基于多源资料的积层混合云降水微物理特征

基于地基云雷达、微雨雷达和天气雷达等遥测设备观测资料,结合挂载KPR云雷达和DMT粒子测量系统的飞机平台,详细分析了山东积层混合云降水过程的云降水微物理结构特征。结果表明,积层混合云降水过程呈现层状云和对流云降水特征。零度层以上,5～6 km高度层内,对流云降水多普勒速度和谱宽均大于层状云,说明对流云降水环境垂直气流、粒子尺度等均大于层状云。对流云降水,云雷达和微雨雷达时空剖面上出现由衰减造成的“V”字形缺口,云雷达衰减程度大于微雨雷达,且随高度增加,衰减越大。层状云降水,零度层亮带附近,雷达反射率因子跃增高度比多普勒速度高80 m,多普勒速度跃增高度又比谱宽高20 m。降水云系零度层附近降水机制复杂,粒子形态有辐枝冰晶聚合物、针状冰晶聚合物和云滴;0°C层以上,5～6 km处,对流云降水的多普勒速度和谱宽均大于层状云降水,即对流云降水环境垂直气流、粒子尺度范围等均大于层状云降水。     

C-FMCW雷达对江淮降水云零度层亮带探测研究

不同于体扫雷达探测降水系统,垂直指向雷达可探测降水云中粒子垂直演变的微物理过程。C波段调频连续波垂直指向雷达 (C-FMCW) 采用收发分置天线,数据垂直分辨率达15~30 m,时间分辨率达2~3 s,利用其2013年6—8月在安徽定远探测数据对降水云垂直结构特征及亮带中融化微物理过程进行研究。6次降水过程共计46 h中的39.1%数据具有清晰的亮带结构特征,期间降水占地面总降水量的15%;江淮雨季层状云、对流云和混合性降水系统中均出现零度层亮带,层状云中亮带长时间维持,对流降水系统移出后减弱阶段的亮带结构稳定,混合降水系统中的对流扰动加强冲破了亮带结构。以融化层中最大回波强度Z_p所在高度进行融化层的粒子碰并增长和破碎减弱分层分析,上半层融化过程主要表现为碰并增长,下半层则是粒子破碎减弱。剔除了介电常数、下降速度引起的粒子浓度改变影响后,层状云和对流降水后期的回波强度加强表明融化增长程度接近,后者略强,混合降水云的融化增长最强。     

基于雷达回波强度面积谱识别降水云类型

基于谱分析原理提出了雷达回波强度面积谱的概念及算法,利用宁夏银川多普勒天气雷达回波资料,分析了不同性质降水云的雷达回波强度面积谱,并根据不同性质降水云雷达回波强度面积谱特征,提出了基于雷达回波强度面积谱识别降水云类型的方法,利用强回波面积（回波强度不小于40 dBZ的回波面积）占总回波面积百分比和基本降水回波面积（回波强度不小于20 dBZ的回波面积）占总回波面积百分比作为降水云类型判别的主要因子,提炼出基于雷达回波强度面积谱特征参数的层状云、积层混合云、对流云等不同类型降水云的判别指标,建立了基于雷达回波的降水云类型自动判识模型。利用该模型对2016-2017年6次强降水过程进行了降水云类型判别试验,模型准确判别出6次强降水过程中2次为对流云降水、4次为混合云降水,判别结果较好地反映了降水云类型,验证了判识方法的可行性。     

北京“7.21”特大暴雨云降水结构及云雨转化特征

利用多普勒雷达资料、FY-2E静止卫星和MODIS极轨卫星反演产品,研究2012年7月21日北京特大暴雨的云降水结构及云雨转化特征。结果表明:降水过程三阶段的云降水垂直结构不同。1)在暖区对流降水阶段,降水以暖雨机制启动,雨滴在暖区存在深厚的碰并增长过程,暖雨过程对降水起主要贡献。随着云体的发展,冷雨过程加剧。T-Re分析表明,-10℃层以下云滴凝结碰并显著,-10℃层以上为深厚的冰相增长带,云顶以冰相大粒子为主,云水向雨水转化迅速。2)在锋面对流降水阶段,降水系统为高度组织化的"低质心"强降水液态MCC(Mesoscale Convective Complex)系统。回波强度在冰水混合层增长较快,冻结层是此阶段成雨微物理的关键层。降水粒子在暖云区碰并增长较快,而蒸发或破碎过程并不显著。3)在锋后降水阶段,0℃层附近冰晶粒子与云水的碰并增长较为明显。前期降水存在明显的雨滴蒸发过程。随着云体的发展,暖区云水含量较少,降水粒子不能有效碰并增长。     

辽宁一次暴雨天气过程的多普勒雷达层状云降水回波特征分析

利用500 hPa、850 hPa等常规天气图资料和多普勒组合反射率、回波顶高、垂直累积液态含水量、径向速度、风廓线等天气雷达回波资料,对2011年7月29-31日辽宁省一次暴雨天气过程的多普勒雷达层状云降水回波特征进行分析,并分析了此次暴雨天气过程的多种雷达产品特征,探讨多种雷达产品对客观反映暴雨天气特征的可参考性,结果表明:此次暴雨降水地点主要发生在暖区、850 hPa切变附近,降水强度大、持续时间长;从雷达组合反射率图分析,地面大洼-辽中-法库-线有一个自西南向东北移动的降雨带存在,降雨带移动过程中,逐渐生成对流性云团产生暴雨,凤城-宽甸-线的降雨中心是由东南部发展的对流云团产生的;回波顶高近似均匀分布,空中液态含水量较小则表明这次过程的层状云降水特征明显;径向速度图表明7月30日20时降水产生时,径向速度出现相对大值区,其内有水汽辐合、质量辐合或较强的上升运动,强回波区域有弱的辐合气流;风廓线图可以看出在主要降雨时段,低层急流特征明显,最大风速可达27.3 m/s。     

利用新一代多普勒雷达产品判别重庆市人工增雨作业指标

本文用统计学的方法,主要利用重庆市S波段新一代多普勒雷达产品按照层状云、对流云、积层混合云三类降水型将2009年8月-2010年8月的有效降水过程进行分类,并分析不同降水类型的雷达回波特征参数,初步得出重庆地区人工增雨雷达回波指标.结论显示,重庆地区人工增雨作业指标为:层状云回波强度≥23 dBz、回波顶高≥5 km、VIL特征值≥3 kg/m2;积层混合云在春秋两季回波强度≥30 dBz、回波顶高≥6 km、VIL特征值≥8 kg/m2,夏季回波强度≥35 dBz、回波顶高≥8 km、VIL特征值≥13 kg/m2;对流云春秋两季回波强度≥40 dBz、回波顶高≥8 km、VIL特征值≥13 kg/m2,夏季回波强度≥43 dBz、回波顶高≥11 km、VIL特征值≥23kg/m2.     

使用雷达回波三维信息自动识别降水类型的方法

提出了一种使用雷达回波三维信息（反射率因子的水平梯度、垂直递减率、垂直廓线变化特征以及回波顶高等）自动识别降水类型的方法,该方法可将雷达回波划分为热带降水类型、大陆强对流云降水类型和层状云降水类型。基于广州雷达于2008年5—8月观测到的7次强降水过程,在使用本方法识别降水类型的基础上,对不同降水类型使用不同的Z-R关系来测量降水量,即对热带降水类型使用Z=230R^1.25,对大陆强对流云降水使用Z=300R^1.4。以及对层状云降水使用Z=230R^1.6,并以雨量计观测的降水量为真值,与仅区分对流云降水和层状云降水类型并使用双Z-R关系测量降水量的方法进行了比较。结果表明,本方法可以有效地自动识别降水类型的分布区域,并且可以提高雷达定量测量降水的精度。     

基于雷达资料的一次高原涡天气云降水宏微观特征研究

利用常规天气资料,并结合第三次青藏高原大气科学试验(TIPEX-Ⅲ)的毫米波云雷达资料和激光雨滴谱仪雨滴谱资料,对影响那曲地区的一次高原涡天气进行了综合分析,包括天气背景和云-降水水平、垂直结构和演变特征。结果表明:此次高原涡天气形成了涡旋状的云系,从垂直结构看本次过程由对流云演变为积层混合云。对流云阶段,回波多呈小面积的零星稀疏分布,持续时间较短,与此同时还伴有强烈的上升运动,云中正速度区多呈条状或细带状,云顶较高,呈"蘑菇状",此时对应降水强度小,雨滴粒子浓度较低。混合云阶段,回波多呈整齐的片状,回波持续时间较长,云中的正速度区常呈柱状或方块状,近地面1km位置处亮带明显,是由于粒子相态变化造成的,亮带以下降水粒子碰撞破碎,反射率因子明显降低,对应雨滴粒子直径多处于1～3mm,且浓度较大。高原涡过程中不同阶段云所对应的雷达回波结构和降水特征存在明显的差别,本研究可为高原天气预报和物理过程等研究提供一定参考。     

层状云和对流云的雷达识别及在估测雨量中的应用

参考“峰值法”建立了利用新一代多普勒天气雷达回波强度识别混合型降水过程中层状云和对流云的方法,分析了反射率阈值和影响半径的变化对识别效果的影响,检验了识别效果,并分析该方法在雷达估测降水中的应用。表明本文所建立的暴雨中层状云和对流云识别方法基本合理,配合云的垂直结构分析大部分地区识别的效果较好,同时通过该识别方法对合肥2002年6月19日一次强降水天气过程的估测降水的应用,表明只按层状云的Z-I关系估测的雨强,相对于识别对流云和层状云后分别按各自的Z-I关系估测的单点雨强,其最大差别约达37%,相应的面雨量也有一定的差别;对流云的多少对发展的中尺度对流系统的雨强有很大影响,这次混合型降水过程以对流云降水为主。对流云和层状云是形成暴雨的重要因素,准确地识别两者,对估测降水的精度会有积极作用。     

基于星载云雷达资料的东亚大陆云垂直结构特征分析

利用近5年(2006年6月—2011年4月)的Cloudsat卫星资料分析了东亚大陆云垂直结构特征。结果表明:(1)降水(文中可降水是根据观测到的可降水粒子信息计算到达地面的降水,并不是指地面观测到的实际降水)云和非降水云的雷达反射率(回波)垂直分布存在一定差异,除降水云反射率通常接地外,降水云主要集中在8 km以下,反射率通常为-20—15dBz,非降水云主要集中在4—12 km,反射率为-28—0 dBz;降水云雷达反射率频数大值中心在2 4 km,对应的雷达反射率为0—10 dBz,而非降水云出现在8—10 km,且对应的雷达反射率为-26—-24 dBz;(2)从雷达反射率廓线来看,降水云中雷达反射率随高度的变化先增强后减弱,而非降水云几乎不变;(3)液态降水云、固态降水云和毛毛雨降水云反射率的垂直分布明显不同;(4)液态降水云自11至7 km雷达反射率迅速增强,表明此高度是粒子快速增长的优势空间;(5)固态降水云中-15℃温度频数分布与雷达反射率频数大值中心有很好的对应关系,表明在-15℃附近的条件下冰相粒子凝华-碰冻是粒子增长的优势过程;(6)云的垂直结构随着季节变更而变化,降水云春季、夏季和秋季的雷达反射率垂直分布变化不明显,而冬季主要在低层;固态降水云的垂直分布频数大值中心从春季至冬季呈"双-单"中心交替变化,且与云中-15℃频数分布变化一致;非降水云雷达反射率垂直分布没有明显的季节变化;(7)深对流云和雨层云是形成降水粒子的主要云型。     

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。     

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.     

河北春季一次飞机人工增雪的综合分析

2013年4月19日,河北省人工影响天气办公室在河北中南部地区根据云系特点首次采用多层次水平催化和垂直验证的方式对层状云进行人工催化和探测。本文利用机载仪器所取得的飞机探测资料,结合实时天气、卫星、雷达、探空和雨量观测资料,分析了河北春季层状云增雪作业的技术指标,探讨了航测微物理参量和卫星、雷达、探空等资料在作业中的应用。结果表明：云在发展期雷达回波由15 dBZ逐步上升到25-35 dBZ,卫星反演的云顶高度、云顶温度、有效粒子半径、光学厚度等都有增加;云在中后期有效粒子半径、光学厚度、液水路径迅速下降,雷达回波同时减弱。在高度3 177-5 723 m之间过冷云滴达100-700个/cm^3,含水量在0.01 g·m^-3左右,最大0.081 g·m^-3,云粒子主要在此增长,形成降水粒子,该区间适宜催化。作业后,影响区内云体发展,雷达回波增强,出现35 dBZ强回波,且强回波中心扩大;卫星反演的云顶高度、光学厚度等比对比区有明显增加。     

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.     

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。     

湖南秋季积层混合云系飞机人工增雨作业方法

统计分析2007—2016年秋季湖南省长沙市地面气象观测资料、湖南省飞机人工增雨作业资料, 得到湖南省秋季积层混合云系的降水分布情况、一般结构特征和相应的飞机增雨作业方法。使用多普勒天气雷达、GRAPES_CAMS数值模式和中小尺度气象站网等资料对典型作业天气过程进行云降水物理和数值模拟分析, 采用成对对流云和基于TREC算法的回波跟踪等方法进行作业效果评估。归纳得到湖南省秋季积层混合云系人工增雨作业条件判别的12个宏微观指标, 探讨在使用运7飞机、碘化银烟条作业装备条件下, 开展飞机增雨作业的最佳催化时机、部位和剂量。针对积层混合云系中的降水性层状云系、积云对流泡, 飞机增雨适宜作业的区域、播撒高度和催化剂量:在过冷高层云的-15~-5℃层, 播撒达到30 L-1的人工冰晶浓度; 在过冷积云的-15~-7℃层, 静力催化使冰晶浓度达到30 L-1或动力催化达到100 L-1。这些方法在实践中取得了较好的人工增雨作业效果。     

黄山雨滴下落过程滴谱变化特征

利用2011—2012年4—10月安徽省黄山山顶和山底两个站点同时采集的雨滴谱数据,共选取17个降水个例,将17个降水个例分为对流云降水和层云降水,对不同高度和不同云系降水雨滴谱特征分析得出以下结论:对于不同云系的降水,山顶平均雨滴数浓度大于山底,平均峰值直径和平均质量半数直径在下落过程中均增加,平均雨强和平均雷达反射率因子变化幅度较小。不同云系的雨滴在下落过程中,雨滴谱谱宽变化较小,但雨滴谱均从M-P (Marshall-Palmer) 分布转向了Gamma分布。降水粒子在下落过程中,大部分通道的数浓度均出现损失,最大损失超过50%,随着粒子尺度增加损失逐渐减少,大粒子数浓度在降落时有所增加,增加幅度为10%左右,降水粒子的碰并和蒸发过程很可能是造成降水粒子下落过程中滴谱变化的两个主要原因。     

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。     

Vertical Structures of Convective and Stratiform Clouds in Boreal Summer over the Tibetan Plateau and Its Neighboring Regions

Cloud is essential in the atmosphere, condensing water vapor and generating strong convective or large-scale persistent precipitation. In this work, the relationships between cloud vertical macro- or microphysical properties, radiative heating rate, and precipitation for convective and stratiform clouds in boreal summer over the Tibetan Plateau (TP) are analyzed and compared with its neighboring land and tropical oceans based on CloudSat/CALIPSO satellite measurements and TRMM precipitation data. The precipitation intensity caused by convective clouds is twofold stronger than that by stratiform clouds. The vertical macrophysics of both cloud types show similar features over the TP, with the region weakening the precipitation intensity and compressing the cloud vertical expansion and variation in cloud top height, but having an uplift effect on the average cloud top height. The vertical microphysics of both cloud types under conditions of no rain over the TP are characterized by lower-level ice water, ice particles with a relatively larger range of sizes, and a relatively lower occurrence of denser ice particles. The features are similar to other regions when precipitation enhances, but convective clouds gather denser and larger ice particles than stratiform clouds over the TP. The atmospheric shortwave (longwave) heating (cooling) rate strengthens with increased precipitation for both cloud types. The longwave cooling layer is thicker when the rainfall rate is less than 100 mm d^?1, but the net heating layer is typically compressed for the profiles of both cloud types over the TP. This study provides insights into the associations between clouds and precipitation, and an observational basis for improving the simulation of convective and stratiform clouds over the TP in climate models.