C波段雷达反射率因子在CMA-GD模式中的应用

符睿; 张诚忠; 张万诚; 陈浩伟; 陈新梅; 韩慎友; 周建琴

doi:10.16032/j.issn.1004-4965.2022.057

C波段雷达反射率因子在CMA-GD模式中的应用

doi: 10.16032/j.issn.1004-4965.2022.057

1.
云南省气象科学研究所，云南昆明 650034
2.
中国气象局广州热带海洋气象研究所/广东省区域数值天气预报重点实验室，广东广州 510641
3.
韶关市气象局，广东韶关 512028
4.
广西壮族自治区气象台，广西南宁 530022
5.
云南省气候中心，云南昆明 650034

基金项目:

2019年中国气象局省级科技创新发展专项 sscx201919

云南省气象局业务能力研究与提升专项 TQ201707

国家自然科学基金 42075013

国家自然科学基金 42165004

第二次青藏高原综合科学考察研究项目 2019QZKK0105

云南省重点研发计划-社会发展专项 202203AC100005

云南省气象局科技项目 YZ202203

中国气象局创新专项 CXFZ2021Z034

详细信息

通讯作者:
符睿，女，云南省人，高级工程师，主要从事中尺度数值模式预报研究。E-mail：furuik@sina.com

中图分类号: P456
计量
- 文章访问数: 193
- HTML全文浏览量: 18
- PDF下载量: 28
- 被引次数: 0
出版历程
- 收稿日期: 2021-04-28
- 修回日期: 2022-05-07
- 网络出版日期: 2023-01-17
- 刊出日期: 2022-10-20

APPLICATION OF C-BAND RADAR REFLECTIVITY IN CMA-GD MODEL

1.
Yunnan Institute of Meteorological Sciences, Kunming 650034, China
2.
Guangzhou Institute of Tropical and Marine Meteorology/Guangdong Province Key Laboratory of Reginal Numerical Weather Prediction, CMA, Guangzhou 510641, China
3.
Shaoguan Meteorological Bureau, Shaoguan, Guangdong 512028, China
4.
Meteorological Observatory of Guangxi Zhuang Autonomous Region, Nanning 530022, China
5.
Yunnan Climate Centre, Kunming 650034, China

摘要

摘要: 使用CMA-GD模式及云分析系统，引入云南C波段多普勒雷达反射率因子资料，对2019年7月9日过程进行模拟试验，分析引入反射率资料对模式初始场和降水过程预报的影响。（1）引入反射率后，云中和底部的云量有所增加。水汽在900~200 hPa有大范围增加，能有效地调整降水区域的水汽分布。对模式顶层温度的调整较大，而对风场的影响较小。（2）引入反射率后，对3 h内降水强度及落区有较大改善，4~6 h的预报有所改善，7 h以后改善不明显。（3）引入反射率资料后，1~4 h大气可降水量增量较明显，5~9 h增量较前4 h明显减小。（4）在河口上空云水和水汽在950~400 hPa增加，霰、云冰和云雪在600~400 hPa增加，雨滴在1 000~500 hPa增加。水凝物增加，有利于河口站降水的发生。
- CMA-GD模式 /
- C波段雷达 /
- 反射率
Abstract: Based on the CMA-GD model and Cloud Analysis System, the present study introduced the C-band Doppler radar reflectivity data to simulate the precipitation event occurred on July 9, 2019 in Yunnan, and analyzed the impact of the introduction of radar reflectivity data on the improvement of the initial field of the model and the forecast of this heavy precipitation process. The results showed that: (1) The introduction of radar reflectivity increased the number of clouds within and at the bottom of the cloud. Water vapor had a wide range of increase at the 900~200 hPa layer, and this could lead to effective adjustment of water vapor distribution in the precipitation zone. Moreover, it caused a large adjustment to the temperature of the model top but a small change to the wind field. (2) The introduction of radar reflectivity significantly improved the forecast of precipitation intensity and precipitation zone over a 3 h period. There was an improvement in the 4~6 h forecast, with no significant improvement in forecasts for longer period of time. (3) According to the model forecast of hourly atmospheric precipitable water, the introduction of reflectivity data brought more obvious increment of atmospheric precipitable water in the first 1~4 h, and significantly decreased increment in 5~9 h compared with the first 4 h. (4) At Hekou, the cloud water and water vapor increase at the 950~400 hPa layer, graupel, cloud ice and cloud snow increase at the 600~400 hPa layer and raindrop increase at the 1000~500 hPa layer increased after the introduction of reflectivity. The increase of water condensate is conducive to the occurrence of precipitation at Hekou station.
- CMA-GD model /
- C-band radar /
- reflectivity

HTML全文

图 1 云南C波段雷达分布

阴影区为国家级观测站的海拔高度，单位：m。

下载: 全尺寸图片幻灯片

图 2 2019年7月9日12时—10日12时降水量

单位：mm，注：▽为河口站位置。

下载: 全尺寸图片幻灯片

图 3 2019年7月9日12时—10日12时河口站逐小时降水量（单位: mm）

下载: 全尺寸图片幻灯片

图 4 云量沿22.5 °N纬向垂直剖面图（▲为河口站位置，下同）

下载: 全尺寸图片幻灯片

图 5 水汽沿22.5 °N纬向垂直剖面图（单位：10-3 g/kg）

下载: 全尺寸图片幻灯片

图 6 气温沿22.5 °N纬向垂直剖面图（单位：℃）

下载: 全尺寸图片幻灯片

图 7 风场分布（单位：m/s）

下载: 全尺寸图片幻灯片

图 8 2019年7月9日13—20时逐小时降水量

单位：mm，黑圈内为降水量较强区域。第一列：观测；第2列：敏感试验；第三列：控制试验。

下载: 全尺寸图片幻灯片

图 9 2019年7月9日13—21时整层大气可降水量差值图（单位：mm）

下载: 全尺寸图片幻灯片

图 10 2019年7月9日13时水凝物差值沿22.5 °N纬向垂直剖面图（单位：10^-3 g/kg）

下载: 全尺寸图片幻灯片

参考文献(36)

[1]	俞小鼎, 郑永光. 中国当代强对流天气研究与业务进展[J]. 气象学报, 2020, 78(3): 391-418, doi: 10.11676/qxxb2020.035.
[2]	SCHENKMAN A D, XUE M, SHAPIRO A, et al. The analysis and prediction of the 8-9 May 2007 Oklahoma tornadic mesoscale convective System by Assimilating WSR-88D and CASA radar data using 3DVAR[J]. Mon Wea Rev, 2011, 139(1): 224-246, doi: 10.1175/2010MWR3336.1.
[3]	ABHILASH S, SAHAI A K, MOHANKUMAR K, et al. Assimilation of Doppler weather radar velocity and reflectivity observations in WRF-3DVAR system for short-range forecasting of convective storms[J]. Pure Appl Geophys, 2012, 169(11): 2047-2070, doi: 10.1007/s00024-012-0462-z.
[4]	张诚忠, 薛纪善, 冯业荣, 等. 基于贝叶斯方案的雷达反射率反演水汽及其同化试验[J]. 热带气象学报, 2019, 35(2): 145-153.
[5]	GASPERONI N A, XUE M, PALMER R D, et al. Sensitivity of convective initiation prediction to near-surface moisture when assimilating radar refractivity: Impact tests using OSSEs[J]. J Atmos Oceanic Technol, 2013, 30(10): 2281-2302, doi: 10.1175/JTECH-D-12-00038.1.
[6]	童文雪. 基于GRAPES三维变分同化的雷达径向风资料质量控制的初步研究[D]. 南京: 南京信息工程大学, 2011.
[7]	黄兴友, 陈晓颖, 沈菲菲, 等. 利用WRF和多普勒雷达资料同化对一次江淮地区梅雨降水过程的模拟研究[J]. 大气科学学报, 2022, 45 (02): 225-238.
[8]	张诚忠, 薛纪善, 黄燕燕, 等. 资料同化对2017年登陆广东沿海台风的短期降水与路径预报影响[J]. 热带气象学报, 2019, 35(5): 577-586.
[9]	崔春光, 杜牧云, 肖艳姣, 等. 强对流天气资料同化和临近预报技术研究[J]. 气象, 2021, 47(8): 901-918.
[10]	KASAHARA A, BALGOVIND R C, KATZ B. Use of satellite radiometric imagery data for improvement in the analysis of divergent wind in the tropics[J]. Mon Wea Rev, 1988, 116 (4): 866-883.
[11]	张兰, 徐道生, 胡东明, 等. 雷达反演资料的Nudging同化对华南暴雨过程短临预报的影响[J]. 高原气象, 2019, 38(6): 1 208-1 220.
[12]	孙婵, 徐国强. 闪电定位和雷达观测资料在云分析中的应用及数值试验[J]. 大气科学, 2019, 43(1): 131-141.
[13]	顾建峰. 多普勒雷达资料三维变分直接同化方法研究[D]. 南京: 南京信息工程大学, 2006.
[14]	盛春岩, 浦一芬, 高守亭. 多普勒天气雷达资料对中尺度模式短时预报的影响[J]. 大气科学, 2006, 30(1): 93-106.
[15]	张诚忠, 万齐林, 黄燕燕, 等. 华南暖区降水数值预报的初值同化试验[J]. 热带气象学报, 2008, 24(6): 576-589.
[16]	张艳霞, 陈子通, 蒙伟光, 等. 用多普勒雷达资料调整GRAPES模式云参数对短临预报的影响[J]. 热带气象学报, 2012, 28(6): 785-796, doi: 10.3969/j.issn.1004-4965.2012.06.001.
[17]	王晓峰, 王平, 张蕾, 等. 多源观测在快速更新同化系统中的敏感性试验[J]. 高原气象, 2017, 36(1): 148-161, DOI: 10.7522/j.issn.1000-0534.2016.00018.
[18]	薛谌彬, 陈娴, 吴俞, 等. 雷达资料同化在局地强对流预报中的应用[J]. 大气科学, 2017, 41(4): 673-690, DOI: 10.3878/j.issn.1006-9895.1608.15228.
[19]	王瑾, 刘黎平. CINRAD/CD雷达反射率因子同化对中尺度数值模式云微物理量场调整的分析[J]. 高原气象, 2009, 28(1): 173-184.
[20]	李平, 解以扬, 李英华, 等. C波段雷达反射率资料的同化与数值模拟[J]. 气象科技, 2013, 41(3): 506-515.
[21]	夏丰, 刘显通, 郑腾飞, 等. C波段双偏振天气雷达降雨和部分地形遮挡衰减订正研究[J]. 热带气象学报, 2021, 37(4): 556-568.
[22]	陈超, 胡志群, 胡胜, 等. 广州S波段双偏振雷达数据质量初步分析[J]. 热带气象学报, 2018, 34(1): 59-67.
[23]	张羽, 吴少峰, 李浩文, 等. 广州X波段双偏振相控阵天气雷达数据质量初步分析及应用[J]. 热带气象学报, 2022, 38(1): 23-34.
[24]	王在志, 闫敬华. 水成物分析及在数值模式中的应用综述[J]. 热带气象学报, 2007, 23(1): 85-89, DOI: 10.16032/j.issn.1004-4965.2007.01.014.
[25]	朱立娟, 龚建东, 黄丽萍, 等. GRAPES三维云初始场形成及在短临预报中的应用[J]. 应用气象学报, 2017, 28(1): 38-51. DOI: 10.11898/1001-7313.20170104.
[26]	吴亚丽, 蒙伟光, 陈德辉, 等. 一次华南暖区暴雨过程可预报性的初值影响研究[J]. 气象学报, 2018, 76(3): 323-342.
[27]	屈右铭, 陆维松, 蔡荣辉, 等. GRAPES-Meso云分析系统的设计与试验[J]. 气象, 2010, 36(10): 37-45.
[28]	盛春岩, 薛德强, 雷霆, 等. 雷达资料同化与提高模式水平分辨率对短时预报影响的数值对比试验[J]. 气象学报, 2006, 64(3): 37-45.
[29]	刘瑞霞, 陈洪滨, 师春香, 等. 多源观测数据在LAPS三维云量场分析中的应用[J]. 应用气象学报, 2011, 22(1): 123-128.
[30]	马秀梅, 欧登格力, 辛渝, 等. C波段雷达在新疆区域数值预报系统中的应用初探[J]. 沙漠与绿洲气象, 2015, 9(6): 19-26.
[31]	王晓峰, 王平, 张蕾, 等. 上海"7·31"局地强对流快速更新同化数值模拟研究[J]. 高原气象, 2015, 34(1): 124-136.
[32]	郑永光, 张小玲, 周庆亮, 等. 强对流天气短时临近预报业务技术进展与挑战[J]. 气象, 2010, 36(7): 33-42.
[33]	王丹, 阮征, 王改利, 等. 风廓线雷达资料在GRAPES-Meso模式中的同化应用研究[J]. 大气科学, 2019, 43(3): 634-654.
[34]	陈红玉. 2008-2010年大理风廓线雷达资料与本地强对流降水天气的关系[D]. 云南: 云南大学, 2012.
[35]	符睿, 段旭, 刘建宇, 等. 云南地基GPS观测大气可降水量变化特征[J]. 气象科技, 2010, 38(4): 456-462.
[36]	吴海英, 曾明剑, 张备, 等. 地基GPS/PWV在降水过程中的突变与缓变性特征[J]. 气象科学, 2015, 35(6): 775-782.