使用雷达回波三维信息自动识别降水类型的方法

张乐坚，储凌，叶芳，李雁

(1.中国气象局气象探测中心，北京100081;2.中国气象局气象干部培训学院，北京100081;3.解放军理工大学，江苏南京211101)

使用雷达回波三维信息自动识别降水类型的方法

张乐坚1，储凌2，叶芳3，李雁1

(1.中国气象局气象探测中心，北京100081;2.中国气象局气象干部培训学院，北京100081;3.解放军理工大学，江苏南京211101)

提出了一种使用雷达回波三维信息(反射率因子的水平梯度、垂直递减率、垂直廓线变化特征以及回波顶高等)自动识别降水类型的方法，该方法可将雷达回波划分为热带降水类型、大陆强对流云降水类型和层状云降水类型。基于广州雷达于2008年5—8月观测到的7次强降水过程，在使用本方法识别降水类型的基础上，对不同降水类型使用不同的Z-R关系来测量降水量，即对热带降水类型使用Z=230R1.25，对大陆强对流云降水使用Z=300R1.4以及对层状云降水使用Z=200R1.6，并以雨量计观测的降水量为真值，与仅区分对流云降水和层状云降水类型并使用双Z-R关系测量降水量的方法进行了比较。结果表明，本方法可以有效地自动识别降水类型的分布区域，并且可以提高雷达定量测量降水的精度。

热带降水类型;大陆强对流云降水;层状云降水;Z-R关系

0 引言

雷达可以提供高时空分辨率的降水量资料，为洪水预警和暴洪发生位置提供较准确的信息，因此基于雷达的定量测量降水非常重要。但是基于雷达测量的降水量受到许多因素的影响，如大气和降水粒子对雷达电磁波的衰减、雷达定标的准确性、零度层亮带的存在以及Z-R关系的选择等。一般而言，对于不同类型的降水其对应的Z-R关系是不同的，因此使用单一的Z-R关系在某些天气过程中可能会带来较大的测量误差。例如Baeck and Smith(1998)和Vieux and Bedient(1998)的研究表明，在某些强降水的情况下使用Z=300R1.4会导致对降水量的低估。在同一次降水过程中，不同的降水类型常常混合在一起，因此使用单一的Z-R关系会导致一定的测量误差。一些研究表明，在降水类型识别的基础上对不同的降水类型使用不同的Z-R关系可以提高雷达测量降水的精度(Steiner et al.，1995;Xu et al.，2008)。

目前降水类型的识别从最初使用二维信息的方法已经逐渐发展到综合利用三维信息以及其他观测资料的方法，这些方法主要包括阈值法以及模糊逻辑方法等(张乐坚等，2010)。

本研究的目的是在原有降水类型识别的基础上通过对雷达反射率因子垂直廓线(vertical profile of radar reflectivity，VPR)的变化特征、水平梯度、垂直递减率以及回波顶高的综合分析实现对降水类型更深入的划分，进而提高雷达测量降水量的精度。

1 资料

使用广州雷达站S波段多普勒天气雷达2008年6月反射率因子资料，雷达站位置113°21'18″E、23°00'14″N，海拔高度146.5 m，雷达的波束宽度约为1°，径向分辨率为1 km，最大不模糊距离为460 km，其扫描方式为VCP21(即6 min完成9个仰角的扫描)，9个仰角分别为0.5°、1.45°、2.4°、3.35°、4.3°、6.0°、9.9°、14.6°和19.5°。雨量计资料为1 h累计降水量。在这里仅使用反射率因子基数据，在数据使用之前经过了一定的质量控制来确保数据的质量。0℃层高度资料来自距离雷达站较近的探空站观测资料，根据有限元方法(朱乾根等，2003)计算获得。

2 识别方法描述

由于Zhang et al.(2008)和Xu et al.(2008)使用的方法在某些降水类型识别的情况下会产生误识别(Smyth and Illingworth，1998;Zhang et al.，2008;张乐坚等，2010;Zhang and Qi，2010)，因此本文在已有的研究基础上提出了综合使用回波三维信息自动识别降水类型的方法。

2.1 对流云和层状云降水的识别方法

某点对应的任一高度上的反射率因子值大于等于50 dBZ或－10℃高度对应的反射率因子值大于等于30 dBZ时该点被确定为对流云降水(Zhang and Qi，2010)。零度层亮带的识别方法使用Zhang et al.(2008)提出的方法。没有被识别为对流云降水和零度层亮带的并且反射率因子大于或等于10 dBZ的点都被确定为一般性层状云降水。零度层亮带和一般性层状云降水都归类为层状云降水。在本文中将雷达回波识别对流云降水和层状云降水的方法简称为VPR-CS。

2.2 热带降水类型的自动识别方法

根据俞小鼎等(2011)的描述，对流云降水可粗略分为大陆强对流云降水型和热带降水类型，如图1所示。对于大陆强对流云降水一般发生在垂直风切变较大或中层有明显干空气的环境中，对流很深厚，强回波可以发展到较高高度，雷暴中大粒子较多(大雨滴、霰和冰雹)，粒子密度相对较稀疏，质心位置较高。而热带降水类型最典型的就是热带气旋，其对流结构表现为强回波主要集中在底层，雷暴中以雨滴为主，密度很大，质心位置较低。热带降水类型不只局限于热带气旋等起源于热带海洋上的对流系统，也有不少大陆起源的对流降水系统，例如多数的梅雨锋降水系统和不少发生在盛夏的中高纬度对流降水系统，也具有低质心的热带对流系统的结构，也都称为热带降水类型(俞小鼎等，2011)。

图1 大陆强对流云降水(a)和热带降水类型(b)的概念模型(箭头表示风向;引自俞小鼎等(2011))Fig.1 Conceptual model of(a)convective and(b)tropical precipitation arrow indicates the direction

在本研究中提出了根据雷达回波三维信息(反射率因子的水平梯度、垂直递减率、垂直廓线变化特征以及回波顶高等)自动识别降水类型的方法，简称3DVPR-CST，识别流程如图2所示。

图2 降水类型识别方法流程图Fig.2 The flow chart of precipitation type identification method

首先判断研究点的反射率因子是否高于设定阈值(本文取10 dBZ)，高于该阈值的点则继续进行划分。根据张乐坚等(2010)方法使用反射率因子的水平梯度、垂直递减率、垂直廓线的变化特征判断对流云降水和层状云降水。相关方法在参考文献张乐坚等(2010)中有详细描述，在此不再赘述。其次判断研究点的回波顶高，如果回波顶高小于设定的高度那么该点被划分为暖云降水，如果回波顶高高于设定的高度那么该点被划分为冷云降水。因为根据图1所示的概念模型，通过回波顶高判断降水云团质心的高低，如果是冷云降水中的对流云降水那么划分为大陆强对流云降水;如果是暖云降水中的对流云降水那么划分为热带降水类型。当该点被划分为热带降水类型时，如果其反射率因子垂直廓线中最大值小于30 dBZ，那么该点被划分为层状云降水类型。如果该点被划分为热带降水类型，其临近的区域也被划分为热带降水类型。

2.3 识别效果

以3次个例来检验识别效果。图3—5分别给出了广州6月2日19时54分(个例1;北京时间，下同)、16日19时54分(个例2)和29日19时58分(个例3)3次较强降水过程的雷达回波和3DVPRCST识别。在降水类型识别中小于10 dBZ的回波被判断为非降水回波被剔除。

图3 广州雷达2008年6月2日19时54分3 km高度雷达反射率因子回波(a)和3DVPR-CST识别(b)(其中TRO表示热带降水;CON表示大陆强对流云降水;STR表示层状云降水;ND表示无数据，下同)Fig.3 The image of(a)radar reflectivity and(b)3DVPR-CST identification by the radar in Guangzhou at 3 km height at 19:54 BST on 2 June 2008

图4 广州雷达2008年6月16日19时54分3 km高度雷达反射率因子回波(a)和3DVPR-CST识别(b)Fig.4 The image of(a)radar reflectivity and(b)3DVPR-CST identification by the radar in Guangzhou at 3 km height at 19:54 BST on 16 June 2008

由图3a可见，在这次回波中雨带呈明显的东西分布，某些区域的反射率因子值可达50 dBZ以上;识别后的效果如图3b所示，可以看出大部分强回波被识别为热带降水类型而小部分被识别为大陆强对流云降水类型，这表明大部分强降水区域属于质心较低的降水云团。图4a的反射率因子强回波区域则呈现出独立分散的特点，其强度可达40 dBZ以上，这些区域主要分布在雷达站的东北方;从图4b可以看出，除了个别小区域被识别为大陆强对流云降水区域外，大部分强回波区域被识别为热带降水类型区域，这与图4a的结果吻合。图5的结果类似。这3个个例的结果表明本方法对降水类型的划分基本符合当地的天气特点。

图5 广州雷达2008年6月29日19时58分3 km高度雷达反射率因子回波(a)和3DVPR-CST识别(b)Fig.5 The image of(a)radar reflectivity and(b)3DVPR-CST identification by the radar in Guangzhou at 3 km height at 19:58 BST on 29 June 2008

3 降水类型识别效果的检验

3.1 选择的Z-R关系

本文中降水类型分为3种:层状云降水、大陆强对流云降水和热带降水。使用的Z-R关系为

其中:Z表示反射率因子;R表示降水量;a和b分别为系数。

其中热带降水类型使用Z=230R1.25，大陆强对流云降水类型使用Z=300R1.4，层状云降水类型使用Z=200R1.6(Marshall and Palmer，1948;Hudlow，1979;Fulton et al.，1998;Ulbrich and Lee，1999;张培昌等，2001)，在VPR-CS方法中的对流云降水也使用Z=300R1.4。在本文中雷达或雨量计测量的降水量的累积时间为1 h，雷达或雨量计观测的降水量都超过1 mm/h的资料才被采用。

3.2 识别效果的检验

识别效果的检验是通过雷达和雨量计观测获得的降水量之间的对比实现的。选择2008年5—8月广州雷达观测的7次较强降水过程，如表1所示。

使用相关系数(correlation coefficient，CC)和均方根误差(root mean square error，RMSE)来评价效果，两者的计算公式如下所示:

表1 降水时段Table 1 The time of precipitation

其中:p和y分别代表雨量计和雷达观测的降水量;N为雷达雨量计对的个数。

从图6—12及表2、3表明，3DVPR-CST的相关系数与VPR-CS的非常接近，7次降水过程中相关系数的平均值分别为0.82和0.81，这说明无论使用哪种方法，计算结果数据的相关性非常一致。从图中可以看出3DVPR-CST观测到的降雨量与雨量计观测值的拟合曲线比VPR-CS更接近45°线，这直观地表明前者的观测误差要小于后者，该方法计算结果更接近雨量计的观测值。从表2来看，无论从单次还是平均结果，3DVPR-CST的均方根误差都小于VPR-CS，这证实了上述直观结论的正确性。从7次个例来看，广州地区雷达回波以热带降水类型为主，这也比较符合当地的情况。因此在对流云降水和层状云降水的基础上再深入划分热带降水类型的方法可以提高雷达定量测量降水的精度。

图6 2008年5月29—31日广州雷达观测的降水量与雨量计观测的降水量的散点图(R-G Pairs表示雷达雨量计对的个数;CC和RMSE分别表示雷达与雨量计对的相关系数和均方根误差，下同)a.在VPR-CS识别基础上对不同降水类型使用双Z-R关系测量降水的方法;b.在3DVPR-CST识别基础上对不同降水类型使用3种Z-R关系测量降水的方法Fig.6 The scattered plot of radar and gauge from 29 to 31 May 2008 with the estimation of precipitation based on(a)two kinds of Z-R relationships with VPR-CS and(b)three kinds of Z-R relationships with 3DVPR-CST

图7 2008年6月1—3日广州雷达观测的降水量与雨量计观测的降水量的散点图a.在VPR-CS识别基础上对不同降水类型使用双Z-R关系测量降水的方法;b.在3DVPR-CST识别基础上对不同降水类型使用3种Z-R关系测量降水的方法Fig.7 The scattered plot of radar and gauge from 1 to 3 June 2008 with the estimation of precipitation based on(a)two kinds of Z-R relationships with VPRCS and(b)three kinds of Z-R relationships with 3DVPR-CST

表2 以CC评价降水效果的结果Table 2 The evaluation results based on CC

表3 以RMSE评价降水效果的结果Table 3 The evaluation results based on RMSE

图8 2008年6月12—16日广州雷达观测的降水量与雨量计观测的降水量的散点图a.在VPR-CS识别基础上对不同降水类型使用双Z-R关系测量降水的方法;b.在3DVPR-CST识别基础上对不同降水类型使用3种Z-R关系测量降水的方法Fig.8 The scattered plot of radar and gauge from 12 to 16 June 2008 with the estimation of precipitation based on(a)two kinds of Z-R relationships with VPR-CS and(b)three kinds of Z-R relationships with 3DVPR-CST

图9 2008年6月25—29日广州雷达观测的降水量与雨量计观测的降水量的散点图a.在VPR-CS识别基础上对不同降水类型使用双Z-R关系测量降水的方法;b.在3DVPR-CST识别基础上对不同降水类型使用3种Z-R关系测量降水的方法Fig.9 The scattered plot of radar and gauge from 25 to 29 June 2008 with the estimation of precipitation based on(a)two kinds of Z-R relationships with VPR-CS and(b)three kinds of Z-R relationships with 3DVPR-CST

4 结论

提出了一种使用雷达回波三维信息(反射率因子的水平梯度、垂直递减率、垂直廓线变化特征以及回波顶高等)自动识别降水类型的方法，该方法可将雷达回波划分为热带降水类型、大陆强对流云降水类型和层状云降水类型。在使用本方法识别降水类型的基础上对不同降水类型使用不同的Z-R关系来测量降水量，即对热带降水类型使用Z=230R1.25，对大陆强对流云降水使用Z=300R1.4，对层状云降水使用Z=200R1.6，得到以下结论:

1)3DVPR-CST可以有效地识别热带降水类型、大陆强对流云降水以及层状云降水的分布区域。

2)比较两者测量方法:在3DVPR-CST对降水类型识别的基础上使用多种Z-R关系测量降水量、在VPR-CS对降水类型识别基础上使用两种Z-R关系测量降水量。比较可知，两种方法测量的降水量分别与雨量计测量的降水相比较，其相关系数差别不大但是前者的均方根误差明显低于后者。这表明使用3DVPR-CST可以提高雷达定量测量降水的精度。

3)在5—8月我国广东地区的强降水过程中，热带降水类型的频次和区域要多于大陆强对流云降水，这与当地的情况也相符合。

4)实际应用中3DVPR-CST也存在一定的局限性，具体表现为:由于在使用VPR时为了确保测量数据的可靠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。

图10 2008年7月6—11日广州雷达观测的降水量与雨量计观测的降水量的散点图a.在VPR-CS识别基础上对不同降水类型使用双Z-R关系测量降水的方法;b.在3DVPR-CST识别基础上对不同降水类型使用3种Z-R关系测量降水的方法Fig.10 The scattered plot of radar and gauge from 6 to 11 July 2008 with the estimation of precipitation based on(a)two kinds of Z-R relationships with VPR-CS and(b)three kinds of Z-R relationships with 3DVPR-CST

图11 2008年8月5—8日广州雷达观测的降水量与雨量计观测的降水量的散点图a.在VPR-CS识别基础上对不同降水类型使用双Z-R关系测量降水的方法;b.在3DVPR-CST识别基础上对不同降水类型使用3种Z-R关系测量降水的方法Fig.11 The scattered plot of radar and gauge from 5 to 8 August 2008 with the estimation of precipitation based on(a)two kinds of Z-R relationships with VPR-CS and(b)three kinds of Z-R relationships with 3DVPR-CST

俞小鼎，周小刚，Lemon L.2011.强对流天气临近预报［M］∥全国气象部门预报员轮训系列讲义.北京:中国气象局培训中心.

张乐坚，程明虎，陶岚.2010.CINRAD-SA/SB零度层亮带识别方法［J］.应用气象学报，21(2):171-179.

张培昌，杜秉玉，戴铁丕.2001.雷达气象学［M］.北京:气象出版社.

朱乾根，林锦瑞，寿绍文，等.2003.天气学原理和方法［M］.北京:气象出版社.

Baeck M，Smith J.1998.Rainfall estimation by the WSR-88D for heavy rainfall events［J］.Wea Forecasting，13:416-436.

Fulton R，Breidenbach J，Seo D J，et al.1998.The WSR-88D rainfall algorithm［J］.Wea Forecasting，13:377-395.

Hudlow M.1979.Mean rainfall patterns for the three phases of GATE［J］.J Appl Meteor，18:1656-1669.

Marshall J S，Palmer McK W.1948.The distribution of raindrops with size［J］.J Meteor，5:165-166.

Smyth T J，Illingworth A J.1998.Radar estimates of rain-fall rates at the ground in bright band and non-bright band events［J］.Quart J Roy Meteor Soc，124:2417-2434.

图12 2008年8月22—24日广州雷达观测的降水量与雨量计观测的降水量的散点图a.在VPR-CS识别基础上对不同降水类型使用双Z-R关系测量降水的方法;b.在3DVPR-CST识别基础上对不同降水类型使用3种Z-R关系测量降水的方法Fig.12 The scattered plot of radar and gauge from 22 to 24 August 2008 with the estimation of precipitation based on(a)two kinds of Z-R relationships with VPR-CS and(b)three kinds of Z-R relationships with 3DVPR-CST

Steiner M，Houze R A Jr，Yuter S E.1995.Climatological characterization of three-dimensional storm structure from operational radar and rain gauge data［J］.J Appl Meteor，34:1978-2007.

Ulbrich C W，Lee L G.1999.Rainfall measurement error by WSR-88D radars due to variation in Z-R law parameters and the radar constant［J］.J Atmos Oceanic Technol，16:1017-1024.

Vieux B，Bedient P.1998.Estimation of rainfall for flood prediction from WSR-88D reflectivity:A case study，17—18 October 1994［J］.Wea Forecasting，13:407-415.

Xu X X，Howard K，Zhang J.2008.An automated radar technique for the identification of tropical precipitation［J］.J Hydrometeor，9:885-902.

Zhang J，Langston C，Howard K.2008.Bright band identification based on vertical profiles of reflectivity from the WSR-88D［J］.J Atmos Oceanic Technol，25:1859-1872.

Zhang J，Qi Youcun.2010.A real-time algorithm for the correction of brightband effects in radar-derived QPE［J］.J Hydrometeor，11:1157-1171.

The automatic identification of rainfall type by using radar data

ZHANG Le-jian1，CHU Ling2，YE Fang3，LI Yan1

(1.CMA Meteorological Observation Center，Beijing 100081，China;2.CMA Training Centre，Beijing 100081，China;3.PLA University of Science and Technology，Nanjing 211101，China)

An automatic identification method to identify tropical，convective and strati form rainfall types by using the radar data like horizontal gradient，vertical gradient，echo top，VPR(vertical profile of radar reflectivity)is proposed in this paper.Based on the data of seven rainfall events observed by the radar in Guangzhou from May to August in 2008，the performance of this algorithm is compared with another method which only divides precipitation into two types of convective and strati form.The results show that the method can automatically identify the distribution area of precipitation effectively.It can also improve the accuracy of radar-based quantitative precipitation estimation.

tropical precipitation;convective precipitation;strati form precipitation;Z-R relationship

P412.25

A

1674-7097(2012)01-0095-08

2011-08-02;改回日期:2011-11-23

中国气象局气象关键技术集成与应用项目气象观测运行与综合评估技术研究资助项目(CMAGJ2011Z18)

张乐坚(1979—)，男，山西太原人，博士，工程师，研究方向为雷达和卫星遥感，ddwzlj@126.com.

张乐坚，储凌，叶芳，等.2012.使用雷达回波三维信息自动识别降水类型的方法［J］.大气科学学报，35(1):95-102.

Zhang Le-jian，Chu Ling，Ye Fang，et al.2012.The automatic identification of rainfall type by using radar data［J］.Trans Atmos Sci，35(1):95-102.

(责任编辑:刘菲)