雙偏振雷達水凝物分類算法優化及在雹暴云的應用分析*

夏 凡 龔佃利 潘佳文 史 茜

1 山東省氣象防災減災重點實驗室,濟南 250031 2 山東省氣象科學研究所,濟南 250031 3 山東省長島國家氣候觀象臺,長島 265800 4 山東省人民政府人工影響天氣辦公室,濟南 250031 5 廈門市氣象局,廈門市海峽氣象開放重點實驗室,廈門 361012 6 山東省氣象臺,濟南 250031

提 要：為提升我國多普勒雙偏振雷達水凝物分類的應用水平,在美國強風暴實驗室(NSSL)研發的水凝物分類算法(HCA)基礎上,通過增加冰雹區與三體散射區水凝物類型的訂正識別、選用數值模式溫度分析場識別融化層、引入水凝物類型垂直分布限制條件等,建立了優化方法(HCA-Opt)。利用HCA-Opt分析了2021年7月9日濟南市章丘區一次雹暴云的水凝物分布特征,對冰雹落區與水凝物分類結果進行比對檢驗,得到如下主要結論:HCA-Opt可以正確識別冰雹與三體散射區的水凝物類型,修正了HCA將其識別為地物的問題;HCA-Opt利用模式溫度分析場可準確識別融化層高度,解決了強對流天氣下HCA使用的融化層自動識別算法(MLDA)無法有效識別融化層的缺陷;與HCA相比,HCA-Opt識別的水凝物在垂直分布上更加合理。HCA-Opt給出的水凝物分類結果較好描述了雹暴初生、降雹不同階段的水凝物空間分布,初步揭示了不同高度水凝物粒子相態轉化特征。HCA-Opt識別的水凝物分類中,中(小)雨與霰的可信度最高,冰晶與濕雪的可信度較低,且容易與干雪混淆;總體而言,HCA-Opt提高了水凝物分類識別技巧,對冰雹預警和落區判別具有較好的指示作用和業務應用前景。

引 言

雙偏振雷達帶來的一大業務突破是可以在降水系統中進行高時空分辨率的水凝物分類,這主要得益于新增的雙偏振觀測量對不同水凝物的粒子形狀、大小、取向等信息較為敏感。水凝物分類有著廣泛的業務應用,如定量估測降水(Giangrande and Ryzhkov,2008;汪舵等,2017)、數據同化(Gao and Stensrud,2012)、描述強對流系統微物理結構(楊吉等,2020;潘佳文等,2020;2021;高麗等,2021;何清芳等,2022;李昭春等,2021;夏凡等,2021;蘇永彥和劉黎平,2022)等。

隨著我國越來越多的業務天氣雷達升級為雙偏振雷達,水凝物分類識別受到廣泛的關注,曹俊武(2005)、何宇翔等(2010)、劉亞男等(2012)、郭鳳霞等(2014)、馮亮等(2018)和楊磊等(2019)借鑒國外算法對不同波段雙偏振雷達進行研究。在眾多方法中,HCA展現出較好的水凝物粒子識別效果,已有學者將其用于業務雙偏振雷達,開展了本地化調試與應用工作。Wu et al(2018)利用珠海S波段雙偏振雷達數據,對HCA隸屬函數與置信度因子進行本地化調試,并用于分析廣東一次颮線過程;徐舒揚等(2020)基于廣州S波段雙偏振雷達觀測統計結果,對HCA的隸屬函數、權重矩陣與附加判別條件進行改進。吳翀等(2021)改進了HCA中融化層識別算法,并根據北京X波段雙偏振雷達數據特征調整了置信度因子與隸屬函數的參數。

HCA在國內實際應用中依然存在特定區域水凝物類型識別錯誤、分布不合理等問題。本文針對HCA存在的不足進行優化,利用2019年8月16日濰坊諸城強雹暴、2021年7月9日濟南章丘強雹暴過程對優化的分類結果進行驗證分析,為利用雙偏振雷達分析強對流云結構、開展冰雹天氣預警等提供更客觀可靠的水凝物分類產品。

1 方法與數據簡介

1.1 HCA算法

(1)

上式為HCA的計算公式,i表示水凝物類型,HCA可識別8類水凝物,分別是干雪(DS)、濕雪(WS)、冰晶(CR)、霰(GR)、大滴(BD)、中(小)雨(RA)、 大雨(HR)、雨雹混合(RH),附加識別地物或超折射地物(GC/AP)與生物(BS)。A表示集成概率值,對于每個距離庫,HCA根據隸屬函數計算所有類型的集成概率值,選取最大值對應的類型作為識別結果。V表示雷達參量,j表示參量類型:水平反射率因子(ZH)、差分反射率(ZDR)、零滯后相關系數(CC)、比差分相移對數形式(lgKDP)、水平反射率因子紋理SD(ZH)與差分相移紋理SD(ΦDP)。P是隸屬函數,選取非對稱梯形確定參量的概率分布邊界。W表示權重因子,取值介于0～1,數值越高表示識別水凝物的作用越大。Q表示置信度因子,它的作用是消除了雷達定標、衰減、非均一性填充、波束阻擋、觀測誤差與噪聲帶來的影響。隸屬函數、權重因子與置信度因子具體見Park et al(2009)。

HCA還包含以下處理:引進了融化層自動識別算法(MLDA),具體原理見Giangrande et al(2008)和夏凡等(2023),根據融化層位置將整層大氣分為5個高度層,限定了每層不可能出現的水凝物類型;增加了層狀云與對流云的識別,規定了兩類云中可以出現的水凝物類型;建立了單雷達參量閾值判別條件,具體閾值參見Park et al(2009)。

1.2 優化方法(HCA-Opt)簡介

1.2.1 冰雹與三體散射區識別

由于冰雹區通常伴有強降水,固、液態水凝物共存,CC通常會小于0.9,HCA會將冰雹區的水凝物識別為地物。三體散射(TBSS)是雷達波束在經過大粒子-地面-大粒子的三次散射返回雷達天線,并在粒子后方出現的虛假回波。Lemon(1998)指出,當TBSS出現后的10～30 min內,直徑超過2.5 cm 的冰雹將降落地面。大量觀測發現,冰雹伴隨降水時,TBSS區可能出現降水粒子,通常也會被HCA錯誤識別為地物。為此,借鑒Tang et al(2014)提出的條件對這兩類區域進行識別,具體見下式。

式中:ETOP18 dBz與ETOP0 dBz分別表示ZH為18 dBz與0 dBz的回波高度,rstormcore為強回波區,表示徑向上ZH>45 dBz、累計距離>1 km的區域,R為強回波區到雷達站的徑向距離。式(2)表示CC<0.9,并且ZH>45 dBz、18 dBz回波頂高>8 km時判定為冰雹區;式(3)表示在強回波中心后側確定可能出現TBSS的區域,再利用CC閾值與0 dBz回波頂高,判斷TBSS區域的水凝物類型,滿足式(3)條件時為降水類型,否則為非降水類型。當某個距離庫參量滿足式(2)或式(3)時,將HCA計算地物與生物的集成概率設置為0。

1.2.2 融化層識別

HCA利用MLDA識別融化層位置,以此區分隸屬函數重合部分較多的水凝物類型,如干雪與中(小)雨。MLDA的優勢是可以獲取時空分辨率較高的融化層位置,不足之處是當融化層特征不明顯時,如局地強對流天氣,利用MLDA則無法識別出融化層,這需要其他數據來輔助判別。

目前,國內多利用探空數據獲取融化層位置,但其時空分辨率較低,只能給出單點、單時刻的信息,當有劇烈天氣影響(如颮線)時,融化層會發生很大變化。國外已有學者采用中尺度模式分析場中的溫度確定融化層位置(Al-Sakka et al,2013),較好彌補了探空數據時空分辨率低的問題。本文利用山東省氣象科學研究所研發的HHUPS短時臨近預報模式的溫度分析場確定融化層高度。該模式每天進行兩次冷啟動,選取美國環境預報中心(NCEP)0.25°的08:00、20:00(北京時,下同)全球預報數據作為背景場。該模式逐半小時進行一次同化生成分析場,逐小時進行一次預報,水平分辨率為3 km。從模式分析場中提取0℃高度作為融化層頂,2℃濕球溫度作為融化層底(Boodoo et al,2010),依次計算雷達探測每個距離庫中心對應的經緯度,選取距離最近的4個模式格點數據,利用雙線性法將模式的融化層頂與底對應高度插值到所計算距離庫的中心坐標上。

1.2.3 水凝物垂直分布限定

HCA識別的水凝物在垂直分布上有時存在不合理現象,如在冰雹區上方是大雨區。本文參考Bechini and Chandrasekar(2015)提出的條件,對識別的水凝物垂直分布進行限定,具體條件見表1。

表1 水凝物類型垂直分布限制條件Table 1 Restricted condition of vertical distribution for all types of hydrometeor

表中√號、×號分別表示其所在列對應的水凝物可以、不可以出現在其所在行對應的水凝物下方。例如,當某個距離庫被判別為干雪DS(表1第1行),其下方可以出現任何類型水凝物,當某個距離庫被判別為濕雪WS(表1第2行),其下方不可以出現干雪DS與冰晶CR。由于低層仰角容易受到非氣象回波的污染,將最高層仰角識別的水凝物類型作為真值,按表格限定條件從高仰角到低仰角依次進行訂正。當下層仰角識別的水凝物類型不符合條件時,根據上層仰角分類結果查看符合條件的水凝物,選取最大集成概率值對應的水凝物作為訂正后的分類結果。將經過上述優化后的HCA稱為HCA-Opt(Opt為optimization的縮寫)。

1.3 數據前處理方法

ΔZH=0.04ΦDP

(4)

ΔZDR=0.004ΦDP

(5)

將衰減量添加到平滑后的ZH與ZDR完成衰減訂正。如果ZH>40 dBz,用2 km窗口平滑的ΦDP計算KDP,反之用6 km窗口平滑的ΦDP計算KDP。

1.4 數 據

本文使用的雷達資料為濟南、青島S波段雙偏振雷達原始體掃數據,掃描方式均為VCP21,徑向分辨率為250 m,最遠掃描斜距為460 km,以下分別簡稱為濟南雷達、青島雷達。

2 HCA-Opt改進效果展示

2.1 冰雹區與三體散射區的水凝物識別

2019年8月16日,山東濰坊諸城市出現一次強雹暴過程,龔佃利等(2021)對其典型雷達結構特征進行了分析。圖1給出了8月16日15:30青島雷達0.5°仰角雷達參量與水凝物分布,可見諸城境內強回波區(ZH>60 dBz)南側存在暖濕氣流前側入流槽口(圖1a黑色箭頭所指位置),回波頂高普遍超過10 km,符合超級單體特征;強回波區對應的ZDR主要分布在-2.5～0 dB(圖1b)、CC主要分布在0.8～0.9(圖1c),HCA識別的強回波區水凝物除了冰雹和大雨外,還被識別為地物(圖1d白色橢圓實線),這是由于取向較為固定的非球形冰雹,ZDR通常小于0(劉黎平等,1992),而冰雹融化使得固、液態水凝物共存,CC減小,ZDR與CC的冰雹隸屬度較低,導致冰雹的集成概率值較低,誤識別為地物。加入冰雹區判別條件[式(2)]后,HCA-Opt不再將部分強回波區域識別為地物(圖1e),而是識別為雨加雹,與實況一致。

注:白色橢圓實線為冰雹區,黑色橢圓虛線為三體散射區域。圖1 2019年8月16日15:30青島雷達0.5°仰角(a)ZH,(b)ZDR,(c)CC,(d)HCA與(e)HCA-Opt分類結果Fig.1 (a-c) Distribution of (a) ZH, (b) ZDR, (c) CC, (d, e) the hydrometeor identified by (d) HCA and (e) HCA-Opt at 0.5° elevation from Qingdao Radar Station at 15:30 BT 16 August 2019

強回波中心西側,沂水縣境內有三個徑向的ZDR分布在-3～0 dB(圖1b黑色橢圓虛線)、CC分布在0.65～0.85(圖1c黑色橢圓),出現TBSS特征,刁秀廣和郭飛燕(2021)指出,ZDR負值區與CC小值區分別由強冰雹對電磁波衰減與冰雹后方非均勻填充所致,對應的ZH為20～40 dBz,上層仰角的ZH分布范圍大致相同,垂直梯度較小,應為降水回波,從HCA分類結果(圖1d黑色橢圓虛線)可見,該區域不僅包含了中(小)雨,還有地物。ZDR負值與CC小值導致地物比冰雹的集成概率高。增加TBSS 判別條件[式(3)],圖1d中黑色橢圓虛線區的地物被HCA-Opt識別為中(小)雨(圖1e)。同樣,圖1d中黑色橢圓區以西原識別為地物的區域,HCA-Opt訂正識別為冰雹和中(小)雨。

2021年7月9日下午,濟南市章丘區出現一次雹暴天氣過程。圖2給出了2021年7月9日14:19濟南雷達1.5°仰角雷達參量分布,章丘東部有一強回波中心(圖2a),ZH超過65 dBz,HCA-Opt分類結果(圖2d)將該區域識別冰雹。冰雹區后側ZDR先增大后減小為負值(圖2b黑色虛線)、CC也較低(圖2c黑色虛線),出現典型TBSS特征,該區域ZH主要分布在5～15 dBz,回波頂較低,不符合式(3)條件,HCA-Opt將該區域識別為超折射地物,即對應TBSS。

注:黑色虛線為三體散射區域。圖2 2021年7月19日14:19濟南雷達1.5°仰角(a)ZH,(b)ZDR, (c)CC,(d)HCA-Opt分類結果Fig.2 Distribution of (a) ZH, (b) ZDR, (c) CC and (d) the hydrometeor identified by HCA-Opt at 1.5° elevation from Jinan Radar Station at 14:19 BT 9 July 2021

2.2 融化層上下的水凝物識別

融化層高度可為水凝物分類結果提供一些限制,在融化層以下分類結果不應該有干(濕)雪、冰晶,在融化層以上不應該有中(小)雨、大雨分類。圖3a 是由HHUPS模式分析場給出的2021年7月9日章丘0℃逐時高度和當日08:00、20:00探空觀測的0℃高度,可見模式分析的0℃高度(融化層頂)與探空觀測差異不大,因此利用模式分析場0℃高度代替探空是可行的。同時可看到,模式給出的0℃高度隨時間存在明顯的波動變化。從HHUPS模式14:00 0℃高度分析場(圖3b)可見,魯西北東部到魯中地區的0℃高度逐漸增加約300 m。因此,引入模式分析的逐小時融化層高度,可更好地與雷達觀測進行匹配,提高融化層高度在水凝物識別中的約束作用。

圖4給出的是2021年7月9日14:19濟南雷達0.5°仰角HCA與HCA-Opt分類結果。HCA的水凝物分類結果顯示(圖4a),在渤海、濰坊東部、青島與日照沿海等區域(黑色虛線)存在大量中(小)雨,其中夾雜部分干雪與霰,這些區域距離雷達站250～350 km,垂直高度為8～12 km,高于-20℃高度(7.4 km),不可能存在液態水凝物。分析14:19濟南雷達站各層仰角ZH、ZDR與CC分布(圖略)可見,融化層特征不明顯,未滿足MLDA閾值條件,HCA無法對高度進行分層,因此不能對水凝物類型進行限定,而中(小)雨與干雪隸屬函數大致相同,導致這些區域出現液、固態水凝物交錯分布,并且以中(小)雨為主。加入模式分析場提供的融化層高度信息后,HCL-Opt在上述區域的水凝物識別類型主要為干雪、霰與冰晶,消除了0℃層以上的中(小)雨(圖4b),分布更為合理。

圖3 2021年7月9日(a)章丘探空站08:00、20:00觀測0℃高度與HHUPS模式 08:00—20:00時段0℃高度,(b)14:00 HHUPS模式0℃高度(單位:m)水平分布Fig.3 (a) The 0℃ layer height at 08:00 BT and 20:00 BT from Zhangqiu Sounding Station and from 08:00 BT to 20:00 BT from HHUPS model, (b) distribution of the 0℃ height (unit: m) from HHUPS model at 14:00 BT 9 July 2021

注:黑色虛線為HCA識別的水凝物出現錯誤的區域。圖4 2021年7月9日14:19濟南雷達0.5°仰角(a)HCA與(b)HCA-Opt分類結果Fig.4 Distribution of the hydrometeor identified by (a) HCA and (b) HCA-Opt at 0.5° elevation from Jinan Radar Station at 14:19 BT 9 July 2021

2.3 垂直水凝物分布的識別

圖5給出了2021年7月9日14:19的HCA、HCA-Opt水凝物分類沿87°方位角的剖面。在 3.3°仰角、69～73 km處(圖5a),HCA識別的水凝物有冰晶CR出現在霰GR之下。霰是由干雪或冰晶凇附凍滴形成,霰在下落過程中與凍滴碰撞形成雹或融化成雨,因此冰晶出現在0℃層附近,且處于霰之下是不合理的。在0.5°仰角、76 km處,有兩個距離庫出現雨加雹,并處于1.5°仰角的大雨下方,與2.4°仰角的冰雹分離,也不盡合理。增加了水凝物垂直分布限定條件后,HCA-Opt將69～73 km處的冰晶識別為霰(圖5b黑色虛線區),76 km處的冰雹識別為大雨(圖5b白色虛線區),水凝物的垂直分布更加合理。

3 HCA-Opt分類結果在章丘強雹暴天氣的應用

本節利用HCA-Opt給出的分類結果,進一步分析2021年7月9日濟南市章丘區強雹暴初生、降雹階段水凝物的分布特征和演進過程。

3.1 天氣背景

2021年7月9日08:00 500 hPa高空圖(圖6a)顯示,山東受東北冷渦底部西風槽影響,槽線位于魯中北部,山東中西部為西北氣流影響;850 hPa(圖6b)在山東以西有暖舌,呈上冷下暖層結不穩定狀態,850 hPa與500 hPa溫差大于28℃;由當日08:00章丘探空站T-lnp圖(圖6c)可見,0、-10、-20℃ 層高度分別為4.3、6.0、7.4 km;整層濕度較小,低層風速順時針旋轉,有暖平流,對流有效位能達到2334.6 J·kg-1。

3.2 水凝物的水平分布特征

7月9日14:02,濟南市章丘區內有對流單體A、B、C初生,0.5°仰角回波主體的ZH介于30～45 dBz (圖7a),對應的ZDR大多大于3 dB(圖7b)、CC多分布在0.95～1.00(圖7c),HCA-Opt識別的水凝物粒子主要為中(小)雨RA和大滴BD,對流單體D的反射率因子大于45 dBz的區域識別為大雨(圖7d)。對流單體之間的CC<0.9,HCA-Opt將該區域識別為生物BS,表明有昆蟲生物等被卷入上升氣流,與降水混合時導致CC降低。此時,對流處于發展初期,空中尚未識別出冰雹。

14:19時,圖7中對流單體B快速發展,與A、C合并加強,單體D減弱,0.5°仰角強回波中心ZH>65 dBz(圖8a),1.5°仰角出現明顯TBSS(圖2),符合強雹暴特征,此時地面出現降雹。2.4°仰角經向速度圖(圖8b)顯示出一個明顯的中氣旋,其最大切變約為5×10-3s-1;中氣旋結構直立向上伸展到8 km 以上(超過-20℃高度),表明強的旋轉上升氣流將低層水汽和水凝物粒子帶到高層,有利于大冰雹增長。HCA-Opt識別0.5°仰角ZH>55 dBz強回波區的水凝物分類為冰雹RH和大雨HR(圖8c),次強和弱回波區為中(小)雨RA、大滴BD。圖8d給出的是2.4°仰角HCA-Opt的分類結果,該仰角的中氣旋中心高度為3.55 km,接近于融化層底高度;識別的冰雹主要分布于主上升氣流東側,且分布范圍較0.5°仰角大,ZH介于30～55 dBz的區域識別為霰,雹暴下風方弱回波區識別為干雪,而中氣旋內識別出了冰雹、大滴、雨等多類水凝物,中氣旋西南側為中(小)雨、西北側有濕雪。比較圖8c與8d可見,0℃以上的固態的冰雹、霰下落到融化層以下時很大程度上融化變成雨或大滴,而雹暴西側的濕雪則基本上完全融化,雹暴強中心尺度較大的冰雹不能完全融化而降落到地面。圖2d給出的是1.5°仰角HCA-Opt的分類結果,也可以反映出降水粒子下落途中的融化過程。

注:D:低壓中心,G:高壓中心,N:暖中心,L:冷中心。圖6 2021年7月9日08時(a)500 hPa,(b)850 hPa天氣圖, (c)章丘探空站溫度對數壓力圖Fig.6 Synoptic charts at (a) 500 hPa and (b) 850 hPa, (c) the skew T diagram of Zhangqiu Station at 08:00 BT 9 July 2021

3.3 水凝物的垂直分布特征

圖9a為2021年7月9日14:02濟南雷達沿84°方位角的ZH垂直剖面,在距離雷達70、76、86 km附近有三個ZH>45 dBz對流云體,對應圖7a中的B,C,D三個對流單體,其中B單體在中高空的回波最強,>55 dBz的回波頂向上超過-20℃的高度(7.2 km),具備大冰雹形成條件,單體D>45 dBz的回波在低層0.5°、1.5°兩個仰角,已處于減弱階段。由圖9b給出的HCA-Opt分類結果看,對流云體B、C在3～8 km高度的分類結果主要為霰,其中夾雜著少量雹,2 km以下低層則主要為大滴和雨,對應地面為雹暴發展初期的降雨。

圖9c～9f分別為14:19的ZH、HCA-Opt水凝物分類、徑向速度V、ZDR在同方位角的垂直剖面,此時的雹暴強回波中心ZH>65 dBz,且已接地,HCA-Opt水凝物分類為雨雹混合;距離雷達70～73 km處低層有徑向風輻合、高層為強的輻散(圖9e),該距離區間融化層以上的ZDR>1.5 dB,高度可到達8 km 處,為“ZDR柱”,對應圖9c為強回波中心西側ZH水平梯度最大云區(ZH介于5～55 dBz) ,CC則大于0.96(圖略)。對照圖8a,8b可見,此時對流發展處于強盛階段,雹暴西南側低層強的入流與雹暴中心偏東氣流輻合,形成強的中氣旋和上升運動:一方面,上升氣流將低層的水汽與大滴向上輸送到0℃層以上,最高達-20℃以上,“ZDR柱”的存在表明以扁平狀的液態粒子或包有水膜的冰相粒子為主,為冰雹增長提供了有利的過冷水凝物供給條件;另一方面,強的上升氣流對冰雹具有托舉作用,有利于大冰雹的生成,直到冰雹的落速大于上升氣流時,冰雹下落直至落地。

注:圖a中AB虛線為圖9a,9b中剖面位置,白色折線區為 ZH>30 dBz的回波區,白框A～D為對流單體。圖7 2021年7月9日14:02濟南雷達0.5°仰角(a)ZH,(b)ZDR,(c)CC,(d)HCA-Opt分類結果Fig.7 Distribution of (a) ZH, (b) ZDR, (c) CC, (d) the hydrometeor identified by HCA-Opt at 0.5° elevation from Jinan Radar Station at 14:02 BT 9 July 2021

圖9g,9h分別為14:42的ZH、HCA-Opt水凝物分類的垂直剖面。此時,雹暴向東南方向移動,中心回波強度稍有減弱,剖面經過特大冰雹降落到的章丘區東山花園(距雷達站約74.2 km)。據東山花園的志愿者觀察,該位置自14:30開始降雹,持續約40 min,直徑6.8 cm的特大冰雹于14:48降落(見“追雹者”微信小程序上傳信息)。東山花園特大冰雹出現低層入流前方強上升運動區,是ZH梯度最大的區域,而非強回波中心,這與Blair et al(2012)研究的大冰雹落區位置一致。從相態分布結果看,距雷達70～95 km的高層仰角主要為霰、雹和干雪,低層以雹、大雨、中(小)雨為主;實況為東山花園以東近10 km范圍出現雨夾雹,以直徑小于3 cm的中小冰雹為主。

注:白色圈為中氣旋,圖a中AB虛線為圖9c～9f剖面位置。圖8 2021年7月9日14:19濟南雷達0.5°仰角(a)ZH,(c)HCA-Opt水凝物分類, 2.4°仰角(b)徑向速度,(d)HCA-Opt水凝物分類Fig.8 Distribution of (a) ZH, (c) the hydrometeor identified by HCA-Opt at 0.5° elevation and (b) radial velocity, (d) the hydrometeor identified by HCA-Opt at 2.4° elevation from Jinan Radar Station at 14:19 BT 9 July 2021

3.4 HCA-Opt識別冰雹與降雹實況對比

根據冰雹觀測志愿者提供的東山花園、章丘區氣象局(坐落在瓦山)的降雹信息,對比分析HCA-Opt識別冰雹的準確性。表2給出濟南雷達HCA-Opt在東山花園位置(36.688°N、117.545°E)降雹時段(14:30—15:10)各層仰角水凝物的識別結果。可見,除最低仰角層外,其他仰角均識別給出冰雹RH;其中14:31—14:42,冰雹出現在高層仰角,中層仰角主要為霰;14:48—15:17,第2、3層仰角識別出冰雹,中、高層仰角主要為霰或雹。

圖10給出的是2021年7月9日14:42、15:05、15:28濟南雷達0.5°仰角HCA-Opt識別的冰雹分布及與ZH的疊加。分析雹暴移向移速可見,14:00—15:00,雹暴向東南方向移動,15:00—16:00則逐步轉向西南方向移動,移速緩慢。14:42為東山花園6.8 cm特大冰雹落地前一個體掃時間,此時HCA-Opt識別的冰雹集中分布在雹暴強中心區(圖10a),而對雹暴前部、ZH水平梯度大的區域的冰雹識別能力不足。15:05(圖10b),強雹暴中心經過東山花園,東山花園位于雹暴后部,降雹趨于結束,而此時處于雹暴前部的章丘區氣象局10 min后開始降雹。據章丘氣象局觀測人員報告:“15:15—15:45出現降雹,剛開始下冰雹時,顆粒較小,邊下邊化,后續顆粒逐漸變大,密度不大,地面沒有積存,其中大冰雹(5 cm)約于15:30降落”。15:28,HCA-Opt識別的冰雹分布與ZH>55 dBz的雹暴強回波區吻合一致(圖10c),此時瓦山處于雹暴云體西南側、ZH梯度最大的位置,與東山花園降下特大冰雹時所處位置基本一致。

注:虛線為ZDR>1.5 dB區域,即“ZDR柱”;△指示東山花園位置。圖9 2021年7月9日濟南雷達14:02(a)ZH、(b)HCA-Opt水凝物分類的垂直剖面, 14:19(c)ZH、(d)HCA-Opt水凝物分類、(e)徑向速度、(f)ZDR的垂直剖面, 14:42(g)ZH、(h)HCA-Opt水凝物分類的垂直剖面Fig.9 Vertical cross-section of (a) ZH, (b) the hydrometeor identified by HCA-Opt at 14:02 BT, (c) ZH, (d) the hydrometeor identified by HCA-Opt, (e) radial velocity, (f) ZDR at 14:19 BT, (g) ZH, (h) the hydrometeor identified by HCA-Opt at 14:42 BT from Jinan Radar Station on 9 July 2021

表3給出了HCA-Opt識別的0.5°仰角冰雹位置與東山花園的距離,可見東山花園降雹時段兩者的最近距離小于4 km,14:59最近為0.223 km。總體上看,HCA-Opt識別的冰雹分布與地面降雹實況具有很好的對應關系,對地面冰雹落區預估具有很好的參考。

表2 2021年7月9日14:31—15:11東山花園HCA-Opt水凝物識別結果Table 2 The hydrometeor identified by HCA-Opt at Dongshan Garden from 14:31 BT to 15:11 BT 9 July 2021

表3 2021年7月9日14:31—15:11濟南雷達0.5°仰角HCA-Opt識別冰雹位置與東山花園的最短距離Table 3 The shortest distance between the Dongshan Garden and the location of the hail identified by HCA-Opt at the 0.5° elevation from Jinan Radar Station from 14:31 BT to 15:11 BT 9 July 2021

4 HCA-Opt水凝物識別可靠性分析

本節通過計算分類結果中首選與次選類型的概率差,分析HCA-Opt對章丘強雹暴天氣水凝物分類識別的可靠性,當兩者差異越大分類結果越可信。

表4給出了HCA-Opt識別的首選水凝物類型對應的次選類型的頻率。例如,當冰雹是首選類型時(第10行RH),次選類型為霰GR、中(小)雨RA與大雨HR,對應的頻率分別為0.62、0.11與0.27。通過這個表可以看出哪些水凝物類型之間易出現混淆。

表4 HCA-Opt識別的10種分類對應次選類型出現頻率 Talbe 4 Frequency of second choice type corresponding to 10 types of hydrometer identified by HCA-Opt

從HCA-Opt給出的10種分類結果中首選與次選類型的概率平均差(圖11)可見,概率差最大為中(小)雨RA,為0.5左右,其次是霰GR,為0.4左右,說明HCA-Opt識別結果為這兩類水凝物時,大概率不會出現誤判。冰雹RH與大滴BD概率差異波動較大,對照表4可以看出,這兩類水凝物對應的次選類型頻率最高的分別為霰GR和中(小)雨RA,即便HCA-Opt出現誤判,也不會對降水粒子相態判別產生較大影響。冰晶CR與濕雪WS概率差較小,分別為0.1與0.2左右,對應的次選類型頻率最高的均為干雪DS,這主要由于冰晶、濕雪與干雪各雷達參量隸屬函數重合部分較多,所處的高度大致相同,利用融化層位置也無法有效將冰晶、濕雪與干雪進行區分,后期可根據飛機觀測的粒子類型,對其隸屬函數進行進一步改進。

圖11 2021年7月9日14:02—17:00濟南 雷達HCA-Opt識別的水凝物首選與 次選類型概率的平均差Fig.11 Time series of the average difference between the probability of the first and the second choice types identified by HCA-Opt from Jinan Radar Station from 14:02 BT to 17:00 BT 9 July 2021

5 結 論

本文在美國雙偏振WSR-88D業務應用的HCA基礎上,通過增加冰雹區與三體散射區水凝物類型的訂正、數值模式溫度分析場識別的融化層及水凝物類型垂直分布的限制條件,優化建立了HCA-Opt。利用HCA-Opt分析了2021年7月9日濟南章丘區一次強雹暴天氣過程的水凝物分布特征,檢驗了HCA-Opt對水凝物識別的準確性與可靠性。

(1)當雹暴中冰雹與TBSS區域的ZDR為負值、CC較低時,HCA通常會將該區域類型為識別地物,通過引入冰雹與TBSS區的識別條件,HCA-Opt可以正確識別上述區域的水凝物類型。融化層特征不明顯時,HCA利用MLDA無法自動識別融化層位置,利用模式的溫度分析場可以彌補這一不足,有效區分不同高度層的水凝物。通過引入水凝物垂直分布限定條件,HCA-Opt識別的水凝物在垂直方向上分布較HCA更加合理。

(2)HCA-Opt給出的水凝物分類結果較好描述了章丘區7月9日強雹暴天氣過程中對流初生、降雹不同階段的水凝物空間分布,結合ZH,ZDR,CC和徑向速度等反映的雹暴云體結構,初步揭示了不同高度的水凝物粒子相態轉化特征。

(3)通過檢驗可以發現,HCA-Opt在0.5°仰角層識別的冰雹分布與地面降雹范圍較為一致,對冰雹預警和落區判別具有較好的指示意義,但對雹暴前部大冰雹落點的識別能力不足。分析首選與次選類型的概率差表明,HCA-Opt識別的中(小)雨與霰最為可信,當識別類型為冰晶或濕雪時,容易與干雪出現混淆。