不同天气条件下微波辐射计和风廓线雷达探测数据误差特征分析

为探讨微波辐射计和风廓线雷达探测数据的准确性和可用性,利用天津全运会期间获取的GPS探空资料,分析不同天气条件下微波辐射计探测温湿度、风廓线雷达测风的误差特征。结果表明：晴天、云天和雨天条件下,微波辐射计反演低空温度廓线效果均较好,反演高空温度廓线误差较大,云天条件下,反演的整层温度廓线与探空实测值相关性最优;3种天气条件下,微波辐射计反演相对湿度廓线的误差均较大,与探空实测值的相关性也较差;晴天和云天条件下,风廓线雷达探测风向、风速的误差均较小,雨天风廓线雷达测风效果较差;晴天和云天条件下1750 m以上,雨天3000 m以上,风廓线雷达探测风速数据与探空实测值相关性较好,低空探测风速与探空相关性较差;3500 m以下,3种天气条件下风廓线雷达探测风向与探空实测值相关性较差,3500 m以上相关性较好,数值在0.6—1.0之间波动变化。     

风廓线雷达与天气雷达风廓线数据的融合及应用

风廓线雷达与多普勒天气雷达风廓线产品均可以获取高时间分辨率的高空风信息,但两种遥感测风的探测原理及时空代表性不同。在对风廓线雷达进行质量控制处理、剔除降水粒子空间不均匀分布对数据可信度影响之后,根据风廓线雷达与天气雷达风廓线数据探测原理差异,进行不同时间代表性的风廓线数据的空间匹配试验,确定与天气雷达风廓线数据进行融合的风廓线雷达数据最优时间分辨率,结果为1 h。利用2015年7月北京南郊观象台的探空、风廓线雷达、天气雷达测风数据进行三种高空风的一致性比对,结果表明三种测风数据具有较好的一致性,均方根误差分别为2.3和2.5 m·s~(-1);60、30以及6 min不同时间代表性风廓线雷达数据与天气雷达风廓线数据之间的均方根误差分别为2.6、2.8及3.1 m·s~(-1),60 min数据的融合效果最佳,低空尤其明显。利用广东省2014年5月的风廓线雷达观测网以及天气雷达网风廓线数据进行了高空风场的融合分析试验,融合分析场提供了更为丰富的高空中尺度水平风场信息,低空的涡旋更加明显。     

衢州CFL-06型风廓线雷达与探空数据对比分析

对安装在浙江衢州国家基本气象站的CFL-06型低对流层风廓线雷达2022年的数据进行了初步分析,包括进行全年不同季节数据获取率的统计分析,以及选取6个时次的数据与同站址安装的L波段探空雷达的数据进行对比分析,进一步验证风廓线雷达数据的准确性和可信度。结果表明:风廓线雷达数据获取率在不同季节有所区别,一般夏季最高,冬季数据获取率在3km以上有较明显的下降趋势,风廓线雷达的探测高度以及数据获取率与天气、气候条件等息息相关;风廓线雷达与L波段探空雷达数据在晴空条件下一致性较高,在有降水天气过程的情况下,风廓线雷达的数据准确性可能会下降。     

科尔沁边界层风廓线雷达探测性能评估

利用2016～2017年科尔沁边界层风廓线雷达每6min的风场资料评估雷达探测性能,主要针对风廓线雷达数据获取率、风廓线雷达与常规探空探测风的相关性等进行了分析。结果表明：风廓线雷达平均数据获取率随高度的增加先增大后减小,3000米以下平均数据获取率都在60%以上。雷达探测数据存在日出后数据缺测率高,午后缺测率低的变化趋势。各层数据获取率与气温和比湿的相关系数分别在0.45和0.35左右。对比风廓线与常规高空探测数据发现：二者v分量的相关系数大于u分量；各高度层中400米到1900米的u分量的相关系数在0.4以上,500米到3400米的v分量的相关系数都在0.6以上；风廓线雷达与常规探空数据u分量相关系数随风速的增大时而减小,从春季到冬季u、v分量相关系数都呈减小趋势。各个季节中风廓线雷达与常规探空数据风速平均偏差春季最小、冬季最大。     

丘陵地区边界层风廓线雷达数据统计特性分析

采用数据获取率来分析和评价风廓线雷达的探测能力, 对通过2012年的风廓线数据进行统计分析。结果表明:数据获取率和信噪比都随季节变化, 夏季探测能力大于冬季。按照数据获取率达到80%的要求, 确定边界层风廓线雷达无降雨天气有效探测高度为3 km, 并确定低模和高模最佳衔接高度为0.6 km, 能够获得更好的数据获取率。在无降雨天气, 信噪比随高度呈现对数函数单调递减的变化规律, 夏季信噪比的衰减程度比冬季大;在降雨天气, 信噪比随高度呈现一次函数的变化规律, 其斜率范围在-10.44~-2.47之间, 而夏季信噪比的衰减程度比冬季小。     

上海TWP3型边界层风廓线雷达探测性能评估

在简述上海TWP3型风廓线雷达系统的基础上,从雷达运行情况、风数据获取率和产品资料分析3方面对该型号雷达探测性能进行评估。通过统计分析不同高度层上平均测风数据全年和逐月的数据获取率,发现TWP3风廓线雷达在3km以下具有较高的数据获取率,对于边界层的探测能力要远高于高层,且夏季的数据获取率明显高于冬季。利用风廓线雷达提供的信号噪声比SNR、垂直速度和折射率结构常数C2N等资料分析了一次弱降水探测过程,二次产品可以清晰地反映降水的始末时间,且降水期间探测高度增高2km左右。评估结果表明TWP3型边界层风廓线雷达具有较低的故障率和较好的探测性能,产品资料具有可靠性和应用价值。     

闽北地区边界层移动风廓线雷达对比试验评估

为了更好地把握风廓线雷达的探测性能和数据精度,对移动风廓线雷达与L波段探空雷达资料进行对比统计分析,结果表明：移动风廓线雷达的有效数据获取率达到80％的高度为3500m,符合边界层风廓线雷达的有效探测高度。移动风廓线的径向速度平均差和标准差随着高度的增加而增加,东西方向的径向速度误差比南北方向的高约0．5—1．0m／s。风廓线雷达自身数据的准确性良好,但是降雨对数据的准确性影响比较大。这次对比试验结果表明,对比试验应该选择比较平稳的天气过程。由于秋冬季节大气环流比较稳定,降雨类型多为层状云降雨,因而风廓线雷达数据可靠性高;对流性降雨过程往往造成风廓线雷达资料可靠性降低。     

降水条件下风廓线雷达数据质量分析及处理

风廓线雷达是当前获取大气三维风场信息的有效途径,但受其本身探测原理的约束,降水时的观测数据(尤其是边界层风廓线雷达的观测数据)将受到较大影响。为提高降水时边界层风廓线雷达数据的可信度,依据五波束探测和三波束探测原理,结合风廓线雷达功率谱再分析,建立了风廓线雷达数据筛选、填补的重处理方法,通过选取不同降水强度下的从化、潮州、阳江三个边界层风廓线雷达站的观测数据,开展了基于该方法的数据质量评估。研究结果指出:降水时虽能提高风廓线雷达的数据获取率,但风场数据质量并不一定较好(尤其是在特大暴雨时数据质量较差);经过数据重处理后,风廓线雷达的有效数据获取率得到提高,且内陆站点提升的幅度超过沿海站点;降水对2 km以下的观测数据影响较小,对于2 km以上的数据,若降水只是对部分高度造成数据缺失,则经过重处理后数据质量仍可以保持较好,但若连续多个高度数据缺失,则经过数据重处理后也不能较好地提高数据质量。     

两种垂直风廓线的对比及应用Ⅰ:一致性分析

利用2013年1—9月重庆多普勒天气雷达(CINRAD/SA)和风廓线雷达(TWP8-L)观测到的垂直风廓线数据,就不同高度、不同时间及不同降水条件下二者的一致性进行了分析。研究结果表明:(1)多普勒雷达探测的风廓线资料与同期的风廓线雷达资料在垂直分布和时间变化上表现出较一致的变化趋势,两者探测的风向和风速的相关系数分别为0.90和0.75;(2)风廓线雷达和多普勒雷达探测的风向相关性(标准误差)随高度增加(降低)而逐渐增加(降低),两者间的一致性随高度不断增强。风速间的相关性也随高度增加而增加,但标准误差变化不大,稳定在2~4 m·s-1之间。在不同月份表现出类似的特征,特别是在汛期(6—9月)风切变从底层到高空具有很好的一致性,呈顺时针旋转;(3)两种探测资料间的一致性受降水影响明显,相对于降水偏少的冬季(1月和2月),在以小到中雨为主的春季(3—4月)以及中到大雨的主汛期(6—9月),多普勒天气雷达和风廓线雷达探测风廓线间的一致性得到明显增强,特别是在主汛期两者间的一致性是最高的;(4)多普勒雷达和风廓线雷达各高度层平均风向随高度的变化一致性较好,在低层(4 km)和高层(5 km)风向均随高度顺时针旋转。     

乌鲁木齐风廓线雷达探测能力评估

利用乌鲁木齐市2011年12月—2013年3月CFL-03风廓线雷达的风探测数据与同期的常规探空数据,对风廓线雷达探测数据的可靠性和探测能力给予了评估。结果表明,受乌鲁木齐四季不同的气候背景影响,风廓线雷达的数据获取率在夏季最高,在冬季最低,80%的数据获取率等值线在夏季、冬季各自达到的高度分别为4500 m和1980 m;240 m以下风廓线雷达探测的风速误差较大,240 m以上风廓线雷达四季探测的风速普遍小于实况,误差在-1~0 m/s之间的出现频率最高,介于28.8%~31.8%,且最大频率在四季出现的高度有所差异,总体来看夏季风速误差相对较小;风向误差总体在-22.5°~0°之间的出现频率最高,且随着高度增加频率增加;风廓线雷达对风速的探测能力优于风向,二者与实况的相关系数各自为0.9左右和0.6~0.8;通过对长时间序列的风速、风向资料的比较,说明风廓线雷达能够较为准确地反映冬季天气过程的演变,且能够较为精细地刻画夏季短时强降水天气过程中高低空气流的变化特点。在综合考虑低空地物回波、探测盲区因素以及高空气球探空飘移等多种因素影响的情况下,可见风廓线雷达对乌鲁木齐大气环境和天气过程拥有较可靠的监测能力。     

风廓线雷达资料在GRAPES-Meso模式中的同化应用研究

以未来业务化应用为目标,本文进行了业务数值预报模式GRAPES_Meso（Global/Regional Assimilation and Prediction System）中的风廓线雷达资料同化应用研究。基于2015年7月的全国风廓线雷达观测数据,首先建立了面向同化应用的风廓线雷达资料两步质量控制方案。通过对比分析质量控制前后风廓线雷达观测资料集与欧洲中心再分析资料ERA-Interim的差值场特征,论证了质量控制方案的合理性,两步质控后风场误差显著减小,同时观测背景差更接近高斯分布,符合数值同化应用假设。将质量控制后的风廓线雷达资料应用于GRAPES-3DVAR系统,开展有、无风廓线雷达资料同化的对比试验,通过批量试验和台风“莲花”个例分析来探讨风廓线雷达资料同化对数值预报的影响。研究表明:在循环同化过程中加入风廓线雷达资料对数值模式初始场有一定改善,风场、温度场、湿度场的分析误差均有减小,从而使短期降水（0～12 h）的预报技巧得以提高。针对台风暴雨个例分析结果表明,风廓线雷达资料同化能有效地调整台风降水区的动力结构和水汽分布,在模式中形成更有利于对流发展的环境条件,从而更好地预报降水的位置与强度。     

风廓线仪系统探测试验与应用

在简述大气风廓线仪和电声探测系统结构及探测原理的基础上, 对廓线仪探测资料与同步探空仪资料进行了对比, 验证了风廓线仪资料的可信度, 并应用风廓线资料分析了梅雨锋期间中尺度降水的对流特征和相关问题。结果表明:大气风廓线仪对水平风的垂直结构有较强的探测能力, 能实时监测中尺度降水期间风的垂直切变和对流特征, 有助于提高临近天气预报的精度, 准确预报降水。     

风廓线雷达反演温度平流的应用

利用北京延庆站风廓线雷达水平风廓线资料进行大气温度平流的反演,详细分析2014年11月15日夜间冷空气入侵过程,并统计分析2015年9—11月6次冷空气入侵过程,同T639L60模式的预报风场及温度平流预报产品进行对比。结果表明:在一定预报时效内 (约6~12 h),风廓线雷达获取的水平风廓线与模式给出的预报风场有较好的一致性;由风廓线雷达反演的温度平流与模式给出的温度平流量级相同,温度平流属性一致;风廓线雷达6 min完成1次垂直高度分辨率为120 m的探测,高时空分辨率使风廓线雷达获取的温度平流较T639L60模式更能反映大气温度平流的细节。     

同化风廓线雷达资料对浙江降水预报改进评估

采用中尺度模式WRF和美国俄克拉荷马大学风暴分析预测中心的资料同化系统开展中国东部地区35部风廓线雷达资料同化试验研究,在同化1 h平均采样产品前,对其进行气候极值检查、一致性检查、垂直稀疏化等质量控制,选取2014年5月16-17日暴雨过程评估同化风廓线雷达资料对降水预报的影响,探讨其对初始场改进作用,之后,通过批量试验再次确认同化风廓线雷达资料可有效提高降水预报能力。个例同化试验对比分析表明:同化风廓线雷达资料后,暴雨区及其上游地区850 hPa的风速增强20%~30%,水汽通量增加30%~50%,大气层结不稳定性增强,小雨和大雨TS评分分别提高0.06和0.07,暴雨漏报率和空报率分别降低0.04和0.05,降水预报得到改进。     

基于伴随敏感性的风廓线雷达和地基微波辐射计观测对模式预报的影响评估研究

同化大量观测资料可以有效地改进模式预报结果,但不同观测对预报的影响有着显著差异,合理评估观测对预报的贡献是数值模式中最具挑战性的诊断之一。本文采用基于伴随的预报对观测的敏感性（Forecast Sensitivity to Observation,简称FSO）方法,构建WRFDA（Weather Research and Forecasting model’s Data Assimilation）框架下的WRFDA-FSO系统。基于2019年9月超大城市项目在北京地区获取的风廓线雷达（Wind Profile Radar,简称WPR）和地基微波辐射计（Microwave Radiometer,简称MWR）观测数据,利用WRFDA-FSO系统,开展观测对WRF模式12 h预报的影响试验,并分析风温湿观测对预报的贡献。结果表明:（1）同化的观测资料（MWR、WPR、Sound、Synop和Geoamv）均减小了WRF模式12 h预报误差,对预报为正贡献,其中MWR观测对预报的影响最大,WPR风场观测对预报的改进效果优于Sound的风场观测。（2）WPR的U、V观测和MWR的T、Q观测中,V观测和T观测对预报的正贡献值更高,对预报的改进效果更优。（3）WPR和MWR多数高度层的观测均减小了预报误差,对预报为正贡献,其中MWR的T观测对预报的正贡献主要位于近地面800 hPa以下。     

风廓线雷达数据质量影响因子及处理算法

风廓线雷达系统误差和探测数据时空代表性影响风的数据质量。针对五波束探测风廓线雷达,提出雷达系统误差检测方法并分析风的空间不均匀分布和时间代表性对风数据质量的影响。在此基础上,通过比较4组三波束计算的两组水平风u,v分量离差进行风的空间均匀性判别,并比较了一致性平均和数学平均两种时间代表性处理算法间的测风精度差异。利用广东风廓线雷达站网2014年3—5月10部雷达数据进行方法应用和评估。结果表明:稳定大气条件下,3种型号雷达 (LC,PB,PA) 的有效数据高度分别达到3,6 km和10 km的雷达系统功能设计需求。经空间均匀性检验与时间一致性平均处理的风数据在降水期间质量优于业务雷达数据,3—5月10部雷达获取的两组u,v分量离差标准差约为1 m·s-1,表明经过空间一致性检验和时间一致性平均处理后的数据质量较好。     

降水时风廓线雷达风场反演效果评估

风廓线雷达（wind profile radar,WPR）因具有高时空分辨率特点,成为当前短时临近预报的重要参考工具。降水时WPR同时接收大气湍流回波和降水粒子散射回波,现有技术不能有效分离叠加在一起的湍流信号和降水信号,导致降水期间风廓线雷达反演的风场数据严重缺失或失真。根据风廓线雷达探测技术原理及降水天气的功率谱特点,提出了降水天气时风廓线雷达湍流信号提取方法（WPR-HW）,并选取2015—2018年天津10次降水过程对WPR-HW方法进行模式检验及个例效果评估。结果表明:WPR-HW方法对改善降水期间风廓线雷达风场数据缺失问题效果明显,在选取的10次降水过程中,目前通用的风廓线雷达风场反演方法（WIND）风场数据平均缺失率为25.4%,WPR-HW方法未出现风场数据缺失现象;WPR-HW方法较WIND方法反演风场数据可信度有显著提高,反演数据与再分析数据的风速均方根误差由WIND方法的2.3 m·s-1降至WPR-HW方法的1.6 m·s-1,风向均方根误差由WIND方法的45°降至WPR-HW方法的22°,从而验证WPR-HW方法在降水期间适用。     

不同台风降水强度下风廓线雷达适用性

以2019年8月在浙江舟山对1909号超强台风“利奇马”的移动观测试验为基础,利用同一地点释放的9次GPS探空气球,对比了风廓线雷达和多普勒激光测风雷达与GPS探空的吻合程度,并利用车载雨滴谱仪对风廓线雷达在不同台风降水强度下的适用性进行了研究。结果表明,在100~300 m高度范围内激光测风雷达观测风速比风廓线雷达更准确。由水平风速对比结果可知,风廓线雷达在3~4 km高度范围内偏差最小(3.59 m/s),相关性最高(0.86),而在1 km高度下偏差最大(6.39 m/s),相关性最低(0.54);在中雨及大雨条件下适用性最差,最大风速偏差约为18 m/s。由水平风向对比结果可知,风廓线雷达与GPS探空总体上吻合较好,相关系数均大于0.85,均方根偏差均小于11 °。另外,降水强度对风廓线雷达的风向观测影响较小,风向偏差随降水强度的变化总体趋于平稳,基本分布在-20 °~20 °之间。