S波段和X波段雷達定量降水估計在臺風“格美”影響浙江期間的評估分析

摘要 利用ERA5數據、S波段雙偏振多普勒天氣雷達、X波段雙偏振相控陣天氣雷達和加密自動氣象站等資料，對2024年臺風“格美”引發的浙江強降水成因進行分析。結果表明：（1）“格美”影響期間，浙江東南沿海暴雨集中，累計降雨量大，溫州南部出現特大暴雨。（2）西南季風和副熱帶高壓西側的東南急流為“格美”提供了充足的水汽和能量，山脈地形對降水的增幅作用顯著。（3）S波段雙偏振雷達探測距離遠，強回波區域數據可信度較高。X波段相控陣雷達時空分辨率較高，能有效捕捉降水過程中低仰角雙偏振參數特征，有效提升低層盲區觀測能力。X波段的雙偏振參數整體數值相對較高，但在強回波之后表現出一定的衰減現象。（4）X波段雷達組網、S波段雷達的定量降水估計（quantitative precipitation estimation，QPE）產品均對強降水的表征能力較好，但強降水樣本數偏少可能導致QPE評估指標出現較大波動。X波段在局地強降水捕捉方面具備高分辨率優勢，S波段雷達能探測更大范圍降水，但對于40 mm·h-1以上的強降水估計能力偏弱。（5）X波段雷達組網的QPE對降水落區和強度估計相對較好，不同雨強的命中率均高于S波段雷達。7月26日02—05時，臺州強降水命中率平均為88%，較S波段提升63%；但空報率和偏差也偏大。

關鍵詞 臺風“格美”；X波段雙偏振相控陣天氣雷達；S波段雙偏振多普勒天氣雷達；定量降水估計

中圖分類號： P412.25;P458.124文獻標志碼： A文章編號： 20963599（2025）01001211

DOI：10.19513/j.cnki.hyqxxb.20241127001

Abstract The causes of the heavy rainfall in Zhejiang induced by Typhoon Gaemi in 2024 are analyzed using ERA5 data， Sband dualpolarization Doppler weather radar data， Xband dualpolarization phased array weather radar data and observations of dense automatic weather stations. The results are listed as follows. （1） During the influence of Typhoon Gaemi， torrential rain is concentrated along the southeastern coast of Zhejiang with significant accumulated rainfall， and extreme rainstorms are recorded in southern Wenzhou. （2） Abundant moisture and energy are provided to Typhoon Gaemi by the southwest monsoon and the southeast jet on the western flank of the subtropical high， and the mountainous terrain significantly enhances the precipitation. （3） The Sband dualpolarization radar is distinguished by its long detection range and high data reliability in regions of strong echoes. In contrast， the Xband phased array radar with superior spatiotemporal resolution， can effectively capture the characteristics of lowelevation dualpolarization parameters during precipitation events， significantly enhancing observing capabilities in lowlevel blind zones. Additionally， the Xband radar’s dualpolarization parameters are higher overall， but exhibit a certain attenuation phenomenon after strong echoes. （4） The quantitative precipitation estimation （QPE） products derived from both the Xband radar network and the Sband radar are characterized by strong capabilities in representing heavy precipitation. However， the relatively limited number of heavy precipitation samples may result in significant fluctuations in the QPE evaluation metrics. The Xband radar has the advantage of high resolution in capturing localized intense rainfall， whereas the Sband radar can detect the precipitation over a broader area. Nonetheless， the ability to estimate the heavy precipitation exceeding 40 mm·h-1 is relatively weaker for the Sband radar. （5） The precipitation locations and intensities are well estimated by the QPE from the Xband radar network， and the probabilities of detection （PODs） for various rainfall intensities are higher than those achieved by the Sband radar. From 02：00 BJT to 05：00 BJT 26 July， the average POD for heavy rainfall in Taizhou reaches 88%， representing an improvement of 63% compared to the Sband radar; however， the 1 alarm rate and bias are also noticeably higher.

Keywords Typhoon Gaemi; Xband dualpolarization" phased array weather radar; Sband dualpolarization Doppler weather radar; quantitative precipitation estimation （QPE）

引言

臺風是浙江高影響與強致災的主要天氣系統，受環境場、中小尺度結構、路徑強度和下墊面等因素共同影響［1-3］，引發的強降水特征差異較大。臺風影響下的短時強降水（小時雨強I≥20 mm·h-1）容易導致城市內澇、河流山洪、山體滑坡等災害，給交通、農業和居民生活帶來嚴重影響，甚至威脅生命財產安全［4］。臺風極端短時強降水的研究具有重要意義，通過分析短時強降水發生條件、發展過程和估測技術，有助于提高氣象臨近預報預警的精準度，為相關部門的應急管理和決策提供支持，對社會穩定和經濟發展具有重要意義。S波段和X波段雙偏振雷達是目前廣泛應用于短時強降水機理研究及臨近預報預警的主要氣象觀測設施。

雙偏振雷達能觀測獲得反射率因子（ZH）、差分反射率（ZDR）、差分傳播相移率（KDP）和相關系數（Cc）等物理量。這些參數可以更精確地描述降水粒子的雨滴譜特征，輔助識別對流單體的生命周期變化，提前捕捉對流系統的形成與發展趨勢，進行同化應用可顯著提升數值天氣預報模式對降水系統三維結構與動力特征的刻畫能力［5-9］，目前已在云降水微物理研究［10-11］、定量降水估計（quantitative precipitation estimation，QPE）［12］和冰雹識別［13-14］等方面應用廣泛。研究［15］表明，S波段與X波段雙偏振雷達的探測性能存在顯著差異，在性能和應用上各有優缺點。S波段雙偏振雷達采用機械掃描方式，體掃間隔長達6 min，導致對快速演變的對流風暴觀測可能出現垂直結構失真且分辨率較低等問題，但S波段雙偏振雷達對強對流天氣雨區衰減影響較小，對遠距離弱回波的探測能力更強。相比之下，X波段雙偏振雷達采用電子掃描方式，具有快速掃描和多波束形成能力，時空分辨率較高，對于中小尺度系統的垂直結構和演變細節觀測更加精細，能夠清晰揭示單體觸發和發展的過程［16-17］。然而，X波段雙偏振雷達在降水環境中信號衰減嚴重，ZH和ZDR的精確度較低［18-21］。因此，S波段雙偏振雷達適用于穩定的大范圍降水監測，而X波段相控陣雷達更適合快速演變對流系統的精細觀測，但需注意降水衰減帶來的數據誤差。

為此，文中基于S波段和X波段雙偏振雷達對臺風“格美”引發浙江局地強降水特征開展協同觀測研究。從急流維持、水汽輸送、能量不穩定和地形等方面探討強降水形成機制，分析雷達雙偏振參量等特征，并對S波段和X波段雙偏振雷達在QPE中的表現進行評估分析，為提升臺風短時強降水預報預警能力提供科學依據。

1數據資料

使用資料如下：（1）浙江5 772個常規地面自動氣象觀測站資料。（2）歐洲中期天氣預報中心（European Centre for MediumRange Weather Forecasts，ECMWF）發布的ERA5數據，空間分辨率為0.25°×0.25°。（3）蒼南、平陽、洞頭和大陳風廓線雷達資料。（4）溫州（站號Z9577）和臺州（站號Z9576）S波段雙偏振多普勒天氣雷達資料，其觀測半徑約為230 km，徑向分辨率為250 m，波束寬度為1°±0.05°。（5）溫州5部、臺州3部X波段相控陣雷達資料，其觀測半徑約為45 km，徑向分辨率為30 m，時間分辨率約為60 s，波束寬度均為1.6°。雷達數據均經過噪聲濾除、地物抑制、衰減訂正、退速度模糊、差分傳播相位（ΦDP）退折疊、KDP計算等步驟進行質控處理操作。（6）1 h累計QPE分別由上述8部X波段相控陣雷達組網、2部S波段雙偏振雷達單部非組網反演得到，由浙江宜通華盛科技有限公司生成［22］。其中，X波段組網小時累計降水量的時間分辨率為5 min，空間分辨率為100 m。單部S波段QPE的時間分辨率為6 min，空間分辨率為500 m。X波段組網和單部S波段融合QPE時間分辨率為6 min，空間分辨率為500 m。

2臺風“格美”暴雨成因分析

2024年第3號臺風“格美”于7月20日下午生成，21日14時（北京時，下同）加強為強熱帶風暴，22日20時加強為臺風，24日08時增強為超強臺風并維持16 h，登陸臺灣前在花蓮以東海面打轉6 h，于25日00時前后以強臺風級在臺灣省宜蘭縣南澳鄉沿海登陸（48 m·s-1，15級，945 hPa），25日19：50前后以臺風級在福建省莆田市秀嶼區二次登陸（33 m·s-1，12級，972 hPa），而后西行北上，穿過福建、江西等地（圖1a），給浙江沿海帶來強風暴雨。

依據影響系統和降水配置關系，浙江降水分為兩個階段：第一階段為7月24—25日“格美”登陸前，受東—東南氣流影響；第二階段為7月26—27日“格美”登陸后西北行期間，受東南—南氣流影響。第一階段最強降水出現在25日下午到傍晚，第二階段出現在26日凌晨到上午。7月25日下午—26日，溫州南部出現特大暴雨；7月24日08時—27日20時（圖1b），溫州市泰順縣泗溪鎮泗溪九峰（海拔為949 m）累計降水量單站最大，達874 mm。

2.1低空急流和水汽條件

7月24日，浙江東南沿海開始受超強臺風“格美”外圍環流偏東氣流影響出現陣雨天氣。24日夜間—25日（圖2a—b），兩支水汽通道匯集在東南沿海地區，一支為“格美”南部來自南海季風的水汽輸送，另一支為“格美”和副熱帶高壓之間的東南急流水汽輸送，雙通道強盛的水汽輸送加強了東南沿海的水汽輻合，有利于對流不穩定能量的釋放和降水強度的增強。25日14（圖2b）—18時（圖略），受臺風北側東南氣流影響，溫州850 hPa風速最強為28～32 m·s-1，水汽通量為48～52 g·cm-1·hPa-1·s-1，均為此次過程極值。7月25日16時，出現了此次過程小時雨強最大值，溫州市甌海區茶山盤垟（海拔為700 m）小時雨強達71.1 mm·h-1。25日20時（圖2c），“格美”登陸福建莆田后，臺風螺旋雨帶影響東南沿海。26日02（圖2d）—06時（圖略），臺州受臺風東側偏南氣流和南海季風繞過臺灣島的東南氣流共同影響，風向輻合明顯，水汽持續供給。850 hPa風速為20～26 m·s-1，水汽通量為36～45 g·cm-1·hPa-1·s-1，臺州出現大到暴雨，最大小時雨強達55.1 mm·h-1（兩橋站，26日05時）。隨后臺風緩慢向西北行，26—27日（圖2e—f）強度逐漸減弱，副熱帶高壓西伸南海，西南季風水汽供應受到抑制，東南沿海地區逐漸轉為偏南急流，風速和水汽通量明顯下降，東南沿海降水減弱。

2.2動力和不穩定條件

7月25日14時（圖3a），東南沿海850 hPa以下為強輻合，散度為-20

2.3地形增幅作用

浙江東南沿海的雁蕩山和括蒼山等山脈呈東北—西南向分布，溫州和臺州地區從東向西地勢海拔逐漸增高，東南氣流與山脈走向垂直，同時在兩地交界處存在一個喇叭口［1］，特有的地形條件對臺風近地層環流有強迫作用，導致臺風降水的增幅和強降水發生頻次的增加。迎風坡垂直速度和低層的輻合明顯強于平原地區，地形的動力輻合、抬升作用明顯，導致降水分布不均勻。東南沿海地區降水量在250 mm以下的站點地勢較為平坦，250 mm以上的站點大多分布在高山附近，累計降水量大于550 mm的站點集中分布在溫州雁蕩山東側，最大值（874 mm）出現在溫州市泰順縣泗溪鎮泗溪九峰站，該站點海拔為949 m，相距較近的莒溪站海拔為143 m，兩站累計降水量分別為874 mm和418 mm，地形作用產生的降水增幅達109%。25日下午（圖3a），東南氣流在迎風坡一側形成了低層強輻合、高層強輻散，地形阻擋造成水汽輻合，持續的東風急流、水汽輻合和水汽通量的加強，是該站極端暴雨的主要成因。

3雙偏振雷達特征分析

為更好應用S波段和X波段雷達產品，了解各自的產品性能和優劣勢，開展臺風降水協同觀測的科學試驗、業務應用等，深入分析降水過程的微物理特征，文中將分別對比溫州和臺州強降水時段2個波段的雷達雙偏振量產品。選取均能覆蓋到同一片強回波區域的2個波段雷達，溫州黃石山X波段雷達位于溫州S波段雷達東北側8.8 km的位置，臺州溫嶺龍崗山X波段雷達位于臺州S波段雙偏振雷達西南側約35.3 km的位置。

臺風登陸前，7月25日下午溫州受臺風外圍強回波影響出現大范圍持續性強降水。通過溫州雙偏振雷達資料分析發現，14—19時“列車效應”較為明顯，尤其15—17時降水效率高，累計降水量大。7月25日16：08（圖4），由溫州S波段雷達和溫州黃石山X波段雷達3 km高度的回波及雙偏振參量特征對比可看出，S波段雷達時空分辨率偏低，回波較為雜亂，X波段雷達的強回波顯示和弱回波衰減均相對更明顯。大于35 dBZ的范圍和形態兩者基本一致，最大值也均為55～60 dBZ，但對于大于45 dBZ的強回波，X波段范圍偏大、強度偏強。X波段雷達的KDP、ZDR強弱分布與其ZH基本一致，即強回波區對應較高的KDP和ZDR。相比之下，S波段雷達的KDP存在一些放射性條狀的負值，而ZDR的大值分布則顯得較為零散和不連續。臺風登陸后，7月26日01—06時，臺州受臺風東北象限東南氣流影響，回波由線狀組織成片狀，強度逐漸增強，以低質心回波為主。7月26日04：48（圖略），臺州S波段和臺州龍崗山X波段雷達3 km高度的回波及雙偏振參量特征對比結果與溫州2部雷達結論較為一致。

綜合來看，2個波段各具優勢與不足，合理的組合使用將有助于提升觀測效果。分析2個波段雷達的回波及雙偏振參量特征可知，X波段相控陣雷達的反射率產品在強度分布上與S波段雷達相似，兩者的回波輪廓具有較高的一致性，S波段雷達的分辨率相對較低，雖然大致特征能夠體現，但表現得較為雜亂，影響了有效信息的提取。對比雙偏振參量，2個雷達均能捕捉到強回波區域的特征，但X波段雷達波長更短，雙偏振參數整體數值相對較高，與Park等［23］通過散射模擬實驗發現的結論一致，KDP為S波段雷達的3倍。

4多波段雷達定量降水估計特征

4.1定量降水估計算法

文中使用的單部S波段和X波段組網QPE產品反演方法為：結合地形高程數據，避免底層偏振量數據受到遮擋、衰減影響而偏低，選取離地1 km高度范圍內所有仰角的ZH和KDP的最大值作為地面格點降水反演的數據源，X波段組網QPE依照公式（1）［22］進行瞬時雨強的估算，S波段單部雷達QPE產品則參考美國WSR88D雷達業務運行降水反演系統默認的關系式［24］，并對參數進行浙江本地優化，形成公式（2）。之后通過將瞬時雨強乘以時間間隔（S波段逐6 min，X波段逐5 min）并累加，可以生成1 h累計降水產品。

4.2定量降水估計檢驗方案

根據《智能預報技術方法競賽檢驗方案》［26］，短時強降水可采用點對面檢驗方法，即以實況站點為中心點，掃描半徑為3 km，該方法可有效緩解降水落區的空間偏差問題。文中以浙江自動氣象觀測站1 h累計降水量觀測值為基準，對雷達QPE產品進行檢驗評估。檢驗評估指標包括威脅評分（threat score，TS）、命中率（probability of detection，POD）、空報率（1 alarm rate，FAR）、偏差（bias）。

4.3定量降水估計性能評估

為討論單部S波段雙偏振雷達（簡記為“S”）、組網X波段雙偏振雷達（簡記為“X”）、融合S波段和X波段雷達（簡記為“S+X”）的QPE在此次過程中的適用性，文中分別對這三種QPE產品進行性能評估，開展空間降水、時序降水檢驗，并對檢驗的時空演變進行分析。

4.3.1空間降水檢驗

通過對S、X以及S+X三種QPE產品與站點觀測降水的空間分布圖進行比較，從空間角度評估三種QPE的性能，可以明顯看出X的優勢。在臺州強降水集中時段，7月26日02時（圖略），X對降水雨帶的落區和強度估計與實況較為吻合，短時強降水的TS評分為0.37，POD為0.85，明顯優于S和S+X，但FAR達0.61，bias為2.18，較S和S+X偏高。三種QPE均漏報了臨海市40～50 mm·h-1的短時強降水。03時，X在降水落區和強度估計上仍有優勢，TS評分為0.53，POD為0.84，TS評分略偏低，而S對40 mm·h-1以上的強降水估計能力偏弱，S+X雖有改善但仍存在大范圍漏報。04時（圖5a—d），X很好地估計了樂清灣的強降水落區，TS評分為0.62，POD達0.87，FAR較S偏大了105%，因X波段雷達探測邊緣仰角高度抬升和衰減影響，沒有反演出樂清中西部和北部的強降水；S估計值明顯偏低，TS評分為0.55，POD為0.61；S+X的各項指標較S略有提升，其中POD提升20.0%。05時（圖5e—h），X降水估計POD達到了0.97，TS評分和POD較S分別提升55.3%和77.7%，同時FAR較S和S+X均偏大了45%。由該降水時段平均來看，X的POD為0.88，較S和S+X分別提升62.9%和27.1%；TS評分也是X最高，達0.57；但X的FAR（0.38）和bias（1.52）也是最高，其中FAR較S偏大78.4%。25日15—19時，溫州地區的降水過程中，X在各時段的降水落區和強度估計上均與實況更為接近（圖略），S和S+X則明顯偏低，同樣存在FAR和bias明顯偏大的特征。由空間分布也可以發現，X波段衰減較為嚴重，近距離的組網QPE有較好的探測性能，遠離雷達中心一段距離后，距離越遠強度下降越迅速。

空間降水檢驗分析表明，X波段雷達組合QPE在降水落區范圍和強度估計上表現最佳，S+X融合產品次之，S波段雷達偏差較大。這不僅與X波段雷達開展組網提高探測精度、增強數據完整性有關，還在于其具有約3 cm的短波長，具備更高的空間分辨率，能夠更精細地探測降水回波的空間結構，特別是在捕捉局地對流性降水和細微降水結構方面表現突出。此外，X波段雷達采用相控陣技術，具備0°～60°仰角的探測能力，靜錐區較小，能夠完整探測近地面低層降水，彌補了S波段雷達在靜錐區和低空盲區的不足。S波段雷達天線受結構和掃描方式的限制，仰角范圍通常為0°～20°，靜錐區較大，無法完整探測雷達近端和低空的降水回波，導致對低層強降水的探測能力受限，容易出現漏報和強度低估。另外，S波段波長較長，空間分辨率相對較低，對小尺度和局地強降水的捕捉能力不如X波段雷達。遠距離探測時還受地球曲率和波束拓展的影響，出現波束上沖，無法有效探測低層降水。S+X效果提升有限的原因是目前業務上融合S波段和X波段產品的簡單做法以S波段QPE為主，而X波段QPE僅作為補盲。該問題有很大優化空間，例如可優先采用機器學習方法，通過針對樣本不平衡問題進行優化，增強模型對強降水的估計能力。同時結合視覺深度學習方法來改善雷達數據的時空特征提取和融合效果，達到自適應融合的效應，而非人工選擇補盲雷達。

4.3.2時序降水檢驗

7月26日02—05時（圖6），臺州地區降雨逐漸增強，X和S+X對于雨強I≥20 mm·h-1的降水估測能力也逐漸增強，而S則先增強后下降。X的TS評分從02時的0.37提高至05時的0.78，05時POD達到0.97，較02時提升了13.8%，這一現象可能與降水信號強度增強和范圍擴大有關。研究［27-30］表明，當降水信號明顯增強時，雷達往往能更有效地捕捉信號，從而表現出更優的QPE性能；相反地，當降水信號較弱，如微小尺度對流系統難以被雷達探測時，容易發生漏報現象。此次過程中，臺州降水強度和范圍顯著增強，因此20 mm·h-1評分呈現明顯增長趨勢，各時次各段雨強X和S+X的POD均高于S。雨強為30～40 mm·h-1時，各QPE產品均表現為先增強，04時后下降的趨勢。04時，X和S+X的TS評分約為0.55，雨強I≥40 mm·h-1時，S的TS評分和POD均為0.31。轉折點時強降水強度最強、范圍最大，強降水中心近似橢圓形，隨后降水強度減弱范圍減小，強降水雨帶呈狹長帶狀，雷達QPE評分明顯下降。雨強I≥50 mm·h-1時，各QPE評分也均逐漸下降，且bias、POD、FAR出現較大波動，主要由于極端短時強降水的樣本本身偏少，降水估測的不確定性增大，導致QPE誤差偏大。

對于7月25日15—19時溫州地區的降水，三種QPE產品性能評估與臺州類似。雨強為20～30 mm·h-1時，X性能逐漸增強，而S和S+X則先增強后下降，轉折點大約在18時，此時也對應著降水強度和范圍的明顯減弱。雨強為40～50 mm·h-1時，各QPE產品評分均出現較大的時間變化不確定性。此外，從降水落區圖可以看出，出現40 mm·h-1以上短時強降水的區域站點分布較為稀疏，當鄰域半徑較小時，更容易受到站點分布特征的影響，進而導致QPE不確定性增大。

5總結和討論

2024年7月24—27日，臺風“格美”給浙江東南沿海地區帶來強風暴雨，文中利用ERA5數據、S波段雙偏振多普勒天氣雷達、X波段雙偏振相控陣天氣雷達和加密自動氣象站等資料，從急流維持、水汽輸送、能量不穩定和地形等方面探討強降水形成機制，分析雷達雙偏振量等參數特征，并對S波段和X波段雙偏振雷達的QPE進行評估，得到以下結論：

（1）臺風“格美”強度強、云系范圍廣，近海岸時移動緩慢。強盛的西南季風和副熱帶高壓西側的東南急流為“格美”提供充足的水汽和能量，24日08時，“格美”靠近臺灣加強為超強臺風并維持16 h，持續強勁的水汽輸送為浙江東南沿海帶來暴雨大暴雨，溫州南部特大暴雨。

（2）浙江東南沿海臺風降水地形增幅效應顯著，臺風東北側東南氣流與山脈走向垂直，地形阻擋造成了水汽輻合，持續的東風急流、水汽輻合和水汽通量的加強，是此次極端暴雨的主要成因。

（3）S波段雙偏振雷達探測距離遠、強回波區域數據可信度較高，但對于40 mm·h-1以上的強降水估計能力偏弱。X波段相控陣雷達時空分辨率較高、能夠捕捉降水過程低仰角雙偏振參數特征、有效提升低層盲區觀測能力。X波段的雙偏振參數整體數值相對較高，但在強回波之后表現出一定的衰減現象。

（4）X波段雷達組網、S波段雷達的QPE均能較準確估計出強降水，而強降水樣本數偏少會導致QPE的評估指標（POD、FAR和bias）出現較大波動。X波段雷達組網的QPE對降水落區和強度的估計最優，不同雨強的命中率均高于S波段雷達，最高可達100%。7月26日02—05時，臺州強降水POD平均為0.88，較S提升63%，但FAR和bias也偏大，達到了0.38和1.52，而S波段的兩者則為0.22和0.69。

目前業務上融合S波段和X波段產品的做法較簡單，以S波段QPE為主，而X波段QPE僅作為補盲。針對該融合方法所存在的不足，可優先采用機器學習方法優化樣本不平衡問題，再結合視覺深度學習方法來改善雷達數據的時空特征提取和融合效果，達到自適應融合的效應，從而提升強降水的協同觀測能力。

參考文獻：

［1］婁小芬，馬昊，黃旋旋，等.臺風“利奇馬”造成浙江極端降水的成因分析［J］.氣象科學，2020，40（1）：7888.

［2］徐亞欽，葉妍婷，劉瑞，等.1814號臺風“摩羯”造成浙江內陸強降水的動力特征分析［J］.海洋氣象學報，2022，42（4）：3747.

［3］崔夢雪，向純怡，張晗昀，等.臺風“杜蘇芮”（2305）引發福建極端強降水的特征分析［J］.海洋氣象學報，2023，43（4）：1120.

［4］朱志存，陳雄飛，王永峰，等.基于四維災體模型的浙江省氣象災害損失年景評價［J］.海洋氣象學報，2020，40（3）：121125.

［5］馮晉勤，劉銘，蔡菁.閩西山區“7·22”極端降水過程中尺度對流特征［J］.應用氣象學報，2018，29（6）：748758.

［6］王文波，李曉利，趙華，等.“海棠”殘留低壓引發魯中東部暴雨中尺度特征分析［J］.氣象與環境科學，2021，44（2）：8086.

［7］王金蘭，陳紅霞，段中夏，等.河南省一次致災強對流天氣的中尺度分析［J］.氣象與環境科學，2014，37（3）：1420.

［8］胡燕平，郭賀奇，武威，等.沙潁河流域一次極端短時強降水的中尺度特征分析［J］.氣象與環境科學，2021，44（4）：6371.

［9］王曉麗，趙桂香，楊璐，等.一次引發局地暴雨的中尺度對流系統降水及風場結構特征［J］.氣象與環境科學，2021，44（5）：4048.

［10］吳翀.雙偏振雷達的資料質量分析，相態識別及組網應用［D］.南京：南京信息工程大學，2018.

［11］曹俊武，劉黎平，葛潤生.模糊邏輯法在雙線偏振雷達識別降水粒子相態中的研究［J］.大氣科學，2005，29（5）：827836.

［12］荀愛萍，張偉，黃惠镕，等.廈門市S波段雙偏振雷達測雨效果分析［J］.氣象與環境科學，2019，42（4）：103110.

［13］劉紅亞，楊引明，張晶，等.一次冰雹天氣的WSR88D雙偏振雷達特征分析［J］.氣象與環境科學，2020，43（2）：110.

［14］林文，張深壽，羅昌榮，等.不同強度強對流云系S波段雙偏振雷達觀測分析［J］.氣象，2020，46（1）：6372.

［15］張妤晴，張偉，鄭輝，等.S波段-X波段雷達聯合觀測在廈門局地短時強降水過程中的應用分析［J］.氣象與環境科學，2023，46（4）：8594.

［16］蘇永彥，劉黎平.S波段雙偏振雷達和X波段相控陣天氣雷達中氣旋識別結果對比［J］.氣象，2022，48（2）：229244.

［17］劉黎平，吳林林，吳翀，等.X波段相控陣天氣雷達對流過程觀測外場試驗及初步結果分析［J］.大氣科學，2014，38（6）：10791094.

［18］HITSCHFELD W， BORDAN J. Errors inherent in the radar measurement of rainfall at attenuating wavelengths［J］. J Atmos Sci，1954，11（1）：5867.

［19］PARK S G， MAKI M， IWANAMI K， et al. Correction of radar reflectivity and differential reflectivity for rain attenuation at X band. Part II： evaluation and application［J］. J Atmos Ocean Technol，2005，22（11）：16331655.

［20］李哲，吳翀，劉黎平，等.雙偏振相控陣雷達誤差評估與相態識別方法［J］.應用氣象學報，2022，33（1）：1628.

［21］田聰聰，張羽，曾琳，等.X波段相控陣雷達與S波段雷達的對比分析［J］.廣東氣象，2021，43（3）：5559.

［22］周方毅，王國榮，楊杰毅.定量降水估測方法、設備、存儲介質及產品：CN118759612A［P］.20241011.

［23］PARK S G， BRINGI V N， CHANDRASEKAR V， et al.Correction of radar reflectivity and differential reflectivity for rain attenuation at X band. Part I： theoretical and empirical basis［J］. J Atmos Oceanic Technol，2005，22（11）：16211632.

［24］RYZHKOV A V， GIANGRANDE S E， SCHUUR T J. Rainfall estimation with a polarimetric prototype of WSR88D［J］. J Appl Meteor Climatol，2005，44（4）：502515.

［25］胡志群，劉黎平，楚榮忠，等.X波段雙線偏振雷達不同衰減訂正方法對比及其對降水估測影響研究［J］.氣象學報，2008，66（2）：251261.

［26］國家氣象中心.智能預報技術方法競賽檢驗方案［Z］//中國氣象局預報與網絡司.預報司關于印發第八屆全國氣象行業天氣預報職業技能競賽智能預報技術方法單項實施方案的通知（氣預函〔2020〕34號）.北京：中國氣象局預報與網絡司，2020.

［27］RYZHKOV A V， SCHUUR T J， BURGESS D W， et al. The Joint Polarization Experiment： polarimetric rainfall measurements and hydrometeor classification［J］. Bull Amer Meteor Soc，2005，86（6）：809824.

［28］CIFELLI R， CHANDRASEKAR V， LIM S， et al. A new dualpolarization radar rainfall algorithm： application in Colorado precipitation events［J］. J Atmos Ocean Technol，2011，28（3）：352364.

［29］GOURLEY J J， HONG Y， FLAMIG Z L， et al. Hydrologic evaluation of rainfall estimates from radar， satellite， gauge， and combinations on Ft. Cobb basin， Oklahoma［J］. J Hydrometeorol，12（5）：973988.

［30］KIRSTETTER P E， GOURLEY J J， HONG Y， et al. Probabilistic precipitation rate estimates with groundbased radar networks［J］. Water Resour Res，2015，51（3）：14221442.