雷达估测降水在山洪灾害中的应用分析

徐八林，许彦艳，解莉燕，陆 鹏，徐舒扬，袁东升**

(1. 云南省大气探测技术保障中心，云南 昆明 650034；2. 云南省气象台，云南 昆明 650034；3. 昆明市气象局，云南 昆明 650503；4. 成都信息工程大学 电子工程学院(大气探测学院)，四川 成都 610225)

云南地处低纬高原，地形地貌复杂，海拔高差悬殊，使得气候的水平和垂直差异十分显著，这样的地形造成局地对流性天气较多，降水分布不均[1-3]，同时加之陡峭的地形，较易引发滑坡泥石流灾害.每年汛期云南因降雨导致山洪、滑坡、泥石流等灾害常造成数十亿元经济损失和数百人伤亡. 2018年9月2日凌晨麻栗坡县猛硐乡境内遭受强降雨袭击，一次灾情造成5人遇难、16人失联、7人受伤. 2004年7月4日晚至5日德宏傣族景颇族自治州盈江县、陇川县等普降暴雨，造成全州36个乡镇、2个农场发生了不同程度的山洪滑坡泥石流及洪涝灾害，直接经济损失达5.3亿元人民币，因灾死亡人数达17人，失踪人数25人. 这些灾害给群众生产生活造成巨大损失. 如何有效地监测和预防山洪地质灾害受到国内外学者的广泛关注，学者们做了大量工作，取得了较多的成果[4-8]. 如徐慧娟等[9]从规划的角度分析表明,兰坪县泥石流危险性高低受降水影响较大,从澜沧江右岸到左岸再到通甸河,降水逐渐减少,泥石流的危险性也逐渐降低，结果可对兰坪县大型工程建设及保障运营安全等具有一定的指导意义. 通常认为泥石流的一种类型（短历时雨强的泥石流）1 h雨量起到主要作用，短时强降水量对暴雨泥石流实时预报模型的建立具有关键作用，对于受影响地区防灾减灾具有十分重要的意义. 这些研究的降水量基本都是基于地面雨量计的观测数据，由于雨量计的空间代表性较差，对于高原山地需要布设较多的雨量计，且获得面雨量的精度与地形和降水类型密切相关，由于分布较不均匀，现有雨量站数量仍难以满足需求. 目前针对业务实际需求，气象部门建设了大量的无人自动气象站和新一代天气雷达对此类灾害加以监测预警. 云南气象部门共建设自动气象站3 000多个和12部新一代天气雷达，自动气象站平均间距达到12 km以下，但仍不能满足需求. 新一代天气雷达站网的建设，可以较好地探测此类短时强降水灾害天气，同时雷达可以探测较大范围的瞬时降水分布，但与雨量计相比，精度较差，两者结合可弥补自动气象站对灾害性强降水监测站点不足的问题. 为提高雷达定量估测降水的精度，研究者们也做出了很多努力和贡献[10-17]. 在前人研究基础上，本文结合云南实际业务的需要，重点应用新一代天气雷达进行降水估测并开展相关防御，利用自动气象站和C波段多普勒雷达相互对比配合，对无自动气象站地点的降水量进行较合理的估测，通过个例进行分析并加以验证，以期为灾害防御提供帮助.

1 资料和处理方法

采用常规资料和雷达资料,雷达数据由国家气象部门业务布点建设的文山、丽江、昆明3部C波段新一代天气雷达提供，型号均为CINRAD/CC(3 830)，均是已投入全国气象业务组网运行的雷达.雷达资料格式、探测模式等参数均采用中国气象局规定标准的VCP降水观测模式和极坐标系格式存储，波束宽度1°，双重复频率3∶2，取样时间间隔约为6 min一次的连续体扫，每个体扫14层，每层扫描有512条径向线，每一个径向库存储Z、V、W共500组库数据. 使用雷达体扫的原始基数据资料，根据各库资料高度，选取相邻该高度平面的上下2个仰角的相邻库上的数据，采用九点平滑后插值得到ZCAPPI强度(等高平面位置显示)，形成格点场资料，各格点值为雷达反射率因子等数据. 文山雷达站区号Z9876（104°15′E，23°28′N），天线海拔高度1 789.3 m；昆明雷达区站号Z9871（102°34′E，25°03′N），天线海拔高度2 484.5 m；丽江雷达区站号Z9888（100°03′E，26°44′N），天线海拔高度3 178 m.

雷达资料处理方法为把极坐标系下的雷达反射率体扫资料，经九点平滑等质量控制后插值到统一的笛卡尔坐标系下的网格点上，采用常规方法、过滤杂波超折射回波、过滤二次回波、过滤地物回波等质量控制后，得到格点资料加以应用.

2 灾情实况及研究区地理信息和天气背景

2.1 灾情实况2018年9月2日凌晨，麻栗坡县猛硐乡强降雨引发山洪灾害，导致人员伤亡，部分村民房屋被山洪损毁，该乡电力、通信全部中断，多处道路塌方，交通中断. 当天造成5人死亡，16人失踪. 灾后统计直接经济损失达14亿元以上.

2.2 研究区位置信息云南省文山壮族苗族自治州麻栗坡县猛硐瑶族乡位于22°49′～23°N、104°40′～108°48′E之间，最高海拔2 378.6 m，最低海拔246 m，属典型的热带季风气候. 灾害发生地（104°42′E，22°52′N）海拔约1 084 m. 灾害发生地猛硐乡周边雨量站位置如图1. 站点具体位置如下，①城子上（104°40′E，22°59′N），海拔799 m；②天保（104°50′E，22°56′N），海拔136 m；③杨万（104°58′E，23°17′N），海拔868 m.

图1 灾害发生地、雷达站及周边雨量站位置示意图Fig. 1 The location of disaster, radar station and surrounding rain station

2.3 天气系统分析受西移低涡影响，9月2日02:00—06:00出现暴雨局部大暴雨天气，4 h自动气象站最大累积降雨量出现在猛硐乡，为196.0 mm；其次分别为城子上87.1 mm、天保51.5 mm及杨万45.3 mm. 猛硐乡降水量实况为9月2日24 h累积降水量212.2 mm，9月3日02:00—06:00降水量199 mm（其中02:00—03:00降水量为53 mm、03:00—04:00降水量为97 mm）.

2018年8月30日至9月3日期间，500 hPa西太平洋副高势力强劲，位置偏西偏北，与大陆高压贯通，占据四川盆地到江汉平原一带，而中南半岛至南海一带受反气旋环流控制，与大陆高压形成两高对峙态势，造成中南半岛北部—云南南部—两广地区长时间处于低压辐合区内（图2（a））. 受此辐合带影响，700 hPa频繁出现闭合低涡，并在高层引导气流的作用下，向西移动（图2（b）～（d）），将北部湾大量水汽带入云南，造成滇中以东、以南地区出现连续性中到大雨局部暴雨天气. 麻栗坡“09.02”特大山洪灾害发生在9月2日凌晨，从图2（c）可以看到，当天夜间低涡中心刚好位于文山南部边缘，强烈的辐合上升运动和充足的水汽为文山南部的暴雨天气提供了大尺度环流背景. 而从图2（e）邻近探空站蒙自站的T-lnP图上可以看到，2日夜间云南南部局地热力条件非常好，对流有效位能（Convective Available Potential Energy, CAPE）值达到2 184 J/kg，800 hPa～500 hPa相对湿度超过80%，湿层深厚，温度廓线和露点廓线在2～6 km高度上十分贴近，温度露点差小于1 ℃，说明当地空气基本饱和，这为麻栗坡县出现短时强降水提供了中尺度环境场. 大尺度环流形势与中小尺度对流扰动叠加，致使麻栗坡县猛硐乡9月1日20：00至次日20：00累积降水量达212.2 mm（图2（f））.

图2 ECMWF细网格再分析风场与实况降水量Fig. 2 ECMWF thin-grid reanalysis data of wind and actual rainfall

3 雷达估计降水的基本原理与个例分析

3.1 雷达估计降水的基本原理根据雷达回波强度（反射因子）的定义[18]，它与空中单位体积内降水质点的分布N(D)和直径D有关，

式中，Z为雷达回波反射率因子的强度（单位：mm6/m3）；D的单位为cm，N(D)为雨滴谱函数，表示在单位体积内直径介于D～D+dD范围内的雨粒子数.

雨强I（单位：mm/h）是单位时间t内水平面积上的降水量，水的密度取 ρH≈1 g/cm3，雨强也可用单位时间内水层的厚度来表示，雨强与回波强度之间的关系为：

雷达测量的是雨滴的后向散射能量，一旦后向散射能量被测量，Z值可用雷达方程的简化形式来估计如下：

式中，Pr表示雷达接收到的返回能量（单位：dBz），R是目标物距雷达的距离（单位：km），C是雷达常数（决定于雷达参数和降水相态）.

当降水质点的分布采用Marshall-Palmer（以下简称M-P）分布，VT(D) 用实测水滴在静止大气中的下降末速度资料，VT(D) 的单位为m/s. 可以导出雨强I与雷达回波强度Z之间的关系可表示为：

式中，A、b两系数与降水中质点分布的参数有关.

根据实测计算A、b系数，A和b的变化较大，随着降水性质的不同有明显的差异，通常层状云降水A≈200，b≈1.60，与M-P分布理论计算的结果相近；混合性较大范围的降水A≈300，b≈1.4；山地地形性降水A≈31、b≈1.71. 这一关系既是数学的又是经验的[19-20]. 从以上关系分析，可以找到雷达回波强度和雨强的关系，对雨强进行时间积分可得到雨量值. 这是传统的雷达定量估测降水反射率因子（Z）-目标物距雷达的距离（R）关系法，而上述理论依据反射率因子（Z）-雨强（I）关系只适用于所假设的平均情况，一般某一次降水的雨滴谱等要素实际上是随时间、空间和不同降水类型而变. 所以，雷达要较精确定量估测降水实际中还存在一些目前难以确定的因素. 本文出于简单考虑直接使用这一关系，采用山地地形性Z-I关系，并对高山雷达估测降水的一些特殊性加以订正.

3.2 资料处理与个例分析雷达反演降水方法用固定Z-I关系，对雷达回波资料进行了简单的质量控制. 反演降水在50 dBz或以上时，通常认为是冰雹等产生的雷达回波，易引起降水估测的误判，而低于10 dBz产生降水极少，所以在体扫资料中对强度值大于53 dBZ和小于10 dBZ的数据剔除，采用中值滤波进行平滑处理. 在此基础上，自主编制了基于C波段高山新一代天气雷达的降水反演系统程序. 对此次过程（9月2日02:00—06:00）的雷达反演降水结果同雷达站东南方扇形区域内的灾害发生地及雨量站进行比对，反演降水结果如图3.

图3（a）为用各比对站点经纬度导入雷达数据后，在雷达图上显示的位置，自左至右红色三角分别为雷达站位置、城子上雨量站位置、灾害发生地猛硐乡位置、天保雨量站位置及杨万雨量站位置.

图3（b）为使用传统的雷达定量估测降水Z-I关系，采用山地地形性降水水A≈31、b≈1.71. 对9月2日02:00—06:00雷达观测体扫数据进行降水反演处理，再对高山雷达站探测低层回波弱的问题加以订正，弥补一些海拔高差影响的误差后，得到反演降水图. 从图3（b）可以看出强降水中心位置及降水分布的极不均匀.

图3（c）为在图3（b）基础上，叠加上各站点经纬度后局部雷达反演降水图，位置标注顺序同图1.灾害发生地猛硐乡北偏西有1个强降水区域，长约15 km、宽约5 km，该区域内4 h降水强度在150 mm以上，是造成这次灾害主要原因. 由于猛硐乡离雷达站约80 km，在不考虑海拔高差情况下，雷达最低使用0.5°仰角探测，加之地球曲率，雷达实际探测到猛硐乡上空约1.5 km，即这一高度以下的降水量雷达未探测到，这样会造成对降水量的低估，这也是高山雷达探测的特殊性.

表1将各测站实测值与对应位置雷达估测降水量范围比较. 通过比较发现雷达估测与各站点实测值一致性较好，但存在误差. 猛硐乡雨量自动站位于雷达观测到的强降水中心边缘，因此在没有雨量站的强降水中心区域雷达估测降水量可能更大，从读取的雷达数据和估测反演图的色标看，强降水中心区域应已超过250 mm. 采用固定Z-I关系，通常对于大雨量雷达估测偏低，对于小雨量雷达估测偏高. 在发生灾害的地方，有时没有雨量站，有时又由于灾情造成雨量站损坏或通信中断无法采集雨量数据. 了解上述情况，则可以从已有站点雨量找出较适合的Z-I关系，反推估计出没有雨量站的区域大致降水情况，或判断其它点的降水情况. 虽然存在误差和不确定因素，但应是一种简易的办法. 李柏等[21]研究表明，用一个雨量计替代一部雷达的一个库的采样空间（距离分辨率150 m，方位分辨率1°），则在C波段雷达探测范围（半径150 km的区域内）大约需要布设25万个以上的雨量计，才能达到雷达的分辨率. 李德俊等[22]研究表明，低纬高原地区多普勒天气雷达测量降水时，需要考虑降水对雷达信号的衰减影响.表1中站点实测值与雷达估值存在一定误差的原因，特别是猛硐乡站点估值偏低，可能是由于在雷达电磁波测量到猛硐站上空时，相对于其它3个站点，经过了较远的距离和穿过较长雨区，雨区对雷达电磁波衰减较大，应该是造成猛硐乡站点雷达估测值偏低的一个原因.

图3 各测站位置及反演降水分布Fig. 3 Location of station and precipitation distribution

表1 各测站实测值与雷达估测降水量范围比较Tab. 1 Comparison of rainfall between station and radar estimates

图4为各时段的雷达估测降水情况. 对比色标可以看出，图4（a）为00:00—02:00段的情况，该时段受灾地猛硐并不大，2 h降水在20～30 mm；图4（b）为02:00—03:00段降水量上升到25 mm左右；图4（c）为03:00—04:00降水量进一步上升到50～75 mm；图4（d）为04:00—05:00段降水量减弱到25～38 mm；图4（e）为05:00—06:00降水量进一步降到15 mm左右. 可见强降水时段为03:00—04:00，灾情也应该是发生在之后时段. 通常雷达估测的降水量是空中的情况，地面降水量一般有30 min左右的延时，在其它个例也能看到这样的情况（如：2015年丽江市华坪县“09.15”特大暴雨洪涝灾害；2010年6月26日曲靖市马龙县特大洪涝灾害）. 为提高雷达估测降水精度，对此问题前人也做过研究[21-22]. 另外，在图4（c）演变到图4（d）的过程中，可以看到在单体合并的情况下，图4（c）城子上站和猛硐站上空层状云降水带上分别各有一个中γ尺度单体，随着天气系统演变发生了单体合并，在图4（d）看到合并完成后强降水减弱在猛硐站西北部的情况. 已有研究表明单体合并可引发强降水[23-25]，在上述两个例中也有类似合并现象发生.许彦艳等[26]研究表明，山脉的强迫抬升机制迫使其周边出现显著的垂直上升运动，山脉对水汽通量的辐合起着加强作用，在山谷相间的区域，特别是山脉的迎风坡处，水汽通量辐合,其增量可达(0.02～0.07)10-6g·s-1·cm-2·hPa-1，有利于当地大雨和暴雨的发生. 在本文“09.02”个例中，也看到受地形影响中γ尺度单体雨团系统的相互作用，降水强度的分布受地形的影响.

通过以上分析可知，从雷达资料可更加全面、细致地了解降水分布、强降水时段和落区；由于雷达观测的是空中雨滴的情况，估测值也是空中的，较地面实测降水量有一定的提前量，对今后灾害预警防御应有一定的指导意义. 雷达进行估测降水反演出来的是降水量分布图，也可大致弥补没有雨量站区域或雨量站故障区域的降水情况. 雨团系统受地形影响，层状云中镶嵌的中γ尺度单体发生合并有时可引发合并区域下方强降水，这一指标对强降水强度和落区预报预警也有一定的指导作用.

图4 各时段的雷达估测降水情况Fig. 4 Radar estimation of precipitation in each hour

4 结论

以云南省麻栗坡县2018年“09.02”特大山洪灾害为例，结合其它个例，分析雷达估测降水在山洪灾害中的技术应用，主要得出如下结果：

（1）诱发此次山洪灾害的天气原因主要是低涡沿两高间辐合区西移，受高原山地地形抬升作用影响，造成多个中γ尺度单体合并，产生局地强降水引发灾害；降水分布极不均匀（相距几千米4 h降水量相差约100 mm）. 灾害形成的原因主要是由于天气系统和地形共同作用，加之中γ尺度单体合并引发的强降水造成灾害.

（2）加入雷达资料分析，可更加全面、细致地了解致灾原因、降水分布、强降水时段，关键较地面实测降水量有一定的提前量，这对预防这类地质灾害造成人员伤亡应有一定的指导作用. 进行反演降水的估测，也可大致了解没有雨量站区域或雨量站故障区域的降水情况，可用于实际，发挥社会效益.

（3）雷达观测到的一些现象，如雨团系统的降水强度受地形的影响造成降水分布的不均匀；层状云中镶嵌的中γ尺度单体发生合并可引发合并区域下方强降水，高山雷达估测降水的应用、高山雷达估测降水受海拔影响的一些弥补措施等，这些指标和方法对探索高原地区暴雨引发泥石流的致灾机制，在防灾减灾中应有一定的指导作用.

致谢：感谢顾万龙老师对研究的悉心指导；感谢云南各雷达站积极帮助采集资料.