雨滴谱仪网数据在雷达定量降水估测中的应用

为了探讨利用雨滴谱数据验证雷达观测的回波强度的偏差和实时拟合反射率因子(Z)与降水强度(R)的关系(即Z-R关系)进行定量降水估测的可能性,以发生在江苏南部的三次大范围降水过程为例,首先分析雨滴谱数据、雷达数据和雨量计数据的一致性,然后利用雨滴谱仪网法和传统方法分别进行降水估测,并对比两种方法的降水估测效果。结果表明:雷达和雨滴谱仪观测的回波强度具有较好的一致性;采用雨量计数据和雨滴谱计算的平均降水强度存在一定差异,但其变化趋势基本一致。相对于层状云降水,两种方法对对流云降水估测的误差更大,对层状云降水的估测,雨滴谱仪网法略优于传统方法,但对对流云降水的估测,雨滴谱仪网法更具优势。总体上,雨滴谱仪网法估测的降水,其偏差和相对误差更小,估测值总量与雨量计观测雨量更接近,估测降水的效果更好。     

庐山层状云和对流云雨滴谱比较分析

本文从庐山近3 a的雨滴谱观测资料中选取数例层状云降水和对流云降水个例,通过对两类云降水的平均雨滴谱分析拟合、各微物理量演变以及速度谱的对比研究,得出以下结论:庐山对流云降水的平均雨滴谱很宽,有直径大于10 mm的大雨滴出现。Γ分布,对层状云降水拟合,较MP分布差,而对对流云降水拟合,较MP分布好。两类云降水的雨强变化都是由最大雨滴直径和粒子数浓度共同决定的,但对于对流云降水,最大雨滴直径的决定作用更为重要。雨滴直径较小时,两类云降水的实测速度大于经验公式值;而雨滴直径较大时,实测速度值分布在经验公式曲线两侧,但对流云降水的分布偏差要大于层状云降水。     

雨滴谱的变化对降水估测的影响研究

选取2013年5月20日发生在广东三水的一次飑线过程作为研究对象,首先结合飑线回波带移经三水及其上空雷达回波的时间-高度分布特征将降水过程划分为3个阶段,然后通过计算各时刻的粒子总数密度、中值体积直径和峰值数分析降水过程雨滴谱的变化,再对Z-R关系(Z=aR~b)进行分析,根据雨滴谱实测资料分别统计整体Z—R关系和3个降水阶段的Z—R关系,在此基础上讨论雨滴谱的变化和雷达观测的回波强度对降水估计的影响。结果表明:中值体积直径在对流云降水阶段和层状云降水阶段基本一致,但对流云降水阶段的粒子总数密度远大于层状云降水阶段;对流云降水阶段以双峰型为主,当降水向层状云类型发展时,多峰谱比例增加;雷达观测的回波强度常低于雨滴谱计算的反射率因子,离地面越近两者的相关性越好;根据3个降水阶段分别进行Z—R关系拟合,即分型Z-R关系,通过相对误差分析可知,利用分型Z—R关系反演雨强的效果明显优于整体Z-R关系反演效果,雨滴谱在层化降水阶段估计的相对误差最小、对流云降水阶段反演精度稍低于层状云降水阶段,这与对流云降水中雨强和雨滴谱谱型变化大且快有关;在雷达观测方面,利用分型Z-R关系反演雨强的相对误差较小而雷达观测的误差在对流云降水阶段较小,当降水向层状云降水转化时,雷达观测引起的相对误差增大,这主要是由于对流云降水阶段中雨滴谱仪和雷达对应的回波强度误差最小,也与雷达观测精度、两种仪器采样的时空差异和雨滴谱特征变化等因素有关。     

地面激光雨滴谱仪反演降水参量的特性探究

采用河南省2016—2017年100个日降水资料,对比分析雨滴谱反演回波与雷达回波的差异、雨滴谱反演降水强度与雨量计观测降水强度的差异;进行雨滴谱Gamma拟合,以探究河南省雨滴谱分布及降水云系类型;进行Z-I关系拟合,以探究河南省降水回波与降水强度的关系。结果表明:(1)雨滴谱反演回波、雷达观测回波的变化趋势具有较好一致性。而前者普遍小于后者,其可能原因:一是雷达通过最低仰角观测到的地面雨滴谱仪上方回波与地面雨滴谱仪之间存在一定高度差,二是雨滴下落时的蒸发、破碎过程,使到达地面的雨滴直径减小。(2)雨滴谱反演的降水强度与雨量计观测的降水强度相比,存在一定差异,但无显著偏大或偏小规律性特征。(3)对流云及层积混合云的雨滴谱宽大于层状云,中等尺度雨滴数密度较大。层状云的小水滴数密度较大。河南省大部分降水过程为雨滴谱较窄的层状云降水。(4)河南省降水回波与降水强度的拟合公式:Z=262I~(1.34),层状云拟合公式:Z=219I~(1.30),对流云拟合公式:Z=307I~(1.38)。(5)雨滴数浓度较高月份为6—7月(1500个·m~(-3)左右),降水强度较高月份为8—10月(60 mm·h~(-1)),雨滴最大直径较高月份为4—8月(4.3～4.8 mm),雨滴平均直径较高月份为3—4月(3 mm左右)。雨滴数浓度、降水强度、最大直径、平均直径的月份特征变化无一致性。     

庐山地区层状云和对流云降水特征对比分析

根据Parsivel激光雨滴谱仪在庐山高海拔观测场获取的2011年降水资料,结合宏观特征量、雨滴谱资料和雷达图像资料,将降水划分为对流云降水和层状云降水,选取了12次典型降水过程。对两类云降水的6种特征直径、各档雨滴对降水参量的贡献、降水微物理参量的演变等进行了分析,并利用M-P分布和Gamma分布对两类云降水雨滴谱进行拟合,对拟合参数以及拟合效果进行了分析。结果表明：两类云降水微物理特征有着本质的区别,层状云降水谱宽相对较窄,参量随时间变化比较平缓,直径不超过1 mm的小滴对降水贡献最大;对流云降水谱宽相对较宽,出现了直径接近10 mm的大滴,参量起伏较大,对数密度贡献很小的大滴对雨强、含水量贡献却比较大。从拟合效果检验来看,层状云降水拟合时的M-P曲线在大部分区段比Gamma曲线更接近实测雨滴谱曲线;对流云降水拟合时的Gamma分布曲线与实际雨滴谱分布曲线整体吻合程度较高。M-P分布和Gamma分布两种拟合方法都适用于层状云降水,对流云降水雨滴谱拟合时Gamma拟合效果优于M-P拟合效果。     

黄山层状云和对流云降水不同高度的雨滴谱统计特征分析

根据2011年6~7月在黄山不同高度采用PARSIVEL雨滴谱仪测得的雨滴谱数据,对不同海拔高度上两类（层状云和对流云）降水粒子谱的微物理特征量、Gamma函数拟合以及雨滴的下落速度进行对比分析,结果表明:对流云降水的雨水含量和降水强度、雨滴的各类尺度参数和数浓度都比相同位置上层状云降水的大,同类降水中,山腰的雨滴尺度大于山顶和山底,这可能与各观测点和云底相对位置的不同有关;随降水强度增加,雨滴的质量加权平均直径D_m逐渐增大,广义截距参数（log₁₀N_w）的标准差逐渐减小。拟合结果表明各高度的雨滴谱都比较符合Gamma分布,由拟合参数分析雨滴谱的演变,发现相对于对流云降水,层状云降水粒子谱随高度的变化较小,雨滴谱的演变较为稳定。此外,本文还对两类降水中雨滴的下落速度及影响落速的因素进行了分析。     

哈尔滨春夏季地面雨滴谱特征分析

本文采用滤纸法观测到的2003年和2004年绥化地面雨滴谱资料,利用称重法得到的地面降水量资料以及2003～2006年哈尔滨雷达站观测到的新一代天气雷达资料。分析了地面雨滴谱谱型、雨强、含水量以及雷达回波强度随时间的变化、雨滴各档尺度对总雨强的贡献等宏、微观特征,雨滴直径和斑迹直径、斑迹面积之间的关系。通过对地面雨滴谱观测和资料处理方法的研究以及获取资料的分析得出以下结论：在不同直径雨滴对地面雨强的贡献分析中发现,贡献较大的降水粒子直径集中在0.7～1.3 mm,也就是说这一范围的雨滴直径对地面降水贡献最大,起主要作用;雨强、含水量和雷达回波强度随时间的变化步调保持一致;层状云的降水谱比较窄,积层混合云较宽;层状云的降水强度范围较窄,对流云的降水强度范围较大,混合云居中;对于层状云降水,M-P分布拟合的效果比较好,混合云效果稍差一些,但也符合M-P分布。     

降雨型滴谱与反射率因子及雨强关系研究

利用C＋＋Builder对激光降水粒子谱仪的原始雨滴谱数据进行解码,应用M-P分布对2008年6月8—9日庐山的一次降雨过程进行拟合。结果表明,M-P分布的拟合曲线与雨强有关,但不利于对比分析雨滴谱。以无量纲粒子直径和无量纲粒子密度分布的自然对数为自变量和因变量,建立M-P分布、线性最小二乘拟合、Γ分布的雨滴谱拟合关系式,通过误差分析得到Γ分布相对最优。比较雨滴谱反演的回波强度和南昌雷达观测取样点上的回波强度,发现它们随时间的变化趋势大体一致,但反演的回波强度略大于雷达观测。按平均直径、中数体积直径对降雨进行分类,分别建立层状云和对流云降雨的反射率因子和雨强之间的关系式（Z-I关系式）,2种降雨类型关系式的系数存在明显的不同。     

昭苏夏季层状云和对流云降水的雨滴谱特征

利用2020—2021年昭苏地区夏季的雨滴谱数据，研究层状云和对流云降水的微物理参量及雨滴谱特征。结果表明：对流云降水的粒子数浓度和粒子直径明显偏大，较大的粒子直径和粒子数浓度使得其降水强度和液态含水量远大于层状云降水。两类降水云的雨滴谱均为单峰结构，峰值直径主要分布在0.5～0.625 mm，对流云降水的雨滴谱谱宽明显大于层状云降水。两类降水云的雨滴直径和粒子数浓度与青藏高原中部的观测值相近，且昭苏地区的对流云滴谱更倾向于大陆性对流簇。研究结果有助于加深对昭苏地区降水的微物理特征及其演变规律的理解。     

南京地区雨滴谱参数的详细统计分析及其在天气雷达探测中的应用

雨滴谱包含了降雨的丰富信息,不仅能反映雨滴群的微物理特性,也能反映降雨类型、降雨强度等宏观特性,并且在雷达气象领域也有重要的价值。论文对2015和2016年度南京地区32次降雨过程的雨滴谱资料进行了处理、并对多种雨滴参数进行了详细的统计和分析,拟合了层状云降雨、对流云降雨以及积层混合云降雨的雨滴谱Gamma分布参数。另外,还基于雨滴谱数据拟合了雷达反射率因子Z与降雨强度R的Z-R关系,计算了差分反射率Z_DR、相位常数K_DP以及衰减参数,并利用衰减参数进行了C波段雷达回波的衰减订正试验。结果表明:（1）层状云降雨的各微物理参数比较稳定,积雨云的变化剧烈;层云降雨和积层混合云降雨的中雨滴、积雨云降雨的大雨滴对雷达反射率因子的贡献最大。（2）积雨云降雨的滴谱最宽,层状云降雨的最窄。（3）利用依据雨滴谱数据拟合的三类降雨Z-R关系,可以一定程度地提高雷达估测降雨的精度。（4）利用基于雨滴谱数据拟合的衰减系数,有效地进行了C波段双偏振雷达回波强度的衰减订正,体现了统计参数和拟合参数准确性。     

上海地区几类强降水雨滴谱特征分析

用Parsivel激光降水粒子谱仪资料对2013年上海地区4—10月份期间4种类型 (层状云、对流暖云主导型、对流冷云主导型和强台风影响下的混合暖云型) 降水过程的雨滴谱特征进行了分析。通过平均雨滴谱及其拟合特征、雨滴数密度与含水量分布、雨滴尺度与速度二维谱分布等对比分析发现:各类降水中, 雨滴谱的峰值结构与雨强大小有关, 其中直径介于0.187~1.312 mm的小雨滴均出现峰值且总数最多。各尺度雨滴数密度及其比例决定了其降水量贡献比, 在冷云强降水中的雨强贡献最大的雨滴尺度要显著大于其他3种类型。雨滴谱宽按大小排列依次为对流冷云主导型、混合暖云型、对流暖云主导型和层状云。最后综合运用雨滴谱、雷达、雨量站、闪电等观测资料对9月13日对流冷云主导型降水过程进行分析后发现:在雷暴的演变过程中, 雨滴谱特征与雷达反射率因子、垂直液态水含量、自动站雨强、闪电频次等要素均有较好的相关性。冷云产生的冰晶和冰雹融化后的大雨滴进入中低层的广谱小雨滴群, 并通过破碎分裂增加了大雨滴的形成概率, 尤其是捕捉碰并过程更加快了大雨滴的增长速度, 使雨强在短时间内迅速加强。雨滴谱中各档粒子数的演变, 揭示了降水强度的变化, 用雨滴谱资料可有效弥补现有雷达定量估测降水的偏差, 且在冷云中改善明显。     

伊犁河谷汛期一场短时强降水雨滴谱特征分析

利用常规地面、高空资料、新一代天气雷达资料、雨滴谱资料,对2012年8月3日发生在伊犁河谷的一次较大范围暴雨的天气背景、雷达回波特征和降雨微物理特征等进行深入分析。结果表明,200hPa西西伯利亚西风槽、500hPa中亚低涡和地面冷锋是这次强降雨过程的主要影响系统。河谷喇叭口地形对气流的机械挤压、东高西低地形对对流的触发、地形强迫抬升对对流和降水的增强具有重要影响。这场降水过程属于积层混合云降水,其中大面积的层状云中嵌有多个对流云团,这些云团连接在一起就构成了对流性雨带,通过对暴雨雨滴谱演变分析得出,这次暴雨主要降水由对流性云团造成,对流云团微物理结构存在明显的不均匀性,其中存在多个强降水中心,其水平尺度多维持在10km左右,持续时间维持在5分钟到10分钟之内,降水集中且雨滴数浓度较高,一般在1000m-1个以上,雨滴谱宽及分布差异很大,小于1mm粒子数浓度很高,对雨强的贡献占两成以上。     

稳定性层状云降雨量的估算研究

利用2000-2004年711雷达观测的稳定性层状云降雨回波资料，结合雨滴谱和地面雨量自记资料，使用统计方法，分析了引起稳定性层状云降雨量大小改变的因子，得出稳定性层状云降雨量大小除与雷达回波强度关系最为密切外，还和云顶高度、暖云厚度等因素有关，分析了产生误差的原因，建立了多元回归方程，为使用雷达回波对降雨量的估算提供了一种方法。     

稳定性层状云降雨量的估算研究

利用5 a 711雷达观测的稳定性层状云降雨回波,结合雨滴谱和地面雨量自计资料,使用统计方法,分析了引起稳定性层状云降雨量大小改变的因子,得出稳定性层状云降雨量大小除与雷达回波强度关系最为密切外,还和云顶高度、暖云厚度等因素有关。分析了产生误差的原因,建立了多元回归方程,为利用雷达回波对降雨量的估算提供了一种方法。     

山东三类降水云雨滴谱分布特征的观测研究

利用激光雨滴谱仪2009年8月—2010年10月观测获取的滴谱资料,分析了山东省三类云降水雨滴微结构参量特征及滴谱随降水过程的演变特征。按照降水云系不同分别对各微物理参量进行比较,结果表明,各值由大到小排序依次均为积雨云、混合云和层状云。三类云降水过程中雨强与雨滴数浓度和最大直径间存在较好的相关关系;层状云和混合云降水以直径小于2 mm的雨滴为主,而积雨云降水以1~3 mm的雨滴对雨强贡献最大。层状云降水雨滴谱很窄,呈单峰或双峰型;积雨云降水雨滴谱宽,在大滴端呈多峰结构;混合云降水谱宽介于前两者之间。另外,统计得到该地区三类云降水的Z-I关系式,为雷达定量测量降水提供了一定的参考。     

一次东北冷涡云降水垂直结构特征分析

利用辽宁阜新国家站(121.7458°E,42.0672°N)的毫米波云雷达(8 mm)和微雨雷达(12.5 mm)对2020年8月12-13日东北冷涡影响下的一次降水过程进行了观测,分析了云降水的垂直结构特征并探讨了降水机制。结果表明：本次过程中,云水平方向发展不均匀,以层状云和层积混合云为主,云内有时还嵌有对流泡。云降水阶段性变化明显,先后出现了层状云降水、层积混合云降水和对流云降水。层状云降水和层积混合云降水均表现出明显的亮带特征,但层积混合云降水的雷达回波强度、回波顶高和降水强度明显大于层状云降水。对流云降水的雷达回波会因强降水而产生明显衰减,因此回波顶高不能表示出实际的云顶情况。层状云降水阶段,云雷达反射率随高度降低增长缓慢,雨滴在下落过程中受蒸发和碰并的共同作用,反射率降低。与层状云降水相比,层积混合云降水的碰并效应强,且由于前期降水对近地面的增湿作用,使云下蒸发弱。对流云降水阶段,反射率的增长主要发生在冰水混合层,有利于大滴的产生,拓宽了云滴谱,提高了碰并效率。     

三江源隆宝高寒湿地不同云系降水雨滴谱特征

利用2019年5～10月布设于三江源地区隆宝高寒湿地的激光雨滴谱仪观测资料,分析高原山区夏秋季层状云降水和对流云降水雨滴微物理特征、平均雨滴谱分布、下落速度及Z-R关系.结果表明:三江源隆宝地区夏秋季对流云降水和层状云降水的雨滴微物理特征具有一定程度的相似性,对流云降水雨滴微物理参量略大于层状云降水;层状云降水和对流云...     

Identification of Convective and Stratiform Clouds Based on the Improved DBSCAN Clustering Algorithm

A convective and stratiform cloud classification method for weather radar is proposed based on the density-based spatial clustering of applications with noise (DBSCAN) algorithm. To identify convective and stratiform clouds in different developmental phases, two-dimensional (2D) and three-dimensional (3D) models are proposed by applying reflectivity factors at 0.5° and at 0.5°, 1.5°, and 2.4° elevation angles, respectively. According to the thresholds of the algorithm, which include echo intensity, the echo top height of 35 dBZ (ET), density threshold, and ε neighborhood, cloud clusters can be marked into four types: deep-convective cloud (DCC), shallow-convective cloud (SCC), hybrid convective-stratiform cloud (HCS), and stratiform cloud (SFC) types. Each cloud cluster type is further identified as a core area and boundary area, which can provide more abundant cloud structure information. The algorithm is verified using the volume scan data observed with new-generation S-band weather radars in Nanjing, Xuzhou, and Qingdao. The results show that cloud clusters can be intuitively identified as core and boundary points, which change in area continuously during the process of convective evolution, by the improved DBSCAN algorithm. Therefore, the occurrence and disappearance of convective weather can be estimated in advance by observing the changes of the classification. Because density thresholds are different and multiple elevations are utilized in the 3D model, the identified echo types and areas are dissimilar between the 2D and 3D models. The 3D model identifies larger convective and stratiform clouds than the 2D model. However, the developing convective clouds of small areas at lower heights cannot be identified with the 3D model because they are covered by thick stratiform clouds. In addition, the 3D model can avoid the influence of the melting layer and better suggest convective clouds in the developmental stage.