应用气象学报  2016, 27 (3): 312-322   PDF    
C-FMCW雷达对江淮降水云零度层亮带探测研究
金龙1,2, 阮征1, 葛润生1, 吴林林3, 戴秀勇4     
1. 中国气象科学研究院灾害天气国家重点实验室,北京 100081;
2. 河北省气象技术装备中心,石家庄 050021;
3. 安徽省人工影响天气办公室,合肥 230031;
4. 安徽省定远县气象局, 滁州 233201
摘要: 不同于体扫雷达探测降水系统,垂直指向雷达可探测降水云中粒子垂直演变的微物理过程。C波段调频连续波垂直指向雷达 (C-FMCW) 采用收发分置天线,数据垂直分辨率达15~30 m,时间分辨率达2~3 s,利用其2013年6—8月在安徽定远探测数据对降水云垂直结构特征及亮带中融化微物理过程进行研究。6次降水过程共计46 h中的39.1%数据具有清晰的亮带结构特征,期间降水占地面总降水量的15%;江淮雨季层状云、对流云和混合性降水系统中均出现零度层亮带,层状云中亮带长时间维持,对流降水系统移出后减弱阶段的亮带结构稳定,混合降水系统中的对流扰动加强冲破了亮带结构。以融化层中最大回波强度Zp所在高度进行融化层的粒子碰并增长和破碎减弱分层分析,上半层融化过程主要表现为碰并增长,下半层则是粒子破碎减弱。剔除了介电常数、下降速度引起的粒子浓度改变影响后,层状云和对流降水后期的回波强度加强表明融化增长程度接近,后者略强,混合降水云的融化增长最强。
关键词: C-FMCW雷达    降水云分类    零度层亮带    融化层    
Bright Band Analysis in Yangtze-Huaihe Region of Anhui Using Data Detection from C-FMCW Radar
Jin Long1,2, Ruan Zheng1, Ge Runsheng1, Wu Linlin3, Dai Xiuyong4     
1. State Key Lab of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081;
2. Meteorological Techincal Equipment Center of Hebei Province, Shijiazhuang 050021;
3. Anhui Weather Modification Office. Hefei 230031;
4. Dingyuan Meteorological Bureau of Anhui Province, Chuzhou 233201
Abstract: Being different from the scanning radar, the vertical detection radar is used to analyze the micro-physics process in the precipitation cloud and the fusion layer from the vertical structural feature and the evolution process of the precipitation cloud. The C-FMCW vertical pointing radar adopts the solid-state system, bistatic antenna technology, and the demodulated signal processing adopts two-dimensional FFT signal processing technology to extract the distance information and the spectrum distribution information in the range bin. The vertical resolution of data is from 15 m to 30 m and the time resolution is from 1 s to 3 s, and the minimum reflectivity at 15 km height is-20 dBZ. Compared with the neighboring CINRAD/SA radars at Bengbu and Hefei, the reflectivity calibration difference is less than 1 dB, and root mean square error is less than 2.02 dB. Using C-FMCW radar detective data from June to August in 2013 at Dingyuan of Anhui, the bright band of the precipitation cloud detection data in 46 h are identified. The cumulative rainfall reaches 340.3 mm, during which 55620 precipitation cloud vertical profiles are obtained. 39.1% of precipitation clouds show clear bright band structural feature and during the occurrence of the bright band the precipitation makes up 15% of the total amount. During the Yangtze-Huaihe rainy season, the bright bands appear in stratiform cloud, convective cloud and the mixed precipitation system. In the stratiform cloud, the bright band is most stable and maintains longer. The bright band appears in the decay stage of the convective precipitation and the melting increase is obviously slower. The aggregation increase is of the strongest in the mixed precipitation system, after which the continuous bight band structure is broken by the strengthened convection distribution. The micro-physics process in the fusion layer is complicated. Excluding effects of phase changes and particle number concentration changes, the vapor change in the melting process is given. The maximum reflectivity in the melting process is used to analyze the layering process. It shows the melting process in the upper layer is mainly absorption growth, while in the lower layer is breakup process.
Key words: C-FMCW profiling radar     precipitation cloud classification     bright band     melting layer    
引言

云和降水的形成经历了较复杂的微物理过程,其垂直变化比水平分布更复杂,对降水和云物理方面研究主要集中在降水云体的垂直探测及其微物理过程。垂直探测雷达发展的主要驱动力是探测降水系统的云垂直精细结构[1-2],通过对零度层亮带的分析可加强对融化层中微物理过程的理解[3],以及对融化层之下的雨滴谱反演[4]

基于扫描天气雷达开展的垂直廓线和零度层亮带识别研究较多[5-8],垂直探测雷达对降水云分类不同于扫描雷达,后者通过对对流核的识别进行对流降水云和层状降水云分类,垂直探测雷达则通过对零度层亮带识别进行层状云与对流云的划分,研究目的不同,分类方案略有差异。Williams等[9]的云分类方案包括层状云、对流云、混合云和非降水云;White等[10]给出了浅对流、浅层云、深对流、深层状云和混合云的降水云分类结果。

垂直探测雷达降水云分类的关键技术是零度层亮带识别算法,主要通过对回波强度廓线在亮带顶部和底部的显著弯曲进行亮带识别,White等[10]联合使用融化层附近回波强度和下降速度的梯度变化确定亮带高度区间,避免了单一要素阈值对不同降水过程产生的误判;Rico等[11]改进了扫描雷达的亮带识别方法,使用旋转坐标系法进行亮带识别,有效避免过度依赖反射率因子垂直廓线 (VPR) 线性而产生的误识别。

零度层亮带明确给出了粒子融化的高度区间,亮带形成主要包括粒子融化过程中的融化效应、碰并聚合效应、速度效应和粒子形状变化[12];粒子融化过程中的碰并加强与破碎减弱,影响降水效率和地面降水强度[13]。尽管利用雷达探测数据对融化层中复杂微物理过程进行定量分析具有一定局限性,但雷达依然是分析融化过程的主要手段之一。Drummond等[14]和Kim等[3]利用雷达探测回波强度、下降速度在融化层顶部和底部的变化,定义融化变量γ=(Zsnow×Vsnow)/(Zrain×Vrain),分析融化层中的吸附碰并增长和破碎减弱,ZsnowVsnow为固态粒子的回波强度和下降速度,ZrainVrain为液态粒子的回波强度和下降速度。γ=0.23为粒子融化平衡过程,γ>0.23为融化破碎减弱过程,γ < 0.23为融化碰并增长过程。黄钰等[15]使用L波段垂直探测雷达进行融化层的分层分析,加强了融化层结构描述与其中微物理过程认识。

1 设备系统及观测试验

由于脉冲多普勒天气雷达难以保证在不损失探测能力的情况下获取高的距离分辨率,C波段调频连续波垂直指向雷达 (C-FMCW),可获取更高灵敏度、高时空分辨率的降水云体垂直结构描述。C-FMCW雷达采用数字直接移相 (DDS) 技术发射调频连续波信号、收发分置天线、解调后的信号处理采用两次FFT处理技术分别提取到距离信息和距离库上的谱分布信息,实现对云体垂直结构精细探测。C-FMCW雷达最小可测信号功率为-170 dBmw,最小回波强度在15 km高度为-20 dBZ,最大探测高度为15~24 km,高度分辨率为15~30 m,探测周期为1~3 s,可对快速变化的云体垂直结构进行精细描述。C-FMCW雷达定标的标准差为0.3 dB,与邻近的合肥、蚌埠SA雷达回波强度的定标差小于1 dB,随机标准差小于2 dB。

本文选取C-FMCW雷达在江淮流域安徽定远 (32.52°N, 117.68°E)2013年6月20日—8月31日73 d的连续探测数据,观测期间共出现6次降水过程,地面降水累积时间约为46 h,累积降水量为340.3 mm,共获得55620份降水云垂直廓线数据。6次降水过程均有零度层亮带出现,对C-FMCW雷达回波谱参数廓线进行亮带识别,给出了不同降水系统中的亮带结构特征;使用最大回波强度所在高度对亮带进行分区,分析回波强度和下降速度变化中包含的主要影响因子,旨在加强对融化不同阶段的主要微物理过程的认识。

2 降水云垂直结构分类 2.1 零度层亮带识别

零度层亮带表明粒子融化过程集中在一个相对稳定的窄带中,该阶段大气垂直运动较为平稳,垂直探测雷达对亮带的探测能力更强、结构描述更真实。联合垂直探测雷达的H95算法[16]和扫描雷达的Rico旋转坐标系方法[11]进行亮带识别,H95方法通过统计VPR梯度变化给出单一阈值特征,判断亮带的顶、底高度,对亮带结构亮带边界不清晰的识别结果不理想;利用H95梯度方法给出亮带的高度区间,由Rico旋转坐标系法给出亮带顶高、底高,有效避免梯度法过度依赖VPR线性而产生的误识别,同时也避免了参数法单一阈值对不同降水过程产生的误识别。

提取与亮带顶高Ht、最大回波强度所在高度Hp和亮带底高Hb相对应的回波强度 (Zt, Zp, Zb)、径向速度 (Vt, Vp, Vb)、速度谱宽 (σt, σp, σb),以及亮带厚度ΔH和回波参数各自的变化量ΔZ, ΔV和Δσ

需要指出的是,相对于粒子下降速度大气垂直运动速度较小,粒子融化过程中的落速变化由雷达探测径向速度计算ΔV得到,未考虑融化层中环境大气运动速度、环境大气密度影响。对于垂直探测雷达径向速度等同为下降速度。

2.2 分类结果

联合测站地面降水和降水云垂直结构特征进行降水云垂直结构划分,6次降水过程包含了层状云 (SC)、对流云 (CC) 和混合性云 (MC)3种降水过程。

3类降水云的划分原则:层状云降水过程为地面降水强度平稳、亮带结构稳定的降水过程;对流降水过程通常表现为较强降水过后伴随着长时间维持的稳定降水,其中,亮带出现在对流降水衰亡阶段 (convective cloud decline,CCD);混合降水过程介于上面两类云之间,既不是稳定维持的弱降水,也没有强降水与弱降水的两个阶段,地面降水强度强弱呈间隙变化,对流扰动加强时,亮带结构不清晰,此时地面降水加强。

获取的廓线中21700份数据具有亮带结构特征,出现比例为39.1%,NAME (North America with an Emphasis, 2006) 观测试验中,在2 km高度上回波强度高于20 dBZ的廓线中67%的数据有清晰的亮带特征[16]

6次降水过程中亮带累计出现时间为18 h 5 min,有亮带结构的降水云产生的地面降水量为51.5 mm,亮带期间地面降水占过程总降水量的15.1%;有亮带特征的降水云平均降水强度为2.85 mm·h-1,约为观测试验期间的平均降水强度5.65 mm·h-1的一半。

表 1给出3类降水过程的地面降水及亮带出现频率等特征。亮带期间的平均降水强度,SC类降水云与过程平均降水强度相当,CCD阶段降水强度远低于过程平均降水强度,MC类降水云总体上比过程降水强度偏低,MC降水云中亮带平均雨强大于其他两类降水云。

表 1 3类降水云的亮带与地面降水 Table 1 Bright-band and rain count in 3 precipitation types

以下分别给出3类降水云的谱参数时序图和垂直结构分布。图 1为2013年6月22日稳定层状云降水,降水云体高度约为8 km,回波强度分布图中亮带结构明显。回波强度在28 dBZ附近随时间变化很小,亮带高度约为5.1 km。在亮带附近下降速度由1.5 m·s-1增至5 m·s-1左右,随时间变化很少,亮带附近谱宽由0.5 m·s-1增至1.5 m·s-1。回波谱参数廓线清晰地表现出亮带区的结构特征,尤其以速度的廓线特征在亮带附近的表现更为清晰;亮带期间地面降水很小,为零星降雨。

图 1. 2013年6月22日20:30—21:30 C-FMCW雷达探测层状降水云演变时序图 Fig 1. C-FMCW radar detect stratiform cloud revolution sequence diagram from 2030 UTC to 2130 UTC on 22 Jun 2013

图 2是8月24日强对流降水过程在06:30—12:00(世界时,下同) 之间回波谱参数廓线时序图,06:30出现强对流降水,持续约为1.5 h,08:00对流减弱,其后08:00—08:30由于供电故障造成数据缺测,但仍可以看出08:30之后出现连续的稳定性降水,地面降水也反映了前期为对流降水,08:00后逐渐转为稳定性降水,这是一次由对流降水云移出后持续时间较长的稳定层状云降水过程。后期的稳定性降水谱参数廓线中亮带特征与层状云特征相同,但此次降水回波顶达10 km左右,回波强度大于30 dBZ。

图 2. 2013年8月24日C-FMCW雷达探测对流降水云演变时序图 Fig 2. Convective cloud revolution sequence detected by C-FMCW radar on 24 Aug 2013

图 3中7月4日混合性降水过程中亮带被对流扰动破坏,亮带不稳定显现,20:40—21:15是扰动加强阶段,21:30附近有小的对流体,21:40—23:00也有弱的对流泡体出现,其他时段亮带结构清晰;图 3中下降速度、谱宽廓线的垂直变化对亮带结构有清晰反映,地面较强降水出现在对流扰动加强阶段,亮带结构清晰的平稳阶段地面呈弱的平稳降水。混合降水云中亮带参数变化较大,此类降水云垂直结构反映了江淮地区雨季降水云的典型特征。

图 3. 2013年7月4日20:30—21:30 C-FMCW雷达探测对流降水云演变时序图 Fig 3. Convective cloud revolution sequence detected C-FMCW radarfrom 2030 UTC to 2130 UTC on 4 Jul 2013

使用Hp将亮带区中Ht-Hp的高度区间划分为亮带Ⅰ区,Hp-Hb的高度区间划分为亮带Ⅱ区,表 2给出6次降水过程中亮带参数平均输出及分布范围 (δ),3类降水云中亮带Ⅰ区比Ⅱ区宽度略窄,亮带区中Zp与ΔH呈正相关在3类降水云中有一致的表现,表明融化距离与融化加强过程呈正比。SC, MC降水云亮带ΔH平均分别为640 m和720~770 m之间,CCD阶段的亮带厚度介于SC与MC之间,MC亮带结构变化最大,1201 m至40 m之间。固态粒子粒径变化对下降速度影响较小,即不同粒径雪花对下降速度改变影响不大[17]。ΔV的大小主要反映了融化后液态水滴粒径大小,SC的ΔV变化最小,平均为3.45 m·s-1,MC和CCD的ΔV在4.7~4.95 m·s-1之间,表明SC融化后的大粒子比例较低;CCD与MC降水云中融化后大粒子比例较高。

表 2 亮带结构参数统计特征 Table 2 The statistical characteristic of them bright bind structure

统计结果表明,亮带区厚度ΔH与融化造成回波强度增量ΔZ, Zp呈正相关,表明融化距离越长,粒子融化过程中的吸附碰并增长充分,亮带越厚、回波强度增量、最大回波强度越大;Fabry等[12]认为亮带强度与大粒子的特征相关性较大,强的回波强度是由大的雪粒子经过较长距离融化聚集所致。

3 亮带中的融化微物理过程

亮带集中反映了粒子融化过程中的相态改变、速度效应、碰并聚合效应和粒子形状改变等影响引起的回波强度加强,可使用冰相粒子与液态粒子介电常数对融化的相态改变进行描述,利用粒子下降速度变化给出速度效应带来的回波强度改变,从融化前后回波强度变化中剔除了介电常数、下降速度影响后的回波强度净变化量,主要反映融化过程中碰并聚合和粒子形状改变对回波强度的影响。粒子融化过程包括了小冰晶融化、大雪花由表层向内部融化渗透和大粒径粒子骨架破碎融化等几种情况[18],雪花的骨架破碎崩塌主要发生在最大回波强度Zp所在高度Hp之下[19],使用Hp进行亮带分区,分析融化不同阶段的主要融化微物理过程。

3.1 亮带回波强度变化的影响因子

粒子融化对回波强度Z和下降速度V的改变影响不同,回波强度在亮带Ⅰ区逐渐加强,在亮带Ⅱ区呈减弱趋势,粒子融化后的回波强度通常略有加强,下降速度在整个融化过程中呈加强趋势,以下对回波强度、下降速度变化的几个影响因子分别进行阐述。

冰晶形状多呈现为细长棱体状,雪花形状多为不规则六角形薄片,固态粒子多以扁平形态下降,雨滴粒子近似为球形,冰相粒子的后向散射截面大于雨滴;融化前后粒子的形状差异引起回波强度改变。受密度与形态影响,冰晶、雪花粒子的下降速度小于雨滴,Löffler-Mang等[20]通过理论分析和试验测量给出低层静止大气中,冰晶的下降速度V不超过1.5 m·s-1D=12 mm的雪花下降速度V约为1.4 m·s-1D=0.5 mm水滴下降速度V接近2 m·s-1D=4 mm时V约为8 m·s-1,表明固态粒子下降速度对粒径差异不敏感,雪花、冰晶融化后的球型液滴下降速度增强明显,与粒径相关较大。

由雨滴谱仪对雨滴谱数浓度的测量原理可知,运动中粒子下降速度与数浓度成反比[21],粒子融化后密度增大引起的V加强导致粒子数浓度N0降低,使回波强度减弱。为便于计算,使用与回波强度相同的单位10lg (V2/V1)(单位:dB) 对下降速度改变进行估算,V1, V2分别为高度区间的上、下边界雷达探测粒子下降速度。由于雷达探测下降速度是粒子群的平均速度,下降速度对回波强度的影响虽然给出了定量表达,但仅限于定性分析。

当从回波强度变化ΔZ中剔除了介电常数和下降速度的影响后,回波强度变化的剩余量则主要包含了粒子形状和粒径变化。实际上,下降速度变化中也包含了粒径和形状的变化影响,相对于粒径影响,形状改变对回波强度和下降速度的改变影响较小;粒径改变对回波强度的影响大于对下降速度的影响,因此,回波强度变化剩余量中仍可反映融化过程中的粒径变化。

3.2 融化特征量估算

如上所述,在亮带Ⅰ区中小粒径冰晶、雪花很快融化转化为水滴,大粒径雪花表层融化、雪花骨架并未发生变化,与冰晶融化成的小水滴相比,散射截面较大;有研究指出在亮带区上半部有一半的粒子已经融化,此时介电常数对回波强度的改变影响为85%[12];表层融化的粒子更容易发生吸附碰并导致粒径增大,介电常数改变和粒径增大是回波强度加强的主要原因,表层融化的粒子下降速度改变不强烈,下降速度增幅小于Z的增强幅度。在亮带Ⅱ区,随着环境温度不断增高,融化渗透到大粒径雪花粒子内部达到一定程度时出现骨架破碎,很快融化成小粒径水滴;融化后粒子密度增大导致下降速度增加明显,粒子粒径破碎变小、数浓度减小使回波强度迅速降低。

造成亮带Ⅰ区回波强度变化的主要原因:①融化前后介电常数改变,Z增加;②融化过程粒子下降速度V增加引起的数浓度N0降低,Z减小;③水的固态、液态和气态共存,雪花截面积较大有利于粒子凝结吸附增长,Z增加;④不同粒径粒子融化程度不同加大了粒子之间V分布不均匀进而增加了粒子之间碰并增长,Z加强,其中表层融化的大粒径雪花对水滴的碰并几率大于水滴之间的碰并。亮带Ⅰ区中也存在少量粒子融化、破碎引起的散射截面减小等造成Z的降低,但对Z的改变贡献较小。实事上当表层融化到0.1 mm厚度时,湿雪具有与水滴相同的介电常数,综合其他不确定影响,将介电常数对回波强度的增加影响放在亮带Ⅰ区考虑。

以上4种影响因子中, ①和②影响可给出定量估算,亮带Ⅰ区的强度变化表示为

(1)
(2)

其中,回波强度Z单位为dBZ,下降速度V单位为m·s-1,水的介电常数为εr, 冰晶的介电常数为εi,计算时使用6.5 dB表示融化的相态改变10lg 对回波强度加强。G1为Ⅰ区融化特征量,是亮带Ⅰ区回波强度变化中剔除了介电常数、下降速度变化后的回波强度净增量,主要表征粒子在Ⅰ区的融化中还存在其他微物理过程引起的回波强度Z增加,单位为dB (下文中G2G单位为dB),

造成亮带Ⅱ区Z变化的主要原因:①融化继续向内部渗透融化为水滴引起的密度增大、下降速度增加导致数浓度N0降低,回波强度Z减小;②雪花骨架破碎后融化成小水滴、散射截面减小,Z降低。亮带Ⅱ区中水滴下降过程中也存在着碰并,但与Ⅰ区中雪花与小水滴的碰并增长相比要小,对Z的增长贡献较小,与破碎引起回波强度Z减小相比也小得多。亮带Ⅱ区回波强度变化中剔除了可定量表达①的影响,表示为

(3)
(4)

其中,G2为Ⅱ区的融化特征量,是剔除了速度影响后的回波强度净减量,主要表征雪花破碎、形态变化造成的回波强度Z减小。

引入Zp将亮带区划分为亮带Ⅰ区、Ⅱ区,引起Z增加的微物理过程作用主要在Ⅰ区,而引起回波强度减弱的为物理过程主要在Ⅱ区,由式 (1)~式 (4) 可导出

(5)

其中,G是剔除了介电常数、下降速度变化影响的亮带区回波强度净变化,与G1G2G统称为融化特征量,融化特征量仅为估算结果,用于进行融化过程的定性分析。G的大小主要是粒子形状与粒径改变对回波强度的影响,与粒子形状影响相比,粒径改变对G的贡献最大。G=0时,表明融化前后粒径基本不变,融化过程中的增长与破碎平衡;G < 0时,认为融化后粒径减小,为融化减弱过程;G > 0时,为粒径加大的融化增长过程,这种增长包含了亮带区内融化过程中三态共存时的水汽凝结增长和粒子间的碰并增长。

3.3 不同降水系统中亮带融化过程差异

图 4a图 4b给出2013年7月4日混合性降水过程中21:38—21:54回波强度、下降速度廓线时序图,并显示了亮带区和Zp所在高度;图 4c图 4d是亮带Ⅰ区、Ⅱ区以及亮带整层的融化特征量G1, G2G时序图;图 4e是亮带最强回波强度Zp时序图。由图 4可知,G1和亮带厚度、Zp均呈正相关,与G2呈负相关;Zp, G1较大,认为是以大粒径雪花为主的粒子进入亮带区时,表层融化导致Zp增大明显,大粒径粒子融化过程较长、亮带厚度较宽,大粒径粒子表层融化对环境大气吸附能力较强对G1增大有贡献;G1较小时,G2较大,固态粒子中以小粒径冰晶、雪花为主,粒子融化过程短、亮带区厚度窄。

图 4. 2013年7月4日21:38—21:54零度层亮带识别结果及融化过程参数 (a) 回波强度,(b) 径向速度, (c)G1G2,(d)G, (c)Zp Fig 4. Bright band identification results and melting process parameters from 2138 UTC to 2154 UTC on 4 Jul 2013 (a) reflectivity, (b) velocity, (c)G1 and G2, (d)G, (e) Zp

为分析3类降水云中亮带融化过程差异,利用式 (1)~式 (5) 计算了3类降水云中融化特征量G1, G2G概率分布,G1, G2G概率分布由图 5给出,表 3给出3类降水云中G1, G2, G的平均值。

图 5. 3类降水云的亮带整层及分层参数 (a) 亮带Ⅰ区,(b) 亮带Ⅱ区, (c) 整层 Fig 5. Melting parameters in the different areas of bright band (a)Ⅰ area, (b)Ⅱ area, (c) all areas

表 3 3类降水云G1, G2G的平均值 Table 3 The average and the distribution proportion of G1, G2and G of three kind precipitation cloud

图 5表 3中,层状降水云G以0为中值呈现正态分布,对流降水后期G中值集中在0~1附近,混合降水云中粒子融化过后G增加最为明显,G集中出现在1~4 dB之间,在0~7 dB之间均有出现。3类降水云G1, G2G的标准差表明CCD分布最为集中,对流降水能量释放后,其后期融化过程比稳定层状降水云的平稳程度好。

3类降水云中均表现出G1G呈正相关、G1G2呈反相关,G1越大、G2越小,亮带Ⅰ区粒子融化增长越强,亮带Ⅱ区粒子破碎强烈。

总体上融化特征量G与ΔZ的变化趋势基本一致,G对融化过程的描述更为清晰,表 3中SC和CCD的融化增长相当,混合降水云MC亮带的融化增长最强,这种融化加强与地面降水加强呈正相关。

4 小结

1) 使用C-FMCW雷达于2013年6—8月在安徽定远的江淮雨季观测试验数据,对6次降水过程进行了亮带识别和降水云分类,6次降水过程中均出现亮带;地面降水时段中亮带出现时间比例为39.1%,亮带期间的地面降水量占过程总降水量的15%。

2) SC中亮带稳定维持时间较长,对流降水系统中后期CCD也有长时间的亮带结构出现,MC降水系统中对流扰动导致融化过程加深、地面降水加强。SC的亮带厚度平均为640 m,MC的亮带厚度为700~800 m,MC降水云中ΔH度变化最大;ΔHZp成正比。

3) 使用Hp对亮带进行分区,在亮带Ⅰ区中回波强度变化除了介电常数影响外,冰相粒子融化的凝结碰并增长过程也造成了回波强度加强,粒子形变影响较小;亮带Ⅱ区粒子破碎等形状粒径改变、粒子密度对粒子数浓度的改变,均引起回波强度降低。

4) 总体上,3类降水云均表现为融化增长过程,SC云与CCD云亮带中粒子在亮带Ⅰ区G1增长与Ⅱ区G2的减弱程度基本接近,CCD融化后回波强度净增长略大;MC云融化过程的融化增长最为明显。

融化过程是多种影响因子的综合作用结果,融化特征量G仅为估算值,用于了解融化的增长、减弱,比较不同降水云中融化过程的差异。

参考文献
[1] Neiman P J, Wick G A, Ralph F M, et al. Wintertime nonbrightband rain in California and Oregon during CALJET and PACJET:Geographic, interannual, and synoptic variability. Mon Wea Rev, 2005, 133: 1199–1223. DOI:10.1175/MWR2919.1
[2] 阮征, 葛润生, 吴志根. 风廓线仪探测降水云体结构方法的研究. 应用气象学报, 2002, 13, (3): 330–338.
[3] Kim D K, Knupp K R, Williams C R. Airflow and precipitation properties within the stratiform region of tropical storm Gabrielle during landfall. Mon Wea Rev, 2009, 137, (6): 1954–1971. DOI:10.1175/2008MWR2754.1
[4] Schafer R, Avery S, May P, et al. Williams estimation of drop size distributions from dual frequency wind profiler spectra using deconvolution and a nonlinear least squares fitting technique. J Atmos Oceanic Technol, 2002, 19: 864–874. DOI:10.1175/1520-0426(2002)019<0864:EORDSD>2.0.CO;2
[5] 陈明轩, 高峰. 利用一种自动识别算法移除天气雷达反射率因子中的亮带. 应用气象学报, 2006, 17, (2): 207–214. DOI:10.11898/1001-7313.20060212
[6] 吴翠红, 万玉发, 吴涛, 等. 雷达回波垂直廓线及其生成方法. 应用气象学报, 2006, 17, (2): 233–239.
[7] 肖艳娇, 刘黎平, 李中华. 任意基线雷达反射率因子垂直剖面生成算法. 应用气象学报, 2008, 19, (4): 428–434. DOI:10.11898/1001-7313.20080406
[8] 张乐坚, 程明虎, 陶岚. CINRAD-SA/SB零度层亮带识别方法. 应用气象学报, 2010, 21, (2): 172–179.
[9] Williams C R, Ecklund W L, Gage K S. Classification of precipitating clouds in the tropics using 915-MHz wind profilers. J Atmos Oceanic Technol, 1995, 12: 996–1012. DOI:10.1175/1520-0426(1995)012<0996:COPCIT>2.0.CO;2
[10] White D J, Gottas E T, Strem F M, et al. An automated brightband height detection algorithm for use with Doppler radar spectral moments. J Atmos Oceanic Technol, 2002, 19: 687–697. DOI:10.1175/1520-0426(2002)019<0687:AABHDA>2.0.CO;2
[11] Rico R M A, Cluckie I D. Bright-band detection from radar vertical reflectivity profiles. Int J Remote Sensing, 2007, 28, (18): 4013–4025. DOI:10.1080/01431160601047797
[12] Fabry F, Zawadzki I. Long-term radar observations of the melting layer of precipitation and their interpretation. J Atmos Sci, 1995, 52: 838–851. DOI:10.1175/1520-0469(1995)052<0838:LTROOT>2.0.CO;2
[13] Stewart R E, Marwitz J D, Pace L C, et al. Characteristics through the melting layer of stratiform c1ouds. J Atmos Sci, 1984, 41: 3227–3237. DOI:10.1175/1520-0469(1984)041<3227:CTTMLO>2.0.CO;2
[14] Drummond F J, Rogers R R, Cohn S A, et al. A new look at the melting layer. J Atmos Sci, 1996, 53, (5): 759–769. DOI:10.1175/1520-0469(1996)053<0759:ANLATM>2.0.CO;2
[15] 黄钰, 阮征, 葛润生, 等. 风廓线雷达探测零度层亮带的试验研究. 高原气象, 2011, 30, (5): 1376–1383.
[16] Williams A B W, Gage K S, Ralph F M. Vertical structure of precipitation and related microphysics observed by NOAA profilers and TRMM during NAME 2004. Climate, 2007, 20: 1693–1712. DOI:10.1175/JCLI4102.1
[17] Hooper J E N, Kippax A A. Interim Report on Measurements of Radar Echo Intensities from Rain and Snow. TRE Report T-2082, 1947.
[18] 陈万奎, 游来光. 融化层附近降水粒子微物理特征的个例分析. 应用气象学报, 1987, 2, (2): 143–150.
[19] Austin P M, Bemis A C. A quantitative study of the "bright band" in radar precipitation echoes. J Atmos Sci, 1950, 7: 145–151.
[20] Löffler-Mang M, Joss J. An optical disdrometer for measuring size and velocity of hydrometeors. J Atmos Oceanic Technol, 2000, 17, (2): 130–139. DOI:10.1175/1520-0426(2000)017<0130:AODFMS>2.0.CO;2
[21] Friedrich K E A K, Masters F J, Lopez C R. Drop-size distributions in thunderstorms measured by optical disdrometers during VORTEX2. Mon Wea Rev, 2013, 141, (4): 1182–1203. DOI:10.1175/MWR-D-12-00116.1