源为融化的霰。Kumjian等(2010)通过对非龙卷超级单体的研究也证实了这一点。根据粒子相态识别结果(图6i—l),本次强降水超级单体的Zdr弧主要由大雨滴和冰雹粒子构成,而且随着Zdr弧的发展,冰雹所占的比例也明显提高,低层大粒子的位置分布与其在中层的位置分布较为相近,大粒子较短的平流传播距离体现了超级单体的粒子分选机制。
此外,Kumjian等(2007)证明了超级单体的Zdr弧与风暴低层的风暴相对螺旋度的大小存在正相关,Van Den Broeke(2016)进一步对2012—2014年的风暴进行研究,证实Zdr弧的特征与1—3 km高度的风垂直切变存在较好的相关。因此,在某些情况下,Zdr弧常出现在钩状回波特征之前,对于超级单体的发展有着较好的指示性(Kumjian,2013)。10时06分,海沧雷达西南侧约40 km处,存在一个中尺度对流涡旋(MCV),其转动速度为9 m/s(图6g),此时,在前侧下沉气流的南侧,已出现Zdr弧(图6c)。而反射率因子大值区则呈块状,尚未出现钩状回波特征(图6e)。至下一时次,该中尺度对流涡旋已进一步发展为超级单体,其转动速度达到弱中气旋的标准,反射率因子图(图4a)上也出现钩状回波特征。
6.1.3 Zdr环、相关系数环在超级单体的中层,常观测到由Zdr大值区组成的环形或半环形结构(Zdr环)。Kumjian等(2008)指出,Zdr环往往出现在融化层附近,与气旋性涡度相关,完整或部分环绕在上升气流周边。10时29分在强降水超级单体的中层(4 km附近)出现了由大于1.5 dB区域构成的Zdr环(图7a中黄色实线)。由图7c可知,Zdr环所环绕的区域内存在明显的上升气流,并存在涡旋结构,其转动速度仅为8 m/s(图7c)。由于上升气流具有正的温度扰动,冰相粒子沿着上升气流周边下落,部分或完全融化,水的介电常数接近冰的27倍,随着冰相粒子的融化,探测体积内的液态水含量也随之增大,使得探测体积的介电常数明显增大。Zdr等偏振量对介电常数的取值十分敏感,对于单个相同轴比的雪和雨滴,其Zdr最大可相差10倍以上(王洪等,2016),最终导致上升气流周围Zdr增大现象的出现。通过粒子相态识别(图7d)发现此时的Zdr环内存在冰雹、霰等冰相粒子。Kumjian等(2010)的研究也表明,由于上升气流中存在大量液态水,在上升气流边缘下落的霰或冰雹将经历湿增长,并导致Zdr环增强。
与Zdr环相对应,在以往的研究(Kumjian,et al,2008;Snyder,et al,2013)中也常在超级单体的上升气流周边观测到由减弱的相关系数组成的环形或半环形结构。由图7b可知,在上升气流周边,存在明显的相关系数环,其空间分布与Zdr环相近。相关系数环内的粒子相态较为复杂,同时存在冰雹、霰、湿雪、大雨滴等多种粒子,不同相态粒子间的尺寸、形状以及介电常数各不相同,导致了相关系数的降低。这与Kumjian等(2008)的分析结果一致。
6.2 垂直结构 6.2.1 Zdr柱作为对流风暴中最显著的偏振雷达特征之一,Zdr柱自20世纪80年代就被观测到(Hall,et al,1980),根据后续学者的研究(Illingworth,et al,1987;Bringi,et al,1991)总结出Zdr柱的主要形态特征为:Zdr大于0 dB,在垂直方向上的发展高度超过0℃层。Zdr柱的存在说明存在与上升气流相关的正温度扰动,Zdr大值区预示着扁平降水粒子的存在,可能是大雨滴或者是被雨水包裹的冰雹。Brandes等(1995)通过飞机观测证实Zdr柱常位于上升气流附近,在Zdr柱内存在非常大的雨滴(直径达8 mm)。这些降水粒子的来源可能是暖云降水的碰撞与合并过程(Tuttle,1989)或者是从反射率因子回波悬垂处融化的冰相粒子掉入低层入流区并重新卷入上升气流(Loney,et al,2002)。
图8为沿图5a线段AB所做的垂直剖面,海沧雷达西南侧约17 km处,存在Zdr大于1 dB的柱状回波,其伸展高度可达5 km。通过民航客机的AMDAR(Aircraft Meteorological Data Relay)观测数据可知,此时0℃层的高度在4 km左右。结合海沧和泉州双雷达风场反演结果可知,主上升气流位于有界弱回波区的上方,最大上升速度可达29 m/s,Zdr柱则位于主上升气流附近。主上升气流的东南侧边缘,垂直上升速度减弱,无法托住大雨滴和霰、湿雪等冰相粒子,使得它们开始下落并拖曳空气形成下沉气流,冰相粒子在下落过程中融化,并与云滴碰并增长,其中一部分降水粒子通过入流气流重新进入到上升气流中(图8d),未完全融化的湿雪在上升气流中将释放相变潜热,进一步促进上升气流的发展。这些降水粒子在上升气流中继续增长,当降水粒子增长到一定程度,其下落速度与上升气流速度相匹配,就会在云中滞留,进而形成自上而下的Zdr大值区。这一Zdr增长机制与Kumjian等(2014)的模拟结果相类似。
需要注意的是,对于目前业务组网观测的多普勒雷达而言,能够满足双雷达风场反演条件的区域还是较为有限的,因此,Ryzhkov等(1994)也强调了Zdr柱在定位上升气流时的重要性,特别是在仅有一部雷达进行观测时。图9为海沧雷达沿方位197°径向所做的垂直剖面,此时超级单体所在位置位于两部多普勒雷达连线附近,不能进行双雷达风场反演,但由图9b可知,Zdr柱所在区域存在远离雷达的径向速度,该径向速度可分解为远离雷达的水平分量及向上的垂直分量,其中垂直分量为垂直气流速度与粒子下落末速度的合成速度,因此,向上的垂直分量预示着气流的上升速度要大于粒子的下落末速度,说明此处存在较强的上升气流,也可进一步说明Zdr柱(图9a)与垂直上升气流存在较好的对应关系,具有较强的实用价值。
6.2.2 Kdp柱与Zdr柱类似,在以往的研究(Hubbert,et al,1998;Romine,et al,2008)都曾观测到Kdp>0°/km的区域在垂直方向上延伸至0℃层以上,这一现象被称为Kdp柱。Kdp柱主要由大量混合相水成物组成(Loney,et al,2002)。Kdp柱在空间分布上与Zdr柱经常出现分离现象(Zrnic,et al,1999;Snyder,et al,2013)。当出现这一现象时,Kdp柱通常位于Zdr柱的西侧或西北侧,且位于上升气流的左侧(Loney,et al,2002;Kumjian,et al,2008),与Zh中的最大值相关联。
由图8c可知,Kdp柱位于主上升气流的西北侧,而Zdr柱则位于主上升气流的东南侧,结合粒子相态识别可知,Kdp大值区主要由液相、冰相粒子混合而成,在风场上则存在垂直的涡旋结构,使得降水粒子得以上下循环增长。
Snyder等(2017)通过模拟发现,Kdp柱可以非常好地跟踪雨水混合比(qr),在本次强降水超级单体中,Kdp柱所在的位置与地面雨强中心存在较好的对应关系。
6.3 强降水超级单体的偏振特征概念模型在针对强对流系统进行监测、预警、预报的实际工作中,主要的困惑之一在于对强对流系统的结构不甚了解,对观测数据的物理意义不甚清晰,进而影响对系统的快速诊断、推理能力。图10为本次强降水超级单体的偏振特征概念模型,可帮助理解诸多偏振特征在强降水超级单体内的分布情况。该模型与Kumjian等(2008)所总结的超级单体概念模型存在相似之处:低层皆有指示低层入流区的相关系数小值区,Zdr弧位于前侧下沉气流的南侧;中层Zdr环和相关系数环围绕着上升气流;垂直方向上Zdr柱和Kdp柱位于主上升气流周围。但Kumjian等提出的概念模型主要是基于对龙卷、冰雹等经典超级单体的观测结果,与强降水超级单体在结构上存在一些差异:强降水超级单体入流区的位置要更靠近中气旋的右前侧,而非右后侧,并且由于中气旋被降水区所包围,低层入流区的相关系数(0.95—0.99)降低幅度要小于Kumjian等所总结的0.7—0.8;Kdp柱与地面雨强中心的对应关系也未被提及。
7 结论和讨论对2018年5月7日发生在闽南地区的特大暴雨过程,使用厦门海沧双偏振雷达观测数据,分析了强降水超级单体的双偏振特征,并结合雷达风场反演技术和粒子相态识别算法,探讨了强降水超级单体的动力结构及云微物理特征。结果表明:
(1)天气背景分析显示:低空西南急流为本次特大暴雨过程提供了充足的水汽供应,上层干冷、下层暖湿的垂直结构,使得大气层结变得不稳定,低空急流所产生的风速脉动,在地面鞍型场内触发了中尺度涡旋,并导致强降水超级单体的出现。
(2)在超级单体的低层,相关系数小值区与入流气流相对应,并先于有界弱回波区和钩状回波出现,可用于指示低层上升气流的位置。同时,在前侧下沉气流南侧的反射率因子梯度大值区附近观测到一条细长而浅薄的Zdr弧,Zdr弧的形态与超级单体的发展程度有关。在本次过程中Zdr弧先于钩状回波和中气旋出现,对超级单体的发展具有较好的预示性。
(3)超级单体的中层(融化层附近),观测到Zdr大值区和相关系数小值区呈环形围绕在上升气流周围。上升气流具有正温度扰动,使得冰相粒子在上升气流周边下落时融化,导致Zdr增强,形成Zdr环。结合粒子相态识别算法可知,混合相态粒子的存在,导致相关系数减小,形成相关系数环。Zdr环与相关系数环对确定中层上升气流的位置具有指示意义。
(4)垂直方向上,有界弱回波区的上方存在由Zdr大值区构成的Zdr柱,结合双雷达风场反演及粒子相态识别结果可知,Zdr柱位于主上升气流附近,其形成的云物理机制是:水成物在垂直方向上循环增长,当其增大到一定程度时,其下落速度与上升气流相匹配,在云中滞留形成自上而下的Zdr大值区。在仅有单雷达进行观测时,差分反射率因子柱可用于识别主上升气流的位置。
(5)主上升气流的西北侧,存在着由Kdp大值区构成的Kdp柱,Kdp柱主要由大量混合相态水成物组成,其位置与地面雨强中心存在较好的对应关系。
(6)上述偏振特征为风暴的云物理及动力特征在偏振参数上的体现,皆由双偏振雷达直接观测获得,相较于相对风暴径向速度、粒子相态识别算法等雷达二次产品,无需额外的运算时间,因此,具有更高的时效性,更适应强对流风暴发展迅速、生命史短的特点。在实际业务工作中,当出现上述偏振特征时,应及时进行关注,并结合反射率因子、径向速度等要素进行综合分析,以便更好地进行监测、预警工作。
需要指出的是,文中仅为一次强降水超级单体过程的观测分析结果。上述偏振特征在风暴发展过程中,尤其是在风暴发展前期的预示作用,仍以定性分析为主。未来还需要通过更多的个例研究,以获得上述偏振特征在不同天气形势下的异同之处,并获得相应的定量关系,为双偏振雷达的大规模业务应用提供参考。
韩颂雨, 罗昌荣, 魏鸣等. 2017. 三雷达、双雷达反演降雹超级单体风暴三维风场结构特征研究. 气象学报, 75(5): 757-770. Han S Y, Luo C R, Wei M, et al. 2017. Research on three-dimensional wind field structure characteristic of hail supercell storm by dual-and triple-Doppler radar retrieval. Acta Meteor Sinica, 75(5): 757-770. (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 hydrometeors in cloud by dual linear polarization radar. Acta Meteor Sinica, 54(5): 590-599. DOI:10.3321/j.issn:0577-6619.1996.05.008 (in Chinese) |
罗昌荣, 孙照渤, 魏鸣等. 2011. 单多普勒雷达反演热带气旋近中心风场的VAP扩展应用方法. 气象学报, 69(1): 170-180. Luo C R, Sun Z B, Wei M, et al. 2011. An extended application of the VAP method for wind field retrieval near the tropical cyclone center with single-Doppler radar data. Acta Meteor Sinica, 69(1): 170-180. (in Chinese) |
罗昌荣, 池艳珍, 周海光. 2012. 双雷达反演台风外围强带状回波风场结构特征研究. 大气科学, 36(2): 247-258. Luo C R, Chi Y Z, Zhou H G. 2012. Characteristics of 3-D wind structure of typhoon outer intensive banded echo using dual-Doppler weather radar data. Chinese J Atmos Sci, 36(2): 247-258. DOI:10.3878/j.issn.1006-9895.2011.10222 (in Chinese) |
潘佳文, 杨奇志, 魏鸣等. 2018. 台风“苏迪罗”螺旋雨带造成福州特大暴雨成因分析. 热带气象学报, 34(6): 774-782. Pan J W, Yang Q Z, Wei M, et al. 2018. The analysis of an unusually heavy rain induced by the outer rainband of typhoon Soudelor in Fuzhou. J Trop Meteor, 34(6): 774-782. (in Chinese) |
潘玉洁, 赵坤, 潘益农. 2008. 一次强飑线内强降水超级单体风暴的单多普勒雷达分析. 气象学报, 66(4): 621-636. Pan Y J, Zhao K, Pan Y N. 2008. Single-Doppler radar observation of a heavy precipitation supercell on a severe squall line. Acta Meteor Sinica, 66(4): 621-636. DOI:10.3321/j.issn:0577-6619.2008.04.015 (in Chinese) |
孙继松, 陶祖钰. 2012. 强对流天气分析与预报中的若干基本问题. 气象, 38(2): 164-173. Sun J S, Tao Z Y. 2012. Some essential issues connected with severe convective weather analysis and forecast. Meteor Mon, 38(2): 164-173. (in Chinese) |
王洪, 万齐林, 尹金方等. 2016. 双线偏振雷达资料在数值模式中的应用: 模拟器的构建. 气象学报, 74(2): 229-243. Wang H, Wan Q L, Yin J F, et al. 2016. Application of the dual-polarization radar data in numerical modeling studies: Construction of the simulator. Acta Meteor Sinica, 74(2): 229-243. (in Chinese) |
王洪, 吴乃庚, 万齐林等. 2018. 一次华南超级单体风暴的S波段偏振雷达观测分析. 气象学报, 76(1): 92-103. Wang H, Wu N G, Wan Q L, et al. 2018. Analysis of S-band polarimetric radar observations of a hail-producing supercell. Acta Meteor Sinica, 76(1): 92-103. (in Chinese) |
俞小鼎, 郑媛媛, 廖玉芳. 2008. 一次伴随强烈龙卷的强降水超级单体风暴研究. 大气科学, 32(3): 508-522. Yu X D, Zheng Y Y, Liao Y F. 2008. Observational investigation of a tornadic heavy precipitation supercell storm. Chinese J Atmos Sci, 32(3): 508-522. DOI:10.3878/j.issn.1006-9895.2008.03.08 (in Chinese) |
张培昌, 魏鸣, 黄兴友等. 2018. 双线偏振多普勒天气雷达探测原理与应用. 北京: 气象出版社, 38-49. Zhang P C, Wei M, Huang X Y, et al. 2018. Principle and Application of Dual Linear Polarization Doppler Weather Radar. Beijing: China Meteorological Press, 38-49 (in Chinese)
|
Andra D L. 1997. The origin and evolution of the WSR-88D mesocyclone recognition nomogram∥Preprints, 28th Conf on Radar Meteorology. Austin, TX: Amer Meteor Soc, 364-365
|
Atkins N T, Bouchard C S, Przybylinski R W, et al. 2005. Damaging surface wind mechanisms within the 10 June 2003 Saint Louis bow echo during BAMEX. Mon Wea Rev, 133(8): 2275-2296. DOI:10.1175/MWR2973.1 |
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 |
Bringi V N, Burrows D A, Menon S M. 1991. Multiparameter radar and aircraft study of raindrop spectral evolution in warm-based clouds. J Appl Meteor, 30(6): 853-880. DOI:10.1175/1520-0450(1991)030<0853:MRAASO>2.0.CO;2 |
Brown R A, Burgess D W, Crawford K C. 1973. Twin tornado cyclones within a severe thunderstorm: Single Doppler radar observations. Weatherwise, 26(2): 63-71. DOI:10.1080/00431672.1973.9931634 |
Browning K A. 1962. Cellular structures of convective storms. Meteor Mag, 91(1085): 341-350. |
Browning K A, Donaldson R J. 1963. Airflow and structure of a tornadic storm. J Atmos Sci, 20(6): 533-545. DOI:10.1175/1520-0469(1963)020<0533:AASOAT>2.0.CO;2 |
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. 1977. The structure and mechanisms of hailstorms∥Borland S W, Browning K A, Changnon S A Jr, et al. Hail: A Review of Hail Science and Hail Suppression. Boston, MA: Amer Meteoro Soc, 16(38): 1-43
|
Burgess D W, Davies-Jones R P. 1979. Unusual tornadic storms in eastern Oklahoma on 5 December 1975. Mon Wea Rev, 107(4): 451-457. DOI:10.1175/1520-0493(1979)107<0451:UTSIEO>2.0.CO;2 |
Dawson Ⅱ 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 |
Donaldson R J Jr. 1970. Vortex signature recognition by a Doppler radar. J Appl Meteor, 9(4): 661-670. DOI:10.1175/1520-0450(1970)009<0661:VSRBAD>2.0.CO;2 |
Hall M P M, Cherry S M, Goddard J W F, et al. 1980. Rain drop sizes and rainfall rate measured by dual-polarization radar. Nature, 285(5762): 195-198. DOI:10.1038/285195a0 |
Hubbert J, Bringi V N, Carey L D, et al. 1998. CSU-CHILL polarimetric radar measurements from a severe hail storm in eastern Colorado. J Appl Meteor, 37(8): 749-775. DOI:10.1175/1520-0450(1998)037<0749:CCPRMF>2.0.CO;2 |
Illingworth A J, Goddard J W F, Cherry S M. 1987. Polarization radar studies of precipitation development in convective storms. Quart J Roy Meteor Soc, 113(476): 469-489. DOI:10.1002/qj.49711347604 |
Kumjian M R, Ryzhkov A V. 2007. Polarimetric characteristics of tornadic and nontornadic supercell thunderstorms∥Preprints, 33rd Conf on Radar Meteorology. Norman, OK: Amer Meteor Soc, 10pp
|
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. 2009. Storm-relative helicity revealed from polarimetric radar measurements. J Atmos Sci, 66(3): 667-685. DOI:10.1175/2008JAS2815.1 |
Kumjian M R, Ryzhkov A V, Melnikov V M, et al. 2010. Rapid-scan super-resolution observations of a cyclic supercell with a dual-polarization WSR-88D. Mon Wea Rev, 138(10): 3762-3786. DOI:10.1175/2010MWR3322.1 |
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 Ⅱ: Warm- and cold-season applications. J Oper Meteor, 1(20): 243-264. DOI:10.15191/nwajom.2013.0120 |
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. DOI:10.1175/JAMC-D-13-0354.1 |
Lee B D, Jewett B F, Wilhelmson R B. 2006. The 19 April 1996 Illinois tornado outbreak. Part Ⅱ: Cell mergers and associated tornado incidence. Wea Forecasting, 21(4): 449-464. DOI:10.1175/WAF943.1 |
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 |
Loney M L, Zrnić 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 |
Moller A R, Doswell Ⅲ C A. 1988. A proposed advanced storm spotter's training program∥Preprints, 15th Conf. Severe Local Storms. Baltimore, MD: Amer Meteor Soc, 44: 2060-2073
|
Moller A R, Doswell Ⅲ C A, Foster M P, et al. 1994. The operational recognition of supercell thunderstorm environments and storm structures. Wea Forecasting, 9(3): 327-347. DOI:10.1175/1520-0434(1994)009<0327:TOROST>2.0.CO;2 |
Park H S, Ryzhkov A V, Zrnic 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 |
Przybylinski R W, Snow J T, Agee E M, et al. 1993. The use of volumetric radar data to identify supercells: A case study of June 2, 1990∥Church C, Burgess D, Doswell Ⅲ C A, et al. The Tornado: Its Structure, Dynamics, Prediction, and Hazards. Washington, D C: AGU, 241-250
|
Ray P S, Doviak R J, Walker G B, et al. 1975. Dual-Doppler observation of a tornadic storm. J Appl Meteor, 14(8): 1521-1530. DOI:10.1175/1520-0450(1975)014<1521:DDOOAT>2.0.CO;2 |
Romine G S, Burgess D W, Wilhelmson R B. 2008. A dual-polarization-radar-based assessment of the 8 May 2003 Oklahoma City area tornadic supercell. Mon Wea Rev, 136(8): 2849-2870. DOI:10.1175/2008MWR2330.1 |
Ryzhkov A V, Zhuravlyov V B, Rybakova N A. 1994. Preliminary results of X-band polarization radar studies of clouds and precipitation. J Atmos Oceanic Technol, 11(1): 132-139. DOI:10.1175/1520-0426(1994)011<0132:PROXBP>2.0.CO;2 |
Ryzhkov A V, Schuur T J, Burgess D W, et al. 2005. The joint polarization experiment: P olarimetric rainfall measurements and hydrometeor classification. Bull Amer Meteor Soc, 86(6): 809-824. DOI:10.1175/BAMS-86-6-809 |
Schumacher R S, Johnson R H. 2005. Organization and environmental properties of extreme-rain-producing mesoscale convective systems. Mon Wea Rev, 133(4): 961-976. DOI:10.1175/MWR2899.1 |
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 |
Snyder J C, Bluestein H B, Venkatesh V, et al. 2013. Observations of polarimetric signatures in supercells by an X-band mobile Doppler radar. Mon Wea Rev, 141(1): 3-29. DOI:10.1175/MWR-D-12-00068.1 |
Snyder J C, Bluestein H B, Dawson Ⅱ D T, et al. 2017. Simulations of polarimetric, X-band radar signatures in supercells. Part Ⅱ: ZDR columns and rings and KDP columns
. J Appl Meteor Climatol, 56(7): 2001-2026. DOI:10.1175/JAMC-D-16-0139.1 |
Tuttle J D. 1989. Multiparameter radar study of a microburst: Comparison with model results. J Atmos Sci, 46(5): 601-620. DOI:10.1175/1520-0469(1989)046<0601:MRSOAM>2.0.CO;2 |
Van Den Broeke M S. 2016. Polarimetric variability of classic supercell storms as a function of environment. J Appl Meteor Climatol, 55(9): 1907-1925. DOI:10.1175/JAMC-D-15-0346.1 |
Zrnic D S, Ryzhkov A V. 1999. Polarimetry for weather surveillance radars. Bull Amer Meteor Soc, 80(3): 389-406. DOI:10.1175/1520-0477(1999)080<0389:PFWSR>2.0.CO;2 |