风廓线雷达C^(2)_(n)资料和L探空资料确定济南夏季边界层高度的对比研究

第44卷㊀第2期气象与环境科学
Vol.44No.2
2021年3月
Meteorological and Environmental Sciences
Mar.2021
收稿日期:2019-02-19;修订日期:2019-07-03
基金项目:山东省气象局气象科学技术重点研究项目(2014sdqxz05);山东省气象科学研究所数值天气预报应用技术开放基金(SDQXKF2015Z02)作者简介:王栋成(1969),男,山东莱州人,高级工程师,学士,从事大气环境与气候应用研究.E-mail:hjpj2008@
通讯作者:汤子东(1969),男,山东蓬莱人,高级工程师,学士,从事气候预测和气候变化评估研究.E-mail:156****6207@
王栋成,汤子东,邱粲,等.风廓线雷达C 2n 资料和L 探空资料确定济南夏季边界层高度的对比研究[J].气象与环境科学,2021,44(2):96-105.Wang Dongcheng,Tang Zidong,Qiu Can,et parison Study of Wind Profile Radar C 2n Data and L Sounding Data to Determine the Height of Summer
Boundary Layer in Ji nan[J].Meteorological and Environmental Sciences,2021,44(2):96-105.
doi:10.16765/ki.1673-7148.2021.02.012
风廓线雷达C 2n
资料和L 探空资料确定济南夏季
边界层高度的对比研究
王栋成1,汤子东1,邱㊀粲
1,2
,董旭光1
,曹㊀洁1
(1.山东省气候中心,济南250031;2.上海师范大学地理系,上海200234)
㊀㊀摘㊀要:基于济南站边界层风廓线雷达(WPR )观测的大气折射率结构常数(C 2n ),采用偏离度法确定夏季白天
的对流边界层高度(H CBL ),并与L 探空虚位温梯度法㊁L 探空湿度梯度法的结果进行对比㊂结果表明:(1)WPR 偏离度法判别的H CBL 成功率高,07㊁13㊁19时分别可达96.9%㊁100.0%㊁89.3%,尤其19时的判别成功率远高于L 探空两方法的46.4%㊁57.1%㊂(2)WPR 偏离度法与L 探空两方法判别的同时刻H CBL 结果一致性好,相关系数高㊂07时WPR 判别的边界层高度平均值分别较后两者的差+14.3㊁+9.3m ,13时的差+36.4㊁+21.6m ,19时的差
-27.3㊁-25.4m ;与后两者的标准偏差,07时的分别为84.555㊁77.412m ,13时的分别为125.978㊁126.783m ,19时
的分别为52.743㊁68.755m ;与后两者的相关系数,07时的分别为0.894㊁0.911,13时的均为0.980,19时的分别为0.980㊁0.969㊂WPR 能够将夏季H CBL 确定结果的绝对误差降至近似其垂直分辨率水平㊂(3)济南6㊁7月逐小时H CBL 最高可达3460.0㊁3220.0m ,小时平均最高分别为2205.0㊁2157.1m ;逐小时最高值在1316时均可出现,且以
15时的最多;通常0715时的H CBL 呈波浪起伏式缓慢增高态势,1519时的H CBL 则是断崖式快速降低㊂
关键词:对流边界层高度;风廓线雷达;L 探空;偏离度法;虚位温梯度法;湿度梯度法
中图分类号:P49㊀㊀㊀㊀㊀文献标志码:A㊀㊀㊀㊀㊀文章编号:1673-7148(2021)02-0096-10
引㊀言
大气边界层的高度是污染物扩散㊁气候及大气等模式的一个重要输入参数,边界层高度的变化对数值预报中的物理过程㊁天气预报的诊断分析㊁环境空气质量的预报㊁空气污染物的监控与预测㊁大气环境容量的确定等也有相当重要的作用[1
-3]
㊂基于不
同的物理量,判定边界层高度的依据不同[4]㊂目前,边界层高度的确定方法主要有两类:一是基于参数化和简单的模型计算,二是基于廓线测量[5]㊂参数化方法主要包括国标法[6,7]㊁罗氏法[7,8]㊁联合频率法-罗氏法B [7]㊁萨默斯(Summents)经验公式法[7]㊁最小二乘曲线拟合法[9]等㊂参数化方法实用
性强,但由于边界层高度变化的复杂性及以地面常规观测资料判断边界层变化的局限性,各种参数化方案的准确性均有待进一步验证和改进[5]㊂廓线测量法主要包括干绝热法[7,10-11]
㊁实测法[7,12]㊁风速
极值法[13
-15]
㊁位温法[4,7](虚位温梯度法[15
-17]
)㊁湿
度梯度法[1,18]㊁湍流能量法[4,15]㊁综合评定法[7]等㊂廓线测量是确定大气边界层结构最常用的方法,可较准确地判断边界层高度,但大气边界层的特性和结构资料并不是常规气象观测的内容,因此对它的研究只能依赖于特定的试验项目或每日2~3次的L 探空,观测资料在时间和空间上都非常有限[19]㊂
近年来,随着快速发展的风廓线雷达(简称
WPR)[20,21]㊁激光雷达[22]㊁微波辐射计[23]等技术方
㊀第2期王栋成等:风廓线雷达C2n资料和L探空资料确定济南夏季边界层高度的对比研究
法的应用,可连续系统且高时空分辨率获取大气边界层各参数的分布数据,边界层的观测研究已进入了一个新时代[15]㊂其中,WPR资料能够快速㊁细致地反映边界层的结构㊁厚度㊁湍流演变过程特征[4,22-28]㊂WPR产品数据中的大气折射率结构常数(C2n)是表征湍流变化强弱的一个重要参数㊂C2n 与气温㊁气压㊁湿度密切相关,且随着高度的增加呈指数递减规律[20],并表现为在边界层顶出现极大值或者偏离正常值幅度大值[15-16,20],因此从C2n垂直廓线的时间序列中可以判定边界层高度[20]㊂现阶段基于WPR资料进行边界层高度确定的研究尚较少,且多属方法探索㊁个例或短期分析㊂如Bianco 等[17]提出了基于C2n等综合指标的模糊逻辑判别方法判别对流边界层高度(以下简称H CBL),并给出了3天的结果对比㊂Bianco等[29]对该方法进行了改进,并提供了个例验证㊂Allabakash等[30]采用改进的模糊逻辑方法给出了Gadanki测站两年各月07 20时H CBL日变化㊂国内曹晓彦①㊁王敏仲[31]㊁蒋德海[32]㊁张坚[15]㊁金莉莉[4]㊁王栋成[33]等,对C2n极大值法及求导后放大其跃变特征的偏离度法进行了方法研究或个例验证,均属单一指标判别㊂模糊逻辑法判别指标和规则较多,且相对复杂,不易执行,有的指标受杂波干扰较大,且对于WPR原始数据和产品数据质量要求高,适用性尚存局限㊂C2n极大值法采用单一指标判断,易受杂波干扰㊁信噪比异常㊁C2
n
值太小廓线突变特征不易找到等影响,以C2n廓线值直接判断边界层高度难度较大㊂偏离度法对C2
n
求导以放大其变量特征,根据C2n廓线总体判断其连续突变或跃变特征来判断边界层高度,方法简易可行,与实测对比准确度高,且可避免C2n极大值单一高度层突变有可能属异常值而简单地作为边界层顶的判断失误㊂在H CBL判别时,偏离度法总体优于极大值法[33]㊂
可见,确定大气边界层高度的方法有很多,不同方法得出的边界层高度也存在差异,且不同探测手段得到的气象要素也有可能对应不同的层结[15]㊂利用长期实测数据对比验证,则是判断这些方法优劣㊁给出准确的边界层高度,以及分析其演变规律的最好途径㊂本文基于济南站2014年67月40天的0719时的WPR观测的C2n数据,采用偏离度法[33]确定H CBL,并与同时段的基于L探空资料虚位温梯度法[15-17]和湿度梯度法[1,18]确定的结果进行对比,进而探索以WPR高时空分辨率资料确定较长期的H CBL并分析其时空演变规律,以期为改进边界层高度确定参数化法的缺陷,研究边界层精细化结构与大气污染的关系,提高环境空气质量预报准确率等提供依据㊂
1㊀资料与方法
1.1㊀资㊀料
研究采用的2014年6月130日和7月1524日逐小时整点后18min㊁高度层1003940m的C2n数据,来自济南WPR站实时每6min产品数据ROBS 文件㊂该站固定式边界层WPR型号为CLC-11-D 型,主要技术指标为:时间分辨率ɤ6min,有效数据最低探测高度100m㊁最高探测高度ȡ3km,雷达工作模式包括低模式(分辨率30㊁60㊁120㊁240m)㊁高模式(分辨率为60㊁120㊁240m),输出产品数据的高度分辨率为60m(820m以下)㊁120m(8202020 m)㊁240m(2020m以上)三种㊂
采用的2014年6月130日和7月1524日每日07㊁13㊁19时整点后15min㊁高度层04000m的气温㊁相对湿度等数据,来自济南L波段探空雷达记录文件㊂L探空数据均经质量控制,符合中国气象局‘高空气象探测规范“㊂L探空秒级和分钟级数据的高度分辨率分别为6~7m㊁400m㊂考虑L探空整点后15min开始探测,气球按照400m/min的速度上升,10min的高度足以涵盖WPR探测每6min㊁3980m的高度范围,因此本研究采用的整点后18min的ROBS数据与整点后15min的L探空数据的时空匹配一致㊂每10m高度层间隔的气温㊁相对湿度资料,利用L波段高空气象探测系统数据处理软件内插获取[35]㊂
采用的地面气象逐小时数据来自章丘气象站,数据均经自动㊁人工审核与质量控制,符合中国气象局‘地面气象观测规范“要求㊂章丘气象站与济南WPR观测站㊁济南L探空观测站属于相同站场,观测场经纬度㊁海拔高度基本一致,本文统称为济南站㊂
1.2㊀C2n数据质量控制
(1)济南WPR站2014年C2n产品数据非原始值,而是10ˑlog(C2n)且取整后的结果,C2n突变值被削平后无法再用以判断H CBL㊂本研究基于该站经质量控制后业务上传的原始产品数据和WPR
79
①曹晓彦,李炬,张京江,等.由风廓线数据分析北京地区夏季边界层高度的特征[C]//中国气象学会2007年年会气象综合探测技术分会场论文集.广州.2007:68-77.
气象与环境科学第44卷
设备参数等,采用中国气象局‘风廓线雷达通用数据格式(V1.2)“‘风廓线仪功能规格需求书(试行)“‘风廓线雷达观测规定(试行)“及QX/T78 2007‘风廓线雷达信号处理规范“等推荐的雷达气
象散射方程[20],对该站2014年逐日逐6min的C2n 数据进行重新计算,并经一致性平均㊁时空连续性检验质量控制[20,21],按通用数据格式的要求统一定标输出㊂
(2)实测C2n廓线数据常出现个别高度层值缺测㊁为0㊁连续2层以上为同一个数值㊁异常大或异常小值等现象㊂由于气象场的变化具有连续性[35],因此可根据上下层和前后3个时次的数据,进行奇异点判断,剔除异常数据,并用前后或上下点平均值来替代该点的数据,从而得到较为完整连续的随高度变化的C2n廓线㊂
(3)因WPR高模式㊁低模式探测衔接问题, 940㊁2020m层C2n数据常为较大值,导致单一特征高度层的C2n偏大㊂对此采用上㊁下层值内插方法暂替代异常值㊂
(4)除单时次C2n数据的质量控制外,该站2014年8月10日10月17日统计的1km以下各高度层风向㊁风速均为异常㊂分析发现,其对应的C2n数据也存在异常㊂因此,研究避开了该时段㊂
1.3㊀对比方法
济南站2014年6月130日和7月1524日,每日07:15㊁13:15和19:15均有L探空记录,共120组探空记录可进行H CBL的判别,并可与WPR观测的同时段整点后18min的C2n数据判别结果进行对比㊂Bianco[17]㊁Angevine[18]等以L探空虚位温廓线上第一个梯度值大于0.5ħ/(60m)的点的高度值定义为边界层高度㊂分析济南站实测资料发现,L 探空结果有许多是达不到该判别指标的,07时的30个有效样本中有21个达不到(占比70.0%),13时的32个有效样本中有18个达不到(占比56.3%), 19时的13个有效样本中有8个达不到(占比
61.5%)㊂对此提出修正指标,以实现无遗漏地判别
H CBL,即对于未出现大于0.5ħ/(60m)的情形,以虚位温梯度廓线上最大值对应的高度值定义为边界层高度㊂本文将该虚位温梯度法称为方法一㊂魏浩[1]㊁Angevine[18]等以L探空湿度梯度廓线上梯度最大值的点的高度值,定义为边界层高度㊂本文将湿度梯度法称为方法二㊂王栋成等[33]将WPR观测的10ˑlog(C2n)廓线的实测值与同时刻拟合曲线值的差定义为偏离度㊂实际偏离度最大值对应的高度层判断为对流边界层顶高度,即偏离度(D)=实测值-拟合值,H CBL=h{D max}㊂本文将偏离度法称为方法三㊂
因WPR对雨滴很敏感[18,20],当降水出现时C2n 明显增大[36,37],所以当有雨时边界层高度无法用WPR数据测量[18]㊂本研究也证实,地面或空中降雨时段㊁各高度层相对湿度连续较大时段(多高度层连续大于85%),WPR观测的C2n数据均不适用于判定H CBL,同时L探空数据也不适用于判定H CBL㊂因此,首先剔除这两种因素影响的样本,得到同时适用于三种方法判定H CBL的样本数分别为07时32组㊁13时34组㊁19时28组(表1)㊂然后,分别用三种方法进行H CBL的识别判定,其中判断成功的称为有效样本(表1)㊂最后,再对有效样本中三种方法同时刻均有H CBL判定结果的样本进行对比,结果为07时30组㊁13时31组㊁19时11组㊂由表1样本统计结果可见,每日早中晚120组总样本,剔除降雨和湿度较大的样本后为94组㊂其中,方法三的H CBL 判别成功率最高,07㊁13㊁19时,以及合计判别成功率分别为96.9%㊁100.0%㊁89.3%㊁95.7%;方法一和方法二在07时㊁13时的成功率均略低于方法三的,但在19时则差异较大,分别只有46.4%㊁57.1%㊂早晨和中午时段,是对流边界层的发展和升高阶段,边界层顶的湍流㊁大气折射率㊁温湿结构等参数的变化存在显著极大值或突变值,易于被WPR和L探空雷达捕获到㊂在傍晚,对流边界层则处于崩溃阶段,边界层顶的大气结构与参数极大值或突变值多数情形下并不十分清晰稳定,由于L探空气球以400m/min上升,升速过快,捕获的难度很大,WPR的观测能力显然远高于L探空的㊂
2㊀结果分析
2.1㊀个例分析
(1)三种方法确定的结果对比
以济南WPR站2014年7月18日为例,对比三种方法确定的H CBL结果㊂该日日出㊁日落时间分别为05:05㊁19:25,10m高度0719时逐小时风速为0.5~4.1m/s,对流边界层气象条件以B㊁C类稳定度为主㊂根据三种方法确定的H CBL高度(图1㊁表2),方法三确定的07时H CBL分别较方法一㊁方法二的高20㊁20m,13时的H CBL分别低80㊁110m,19时的H CBL分别低40㊁20m㊂考虑WPR输出产品数据高度分辨率820m以下为60m㊁2020m以上为240m,L 探空的为10m级,可见,07㊁13㊁19时WPR的C2n偏离度法判别结果与L探空两方法的结果基本一致,差异均很小㊂
89
㊀第2期
王栋成等:风廓线雷达C 2n 资料和L 探空资料确定济南夏季边界层高度的对比研究
表1㊀2014年济南夏季三种方法判断H CBL 的能力对比
时次方法总样本数/组剔除降雨和湿度较大数据后的样本数/组
三种方法各自判断的有效样本数/组(成功率)
三种方法同时刻的可对比样本数/组
方法一403230(93.8%)07时方法二403230(93.8%)30方法三403231(96.9%)方法一403432(94.1%)13时方法二403431(91.2%)31方法三403434(100.0%)方法一402813(46.4%)19时方法二402816(57.1%)11方法三402825(89.3%)方法一1209475(79.8%)合计
方法二1209477(81.9%)72
方法三
120
94
90(95.7%)
㊀㊀另外,07时和19时在20003000m 高度层,即边界层和自由大气层之间均有一层覆盖逆温层(又称夹卷层)[38],逆温层厚度㊁虚位温梯度㊁湿度梯度㊁
C 2n 偏离度均可能较大,但它们各自的突变或跃变层高度并不一致,在判断边界层高度时应注意识别与剔除
㊂
图1㊀L 探空虚位温梯度法(a )㊁湿度梯度法(b )㊁WPR 偏离度法(c )三种方法确定的济南站2014年7月18日07时(a1
a6)㊁
13时(b1
b6)㊁19时(c1
c6)H CBL 对比
9
9
气象与环境科学第44卷表2㊀三种方法确定的济南站2014年7月18日H CBL结果对比
时次
方法一
H CBL/m L探空虚位温梯度/(ħ/(60m))
方法二
H CBL/m L探空湿度梯度/(%/(60m))
方法三
H CBL/m WPR偏离度/m-2/3
07时6200.362056407.87 13时21000.62130302020 5.92 19时8000.17806760 4.49
㊀㊀(2)逐小时H CBL的日变化
基于方法三确定的济南站2014年7月18日0719时逐小时H CBL变化见图2,并同时给出了该日地表温度㊁气温日变化和方法一㊁方法二确定的早中晚H CBL㊂由图2可见,该日H CBL自07时的640m逐渐波浪起伏式增高,至午后1516时达到最高值2740m,其后快速降低,至19时为760m㊂与通常的H CBL最高值出现在15时略有不同,该日最高值持续至16时㊂分析原因是该日在太阳辐射作用下,地表长波辐射较强,地表温度最高达64.3ħ(13时),近地面气温1316时滞后响应且缓慢持续增高达36.0ħ(16时),大气边界层内的湍流运动使近地层热量向上传递,上下层热交换充分且对流较强㊁热浮力和动力抬升作用滞后所致㊂同时也显示, H CBL最高值对近地面热通量作用的响应时间尺度为1h或更短,而对地表热通量作用的响应时间尺度则可滞后达3h,这与张坚[15]㊁卢萍[39]等的研究结果一致
㊂
图2㊀偏离度法确定的济南WPR站2014年7月18日白天的逐小时H CBL变化
2.2㊀夏季67月三种方法可对比有效样本的统计
分析
基于济南WPR站和L探空站2014年6月1 30日和7月1524日共40天的每日07㊁13㊁19时同时段(WPR观测的C2n记录为整点后18min,L探空记录为整点后15min)的资料进行H CBL确定,三种方法同时刻的可对比有效样本数见表1㊁表3,三种方法确定的H CBL结果对比见表3㊁图3㊁图4㊂(1)三种方法确定的结果统计分析
三种方法确定的H CBL均值㊁最小值㊁最大值虽个别有差异但差异较小,总体一致性很好,表明WPR实测和L探空实测结果均能很好地反映大气边界层高度变化的实际状况㊂方法三确定的济南2014年67月白天平均H CBL为1124.4m,其中07时的为510.0m,13时的为1884.5m,19时的为658.2m㊂
07时,方法三的平均值较前两者的差值分别为+14.3㊁+9.3m,最小值的差值分别为+20㊁0m,最大值的差值分别为-20㊁-20m㊂30组有效样本中,方法三与前两者的差值范围在-180~+250m(76.7%样本的差值在-80~+100m)㊁-180~+200m (80.0%样本的差值在-100~+100m)㊂方法一和方法二的差值范围很小,为-50~+80m,且83.3%样本的差值在-20~+30m,平均值差仅5.0m㊂13时,方法三的平均值较前两者的差值分别为+36.4㊁+21.6m,最小值的差值分别为+20㊁+10m,最大值的差值分别为+50㊁+80m㊂31组有效样本中,方法三与前两者的差值范围在-170~+490m (70.0%样本的差值在-80~+100m)㊁-270~+310m (63.3%样本的差值在-100~+100m)㊂方法一和方法二的差值范围为-380~+290m,且80.6%样本的差值在-40~+80m,平均值差仅14.8m㊂
19时,方法三的平均值则较前两者的差值分别为-27.3㊁-25.4m,最小值的差值分别为-70㊁-30m,最大值的差值分别为+40㊁+40m㊂11组有效样本中,方法三与前两者的差值范围在-130~ +40m(90.9%样本的差值在-70~+40m)㊁-150~ +50m(81.8%样本的差值在-60~+50m)㊂方法一
001
㊀第2期王栋成等:风廓线雷达C2n资料和L探空资料确定济南夏季边界层高度的对比研究和方法二的差值为-60~+110m,且90.9%样本的差值在-60~+10m,平均值差仅1.9m㊂
表3㊀三种方法判定的2014年济南夏季同时刻H CBL统计结果对比
时间方法三种方法可
对比组数/组
平均H CBL/m最小H CBL/m
(样本序号,日/月)
最大H CBL/m
(样本序号,日/月)
方法一495.7200(24,24/6)960(15,15/6) 07时方法二30500.7220(24,24/6)960(15,15/6)方法三510.0220(24,24/6)940(15,15/6)
方法一1848.1680(36,20/7)2930(29,29/6) 13时方法二311862.9690(36,20/7)2900(29,29/6)方法三1884.5700(36,20/7)2980(29,29/6)
方法一685.5230(35,19/7)1020(4,4/6) 19时方法二11683.6190(35,19/7)1020(4,4/6)方法三658.2160(35,19/7)1060(4,4/6)
方法一1106.9200(24,24/6)2930(29,29/6)合计方法二721115.1190(35,19/7)2900(29,29/6)方法三1124.4160(35,19/7)2980(29,29/
6)
图3㊀三种方法判定的2014年济南夏季07时(a)㊁13时(b)㊁19时(c)H CBL结果逐样本对比
㊀㊀(2)三种方法结果的相关性分析
图4为三种方法结果的相关性对比㊂由图4可见,三种方法确定的H CBL结果的统计特征总体一致,且相关系数较高,均通过0.01的显著性检验,证实基于WPR的C2n实测数据和L探空温湿数据确定的H CBL结果一致㊂07时,方法三与方法一㊁方法二的相关系数R 均较高,为0.894㊁0.911,标准偏差σ分别为84.555㊁77.412m;方法一和方法二的R=0.989,σ=25.831m㊂13时,方法三与方法一㊁方法二的R均为0.980,σ分别为125.978㊁126.783m;方法一和方法二的R=0.983,σ=108.409m㊂19时,方法三与方法一㊁方法二的R分别为0.980㊁0.969,σ分别为52.743㊁68.755m;方法一和方法二的R=0.986,σ=42.619m㊂早中晚全部72组样本,方法三与方法一㊁方法二的R分别为0.992㊁0.992,σ分别为102.418㊁100.790m;方法一和方法二的R=0.995,σ=74.386m㊂
以上得出的相关系数R,与曹晓彦等①的0.76㊁张坚[15]的季风间断期0.985和季风活跃期0.920㊁Bianco等[17]的0.91相比,属于比较理想的情况㊂分析原因是,济南站WPR观测的C2n数据和L探空数据质量均较好且观测样本足够多,两者观测时段同步匹配性好,且因属相同站场,探空测量气球漂移范围较小,L探空数据和WPR数据均能代表测站上空的实际情况㊂考虑到WPR数据输出60㊁120㊁240m的高度分辨率,以及WPR探测与L探空两种遥感手段探测原理的不同,方法三的偏离度法已能够将H CBL确定结果的绝对误差降至近似WPR垂直分辨率水平㊂
101
气象与环境科学第44
卷
图4㊀三种方法确定的2014年济南夏季07时(a1a3)㊁13时(b1
b3)㊁19时(c1c3)㊁全部样本(d1
d3)H CBL 的相关性对比
单位:m
2.3㊀济南夏季67月H CBL 日变化
以WPR 观测数据C 2n 为基础,采用方法三确定
了济南站2014年67月共40天的0719时逐小时H CBL ,统计结果见表4㊁图5,其中典型数据较全的逐小时变化见图5㊂
(1)各典型日H CBL 逐小时值是波浪起伏式变化
的,而非平均值那样的持续增高或降低;0715时的H CBL 总体呈现缓慢增高态势,而15时后有一些H CBL
是断崖式降低的,如6月3㊁6㊁24㊁28日和7月19㊁22日等,而另一些则是延续滞后至1617时才迅速降低
2
01
㊀第2期王栋成等:风廓线雷达C2n资料和L探空资料确定济南夏季边界层高度的对比研究
的,如6月17㊁23㊁27日和7月15㊁16日等㊂原因是对流边界层的形成阶段是由于热力抬升增强导致的热泡式起伏增长,而对流边界层的崩溃阶段则是热力抬升减弱导致坍塌式快速降低[16]㊂
(2)济南站夏季6月小时H CBL最高为3460.0m,出现在6月6日15时(图5a);逐小时H CBL最高值在1316时均可出现,其中以15时的最多,为18天,其次是14时的11天㊁13时的8天㊁16时的3天㊂7月小时H CBL最高为3220.0m,出现在7月17日15时(图5b);逐小时H CBL最高值在1416时均可出现,其中以15时的最多,为4天,其次是16时的3天㊁14时的2天㊂6月㊁7月平均H CBL日变化规律基本一致,均是早晚低㊁中午高,最高值均出现在15时,0715时H CBL均为缓慢增高,1519时H CBL则快速降低㊂6月㊁7月的07时平均高度分别为498.2㊁526.7m,19时则分别为586.3㊁573.3m,15时最高分别为2205.0㊁2157.1m㊂7月的最高值略低于6月的,可能是时段短㊁样本数少所致㊂
(3)WPR与L探空确定的H CBL平均值早㊁中㊁晚均较为一致㊂6月07㊁13㊁19时的差值分别为+16.2㊁+40.7㊁-82.3m,7月07㊁13㊁19时的差值分别为+3.7㊁0㊁-86.7m㊂
表4㊀偏离度法确定的济南夏季6月㊁7月H CBL统计结果m 时次07080910111213141516171819 6月平均498.2/22632.2/23830.9/221117.1/211480.0/211692.7/221975.0/242197.1/212205.0/241637.1/211316.7/18816.7/18586.3/19 7月平均526.7/9722.5/8982.9/71060.0/61400.0/61551.4/71600.0/102088.6/72157.1/71900.0/71711.4/71210.0/8573.3/6㊀注:斜线后数据为样本数
图5㊀偏离度法确定的2014年济南6月(a)和7月(b)H CBL月均值和典型日值的逐小时变化
3㊀结论与讨论
(1)基于WPR观测的C2n资料判别边界层高度的成功率高,尤其在19时,成功率远高于L探空方法的成功率;WPR观测的时间分辨率可达6min,也远高于L探空的㊂WPR与L探空资料判别的同时刻对流边界层高度结果一致性好,相关系数高,证实基于WPR判别边界层高度准确㊁可行㊂这些优势可使WPR实时㊁连续㊁高分辨率地判别边界层顶高度,精细化认知边界层的空间结构和演变规律,且对改进边界层高度的参数化方法和提高环境空气质量预报准确率均有很好的参考价值㊂
(2)济南6月㊁7月对流边界层高度15时最高值可达3460.0㊁3220.0m,平均值可达2205.0㊁2157.1m㊂0715时的对流边界层高度为波浪起伏式缓慢增高态势,1519时的变化则是断崖式降低,这与热力抬升的增强和减弱过程直接相关㊂
(3)虽然WPR观测数据具有高时间分辨率的优点,但其空间分辨率不及L探空数据的高㊂而且,WPR探测能力和产品数据的质量,仍是制约确定大气边界层高度的关键因素㊂当有降水时或各高度层的相对湿度连续较大时,或夜间边界层高度低于WPR最小探测高度100m时,或冬季探测能力低于边界层顶高度时,或低层信号受地面杂波干扰时,或数据缺测较多㊁异常情况大量出现时,不同观测模式㊁数据运算方法等自身存在的诸多问题,均可能会导致无法判定边界层高度的情形㊂当然,相比3km 探测高度的WPR,6km探测高度的WPR探测能力进一步提高,可一定程度地解决大气边界层高度有时无法判定的问题㊂
(4)WPR产品数据文件中的C2n应严格统一为通用数据格式且统一标定方法,以使单站或多站边界层高度确定结果具有可比性㊂应当对高㊁低探测模式C2n数据衔接方法进行改进,使C2n廓线具有时
301
气象与环境科学第44卷
空连续性和一致性㊂应尽可能地提高输出产品数据的空间分辨率,以适应精细化边界层结构应用的实际需求㊂基于C2n㊁信噪比(SNR)㊁速度谱宽㊁垂直径向速度等产品数据的综合指标判定边界层高度,应是未来研究发展的方向㊂
参考文献
[1]魏浩,胡明宝,艾未华.小波变换在WPR探测大气边界层高度中
的应用研究[J].热带气象学报,2015,31(6):811-820. [2]滑申冰,师华定,王堃,等.20162017年冬季华北地区一次重污染过
程的气象条件分析[J].气象与环境科学,2018,41(4):47-53. [3]姚琳,温新龙,沈竞.江西山地风电场风速数值模拟方法研究[J].气象与环境科学,2018,41(3):120-125.
[4]金莉莉,李振杰,何清,等.乌鲁木齐市边界层日变化特征[J].气
象科技,2017,45(4):686-697.
[5]王耀庭,李威,张小玲,等.北京城区夏季静稳天气下大气边界层与大
气污染的关系[J].环境科学研究,2012,25(10):1092-1098. [6]中华人民共和国标准.GB/T13201-91,制定地方大气污染物排
放标准的技术方法[S].北京:标准出版社,1992:17-18. [7]廖国莲.大气混合层厚度的计算方法及影响因子[J].中山大学
研究生学刊(自然科学医学版),2005,26(4):66-73. [8]马金,郑向东.混合层厚度的经验计算及与探空观测对比分析[J].应用气象学报,2011,2(5):567-576.
[9]程水源,席德立,张宝宁,等.大气混合层高度的确定与计算方法
研究[J].中国环境科学,1997,17(6):512-516.
[10]吴祖常,董保群.我国陆域大气最大混合层厚度的地理分布与
季节变化[J].科技通报,1998,14(3):158-163. [11]李二杰,刘晓慧,李洋,等.一次重污染过程及其边界层气象特
征量分析[J].干旱气象,2015,33(5):856-860. [12]程水源,席德立.关于确定大气混合层高度的几种方法[J].环
境科学进展,1997,5(4):63-67.
[13]赵鸣,苗曼倩,王彦昌.边界层气象学教程[M].北京:气象出版
社,1991:218-219.
[14]洪钟祥,钱敏伟,胡非.由地基遥感资料确定大气边界层特征
[J].大气科学,1998,22(4):613-624.
[15]张坚.WPR在南海季风边界层结构及深圳海陆风研究中的应
用[D].南京:南京信息工程大学,2013:1-35.
[16]Hyun Y K,Kim K E,Ha K J.A comparison of methods to estimate
the height of stable boundary layer over a temperate grass-land[J].
Agricultural and Forest Meteorology,2005,132(1/2):132-142.
[17]Bianco L,Wilczak J M.Convective boundary layer depth:Improved
measurement by doppler radar wind profiler using fuzzy logic meth-ods[J].Journal of Atmospheric and Oceanic Technology,2002,19
(11):1745-1758.
[18]Angevine W M,White A B,Avery S K.Boundary-layer depth and
entrainment zone characterization with a boundary layer profiler[J].
Boundary-Layer Meteorology,1994,68(4):375-385. [19]Seibert P,Beyrich F,Gryning S E,et al.Review and intercompari-
son of operational methods for the determination of the mixing height [J].Atmospheric Environment,2000,34(7):1001-1027.
[20]何平.相控阵风廓线雷达[M].北京:气象出版社,2006:46-115.
[21]胡明宝.WPR探测与应用[M].北京:气象出版社,2015:95-113.
[22]李红,马媛媛,杨毅.基于激光雷达资料的小波变换法反演边界
层高度的方法[J].干旱气象,2015,33(1):78-88. [23]党张利,张京朋,曲宗希,等.微波辐射计观测数据在降水预报
中的应用[J].干旱气象,2015,33(2):340-343. [24]陈浩君,黄兴友,王亚东,等.上海TWP3型边界层WPR探测性
能评估[J].气象科技,2015,43(3):355-360.
[25]汪学渊,任雍,李栋.闽北地区边界层移动风廓线雷达对比试验
评估[J].气象与环境科学,2014,37(3):108-113. [26]张丽,李磊.深圳市空气污染气象条件标准体系的研究[J].气
象与环境科学,2016,39(3):112-116.
[27]陆琛莉,李海军,张雪慧,等.2013年12月浙北北部两次重度霾
过程的对比分析[J].气象与环境科学,2018,41(1):47-55. [28]戴竹君,高辉,李力,等.新型探测资料在2014年春节污染天气
中的应用[J].气象与环境科学,2017,40(1):78-86. [29]Bianco L,Wilczak J M,White A B.Convective boundary layer depth
estimation from wind profilers:Statistical comparison between an au-tomated algorithm and expert estimations[J].Journal of Atmospheric and Oceanic Technology,2008,25(8):1397-1413. [30]Allabakash S,Yasodha P,Bianco L,et al.Improved boundarylayer
height measurement using a fuzzy logic method:Diurnal and season-al variabilities of the convective boundary layer over a tropical sta-tion[J].J Geophys Res Atmos,2017,122:9211-9232. [31]王敏仲,魏文寿,何清,等.WPR对塔克拉玛干沙漠晴天边界层
的探测分析[J].气象,2012,38(5):577-584.
[32]蒋德海,王成刚,吴兑,等.利用WPR资料对广州地区边界层
日变化特征的分析研究[J].热带气象学报,2013,29(1): 129-135.
[33]王栋成,邱粲,董旭光,等.偏离度法确定济南夏季对流边界层
高度研究[J].气象与环境学报,2019,35(3):29-36. [34]李伟,刘凤琴,徐伟,等.L波段高空气象探测系统软件[J].气
象科技,2008,36(2):237-239.
[35]周雯嫣,王凌震,胡帆,等.干扰对边界层风廓线的影响及对策
[J].气象水文海洋仪器,2011(2):90-95.
[36]史珺,赵玉洁,王庆元,等.风廓线雷达在一次短时暴雨过程中
的应用[J].气象与环境科学,2017,40(4):83-89. [37]张彩英.基于风廓线雷达资料的暴雪天气过程分析[J].气象与
环境科学,2016,39(4):80-85.
[38]Stull R B.边界层气象学导论[M].杨长新,译.青岛:青岛海洋
大学,1991:478-519.
[39]卢萍,杨康权,李英.温江站夏季大气边界层垂直结构特征[J].
沙漠与绿洲气象,2017,11(5):70-76.
401。