应用气象学报  2007, 18 (2): 158-164   PDF    
引用本文
刘健, 张文建, 朱元竞, 董超华, 赵柏林. 中尺度强暴雨云团云特征的多种卫星资料综合分析[J]. 应用气象学报, 2007, 18(2): 158-164.
Liu Jian, Zhang Wenjian, Zhu Yuanjing, Dong Chaohua, Zhao Bolin. Case Study on Cloud Properties of Heavy Rainfall Based upon Satellite Data[J]. Journal of Applied Meteorological Science, 2007, 18(2): 158-164  
中尺度强暴雨云团云特征的多种卫星资料综合分析
刘健1, 张文建1, 朱元竞2, 董超华1, 赵柏林2     
1. 国家卫星气象中心, 北京 100081;
2. 北京大学物理学院大气科学系, 北京 100871
2006-04-20 收到, 2006-11-01 收到修改稿.
资助项目: 国家重点基础研究项目(2004CB418300)、国家自然科学基金项目(49794030)和教育部博士站基金项目(20020001027)共同资助    
摘要: 针对2002年6月23—27日发生于江淮地区的一次中尺度强暴雨过程，利用FY-1D，EOS和NOAA卫星的可见光、红外、微波通道遥感观测、反演资料，从相态、光学厚度、垂直结构等各方面分析云特征，并将分析结果与同时段地面雨量观测进行对比分析，发现云光学厚度大且云顶粒子为大粒子、冰相态是此次降雨过程中云团的主要云特征，地面雨量的大小与云光学厚度密切相关，两者间基本呈正相关关系；稳定少变的大光学厚度云或云光学厚度显著增大均可带来强的地面降水。微波资料可以很好地体现降雨云团的垂直结构。分析结果显示，卫星遥感对揭示中尺度强暴雨云团的云特征，具有很好的指示作用。
关键词: 云相态    光学厚度    微波    强暴雨    
Case Study on Cloud Properties of Heavy Rainfall Based upon Satellite Data
Liu Jian1, Zhang Wenjian1, Zhu Yuanjing2, Dong Chaohua1, Zhao Bolin2     
1. National Satellite Meteorological Center, Beijing 100081;
2. Department of Atmospheric Science, Peking University, Beijing 100871
Abstract: Heavy rainfall is one of meteorological disasters in China. Precipitation has complex spatial and temporal distribution. It is difficult to get 3 dimension information by regular observation method. Remote sensing is a kind of useful ways to monitor precipitation. Weather satellites have high space and time resolution which are becoming a kind of important measurements. Cloud is one of key factors to produce precipitation. To do research on heavy rainfall, it is needed to understand cloud properties well. It is important to investigate the relationship between clouds and strong precipitations and try to reveal kinds of cloud properties which can produce heavy rainfall by satellite data. Visible, infrared and microwave data of FY-1D, EOS and NOAA satellites are used to analyze cloud properties of the heavy rainfall case. Visible and infrared radiance data have high spatial resolution, and can be used to show the detailed property information of small convective cloud. But properties of cloud on visible and infrared channel don't have clear relationship with precipitation. In the atmosphere, rain particles have strongereffect than clouds on microwave. Rain particles also absorb and re-emit more radiance than cloud particles. Compared with visible and infrared data, microwave data can show the structure properties of strong precipitation cloud, although its spatial resolution is low. So it is very helpful to monitor 3 dimension properties of convective cloud if these different kinds of data can be combined together. Cloud phase, cloud optical thickness and cloud vertical structure are selected as analysis physical parameters. Using visible and infrared data, cloud phase and optical thickness can be retrieved. Microwave data can be directly obtained from NOAA/AMSU data. Precipitation data are also used to validate the analysis results. A heavy rainfall happens in Huaihe River drainage area from June 23 to 27, 2002. This precipitation process is selected to study the relationship between cloud properties and heavy precipitation. Combined data(cloud phase, cloud optical thickness, microwave data and surface precipitation data)are used. Case study shows that clouds are mainly made up of ice clouds or large water cloud particles with thick cloud optical thickness when heavy rain happens. When cloud optical thickness increases or cloud optical thickness maintains large value during 6 hours, strong precipitation occurs on the surface. There exists a good positive relationship between precipitation and cloud optical thickness. The stronger the precipitation, the thicker the cloud optical thickness, or the more precipitation, the larger optical thickness difference during 6 hours. Clouds with stable large optical thickness or with great optical thickness increase will produce strong precipitation on the surface during a period of time. Different microwave channel data show different information coming from different atmosphere layer. When heavy rain appears, different microwave channel data could show strong convective structure from low layer to high layer of atmosphere. Analysis results show that cloud properties of heavy rain are shown better when different kinds of satellite remote sensing data are combined together.
Key words: cloud phase     optical thickness     microwave     heavy rainfall    
引言

暴雨是我国的主要天气灾害之一, 降水的时空分布和尺度变化极不均匀, 常规观测手段难以获取其三维时变信息, 遥感便成为监测降水的有效手段。气象卫星的覆盖范围广, 观测频次稳定, 是大气遥感, 特别是降水遥感的有效方法。

云在全球大气环流和各种尺度的天气气候系统中起着重要的作用。大气的运动及其温湿度的分布支配着云的形成、尺度、含水量及其发展过程和持续时间, 进而影响降水的分布。因此利用卫星遥感资料对云进行分析是暴雨分析中不可缺少的。

本文以2002年6月23—27日江淮地区的一次大暴雨过程为例, 将微波遥感和可见光、红外扫描辐射计资料进行融合, 尝试利用多种卫星资料及其卫星反演产品对中尺度暴雨云团的云性质进行分析。

1 卫星遥感数据 1.1 微波遥感资料

微波波段探测大气水汽的最大优势在于它可穿透云, 而183.3 GHz是目前通用的获取大气水汽廓线的探测通道。先进的微波探测器(AMSU)是新型大气垂直探测器(ATOVS)主要仪器组件之一。新型大气垂直探测器(ATOVS)是大气垂直探测器(TOVS)的改进型, 由高分辨率红外探测器3型(HIRS/3)、先进的微波探测器A型(AMSU-A)和先进的微波探测器B型(AMSU-B)3个仪器组成。其中AMSU-A有15个通道, AMSU-B有5个通道, 主要用于改进大气温度和湿度的垂直探测能力, AMSU-B光谱通道特征及其主要探测目的列于表 1。其中89 GHz和150 GHz两个窗区通道不仅具备探测地表参数的能力, 而且由于其散射特性, 可以反映冰云性质的信息。183.3 GHz附近的3个通道位于水汽吸收带上, 它们的亮温由云顶上大气的温度和湿度廓线决定, 由于对冰晶散射作用的不同敏感性, 183.3±1 GHz, 183.3±3 GHz, 183.3±7 GHz和89 GHz通道亮温随云中含水量的增加而降低。

表 1 AMSU-B光谱通道特征及其主要探测目的 Table 1 Spectral properties and main purposes of AMSU-B

1.2 可见光、近红外、红外资料及反演产品

目前, 我国可以接收到的观测区域卫星有我国自行研制的风云一号D极轨气象卫星, 编号为FY-1D、风云二号B静止气象卫星和美国极轨气象卫星系列(NOAA)、环境监测卫星(EOS)等。NOAA和FY-1D系列属于极轨气象卫星, 具有高空间分辨的特点, 其星下点分辨率达到1.1 km, 时间分辨率较低(1次/12 h), 具有多探测通道的优势, 其光谱波段覆盖可见光、近红外和红外。EOS/MODIS在从可见光、近红外到热红外(0.415~14.235 μm)的光谱区间, 设置了36个通道, 其中直接用于遥感探测云性质的就有10个通道(0.645, 0.858, 1.24, 1.38, 1.64, 2.13, 3.75, 8.55, 11.03, 12.0 μm等通道), 这些探测通道为研究云的微物理性质提供了宝贵的资料[1-2]。

云的辐射特性在0.65 μm, 1.6 μm, 8 μm, 11. 0 μm, 12 μm等波段各有特色。简单地讲, 对于具有一定光学厚度且粒子大小及分布相同的冰云和水云, 0.65 μm反射率主要是云光学厚度的函数, 而与云相态的关系不大; 相反, 1.64 μm反射率主要是云相态、粒子尺度的函数, 冰云1.64 μm反射率小于水云, 粒子尺度越大, 1.64 μm反射率越小。11 μm是红外窗区, 对云敏感, 用于区分云和晴空区。8~10 μm波段冰与水的吸收系数均很小, 10~12 μm波段水和冰的吸收系数差异增大, 冰的吸收系数明显大于水, 因而在相同光学厚度和高度条件下, 冰的黑体温度低于水。在8~11 μm和11~12 μm亮度温度差两维散点图上, 冰云具有较大的8~11 μm亮度温度差, 其斜率大于1;水云具有较大的11~12 μm亮度温度差, 其斜率小于1。因此可用多通道数据识别云相态及多层云结构[3-7]。

为了反演雾/云的光学厚度, 首先需要计算反射辐射亮度。对于一个有限宽度的波段, 反射函数方程必须在整个波长范围上积分, 可表达为:

(1)

式(1)中, F0(λ)为波长λ的入射太阳辐射通量密度, f(λ)为光谱响应函数, τc是大气(或云)的光学厚度, re是云顶粒子有效半径, μ0=cosθ0, θ0是太阳天顶角; μ=|cosθ|, θ是相对于光学厚度方向的观测天顶角; Φ是辐射传播方向和太阳入射方向间的方位角。其中粒子有效半径可定义为[8] :

(2)

式(2)中, n(r)是粒子大小分布, r是粒子半径。由以上两式可以看出, 反射率函数可由θ0, θ, 3个角度、M个光学厚度层(τc)、N个有效粒子半径(re)来描述。根据式(1), 利用辐射传输模式, 以3个观测角度、光学厚度、云粒子尺度、云相态、下垫面类型、不同卫星探测通道的光谱响应函数等为变量, 计算辐射亮度, 建立上述变量的函数库。利用FY-1D, EOS和NOAA的可见光、近红外、红外通道数据, 识别反演云顶粒子相态和云光学厚度[9-10], 并分析云的垂直结构。

1.3 微波和可见光、红外辐射扫描计资料的融合处理

可见光、红外扫描辐射计的主要优点在于具有较高的空间分辨率, 可以较为清晰地反映较小对流泡的空间特征, 但云的可见光、红外通道的光谱特征与降水区没有明显的匹配性。在云雨大气中, 雨对微波的影响远远大于云对微波的影响, 雨对微波的吸收再发射作用也比云滴大得多, 因此与可见光、红外图像相比, 微波可以更清晰地体现出强降雨云团的结构特征, 但其空间分辨率较低。因此若将两种资料相互融合, 可有效地发挥卫星资料对强对流云团的三维监测作用。因此资料的融合处理主要在于将可见光、红外通道数据进行粗化处理, 将AM SU资料进行细化处理, 使得两种资料的空间分辨率相互统一。

2 中尺度暴雨云团云顶粒子微物理性质特征个例分析

受冷空气南下和高空西南暖湿气流共同影响, 2002年6月23日在河南东南部、湖北中部、安徽省中北部、江苏南部等大部分地区出现中到大雨, 部分地区出现暴雨, 其中霍山降雨量为104 mm, 固始降雨量为103 mm。6月23日08 : 00高空图上, 长江下游地区500 hPa受一致的西南气流影响, 700, 850 hPa切变线位置在安徽北部和江苏北部。2002年6月24日08 : 00(北京时, 下同)高空图上, 500 hPa长江中下游地区受副热带高压边缘一致的西南气流影响, 700, 850 hPa的低空西南急流仍较强, 急流轴位于南京、安庆到长沙一线。6月25日副热带高压主体再次南落。

彩图 1是2002年6月25日08 : 05 FY-1D, 10 : 54 EOS和13 : 51 NOAA数据反演的云相态图像, 其观测时间间隔3 h。卫星观测时段内的小时雨量观测值叠加在相态反演图像上。从图中可清晰看到, 在前后6 h内, 云带稳定少动, 云顶为冰相的梅雨锋云带分布在26°~30°N纬度带中, 地面降水区与高空的密实冰云区相吻合。在所取卫星观测数据范围内, 有120个自动雨量观测站, 可以提供每小时雨量, 6月22—26日, FY-1D和NOAA两颗卫星观测时间共有1200个雨量观测值。对比卫星探测和雨量数据, 其中203个观测像元雨量值大于0, 占总观测点的17%。在203个有雨量像元中, 冰相云有155个, 占76%, 水相云有48个, 占24%; 无雨量像元997个, 其中冰相云有308个, 水相云有689个, 说明冰相云是产生此次降雨的主要云相态。

图 1. 2002年6月25日FY-1D, EOS, NOAA卫星云相态识别图像 （图上叠加卫星观测所在时段内小时雨量观测值r） Fig 1. Cloud phase images of FY-1D, EOS and NOAA on June 25, 2002 (hourly precitiation r in situ is overlapped)

彩图 2是利用FY-1D和NOAA数据反演得到的云光学厚度, 在反演的光学厚度图像上, 叠加卫星观测时段内的小时雨量观测值。从彩图 2可以看到, 地面降雨区与高空云光学厚度大值区相匹配, 有雨量像元的光学厚度平均值为29.79, 无雨量像元的光学厚度平均值为10.78, 说明此次降雨云厚度很厚。为进一步说明云光学厚度与地面雨量间关系, 地面雨量每间隔10 mm, 计算云光学厚度平均值, 统计结果如图 3所示。从图 3可看到, 地面雨量基本与云光学厚度间呈现正相关, 即地面无雨量观测, 对应云的光学厚度很小; 地面大雨量, 对应的云光学厚度较大。但在地面雨量超过70 mm后, 雨量与云光学厚度间关系有所变化。

图 2. FY-1D(a)和NOAA(b)卫星反演的云光学厚度图像 (图上叠加卫星观测所在时段内小时雨量观测值r) Fig 2. Retrieved cloud optical thickness images of FY-1D(a)and NOAA(b) (hourly precipitation r in stiu is overlapped)

图 3. 地面雨量与云光学厚度间的统计关系 Fig 3. The statistical relationship between precipitation and cloud optical thickness

为反映6 h内云团的移动、发展状况, 将相隔6 h的NOAA卫星反演的云光学厚度和FY-1D卫星反演的光学厚度相减, 光学厚度差值为负值, 表示经过6 h, 云光学厚度有所增大, 差值越大, 说明云光学厚度的增值越大, 云团发展越旺盛; 反之说明经过6 h, 云光学厚度有所减小。彩图 4是FY-1D卫星反演云光学厚度、NOAA卫星反演云光学厚度及两者云光学厚度差的合成图像, 合成图像中NOAA卫星反演云光学厚度表示为红色, FY-1D卫星反演云光学厚度表示为蓝色, 两者云光学厚度差表示为绿色。因此, 图中绿色越深, 表明6 h前后云光学厚度很小, 且变化很小; 图中蓝色越深, 表明FY-1D云光学厚度大。经过6 h后, 云光学厚度减小; 黄色表示云光学厚度6 h后比6 h前有所增大, 紫色则表示6 h内具有大光学厚度的云团稳定少动。将08 : 00至14 : 00的6 h雨量叠加在光学厚度变化量合成图像上可以看到, 地面6 h雨量大值多集中在云光学厚度有明显增大或具有大光学厚度的云稳定少动的区域, 反映出地面降水的大小与6 h内云团光学厚度的大值区密切相关。

图 4. 6 h内云光学厚度变化合成图像 （红色：NOAA卫星反演的光学厚度；绿色：FY-1D与NOAA卫星反演的光学厚度差值；蓝色：FY-1D卫星反演的光学厚度；图像上叠加6 h雨量值） Fig 4. Composed image of 6-hour cloud optical thickness change (red:retrieved NOAA cloud optical thickness; green:the difference between retrieved FY-1D and NOAA cloud optical thickness; blue:retrieved FY-1D cloud optical thickness; 6 h precipitation is overlapped)

彩图 5是2002年6月25日13 : 51 NOAA卫星上所携带的4个频次的微波通道亮度温度图像, 分别为183.3±1 GHz, 183.3±3 GHz, 183.3±7 GHz和89 GHz亮度温度图像, 在图上可以清晰看到云系主体维持在28°N附近, 在26°~28°N, 113°~119°E之间, 东北—西南向排列有多个对流云团。上述4个探测通道所在的权重高度依次从高到低, 183.3±1 GHz通道的探测权重函数位于大气的高层, 89 GHz通道的权重函数位于大气底层, 从大气底层到大气高层, 均可看到横亘在26°~28°N, 113°~119°E之间的多个对流单体, 说明这些对流单体发展非常旺盛, 并且地面有对应的降水。为了更好显示对流云团的垂直结构, 沿116°E, 作一剖线, 剖线上像元在上述4个通道的亮温如图 6所示, 从图 6可以清楚地看到, 在26°~28°N纬度间, 两个深对流从大气底层到大气高层均具有较低的亮温, 反映出对流云体的内部含水量较多。彩图 7是89 GHz与光学厚度的合成图像, 从图中看到, 微波资料中反映出的位于26°~28°N间的强降水黄色云团正位于粉色大光学厚度云团的中心区域。

图 5. 2002年6月25日NOAA/AMSU-B 4个微波通道亮度温度图像 Fig 5. Four microwave channel images of NOAA/AMSU-B on June 25, 2002

图 6. 116°E经向剖线上像元在183. 3±1 GHz, 183. 3±3 GHz, 183.3±7 GHz和89 GHz通道的亮温分布 Fig 6. Brightness temperature distribution of pix els at 183. 3±1 GHz, 183.3±3 GHz, 183. 3±7 GHz和89 GHz along 116°E

图 7. NOAA16/AMSU 89 GHz与云光学厚度合成图像 (图上叠加卫星观测所在时段内小时雨量观测值r) Fig 7. Composed image containing NOAA16/AMSU 89 GHz and cloud optical thickness (hourly precipitation r in situ is overlapped)

从以上分析可看出, 此次降雨过程, 产生降水的云像元厚度较厚, 地面雨量与冰相云团间有很好的吻合度。

3 小结

利用卫星的多光谱数据以及反演产品对2002年6月23—27日发生在江淮流域的一次中尺度暴雨过程进行个例分析, 将与卫星观测同时段的地面小时雨量与卫星反演的云产品及微波探测资料对比分析, 分析结果显示:

1) 此次降雨过程中, 光学厚度厚且云顶粒子为冰相的大粒子云是此次降雨云的主体。

2) 6 h地面降雨量的大小与云光学厚度的大小相关, 两者之间基本成正相关关系, 即地面6 h雨量的大值与云光学厚度变化量的大值区间有良好的对应关系, 当云光学厚度维持较大值时, 地面同样会有较大的雨量出现。

3) 微波数据可以较好地体现强降水云团的垂直结构, 从大气底层到大气高层, 均可显示出强暴雨云团的深对流结构。分析结果表明:多种卫星资料及云参数反演产品的联合应用可有效揭示暴雨云团的云特性。

参考文献
[1] 刘健, 许健民, 方宗义. 利用NOAA卫星的AVHRR资料试做云性质的分析. 应用气象学报, 1998, 9, (4): 449–455.
[2] 刘健, 许健民, 方宗义. 利用NOAA卫星的AVHRR资料试分析云和雾顶部粒子的尺度特征. 应用气象学报, 1999, 10, (1): 28–33.
[3] Strabala K I, Ackerman S A, Menzel W P. Cloud properoties inferred from 8~12 μm data. J Appl Meteor, 1994, 2: 212–229.
[4] Baum B A, Peter F Soulen, Kathleen I Strabala, et al. Remote sensing of cloud properties using MODIS airborne simulator imagery during SUCCESS 2:Cloud thermodynamic phase. J Geophys Res, 2000, 105, (9): 11781–11792.
[5] Liu Jian, Dong Chaohua, Zhu Xiaoxiang. Thermodynamic phase analysis of cloud particles with FY-1C data. Meteorology and Atmospheric Physics, 2002, 80: 65–71. DOI:10.1007/s007030200015
[6] Liu Jian, Zhu Yuanjin. Detection of multilayer cirrus cloud using FY-1C data. Acta Meteorologica Sinica, 2002, 16, (3): 327–337.
[7] Bryan A Baum, Spinhirne J D. Remote sensing of cloud properties using MODIS airborne simulator imagery during SUCCESS 3:Cloud overlap. J Geophys Res, 2000, 105: 11793–11804. DOI:10.1029/1999JD901091
[8] Hansen J E, Travis L D. Light scattering in planetary atmospheres. Space Sci Rev, 1974, 16: 527–610. DOI:10.1007/BF00168069
[9] 刘健, 董超华. 利用FY-1C资料反演水云的光学厚度和粒子有效半径. 红外与毫米波学报, 2003, 22, (6): 436–441.
[10] Menzel W P, Strabala K. Cloud Top Properties and Cloud Phase:Algorithm Theoretical Basis Document. ATBD-MOD-04, NASA Goddard Space Flight Center, 1997.