• CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊

干旱气象, 2022, 40(5): 888-896 DOI: 10.11755/j.issn.1006-7639(2022)-05-0888

技术报告

浙江省夏秋季人工增雨作业雷达指标研究

张磊,1, 宋哲1, 徐铖1, 黄旋旋2

1.浙江省人工影响天气中心,浙江 杭州 310000

2.浙江省气象台,浙江 杭州 310000

Indexes of Doppler radar echo for rainfall enhancement in summer and autumn in Zhejiang Province

ZHANG Lei,1, SONG Zhe1, XU Cheng1, HUANG Xuanxuan2

1. Weather Modification Center of Zhejiang Province, Hangzhou 310000, China

2. Zhejiang Meteorological Observatory, Hangzhou 310000, China

责任编辑: 王涓力;校对:黄小燕

收稿日期: 2021-12-11   修回日期: 2022-05-26  

基金资助: 浙江省气象局青年科技项目(2020QN03)
浙江省气象局重点科技项目(2020ZD02)

Received: 2021-12-11   Revised: 2022-05-26  

作者简介 About authors

张磊(1989—),男,江苏泰州人,工程师,主要从事人工影响天气研究.E-mail:804253275@qq.com

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.

Keywords: rainfall enhancement; indexes of Doppler radar echo; Zhejiang Province

PDF (16341KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

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

ZHANG Lei, SONG Zhe, XU Cheng, HUANG Xuanxuan. Indexes of Doppler radar echo for rainfall enhancement in summer and autumn in Zhejiang Province[J]. Arid Meteorology, 2022, 40(5): 888-896 DOI:10.11755/j.issn.1006-7639(2022)-05-0888

引言

浙江地处中国东南沿海,雨量丰沛,常年平均降水量1468.8 mm,但由于降水时空分布不均,阶段性、区域性干旱时有发生,尤以夏秋干旱危害更大[1],已成为浙江省最严重的自然灾害之一。人工增雨是浙江省抗旱的基本措施之一,在缓解旱情方面发挥着重要作用。近年来,随着政府部门对人工影响天气工作了解的逐步加深,在水库增蓄、森林防火、生态修复、空气净化等方面有了越来越多的增雨作业需求,多方面的作业需求推动常态化人影作业的开展,作业量显著提高,与此同时,对人工增雨技术的需求特别是对作业条件判别技术的需求日趋强烈。开展人工增雨作业条件判别研究,是人工影响天气工作高质量发展的必然要求,对实现科学合理作业,充分发挥人工增雨作业效益具有重要意义。

人工增雨作业条件判别是一个复杂的科学问题,肖卉等[2]从天气系统的位置及演变趋势等宏观层面对作业指标进行总结,指出作业时天气系统处于发展阶段作业效果好,作业点处在系统中部作业效果较为显著。尚博等[3]、翟菁等[4]利用中尺度模式分析作业条件,指出冰面过饱和度、K指数、比湿、积分云水含量、低层垂直速度可作为作业条件的判别指标。然而面对复杂多变的云系环境,上述指标在临近作业指挥中并不适用。基于探测资料得出的增雨作业指标在临近作业指挥业务中具有较高便利性。研究表明,过冷水通量、降水通量、云顶温度、风向可以作为地形云增雨作业指标[7],当云顶温度在-24~-10 ℃时播云作业效果较好[5-6];VALI等[8]将过冷水含量大于0.05 g·m-3和冰晶浓度小于0.1 L-1的航线占总探测航线的百分比作为增雨指标。此外,基于地基微波辐射计[9]、多普勒雷达[10-16]、偏振雷达[17]、GPS水汽[18]、探空[19]、卫星遥感[20]等多种探测资料开展了增雨作业相关指标的研究。在众多探测手段中,机载云物理探测设备具有得天独厚的优势,可直接探测作业区的云粒子特征,能有效判断作业区增雨条件[21-22],但在未开展飞机作业的地区并不适用,具有一定的局限性。多普勒雷达由于其较高的时空分辨率和较远的探测距离,已成为人工增雨作业条件判断中最常用的探测手段。目前福建[13]、江西[14]、湖南[16]、重庆[15]等多个省份都基于多普勒雷达资料建立了适用于本省的增雨作业指标,所用参量主要为回波强度、回波顶高、负温区厚度、回波面积、垂直积分液态水含量、回波移速等。多普勒雷达速度场资料虽然也能用于增雨潜力分析和作业条件判别[23-24],但在实际业务使用中不如其他参量便利。

浙江省级人影业务部门成立时间短,尚未建立适用于浙江省人工增雨作业的雷达指标,亟需开展相关研究。此外,全国多数省份虽已建立了各自不同的增雨作业雷达指标,但在挑选研究样本时大都未经严格筛选,一般以作业后的雨量大小或作业记录中的定性描述为筛选依据,缺乏足够的说服力,并且选取的部分雷达参量在实际作业指挥中难以快速获取,存在实用性不高的问题。基于此,本文通过对2018—2020年浙江夏秋季的人工增雨作业过程进行分析,根据定量效果检验挑选样本,建立不同季节不同类型云系人工增雨作业的局部指标和整体指标,并通过判别方程将二者有效结合,以期为浙江省更加科学合理地开展人工增雨作业提供理论支撑。

1 资料与方法

1.1 资料

所用资料包括2018—2020年夏秋季(6—11月)浙江省人工影响天气作业记录、MICAPS数据、多普勒雷达基数据、自动站小时雨量及探空数据。多普勒雷达包括湖州、杭州、宁波、衢州、金华、台州、丽水、温州共8部雷达,根据作业点位置选择合适的雷达进行分析;多普勒雷达数据为每6 min一组的观测数据,选取最接近增雨作业时段的数据作为作业时刻雷达数据。全省共有杭州、衢州、台州3个探空站,每天08:00(北京时,下同)和20:00各有一次探空观测,探空资料选择最接近作业时段且距离作业点最近的探空数据分析作业点上空风向、风速和0 ℃层高度等。

文中涉及的地图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2556号的标准地图制作,底图无修改。

1.2 效果评估方法

采用逆推法获取火箭增雨作业的雷达回波指标,即从以往增雨作业个例中挑选增雨效果明显的个例进行雷达参数统计,总结适合开展增雨作业的雷达指标,再以此指标作为今后增雨作业的参考依据。本文以定量统计的作业效果为依据,确保挑选出的研究样本具有较强说服力,从而使推导出的作业指标更加科学合理。区域对比试验为最常用的作业效果统计检验方法之一,在我国人影效果评估业务中得到广泛应用[25-27],其基本原理是假定目标区和对比区的自然雨量相等,以试验期对比区雨量作为目标区自然雨量估计值,再与实测雨量比较确定增雨效果[28],具体分析步骤如下:

(1)分析作业合理性

作业合理性分析为作业效果评估第一步,若判断作业不合理则无需计算其增雨效果。根据中国气象局人影中心编制的《人工增雨作业效果检验技术指南》(2016版),作业合理至少需要满足作业有效射程范围内有雷达回波且催化剂能到达期望的云体部位,具体可细分为如下条件:1)从雷达CAPPI(等高平面位置显示器,constant altitude plan position indicator, CAPPI)回波图上看,在作业点射程范围内沿作业方位有一定强度的雷达回波;2)催化剂播撒高度高于0 ℃层;3)从雷达RHI(距离高度显示器,range height indicator, RHI)回波图上看,在催化高度上有一定强度的雷达回波。

(2)确定目标区

火箭作业催化可以看作瞬时线源[29],作业后催化剂粒子会随风向下游移动,因此目标区形状可近似为一个梯形,如图1所示。假设A为作业点位置,AB为弹药播撒路径,可简化为由作业方位角和火箭射程确定,EF为催化剂扩散方向和距离,方向可由雷达回波移向确定,距离可综合考虑作业高度风速和作业云系生消情况来确定。由于催化剂主要向下游传播,纵向扩散较为有限,因此CDAB略长即可。

图1

图1   作业目标区示意图

Fig.1   The schematic plot of target area


(3)确定对比区

合理选择对比区是评估结果的关键环节,对比区选择应遵循3个基本条件[25,30-31]:1)不受催化污染;2)天气系统与目标区一致;3)地形、面积与目标区大体相似。对比区与目标区的历史雨量相关系数可在一定程度上反映两个区域的天气影响系统及地形条件相似程度。为满足条件2和条件3,对比区应在目标区周边选取,形状与目标区保持基本相当,对比区与目标区的历史雨量相关系数应不低于0.6;为满足条件1,对比区应位于目标云系移动方向的侧面或上风方。除此之外,对比区选择应结合雷达回波演变来确定,首先观察作业云系在作业前的演变特征,然后在符合以上3个基本条件的作业云系周边挑选出与其强度及发展趋势较为接近的云系确定对比区位置。

(4)计算区域平均雨量

目标区或对比区平均雨量计算方法相同,以目标区为例,首先确定作业影响时段,业内一般认为催化剂的有效时间为3 h,由于夏季对流云生命史较短,因此应结合作业回波的实际生消情况确定最终的作业影响时段,然后计算目标区内各雨量站影响时段的累计雨量,最后以各站点累计雨量的算术平均值作为目标区平均雨量。

(5)计算增雨量

增雨量原则上为目标区作业后的实际雨量与未作业的自然雨量之差,区域对比试验假定目标区和对比区自然雨量相等,因此增雨量=目标区实际雨量-对比区实际雨量,增雨率=增雨量/对比区实际雨量。

1.3 样本筛选

根据作业记录,2018—2020年夏秋季浙江省共开展增雨作业369次,对其中70次作业因缺少雷达或探空数据剔除后,获得299个火箭增雨作业样本,根据上述方法对作业效果进行分析,作业不合理的样本有147个,负效果或无效果的样本69个,正增雨效果样本83个。

为使获取的雷达指标具有较好参考价值,分析所用样本增雨效果须明显。增雨效果明显首先需要有较高的增雨率,目前国际上比较认可的作业增雨率为13%~15%[32],为避免过滤太多样本导致可研究样本数过少,本文筛选样本的第一个条件设为增雨率大于等于10%;其次受益区要有一定的降水量,如果只有微量降水,就算增雨率较大也无法取得较大增雨量,因此筛选样本的第二个条件设为作业影响时段内受益区平均累计雨量大于等于1 mm。最终共选出同时满足以上2个条件的40个增雨效果明显样本,以下云系分类及指标建立均基于此40个样本。

2 火箭增雨作业雷达指标

2.1 降水天气系统和云系类型

为了使雷达作业指标具有较强的针对性,需要对作业云系和降水天气系统进行分类。

2.1.1 天气系统类型

根据850、700、500 hPa风场和高度场对所选样本天气系统进行归纳,大致可分为6个类型:切变线、高空槽、冷空气、南支槽、台风和其他。表1为40个样本对应的天气系统类型占比,可见切变线、高空槽和台风占比较高,针对此类天气系统影响下的云系进行催化作业会取得较好的增雨效果。

表1   2018—2020年夏秋季浙江省火箭增雨效果明显样本6类天气系统占比

Tab.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:%

切变线高空槽冷空气南支槽台风其他
28.621.47.110.721.410.8

新窗口打开| 下载CSV


2.1.2 云系类型

根据不同云系所对应的雷达回波和降水特征进行分类。层状云为大范围、长时间维持的均匀片状回波,回波强度弱(一般小于等于30 dBZ)而均匀,RHI回波顶部较平坦,垂直高度多在5~7 km;降水连续均匀,降水性质稳定,持续时间较长。积状云生命史短,一般为30~180 min,能明显看出发展、成熟、消散3个阶段,多单体对流多呈团状、线状发展,成熟期回波中心强度一般可达50 dBZ及以上,回波顶高超过10 km;降水持续时间短、强度大、局地性强。混合云即层状云中嵌有积状云,回波特征为大片均匀片状回波中夹杂着一个个强度较强的回波团,结构像棉絮,RHI回波顶部不平坦,垂直高度一般在7~8 km;降水比单纯层状云降水强度大,且部分区域表现出明显的积状云强降水特征。混合云又可分为层状云为主混合云和积状云为主混合云,前者雷达回波特征总体偏向于层状云,但回波强度比层状云强,部分区域回波可达35~45 dBZ,RHI回波顶部总体较平坦,局部有积状云特征,以层状云降水为主,夹杂一些强度不等的阵性降水(5~15 mm·h-1);后者雷达回波特征则更偏向于积状云,中心回波强度一般超50 dBZ,回波面积明显比积状云更大,RHI回波顶部起伏较大,阵性降水强度较强,可超30 mm·h-1。各云系雷达回波典型特征见图2图3

图2

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

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)


统计所选40个样本,层状云占比2.5%,积状云占比15.0%,而两类混合云占比高达82.5%,可见浙江省作业云系以混合云为主,层状云和积状云降水都较少。

2.2 雷达指标建立

新一代S波段多普勒雷达探测范围广、精度高,长时间运行稳定可靠,在人工增雨作业中具有不可替代作用。据相关研究[10-16],基本反射率、平均径向速度、垂直积分液态水含量、回波顶高、强回波高度、回波面积等雷达产品均可作为增雨作业指标。考虑实际作业指挥时的便利,选择较为直观且易于获取的回波强度(Z)、回波顶高(H)、负温层厚度(∆H)、垂直累积液态水含量(VIL)4个参数为作业判据进行统计分析。

回波强度能客观反映云体中过冷水滴或冰晶含量和云体发展程度,其值越大云体发展越旺盛,降水和增雨潜力越大[33],因而可将其作为增雨预判的一项重要指标,考虑到增雨作业主要针对0 ℃层以上云系,因此统计的回波强度为0 ℃层高度回波大小;回波顶高反映对流云发展高度,高度高表明云体内上升气流强,能在一定程度上反映云系发展阶段,可为作业对象选择提供科学依据[16],一般将大于等于18 dBZ反射率因子最高高度作为回波顶[34],但由于浙江省秋季层状降水云系回波强度较弱(可低于18 dBZ),且考虑到本地雷达反射率因子图像色标值均为5的整数倍,为便于实际应用,取15 dBZ反射率因子最高高度作为回波顶高;负温层厚度为回波顶高与0 ℃层高度差值,选择此项作为判别指标是因为云体的负温层厚度能反映冷云的降水能力,负温层厚度越大,越有利于过冷却层中水粒子的富集及冰相过程增长,负温层是冷云人工增雨作业选择的关键部位[35];垂直累积液态水含量反映降水云体在某一确定底面积垂直柱体内降水粒子总量折合成水的分布,是判别强降水及降水潜力的有效参量[16]

作业指标应便于在实际作业中应用,考虑到云系判别较天气系统更加简捷,因此分不同云系进行相关雷达指标统计。此外,不同季节雷达指标存在一定差异[36],指标又分为夏季指标和秋季指标。夏季样本无层状云,云系主要为层状云为主混合云、积状云为主混合云和积状云3类;秋季样本层状云和积状云各仅有1例,不足以得出统计特征,因此秋季指标中云系分层状云为主混合云与积状云为主混合云2类。在建立雷达指标时,考虑到实际作业时既要关注云系作业方位局部范围内的雷达回波参量,也要对整体云系的回波参量有所考量,因此提出局部指标和整体指标的概念。建立局部指标时对每个样本取作业方位射程范围内(图1AB)回波参量的最大值,然后对所有样本取平均得到指标值;整体指标与局部指标的计算方法一样,但每个样本取整片云系回波参量的最大值。经统计,夏秋季不同云系增雨作业雷达指标见表2

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
Z/dBZH/kmH/mVIL/(kg·m-2Z/dBZH/kmH/mVIL/(kg·m-2
混合云(层状云为主)204.079783310.2499025
夏季混合云(积状云为主)259.94837184612.5743733
积状云187.3206712449.2400720
秋季混合云(层状云为主)194.814956305.5222011
混合云(积状云为主)266.524749417.8380319

新窗口打开| 下载CSV


为了在实际增雨作业过程中更快、更好地判断作业条件,建立如下判别方程:

z=x1y1+x2y2+x3y3+x4y4

式中:z为作业条件指数;x1x2x3x4为实际作业云系局部回波参量值(ZH、∆H、VIL)与对应局部指标相比较后的赋值;y1y2y3y4为实际整体回波参量值与对应整体指标相比较后的赋值。当实际回波参量值大于等于对应指标值时则xiyi赋值为1,小于指标值赋值为0。对于作业云系,回波同时满足局部和整体指标的参量越多,则z值越大。z=4表示非常有利于作业,能获得显著增雨效果;z=3表示有利于作业,一般能获得明显增雨效果;z=2表示可以作业,能获得一定的增雨效果,但效果一般不明显;z≤1表示不利于作业,可能导致作业无效。

3 作业效果不佳原因简析

在所有369个样本中,除去因缺少相关数据无法进行分析的70个样本,共有216个样本作业后未得到正增雨效果,其中147例(占比49.2%)作业本身不合理,作业合理但未能取得正增雨效果的有69例,占比23%,作业合理且取得正增雨效果的共83例,占比27.8%。由此可见,作业不合理是增雨作业效果差的主要原因。

作业单位在以下两方面进行改进即可大幅提高合理作业占比:(1)熟悉火箭弹在各发射仰角对应的催化剂播撒高度,需确保催化播撒高度至少在当日0 ℃层以上,最好在-10~-5 ℃之间;(2)作业前需观察作业点周围回波发展情况,确保作业方位对应的火箭射程范围内有一定强度回波,且回波顶高超过0 ℃层高度。

其他导致作业效果不佳的可能原因有:(1)作业时机不合适。如图4所示,由作业云系回波演变可知,该云系为积状云演变而来,作业时云系已处于消散阶段,相关研究表明在降水回波出现前及降水回波减弱消散阶段,均不宜实施人工增雨作业[37];(2)作业部位不合适。如图5所示,富阳2号作业点于14:00开展作业,作业部位为云系边缘,若1 h后作业,则可对云体中部进行催化,获得正增雨效果的概率也会随之增大;(3)作业对象不合适。如图6所示,此次作业的桐庐4号作业点火箭射程范围内目标云系的回波强度非常弱,基本小于15 dBZ,应挑选具有一定回波强度的云系进行作业,具体可参考上文分析所得雷达指标。

图4

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

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

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)


4 结论

本文基于多普勒雷达、自动站雨量、探空等资料,利用区域对比法筛选出2018—2020年浙江夏秋季增雨效果明显样本,利用逆推法对浙江夏秋季不同云系增雨作业雷达指标进行统计分析,发现混合云为增雨主要作业云系,当按照雷达指标建立的判别方程进行作业条件判别后,可以取得较好的增雨效果。具体结论如下:

(1)浙江最有利于开展增雨作业的天气影响系统为切变线、高空槽和台风,占比分别为28.6%、21.4%和21.4%。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%。

(2)作业云系按雷达回波和降水特征可分为层状云、积状云、混合云,混合云占比高达82.5%,为增雨作业主要对象。

(3)回波强度(Z)、回波顶高(H)、负温层厚度(∆H)、垂直累积液态水含量(VIL)为判别增雨作业条件的有效判据。夏秋季不同云系的作业雷达指标有所不同,实际作业时应同时兼顾作业方位云系雷达回波参量和整体云系回波参量,分别建立局部指标和整体指标。

(4)对某一雷达参量而言,同时满足局部指标和整体指标才算满足该参量指标,满足指标的参量越多表明越有利于开展人工增雨作业。

(5)作业不合理是制约正增雨作业效果的主要原因,占比高达49.2%。作业时机不合适、作业部位不合适和作业对象不合适也是导致作业效果不佳的常见原因。

本研究所得火箭作业雷达指标对浙江实际作业具有一定的指导意义,但受限于目前的效果评估水平且样本数相对较少,指标仍有待进一步完善,后续将随着效果评估方法的不断优化和样本数的不断补充对雷达指标进行修正,使指标更加科学合理。

参考文献

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.

[本文引用: 1]

肖卉, 白卡娃, 王可法, .

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.

[本文引用: 1]

尚博, 蔡淼, 霍也, .

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.

[本文引用: 1]

翟菁, 黄勇, 胡雯, .

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.

[本文引用: 1]

GRANT L O, ELLIOTT R E.

The cloud seeding temperature window

[J]. Journal of Applied Meteorology, 1974, 13(3): 355-363.

DOI      URL     [本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 1]

王黎俊, 孙安平, 刘彩红, .

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.

[本文引用: 1]

李红斌, 何玉科, 姚展予, .

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.

[本文引用: 2]

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.

[本文引用: 2]

李德俊, 唐仁茂, 江鸿, .

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.

[本文引用: 2]

林长城, 陈彬彬, 隋平, .

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.

[本文引用: 3]

郭艳, 蔡哲, 杨建超, .

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.

[本文引用: 3]

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.

[本文引用: 3]

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.

[本文引用: 5]

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.

[本文引用: 1]

孙莉娟, 徐阳, 鲁德金, .

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.

[本文引用: 1]

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.

[本文引用: 1]

刘贵华, 余兴, 岳治国, .

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.

[本文引用: 1]

李宝东, 孙玉稳, 孙霞, .

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.

[本文引用: 1]

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.

[本文引用: 1]

李红斌, 胡志群, 张家伟, .

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.

[本文引用: 1]

王丽莉, 陈真, 季芬琴, .

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.

[本文引用: 1]

郭红艳, 李春光, 刘强, .

山东济宁地区人工增雨效果检验

[J]. 干旱气象, 2014, 32(3):454-459.

[本文引用: 2]

张元, 刘建西, 刘晓璐, .

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.

[本文引用: 1]

廖向花, 张逸轩, 陈小敏, .

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.

[本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 1]

余芳, 刘东升, 何奇瑾, .

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.

[本文引用: 1]

王晓立, 马劲松, 王恬茹, .

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.

[本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 1]

俞小鼎, 姚秀萍, 熊廷南, . 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.

[本文引用: 1]

林长城, 姚展予, 林文, .

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.

[本文引用: 1]

唐佐阳, 吕巍伟, 吕校华, .

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.

[本文引用: 1]

王吉宏, 张维全, 班显秀, .

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.

[本文引用: 1]

/