利用貝葉斯方法改進華南地區冰雹識別效果

李博勇，胡志群，鄭佳鋒，陳超

（1.成都信息工程大學大氣科學學院，四川 成都610225；2.中國氣象科學研究院災害天氣國家重點實驗室，北京100081；3.廣東省氣象臺，廣東 廣州510641）

1 引 言

冰雹災害是由強對流天氣系統引起的一種劇烈的氣象災害，它突發性強，常伴隨著狂風、強降水等災害性天氣過程，易給農業、建筑、通訊、電力、交通以及人民的生命財產安全帶來較大的損失。由于冰雹過程具有突發性、局地性強以及生命周期短的特點，其預報效果長期以來都不理想，哪怕只是提前半小時的臨近預報，其進展也十分緩慢，其中最大的困難就在冰雹回波的識別上[1]。因此，國內外學者對冰雹的識別做了大量的研究，在粒子的微觀形態方面，Hyang 等[2]對模糊邏輯分類算法進行了一些修改和改進，發現了液態水凝物和固態水凝物之間的區別，提高了分類的準確率。Ryzhkvo 等[3]研究了融化冰雹的衰減，并提出了一種在冰雹存在下進行極化衰減訂正的新技術。Zhang 等[4]對樸素貝葉斯的出色分類性能進出了新穎的解釋。Manzato等[5]研究了1992年4—9 月的意大利北部Friuli Venezia Giulia 地區平原上收集的冰雹數據，使用線性和非線性方法進行多元預測分析，并通過神經網絡集成方法，增加了冰雹預測的準確率。美國國家災害風暴實驗室研究了冰雹的雷達和環境屬性，在此基礎上Marzban等[6]利用貝葉斯神經網絡方法開發用于預測冰雹尺寸和預測冰雹大小分類的兩個神經網絡。Marzano等[7]還通過貝葉斯方法，使用C-Band雙偏振雷達對水凝物相態進行分類，區分水、冰和混合相的10種不同水凝物類別。

相對于國外，國內在冰雹識別的宏觀層面進行的研究較多，對冰雹云的識別方法有很多，如宏觀識別法（即目測法）、氣象要素變化識別法、衛星動力識別法、閃電定位系統識別法[8]、雷達識別法等。在早期，劉黎平等[9-11]利用擴展邊界條件法計算了不同相態的模型雹塊對C 波段雷達波的散射和衰減，并在此基礎上建立了C 波段雙線偏振雷達識別雹區的方法。曹俊武等[12]利用美國KOUN雷達的一次強對流天氣過程的觀測資料，討論分析了雙偏振雷達雹區識別，給出一個模糊邏輯算法冰雹識別模式，該模式不僅可以反映出實際的冰雹區位置，還可以對其分類，識別的結果比較符合實際的天氣過程。蘇德斌等[13-14]利用北京地區X 波段雙線偏振雷達資料，建立了X 波段雙線性偏振雷達冰雹識別參量HDR，當HDR> 0 時表示有冰雹，HDR< 0 時表示無冰雹。該判別與地面降雹情況基本一致，但是存在一定的虛警率。

雙偏振雷達已成為天氣雷達的發展趨勢，其在降水估測、粒子的相態識別等方面具有明顯的優勢[15-18]。至2019 年，廣東省新建或者是改建的9部新一代天氣雷達，全部為S 波段雙偏振雷達。本文利用廣東省S 波段雙偏振雷達2019年觀測到的冰雹數據，研究貝葉斯方法對華南地區的冰雹識別效果。

2 冰雹數據集的構建

2.1 資料來源

為了加強天氣監測，全國各地正逐步推進新一代天氣雷達的偏振升級改造。CINRADSA 雷達升級過程中，吸收了美國WSR-88D 偏振升級的研究成果，采用雙發雙收的技術體制，充分應用S 波段單偏振雷達在線自動定標及補償功能，保證對雙線偏振各參量的探測精度，探測參量包括反射率（Z）、速度（V）、譜寬（W）、差分反射率（ZDR）、差分傳播相位常數（KDP）、差分傳播相移（ΦDP）、偏振雷達相關系數（CC）。且依據反射率、差分反射率、零滯后相關系數等雙線偏振探測量，采用模糊邏輯算法，雙線偏振雷達可以初步探測目標的降水類型（雨、大雨、冰雹、雪、非氣象目標物等）。

用于冰雹分析的雷達數據來自廣東省S 波段雙偏振雷達（S-POL）2019 年觀測數據。根據廣東2019 年地面冰雹觀測記錄，如降雹時間、地點、降雹直徑等（表1），采取人機交互的方法，挑選出降雹點上空的雷達基數據，對雷達數據進行質量控制[19]與處理分析，得出冰雹過程中的各個參量的分布特征。表1中零度層高度為清遠站08或20時（北京時，下同）探空資料得到。

表1 2019年廣東地區冰雹記錄

序號 日期 時間 冰雹地點 尺寸/mm 零度層高度/m東莞長安鎮深圳寶安區沙井、馬田江門新會會城街道江門臺山北陡鎮水咀村茂名化州麗港茂名高州鎮江云浮郁南歷洞、大方、連灘、東壩、宋桂鎮臺山川島鎮沙堤村四會廣寧交界三水區江門恩平恩城街道韶關仁化紅山鎮韶關仁化長江鎮陳歐村清遠連南三江鎮、金坑鎮大龍村清遠英德沙口鎮群英村曲江烏石鎮坑口村韶關翁源鐵龍河源龍川鐵場鎮韶關乳源洛陽鎮清遠連州豐陽鎮韶關武江區龍歸鎮肇慶封開河兒口鎮、魚澇鎮清遠陽山嶺背鎮清遠英德石牯塘鎮10～20 5～8 5 10 20～30 10～20 8～15 10～15 8～10 5 5 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 8～10 8～10 5～8 15～30 5～8 5～8 10～25 10 2019.04.11 2019.04.11 2019.04.11 2019.04.12 2019.04.12 2019.04.12 2019.04.14 2019.04.14 2019.04.19 2019.04.19 2019.04.20 2019.04.21 2019.04.21 2019.04.22 2019.04.22 2019.04.22 2019.04.22 2019.04.22 2019.04.23 2019.04.25 2019.04.25 2019.04.25 2019.04.25 2019.04.25 2019.04.26 2019.04.26 2019.04.26 2019.04.26 2019.04.26 2019.04.26 20:00 20:00 20:10—20:20 09:00 16:40 16:54 14:00 14:16 02:52 03:40 11:50—12:00 16:50 18:10 07:40 09:40 09:50 10:00—10:30 14:30 15:15 17:00 17:59—18:10 19:00 19:40 21:15—22:15 09:10 12:30 12:50—13:00 13:30—14:00 20:30 21:30/ /茂名化州平定鎮梅州興寧羅浮鎮東莞厚街鎮潮州饒平上饒鎮肇慶懷集橋頭鎮清遠佛岡石角鎮5～8 5 10～20 8～10 5 5～8 20～30 10 5～10 4 183 4 183 4 183 4 149 4 149 4 149 4 712 4 712 4 908 4 908 4 859 4 693 4 693 4 663 4 663 4 663 4 663 4 663 4 892 4 691 4 691 4 691 4 691 4 691 4 625 4 625 4 625 4 625 4 625 4 625

2.2 S波段偏振雷達冰雹特征

在我國南方地區，熱力、水汽條件比較好，對流旺盛，過冷水充裕，往往在孤立單體，或者多單體對流云中，能夠發展出冰雹。根據2019 年廣東S-POL 觀測數據，冰雹在雷達回波上表現為：PPI圖像上中心回波強度在60 dBZ 以上，中心區域面積較小，云體發展很高，在較高的仰角層上仍能看到很強的回波；同時該地區冰雹的ZDR值與相關系數CC 值變化較大，ZDR值分布在-2～4 dB 區間，CC值在0.98 附近。在剖面圖上有較明顯的回波墻，但弱回波區，懸垂回波等回波特征沒有超級單體中形成的冰雹那么明顯，超級單體形成的雹災通常具有較大的有界弱回波區[20-21]。

以2019年4月20日11:50左右，江門恩平恩城街道觀測到10～20 mm 的冰雹為例，圖1、圖2 是廣東陽江S-POL 雷達在11:54 時刻，仰角0.5 °的PPI和強回波區的剖面圖像中的Z、ZDR、CC 參量。在圖1 中，冰雹天氣具有明顯的局地性特點，強中心范圍較小，回波強度比較強，中心強度普遍達到了50 dBZ 左右，最強的區域在55 dBZ 以上。ZDR值變化較大，在冰雹區域外圍，值分布在0 dB 左右，到回波中心ZDR值在1～2 dB，回波最強的區域ZDR值達到4 dB以上，范圍較小，可能是區域外圍是小雨區，而中心區域內為雨夾雹。CC 觀測顯示，整個冰雹區域相關系數均在0.98 左右，在回波中心內CC 值較小的部分值也達到了0.97，與純的冰雹CC 值存在一定差異。圖2 中顯示，此次天氣過程云體發展高度非常高，其回波結構具有高懸的強反射率因子核心，45 dBZ 回波超過10 km，最大回波強度在65 dBZ 以上，強回波略微傾斜，但是懸垂回波不明顯，在融化層（當日零度層高度為4 859 m）以上，強回波對應ZDR值為0 dB左右。在剖面圖中橢圓標注處，位于強回波區，且ZDR和CC較小，有比較典型的冰雹偏振特征，為純冰雹區域。同時在融化層以下，ZDR剖面圖標注區域有ZDR柱存在，表明該區域為大粒區，或者是冰雹融化區域。冰雹在下落的過程中快速融化，在其表面形成水膜，當水膜厚度達到冰雹直徑的30%時，冰雹的介電性質將與雨滴相近，形成大雨滴的偏振特性。在CC 的剖面圖中，整個強回波區的CC值偏小，特別是在2～4 km 高度，有一個明顯的低值區，這也說明冰雹在長達2 km 的降落過程中，不斷融化，冰雹、水膜冰雹、雨滴并存，導致這個高度區間出現較小的CC值。

圖1 陽江S波段雙線偏振雷達2019年4月20日11:50時0.5 °PPI圖像的Z（a）、ZDR（b）、CC（c）參量

圖2 與圖1中對應Z（a）、ZDR（b）、CC（c）剖面圖

2.3 構建冰雹數據集

本文旨在利用貝葉斯方法對華南冰雹的識別效果進行改進，在利用貝葉斯方法進行冰雹識別的過程中，需要構建冰雹的數據集。

因此，根據表1 中記錄的冰雹發生時間與地點，查找并輸出對應時空的雹云各個仰角的雷達數據。考慮到廣東地區純粹的冰雹很少，基本上都是雨夾雹的特點，輸出的數據集限定為：Z 值在45 dBZ 以上，ZDR值在（-1，4）附近，CC 集中在（0.85～0.98），剖面圖上具有明顯的冰雹回波墻結構，但不一定有穹窿狀的弱回波區（圖3）。圖3 為廣東地區的三次雹云單體剖面圖（對應表1的序號分別為21、22、30），在圖3a1、3b1、3c1 中標注區域為冰雹區域，從偏振量上，冰雹區域強度很大，ZDR、CC 值也明顯偏小；在圖3a2、3b2、3c2 中，CC剖面上有三個小值區，標注區左邊40 km 處判斷為信噪比小造成，標注區為真正的冰雹區域，而在標注區右邊的小值區是因為回波經過冰雹區域衰減，導致后面Z、CC 都在一定程度上減小。雖然S波段衰減較小，但是大冰雹對其仍有明顯影響；圖3a3、3b3、3c3 中標注區域冰雹特征更為明顯，強回波，弱ZDR、CC值。

圖3 廣東典型冰雹回波剖面圖 a1、b1、c1是深圳寶安區附近4月11日20:00的冰雹過程Z、ZDR、CC的剖面圖；a2、b2、c2是東莞長安鎮附近4月11日20:00；a3、b3、c3是江門4月20日11:54，圖中用矩形或橢圓標注區域為冰雹區域。

此種方式共確定133 263 組（Z、ZDR、CC）冰雹數據，作為正樣本；另外，從其他沒有冰雹記錄的體掃資料中，隨機取反射率強度大于45 dBZ 的降水數據作為非冰雹數據，共選取了140 000 組（Z、ZDR、CC）數據，作為負樣本，正、負樣本數據的比例為1:1.05。將以上的冰雹和非冰雹數據作為訓練數據，利用貝葉斯方法建立冰雹識別模型。

3 基于貝葉斯方法改進冰雹識別步驟

3.1 貝葉斯原理

貝葉斯定理是概率論中的一個定理，描述在已知的一些條件下，某事件發生的機率。通常，事件A 在事件B 已發生的條件下發生的概率，與事件B 在事件A 已發生的條件下發生的概率是不一樣的。然而，兩者是有確定的關系的，貝葉斯定理就是這種關系的陳述。如下所示：

其中A 以及B 為隨機事件，且P(B)不為零。P(A|B)是指在事件B 發生的情況下事件A 發生的概率。在貝葉斯定理中，每個名詞都有約定俗成的名稱：

P(A|B)是已知B 發生后，A 的條件概率。也由于得知B的取值而被稱作A的后驗概率。

P(A)是A 的先驗概率（或稱邊緣概率）。之所以稱作“先驗”是因為它不考慮任何B 方面的因素。

P(B|A)是已知A 發生后，B 的條件概率。也由于得知A的取值而被稱作B的后驗概率。

P(B)是B的先驗概率。

對于變量有兩個以上的情況，貝葉斯定理亦成立。例如：

3.2 貝葉斯識別冰雹原理

如果事先知道冰雹區域內Z、ZDR和CC概率分布，則可以利用貝葉斯方法開展冰雹識別。基于貝葉斯的冰雹識別算法描述如下：將雷達回波分成兩類，C=（H，N），其中C表示類別，冰雹區域回波用H表示，非冰雹回波用N表示，三個偏振參量Z、ZDR和CC 結合起來形成雷達觀測差別向量y=要判斷觀測向量y是否屬于H，只有在p(H|y)>p(N|y)時，屬于H，p是概率密度，根據貝葉斯理論：

其中Ci=H，N。P(y)=K是觀測差別因子y的概率，假定它對H和N分類概率是一樣的，即P(H)=P(N)= 1/2， 因 此P(Ci|y) 和P(y|Ci)P(Ci)成正比，則公式（3）轉換成：

基于簡單的貝葉斯判斷中分類之間獨立的假設，條件概率密度可以分解為：

利用貝葉斯方法識別冰雹具體流程如圖4 所示：

圖4 基于貝葉斯方法識別冰雹步驟

3.3 先驗概率分布的獲取

對表1 中冰雹記錄區域上空的所有S-POL 的Z、ZDR、CC 分布作散點圖(圖5)，散點的透明度表示了粒子的集中程度。在冰雹區域內，反射率Z從低層至高層，分布都較為均勻，表明在整個云體當中，反射率都比較大；Z值主要分布在45～65 dBZ區間，其中65 dBZ 以上的云體部分主要在10 km以下，表明其冰雹核心區域是位于中低層。冰雹區域中ZDR集中分布在0 dB 附近，具有一定的波動，在6 km 以下的區域其波動比較明顯，說明冰雹在高層更加純粹，基本維持著單一的相態；在隨高度降低的過程中，由于氣溫變化較大，地面氣溫比較高，導致冰雹不斷的融化，形成了水膜、小冰雹完全融化形成雨夾雹，影響了ZDR的分布。從CC 分布圖中可以看到，相關系數越接近1，分布越集中，與Z、ZDR分布較為類似，在10 km 以上的云體中比較集中，而在高度下降的過程中，分布趨于散亂，在融化層附近（零度層基本位于4～5 km），粒子的相態發生了變化，由于雨水和冰相粒子的混合，導致了相關系數的變化，CC 值快速減小，小于0.9 的區域變大；在0～2 km 間，CC 的波動更加明顯，最小值在0.1附近。

圖5 廣東S波段雙線偏振雷達2019年冰雹觀測總體Z、ZDR、CC隨高度散點分布特征

利用構建的冰雹數據集，分析得出Z、ZDR和CC獨立概率分布(圖6)。圖中藍色線表示冰雹，紅色線表示非冰雹，從圖中可以看出，冰雹和非冰雹的Z值差異在于，冰雹的分布集中在50 dBZ 以上的區域，概率的峰值在0.04 附近；而非冰雹的分布趨向于Z值較小的區域，在45 dBZ 左右的概率為0.07～0.08。而在ZDR分布中，相對于非冰雹的ZDR分布，冰雹的分布更為分散，跨度較大，概率的峰值區在1 dB 附近，為0.015，而非冰雹的ZDR分布比較集中，概率的大值在1～2 dB 左右，為0.035。冰雹區域的CC 值比較集中在0.98，峰值區概率在0.10 左右；而非冰雹的CC 值更加偏向0.99～1 間，概率的峰值達到了0.2以上。

圖6 廣東2019年S波段雙偏振雷達觀測Z、ZDR和CC概率分布 其中紅色曲線為降水過程的概率分布，藍色曲線為冰雹過程的概率分布。

4 個例分析

選取2019年4月11日16時左右廣州增城和4月12 日09 時左右江門的兩次冰雹過程，作為冰雹識別效果的檢驗，這兩次冰雹個例的數據沒有加入建模的訓練集。增城地區冰雹過程的PPI 和剖面圖像如圖7、圖8 所示，在圖7 冰雹PPI 圖像中，回波的區域較小，強度很強，中心的回波強度普遍在50 dBZ 以上，最強的區域達到了65 dBZ 左右；在圖7b中ZDR值波動也比較大，平均處于1.5 dB左右，部分地區在0.5 dB 左右，而有的區域卻達到了4 dB 以上；相關系數CC 的值較小，分布在0.90 附近，在回波中心邊緣部分也有值處于0.98 附近。在圖8 剖面圖像中，可以看到冰雹的結構特征，標注區域偏振量體現出了明顯的反射率大值區與ZDR、CC 的弱值區。在冰雹中心區域，回波的強度從低層至高層都比較強，基本在50 dBZ 以上，在2～8 km 的區域，有65 dBZ 以上的大值中心，為冰雹的集中區域；在圖8b 中，ZDR值在4 km 以上的高空都比較小，在0.5 dB 左右，而在4 km 以下的區域中，ZDR值出現一個大值區，為冰雹經過融化層（當日零度層為4 183 m），表面融化導致。在圖8c相關系數圖中也體現出這一特征，在融化層以上的區域，CC 值較大，均在0.96 以上，在融化層后，CC 值快速減小，部分區域處于0.90 附近，體現出了粒子相態頗為駁雜的特點。

圖7 增城S波段雙偏振雷達2019年4月11日16:02時2.5°PPI圖像的Z、ZDR、CC參量 a中棕色實線為剖面的位置，黑色框為冰雹區域，距離圈為50 km。

圖8 與圖7中對應Z（a）、ZDR（b）、CC（c）剖面圖

圖9、圖10 分別是2019 年4 月12 日江門臺山北陡鎮附近一次冰雹過程的PPI和相應的剖面圖，與增城的過程相似，PPI 圖中回波強度較大，普遍在50 dBZ 以上，ZDR值從外圍至中心緩慢增大，云體周邊值在0 dB，中心最大值達到了4.0 dB以上，相關系數圖中顯示回波中心CC 值在0.97 左右。剖面圖中，可以看到云體發展較高，回波最強在65 dBZ以上，但沒有增城過程的明顯，云體稍稍傾斜，懸垂不明顯；當日融化層位于4 km 左右(零度層高度為4 149 m)，在橢圓標注區右側，經過融化層時，ZDR值突然變大，在云體的下部達到了2.5 dB以上，同時CC 值減小到0.9附近，然后在云體下部增加達到0.98 左右，為冰雹區域；而標注區域，出現CC 的小值區，認為是處于下沉氣流區域，回波墻邊緣，有少量的冰雹越過主上升氣流，在這個區域并沒有液態水凝物，或者是存在少量的雨滴，強的反射率主要是由于少量冰雹引起的。

圖9 陽江S波段雙偏振雷達2019年4月12日09:00時0.5 °PPI圖像的Z、ZDR、CC參量 a中棕色實線為剖面的位置，黑色框為冰雹區域，距離圈為50 km。

圖10 與圖9中a、b、c對應Z（a）、ZDR（b）、CC（c）剖面圖

為了驗證貝葉斯方法識別冰雹的效果，選取2019年4月11日16:06和4月12日11:54的雷達數據進行冰雹識別，并使用美國WSR-88D 的冰雹識別算法與貝葉斯方法的識別結果進行綜合分析。WSR-88D 是對風暴系列算法識別出的每一風暴單體分析、計算其結構而進行冰雹探測的[2,22]。

兩種方法具體的識別結果如圖11 所示，圖11為4 月11 日的識別結果，其中第1 列是16:06 的雷達反射率強度圖，第2列是WSR-88D的識別結果，第4列是貝葉斯方法的識別結果，從上至下分別是仰角依次為0.50、1.50、2.50、3.50、4.50、6.00、10.00；圖中第2列和第3列中的紅色區域是識別出冰雹的區域。從反射率強度圖中可以看到，該次冰雹天氣過程中心強度達到了60 dBZ 以上，并且從低層至高層都維持著很高的強度；且回波強中心的范圍較為集中，面積相對于整片雷達回波來說較小，反映了冰雹的局地性特點。在第2 列WSR-88D 的識別結果中可以看到，算法識別出冰雹的區域基本與反射率強度圖中的強回波中心位置重合，表明該算法能有效識別出冰雹，對于位置和區域的判斷較為準確。在低層，預測的冰雹范圍和反射率的強中心范圍大小不匹配，可能原因是冰雹在下落過程中，逐漸融化，表面形成水膜，導致ZDR等偏振特性變化，在低層的識別的冰雹范圍減小；在隨高度的變化過程中，WSR-88D 的識別算法預測出來的冰雹范圍與60 dBZ 強回波中心的范圍趨于一致。在第3 列的貝葉斯方法識別效果圖中，其預測冰雹的位置與強回波中心保持一致，范圍與50 dBZ 以上的回波區域大小相近；從低層到高層，貝葉斯方法預測冰雹范圍的形狀也與強回波區域的形狀相似。對比貝葉斯方法和WSR-88D 冰雹識別算法對該次冰雹過程的識別效果，可以看到貝葉斯方法識別出的區域相對較大，而且與WSR-88D 冰雹識別算法不同的是，貝葉斯方法在低層識別的區域就比較大，造成這一明顯區別的原因是WSR-88D 識別的是純的冰雹，而在華南地區，由于中低層大氣溫度較高，冰雹在下落的過程中不斷融化，高空的冰雹，到了近地面，小冰雹就變成了雨滴，大冰雹外包水膜，從而形成雨夾雹；相對而言，貝葉斯方法識別的是雨夾雹，所以從整層來說，貝葉斯方法識別出的范圍比WSR-88D 冰雹識別算法識別出的要大；此外在構建冰雹數據集時，ZH、ZDR、CC 范圍的設定，無法完全排除液態水的存在，這在一定程度上也導致了貝葉斯方法識別出的范圍較大。

圖11 2019年4月11日16:02時增城WSR-88D識別結果和貝葉斯方法識別結果 a1～a7分別是仰角0.50、1.50、2.50、3.50、4.50、6.00、10.00的反射率強度，黑色框為冰雹區域；b1～b7是WSR-88D的識別結果，紅色部分代表的是識別出冰雹的區域；c1～c7是貝葉斯方法的識別結果，雷達位于左下角，距離圈為50 km。

圖12 為4 月12 日的識別結果，從反射率強度圖中可以看到，該次冰雹天氣過程中心強度達到了55 dBZ 以上，并且從低層至高層都維持著很高的強度，在高層，云體中心的回波強度達到65 dBZ以上；且回波強中心的范圍較為集中，面積相對于整片雷達回波來說較小，反映了冰雹的局地性特點。在第2 列WSR-88D 的識別結果中可以看到，算法識別出冰雹的位置與回波的位置接近，且識別出的冰雹區域呈現出線狀，從南向北排列，面積較小。在圖12b2中，WSR-88D 算法識別出右上角也有冰雹出現而貝葉斯方法沒有識別。在高層，圖12b6、12b7 中，因回波出現分裂的情況，WSR-88D 識別結果也出現了南北兩個區域，兩個區域與回波位置、形狀基本保持一致。在第3列貝葉斯方法的識別結果中，和WSR-88D 識別結果相比，貝葉斯方法識別的結果區域更加集中，且范圍較大，與反射率圖中回波中心的位置和區域較為吻合，從低層至高層都有此特征；在第六層和第七層，貝葉斯方法的識別結果仍是一個區域，與65 dBZ以上的回波中心保持一致。

結合兩次個例的預測結果，與WSR-88D 識別算法相比，由于貝葉斯方法識別的是雨夾雹，識別的區域更大更集中，但基本的位置區域兩種方法預測都較為準確。

對于華南地區的冰雹識別來說，由于其明顯的地域特征，WSR-88D 冰雹識別算法雖然效果不差，但是仍然有不足之處。在該區域，純冰雹的現象是比較難以出現的，而外包水膜的冰雹同樣能形成較大的雹災，因此使用貝葉斯方法來識別冰雹是有必要的。

圖12 2019年4月12日09:00時陽江WSR-88D識別結果和貝葉斯方法識別結果 a1～a7分別是仰角0.50、1.50、2.50、3.50、4.50、6.00、10.00的反射率強度，黑色框為冰雹區域；b1～b7是WSR-88D的識別結果，紅色部分代表的是識別出冰雹的區域；c1～c7是貝葉斯方法的識別結果，雷達位于左上角，距離圈為50 km。

5 討 論

本文通過對廣東地區S 波段雙線偏振雷達2019 年的冰雹觀測數據進行分析，首先在地面觀測記錄中有冰雹過程，其次是根據觀測記錄的時間和地點挑選出雷達數據，如果雷達數據的PPI圖像具有冰雹特征，并且剖面圖中有明顯的回波墻等冰雹結構，將此過程認定為真實的冰雹過程，可以用于構建冰雹數據集。在此基礎上給出S 波段偏振雷達在冰雹區域和非冰雹區域反射率Z、差分反射率ZDR、和相關系數CC 的先驗獨立概率密度分布。利用貝葉斯方法，對2019年4月11日16:06和4 月12 日11:54 的冰雹體掃數據，比較和分析了（Z、ZDR、CC）獨立概率密度分布條件下冰雹的識別效果，并得出獨立概率密度分布能有效地識別雨夾雹的天氣現象。

個例分析表明，貝葉斯方法能有效地識別出冰雹，且識別的準確率較高。在與廣東現在的冰雹識別算法——WSR-88D 冰雹識別算法的對比分析過程中，貝葉斯方法識別的位置、范圍大小與實際情況較為吻合，且識別出雨夾雹天氣現象，是有利于提高冰雹的識別效果的。