STUDY ON OBSERVATION AND NUMERICAL SIMULATION OF MICROPHYSICAL CHARACTERISTICS OF HAILSTORM IN WEINING COUNTY, GUIZHOU PROVINCE
-
摘要: 利用位于贵州威宁雪山镇的X波段双偏振雷达，在观测资料质量控制的基础上，结合基于模糊逻辑的水凝物粒子识别算法(HID)以及中尺度数值模式WRF，对2018年6月28日贵州威宁羊街镇的一次强雹暴天气过程进行分析。结果表明：此次冰雹过程，观测识别与模式模拟结果具有较好的一致性，主要经历发展、成熟(孕育)、成熟(降雹)、衰减(消亡)四个阶段。(1) 发展阶段：低密度霰(LDG)初生于-20 ℃层附近(5.0~6.8 km)，是冰晶(CR)与周围过冷云水的凇附作用所致；高密度霰(HDG)初生于2.6~4.2 km，由聚合物(AG)凇附周围过冷云水所形成。(2) 成熟(孕育)阶段：LDG、HDG以AG粒子为主要霰胚源进行凇附增长；雨夹雹(RH)初始形成在-20 ℃层附近(4.2~6.8 km)，由周围少量HDG为雹胚源碰冻过冷云水所致。(3) 成熟(降雹)阶段：LDG通过碰并作用大量形成，HDG产生有两种源项，一是由AG粒子(3.4~6.0 km)为高密度霰胚源的凇附作用，二是由上方的LDG粒子(6.8~9.3 km)，因重力沉降作用，在下沉中撞冻过冷水所形成，并最终由HDG为主要雹胚源形成RH。(4)衰减(消亡)阶段：在0 ℃层附近(3.4 km)，零星HDG撞冻过冷雨水(RN)保持缓慢增长，继续下沉的LDG、HDG因融化作用明显，逐步转变为液态降水。Abstract: Based on the quality control of observational data, the heavy hailstorm that occurred in Yangjie Town, Weining County, Guizhou Province on June 28, 2018 is analyzed. The study combines a fuzzy logic hydrometeor identification algorithm with the mesoscale numerical model WRF and uses the X-band dualpolarization radar located in Xueshan Town, Weining County, Guizhou Province. The results show that there is a good consistency between the observation and model simulation results of this hail process, which mainly goes through four stages: development, ripeness (hail formation), ripeness (hail shooting) and attenuation (disappearance). (1) Development: Caused by the riming between ice crystals and surrounding super-cooled cloud water, low-density graupel (LDG) is formed near the cloud layer of -20 ℃ (5.0~6.8 km). Caused by the riming between aggregation (AG) and surrounding super-cooled cloud water, high-density graupel (HDG) is formed near the cloud layer with a terrain clearance of 2.6~4.2 km. (2) Ripeness (formation): AG is the main source of graupel embryo for LDG and HDG. The rain mixed with hail (RH) is initially formed near the cloud layer of - 20 ℃ (4.2~6.8 km) and it is caused by a small amount of HDG which collides with and freezes the super-cooled cloud water. (3) Ripeness (hail shooting): LDG is largely formed by coagulation. HDG develops from two sources: one is the riming with the AG particles (3.4 ~ 6.0 km) as the HDG embryo source, and the other is the gravity sedimentation by the top LDG particles (6.8 ~ 9.3 km), in which the particles develop into a large amount of HDG through coagulation with other ice phase particles during sedimentation. Finally, the HDG develops into the RH. (4) Attenuation (disappearance): HDG grows slowly by colliding with the super-cooled cloud water near the cloud layer of 0 ℃ (3.4 km). While falling continuously, LDG and HDG are gradually converted into liquid precipitation due to obvious melting effect.
-
图 1 2018年6月28日14:00高低空天气形势
a. 500 hPa环流形势；b. 850 hPa环流形势；c. 地面天气形势。
a、b黑色实线代表等高线(单位：gpm)，c黑色实线代表等压线(单位：hPa)；a、c填色代表温度场(单位：℃)，b填色代表涡度场(单位：s-1)。表 1 YLD1-D型X波段双线偏振雷达主要参数
技术指标 参数 天线增益 44 dB 波束宽度 0.97 ° 天线直径 2.4 m 雷达波极化状态 水平、垂直 采样方式 PPI、RHI、VOL 主要探测量 ZH、ZDR、φDP、KDP、ρHV、V、W 探测范围/km 0~150 库长/m 75 波长/cm 3.2 
下载: 导出CSV
表 2 YLD1-D型X波段双线偏振雷达主要参数
参数 DR RN CR AG LDG HDG RH ZH/dBZ $ X_{1} $ -27 25 -25 -1 23 33 40 $ X_{2} $ -27 25 -25 -1 23 33 45 $ X_{3} $ 31 59 19 33 44 54 65 $ X_{4} $ 31 59 19 33 44 54 70 ZDR/dB $ X_{1} $ 0.0 0.095 0.6 0.0 -0.7 -1.3 -1.0 $ X_{2} $ 0.0 0.095 0.6 0.0 -0.7 -1.3 0.0 $ X_{3} $ 0.9 5.6 5.8 1.4 1.3 3.7 $ A 1 $ $ X_{4} $ 0.9 5.6 5.8 1.4 1.3 3.7 $ A 1+0.5 $ KDP/(°/km) $ X_{1} $ 0.01 0.003 0.0 0.0 -1.4 -2.5 $ X_{2} $ 0.01 0.003 0.0 0.0 -1.4 -2.5 $ X_{3} $ 0.06 25.5 0.3 0.4 2.8 7.6 $ X_{4} $ 0.06 25.5 0.3 0.4 2.8 7.6 SKDP $ X_{1} $ -10 $ X_{2} $ -4 $ X_{3} $ $ B 1 $ $ X_{4} $ $ B 1+1 $ ρHV $ X_{1} $ 0.99 0.982 0.968 0.979 0.986 0.965 0.830 $ X_{2} $ 0.99 0.982 0.968 0.979 0.986 0.965 0.860 $ X_{3} $ 1 1 1 1 1 1 0.950 $ X_{4} $ 1 1 1 1 1 1 1 其中：A1=3.2×10-5 ZH3-0.001 7 ZH2+0.042ZH-0.39，B1=0.7ZH-42。
下载: 导出CSV
表 3 模拟方案设计
模拟方案 模拟区域1 模拟区域2 模拟区域3 分辨率/km 9 3 1 格点数 $ 160 \times 160 $ $ 154 \times 154 $ $ 79 \times 79 $ 微物理方案 Morrison-two-mom Morrison-two-mom Morrison-two-mom 长波辐射方案 RRTM RRTM RRTM 短波辐射方案 Dudhia Dudhia Dudhia 积云对流参数化方案 KFeta KFeta 近地面层方案 MM5 MM5 MM5 陆面方案 Noah Noah Noah 行星边界层方案 YSU YSU YSU 垂直层数(eta) 50 50 50
下载: 导出CSV
-
[1] WMO. WMO statement on the state of the global climate in 2019[EB/OL]. (2020-03-24) [2022-12-30] https://library.wmo.int/index.php?lvl=notice_display&id=21700 , 2020.[2] 尹宜舟, 李多, 孙劭, 等. 2019年全球重大天气气候事件及其成因[J]. 气象, 2020, 46(4): 538-546. [3] 减灾与应急管理研究院. 2019全球自然灾害评估[EB/OL]. (2020-05-10) [2022-12-30] https://www.mem.gov.cn/xw/bndt/202005/t20200508_350901.shtml , 2020.[4] 赵金涛, 岳耀杰, 王静爱. 1950-2009年中国大陆地区冰雹灾害的时空格局分析[J]. 中国农业气象, 2015, 36(1): 83-92. [5] AYDIN K, SELIGA T A, BALAJI V. Remote sensing of hail with a dual linear polarization radar[J]. J Appl Meteoro, 1986, 25(10): 1 475-1 484 [6] 张鸿发, 郄秀书, 王致君, 等. 偏振雷达观测强对流雹暴云[J]. 大气科学, 2001, 25(1): 38-48. [7] 李晓敏, 周筠珺, 肖辉, 等. 基于X波段双偏振雷达对雷暴单体中水成物粒子演变特征的研究[J]. 大气科学, 2017, 41(6): 1 246-1 263. [8] 王洪, 吴乃庚, 万齐林, 等. 一次华南超级单体风暴的S波段偏振雷达观测分析[J]. 气象学报, 2018, 76(1): 92-103. [9] 梅垚. 利用偏振雷达观测研究高原对流云的宏微观结构[D]. 南京: 南京信息工程大学, 2018: 62. [10] EVANS A G, LOCATELLI J D, STOELINGA M T, et al. The IMPROVE-1 storm of 1-2 February 2001. Part Ⅱ: Cloud structures and the growth of precipitation[J]. J Atmos Sci, 2005, 62(10): 3 456-3 473. [11] 朱士超, 郭学良. 华北一次积层混合云微物理和降水特征的数值模拟与飞机观测对比研究[J]. 大气科学, 2015, 39(2): 370-384. [12] 蔡兆鑫, 蔡淼, 李培仁, 等. 大陆性积云不同发展阶段宏观和微观物理特性的飞机观测研究[J]. 大气科学, 2019, 43(6): 1 191-1 203. [13] 张杰, 李文莉, 康凤琴, 等. 一次冰雹云演变过程的卫星遥感监测与分析[J]. 高原气象, 2004, 23(6): 758-763. [14] 何文英, 陈洪滨. TRMM卫星对一次冰雹降水过程的观测分析研究[J]. 气象学报, 2006, 64(3): 364-376+406. [15] 况祥, 银燕, 陈景华, 等. 基于WRF模式和CloudSat卫星资料对黄淮下游一次强对流天气过程的诊断分析和数值模拟[J]. 气象科学, 2018, 38(3): 331-341. [16] TAKAHASHI T. Hail in an axisymmetric cloud model[J]. J Atmos Sci, 1976, 33(8): 1 579-1 601. [17] 胡志晋, 何观芳. 积雨云微物理过程的数值模拟——(一)微物理模式[J]. 气象学报, 1987, 45(4): 467-484. [18] 洪延超. 冰雹形成机制和催化防雹机制研究[J]. 气象学报, 1999, 57(1): 31-45. [19] 周颖, 文继芬. 冰雹云初始扰动的数值研究[J]. 高原气象, 2006, 25(5): 959-963. [20] 胡金磊, 郭学良, 侯灵. 下垫面对雹云形成发展的影响[J]. 气候与环境研究, 2014, 19(4): 407-418. [21] GILMORE M S, WICKER L J. The influence of midtropospheric dryness on supercell morphology and evolution[J]. Mon Wea Rev, 1998, 126(4): 943-958. [22] 付伟基, 陆汉城, 王亮, 等. WRF模式对弱强迫系统中雷暴预报个例研究[J]. 气象科学, 2009, 29(3): 323-329. [23] 付烨, 刘晓莉, 丁伟. 一次冰雹过程及雹云物理结构的数值模拟研究[J]. 热带气象学报, 2016, 32(4): 546-557. [24] 张小娟, 陶玥, 刘国强, 等. 一次冰雹天气过程的云系发展演变及云物理特征研究[J]. 气象, 2019, 45(3): 415-425. [25] 田英, 吴爱萍. 贵州境内冰雹发生源地初探[J]. 贵州气象, 2009, 33(S1): 51-53. [26] 肖艳姣, 王斌, 陈晓辉, 等. 移动X波段双线偏振多普勒天气雷达差分相位数据质量控制[J]. 高原气象, 2012, 31(1): 223-230. [27] 赵川鸿, 周筠珺, 肖辉, 等. X波段双线偏振多普勒雷达共极化差分相移资料的滤波方法研究[J]. 大气科学, 2019, 43(2): 285-296. [28] 毕永恒, 刘锦丽, 段树, 等. X波段双线偏振气象雷达反射率的衰减订正[J]. 大气科学, 2012, 36(3): 495-506. [29] ZADEH L A. Fuzzy algorithms[J]. Info & Ctl, 1968, 12(1): 94-102. [30] DOLAN B, RUTLEDGE S A. A theory-based hydrometeor identification algorithm for X-band polarimetric radars [J]. J Atmos Oceanic Technol, 2008, 26(10): 2 071-2 088. [31] SNYDER J C, BLUESTEIN H B, ZHANG G, et al. Attenuation correction and hydrometeor classification of high-resolution, X-band, dualpolarized mobile Radar measurements in severe convective storms [J]. J Atmos Oceanic Technol, 2010, 27(12): 1 979-2 001. [32] 曹俊武, 刘黎平. 双线偏振雷达判别降水粒子类型技术及其检验[J]. 高原气象, 2007, 26(1): 116-127. [33] PARK H S, RYZHKOV A V, ZRNIC D S, et al. The hydrometeor classification algorithm for the polarimetric WSR-88D: Description and application to an MCS[J]. Wea Forecasting, 2009, 24(3): 730-748. [34] 张秉祥, 李国翠, 刘黎平. 基于模糊逻辑的冰雹天气雷达识别算法[J]. 应用气象学报, 2014, 25(4): 415-426. [35] 郭凤霞, 马学谦, 王涛, 等. 基于X波段双线偏振天气雷达的雷暴云粒子识别[J]. 气象学报, 2014, 72(6): 1 231-1 244. [36] 冯亮, 肖辉, 孙跃. X波段双偏振雷达水凝物粒子相态识别应用研究[J]. 气候与环境研究, 2018, 23(3): 366-386. [37] 杨磊, 贺宏兵, 杨波, 等. 基于S波段双线偏振天气雷达的降水粒子相态识别[J]. 气象与环境学报, 2019, 35(4): 127-132. [38] BROWNING K A. Airflow and precipitation trajectories within severe local storms which travel to the right of the winds[J]. J Atmos Sci, 1964, 21(6): 634-539. [39] BROWNING K A. Airflow and structure of a tornadic storm[J]. J Atmos Sci, 1963, 20(6): 533-545. [40] BROWNING K A. The growth of large hail within a steady updraught[J]. Quart J Roy Meteor Soc, 2010, 89(382): 490-506. [41] 潘晓滨, 陈家华, 魏绍远. 垂直风切变对风暴云影响的数值模拟[J]. 气象科学, 1996, 96(2): 135-143. [42] YAU M K. The effects of evaporation, water load and wind shear on cloud development in a three-dimensional numerical model[J]. J Atmos Sci, 1980, 37(2): 488-494. [43] WEISMAN M L, KLEMP J B. The dependence of numerically simulated convective storms on vertical wind shear and buoyancy[J]. Mon Wea Rev, 1982, 110(6): 504-520. [44] MCCAUL E W JR, WEISMAN M L. The sensitivity of simulated supercell structure and intensity to variations in the shapes of environmental buoyancy and shear profiles[J]. Mon Wea Rev, 2001, 129(4): 664-687. [45] DAVIES-JONES R, BURGESS D, FOSTER M. Test of helicity as a tornado forecast parameter[C]// Preprints, 16th Conference on Severe Local Storms. Kananaskis, AB. Canada: American Meteorological Society, 1990: 588-592. [46] 胡金磊. 下垫面环境、微物理过程和雷达资料同化在冰雹云形成演变及数值预报中的作用[D]. 北京: 中国气象科学研究院, 2012: 71. [47] 黄云仙, 张英. 多普勒天气雷达数据插值方法比较研究[J]. 遥感信息, 2008(2): 39-45. -
点击查看大图
图(11) / 表(3)
计量
- 文章访问数: 67
- HTML全文浏览量: 49
- PDF下载量: 24
- 被引次数: 0
粤公网安备 4401069904700003号