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.     

用反射率因子垂直廓线联合雨量计校准估测夏季区域强降水

提出了一种使用平均雷达反射率因子垂直廓线(VPR)联合雨量计校准估测地面降水的方法。选用2002年、2003年夏季长江中下游地区的宜昌和合肥新一代S波段多普勒雷达在几次大范围强降水过程中的部分时段体积扫描强度数据和周边100km范围内整理成10min一次的雨量资料，计算了区域上空短时平均VPR在地面的可能反射率因子值，并用此值反演降水，计算相对误差。同时，还分析了超短时强降水地区实时VPR的特征。结果表明:用最小二乘曲线拟合VPR数值，并联合雨量计平均校准因子估测降水，在大部分区域比较合理。与实测的降水比较可以看到，这种方法对提高估测区域性降水的精度都有效果；对于强对流性降水区域，只须用拟合法得到的地面反射率因子值估测地面降水。通过分析超短时强降水对应区域的实时VPR特征，有利于在无地面雨量计的地区通过分析VPR的特征来估测降水量的大小，结合其他要素分析降水的发展变化。     

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％.     

基于数字高程的波束遮挡订正及在雷达定量估测降水中应用

地形的起伏使雷达波束受到严重的遮挡,使回波数据质量受到很大干扰。本文使用SRTM任务的DEM数据和谷歌公司的DEM数据分别计算了位于北京南郊的S波段雷达低仰角的波束遮挡率,建立了部分遮挡区域的回波反射率订正关系,并在2018年5月19日北京一次大范围层状云降水过程中,对波束遮挡订正前后的雷达定量估测雨量与地面3个雨量计观测结果进行了定性与定量化对比分析。结果表明:①波束遮挡订正有助于改善反射率因子的空间连续性。波束遮挡订正后的仰角0.5°的反射率与1.5°的反射率之间的差值整体呈现缩小特征,符合层状云降水垂直廓线特点。②09:00—11:00,相比波束遮挡订正前的雷达定量估测雨量(QPE),波束订正后的QPE准确性得到改善,使用分级标准误差与归一化平均偏差评价波束遮挡订正前后QPE与雨量计实测值之间的误差,波束订正后的反射率估测雨量与雨量计实测雨量一致性更好。     

利用雷达回波垂直廓线估测地物阻挡区域层状云降水的技术研究

将雷达50 km探测半径的可视范围分为4个区域,分别获取平均反射率因子垂直廓线,确定与对应区域的雨量计匹配最佳的平均反射率因子廓线上的Z值;同时获取雷达波束被阻挡地区各雨量计高空平均反射率因子垂直廓线,并寻找该廓线与可视区域内的平均反射率因子垂直廓线相关性最好的廓线,以及被阻挡区域的Z值对应的最佳匹配高度上的Z值,对其进行降水估计。采用安徽合肥雷达站和雨量计站点资料进行试验,并进行误差分析,结果表明：利用最佳匹配方法得出的平均反射率因子垂直廓线上的Z值对雷达波束被阻挡区域的降水估计效果有一定改进。     

非常规探测资料在一次非典型暴雨过程中的应用

利用漳州市地面加密自动站、多普勒天气雷达、风廓线雷达和微波辐射计等非常规探测资料,分析了2020年9月19日漳州市一次非典型暴雨过程期间各探测资料的演变特征。结果表明:此次过程是高空槽东移引导地面冷空气快速南下与低层偏南暖湿气流交汇并持续对峙引发的;在强降水时段,雷达组合反射率因子40dBz以上强度的水平范围大,在垂直结构上,强反射率因子表现为低质心型;风廓线雷达水平风场的突变对强降水预报具有指示意义,垂直风速的变化与地面降水时长等具有较强的相关性;微波辐射计的温湿度廓线直观反映降水前后测站上空的温湿层结,由降水前低层增温增湿,不稳定增强变为温湿分布均匀的稳定到中性层结,对地面降水发生具有较好的提前量。     

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。     

用CAPPI的资料估算区域降水量和雷达反射率因子垂直廓线初探

应用上海中心气象台714数字化天气雷达立体扫描资料，分析并比较了单站及区域降水量在不同高度上的差异，并用地面雨量计资料进行了校准，尔后研究了它们的精度。最后初步探讨了上海地区3次降水天气过程中反射率因子Z的垂直分布廓线。     

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。     

利用反射率因子垂直廓线填补雷达波束遮挡区的方法研究

新一代天气雷达很多位于地形复杂的山区,地形遮挡形成观测盲区,严重影响了新一代天气雷达数据的应用效果。利用基于高分辨率地形数据计算的波束遮挡信息,依据反射率因子垂直廓线,由高仰角无遮挡的反射率因子观测数据得到低仰角完全遮挡区的数据。以杭州雷达为例,通过直接对比反射率因子值和对比填补前后雷达估算降水效果两种途径检验了填补效果,结果表明：填补与观测“真值”有很好的一致性,填补后降水估算效果优于填补前。本文提出一种填补低仰角完全遮挡区的方法,适用于均匀性降水系统。     

ANALYSIS AND CASE STUDY ON THE GENERATION OF RADAR ECHO BRIGHT BAND

In this study, the vertical profiles of radar refractive factor (Z) observed with an X-band Doppler radar in Jurong on July 13, 2012 in different periods of a stratiform cloud precipitation process were simulated using the SimRAD software, and the contributions of each impact resulting in the bright band were analyzed quantitatively. In the simulation, the parameters inputted into SimRAD were updated until the output Z profile was nearly consistent with the observation. The input parameters were then deemed to reflect real conditions of the cloud and precipitation. The results showed that a wider (narrower) and brighter (darker) bright band corresponded to a larger (smaller) amount, wider (narrower) vertical distribution, and larger (smaller) mean diameter of melting particles in the melting layer. Besides this, radar reflectivity factors under the wider (narrower) melting layer were lager (smaller). This may be contributed to the adequate growth of larger rain drops in the upper melting layer. Sensitivity experiments of the generation of the radar bright band showed that a drastic increasing of the complex refractive index due to melting led to the largest impact, making the radar reflectivity factor increase by about 15 dBZ. Fragmentation of large particles was the second most important influence, making the value decrease by 10 dBZ. The collision–coalescence between melting particles, volumetric shrinking due to melting, and the falling speed of raindrops made the radar reflectivity factor change by about 3–7 dBZ. Shape transformation from spheres to oblate ellipsoids resulted in only a slight increase in the radar reflectivity factors (about 0.2 dBZ), which might be due to the fact that there are few large particles in stratiform cloud.     

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。     

雷达定量估测降水的亮带自动消除改进方法

层状云降水中,0 ℃层融化效应会引起雷达反射率因子局部增大,若不进行订正,则会高估雷达估测的降水.本文提出一种基于新一代天气雷达反射率因子垂直廓线的0 ℃层亮带自动识别与订正算法,以减小因亮带造成的降水高估.本研究首先对降水类型进行分类,在SHY95的基础上增加了垂直方向的反射率因子三维特征,避免亮带的反射率因子高值区被误识别为对流云区;其次,在层状云区识别出一个可能的亮带影响区,在其中查找亮带,采用旋转坐标系法精确的识别亮带的顶、底高度;最后,利用最小二乘法拟合亮带上、下层的斜率,平滑垂直廓线(VPR,Vertical Profile of Reflectivity)的显著突出部分.将该方法应用于北京地区2010—2011年10次包含亮带的降水过程,得到的亮带订正后的均方根误差E_RMS、平均绝对误差E_RMA、平均相对误差B_RM值较初值均有显著减小(分别减小1.538 mm,0.417和0.468).结果表明,该方法能够有效地识别与订正亮带,使得定量测量降水精度有所提高.     

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。     

南昌双偏振天气雷达地物杂波抑制效果分析

为评估南昌CINRAD/SAD双偏振天气雷达对地物杂波的抑制效果,使用2019年6—10月南昌单偏振雷达基数据和2022年同期南昌双偏振雷达基数据,对比分析了不同仰角和晴、雨条件下单、双偏振天气雷达反射率频率。结果表明：单、双偏振雷达在0.5°仰角因周边山区地形、建筑物遮挡的影响,在西北方向和东南方向存在明显的数据缺失。升级为双偏振雷达后,在各个仰角上周围反射率高频区的范围明显减小,雷达能有效消除雷达站点周边杂波的影响。晴天时,双偏振雷达对晴空杂波的过滤效果极佳;雨天时,双偏振雷达对南昌周边及梅岭山区的回波进行了弱化处理,可以有效减少地形回波、非气象回波的干扰。双偏振天气雷达产品差分相移率和相关系数能较清楚地辨别出虚假回波,可更好地用于确定降水粒子的信息。     

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.