改进的精细分辨率雷达探测强对流效果评估

王睿; 伍志方; 林青; 张阿思; 陈超; 王明筠; 孙召平; 邢飞; 侯中阳

doi:10.16032/j.issn.1004-4965.2023.030

改进的精细分辨率雷达探测强对流效果评估

doi: 10.16032/j.issn.1004-4965.2023.030

王睿¹,
伍志方^{1, 2, ,},
林青¹,
张阿思¹,
陈超¹,
王明筠³,
孙召平⁴,
邢飞⁵,
侯中阳⁵

1.
广东省气象台(南海海洋气象预报中心)，广东广州 510641
2.
中国气象局广州热带海洋气象研究所/区域数值天气预报重点实验室，广东广州 510641
3.
南京大学大气科学学院，江苏南京 210023
4.
北京敏视达雷达有限公司，北京 100080
5.
江门市气象局，广东江门 529000

基金项目:

国家重点研发计划项目 2019YFC1510400

国家重点研发计划项目 2018YFC1507501

国家自然科学基金 41975138

广东省自然科学基金 2022A1515011814

广东省自然科学基金 2020A1515010602

广东省气象局技术创新团队 GRMCTD202002

广东省气象局科学技术研究项目 GRMC2020Z03

广东省重点领域研发计划项目 2020B1111200001

详细信息

通讯作者:
伍志方，女，江西省人，研究员级高级工程师，主要从事灾害性天气预报和雷达应用研究。E-mail: 1147942917@qq.com

中图分类号: P445
计量
- 文章访问数: 146
- HTML全文浏览量: 37
- PDF下载量: 35
- 被引次数: 0
出版历程
- 收稿日期: 2021-10-27
- 修回日期: 2023-04-08
- 网络出版日期: 2023-09-11
- 刊出日期: 2023-06-20

THE ASSESSMENT OF PROCESSED FINE RESOLUTION RADAR BASED ON OBSERVATION

1.
Guangdong Meteorological Observatory (South China Sea Marine Weather Prediction Center), Guangzhou 510641 China
2.
Guangzhou Institute of Tropical and Marine Meteorology, China Meteorological Administration, and Guangdong Provincial Key Laboratory of Regional Numerical Weather Prediction, Guangzhou 510641, China
3.
School of Atomspheric Sciences, Nanjing University, Nanjing 210023, China
4.
Beijing Metstar Radar Co., Ltd., Beijing 100080, China
5.
Jiangmen Meteorological Bureau, Jiangmen Guangdong 529000, China

摘要

摘要: 简要介绍了改进精细分辨率雷达所涉及的提高空间分辨率和智能化、快速扫描等技术。利用改进后的雷达精细分辨率数据和原始分辨率数据，对不同强天气类型的探测效果进行了对比分析，结果表明：精细分辨率数据可获得比原始分辨率数据更大的相对径向速度，辐合辐散和速度极值也更明显；获取更为清晰的超级单体结构以及龙卷涡旋特征和龙卷碎片特征等，更早识别出对流单体和雷暴云团；采用精细分辨率数据进行定量降水估计的精度与原始分辨率数据相当或略有提升。改进后精细分辨率数据具有更高的空间分辨率（双偏振）雷达观测特征，在对中小尺度强对流回波监测和识别的实际业务中具有较明显优势。
- 精细分辨率雷达 /
- 对流单体 /
- 中气旋 /
- TVS /
- QPE /
Abstract: A new-generation of weather radar (CINRAD/SA Radar) at Zhuzilin, Shenzhen was partially upgraded in 2018. The highest resolution of detected data has been increased from 1 °×250 m to the current 0.5 ° ×125 m, and the body scanning time has been shortened from 6 min to 4 min. In 2019, a radar at Xiasha, Hangzhou increased the maximum resolution of detected data from 1 °×250 m to the current 0.5 °×62.5 m, and shortened the body scanning time from 6 min to 4 min. By comparing and analyzing the detection effects of processed fine resolution radar data and original resolution radar data for different severe convection weather types, it is known that finer spatial resolution of the fine resolution radar data, especially with the improvement of dual polarization radar, had obvious advantages on observation and identification of small- and medium-scale strong convective clouds, and during some processes it could identify convection monomer and thunder cloud earlier, and had some improvement effect on quantitative precipitation estimation, indicating significant improvement on the application of radar in routine operation and scientific analysis compared with ordinary resolution radars.
- fine resolution radar data /
- ordinary resolution radar data /
- convection cell /
- mesocyclone /
- Tornado Vortex Signature (TVS) /
- Quantitative Precipitation Estimation (QPE)

HTML全文

图 1 G1721自动站雨量和风速随时间的变化

横坐标为时间，纵坐标依次为风速（m/s）和降水量（mm）。

下载: 全尺寸图片幻灯片

图 2 竹子林站雷达0.5 °仰角15时30分（a、d）、15时42分（b、e）和15时54分（c、f）原始分辨率数据（a~c）和精细分辨率数据（d~f）的雷达反射率因子

黑色圆圈为G1721站点位置。

下载: 全尺寸图片幻灯片

图 3 6月11日深圳雷达1.5 °仰角原始分辨率数据（a）和精细分辨率数据（b）与自动站小时雨强散点图

其中RE为相对误差，RMSE为标准差，CC为相关系数（其中a=0.02为公式中0.015 8保留2位小数的结果，实际值为a=0.015 8）。

下载: 全尺寸图片幻灯片

图 4 6月11日各站点原始分辨率数据（a）和精细分辨率数据（b）的计算的QPE与自动站小时雨强的平均比值

彩色填色为高估或低估比值的数值，圆圈大小代表自动站雨强实际大小。

下载: 全尺寸图片幻灯片

图 5 自动站G2051风速和降水量随时间的变化图

横坐标为时间（每15分钟间隔），纵坐标依次为风速（m/s）和降水量（mm）

下载: 全尺寸图片幻灯片

图 6 竹子林雷达0.5 °仰角15时30分（a、d）、15时42分（b、e）和15时54分（c、f）原始分辨率数据（a~c）和精细分辨率数据（d~f）的风暴相对速度产品

红色圆圈为G2051站点位置。

下载: 全尺寸图片幻灯片

图 7 竹子林原始分辨率数据15:12识别出风暴单体（a），精细分辨率数据15:00识别出风暴单体（b）

下载: 全尺寸图片幻灯片

图 8 精细分辨率数据15:42识别的风暴单体产品（a）和精细分辨率数据识别的对流单体A0的时间演变图（b）

下载: 全尺寸图片幻灯片

图 9 深圳竹子林雷达0.5 °仰角13时05分（a、d）、13时09分（b、e）和13时13分（c、f）的原始分辨率数据（a~c）和精细分辨率数据（d~f）反射率图

下载: 全尺寸图片幻灯片

图 10 同图 9，但为0.5 °仰角风暴相对径向速度

下载: 全尺寸图片幻灯片

图 11 13时09分0.5 °（a、d）、1.5 °（b、e）和2.4 °（c、f）仰角原始分辨率数据（a~c）和精细分辨率数据（d~f）径向速度图

下载: 全尺寸图片幻灯片

图 12 18时56分（a、c）和19时01分（b、d）原始分辨率数据（a、b）和精细分辨率数据（c、d）0.5 °仰角雷达反射率因子图

黑色实线为图 14的剖面位置。

下载: 全尺寸图片幻灯片

图 13 19时01分原始分辨率数据（a、b）和精细分辨率数据（c、d）0.5 °仰角径向速度图（a、c）和风暴相对速度图（b、d）

下载: 全尺寸图片幻灯片

图 14 沿图 12黑色实线做19时01分的原始分辨率数据（a、b）和精细分辨率数据（c、d）的雷达反射率因子和径向速度剖面图

下载: 全尺寸图片幻灯片

图 15 18时56分原始分辨率数据（a、b）和精细分辨率（c、d）雷达数据0.5 °仰角相关系数（CC）图（a、c）和差分反射率因子（Z_DR，c、d）

下载: 全尺寸图片幻灯片

表 1 深圳和杭州天气雷达精细化改进前后技术指标对比

序号	技术指标	业务雷达原探测模式	深圳精细分辨率模式	杭州精细分辨率模式
1	体扫周期	6分钟	4分钟	4分钟
2	距离分辨率	250 m	125 m	62.5 m
3	方位分辨率	1.0 °	0.5 °	0.5 °
4	最大不模糊速度	27 m/s	34 m/s	34 m/s
5	最大探测距离(反射率）	460 km	460 km	230 km
6	最大探测距离(速度/谱宽）	230 km	230 km	230 km

下载: 导出CSV

表 2 深圳和杭州天气雷达精细化改进后的不同天气探测模式

天气条件	扫描模式	空间分辨率	扫描周期	范围
晴空/弱降水	VCP31	1.0 °×750 m 宽脉冲	10分钟	460 km
一般强度降水	VCP21	1.0 °x250 m 窄脉冲	6分钟	460 km
台风和强降水	VCP25	0.5 °×125m 精细脉冲	3~4分钟	460 km
局地强对流(龙卷、冰雹等）	VCP26	0.5 °×62.5 m 精细脉冲	3~4分钟	230 km

下载: 导出CSV

参考文献(25)

[1]	冀春晓, 陈联寿, 徐祥德, 等. 多普勒雷达资料动态定量估测台风小时降水量的研究[J]. 热带气象学报, 2008, 24(2): 147-155.
[2]	刘黎平, 曹俊武, 莫月琴, 等. 雷达遥感新技术及其在灾害性天气探测中的应用[J]. 热带气象学报, 2006, 22(1): 1-9.
[3]	胡东明, 张羽, 傅佩玲, 等. CINRAD/SA雷达双偏振升级数据质量分析评估[J]. 气象科技, 2019, 47(2): 207-213.
[4]	李喆, 李柏, 赵坤, 等. 国产双偏振天气雷达差分反射率测量性能分析[J]. 气象科技, 2016, 44(6): 855-859.
[5]	许爱华, 詹丰兴, 刘晓晖, 等. 强垂直温度梯度条件下强对流天气分析与潜势预报[J]. 气象科技, 2006, 34(4): 376-380.
[6]	王炳赟, 魏鸣, 范广洲, 等. 1522强台风"彩虹"螺旋雨带中衍生龙卷的超级单体演变与机理研究Ⅰ: 谱宽和速度[J]. 热带气象学报, 2018, 34(4): 472-480.
[7]	李彩玲, 吴乃庚, 王硕甫, 等. 台风"艾云尼"(2018)外围两次近距离龙卷的环境条件和雷达特征[J]. 热带气象学报, 2019, 35(4): 446- 457.
[8]	王峰云, 王燕雄, 陶祖钰. 单多普勒天气雷达的中尺度风场探测技术研究[J]. 热带气象学报, 2003, 19(3): 291-298.
[9]	万齐林, 薛纪善, 陈子通, 等. 雷达TREC风的三维变分同化应用与试验[J]. 热带气象学报, 2005, 21(5): 449-457.
[10]	伍志方, 庞古乾, 贺汉青, 等. 2012年4月广东左移和飑线内超级单体的环境条件和结构对比分析[J]. 气象, 2014, 40(6): 655-667.
[11]	伍志方, 蔡景就, 林良勋, 等. 2017年广州"5.7"暖区特大暴雨的中尺度系统和可预报性[J]. 气象, 2018, 44(4): 485-499.
[12]	姚叶青, 俞小鼎, 郝莹, 等. 两次强龙卷过程的环境背景场和多普勒雷达资料的对比分析[J]. 热带气象学报, 2007, 23(5): 483-490.
[13]	黄先香, 炎利军, 王硕甫, 等. 1822号"山竹"台风龙卷过程观测与预警分析[J]. 热带气象学报, 2019, 35(4): 458-469.
[14]	俞小鼎, 郑媛媛, 张爱民, 等. 安徽一次强烈龙卷的多普勒天气雷达分析[J]. 高原气象, 2006, 25(5): 914-924.
[15]	俞小鼎, 郑媛媛, 廖玉芳, 等. 一次伴随强烈龙卷的强降水超级单体风暴研究[J]. 大气科学, 2008, 32(3): 508-522.
[16]	郑媛媛, 朱红芳, 方翔, 等. 强龙卷超级单体风暴特征分析与预警研究[J]. 高原气象, 2009, 28(3): 617-625.
[17]	刘娟, 朱君鉴, 魏德斌, 等. 070703天长超级单体龙卷的多普勒雷达典型特征[J]. 气象, 2009, 35(10): 32-39.
[18]	赵瑞金, 郝雪明, 杨向东, 等. 2009年7月20日承德龙卷多普勒天气雷达特征[J]. 气象, 2010, 36(11): 68-76.
[19]	俞小鼎, 周小刚, 王秀明. 雷暴与强对流临近天气预报技术进展[J]. 气象学报, 2012, 70(3): 311-337.
[20]	汪章维, 陈昊, 袁圣, 等. 新一代双偏振天气雷达(CINRAD/SAD)精细化探测技术[J]. 气象科技, 2020, 48(3): 331-336
[21]	肖艳姣, 王珏, 王志斌, 等. 双偏振天气雷达精细化探测技术对2021年两个龙卷风暴识别能力的影响分析[J]. 暴雨灾害, 2022, 41(2): 130-141
[22]	ZHANG J, HOWARD K, LANGSTON C, et al. Multi-Radar Multi-Sensor (MRMS) quantitative precipitation estimation: Initial operating capabilities[J]. Bull Amer Meteor Soc, 2016, 97(4): 621-638.
[23]	ZHANG Y, LIU L, WEN H, et al. Evaluation of the polarimetric-radar quantitative precipitation estimates of an extremely heavy rainfall event and nine common rainfall events in Guangzhou[J]. Atmosphere, 2018, 9(9): 330.
[24]	郑永光, 刘菲凡, 张恒进. 中国龙卷研究进展[J]. 气象, 2021, 47(11): 1319-1335.
[25]	RYZHKOV A V, SCHUUR T J, BERGESS D W, et al. Polarimetric tornado detection[J]. Appl Meteor Climatol, 2005, 44(5): 557-570.