• 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(6): 1092-1098 DOI: 10.11755/j.issn.1006-7639(2022)-06-1092

技术报告

风廓线雷达探测模式组合应用分析

毛文茜,1,2, 肖霞,3, 张文煜2,4, 冒立鑫5, 王开强5, 王琦6

1.甘肃农业大学 资源与环境学院,甘肃 兰州 730070

2.兰州大学 大气科学学院,半干旱气候变化教育部重点实验室,甘肃 兰州 730000

3.中国科学院大气物理研究所,北京 100029

4.郑州大学 地球科学与技术学院,河南 郑州 450001

5.甘肃省民乐县气象局,甘肃 民乐 734500

6.中国人民解放军91103部队,海南 三亚 572099

Application analysis of wind profile radar detection mode combination

MAO Wenqian,1,2, XIAO Xia,3, ZHANG Wenyu2,4, MAO Lixin5, WANG Kaiqiang5, WANG Qi6

1. College of Resources and Environmental Sciences, Gansu Agricultural University, Lanzhou 730070, China

2. College of Atmospheric Sciences, Lanzhou University, Key Laboratory for Semi-Arid Climate Change of the Ministry of Education, Lanzhou 730000, China

3. Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China

4. School of Geoscience and Technology, Zhengzhou University, Zhengzhou 450001, China

5. Minle Meteorological Station of Gansu Province, Minle 734500, Gansu, China

6. Unit No. 91103 of PLA, Sanya 572099, Hainan, China

通讯作者: 肖霞(1983—),女,副研究员,主要研究方向为大气边界层研究. E-mail:xiaoxia@mail.iap.ac.cn

责任编辑: 黄小燕;校对:蔡迪花

收稿日期: 2021-02-4   修回日期: 2021-05-21  

基金资助: 国家重点研发计划项目(2018YFC1506600)
国家自然科学基金项目(41875085)
兰州大学中央高校基本科研业务费专项资金项目(lzujbky-2019-it05)

Received: 2021-02-4   Revised: 2021-05-21  

作者简介 About authors

毛文茜(1994—),女,博士,讲师,主要研究方向为大气探测和大气物理.E-mail:maowq16@lzu.edu.cn

摘要

为了更好地发挥风廓线雷达在高空探测中的优势,本文利用2014—2017年中国科学院大气物理研究所淮南气候环境综合观测试验站(Huainan Climate and Environment Observatory,HCEO)的ST风廓线雷达探测资料,评估在不同探测模式组合下雷达的探测性能,探讨探测气象环境对其影响,研判实际应用中探测模式组合的适用性。结果表明:ST风廓线雷达选用高、低模式与转换高度进行模式组合,可实现不同探测目的,但不同组合的探测性能存在差异,主要呈现两种变化规律:一种是模式转换前探测性能逐渐降低,而转换后迅速升高,进入高模式后随高度逐渐降低;另一种是转换过程中探测性能未发生明显改变,到高模式某一高度后逐渐降低。另外,秋冬季临近转换高度探测性能的降低程度逐渐加大;降水使对流层中低层探测性能降低。因此,可以依据雷达对大气边界层、对流层以及平流层的探测性能,选择合适的探测模式组合。

关键词: ST风廓线雷达; 探测模式; 探测环境; 探测性能; 评估

Abstract

In order to better exploit the detection advantages of wind profile radar in upper layer, the detection data of ST wind profile radar during 2014-2017 from Huainan Climate and Environment Observatory (HCEO), Institute of Atmospheric Physics, Chinese Academy of Sciences, were used to evaluate the detection performance of ST wind profile radar under different detection mode combinations, and the influence of meteorological environment on detection performance was explored. On this basis, the applicability of detection mode combinations was discriminated in practical operations. The results show that ST wind profile radar can achieve different detection purposes by combining high or low modes with switching altitude. However, there are differences in detection performance under different combinations of mode. On the one hand, the detection performance of radar gradually decreases before the mode conversion and rapidly increases after the mode conversion, while it gradually decreases with height under the high mode. On the other hand, the detection performance of radar doesn’t change significantly in process of the conversion, while it gradually decreases after the high mode to a certain height. In addition, the reducing degree of detection performance gradually increases as the transition altitude approach in autumn and winter. The precipitation reduces the detection performance in lower and middle layers of troposphere. So, we select suitable mode combination based on the detection performance of radar to atmospheric boundary layer, troposphere and stratosphere.

Keywords: ST wind profile radar; detection mode; detection environment; detection performance; evaluation

PDF (7983KB) 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

毛文茜, 肖霞, 张文煜, 冒立鑫, 王开强, 王琦. 风廓线雷达探测模式组合应用分析[J]. 干旱气象, 2022, 40(6): 1092-1098 DOI:10.11755/j.issn.1006-7639(2022)-06-1092

MAO Wenqian, XIAO Xia, ZHANG Wenyu, MAO Lixin, WANG Kaiqiang, WANG Qi. Application analysis of wind profile radar detection mode combination[J]. Arid Meteorology, 2022, 40(6): 1092-1098 DOI:10.11755/j.issn.1006-7639(2022)-06-1092

引言

风廓线雷达通过接收大气折射率不均匀结构对电磁波造成的散射回波及多普勒频移信息[1],可以连续获得大气风场、湍流等要素[2-6],同时可获得降水云体的微观特征[7-10],是一种新型的高空气象遥感探测设备。风廓线雷达定点获取的资料时空分辨率较高,可以弥补常规探空资料中气球漂移、每天观测2~3次的局限性,成为高空风等要素探测的重要手段,在数值天气预报、灾害性天气监测等方面具有重要应用价值[11-16]

我国风廓线雷达最早开发于20世纪80年代,随着研制技术的不断成熟,投入业务使用的范围日趋增大,可用于边界层、对流层、平流层的探测[17-19]。这些不同的探测高度范围可以由不同雷达探测模式的组合来实现。探测模式若采用短脉冲发射,能量较小,能够到达的最大探测高度有限,但分辨率较高、起始探测高度较低,称为低模式;若采用长脉冲发射,能量较大,能够到达的最大探测高度较高,但分辨率较低、起始探测高度较高,称为高模式[20]。从理论上来说,当高、低模式间存在探测高度范围重合,则可以完整呈现定点上空的风廓线,保证低空较高分辨率的同时,还能获得较高的探测高度。然而实际探测中发现,探测模式的不同组合,会影响风廓线雷达的探测性能,尤其在探测高度的重合或衔接区域[20]。CFL-03风廓线雷达在福建采用3个探测模式的组合进行探测,各月均在2个转换高度处出现不同程度的数据缺失[21];CFL-06风廓线雷达采用的低、中、高组合探测模式在不同季节探测中均出现3.6 km高度左右数据缺测比例较高的现象[22];CLC-11-D风廓线雷达在南京探测时,模式转换高度区间上也出现数据缺失,且探测性能受季节影响[23];TWP3风廓线雷达在上海松江探测时,低、高模式衔接高度处探测性能降低,10—12月获取的样本数逐渐减少[24-25];ST风廓线雷达、CFL-03风廓线雷达分别在安徽淮南[26]、乌鲁木齐[27]探测时,均存在模式衔接高度处探测性能降低现象。

对单部风廓线雷达来说,工作时高、低模式组合的选择较多,但模式的不同组合,对雷达探测性能会产生多大改变?探测环境的变化对其性能影响程度如何?为实现不同的探测目的,应如何选择合适的模式组合?因此,本文采用中国科学院大气物理研究所淮南气候环境综合观测试验站(Huainan Climate and Environment Observatory,HCEO)的ST风廓线雷达,进行为期3 a的探测试验,结合同期地面观测数据,对获取的雷达探测数据,根据不同模式的组合,探讨雷达的探测性能,以期根据实际需求选择适当的模式组合,为后续雷达技术的改进及资料信息的挖掘提供参考。

1 仪器、资料与方法

HCEO站位于淮南市上窑国家森林公园西北侧的山腰平台上,周围以山地丘陵为主,森林覆盖率较大。该站设有ST风廓线雷达,工作频率为46.5 MHz,探测高度为30 km。该雷达分为室外、室内两大部分,由天线系统、发射接收系统、信号处理系统、监控定标系统以及终端5个部分组成。其中雷达天线占地2500 m2,采用13×13的相控阵进行排列,对12×12的天线配有T/R(transmitter/receiver)组件(共144个有源天线单元),用于完成电磁波的发射和接收(T/R组件的发射功率和接受增益相同)。当雷达调整各阵列天线单元的相位时,可以使发射波束保持一定相位差,分别在东、西、南、北、中的转向上实现4个天顶角为0°~15°的倾斜波束和1个垂直波束的探测。然后对雷达接收的大气湍流散射回波信号进行A/D转换,通过相干积累、FFT变换以及杂波抑制、谱对称性判断等数据处理算法,检测出大气返回的信号谱[20]

ST风廓线雷达的波长为6452 mm,发射功率为43.2 kW,采样频率为80 MHz,天线增益为27 dB。试验期间,雷达正常工作时间占91.2%,可以稳定运行,具备24 h无人值守、连续正常工作的性能。表1是ST风廓线雷达的系统参数,其中探测模式由低、高模式组成(低模式脉冲短,高度分辨率高,起始探测高度低,最大探测高度低;高模式脉冲长,高度分辨率低,起始探测高度高,最大探测高度高),对应低、高模式分别有两种。Rah=D cosθ,其中,Rah(m)为实际高度分辨率、θ(°)为波束宽度、D(m)为距离库长。

表1   ST风廓线雷达的系统参数

Tab.1  Parameters of ST wind profile radar system

探测模式脉宽/μs脉冲重复周期/μs相干积分次数谱平均数距离库长/m
低模式113206410150
低模式223206410300
高模式1323203210600
高模式26464032101200

新窗口打开| 下载CSV


试验以探测样本超过980次为有效的探测模式组合进行统计,按照高、低模式及转换高度,分为5个组合(表2)。其中,组合1的低、高模式探测高度分辨率分别是141、1182 m,模式转换高度在8457~9601 m之间,探测时间为2014年9月25日至11月2日;组合2与组合1相同,其转换高度在低模式上相差141 m,探测时间为2014年11月8日至12月24日。考虑到两者(组合1和组合2)所占总样本比率较小且探测时间相近,后续逐日数据获取率分析中视为同类型组合。组合3的低、高模式探测高度分辨率分别是297、1188 m,对应低模式35层、高模式13层探测高度,转换高度在9952~10 843 m之间,探测时间为2015年1月14日至2016年4月23日,样本占整个试验期间的44.10%。组合4的低、高模式探测高度分辨率分别是290、580 m,模式转换高度较低,在5940~6519 m之间,探测时间为2016年4月24日至5月30日。组合5的低、高模式探测高度分辨率分别为290、1160 m,转换高度在5940~7099 m之间,对应低模式22层、高模式17层,探测时间为2016年6月1日至2017年6月30日,样本占比为38.07%。上述不同模式的组合,主要是低、高模式及相应转换高度的选取,取低模式临近最大探测高度的高度和高模式的起始探测高度作为模式的转换高度区,并通过试验结果来调整转换高度区间,进而达到较为稳定的低、高模式及转换高度。

表2   探测模式不同组合的统计结果

Tab.2  Statistical results under different combinations of work models

组合高度分辨率/m模式转换高度/m样本占比/%
低模式高模式
114111828457~96012.56
214111828598~96014.74
329711889952~10 84344.10
42905805940~65193.75
529011605940~709938.07

新窗口打开| 下载CSV


2 结果分析

2.1 雷达不同模式组合的探测性能

通常,数据获取率是反映风廓线雷达探测性能的一个重要指标。数据获取率定义为:一定探测时间内,各高度层上由雷达输出的探测数据样本与总样本的百分比[28]。利用2014年7月至2017年7月HCEO站ST风廓线雷达资料,分别统计不同模式组合的数据获取率(图1),分析各组合间探测性能的差异。可以看到,各探测高度上前4个组合的探测性能与组合5区别较大,主要体现在高、低模式转换高度上数据获取率的变化,而组合1、2相近,与组合3的变化规律相同,但与组合4有差别。具体来说,组合1、2均受到地物杂波影响,在500 m高度以下探测性能较低,组合2获取率不足20%,远低于组合1,但随高度升高,数据获取率迅速增大,约900 m达到100%;当组合1的获取率在5.0 km以上开始降低时,组合2的获取率已降到80%以下,到转换高度处组合1降为40%,组合2降为0%;模式转换高度区间内,两者探测性能迅速提高,获取率急剧增大到减小前(低模式中)的数值;进入高模式探测后,随高度升高探测性能逐渐降低,组合1减小速度约为组合2的一半,在19.0 km左右降为70%;往上至20.0 km,雷达接收的散射回波微弱,组合2基本达到雷达的探测极限。组合3受地物杂波影响较小,8.0 km以下(约占低模式探测高度的80%)探测性能较高,数据获取率接近95%;8.5 km以上至模式转换高度处,探测性能降低到50%;经过转换区间,其变化与组合1、2类似,获取率迅速增大到90%,表现出高模式的探测性能,20.0 km处降为20%左右。对于组合4,低模式的探测性能最高,数据获取率维持在95%以上;直到模式转换区间,探测性能迅速降低,获取率减小至65%;往上进入高模式探测,探测性能未能迅速达到较高水平,7.0~10.0 km逐渐增大到80%后减小,在13.0 km左右降为20%。对于组合5,在低模式探测范围与组合4相同,探测性能较高,但数据获取率低于组合4;到模式转换区间内,探测性能没有明显降低,获取率仍大于90%;高模式探测,探测性能到10.0 km以上开始减小,获取率从90%逐渐降低,在15.0 km左右降为20%。

图1

图1   HCEO站ST风廓线雷达不同工作模式组合下的数据获取率

Fig.1   The data availability of ST wind profile radar under different combinations of work models at HCEO station


综上所述,6.0 km以下,雷达组合4获取数据的能力较高,每个高度层上获取率接近100%,组合3次之,获取率接近95%;6.0 km以上,组合5获取数据的稳定性更高,获取率在模式转换高度范围均未发生迅速变化;高模式探测范围,组合1、3获取数据的高度更高,且获取率随高度减小的较慢。相比之下,边界层及对流层低层的探测,雷达采用组合3、4较好;对流层中高层,组合3、5的探测能力较高;在对流层顶附近,组合5有较稳定的探测能力;组合1、3可以较好地获取更高高度的风廓线数据。

2.2 探测环境对雷达探测性能的影响

将高模式探测范围内,某高度上日数据获取率不低于80%的样本定义为有效样本,考虑模式组合的最大探测高度,分别统计逐日数据获取率(图2)。图2(a)是组合1、2先后间隔6 d探测的不同高度数据获取率。可以看出,低模式中,受地物杂波影响,高度1.0 km以下,组合1出现数据获取率小于80%的情况,组合2大部分时段小于30%;临近高低模式转换的高度范围内,数据获取率的变化随时间逐渐增大,组合1在9.6 km以下间歇性出现低于30%的获取率,影响高度约占低模式探测高度的28%,而组合2在7.7~9.6 km高度内形成连续小于30%的低值区,影响高度约占43%;高模式中,两者最大探测高度随时间逐渐降低,且组合2在12月变率较大,无法清晰地界定最大探测高度。

图2

图2   HCEO站ST风廓线雷达探测模式组合1和组合2(a),组合4(b)、组合3(c)、组合5(d)不同高度数据获取率的逐日变化(单位:%)

Fig.2   The daily variations of data acquisition rate at different heights under combination 1 and 2 (a), 4 (b), 3 (c) and 5 (d) of work models from ST wind profile radar at HCEO station (Unit: %)


图2(b)是组合4在不同高度的数据获取率。低模式中,5月20日前后,1.8 km高度以下持续约2 d数据获取率介于50%~70%,其余时间段没有明显的低值区;高模式中,最大探测高度随时间从9.0 km升高至11.0 km。

图2(c)是组合3各高度的数据获取率。可以看出,以9月初为界将该组合的数据获取率分为两段。前段,最大探测高度较高,可达18.0 km,临近模式转换高度范围内,数据缺失较少,仅个别观测日获取率低于80%;3.0~6.0 km高度内出现数据获取率介于40%~70%之间的不连续低值区,其时间较短,影响高度占比较小。后段,最大探测高度先降低后升高,平均约12.0 km;1.0 km以下在10月中旬至次年2月获取率略有降低,说明秋冬季受地物杂波影响;12月零星出现中心高度在4.5 km左右、厚度约1.0 km的低值区;12月至次年3月在9.0~10.8 km高度内出现获取率小于30%的低值区,影响高度约占低模式探测的22%;高模式中,12月未获得有效数据。

考虑到组合4探测性能稳定、探测高度较低,将其高模式高度分辨率调整为1160 m,进行组合5的探测试验[图2(d)]。可以看出,组合5最大探测高度呈现春夏季高、秋冬季低的变化趋势,平均约11.0 km;高模式探测内,大部分时段的数据获取率在14.0 km以下大于70%,夏季部分时段的数据获取率较低,冬季仅个别观测日低于30%;低模式探测内,临近模式转换高度处数据连续性较高,未发生获取率明显降低的现象,数据获取率低值区主要分布在2016年6—7月、9—10月和2017年6月,低值中心小于30%,其中10月下旬低值中心所在高度为4.5 km左右。

通过上述数据获取率日变化特征分析,发现探测气象环境对雷达探测性能会产生一定影响。首先在高模式探测中,由于春夏季风切变较大,对流层较强的湍流使得数据获取率较高、造成雷达最大探测高度呈现季节变化。其次临近模式转换高度内,低、高模式下电磁波功率不同产生的数据缺失从秋季到冬季逐渐加重,数据缺失的高度范围增大;同时,冬季地物杂波对雷达获取数据的干扰略有增强。此外,伴随着降水过程,雷达对对流层低层的探测会出现数据缺失,数据获取率低值中心高度与降水形成高度有关。

对雷达模式的不同组合,探测性能因探测气象环境会产生一定差异。以观测期较长的组合3、5来看,最大探测高度在季节上的变化程度不同,从春季到冬季,组合3、5分别平均降低约6.0、3.0 km;组合3的高模式探测性能受季节影响更大,在冬季明显低于组合5。相比于组合3,组合5对降水过程的数据获取有局限性,探测性能在降水形成高度上较低。

2.3 探测模式不同组合下的水平风速和垂直风速差异

为进一步比较探测模式不同组合应用的差异,分别对其获得的水平风速和垂直风速进行分析。图3是两者统计值随高度的变化关系。可以看出,不同组合中水平风速的标准差随平均值增大而增大,减小而减小;垂直风速的标准差在低模式下变化较小,在高模式下随高度升高而增大。从水平风速来看,组合1、2低模式中的标准差比组合3、4、5小;在模式转换高度内,组合3的标准差相对较大;高模式中,不同组合无显著差异。垂直风速中,除了1.0 km以下不同组合的标准差略有区别外,低模式的标准差在其他高度范围内没有明显变化;模式转换高度内,组合4、5的标准差相对较大,但数值仍较小;到高模式中,组合5的标准差略大,而组合2、3临近最大探测高度处平均值和标准差均较大(图中省略误差棒右端数值超过1.5 m·s-1的情况)。总体来看,不同组合下获得的水平风速和垂直风速变化规律相同,不同组合间的差异较小。

图3

图3   HCEO站ST风廓线雷达不同模式组合下水平风速(上)及垂直风速(下)随高度的变化

(黑色圆点表示平均值,误差棒为对应的标准偏差σ,线段长度为2 σ

Fig.3   The variation of horizontal (the top) and vertical (the bottom) wind speed with height under different combinations of work models from ST wind profile radar at HCEO station

(The black dots represent the average, error bars represent the standard deviations σ, and the line segment length is 2 σ


3 结论

风廓线雷达的定点高空风场数据的时空分辨率较高,是常规探空资料的重要补充。利用2014—2017年HCEO站ST风廓线雷达探测资料,分析在不同探测模式组合下雷达的探测性能,探讨了探测气象环境的影响,进而给出满足不同探测需求的模式组合方式。具体结论如下:

(1)HCEO站ST风廓线雷达选用高、低模式和转换高度进行探测模式组合,可以实现不同探测目的,但不同探测模式组合的探测性能存在差异。边界层及对流层低层的探测,可以选用雷达组合4或组合3;对流层中高层,可以选用组合5或组合3;对流层到平流层,可以考虑组合1或组合2或组合3。

(2)观测期间,各组合的探测性能呈现两种变化规律。一种是临近转换高度范围内,探测性能在转换前逐渐降低,但转换后迅速升高,进入高模式后探测性能随高度逐渐降低。另一种是在转换过程中探测性能未发生明显改变,进入高模式某一探测高度后性能逐渐降低。

(3)探测气象环境的变化对探测性能的影响主要体现在两方面。一是秋冬季,临近转换高度范围,探测性能降低的程度逐渐加大,可获取数据的高度层减少;高模式下数据缺失严重,最大探测高度降低约30%。二是降水过程中,探测性能较稳定的组合在对流层中低层的探测性能降低,获取数据偏少。若在春夏季探测,可以考虑组合3,其获取的探测高度较高,且7.0~10.0 km的高度分辨率较高;秋冬季的探测,可以考虑组合5;降水期间的探测,可以考虑组合1或组合3或组合4。

参考文献

胡明宝, 贺宏兵, 张鹏.

风廓线雷达探测模式分析与设计

[J]. 现代雷达, 2012, 34(11):26-30.

[本文引用: 1]

BAUMANN-STANZER K.

The UHF wind profiler at Vienna airport-data quality control and comparisons to rawinsonde data

[J]. Meteorology and Atmospheric Physics, 2004, 85(1):165-174.

[本文引用: 1]

王文波, 高晓梅, 李晓利, .

一次雨雪天气过程的风廓线雷达特征

[J]. 干旱气象, 2020, 38(1):109-116.

[本文引用: 1]

朱苹, 王成刚, 严家德, .

北京城市复杂下垫面条件下三种边界层测风资料对比

[J]. 干旱气象, 2018, 36(5):794-801.

DOI      [本文引用: 1]

利用2016年8月28日至9月2日北京市朝阳区气象观测站激光测风雷达、风廓线雷达和GPS探空仪同步观测数据,对比分析三种测风仪在城市复杂下垫面条件下边界层不同高度处的测风性能。结果表明:(1)激光测风雷达与GPS探空仪测风结果具有较好一致性,风速、风向的相关系数分别为0.66~0.96、0.71~0.98,其中风速平均绝对误差小于2 m·s-1,风向误差在20°之内。(2)风廓线雷达资料的精度相对较差,与GPS探空仪的风速、风向相关系数分别为0.66~0.91、0.55~0.86,误差随高度呈现先减后增的垂直分布特征。其中,400~1000 m高度范围两种资料的吻合度最高,相关系数在0.80以上,为仪器最佳测量范围;此外,风廓线雷达的风速整体高于GPS探空仪,两者最大偏差可达4 m·s-1左右,风向平均误差最大可达30°。(3)GPS探空仪的工作方式及测量结果也存在不足,一是观测频次较低,难以详细、精准地描述边界层风场结构的变化过程;二是当存在垂直风切变时,探测初期具有明显滞后性,由当前状态转变为真实的风场示踪物需要一定时间。

张梦佳. 基于风廓线雷达资料的边界层湍流特征研究[D]. 北京: 中国气象科学研究院, 2017.

[本文引用: 1]

陈添宇, 陈跃, 陈乾.

风廓线雷达资料的误差及对祁连山地形云风场监测的初步分析

[J]. 干旱气象, 2011, 29(4):416-422.

[本文引用: 1]

 利用2010 年夏季祁连山地形云探测试验期间的风廓线和气球探空资料进行统计分析,以检验资料变化趋势的一致程度和资料的偏离程度。同时,用风廓线资料分析了祁连山区一次明显的降水天气过程的风场演变。结果表明: ( 1) 风廓线雷达探测资料总体上能反映风向的变化,具备监测祁连山地形云近地面风向变化的能力; ( 2) 风廓线雷达探测的风速误差较大,尤其是1 400 m 以下误差更大,在使用时应注意。 

翟亮, 黄钰, 李梓铭, .

风廓线雷达和雨滴谱仪资料在北京一次弱雨雪天气中的特征分析

[J]. 干旱气象, 2019, 37(1):90-96.

DOI      [本文引用: 1]

利用北京市海淀区风廓线雷达、OTT Parsivel 2多功能激光雨滴谱仪和自动气象站观测资料,对2016年11月20日北京一次雨雪天气过程的演变特征进行了初步分析。结果表明:(1)风廓线(低模式)雷达反射率因子与雨滴谱仪反射率因子序列的变化趋势一致。当风廓线雷达反射率因子亮带消失后,雨滴谱反射率因子序列出现先降后升的小幅波动,降水相态转为降雪。(2)降水相态发生雨雪转换时,风廓线雷达谱宽600 m高度分散的大值区减弱并随高度降低后,雨滴谱仪数浓度出现先降后升的小幅度波动。(3)本次弱降水相态转换发生时,风廓线雷达所探测的垂直径向速度变化不明显,而雨滴谱仪降雨强度变化却有明显减弱特征,其雨强由5 mm·h-1下降至1 mm·h-1左右,这对临近降水相态变化的监测预报有一定指示意义。

黄钰, 阮征, 罗秀明, .

垂直探测雷达的降水云分类方法在北京地区的应用

[J]. 高原气象, 2015, 34(3):815-824.

DOI      [本文引用: 1]

风廓线雷达采用相干累积技术提高雷达探测灵敏度, 用于对降水云体进行垂直探测, 能获取高分辨率的云体返回信号的全谱信息.利用多年降水天气统计资料, 针对北京延庆地区降水特征, 提出了基于风廓线雷达谱参数(回波强度、 速度和谱宽)的降水云分类方案.该方案将降水资料分为浅对流、 浅层状云、 深对流、 深层状云、 混合-排除和混合-包含等六种降水类型.根据该方案, 利用风廓线雷达结合双偏振雷达和自动雨量站观测资料, 对2012年9月1日和2013年6月27日发生在延庆地区的两次降水天气过程进行了分析.结果表明, 风廓线雷达谱参数垂直廓线可以较好的描述降水云体的垂直结构, 回波强度廓线发展趋势与地面降水量趋势吻合较好.当降水存在对流时, 地面降水量出现明显增大, 同时伴随着大速度值区和高空大谱宽值区.利用基于风廓线雷达的分类方案识别降水云, 可以降低降水类型误判的几率.

王晓蕾, 阮征, 葛润生, .

风廓线雷达探测降水云体中雨滴谱的试验研究

[J]. 高原气象, 2010, 29(2):498-505.

[本文引用: 1]

对风廓线雷达探测降水时出现的双峰型功率谱密度分布的回波, 进行大气返回信号和降水返回信号的剥离, 由大气返回信号求出环境大气的垂直运动, 导出降水质点下降末速度的功率谱密度分布, 进而求出云体中的雨滴谱分布。对两次降水进行了雨滴谱反演试验, 提取了不同高度上30多份雨滴谱分布, 雨滴谱分布基本上呈现出指数分布形式。指数拟合后求出雨滴谱的浓度参数N0由几百到几千m-3mm-1, 尺度参数λ为3.8~4.5 mm-1。试验中, 还由反演的雨滴谱估算出云中含水量, 得出降水云体中含水量随高度的分布, 与附近多普勒天气雷达观测进行了比较。风廓线雷达与多普勒天气雷达探测到的回波强度随高度分布基本一致, 云中含水量估算的均值基本相同, 而风廓线雷达由雨滴谱估算出的含水量随高度分布可以反映出雨滴谱变化的影响, 随高度分布更为精细。

阎琦, 崔锦, 杨青.

2018年辽宁两次雨转暴雪过程对比分析

[J]. 干旱气象, 2019, 37(6):944-953.

[本文引用: 1]

BOUTTIER F.

The use of profiler data at ECMWF

[J]. Meteorologische Zeitschrift, 2001, 10(6):497-510.

DOI      URL     [本文引用: 1]

王周鹤, 赵建伟.

利用风廓线雷达资料分析大理机场飑线天气过程的风垂直变化特征

[J]. 沙漠与绿洲气象, 2020, 14(2):75-80.

[本文引用: 1]

张小雯, 郑永光, 吴蕾, .

风廓线雷达资料在天气业务中的应用现状与展望

[J]. 气象科技, 2017, 45(2):285-297.

[本文引用: 1]

王叶红, 张伟, 赵玉春.

面向资料同化的风廓线雷达风场特征分析及其质控方法

[J]. 大气科学, 2021, 45(1):123-147.

[本文引用: 1]

张月华, 王健, 谢葭颖, .

风廓线雷达资料在乌鲁木齐一次大暴雪过程分析中的应用

[J]. 沙漠与绿洲气象, 2019, 13(5):49-54.

[本文引用: 1]

左泉. 风廓线雷达数据质量控制方法与同化应用研究[D]. 南京: 南京信息工程大学, 2020.

[本文引用: 1]

侯灵, 廖菲, 胡金磊, .

风廓线雷达在广州市一次污染天气监测预警中的应用研究

[J]. 气象与环境科学, 2020, 43(2):130-137

[本文引用: 1]

吴蕾, 陈洪滨, 高玉春, .

国产风廓线雷达对比试验初步分析

[J]. 现代雷达, 2013, 35(6):24-28.

[本文引用: 1]

王栋成, 邱粲, 董旭光, .

基于风廓线雷达资料的蓬莱海陆风时空结构特征

[J]. 气象与环境科学, 2021, 44(5):71-78

[本文引用: 1]

胡明宝. 风廓线雷达探测与应用[M]. 北京: 气象出版社, 2015.

[本文引用: 3]

汪学渊, 汪波, 文明章, .

丘陵地区边界层风廓线雷达数据统计特性分析

[J]. 气象科学, 2015, 35(3):328-333.

[本文引用: 1]

涂治招, 汪学渊, 江彩英, .

不同季节天气条件下风廓线雷达测风精度分析

[J]. 气象与环境科学, 2020, 43(2):100-108.

[本文引用: 1]

何婧, 卢楚翰, 谢韶青, .

南京风廓线雷达测量性能评估及应用初探

[J]. 气象科学, 2018, 38(3):406-415.

[本文引用: 1]

徐同, 陈葆德, 吴志根, .

上海地区风廓线雷达探测资料质量初析

[J]. 大气科学研究与应用, 2012(1):1-10.

[本文引用: 1]

吴志根.

边界层风廓线雷达在降水时段中的在线分析应用研究

[J]. 气象, 2012, 38(6):758-763.

[本文引用: 1]

刘晨, 毛文茜, 樊旭, .

山地丘陵地区ST风廓线雷达的探测性能评估

[J]. 干旱气象, 2018, 36(2):326-330.

[本文引用: 1]

利用淮南2015年3月至2016年2月ST风廓线雷达探测资料,从雷达运行模式和不同高度数据获取率的年、季、日变化角度,对该型号雷达在山地丘陵地区的探测能力进行评估。结果表明:山地丘陵地区,ST风廓线雷达能够获取高时空分辨率的探测资料,雷达正常工作时间占比为85.6%。雷达的探测能力在边界层和对流层中层明显高于对流层高层,年平均有效探测高度约14.0 km,占雷达最大探测量程的67%。可能受大气湿度、温度影响,探测能力在5—8月和12月对流层低层变低。受大气湍流影响,探测能力综合表现为夏季较高,春季次之,秋、冬季依次降低的季节差异,以及正午较低、凌晨较高的日变化特征。

李霞, 王磊, 任泉.

乌鲁木齐风廓线雷达探测能力评估

[J]. 沙漠与绿洲气象, 2016, 10(1):9-18.

[本文引用: 1]

胡明宝, 郑国光, 肖文建.

风廓线雷达数据获取率的统计分析

[J]. 现代雷达, 2008, 30(10):14-16.

[本文引用: 1]

/