改進的精細分辨率雷達探測強對流效果評估

王睿，伍志方, ，林青，張阿思，陳超，王明筠，孫召平，邢飛，侯中陽

(1.廣東省氣象臺(南海海洋氣象預報中心)，廣東 廣州 510641；2.中國氣象局廣州熱帶海洋氣象研究所/區域數值天氣預報重點實驗室，廣東 廣州 510641；3.南京大學大氣科學學院，江蘇 南京 210023；4.北京敏視達雷達有限公司，北京 100080；5.江門市氣象局，廣東 江門 529000)

1 引 言

天氣雷達在災害性天氣的監測、識別和預警方面，發揮著不可替代的作用。目前我國已建成一定規模的天氣雷達網，組網雷達主要包括S 波段和C 波段雷達。隨著多普勒天氣雷達技術的快速發展，天氣雷達探測能力有了很大的提高[1]，劉黎平等[2]分析了國內外雷達遙感新技術的發展現狀，總結了我國在雙多普勒雷達、雙基地多普勒雷達、雙線偏振雷達、相控陣雷達、激光雷達在災害性天氣的熱力、動力和微物理中尺度結構探測中的應用研究，指出新的雷達遙感方法和技術的發展，將為中尺度天氣過程的監測和研究提供時空分辨率更高、觀測參量更多的資料。

引發強對流天氣的中小尺度系統局地性強，生消迅速，是產生局地氣象災害的重要原因[3-5]。隨著探測手段發展，對這種災害性天氣過程的實時監測手段愈加豐富[6]。為加強中小尺度強天氣監測能力，廣東省在2014 年通過珠澳合作的國內首部業務S 波段雙偏振天氣雷達投入運行，并于2015—2018 年陸續開展了對省內8部單偏振雷達的雙偏振升級改造[7]。新一代多普勒天氣雷達現階段采用的掃描方式比較固定，常用的VCP21 模式，一個體掃周期為6 分鐘，距離分辨率為250 m，方位分辨率為1.0 °，最大探測距離為460 km。這種掃描方式所提供的雷達資料可以用于臺風、暴雨等天氣過程的監測，在雷達風場反演及其資料同化應用中也取得了一些有價值的研究成果[8-9]。但是，這種掃描方式在時空分辨率上并不能滿足對發展過程迅速的中小尺度天氣系統的研究、預報和預警[10-11]，特別是針對中氣旋和龍卷這種中小尺度的對流系統，由于其尺度小、持續時間短、發生概率低等特點，對龍卷的監測、預報預警一直以來都是災害天氣領域的難點[12-13]。文獻[14-19]基于龍卷的多普勒雷達回波特征探討了龍卷的臨近預警，指出徑向速度場是龍卷監測預警的主要依據。但是現有雷達1.0 °×250 m 的空間分辨率對于觀測和預警龍卷特征其精度仍然不夠，需要更高精度的雷達觀測來提升預警能力。

天氣雷達觀測產品的使用是預報員進行臨近預報，特別是對流天氣臨近預報所依賴的主要手段。根據多年來對天氣雷達觀測資料應用的經驗總結，天氣雷達數據需要更高時空分辨率、更高質量的觀測數據來支持短時臨近預報的觀測和應用需要。因此，在現有天氣雷達的基礎上，通過局部技術改進[20]，提高雷達數據的空間分辨率和時間分辨率，能夠獲得更即時的、更高精度的雷達觀測資料和氣象產品[21]，用于指導區域天氣分析和天氣預報業務。

深圳竹子林站雷達和杭州下沙站雷達分別在2018 年和2019 年通過技術改進，增加了精細分辨率數據，為了檢驗改造后的雷達精細分辨率數據在監測和識別中小尺度天氣系統中的應用效果，本研究選取了幾次典型的強對流天氣過程，對比分析精細分辨率數據與原始分辨率數據的觀測結果，評估精細分辨率數據的改進效果。

2 數據資料

2.1 數據資料

本研究主要用到的數據資料包括深圳竹子林站雷達改進后的精細分辨率數據和原始分辨率數據中的雷達反射率因子和徑向速度數據，杭州下沙雙偏振雷達改進后精細分辨率數據和原始分辨率數據雷達反射率因子和徑向速度數據，以及相關系數、差分反射率因子等偏振量數據，另外還用自動站雨量數據作為實況資料對比精細分辨率數據和原始分辨率數據進行定量降水估測的參考。

2.2 精細分辨率雷達數據

深圳竹子林雷達和杭州下沙雷達本來都是常規業務雷達，體掃時間都是6 分鐘，探測分辨率為1.0 °×250 m，本研究稱為原始雷達模式，輸出的數據為原始模式數據。

為了探測和分析強對流風暴的精細化特征，深圳竹子林站天氣雷達（CINRAD/SA 型號）和杭州下沙站雷達分別于2018 年和2019 年進行了精細化和智能化探測的技術改造[20]，將探測分辨率從1.0 °×250 m 分別提高到0.5 °×125 m（深圳）和0.5 °×62.5 m（杭州），體掃時間由6 分鐘縮短到4分鐘，本文稱為精細分辨率雷達模式，輸出的雷達數據稱為精細分辨率數據。改進前后主要技術指標對比見表1。

表1 深圳和杭州天氣雷達精細化改進前后技術指標對比

2.3 改進的精細化和智能化雷達探測技術

原多普勒天氣雷達在精細化和智能化技術改進后，其技術指標和功能仍然滿足（部分高于）中國氣象局天氣雷達的相關設備和建設技術規范。

2.3.1 提高距離分辨率技術

改進后雷達系統支持四脈寬，并優化匹配濾波器，雷達系統增加2 個脈沖寬度，實現更精細的125 m和62.5 m距離分辨率。

2.3.2 提高方位分辨率技術

利用徑向重組技術和數據加窗處理代替傳統平均權重方式[20]，在不改動雷達硬件前提下將雷達數據方位分辨率提高至0.5 °。徑向重組技術主要是通過修改信號處理過程中使用的角度表來實現，角度表是用來定義時間序列數據流的相干處理間隔。

2.3.3 自適應體掃探測技術

①自適應體掃。

針對強對流設計體掃模式，科學選取仰角數量和角度以獲取精細的強對流垂直結構；設計每層仰角雷達反射率因子和徑向速度的發射波形和脈沖樣本量，保證觀測質量同時提高掃描速度；自動識別晴空、層云主導或對流主導，并自動切換至相應的體掃模式。

②自動體掃終止。

自動體掃終止技術的基本思想是當高仰角掃描中沒有明顯雷達回波時終止當前的體積掃描。即一旦某個仰角掃描高于對流主體頂部時，由于繼續更高仰角并不能提供更多有效信息，因此立即終止當前體積掃描并開始新的體積掃描。此技術的主要作用在于當較高仰角沒有明顯有效數據信息時，能夠明顯縮短體積掃描所需要的時間，也提高了低層掃描的更新頻率。

2.3.4 快速掃描技術

①天線方位轉速適當加快，優化掃描參數。

4 分鐘體掃，方位轉速最高約25 °/s（小于36 °/s指標）。

②PRF 從1 014 Hz 提 高 到1 300 Hz，提 高30%，補償采樣樣本數PRF 提高，將S 波段的最大不模糊速度從27 m/s提高到34 m/s。

③采用Staggered PRT 技術解決中間仰角速度退模糊問題。

脈間變化交替發射不同PRF 的脈沖，解二次回波和速度模糊。

④體掃設計。

改進后的精細分辨率雷達針對不同的天氣類型，應采用合適的探測模式。雷達一般運行在晴空模式和降水模式，體掃配置與業務VCP31 和VCP21 相同，在強對流風暴進入230 km 范圍內時（具體判斷條件可設置），自動切換到強降水模式，運行4 分鐘體掃VCP25，風暴減弱或者運動出230 km范圍外雷達自動切換到降水模式。

3 天氣雷達改進后精細分辨率數據和原始分辨率數據的探測效果對比

本研究分別選取了短時強降水過程、雷雨大風和龍卷過程來分析深圳竹子林站雷達和杭州下沙站雷達精細分辨率數據和原始分辨率數據的雷達反射率因子、雷達定量降水估測以及龍卷特征的識別效果的改進情況。

3.1 雷達反射率因子及其定量降水估測對比分析

2019年6月9 —14日，廣東省出現了多日大范圍強降水，過程的最大小時降水量出現在6 月11日的凌晨03—04 時（北京時間，下同），為54.8 mm，其中G731 站點雨量和風速隨時間變化如圖1。11 日這次過程主要是西南季風上岸的暖區降水為主，這次過程主要有降水時間長、雨量大、分布不均勻的特點，降水較大的區域主要集中在沿海地區。深圳竹子林站雷達作為新觀測模式的試驗雷達，捕捉到了本次過程。在此挑選觀測范圍內出現最大降水和最大陣風時間段的精細分辨率和原始分辨率數據進行對比分析。

圖1 G1721自動站雨量和風速隨時間的變化 橫坐標為時間，縱坐標依次為風速（m/s）和降水量（mm）。

在雷達反射率因子圖（圖2）上看出，3 點42分，雷達回波開始影響到G1721 站點（黑色圓圈），原始的SA 雷達數據和精細分辨率數據回波最大值均達到了50 dBZ 以上，而且由于精細分辨率雷達數據空間分辨率更高，其顯示的雷達反射率因子像素點更為密集，圖像分辨率更高，可以展示回波內部更多精細結構。另外，為了研究精細分辨率雷達數據相較于原始分辨率數據對強降水的探測能力，本研究通過對精細分辨率和原始分辨率數據通過定量降水估測來分析精細分辨率數據對強降水過程的探測能力是否有所改進。

圖2 竹子林站雷達0.5 °仰角15時30分（a、d）、15時42分（b、e）和15時54分（c、f）原始分辨率數據（a～c）和精細分辨率數據（d～f）的雷達反射率因子 黑色圓圈為G1721站點位置。

在前期的研究成果中，基于2018 年2DVD 觀測構建了華南的定量降水估計算子（R(ZH)=0.015 8Z0.74H），本次研究利用6 月11 日全天共234個體掃1.5 °仰角數據計算精細分辨率數據和原始分辨率數據對暖區暴雨的定量降水估計結果，并選取距離自動站最近的庫進行誤差分析，其中標準差和相關系數的計算公式如下：

計算結果中，精細分辨率數據的標準差（RMSE）比原始分辨率數據減少了0.33，相關系數（CC）提高了0.03。從圖3 中可以看到，在20～40 mm/h 區間內，原始分辨率數據中樣本的離散度更大，精細分辨率數據的數據更集中在對角線附近，40～60 mm/h 樣本比較少，原始分辨率數據中顯著低估的樣本在精細分辨率數據中略有減少，精細分辨率數據中兩個大于60 mm/h 的樣本也更加接近中線略有高估。

圖3 6月11日深圳雷達1.5 ° 仰角原始分辨率數據（a）和精細分辨率數據（b）與自動站小時雨強散點圖其中RE為相對誤差，RMSE為標準差，CC為相關系數（其中a=0.02為公式中0.015 8保留2位小數的結果，實際值為a=0.015 8）。

本文分別對精細分辨率數據和原始分辨率數據進行定量降水估測的值與自動站的降水作為地面實況雨量進行對比分析，選取自動站雨量和自動站附近3×3 格點的QPE 數據的平均值進行對比分析，即一個自動站實況的雨量數據和附近9個格點的QPE 數據的平均值進行匹配對比。圖4 為所有站點QPE 和雨量站的平均比值統計，藍色為高估，紅色為低估，圓圈大小代表實際雨強大小。本次過程中，雷達的西側主要以QPE高估為主，東側QPE 為低估。所有低估樣本中，雨強大的低估比值較大，這種低估主要原因如下。（1）衰減影響。即使是S 波段雷達，在觀測強降水的時候，會不可避免地受到強降水衰減的影響[22]；（2）雨滴濃度影響。不同的降水過程，雨滴濃度有所不同，而固定的Z-R關系式是雷達QPE 誤差的重要來源之一。研究表明，華南的暖區降水過程有較高濃度的小粒子，尤其是在強降水的地方，而QPE會嚴重低估這種類型的強降水（降雨量＞50 mm）[23]。雖然無法避免對雨強較大的降水的低估，但對比精細分辨率數據（圖4a）和原始分辨率數據（圖4b），可以看到精細分辨率數據紅色圓圈和藍色圓圈相對于原始分辨率數據更少，精細分辨率數據定量降水估測高估（紅色）的站點數有79 個，少于原始分辨率數據高估的站點數88 個，而且從紅色方框內可以看到精細分辨率數據的紅色和藍色圓圈顏色都比原始分辨率數據的圓圈顏色較淺，說明精細分辨率數據計算的QPE值相對于原始分辨率數據計算的QPE更接近自動站的雨量值。精細分辨率數據對于降水的估測要略好于原始分辨率數據，但相比自動站的實際雨量仍有不同程度的高估和低估。

圖4 6月11日各站點原始分辨率數據（a）和精細分辨率數據（b）的計算的QPE與自動站小時雨強的平均比值彩色填色為高估或低估比值的數值，圓圈大小代表自動站雨強實際大小。

通過對比分析，可以發現基于精細分辨率數據的QPE估測值更接近自動站觀測的實況降水數據，其高估和低估均比原始分辨率數據要少，可以得出精細分辨率數據的QPE 值效果更好，降水估測值相對更可靠。

3.2 雷暴大風過程對比分析

在2019年6月9—14日的過程中，除了出現大范圍的降水，多地還出現了明顯的雷暴大風天氣。其中，11日下午出現了一次大風和雷雨過程，并被深圳竹子林站雷達觀測到。大風主要出現在珠江三角洲沿海，其中最大陣風為22.2 m/s，該站點錄得小時降水為33.3 mm。

從圖5 可以看到，15 時35 分開始風速突然增大，降水也逐漸變大，從50 分起大風迅速增加到9級，達到22.2 m/s，之后隨著強雷雨云團的移出，風速迅速減小。

圖5 自動站G2051風速和降水量隨時間的變化圖 橫坐標為時間（每15分鐘間隔），縱坐標依次為風速（m/s）和降水量（mm）。

從速度圖的對比看出，精細分辨率數據的速度絕對值略大于原始分辨率數據，從圖6b 和6e 對比，G2051 站點上空東南側的原始分辨率數據探測到的最大風速有15～20 m/s，在分辨率更高的精細分辨率雷達數據徑向速度圖上最大速度的區域出現了幾個20 m/s 以上的速度點，而在原始分辨率數據的圖上幾乎很難分辨到大于20 m/s的速度點。更高的空間分辨率使得精細分辨率雷達在識別雷暴大風方面有更好的效果。

圖6 竹子林雷達0.5 °仰角15時30分（a、d）、15時42分（b、e）和15時54分（c、f）原始分辨率數據（a～c）和精細分辨率數據（d～f）的風暴相對速度產品 紅色圓圈為G2051站點位置。

此外，從風暴單體識別產品（圖7～圖8）來看，精細分辨率數據從15 時開始識別出風暴，捕捉到回波頂升高，最大回波高度降低的趨勢，識別的風暴產品持續到15 時42 分以后，并且追蹤到雷暴消散為止，而原始分辨率數據在同一對流云團15 時12分開始才識別出了風暴。精細分辨率數據比原始分辨率數據提前了12分鐘識別出風暴單體。而且精細分辨率數據識別出的對流風暴的頂高達到13.8 km，而原始分辨率數據識別的風暴頂高是12.5 km。

圖7 竹子林原始分辨率數據15:12識別出風暴單體（a），精細分辨率數據15:00識別出風暴單體（b）

圖8 精細分辨率數據15:42識別的風暴單體產品（a）和精細分辨率數據識別的對流單體A0的時間演變圖（b）

綜上所述，可以看出精細分辨率數據在識別大風個例時，其識別的相對徑向速度相比于普通SA 雷達識別的更為精細，像素點更多，在更多的徑向速度點中可能會出現更大的徑向速度點，輻合輻散和速度極值也更明顯，而且精細分辨率數據能夠比原始分辨率數據提前更久、更準確地識別與追蹤對流單體。

3.3 龍卷過程對比分析

3.3.1 2021年6月1日珠海水龍卷過程

2021 年6 月1 日，龍舟水期間，珠三角地區及珠江口附近海面出現大范圍強降水過程，并伴隨局地的雷暴大風天氣。其中6 月1 日下午13 時左右，澳門附近海面，珠海港珠澳大橋附近出現水龍卷。

13—14 時，澳門附近海面的自動站測得最大風速達到20 m/s，且風向有明顯的氣旋性環流的彎曲。深圳雷達的精細分辨率數據和原始分辨率數據均記錄到了這次水龍卷過程。

從雷達回波的演變圖上（圖9）可以看出，在澳門和珠海東側的海面上，有較強的對流云團生成，且緩慢地向東北方向移動發展。可以看到精細分辨率數據和原始分辨率數據的1.5 °仰角反射率圖強度基本相似，都達到了55～60 dBZ，但是由于精細分辨率數據更高的空間分辨率，其顯示的較大的回波強度像素點也更多，強回波的結構更清晰。而且可以看到，在13 時09 分澳門東側海面上的回波強度，精細分辨率數據的最大值要比原始分辨率數據數值更大，精細分辨率的雷達可以探測到更為精細的強回波。這里考慮精細分辨率雷達數據的空間分辨率相對更高，可能在雷達反射率因子圖上顯示出更加精細的，普通雷達由于空間分辨率較低而無法顯示出的更大的回波數值點，當然雷達采樣結果本身也有一定的波動性，所以空間分辨率的提高是否可以使精細分辨率雷達探測到一些較大數值的點，仍需要更多的個例和樣本進行驗證。

從對應的低層風暴相對徑向速度圖（圖10）上可以看到，在強回波對應的區域，相對徑向速度有明顯的速度對，并形成氣旋式的切變，從13 時05分開始，風暴相對徑向速度逐漸增大，氣旋性的速度對更加明顯，最大相對徑向速度絕對值差達到20 m/s 以上，和實況觀測到的海上龍卷出現的時間和位置相對應。而且精細分辨率雷達數據由于其空間分辨率更高，顯示速度對的數據點更多，所以速度對更為明顯，速度對里的結構也比原始雷達數據更加清晰。且在精細分辨率雷達數據里可以看到有一兩個比原始分辨率數據更大的速度值的點，這里考慮原始雷達數據空間分辨率只有1.0 °×250 m，無法分辨出比較精細的數值較大的點，而精細分辨率數據的精度更高，那些由于原始雷達空間分辨率過低而被淹沒的較大的像素點可能分辨出來，這個結論仍需更多個例來驗證。

圖10 同圖9，但為0.5 °仰角風暴相對徑向速度

精細分辨率數據和原始分辨率數據均在13時02分識別出風暴，并在13時09分識別出龍卷特征（TVS）和實況觀測到的海上龍卷時間相符。

13 時09 分，從徑向速度圖（圖11）上可以看到，從低到高均能看到明顯的速度對，并且隨著仰角的增大，高度上升，速度對也更加明顯。在2.4 °仰角正負速度達到最大，特別是在精細分辨率數據上，識別出的負的徑向速度達到20 m/s以上，正徑向速度達到10 m/s 以上，甚至有一個像素點達到27 m/s，雖然這個最大徑向速度的數據準確性還有待考證，但精細分辨率數據探測的徑向速度數值也明顯大于原始分辨率數據，其速度對也更加明顯。

圖11 13時09分0.5 °（a、d）、1.5 °（b、e）和2.4 °（c、f）仰角原始分辨率數據（a～c）和精細分辨率數據（d～f）徑向速度圖

精細分辨率數據對強天氣的識別相對于原始分辨率數據有一定的改進作用，由于其空間和時間分辨率更高，可以看到對流云團更精細的結構，以及對流云團回波中比較精細的大值區域，使得強對流云團的識別更準確。特別是對雷暴大風的識別改進更為明顯，有時可以提前一到兩個時次識別出雷暴云團，為雷暴大風的監測和預警提供更多的提前量和準確性，但對強降水云團的識別改進效果并不明顯。

3.3.2 2021年5月14日蘇州龍卷

針對杭州精細分辨率數據的對龍卷探測的改進效果如何，本研究選取了2021 年5 月14 日晚19時左右的龍卷過程進行研究對比。

從0.5 °仰角的雷達回波圖（圖12）上可以看出，5月14日晚19時左右，強對流回波單體發展迅速，且在對流單體的西南側發展出明顯的鉤狀回波。對比杭州雷達精細分辨率數據和杭州雷達原始分辨率數據可以看出，精細分辨率數據的鉤狀回波更加明顯，入流也更加清晰，且精細分辨率數據的回波強度最大值達到64.5 dBZ，而原始分辨率數據的回波最大值只有62.0 dBZ。

圖12 18時56分（a、c）和19時01分（b、d）原始分辨率數據（a、b）和精細分辨率數據（c、d）0.5 °仰角雷達反射率因子圖黑色實線為圖14的剖面位置。

從徑向速度上（圖13）可以看到有明顯的速度對，有氣旋性輻合特征，在精細分辨率數據速度圖上可以看出，最大正徑向速度達到20 m/s以上，而在原始分辨率數據上，最大徑向速度只有不到20 m/s，風暴相對速度也有相似的特征。在精細分辨率雷達數據上看到的中氣旋速度對更加明顯，速度對的結構也更清晰，更多的像素點組成的速度對可以顯示更為精細的中氣旋結構，也可以顯示出大速度值中更大的徑向速度點，而原始分辨率數據由于分辨率較低，探測到的速度對只有一兩個像素，無法顯示出速度對的精細結構。由于改進后杭州雷達相較于改進后的深圳雷達精細分辨率數據的水平分辨率更高，杭州雷達精細分辨率數據對速度對的探測更加精細，中氣旋的結構更清晰，對龍卷這種小尺度的觀測效果更好。

沿圖12 的黑色實線對19 時01 分的原始分辨率數據和精細分辨率數據做雷達反射率因子和徑向速度做剖面（圖14），在原始分辨率數據和精細分辨率的雷達反射率因子圖上，都可以看出回波的大值區從左側往右，有明顯的從底層往高層的抬升，左側的回波基本上接近雷達可探測的底部，離地面很近，說明此處強的回波中心已經接近地面，對流云團已經觸地，是明顯的龍卷的特征，配合徑向速度的剖面圖，可以看出在左側有明顯的速度對，有氣旋性輻合。對比原始分辨率數據和精細分辨率數據，可以看到在左邊向下延伸的回波大值區中，精細分辨率數據探測到的反射率最大值更大，探測到更多大于60 dBZ回波強度的點。

圖14 沿圖12黑色實線做19時01分的原始分辨率數據（a、b）和精細分辨率數據（c、d）的雷達反射率因子和徑向速度剖面圖

杭州下沙站雷達是S 波段雙偏振雷達，而此次改進后的精細分辨率數據同樣也是雙偏振雷達，這使得杭州雷達的精細分辨率數據可以看到雷雨云團內部更精細的構造和微物理結構。

通過偏振量參數來分析對比此次精細分辨率數據和原始分辨率數據對此次龍卷過程的觀測，以檢驗精細分辨率數據雙偏振參數的探測龍卷的效果。

從偏振量參數看，在中氣旋的中心，相關系數（CC）有明顯的小值區，說明氣旋的中心的物質性質不一致，有非氣象回波的雜質卷入，差分反射率（ZDR）也有明顯的低值區，這些都是明顯的龍卷碎片特征（TDS）[24]。TDS 特征是指異常小的差分反射率（ZDR）和低的相關系數（CC）[25]，這是因為龍卷所致的碎片尺寸較大、處于米散射區且有隨機取向的原因[24]。從圖15c、15d 看出精細分辨率數據上CC 和ZDR的小值區更明顯，小值區內的結構也更加清晰，可以明顯地區分中氣旋中心的小值區和回波邊界的雜波區，觀測到的龍卷的特征也更清晰明顯。

圖15 18時56分原始分辨率數據（a、b）和精細分辨率（c、d）雷達數據0.5 °仰角相關系數（CC）圖（a、c）和差分反射率因子（ZDR，c、d）

4 小 結

利用深圳和杭州雷達改進后的精細分辨率數據與原始分辨率數據，對不同類型強對流天氣過程中兩種數據的反射率、徑向速度和雙偏振量等進行了對比分析，精細分辨率雷達數據由于其空間分辨率和時間分辨率的提升，對強對流天氣特別是小尺度的強對流天氣的觀測和預警能力均有一定的提升。

（1）利用精細分辨率雷達數據進行定量降水估計的精度與原始分辨率數據相當或略有提升，與雷達反射率因子直接對比評估結果一致，表明精細數據本身的可靠性以及定量應用的可行性。

（2）精細分辨率數據在雷暴大風中，可識別出原始雷達數據由于分辨率過低而識別不出的更大的相對徑向速度，輻合輻散和速度極值也更明顯，觀測的大風速區也更加精細更清晰，可提前且更長久、更準確地客觀識別和追蹤對流單體。

（3）精細分辨率雷達數據能夠獲取更為清晰的超級單體結構以及龍卷渦旋特征和龍卷碎片特征等，少數個例的精細數據能夠提前識別到中氣旋和TVS 等特征，為此類強天氣的提前預警提供了很好的條件。

（4）對比不同精細分辨率雷達數據，空間分辨率更高的數據對中小尺度的強對流天氣系統的觀測效果改進更明顯，在業務使用中的提升作用也更大。

當然，雷達改進后的精細分辨率數據對探測不同類型的強天氣的改進效果仍有一些問題需要進一步探討，比如雷達精細分辨率數據的定量降水估測對不同類型的降水過程估測效果是否有所不同？以及在識別中氣旋和TVS 特征時，精細分辨率數據相對于原始分辨率數據在不同過程的識別提前量能改進多少？另外，在精細分辨率雷達的雷達反射率因子和徑向速度圖中出現一些比原始雷達數據中更大的數值點，出現這種現象究竟是精細分辨率雷達由于空間分辨率提升而識別出原始雷達由于分辨率過低而被掩蓋掉了，還是由于雷達采樣本身造成的不同？這些問題會在后續的研究中進一步分析。