浙江省夏秋季人工增雨作业雷达指标研究

doi:10.11755/j.issn.1006-7639(2022)-05-0888

摘要/Abstract

摘要：

为指导地市更加科学合理地开展人工增雨作业，基于2018—2020年夏秋季浙江人工增雨作业记录、多普勒雷达数据、MICAPS数据、自动站小时雨量及探空数据，在对增雨作业效果分析后利用逆推法对浙江省夏秋季人工增雨作业雷达指标进行研究。浙江有利于开展人工增雨作业的天气系统主要有切变线、高空槽和台风，占比分别为28.6%、21.4%和21.4%。根据雷达回波和降水特征，作业云系可分为层状云、积状云、层状云为主和积状云为主的混合云，其中混合云是最常见的作业云系，占比高达82.5%。在日常增雨作业中，增雨效果明显的作业比例较低，占比仅13.4%。回波强度、回波顶高、负温层厚度、垂直积分液态水含量为增雨作业条件判别的有效指标，不同季节和不同云系对应的雷达指标有所不同。统计发现未能合理开展作业是无法获取正增雨效果的主要原因，占比高达49.2%，其他常见原因还包括作业时机不合适、作业部位不合适和作业对象不合适。本文所建立的雷达指标在临近作业指挥中具有一定的指导意义。

关键词: 人工增雨, 雷达指标, 浙江

Abstract:

Based on rainfall enhancement operation records in Zhejiang Province and Doppler radar data, sounding data and hourly rainfall observations from automatic stations as well as MICAPS weather chart from June to November of 2018-2020, the indexes of Doppler radar echo for rainfall enhancement in summer and autumn in Zhejiang Province were researched with the inverse method after evaluation of rainfall enhancement effect in order to guide cloud seeding operation more scientific and reasonable. The results show that the shear line, upper trough and typhoon are the most favorable weather systems for artificial rainfall enhancement in Zhejiang Province, accounting for 28.6%, 21.4% and 21.4%, respectively. According to radar echo and precipitation characteristics, cloud types can be divided into stratiform cloud, cumuliform cloud, mixed cloud giving priority to stratiform cloud and mixed cloud giving priority to cumuliform cloud. Mixed cloud is the most common type for rainfall enhancement, accounting for up to 82.5%. The number of samples with obvious rainfall enhancement effect is small, only accounting for 13.4%. Radar echo intensity, radar echo top, vertical integrated liquid water and thickness of negative temperature layer are valid criteria for operating conditions. The indexes of Doppler radar echo for rainfall enhancement are different in different seasons and for different cloud types. So the indexes of Doppler radar echo and the discriminant equation of operating conditions should be established separately. Unreasonable operation was the main reason why we failed to get positive effect of rainfall enhancement, which accounted for 49.2% of all the samples. Many other reasons leading to failure of rainfall enhancement included but not limited to inappropriate time, position and object. The indexes of Doppler radar echo for rainfall enhancement established in this article are scientific and easy-to-use. These studies have evident significance to command cloud seeding operation.

Key words: rainfall enhancement, indexes of Doppler radar echo, Zhejiang Province

中图分类号:

P481

张磊, 宋哲, 徐铖, 黄旋旋. 浙江省夏秋季人工增雨作业雷达指标研究[J]. 干旱气象, 2022, 40(5): 888-896.

ZHANG Lei, SONG Zhe, XU Cheng, HUANG Xuanxuan. Indexes of Doppler radar echo for rainfall enhancement in summer and autumn in Zhejiang Province[J]. Journal of Arid Meteorology, 2022, 40(5): 888-896.

图/表 8

图1 作业目标区示意图

Fig.1 The schematic plot of target area

表1 The proportion of six weather systems of samples with obvious rocket rainfall enhancement effect in summer and autumn of 2018-2020 in Zhejiang 单位：%

Tab.1

切变线	高空槽	冷空气	南支槽	台风	其他
28.6	21.4	7.1	10.7	21.4	10.8

图2 不同云系0 ℃层高度雷达反射率因子（单位：dBZ）CAPPI典型特征（a）层状云（2019年10月25日17：33 ，杭州雷达站），（b）积状云（2018年8月4日14：48 ，衢州雷达站），（c）层状云为主混合云（2019年10月27日15：18 ，金华雷达站），（d）积状云为主混合云（2018年6月29日17：32 金华雷达站）

Fig.2 The typical characteristic of CAPPI of radar reflectivity factor （Unit： dBZ） at the height of 0 ℃ layer for different cloud types （a） stratiform cloud （17：33 BST 25 October 2019， Doppler radar at Hangzhou station），（b） cumuliform cloud （14：48 BST 4 August 2018， Doppler radar at Quzhou station），（c） mixed cloud giving priority to stratiform cloud （15：18 BST 27 October 2019， Doppler radar at Jinhua station），（d） mixed cloud giving priority to cumuliform cloud （17：32 BST 29 June 2018， Doppler radar at Jinhua station）

图3 不同云系雷达反射率因子（单位：dBZ）垂直剖面典型特征（a）层状云（2019年10月25日18：35，杭州雷达站），（b）积状云（2018年8月4日14：25，衢州雷达站），（c）层状云为主混合云（2019年10月27日15：18，金华雷达站），（d）积状云为主混合云（2018年6月29日17：55，金华雷达站）

Fig.3 The typical characteristic of vertical cross-section of reflectivity （Unit： dBZ） for different cloud types （a） stratiform cloud （18：35 BST 25 October 2019， Doppler radar at Hangzhou station），（b） cumuliform cloud （14：25 BST 4 August 2018， Doppler radar at Quzhou station），（c） mixed cloud giving priority to stratiform cloud （15：18 BST 27 October 2019， Doppler radar at Jinhua station），（d） mixed cloud giving priority to cumuliform cloud （17：55 BST 29 June 2018， Doppler radar at Jinhua station）

表2 浙江省夏秋季不同云系火箭增雨作业雷达指标

Tab.2 The indexes of Doppler radar echo for rocket rainfall enhancement of different cloud types in summer and autumn in Zhejiang

季节	云系	局部指标				整体指标
季节	云系	Z/dBZ	H/km	∆H/m	VIL/（kg·m^-2）	Z/dBZ	H/km	∆H/m	VIL/（kg·m^-2）
	混合云（层状云为主）	20	4.0	797	8	33	10.2	4990	25
夏季	混合云（积状云为主）	25	9.9	4837	18	46	12.5	7437	33
	积状云	18	7.3	2067	12	44	9.2	4007	20
秋季	混合云（层状云为主）	19	4.8	1495	6	30	5.5	2220	11
秋季	混合云（积状云为主）	26	6.5	2474	9	41	7.8	3803	19

图4 2018年6月29日16：02（a）和17：26（b）杭州雷达组合反射率因子（单位：dBZ）（红色椭圆对应作业云系）

Fig.4 The composite radar reflectivity factor at 16：02 BST （a） and 17：26 BST （b） 29 June 2018 （Unit： dBZ）（The red ellipse represents the cloud with seeding operation）

图5 2019年11月27日14：01（a）和14：59（b）杭州雷达组合反射率因子（单位：dBZ）（黑点为火箭作业点，红色四边形为作业影响区域）

Fig.5 The composite radar reflectivity factor at 14：01 BST （a） and 14：59 BST （b） 27 November 2019 （Unit： dBZ）（The black dot represents rocket launching site and the red quadrilateral represents the area affected by the operation）

图6 2019年10月27日17：30杭州雷达组合反射率因子（单位：dBZ）（黑点为火箭作业点，红色圆圈为作业射程范围）

Fig.6 The composite radar reflectivity factor at 17：30 BST 27 October 2019 （Unit： dBZ）（The black dot represents rocket launching site and the red circle represents the operating range）

参考文献 37

[1]	王镇铭, 杜惠良, 杨诗芳. 浙江省天气预报手册[M]. 北京: 气象出版社, 2013:387-393.
[2]	肖卉, 白卡娃, 王可法, 等. 江苏省火箭人工增雨作业指标研究[J]. 气象科学, 2008, 28(4):440-443.
[3]	尚博, 蔡淼, 霍也, 等. 吉林省春季人工增雨潜力及指标的数值模拟研究[J]. 气象与环境学报, 2020, 36(1):74-81.
[4]	翟菁, 黄勇, 胡雯, 等. 一次积层混合云降水过程增雨条件分析[J]. 气象, 2010, 36(11):59-67.
[5]	GRANT L O, ELLIOTT R E. The cloud seeding temperature window[J]. Journal of Applied Meteorology, 1974, 13(3): 355-363. DOI URL
[6]	HUDAK D R, LIST R. Precipitation development in natural and seeded cumulus clouds in southern Africa[J]. Journal of Applied Meteorology and Climatology, 1988, 27(6):734-756.
[7]	LONG A B, CARTER E J. Australian winter mountain storm clouds: precipitation augmentation potential[J]. Journal of Applied Meteorology and Climatology, 1996, 35(9):1457-1464.
[8]	VALI G, KOENIG L R, YOKSAS T C. Estimate of precipitation enhancement potential for the Duero basin of Spain[J]. Journal of Applied Meteorology and Climatology, 1988, 27(7):829-850.
[9]	王黎俊, 孙安平, 刘彩红, 等. 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, 2007, 33(11):28-33.
[10]	李红斌, 何玉科, 姚展予, 等. 多普勒雷达速度场特征在人工增雨作业中的判据指标应用[J]. 气象, 2008, 34(6):102-106.
[11]	刘万杰, 朱麟. 多普勒雷达在人工增雨作业中的应用[J]. 气象研究与应用, 2019, 39(增刊2):102-104.
[12]	李德俊, 唐仁茂, 江鸿, 等. 武汉一次对流云火箭人工增雨作业的综合观测分析[J]. 干旱气象, 2016, 34(2):362-369.
[13]	林长城, 陈彬彬, 隋平, 等. 闽西北地区降水回波特征和人工增雨作业条件分析[J]. 气象科技, 2011, 39(6):697-702.
[14]	郭艳, 蔡哲, 杨建超, 等. 江西人工增雨作业条件的雷达回波参数指标分析[J]. 气象与减灾研究, 2010, 33(4):67-71.
[15]	林娜, 施春华. 利用新一代多普勒雷达产品判别重庆市人工增雨作业指标[J]. 黑龙江气象, 2013, 30(1):40-43.
[16]	唐林, 魏鸣, 王治平. 湖南人工增雨云型的分析判别与多普勒天气雷达指挥系统的研制应用[J]. 气象科学, 2007, 27(1):95-100.
[17]	陈羿辰, 何晖. 基于偏振雷达的积层混合云降水增雨潜力识别方法研究[J]. 大气科学, 2017, 41(3):578-592.
[18]	孙莉娟, 徐阳, 鲁德金, 等. 雷达和GPS水汽资料在人工增雨指标中的应用[J]. 现代农业科技, 2020(16):160-162.
[19]	王以琳, 刘文, 王广河. 冷云人工增雨催化区的探空判据[J]. 气象学报, 2002, 60(1):116-121.
[20]	刘贵华, 余兴, 岳治国, 等. 卫星遥感人工增雨作业条件Ⅱ:层状云[J]. 气候与环境研究, 2012, 17(6):758-766.
[21]	李宝东, 孙玉稳, 孙霞, 等. 河北春季一次飞机人工增雪的综合分析[J]. 干旱气象, 2014, 32(5):819-829.
[22]	白婷, 黄毅梅, 樊奇. 河南一次降水天气过程人工增雨作业条件综合分析[J]. 气象, 2020, 46(12):1633-1640.
[23]	李红斌, 胡志群, 张家伟, 等. 多普勒天气雷达速度场特征及在人工增雨中的应用[J]. 气象科学, 2009, 29(4):564-568.
[24]	王丽莉, 陈真, 季芬琴, 等. 新一代天气雷达速度场特征在人工增雨中的应用[J]. 山西农业大学学报(自然科学版), 2012, 32(3):285-288.
[25]	郭红艳, 李春光, 刘强, 等. 山东济宁地区人工增雨效果检验[J]. 干旱气象, 2014, 32(3):454-459.
[26]	张元, 刘建西, 刘晓璐, 等. 2013年四川省飞机增雨作业典型个例分析[J]. 成都信息工程学院学报, 2015, 30(2):192-198.
[27]	廖向花, 张逸轩, 陈小敏, 等. 重庆一次典型飞机人工增雨作业的效果分析[J]. 西南师范大学学报(自然科学版), 2014, 39(9):156-163.
[28]	王婉, 姚展予. 人工增雨统计检验结果准确度分析[J]. 气象科技, 2009, 37(2):209-215.
[29]	周毓荃, 朱冰. 高炮、火箭和飞机催化扩散规律和作业设计的研究[J]. 气象, 2014, 40(8):965-980.
[30]	余芳, 刘东升, 何奇瑾, 等. 2009年飞机人工增雨作业抗春旱效益评估[J]. 高原山地气象研究, 2010, 30(1):72-75.
[31]	王晓立, 马劲松, 王恬茹, 等. 2016-04-16潍坊市人工增雨效果检验分析[J]. 气象水文海洋仪器, 2018, 35(1):27-33.
[32]	章澄昌. 当前国外人工增雨防雹作业的效果评估[J]. 气象, 1998, 24(10):3-8.
[33]	潘多, 侯正俊, 次珍. 基于雷达资料人工增雨潜势预判方法的研究[J]. 安徽农业科学, 2015, 43(32):360-362.
[34]	俞小鼎, 姚秀萍, 熊廷南, 等. 多普勒天气雷达原理与业务应用[M]. 北京: 气象出版社, 2006:181-185.
[35]	林长城, 姚展予, 林文, 等. 福建省古田试验区云系回波特征与人工增雨作业条件分析[J]. 大气科学学报, 2017, 40(1):138-144.
[36]	唐佐阳, 吕巍伟, 吕校华, 等. 衡邵盆地7—8月对流云特征与人工增雨作业效果分析[J]. 气象研究与应用, 2018, 39(1):51-54,69.
[37]	王吉宏, 张维全, 班显秀, 等. 积层混合云人工增雨作业条件分析[J]. 安徽农业科学, 2009, 37(10):4560-4562.