江淮夏季不同對流過程的無人機邊界層觀測特征分析

摘要 利用2019年7—10月江蘇鹽城5個站點的旋翼無人機觀測資料，對夏季對流天氣發生前的大氣邊界層特征進行分析。選取ERA5和L波段雷達探空對旋翼無人機觀測的溫度、濕度和風場數據進行了觀測偏差和誤差的定量化估計。結果表明，在不同高度層，無人機觀測溫度與探空觀測的平均偏差為-0.2～0.02 ℃，觀測誤差為0.44～0.59 ℃;相對濕度與ERA5的平均偏差為1.27％～7.14％，觀測誤差為7.14％～10.71％;風速、風向與探空觀測的平均偏差分別為0.40～1.34 m／s和-3.87°～4.98°，觀測誤差分別為1.24～1.62 m／s和10.50°～23.96°。各變量同兩個參考數據集具有較好的一致性，數據準確度滿足邊界層分析要求。針對3類不同天氣背景下的夏季對流天氣過程進行了邊界層特征分析，無人機觀測揭示了重要的信息：對于非天氣尺度強迫的弱降水個例，無人機觀測捕捉到了降水前邊界層頂逆溫層高度變化和局地風場輻合，邊界層內的狀態變化解釋了弱降水成因;對于天氣尺度強迫且主導系統位置穩定的降水個例，降水由大尺度低層不穩定導致，邊界層特征呈現出對大尺度強迫的響應;對于天氣尺度強迫且系統快速移動的降水個例，因平流引起邊界層內氣象要素迅速變化，邊界層高度由于冷空氣入侵急劇下降，近地層出現風向與主導系統移動方向一致的風速大值區。

關鍵詞無人機觀測;對流天氣過程;邊界層觀測特征

對流性天氣是夏季影響我國的典型災害性天氣之一，由于系統發展移動快，生命史短，常造成突發性氣象災害和重大社會影響，對觀測和預報都提出了非常高的要求。國內外研究表明，對流風暴局地新生和快速演變的決定因素在邊界層內（陳明軒等，2017）。已有諸多研究關注邊界層特征，楊引明和陶祖鈺（2003）使用風廓線雷達探測邊界層的熱力垂直結構、水平風切、低空急流和垂直速度，研究了邊界層在強對流中的指示意義。吳進等（2018）針對邊界層要素演變特征，討論了邊界層在北京短時強降水天氣中的作用。基于邊界層垂直觀測，一些研究也揭示了強對流爆發的中尺度系統觸發機制。Du and Chen（2019）關注南海海岸的強降水，發現邊界層急流與天氣尺度低空急流配合形成的耦合機制是對流觸發的關鍵因素。因此，對邊界層動力條件和熱力結構的精細觀測，對強對流預報預警具有重要意義。

對邊界層氣象要素演變特征的揭示，常受制于現有的觀測水平，不同的邊界層觀測手段存在不同的局限性。目前，邊界層內的溫度、濕度、氣壓、風速和風向等氣象要素觀測主要來源于常規探空觀測以及風廓線雷達、微波輻射計等遙感觀測（王欣等，2005）。常規探空可對大氣廓線進行垂直觀測（卞林根等，2002;馬舒慶等，2005;郭啟云等，2020;原榕等，2021），然而在常規業務觀測模式下，每天08時和20時兩次的固定觀測難以滿足對流天氣的高時間分辨率需求，并且探空站分布稀疏，例如在江蘇省僅有南京、徐州和射陽3個站點，無法實現對局地對流性天氣信息的捕捉;遙感觀測如多普勒天氣雷達（張旭斌等，2015;李昕等，2016）等具備時空范圍廣的連續觀測優勢，但存在低層觀測盲區;微波輻射計遙感觀測存在反演誤差（官莉和任心怡，2018;趙美艷等，2022）。

與探空等傳統觀測手段相比，無人機（unmanned aerial vehicle，UAV）具有準垂直觀測、升限穩定、可懸停的特點，可有效彌補探空網時空密度稀疏的不足。對比多普勒雷達、風廓線雷達、微波輻射計和衛星輻射（張晗昀等，2020;陳耀登等，2021;黃俊等，2022;趙新宇等，2023）等遙感探測手段的接觸式觀測方式，UAV全接觸式運載平臺和便捷的小型傳感器為邊界層氣象探測提供了安全、高效、準確的觀測方式，具有數據質量可靠穩定的優勢（Thomas et al.，2012），滿足強對流天氣精細化預報對邊界層觀測的特殊需要，適用于氣象要素垂直非均勻分布的邊界層研究（Cassano，2014;Shimura et al.，2018;Chen et al.，2020;Yang et al.，2023）。例如，在國際上，Mayer et al.（2012）利用固定翼無人機探測的溫度、相對濕度和風場資料，評估了數值天氣模式邊界層參數化方案在對流性邊界層和穩定邊界層條件下的性能;Brandon et al.（2017）研制了一種用于探測湍流的固定翼無人機，為大氣邊界層提供了湍流統計測量。這些研究為無人機探測在災害性天氣方向上的應用奠定了基礎。

“十三五”期間，江蘇省氣象部門完成了旋翼無人機探測平臺建設。王宏斌等（2020）將旋翼無人機資料與L波段雷達探空資料進行比對，驗證了無人機觀測資料與探空資料具有較好一致性，并對夏季濃霧過程邊界層結構特征進行了分析;周文君等（2023）利用旋翼無人機探測資料，分析了2019年10月江蘇東部沿海地區一次強濃霧過程的邊界層特征。目前，國內無人機應用于氣象領域尚處起步階段，主要集中于污染物監測、邊界層大霧監測等方面，而對于對流性天氣過程的研究則較少。在災害性天氣研究的需求牽引下，本文重點關注對流觸發和天氣過程發生前的邊界層特征，在對流頻發的江蘇鹽城地區，選取濱海、阜寧、建湖、射陽和大豐5個站點進行連續觀測，開展了夏季對流天氣無人機觀測試驗。

本文使用2019年夏季試驗期的無人機資料，研究不同類型對流降水過程發生前的邊界層特征。在無人機資料可信度的驗證上，相比采用代表性月份中的幾日數據進行研究（王宏斌等，2020），我們選取了2019年7—10月長時間序列的數據樣本。文中將江蘇射陽站的無人機資料與同站L波段探空資料以及ERA5再分析數據集進行比對，并采用三角帽法進行誤差定量計算。為了解不同類型對流天氣發生前的邊界層特征，本文選取非天氣尺度強迫、主導天氣系統位置穩定強迫以及主導天氣系統移動變化的3類天氣個例，利用無人機垂直觀測資料研究邊界層在不同類型降水中的作用，并對比降水觸發點邊界層條件的差異。

1 資料與方法

1.1 無人機觀測

無人機觀測資料源自江蘇自主研發的旋翼無人機邊界層氣象綜合探測系統。在該系統中，以旋翼無人機作為載臺，搭載氣象傳感器，完成移動觀測方式的溫、壓、濕、風氣象要素廓線觀測。本著優先高靈敏度，兼顧高準確度，通過結構設計消除或減小相互影響的總體原則，在無人機的氣象觀測傳感器設計上，溫、壓、濕傳感器設計沿用探空觀測，風向風速傳感器選用壓力式，以觀測水平空氣運動。結構布局充分考慮旋翼擾流影響，將風傳感器安裝在頂部，溫、濕傳感器安裝于空腔內，氣壓傳感器安裝在采集器內，基本不受流場擾動影響。通過內置的采集器，將傳感器感應的外部環境物理量數據采集編碼傳回地面。圖1展示了無人機觀測設備和無人機夏季組網觀測試驗的地理位置分布。表1展示了無人機夏季組網觀測試驗的站點地理位置信息。

在提前申請飛行空域的基礎上，于2019年7—10月在江蘇省鹽城市濱海站（58049）、阜寧站（58143）、建湖站（58146）、射陽站（58150）和大豐站（58158）開展夏季組網觀測試驗，每日07：30、10：30、13：30、16：30、19：30（若無特別說明，則均為北京時，下同）在5個測站5臺無人機同時開始觀測，從而獲得同時次5站點的溫度、濕度、氣壓、風向和風速廓線（部分時次因臨時空域管制只有部分站點同時觀測）。每次飛行通過無水平位移的上升下降，可獲得兩條由地面至大約1 500 m高度、垂直分辨率為2.5～3.0 m的邊界層要素垂直廓線。

1.2 平均偏差和基于三角帽方法的觀測誤差估計

選取射陽站（58150）L波段雷達探空資料（UPAR）和ERA5再分析數據作為參考數據集，同射陽站UAV資料進行比對。3種資料簡介如表2所示。

L波段雷達秒級探空資料探測體制采用衛星導航及數據處理模塊，兼具高靈敏度和精確度，可實現探測要素1 Hz的采樣頻率，數據時間分辨率為0.01 s。根據中國氣象局綜合觀測司下發的探空儀功能規格需求書可知，其測量性能為：溫度允許誤差為±0.2 ℃；相對濕度允許誤差為±3％；氣壓允許誤差為±1.3 hPa（1 060～500 hPa）；風速允許誤差為±0.3 m／s；風向允許誤差為±3°（風速gt;3 m／s）。通過分析測量精度，得到該資料性能符合指標要求的結論（姚琪，2006）。射陽站L波段雷達探空與射陽站的無人機觀測處于相同的觀測位置（120°18′E，33°45′N），無人機為“直上直下”的垂直觀測方式，而探空氣球釋放后在上升過程中隨氣流漂流，在極端天氣下高層對會存在空間偏離。由于本文關注的是無人機邊界層探測，所以受探空氣球高層漂移的影響較小，且L波段雷達秒級探空資料是較可靠的參考資料。

ERA5是歐洲中期天氣預報中心（ECMWF）的全球再分析產品，具有0.25°×0.25°的空間分辨率。呂潤清和李響（2021）對ERA5地面、高空氣象要素進行評估，發現新一代ERA5再分析資料在江蘇區域的天氣研究中具有較好的適用性。耿姍姍等（2023）和陳小婷等（2023）對ERA5風資料進行質量評估，發現風速產品與觀測資料具有良好的相關性，相比自動氣象站觀測能夠反映風場最基本的時間分布特征。李瑞輝等（2021）驗證了ERA5在區域對流層研究的適用性；結果表明ERA5具有較高的精度，氣壓、氣溫、相對濕度等氣象要素提取值可代替實測值，且不同的插值方案的氣象要素提取結果精度相當。然而值得討論的是，ERA5代表水平網格為數十千米的平均值，無人機觀測數據代表當前觀測位置的瞬時值，且L波段雷達秒級探空與無人機在探測時間上也存在差異。選取ERA5和UPAR為參考集進行比對，發現它們均存在代表性不同的局限性。受現有探測手段的制約，我們缺乏可靠的高精準度的觀測資料。因此在誤差對比分析前，我們進行了3種數據集空間和時間一致性的假設。

除直接比對評估外，本文采用三角帽方法，將UAV資料與UPAR和ERA5進行同時比對。同時，加大樣本量，進行系統性長時間的評估，以降低代表性差異和隨機誤差的影響。我們將時間窗口設為1 h，選取2019年7—10月07：15和19：15的UPAR數據、00時（世界時）和12 時（世界時）的ERA5數據，同07：30和19：30的UAV數據進行比對。由于以上3套數據在垂直分辨率上存在差異（表2），所以需要將3套數據重采樣到850～1 000 hPa，垂直分辨率為2 hPa，共有76層垂直層。而時空分辨率變化對數據精度影響較小（Jia et al.，2013），因此在提取重采樣的數據值進行比對前，需要先用最鄰近插值算法將ERA5數據插值到射陽無人機觀測站點位置。為探索無人機探測精度與飛行高度的關系，計算了無人機探測溫度、濕度、風速、風向要素的觀測誤差和平均偏差隨高度的分布。

其中：σUAV代表無人機資料觀測誤差;σUAV-ERA5代表以ERA5為參考值的無人機誤差標準差;σUAV-UPAR代表以探空資料為參考值的無人機標準差;σUPAR-ERA5代表探空資料與ERA5之間的誤差標準差。由于該方法基于一個重要假設：估計中涉及的數據集彼此獨立（Anthes and Rieckh，2018;Xu and Zou，2020），所以用三角帽方法計算獲得的標準差，具有一定的誤差。其次，用三角帽方法計算獲得的觀測誤差，同樣會受到參考資料集的影響。若兩個參考資料集偏差大，則觀測誤差小;若兩個參考資料集偏差小，則觀測誤差大。

利用式（1）、（7）分別計算UAV與UPAR和ERA5參考集的逐層平均偏差、UAV觀測變量的逐層觀測誤差。

1.3 無人機觀測數據精度驗證結果

圖2為射陽站無人機觀測分別與L波段雷達探空、ERA5的溫度、相對濕度、風向、風速逐層平均偏差，以及通過三角帽方法計算得到的逐層觀測誤差。在平均偏差統計和觀測誤差計算之前，采用離群值檢驗剔除了無人機觀測與參考真值之間偏差大于3倍標準差的數據。

無人機探測溫度的觀測誤差為0.44～0.59 ℃，其與ERA5數據的平均偏差為-0.16～0.14 ℃，與探空觀測的平均偏差為-0.2～0.02 ℃。無人機探測相對濕度的觀測誤差為7.14％～10.71％，與ERA5的平均偏差為1.27％～7.14％，與探空觀測的平均偏差為4.98％～9.46％。無人機探測風速的觀測誤差為1.24～1.62 m／s，與ERA5的平均偏差為0.56～1.32 m／s，與探空觀測的平均偏差為0.40～1.34 m／s。無人機探測風向的觀測誤差為10.50°～23.96°，與ERA5的平均偏差為-2.19°～10.79°，與探空觀測的平均偏差為-3.87°～4.98°。由于風向角度范圍為0°～360°，存在由360°轉0°等造成偏差值異常現象，所以在計算平均偏差和觀測誤差時，需要先對兩兩數據集間風向偏差大于180°的情況進行訂正。以上結果表明，無人機的溫度、風向與探空更為接近，相對濕度與ERA5更為接近，風速與探空和ERA5均有較好的匹配度。由于統計樣本量大，能夠保證無人機探測的各要素具有較高的準確度和可信度，各變量觀測誤差值在合理范圍內，所以能夠滿足天氣分析需求。

2 無人機邊界層觀測特征

為了解不同天氣背景降水下無人機探測到的邊界層特征及差異，本文選取非天氣尺度系統強迫、副高系統位置穩定強迫以及副高系統移動變化3類個例進行分析（表3）。其中，非天氣尺度系統強迫的個例為2019年8月21日的弱降水過程，存在主導系統的個例分別為2019年7月24日副高位置穩定的強對流過程和2019年8月1日副高位置變化的強對流過程。

2019年8月21日（個例1）建湖站和射陽站先后于14—16時和18—19時出現弱降水（圖3a），其中，建湖站最大小時降水量為0.34 mm／h;射陽站最大小時降水量達0.98 mm／h;此次降水過程，青藏高壓與副高對峙，西南渦和北部西風帶夾擊，江蘇鹽城地區在08—22時均位于鞍形場中，大尺度強迫弱（圖4a、b）。

2019年7月24日（個例2）15—16時鹽城5個測站均發生強對流，到19—22時結束，多個測站最大小時降水量超過12 mm／h，最大小時降水量達29.7 mm／h（圖3b）。此次降水過程中，副高位置穩定，呈東北-西南走向，副高脊線大約位于34°N。5個測站于11—23時均位于副高北部邊緣，700 hPa存在一支偏西的低空急流，850 hPa水汽條件充沛，均為降水的發生提供了有利條件（圖4c、d）。

2019年8月1日（個例3）鹽城4個測站先后發生降水（濱海站14—18時，建湖站17—18時，射陽站18—19時，阜寧站18時），多個測站最大小時降水量超過12 mm／h，最大小時降水量達38.9 mm／h（圖3c）。此次天氣過程中，12—18時，西風槽快速東移，副高快速東退，向東北方向移動（圖4e、f）；18時，西風槽移至河南西部（112°E，32°N），副高脊線尾部退至119°E、30°N。除19時濱海站以外，整個過程5個測站于12—13時位于副高中部脊線處，14—19時位于副高脊線北部。當日08時射陽的T-lnp圖顯示，上述降水過程，除個例1濕層很薄、無不穩定能量積聚外，個例2、3均有大量不穩定能量積聚（圖略）。

將逐小時降水量大于0和5 mm／h的時刻分別定義為弱降水和強對流降水的時刻，因此個例1建湖、射陽的降水時刻分別為14時和19時;個例2大豐、建湖的降水時刻分別為15時和16時。個例3濱海、阜寧的降水時刻分別為14時和18時。

由于無人機傳感器在上升階段理論上受旋翼氣流影響要小（王宏斌等，2020），所以選取上升段數據進行分析。接下來將重點分析不同個例降水觸發前邊界層條件并對比差異，以探討邊界層條件在不同類型降水中所起的作用。

2.1 邊界層溫度和層頂高度的變化特征

個例1中，邊界層內存在逆溫，且逆溫層在降水過程中位置不斷下降并變薄（圖5a、b）。降水前，建湖和射陽的逆溫層分別位于860～820 hPa和896～834 hPa（13：30—13：40）。隨著降水的臨近，射陽的逆溫層變薄下降至904～868 hPa（16：30—16：40）。降水后，建湖和射陽的逆溫層分別繼續降至873～863 hPa（16：30—16：40）和936～932 hPa（19：30—19：40）。

相比之下，個例2在整個對流觸發前，近地層溫度未見明顯變化，邊界層具有高溫的環境條件（圖5c、d）。個例3的溫度場出現了明顯降溫（圖5e、f）：前期溫度隨高度均勻遞減，濱海和阜寧24 ℃以上區域分別達874和876 hPa（10：30—10：40）;中期有冷空氣侵入，阜寧除太陽輻射導致的貼地層小幅度增溫外，溫度變化較小（13：30—13：40），這主要是平流輸送冷空氣和雨滴形成潛熱加熱共同作用而造成的;后期冷空氣繼續向下滲透，濱海24 ℃以上區域降低至898 hPa（13：30—13：40），阜寧近地層溫度降為26.8 ℃，24 ℃以上區域降至908 hPa，1 000～990 hPa發展為一弱逆溫層（16：30—16：40）。

超絕熱層的出現是個例2、3對流不穩定的共同特征，觀測期內超絕熱層為對流的發展提供了有利條件。個例2的超絕熱層較個例3發展更厚，維持時間更長。在對流觸發前的前期探測中，個例2超絕熱層已生成，無人機分別于建湖的1 000～988 hPa和大豐的1 000～977 hPa探測到超絕熱層，溫度遞減率分別為-1.03和-1.02 ℃／（100 m），整層氣柱溫度較高（07：30—07：40）;中期，超絕熱層不斷發展增厚，建湖發展最高至915 hPa（12：00—12：10），大豐發展最高至894 hPa（13：30—13：40）;后期超絕熱層厚度不斷減小，建湖超絕熱層厚度減小至945 hPa。縱觀整個對流觸發過程，個例2中后期的超絕熱強度與初期相近。個例3對流觸發前，阜寧1 000～990 hPa和979～969 hPa探測到超絕熱層，強度分別為-1.32和-1.00 ℃／（100 m）（10：30—10：40）;中期阜寧的超絕熱層發展增厚，位于1 000～915 hPa，強度為-1.02 ℃／（100 m）;后期阜寧超絕熱層消失，濱海有超絕熱層生成于1 000～989 hPa，強度為-1.15 ℃／（100 m）（13：30—13：40）。

進一步采用位溫梯度變化最大位置的高度診斷邊界層高度（涂靜等，2012;Zhang et al.，2014），排除接地逆溫。首先根據無人機觀測資料計算各層的位溫θn，使用θn-θn+0.25Δp（n=800，800.25，…，1 000 hPa，Δp=0.25 hPa，共801層）計算位溫梯度。考慮到無人機數據存在觀測誤差且垂直分辨率較高，難免存在干擾信息，所以對位溫梯度廓線進行滑動平均處理，其中滑動平均窗格設為80。

由邊界層高度診斷可知，個例1在降水過程中，邊界層高度不斷下降（圖6a、b）：降水前，建湖和射陽的邊界層高度分別位于850 hPa和885 hPa（13：30—13：40）。隨著降水的臨近，射陽的邊界層高度下降至888 hPa（16：30—16：40）。降水后，建湖和射陽的邊界層高度繼續降至868和899 hPa（19：30—19：40）。相比之下，個例2在對流觸發前，邊界層高度浮動式發展上升（圖6c、d）：建湖和大豐分別由908和949 hPa（07：30—07：40）最高發展至815 hPa（12：00—12：10）和937 hPa（15：00—15：10）;而個例3由于冷空氣侵入，邊界層高度急劇降低（圖6e—g），前期邊界層高度略有發展，濱海和阜寧分別由949、959 hPa（10：30—10：40）發展至838、892 hPa（13：30—13：40），中后期有冷空氣不斷侵入，邊界層高度分別降低至980、986 hPa（16：30—16：40）。

2.2 邊界層濕度的變化特征

個例1中，逆溫層以下存在明顯的干濕分層，且濕層在降水過程中位置不斷下降（圖7a、b）。降水前，建湖和射陽的濕層分別位于1 000～858 hPa和1 000～900 hPa（13：30—13：40）。隨著降水的臨近和結束，建湖和射陽的濕層厚度分別不斷減小至878～868 hPa和936～932 hPa（19：30—19：40）。

相比之下，個例2在整個對流觸發前近地層濕度場未見明顯變化，邊界層具有高濕的低層環境條件（圖7c、d），隨著降水出現時間的臨近，整層氣柱的濕度范圍略有降低。個例3的濕層出現了明顯的升高增強（圖7e、f），前期濱海和阜寧相對濕度達85％以上的濕層分別位于1 000～960 hPa和1 000～960 hPa、930～885 hPa，其余區域的相對濕度值為63％～84％（10：30—10：40）。中后期有水汽向兩地輸送，探測范圍上部濕度增加，其中濱海856～846 hPa、822～816 hPa的相對濕度增加至85％以上（13：30—13：40），阜寧901～800 hPa的相對濕度增至56％～95％（16：30—16：40）。

2.3 邊界層風的變化特征

在個例1的弱降水過程中，兩測站風速穩定，建湖和射陽風速均為4～5 m／s（圖8a、b）。而在對流觸發前，個例2、3均有風速切變出現。個例2前、中期的風速大值區反復出現、消失（圖8c、d）。大豐分別于07：30—07：40（960 hPa附近）、12：00—12：10（930 hPa附近）出現了8 m／s以上的風速帶;建湖于10：30—10：40（900 hPa附近）出現7.6 m／s以上的風速帶，后期風速趨于穩定少變。個例3前期，濱海和阜寧風廓線風速均為4～5 m／s。中后期，近地層有風速大值區不斷發展增強（圖8e、f）：濱海和阜寧分別在940～890 hPa、890～880 hPa出現6～7 m／s以上風速帶（13：30—13：40），其中阜寧的風速大值帶于16：30—16：40發展至8.00～10.58 m／s，18：00對流觸發時，最大風速可達13.37 m／s。

無人機風場觀測捕捉到了3個個例低層風場的不同特征。在降水發生前，個例1低層存在明顯的風向切變（圖8a、b），該高度與當日射陽站上午08：00的T-lnp圖中的抬升凝結高度相近（圖略）。弱降水前風向不穩定，13：30—13：40，兩測站980 hPa以上呈現東北風，980 hPa以下建湖（西側）為西北風，射陽（東側）為東北風，結合兩地地理位置可知，此次觀測捕捉到了近地層的局地輻合環流。個例2的天氣過程中副高位置穩定，對流觸發前一直為穩定的西風（圖8c、d）。個例3中對流觸發前的前期風向較為穩定，由于主導系統副高快速東移，后期近地層出現與系統移動方向相同的風向轉變（圖8e、f）：阜寧在960 hPa以下由東風轉為偏北風（16：30—16：40）。

2.4 3類降水觸發前的邊界層特征差異

弱強迫天氣下的個例1，其無人機邊界層觀測特點為：一方面捕捉到了降水前的邊界層逆溫層，濕層均位于逆溫層以下，且水汽接近飽和，邊界層頂的位溫梯度震蕩劇烈，可能是較強的夾卷引起了邊界層與自由大氣進行水汽交換;另一方面，在無人機組網觀測的優勢下，捕捉到了局地輻合環流信息。邊界層的狀態變化解釋了降水的形成原因，邊界層內局部局地輻合配合水汽條件造成了這次弱降水過程，其動力條件較弱（甘璐等，2021）。

而在兩個天氣尺度強迫個例中，個例2、3無人機邊界層探測的特點為：一方面呈現出比個例1更高的風速風向切變;另一方面，超絕熱層反映出近地層大氣的不穩定性（朱春玲等，2011），超絕熱層的出現是其共同特征，為對流的發展提供了有利條件。

隨降水出現時間的臨近，個例3出現了降溫、增濕的觀測特征，說明邊界層內存在平流輸送（周明煜等，2002;沈杭鋒等，2016）。高溫高濕的大氣低層環境條件有利于對流的發生（趙強等，2022），冷空氣的入侵對強對流有觸發作用。相比于方桃妮等（2022）利用水平風隨高度的變化來判斷溫度平流，無人機溫度觀測能夠更加直觀地呈現冷平流的入侵。在較短的觀測期間，無人機獲取了高時空分辨率的溫濕風廓線，很好地捕捉了強對流發生前的邊界層信息。此外，由于個例2主導系統位置穩定，無人機觀測到邊界層風向穩定少變;而個例3主導系統位置隨時間不斷移動變化，副高向東北方向移動，因而近地層有東北風的風向轉變（阜寧站觀測捕捉）。綜上所述，天氣尺度強迫下的兩次天氣過程，無人機都觀測到了對大尺度系統的響應的邊界層狀態變化。

3 結論和討論

邊界層內氣象要素變化蘊含著對流發生和發展的關鍵信息。本文基于旋翼無人機探測，在江蘇鹽城地區指定地點進行了夏季對流發生前的組網觀測試驗，對旋翼無人機觀測的溫度、濕度、風速、風向要素開展了偏差和觀測誤差估計，并對3類對流性降水的邊界層條件進行了分析，得到如下結論：

1）無人機觀測溫度與探空觀測溫度的平均偏差為-0.2～0.02 ℃，觀測誤差為0.44～0.59 ℃;相對濕度與ERA5的平均偏差為1.27％～7.14％，觀測誤差為7.14％～10.71％;風速與探空觀測的平均偏差為0.40～1.34 m／s，觀測誤差為1.24～1.62 m／s;風向與探空觀測的平均偏差為-3.87°～4.98°，觀測誤差為10.50°～23.96°。各變量與探空觀測和ERA5再分析資料都具有較好的一致性，數據準確度滿足使用要求。

2）非天氣尺度強迫的弱降水天氣個例，降水前，邊界層有逆溫層與局地輻合環流信息，抬升凝結高度以下有劇烈風切變的指示性特征。天氣尺度強迫個例，存在超絕熱層和更高的風速風向切變。主導系統迅速移動個例，邊界層內有降溫增濕等明顯的平流輸送信息，近地層出現風向與主導系統移動方向一致的風速大值區；邊界層高度的急劇下降是冷空氣入侵的指示性特征。主導系統位置穩定個例，邊界層內各要素場穩定少變。

3）非天氣尺度強迫的降水個例，邊界層內的狀態變化解釋了降水的成因;相比之下，天氣尺度強迫降水個例，邊界層特征呈現出對大尺度強迫的響應。

本文對旋翼無人機觀測的溫度、濕度、風速、風向要素開展了偏差和觀測誤差估計。創新點在于選取了更長時間序列的無人機樣本，并采用秒級探空觀測和再分析數據兩個參考值以及“三角帽”方法做誤差評估;統計不同飛行高度的觀測誤差，完成隨飛行高度變化的誤差和偏差研究。使用該觀測資料研究不同類型降水的邊界層條件，是新型資料在江蘇局地強對流天氣研究中的初步探索。該研究將為進一步深入開展數值模擬和資料同化、改進邊界層熱力結構建立基礎。在之后的數值天氣預報模式研究中，本文結果可為變分同化建立合適的觀測誤差及偏差訂正模型。后續研究將進一步構建適用于數值模式資料同化的質量控制和稀疏化方法，探索該資料在數值預報中的應用潛力，以提高對局地對流性天氣數值預報的能力。

參考文獻（References）

Anthes R，Rieckh T，2018.Estimating observation and model error variances using multiple data sets［J］.Atmos Meas Tech，11（7）：4239-4260.DOI：10.5194／amt-11-4239-2018.

卞林根，程彥杰，王欣，等，2002.北京大氣邊界層中風和溫度廓線的觀測研究［J］.應用氣象學報，13（S1）：13-25. Bian L G，Cheng Y J，Wang X，et al.，2002.Observational study of wind and temperature profiles of urban boundary layer in Beijing winter［J］.J Appl Meteor Sci，13（S1）：13-25.DOI：10.3969／j.issn.1001-7313.2002.z1.002.（in Chinese）.

Brandon W，Robert S，Sean B，2017.Development of an unmanned aerial vehicle for the measurement of turbulence in the atmospheric boundary layer［J］.Atmosphere，8（10）：195.DOI：10.3390／atmos8100195.

Cassano J J，2014.Observations of atmospheric boundary layer temperature profiles with a small unmanned aerial vehicle［J］.Antartic Science，26（2）：205-213.DOI：10.1017／s0954102013000539.

陳明軒，肖現，高峰，2017.出流邊界對京津冀地區強對流局地新生及快速增強的動力效應［J］.大氣科學，41（5）：897-917. Chen M X，Xiao X，Gao F，2017.Dynamical effect of outflow boundary on localized initiation and rapid enhancement of severe convection over Beijing-Tianjin-Hebei region［J］.Chin J Atmos Sci，41（5）：897-917.DOI：10.3878／j.issn.1006-9895.1702.16101.（in Chinese）.

Chen Q，Li X B，Song R F，et al.，2020.Development and utilization of hexacopter unmanned aerial vehicle platform to characterize vertical distribution of boundary layer ozone in wintertime［J］.Atmos Pollut Res，11（7）：1073-1083.DOI：10.1016／j.apr.2020.04.002.

陳小婷，李培榮，馮典，等，2023.陜西省風的時空分布及ERA5風資料檢驗評估［J］.陜西氣象（3）：23-30. Chen X T，Li P R，Feng D，et al.，2023.Spatial-temporal distribution of wind in Shaanxi Province and its evaluation with ERA5 wind data［J］.J Shaanxi Meteor（3）：23-30.DOI：10.3969／j.issn.1006-4354.2023.03.004.（in Chinese）.

陳耀登，沈潔，范水勇，等，2021.FY-4A衛星云導風觀測誤差優化及同化效果影響研究［J］.大氣科學學報，44（3）：418-427. Chen Y D，Shen J，Fan S Y，et al.，2021.A study of the observational error statistics and assimilation applications of the FY-4A satellite atmospheric motion vector［J］.Trans Atmos Sci，44（3）：418-427.DOI：10.13878／j.cnki.dqkxxb.20190921001.（in Chinese）.

Du Y，Chen G X，2019.Heavy rainfall associated with double low-level jets over southern china.Part Ⅱ：convection initiation［J］.Mon Wea Rev，147（2）：543-565.DOI：10.1175／mwr-d-18-0102.1.

方桃妮，黃艷，葉妍婷，等，2022.邊界層風廓線雷達資料在浙中強對流天氣中的應用［J］.氣象科技，50（3）：369-379. Fang T N，Huang Y，Ye Y T，et al.，2022.Application of boundary wind profile radar to severe convective weather forecast in central Zhejiang［J］.Meteor Sci Technol，50（3）：369-379.DOI：10.19517／j.1671-6345.20210006.（in Chinese）.

甘璐，郭金蘭，雷蕾，等，2021.北京世園會開幕式期間弱降水天氣成因［J］.氣象與環境學報，37（3）：12-18. Gan L，Guo J L，Lei L，et al.，2021.Causes of a weak rainfall event during the opening ceremony of the Beijing International Horticultural Exhibition［J］.J Meteor Environ，37（3）：12-18.DOI：10.3969／j.issn.1673-503X.2021.03.002.（in Chinese）.

耿姍姍，韓春花，徐珊珊，等，2023.ERA5海面氣壓和風速再分析資料在渤海和北黃海適用性分析［J］.海洋通報，42（2）：159-168. Geng S S，Han C H，Xu S S，2023.Applicability analysis of the sea surface pressure and wind speed of ERA5 reanalysis data in the Bohai Sea and the northern Huanghai Sea［J］.Mar Sci Bull，42（2）：159-168.（in Chinese）.

Gray J E，Allan D W，1974.A method for estimating the frequency stability of an individual oscillator［C］／／28th Annual Symposium on Frequency Control.Atlantic，USA：IEEE.DOI：10.1109／FREQ.1974.200027.

官莉，任心怡，2018.東亞陸地星載微波成像儀新增通道觀測質量評估［J］.大氣科學學報，41（4）：554-560. Guan L，Ren X Y，2018.The observation quality assessment of satellite borne microwave imager at new-added frequency over East Asia land［J］.Trans Atmos Sci，41（4）：554-560.DOI：10.13878／j.cnki.dqkxxb.20160415001.（in Chinese）.

郭啟云，錢媛，楊榮康，等，2020.L波段探空雷達測風質量控制方法研究［J］.大氣科學學報，43（5）：845-855. Guo Q Y，Qian Y，Yang R K，et al.，2020.Study on the quality control method of wind measurement of L-band sounding radar［J］.Trans Atmos Sci，43（5）：845-855.DOI：10.13878／j.cnki.dqkxxb.20180525001.（in Chinese）.

黃俊，廖碧婷，沈子琦，等，2022.基于微波輻射計和氣溶膠激光雷達的邊界層高度研究及應用［J］.熱帶氣象學報，38（2）：180-192. Huang J，Liao B T，Shen Z Q，et al.，2022.Research and application of boundary layer height based on microwave radiometer and aerosol lidar［J］.J Trop Meteor，38（2）：180-192.DOI：10.16032／j.issn.1004-4965.2022.017.（in Chinese）.

Jia B H，Xie Z H，Dai A G，et al.，2013.Evaluation of satellite and reanalysis products of downward surface solar radiation over East Asia：spatial and seasonal variations［J］.J Geophys Res：Atmos，118（9）：3431-3446.DOI：10.1002／jgrd.50353.

李瑞輝，袁運斌，張紅星，2021.ERA5應用于區域對流層研究的適用性分析［J］.導航定位學報，9（6）：29-37. Li R H，Yuan Y B，Zhang H X，2021.Applicability analysis of applying ERA5 reanalysis data to regional tropospheric research［J］.J Navig Position，9（6）：29-37.DOI：10.16547／j.cnki.10-1096.20210605.（in Chinese）.

李昕，王元，明杰，等，2016.雷達徑向風和反演風聯合同化在臺風燦都（2010）數值預報中的研究［J］.氣象，42（6）：649-663. Li X，Wang Y，Ming J，et al.，2016.A combined radar data assimilation strategy of radial velocity and retrieved wind and its impact on the forecasting of tropical cyclone chanthu （2010）［J］.Meteor Mon，42（6）：649-663.DOI：10.7519／j.issn.1000-0526.2016.06.001.（in Chinese）.

呂潤清，李響，2021.ERA-Interim和ERA5再分析數據在江蘇區域的適用性對比研究［J］.海洋預報，38（4）：27-37. Lü R Q，Li X，2021.Comparison between the applicability of ERA-interim and ERA5 reanalysis in Jiangsu Province［J］.Mar Forecasts，38（4）：27-37.DOI：10.11737／j.issn.1003-0239.2021.04.004.（in Chinese）.

馬舒慶，趙志強，邢毅，2005.VAISALA探空技術及中國探空技術的發展［J］.氣象科技，33（5）：390-393. Ma S Q，Zhao Z Q，Xing Y，2005.VAISALA’s radiosonde technology and advancement in radiosonde technology in China［J］.Meteor Sci Technol，33（5）：390-393.DOI：10.19517／j.1671-6345.2005.05.002.（in Chinese）.

Mayer S，Sandvik A，Jonassen M O，et al.，2012.Atmospheric profiling with the UAS SUMO：a new perspective for the evaluation of fine-scale atmospheric models［J］.Meteor Atmos Phys，116（1）：15-26.DOI：10.1007／s00703-010-0063-2.

沈杭鋒，張紅蕾，高天赤，等，2016.浙江盛夏一次強對流天氣的特征及其成因分析［J］.氣象，42（9）：1105-1113. Shen H F，Zhang H L，Gao T C，et al.，2016.Study on features and formation of one severe convection process during midsummer in Zhejiang Province［J］.Meteor Mon，42（9）：1105-1113.DOI：10.7519／j.issn.1000-0526.2016.09.008.（in Chinese）.

Shimura T，Inoue M，Tsujimoto H，et al.，2018.Estimation of wind vector profile using a hexarotor unmanned aerial vehicle and its application to meteorological observation up to 1 000 m above surface［J］.J Atmos Ocean Technol，35（8）：1621-1631.DOI：10.1175／jtech-d-17-0186.1.

Thomas R M，Lehmann K，Nguyen H，et al.，2012.Measurement of turbulent water vapor fluxes using a lightweight unmanned aerial vehicle system［J］.Atmos Meas Tech，5（1）：243-257.DOI：10.5194／amt-5-243-2012.

涂靜，張蘇平，程相坤，等，2012.黃東海大氣邊界層高度時空變化特征［J］.中國海洋大學學報（自然科學版），42（4）：7-18. Tu J，Zhang S P，Cheng X K，et al.，2012.Temporal and spatial variation of atmospheric boundary layer height（ABLH） over the Yellow-East China Sea［J］.Period Ocean Univ China，42（4）：7-18.DOI：10.16441／j.cnki.hdxb.2012.04.002.（in Chinese）.

王宏斌，吳泓，李永，等，2020.旋翼無人機鹽城試驗觀測資料分析及其在一次濃霧天氣觀測中的應用［J］.氣象，46（1）：89-97. Wang H B，Wu H，Li Y，et al.，2020.Validation of rotorcraft UAV boundary layer meteorological observation data and its application in a heavy fog event in Yancheng［J］.Meteor Mon，46（1）：89-97.DOI：10.7519／j.issn.1000-0526.2020.01.009.（in Chinese）.

王欣，卞林根，彭浩，等，2005.風廓線儀系統探測試驗與應用［J］.應用氣象學報，16（5）：693-698. Wang X，Bian L G，Peng H，et al.，2005.The atmospheric wind profiler and radio acoustic sounding system with its applications［J］.J Appl Meteor，16（5）：693-698.DOI：10.11898／1001-7313.20050517.（in Chinese）.

吳進，李琛，于波，等，2018.兩類短時強降水天氣邊界層氣象要素變化特征［J］.氣象，44（7）：902-910. Wu J，Li C，Yu B，et al.，2018.Study on the variation characteristics of meteorological elements in the boundary layer of two types of short-time heavy rainfall［J］.Meteor Mon，44（7）：902-910.DOI：10.7519／j.issn.1000-0526.2018.07.005.（in Chinese）.

Xu X，Zou X L，2020.Global 3D features of error variances of GPS radio occultation and radiosonde observations［J］.Remote Sens，13（1）：1.DOI：10.3390／rs13010001.

Yang S D，Li X，Zeng L M，et al.，2023.Development of multi-channel whole-air sampling equipment onboard an unmanned aerial vehicle for investigating volatile organic compounds’ vertical distribution in the planetary boundary layer［J］.Atmos Meas Tech，16（2）：501-512.DOI：10.5194／amt-16-501-2023.

楊引明，陶祖鈺，2003.上海LAP-3000邊界層風廓線雷達在強對流天氣預報中的應用初探［J］.成都信息工程學院學報，18（2）：155-160. Yang Y M，Tao Z Y，2003.Application of LAP-3000 boundary wind profile radar to severe convective weather forecast［J］.J Chengdu Univ Inf Technol，18（2）：155-160.（in Chinese）.

姚琪，2006.新型L波段二次測風雷達系統測量精度分析［J］.現代雷達，28（11）：22-24. Yao Q，2006.Analysis of measurement precision for a new type of L-band secondary windfinding radar-radiosonde system［J］.Mod Radar，28（11）：22-24.DOI：10.16592／j.cnki.1004-7859.2006.11.007.（in Chinese）.

原榕，何佩儀，馬旭林，等，2021.時間加密探空觀測對分析和預報質量的敏感性研究［J］.大氣科學學報，44（6）：909-917. Yuan R，He P Y，Ma X L，et al.，2021.Study on sensitivity of intensive temporal radiosonde observations to analysis and forecast quality［J］.Trans Atmos Sci，44（6）：909-917.DOI：10.13878／j.cnki.dqkxxb.20200219012.（in Chinese）.

張晗昀，羅昌榮，崔夢雪，等，2020.利用AMDAR數據分析廈門、泉州雙雷達三維風場反演誤差［J］.大氣科學學報，43（4）：699-706. Zhang H Y，Luo C R，Cui M X，et al.，2020.Error analysis of the three-dimensional wind field retrieval from the Xiamen-Quanzhou radars by using AMDAR data［J］.Trans Atmos Sci，43（4）：699-706.DOI：10.13878／j.cnki.dqkxxb.20190401001.（in Chinese）.

張旭斌，萬齊林，薛紀善，等，2015.風廓線雷達資料質量控制及其同化應用［J］.氣象學報，73（1）：159-176. Zhang X B，Wan Q L，Xue J S，et al.，2015.Quality control of wind profile radar data and its application to assimilation［J］.Acta Meteor Sinica，73（1）：159-176.DOI：10.11676／qxxb2015.015.（in Chinese）.

Zhang Y，Gao Z，Li D，et al.，2014.On the computation of planetary boundary-layer height using the bulk Richardson number method［J］.Geosci Model Dev，7（6）：2599-2611.DOI：10.5194／gmd-7-2599-2014.

趙美艷，余君，蔣鎮，2022.重慶微波輻射計資料的評估和探測特征分析［J］.沙漠與綠洲氣象，16（5）：118-126. Zhao M Y，Yu J，Jiang Z，2022.Assessment and detecting characteristics of MP-3000A microwave radiometer in Chongqing［J］.Desert Oasis Meteor，16（5）：118-126.DOI：10.12057／j.issn.1002-0799.2022.05.016.（in Chinese）.

趙強，陳小婷，王楠，等，2022.副熱帶高壓影響下陜西關中強對流發生的環境場特征及觸發機制［J］.氣象，48（1）：28-43. Zhao Q，Chen X T，Wang N，et al.，2022.Environmental characteristics and trigger mechanism of severe convection under the influence of subtropical high in Guanzhong area of Shaanxi Province［J］.Meteor Mon，48（1）：28-43.DOI：10.7519／j.issn.1000-0526.2021.061001.（in Chinese）.

趙新宇，閔錦忠，朱利劍，等，2023.風廓線雷達資料的應用：質量評估［J］.大氣科學學報，46（3）：453-465. Zhao X Y，Min J Z，Zhu L J，et al.，2023.Application of wind profiler radar data：quality assessment［J］.Trans Atmos Sci，46（3）：453-465.DOI：10.13878／j.cnki.dqkxxb.20220503002.（in Chinese）.

周明煜，錢粉蘭，陳陟，等，2002.西藏高原斜壓對流邊界層風、溫、濕廓線特征［J］.地球物理學報，45（6）：773-783. Zhou M Y，Qian F L，Chen Z，et al.，2002.The characteristics of the profiles for wind，temperature and humidity in the baroclinic convective boundary layer on Xizang Plateau［J］.Chin J Geophys，45（6）：773-783.DOI：10.3321／j.issn：0001-5733.2002.06.004.（in Chinese）.

周文君，王宏斌，高雅，等，2023.基于旋翼無人機探測的一次強濃霧邊界層結構分析［J］.氣象科學，43（2）：215-224. Zhou W J，Wang H B，Gao Y，et al.，2023.Analysis of the boundary layer structure of a heavy fog based on rotorcraft unmanned aerial vehicle observation［J］.J Meteor Sci，43（2）：215-224.DOI：10.12306／2021jms.0063.（in Chinese）.

朱春玲，馬耀明，陳學龍，2011.青藏高原西部及東南周邊地區季風前大氣邊界層結構分析［J］.冰川凍土，33（2）：325-333. Zhu C L，Ma Y M，Chen X L，2011.Atmospheric boundary layer structure in the west and the southeastern periphery of the Tibetan Plateau during the pre-monsoon period［J］.J Glaciol Geocryol，33（2）：325-333.（in Chinese）.

·ARTICLE·

Observation characteristics of the atmospheric boundary layer using rotorcraft UAVs for different convective processes in the Jianghuai region during summer

LI Houning 2，LI Xin 3，LI Yubin4，WU Hong 3，ZENG Mingjian 3

Chinese Academy of Meteorological Sciences，Beijing 100081，China;

2Nanjing Innovation Institute for Atmospheric Sciences， Chinese Academy of Meteorological Sciences-Jiangsu Meteorological Service， Nanjing 210041， China;

3Jiangsu Key Laboratory of Severe Storm Disaster Risk／Key Laboratory of Transportation Meteorology of CMA， Nanjing 210041， China;

4School of Atmospheric Physics，Nanjing University of Information Science and Technology，Nanjing 210044，China

Abstract This study leverages rotorcraft Unmanned Aerial Vehicle （UAV） observations from five stations near Yancheng city，Jiangsu Province，collected between July and October 2019，to analyze atmospheric boundary layer characteristics during summer convective weather.ERA5 analysis and L-band sounding observations were used to quantitatively evaluate biases and errors in temperature，humidity，and wind fields derived from UAV observations.At different vertical levels，the average temperature deviations between UAV and sounding observations ranged from -0.2 to 0.02 ℃，with observation errors between 0.44 and 0.59 ℃.Average humidity deviations between UAV observations and ERA5 reanalysis were 1.27％ to 7.14％，with corresponding observation errors of 7.14％ to 10.71％.Deviations in wind speed and direction were 0.40 to 1.34 m／s and -3.87° to 4.98°，respectively with errors of 1.24 to 1.62 m／s and 10.50° to 23.96°.The triangular cap method，used for error estimation assumes mutual independence of datasets，leading to inherent uncertainties in standard deviation calculations.Observational errors derived via this method depend on discrepancies between reference datasets;large discrepancies yield smaller observational errors，whereas smaller discrepancies increase the errors.Despite these limitations，the overall accuracy of UAV data aligns with the reference datasets，meeting requirements for boundary layer analysis.The boundary layer characteristics during three distinct convective weather scenarios were examined：1） In the case of weak synoptic-scale forcing，precipitation was driven caused by localized wind convergence and changes in inversion layer height prior to precipitation，as captured by UAV observations.Intense wind shear below the lifting condensation level was identified as a precursor to precipitation events;2） In the case of strong synoptic-scale forcing，precipitation was caused by large-scale low-level instability，evidenced by an unstable superadiabatic layer within the boundary layer.The boundary layer characteristics showed clear responses to synoptic-scale forcing;3） In the influence of a moving synoptic-scale weather system，rapid changes in meteorological variables within the boundary layer，such as increased wind speed near the surface，were attributed to the movement of a dominant synoptic-scale system.The planetary boundary layer depth dropped sharply due to the cold air intrusion.The study underscores that boundary layer variations reflect large-scale forcing in cases of strong synoptic-scale influences，while weak synoptic-scale forcing reveals localized precipitation mechanisms.These findings form the basis for improving numerical models and variational assimilation techniques for convective weather prediction.Future research will focus on developing error correction models，quality control methods，and sparsification techniques to enhance the integration assimilation of UAV observations into numerical weather prediction models，improving forecasts of localized convective events.

Keywords UAV observations;convective weather processes;boundary layer observation characteristics

DOI：10.13878／j.cnki.dqkxxb.20231208001

（責任編輯：劉菲）