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.     

测风激光雷达与风廓线雷达的探测性能评估及数据融合

测风激光雷达和风廓线雷达作为L波段探空测风的有效补充,均可以提供高时空分辨率的大气风场信息,然而由于工作原理和适用条件存在明显差异,在探测性能上各有优缺点,单一设备的探测数据已不能满足精细化预报的要求。本研究使用2020年1—5月北京南郊观象台的L波段探空资料对同址观测的测风激光雷达和风廓线雷达进行了数据质量评估,结果表明测风激光雷达与探空的一致性较高,U、V分量的相关系数分别为0.97和0.98,均方根误差分别为1.1和0.95 m·s-1,然而在2 km以上数据获取率较低且偏差较大;风廓线雷达与探空相比,U、V分量的相关系数分别为0.94和0.93,均方根误差分别为2.94和2.91 m·s-1,风廓线雷达的探测距离虽然更远,但在0.5 km以下和6 km以上的测量偏差较大。考虑到两种测风雷达在不同探测高度上的性能优缺点,提出分段曲面拟合法对两者的水平风资料进行融合处理,并选取个例对融合效果进行验证,结果表明,融合后的风廓线与融合前相比,风向和风速的一致性均得到明显提升。     

华北地区小时极端降水的非稳态研究

本文以华北五省为研究区，基于1960—2014年小时降水数据建立1、2、3、6、12和24 h极端降水序列，对比分析稳态和非稳态假设下极端降水重现期估计的差异。研究表明：1960―2014年华北不同时间极端降水的变化趋势略有不同，时间越短呈上升趋势的站点越多，1~3 h的极端降水呈上升趋势的站点较多，稳态和非稳态假设下的20~100 a一遇重现期平均差异较大，其中，1 h极端降水的显著上升站点中，二者的平均相对误差达30%~43%；而6~24 h极端降水中，呈下降趋势的站点增多，其中，24 h极端降水显著下降站点中，二者的平均相对误差达-43%~-32%；无显著趋势站点，二者的平均相对误差大部分介于-10%~10%。随着重现期增大，二者差异的不确定性区间增大，不同变化趋势站点表现一致。研究发现，华北地区短历时极端降水强度增加，稳态假设下极端降水的重现期会严重低估。因此，选用非稳态假设估计极端降水的重现期，将降低极端降水的灾害风险。