基于不同海拔高度的雷达降水估测试验

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

基于不同海拔高度的雷达降水估测试验
范江琳1青泉2马力2
【摘要】摘要:在国内外雷达定量估测区域降水量一些方法基础上,将降水类型、地理位置和海拔高度同时纳入考虑范畴,在成都CINRAD/SC雷达站(海拔高度596.5 m)200 km范围内选择实验区,并按海拔高度将所选区域分为3区。

然后利用2010年7—8月的雷达体扫资料以及同时段、同时次的雨量计数据,采用最优化算法分别在每个区域内修订传统Z-I关系中的“A,b”系数,以得到不同海拔地区的Z-I关系和每小时雨量估测值。

研究表明,与直接采用传统的Z-I关系定量测量降水相比,各个区域内,经改善后的Z-I关系准确率提高了20%左右,算法相对简单,适合业务使用。

【期刊名称】气象科学
【年(卷),期】2014(034)001
【总页数】6
【关键词】估测降水;雷达;Z-I关系;海拔高度
【文献来源】https:///academic-journal-cn_journal-meteorological-sciences_thesis/0201254097458.html
范江琳,青泉,马力.基于不同海拔高度的雷达降水估测试验.气象科学,2014,34(1):66-71.
FAN Jianglin,QINGQuan,MA Li.Radar precipitation estimation experimentbased on differentaltitudes.Journal of the Meteorological Sciences,2014,34(1):66-71.doi:10.3969/2012jms.0142
引言
降水区的雨强常常分布不均匀,尤其是对流云降水时不同地点的雨强差别很大,而目前雨量站网密度稀疏,一般相隔有十几到几十公里,故地面雨量站网很难完全准确地测量出实际的雨强和雨量,有时漏测到强降水中心,缺乏代表性。

而雷达可以在5~6 min时间内完成一次体扫,且探测的空间分辨率可达1 km,有可能估计其扫描范围内各点的雨强和一定区域上的雨量分布,具有时空分辨率高的特点。

这对云雾降水物理研究、发布山洪地质灾害预警等都有一定的指示意义。

国内外学者利用较先进的多普勒雷达资料对雷达定量估测降水[1]的应用做了大量的研究工作[2-6],在过去几十年里,各气象研究者在雷达估测降水试验中主要考虑了降水类型和地理位置等的影响[7-9],由于山体对雷达电磁波的阻挡,使得地形复杂、海拔较高地区常常成为雷达测量的盲区,因此在雷达定量估测降水的研究中很少考虑到海拔高度这一因素,而同一地区(尤其是山区)随着海拔高度的变化,其降水情况也会呈现不同的变化趋势,且地形复杂地区也常常是山洪、泥石流等地质灾害发生的高频区。

本文将在现有雨量监测设备基础上,对雷达在不同海拔地区的降水估测进行初步研究。

文中选取2010年7—8月成都地区降水过程的多普勒雷达多仰角反射率因子资料和相应的雨量计资料,根据站点的海拔高度划分雷达估测降水的区域,采用最优化方法对传统Z-I关系中的系数进行修订,以得到不同海拔地区的Z-I关系和每小时雨量估测值(空间分辨率为1 km×1 km),最后采用雨量计实测值进行检验和误差分析,同时将其与传统Z-I关系式所估测的结果进行比较,评估最终效果。

1 雷达估测降水基本原理和方法
根据雷达气象学原理,雷达反射率因子Z和被探测范围内降水粒子的数密度、几何形状及其相态有关,而降水强度I则取决于降水粒子的数密度和下落的末速度,下落的末速度又和粒子的几何形态和相态有关。

因此,可在雷达反射率因子Z和降水强度I之间建立某种关系,在一些合理的假设基础上,从理论上建立了Z-I的幂指数关系[10],形如
根据这一关系,由雷达反射率因子可以直接估算降水。

然而多年来的研究表明,系数A和b值并不是严格固定的,它们的变化范围很大,不仅随地点、季节以及不同降水类型而变,即使在同一场降水过程中也是变化的。

因此,不存在一个普适的Z-I关系。

1.1 基本算法与具体步骤
目前确定Z-I关系的方法主要有3种:(1)在一定假设条件下的理论计算法;(2)雨滴谱资料的统计法;(3)直接统计法。

本文采用第三种方法中的最优化处理法[10]对系数A和b值修订,以得到适合成都不同地形条件、不同降水类型和不同海拔高度段的Z-I关系式。

具体作法:
(1)先确定一个初始的Z-I关系式,根据雷达每次观测的反射率因子Z,计算出相应的分钟雨强值I,再对I值进行累计以获取每小时降雨量的雷达估测值Ai;(2)将每小时实测值Gi通过判别函数与Ai进行比较,选定的判别函数为(3)不断调整A和b值,直至CTF达到最小值时,程序终止。

(程序中先设定A,b变化的步长分别为10,0.1,待确定A和b的大致范围后再进行微调,以获取最佳的A,b值)
1.2 多普勒雷达数据坐标转换
由于天气雷达获取的数据资料以极坐标形式保存,而地面雨量单元的空间坐标
则以经纬坐标表示,故在用雨量计数据拟合A,b时必须建立地面雨量站与雷达空间的对应关系,本文同时采用两种算法使得地面雨量单元与唯一一个多普勒雷达空间单元精确对应。

算法一[11]:
假设雷达站经纬度用(λs,φs)表示,则雷达扫描范围内的任意一点P(用极坐标(R,θ)表示,R为极径,θ为极角),其对应的经纬度(λ,φ)的计算方法见公式(3)~(7),其详细过程请参考文献[11],B为中间变量;
于是
算法二:
假设雷达站经纬度用(λs,φs)表示,雨量站经纬度为(λi,φi),则各雨量站与雷达空间单元存在如下关系
雨量站相对于雷达站所在的方位角θ见表1,其中S为雨量站相对于雷达站的水平距离(单位:km),S0为常量(S0=111.12 km),θ为雨量站相对于雷达站的方位角。

算法二是通过雨量站的经纬度推算出其相对于雷达站的大致距离和方位,实际工作中,它对算法一有参考和辅助作用。

1.3 误差计算
为客观反映雷达估测降雨量与实况值之间的差距,本文引入平均标准差作为误差的判别标准[12]
其中Gi为雨量计实测值,Ai为雷达估测值,N为取样个数。

误差计算和分析的系统流程见图1。

2 资料获取与数据处理
2.1 雷达资料
本研究所取雷达数据为2010年7—8月成都CINRAD/SC雷达站(海拔高度为596.5 m)200 km范围内的体扫数据。

根据海拔高度将所选区域划分为一区(400~800 m)、二区(800~1 000 m)和三区(1 000 m以上),在每个分区内,根据历年成都降水情况及其导致灾害发生的频次选择代表站,一区代表站点为双流和什邡,二区代表站为紫坪埔和九龙沟,三区代表站为龙门山和虹口。

再根据回波强度以及成都地区的历年降水情况,将降水性质分为稳定性降水、稳定性和对流性混合性降水、对流性降水和强对流性降水,15~25 dBz 为稳定性降水,25~35 dBz为稳定性和对流性混合降水,35~50 dBz为对流性降水,50 dBz以上的为强对流性降水,样本总数见表2。

本文重点对50 dBz以下的不同回波强度区段拟合参数A、b。

2.2 雨量计资料
根据本文所划分的研究区域,共选择了34个乡镇加密自动雨量站(图略)。

其中双流和什邡一带主要以平原为主,雨量站网较为密集,双流20站、什邡9站,而另外4个地区雨量站网稀疏,除紫坪埔2站外,九龙沟、龙门山、虹口3个地区各1站。

分别读取该34站2010年7—8月与雷达资料同时段的每小时一次的降水数据。

2.3 多普勒雷达数据质量控制
为保证雷达资料的精确性,需对雷达基数据进行质量控制以剔除地物杂波、晴空下鸟群和昆虫等非降水回波。

本文在ZHANG,et al[13]于2004年提出的基于水平和垂直反射率结构的质量控制算法上进行改进,同时对雷达回波中存在的缺失数据进行检验和填补[14],以保证降水回波的完整性。

公式(10)至(12)为基于水平和垂直反射率结构的雷达数据质量控制算法,详细过程见
文献[13]。

(1)噪声过滤
其中X为给定反射率库,取5×5或3×3领域,若以i、j分别表示反射率距离库和方位序号,5×5表示以(i,j)为中心的25个窗格,N为该窗口内存在有效反射率因子值的个数;Ntotal为以(i,j)为中心窗口的总库数,若PX小于给定阈值,则点X为孤立值,予以删除。

文中计算时取5×5领域,PX的阈值为75%。

(2)反射率水平结构特征值
i
、j分别是反射率距离库和方位序号,Ng和Nb分别是以(i,j)为中心的窗口中的距离库数和方位库数(其中Ng=3,Nb=3),Z的单位为dBz(下同),T的阈值为50 dBz2。

一般杂波的T值较大,而降水回波的T值相对较小。

(3)反射率垂直梯度
Z为需要检查的反射率因子,ZR为较高参考仰角预处理后的反射率因子,H和HR为对应的高度(km)。

HR通常取3~4.5 km,ZVD的阈值为10 dBz/km。

杂波高度较低,相应的垂直梯度值较大。

实际计算中对雷达周围区域(30 km内)的参考仰角ZR可以选取最高扫描角度上的反射率因子。

2.4 雷达反射率因子选取方案
对于雷达有效扫描范围内的任意一点究竟使用哪一个仰角的反射率因子值得出降水估测值,取决于该点到雷达的距离和附近的地形。

通常认为估测降水的最佳反射率因子在雷达以上1 km处[15],在无地形的情况下,对于雷达有效扫描范围内,根据距雷达测站的水平距离选择不同仰角的反射率因子数据。

结合
四川省历年的降水情况和雷达周边地形环境,具体方案见表3;
在有地形影响的情况下,若按表3的混合扫描某个仰角的波束被地形阻挡的部分大于波束的60%,则使用该仰角上面一个仰角的相应值,如果被阻挡的部分小于波束的60%,则需对该仰角的反射率因子值做相应订正[15],详见表4。

因成都多普勒雷达特殊的建站位置(市中区)和四川省特殊的地形环境(西高东低),在距离测站50 km内,参照表3的反射率因子选取方案,可以有效避免因地物造成的波束阻挡情况。

但在距测站50 km外的部分区域,雷达0.5°仰角层的反射率因子的数据质量较差,表现在强回波面积以及回波强度与1.5°仰角层相比明显偏小。

因此若在上下两层回波资料相差很大的情况下,则按照波束被地形阻挡大于60%的情况处理,在两层回波资料差异不大时,则挑选最低两个仰角层(0.5°和1.5°)的最大反射率因子值。

3 结果与误差分析
(1)将降水估测区域按照海拔高度划分后,不同区域选取的雷达资料存在差异,这种差异在海拔较高的地区更明显。

如图2,此次过程发生在2010年7月23日的虹口(海拔1 147 m),距离雷达测站约70 km,强降水时段为17—20时,3 h累积降水量达82.8 mm。

在对该雨量站进行降雨估算时,若采用0.5°仰角层反射率因子值,整个降水阶段雷达估算的降水与实况相比一致偏小,尤其在降水强度峰值阶段的降水估测值明显偏小。

当采用1.5°仰角层数据时,其降水估测值随时间的变化趋势与实况较吻合,雨强峰值时段的估测值与实况也有较好的对应关系。

表5给出了此次强降水过程中采用0.5°和1.5°仰角层的反射率因子值所得到的降水估测值,其中雨强估测值为每6 min的降水估测值累积所得。

从图2和表5可以看出,采用不同高度的反射率因子估测的雨量值有
明显差异,其中1.5°仰角层估测的降雨量与实况更接近,平均标准差仅有6.9%,而0.5°仰角层数据所得到的雨量估测值的平均标准差为26.8%。

这种差距可能是由于海拔较高,低仰角(0.5°)的雷达数据因地形阻挡而大部分被丢失造成的。

故在本研究中,对海拔较高的地区(龙门山和虹口)若波束被阻挡的部分小于60%,则对该仰角的反射率因子值按照表4做相应的订正,如果被阻挡的部分大于60%,则采用1.5°或2.4°仰角中较大的反射率因子进行计算。

实际计算时发现在龙门山和虹口两个地区,0.5°仰角层的回波数据常大面积缺失,与1.5°或2.4°仰角层相比,其数据质量较差,不能真实的反应降水粒子的分布情况,因此在具体计算时,主要采用1.5°或2.4°仰角层的反射率因子数据。

由此可见,除雨型和区域为Z-I关系式考虑的因子外,所选区域的海拔高度也十分重要。

(2)研究表明,成都多普勒雷达测站200 km内不同雨型和不同地区的Z-I关系式均不相同,与传统Z-I关系式(A=200,b=1.6)估测的降水量相比,经修正后的Z-I关系式估算的降雨量与实况值之间的平均标准差明显减少。

见表6,三种降水类型下得到的平均标准差大多在20%以下,最低14.63%,最高22.53%,雷达估测混合性降水的效果优于稳定性和对流性降水,海拔低的区域(一、二区)优于海拔高(三区)的地区。

改善后的Z-I关系式比传统Z-I关系式的平均标准差减少了20%左右,但仍与实况值存在一定的差距。

造成差距的原因很多,既有雷达的探测误差,也有雨量计本身的测量误差以及Z-I关系的不稳定性造成的降水估算误差。

除此之外,雷达探测到的降水粒子产生的降水滞后性、雷达和雨量计探测空间不一致性、零度层亮带的影响、雷达资料预处理、雷达硬件定标、雷达天线罩的干湿都会导致降水估算误差。

4 结论
(1)本文除了区分降水类型,地理位置之外,还将地形海拔高度也纳入考虑范畴,得到不同降水类型、不同海拔高度地区的Z-I关系式,并将其估测的降水量结果与传统Z-I关系(A=200,b=1.6)的估测值相比,其平均标准差明显减少,精度得到明显改善。

(2)在定量估测降水中,根据距雷达测站的水平距离及地形环境选择反射率因子数据,无地形时选取方案为:距离测站1~20 km选择6.0°仰角反射率因子,20~35 km选择3.4°仰角反射率因子,35~50 km选择2.4°仰角反射率因子,50~150 km选择0.5°或1.5°仰角反射率因子(将0.5°和1.5°反射率因子作比较,选择较大的值)。

在有地形的情况下,若按上述混合扫描某个仰角的波束被地形阻挡部分大于波束的60%,则使用该仰角上面一个仰角的相应值,若被阻挡部分小于波束的60%,则需要对该仰角的反射率因子值做相应订正。

经验证该算法优于传统的仅选取0.5°或1.5°仰角层反射率因子的模式,尤其在雷达测站30 km内效果更明显。

(3)文中采用的最优化法将雨量计实测值用于修订Z-I关系式,明显提高了雷达估测降水的精度,其平均标准差均大多在20%以下,比传统Z-I关系式减少20%左右。

以平均标准差作为误差的评判标准。

结果表明雷达估测混合性降水的效果优于稳定性和对流性降水,海拔低的区域优于海拔高的地区。

算法相对简单且效率高,非常适合业务应用。

(4)由于山体对电磁波的阻挡而使得海拔高的地区的回波数据常常缺失,因此文中对雷达在不同海拔地区的降水估测仅仅是初步研究,本文所选区域均在海拔1 200 m以下,其中虹口为海拔最高点(1 147 m),同时海拔较高区域内
的雨量站布网稀疏,从而增加了降水估测的误差。

(5)在选择反射率因子值时,由于选取的仰角较高,这就容易遇到“零度层亮带”的污染导致高反射率因子值的情况,从而导致雨量估测值偏高。

因此,零度层亮带的高度及厚度识别、因亮带污染导致高反射率值的订正方案等问题,还有待于进一步的研究。

(6)该研究中,因为样本容量较小,还难免带来误差,因此还需大量有价值的观测资料进一步对“A,b”系数进行修订,还有待于今后进行更深入的研究。

参考文献:
[1]Bent A E.Radar echoes from atmospheric phenomena.Mit Radiation Laboratory Rep.,1943,173:10.
[2]Marshall JS,PalmerW M.The distribution of raindropswith size. J.Meteor.,1948,5(4):165-166.
[3] Twomey S.On themeasurement of precipitation intensity by radar. J.Meteor.,1953,10(1):66-67.
[4]Joss J,Waldvogel A.Precipitation Measurement and Hydr ology∥Atlas D.Radar in Meteorology:Battan Memorial and 40th Anniversary Radar Meteorology Conference.Boston:American Meteorological Society,1990:577-606.
[5]官莉,王振会,裴晓芳.雷达估测降水集成方法及其效果比较.气象科学,2004,24(1):104-111. GUAN Li,WANG Zhenhui,PEIXiaofang.The consensusmethods and effects ofestimation rainfall using Radar.Scientia Meteorologica Sinia(in Chinese),2004,24(1):104-111.
[6]杨艳蓉,王振会,张沛源.利用多普勒天气雷达资料对一次暴雨过程的同化模拟.南京气象学院学报,2008,31(5):633-639. YANG Yanrong,WANG Zhenhui,ZHANG Peiyuan.A rainstorm simulation with assimilated Doppler radar observations.Journal of Nanjing Institute of Meteorology(in Chinese),2008,31(5):633-639.
[7]尹忠海,张沛源.利用卡尔曼滤波校准方法估算区域降水量.应用气象学报,2005,16(2):213-219. YIN Zhonghai,ZHANG Peiyuan.Radar rainfall calibration by using the Kalman Filtermethod.Journal of Applied Meteorology(in Chinese),2005,16(2):213-219.
[8]殷秀良,孙成志,袁群哲,等.雨区衰减对双线偏振雷达测雨的影响研究.南京气象学院学报,2006,29(3):402-407. YIN Xiuliang,SUN Chengzhi,YUAN Qunzhe,et al.Study on rain-induced attenuation effecton rainfall estimation using dual linear polarization radar.Journal of Nanjing Institute of Meteorology(in Chinese),2006,29(3):402-407.
[9]濮文耀,魏鸣,李红斌,等.雷达定量测量降水中的异方差性及加权判别函数处理.南京气象学院学报,2008,31(3):411-421. PU Wenyao,WEIMing,LI Hongbin,et al.Heteroskedasticity and the weight criterion function method in radar rainfall estimate. Journal of Nanjing Institute of Meteorology(in Chinese),2008,31(3):411-421.
[10]张培昌,杜秉玉,戴铁丕.雷达气象学.北京:气象出版社,2001:171-205. ZHANG Peichang,DU Bingyu,DAI Tiepi.Radar Meteorology.
Beijing:China Meteorological Press(in Chinese),2001:171-205.[11]胡胜,伍志方,刘运策,等.新一代多普勒天气雷达广东省区域拼图初探.气象科学,2006,26(1):74-81. HU Sheng,WU Zhifang,LIU Yunce,et al.The primary study about the Guangdong province regional CINRAD mosaic.Scientia Meteorologica Sinica(in Chinese),2006,26(1):74-81.
[12]陈羿辰,刘锦丽,段树,等.X波段双极化雷达在北京夏季降水估测中的应用.气候与环境研究,2012,17(3):292-302. CHEN Yichen,LIU Jinli,DUAN Shu,et al.Application of X-band dual polarization radar in precipitation estimation in summer of Beijing.Climatic and Environmental Research(in Chinese),2012,17(3):292-302.[13]Zhang J,Wang S,Clarke B.WSR-88D reflectivity quality control using horizontal and vertical reflectivity structure∥Preprints for 11thConference on Aviation,Range and Aerospace Meteorology. Hyannis,2004:54.
[14]邹强,陈洋波.多普勒天气雷达数据质量控制及流域降雨定量估算应用研究.中山大学学报(自然科学版),2009,48(3):162-169. ZOU Qiang,CHEN Yangbo.Application of Doppler weather radar data quality control and quantitative estimation for basin rainfall. Acta Scientiarum Naturalium Universitatis Sunyatseni(in Chinese),2009,48(3):162-169.
[15]俞小鼎,姚秀萍,熊廷南,等.多普勒天气雷达原理与业务应用.北京:
气象出版社,2006:217-230. YU Xiaoding,YAO Xiuping,XIONG Tingnan,et al.Doppler Weather Radar Principles and Business Applications.Beijing:China Meteorological Press(in Chinese),2006:217-230.
分类号:P456.9doi:10.3969/2012jms.0142
网络出版日期(Published on-line):2013-03-11
网络出版地址:http:///kcms/detail/32.1243.P.20130311.1357.004.html
基金项目:四川省山洪地质灾害精细化预报服务试点(GYHY201006040)【文献来源】https:///academic-journal-cn_journal-meteorological-sciences_thesis/0201254097458.html。

相关文档
最新文档