利用亮溫資料建立降水臨近預(yù)報(bào)方法的研究

張澤嬌,牛生杰,丁輝

(1.南京信息工程大學(xué) 中國氣象局氣溶膠與云降水重點(diǎn)開放實(shí)驗(yàn)室,江蘇 南京 210044;2.民航云南空管分局,云南 昆明 653100)

?

利用亮溫資料建立降水臨近預(yù)報(bào)方法的研究

張澤嬌1,2,牛生杰1,丁輝1

(1.南京信息工程大學(xué) 中國氣象局氣溶膠與云降水重點(diǎn)開放實(shí)驗(yàn)室,江蘇 南京 210044;2.民航云南空管分局,云南 昆明 653100)

通過對(duì)太湖地區(qū)2009年1—4月TP/WVP-3000型微波輻射計(jì)的亮溫連續(xù)觀測資料進(jìn)行分析,建立降水臨近預(yù)報(bào)方法。結(jié)果表明,降水開始前4 h,微波輻射計(jì)有7個(gè)通道的1級(jí)亮溫資料存在明顯的增長趨勢(shì)。利用降水個(gè)例與無降水個(gè)例亮溫差值最大、降水個(gè)例與無降水個(gè)例亮溫標(biāo)準(zhǔn)偏差差值最大兩個(gè)標(biāo)準(zhǔn),選擇合適的通道進(jìn)行降水臨近預(yù)報(bào)。通過計(jì)算得到,第1通道的亮溫差值最大,而第5、6通道的亮溫標(biāo)準(zhǔn)偏差差值最大,因此可分別將第1、第5和第6通道的亮溫觀測值作為預(yù)報(bào)因子。根據(jù)判別分析方法,分別在降雨前15 min及前30～330 min(時(shí)間間隔為30 min)建立12個(gè)預(yù)報(bào)方程,并通過自身驗(yàn)證對(duì)每個(gè)時(shí)間點(diǎn)預(yù)報(bào)的準(zhǔn)確率進(jìn)行檢驗(yàn),最后選擇降雨前90 min的判別方程用于預(yù)報(bào),其預(yù)報(bào)準(zhǔn)確率為87%,空?qǐng)?bào)率為24%,漏報(bào)率為13%。

亮溫;降水臨近預(yù)報(bào);地基微波輻射計(jì);判別分析

0 引言

隨著經(jīng)濟(jì)發(fā)展,社會(huì)生產(chǎn)、生活中諸多領(lǐng)域(航海、航空等)對(duì)降水臨近預(yù)報(bào)準(zhǔn)確率的要求已日益提高。然而目前降水臨近預(yù)報(bào)的方法主要是基于無線電探空儀探測資料的數(shù)值模式預(yù)報(bào),該方法受到探空觀測頻次的影響,不能進(jìn)行連續(xù)觀測。但是,一些短期大氣活動(dòng)導(dǎo)致的大氣熱力結(jié)構(gòu)變化的時(shí)間尺度遠(yuǎn)遠(yuǎn)小于探空探測的時(shí)間尺度,對(duì)于這些發(fā)展很快的天氣系統(tǒng)來說,無線電探空儀探測頻率的不足制約著降水臨近預(yù)報(bào)的發(fā)展。因此,獲取高時(shí)間頻率的探空資料對(duì)于降水臨近預(yù)報(bào)顯得尤為重要。微波輻射計(jì)MWR(microwave radiometer,MWR)可連續(xù)探測從地面到高空10 km以內(nèi)大氣熱力結(jié)構(gòu)的詳細(xì)信息,使用MWR實(shí)時(shí)探測資料及時(shí)更新大氣層的變化信息,可以有效地提高降水臨近預(yù)報(bào)的準(zhǔn)確率(王振會(huì)等,2014)。

20世紀(jì)70年代后,地基微波遙感技術(shù)開始大量應(yīng)用于反演水汽、溫度和云液水廓線等領(lǐng)域中(趙柏林等,1978;Hogg et al.,1983;魏重等,1984;Heggli and Rauber,1987)。20世紀(jì)90年代開始,有學(xué)者指出地基微波輻射計(jì)可應(yīng)用于降水預(yù)報(bào)。Guldner and Spankuch(1999)研究發(fā)現(xiàn)降水發(fā)生前兩小時(shí)云中液水含量和可降水量明顯增加,因此可以根據(jù)液水含量和可降水量的變化預(yù)報(bào)降水。雷恒池等(2001)在陜西利用雙通道地基微波輻射計(jì)對(duì)降水云系進(jìn)行探測,發(fā)現(xiàn)在降水開始前,云中水汽含量和垂直路徑積分液水含量均有躍增現(xiàn)象。王黎俊等(2007)利用2003、2004年夏秋季,青海省河南縣的地基雙頻段微波輻射計(jì)觀測資料進(jìn)行降水預(yù)測。結(jié)果表明:在積雨云個(gè)例中,降水開始前近5 h,云中大氣汽態(tài)總水汽含量及云中積分液態(tài)水含量的增加有明顯波動(dòng);在對(duì)流云出現(xiàn)并發(fā)展時(shí),大氣汽態(tài)總水汽含量及云中積分液態(tài)水含量急劇上升,并在降水前達(dá)到峰值。Chan and Tam(2005)在香港外場試驗(yàn)中應(yīng)用MWR探測資料推算大氣不穩(wěn)定參數(shù)(K指數(shù)),使用K指數(shù)反映大氣中水汽和相對(duì)濕度的變化,并計(jì)算得出當(dāng)K指數(shù)超過35時(shí)開始發(fā)生強(qiáng)降水。李睿劼和李宏宇(2008)利用MWR資料,通過溫度濕度計(jì)算得到大氣不穩(wěn)定指數(shù)K指數(shù)的近似值KI。并指出KI值越大大氣越不穩(wěn)定,當(dāng)KI大于等于35時(shí)易出現(xiàn)雷暴降水。以上研究說明使用MWR探測資料進(jìn)行降水預(yù)報(bào)是可行的。但是,以往的研究多選用水汽含量、云中積分液態(tài)水含量等數(shù)據(jù)作為預(yù)報(bào)因子,這些參數(shù)需要使用亮溫(Tb)來反演獲得,這會(huì)在預(yù)報(bào)結(jié)果中引入反演算法的誤差,因此如果直接采用Tb資料進(jìn)行臨近預(yù)報(bào),將提高預(yù)報(bào)精度。Won et al.(2009)使用MWR測量的Tb來臨近預(yù)報(bào)降水和降水強(qiáng)度,并將預(yù)報(bào)結(jié)果與未來3 h常規(guī)預(yù)報(bào)結(jié)果相比,結(jié)果表明:Tb預(yù)報(bào)方法空?qǐng)?bào)率FBI(frequency bias index,FBI)小于3 h常規(guī)預(yù)報(bào),同時(shí),Tb預(yù)報(bào)方法的預(yù)報(bào)準(zhǔn)確率高于3 h常規(guī)預(yù)報(bào),所以亮溫預(yù)報(bào)方法比3 h常規(guī)預(yù)報(bào)方法更加精確。綜上所述,為了得到預(yù)報(bào)效果較為準(zhǔn)確的臨近預(yù)報(bào)方法,在前人研究的基礎(chǔ)上,將Tb視為預(yù)報(bào)因子,使用判別分析建立適用于局地的降水臨近預(yù)報(bào)方法。

1 儀器基本原理及資料來源

任何物體都會(huì)吸收和發(fā)射一定的輻射能量,通過探測這種特性就可以獲得物體的物理特性。由微波波段大氣的吸收譜線可知,大氣中氧氣和水汽引起的大氣特征衰減非常明顯,并且其衰減強(qiáng)度的最大值所對(duì)應(yīng)的頻譜范圍不同。通過測量不同頻率范圍內(nèi)的輻射信息,使用一定的算法反演得到大氣的物理特性參數(shù)(Westwater,1978;Cimini et al.,2003;劉朝順等,2006)。

本文使用TP/WVP-3000型MWR在太湖地區(qū)(120.22°E,31.42°N)的觀測資料建立預(yù)報(bào)模型。TP/WVP-3000是一種新型12通道地基微波輻射計(jì),其中1—5通道為水汽探測通道,6—12通道為溫度探測通道,探測數(shù)據(jù)每分鐘一組。MWR直接測量的輻射能量并不是亮溫值而是電壓值,通過一定的轉(zhuǎn)換關(guān)系式將電壓裝換為Tb值,這個(gè)過程稱為定標(biāo)(肖志輝等,2000;Schneebeli and Matzler,2009)。最后利用探測區(qū)域的歷史探空資料訓(xùn)練人工神經(jīng)網(wǎng)絡(luò),使用經(jīng)過訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)算法反演即可獲得從地面到10 km高空的溫度、相對(duì)濕度和水汽廓線以及較低分辨率的液態(tài)水含量廓線(Cimini et al.,2006)。然而由Tb反演溫濕廓線的過程將在反演結(jié)果中引入算法帶來的誤差。這種誤差一方面受探測區(qū)域歷史探空資料精度的影響,另一方面受算法本身的影響。為了說明反演誤差對(duì)預(yù)報(bào)結(jié)果造成的影響,后面將以可降水量PWV(precipitable water vapor,PWV) (李國翠等,2011)和液態(tài)積分水路徑LWC(liquit water content,LWC) (王慧娟等,2010)為預(yù)報(bào)因子,使用相同的方法建立預(yù)報(bào)模型用以對(duì)比預(yù)報(bào)結(jié)果。

除Tb,PWV和LWC資料外,還需要確定每次降水的起始時(shí)間。TP/WVP-3000自帶降水探測器,但是其記錄降水時(shí)間的準(zhǔn)確率沒有相關(guān)評(píng)估,為了確定每次降水發(fā)生的準(zhǔn)確時(shí)間,使用同時(shí)段觀測的Visala WXT520氣象變送器的降水信息。本文觀測時(shí)間為2009年1—4月,使用這個(gè)時(shí)間段內(nèi)的亮溫資料建立預(yù)報(bào)模型。

圖1 無降水個(gè)例(a,b)和降水個(gè)例(c,d)的12個(gè)通道亮溫(單位：K)Fig.1 Brightness temperature of 12 channels in (a,b)the no rainfall case and (c,d)the rainfall case(units:K)

2 建立預(yù)報(bào)模型

2.1 建立降水、無降水?dāng)?shù)集

根據(jù)2009年1—4月WXT520記錄的降水情況,建立降水矩陣R和無降水矩陣N。建立過程如下:將R中的元素記為ria(i=1,2,…,n;a=1,2,…,240),ria表示第i個(gè)個(gè)例中距離降水第a分鐘的亮溫值。其中n的值為最終確定的個(gè)例數(shù);因?yàn)榻邓^程發(fā)生前4 h內(nèi)亮溫值才有明顯波動(dòng),從而確定a有240列,矩陣R即為n行240列的矩陣。降水結(jié)束后,由于天線附水和空氣濕度較大等原因造成微波輻射計(jì)探測數(shù)據(jù)失真。一般情況下,前一次降水影響完全消除所需要的時(shí)間為4～6 h。為了保證足夠的降水樣本數(shù),將兩次降水過程之間時(shí)間間隔小于4 h的情況視作一次降水過程。為便于理解無降水矩陣的建立過程,以di(i=1,2,…,n)記錄ria發(fā)生的日期,ti(i=1,2,…,n)記錄ri中各亮溫值對(duì)應(yīng)的時(shí)間。在建立N時(shí),為了排除日變化及月變化引起的亮溫差異,選擇di±7日以內(nèi)ti時(shí)刻無降雨的亮溫值記錄為nja(j=1,2,…,m;a=1,2,…,240)。當(dāng)di±7日以內(nèi)ti時(shí)刻中包含了某次降水過程,這時(shí)將nja從N中剔除,n≥m。

2.2 選擇通道

圖1給出了2009年1月17日23:16降水發(fā)生前9 h亮溫的變化趨勢(shì)和7 d前(1月10日)同時(shí)段無降水情況下亮溫的變化趨勢(shì)。由于微波輻射計(jì)的水汽通道和溫度通道測量亮溫值差異比較大,為了更清晰的看出水汽通道和溫度通道亮溫的分布特征,分別繪制水汽通道和溫度通道的亮溫變化趨勢(shì)。從圖1a、b可以看出,無降水個(gè)例水汽通道和溫度通道亮溫幾乎保持不變。而降水個(gè)例在降水發(fā)生前9～4 h,水汽通道的亮溫有一個(gè)緩慢的增長趨勢(shì),如圖c所示。降水前4 h內(nèi)(圖1中兩虛線范圍內(nèi)) 亮溫開始劇烈的波動(dòng)增長,只有在降水發(fā)生前1 h水汽通道亮溫有個(gè)低谷區(qū)。這與雷恒池等(2001)觀測到的降水發(fā)生前云中出現(xiàn)水汽低值區(qū)的結(jié)果一致。從圖1d可以看出,在降雨發(fā)生前4 h,溫度通道只有兩個(gè)通道出現(xiàn)明顯的亮溫變化。從以上分析可知,無論是溫度通道還是水汽通道,降水的發(fā)生總是滯后于亮溫變化。因此,利用雨前亮溫的變化信息,根據(jù)下面兩個(gè)標(biāo)準(zhǔn)篩選通道用于降水臨近預(yù)報(bào)。

各通道降水前4 h內(nèi)亮溫變化平均值(δTbm)反映了雨前亮溫的變化大小,δTbm越大,說明雨前亮溫變化越明顯。首先,計(jì)算降水前4 h各個(gè)時(shí)間點(diǎn)的亮溫變化值(δTbi)。將無降水的nja作為參考值,可以得到降水前亮溫的變化值δTbi:

δTbi=ria-nja。

(1)

(2)

圖2表示各月δTbm的分布情況,可見1、3、4月δTbm的最大值出現(xiàn)在1通道,其次是2通道。而2月份δTbm最大值出現(xiàn)在6通道,其次是1通道,整個(gè)2月水汽通道的δTbm變化不大,1通道δTbm約24 K,6通道的δTbm約26 K。因此使用1通道同樣能夠反映2月降水前亮溫的明顯變化。從圖2還能看出,8—12通道δTbm變化最小,說明這些通道在降水前對(duì)亮溫變化的反映不靈敏,不適宜用于預(yù)報(bào)。

圖2 各月12個(gè)通道的降水前4 h亮溫均值Fig.2 Monthly mean Tb of 12 channels at 4-hr before rainfall in each month

分別計(jì)算ria與nja中每個(gè)通道降雨前240 min 亮溫值的標(biāo)準(zhǔn)偏差。再將R與N中所有個(gè)例對(duì)應(yīng)通道的標(biāo)準(zhǔn)偏差按月求平均。結(jié)果如圖3所示。從圖3可以看出,盡管標(biāo)準(zhǔn)偏差大小在4個(gè)月中有差異,但是標(biāo)準(zhǔn)偏差大小的比重在各通道的分布趨勢(shì)基本一致。標(biāo)準(zhǔn)偏差在R和N各元素矩陣中最大差值均出現(xiàn)在第5通道,次大值出現(xiàn)在第6通道(2月例外,標(biāo)準(zhǔn)偏差最大差值出現(xiàn)在第6通道,次大值出現(xiàn)在第5通道)。而5通道屬于水汽探測通道,6通道屬于溫度探測通道。以這一標(biāo)準(zhǔn)選擇的通道包含兩個(gè)波段的輻射信息。增加的溫度信息一方面可以抑制水汽因其他原因?qū)е略鲩L而引入的虛假降水預(yù)警信息,另一方面,增加了影響降水發(fā)生的物理因素(溫度)的信息。從而提高預(yù)報(bào)精度。因此,從這幾方面考慮,都適宜選擇這兩個(gè)通道作為預(yù)報(bào)通道。

從以上兩個(gè)方面共選出3個(gè)通道用于預(yù)報(bào),分別為δTbm最大的第1通道,R和N矩陣元素亮溫標(biāo)準(zhǔn)偏差相差最大的第5通道,以及相差次大的第6通道。雖然篩選通道的標(biāo)準(zhǔn)與Won et al.(2009)使用的標(biāo)準(zhǔn)不同,但是選出的三個(gè)通道相同。

圖3 R矩陣(a)和N矩陣(b)中元素亮溫標(biāo)準(zhǔn)偏差(單位：K)Fig.3 Standard Tb deviation of elements in (a)matrix R and (b)matrix N(units:K)

2.3 建立方程

針對(duì)降水發(fā)生前的不同時(shí)間點(diǎn)使用判別分析方法進(jìn)行樣本訓(xùn)練,所取用的時(shí)間點(diǎn)分別為降水發(fā)生前15、30～330 min(以30 min為時(shí)間間隔)。臨近預(yù)報(bào)的準(zhǔn)確率會(huì)隨時(shí)間延長而迅速衰減(陳明軒等,2004),所以本文考慮使用的最長時(shí)間為降水前330 min。

判別分析是英國統(tǒng)計(jì)學(xué)家費(fèi)舍于1936年提出的。先根據(jù)已知類別的事物的性質(zhì),利用某種技術(shù)建立函數(shù)式,然后對(duì)未知類別的新事物進(jìn)行判斷以將之歸入已知的類別中(黃嘉佑,2000)。

2.3.1 建立判別函數(shù)

以降水前15 min 亮溫值建立判別函數(shù)結(jié)果為例介紹判別分析的實(shí)現(xiàn)過程。首先本文使用的訓(xùn)練樣本共有40個(gè),其中第1組無降水個(gè)例有19個(gè),第2組降水個(gè)例21個(gè)。降水與否的預(yù)報(bào)屬于二級(jí)判別,將選定的第1、5、6通道的亮溫值作為3個(gè)預(yù)報(bào)因子,建立3因子的二級(jí)判別函數(shù),之后根據(jù)黃嘉佑(2000)的判別系數(shù)推導(dǎo)方法確定方程系數(shù),建立二級(jí)判別方程

y=-0.003 4x1-0.028 8x2+0.016 8x3。

(3)

方程通過α=0.05的顯著性檢驗(yàn)。

2.3.2 預(yù)報(bào)判據(jù)及效果檢驗(yàn)

函數(shù)建立好之后需要決策規(guī)則作出預(yù)報(bào),即預(yù)報(bào)判據(jù)。本文使用費(fèi)舍判別。之后將訓(xùn)練樣本代入方程進(jìn)行自身驗(yàn)證來查看方程的預(yù)報(bào)效果,參考自身驗(yàn)證的結(jié)果去掉預(yù)報(bào)效果不好的預(yù)報(bào)方程。最后得到降水前15 min預(yù)報(bào)方程的自身驗(yàn)證的準(zhǔn)確率為95%。

根據(jù)以上步驟得到雨前30～330 min共11個(gè)預(yù)報(bào)方程。分別對(duì)這些函數(shù)做自身驗(yàn)證,各時(shí)間點(diǎn)自身驗(yàn)證結(jié)果如圖4實(shí)線所示。從圖中可以看出,自身驗(yàn)證在降水前90 min以內(nèi)準(zhǔn)確率都在90%以上,其中最高預(yù)報(bào)準(zhǔn)確率為98%,分別出現(xiàn)在降水前30、60和90 min三個(gè)時(shí)間點(diǎn)。90 min之后判別函數(shù)的準(zhǔn)確率逐漸下降,并在降水前180～210 min出現(xiàn)最低值,隨后有個(gè)很小的回升過程。在降水前270 min之后預(yù)報(bào)準(zhǔn)確率基本是圍繞83%上下波動(dòng)。

另一方面,為確保亮溫為最優(yōu)預(yù)報(bào)因子,根據(jù)上述建模過程,使用PWV和LWC為預(yù)報(bào)因子建立12個(gè)預(yù)報(bào)方程,這些方程自身驗(yàn)證的結(jié)果如圖4虛線所示。從圖中可以看出,在任何時(shí)間點(diǎn)PWV、LWC為因子的預(yù)報(bào)方程自身驗(yàn)證準(zhǔn)確率都低于亮溫為因子的預(yù)報(bào)準(zhǔn)確率。所以,使用亮溫為預(yù)報(bào)因子能提高預(yù)報(bào)精度。

綜上所述,根據(jù)判別函數(shù)自身驗(yàn)證的準(zhǔn)確率及最長提前預(yù)警時(shí)間,選擇降水前90 min為預(yù)報(bào)時(shí)間點(diǎn)。該時(shí)間點(diǎn)的判別函數(shù)為

y=-0.004 2TQ1-0.020 9TQ2+0.012 9TT。

(4)

其中:TQ1表示第1通道亮溫值;TQ2為第5通道亮溫值;TT為第6通道亮溫值。根據(jù)費(fèi)舍判別準(zhǔn)則和站點(diǎn)降水頻率資料計(jì)算得到y(tǒng)c=0.76 K。當(dāng)y

圖4 降雨前各預(yù)報(bào)時(shí)間點(diǎn)的自身驗(yàn)證準(zhǔn)確率Fig.4 Self verification accuracy at different forecast time points before rainfall

3 結(jié)果分析

使用公式(4)計(jì)算整個(gè)時(shí)間序列的y值,根據(jù)決策規(guī)則判別整個(gè)時(shí)間序列的降水情況。預(yù)報(bào)效果使用以下幾個(gè)標(biāo)準(zhǔn)檢驗(yàn):1)預(yù)報(bào)準(zhǔn)確率,2)空?qǐng)?bào)率,3)漏報(bào)率。受到同期觀測資料種類較少及觀測時(shí)間較短的限制,用于建立預(yù)報(bào)模型的降水樣本個(gè)例為21個(gè),加之相應(yīng)的無降水個(gè)例19個(gè)。用于建模的兩類個(gè)例共40個(gè)。除去用于建模的降水個(gè)例,剩余外部降水個(gè)例15個(gè)。預(yù)報(bào)結(jié)果為預(yù)報(bào)命中13個(gè)個(gè)例,漏報(bào)2個(gè)個(gè)例,空?qǐng)?bào)4個(gè)個(gè)例。相應(yīng)地,預(yù)報(bào)準(zhǔn)確率87%,空?qǐng)?bào)率24%,漏報(bào)率13%?？梢钥闯?判別分析方法建立的降水預(yù)報(bào)模型能較為準(zhǔn)確地預(yù)報(bào)降水發(fā)生的時(shí)間。

圖5為判別分析所給出的部分預(yù)報(bào)結(jié)果,圖中橫線為y=0.76。圖5a是2009年1月觀測站點(diǎn)的降水趨勢(shì)。由圖可見,整個(gè)1月共有5次降水過程,除去1月12日擦拭儀器導(dǎo)致的y低值點(diǎn)。這與同步觀測的visala WXT520觀測結(jié)果一致,說明y能準(zhǔn)確地對(duì)降水過程作出響應(yīng)。

圖5 預(yù)報(bào)結(jié)果示例 a.1月整體情況;b.報(bào)對(duì)結(jié)果;c.漏報(bào)情況;d.空?qǐng)?bào)情況Fig.5 Examples of forecast results a.panorama in January;b.the hit alarm case;c.the not alarm case;d.the false alarm case

圖5b表示2009年2月21日預(yù)報(bào)成功的降水個(gè)例,可以看出,y值在17:21降低到0.76 K以下,預(yù)報(bào)90 min后也即18:51將出現(xiàn)降水過程,實(shí)際降水發(fā)生的時(shí)間為19:02。預(yù)報(bào)因子1、5通道的亮溫包含水汽含量信息,6通道包含溫度信息。水汽含量增長時(shí)亮溫也會(huì)增長,相反,溫度增長會(huì)導(dǎo)致亮溫降低(Wei et al.,1989;朱元競等,1994;張培昌和王振會(huì),1995;紀(jì)曉玲等,2010;官莉等,2012)。由圖2可以看出,1、5和6通道亮溫在降水前均增長,增長最大的是第1通道,第5、6通道亮溫增長量相當(dāng)。由(4)式可知,TQ1的系數(shù)較小,TQ2系數(shù)為TT系數(shù)的兩倍,所以溫度與水汽含量變化導(dǎo)致的亮溫同時(shí)變化且變化量級(jí)相當(dāng)時(shí),以水汽的影響作用占主導(dǎo)地位。從物理過程來看,大氣中水汽含量增加,處于水汽積累階段。此時(shí)雖然環(huán)境溫度降低導(dǎo)致TT升高,但是以水汽累積對(duì)y值得影響為主,因而導(dǎo)致y值持續(xù)減小。之后,抬升作用使低層空氣持續(xù)抬升,在抬升凝結(jié)高度以上濕空氣按濕絕熱上升凝結(jié)成水滴,有少量凝結(jié)潛熱釋放,但環(huán)境溫度任然處于持續(xù)降低狀態(tài),TT繼續(xù)升高。由水汽凝結(jié)導(dǎo)致水汽含量減少及溫度持續(xù)降低造成y值增長,所以圖5b中在17:21之后y值小幅增長。上升過程持續(xù)輸送水汽,此時(shí)云內(nèi)粒子主要通過碰并作用增長使水汽能夠累積。大量的水汽累積導(dǎo)致y值在17:31之后再次呈現(xiàn)下降趨勢(shì)直至降水發(fā)生。降水發(fā)生之后,由于微波輻射計(jì)天線附水使探測結(jié)果失真,所以降水過程及其影響時(shí)段的變化趨勢(shì)不予考慮。

圖5c為漏報(bào)的降水個(gè)例,漏報(bào)的降水個(gè)例為2009年2月16日05:51的降水過程。前一次降水結(jié)束的時(shí)間為2009年2月15日21:49。從圖中可以看出,降水結(jié)束后,y值開始上升,2月16日02:30上升達(dá)最大值0.4 K后再次下降。曲線最大值的右側(cè)y值先降低,之后有個(gè)小幅回升,回升之后繼續(xù)降低,這與圖5b的變化趨勢(shì)一致。如果將圖5c中03:50的低值點(diǎn)看做圖5b的預(yù)警時(shí)間點(diǎn)(alarm time),那么在05:20將發(fā)生降水。實(shí)際降水發(fā)生時(shí)間為05:51。雖然微波輻射計(jì)天線附水使得降水結(jié)束后y值一直小于0.76 K,雨后的y值依然對(duì)下次降水前大氣中溫濕的變化作出了響應(yīng),但是雨后4～8 h內(nèi)預(yù)報(bào)降水y值的閾值受前次雨量大小,溫度等諸多因素的影響,因此要實(shí)現(xiàn)雨后4～8 h降水預(yù)報(bào)仍然需要進(jìn)一步研究。

圖5d為空?qǐng)?bào)降水個(gè)例。發(fā)出預(yù)警時(shí)間為21:30,預(yù)報(bào)將在23:00發(fā)生降水,此為空?qǐng)?bào)實(shí)例。初步分析該次空?qǐng)?bào)的原因同樣是受上次降水過程的影響,2009年4月2日18:22發(fā)生降水,結(jié)束時(shí)間為19:18。受到天線附水,大氣環(huán)境水汽含量較高等因素的影響,降水結(jié)束后亮溫變化趨勢(shì)比較混亂,無規(guī)律可循,從而導(dǎo)致y值變化也比較混亂。所以造成此次的空?qǐng)?bào)情況。

從圖5c、d可知,降水結(jié)束后,受該次降水過程的影響,會(huì)導(dǎo)致空?qǐng)?bào)、漏報(bào)情況的產(chǎn)生。所以降水之后4～8 h內(nèi)的預(yù)報(bào)是本預(yù)報(bào)模型的難點(diǎn)。對(duì)降水結(jié)束后4～8 h的預(yù)報(bào)將在以后的研究中改進(jìn)。

4 結(jié)論與討論

1)微波輻射計(jì)水汽和部分溫度探測通道的亮溫值在降水前有明顯的變化趨勢(shì),在無降水情況下,這些通道的亮溫變化趨勢(shì)很小。所以,可以根據(jù)亮溫在雨前和無降雨的差異預(yù)報(bào)降水。另一方面,由于溫濕廓線及其衍生物理量在反演過程中會(huì)引入算法誤差,相比之下,亮溫包含了更為真實(shí)的大氣信息,根據(jù)更為真實(shí)的大氣信息建?？梢蕴岣哳A(yù)報(bào)精度。

2)使用第1、第5和第6通道的亮溫為預(yù)報(bào)因子根據(jù)判別分析方法建立預(yù)報(bào)模型,并根據(jù)預(yù)報(bào)準(zhǔn)確率最高和提前預(yù)警時(shí)間最長兩個(gè)原則確定建模方程為雨前90 min的判別函數(shù),該方程的自身驗(yàn)證準(zhǔn)確率達(dá)98%。為對(duì)比驗(yàn)證,將PWV和LWC視為預(yù)報(bào)因子,使用同樣的建模過程建模。結(jié)果顯示12個(gè)方程的自身驗(yàn)證準(zhǔn)確率都低于相同時(shí)間點(diǎn)亮溫為因子的方程。所以,使用亮溫為預(yù)報(bào)因子能提高預(yù)報(bào)精度。

3)受觀測時(shí)間較短降雨個(gè)例較少的限制,用于建模和外部驗(yàn)證樣本個(gè)例較少。最終得到的評(píng)分較高,預(yù)報(bào)準(zhǔn)確率87%,空?qǐng)?bào)率24%,漏報(bào)率13%。從結(jié)果看,本文建立的模型能夠較準(zhǔn)確的預(yù)報(bào)降水發(fā)生時(shí)間。然而,在建模過程中未精確區(qū)分降水云型,降水類別以及季節(jié),未在模型中考慮因這些因素的變化對(duì)建模過程及結(jié)果產(chǎn)生的影響。在以后的研究中,加入其他觀測數(shù)據(jù)(如雷達(dá)數(shù)據(jù),自動(dòng)氣象站降水量數(shù)據(jù),云型數(shù)據(jù)等)。在建模過程中使用更多的訓(xùn)練樣本和驗(yàn)證樣本,根據(jù)不同降水云類型和不同季節(jié)建立局地臨近預(yù)報(bào)模型將是下一步工作的重點(diǎn)。

4)模型在雨后4～8 h為預(yù)報(bào)盲點(diǎn),在這個(gè)時(shí)間范圍內(nèi)受上次降水過程影響較為明顯,常發(fā)生漏報(bào)和空?qǐng)?bào)的情況。因此,雨后4～8 h模型預(yù)報(bào)需進(jìn)一步改進(jìn)。

Chan P W,Tam C M.2005.Performance and application of a multi-wavelength,ground-based microwave radiometer in rain nowcasting[C]//2005 Ninth Symposium on Integrated Observing and Assimilation Systems for Atmosphere,Oceans,and Land Surface:9-13.

陳明軒,俞小鼎,譚曉光,等.2004.對(duì)流天氣臨近預(yù)報(bào)技術(shù)的發(fā)展與研究進(jìn)展[J].應(yīng)用氣象學(xué)報(bào),15(6):754-766. Chen Mingxuan,Yu Xiaoding,Tan Xiaoguang,et al.2004.A brief review on the development of nowcasting for convective storms [J].J Appl Meteor Sci,15(6):754-766.(in Chinese).

Cimini D,Westwater E R,Han Y.2003.Accuracy of ground-based microwave radiometer and ballon-borne measurements during the WBIOP2000 field experiment[J].Transactions on Geoscience and Remote Sensing,41:2605-2615.

Cimini D,Hewison T J,Martin L.2006.Temperature and humidity profile retrievals from ground-based microwave radiometers during TUC[J].Meteorologische Zeitschrift,5:45-55.

官莉,王雪芹,黃勇.2012.2009年江蘇一次強(qiáng)對(duì)流天氣過程的遙感監(jiān)測[J].大氣科學(xué)學(xué)報(bào),35(1):73-79. Guan Li,Wang Xueqin,HuangYong.2012.Observation of a strong convective system in Jiangsu Province in 2009 by remote sensing monitor[J].Trans Atmos Sci,35(1):73-79.(in Chinese).

Guldner J,Spankuch D.1999.Results of year-round remotely sensed integrated water vapor by ground-based microwave radiometry[J].American Meteorological Society,38:981-988.

Heggli M,Rauber R M.1987.Field ealuation of a dual-channel microwave radiometer designed for measurements of integrated water vapor and cloud liquid water in the atmosphere[J].Jouranl of Atmospheric and Oceanic Techonlogy,4:204-213.

Hogg D C,Guiraud F O,Snider J B.1983.A steerable dual-channel microwave radiometer for measurement of water vapor and liquid in the troposphere[J].J Climate Appl Meteor,22:789-806.

黃嘉佑.2000.氣象統(tǒng)計(jì)分析與預(yù)報(bào)方法[M].北京:氣象出版社. Huang Jiayou.2000.Analysis of meteorological statistics and forecasting method [M].Beijing:China Meteorological Press.(in Chinese).

紀(jì)曉玲,馮建民,穆建華,等.2010.寧夏北部一次短時(shí)暴雨中尺度對(duì)流系統(tǒng)的特征分析[J].大氣科學(xué)學(xué)報(bào),33(6):711-718. Ji Xiaoling,Feng Jianmin,Mu Jianhua,et al.2010.Analysis on characteristics of mesoscale convective system during a short-term rain storm process in north of Ningxia[J].Trans Atmos Sci,33(6):711-718.(in Chinese).

雷恒池,魏重,沈志來,等.2001.微波輻射計(jì)探測降雨前水汽和云液水[J].應(yīng)用氣象學(xué)報(bào),12(增刊):73-79. Lei Hengchi,Wei Zhong,Shen Zhilai,et al.2001.Microwave radiometric measurement on water vapor and cloud liquid water before rainfall[J].J Appl Meteor Sci,12(S1):73-79.(in Chinese).

李國翠,李國平,陳小雷,等.2011.一次西太平洋副熱帶高壓進(jìn)退過程中暴雨的GPS可降水量特征[J].大氣科學(xué)學(xué)報(bào),34(4):393-399. Li Guocui,Li Guoping,Chen Xiaolei,et al.2011.Characteristics of GPS precipitable water vapor during a heavy rain of western Pacific subtropical high[J].Trans Atmos Sci,34(4):393-399.(in Chinese).

李睿劼,李宏宇.2008.微波輻射計(jì)計(jì)算準(zhǔn)K指數(shù)對(duì)降水的反應(yīng)[J].氣象,34:185-190. Li Ruijie,Li Hongyu.2008.The calculation of the reaction of K index to precipitation with microwave radiometric measurement [J].Meteorological Monthly,34:185-190.(in Chinese).

劉朝順,呂達(dá)仁,杜秉玉.2006.地基遙感大氣水汽總量和云液態(tài)水含量的研究[J].南京氣象學(xué)院學(xué)報(bào),29(5):606-612. Liu Chaoshun,Lv Daren,Du Bingyu.2006.A study on ground-based remote sensing of atmospheric integrated water vapor and cloud liquid water[J].Journal of Nanjing Institute of Meterology,29(5):606-612.(in Chinese).

Schneebeli M,Matzler C.2009.A calibration scheme for microwave radiometers using tipping curves and Kalman Filtering[J].IEEE Trans Geosci Remote Sens,47:4201-4209.

王慧娟,牛生杰,雷恒池,等.2010.降水性層云含水量躍變對(duì)應(yīng)的微結(jié)構(gòu)觀測研究[J].大氣科學(xué)學(xué)報(bào),33(2):212-219. Wang Huijuan,Niu Shengjie,Lei Hengchi,et al.2010.An observational study on the leaps of liquid water content and corresponding changes in microphysical structure in a stratiform cloud precipitation process[J].Trans Atmos Sci,33(2):212-219.(in Chinese).

王黎俊,孫安平,劉彩紅,等.2007.地基微波輻射計(jì)探測在黃河上游人工增雨中的應(yīng)用[J].氣象,33(11):28-33. Wang Lijun,Sun Anping,Liu Caihong,et al.2007.Application of ground-based microwave radiometer detection to precipitation enhancement in the upper of the yellow river[J].Meteorological Monthly,33(11):28-33.(in Chinese).

王振會(huì),曹雪芬,黃建松,等.2014.基于氣象資料變化特征和輻射傳輸模式的微波輻射計(jì)工作狀態(tài)分析[J].大氣科學(xué)學(xué)報(bào),37(1):1-8. Wang Zhenhui,Cao Xuefen,Huang Jiansong,et al.2014.Analysis on the working state of a ground-based microwave radiometer based on radiative transfer model and meteorological data variation features[J].Trans Atmos Sci,37(1):1-8.(in Chinese).

魏重,薛永康,朱小明,等.1984.用1.35厘米波長地面微波輻射計(jì)探測大氣中水汽總量及分布[J].大氣科學(xué),8(4):418-426. Wei Zhong,Xue Yongkang,Zhu Xiaoming,et al.1984.Determination of atmospheric precipitable water and humidity profiles by a ground-based 1.35 cm radiometer[J].Chinese J Atmos Sci,8(4):418-426.(in Chinese).

Wei C,Leighton H G,Rogers R R.1989.A comparison of several radiometric methods of deducing path-integrated cloud liquid water[J].J Atmos Oceanic Technol,6:1001-1012.

Westwater E R.1978.The accuracy of water vapor and liquid determination by dual-frequency ground-based microwave radiometer[J].Radio Science,13:677-685.

Won H Y,Kim Y H,Lee H S.2009.An application of brightness temperature received from a ground-based microwave radiometer to estimation of precipitation occurrences and rainfall Intensity[J].Asia-Pacific Journal of Atmospheric,45:55-69.

肖志輝,張祖蔭,郭偉.2000.地基、空基、星基微波輻射計(jì)定標(biāo)技術(shù)概覽[J].遙感技術(shù)與應(yīng)用,15(2):113-120. Xiao Zhihui,Zhang Zumeng,Guo Wei.2000.A review:The calibration of ground-based,airborne and satellite-borne microwave radiometers[J].Remote Sensing Technology and Application,15(2):113-120.(in Chinese).

張培昌,王振會(huì).1995.大氣微波遙感基礎(chǔ)[M].北京:氣象出版社. Zhang Peichang,Wang Zhenhui.1995.Basis of atmospheric microwave remote sensing[M].Beijing:China Meteorological Press.(in Chinese).

趙柏林,杜金林,劉式達(dá),等.1978.微波遙感大氣溫度層結(jié)的原理和試驗(yàn)[J].大氣科學(xué),2(4):323-331. Zhao Bolin,Du Jinlin,Liu Shida,et al.1978.The principles and experiments on microwave remote sensing of atmospheric temperature lamination[J].Chinese J Atmos Sci,2(4):323-331.(in Chinese).

朱元競,胡成達(dá),甄進(jìn)明.1994.微波輻射計(jì)在人工影響天氣研究中的應(yīng)用[J].北京大學(xué)學(xué)報(bào):自然科學(xué)版,30(5):597-606. Zhu Yuanjing,Hu Chengda,Zhen Jinming.1994.The role of microwave radiometer in weather modification research[J].Acta Scientiarum Naturalum Universities Pekingsis,30(5):597-606.(in Chinese).

(責(zé)任編輯：劉菲)

Study on a rainfall nowcasting method established by using brightness temperature

ZHANG Ze-jiao1,2,NIU Sheng-jie1,DING Hui1

(1.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration,NUIST,Nanjing 210044,China;2.Yunnan Air Traffic Management Sub-Bureau,Kunming 653100,China)

In order to use the brightness temperature to set up a rainfall nowcasting model,this paper analyzed the brightness temperature data of microwave radiometer TP/WVP-3000 in Taihu area from January to April 2009.It is found that,at 4-hr before rainfall,the brightness temperature data of seven channels have obvious increasing trends.According to the biggest difference and the biggest standard deviation difference in brightness temperature between the rainfall case and the no rainfall case,this paper chooses the observed data from channel 1,5,and 6 as the forecast factor using the discrimination analysis to set up the rainfall nowcasting model.The time points in the discrimination analysis are 15 and 30—330 min(time interval is 30 min) before rainfall.The equation of 90 min before rainfall is decided as the final model function because of the highest self verification.Using the external data to test this model,the probability of detection is equal to 87%,the false alarm ratio is 24%,and the not alarm ratio is 13%.

brightness temperature;rainfall nowcasting;ground-based microwave radiometer;discrimination analysis

2013-01-10；改回日期：2013-05-08

公益性行業(yè)(氣象)科研專項(xiàng) (GYHY201006036);江蘇省“青藍(lán)工程”(云霧降水與氣溶膠研究);江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目(PAPD)

牛生杰,博士,教授,研究方向?yàn)樵旗F降水物理學(xué),niusj@nuist.edu.cn.

10.13878/j.cnki.dqkxxb.20130110008.

1674-7097(2015)02-0241-08

P415.1

A

10.13878/j.cnki.dqkxxb.20130110008

張澤嬌,牛生杰,丁輝.2015.利用亮溫資料建立降水臨近預(yù)報(bào)方法的研究[J].大氣科學(xué)學(xué)報(bào),38(2):241-248.

Zhang Ze-jiao,Niu Sheng-jie,Ding Hui.2015.Study on a rainfall nowcasting method established by using brightness temperature[J].Trans Atmos Sci,38(2):241-248.(in Chinese).