利用亮温资料建立降水临近预报方法的研究

张泽娇,牛生杰,丁辉

(1.南京信息工程大学 中国气象局气溶胶与云降水重点开放实验室,江苏 南京 210044;2.民航云南空管分局,云南 昆明 653100)



利用亮温资料建立降水临近预报方法的研究

张泽娇1,2,牛生杰1,丁辉1

(1.南京信息工程大学 中国气象局气溶胶与云降水重点开放实验室,江苏 南京 210044;2.民航云南空管分局,云南 昆明 653100)

通过对太湖地区2009年1—4月TP/WVP-3000型微波辐射计的亮温连续观测资料进行分析,建立降水临近预报方法。结果表明,降水开始前4 h,微波辐射计有7个通道的1级亮温资料存在明显的增长趋势。利用降水个例与无降水个例亮温差值最大、降水个例与无降水个例亮温标准偏差差值最大两个标准,选择合适的通道进行降水临近预报。通过计算得到,第1通道的亮温差值最大,而第5、6通道的亮温标准偏差差值最大,因此可分别将第1、第5和第6通道的亮温观测值作为预报因子。根据判别分析方法,分别在降雨前15 min及前30～330 min(时间间隔为30 min)建立12个预报方程,并通过自身验证对每个时间点预报的准确率进行检验,最后选择降雨前90 min的判别方程用于预报,其预报准确率为87%,空报率为24%,漏报率为13%。

亮温;降水临近预报;地基微波辐射计;判别分析

0 引言

随着经济发展,社会生产、生活中诸多领域(航海、航空等)对降水临近预报准确率的要求已日益提高。然而目前降水临近预报的方法主要是基于无线电探空仪探测资料的数值模式预报,该方法受到探空观测频次的影响,不能进行连续观测。但是,一些短期大气活动导致的大气热力结构变化的时间尺度远远小于探空探测的时间尺度,对于这些发展很快的天气系统来说,无线电探空仪探测频率的不足制约着降水临近预报的发展。因此,获取高时间频率的探空资料对于降水临近预报显得尤为重要。微波辐射计MWR(microwave radiometer,MWR)可连续探测从地面到高空10 km以内大气热力结构的详细信息,使用MWR实时探测资料及时更新大气层的变化信息,可以有效地提高降水临近预报的准确率(王振会等,2014)。

20世纪70年代后,地基微波遥感技术开始大量应用于反演水汽、温度和云液水廓线等领域中(赵柏林等,1978;Hogg et al.,1983;魏重等,1984;Heggli and Rauber,1987)。20世纪90年代开始,有学者指出地基微波辐射计可应用于降水预报。Guldner and Spankuch(1999)研究发现降水发生前两小时云中液水含量和可降水量明显增加,因此可以根据液水含量和可降水量的变化预报降水。雷恒池等(2001)在陕西利用双通道地基微波辐射计对降水云系进行探测,发现在降水开始前,云中水汽含量和垂直路径积分液水含量均有跃增现象。王黎俊等(2007)利用2003、2004年夏秋季,青海省河南县的地基双频段微波辐射计观测资料进行降水预测。结果表明:在积雨云个例中,降水开始前近5 h,云中大气汽态总水汽含量及云中积分液态水含量的增加有明显波动;在对流云出现并发展时,大气汽态总水汽含量及云中积分液态水含量急剧上升,并在降水前达到峰值。Chan and Tam(2005)在香港外场试验中应用MWR探测资料推算大气不稳定参数(K指数),使用K指数反映大气中水汽和相对湿度的变化,并计算得出当K指数超过35时开始发生强降水。李睿劼和李宏宇(2008)利用MWR资料,通过温度湿度计算得到大气不稳定指数K指数的近似值KI。并指出KI值越大大气越不稳定,当KI大于等于35时易出现雷暴降水。以上研究说明使用MWR探测资料进行降水预报是可行的。但是,以往的研究多选用水汽含量、云中积分液态水含量等数据作为预报因子,这些参数需要使用亮温(Tb)来反演获得,这会在预报结果中引入反演算法的误差,因此如果直接采用Tb资料进行临近预报,将提高预报精度。Won et al.(2009)使用MWR测量的Tb来临近预报降水和降水强度,并将预报结果与未来3 h常规预报结果相比,结果表明:Tb预报方法空报率FBI(frequency bias index,FBI)小于3 h常规预报,同时,Tb预报方法的预报准确率高于3 h常规预报,所以亮温预报方法比3 h常规预报方法更加精确。综上所述,为了得到预报效果较为准确的临近预报方法,在前人研究的基础上,将Tb视为预报因子,使用判别分析建立适用于局地的降水临近预报方法。

1 仪器基本原理及资料来源

任何物体都会吸收和发射一定的辐射能量,通过探测这种特性就可以获得物体的物理特性。由微波波段大气的吸收谱线可知,大气中氧气和水汽引起的大气特征衰减非常明显,并且其衰减强度的最大值所对应的频谱范围不同。通过测量不同频率范围内的辐射信息,使用一定的算法反演得到大气的物理特性参数(Westwater,1978;Cimini et al.,2003;刘朝顺等,2006)。

本文使用TP/WVP-3000型MWR在太湖地区(120.22°E,31.42°N)的观测资料建立预报模型。TP/WVP-3000是一种新型12通道地基微波辐射计,其中1—5通道为水汽探测通道,6—12通道为温度探测通道,探测数据每分钟一组。MWR直接测量的辐射能量并不是亮温值而是电压值,通过一定的转换关系式将电压装换为Tb值,这个过程称为定标(肖志辉等,2000;Schneebeli and Matzler,2009)。最后利用探测区域的历史探空资料训练人工神经网络,使用经过训练的人工神经网络算法反演即可获得从地面到10 km高空的温度、相对湿度和水汽廓线以及较低分辨率的液态水含量廓线(Cimini et al.,2006)。然而由Tb反演温湿廓线的过程将在反演结果中引入算法带来的误差。这种误差一方面受探测区域历史探空资料精度的影响,另一方面受算法本身的影响。为了说明反演误差对预报结果造成的影响,后面将以可降水量PWV(precipitable water vapor,PWV) (李国翠等,2011)和液态积分水路径LWC(liquit water content,LWC) (王慧娟等,2010)为预报因子,使用相同的方法建立预报模型用以对比预报结果。

除Tb,PWV和LWC资料外,还需要确定每次降水的起始时间。TP/WVP-3000自带降水探测器,但是其记录降水时间的准确率没有相关评估,为了确定每次降水发生的准确时间,使用同时段观测的Visala WXT520气象变送器的降水信息。本文观测时间为2009年1—4月,使用这个时间段内的亮温资料建立预报模型。

图1 无降水个例(a,b)和降水个例(c,d)的12个通道亮温(单位：K)Fig.1 Brightness temperature of 12 channels in (a,b)the no rainfall case and (c,d)the rainfall case(units:K)

2 建立预报模型

2.1 建立降水、无降水数集

根据2009年1—4月WXT520记录的降水情况,建立降水矩阵R和无降水矩阵N。建立过程如下:将R中的元素记为ria(i=1,2,…,n;a=1,2,…,240),ria表示第i个个例中距离降水第a分钟的亮温值。其中n的值为最终确定的个例数;因为降水过程发生前4 h内亮温值才有明显波动,从而确定a有240列,矩阵R即为n行240列的矩阵。降水结束后,由于天线附水和空气湿度较大等原因造成微波辐射计探测数据失真。一般情况下,前一次降水影响完全消除所需要的时间为4～6 h。为了保证足够的降水样本数,将两次降水过程之间时间间隔小于4 h的情况视作一次降水过程。为便于理解无降水矩阵的建立过程,以di(i=1,2,…,n)记录ria发生的日期,ti(i=1,2,…,n)记录ri中各亮温值对应的时间。在建立N时,为了排除日变化及月变化引起的亮温差异,选择di±7日以内ti时刻无降雨的亮温值记录为nja(j=1,2,…,m;a=1,2,…,240)。当di±7日以内ti时刻中包含了某次降水过程,这时将nja从N中剔除,n≥m。

2.2 选择通道

图1给出了2009年1月17日23:16降水发生前9 h亮温的变化趋势和7 d前(1月10日)同时段无降水情况下亮温的变化趋势。由于微波辐射计的水汽通道和温度通道测量亮温值差异比较大,为了更清晰的看出水汽通道和温度通道亮温的分布特征,分别绘制水汽通道和温度通道的亮温变化趋势。从图1a、b可以看出,无降水个例水汽通道和温度通道亮温几乎保持不变。而降水个例在降水发生前9～4 h,水汽通道的亮温有一个缓慢的增长趋势,如图c所示。降水前4 h内(图1中两虚线范围内) 亮温开始剧烈的波动增长,只有在降水发生前1 h水汽通道亮温有个低谷区。这与雷恒池等(2001)观测到的降水发生前云中出现水汽低值区的结果一致。从图1d可以看出,在降雨发生前4 h,温度通道只有两个通道出现明显的亮温变化。从以上分析可知,无论是温度通道还是水汽通道,降水的发生总是滞后于亮温变化。因此,利用雨前亮温的变化信息,根据下面两个标准筛选通道用于降水临近预报。

各通道降水前4 h内亮温变化平均值(δTbm)反映了雨前亮温的变化大小,δTbm越大,说明雨前亮温变化越明显。首先,计算降水前4 h各个时间点的亮温变化值(δTbi)。将无降水的nja作为参考值,可以得到降水前亮温的变化值δTbi:

δTbi=ria-nja。

(1)

(2)

图2表示各月δTbm的分布情况,可见1、3、4月δTbm的最大值出现在1通道,其次是2通道。而2月份δTbm最大值出现在6通道,其次是1通道,整个2月水汽通道的δTbm变化不大,1通道δTbm约24 K,6通道的δTbm约26 K。因此使用1通道同样能够反映2月降水前亮温的明显变化。从图2还能看出,8—12通道δTbm变化最小,说明这些通道在降水前对亮温变化的反映不灵敏,不适宜用于预报。

图2 各月12个通道的降水前4 h亮温均值Fig.2 Monthly mean Tb of 12 channels at 4-hr before rainfall in each month

分别计算ria与nja中每个通道降雨前240 min 亮温值的标准偏差。再将R与N中所有个例对应通道的标准偏差按月求平均。结果如图3所示。从图3可以看出,尽管标准偏差大小在4个月中有差异,但是标准偏差大小的比重在各通道的分布趋势基本一致。标准偏差在R和N各元素矩阵中最大差值均出现在第5通道,次大值出现在第6通道(2月例外,标准偏差最大差值出现在第6通道,次大值出现在第5通道)。而5通道属于水汽探测通道,6通道属于温度探测通道。以这一标准选择的通道包含两个波段的辐射信息。增加的温度信息一方面可以抑制水汽因其他原因导致增长而引入的虚假降水预警信息,另一方面,增加了影响降水发生的物理因素(温度)的信息。从而提高预报精度。因此,从这几方面考虑,都适宜选择这两个通道作为预报通道。

从以上两个方面共选出3个通道用于预报,分别为δTbm最大的第1通道,R和N矩阵元素亮温标准偏差相差最大的第5通道,以及相差次大的第6通道。虽然筛选通道的标准与Won et al.(2009)使用的标准不同,但是选出的三个通道相同。

图3 R矩阵(a)和N矩阵(b)中元素亮温标准偏差(单位：K)Fig.3 Standard Tb deviation of elements in (a)matrix R and (b)matrix N(units:K)

2.3 建立方程

针对降水发生前的不同时间点使用判别分析方法进行样本训练,所取用的时间点分别为降水发生前15、30～330 min(以30 min为时间间隔)。临近预报的准确率会随时间延长而迅速衰减(陈明轩等,2004),所以本文考虑使用的最长时间为降水前330 min。

判别分析是英国统计学家费舍于1936年提出的。先根据已知类别的事物的性质,利用某种技术建立函数式,然后对未知类别的新事物进行判断以将之归入已知的类别中(黄嘉佑,2000)。

2.3.1 建立判别函数

以降水前15 min 亮温值建立判别函数结果为例介绍判别分析的实现过程。首先本文使用的训练样本共有40个,其中第1组无降水个例有19个,第2组降水个例21个。降水与否的预报属于二级判别,将选定的第1、5、6通道的亮温值作为3个预报因子,建立3因子的二级判别函数,之后根据黄嘉佑(2000)的判别系数推导方法确定方程系数,建立二级判别方程

y=-0.003 4x1-0.028 8x2+0.016 8x3。

(3)

方程通过α=0.05的显著性检验。

2.3.2 预报判据及效果检验

函数建立好之后需要决策规则作出预报,即预报判据。本文使用费舍判别。之后将训练样本代入方程进行自身验证来查看方程的预报效果,参考自身验证的结果去掉预报效果不好的预报方程。最后得到降水前15 min预报方程的自身验证的准确率为95%。

根据以上步骤得到雨前30～330 min共11个预报方程。分别对这些函数做自身验证,各时间点自身验证结果如图4实线所示。从图中可以看出,自身验证在降水前90 min以内准确率都在90%以上,其中最高预报准确率为98%,分别出现在降水前30、60和90 min三个时间点。90 min之后判别函数的准确率逐渐下降,并在降水前180～210 min出现最低值,随后有个很小的回升过程。在降水前270 min之后预报准确率基本是围绕83%上下波动。

另一方面,为确保亮温为最优预报因子,根据上述建模过程,使用PWV和LWC为预报因子建立12个预报方程,这些方程自身验证的结果如图4虚线所示。从图中可以看出,在任何时间点PWV、LWC为因子的预报方程自身验证准确率都低于亮温为因子的预报准确率。所以,使用亮温为预报因子能提高预报精度。

综上所述,根据判别函数自身验证的准确率及最长提前预警时间,选择降水前90 min为预报时间点。该时间点的判别函数为

y=-0.004 2TQ1-0.020 9TQ2+0.012 9TT。

(4)

其中:TQ1表示第1通道亮温值;TQ2为第5通道亮温值;TT为第6通道亮温值。根据费舍判别准则和站点降水频率资料计算得到yc=0.76 K。当y

图4 降雨前各预报时间点的自身验证准确率Fig.4 Self verification accuracy at different forecast time points before rainfall

3 结果分析

使用公式(4)计算整个时间序列的y值,根据决策规则判别整个时间序列的降水情况。预报效果使用以下几个标准检验:1)预报准确率,2)空报率,3)漏报率。受到同期观测资料种类较少及观测时间较短的限制,用于建立预报模型的降水样本个例为21个,加之相应的无降水个例19个。用于建模的两类个例共40个。除去用于建模的降水个例,剩余外部降水个例15个。预报结果为预报命中13个个例,漏报2个个例,空报4个个例。相应地,预报准确率87%,空报率24%,漏报率13%。可以看出,判别分析方法建立的降水预报模型能较为准确地预报降水发生的时间。

图5为判别分析所给出的部分预报结果,图中横线为y=0.76。图5a是2009年1月观测站点的降水趋势。由图可见,整个1月共有5次降水过程,除去1月12日擦拭仪器导致的y低值点。这与同步观测的visala WXT520观测结果一致,说明y能准确地对降水过程作出响应。

图5 预报结果示例 a.1月整体情况;b.报对结果;c.漏报情况;d.空报情况Fig.5 Examples of forecast results a.panorama in January;b.the hit alarm case;c.the not alarm case;d.the false alarm case

图5b表示2009年2月21日预报成功的降水个例,可以看出,y值在17:21降低到0.76 K以下,预报90 min后也即18:51将出现降水过程,实际降水发生的时间为19:02。预报因子1、5通道的亮温包含水汽含量信息,6通道包含温度信息。水汽含量增长时亮温也会增长,相反,温度增长会导致亮温降低(Wei et al.,1989;朱元竞等,1994;张培昌和王振会,1995;纪晓玲等,2010;官莉等,2012)。由图2可以看出,1、5和6通道亮温在降水前均增长,增长最大的是第1通道,第5、6通道亮温增长量相当。由(4)式可知,TQ1的系数较小,TQ2系数为TT系数的两倍,所以温度与水汽含量变化导致的亮温同时变化且变化量级相当时,以水汽的影响作用占主导地位。从物理过程来看,大气中水汽含量增加,处于水汽积累阶段。此时虽然环境温度降低导致TT升高,但是以水汽累积对y值得影响为主,因而导致y值持续减小。之后,抬升作用使低层空气持续抬升,在抬升凝结高度以上湿空气按湿绝热上升凝结成水滴,有少量凝结潜热释放,但环境温度任然处于持续降低状态,TT继续升高。由水汽凝结导致水汽含量减少及温度持续降低造成y值增长,所以图5b中在17:21之后y值小幅增长。上升过程持续输送水汽,此时云内粒子主要通过碰并作用增长使水汽能够累积。大量的水汽累积导致y值在17:31之后再次呈现下降趋势直至降水发生。降水发生之后,由于微波辐射计天线附水使探测结果失真,所以降水过程及其影响时段的变化趋势不予考虑。

图5c为漏报的降水个例,漏报的降水个例为2009年2月16日05:51的降水过程。前一次降水结束的时间为2009年2月15日21:49。从图中可以看出,降水结束后,y值开始上升,2月16日02:30上升达最大值0.4 K后再次下降。曲线最大值的右侧y值先降低,之后有个小幅回升,回升之后继续降低,这与图5b的变化趋势一致。如果将图5c中03:50的低值点看做图5b的预警时间点(alarm time),那么在05:20将发生降水。实际降水发生时间为05:51。虽然微波辐射计天线附水使得降水结束后y值一直小于0.76 K,雨后的y值依然对下次降水前大气中温湿的变化作出了响应,但是雨后4～8 h内预报降水y值的阈值受前次雨量大小,温度等诸多因素的影响,因此要实现雨后4～8 h降水预报仍然需要进一步研究。

图5d为空报降水个例。发出预警时间为21:30,预报将在23:00发生降水,此为空报实例。初步分析该次空报的原因同样是受上次降水过程的影响,2009年4月2日18:22发生降水,结束时间为19:18。受到天线附水,大气环境水汽含量较高等因素的影响,降水结束后亮温变化趋势比较混乱,无规律可循,从而导致y值变化也比较混乱。所以造成此次的空报情况。

从图5c、d可知,降水结束后,受该次降水过程的影响,会导致空报、漏报情况的产生。所以降水之后4～8 h内的预报是本预报模型的难点。对降水结束后4～8 h的预报将在以后的研究中改进。

4 结论与讨论

1)微波辐射计水汽和部分温度探测通道的亮温值在降水前有明显的变化趋势,在无降水情况下,这些通道的亮温变化趋势很小。所以,可以根据亮温在雨前和无降雨的差异预报降水。另一方面,由于温湿廓线及其衍生物理量在反演过程中会引入算法误差,相比之下,亮温包含了更为真实的大气信息,根据更为真实的大气信息建模可以提高预报精度。

2)使用第1、第5和第6通道的亮温为预报因子根据判别分析方法建立预报模型,并根据预报准确率最高和提前预警时间最长两个原则确定建模方程为雨前90 min的判别函数,该方程的自身验证准确率达98%。为对比验证,将PWV和LWC视为预报因子,使用同样的建模过程建模。结果显示12个方程的自身验证准确率都低于相同时间点亮温为因子的方程。所以,使用亮温为预报因子能提高预报精度。

3)受观测时间较短降雨个例较少的限制,用于建模和外部验证样本个例较少。最终得到的评分较高,预报准确率87%,空报率24%,漏报率13%。从结果看,本文建立的模型能够较准确的预报降水发生时间。然而,在建模过程中未精确区分降水云型,降水类别以及季节,未在模型中考虑因这些因素的变化对建模过程及结果产生的影响。在以后的研究中,加入其他观测数据(如雷达数据,自动气象站降水量数据,云型数据等)。在建模过程中使用更多的训练样本和验证样本,根据不同降水云类型和不同季节建立局地临近预报模型将是下一步工作的重点。

4)模型在雨后4～8 h为预报盲点,在这个时间范围内受上次降水过程影响较为明显,常发生漏报和空报的情况。因此,雨后4～8 h模型预报需进一步改进。

Chan P W,Tam C M.2005.Performance and application of a multi-wavelength,ground-based microwave radiometer in rain nowcasting[C]//2005 Ninth Symposium on Integrated Observing and Assimilation Systems for Atmosphere,Oceans,and Land Surface:9-13.

陈明轩,俞小鼎,谭晓光,等.2004.对流天气临近预报技术的发展与研究进展[J].应用气象学报,15(6):754-766. Chen Mingxuan,Yu Xiaoding,Tan Xiaoguang,et al.2004.A brief review on the development of nowcasting for convective storms [J].J Appl Meteor Sci,15(6):754-766.(in Chinese).

Cimini D,Westwater E R,Han Y.2003.Accuracy of ground-based microwave radiometer and ballon-borne measurements during the WBIOP2000 field experiment[J].Transactions on Geoscience and Remote Sensing,41:2605-2615.

Cimini D,Hewison T J,Martin L.2006.Temperature and humidity profile retrievals from ground-based microwave radiometers during TUC[J].Meteorologische Zeitschrift,5:45-55.

官莉,王雪芹,黄勇.2012.2009年江苏一次强对流天气过程的遥感监测[J].大气科学学报,35(1):73-79. Guan Li,Wang Xueqin,HuangYong.2012.Observation of a strong convective system in Jiangsu Province in 2009 by remote sensing monitor[J].Trans Atmos Sci,35(1):73-79.(in Chinese).

Guldner J,Spankuch D.1999.Results of year-round remotely sensed integrated water vapor by ground-based microwave radiometry[J].American Meteorological Society,38:981-988.

Heggli M,Rauber R M.1987.Field ealuation of a dual-channel microwave radiometer designed for measurements of integrated water vapor and cloud liquid water in the atmosphere[J].Jouranl of Atmospheric and Oceanic Techonlogy,4:204-213.

Hogg D C,Guiraud F O,Snider J B.1983.A steerable dual-channel microwave radiometer for measurement of water vapor and liquid in the troposphere[J].J Climate Appl Meteor,22:789-806.

黄嘉佑.2000.气象统计分析与预报方法[M].北京:气象出版社. Huang Jiayou.2000.Analysis of meteorological statistics and forecasting method [M].Beijing:China Meteorological Press.(in Chinese).

纪晓玲,冯建民,穆建华,等.2010.宁夏北部一次短时暴雨中尺度对流系统的特征分析[J].大气科学学报,33(6):711-718. Ji Xiaoling,Feng Jianmin,Mu Jianhua,et al.2010.Analysis on characteristics of mesoscale convective system during a short-term rain storm process in north of Ningxia[J].Trans Atmos Sci,33(6):711-718.(in Chinese).

雷恒池,魏重,沈志来,等.2001.微波辐射计探测降雨前水汽和云液水[J].应用气象学报,12(增刊):73-79. Lei Hengchi,Wei Zhong,Shen Zhilai,et al.2001.Microwave radiometric measurement on water vapor and cloud liquid water before rainfall[J].J Appl Meteor Sci,12(S1):73-79.(in Chinese).

李国翠,李国平,陈小雷,等.2011.一次西太平洋副热带高压进退过程中暴雨的GPS可降水量特征[J].大气科学学报,34(4):393-399. Li Guocui,Li Guoping,Chen Xiaolei,et al.2011.Characteristics of GPS precipitable water vapor during a heavy rain of western Pacific subtropical high[J].Trans Atmos Sci,34(4):393-399.(in Chinese).

李睿劼,李宏宇.2008.微波辐射计计算准K指数对降水的反应[J].气象,34:185-190. Li Ruijie,Li Hongyu.2008.The calculation of the reaction of K index to precipitation with microwave radiometric measurement [J].Meteorological Monthly,34:185-190.(in Chinese).

刘朝顺,吕达仁,杜秉玉.2006.地基遥感大气水汽总量和云液态水含量的研究[J].南京气象学院学报,29(5):606-612. Liu Chaoshun,Lv Daren,Du Bingyu.2006.A study on ground-based remote sensing of atmospheric integrated water vapor and cloud liquid water[J].Journal of Nanjing Institute of Meterology,29(5):606-612.(in Chinese).

Schneebeli M,Matzler C.2009.A calibration scheme for microwave radiometers using tipping curves and Kalman Filtering[J].IEEE Trans Geosci Remote Sens,47:4201-4209.

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 observational 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).

王黎俊,孙安平,刘彩红,等.2007.地基微波辐射计探测在黄河上游人工增雨中的应用[J].气象,33(11):28-33. Wang Lijun,Sun Anping,Liu Caihong,et al.2007.Application of ground-based microwave radiometer detection to precipitation enhancement in the upper of the yellow river[J].Meteorological Monthly,33(11):28-33.(in Chinese).

王振会,曹雪芬,黄建松,等.2014.基于气象资料变化特征和辐射传输模式的微波辐射计工作状态分析[J].大气科学学报,37(1):1-8. Wang Zhenhui,Cao Xuefen,Huang Jiansong,et al.2014.Analysis on the working state of a ground-based microwave radiometer based on radiative transfer model and meteorological data variation features[J].Trans Atmos Sci,37(1):1-8.(in Chinese).

魏重,薛永康,朱小明,等.1984.用1.35厘米波长地面微波辐射计探测大气中水汽总量及分布[J].大气科学,8(4):418-426. Wei Zhong,Xue Yongkang,Zhu Xiaoming,et al.1984.Determination of atmospheric precipitable water and humidity profiles by a ground-based 1.35 cm radiometer[J].Chinese J Atmos Sci,8(4):418-426.(in Chinese).

Wei C,Leighton H G,Rogers R R.1989.A comparison of several radiometric methods of deducing path-integrated cloud liquid water[J].J Atmos Oceanic Technol,6:1001-1012.

Westwater E R.1978.The accuracy of water vapor and liquid determination by dual-frequency ground-based microwave radiometer[J].Radio Science,13:677-685.

Won H Y,Kim Y H,Lee H S.2009.An application of brightness temperature received from a ground-based microwave radiometer to estimation of precipitation occurrences and rainfall Intensity[J].Asia-Pacific Journal of Atmospheric,45:55-69.

肖志辉,张祖荫,郭伟.2000.地基、空基、星基微波辐射计定标技术概览[J].遥感技术与应用,15(2):113-120. Xiao Zhihui,Zhang Zumeng,Guo Wei.2000.A review:The calibration of ground-based,airborne and satellite-borne microwave radiometers[J].Remote Sensing Technology and Application,15(2):113-120.(in Chinese).

张培昌,王振会.1995.大气微波遥感基础[M].北京:气象出版社. Zhang Peichang,Wang Zhenhui.1995.Basis of atmospheric microwave remote sensing[M].Beijing:China Meteorological Press.(in Chinese).

赵柏林,杜金林,刘式达,等.1978.微波遥感大气温度层结的原理和试验[J].大气科学,2(4):323-331. Zhao Bolin,Du Jinlin,Liu Shida,et al.1978.The principles and experiments on microwave remote sensing of atmospheric temperature lamination[J].Chinese J Atmos Sci,2(4):323-331.(in Chinese).

朱元竞,胡成达,甄进明.1994.微波辐射计在人工影响天气研究中的应用[J].北京大学学报:自然科学版,30(5):597-606. Zhu Yuanjing,Hu Chengda,Zhen Jinming.1994.The role of microwave radiometer in weather modification research[J].Acta Scientiarum Naturalum Universities Pekingsis,30(5):597-606.(in Chinese).

(责任编辑：刘菲)

Study on a rainfall nowcasting method established by using brightness temperature

ZHANG Ze-jiao1,2,NIU Sheng-jie1,DING Hui1

(1.Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration,NUIST,Nanjing 210044,China;2.Yunnan Air Traffic Management Sub-Bureau,Kunming 653100,China)

In order to use the brightness temperature to set up a rainfall nowcasting model,this paper analyzed the brightness temperature data of microwave radiometer TP/WVP-3000 in Taihu area from January to April 2009.It is found that,at 4-hr before rainfall,the brightness temperature data of seven channels have obvious increasing trends.According to the biggest difference and the biggest standard deviation difference in brightness temperature between the rainfall case and the no rainfall case,this paper chooses the observed data from channel 1,5,and 6 as the forecast factor using the discrimination analysis to set up the rainfall nowcasting model.The time points in the discrimination analysis are 15 and 30—330 min(time interval is 30 min) before rainfall.The equation of 90 min before rainfall is decided as the final model function because of the highest self verification.Using the external data to test this model,the probability of detection is equal to 87%,the false alarm ratio is 24%,and the not alarm ratio is 13%.

brightness temperature;rainfall nowcasting;ground-based microwave radiometer;discrimination analysis

2013-01-10；改回日期：2013-05-08

公益性行业(气象)科研专项 (GYHY201006036);江苏省“青蓝工程”(云雾降水与气溶胶研究);江苏高校优势学科建设工程资助项目(PAPD)

牛生杰,博士,教授,研究方向为云雾降水物理学,niusj@nuist.edu.cn.

10.13878/j.cnki.dqkxxb.20130110008.

1674-7097(2015)02-0241-08

P415.1

A

10.13878/j.cnki.dqkxxb.20130110008

张泽娇,牛生杰,丁辉.2015.利用亮温资料建立降水临近预报方法的研究[J].大气科学学报,38(2):241-248.

Zhang Ze-jiao,Niu Sheng-jie,Ding Hui.2015.Study on a rainfall nowcasting method established by using brightness temperature[J].Trans Atmos Sci,38(2):241-248.(in Chinese).