基于L波段探空的云區邊界識別改進算法

胡樹貞，陶 法，王志成，楊榮康

（中國氣象局氣象探測中心，北京 100081）

云的生成、發展及演變過程對天氣特征、氣候變化及人工影響天氣十分重要，特別是對大氣垂直運動和天氣過程的影響[1]。云通過吸收和發射長波輻射參與地球輻射收支平衡，近年來對于云的輻射強迫響應研究，不僅局限于云量和云底高度，更加關注云體垂直結構信息[2-3]。隨著科學技術的發展，越來越多的新技術、新方法應用于地基云觀測，對云高觀測主要有激光云高儀、毫米波雷達、厘米波雷達等，對云量觀測有可見光成像儀、紅外成像儀等[4-9]。厘米波天氣雷達和毫米波云雷達作為主動遙感設備，通過發射和接收水平方向或垂直方向上的電磁波束，得到云和降水的宏觀和微觀信息，為揭示云和降水的垂直結構信息提供精準參考[10-13]。但受觀測技術體制和成本等多重因素影響，我國還沒有形成地基云的自動化觀測業務，無法在應用層面上定量化獲得云的垂直結構信息。

探空是獲取大氣垂直狀況信息的一種重要手段，探空氣球攜帶探空儀可獲取由地面到高空30 km溫、壓、濕、風氣象要素隨高度的變化信息[14-16]。探空傳感器在入云和出云時，觀測的濕度存在劇烈的變化，因此可利用探空觀測數據分析云的垂直結構。國外利用探空資料對云垂直結構特征研究較早，Poore[17]利用地面觀測和探空資料探討了云層的厚度，提出用相對濕度閾值以及云頂和云底相對濕度的跳躍變化來判斷云層（WR95法）。國內的專家學者利用探空資料對云垂直結構特征進行過類似的研究，張玲[18]通過分析相對濕度的突變來訂正地面人工觀測云的準確性；周毓荃[19]采用WR95法，利用探空秒數據，分析了不同云垂直結構，將得到的分析結果與Cloudsat衛星實測云垂直結構進行個例分析；蔡淼[20]利用探空數據分析了云內和云外相對濕度的累積頻率分布，提出隨著高度的增加，云區相對濕度判別閾值相應減小的動態閾值算法；孫麗[21]利用動態閾值算法對沈陽地區云垂直分布特征進行了驗證分析，算法在沈陽地區識別云的正確性達75%以上。

目前，利用探空數據進行云垂直邊界識別主要是基于相對濕度的閾值法和梯度法，但在實際使用過程中，閾值法由于不同地區的局地氣候特征存在局限性，而梯度法在近地面高濕大氣中造成的誤判較多。本文在蔡淼提出的相對濕度動態閾值法的基礎上，提出一種利用探空相對濕度閾值與梯度相結合的云區邊界識別改進算法，改進算法首先利用相對濕度閾值確定云區大致區間范圍，在云區空間范圍內，利用相對濕度的梯度變化特征，進一步明確云區邊界，實現對云頂高度和云底高度的自動識別。

1 資料及其分析方法

1.1 毫米波云雷達

云雷達資料來源于安裝在北京市南郊觀象臺的全固態Ka波段毫米波云雷達，毫米波段在云霧粒子中具有較強的散射特性，更適用于云、霧等目標觀測。該云雷達使用固態發射技術，運行成本低，功耗小，可靠性高。采用較小尺寸天線獲得較高的天線增益和較窄的波束，得到較高的角分辨率。云雷達每分鐘觀測一次，獲取0～15 km，垂直分辨率30 m，云粒子的反射率因子Z、徑向速度V r及速度譜寬SW[22]。相關專家學者對該技術體制云雷達云高探測準確性進行了評估與對比分析[23-27]。

1.2 L波段探空系統

探空數據為北京市南郊觀象臺L波段高空氣象探測系統業務數據，探測系統由測風雷達、無線電探空儀、探空儀基測箱、探空氣球及電池等組成。探空儀傳感器的要求及測量范圍分別為：溫度為50～-90℃，對環境溫度的變化具有充分快的反應速率，上升過程中熱滯造成的系統誤差＜0.1℃/km；濕度為1%～100%，與大氣中水分子自由迅速交換，能夠真實反映大氣中水汽的分布情況；氣壓為1 050～1 hPa，在1 050～5 hPa的動態范圍內保持其準確度，并在規定較低氣壓下仍具有0.1 hPa的分辨率。探空儀測量準確度要求見表1。

表1 探空儀測量準確度要求

1.3 資料分析方法

在處理探空數據時，首先考慮不同溫度下相對濕度的合理計算，當氣溫低于0℃時，按照冰面飽和水汽壓計算相對濕度，即利用實際水面飽和水汽壓除以冰面飽和水汽壓得到新的相對濕度，相關計算公式如下：

式中，Ew為水面飽和水汽壓（hPa）；Ei為冰面飽和水汽壓（hPa）；T0為水的三相點溫度，T0（K）=273.16；T為絕對溫度，T（K）=273.15+t，t為攝氏溫度（℃）；U為空氣相對濕度（%）；Ur為冰面飽和水氣壓下計算的空氣相對濕度（%）。

由于探空氣球上升過程中隨風漂移，云同時也在移動，為使探空入云點與毫米波云雷達垂直頂空探測的對象盡可能保持一致，識別算法準確性驗證分析時樣本選取應遵循以下原則：（1）對比分析樣本為云底或云頂較為平整的層狀云；（2）探空放球時刻前10 min毫米波云雷達觀測云高數據取平均作為對應時刻的標準云高樣本。

2 探空云區邊界識別算法

首先，云區內部大氣的相對濕度高于云外，周毓荃等[19]認為相對濕度84%可作為云區與非云區界限，但單純的閾值判別在普適性方面難免存在缺陷。而隨著垂直高度的增加，空氣中水汽在達到飽和與未飽和的臨界面一般認為是云區邊界，在邊界處相對濕度必然存在明顯的梯度變化。為分析探空觀測要素廓線在云區邊界的特征，圖1為2017年9月30日毫米波云雷達反射率因子與探空溫濕廓線對應關系。在18：00—22：00天頂7～10 km范圍內有層狀云，云底和云頂高度平整（圖1a）。圖1b中藍線為探空實測的大氣相對濕度隨高度變化廓線，簡稱相對濕度（液面）；綠線為利用冰面飽和水氣壓計算的大氣相對濕度廓線，簡稱相對濕度（冰面）。通過毫米波云雷達反射率因子與探空相對濕度廓線之間的時空對應分析，可見利用相對濕度（冰面）廓線更能較好地對應毫米波云雷達探測的云區，但探空廓線在云區下方6 km處有高濕層，厚度約1 km，單純依靠相對濕度閾值判斷，將造成誤判。

隨著高度升高，空氣溫度和密度下降，理論上無云條件下探空儀所測溫濕廓線呈規律性下降，由于受大氣環境影響空氣中水汽凝結成云粒子的條件不同，因此采用相對濕度分段閾值進行云區判斷是合理的。另外，根據云生成條件，云底高度一般出現在大氣抬升凝結層高度以上。利用探空相對濕度閾值與梯度相結合判斷云區邊界改進算法，首先是通過相對濕度（冰面）云區與非云區閾值確定云區范圍，然后求取相對濕度（冰面）廓線梯度，在云區范圍內通過查找梯度極值的方式進一步明確云區邊界。相對濕度（冰面）閾值作為判斷探空廓線有云與否的初選條件，可直接借鑒蔡淼等[20]提出的計算方法，具體見公式（4），利用探空數據計算抬升凝結層高度見公式（5）。

式中，Hr為云區相對濕度閾值（%）；H為探空儀高度（km）；LCL為抬升凝結層高度（km）；T0為探空地面測量溫度（℃）；τ0為近地面空氣層露點溫度（℃）。

圖2為2017年9月30日19：15探空相對濕度（冰面）廓線特征。探空氣球的升速隨外界條件隨時變化，導致探空獲取的氣象數據隨高度非等間隔分布，對后續梯度等系列計算造成影響，需要對數據進行標準化處理。將探空獲取0～15 km相對濕度（冰面）廓線數據進行5 m間隔樣條函數插值，使相對濕度變成3 000組標準的隨高度等間隔分布廓線數據，與圖1b相比，標準化后的廓線保留了原始廓線中全部有效信息。圖2a為將標準化后探空數據滑動平均處理，以減少廓線中毛刺，保留云邊界特征信息的同時使廓線平滑，黑色虛線為云區相對濕度閾值。圖2b為在平滑廓線的基礎上對相對濕度（冰面）廓線求一階導數，圖2b中標記1、3分別為云底高度，標記2、4為云頂高度，顯然1、2為誤判云區邊界。

圖1 2017年9月30日毫米波云雷達反射率因子（a）與19：15探空溫濕廓線（b）

為解決誤判問題，圖2c在圖2b的基礎上對一階導數以500 m為步長進行平滑，得到入云區Hin（一階導數為正的區間）、出云區Hout（一階導數為負的區間）及云區范圍Hcloud（一階導數穩定且較小的區間），便于后續數據質量控制。在圖2c中針對6 km附近高濕層在相對濕度達到平衡后Hcloud僅有170 m，云區過于稀薄予以剔除。改進算法利用提取的Hin、Hout和Hcloud進行質量控制，即可剔除誤判云區。另外，探空儀在出云時，受低溫高濕影響，經常出現脫濕不及時現象，造成云頂高度明顯偏離實際值，同樣可通過設置Hout范圍的方式加以剔除。

圖2 2017年9月30日19：15探空相對濕度廓線特征

利用探空相對濕度閾值與梯度相結合識別云區邊界識別算法，首先通過相對濕度閾值確定云區范圍，然后通過梯度確定云區邊界，即云底高度和云頂高度，算法流程見圖3。

圖3 基于探空相對濕度閾值和梯度相結合的云區邊界識別算法流程

3 算法識別效果與分析

圖4為2019年2月22日19：15探空識別的一次層云樣本。12：00—00：00天頂的云底和云頂平整，未出現明顯起伏（圖4a），可用于探空云區識別算法的驗證分析。圖4b中的標號1、2、3分別對應云雷達觀測云底高度、改進算法識別云底高度、相對濕度閾值法識別云底高度，標號4、5、6分別為云雷達觀測云頂高度、改進算法識別云頂高度、相對濕度閾值法識別云頂高度。經分析，單純利用相對濕度閾值進行云區識別，由于探空的滯后性，會造成云底和云頂較真實值偏高現象，而改進算法識別結果介于云雷達觀測和相對濕度閾值法識別結果之間，在一定程度上提高了云區識別精度。

圖4 2019年2月22日毫米波云雷達反射率因子（a）與19：15探空相對濕度廓線（b）

利用北京市南郊觀象臺2019年1—6月天空為層狀云時，對改進算法和相對濕度閾值法識別的云高分別與云雷達觀測數據進行比對分析，期間共找到62個云底高度樣本，30個云頂高度樣本。改進算法和相對濕度閾值法識別云高分別與云雷達觀測結果間誤差分析見圖5。

圖5 探空識別云高與云雷達觀測云高誤差

通過對比分析，改進算法識別的云高結果相比相對濕度閾值法偏低，與云雷達觀測結果更為接近（表2）。

表2為改進算法和相對濕度閾值法識別的云高分別與云雷達觀測結果的統計分析，改進算法識別云底高度和云頂高度更接近于云雷達觀測結果。另外，改進算法中有79%的云底高度樣本與云雷達觀測結果誤差在±10%以內，而相對濕度閾值法為71%。對于云頂高度，改進算法與云雷達間相對誤差大幅減小，說明改進算法能夠明顯降低由于探空濕度傳感器脫濕滯后所造成的識別誤差。

表2 改進算法和相對濕度閾值法對云高識別相對誤差統計

4 結論

在利用探空相對濕度閾值進行云區識別的基礎上，提出一種利用相對濕度閾值與梯度相結合的云區識別改進算法，并利用北京市南郊觀象臺2019年1—6月L波段探空數據對改進算法進行驗證分析，得出如下結論：

（1）通過探空與云雷達同步觀測對比分析，基于L波段探空數據，通過不同溫度下相對濕度的合理計算，探空相對濕度廓線可反映出云區范圍，而相對濕度廓線的梯度特征可進一步明確云區邊界。

（2）利用探空相對濕度確定云區大致范圍，在云區上下邊界查找相對濕度梯度極值方式，結合入云區、出云區及云區特征等參數進行質量控制，可明顯提高云底高度和云頂高度的識別精度。

（3）探空相對濕度滯后性對云頂高度影響較云底高度明顯，后續可利用梯度特征分析進一步優化提高。