青藏高原零度层亮带的识别订正方法及在雷达估测降水中的应用

零度层亮带是指雪花或冰晶降落到零度层附近,表面发生融化而使雷达反射率突然增大的现象.它是影响雷达资料质量的重要因素,常会导致雷达估测降水的高估.青藏高原海拔高、零度层低,零度层以下的降水范围非常有限,亮带对青藏高原地区的雷达估测降水的影响更加显著.因此,对亮带进行自动识别订正,对提高青藏高原雷达降水估测的精度有重要意义.本文在考虑青藏高原遮挡严重的情况下,通过计算反射率垂直廓线来识别零度层亮带,对亮带区域进行订正,并将亮带订正前后的混合扫描反射率分别估测降水,分析亮带订正对降水估测误差的影响.结果表明:雷达识别的亮带高度在探空资料零度层以下几百米内;亮带订正前,反射率垂直廓线在零度层附近有显著弯曲,雷达对降水的估测明显偏高;亮带订正后,反射率垂直廓线在零度层附近的显著弯曲消失,雷达估测的降水量与雨量计的观测值较一致,降水估测误差比订正前明显减小.     

利用雷达垂直廓线对广州地区降水估测订正的初步分析

利用雷达反射率因子垂直廓线技术,对2010年4月29日广州地区一次较大范围内混合型降水过程进行了平均垂直廓线特征分析,并在此基础上对雷达定量降水估测进行了订正.结果表明,选定区域内雷达回波稳定少动,不同时段的垂直廓线的高低空变化均不大;在反射率因子垂直廓线中有一个极大值区为零度层亮带;在零度层亮带以上,反射率因子随高度增加迅速减小.进一步结合降水站点评估表明,直接利用雷达最低仰角估测的降水量偏低,而利用反射率因子垂直廓线技术订正后的降水估测的准确度提高,绝对误差率由订正前的28.9％下降到13.7％.     

基于风廓线雷达资料的亮带识别订正算法研究

在降水过程中,固态降水粒子下落穿越0℃等温线的融化效应会引起雷达反射率因子增大,产生亮带。文章基于北京房山地区的边界层风廓线雷达的探测资料,对2014年8—10月四次典型的层状云降水和以层状云为主的混合性降水过程进行特征统计,提出了适用于该季节、该地区的0℃层亮带自动识别订正算法,并使用这种算法对一次层状云为主的混合性降水天气过程进行了识别研究,通过与探空资料、多普勒天气雷达资料的对比检验,结果表明该算法可以有效识别该季节、该地区的0℃层亮带,通过亮带订正,融化区的回波强度高值区得到了有效抑制,原亮带高度附近回波强度廓线的显著弯曲消失,融化区之外的回波强度基本没有变化。     

C波段双线偏振天气雷达零度层亮带识别和订正

利用2013年8月北京C波段双偏振多普勒天气雷达体扫数据、探空资料和地面雨量站资料,获得反射率因子垂直廓线（vertical profile of reflectivity,VPR）识别零度层亮带,比较平均反射率因子垂直廓线（mean VPR,MVPR）、显著反射率因子垂直廓线（apparent VPR,AVPR）和显著相关系数垂直廓线（apparent vertical profile of correlation coefficient,AVPCC）3种零度层亮带订正方法的效果,并利用地面雨量站资料进行定量降水估计（quantity precipitation estimation,QPE）验证订正效果。结果表明:采用MVPR和0℃层高度能有效识别零度层亮带,零度层亮带厚度为0.8~1.5 km;经3种方法订正后,零度层亮带影响区得到了不同程度的抑制,其中MVPR法订正效果最差,基本未能减弱零度层亮带的影响,AVPR法和AVPCC法的订正效果较好,明显减弱了零度层亮带影响区的回波强度,订正后回波更均匀。利用地面雨量站数据进行QPE验证表明:经零度层亮带订正后雷达估测的降水与地面雨量站实测降水更接近,也表明AVPR法和AVPCC法效果更好。     

石家庄地区反射率因子垂直廓线特征分析

利用自动雨量计数据整理成的10 min一次的雨量资料和s波段多普勒天气雷达体积扫描强度数据,对石家庄地区2004～2007年4次天气过程的实时雷达反射率因子垂直廓线的特征进行了分析.结果表明:层状云和混合性降水反射率因子垂直廓线有明显的零度层亮带;短时强降水过程的反射率因子垂直廓线不存在零度层亮带.冰雹过程中反射率凼子垂直廓线变化较大,降雹前反射率因子的极大值在中上层,降雹发生时反射率因子的极大值高度下降,降雹后反射率因子的极大值减弱.降雪过程的反射率因子垂直廓线零度层亮带不明显.在石家庄西部山区,由于零度层亮带的影响.对层状云和混合性降水回波强度和降水量估计偏高.对短时强降水过程的地面降水估计用反射率因子垂直廓线的方法比最低仰角法更加准确,在均匀性降水中可较好地改善地面雨量估算结果,有利于在山区和无雨量计的地区判断强对流天气的发生、发展和估算降水量的大小.     

雷达反射率因子数据中的亮带自动识别和抑制

为了减轻雷达反射率因子数据中的亮带污染对雷达降水估计的影响,一种基于新一代天气雷达体扫资料自动识别零度层亮带平均高度、厚度和区域以及对亮带进行抑制的算法被提出。该算法首先利用近距离分层平均方法建立视反射率因子垂直廓线,然后基于亮带VPR曲线在融化层高度的显著弯曲特征来识别和抑制亮带。比较该方法识别的零度层亮带的平均高度和实测0℃等温层高度表明,前者比后者平均低0.5km。亮带的厚度大多在1～1.25km。亮带区域识别算法能合理地识别亮带反射率因子高值区,用经过亮带抑制后的体扫资料得到的组合反射率因子和反射率因子垂直剖面上的高值区被抑制掉,用经过抑制后的亮带区的所有反射率因子库建立的平均VPR在融化层高度的显著弯曲消失。通过亮带抑制后的雷达体扫资料将用于雷达降水估计。     

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

该文介绍了一种自动识别和移除雷达反射率因子资料中亮带的算法, 并对该算法进行了初步测试。该算法利用的是插值到直角坐标系中的雷达反射率因子资料, 其配置和运行也相对简单, 但却对移除亮带比较有效。首先, 设定一套雷达反射率因子垂直廓线的理想模板, 这些理想的模板能够在最大程度上反映不同亮带存在区域的雷达实际反射率因子的垂直廓线特征。然后, 在水平方向每个点上, 进行理想模板和实际反射率因子垂直廓线在垂直和水平两个方向上的拟合和差异计算, 来自动识别雷达反射率因子中存在的连续亮带区域。最后, 利用亮带之上和亮带之下的反射率因子值对亮带中的反射率因子值进行插值纠正, 就可以移除亮带。利用位于天津塘沽的我国新一代天气雷达 (CINRAD/SA) 的反射率因子资料, 通过个例分析和准业务运行试验, 均表明这个简单算法可以识别和移除绝大多数影响雷达定量降水估计的反射率因子亮带区域, 但是实际雷暴区域的反射率因子特征受到该算法的影响比较小。计算分析还表明, 在京津地区的初夏, 上述亮带区域一般容易出现在2.5 km左右的高度处。     

用雷达反射率作对流性降水和层状云降水自动分类

为提高雷达定量测量降水的精度,利用武汉CINRAD/SA雷达反射率数据,研究提出了对流性降水和层状云降水自动分类算法(ACSS)。该算法在二维反射率结构场初步分类降水的基础上,识别亮带并从体扫描数据中提取降水的三维结构特征,然后对初步分类结果进行订正。试验表明,ACSS能较准确地实现对流性降水和层状云降水的自动分类,相对于只根据二维结构分类降水性能上有较大提高,主要表现在能正确识别出亮带特征明显的强层状云和对流核外沿的对流弱回波区。     

9914号台风降水云系雨强的三维结构初探

利用TRMM卫星的测雨雷达资料，研究了9914号台风降水云系在3个不同时次雨强的水平和垂直结构。结果表明：3个时次层状云降水在像素数量上及对总降水量的贡献上均比对流性降水大；3个时次层状云降水和对流性降水的平均雨强均随台风强度加强有较大的增幅；对流性降水与层状云降水的雨强的垂直廓线有明显的差别，但两类降水廓线本身在3个时次差别不大。对流性降水廓线按斜率不同大致分为3段，雨强均随高度减小，5～6km高度段减速最快。层状云降水廓线大致分为4段，在4．5km高度附近出现明显的亮带结构。     

基于星载测雨雷达2004-2014年观测的川渝地区降水垂直结构的气候特征

使用热带测雨卫星（TRMM）搭载的测雨雷达（PR）2004-2014年长达11 a的连续观测资料对青藏高原东南缘川渝地区不同季节不同降水类型的垂直结构特征进行了统计分析,并建立了相应的气候态反射率垂直廓线（Vertical Profiles of Reflectivity,简称VPR）。结果表明,由于不同的微物理及动力过程,降水类型对反射率垂直廓线的结构特征影响很大,90%的层云0℃层亮带峰值强度低于32 dBz,50%的对流云最大反射率强度超过35 dBz。降水类型及强度均对反射率垂直廓线的形状影响很大,层云系统发生中及大雨时其冰雪区的聚合反应效率明显较发生小雨时高。反射率垂直廓线特征参数具有一定的区域性和季节特征,且地表加热和地形高度的作用会加强上升气流对反射率垂直廓线形态的影响,上升气流的强度影响着冰雪及雨水区的碰并增长率以及低层的蒸发作用,从而进一步影响低层雨区的反射率垂直廓线斜率,边界层的相对湿度是另一个影响雨区反射率垂直廓线斜率及蒸发率的重要因素。星载测雨雷达的云分类算法在青藏高原东南缘地区受到一定的挑战,仍有改进的空间;未来可以将基于星载测雨雷达建立气候态层云典型反射率垂直廓线应用于联合地基天气雷达网观测以弥补后者在复杂地形条件下探测范围及能力受限的缺陷,从而改进雷达定量降水估测的误差。      

Evaluating the Algorithm for Correction of the Bright Band Effects in QPEs with S-, C-and X-Band Dual-Polarized Radars

The bright band, a layer of enhanced radar reflectivity associated with melting ice particles, is a major source of significant overestimation in quantitative precipitation estimation(QPE) based on the Z–R(reflectivity factor–rain rate) relationship.The effects of the bright band on radar-based QPE can be eliminated by vertical profile of reflectivity(VPR) correction. In this study, we applied bright-band correction algorithms to evaluate three different bands(S-, C-and X-band) of dual-polarized radars and to reduce overestimation errors in Z–R relationship–based QPEs. After the reflectivity was corrected by the algorithms using average VPR(AVPR) alone and a combination of average VPR and the vertical profile of the copolar correlation coefficient(AVPR+CC), the QPEs were derived. The bright-band correction and resulting QPEs were evaluated in eight precipitation events by comparing to the uncorrected reflectivity and rain-gauge observations, separately. The overestimation of Z–R relationship–based QPEs associated with the bright band was reduced after correction by the two schemes for which hourly rainfall was less than 5 mm. For the verification metrics of RMSE(root-mean-square error), RMAE(relative mean absolute error) and RMB(relative mean bias) of QPEs, averaged over all eight cases, the AVPR method improved from 2.28,0.94 and 0.78 to 1.55, 0.60 and 0.40, respectively, while the AVPR+CC method improved to 1.44, 0.55 and 0.30, respectively.The QPEs after AVPR+CC correction had less overestimation than those after AVPR correction, and similar conclusions were drawn for all three different bands of dual-polarized radars.     

回波强度垂直廓线与雷达定量估测降水的关系

为了分析不同高度回波强度与地面降水的关系,提高雷达定量估测降水的能力,本文对石家庄2006~2008年5~9月共77次降水过程的反射率因子垂直廓线(VPR)进行了统计分析。对比降水实况和VPR发现,各个高度层的反射率因子波峰(谷)同降水波峰(谷)相一致,而且降水强度越大,反射率因子核心高度越低。同时,还比较了距离雷达站不同的水平距离和不同海拔高度的反射率因子特征,发现海拔高度对5 mm/h以下降水率和垂直高度在4 km以下各层的反射率因子会造成一定的影响,而对强降水和高层反射率因子影响较小。另外,零度层亮带在VPR上表现出反射率因子增大的特征,影响降水估测效果。为了消除零度层亮带的影响,选取1.5~3.5 km为估测降水的最佳高度范围,各站具体选取高度则取决于其距雷达站的水平距离和海拔高度。     

使用雷达回波三维信息自动识别降水类型的方法

提出了一种使用雷达回波三维信息（反射率因子的水平梯度、垂直递减率、垂直廓线变化特征以及回波顶高等）自动识别降水类型的方法,该方法可将雷达回波划分为热带降水类型、大陆强对流云降水类型和层状云降水类型。基于广州雷达于2008年5—8月观测到的7次强降水过程,在使用本方法识别降水类型的基础上,对不同降水类型使用不同的Z-R关系来测量降水量,即对热带降水类型使用Z=230R^1.25,对大陆强对流云降水使用Z=300R^1.4。以及对层状云降水使用Z=230R^1.6,并以雨量计观测的降水量为真值,与仅区分对流云降水和层状云降水类型并使用双Z-R关系测量降水量的方法进行了比较。结果表明,本方法可以有效地自动识别降水类型的分布区域,并且可以提高雷达定量测量降水的精度。     

CINRAD-SA/SB零度层亮带识别方法

该文提出一种使用S波段多普勒天气雷达回波三维特征和反射率因子垂直廓线(vertical profile of reflectivity,VPR)来自动识别零度层亮带的方法(简称3DVPR-BBID),并利用2003年6月22日—7月11日和2007年7月合肥雷达资料、2008年6月广州雷达资料以及相应的探空资料,同仅使用VPR识别零度层亮带的方法(简称VPR-BBID)进行比较。结果表明:VPR-BBID和3DVPR-BBID在大部分情况下能够有效识别零度层亮带的存在,而且3DVPR-BBID能够减少VPR-BBID产生的误识别。在同探空资料观测的零度层高度的比较中,两种方法确定的零度层高度同实况比较接近,进一步分析表明:3DVPR-BBID确定的零度层高度比VPR-BBID确定的更接近观测值。     

雷达定量降水估计技术及效果评估

为提高雷达定量估测降水的精度,利用广东省6部新一代多普勒天气雷达(CINRAD/SA)回波资料和雨量计降水量观测资料,采用概率配对法(PFT,Probability-fitting technique)建立Z-I关系进行单部雷达降水估测,并采用最优插值法(OI,Optimum Interpolation)对降水估计进行订正;为扩大降水估测的范围,对多部雷达的降水估计进行拼接,采取重叠区域以各部雷达的均方根误差平方的倒数作为权重系数(iω==1/RMSE(K)2/n∑i-1/RMSE(i)2)进行加权平均,并分别分析比较上述方法得到的降水估计与单纯OI雨量计及与雷达拼图回波强度得到的降水估计的优劣。以上各环节误差分析表明,对于单部雷达,雨量计降水强度与其上空9点平均的雷达回波强度关系最为密切;6部相同型号的雷达估测降水精度各异。交叉检验表明,OI雷达法对单部和多部雷达估测降水均可取得较好的校准效果;对于多部雷达的降水估测,单部雷达先分别进行OI订正后拼接,然后对重叠区再次OI订正的结果比直接对未订正的单部雷达降水估计拼接后统一做一次OI订正的效果好。多部雷达降水估计拼接时,前期对于单部雷达降水估计的订正尤为重要;多部雷达降水估计的拼接值精度要明显高于OI雨量计,而相比由雷达拼图回波强度得到的降水估计而言,前者也优于后者。因此,多部雷达降水估计的拼接方法,对雷达资料的应用有较好的参考价值,在业务上也有一定的应用前景。     

京津冀夏季雷达定量降水估测的误差统计及定量气候校准

雷达定量降水估测（QPE）是短时临近预报的关键部分,在定量降水预报（QPF）、强降水预警、城市积水内涝、地质山洪灾害、精细化天气服务等方面具有重要作用。利用京津冀地区雷达定量降水估测资料和逐时自动气象站降水观测数据,分析了2011—2016年夏季京津冀地区雷达定量降水估测的误差空间分布特征,并重点提出了一种新的雷达本地化定量气候校准算法。结果表明,京津冀地区雷达定量降水估测较好地反映了总降水量东北—西南带状分布特征,但西北部山区、东北部山区及西南部山区估计偏弱,东北部山前地带估计偏强,西北部存在虚假降水估计,而北京市城区估计最为准确。利用雷达本地化定量气候校准算法对1 h雷达定量降水估测进行气候尺度上的约束订正,检验结果表明,经过校准后的雷达定量降水估测偏差（BIAS）、平均绝对误差（MAE）、均方根误差（RMSE）和均方根相对误差（RRMSE）均减小。绝大部分站点偏差减小幅度超过50%,京津冀东部及南部平原地带平均绝对误差、均方根误差和均方根相对误差减小幅度在20%左右,而北部及西南部山区误差减小幅度相对较小。降水个例检验结果表明,经过雷达定量气候校准后的雷达定量降水估测强度更接近自动气象站观测的降水量级,且降水结构细致,偏差、平均绝对误差和均方根误差均减小,与自动气象站观测降水的相关系数增大,因此该算法有助于改进雷达定量降水估测的准确度。      

复杂地形下C波段雷达定量降水估计算法

C波段雷达定量降水估计（QPE）精度受到很多因素的影响,主要包括:（1）雷达标定,（2）非气象回波的干扰,（3）降水物垂直空间变化,（4）地形或地物的严重遮挡,（5）Z-R关系的代表性,（6）雷达拼图的质量,（7）雷达观测回波衰减等。文中雷达定量降水估计算法基于陕西省C波段天气雷达展开,从雷达探测数据质量控制、地形遮挡、Z-R关系和雷达拼图等方面提高C波段天气雷达定量降水估计的精度,产生降水类型产品和1 h定量降水估计产品,产品空间分辨率为0.01°×0.01°,时间分辨率为6 min。通过对7次降水过程进行评估,结果表明:基于混合仰角反射率因子处理模块和降水类型分类模块进行雷达定量降水估计,得到的结果与地面雨量站观测降水接近,1 h累计降水量的统计评分指标均方根误差稳定在3 mm以下,相对误差稳定在50%左右,相对偏差保持在?30%以内,雷达定量降水估计产品的离散度和绝对偏差都较低,表明该算法得到的雷达定量降水估计稳定可靠。      

星载雷达在订正地基天气雷达标定误差中的应用

在雷达反射率数据定量应用中,标定误差是导致结果产生偏差的重要原因之一。星载雷达（TRMM PR）长期工作的稳定性和连续性已被验证,本文将星载雷达数据转换到S波段,通过对比星载雷达和南京雷达同时段不同高度（相对于融化层的位置）不同降水类型（层云降水或对流降水）的数据,得到两部雷达对融化层以下层云降水的观测相关性高,差异稳定。通过对比分析星载雷达和南京雷达同时段零度层以下层状云降水的观测数据,得出两部雷达反射率因子值的回归关系式。以星载雷达观测数据为基准,使用该关系式对南京雷达反射率数据进行订正,并通过雨量计数据对订正结果进行验证,结果显示使用本文订正关系式订正后雷达估计的降雨量更接近雨量计的观测值。