肇庆X波段双偏振天气雷达降水估测研究

袁 微，郭春辉，谭丹凤，吴礼凤

(肇庆市气象局，肇庆 526060)

0 引言

新一代单偏振天气雷达基于探测气象目标为球形来估测降水，但实际上根据降水目标物的类型及所处的状态不一致得出其形状不完全是球形，因此使用常规的Z-I关系估测降水有一定的局限性。双偏振天气雷达在定量降水估测等领域，比单偏振天气雷达的优势显著。双偏振天气雷达反演降水强度除了可以使用基本反射率ZH，还可以使用ZDR、KDP等双偏振参量，探测到比常规天气雷达更多有关气象目标物的形状、大小及降水类型等信息。通过研究发现这些偏振参数与降水强度有密切关系，能够有效提高定量降水估测的准确性。Humphries[1]等得出差分相移率KDP与反射率ZH相关性较高，同时与降水强度R的相关性也较高，可以使用KDP进行定量降水估测。Seliga[2，3]等得出了差分反射率ZDR和差分传播相移ΦDP

联合反演降水的方法。勾亚彬[4]等联合了浙江6部雷达组合的拼图，采用R-Z降水估测法对低温遮挡、混合型降水、强对流降水等不同回波类型进行降水估测，并分析了误差产生的原因。梁维亮[5]等基于CAPPI3公里雷达数据，采用最优化处理法和线性回归法优化了Z-I关系，结果表明最优化处理法优于线性规划法。汪舵[6]等利用雨滴谱等数据建立起珠海S波段双偏振天气雷达的降水公式，并采用HCA-LIQ最优化算法实现不同的降水公式，结果表明HCA-LIQ算法较常规的R(ZH)具有更好的相关性和稳定性。陈羿辰[7]等运用X波段双偏振天气雷达探测数据，结合自动气象站雨量数据进行实验分析，拟合了R(ZH)和R(KDP)公式，并指出R(KDP)的降水估测结果要比R(ZH)表现出更好的准确性和稳定性，降水类型及降水形状、相态及雷达与地面雨量计空间不一致的问题是影响降水估测精度主要的原因。

文章对X波段双偏振天气雷达进行了质量控制和衰减订正[8]，结合自动气象站数据对2019年的多次降水过程进行对比分析，通过对均方根误差、相对误差和绝对误差等参数进行误差分析，得出不同降水强度情况下最适合的降水估测模型。

1 资料与方法

1.1 资料选取与处理

降水实验选取的是肇庆怀集站的X波段全固态双偏振天气雷达探测资料及75 km覆盖范围的国家自动站及区域自动气象站小时雨量数据。肇庆X波段双线偏振天气雷达运作体制为双发双收，其馈源中心位于112°11′25″N、23°56′22″E，海拔高度为91 m，地面自动气象站的分布及雷达中心位置如图1所示。

图1 雷达(★)与地面自动气象站(十)分布图

在雷达资料的质控方面，为了提高数据可靠性，选择信噪比SNR大于25 dB的偏振参量参与计算[9]，同时数据采用中值滤波法和噪声滤波法去除噪声等干扰及使用保序回归订正法对回波进行衰减订正。将雷达资料与单点自动气象站进行匹配时会受到多方面因素的影响，如风场、气压场等，容易造成自动气象站与正上方的雷达值空间位置不匹配的问题；同时考虑到雷达资料在低仰角探测时容易受到地物等杂波的影响[10]，远距离受波束展宽的影响，文章研究选择1.5°和2.4°仰角(优先使用1.5°低仰角资料，当1.5°仰角受遮挡时，使用对应方位上2.4°仰角数据)且距离雷达10～70 km的数据进行降水估测。另外考虑到1 h雨量小于等于0.1 mm为弱降水[11]，此时误差较大，故自动气象站采用大于等于0.1 mm的降水参与计算。参与计算的雷达中心位置可以根据自动气象站点的地理经纬度坐标来确定[12]，确定其中心位置后，分别计算以此点为中心的周围9个点的降水估测值[13]，取其算术平均值作为此点的雷达最终降水估测值。文章研究中暂时忽略降水的蒸发、风速及风向等其他因素对本观测实验构成的不利影响。资料匹配后需要对数据进行筛选，只有满足雷达及自动气象站同时有数值才进行计算，剔除雷达有数值、自动气象站无数值及雷达无数值、自动气象站雨量有数值的数据组合情况。

1.2 降水估测方法

利用X波段双偏振天气雷达探测到的KDP及ZH偏振量进行降水估测。按照通用的反射率与降水率之间的关系，针对对流云及层状云用不同的方法估测降水。当反射率ZH大于10 dBZ且小于37 dBZ时，判定为层状云降水；当反射率ZH大于37 dBZ时，则判定为对流云降水[14]。降水估测公式如下：

(1)

式中，ZH的单位为dBZ；Zh的单位为mm6/m3；I表示降水强度，单位为mm/h。

上述方法采用了水平反射率ZH进行降水的估测，采用此方法的前提是默认降水粒子为标准球形。当降水较小时，雨滴近似为球形，适合用此方法进行降水估测，当降水逐渐增强，雨滴由球形逐渐变成椭球形，雷达反射率ZH的准确性也下降，使用I(ZH)方法进行降水估测时，误差也会越来越大。在强降水的情况下，雷达数据的信噪比SNR增大，双偏振数据可靠性增强，KDP的可靠性也随之提高。此外，KDP对雨滴谱变化并不敏感，用KDP进行降水估测的准确性也相应提高。由于KDP是由ΦDP通过算法计算而来，算法及计算精度对定量降水有很大影响，为了避免KDP负值带来的影响，结合ZH和KDP一起反演降水能有效排除KDP负值带来的影响。公式[15]如下：

(2)

式中，ZH的单位为dBZ；I表示降水强度，单位为mm/h。

由于现行雷达体扫时间约6 min，与自动气象站5 min数据在时间上不匹配，所以对时间进行积分计算出1 h雨量，同时对1 h内的所有基数据分别计算出对应的降水强度，进行时间积分，即可计算出对应的1 h降水量。

1.3 误差分析方法

为了将雷达反演的降水与地面自动气象站实测的降水进行对比分析，文章采用相对误差(RE1，%)、绝对值相对误差(RE2，%)、平均误差(M，mm)、均方根误差(RMSE，mm)进行差异评估，这4个参量公式如下：

(3)

(4)

(5)

(6)

式中，Ri表示雷达估测的降水；Gi表示自动气象站实测的降水。

RE1和RE2反映的是雷达估测降水与实测的雨量值误差，能反映雷达估测值的可信度。不同的是RE1反映的是雨量估测值与实测雨量值的偏差是正偏差还是负偏差，通过RE1反映不同降水方法对雨量的高估还是低估的情况，而RE2不会出现这个情况，其值大小与数据可信度成反比，更能反映降水估测的可信度。M表示雷达估测的降水与自动气象站实测降水的整体差异，差异越小值越接近于0。RMSE表示数据的离散程度，其值越小表示分布越集中，也表示整体降水估测误差程度。

2 个例分析

在X波段双偏振天气雷达的10～70 km范围内覆盖了96个自动气象站，实测的1 h降水数据作为本次实验的参考值。选取2019-06-13T01：00—09：00和2019-07-22T19：00—21：00(均为北京时)的X波段双偏振天气雷达资料，在对回波进行衰减订正前后分别计算出雷达估测的小时降水量，并对比96个自动气象站实测的小时降水量数据，分析X波段双偏振天气雷达降水定量估测能力。

图2 地面实测的1 h雨量与雷达估测的降水量的散点图

从图2中可以看出：用X波段双偏振天气雷达的I(ZH)估测降水时，由于回波衰减及降水模型本身的缺陷等影响，从降水量8 mm左右开始出现低估，大部分点处于对角线的下方，随着降水量的增大，雷达估测的降水量低于自动气象站的测量值的现象明显(图2a)；使用衰减订正后的反射率ZHe(ZHe为衰减订正后的反射率，下同)模型I(ZHe)估测的降水(图2b)，雷达估测的降水值较订正前有一定程度的改善，与自动气象站的真实值更加接近，但误差依然较大，主要原因是在大雨的情况下，雨滴由球形变成扁球形，雷达反射率ZH的准确性也下降了，使用I(ZH)方法进行降水估测，误差也会相应较大，说明仅用反射率来估测降水是行不通的；使用I(ZHe，KDP)进行反演降水时，整体上散点均匀地分布在直线y=x两侧(图2c)，当1 h雨量小于10 mm时，雷达估测的降水高于自动气象站实测的降水，当1 h雨量大于10 mm时，散点均匀分布在对角线两侧，雷达估测的降水与自动气象站实测的降水差距较小，随着1 h降水继续增大，较多的点位于对角线的下方，雷达估测的降水略低于自动气象站实测的降水。

在不分降水强度大小的情况下，分别计算了3种降水估测模型与自动气象站实测的1 h降水数据误差(表1)。从相对误差RE1可以看出I(ZH)及I(ZHe)降水估测方法均出现了不同程度的低估，而I(ZHe，KDP)降水估测方法出现了高估，误差为24.6%；从绝对误差RE2可以看出误差趋势与RE1差不多，但误差数据均偏大，主要原因可能是降水模型均采用经典公式，没有采集足够多的本地数据进行拟合重新设计模型参数引起的，从平均误差及均方根误差数据变化也能明显看到这一规律。综合4种误差分析方法可以看出在不区分降水强度大小的情况下，I(ZHe，KDP)方法估测降水误差最小，I(ZHe)估测法效果次之，I(ZH)估测法效果最差，说明了经过衰减订正对于降水估测有一定的改善效果，结合双偏振量KDP和ZHe联合降水估测效果最佳，这一结论与图2散点图结论是保持一致的。

表1 不同降水模型误差统计

为了分析以上降水估测方法在不同降水强度下的误差情况，自动气象站实测的1 h降水分为小到中雨、大雨和暴雨[16]，并计算他们对应的相对误差、绝对值相对误差、平均误差及均方根误差，误差数据如表2所示。在小到中雨(0～10 mm)的范围内，I(ZH)和I(ZHe)均出现了低估，I(ZHe，KDP)出现了高估，从绝对误差来看I(ZHe，KDP)估测法误差几乎是其他2种方法的2倍，误差较大，原因是在弱降水情况下，雷达信噪比较小导致KDP数据测量误差较大，质量较差，从而引起最终的降水估测误差较大，I(ZH)估测法和I(ZHe)估测法误差是相同的原因，即在弱降水情况下，不存在衰减，故没有进行反射率ZH的衰减订正；随着降水强度到大雨范围(10～20 mm)，I(ZH)估测法和I(ZHe)估测法误差迅速上升，而I(ZHe，KDP)估测法误差迅速下降，RE1由原来的90.3%下降至-6.8%，RE2由原来的103.8%下降至25%，综合4种误差指标来看I(ZHe，KDP)估测法效果最优；随着降水强度到暴雨范围(>20 mm)，I(ZHe，KDP)估测法的相对误差RE1低估由原来的-6.8%上升至11%，绝对误差由原来的25.1%降至13.9%，而平均误差及均方根误差较大雨时变化不大，误差依然是3种方法中最小的。以上结果表明，在小时降水强度小于等于10 mm时，直接采用反射率ZH进行降水估测效果较好；小时降水强度大于10 mm时，采用I(ZHe，KDP)法效果最优。

表2 不同降水强度的误差统计

3 结束语

1)在不区分降水强度的情况下，采用KDP与ZHe结合的方法进行降水估测效果要优于经典的I(ZH)模型。

2)在区分雨强的情况下，小时降水强度小于等于10 mm时，直接采用反射率ZH进行降水估测效果较好；对于小时降水强度大于10 mm时，采用I(ZHe，KDP)估测法效果最优。

3)在弱降水情况下，雷达信噪比较小，导致KDP误差较大，影响了降水估测的准确性，因此需要合理的质量控制和KDP计算方法的改进对雷达估测降水的研究具有重要意义。