雷达定量估测降水的亮带自动消除改进方法

孙赫敏,张沛源,蒋志,李海燕

(1.中国气象科学研究院,北京 100081;2.北京市气象局,北京 100081;3.乌兰察布市气象局,内蒙古 乌兰察布 012000)

孙赫敏,张沛源,蒋志，等.2015.雷达定量估测降水的亮带自动消除改进方法[J].大气科学学报,38(4):492-501.doi：10.13878/j.cnki.dqkxxb.20121207001.

Sun He-min,Zhang Pei-yuan,Jiang Zhi,et al.2015.Automated correction of the bright band of weather radar reflectivity data in radar quantitative precipitation estimation[J].Trans Atmos Sci,38(4):492-501.(in Chinese).

雷达定量估测降水的亮带自动消除改进方法

孙赫敏1,张沛源1,蒋志2,李海燕3

(1.中国气象科学研究院,北京 100081;2.北京市气象局,北京 100081;3.乌兰察布市气象局,内蒙古 乌兰察布 012000)

摘要：层状云降水中,0 ℃层融化效应会引起雷达反射率因子局部增大,若不进行订正,则会高估雷达估测的降水。本文提出一种基于新一代天气雷达反射率因子垂直廓线的0 ℃层亮带自动识别与订正算法,以减小因亮带造成的降水高估。本研究首先对降水类型进行分类,在SHY95的基础上增加了垂直方向的反射率因子三维特征,避免亮带的反射率因子高值区被误识别为对流云区;其次,在层状云区识别出一个可能的亮带影响区,在其中查找亮带,采用旋转坐标系法精确的识别亮带的顶、底高度;最后,利用最小二乘法拟合亮带上、下层的斜率,平滑垂直廓线(VPR,Vertical Profile of Reflectivity)的显著突出部分。将该方法应用于北京地区2010—2011年10次包含亮带的降水过程,得到的亮带订正后的均方根误差ERMS、平均绝对误差ERMA、平均相对误差BRM值较初值均有显著减小(分别减小1.538 mm,0.417和0.468)。结果表明,该方法能够有效地识别与订正亮带,使得定量测量降水精度有所提高。

关键词：0 ℃层亮带;识别;订正;定量估测降水

0引言

0 ℃层亮带是指雪花或冰晶在下落过程中,当环境温度高于0 ℃时发生融化,表面形成一层水膜,由于液相粒子和冰相粒子负折射指数的差异,使得雷达测得的反射率因子增强,在RHI(Range Height Indicator,距离高度显示)上出现一条平展且较强的回波带,在PPI(Plan Position Indicator,平面位置显示)上出现一个环状或半环状的亮圈。0 ℃层亮带的高度通常在0 ℃等温线以下几百米的地方,它是层状云连续性降水的一个重要特征,反映了在层状云降水中存在着明显的冰水转换区,也表明层状云降水中气流稳定,无明显对流活动,为亮带的维持创造了条件(张培昌等,2001)。对0 ℃层亮带的研究始于雷达气象学初期(Austin and Bemis,1950)。亮带的存在使得雷达资料在气象和水文中的应用变的复杂,特别是在大范围的降水估计中,当雷达波束在融化层对水凝物抽样时,由于反射率因子在融化层的显著增强,即亮带会引起过高的降水估计;而当雷达探测较远距离的降水时,最低仰角的雷达波束所能探测到的区域大多位于亮带之上,不能探测到亮带之下的降水区,这样就会造成降水的低估。因此,识别与订正雷达回波中的0 ℃层亮带能够提高雷达定量测量降水(QPE,Quantity Precipitation Estimation)的精度。

随着雷达硬件技术的改进,基于天气雷达、风廓线雷达、双偏振雷达、毫米波雷达等各种雷达的亮带识别技术也在不断发展。自WSR-88D雷达布网以来,国内外很多学者对如何识别与订正WSR-88D雷达反射率因子回波中的亮带影响做了很多研究。Kitchen et al.(1994)提出了一种基于参数化反射率因子垂直廓线(VPR,Vertical Profile of Reflectivity) 的亮带识别与订正算法。Sa’nchez-Diezma et al.(2000)依据模拟数据检验了雷达体扫采样方式对观测到的亮带峰值密度和厚度的影响,并开发出了一个自动识别亮带的算法。White and Daniel (2002)提出联合使用融化层VPR曲线的显著弯曲特征和风廓线雷达获得的多普勒垂直速度在融化层下迅速增大的特征得到0 ℃层亮带的高度。Gourley and Calvert (2003)开发出了一个基于WSR-88D反射率因子基数据的亮带自动识别算法并将其确定的亮带的顶部和底部的高度同模式计算的高度进行了比较。Zhang et al.(2008)提出了一个利用平均VPR的亮带厚度阈值来自动识别亮带的方法。其后,Zhang and Qi (2010)提出了一种改进算法,将理想模型VPR与实时VPR结合,生成一种基于每个仰角的AVPR (Apparent VPR)进行亮带订正,并将算法应用于QPE过程中。

国内对于亮带的研究起步较早,20世纪80年代初,洪延超等(1984)、李子华等(1986)对梅雨锋云系亮带形成理论进行了初步研究,指出积层混合云中的亮带存在不均匀现象。王慧娟等(2010)利用一次飞机实验,证明了积层混合云中的含水量跃变过程。戴铁丕等(1991)计算了在大气折射条件下,0 ℃层亮带对测得区域降水精度的影响。张培昌等(1993)利用气候统计法对亮带进行了识别与消除。近年来,陈明轩和高峰(2006)设定了一组VPR的理想模板,利用三维反射率因子资料,进行理想模板和实际VPR在垂直和水平两个方向上的拟合和差异计算,自动识别雷达反射率因子中存在的连续亮带区域。张乐坚等(2010)在Zhang et al.(2008)的基础上,改进了对层状云和对流云的误识别,提高了VPR识别亮带的准确度。肖艳娇等(2010)开发了一种基于视VPR的亮带自动识别与消除算法。

本文在前人的研究基础上,基于新一代天气雷达反射率因子资料,提出一种自动识别与订正雷达定量估测降水中0 ℃层亮带影响的方法。通过优化降水类型分类,提高亮带顶、底高度识别的准确度以更准确的识别亮带并进行订正,进而提高定量测量降水的精度。

1资料

资料包括雷达、地面站及探空资料,时间为2010年5月至2011年9月。雷达为北京南郊S波段多普勒天气雷达,位于116°28′19.3E,39°48′40.2″N,天线高度92.1 m,波长10 cm,波束宽度1°,反射率因子的径向分辨率1 km,最大探测距离460 km。降水情况下扫描方式为VCP21(约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°。本文仅使用反射率因子数据,在使用前进行了孤立点、极大值及地物杂波的剔除等质量控制。利用距离雷达较近的探空站观测资料,根据距离反比平方法计算获取0 ℃层高度。雨量站资料为加密地面站1 h降雨量资料,用于对比分析雷达估测降水准确性。

2亮带的识别与订正

2.1　层状云与对流云的识别

由于层状云和对流云的VPR特征差距较大,在使用VPR订正亮带影响之前,区分降水类型能增加VPR计算准确度,同时也减少计算量(Smyth and Illingworth,1998;Zhang et al.,2008;Zhang and Qi,2010),且区分降水类型后可通过双Z-R关系估算降水,增加了QPE的准确度。

在过去的降水类型识别研究中,Steiner et al.(1995)提出的一种行之有效的降水类型分类方法(SHY95),被广泛应用(Biggerstaff and Listemaa,2000;仲凌志等,2007)。但据Biggerstaff and Listemaa(2000)研究表明,在亮带影响较大的情况下,SHY95存在较大误识别,这是由于SHY95只选用了反射率因子的水平特征来区分降水类型,故会将由融化效应造成的较大反射率因子区误识别为对流云区,导致过高的降水估计。反射率因子三维特征有很多,根据已有的研究(Biggerstaff and Listemaa,2000;Emmanouil,2004;肖艳姣和刘黎平,2007;Zhang et al.,2008;Zhang and Qi,2010;张乐坚等,2012),本文选取垂直方向最大反射率因子(ZMAX)、-10 ℃高度的反射率因子(ZM10)、回波顶高(HET)、最大反射率因子的水平梯度(GH)和垂直积分液态水含量(MVIL)及其水平梯度(MVILH)作为识别因子,识别步骤为:

首先,把ZMAX>TZM的和ZM10>T10的点判断为对流云点(TZM,T10表示ZMAX和ZM10的阈值,缺省值为40和30),剩下存在有效反射率因子的点归为层状云点。本文0 ℃层高度和-10 ℃层的高度由雷达附近探空站经距离反比平方法计算得到。

其次,当某点被步骤一识别为层状云点时,如果MVIL>TM,MVILH>TMH(TM,TMH表示MVIL和MVILH的阈值,缺省值为2.0和0.3),那么该点被重新确立为对流云点,当某点被步骤一识别为对流云点时,如果MVIL≤TM,MVILH≤TMH,那么该点被重新确立为层状云点。

最后,由于MVILH在对流云边缘较大而在对流云中部较小,当某点被步骤二识别为层状云点时,如果GH>TG,HET>TH(TG,TH表示GH和HET的阈值,缺省值为10.5和7.2),那么该点被重新确立为对流云点,当某点被步骤二识别为对流云点时,如果GH≤TG,HET≤TH,则该点被重新确立为层状云点。

图1是2011年6月7日一次对流云带引导拖尾层状云的包含亮带的降水过程,由西北向东北方向移动,对流云带很快移走,层状云持续了一段时间。图1a为3 km高度的反射率因子,图1c为利用SHY95识别后的降水类型分布,蓝色为层状云区,红色为对流云区,可见SHY95将雷达西北部的大部分区域识别为了对流云区,但由图1b给出的图1a中直线AB的垂直剖面可以看出,这些地区并不应属于对流云区,而应该是由于0 ℃层融化效应引起的反射率因子增强区,即亮带区。利用本文给出的算法重新识别后的降水类型分布如图1d所示,黄色为亮带区(识别方法见2.2节)。从图1d可以看出,经过重新识别后的降水类型大部分亮带区已经被重新识别为了层状云区,但在雷达的西北部仍有小块的误识别区域。这可能是由北京西北部山区的复杂地形影响造成。由典型的对流云和层状云VPR特征可知,对流云的ZMAX在底部,而亮带的ZMAX则偏上,增加对ZMAX所在高度的判断可减少这一类型的误识别。降水类型的识别在今后的工作中,仍需要进行参数和阈值调整,以更精确地识别。

图1　2011年6月7日18:18 (世界时,下同)雷达反射率因子(dBz)及降水类型识别　　a.3 km高度反射率因子;b.沿图1a中直线AB对应的反射率因子垂直剖面(黑色直线为0 ℃等温线高度);c.SHY95区分降水类型;d.加入垂直三维特征重新识别后的降水类型Fig.1　a.Radar reflectivity factor(dBz) at 3.0 km level at 1818 UTC 07 June 2011;b.vertical cross sections along the black line AB in (a);c.SHY95 classification of the reflectivity field in (a)(the black linerepresents the 0℃ height level at the radar site);d.reclassification of the reflectivity field in (a)

图2　旋转坐标系法识别亮带顶底厚度模型(图b、c分别为图a中亮带上部、下部的旋转坐标示意图;Rico and Cluckie,2007)Fig.2　a.Model of detection of the bright-band boundaries by a rotating coordinate system;b.upper boundary;c.lower boundary(Rico and Cluckie,2007)

2.2　VPR识别亮带

VPR的计算参考了Andrieu and Creutin(1995)、吴翠红等(2006)和Zhang et al.(2008)的算法,考虑到雷达探测近距存在静椎区及远距离波束展宽的影响,本文只在10～80 km范围计算VPR。图2给出包含亮带的VPR概念模型,可以看出包含亮带区域的VPR在0 ℃层高度有明显凸起,故VPR的这一特征可识别0 ℃层亮带。

亮带的顶部高度和底部高度即为VPR二次旋转后的Z″最大值。第二次旋转的角度如下公式计算得出:

(1)

其中:Z(hpeak)为亮带峰值的反射率因子值,单位为dBz;Δh为计算旋转角的增减高度,取Δh=1 km。

旋转后的坐标系为:

(2)

这种旋转坐标的方法,亮带的顶底高度判断很大程度上依赖旋转角度的设定,根据已有的研究,亮带厚度多为1～1.5 km(Kitchen et al.,1994;Fabry and Zawadzki,1995;肖艳姣等,2010),取Δh=1 km基本可以保障亮带的边界位于其中。若旋转后的坐标系H″截取的VPR上反射率因子值小于等于零,则Δh逐渐减小200 m,直到截取的反射率因子值大于零为止。

如果在整个雷达覆盖区域计算VPR,则平均的结果造成无亮带区域被误订正,而包含亮带的区域则订正不足。对可能存在亮带影响的区域单独计算,既能减少运算量,并且能更准确地订正亮带的影响。具体方法为:根据云类识别的结果,在层状云区域查找亮带影响区(BBA,Bright Band Affected area),若ZMAX>TZM1,并且ZMAX的垂直递减率Vd>TV,则判断为BBA(TZM1,Tv表示ZMAX和ZM10的阈值,缺省值为30 dBz和0.08 dBz/km)。在BBA内进行亮带识别,首先在0 ℃层上方1 km开始,向下寻找至廓线底部,得到VPR的局部最大值的高度Hp(取高于0 ℃层上方1 km的原因是由于0 ℃层的高度由ZMAX的高度平均获得,因此会造成一定的误差);然后利用旋转坐标系法求得亮带顶、底高度Ht、Hb,若亮带的总厚度不超过阈值D0,且亮带上部及下部的厚度不超过阈值D1,则认为亮带存在(阈值D0、D1是决定亮带深度和对称性的参数,缺省阈值D0=2.0 km,D1=1.5 m);若被识别为亮带,亮带的顶底厚度加以条件控制,即如果亮带上部厚度超过了阈值Dt则赋值为Dt,若亮带下部厚度超过了阈值Db,则赋值为Db(Dt和Db是亮带的一个保护范围,缺省值为Dt=1.5 km,Db=1.0 km)。

图3给出了北京地区3次典型的包含亮带的降水过程。过程1(图3a1、3b1、3c1)为2011年5月8日的一次层状云为主的混合云降水过程,该过程持续时间较长,由雷达的西南向东北移动,亮带主要集中在05—07时(世界时),图3a1给出了05:48的3 km高度的反射率因子,图3b1给出了亮带识别的结果,可以看出亮带的面积较大,但分布和强度不均匀。图3c1给出了图3a1中直线AB的垂直剖面,可以看出亮带结构清晰,厚度较小。过程2(图3a2、3b2、3c2)是2010年6月16日一次多单体对流云带引导的层状云降水过程,由西南移向东北方向,由图3c2可以看出该过程的亮带强度和厚度都比过程1大,亮带结构清晰。过程3(图3a3、3b3、3c3)是2011年9月9日一次大范围层状云降水过程,由西南向东北方向移动,持续时间较长,0 ℃层位于在3 km左右。

由以上3例可以看出,该亮带识别算法能较好地识别出亮带所在位置;层状云降水或者层状云主导的混合云降水过程中,亮带的强度和厚度都略弱于对流云后部的拖尾层状云;混合云降水的亮带分布和强度分布不是很均匀。

2.3　对亮带进行订正

本研究在识别为亮带的区域对亮带进行订正,目的是平滑掉VPR的不正常突出部分。参考Zhang and Qi (2010)的做法,即利用最小二乘法求出亮带顶部到峰值及峰值到底部的斜率α、β。可以看出,在含有亮带结构的VPR中,α应为负值,而β应为正值。否则,则认为亮带不存在或者不需要进行订正。若亮带峰值的高度太接近地面而无法准确判断亮带的底部高度时,仍需要对亮带进行订正,因为这种情况通常会造成更大的高估。已有的研究发现,亮带经常出现上下对称的结构(Kitchen,1994;Fabry and Zawadzki,1995;Sa’nchez-Diezma et al.,2000),故在订正过程中,取α=β,Ht-Hp=Hp-Hb。利用所得斜率,计算订正项

(3)

h(r)为第r层的高度,单位为km。

将原始反射率因子减去订正项即为订正后的反射率因子:Fc(h)=F0(h)-Fa(h)。在包含亮带情况下,Fc(h)通常为负值,这样订正就会只削减由于亮带引起的过高估计,但是若亮带顶部较高α[h(r)-Hp]>β[Hp-Hb],那么Fc(h)也可能为正值,这可能潜在的订正了雷达波束截获部分位于亮带之上时造成的降水低估。

图4给出了对应图1及图3中4个例子的亮带订正之前及之后的VPR图。由于北京地区地物杂波的影响十分严重,且在雷达远距由于波束传播造成的探测高度增加,故不考虑1 km以下的VPR值。由图4可以看出,识别出的VPR与概念模型图2十分相似,订正后的VPR基本消除了不正常突出的部分。但订正后的VPR并不是在其显著弯曲的地方开始重合,而是略为偏离。可能原因如下:1)反射率因子垂直递减率满足给定阈值的连续仰角比较多,同一方位斜距库的最大最小仰角之间的垂直间距大于亮带厚度,导致过多仰角的反射率因子值被抑;2)在高仰角(第5个仰角以上),同一方位斜距库相邻之间的间距往往大于1 km。如果在某个仰角探测到亮带,用其相邻仰角的反射率因子值对亮带反射率因子值进行抑制可能会导致过度抑制(肖艳姣等,2010)。

图3　2011年05月08日05:48(1)、2010年06月16日14:00(2)和2011年09月09日19:18(3)北京地区亮带个例a.3 km高度反射率因子;b.亮带识别图;c.图a中直线AB对应的垂直剖面(黑色直线为0 ℃等温线高度)Fig.3　Example from Beijing radar(the black line in (c) represents the 0 ℃ height level at the radar site;the times of the events were (1)0548 UTC 08 May 2011,(2)1400 UTC 16 Jun 2010,(3)1918 UTC 09 Sep 2011)　　a.reflectivity factor (dBz) at 3.0 km level;b.the identified bright band region;c.vertical cross sections along the black line AB in (a)

图5给出了图1及图3中4个例子亮带订正之后的反射率因子,可以看出,图1及图3中识别为亮带的区域都被很好地抑制,订正后的反射率因子比较均匀。但结合图4可以看出,图5c中,由于亮带厚度较大,1 km以下的数据被认为是不可靠的,因此对亮带底部识别不准确,造成订正不足;而图5a、b则订正过度,其原因可能是在亮带识别过程中,一些普通层状云区被误识别为亮带影响区,其与单一的亮带深度及对称性参数D0、D1有关。未来的工作中可尝试动态的改变参数的阈值,Dt和Db的设置也可以参考SHY95中影响半径的设置方法,随反射率因子大小改变。

图4　亮带订正之前及之后的VPR图(纵向实线为订正前VPR,虚线为订正后VPR;横向虚线为探空插值得到的0 ℃等温线高度,横向实线为估计的0 ℃层高度)　　a.2011年05月08日05:48;b.2010年6月16日14:00;c.2011年06月07日18:06;d.2011年09月09日19:18Fig.4　The average VPR of bright band region before(solid line) and after(dashed line) the correction(the horizontal lines represent the 0 ℃ height level compute from radar reflectivity data (solid line) and from radiosonde data (dashed line))　　a.0548 UTC 08 May 2011;b.1400 UTC 16 June 2010;c.1806 UTC 07 June 2011;d.1918 UTC 09 September 2011

3QPE中的应用分析

识别降水类型后,可用双Z-R关系估算雷达测得雨量,即对流云区域采用Z=300R1.4,层状云区域采用Z=200R1.6两种Z-R关系。首先将雨量计按所处经纬度计算得到对应雷达覆盖范围格点位置,获得雷达—雨量计对。然后将每6 min获取雷达反演降水率进行1 h累加得到小时累加雨量,将雨量计测得的1 h雨量作为真值与其进行对比。图6给出了对应图4四个例子的亮带订正前后的雷达—雨量计散点图。

可以看出,经过亮带订正后的反射率因子用于估算雨量的雷达—雨量计对较订正前更接近标准值。从图6c可以看出部分点订正效果很小甚至没有订正,可能是因为降水类型的误识别,或是没有考虑近地面1 km的数据造成的亮带底部的不准确。

识别效果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,本研究使用均方根误差ERMS(RMSE,Root Mean Square Error)、平均绝对误差ERMA(RMAE,Relative Mean Absolute Error)、平均相对误差BRM(RMB,Relative Mean Bias)来评价效果,计算公式如下:

(4)

图6　亮带订正之前及之后小时累加降水量散点图(蓝色加号代表订正之前的降水,红色方块代表订正之后的降水)　　a.2011年05月08日05:48;b.2010年6月16日14:00;c.2011年06月07日18:06;d.2011年09月09日19:18Fig.6　Comparison of scatterplots of 1-h radar precipitation estimates before(blue plus) and after(red rectangle) the VPR correction and gauge observations　　a.0548 UTC 08 May 2011;b.1400 UTC 16 June 2010;c.1806 UTC 07 June 2011;d.1918 UTC 09 September 2011

将这一方法应用于北京南郊雷达2010—2011年10次降水过程中的1949个雷达—雨量计对,RMSE、RMAE、RMB在亮带订正后均较之前有所降低,结果如表1所示。可见,平均RMSE由3.658 mm减小到2.12 mm,减小了1.538 mm,平均表1 北京地区10 个包含亮带的降水过程的RMSE、RMAE由0.894减小到0.477,减小了0.417,平均RMB由0.72减小到0.252,减小了0.468。

表1北京地区10个包含亮带的降水过程的RMSE、RMAE、RMB

Table 1Summary the RMSE,RMAE and RMB of ten events affected by bright band in Beijing

日期对数RMSE/mmRMAERMB订正前订正后订正前订正后订正前订正后2010-06-131366.171.891.120.321.060.072010-06-162812.981.500.790.390.610.102010-07-191502.111.461.240.831.110.632010-09-211242.220.751.480.571.340.422011-04-291041.050.700.890.580.870.572011-05-082241.240.970.450.380.13-0.162011-06-072037.234.381.060.590.880.302011-06-231213.852.110.630.330.44-0.112011-07-061317.976.640.450.370.14-0.152011-09-094751.760.800.830.410.620.01

4结论与不足

本文提出了一种基于新一代天气雷达的0 ℃层亮带识别与订正方法,并将其应用于定量测量降水中。首先对降水类型进行分类。这样做的目的有二,一是层状云与对流云的VPR差异很大,区分降水类型在增加VPR计算准确度的同时能减少计算量;二是区分降水类型后可通过双Z-R关系估算降水。本文在SHY95基础上增加了反射率因子的垂直特征以更准确地区分降水类型,基本消除了SHY95只选用了反射率因子的水平特征来区分降水类型时,亮带的反射率因子高值区被误识别为对流云区。其次,在层状云区识别出一个可能的亮带影响区,在这其中查找亮带,采用一种新的旋转坐标系法与厚度阈值相结合,其能更精确地识别亮带的顶底高度。最后,利用已得的亮带顶底高度,通过最小二乘法拟合亮带上、下层的斜率,平滑VPR的显著突出部分。

这一方法应用于北京南郊雷达2010—2011年4次典型的包含亮带的降水过程中,得到了较好的效果,几乎所有的亮带区域都能很好地被识别出来,亮带厚度判断比较准确,体现在VPR中的突起部分都被抑制掉了,雷达与雨量计相比高估的降水部分也得到了一定的抑制。统计北京南郊雷达2010—2011年10次降水过程,1949个雷达—雨量计对中,平均RMSE由3.658 mm减小到2.12 mm,减小了1.538 mm,平均RMAE由0.894减小到0.477,减小了0.417,平均RMB由0.72减小到0.252,减小了0.468。

在降水类型的识别中仍存在误识别,在今后的工作中,应进行参数和阈值的调整,以降低误识别;天气雷达近距探测的静锥区及远距的波束宽度增加造成的亮带不正确识别与抑制是不可忽视的,结合其他探测设备,减少这种由于雷达探测手段不足造成的不正确抑制是亟待解决的问题;本研究仅利用了北京南郊一部雷达进行验证,考虑到不同地区,不同雷达的亮带识别算法中参数阈值需做调整,则后续还需开展更多个例及其他地区雷达资料的定量统计检验。

参考文献(References)：

Andrieu H,Creutin J D.1995.Identification of vertical profiles of radar reflectivity for hydrological applications using an inverse method.Part1:Formulation [J].J Appl Meteor,34:225-239.

Austin P M,Bemis A C.1950.A quantitative study of the “Bright Band” in radar precipitation echoes[J].J Meteor,7:145-151.

Biggerstaff M I,Listemaa S A.2000.An improved scheme for convective/stratiform echo classification using radar reflectivity [J].J Appl Meteor,39:2129-2150.

陈明轩,高峰.2006.利用一种自动识别算法移除天气雷达反射率因子中的亮带[J].应用气象学报,17(2):207-214.Chen Mingxuan,Gao Feng.2006.An automatic identification algorithm for the removal of bright band from reflectivity of CINRAD/SA[J].J Appl Meteor Sci,17(2):207-214.(in Chinese).

戴铁丕,付德胜,姜冬梅.1991.零度层亮带和大气折射对雷达测定区域降水量精度的影响[J].南京气象学院学报,14(1):105-112.Dai Tiepi,Fu Dengsheng,Jiang Dongmei.1991.Effects of the zero-layer bright band and the atmospheric refraction on the precision of regio612nal rainfall measured by radar[J].J Nanjing Inst Meteor,14(1):105-112.(in Chinese).

Emmanouil N A.2004.A convective/stratiform precipitation classification algorithm for volume scanning weather radar observations [J].J Appl Meteor,11:291-300.

Fabry F,Zawadzki I.1995.Long-term radar observations of the melting layer of precipitation and their interpretation [J].J Atmos Sci,52(7):838-851.

Gourley J J,Calvert M C.2003.Automated detection of the bright band using WSR-88D data[J].Wea Forecasting,18:585-599.

洪延超,黄美元,王首平.1984.梅雨云系中亮带不均匀性的理论探讨[J].大气科学,8(2):197-204.Hong Yanchao,Huang Meiyuan,Wang Shouping.1984.A theoretical study on inhomogeneity of bright band in Meri-Yu frontal cloud system[J].Chinese J Atmos Sci,8(2):197-204.(in Chinese).

Kitchen M,Brown R,Davies A G.1994.Real-time correction of weather radar data for the effects of bright band,range and orographic growth in widespread precipitation [J].Quart J Roy Meteor Soc,120:1231-1254.

李子华,夏晓青,章晴,等.1986.梅雨锋云系亮带的初步研究[J].气象科学,7(1):82-90.Li Zihua,Xia Xiaoqing,Zhang Qing,et al.1986.A preliminary study of the bright band in the MeiYu frontal cloud system[J].Scientia Meteor Sinica,7(1):82-90.(in Chinese).

Rico-Ramirez M A,Cluckie I D.2007.Bright-Band detection from radar vertical reflectivity profiles[J].Int J Remote Sens,28(18):4013-4025

Sa’nchez-Diezma R,Zawadzki I,Sempere-Torres D.2000.Identification of the bright band through the analysis of volumetric radar data [J].J Geophys Res,105:2225-2236.

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

Steiner M,Robert A,Houze Jr,et al.1995.Climatological characterization of three-dimensional storm structure from operational radar and rain gauge data [J].J Atmos Sci,34:1978-2007.

王慧娟,牛生杰,雷恒池,等.2010.降水性层云含水量跃变对应的微结构观测研究[J].大气科学学报,33(2):212-219.Wang Huijuan,Niu Shengjie,Lei Hengchi,et al.2010.An observation study on the leaps of liquid water content and corresponding changes in microphysical structure in a stratiform cloud precipitation process[J].Trans Atmos Sci,33(2):212-219.(in Chinese).

White B A,Daniel G J.2002.An automated bright band height detection algorithm for use with doppler radar spectral moments [J].J Atmos Oceanic Technol,19:687-697.

吴翠红,万玉发,吴涛,等.2006.雷达回波垂直廓线及其生成方法[J].应用气象学报,17(2):232-239.Wu Cuihong,Wan Yufa,Wu Tao,et al.2006.Vertical profile of radar echo and its determination methods[J].J Appl Meteor Sci,17(2):232-239.(in Chinese).

肖艳姣,刘黎平.2007.三维雷达反射率资料用于层状云和对流云的识别研究[J].大气科学,131(14):645-654.Xiao Yanjiao,Liu Liping.2007.Identification of stratiform and convective cloud using 3D radar reflectivity data [J].Chinese J Atmos Sci,131(14):645-654.(in Chinese).

肖艳姣,刘黎平,李中华,等.2010.雷达反射率因子数据中的亮带自动识别和抑制[J].高原气象,29(1):197-205.Xiao Yanjiao,Liu Liping,Li Zhonghua,et al.2010.Automatic recognition and removal of the bright band using radar reflectivity data [J].Plateau Meteor,29(1):197-205.(in Chinese).

Zhang J,Qi Y.2010.A real-time algorithm for the correction of bright band effects in radar-derived QPE[J].J Hydrometeorl,11:1157-1171.

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.

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.Zhang Lejian,Cheng Minghu,Tao Lan.2010.Bright band identification from CINRAD-SA/SB[J].J Appl Meteor Sci,21(2):171-179.(in Chinese).

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 Lejian,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.(in Chinese).

张培昌,王登炎,顾松山,等.1993.多卜勒天气雷达上0 ℃层亮带模式识别系统[J].南京气象学院学报,16(4):399-405.Zhang Peichang,Wang Dengyan,Gu Songshan,et al.1993.A model system for identifying the presence of 0 ℃-level bright zone on the weather Doppler radar PPI[J].J Nanjing Inst Meteor,16(4):399-405.(in Chinese).

张培昌,杜秉玉,戴铁丕.2001.雷达气象学[M].北京:气象出版社.Zhang Peichang,Du Bingyu,Dai Tiepi.2001.Radar meteorology [M].Beijing:China Meteorological Press.(in Chinese).

仲凌志,刘黎平,顾松山.2007.层状云和对流云的雷达识别及在估测雨量中的应用[J].高原气象,26(3):593-602.Zhong Lingzhi,Liu Liping,Gu Songshan.2007.A algorithm identifying convective and strariform in mixed precipitation and its application to estimating precipitation[J].Plateau Meteor,26(3):593-602.(in Chinese).

(责任编辑：刘菲)

Automated correction of the bright band of weather radar

reflectivity data in radar quantitative precipitation estimation

SUN He-min1,ZHANG Pei-yuan1,JIANG Zhi2,LI Hai-yan3

(1.Chinese Academy of Meteorology Sciences,Beijing 100081,China;2.Beijing Meteorological Bureau,Beijing 100081,China;

3.Wulanchabu Meteorological Bureau,Wulanchabu 012000,China)

Abstract:In stratiform precipitation,if an appropriate correction is not applied,the bright band(BB) that is induced by melting affection will cause significant overestimation in radar quantitative precipitation estimation(QPE).Therefore,the main objective of the current study is to develop an algorithm that is based on weather radar vertical profile of reflectivity(VPR) data and can automatically correct large errors caused by BB effects.Therefore,it will improve a real-time weather radar derived QPE.Firstly,we divide radar echoes into convective and stratiform before a VPR correction is applied.In this study,in addition to the method of SHY95,we make use of a full three-dimensional volume of reflectivity characters to avoid errors caused by BB in heavy stratiform rain.Then,the stratiform area is further divided into two parts:one is the BB affected area while the other one is not.The VPR are only derived and applied to the bright band affected area(BBA) rather than to the whole radar coverage.The BB boundaries are identified by a new algorithm which utilizes a rotational coordinate system for identifying the upper and lower boundaries of BB.Finally,the slope over and under BB is obtained by a least squares linear fitting to the VPR between the BB boundaries in order to smooth the incorrect VPR curve.The correction method was tested by ten events in different seasons in Beijing from 2010 to 2011.It is found that after the correction of BB,the RMSE,RMAE and RMB of radar-gauge pairs reduce significantly (1.538 mm,0.41 and 0.468 on average,respectively).So we can reach the conclusion that the correction is effective in reducing overestimation errors in radar derived QPE.

Key words:bright band;detect;correct;QPE

doi：10.13878/j.cnki.dqkxxb.20121207001

中图分类号：

文章编号：1674-7097(2015)04-0492-10P412.25

文献标志码：A

通信作者：孙赫敏，硕士，研究方向为雷达气象学，shm-4220052@163.com.

基金项目:公益性行业(气象)科研专项(GYHY201006043)

收稿日期：2012-12-07；改回日期：2013-02-23