应用气象学报  2018, 29 (6): 690-700   PDF    
基于雷达回波强度面积谱识别降水云类型
杨有林1,2,3, 纪晓玲1,2,4, 张肃诏1,2,4, 朱海斌1,2,5, 郑鹏徽1,2,4, 杨婧1,2,4     
1. 中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室, 银川 750002;
2. 宁夏气象防灾减灾重点实验室, 银川 750002;
3. 宁夏气象信息中心, 银川 750002;
4. 宁夏气象台, 银川 750002;
5. 宁夏银川市气象局, 银川 750002
摘要: 基于谱分析原理提出了雷达回波强度面积谱的概念及算法,利用宁夏银川多普勒天气雷达回波资料,分析了不同性质降水云的雷达回波强度面积谱,并根据不同性质降水云雷达回波强度面积谱特征,提出了基于雷达回波强度面积谱识别降水云类型的方法,利用强回波面积(回波强度不小于40 dBZ的回波面积)占总回波面积百分比和基本降水回波面积(回波强度不小于20 dBZ的回波面积)占总回波面积百分比作为降水云类型判别的主要因子,提炼出基于雷达回波强度面积谱特征参数的层状云、积层混合云、对流云等不同类型降水云的判别指标,建立了基于雷达回波的降水云类型自动判识模型。利用该模型对2016-2017年6次强降水过程进行了降水云类型判别试验,模型准确判别出6次强降水过程中2次为对流云降水、4次为混合云降水,判别结果较好地反映了降水云类型,验证了判识方法的可行性。
关键词: 降水云分类    多普勒天气雷达    回波面积谱    自动判识    
Automatic Identification of Precipitation Cloud Based on Radar Reflectivity Area Spectrum
Yang Youlin1,2,3, Ji Xiaoling1,2,4, Zhang Suzhao1,2,4, Zhu Haibin1,2,5, Zheng Penghui1,2,4, Yang Jing1,2,4     
1. Key Laboratory for Meteorological Disaster Monitoring and Early Warning and Risk Management of Characteristic Agriculture in Arid Regions, CMA, Yinchuan 750002;
2. Ningxia Key Laboratory of Meteorological Disaster Prevention and Reduction, Yinchuan 750002;
3. Ningxia Meteorological Information Center, Yinchuan 750002;
4. Ningxia Meteorological Observatory, Yinchuan 750002;
5. Yinchuan Meteorological Observatory of Ningxia, Yinchuan 750002
Abstract: Based on the principle of spectral analysis, the concept and algorithm of radar echo intensity area spectrum are proposed. Stratiform cloud, embedded convective cloud and convective cloud with different nature are investigated. Their parameter characteristics of total area, spectral shape, spectral peak value, spectral mid-value, spectral width and strong echo area(where the echo intensity exceeds 40 dBZ), basic precipitation echo area(where the echo intensity exceeds 20 dBZ) of the echo intensity area spectrum are analyzed using radar intensity data of Yinchuan Doppler weather radar. According to characteristic parameters of precipitation cloud area spectrum with different properties of radar echo intensity, a technical method is established to identify precipitation cloud types based on radar echo intensity area spectrum. The percentage of strong echo area in the total area of echo and the percentage of basic precipitation echo area in the total area of echo are used as main factors to distinguish precipitation cloud types, and the discriminant index of precipitation clouds of different types are given, such as stratiform cloud, embedded convective cloud and convective cloud and so on, based on characteristic parameters of radar echo intensity area spectrum. Meanwhile, an automatic recognition models of precipitation cloud type based on radar echo are established, and the automatic classification of precipitation cloud types based on radar echo intensity area spectrum is realized. The model is used to judge the precipitation type of 6 strong precipitation cases from 2016 to 2017. All of 6 strong precipitation processes are accurately identified, including 2 times as convective precipitation and 4 times as mixed cloud precipitation. Discriminant results are satisfied. It is better to reflect the type of precipitation cloud and verifies the feasibility of the identification method. And it is also a great significance for further intelligent analysis of precipitation properties, automatic monitoring of heavy precipitation and refined quantitative precipitation estimation.
Key words: precipitation cloud classification    Doppler weather radar    reflectivity area ratio    automatic identification    

引言

降水是一种复杂的天气过程,分为层状云降水、对流云降水及积层混合云降水,是云结构不同导致的差异[1]。强降水系统多为积层混合云降水,即在大片层状云降水中嵌有对流云降水,其中对流云区是强降水发生的主要区域,层状云区对降水量的大小和持续时间有直接影响。对流云降水和层状云降水产生机理不同,对环境影响也不同,所以识别强降水中的对流云降水和层状云降水可以更好地理解降水机制,对降水估测、监测预警、人工影响天气作业指挥等均有重要意义。对流云降水和层状云降水识别技术研究越来越受到国内外气象学者的重视。

多普勒天气雷达是进行大气、云雾及降水物理研究和探测的主要工具,被广泛地应用于气象科学研究与天气监测预报预警中,在中小尺度灾害性天气监测中发挥着不可替代的作用[2-3]。利用多普勒天气雷达开展强降水天气的自动识别、跟踪与预报研究,对于提高降水预报能力很有必要。对流云降水、层状云降水识别技术包括了零度层亮带法、背景场法、对流云-层状云法、峰值法、梯度法、神经网络法、小波分析法、模糊聚类法等。零度层亮带法[4]利用雷达回波探测出零度层亮带,然后将余下云作为对流云,该方法有很大局限性[5-6],会导致对层状云降水的低估,而高估对流云降水。背景场法是设定一个阈值,凡有降水回波的地方,找出达到这个阈值的点作为降水中心,并规定一个影响半径,确定为对流云影响区域,其余是层状云区。对流云-层状云法是利用红外资料对背景场法进行改进。峰值法是选取反射率因子的峰值,使识别效果有较大改善,但未考虑零度层亮带。梯度法考虑了零度层亮带的影响,根据零度层亮带和对流云的水平、垂直反射率因子的梯度变化,分别设定反射率因子的水平梯度和垂直梯度阈值进行两次判断,并加入探空资料对零度层亮带的探测,从而将零度层亮带识别出来,达到识别层状云降水和对流云降水的目的。陈明轩等[7]提出一种自动识别和移除雷达反射率因子中亮带的算法,通过测试对移除亮带比较有效。张乐坚等[8]提出一种利用雷达回波三维信息自动识别降水类型的方法,并通过对雷达反射率因子垂直廓线的变化特征、水平梯度、垂直递减率以及回波顶高的综合分析实现对降水类型更深入划分。汤达章等[9]研究了用于天气雷达回波跟踪的矩不变量法和相关亮度综合分析法。首先用多阈值法对回波图像分团,然后计算出矩不变量和相关亮度系数,作为判别因子,分别用于回波团的跟踪,并作出回波移动的临近预报。试验结果表明:矩不变量法的跟踪成功率高于相关亮度综合分析法。周德平等[10]利用回波形态、回波参量和综合指标对冰雹云雷达回波进行识别。冷亮等[11]在对多普勒天气雷达资料质量控制技术对比分析基础上,利用徐州雷达站资料,统计并对比几种常见的降水回波与非降水回波特性, 找出一种有效识别晴空回波的方法。郑佳锋等[12]根据阵风锋的回波特征,设计了阵风锋自动识别算法。张秉祥等[13]通过分析冰雹天气雷达识别指标和不同季节识别指标对应的隶属函数,采用等权重系数法建立了基于模糊逻辑原理的冰雹天气识别算法。刘晓璐等[14]利用探空资料计算表征热力、动力、水汽条件、温度、高度等物理参数作为预报因子,采用因子组合分析方法找出影响宜宾探空站附近降雹的预报因子,并计算得到它们的阈值及组合关系,建立了冰雹预报指标判别式。徐永胜等[15]分析了湖南积云雷达回波和降水的特征,建立了利用雷达回波参数估算单站积云降水量、水层厚、总降水量和雨强的回归关系式,对积云降水估算有一定实用性。刘黎平等[16]、江源等[17]在模糊逻辑地物回波识别算法的基础上逐步改进,研究了适用于多普勒天气雷达的地物回波识别算法, 能处理固定地物回波和超折射地物回波;庄薇等[18]在剔除地物回波的基础上增加了回波填补功能,将降水区域中的“回波空洞”进行有效填补,并改变地物判别阈值。李丰等[19]建立了C波段多普勒天气雷达地物回波识别方法。

本文在对前人工作分析总结基础上,根据雷达回波强度面积谱分析降水云分类技术原理,提出了利用回波面积比作为雷达回波降水性质判别因子,研究雷达回波降水性质判别指标和技术,实现雷达回波降水性质判别分类,并开展了判别试验,为雷达定量降水估测预报提供参考。

1 资料与处理方法

本文分析所使用资料为2004—2013年宁夏北部2006年7月14日、2012年6月27日、2012年7月29日3次典型暴雨强降水天气过程,2004年6月14日和2011年8月23日2次典型冰雹强对流天气过程及2014年4—9月宁夏北部36次降水天气过程银川多普勒天气雷达逐6 min体积扫描(简称体扫)原始资料(经过地物消除,但未进行衰减订正),雷达型号为CINRAD/CD,体扫模式VCP21,库长250 m,扫描层数9个仰角层。体扫资料文件以库长为基本单元存储9个仰角层的雷达观测要素,各仰角层的资料以极坐标方式顺序存储,每个库长单元包含基本反射率因子、径向速度、速度谱宽3个观测要素。判识检验所用资料为2016年7月3—4日、2016年7月23日、2016年7月24日、2016年8月21—22日、2017年6月4—5日、2017年7月26—27日6次降水天气过程实况资料及其对应时间的雷达观测资料。

1.1 体扫资料投影变换

在资料分析过程中,首先将体扫资料通过雷达投影变换,转换为网格间距为250 m的栅格资料,计算9个仰角层的组合反射率因子(CR),最终形成网格间距为250 m的组合反射率因子栅格资料。

1.2 雷达回波强度面积谱计算

雷达回波强度面积谱是雷达扫描探测范围内不同回波强度所占面积的波形变化,表征了雷达回波面积随回波强度的变化关系。对于回波强度为i的回波所占的回波面积Ai等于回波强度为i的回波所占的栅格数和栅格面积之积,即

(1)

式(1)中,Ni为回波强度等于i的栅格数,ΔA=250 m×250 m=0.0625 km2,为栅格面积。

总回波面积A等于不同回波强度的回波面积Ai之和,即

(2)

式(2)中,Zmax为最大回波强度,Zmin为最小回波强度,本文中Zmin统一取1 dBZ。

面积谱峰值为面积谱中面积最大的回波强度。面积谱中值为面积谱中可以将总面积分割为面积相等的两部分的回波强度。面积谱宽度为面积谱中谱面积不小于1个栅格数的最大回波强度。面积谱形态参数T由面积谱峰值和面积谱中值的差值表示,T>0为左偏态,T<0为右偏态,T=0为正态。

回波面积比P为某一回波强度的回波面积Ai占总回波面积A的百分比,即

(3)

用不小于40 dBZ的回波面积作为强回波面积,用不小于20 dBZ的回波面积作为基本降水回波面积,则强回波面积比(P40)和基本降水回波面积比(P20)表示为

(4)
(5)

在本文资料分析过程中,回波面积统一用栅格数(N)表示,实际回波面积等于栅格数的0.0625倍平方公里。

2 基于雷达回波强度面积谱分析的降水云分类技术原理 2.1 不同类型降水云中的雨滴分布及其与雨强关系

降水主要来自云中,通常将半径小于100 μm的水滴称为云滴,半径不小于100 μm的水滴称雨滴,标准云滴半径为10 μm,标准雨滴半径为1000 μm。从体积来说,半径为1 mm的雨滴约相当于100万个半径为10 μm的云滴[20]。不同类型降水云中雨滴谱的分布不同,雨滴谱的分布不同是造成不同类型降水云降水强度有较大差异的主要因素。陈宝君等[21]利用沈阳1994年7—8月降水雨滴谱观测数据分析了层状云降水和积雨云、积层混合云降水的雨滴谱,发现雨滴数密度以层状云为最小,积雨云为最大,积层混合云介于其中。而就雨滴尺度而言,积雨云平均尺度最小,层状云平均尺度最大,这是由于积雨云中小滴特别多造成的,积雨云中小于1 mm的雨滴占90.1%,积层混合云占85.7%,而层状云仅占78.1%。此外,如果不考虑特小雨滴,3类云的雨滴数密度分别为层状云2265 m-3,积层混合云13704 m-3,积雨云2401.3 m-3;平均雨滴直径D分别为层状云1.03 mm,积层混合云1.43 mm,积雨云1.81 mm, 平均雨强以积雨云降水为最大,主要是由于积雨云滴谱宽,大滴多。积雨云中直径小于1 mm的雨滴数密度虽然很大,但对雨强的贡献只有7%,层状云却占18.5%。可以看到,积雨云降水强度大,主要是大滴和较大滴的贡献,层状云降水强度小,则是由于雨滴直径和雨滴数密度都很小,积层混合云降水平均数密度较大,谱比较宽,其降水强度虽比积雨云小,但远大于层状云。观测分析与理论基本一致。金祺等[22]选取2014年7月31日安徽滁州一次飑线过程,使用地基雨滴谱仪数据分析此次过程的雨滴谱特征。根据雷达回波和地面降水强度将这次降水过程划分为对流云降水、过渡性降水和层状云降水,并以10 mm·h-1为临界值将对流降水进一步划分为对流前沿降水、对流中心降水、对流后沿降水。结果表明:对流中心降水、过渡性降水、层状云降水的质量加权直径均比较稳定,平均值分别为1.8 mm,1.0 mm,1.7 mm。对流降水的标准化截距相比层云降水更大。对流中心降水各粒径段雨滴数浓度均较高;层云降水小雨滴浓度较低,且有少量大雨滴;过渡性降水由小雨滴组成。当雨水含量相同时,层状云降水的质量加权直径相比对流降水更大。当雨强相同时,层状云降水的反射率因子相比对流中心降水更大。

2.2 雨滴大小与雷达回波强度关系

由雷达方程可知,回波强度与雨滴粒径的6次方成正比,也就是说,一个粒径5 mm的雨滴其产生的回波强度是一个粒径1 mm雨滴的15625倍,可见雨滴粒径对雷达回波强度大小的影响。反之,雷达回波强度的大小也反映了云中大雨滴的多少,回波强度大,说明云中大雨滴多,回波强度小,说明云中大雨滴少。因此,利用降水云和雷达回波的这些特征,可以分析建立基于雷达观测数据的计算机自动分析判识的降水云类型判识模型,进而开展强对流天气自动监测和基于云分类的精细化降水估测。

2.3 雷达回波强度面积谱

对于一次雷达观测,可以计算扫描面上不同回波强度所占的回波面积,构成雷达回波强度面积谱(图 1)。

图1 2004年6月14日14:09(北京时)银川雷达体扫产品回波强度面积谱 Fig.1 Echo intensity area spectrum of Yinchuan radar volume scanning CR product at 1409 BT 14 Jun 2004

对于不同降水云,如层状云、积层混合云、积雨云(对流云)其雷达回波强度面积谱不同,这种不同表现在面积谱的谱形态参数、谱峰值、谱中值、总面积、基本降水回波面积、强回波面积等方面。

3 不同类型降水云的雷达回波强度面积谱特征

由于层状云降水多为大尺度天气系统造成,云团无中小尺度天气系统活动,云团水平尺度远远大于垂直尺度,降水稳定,雨滴较小,雨强不大,持续时间长;而对流云降水多为中小尺度天气系统产生,云团水平尺度较小,垂直尺度大,天气剧烈,产生的降水以积雨云降水为主,雨滴、雨强均较大,持续时间短;混合云降水则多为多尺度天气系统造成,云团中大尺度天气系统和中小尺度天气系统共同存在且相互作用,云团水平尺度和垂直尺度均较大,产生的降水以层积混合云降水为主,雨滴谱宽,雨强大,持续时间长,降雨分布不均。

根据对不同降水性质特点已有的这些认知,结合实况,分类分析了41次降水天气过程雷达回波强度面积谱,其中, 层状云降水过程16次,对流云降水过程15次,混合云降水过程10次。

3.1 层状云降水雷达回波强度面积谱特征

表 1为16次层状云降水过程雷达回波强度面积谱分析数据。由表 1可知,层状云降水主要表现为雷达回波强度面积谱窄,回波强度宽度为31~57 dBZ,以弱回波为主;面积谱中值为10~16 dBZ,面积谱峰值为10~17 dBZ,大多数过程面积谱中值在面积谱峰值左侧,波谱呈单峰左偏态型;总回波面积(A)跨度较大,为2.85万~67.5万个栅格;基本降水回波面积比普遍小于35%,强回波面积比小于0.3%。

表 1 层状云降水过程雷达回波强度面积谱特征 Table 1 Radar echo intensity area spectrum characteristics of layered cloud precipitation

图 2给出了层状云降水过程的样本平均雷达回波强度面积谱(图 2a)和典型过程2014年9月6日的雷达回波强度面积谱(图 2b)。从样本平均看,层状云降水雷达回波强度面积谱宽度较小,面积谱宽度约为48 dBZ,面积谱峰值为16 dBZ,面积谱中值为15.5 dBZ,回波面积谱略呈左偏态。从2014年9月6日典型过程看,宁夏北部(即银川雷达覆盖区域)为小雨或阵雨天气过程,此次过程雨量普遍在10 mm以内,降水过程雷达回波强度面积谱与样本平均谱接近,峰值面积达1.4万个栅格;面积谱峰值为15 dBZ,谱中值为14.5 dBZ;波峰左侧回波面积略大于波峰右侧回波面积,波谱呈单峰左偏态型,基本降水回波面积比为22.7%,强回波面积比为0.14%。

图2 层状云降水过程雷达回波强度面积谱 (a)样本平均回波强度面积谱,(b)2014年9月6日典型过程回波强度面积谱 Fig.2 Radar echo intensity area spectrum during laminar cloud precipitation (a)sample mean echo intensity area spectrum, (b)echo intensity area spectrum of process on 6 Sep 2014

3.2 混合云降水雷达回波特征

表 2为10次混合云降水过程雷达回波强度面积谱分析数据,可以看到,混合云降水过程雷达回波总面积较大,总面积为18万~65万个栅格数;回波面积谱峰值强度介于层状云和对流云之间,跨度较小, 为16~18 dBZ,回波面积谱中值为17~23 dBZ之间,回波面积谱呈典型的右偏态;回波强度面积谱较层状云宽,较对流云窄,面积谱宽度为45~72 dBZ,基本降水回波面积比达33%~67%,强回波面积比为0.08%~1.78%。

表 2 混合层降水过程雷达回波强度面积谱特征 Table 2 Radar echo intensity area spectrum characteristics of embedded convective precipitation cloud

图 3给出了混合云降水过程的样本平均雷达回波强度面积谱(图 3a)和2014年8月6日典型过程雷达回波强度面积谱(图 3b)。从样本平均看,混合云降水面积谱宽度较大,面积谱宽度约为56 dBZ,回波面积谱峰值为17 dBZ,回波面积谱中值为18.5 dBZ,回波面积谱呈典型的右偏态。从2014年8月6日典型过程看,银川及以南地区普降小雨、部分地区降水量达中雨量级,为典型的混合云降水过程,过程雷达回波面积大,面积谱峰值面积达2.3万个栅格数;面积谱峰值为18 dBZ,面积谱中值为19.5 dBZ,波峰右侧面积明显大于波峰左侧面积,波谱呈单峰右偏态型,基本降水回波面积比达50.7%,强回波面积比达0.20%。与层状云回波相比,基本降水回波面积占比明显增大。

图3 混合云降水过程雷达回波强度面积谱 (a)样本平均回波面积谱,(b)2014年8月6日典型过程回波面积谱 Fig.3 Radar echo intensity area spectrum of embedded convective precipitation cloud (a)sample mean echo intensity area spectrum, (b)echo intensity area spectrum of process on 6 Aug 2014

3.3 对流云降水雷达回波强度面积谱特征

表 3为15次对流云降水回波面积谱分析数据,由表 3可知,对流云降水回波面积谱特征表现为雷达回波总面积小,跨度大;回波面积峰值回波强度较大,为16~21 dBZ;回波面积谱谱宽较大,面积谱宽度为55~72 dBZ;基本降水回波面积比为26%~55%,强回波面积比为0.9%~3.5%。

表 3 对流云降水过程雷达回波强度面积谱特征 Table 3 Radar echo intensity area spectrum characteristics of convective precipitation cloud

图 4给出了对流云降水过程的样本平均雷达回波强度面积谱(图 4a)和典型过程2014年7月1日的雷达回波强度面积谱(图 4b)。从样本平均看,对流云降水回波强度面积谱宽度最大,面积谱宽度约为64 dBZ;回波面积谱峰值和中值与混合云相当,分别为17 dBZ和18 dBZ,面积谱略呈右偏态。从2014年7月1日典型过程看,宁夏北部出现分散性雷阵雨天气,银川市西夏区、吴忠市青铜峡局地出现了冰雹,为典型的强对流天气过程。可以看出,对流云降水总回波面积较小,回波谱峰值面积不足0.6万个栅格;回波面积谱峰值为19 dBZ,波峰两侧回波面积近似相等,波谱呈单峰正偏态型;降水回波面积谱较宽,面积谱宽度达59 dBZ;基本降水回波面积比达43.78%,强回波回波面积比达1.38%;与层状云和混合云降水回波比,强回波面积明显增加。

图4 对流云降水过程雷达回波强度面积谱 (a)样本平均回波面积谱,(b)2014年7月1日典型过程回波面积谱 Fig.4 Radar echo intensity area spectrum of convective precipitation cloud (a)sample mean echo intensity area spectrum, (b)echo intensity area spectrum of process on 1 Jul 2014

4 不同类型降水云的分类指标

由上面的分析可知,3种不同性质的降水云雷达回波强度面积谱不同。从谱面积看,混合云降水回波谱面积最大,层状云降水回波谱面积介于混合云与对流云之间,对流云降水回波谱面积最小。从面积谱峰值看,层状云降水面积谱峰值所对应的回波强度较小,约为16 dBZ,混合云降水和对流云降水面积谱峰值所对应的回波强度较大,约18 dBZ。从面积谱宽度看,层状云降水面积谱宽度较小,面积谱宽度约为48 dBZ,混合云降水面积谱宽度居中,面积谱宽度约为56 dBZ,对流云降水面积谱宽度较大,面积谱宽度约为64 dBZ。从谱形态看,层状云降水回波面积谱略呈左偏态,混合云降水回波面积谱呈典型的右偏态,对流云降水回波面积谱则接近于正态。从基本降水回波面积比看,层状云最小,对流云次之,混合云最大;从强回波面积比看,层状云最小,混合云次之,对流云最大。根据不同性质降水云的雷达回波强度面积谱特征,以强回波面积比和基本降水回波面积比作为主要判别指标,以谱形态参数作为辅助判别指标,提出基于雷达回波强度面积谱特征的降水云自动分类指标(表 4)。

表 4 基于雷达回波强度面积谱特征的降水云自动分类指标 Table 4 Precipitation cloud automatic classification index based on radar echo intensity area spectrum

5 判别检验

为了验证降水云分类指标可用性,利用2016—2017年6次降水天气过程:2016年7月3—4日(过程1)、2016年7月23日(过程2)、2016年7月24日(过程3)、2016年8月21日(过程4)、2017年6月4—5日(过程5)、2017年7月26—27日(过程6)进行判别检验。

表 5为2016—2017年6次降水天气过程主要降水时段雷达回波强度面积谱指标参数及天气过程概况。由表 5可见,2016年7月3—4日降水天气过程雷达回波强度面积谱中基本降水回波面积比和强回波面积比分别为26.7%和2%,谱形态参数为-0.5 dBZ,略呈右偏态,对应分类指标(表 4)判识为对流云降水;2016年7月23日降水天气过程雷达回波强度面积谱中基本降水回波面积比和强回波面积比分别为52.12%和1.52%,谱形态参数为-3.5 dBZ,呈典型右偏态,对应分类指标判识为层积混合云降水;2016年7月24日降水天气过程雷达回波强度面积谱中基本降水回波面积比和强回波面积比分别为54.14%和0.46%,谱形态参数为-3.5 dBZ,呈典型右偏态,对应分类指标判识为层积混合云降水;2016年8月21—22日降水天气过程雷达回波强度面积谱中基本降水回波面积比和强回波面积比分别为29.6%和1.36%,谱形态参数为-1.5 dBZ,呈右偏态,对应分类指标判识为对流云降水;2017年6月4—5日降水天气过程雷达回波强度面积谱中基本降水回波面积比和强回波面积比分别为35.48%和0.16%,谱形态参数为-2.0 dBZ,呈典型右偏态,对应分类指标判识为层积混合云降水;2017年7月26—27日降水天气过程雷达回波强度面积谱中基本降水回波面积比和强回波面积比分别为36.4%和0.2%,谱形态参数为-2.5 dBZ,呈典型右偏态,对应分类指标判识为层积混合云降水。

表 5 6次天气过程主要降水时段雷达回波强度面积谱参数及其降水云分类结果 Table 5 Radar echo intensity area spectrum parameters and precipitation cloud classification results during 6 major precipitation periods

从过程实况降水云性质、降水分布、持续时间及其最大累积雨量、最大小时雨强可以看到,2016年7月3—4日、2016年8月21—22日两次降水分别出现在宁夏中部偏东地区、北部地区,降水分布(图略)极为不均,强降水局地性强,持续时间分别为4 h,6 h,强降水中心最大小时雨强分别达65.4 mm·h-1,82.5 mm·h-1,为典型的对流性降水分布特点。2016年7月23日、2016年7月24日、2017年6月4—5日、2017年7月26—27日4次过程均为宁夏全区性降水,降水持续时间分别为24 h,24 h,39 h,38 h,强降水时段分别为4 h,6 h,12 h,7 h,强降水中心最大小时雨强分别为56.5 mm·h-1,16.0 mm·h-1,26.7 mm·h-1,62.0 mm·h-1,从降水持续时间和降水量及其中心雨强看,4次过程以积层混合云降水为主,但2016年7月23日和2017年7月26—27日最大小时雨强均比较大,说明夹杂有较强的对流云降水,从雷达回波强度面积谱参数看,强回波面积比也较2016年7月24日和2017年6月4—5日大。

6 小结

本文利用谱分析原理分类分析了层状云降水、对流云降水及混合云降水的雷达回波强度面积谱。分析结果显示,层状云、对流云、混合云3类降水云雷达回波强度面积谱的谱面积、谱峰值、谱形态参数、强回波面积比、基本降水回波面积比等谱参数具有不同的特征。主要结论如下:

1) 从谱面积看,混合云降水回波谱面积最大,层状云降水回波谱面积介于混合云与对流云之间,对流云降水回波谱面积最小。从面积谱峰值看,层状云降水面积谱峰值所对应的回波强度较小,混合云降水和对流云降水面积谱峰值所对应的回波强度较大。

2) 从谱形态看,层状云降水回波面积谱略呈左偏态,混合云降水回波面积谱呈典型的右偏态,对流云降水回波面积谱则接近于正态。

3) 从基本降水回波面积比看,层状云基本降水回波面积比最小,对流云次之,混合云最大;从强回波面积比看,层状云强回波面积比较小,混合云介于层状云和对流云之间,对流云最大。

4) 利用降水云雷达回波强度面积谱谱形态参数、强回波面积比、基本降水回波面积比等特征参数作为分类指标,建立基于雷达回波的降水云分类判识模型,可实现对降水云类型的自动判识。利用判识模型对2016—2017年6次强降水过程进行了降水云类型判别试验,准确判别出2次为对流云降水,4次为混合云降水,验证了判识方法的可行性。

本研究中只使用了41个降水天气过程建模个例较少,检验时也仅用了6次降水天气过程,得出的结论会存在一定的片面性和局限性,实际应用过程中需要用大量的样本进行分析和验证,提高模型和结论的准确性。

References
[1]
朱乾根, 林锦瑞, 寿绍文. 天气学原理和方法. 北京: 气象出版社, 2003.
[2]
俞小鼎, 姚秀萍, 熊延南, 等. 多普勒天气雷达原理与业务应用. 北京: 气象出版社, 2005.
[3]
张培昌, 杜秉玉, 戴铁丕. 雷达气象学. 北京: 气象出版社, 2001.
[4]
Collier C G, Lovejoy S, Austin G L.Analysis of Bright Bands from 3-D Radar Data//19th Conference on Radar Meteorology.Amer Meteor Soc, 1980: 44-47.
[5]
Herve A, Jean G. Identifyion of Vertical profiles of radar reflectivity for hydrological application using an inverse method.Part Ⅰ:Formulation. Meteor, 1995, 34(1): 225-239.
[6]
Herve A, Jean G. Identification of vertical profiles of radar reflectivity for hydrological applications using an inverse method.Part Ⅱ:Formulation. J Applied Meteor, 1994, 34(12): 240-259.
[7]
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动. 应用气象学报, 2006, 17(2): 207-214. DOI:10.3969/j.issn.1001-7313.2006.02.011
[8]
张乐坚, 储凌, 叶芳, 等. 使用雷达回波三维信息自动识别降水类型的方法. 大气科学学报, 2012, 35(1): 95-102. DOI:10.3969/j.issn.1674-7097.2012.01.011
[9]
汤达章, 周咏梅. 雷达回波跟踪的两种方法及精度比较. 应用气象学报, 1994, 5(3): 304-311.
[10]
周德平, 杨洋, 王吉宏, 等. 冰雹云雷达识别方法及防雹作业经验. 气象科技, 2007, 35(2): 258-263. DOI:10.3969/j.issn.1671-6345.2007.02.021
[11]
冷亮, 黄兴友, 杨洪平, 等. 多普勒雷达晴空回波识别与应用. 气象科技, 2012, 40(4): 534-541. DOI:10.3969/j.issn.1671-6345.2012.04.004
[12]
郑佳锋, 张杰, 朱克云, 等. 阵风锋自动识别与预警. 应用气象学报, 2013, 24(1): 117-125. DOI:10.3969/j.issn.1001-7313.2013.01.012
[13]
张秉祥, 李国翠, 刘黎平, 等. 基于模糊逻辑的冰雹天气雷达识别算法. 应用气象学报, 2014, 25(4): 415-426. DOI:10.3969/j.issn.1001-7313.2014.04.004
[14]
刘晓璐, 刘建西, 张世林, 等. 基于探空资料因子组合分析方法的冰雹预报. 应用气象学报, 2014, 25(2): 168-175. DOI:10.3969/j.issn.1001-7313.2014.02.006
[15]
徐永胜, 刘耀宗, 韩嗣荧. 夏、秋积云的雷达回波和降水特征及其估算. 应用气象学报, 1992, 3(3): 334-339.
[16]
刘黎平, 吴林林, 杨引明. 基于模糊逻辑的分步式超折射地物回波识别方法的建立和效果分析. 气象学报, 2007, 65(2): 252-260. DOI:10.3321/j.issn:0577-6619.2007.02.011
[17]
江源, 刘黎平, 庄薇. 多普勒天气雷达地物回波特征及其识别方法改进. 应用气象学报, 2009, 20(2): 203-213. DOI:10.3969/j.issn.1001-7313.2009.02.010
[18]
庄薇, 刘黎平, 余燕群, 等. 雷达地物回波模糊逻辑识别法的改进及效果检验. 气象学报, 2012, 70(3): 576-584.
[19]
李丰, 刘黎平, 王红艳, 等. C波段多普勒天气雷达地物回波识别方法. 应用气象学报, 2014, 25(2): 158-167. DOI:10.3969/j.issn.1001-7313.2014.02.005
[20]
李爱贞, 刘厚凤. 气象学与气候学基础. 北京: 气象出版社, 2004.
[21]
陈宝君, 李子华, 刘吉成, 等. 三类降水云雨滴谱分布模式. 气象学报, 1998, 56(4): 506-512. DOI:10.3321/j.issn:0577-6619.1998.04.013
[22]
金祺, 袁野, 纪雷, 等. 安徽滁州夏季一次飑线过程的雨滴谱特征. 应用气象学报, 2015, 26(6): 725-734.