雷達定量估測降水量中雙偏振參量的算法

雷達定量估測降水量中雙偏振參量的算法趙暢;魏鳴;劉紅亞;陳雷【期刊名稱】《《科學技術(shù)與工程》》【年(卷)，期】2019(019)018【總頁數(shù)】7頁(P40-46)【關(guān)鍵詞】雙偏振雷達;偏振參量;定量測量降水量【作者】趙暢;魏鳴;劉紅亞;陳雷【作者單位】南京信息工程大學氣象災害預報預警與評估協(xié)同創(chuàng)新中心南京210044;上海中心氣象臺上海200030【正文語種】中文【中圖分類】P412多普勒天氣雷達是天氣監(jiān)測和預警的重要探測工具，而基于雷達資料的定量降水估測和預報一直以來是多普勒雷達的重要應用之一。常規(guī)的單偏振多普勒天氣雷達只能發(fā)射和接收水平方向的偏振波，相比之下，雙偏振雷達可以獲得更多關(guān)于雨滴譜分布和降水類型等方面的信息。歐美國家已經(jīng)進行了大量的雙偏振雷達研制和產(chǎn)品應用工作。中國也從上世紀末逐步開展了雙偏振雷達的建設、改造和研究工作。2014年5月底，上海WSR—88D多普勒天氣雷達完成雙偏振技術(shù)升級，成為中國首部業(yè)務化的S波段雙偏振多普勒天氣雷達。目前，雙偏振升級后的雷達產(chǎn)品已經(jīng)融入上海短時臨近預報預警業(yè)務中，可以為上海及周邊地區(qū)的災害性天氣監(jiān)測分析、預報預警業(yè)務以及中尺度數(shù)值天氣預報模式資料同化提供多樣化且更精準的信息。雙偏振多普勒雷達［1］通過發(fā)射垂直和水平方向的電磁波，可以分別獲取這兩個通道的回波信息。除了能得到常規(guī)多普勒雷達的參數(shù)反射率因子Z、徑向速度V、譜寬W之外，根據(jù)不同收發(fā)模式兩個通道返回的信息，還可得到差分反射率因子Zdr、退偏振因子Ldr、差分傳播相移edp，差分傳播相移率Kdp、相關(guān)系數(shù)phv等多個偏振參量。國內(nèi)外研究結(jié)果表明，雙偏振雷達在冰雹大粒子識別、降水粒子相態(tài)識別、定量估測降水量等方面具有優(yōu)勢。在降水估測方面，文獻［2］研究結(jié)果表明，雙偏振多普勒雷達的降水估測效果可比傳統(tǒng)多普勒天氣雷達的效果有較大提高；文獻［3］發(fā)現(xiàn)偏振算法估算降水的精度會隨著降雨強度的變化而變化；文獻［4,5］發(fā)現(xiàn)，在小雨的情況下，反射率因子Zh和差分反射率因子Zdr的組合關(guān)系式R(Zh,Zdr)與傳統(tǒng)的Z-R關(guān)系相比，定量估測降水量的精度提高不明顯，在降雨強度較大時，基于差傳播相移率Kdp的估測降水關(guān)系式R(Kdp)比R(Zh)和R(Zdr)更好；文獻［6］的研究則表明在中到大雨的降水中使用R(Kdp,Zdr)進行降水估測效果要優(yōu)于R(Zh)、R(Zh,Zdr)和R(Kdp);文獻［2,7］則在QPE(quantitativeprecipitationestimate)算法中綜合使用7Zh、Zdr、Kdp這三種雙偏振參量，并給出了基于降水類型識別的優(yōu)化降水估測算法。近年來中國學者也進行了相關(guān)研究，張羽等［8］利用廣州的雙偏振雷達進行了降水估測個例實驗，發(fā)現(xiàn)不同算法的差異較大，主要原因是弱降水時Zdr和Kdp的測量誤差較大；汪舵等［9］建立了一種基于相態(tài)識別的S波段雙線偏振雷達最優(yōu)化定量降水估測算法，與傳統(tǒng)的Z-R關(guān)系運算結(jié)果相比，對大雨和暴雨的估測偏差有顯著改善。為探索上海WSR—88D雙偏振雷達資料在定量降水估測中的改進作用，引入雙偏振參量Zh、Zdr、Kdp等，與自動站雨量觀測數(shù)據(jù)進行比較，并對降水量估測結(jié)果進行分析。1雙偏振參量的物理意義研究中用到的回波參數(shù)主要是Zh、Zdr及Kdp，定義如下［10］。1.1水平反射率因子Zh雙偏振多普勒雷達的水平反射率因子Zh與常規(guī)的單偏振多普勒雷達探測所得的反射率因子相同，反映的是雷達有效照射體積內(nèi)降水粒子的后向散射截面。在滿足瑞利散射條件的情況下，反射率因子被定義為單位體積中降水粒子直徑的6次方總和，用Zh表示，即(1)式(1)中：D為降水粒子直徑；N(D)為雨滴譜分布。Zh的大小與粒子的大小和數(shù)量有關(guān)。粒子越大，反射率因子的值就越大(因其與粒子直徑的六次方成正比)，這也是冰雹的Zh相較一般降水而言非常大的原因。1.2差分反射率因子ZdrZdr定義為水平偏振反射率因子(Zh)與垂直偏振反射率因子(Zv)之比，計算式如下:(2)Zdr的取值與降水粒子的數(shù)量無關(guān)，其大小直接與降水粒子的形狀有關(guān)。一般來說，小雨滴在下落的過程中接近球形，差分反射率因子值很小，接近于0；大雨滴在下落過程中則偏向于接近扁橢球形(垂直于地面方向為扁橢球形的短軸)，所以差分反射率值會較大。小冰雹由于其翻滾的作用在下落過程中Zdr趨于0dB，尺寸比較大的冰雹Zdr一般小于0dB。對于絕大多數(shù)的氣象回波來說，區(qū)間在-2~6dB。1.3差分傳播相移率Kdp電磁波在非球形降水粒子區(qū)中傳播時，水平偏振和垂直偏振的傳播常數(shù)不同造成的相位差定義為中dp，而差分傳播相移率Kdp是差分傳播相移中dp隨距離的變化程度。⑶根據(jù)以上定義，Kdp受電磁波衰減的影響很小，也不受波束阻擋、地物雜波的影響。在距離差不變的情況下，從小雨滴到大雨滴，粒子的形狀會逐漸從球形轉(zhuǎn)變?yōu)楸鈾E球型，Kdp也會相應增大，所以差分傳播相移率Kdp可以反映液態(tài)含水量的多少，Kdp越大表明降水粒子的含水量越豐富。對于大雨及以下量級的液態(tài)降水，Kdp小于1°/km；暴雨的Kdp最大，平均值有1.441°/km；而冰雹的平均Kdp為0.738，比暴雨小，但比大雨及以下量級降水要大。可見，Kdp不受冰雹影響且對雨滴譜變化不敏感，所以用Kdp來估測降水量預期可以取得比常規(guī)的Z-R關(guān)系更佳的效果。2資料及方法2.1資料選取和處理定量測量降水試驗中選取的是上海地區(qū)自動站雨量資料。截至2009年，上海已建成并有效使用的多要素自動氣象站點155個，其中有人自動站11個，無人自動站144個。在雙偏振雷達資料方面，選取上海南匯雷達低仰角(0.5°)的雙偏振參量資料進行降水量估測實驗，雷達資料空間分辨率為1kmx1km,時間分辨率為6min。由于低仰角資料中普遍存在地物回波、超折射回波等非氣象回波，對常規(guī)的Z-R關(guān)系定量測量降水量的結(jié)果會造成較大干擾，為了方便分析比較，雷達資料已經(jīng)進行了相應的質(zhì)量控制。2.2研究方法使用常規(guī)的Z-R關(guān)系估測降水時，為了避免冰雹的Z呈非線性增大的影響，Z的最大值往往被設定在55dBZ。研究表明［11］,Z-R算法是時空的函數(shù)，隨著降水類型的不同，降水量估測具有明顯的不確定性。在雙偏振雷達通過水平和垂直兩個通道獲取的偏振參量中，可以選取Zh、Zdr、Kdp不同的組合進行降水估測，所以雷達定量降水估測方法可大致分為以下4類，即R(Zh)、R(Zh、Zdr)、R(Kdp)和R(Kdp,Zdr)，關(guān)系式如下［12］：(4)(5)(6)⑺3雙偏振雷達Z-R關(guān)系試驗3.1單站小時累計降水對比檢驗個例選擇的是2016年8月4日12:00-15:00(北京時)上海短時強降水過程。最大累計雨量值出現(xiàn)站點接近閔行測站(圖1中箭頭所示位置)。圖12016年8月4日14:00(北京時)南匯雷達PPI反射率因子，0.5°仰角Fig.1PPIreflectivityfactorofNanhuiradaron0.5°elevationangle,14：00(BJT)ofAugust4,2016對三種偏振估計算法R(Kdp)、R(Kdp,Zdr)、R(Zh,Zdr)得到的降水量與雨量計累計雨量數(shù)據(jù)進行了比較，如圖2所示，反映了在12:00-15:00內(nèi)的累積降水與時間的對應關(guān)系。從圖2可以看出，R(Kdp,Zdr)、R(Zh,Zdr)這兩種算法得到的估計值與R(Kdp)的結(jié)果基本一致，此本次降水中閔行站本身的反射率因子Zh和差分傳播相移率Kdp一直較大有關(guān)。從降水的不同階段來看，降水開始的初期(0~1000s),三種算法的估測雨量較為接近，可能與降水初期的偏穩(wěn)定性降水形態(tài)有關(guān)；降水發(fā)展階段(2000-4000s),三種算法的估算值均比實況偏小，整個降水過程中與實際測量值偏差最大，此時，回波主體正在由遠及近(相對于雷達和測站)從西北方向移入，這個階段地面的降水已經(jīng)產(chǎn)生，而測站距離雷達中心約55km,根據(jù)雷達的測高公式在此距離上雷達探測的高度為1-2km;當測站附近的降水處于初始發(fā)展的階段時此時測站上空的對流單體在垂直尺度上還未發(fā)展到足夠的高度被雷達脈沖探測到，即雷達探測到的降水粒子與地面測得的降水存在時空上的不一致，導致了這一階段三種算法與實測值均存在較大的偏差。到了降水的成熟(4000-10000s)階段，由于對流單體發(fā)展成熟，地面測得的持續(xù)降水與回波的維持在時間空間上都逐漸趨于一致，三種降水量估測方法與雨量計雨量累積值的偏差明顯較前一階段有所減少。但從總體趨勢看，與雨量計數(shù)據(jù)相比，三種算法估計雨量均偏少。這說明在常規(guī)Z-R關(guān)系在對流性降水中的低估問題，在單獨引入R(Kdp)、R(Kdp,Zdr)、R(Zh,Zdr)三種中的任意一種雙偏振參量降水量估測方法之后，依然存在一定的低估。圖22016年8月4日12:00-15:00閔行站的累計雨量值變化Fig.2CumulativerainfallatMinhangstation,12:00-15:00(BJT)August4,20163.2多種Z-R關(guān)系綜合算法估計降水個例實驗由于粒子的相態(tài)以及形狀大小會直接影響到降水估測結(jié)果的準確性，針對傳統(tǒng)Z-R關(guān)系中存在的對流性降水低估問題，3.1節(jié)的個例實驗也表明單獨引入R(Kdp)、R(Kdp,Zdr)、R(Zh,Zdr)三種中的任意一種，雙偏振參量降水量均存在低估問題。為了進一步改進以上估測方法中的雨量低估問題，結(jié)合雙偏振雷達各參量的特性，提出了使用多種算法的綜合估測雨量方法，具體的算法流程圖詳如圖3所示。圖3根據(jù)降水粒子性質(zhì)采用多種Z-R關(guān)系綜合算法估計降水示意圖Fig.3AflowchartofprecipitationestimationprocessbasedonmultipleZ-Rrelationsynthesisalgorithmsaccordingtoprecipitationparticleproperties當降水較弱(Zh<35dBZ)時，Kdp容易受噪聲的影響，取值可信度不高，不適合用于降雨估測。因此在算法中，當Kdp<0.2°/km時，包含Kdp的估測算法R(Kdp)、R(Kdp,Zdr)被排除。下一步對Zdr進行判斷，根據(jù)Zdr的定義式［式(2)］，大雨滴為較大的扁橢球體，其Zdr一般大于1.5dBZ；小雨滴則為小的球形水滴或小冰粒，其Zdr一般小于0.7dBZ，算法中用Zdr是否小于0.5dBZ為進一步選擇算法的判據(jù)，當Zdr<0.5dBZ時，采用WSR—88D雷達所使用的Z-R關(guān)系，即(8)進行計算，反之則使用包含雨滴形狀和大小信息的R(Zh,Zdr)關(guān)系進行估算；當降雨較強(Zh235dBZ)時，雨滴下落時發(fā)生形變，成為扁平狀，R(Zh)法估測降雨的誤差也相應變大，容易出現(xiàn)明顯的低估，此時，Kdp較大，可信度較高，用包含Kdp的估測算法R(Kdp)、R(Kdp,Zdr)反演降雨的準確度高。在下一步同樣使用Zdr進行判定，Zdr<0.5dBZ時使用R(Kdp)算法，反之則使用R(Kdp,Zdr)算法。降水估測實驗個例選擇了2017年6月26日下午上海的一次對流性降水過程(圖4)。這是一次梅雨鋒背景下的對流性降水過程，主要的降水區(qū)位于上海北部，整個對流過程以多對流單體降水為主，回波以約10km/h的速度緩慢向東偏北方向移動。16:00回波處于對流發(fā)展階段，至17:00發(fā)展成熟，并在上海北部的嘉定、寶山一帶形成一小時雨量20~30mm的短時強降水。對比回波發(fā)展階段(15:00~16:00)和成熟階段(16:00~17:00)的自動站降水實況和雷達估測降水的結(jié)果，估測降水區(qū)域與實際觀測結(jié)果基本對應，強降水中心在對流發(fā)展階段和對流成熟階段皆有響應。但是，在對流發(fā)展階段，對于反射率因子圖上的強回波中心(16時雷達反射率因子高達45~50dBZ的區(qū)域)的降水量估測值達到了6.4~12.7mm的范圍[圖5(b)],實際地面1h降水中降水量最大的站點雨量計測得值僅有5.5mm,降水被明顯高估，這與發(fā)展階段的降水粒子形狀大小變化較快有關(guān)，圓形的小雨粒子逐漸轉(zhuǎn)變?yōu)楸鈾E球體的大雨滴粒子，并且雨滴的數(shù)濃度有一個階梯上升的過程，雷達探測所得的各偏振參量與實際觀測還是存在時空不一致問題；在對流成熟階段，對于強回波中心(17:00反射率因子達到55~60dBZ的區(qū)域)算法估測值對應在12.7~19.1mm的范圍，自動站觀測到的1h最大雨量值為17.3mm,說明在這個階段算法估測降水量與實際觀測結(jié)果較接近。由于這個階段的對流單體發(fā)展至成熟階段，降水粒子較大且分布均勻趨于整個對流過程中相對的〃平穩(wěn)”階段，所以取得了較好的降水量估測效果。4小結(jié)針對雙偏振雷達參量估測降水進行了單站和面上的多Z-R關(guān)系降水估測試驗，可以得到以下結(jié)論。在單站試驗中，R(Kdp,Zdr)、R(Zh,Zdr)這兩種算法得到的估計值與R(Kdp)的結(jié)果基本一致，可能與此次降水中閔行站本身的反射率因子Z和差分傳播相移率Kdp—直較大有關(guān)，但從總體走向趨勢上來看，與雨量計數(shù)據(jù)相比，這三種算法仍存在降水低估的情況。提出了多種Z-R關(guān)系綜合算法，在對流個例試驗中，算法估測的明顯降水區(qū)域與實際觀測結(jié)果基本對應，強降水中心在對流發(fā)展階段和對流成熟階段在雷達估測降水量結(jié)果中皆有所反映。但是在對流發(fā)展階段，對于強降水中心降水存在高估；在對流成熟階段，對于強降水中心的降水估計實際觀測的結(jié)果較為接近。說明在35dBZ以上的強回波區(qū)域，算法還有待改進?？稍诮窈蟮难芯恐幸敫鼮榫唧w的降水粒子和降水階段分類方法來替代簡單的概念模型，并且繼續(xù)累積個例，使用大量的本地化數(shù)據(jù)，對降水類型進一步進行細化，改進原有的三種算法的算式，以期得到更準確的降水量估測效果。圖42017年6月26日南匯雷達回波0.5°仰角反射率因子圖像Fig.4ReflectivityfactorechoofNanhuiradar,0.5°elevationreflectivityfactorimageonJune26,2017圖51h累計降水實況和雷達估測降水Fig.5OnehouraccumulatedprecipitationandonehourQPE參考文獻【相關(guān)文獻】1張培昌，魏鳴，黃興友，等.雙線偏振多普勒天氣雷達探測原理與應用[M].北京:氣象出版社，2018ZhangPeichang,WeiMing,HuangXingyou,etal.DetectionprincipleandapplicationofdualpolarizationDopplerweatherradar[M].Beijing:ChinaMeteorologicalPress,2018CifelliR,ChandrasekarV,LimS,etal.Anewdual-polarizationradarrainfallalgorithm:applicationinColoradoprecipitationevents[J].JournalofAtmosphericandOceanicTechnology,2011,28(3):352-364RobertC,WalterAP,LawrenceDC,etal.Radarobservationsofthekinematic,microphysical,andprecipitationcharacteristicsoftwoMCSsinTRMMLBA.[J].JournalofGeophysicalResearch:Atmospheres,2002,107(D20):44-1-44-16ChandrasekarV,CooperWA,BringiVN.Axisratiosandoscillationsofraindrops[J].JournaloftheAtmosphericSciences,1988,45(8):1323-1333ChandrasekarV,GorgucciE,ScarchilliG.Optimizationofmultiparameterradarestimatesofrainfall[J].JournalofAppliedMeteorology,1993,32⑺:1288-1293RyzhkovA,ZrnicDS.Precipitationandattenuationmeasurementsata10cmwavelength[J].JournalofAppliedMeteorology,2010,34(10):2120-2134GiangradeSE,RyzhkovAV.Estimationofrainfallbasedontheresultsofpolarimetricechoclassification[J].JournalofAppliedMeteorology&Climatology,2007,47(9):2445-24628張羽，田聰聰,羅聰.廣州雙偏振天氣雷達在定量降水估測中的初步分析[J].廣東氣象，2017(3):73-76ZhangYu,TianCongcong,LuoCong.PreliminaryanalysisofGuangzhoudualpolarizedweatherradarinquantitativeprecipitationestimation[J].GuangdongMeteorology,2017(3):73-769汪舵,劉黎平，吳翀.基于相態(tài)識別的S波段雙線偏振雷達最優(yōu)化定量降水估測方法研究[J].氣象,2017,4