GPM衛星和地面雷達對江蘇鹽城龍卷風強降水估測的對比

黃朝盈 張阿思 陳生 胡寶清

摘要 為綜合評估衛星和天氣雷達在2016年6月23日鹽城龍卷風期間的強降水過程的降水估測精度，以國家級雨量站觀測數據為基準，結合相關系數（CC）、相對誤差（RB）、均方根誤差（RMSE）以及分級評分指標，利用S波段的天氣雷達定量降雨估測產品（RQPE）和全球降水觀測計劃多衛星融合產品（IMERG_FRCal，IMERG_FRUncal，IMERG_ERCal）進行比較。結果表明，雷達和衛星的累積降水量與雨量站的空間相關性很強（相關系數大于0.9），基本上能捕捉到整個降水過程的空間分布。降水主要分布在江蘇省北部，但衛星高估了江蘇省東北部強降水中心的降水量;對于小時時序區域平均降水，衛星高估了降水，而雷達低估了累積降水量。綜合降水中心區域分析，IMERG的強降水區域降水量與雨量站的時間序列的偏差顯著;RQPE在降水峰值達到之前及峰值之后與地面雨量站的變化趨勢基本一致，但對降雨量峰值有明顯的偏低。RQPE能較為準確地在時間上捕捉到降雨強度的變化趨勢，但對于大雨及暴雨的估測能力不佳;RQPE的POD、SCI值都遠遠高于IMERG， FAR也較小。IMERG幾乎未能監測到強降水的發生。總體上，RQPE對此次龍卷風強降水量的估測表現優于3種IMERG產品，特別是在捕捉強降水區域的空間分布方面，但對于強降水的估測能力仍需進一步改善。

關鍵詞鹽城龍卷風;天氣雷達;IMERG;定量降水估測;精度分析

我國是一個自然災害頻發的國家。在各類自然災害中，氣象災害占70%以上（劉彤和閆天池，2011）。龍卷風是一種小范圍的強烈旋風，是積雨云（或發展很盛的濃積云）底盤旋下垂的一個漏斗狀云體（薛德強和李長軍，2002），是破壞力最為嚴重的氣象災害之一。在我國龍卷風有兩個高發地帶，一個是在長江三角洲和蘇北平原至黃淮海平原一帶，另一個是廣東和廣西一帶。江蘇省位于我國龍卷風高發地帶，易發生災害性的龍卷風（魏文秀和趙亞民，1995）。許遐禎等（2009）利用1956至2005年共50 a的氣象數據對江蘇省境內發生的龍卷風進行了詳細的分類和評估，統計結果表明江蘇地區龍卷風發生頻繁，平均每年可發生21.4次龍卷風。2016年6月23日14時30分左右，我國江蘇省鹽城市阜寧、射陽部分地區遭受強龍卷風襲擊，災害造成99人死亡，846人受傷，超過2 000棟房屋被損壞，4.55萬人受災，直接經濟損失近50億元（http：//www.bjnews.com.cn/news/2016/06/26/407844.html）。此次龍卷風冰雹重大災害被專家組評定為EF4級龍卷風，接近最高級別EF5級，風力超過17級。龍卷風的形成機理和預報預警成為當前我國氣象領域的研究熱點。

天氣雷達是對災害性天氣最為有效的觀測手段，可以提供降水過程的時間和空間信息（張樂堅等，2012）。20世紀60年代，天氣雷達在氣象部門投入業務使用。美國率先于1988年開始布設多普勒天氣雷達網，我國在1999年開始安裝運行第一部天氣雷達，此后開始部署中國新一代天氣雷達網。由于新一代天氣雷達具有在線實時定標、全自動體掃描工作模式、較合理的地物雜波抑制以及科學的產品計算等特點，使得在定量降水估測以及對大尺度、中尺度天氣系統的結構、演變監測能力方面得到很大的提高，在社會各個領域得到了廣泛的應用，而定量降雨估測是天氣雷達的重要應用領域之一（李柏等，2013）。

衛星是除了天氣雷達之外對災害性天氣進行全球尺度觀測最為有效的手段。衛星觀測具有全天候、大尺度以及時間連續性等優勢。基于衛星的定量降水估測（QPE）產品是衛星從地球上空獲得大范圍地表降水信息的降水產品，由于其空間的覆蓋性和連續性，其在氣象估測、研究和災害預警方面起到了越來越重要的作用。紅外（Infrared，簡稱IR）和微波傳感器（Passive Microwave，簡稱PMW）被廣泛用于估算地面降雨量。多年來，學者開展了基于IR和PMW傳感器定量反演降水量的有效探索（Barrett and Beaumont，1994;You et al.，2011）。

針對鹽城龍卷風帶來的強降水過程，本研究利用江蘇省7部多普勒S波段天氣雷達，進行定量降水估測研究，同時以國家氣象局研發的衛星和地面雨量站觀測的融合產品降水量為基準，采用統計和分析等方法，評估全球降水測量計劃（GPM）的多衛星融合降水產品和雷達估測的降雨精度，揭示衛星和地面雷達觀測對龍卷風等災害性天氣的觀測能力，為衛星和雷達降水產品的開發者和用戶提供有益的參考。

1 研究區域與數據資料

1.1 研究區域

研究區域如圖1所示，是地處中國大陸東部沿海地區的江蘇省，地跨116°18′～121°57′E、30°45′～35°20′N。江蘇省是中國地勢最低的省之一，平原占80%以上，是江淮平原和黃淮平原的主要分布區，少部分低丘陵地區集中在江蘇省的西南部。江蘇省地勢平坦水網稠密，并且處于亞熱帶和暖溫帶的氣候過度地帶，受季風和臺風影響較大，降雨豐沛，易發生極端降水事件，造成洪澇災害。由于來自北方的干冷空氣和南方的濕冷空氣交匯影響，同時地勢平坦，利于對流天氣系統的形成，導致該地區成為我國龍卷風的高發地帶。

1.2 多普勒天氣雷達降水數據

利用2016年6月23日江蘇省6部S波段的多普勒天氣雷達（CINRAD-SA）原始體掃描資料對此次龍卷風降雨進行定量估測，雷達具體參數如下表1所示。S波段雷達觀測數據主要包括：反射率（ZH），徑向速度（V），譜寬（SW）。具體信息如表1所示。

1.3 GPM衛星估測降水數據

全球降水測量計劃（GPM，Global Precipitation Measurement）是美國宇航局繼熱帶降水測量計劃（Tropical Rainfall Measuring Mission，TRMM）之后的全球衛星降水測量產品，是目前常用的衛星數據產品（方勉等，2019）。GPM多衛星降水融合產品（Integrated Multi-satellitE Retrievals for GPM，IMERG）是GPM數據處理的三級格點降水產品，空間分辨率為0.1°×0.1°，時間分辨率為30 min。根據滯后時間的長短，IMERG有3種不同的降水產品，包括滯后4 h未經雨量站誤差訂正的準實時產品（Early run）、滯后12 h的后期（Late run）以及經過雨量站誤差訂正的最終（Final run）產品。比較3種不同的降水產品：采用準實時產品中經過氣候參數校正降水產品（IMERG_ERCal），經過雨量站誤差訂正的最終降水產品（IMERG_FRCal）及未經訂正的最終降水產品（IMERG_FRUncal）。

1.4 融合衛星-雨量站數據

本文采用的參考標準觀測數據是國家地面雨量站與衛星定量降水估計產品CMORPH融合的逐小時降水產品（以下簡稱CMORPHGC），空間分辨率是0.1°×0.1°。CMORPH數據NOAA氣候預測中心（Climate Prediction Center，CPC）開發的衛星降水產品，地面雨量站降水數據則來自我國已經建立的30 000余座自動觀測站。研究表明，經融合后的降水產品顯著減少了系統誤差，在我國雨量計密集的東部沿海區域產品質量較好，能準確捉住強降水的空間分布與時間變化，在對短時強降水的季節和日變化上和國家級氣象觀測站逐時地面降水資料反映的特征基本一致，能達到對強對流天氣過程的監測和服務需求（沈艷等，2013;周璇等，2015）。

2 方法

2.1 分析方法

以CMORPHGC為基準，采用相對偏差（RB）、均方根誤差（RMSE）、相關系數（CC）、命中率（POD）、誤報率（FAR）、成功率（CSI）等指標（Chen et al.，2013a，2013b），對雷達和3種IMERGE降水產品的精度進行分析。

2.2 基于雷達的降雨定量估測方法

2.2.1 質量控制

雷達的掃描模式受到地形的影響，尤其是低仰角的掃描。目前我國業務運行的天氣雷達的降水估測方法中未有對地形遮擋的預處理（王紅艷和劉黎平，2015），因此在考慮雷達定量降水估測研究中，對雷達進行地形遮擋分析至關重要。本研究中對被遮擋的雷達采用組合掃描反射率的方法，例如第一層掃描仰角的雷達反射率因子被山體或建筑物遮擋，即用第二層掃描仰角的雷達反射率因子代替第一層仰角的雷達反射率因子。以此類推，直至雷達波束不被遮擋。

天氣雷達因為受到硬件方面的影響，在計算降雨量前，對雷達數據進行簡單的質量控制，消除非降水回波對降水估測的干擾（Zhang et al.，2005）。利用Zhang et al.（2004）的算法，采用VDZ區分雷達降水回波和非降水回波。

2.2.2 降雨類型

利用Z-R關系反演雷達降水量是現今定量估測降雨量最為常用的方法之一，依據不同降雨類型以及地理位置選擇合適的Z-R關系是提高Z-R關系降雨估測精度的關鍵。相關研究（Chandrasekar et al.，2003）表明，對降雨區域區分不同的降雨類型，針對不同的降水類型應用不同的Z-R關系可以提高雷達定量降雨估測的精度。本研究通過計算垂直累積可降水量（Vertical Integrated Liquid water content，VIL）來劃分降雨類型（Zhang and Qi，2010）。判斷對流降雨和層流降雨的閾值參考美國新一代天氣雷達（Zhang et al.，2011），垂直累積可降水量大于6.5 kg/m2判斷為對流性降水，反之為層狀云降水。相關研究表明，龍卷風強降水中通常會含有冰雹。本文以垂直累積可降水量密度（VILD，Vertical Integrated water Liquid content Density）大于1 m/g3為閾值，將大于1 m/g3的VILD值判斷為冰雹（Amburn and Wolf，1997）。

圖2是根據VIL得到的降雨類型，由圖2a可以判斷，VIL大于6.5 kg/m2的區域被判斷為對流雨區域，圖2b中對應的VILD大于1 g/m3區域則被判斷為冰雹。

2.2.3 Z-R關系選取

對此次龍卷風強對流降雨的結果進行降雨類型的分類后，應用Z-R關系反演雷達降水。本研究參考Zhang and Qi（2010）的算法，應用不同的Z-R關系反演降水，以下雷達降水產品簡稱RQPE。

對流性降水（Fulton et al.，1998）：Z=300R1.4。

層狀云降水（Marshall et al.，1955）：Z=200R1.6。

冰雹（王彬和張健，2014）：Z=75R2.0。

國內已有相關的研究成果，李哲（2015）分別對層狀降水和對流降水采用不同的Z-R關系，表明降雨類型識別及匹配局地的Z-R關系式將有助于提高估測精度。

2.2.4 雷達組網拼圖

通常用極坐標系存儲雷達原始觀測值，為了能與其他氣象觀測數據或者是組合多部雷達的數據進行分析，基于網格化的笛卡爾坐標被廣泛采用。為了便于多部雷達觀測進行拼接分析，常用的插值法包括：1）最鄰近法（Jorgensen et al.，1983），2）線性插值法（Fulton et al.，1998），3）Cressman加權方案（Weygandt et al.，2002），4）巴恩斯或指數加權方案（Shapiro et al.，2003）等。地面固定的單部雷達的探測范圍有限，不足以覆蓋更大尺度的天氣系統（肖艷姣和劉黎平，2006），為了獲取更多的降雨信息，綜合考慮多種因素對雷達反射率因子的影響，確保任意兩部雷達之間都存在共同覆蓋區域。自20世紀60年代以來，中外學者都對基于雷達反射率因子的雷達拼圖進行了相關研究。白玉潔等（2012）利用廣州和深圳的多普勒雷達進行三維格點拼圖，完整地記錄了0606號臺風“派比安”的登陸過程和影響范圍。本文采用Zhang et al.（2005）的拼圖方法，對雷達的第一仰角和3 km以下的雷達反射率因子計算得到的降雨率進行組網拼圖。

3 結果分析

3.1 雷達觀測結果

圖3是2016年6月23日08：30（世界時，下同）龍卷風發生時的雷達反射率因子及徑向速度。此次龍卷風超級單體形成于一條高空槽的槽前，該高空槽處于東北冷渦環流并向西南延伸。超級單體形成于一條東南-西北走向的颮線南端，而該颮線形成于一條西南-東北走向的冷鋒線狀對流帶的前方暖區內。圖3a黑色小框中的回波呈現明顯的鉤狀形狀，這是龍卷風出現時雷達典型的回波形狀，此時反射率因子達到50～60 dBz。周后福等（2014）的研究表明，在龍卷發生前后分別有氣旋性和切變線風，因為地面有氣旋和風切變，易在近地層導致風場輻合，觸發強勁上升氣流的龍卷天氣產生。圖3b的白色小框是TVS渦旋，在龍卷風發生的地區，沿著雷達的方位角方向，相鄰的兩個像素之間存在強烈的速度切變，是典型的龍卷渦旋特征（Tornadic Vortex Signature，簡稱TVS）（Brown et al.，1978）。

3.2 日累積降水時空分布

圖4是2016年6月23日00：00至23：00不同降雨產品日累積降雨量的空間分布。從圖4可以看出，基于衛星和雷達觀測的定量估測產品基本上都能捕捉到降水的空間分布。但是，與地面觀測結果（圖4a）比較，空間分布最為吻合的是基于雷達觀測的定量降水估計（圖4b）。圖4a白色框內的區域是此次強降雨過程的中心，雷達的降雨中心與地面觀測結果基本一致。相比之下，IMERG降水產品（圖4c、d、e）雖然能捕捉到與CMORPHGC較相似的強降水區域，但明顯高估了江蘇省東北部的降水量。表明雷達和衛星都能捕捉到與CMORPHGC一致的強降水中心，但IMERG高估了強降水的降雨量。可能原因是：1）由于龍卷風中心區域氣流的快速上升，抑制雨滴的降落，而龍卷風的外圍區域（即江蘇的北部）由于氣流的輻合上升，是強降水的降落地區。這與臺風帶來的降水類似，臺風中心（臺風眼）經過的地方在臺風經過時降水很少，但臺風東北側的外圍螺旋雨帶是強降水區域;2）此次極端強降水中心活躍在北部，與淮北地形緊密相關。因淮北地形東部低，西部及北部漸高，近地面氣流輻合對局地強降水起到了增幅的作用（吳海英等，2015）。任英杰等（2019）通過評估多版本的IMERG降水產品在中國大陸地區的精度，認為IMERG降水反演對中國地區的高雨強仍存在極大的不穩定性，表現為對極端強降水的捕捉監測能力不足和高估現象。

為了進一步定量比較不同降水產品的測量精度，下面僅對有雨量站的格點數據進行分析。圖5是不同降水產品和地面雨量站比較的散點圖和RB、RMSE以及CC的統計結果。由圖可明，RQPE與CMOPRHGC的相關性最高（相關系數0.93），能較好地反映強降雨的空間分布及降雨強度的變化。IMERG降水產品的CC相差不大，均在0.9左右，與雨量站的空間一致性都略低于雷達產品。從RB指數分析，雷達低估了降雨量（-16.21%），而IMERG則高估了降雨量，偏差最為突出的是IMERG_ERCal，RB值達到29.57%，其中IMERG_FRCal（RB為22.98）和IMERG_FRUncal（RB為28.97%）的RB值也超過了20%。通過對三種IMERG產品結果進行比較可以看出，RMSE值最大的IMERG_FRUncal（18.12 mm）， 而IMERG_FRUncal（RB為28.97%）的RB值也超過了20%。說明經過地面雨量站校正的IMERG在偏差上有了輕微的改善，但三者的RMSE值仍是高于RQPE（RMSE為10.93 mm）。表明經過IMERG產品還存在較明顯的系統誤差，基于紅外和微波觀測進行的降水反演算法以及基于月雨量站數據分析產品的誤差訂正算法仍有很大的改進空間。

3.3 降水時間變化

圖6顯示的是僅有雨量站的CMORPHGC、IMERG和RQPE格點數據的每小時區域平均降水量，圖6a是江蘇省整個研究區的每小時平均降水量時間序列，圖6b是降水中心的每小時平均降水量時間序列。在圖6a中，降水量的峰值出現在07—15時，在峰值出現前期，RQPE與雨量站的降水量趨勢變化基本一致，能較好捕捉到降雨的時間變化。但RQPE從05時開始到12時存在明顯低估降水的現象，低估現象一直持續到降水量回落，未能準確地估測強降雨的變化。而IMERG的降水產品對于峰值前期的弱降水也能較為準確地觀測到，與地面觀測結果的時序變化基本吻合，能捕捉到降雨量的峰值，但顯著高估了峰值的降雨量。圖6b中RQPE低估了峰值的降水量，其他時刻與雨量站的降雨量變化基本保持一致。相比之下，IMERG則始終高估降水區域的降水峰值，在07時后呈現顯著高估（RB值為24.83%～33.45%），表明衛星未能準確捕捉到強降水中心隨時間的變化特征。IMERG降水產品在強降水區域的降水時序變化較整個研究區降水量的時序變化出現了明顯差異。原因可能是龍卷風強氣流對降水粒子的相態、密度和形狀造成影響，從而導致星載降水雷達的PR算法產生誤差，影響了星載雷達觀測數據的衰減、校正以及降水估算方法（Iguchi et al.，2009）。

3.4 概率分布

為了詳細分析雷達和衛星對不同降水強度監測能力的差異性，采用不同降雨率的發生率（CDFc）和不同降水率累積降水量占總降水量的百分比（CDFv）分析，僅對有一個或以上的雨量站的格點數據進行計算，且只有當同時被CMORPHGC、雷達和3個IMERG產品都檢測為有降水的發生時才進行統計計算，降水率間隔為0.1 mm/h。圖7a顯示的是不同降水產品在不同降水率下監測的概率分布情況。在降雨率大于3 mm/h及小于32 mm/h的降水率區間，雷達的CDFc值略高于雨量站數據。而IMERG的CDFc曲線從0.2 mm/h開始就比雷達和CMORPHGC的低，表明IMERG降水產品高估了此次強降水。

RQPE的CDFv值變化規律與CMORPHGC的基本一致，但從2 mm/h后，CDFv值始終略高于CMORPHGC。代表著RQPE低估大雨及暴雨的（>5 mm/h）降水量，這也是此次雷達低估強降水的主要表現之一。而IMERG對強降水的表現則與雷達存在差異，IMERG對小于1 mm/h的降水估測與雷達和雨量站的偏差不大，但高估了1～16 mm/h降水率區間的降水。其中，當降水率大于16 mm/h時，IMERG final run產品的CDFv曲線表現出貼近雷達和CMORPHGC曲線的趨勢，但IMERG_ERCal產品則呈現明顯遠離雷達和雨量站曲線的趨勢，這也證明了衛星反演降水經過地面雨量站的月尺度數據的校正，其精度有了輕微改善。

3.5 POD，CSI，FAR分析

圖8是各種降水產品的常用評分分析結果。其中POD表示命中率，CSI表示成功率，FAR表示誤報率。以地面雨量站觀測值為基準，RQPE的POD值、CSI值和FAR值的表現都優于衛星降水產品。RQPE的POD、CSI的最低值以及FAR的最高值都出現在40～45 mm/h的降水率區間，POD下降到22%左右，CSI低于20%，FAR超過80%。3種IMERG降水產品對降水率的監測表現都比較接近，幾乎監測不到大于40 mm/h降水的發生，成功率也幾乎為0，FAR值也接近100%。3種IMERG降水產品橫向比較，當降雨率在18～40 mm/h區間時，IMERG Final run產品的表現略優于IMERG_ERCal，但仍存在不足之處。IMERG Final run產品的呈現CSI增長和FAR下降的趨勢，但POD評分也較低。江蘇省是典型的平原地區，夏季降水豐沛，整體呈現降水趨勢由南向北遞減。基于月分析產品的誤差訂正算法，在夏季誤差總體較大（孫振利等，2017）。

4 結論和討論

本研究評估多普勒S波段單偏振天氣雷達和3種IMERG降水產品在江蘇省鹽城龍卷風強降水過程中的誤差。此次龍卷風對江蘇省強降水量測量結果以國家氣象局開發的衛星和地面雨量站觀測的融合產品CMORPHGC為基準，綜合定量分析指數（CC、RB、RMES等）對分辨率為0.1×0.1的4種降水產品進行綜合評估，分析其對強降水的監測能力。主要結論如下：

1）針對日累積降水量而言，四種降水產品都能反映此次龍卷風強降水事件的空間特征，能抓住整個降水過程的強降水中心。其中RQPE和CMORPHGC的空間分布格局，具有很高的相關性（CC為0.98），降水區域主要集中在江蘇省北部。

2）對于小時時序的區域降水變化，IMERG和RQOE基本能反映整個江蘇省的降雨強度的時序變化趨勢，但雷達和IMERG的表現具有差異較大，雷達低估了峰值降雨量，而IMERG顯著高估了降雨量。綜合降水中心區域分析，IMERG顯著高估了中心區域的降水量，反映出IMERG的強降水區域降水與雨量站的時間序列存在顯著偏差。RQPE在降水峰值達到之前及峰值之后與地面雨量站的變化趨勢基本一致，但對降水量峰值（07—12時）有明顯的低估。RQPE能較為準確地在時間上捕捉到降雨強度的變化趨勢，但對于大雨及暴雨（>5 mm/h）的估測能力不佳。

3）IMERG產品對與此次龍卷風強降水的探測發生率POD都不高，當降水率大于10 mm/h時，誤報率FAR曲線始終高于雷達，成功率CSI對大于40 mm/h的降水發生的探測準確率較低。三者的變化趨勢基本一致，對強降水發生的探測準確度較低，表明衛星降水產品對龍卷風極端強降水的反演誤差較大。

上述研究表明，天氣雷達對此次強降水的估測精度高于IMERG，在中小尺度區域降水的時空變化監測中展現了一定的優越性，能追蹤到強降水的動態變化趨勢，但對于強降水的估測仍存在低估降水量的問題，該地區反演雷達降水的Z-R關系式需要進一步的改善。隨著我國天氣雷達網升級改造為雙偏振天氣雷達，預計升級后的雙偏振雷達網能進一步提高對強降水過程的監測和預報預警，提高降水估計的精度。IMERG產品都能捕捉到小時時序的區域平均降水變化，表明基于地球外圍觀測的衛星產品能追蹤到極端降水的時間變化趨勢，在降水空間分布和降水量估測上對龍卷風強降水存在誤差。可能是因為地面龍卷風強上升氣流的影響，降水粒子的相態、密度和形狀都發生了變化，衛星整體高估了強降水區域的降水量。

致謝：NASA提供了IMERG資料的在線下載服務。

參考文獻（References）

Amburn S A，Wolf P L，1997.VIL density as a hail indicator[J].Wea Forecasting，12（3）：473-478.

白玉潔，胡東明，程元慧，等，2012.廣東天氣雷達組網策略及在臺風監測中的應用[J].熱帶氣象學報，28（4）：603-608. Bai Y J，Hu D M，Cheng Y H，et al.，2012.Typhoon monitoring using the Guangdong weather radar network[J].J Trop Meteor，28（4）：603-608.（in Chinese）.

Barrett E C，Beaumont M J，1994.Satellite rainfall monitoring：an overview[J].Remote Sens Rev，11（1/2/3/4）：23-48.

Brown R A，Lemon L R，Burgess D W，1978.Tornado detection by pulsed Doppler radar[J].Mon Wea Rev，106（1）：29-38.

Chandrasekhar V，Meneghini R，Zawadzki I，2003.Global and local precipitation measurements by radar[J].Meteorol Monogr，30（52）：215.

Chen S，Hong Y，Cao Q，et al.，2013a.Performance evaluation of radar and satellite rainfalls for Typhoon Morakot over Taiwan：are remote-sensing products ready for gauge denial scenario of extreme events· [J].J Hydrol，506：4-13.

Chen S，Hong Y，Gourley J J，et al.，2013b.Evaluation of the successive V6 and V7 TRMM multisatellite precipitation analysis over the Continental United States[J].Water Resour Res，49（12）：8174-8186.

方勉，何君濤，符永銘，等，2019.基于GPM衛星降水產品對1808號超強臺風“瑪利亞”降水結構的分析[J].大氣科學學報，42（6）：845-854. Fang M，He J T，Fu Y M，et al.，2019.The precipitation structure for super typhoon Maria （1808） based on GPM satellite rainfall products[J].Trans Atmos Sci，42（6）：845-854.（in Chinese）.

Fulton R A，Breidenbach J P，Seo D J，et al.，1998.The WSR-88D rainfall algorithm[J].Wea Forecasting，13（2）：377-395.

Iguchi T，Kozu T，Kwiatkowski J，et al.，2009.Uncertainties in the rain profiling algorithm for the TRMM precipitation radar[J].J Meteor Soc Japan，87A：1-30.

Jorgensen D P，Hildebrand P H，Frush C L，1983.Feasibility test of an airborne Pulse-Doppler meteorological radar[J].J Climate Appl Meteor，22（5）：744-757.

李哲，2015.多源降雨觀測與融合及其在長江流域的水文應用[D].北京：清華大學. Li Z，2015.Multi-source precipitation observations and fusion for hydrological applications in the Yangtze River basin[D].Beijing：Tsinghua University.（in Chinese）.

李柏，古慶同，李瑞義，等，2013.新一代天氣雷達災害性天氣監測能力分析及未來發展[J].氣象，39（3）：265-280. Li B，Gu Q T，Li R Y，et al.，2013.Analyses on disastrous weather monitoring capability of CINRAD and future development[J].Meteor Mon，39（3）：265-280.（in Chinese）.

劉彤，閆天池，2011.我國的主要氣象災害及其經濟損失[J].自然災害學報，20（2）：90-95. Liu T，Yan T C，2011.Main meteorological disasters in China and their economic losses[J].Journal of Natural Disasters，20（2）：90-95.（in Chinese）.

Marshall J S，Hitschfeld Walter，Gunn K L S，1955.Advances in radar weather[J].Adv Geophysics，2：1-56.

任英杰，雍斌，鹿德凱，等，2019.全球降水計劃多衛星降水聯合反演IMERG衛星降水產品在中國大陸地區的多尺度精度評估[J].湖泊科學，31（2）：560-572. Ren Y J，Yong B，Lu D K，et al.，2019.Evaluation of the integrated multi-satellite retrievals （IMERG） for global precipitation measurement （GPM） mission over the Mainland China at multiple scales[J].J Lake Sciences，31（2）：560-572.（in Chinese）.

Shapiro A，Robinson P，Wurman J，et al.，2003.Single-Doppler velocity retrieval with rapid-scan radar data[J].J Atmos Oceanic Technol，20（12）：1758-1775.

沈艷，潘旸，宇婧婧，等，2013.中國區域小時降水量融合產品的質量評估[J].大氣科學學報，36（1）：37-46. Shen Y，Pan Y，Yu J J，et al.，2013.Quality assessment of hourly merged precipitation product over China[J].Trans Atmos Sci，36（1）：37-46.（in Chinese）.

孫振利，吳志勇，何海，2017.TRMM衛星反演降水在江蘇典型平原區的評估與訂正[J].水電能源科學，35（2）：24-28. Sun Z L，Wu Z Y，He H，2017.Evaluation and correction of TRMM satellite-retrieved precipitation in the typical plain area of Jiangsu Province[J].Water Resour Power，35（2）：24-28.（in Chinese）.

王彬，張健，2014.美國國家強風暴實驗室定量降水估算系統簡介[J].氣象科技進展，4（2）：45-51. Wang B，Zhang J，2014.An introduction to quantitative precipitation estimation system in national severe storms laboratory[J].Advances in Met S&T，4（2）：45-51.（in Chinese）.

王紅艷，劉黎平，2015.新一代天氣雷達降水估算的區域覆蓋能力評估[J].高原氣象，34（6）：1772-1784. Wang H Y，Liu L P，2015.Assessment of CINRAD regional coverage for quantitative precipitation estimation[J].Plateau Meteor，34（6）：1772-1784.（in Chinese）.

魏文秀，趙亞民，1995.中國龍卷風的若干特征[J].氣象，21（5）：36-40. Wei W X，Zhao Y M，1995.The characteristics of tornadoes in China[J].Meteor Mon，21（5）：36-40.（in Chinese）.

Weygandt S S，Shapiro A，Droegemeier K K，2002.Retrieval of model initial fields from single-Doppler observations of a supercell thunderstorm.Part Ⅰ：single-Doppler velocity retrieval[J].Mon Wea Rev，130（3）：433-453.

吳海英，曾劍明，王衛芳，等，2015.1211號“海葵”臺風登陸后引發兩段大暴雨過程的對比分析[J].大氣科學學報，38（5）：670-677. Wu H Y，Zeng J M，Wang W F，et al.，2015.Comparative analysis on two rainstorm processes caused by typhoon HaiKui （1211） after landfall[J].Trans Atmos Sci，38（5）：670-677.（in Chinese）.

肖艷姣，劉黎平，2006.新一代天氣雷達網資料的三維格點化及拼圖方法研究[J].氣象學報，64（5）：647-657. Xiao Y J，Liu L P，2006.Study of methods for interpolating data from radar network to 3-D grid and mosaics[J].Acta Meteor Sin，64（5）：647-657.（in Chinese）.

許遐禎，潘文卓，繆啟龍，2009.江蘇省龍卷風災害風險評價模型研究[J].大氣科學學報，32（6）：792-797. Xu X Z，Pan W Z，Miu Q L，2009.Disaster risk assessment of tornado in Jiangsu Province[J].Trans Atmos Sci，32（6）：792-797.（in Chinese）.

薛德強，李長軍，2002.一次強龍卷風過程破壞力的估計[J].氣象，28（12）：50-52. Xue D Q，Li C J，2002.Assessment of a strong tornado destructibility[J].Meteor Mon，28（12）：50-52.（in Chinese）.

You Y L，Liu G S，Wang Y，et al.，2011.On the sensitivity of tropical rainfall measuring mission（TRMM） microwave imager channels to overland rainfall[J].J Geophys Res，116（D12）：D12203.

Zhang J，Qi Y C，2010.A real-time algorithm for the correction of brightband effects in radar-derived QPE[J].J Hydrometeor，11（5）：1157-1171.

Zhang J，Wang S，Clarke B，2004.WSR-88D reflectivity quality control using horizontal and vertical reflectivity structure[C]//11th Conf Paper presented at the 11th conference Aviation，Range，and Aerospace Meteor.Hyannis：Amer Meteor Soc.

Zhang J，Howard K，Gourley J J，2005.Constructing three-dimensional multiple-radar reflectivity mosaics：examples of convective storms and stratiform rain echoes[J].J Atmos Oceanic Technol，22（1）：30-42.

Zhang J，Howard K，Langston C，et al.，2011.National mosaic and multi-sensor QPE （NMQ） system：description，results，and future plans[J].Bull Amer Meteor Soc，92（10）：1321-1338.

張樂堅，儲凌，葉芳，等，2012.使用雷達回波三維信息自動識別降水類型的方法[J].大氣科學學報，35（1）：95-102. Zhang L J，Chu L，Ye F，et al.，2012.The automatic identification of rainfall type by using radar data[J].Trans Atmos Sci，35（1）：95-102.（in Chinese）.

周后福，刁秀廣，施丹平，等，2014.江淮地區非超級單體龍卷風暴的雷達探測與成因分析[C]//第31屆中國氣象學會年會：北京. Zhou H F，Diao X G，Shi D P，2014.Radar detection and affecting factors of non-supercell tornadic storms of Jiangsu province[C]//The 31st Chinese Meteorological Society：Beijing （in Chinese）.

周璇，羅亞麗，郭學良，2015.CMORPH衛星-地面自動站融合降水數據在中國南方強降水分析中的應用[J].熱帶氣象學報，31（5）：333-344. Zhou X，Luo Y L，Guo X L，2015.Application of a CMORPH-AWS merged hourly gridded precipitation product in analyzing characteristics of short-duration heavy rainfall over southern China[J].J Trop Meteor，31（5）：333-344.（in Chinese）.

Inter-comparison of rainfall estimates from radar，satellite and gauge during the Yancheng Tornado

HUANG Chaoying1，2，ZHANG Asi1，2，CHEN Sheng1，2，HU Baoqing3

1School of Atmospheric Sciences，Sun Yat-sen University，Zhuhai 519000，China;

2Key Laboratory of Tropical Atmosphere-Ocean System（Sun Yat-sen University），Minstry of Education，Zhuhai 519000，China;

3Key Laboratory of Environment Change and Resources Use in Beibu Gulf（Nanning Normal University），Ministry of Education，Nanning 53000，China

The study evaluates the rainfall estimates from ground radar network against Early and Final Run Integrated Multi-Satellite Retrievals for Global Precipitation Mission （IMERG） during an extreme precipitation storm over Yancheng Tornado on June 23，2016.The statistics indexes used in this study were as follows：correlative coefficient （CC），relative bias （RB） and root mean square error （RMSE），probability of detection （POD），critical success index （CSI） and false alarm ratio （FAR）.From the results，the following were shown：1）the radar quantitative precipitation estimates （RQPE） and three IMERG can all capture the spatial pattern of storm cumulative rainfall with high CC from 0.91—0.98，and the RQPE was highly correlated with the gauge measurement （CC～0.98）;2）the radar and satellite products can capture the rainfall center in Jiangsu Province;3）all the satellite products significantly overestimated the hourly area-mean cumulative precipitation from 46.32% to 60.11%， thus indicating a significantly deviation between the time series of IMERG and observation in the heavy rain storm;4）the RQPE agrees well with the trend of gauge observations before and after the peaks of rainfall，yet underestimates the maximum rainfall;5）the RQPE can effectively capture the trend of rainfall intensity in terms of space and time，but performs less effectively in estimating heavy rain and torrential rain （>5 mm/h）;and 6）the POD，CSI and FAR values of RQPE are much higher than IMERG.IMERG can barely detect the occurrence of heavy precipitation （40 mm/h），while RQPE has the lowest value in the range of 40～45 mm/h.Overall，the radar outperforms the satellite in estimating precipitation during extreme rainfall storms，yet still requires improvement to capture the intensive rainfall peaks.

tornado;GPM;weather radar;quantitative precipitation estimation

doi：10.13878/j.cnki.dqkxxb.20181027001

（責任編輯：劉菲）