基于多普勒雷达信息识别暖云降水率的方法

基于多普勒雷达信息识别暖云降水率的方法
【专利摘要】本发明提供了一种基于多普勒雷达资料层云、对流云和暖云降水识别方法，包括通过雷达回波强度ref垂直廓线VPR识别模块识别暖云的步骤；通过暖云识别模块根据雷达回波强度在缓存区建立极坐标，并根据上述ref插值和湿球温度，识别层云中的暖云的降水率、识别对流云中的暖云的降水率的步骤；处理模块计算降水率检测的步骤其目的在于，有效地减小降水估计误差、提供一种科学具体的计算方法、提供高质量的数据、有效减轻人民的财产损失。
【专利说明】
基于多普勒雷达信息识别暖云降水率的方法
技术领域
[0001] 本发明涉及一种气象信息的处理与估计方法，特别是涉及一种基于多普勒雷达信 息识别层云、对流云和暖云降水的方法。
【背景技术】
[0002] 降水率(I)(雨情，单位毫米每小时）的检测在气象、水文及地质灾害预警上都有非 常重要的作用；另外，将降水率资料同化到数值天气预报中能很大改进数值天气预报的准 确率。
[0003] 目前业务上利用雷达反射率估计降水率的方法是直接利用雷达回波反射率因子 (Z，单位mm6/m3)和降水率（I，单位mm/h)之间存在幂指数正相关经验关系(Z-I关系），即Z-I 关系为ZI300I 1'4。但利用该Z-I关系计算得到的雨量与实际地面雨量有较大差异，主要是 由Z-I关系的使用不当所致。因而对不同的云类型，如果降水算法完全采用美国WSR-88D雷 达默认的Z-I关系进行降水计算，那么降水量与雨量计测得的降水量会出现较大差异，如果 采用不同的Z-I关系进行计算就会有效地降低降水估计误差。
[0004]因此目前亟需一种能够根据不同的Z-I关系来合理检测出降水率(I)的方法。

【发明内容】

[0005] 本发明的目的是在于解决现有技术的不足，提供了一种基于多普勒雷达资料层 云、对流云和暖云降水识别方法，包括如下步骤：
[0006] 雷达测定回波强度ref;
[0007] VPR识别模块根据回波强度ref垂直廓线识别暖云是否存在；
[0008]暖云识别模块根据雷达回波强度ref在缓存区建立极坐标，暖云识别模块根据所 述极坐标的ref?插值和湿球温度，判断暖云是否存在；如果暖云存在，则暖云识别模块利用 3D-Barnes插值算法计算出直角坐标系中ref和湿球温度，，识别层云中的暖云的降水率，识 别对流云中的暖云的降水率；
[0009] 处理模块计算降水率的步骤，该步骤包括处理模块根据回波强度ref和ref =10Lg (Z)计算雷达回波反射率因子Z，处理模块根据ref、ref的对流云概率值?_(：〇1^、湿球温度判 定云层类型为:对流云、层状云或热带暖云，若云层为对流云，则采用ZI300I 1'4输出降水率 I，若云层为层状云，则采用Z = 200li6输出降水率I，若云层为暖云，则降水采用Z = 30.7I1'66输出降水率I。
[0010] 本发明的有益效果是：1.能够有效地减小降水估计误差；2.提供科学具体的计算 方法，从而能确切地识别出对流云与层状云;3.为防灾减灾提供高质量的数据，从而有效地 减轻人民的财产损失。
【附图说明】
[0011] 图1为本发明基于多普勒雷达信息识别暖云降水率的方法的降水率分类流程图。
[0012]图2为本发明的是12次降水过程各个过程总误差曲线图。
[0013]图3为本发明统计12次降水过程中存在暖云降水格点的总误差曲线图。
[0014]图4为本发明三组试验每小时雷达估计降水误差曲线图。
[0015] 图5(a)是本发明实施例1的过程1的散点对比图。
[0016] 图5(b)是本发明实施例1的过程3的散点对比图。
[0017] 图5(c)是本发明实施例1的过程6的散点对比图
[0018] 图5(d)是本发明实施例1的过程7的散点对比图。
[0019] 图6(a)是按模糊逻辑算法得到对流云与层云分布图。
[0020]图6(b)是对流云、层云以及暖云三种降水类型时的云分布图。
[0021]图6(c)是雷达周围20-80km范围内回波强度大于10dBZ的所有层云点的VPR的示意 图。
[0022]图6(d)是雷达定量估计降水强度与加密雨量站观测降水强度的散点对比图。
[0023]图7(a)按模糊逻辑算法得到对流云与层云分布图；
[0024]图7(b)对流云、层云以及暖云三种降水类型时的云分布图；
[0025]图7(c)雷达周围20-80km范围内回波强度大于lOdBz的所有层云点的VPR的示意 图；
[0026] 图7(d)雷达定量估计降水强度与加密雨量站观测降水强度的散点对比图；
[0027] 图8为本发明基于多普勒雷达信息识别暖云降水率的方法的结构示意图。
【具体实施方式】
[0028] 现结合附图和具体实施例对本发明所要求保护的技术方案作进一步详细说明。
[0029] 以下结合附图1~8来介绍本发明一种基于多普勒雷达资料观测的雷达回波强度 ref(单位dBZ)识别层云、对流云和暖云降水率的方法的技术方案包括如下步骤：
[0030]雷达测定回波强度ref;
[0031] VPR识别模块根据回波强度ref垂直廓线识别暖云是否存在；
[0032]暖云识别模块根据雷达回波强度ref在缓存区建立极坐标，暖云识别模块根据所 述极坐标的ref?插值和湿球温度，判断暖云是否存在；如果暖云存在，则暖云识别模块利用 3D-BarneS插值算法计算直角坐标系中的ref，并利用湿球温度，识别层云中的暖云的降水 率，识别对流云中的暖云的降水率;其中，3D-Barnes插值算法为：
[0033] 3维Barnes插值的基本公式是：
[0035]这里的变量ref?是雷达回波强度，上标&和〇分别表示分析量(插值后格点上的值） 和观测量，rk是网格点k的坐标，^是观测点i上的观测值，on是权重系数，由下式定义：
[0037] 其中rh是观测点i与网格点k之间的水平距离，rv是垂直距离，R h、Rv分别是预先规 定的水平和垂直影响半径(Rh取5个水平格距，Rv取3个垂直格距hSD-Barnes方案是一种加 权平均算法，有外延功能，可以滤除部分观测噪音，而且计算简便。不过插值结果和周围观 测点的均匀度以及影响半径的选择有较大关系。
[0038] 处理模块计算降水率的步骤，该步骤包括处理模块根据回波强度ref和ref =10Lg (Z)计算雷达回波反射率因子Z，处理模块根据ref、ref的对流云概率值?_(：〇1^、湿球温度判 定云层类型为:对流云、层状云或热带暖云，若云层为对流云，则采用ZI300I 1'4输出降水率 I，若云层为层状云，则采用Z = 200li6输出降水率I，若云层为暖云，则降水采用Z = 30.7I1'66输出降水率I。
[0039] 本发明的有益效果是：1.能够有效地减小降水估计误差；2.提供科学具体的计算 方法，从而能确切地识别出对流云与层状云;3.为防灾减灾提供高质量的数据，从而有效地 减轻人民的财产损失。
[0040] 本发明的具体步骤参见图1、8:
[0041] S111、根据VIL(Vertical cumulative liquid water content，垂直累计液态水 含量)简单地将雷达体扫坐标中的观测点分为层云与非层云，若VIL〈6.5kg/m2则认为是层 云；
[0042]其中，VIL的计算公式为：
[0043] VIL=2 3.44X10-6X[(Zi+Zi+i)/2]4/7X Ahi
[0044] 其中，VIL单位为kg/m2,为雷达能探测到有效反射率因子值的高度层内的垂直累 积液态水含量，是通过假定所有反射率因子的返回都是由液态水引起，此高度层以外的垂 直累积液态含水含量忽略不计，反射率因子Zi，2 1+1的单位是mm6/m3，A hi = 500m。
[0045] S112、通过暖云识别模块根据雷达回波强度在缓存区建立极坐标，VPR识别模块识 别雷达周围20_80km范围内回波强度大于10dBZ的所有层云点的平均VPR;
[0046] 这里选择雷达周围20-80km范围内回波强度的原因是:在使用VPR时为了确保测量 数据的可靠以及避免雷达盲区而限制了观测的范围，如果范围再扩大，雷达在垂直方向上 的分辨率则会随之降低进而影响识别的准确性。
[0047] S121、处理模块判断是否存在亮带的步骤：
[0048] S1211、由WRF模拟得到0°C等温线高度h_0°C，并从h_0°C上空500m处向下寻找VPR 中最大回波强度4^及其高度1^此。这里参数500m是根据模式预报误差估计得到；
[0049] S1212、从hpeak高度处向上搜索Zpeak减小10%时的回波强度2_及其高度ht-从 h peak高度处向下搜索Zpeak减小10 %时的回波强度Zbott 及其高度hbotf;
[0050] S1213、如果同时满足下面条件认为存在亮带：
[0051] ht〇p_hb〇tt〇m^；Do (4.1)
[0052] htop-hpeak^Di (4.2)
[0053] hpeak-hbottom^Dl (4.3)
[0054] 其中，加和以是随雷达扫描方式以及反射率因子的垂直分辨率而变化，结合本章各 分析个例，文中Dt^PDi分别取1.5km和lkm。
[0055] S1214如果存在亮带，亮带顶高度BBt和亮带底高度BBb的计算如下：
[0056] (4.4) l^peak + D：op - Kp _ ^peal. > D, _ _ _ I ^bottom? ^ peak ^bottom -/ A >- \
[0057] BBb = ? (4,5) \Jlpeak ~ ^bottom > ^peak ~ ^bottom ^
[0058] 其中，Dt和Db用于调整亮带顶和亮带底，取值分别和hpeai^h bcitt?及hpeai^htop之间 的斜率有关，取默认值Dt = 0.5km，Db = 0.7km。
[0059]另外，如果亮带底高度处的回波强度值小于28dBZ，那么重新从hpeak高度处向下搜 索回波强度值多28dBZ时的最低高度，并将其所在高度作为亮带底，此目的是避免亮带的过 多修正。然而这一参数值有时会导致亮带订正不够或过度。
[0060] S131、如果存在亮带则订正亮带，订正亮带的方法如下：
[0061 ] 如果存在有效的BBt和BBb值及对应的回波强度ZBt和Z Bb，并且BBb〈hpeak，BBt>hpeak， 则计算BBt和BBb高度之间的回波强度斜率：
[0062] S=(ZBt-ZBb)/(BBt-BBb) (4.6)
[0063]对位于BBt和BBb之间某高度lu的所有回波强度重新赋值，重新赋值后的回波强度 为：
[0064] Zi = ZBt-SX(BBt_hi) (4.7)
[0065] 如果存在有效的BBb值，而不存在有效的BBt值，并且BBb〈h peak，那么把BBb以上高度 的所有回波强度值大于ZBb的值都赋为ZBb。
[0066] S141、通过VPR识别模块识别是否存在暖云VPR，从而判断暖云降水存在的可能性。 订正亮带后重新计算雷达周围20-80km范围内回波强度大于10dBZ的所有层云点的平均 VPR。如果亮带存在，则对从亮带底部到VPR底部的部分用最小二乘法拟合VPR，如果亮带不 存在则从h_0°C高度处到VPR底部的部分用最小二乘法拟合VPR。计算该时刻以及前4个时刻 的体扫VPR斜率，如果满足其中3个的斜率a<〇，认为存在暖云VPR，即存在暖云降水的可能 性，否则认为不存在暖云降水。需注意的是，当回波强度大于50dBZ时认为存在冰雹，不进行 降水估计。
[0067] S200、通过暖云识别模块根据雷达回波回波强度在缓存区建立极坐标，并根据上 述极坐标的ref插值和温度，判断暖云是否存在。如果存在进一步利用直角坐标系中的ref 及温度，识别层云中的暖云的降水率、识别对流云中的暖云的降水率的步骤；
[0068] S210、通过暖云识别模块根据雷达回波反射率因子在缓存区建立极坐标，将雷达 体扫观测资料插值到等经炜度的直角坐标网格点上。
[0069]本发明分析区域中心为雷达位置，水平方向301 X301个格点，格距为0.01°，垂直 方向取73层，格距为0.25km。由于Yang等提出的模糊逻辑算法考虑了反射率因子分布的三 维形态特征，能合理的识别大部分对流云和层状云，本发明利用该算法进行对流云与层状 云识别。关于模糊逻辑算法的简单介绍如下。
[0070] S211、先暖云识别模块检测出各个识别参数。这里的识别参数有四个:2km高度处 的回波ref wrk及其标准差std、回波顶高与2km高度处回波的乘积pzt〇P、垂直累计液态水含量 VIL〇
[0071] 其中，回波顶高是雷达回波强度为18.3dBZ的最大高度。VIL是通过假定所有反射 率因子的返回都是由液态水引起，具体计算参考公式(2.10)。
[0072] S212、暖云识别模块构造云识别的隶属函数Uk,e(x)，其函数表达式如下： 0， x< a
[0073] ///( .. (\\ cub) = ： (.v - a) !{h - a), a < x < h (fc=lt N) (4.8) l x>b h x < a
[0074] juk s(x,a,b) = < (b-x) /(b-a), a <x<b (k=l，2，"、N) (4.9) 0, x>b
[0075] 其中，k代表识别参数，共4个识别参数，所以取N = 4;e为可变参数，e取C代表对流 云，e取S代表层状云;x即为各识别参数数值;不同识别参数对应的参考门限值a，b不同^寸 于ref wrk，a = 20dBZ，b = 45dBZ;对于std，a = ldBZ，b = 14dBZ;对于pzt〇P，a = 100km ? dBZ，b = 500km ? dBZ;对于VIL，a = 0.5kg/m2，b = 5.0kg/m2;将上述识别参数作为输入变量，即模糊化 是将输入变量以隶属函数的方式转换成模糊基，其值变化范围为[0，1]，其表达式如下
[0076] yk,s(x,a,b) = l-lik,c(x,a,b) (4.10)
[0077] S213,暖云识别模块利用如下表达式求层状云和对流云的条件概率：
(4.11 )
[0079]其中，Pk,e = iik,e(Xk)，e代表层状云或对流云;Wk为各识别参数的权重系数，权重系 数一般是由决策者给出，但是，决策者往往很难或者根本无法确定各个目标权重的准确值； 另一方面，决策者虽不能给出一个确定的权重，却能给出一个大致的范围。常用的确定权重 的方法很多，但都带有较浓厚的主观色彩，在某些情况下，主观确定权重尚有客观的一面， 一定程度上反应了实际情况。Yang等利用历史数据统计各个特征参量和降水类别的关系， 并找出他们的大概贡献度，使得识别参数权重w k都取同一值;N为识别参数个数。可以看出， Pc与Ps之和等于1，所以可以用Pc来表示是对流云的可能性，即Pc彡0.5认为是对流云，否则 认为是层状云。
[0080] S214、如果存在暖云降水的可能性，并且格点满足lkm高度处的回波强度值大于 25dBZ同时地表湿球温度大于2°C，认为是暖云降水格点，否则认为是非暖云降水格点。地表 湿球温度Wb。的计算如下：
[0081 ] WBc= (0? 00066 XPXTc+4098 XE/TdcX (237? 7+Tdc)2)
[0082] /(〇.00066 X P+4098 X E/(237.7+Tdc)2) (4.12)
[0083] 其中，￡ = 6.11 x l〇75x心(237U，Tdc是露点湿球温度，单位。C ;P是气压，单位mb; Tc是 气温，单位°C。
[0084]据此，再将层云降水分为层状云降水与暖云降水，将对流云降水分为对流云降水 与暖云降水。
[0085] S300、处理模块计算降水率检测的步骤，该步骤包括处理模块根据雷达回波反射 率因子Z(单位3)，和回波强度ref的关系ref=101og(Z))对流云降水采用ZZ300I1' 4 而输出降水率K单位mm/h)，层状云降水采用ZI200I1'6而输出降水率I，热带暖云降水采用 ZI30.7I 1'66而输出降水率I。其具体步骤如下：
[0086] 本发明设计了三组试验。
[0087] 试验一 (default)，仅适用标准的多普勒天气雷达默认的单一 Z-I关系估计降水， 艮 PZ = 300I1'4;
[0088]试验二(2cls)，用模糊逻辑算法将降水分为对流云降水与层云降水，然后根据各 自对应的Z-I关系估计降水；
[0089] 试验三(3cls)，通过Xu等提出的方法识别暖云降水，将降水分为暖云降水、对流云 降水和层云降水共三种类型，然后根据各自对应的Z-I关系估计降水。其中对流云降水采用 2 = 300114,层状云降水采用Z = 200I1'6,热带暖云降水采用Z = 30.7lh66。需要强调的是:为 了尽量排除非降水回波和冰雹的影响，雷达数据在进行降水估计时是经过质量控制的。
[0090] 另外，Z-I关系估计降水中的另一个主要问题是雷达反射率因子与地面降水强度 的空间不一致性。由于大气对雷达波(超短波）的折射和地球曲率的影响，如果用PPI扫描资 料来估计降水，实际上是将不同高度上的资料按同一种Z-I关系来估计降水。当探测远距离 降水目标时，即使仰角很低，其抽样体积的高度仍有几千米，在该高度上的降水在下落过程 中其强度就有可能发生变化，如蒸发引起降水强度的减小，水成物的凝结凝华增长及凝聚 和碰并增长都会对降水估计造成误差，从而导致雷达估算值和地面实测值之间的明显差 另|J。本章结合当地地理形势以及雷达天线高度，用lkm高度处的Z估计降水，能减少空间不一 致性带来的误差，并能减少由于亮带订正不完全带来的影响。
[0091] 实施例1:
[0092] 参见图2、3,为了得到更准确的结论，本发明统计了合肥2010年6月至8月整个夏季 的雷达定量估计降水，并通过误差分析，对各试验进行效果评估。
[0093]本发明所用雷达资料取自2010年6月至8月合肥多普勒雷达每6分钟一次的体扫描 资料，观测降水资料取自安徽省加密雨量站。0 °c等温线高度h_0 °c和地表湿球温度通过模 式WRF3.5.1模拟得到，其初边界资料采用2013年6月至8月的FNL资料，其水平分辨率为1° X 1。。
[0094] 雷达定量估计降水区域115 ? 758° E~118 ? 758° E和30 ? 367° N~33 ? 367° N，水平方向 为301X301个格点，格距为等经炜度0.01°，垂直方向取73层，格距为0.25km，研究区域中心 为合肥雷达所在位置。
[0095] 为了定量评估不同试验的雷达定量降水估计效果，这里选择了平均偏差、平均绝 对误差率和均方根误差作为统计指标。其中，平均偏差(bias)定义如下：
(4.13)
[0097]为了反映雷达估测降水场的整体精度，定义相对误差绝对值的平均，简称平均绝 对误差率(rae):
(4 14)
[0099]为了反映雷达估测降水场对大雨的估测结果，使用均方根误差(rmse):
(4,15)
[0101] 以上各式中Ra(i)为第i站点上的雷达定量估计降水，Rg(i)为第i站点上的雨量计 观测值，n为降水站点总数。
[0102] 可以看出，bias值越接近于0说明雷达估计降水与雨量站估测降水越接近;rae值 越小说明雷达估测降水场的整体精度越高;rmse值越小说明雷达对大雨部分的估测越准 确。
[0103] 为了简洁明了地看到不同试验雷达估计降水效果，表4.1给出了 2010年6月至8月 三组试验降水过程总误差分析，可以看出，bias、rae、rmSe各误差统计指标均表明，试验三 不仅对整体降水场的估测精度最高，而且对大雨部分的估测最准确，试验三雷达估计降水 效果优于试验一和试验二。当观测降水强度小于2_/h时，雷达估计降水与观测降水误差较 大，以致影响整个降水场的效果评估，所以本文雷达降水估计误差分析时，剔除了观测降水 强度小于2mm/h的站点。
[0104] 表4.1 2010年6月至8月降水过程总误差分析
[0106]表4.1的误差分析包含所有降水类型总的误差分析，为了进一步了解试验三与试 验一和试验二雷达估计降水的效果区别，表4.2又给出了2010年6月至8月所有存在暖云降 水格点的总误差分析，即如果某一格点不存在暖云降水时不再进行误差统计。由表可以看 出，bias、rae、rmse各误差统计指标均表明试验三效果明显优于试验一和试验二，尤其试验 三bias值明显低于试验一和试验二，说明试验三雷达估计降水与雨量站估测降水非常接 近。另外，rae值说明试验三雷达估测降水场的整体精度最高;rmse值说明试验三对大雨部 分的估测也是最准确的。对比表4.1与表4.2,说明暖云降水的分类使雷达定量估计降水效 果有了显著的提高。
[0107] 表4.2 2010年6月至8月降水过程有暖云降水的站点总误差分析
[0109]为了更清楚的了解2010年6月至8月各个降水过程，并且说明各组试验雷达估计降 水效果，将3个月降水根据降水持续时间分为12次降水过程，如表4.3所示，其中积云混合型 降水是指一次降水过程中对流云与层状云降水同时存在。图2是12次降水过程各个过程总 误差曲线图。从图2中可以看出，除过程3,其余过程都是试验三雷达估计降水效果优于试验 一和试验二，尤其过程1和过程6以及过程7，试验三效果明显优于试验一和试验二。
[0110] 表4.3 12次降水过程介绍
[0112] 同图2-样，图3是统计12次降水过程中存在暖云降水格点的总误差曲线图，相比 图2,统计误差时剔除了不存在暖云降水的格点。从图3中可以看出，对于bias值，除过程3， 其余过程的bias值都在0附近，说明当降水过程存在暖云降水时，试验三雷达估计降水与观 测降水非常接近，效果优于试验一和试验二。对于rae和rmse值，除过程3和过程4，其余过程 的值试验三更接近于〇,表明试验三对整体降水估计和大雨部分的估计效果优于试验一和 试验二。
[0113] 选取雷达估计降水效果较好的过程1和过程6以及过程7,另选取估计不好的过程3 为例，进行详细分析。
[0114] 图4是三组试验每小时雷达估计降水误差曲线图（自上至下每行代表:过程1、过程 3、过程6、过程7;自左至右每列代表:bias、rae、rmse;横坐标:降水持续时间（单位:h);纵坐 标:各误差值;实线:试验一;长虚线:试验二;短虚线:试验三）；可以看出，图4和图2结论一 致，对于过程1、过程6、过程7,试验三不仅总误差最小，而且每小时降水估计误差也最小;对 于过程3,个别时刻试验三各误差反而大于试验一和试验二，以致其试验三总误差最大。分 析其原因，发现此次降水过程主要由分散的对流单体形成，无论是降水范围还是降水持续 时间都比较分散，降水时断时续，每次降水持续时间不到6h，且每小时探测到降水量的雨量 站也不多。另外一个原因，可能与选取的Z-I关系有关，因为Z-I关系估计降水是由统计得到 的，与所选资料的地理位置和季节气候有关，针对该问题，后期将会继续有关实时动态的适 合本地的Z-I关系研究。
[0115] 图5是各个过程加密雨量站观测降水强度与不同试验雷达定量估计降水强度散点 对比图。由于整个降水过程站点很多，若全部给出无法看清散点分布，所以除第3次过程是 4h的降水强度散点对比图以外，其他3次过程的都是6h降水强度散点对比图。图5(a)是过程 1的散点对比图，该过程最强降水强度是14mm/h，三组试验估计降水与观测降水对应很好， 尤其试验三估计降水基本位于最佳拟合直线两侧。当降水强度较小时，尤其小于2mm/h时， 雷达估计误差很大。图5(b)是过程3的散点对比图，此次降水过程无论是时间分布还是降水 分布都较分散，几乎没有连续6h降水情况，所以选取其4h降水强度进行散点对比。对于该过 程，试验三相比试验一和试验二虽然在一定程度上改善了雷达定量估计降水的低估问题， 但是有些点却出现了明显的高估。另外，试验二和试验一估计降水结果差不多，说明该过程 分为两类降水类型时主要是对流云降水，与表4.3结果相符。图5(c)是过程6的散点对比图， 该过程降水面积范围较广，很多站点都此次降水，最强降水强度达70mm/h，三组试验估计降 水与观测降水对应很好，试验三虽仍有一定的低估，但相比前两组试验明显改善了雷达定 量估计降水的低估问题。图5(d)是过程7的散点对比图，该过程最强降水强度达60mm/h，同 样与观测降水相比，三组试验均能很好的估计降水，尤其试验三估计降水效果明显优于前 两组试验。
[0116] 实施例2
[0117]本章提出的将降水分为暖云、层云与对流云降水三类的方法，对于当降水区域和 降水时间发生改变时，雷达定量估计降水效果如何呢?为此，本节另外选取两次降水个例， 选取2009年7月21日至23日安徽省强降水过程检验同一雷达在不同时段的定量估计降水效 果;选取2008年6月11日至13日广西柳州强降水过程检验不同雷达在不同时段的定量估计 降水效果。
[0118] 柳州雷达资料取自柳州多普勒雷达每6分钟一次的体扫描资料，雷达型号CINRAD/ SB，位置（109.456° E，24.357° N，346.8m)，360°全方位扫描，间距为1°，扫描仰角是在0.5°~ 19.5°之间的14个仰角，体扫数据自低仰角开始到高仰角结束，5~6min完成一次体扫描。反 射率距离库长为lkm，最大距离库数为460，速度和谱宽距离库长为0.25km，最大距离库数为 920〇
[0119] 实施例2.1:2009年7月21日至23日，江淮东部、江南东北部和淮北大部分地区普降 中到大雨，局部暴雨、大暴雨；滁州及巢湖的含山、和县大部点雨量达100毫米左右，其中较 大点雨量:凤阳鹿塘水库152毫米，天长釜山112毫米、定远仓东水库116毫米、含山城关120 毫米、和县戎桥水库133毫米。
[0120]图6是合肥雷达2009年7月22日07:00到08:00的分析结果。图6(a)是由模糊逻辑算 法得到的层云与对流云分布图，可以看出该过程是以层云降水为主的积云混合云降水。层 状云区域，云层覆盖面积大，整个降水过程中层状云持续时间长，变化少，较稳定，部分区域 识别为对流云，其镶嵌在大范围的层状云中，覆盖面积小，云变化频繁。由此，估计降水范围 比较大，而且合肥雷达西部可能会出现局地特大暴雨。将降水分为对流云降水与层云降水 虽然在一定程度上改善了雷达定量估计降水的低估问题，但是与实际降水还是有较大差 异，为了提高雷达定量估计降水的精度，进一步将降水分为暖云降水、对流云降水和层云降 水。图6(b)是三种云类型识别结果，可以看出，由模糊逻辑算法得到的部分对流云和层云被 重新识别为暖云，此次过程被重新定义为层云降水与暖云降水的混合型降水。图6(c)所示 雷达周围20-80km范围内反射率因子大于lOdBZ的所有层云点的VPR，WRF模拟的此过程h_0 °C为5462.2m，从图中可以看出，该过程存在亮带。为了比较三组试验的差异，如图6(d)是雷 达定量估计降水强度与加密雨量站观测降水强度的散点对比图。可以看出，三组试验估计 的降水虽偏低于雨量站观测降水，但有较好的对应，并且试验三在很大程度上改善了雷达 定量估计降水估计的低估问题，试验三估计的降水明显优于试验二与试验一，更接近与雨 量站观测降水，尤其雨强较大的部分更明显。
[0121] 实施例2.2:2008年6月11日08时开始，广西柳州遭遇强降雨天气，12日04时至12日 16时12h降水量达233mm，与此同时，柳江县出现307mm特大暴雨，至6月12日19时，柳江水位 已超过警戒水位2.86米。至6月13日，柳州降雨出现缓和。
[0122] 此次降水过程与前一降水过程的不同之处是，用模糊逻辑算法分两类降水时被认 定为以对流云降水为主，并且不存在亮带，即无需订正亮带。图7是柳州雷达2008年6月12日 12:00到13:00的分析结果。由模糊逻辑算法识别的对流云与层云分布如图7(a)，发现整个 降水过程中对流云占主导地位，对流云分布较分散，主要集中于雷达附近，呈西南-东北走 向，由观测降水图（图略)知，恰好雷达附近西南-东北走向有超过25_/h的特大暴雨。从图7 (b)给出的三种云类型识别结果来看，此次过程是层云降水、对流云降水与暖云降水的混合 型降水。由模糊逻辑算法得到的部分对流云和部分层云被重新识别为暖云，位于（108.4°E， 24.0°N)这点附近和雷达附近西部的部分区域仍为对流云。图7(c)是雷达周围20-80km范围 内反射率因子大于1 OdBz的所有层云点的VPR，该过程不存在亮带，WRF模拟的此过程h_0 °C 为5042.6m。同样为了比较三组试验的差异，图7(d)显示了雷达定量估计降水强度与加密雨 量站观测降水强度的散点对比。可以看出，试验二估计的降水略优于试验一估计的降水，试 验三估计的降水明显优于试验二与试验一，尤其是雨强较大时。
[0123 ]针对雷达定量估计降水低估的问题，本章通过Zhang等提出的识别亮带方法判断 是否存在亮带，如果存在亮带则订正亮带，然后采用Xu等提出的根据VPR判断是否存在暖云 降水的可能性;然后利用模糊逻辑算法将降水分为对流云降水和层云降水;再根据VPR斜 率、lkm高度处的反射率因子值以及地表湿球温度，将降水分为暖云降水、对流云降水与层 云降水三类，最后用lkm高度处的Z针对不同降水类型采用不同的Z-I关系估计降水。共设计 了三组试验，试验一，仅使用标准的多普勒天气雷达默认的单一Z-I关系估计降水，即Z = 300I1'试验二，将降水分为对流云降水与层云降水，然后根据各自对应的Z-I关系估计降 水;试验三，将降水分为暖云降水和对流云降水以及层云降水，然后根据各自对应的Z-I关 系估计降水。其中对流云降水采用ZI300I 1'4,层状云降水采用ZiSOOI1'热带暖云降水采 用Z = 30.7Ii'66。通过合肥2010年 6月至8月整个夏季的雷达定量估计降水误差分析，并选取 2009年7月21日至23日安徽省强降水过程和2008年6月11日至13日广西柳州强降水过程，检 验将降水分为暖云、层云与对流云降水三类时雷达定量估计降水效果，初步得到如下结论：
[0124] (1)-次降水过程包含多种不同的降水类型，如果仅适用标准多普勒天气雷达默 认的单一 Z-I关系估计降水，虽能一定程度上估计降水，但是对应雨量站观测降水存在误 差;模糊逻辑算法虽能很好的识别积云混合云降水和对流云降水以及层云降水，且在一定 程度上改善了雷达定量估计降水的低估问题，但是仍然存在一定的误差;将降水分为暖云 降水、对流云降水和层云降水三种类型时，雷达定量估计的降水场不仅整体精度最高，而且 对大雨部分的估计精度亦最高。
[0125] (2)各个过程的三组试验均能较好的估计降水，估计降水虽偏低于雨量站观测降 水，但与雨量站观测降水对应一致，试验二估计的降水略优于试验一估计的降水，试验三估 计的降水明显优于试验二与试验一，尤其雨强较大时，试验三估计降水相比前两组试验更 接近于雨量站观测降水。
[0126] (3)本章提出的雷达定量估计降水方法，对不同时间和地点的雷达估计降水同样 是适用的。
[0127] 以上所述之实施例仅为本发明的较佳实施例，并非对本发明做任何形式上的限 制。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示 的技术内容对本发明技术方案作出更多可能的变动和润饰，或修改为等同变化的等效实施 例。故凡未脱离本发明技术方案的内容，依据本发明之思路所作的等同等效变化，均应涵盖 于本发明的保护范围内。
【主权项】
1. 一种基于多普勒雷达资料识别层云、对流云和暖云降水率的方法，其特征在于包括 如下步骤： 雷达测定回波强度ref; VPR识别模块根据回波强度ref垂直廓线识别暖云是否存在； 暖云识别模块根据雷达回波强度ref在缓存区建立极坐标，暖云识别模块根据所在极 坐标的ref插值和湿球温度，判断暖云是否存在；如果暖云存在，则暖云识别模块利用3D-Barnes插值算法计算出直角坐标系中的ref及湿球温度，识别层云中的暖云的降水率，识别 对流云中的暖云的降水率； 处理模块计算降水率的步骤，该步骤包括处理模块根据回波强度ref和ref =IOLg(Z) 计算雷达回波反射率因子Z，处理模块根据ref、ref的对流云概率值?_〇〇11￥、湿球温度判定 云层类型为:对流云、层状云或热带暖云，若云层为对流云，则采用2 = 30011'4输出降水率I， 若云层为层状云，则采用2 = 20011'6输出降水率I，若云层为暖云，则降水采用2 = 30.711'66 输出降水率I。2. 根据权利要求1所述的基于多普勒雷达资料层云、对流云和暖云降水率识别方法，其 特征在于，在处理模块根据ref、ref的对流云概率值卩_〇〇1^、湿球温度判定云层类型为:对 流云、层状云或热带暖云的步骤中，包括如下步骤： 若在所述层云的直角坐标坐标的Ikm高度处的格点中满足:ref>25dBz且湿球温度>2 °C，则视为具有层云的暖云。3. 根据权利要求1所述的基于多普勒雷达资料层云、对流云和暖云降水识别方法，其特 征在于，在处理模块根据^￡、^￡的对流云概率值卩_〇〇11￥、湿球温度判定云层类型为 :对流 云、层状云或热带暖云的步骤中，包括如下步骤： 若在所述对流云的极坐标的Ikm高度处的格点中满足:ref>25dBz且湿球温度>2°C，则 视为具有对流云的暖云。4. 根据权利要求1所述的基于多普勒雷达资料层云、对流云和暖云降水率识别方法，其 特征在于，所述识别暖云的步骤包括以下步骤： 第一步，处理模块根据如下公式计算出VIL: VIL= Σ 3.44 X 10-6 X [ (Zi+Zi+i)/2]4/7 X Δ hi 其中， VIL为雷达能探测到有效反射率因子值的高度层内的垂直累积液态水含量； Zi，Zi+i是反射率因子； Δ hi = 500m； 处理模块根据所述VIL将所述极坐标中的观测点分为层云与非层云，然后计算雷达周 围20-80km范围内雷达回波强度大于IOdBZ的所有层云点的平均VPR; 第二步，处理模块根据上述步骤中计算得到的层云VPR并结合识别亮带方法判断是否 存在亮带，具体方法如下： (1) 由WRF模拟得至IjO °C等温线高度h_0 °C，考虑到h_0 °C是由模式模拟得到的高度，所以 从h_0 °C上空500m处向下寻找VPR中最大反射率因子Zpeak及其高度hpeak;所述A hi = 500m是 根据模式预报误差计算得到； (2) 从hpe3ak高度处向上搜索Zpe3ak减小10%时的反射率因子2_及其高度WpIh pe3ak高度 处向下搜索Zpeak减小IO %时的反射率因子Zbcittcim及其高度hbQttom; (3) 如果同时满足下面条件认为存在亮带： Htop-Hbottom^Do htop-hpeak^Dl hpeak-hbottom^Dl 其中，Do和0:是随雷达扫描方式以及雷达回波强度的垂直分辨率而变化的系数，其中Do 和Di分别取1.5km和lkm; (4) 如果存在亮带，亮带顶高度BBt和亮带底高度BBb的计算如下：其中，Dt和Db用于调整亮带顶和亮带底，其中，Dt = O.5km，Db = 0.7km;如果亮带底高度处 的雷达回波强度值小于28dBZ，那么重新从hpeak高度处向下搜索雷达回波强度值大于等于 28dBZ时的最低高度，并将其所在高度作为亮带底，此目的是避免亮带的过多修正； 第三步，当存在亮带，则处理模块需订正亮带，处理模块订正亮带的方法如下： 假设存在有效的BBt和BBb值及对应的雷达回波强度ZBt和Z Bb，并且BBb〈hpeak，BBt>hpeak，则 计算BBt和BBb高度之间的雷达回波强度的斜率： S= (Zet-ZBb)/(BBt-BBb) 对位于BBt和BBb之间某高度Iu的所有雷达回波强度重新赋值，重新赋值后的雷达回波 强度为： Zi = ZBt-SX(BBfhi) 其中，hi是需要订正格点的垂直高度，如果存在有效的BBb值，而不存在有效的BBt值，并 且BBb〈hpeak，那么把BBb以上高度的所有雷达回波强度值大于Z Bb的值都赋为ZBb; 第四步，处理模块订正亮带后重新计算雷达周围20-80km范围内雷达回波强度大于 IOdBZ的所有层云点的平均VPR， 第五步，处理模块判断是否存在暖云： 如果亮带存在，则处理模块对从亮带底部到VPR底部的部分用最小二乘法拟合VPR; 如果亮带不存在，则处理模块从h_0°C高度处到VPR底部的部分用最小二乘法拟合VPR， 并计算VPR的斜率α，如果计算时刻及其前4个时刻的体扫VPR斜率中有3个α<〇，则处理模块 认为存在暖云降水的可能性，否则认为不存在暖云降水。5. 根据权利要求2所述的基于多普勒雷达资料层云、对流云和暖云降水率识别方法，其 特征在于，还包括初步的识别层云的步骤， 当雷达垂直液态水含量满足VIL〈6.5kg/m2时，则处理模块判定为具有层云。6. 根据权利要求1所述的基于多普勒雷达资料层云、对流云和暖云降水率识别方法，其 特征在于，所述识别层云降水与对流云降水率的步骤包括以下步骤： 第一步，处理模块求出各个识别参数，所述参数有四个:2km高度处的回波强度refwrk及 其标准差std、回波顶高与2km高度处回波强度的乘积Pztcip、垂直累计液态水含量VIL; 其中，回波顶高是雷达回波强度为18.3dBZ的最大高度，VIL是通过假定所有反射率因 子的返回都是由液态水引起； 第二步，处理模块构造云识别的隶属函数Um(X)，其函数表达式如下：其中，k代表识别参数仏=1，2~，《，共4个识别参数，所以取~=4^为可变代号，取(：代 表对流云，e取S代表层状云;X即为各识别参数数值;不同识别参数对应的参考门限值a，b不 同； 对于 refwrk，a = 20dBZ，b = 45dBZ; 对于std，a = ldBZ，b = 14dBZ; 对于Pzt〇p，a= IOOkm · dBZ，b = 500km · dBZ; 对于 VIL，a = 0 · 5kg/m2，b = 5 · Okg/m2; 将上述识别参数作为输入变量，即模糊化是将输入变量以隶属函数的方式转换成模糊 基，其值变化范围为[〇，1 ]，其表达式如下： 14k, S ( X , s, b) - 1-14k, C ( X , S , b) 第三步，利用如下表达式求层状云和对流云的条件概率：其中，Pk,e = yk,e(Xk)，e是变化的代号，代表层状云（S)或对流云（c)，w k为各识别参数的 权重系数，N为识别参数个数，所以取N = 4，Pc和Ps分别代表识别为对流云和层状云的概率 值;Pc与Ps之和等于1， 当Pc^=O. 5时，则处理模块判定是对流云，否则判定是层状云。7. 根据权利要求1所述的基于多普勒雷达资料层云、对流云和暖云降水率识别方法，其 特征在于，所述暖云降水的识别方法包括以下步骤： 当存在暖云，并且格点满足Ikm高度处的雷达回波强度值大于25dBZ，并且地表湿球温 度大于2°C时，所述格点即为暖云降水格点，否则认为是非暖云降水格点，地表湿球温度Wbc 的计算如下： Wbc= (0.00066 XPXTc+4098XE/TdcX (237.7+Tdc)2)/(0.00066XP+4098XE/(237.7+ Tdc)2) 其中，E由WRF模拟得到，￡ = 6.1丨χ , Tdc由WRF模拟得到，Tdc是露点湿球温 度，P是气压，T。是气温。8. 根据权利要求7所述的基于多普勒雷达资料层云、对流云和暖云降水率识别方法，其 特征在于，所述降水评估的方法中所述的Z-I关系估计降水，采用Ikm高度处的回波反射率 因子Z检测降水率。9.根据权利要求1所述的基于多普勒雷达资料层云、对流云和暖云降水率识别方法，其 特征在于，所述3D-Barnes插值算法的公式是：这里的变量ref是雷达回波强度，上标&和〇分别表示分析量和观测量，所述分析量为插 值后格点上的值，η是网格点k的坐标，^是观测点i上的观测值，CO1是权重系数，由下式定 义： ω i = exp [ - (rh2/2Rh2+rv2/2Rv 2)] 其中rh是观测点i与网格点k之间的水平距离，rv是垂直距离，Rh、R v分别是预先规定的水 平和垂直影响半径，所述Rh取5个水平格距，所述Rv取3个垂直格距。
【文档编号】G01S13/95GK105891833SQ201610234883
【公开日】2016年8月24日
【申请日】2016年4月15日
【发明人】杨毅, 杨丽丽, 戚友存, 邱晓滨
【申请人】兰州大学