CINRAD-SA双偏振雷达资料在降水估测中的应用初探

对基于水平反射率ZH和差分传播相移率K_(DP)的降水估测综合法R(C)进行了改进,并对广州S波段双偏振雷达2016年2次飑线和2次台风降水过程的Φ_(DP)使用小波分析进行滤波处理,在此基础上使用变距最小二乘法拟合得到K_(DP)的值。分别使用R(C)和R(Z_H)法对2次飑线和2次台风降水过程进行降水估算,将估算结果和雨量计小时雨量进行了对比,并将两种方法的评估结果进行了对比。结果表明:(1)对于飑线类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度要好于R(Z_H)法,且降水率越大,R(C)法优势越明显,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均相对误差(RE)降低了17. 2%,平均绝对误差(AE)减少了1.89 mm,平均均方根误差(RMSE)减少了1.66 mm;(2)对于台风类型降水,R(C)法对5 mm·h~(-1)以上的降水估测精度也好于R(Z_H)法,当降水率≥20 mm·h~(-1)时,两次过程R(C)法比R(Z_H)法的平均RE降低了33. 19%,平均AE减少了3. 95 mm,平均RMSE减少了4.05 mm;(3)对于飑线和台风两种类型降水R(C)法都明显改善了降水率较大时的R(Z_H)法低估问题,但R(C)法在降水率10 mm·h~(-1)时也存在低估,可能是由雨滴谱资料观测误差导致拟合的系数偏小或雷达硬件造成的观测偏差等造成的。     

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.     

Operational Evaluation of the Quantitative Precipitation Estimation by a CINRAD-SA Dual Polarization Radar System

In this paper, the quantitative precipitation estimation based on hydrometeor classification (HCA-QPE) algorithm was proposed for the first operational S band dual-polarization radar promoted by the CINRAD/SA radar of China. The HCA-QPE algorithm, the localized Colorado State University-Hydrometeor Identification of Rainfall (CSU-HIDRO) and Joint Polarization Experiment (JPOLE) algorithms, and the dynamic Z-R relationships based on variational correction QPE (DRVC-QPE) algorithm were evaluated with the rainfall events from March 1 to October 30, 2017 in the Guangdong Province. The results indicated that even though the HCA-QPE algorithm did not use the observed rainfall data for correction, its estimation accuracy was better than that of the DRVC-QPE algorithm when the rainfall rate was greater than 5mm h^(-1); and the stronger the rainfall intensity, the greater the QPE improvement. And the HCA-QPE algorithm worked better than the localized CSU-HIDRO and JPOLE algorithms. This study preliminarily verified the improved accuracy of QPE by a dual-polarization radar system modified from CINRAD-SA radar.     

水文气象研究进展

从面向流域的定量降水估测与预报、流域水文模型、水文气象耦合预报三个方面系统介绍水文气象研究进展。研究指出,融合天气雷达、卫星遥感及实况降水等多源信息是精细化定量降水估测产品的主要发展方向;采用多模式降水预报集成技术是提高定量降水预报精度的重要途径;分布式水文模型是流域水文模型的发展方向;引入定量降水预报的水文气象耦合预报模式可以延长洪水预报预见期,水文集合预报是水文预报方法的有效解决途径,而数值预报模式与水文模型的双向耦合模式是另一重要发展方向。     

定量测量降水量的回波结构自适应算法研究

为提高临近预报中对流性降水估测的准确性,分析了统计法估算降水的局限性。依据降水物理机制和降水回波结构,研究雷达反射率因子定量测量降水量(QPE-Qualitative Precipitation Estimate)的自适应算法,旨在减少由于雨滴谱变化导致的Z-I关系不稳定所引起的降水量测量误差。同时考虑组合反射率因子RC和垂直液态水含量VIL两个参量对降水的影响,建立适于城市区域的动态自适应的Z-I关系,改进对强降水严重低估的问题。     

深圳S波段与X波段双偏振雷达在定量降水估计中的应用

双偏振多普勒天气雷达的一个重要应用是进行定量降水估计（QPE）,它可以获得反射率（Z_H）、差分反射率（Z_DR）和差传播相移率（K_dp）这些与降水粒子有关的信息,常用的双偏振雷达降水估计方法有基于Z_H的R（Z_H）、基于Z_H和Z_DR的R（Z_H,Z_DR）、基于K_dp的R（K_dp）和基于K_dp与Z_DR的R（K_dp,Z_DR）这4种。文中利用深圳市S波段和X波段双偏振多普勒雷达探测资料,结合高精度地形数据和雨滴谱仪观测数据,设计了基于双偏振量的定量降水估计方法:首先利用地形数据和雷达地理信息,分析了雷达的遮挡状况,形成了这两部雷达的复合平面扫描仰角信息;随后利用雨滴谱仪观测资料,使用T矩阵方法统计得到了深圳地区的上述4种降水反演方法的参数;最后设计了混合降水反演方法,基于双偏振信号（即K_dp和Z_DR）的强弱,使用不同的降水反演方法进行定量降水估计。基于12个降水个例,利用各反演方法产生的定量降水估计结果与雨量计观测资料比较。结果表明,混合降水反演方法在降水反演的准确度和稳定性上均优于任何一种单一定量降水估计反演方法。基于文中介绍的定量降水估计方法,使用深圳S波段和X波段雷达产生了定量降水估计产品,并与深圳目前业务定量降水估计产品进行对比评估。结果表明,使用本方法产生的定量降水估计产品在准确度和稳定性上要优于目前的业务产品。此外,X波段雷达的定量降水估计产品性能要略高于S波段雷达的定量降水估计产品,这说明高时、空分辨率的X波段雷达可以提高定量降水估计精度。但由于雷达扫描平面内双偏振雷达对融化层和冰区的偏振量观测与降水的关系尚未明确,因此,本方法仅适用于雷达扫描平面内液态降水区。      

基于雷达资料的上海地区暴雨面雨量计算及应用

根据上海地区小时雷达资料的定量降水估测(quantitative precipitation estimation,QPE)网格产品和经过质量控制的自动站雨量资料进行暴雨面雨量计算方法研究,计算方法为:将暴雨区内自动站周围9个网格点的QPE平均值作为自动站的雷达估测雨量,计算各测站雨量与雷达估测雨量的差值,用克里金插值方法将差值场插值到雷达降水估算产品相同的网格点上,再将网格点上残差插值数据加上网格点上雷达估测雨量,得到各网格点用自动站订正后的雷达估测小时雨量资料。文中24个典型暴雨各测站订正后QPE与实测雨量的平均绝对误差比订正前减小了27%;两个典型暴雨主要降水阶段经国家气象站资料订正后QPE与实测雨量的平均误差比订正前减小了33%～39%,暴雨过程总雨量经国家气象站资料订正后减小了34%～59%。根据以上方法得到的网格点雨量计算和绘制上海地区2007—2015年24个典型暴雨降水区域的小时面雨量值和图、过程面雨量值和图、行政区和水利片面雨量值和图。最后基于.NET Framework 4.0基础架构软件开发平台,使用Microsoft Visual Studio 2012和Microsoft Visual Studio软件开发工具制作"基于雷达资料暴雨面雨量自动化计算查询系统",供业务科研人员实时查询和计算。     

雷达定量降水估算在水文模式汛期洪水预报中的应用试验

通过雷达测雨技术获得高时空分辨率的降雨信息,作为水文模型的输入,用以提高水文预报的精度。文章以湖北省白莲河流域为例,利用分组Z-I关系转化雷达反射率为雨强,运用地面雨量站网实测雨量对其进行校准,将不同方法估算得到的雨量结果输入新安江模型进行洪水预报测试,结果表明未校准雷达估算降雨量直接输入水文模型,其结果是不理想的;利用校准后的雷达估算降雨量进行洪水预报,精度得到了很大提高。     

天气雷达定量降水估测不同校准方法的比较与应用

利用天气雷达联合地面雨量计定量降水估测的局地平均校准法和局地分级平均校准法,分布估计2012年7月21日20:00至22日01:00 BT重庆市荣昌县及附近的降水。结果表明,局地分级平均校准法较局地平均校准法对强降水的估测效果好,同时两种方法的降水估测效果均与所取的局地校准半径大小有关。对降水分布及洪水灾情的分析表明,降水分布与河网的结合是进行中小河流洪水气象风险预报的重要着眼点。     

Utilization of Specific Attenuation for Rainfall Estimation in Southern China

This study uses rain gauge observations to assess the performance of different radar estimators R(ZH), R(KDP)and R(A) in estimating precipitation based on the observations of an S-band polarimetric radar over southern China during a typical convective storm and an extremely severe typhoon, i. e., Typhoon Manghkut. These radar estimators were derived from observations of a local autonomous particle size and velocity(Parsivel) unit(APU) disdrometer. A key parameter, alpha(α), which is the ratio of specific attenuation A to specific differential phase K_(DP) with three fixed values(α=0.015 dB deg~(-1), α=0.0185 dB deg~(-1) and α=0.03 dB deg~(-1)) was examined to test the sensitivity of the R(A) rain retrievals. The results show that:(1) All radar estimators can capture the spatio-temporal patterns of two precipitation events, R(A) with α =0.0185 dB deg~(-1) is well correlated with gauge measurement via higher Pearson's correlation coefficient(CC) of 0.87, lower relative bias(RB) of 16%, and lower root mean square error(RMSE) of 17.09 mm in the convective storm while it underestimates the typhoon event with RB of 35%;(2) R(A) with α=0.03 dB deg~(-1) shows the best statistical scores with the highest CC(0.92), lowest RB(7%) and RMSE(25.74 mm) corresponding to Typhoon Manghkut;(3) R(A) estimates are more efficient in mitigating the impact of partial beam blockage. The results indicate that α is remarkably influenced by the variation of drop size distribution. Thus, more work is needed to establish an automated and optimized α for the R(A) relation during different rainfall events over different regions.