论文部分内容阅读
深入分析北京地区不同降水云系的雨滴直径、数浓度、降雨强度等降水微物理参量的演变特征，对了解降水发生发展过程和降水机制、提高降雨预警预报能力均具有重要的参考意义。本文利用多种降水探测设备:X波段双偏振雷达，K波段垂直指向微雨雷达(MRR)、雨滴谱仪（二维视频雨滴谱仪2DVD、激光雨滴谱仪Parsivel）、雨量计等获取的高精度探测资料，围绕主线“地面降雨统计特征→典型强对流降水个例的地面以及垂直降雨特征→雨滴谱垂直变化对雷达反演降雨参数的影响→雷达定量降雨估计能力提升”，从观测数据质量控制、降水微物理参数反演准确性、降雨统计特征等多个方面对北京地区云降水微物理特征开展地面观测和雷达反演研究，得到如下主要研究结果:
(1)本文对MRR观测的功率谱数据进行了再处理，并使用2DVD观测数据订正由于垂直气流引起的MRR对近地层降雨参数的反演误差。对比分析MRR再处理数据（简称“REP”数据）与MRR常规处理程序得到的“AVG”数据反演的层状云和对流云降雨参数，结果表明:1）“REP”数据受MRR高度分辨率的影响更小，得到的地面附近的反射率因子Z、降雨强度R和液态含水量W和2DVD之间的偏差更小。2）两种数据对层状云降雨参数的反演准确度更高，但“REP”数据明显缩小了MRR反演层状云和对流云降雨参数的准确度之间的差异。3）两种数据都能较好的反演出质量加权平均直径Dm，与2DVD之间的偏差(Bias)为-0.02mm。“REP”数据比“AVG”数据能反演出与2DVD更接近的雨滴谱截距参数Nw。“REP”数据得到Dm和Nw与2DVD观测结果表现出更小的标准化误差(NE)和均方根误差(RMSE)。4)利用MRR“REP”和“AVG”数据反演的DSD散射模拟出X波段双偏振雷达扫描体积内的水平反射率因子(ZH)和差分反射率(ZDR)，对比发现，经过重新质控后得到的“REP”数据可以获得更准确的DSD和降雨参数。由“REP”(“AVG”)DSD得到的ZH与双偏振雷达观测之间的偏差为-1.14dB(-3.59dB)，NE为0.20(0.24)，RMSE为5.75dB(6.88dB)，相关系数都为0.89。“REP”(“AVG”)数据得到的ZDR和X波段双偏振雷达的ZDR之间的相关系数为0.36(0.60)，偏差为0.05dB(0.20dB)，NE为0.64(0.88),RMSE为0.92dB(0.68dB)。
(2)利用雨滴谱仪观测数据，研究了2016-2018年北京地区层状云降水和对流云降水的微物理特征，结果显示:1）三年月累积降雨量呈单峰分布，峰值出现在7月。2）降雨强度(R)、平均直径(Dm)和雨滴总数浓度(Nt)在冬季降水中的均值最小，春季和秋季Dm均值约为1.0mm，春季的Nt最高(442.2m-3)，夏季Dm最大(1.2mm)，Nt(392.4m-3)比秋季(297.1m-3)高。3）在全年降雨中，雨强为0.5～2.5mm h-1的降水频率最高，除夏季外，对应的累积降水对季节降雨量贡献最高(40％～80％)。夏季累积降雨量的60％以上来自雨强大于10mmh-1的降水，且Dm为1～2mm的降水出现频率最高，对季节降雨量贡献最大(52％)。冬春秋三季中Dm＜1mm的降水出现频率最高，而Dm为1～2mm的降水对季节降雨量贡献最大(54～68％)。所有季节中，Nt为10～1000m-3的降水出现频率最高，对季节降雨量贡献最大(56％～96％)。4)春夏季对流云降水DSD没有明显的“大陆型”和“海洋型”对流云降雨特征，秋季对流云降雨DSD更倾向于“大陆型”对流云降雨。5）四个季节的Z-R关系随不同的滴谱特征而变，Dm＜1.0mm和DSD的截距参数Nw＞104.5mm-1m-3的情况几乎只出现在R＜10mm h-1的降水中。
(3)研究了北京地区两次典型强降水过程(2016年“7.20”暴雨和2018年“7.24”暴雨)的降雨微物理特征，发现，“7.20”过程比“7.24”过程的雨滴更接近球形。在两个降水过程的层状云降雨阶段，DSD均呈单峰分布，直径峰值在0.4～0.6mm之间，反射率因子Z、降雨强度R、液态含水量W以及粒子下落末速度V的垂直分布上下层比较一致;在对流云降雨阶段，均观测到DSD呈明显的双峰分布，且直径D＜0.5mm的雨滴数密度超过104mm-1m-3。两个降雨过程在融化层以下均存在明显的雨滴碰并、蒸发和破碎等微物理过程，其中，“7.24”过程的破碎作用比“7.20”过程更明显，地面小雨滴数浓度更高。
(4)利用矩估计法(MM)和最大似然估计法(ML)估计gamma DSD参数，差异较大。与实测DSD计算的降雨参数（R、W、Z、Dm和Nw）相比，ML法总体上比MM法有更好的相关系数、更小的相对误差和绝对误差，而MM法的中间阶矩组合比低阶和高阶矩组合的误差更小，但两种方法均不能很好地描述更高雨强(R＞50mm h-1)时出现的双峰DSD结构。
(5)对比分析了三种X波段双偏振雷达降雨估计算法——基于本地化的R(Zh)关系、基于水凝物识别(HID)的HIDRO_X算法以及利用MRR得到的空中Z-R关系构造的一种新的综合降雨估计算法HIDRO_X2.0——对2018年“7.24”暴雨过程降雨量的估测准确度。结果表明，HIDRO_X2.0算法对整个降雨过程的总降雨量估计结果最好，相比于而传统的R(Zh)关系，相关系数从0.89提高至0.94，误差降低了12.5％，RMSE降低了23.8％，NE降低了7.1％。传统的R(Zh)关系对强降水区域存在严重低估，对弱降水区域存在一定的高估，而利用HIDRO_X算法能使强降雨区的低估得到明显改善，减少对弱降水区域的高估。
(1)本文对MRR观测的功率谱数据进行了再处理，并使用2DVD观测数据订正由于垂直气流引起的MRR对近地层降雨参数的反演误差。对比分析MRR再处理数据（简称“REP”数据）与MRR常规处理程序得到的“AVG”数据反演的层状云和对流云降雨参数，结果表明:1）“REP”数据受MRR高度分辨率的影响更小，得到的地面附近的反射率因子Z、降雨强度R和液态含水量W和2DVD之间的偏差更小。2）两种数据对层状云降雨参数的反演准确度更高，但“REP”数据明显缩小了MRR反演层状云和对流云降雨参数的准确度之间的差异。3）两种数据都能较好的反演出质量加权平均直径Dm，与2DVD之间的偏差(Bias)为-0.02mm。“REP”数据比“AVG”数据能反演出与2DVD更接近的雨滴谱截距参数Nw。“REP”数据得到Dm和Nw与2DVD观测结果表现出更小的标准化误差(NE)和均方根误差(RMSE)。4)利用MRR“REP”和“AVG”数据反演的DSD散射模拟出X波段双偏振雷达扫描体积内的水平反射率因子(ZH)和差分反射率(ZDR)，对比发现，经过重新质控后得到的“REP”数据可以获得更准确的DSD和降雨参数。由“REP”(“AVG”)DSD得到的ZH与双偏振雷达观测之间的偏差为-1.14dB(-3.59dB)，NE为0.20(0.24)，RMSE为5.75dB(6.88dB)，相关系数都为0.89。“REP”(“AVG”)数据得到的ZDR和X波段双偏振雷达的ZDR之间的相关系数为0.36(0.60)，偏差为0.05dB(0.20dB)，NE为0.64(0.88),RMSE为0.92dB(0.68dB)。
(2)利用雨滴谱仪观测数据，研究了2016-2018年北京地区层状云降水和对流云降水的微物理特征，结果显示:1）三年月累积降雨量呈单峰分布，峰值出现在7月。2）降雨强度(R)、平均直径(Dm)和雨滴总数浓度(Nt)在冬季降水中的均值最小，春季和秋季Dm均值约为1.0mm，春季的Nt最高(442.2m-3)，夏季Dm最大(1.2mm)，Nt(392.4m-3)比秋季(297.1m-3)高。3）在全年降雨中，雨强为0.5～2.5mm h-1的降水频率最高，除夏季外，对应的累积降水对季节降雨量贡献最高(40％～80％)。夏季累积降雨量的60％以上来自雨强大于10mmh-1的降水，且Dm为1～2mm的降水出现频率最高，对季节降雨量贡献最大(52％)。冬春秋三季中Dm＜1mm的降水出现频率最高，而Dm为1～2mm的降水对季节降雨量贡献最大(54～68％)。所有季节中，Nt为10～1000m-3的降水出现频率最高，对季节降雨量贡献最大(56％～96％)。4)春夏季对流云降水DSD没有明显的“大陆型”和“海洋型”对流云降雨特征，秋季对流云降雨DSD更倾向于“大陆型”对流云降雨。5）四个季节的Z-R关系随不同的滴谱特征而变，Dm＜1.0mm和DSD的截距参数Nw＞104.5mm-1m-3的情况几乎只出现在R＜10mm h-1的降水中。
(3)研究了北京地区两次典型强降水过程(2016年“7.20”暴雨和2018年“7.24”暴雨)的降雨微物理特征，发现，“7.20”过程比“7.24”过程的雨滴更接近球形。在两个降水过程的层状云降雨阶段，DSD均呈单峰分布，直径峰值在0.4～0.6mm之间，反射率因子Z、降雨强度R、液态含水量W以及粒子下落末速度V的垂直分布上下层比较一致;在对流云降雨阶段，均观测到DSD呈明显的双峰分布，且直径D＜0.5mm的雨滴数密度超过104mm-1m-3。两个降雨过程在融化层以下均存在明显的雨滴碰并、蒸发和破碎等微物理过程，其中，“7.24”过程的破碎作用比“7.20”过程更明显，地面小雨滴数浓度更高。
(4)利用矩估计法(MM)和最大似然估计法(ML)估计gamma DSD参数，差异较大。与实测DSD计算的降雨参数（R、W、Z、Dm和Nw）相比，ML法总体上比MM法有更好的相关系数、更小的相对误差和绝对误差，而MM法的中间阶矩组合比低阶和高阶矩组合的误差更小，但两种方法均不能很好地描述更高雨强(R＞50mm h-1)时出现的双峰DSD结构。
(5)对比分析了三种X波段双偏振雷达降雨估计算法——基于本地化的R(Zh)关系、基于水凝物识别(HID)的HIDRO_X算法以及利用MRR得到的空中Z-R关系构造的一种新的综合降雨估计算法HIDRO_X2.0——对2018年“7.24”暴雨过程降雨量的估测准确度。结果表明，HIDRO_X2.0算法对整个降雨过程的总降雨量估计结果最好，相比于而传统的R(Zh)关系，相关系数从0.89提高至0.94，误差降低了12.5％，RMSE降低了23.8％，NE降低了7.1％。传统的R(Zh)关系对强降水区域存在严重低估，对弱降水区域存在一定的高估，而利用HIDRO_X算法能使强降雨区的低估得到明显改善，减少对弱降水区域的高估。