多普勒雷达实时反射率因子垂直廓线观测研究

使用2002年6～7月长江中游地区宜昌S波段多普勒雷达在两次大范围混合性强降水过程中部分时段体积扫描强度数据以及周边100km范围内的7个雨量计整理成10min记录一次的雨量资料,分析了实时雷达反射率因子垂直廓线的特征。研究表明：反射率因子垂直廓线可反映出所选区域上空零度层亮带高度位置、回波的垂直变化规律等信息,以此分析降水的类型、云中粒子的发展变化;从雷达连续体扫得到的中、低仰角对应高度上的实时反射率因子垂直廓线的变化规律、PPI图像上对应雨量站点上空的回波变化情况及10min记录一次的地面雨量的变化趋势对比来看,发现三者能很好地统一起来,可用来较细致地分析降水云体的变化,有利于在无地面雨量计的地区分析降水量的大小、确定降水类型、估测降水的发展;对无亮带、反射率因子值较大而且越低仰角值越大的反射率因子垂直廓线的区域,对应地面上常有对流性强降水出现。     

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。     

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.     

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。     

雷达反射率因子垂直廓线研究和多种遥感资料综合估计降水

利用同一Ｚ－Ｉ关系下地面降水与雷达回波强度的空间最佳匹配思想,提出了一种定量降水的新方法：考察Ｉ－Ｈ曲线,确定与地面的雨量计资料最相近的Ｉ值的所在高度,然后此用此高度上的Ｉ值反演降水。发现降水与很多因子有关,而云顶温度,反照率及云顶温度的时间梯度最为明显。研究表明用多因子方程估计降水效果较好。     

垂直指向的Ka波段云雷达观测的0℃层亮带自动识别及亮带的特征分析北大核心CSCD

利用2013年垂直指向的Ka波段云雷达在广东观测的弱降水个例,分析了回波强度Z、径向速度Vr和退偏振因子L_(DR)在0℃层附近的变化规律,利用建模样本提出了基于云雷达垂直观测Z、Vr和L_(DR)数据的0℃层亮带自动识别方法,并利用独立观测样本进行了识别算法的检验,分析了Vr数据对识别效果的影响,与每天四次探空得到的数据进行了对比。结果表明,在0℃层亮带内,Z和L_(DR)的极大值的高度和Z、Vr、L_(DR)这三个物理量在垂直方向上的突变范围都一致,0℃层亮带的厚度与Z、Vr和L_(DR)的变化量有一定的关系,在0℃层亮带特征较明显的回波上部也存在明显的空气上升运动。Vr和L_(DR)是识别0℃层亮带的关键因子,而Z可能因云的位置和复杂的云层而产生剧烈的垂直变化。该算法可以较好识别典型的0℃层亮带,正确提取主要参数,而云的边缘和多层云等情况会影响0℃层亮带的识别。为利用Ka波段云雷达数据分析弱降水的性质提供了算法。     

基于SimRAD平台的零度层亮带特征模拟试验

在作者先前开发的SimRAD软件平台上添加了融化层中融化粒子散射特性的计算,从而在给定雷达发射频率,大气状态参数（高度、气压、气温、相对湿度）以及水成物相态、滴谱分布、含水量等信息的条件下,定量模拟出含有融化层的层状云的雷达反射率因子。模拟结果与大量雷达观测资料得出的层状云零度层亮带的回波特征相符合。并在此模拟的基础之上进行了零度层亮带对粒子融化速度和粒子群谱分布的敏感性试验,发现零度层亮带的雷达反射率因子廓线对二者均有一定的敏感性。      

风廓线雷达探测零度层亮带的试验研究

L波段风廓线雷达采用相干累积技术提高雷达探测灵敏度,用于对降水云体垂直探测,能获取高分辨率的云体返回信号的全谱信息。应用它对2009年5月14日层状云降水过程中出现的零度层亮带进行了连续探测研究,得到零度层亮带附近区域中返回信号的谱参数（功率、平均多普勒速度、速度谱宽）和回波功率谱密度分布随高度的变化和演变特征。在零度...     

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.     

雷达强度数据中的阵风锋特征统计和自动识别

利用江苏南京2009-2012年天气雷达数据结合地面自动站风场资料分析江苏沿江地区阵风锋变化特征、阵风锋弧长与移速关系,及其在雷达反射率因子图像中呈现的总体、局部特征,详细分析了三种窄带回波回波带反射率因子分布特征。通过设计反映回波带平坦性的计算方法实现定量分析窄带回波分布异同功能。根据回波带径向波形特征判断径向波形的波宽、波峰个数、波峰阈值和波形双边梯度等特性,实现阵风锋径向波段识别。在对反射率因子图像预处理基础上,结合回波平坦性测试方法和阵风锋径向波形识别算法达到自动识别阵风锋回波的目的。识别效果表明:回波带平均值5 d BZ的独立阵风锋回波识别准确率达87%以上,回波带平均值10 d BZ的混合型阵风锋回波识别准确率达89%以上。对弱阵风锋识别成功率仍较低。     

基于CloudSat卫星对地基云雷达反射率因子的校准

地基云雷达是云的重要探测手段,但随着运行时间的增加,雷达发射机、接收器等参数的变化,会使观测数据产生漂移偏差,从而对云物理特性的反演产生显著影响,因此云雷达数据的校准是一个重要的基础问题。针对KAZR（Ka Band Zenith Radar,K波段云雷达）云雷达特征,本文在Pavlos等提出的雷达数据校准方法基础上进行改进,优化了对弱云和降水的信号识别,利用CloudSat星载雷达观测的反射率因子,气体衰减校正等数据,对兰州大学半干旱气候环境监测站（Semi Arid Climate and Environment Observatory of Lanzhou University,SACOL）KAZR云雷达2013年8月至2017年5月反射率因子数据进行了校准,建立了KAZR雷达反射率因子46个月的历史资料校准数据库,并对校准周期的变化进行了对比分析。校准数据库的建立对SACOL站云的长期观测研究具有重要意义,同时为不同波段地基雷达的对比增加了可行性。     

Microphysical Retrieval from Doppler Radar Reflectivity Using Variational Data Assimilation

One of the microphysical variables, the rainwater mixing ratio qr, is retrieved from the observed reflectivity of Doppler radar by a 3D variational data assimilation system. The qr as an analysis variable is obtained by minimizing a cost function defined as the difference between observed radar reflectivity and its retrieval from qr, plus the difference between qr and its background field from a mesoscale model's prediction. Covariance matrix of the background field's error is determined by the so-called NMC method. A method called the second-order auto-regression (SOAR) is used to calculate the coefficients of regressive filtering to fit in with small spatial scale such as cumulus in the process of spatial transformation. An ideal experiment demonstrates the correctness of this system and a sensitivity experiment proves that the random error of observed reflectivity has effect on the analyzed results. At last an experiment with observed data from the Doppler radar at Ma'anshan City in Anhui Province on 19 June 2002 was performed. The retrieved analysis variable qr in this test shows structures in detail, which coincide with the distribution of the echo picture observed by the radar.     

风暴生命史雷达特征量反演

从风暴演变各阶段物理特征出发, 基于多普勒雷达观测的三维反射率因子, 定义物理量———单体重力势能。结果表明:单体重力势能是一个能够简洁、客观描述风暴单体整体强度的物理量; 利用该物理量可描述单体生命史为发展和减弱两个基本过程; 单体重力势能大小有助于辨别风暴类型和强度。同时, 生成和分析了风暴单体演变各阶段的反射率因子垂直廓线, 分析表明:在30~150 km的雷达观测范围内, 风暴单体的反射率因子垂直廓线 (降水廓线) 及其随时间的变化能较好地揭示风暴的垂直结构和生命史演变特征, 但没有用重力势能那样简洁。     

三维雷达反射率资料用于层状云和对流云的识别研究

基于层状云和对流云的雷达反射率分布的三维形态特征,提出了识别层状云和对流云的6个候选识别参数,它们分别是:组合反射率及其水平梯度,反射率因子等于35 dBZ的回波顶高及其水平梯度、垂直累积液态水含量及其密度。通过分析候选识别参数分布图和选取的反射率垂直剖面图,用人机交互方式挑选“真实的”层状云和对流云区,统计这6个候选识别参数分布的概率密度特征;最后确定把分布概率密度更集中的组合反射率水平梯度、35 dBZ的回波顶高的水平梯度和垂直累积液态水含量密度作为识别参数,利用模糊逻辑法进行层状云和对流云的识别。用三个个例进行了识别试验,并把用模糊逻辑法识别的结果与用改进的巅峰值法识别的结果进行了比较,结果表明:用模糊逻辑法和改进的巅峰值法都能合理地识别大部分层状云和对流云;由于改进的巅峰值法只考虑了反射率分布的二维形态特征,它容易把对流核的外围识别成层状云,把厚实的层状云识别成对流云,而考虑了反射率分布的三维形态特征的模糊逻辑法在这两个方面有很大改善。     

多普勒雷达反射率与径向风资料在数值模式中的应用试验

利用CAPS (Center for Analysis and Prediction of Storm)研发的ARPS (The Advanced Regional Prediction System)模式及数据处理系统ADAS (ARRS Data Analysis System)和3DVar (3-D Variation)系统分别同化多普勒雷达反射率与径向风资料,分析二者在改进模式初始场和预报效果中的作用.通过模拟2003年7月安徽省一次强降水过程,得到如下结论:径向风资料调整初始风场,在积分进行后,对水汽场也有所调整;反射率资料调整初始水汽场,积分开始后,对风场也有调整,其中后者较显著.从预报的3小时降水来看,两个同化试验得到的落区位置与实况都有出入,反射率同化试验得到的预报面积比实况偏大,但二者都比非同化试验效果好.