春季与夏季两次雷暴大气结构及地闪特征对比

利用NCEP再分析资料、探空资料、闪电定位资料和南京、常州多普勒雷达资料,通过对比分析南京2012年2月22日春季雷暴和2011年8月10日夏季雷暴两次过程,研究不同季节影响雷暴发生的大气结构以及强弱雷暴地闪特征的差异。结果表明:风矢位温(V-3θ)图揭示的大气动力热力水汽特征能够为雷暴的潜势预报提供先兆信息。两者相较而言,春季雷暴的动力抬升作用明显;夏季雷暴主要由热对流引起,对流层上层的动力抽吸作用不明显。春季弱雷暴正地闪在总地闪中所占比例较高。无论春季弱雷暴还是夏季强雷暴,地闪落点与辐合区对应关系明显,且地闪的落点也与雷达反射率因子有较好的对应关系:地闪主要分布在强回波区(大于40 d Bz)及其外围区域。但在较强雷暴云的发展阶段,地闪多发生在风暴体伸展方向的一侧,具有引导雷达回波移动的作用,夏季强雷暴地闪簇集在垂直风切变区域。     

天顶扫描模式在双偏振天气雷达Z_(dr)系统偏差订正中的应用

双偏振天气雷达Z_(dr)系统偏差是影响雷达数据质量的关键因素,本文利用南京信息工程大学C波段双偏振天气雷达,对90°仰角天顶扫描数据在Z_(dr)系统偏差订正中的应用进行了分析,同时增加90°仰角定点观测模式,讨论并确认了方位旋转关节对Z_(dr)测量结果的影响,在双偏振天气雷达雷达Z_(dr)系统偏差订正中加入了方位旋转关节因素。研究结果表明:选择合适的90°仰角数据,不仅可以对接收双通道不一致造成的Z_(dr)固定系统偏差进行订正,还能够进一步检测由方位旋转关节衰减不同引起的误差;利用90°仰角数据对Z_(dr)的系统偏差进行订正,稳定性和精度较高,满足双偏振天气雷达Z_(dr)精度要求。     

不同尺寸冰雹S波段双偏振雷达偏振量特征统计

冰雹大小影响天气灾害的程度,为发展基于双偏振参量识别冰雹大小的算法,筛选了2019年、2020年山东省发生的33例冰雹事件,依据我国冰雹等级划分标准将其划分为小冰雹、大冰雹、特大冰雹,基于湿球0 ℃及冰雹融化特性确定了7个高度层,探讨了3类冰雹在不同高度层的双偏振参量分布特征,并获得了冰雹的偏振参量阈值。研究表明:在相同高度,冰雹越大雷达水平反射率因子Z_h中位数越大、差分反射率因子Z_dr中位数越小且基本为正值,但在-10~-20 ℃层,大冰雹的Z_dr中位数易呈现负值;相关系数CC中位数随冰雹增大或高度降低而减小,但特大冰雹在0 ℃层到H_{0 ℃}-1 km (0 ℃层下1 km) 之间由于融化比例较小CC反而会稍大;冰雹差分相移率K_DP中位数在0 ℃层以上为0 °/km左右,在0 ℃层以下随高度降低冰雹融化而增加;大冰雹或特大冰雹基本特征是Z_h大、CC小、Z_dr小,CC可低至0.7以下,所有冰雹的Z_dr、K_DP可出现负值,小冰雹Z_dr大于0 dB的情况较多,特大冰雹Z_dr接近0 dB;-20 ℃层以上的Z_h、0~-20 ℃层的CC和Z_h、0 ℃层以下的CC、Z_h、Z_dr对冰雹大小比较敏感。      

单多普勒天气雷达反演降水粒子垂直速度Ⅱ：实例分析

垂直速度的反演一直是多普勒雷达风场反演的关键问题和难点,在对单多普勒雷达体积速度处理(VVP)法反演垂直速度进行敏感性分析和改进求解方程的基础上,对其反演三维风场和适用的风速条件做了模拟检验,并在强对流天气和台风实例中反演与验证。分析结果表明,改进的反演算法对径向风速的误差并不敏感,在高低仰角上的精度相同,观测误差越小或风速越大时,反演精度越高。对广州一次强对流过程的反演结果表明,改进的反演算法可以反演出对流单体中降水粒子垂直运动的变化。在中尺度气旋中,粒子垂直速度大值区的分布与气旋外围风切变的位置相符;在气旋的消散阶段下落速度增大,因而可通过粒子的垂直速度变化判断雨强的变化。对2006年超强台风"桑美"的反演结果显示,能够反演出台风中心的下沉气流以及外围交替出现的上升与下沉气流,在台风中心处下沉速度的大值区位于7-8 km高度,低层与高层的值相对较小。反演效果表明,改进后的反演方法较准确地反映了降水粒子的垂直运动,使多普勒雷达资料可揭示更多的三维风场细节,有助于改进强对流天气过程的风场结构分析和降雨落区的预测。     

基于支持向量机的雷达地物回波识别研究

多普勒天气雷达探测过程中的非气象因子会显著影响雷达资料的定量化应用,在雷达基数据的应用前需对雷达资料进行抑制地物杂波、去距离折叠和退速度模糊等质量控制。本文在现有的自动识别地物回波方法的基础上,提出了基于支持向量机（Support Vector Machine,SVM）识别雷达地物杂波的方法,2013年6-8月对安庆和常州两地的CINRAD/SA雷达观测资料进行雷达地物回波识别,并将其与运用人工神经网络（Artificial Neural Networks,ANNs）识别的结果进行对比,结果表明支持向量机方法能够取得更好的效果。在地物、降水回波总样本识别和地物回波识别方面更为有效;降水回波的误判方面,神经网络略优于支持向量机,但两者差异不大,都将降水回波的误判率控制在了一个较小的范围内;另外支持向量机方法较之神经网络方法对于训练样本数目的依赖性较小,在训练样本较少时,支持向量机方法仍能保持有效的识别效果。     

冀南平原7·27局地大暴雨中尺度特征分析

为提高对短时局地强降水系统演变的认识，探索短时强降水天气特征及成因，利用FY-4A气象卫星及天气雷达遥感产品，并借助地面及探空资料，对2019年7月27日冀南平原一次局地大暴雨过程进行中尺度时空演化特征分析。结果表明，本次过程是在副热带高压外围，受高空槽以及低层切变线影响生成的局地强降水天气。降水系统内的对流组织主要经历了“新生发展-合并加强-降水维持-移出消散”的演化过程。本次冀南平原地区大暴雨的成因主要包括：两个初期发展的对流系统的合并加强，前期外围对流活动提供了充沛的水汽环境，强对流系统形成了低层旋转、中层强辐合的中尺度垂直环流结构，各层辐合中心空间位置基本一致，有利于水汽供应并维持云中液滴的高效碰并增长。研究结果对冀南平原短时强对流天气的临近预报预警提供了科学依据。