基于地基微波辐射计观测的关中平原中部大气气态和液态水分布特征
Distribution characteristics of atmospheric vapor and liquid water in central Guanzhong Plain based on observation data of ground-based microwave radiometer
通讯作者: 李国平(1963—),男,博士,教授,主要从事暴雨动力学、降水科学研究。E-mail:liguoping@cuit.edu.cn。
责任编辑: 蔡迪花;校对:王涓力
收稿日期: 2023-01-4 修回日期: 2023-07-24
基金资助: |
|
Received: 2023-01-4 Revised: 2023-07-24
作者简介 About authors
王雯燕(1972—),女,硕士,高级工程师,主要从事基础业务观测及新型探测设备数据综合分析应用。E-mail:xawwy@163.com。
大气云水含量分布及演变规律研究对于区域云水资源开发利用意义重大。利用2017年10月至2020年12月陕西泾河站MWP967KV型地基多通道微波辐射计探测资料,分析关中平原中部大气云水含量时间变化特征,并结合地面降水和多普勒天气雷达观测资料,通过个例对比分析不同云系降水前水汽和液态水发展演变特征。结果显示:关中平原中部水汽夏季最高,秋季次之,冬季最低,峰值在7月,谷值在12月;液态水秋季和夏季较高,冬季最低,峰值在9月,谷值在12月。水汽和液态水均呈现单峰单谷型日变化,峰谷出现时间存在差异,水汽日峰值夏季和秋季在07:00—08:00(北京时,下同)、春季在23:00、冬季在13:00,日谷值春夏秋三季在12:00前后、冬季在22:00;液态水日峰值春夏秋三季在07:00—09:00、冬季略晚(10:00),日谷值均在夜间。不同类型云系降水前云水含量增长用时不同,层状云系发展用时平均为15.6 h,其他积状云系平均为9.0 h,初期水汽均先于液态水发展,越临近降水时刻波动幅度越大,但降水触发前液态水率先跳变跃增,且不同季节层状云系触发降水时的水汽和液态水差异较大;午后强对流发展用时较短,平均为30 min,发展初期和降水触发前均是液态水率先变化和跳变跃增。
关键词:
The research on the distribution of cloud water content and its evolution rules has important significance for the exploitation and utilization of regional cloud water resources. The paper analyzed the temporal variation characteristics of liquid water path (LWP) and integrated water vapor (IWV) in central Guanzhong Plain by using observation data of MWP967KV ground-based microwave radiometer at Jinghe station of Shaanxi Province from October 2017 to December 2020. Combined with ground precipitation and Doppler weather radar observation data, the development and evolution characteristics of water vapor and liquid water before precipitation in various cloud systems were compared by some cases study. The results indicate that the IWV exhibits obviously seasonal variations in central Guanzhong Plain, with the highest in summer, followed by autumn and spring, and the lowest in winter. Specifically, the peak appears in July, and the valley appears in December. The LWP is higher in autumn and summer, in winter it is the lowest. Notably, the peak is in September, and the valley is in December. The distribution of the IWV and LWP exhibits a single peak and single valley pattern over the course of a day, but the occurring time of their peak and valley is different. The diurnal maximum of the IWV occurs from 07:00 to 08:00 in summer and autumn, 23:00 in spring and 13:00 in winter, while the diurnal minimum of the IWV occurs at about 12:00 in spring, summer and autumn, 22:00 in winter. The diurnal maximum of the LWP occurs from 07:00 to 09:00 in spring, summer and autumn, while in winter it is slightly late (10:00). The diurnal minimum of the LWP appears at the nighttime in all seasons. The growth time of cloud water content before precipitation is different for different types of cloud systems. On average, the development time of stratiform cloud systems is 15.6 hours, and for other cumulus cloud systems it is 9.0 hours. In the initial stage, the IWV in both cloud systems varies prior to the LWP, and the fluctuation amplitude is increasingly violent as precipitation approaches. Additionally, the LWP in both cloud systems firstly exhibits a sudden violent increase before the rainfall being triggered, and the IWV and LWP in stratiform cloud system vary greatly in different seasons as precipitation is triggered. In the afternoon, the duration of strong convection developing is short, with an average time of 30 minutes. In the initial stage of development and before precipitation, the LWP varies and jumps sharply at the first.
Keywords:
本文引用格式
王雯燕, 王瑞英, 雷连发, 樊超, 李国平.
WANG Wenyan, WANG Ruiying, LEI Lianfa, FAN Chao, LI Guoping.
引言
水资源是衡量一个区域可持续发展的一项重要指标(姜大川等,2016)。受全球气候变暖影响,近年来我国干旱灾害频发,引发了区域水资源短缺、植被退化和空气环境质量恶化等一系列问题(张强等,2020),给工农业生产和社会经济生活带来不利影响。关中平原位于陕西中部,以西安、咸阳为中心的关中城市群是中国西部地区重要的高新技术产业开发带和星火科技产业带,集中了陕西省六成以上的人口和七成以上的GDP,人口急剧增加和经济快速发展使得该区域成为缺水最严重的地区之一。关中地处东亚季风区边缘,南依秦岭,北靠北山,地势西高东低,特殊的地形致使区域上空水汽主要受来自东部沿海地区的东风气流及翻越秦岭的西南暖湿气流影响,空中水资源含量相对较为丰富。因此,了解区域上空大气水汽和液态水分布及演变规律,对于该地区开发利用空中云水资源、缓解水资源短缺等有重要意义和应用价值。
一直以来,人们对大气中水物质变化的认识基本来自高空气象观测(翟盘茂和周琴芳,1997;申彦波等,2016),由于传统的探空手段不能连续观测,且无法获取云水路径及云水转化演变的详细信息,满足不了云水精密观测的需求,故而一些专家、学者开始尝试使用分辨率较高的新型雷达探测设备开展空中水资源探测研究。地基微波辐射计K波段的22.235 GHz通道对水汽敏感,是水汽的吸收带(大气物理研究所一〇五组,1978;Heggli et al.,1987),其反演产品能够实时监测水汽场变化,反映大气云水含量的微物理特征(Madhulatha et al.,2013;Campos et al.,2014;Adams et al.,2016),且具有无人值守、穿透力强和长时间连续观测等优点(Knupp et al.,2009;Leena et al.,2015),近年来广泛应用于各地区云水观测中。有关地基微波辐射计水汽产品研究主要集中在两方面,一是通过分析大气水汽的季节与日变化特征(黄建平等,2010;王健等,2011;林彤等,2021;把黎等,2023;苏立娟等,2023),从而掌握不同地区云水资源收支和循环概况;二是利用云水含量在不同天气过程的发展演变(李铁林等,2007;敖雪等,2011;田磊等,2013;姬雪帅等,2022;邹倩等,2022),获取区域降水的特征指标,用以指导降水预报和人工影响天气作业识别。我国幅员辽阔,地形地貌复杂,多样性气候条件决定了不同区域空中云水含量存在地域差异,不同天气过程发展演变特征的普适性也有待进一步验证,因此需要开展更多区域大气水汽及液态水时空分布及演变特征研究。
2017年中国气象局大城市综合观测试验在西安泾河综合观测站布设了一台MWP967KV型地基多通道微波辐射计,为了解该地区空中云水资源提供了数据支撑。本文利用2017年10月至2020年12月该微波辐射计观测资料,结合该站同址常规气象和多普勒天气雷达观测资料,开展空中云水分布及演变规律研究,以期为关中平原中部空中云水资源开发利用提供一定参考。
1 资料与方法
泾河国家基本气象站(108°58′E,34°26′N)地处关中平原中部,常规观测有地面、探空、多普勒天气雷达等,本文使用该站降水、探空观测资料和多普勒天气雷达组合反射率产品以及MWP967KV型地基微波辐射计观测资料,时间均为北京时。
式中:
2 水汽和液态水变化特征
2.1 季节变化
为探究无降水天气下大气云水与降水的关系,图1绘制了研究期间关中平原中部云水含量和降水量的月际分布。可以看出,关中平原中部云水含量和降水量的月际变化趋势基本一致,均呈单峰单谷型分布。其中,IWV峰值53.83 mm出现在7月,谷值10.65 mm出现在12月,LWP峰值0.34 mm出现在9月,谷值0.03 mm出现在12月,而降水峰值出现在6月,9月次之,谷值出现在12月。相关分析显示,降水量与IWV、LWP的相关系数分别为0.923 8、0.887 5,降水与云水含量的相关性均较高。
图1
图1
关中平原中部平均IWV、LWP和降水量的月际变化
Fig.1
The monthly variation of average IWV, LWP and precipitation in central Guanzhong Plain
2.2 日变化
图2是关中平原中部四季无降水时段IWV和LWP日变化。整体上,关中平原中部平均IWV夏季最高为48.82 mm,秋季次之(27.48 mm),春季21.98 mm,冬季最低为11.45 mm;平均LWP秋季最高为0.24 mm,夏季次之(0.22 mm),春季0.15 mm,冬季最低为0.06 mm。
图2
图2
关中平原中部各季无降水时段平均IWV(a)和LWP(b)日变化
Fig.2
The diurnal variations of average IWV (a) and LWP (b) in non-precipitation stages in each season in central Guanzhong Plain
从图2(a)看出,关中平原中部四季IWV日变化均呈单峰单谷型分布,春季峰值在23:00、谷值在12:00,日较差为0.80 mm;夏、秋季峰谷值出现时间接近,峰值分别在08:00和07:00,谷值均在14:00,日较差分别为2.32、1.05 mm;冬季日变化小,峰值在13:00,谷值在22:00,日较差仅0.44 mm。关中平原中部IWV各季日峰值、谷值出现时间与北京地区(刘红燕等,2009)、四川盆地(郑飒飒,2020)较为一致。为进一步验证该仪器观测的IWV产品稳定性,计算了各季日平均标准偏差:春季为10.42~11.25 mm,夏季为12.93~14.64 mm,秋季为13.77~14.60 mm,冬季为3.82~4.99 mm,日平均标准偏差夏、冬季波动大,春、秋季波动小,数据最稳定。
从图2(b)看出,关中平原中部各季平均LWP日变化均表现为凌晨开始增加,07:00—10:00相继达到峰值后波动减小。其中,春、秋季峰值在07:00,夏季在09:00,冬季在10:00;谷值春季在21:00、夏季在00:00、秋季在03:00、冬季在23:00;日较差夏、秋季大于0.10 mm,春季为0.08 mm,冬季为0.04 mm。此外,LWP的日平均标准偏差春季为0.36~0.71 mm,夏季为0.45~0.80 mm,秋季为0.50~0.69 mm,冬季为0.10~0.37 mm,春、夏季数据离散度较大,秋季数据离散度小,秋季数据最为稳定。
关中平原日照强烈,昼夜温差大,云水含量日变化主要受太阳辐射影响,气温升高(降低)云水含量降低(升高)。不同相态的水分子对气温变化的反应速度不同,水汽反应速度快,春夏秋三季谷值在正午前后、冬季在深夜,液态水反应速度慢,时间滞后,谷值均出现在夜间。
3 降水前期水汽和液态水变化特征
降水是空中液态或固态的水汽凝结物降落到地面的现象,经历一个生成、发展、成熟和消亡的过程。地基微波辐射计探测的大气云水数据,在降水预报以及识别和判断人工增雨作业潜势条件、建立增雨(雪)作业指标等方面有重要作用(郭学良等,2019)。为了解关中平原中部降水前期空中云水含量发展演变特征,以降水时段及前后24 h无降水作为一次降水天气过程,经筛选2017年10月至2020年12月完整的降水天气过程共计102例,由于冬季降水的大气云水相态复杂,而地基微波辐射计只能观测液相水凝物,故去除冬季降水过程个例,最后可供分析的降水过程为93例。
为便于分析,利用泾河站多普勒天气雷达组合反射率产品,根据回波亮带特征对触发降水的云系进行分类,层状云系的回波强度为15~ 40 dBZ,积状云系的回波强度大于40 dBZ,得到层状云系降水80例,积状云系降水13例(其中午后强对流3例),每种降水云系选取2~3个典型个例进行代表性分析。
3.1 层状云系降水
图3是关中平原中部2020年7月23日、9月9日层状云降水及云水发展演变过程。从图3(a)看出,降水开始前7月22日20:26关中平原中部大气云水路径上总的水汽和液态水含量分别为46.75 mm和0.80 mm,IWV首先缓慢增加,23:38 LWP也开始小幅波动,之后二者多次发生跳变,且幅度不一,其中IWV每次跳变下落后总量都有所增加,而LWP则维持在0.80 mm上下波动;23日15:20,LWP率先跳变跃增,IWV紧随其后,跃增后相继小幅下落;15:52二者再次跳变,LWP跃增、IWV在高值位上下波动,16:08分别为3.36、77.59 mm时触发降水。本次过程发生发展用时近20 h,降水触发前液态水含量跳变跃增用时18 min。
图3
图3
关中平原中部2020年7月23日(a)和9月9日(b)层状云降水及IWV、LWP时间演变
Fig.3
The temporal evolutions of precipitation and IWV, LWP of stratiform clouds precipitation processes in central Guanzhong Plain on July 23 (a) and September 9 (b), 2020
9月9日降水过程分为2个阶段[图3(b)],第一阶段降水相对密集且持续时间长。云水发展从9月8日13:28 IWV小幅波动增加开始,15:44增幅明显加大,23:36 LWP也开始小幅波动增加;9日07:24后,LWP跳跃下落的幅度加大、频数增多,IWV随之持续增加,越临近降水时刻跃增幅度越大;13:06,LWP率先大幅跳变跃增,13:22 IWV也开始跳变跃增,至13:28分别达4.23、71.56 mm时触发降水;14:26,IWV、LWP同时快速下降,降水暂停。第二阶段,9日14:56 LWP率先发展,IWV于15:04随之变化,至15:28分别达3.06、78.18 mm时再次触发降水。本次过程第一阶段降水发生发展用时近24 h,2个阶段降水触发前液态水含量跳变跃增分别用时22、32 min。
表1是关中平原中部80例层状云系降水个例云系发展用时和第一阶段降水触发时的云水含量。可以看出,层状云系降水发展用时6.0~30.0 h,比降水发生时间平均提前15.6 h;云水发展演变过程基本一致,IWV率先增加,LWP随后发生变化,由于水汽输送条件不同,LWP发展增加方式各异,主要表现为小幅波动后持续增加、跳跃下落波动变化等,但降水前LWP均快速跳变跃增,用时18~90 min,时间短跳变跃增幅度大,时间长跳变跃增幅度小;降水触发时LWP、IWV分别为1.72~5.04 mm、38.07~98.41 mm,季节差异较大,LWP夏季为1.99~5.04 mm,春、秋季相当,分别为1.72~4.40 mm、1.75~4.23 mm;IWV夏季为56.56~90.27 mm,春季为38.83~64.76 mm,秋季为38.07~98.41 mm。不同季节触发降水时的LWP最低值接近,最高值在夏季、秋季次之,而触发降水时的IWV最低值夏季明显高于春、秋季,最高值秋、夏季明显高于春季。
表1 关中平原中部80例层状云系降水前IWV和LWP特征及云系发展时间统计
Tab.1
降水时间 | 云系发展 用时/h | LWP跃增 用时/min | IWV/mm | LWP/mm | 降水时间 | 云系发展用时/h | LWP跃增用时/min | IWV/mm | LWP/mm |
---|---|---|---|---|---|---|---|---|---|
2017年10月2日20:41 | 8.1 | 55 | 78.83 | 3.82 | 2019年8月9日06:15 | 15.0 | 40 | 76.53 | 3.43 |
2017年10月8日18:36 | 25.0 | 20 | 54.36 | 1.78 | 2019年8月21日02:37 | 30.0 | 30 | 79.96 | 2.25 |
2017年10月15日06:30 | 10.0 | 30 | 61.11 | 2.47 | 2019年8月26日17:05 | 30.0 | 18 | 77.23 | 1.99 |
2018年3月4日03:35 | 20.0 | 34 | 45.63 | 2.67 | 2019年8月31日19:23 | 20.0 | 30 | 56.56 | 2.14 |
2018年4月5日02:45 | 15.0 | 40 | 45.63 | 2.25 | 2019年9月13日00:31 | 15.0 | 80 | 61.72 | 1.85 |
2018年4月12日09:01 | 17.0 | 40 | 51.92 | 2.28 | 2019年9月16日16:35 | 10.0 | 20 | 57.90 | 2.43 |
2018年4月20日16:14 | 24.0 | 20 | 64.76 | 3.37 | 2019年9月18日15:39 | 10.0 | 70 | 56.51 | 2.03 |
2018年4月22日04:59 | 13.0 | 30 | 53.89 | 2.20 | 2019年10月1日10:59 | 20.0 | 60 | 55.53 | 2.07 |
2018年5月6日05:53 | 16.0 | 18 | 55.16 | 2.15 | 2019年10月3日12:01 | 20.0 | 55 | 63.17 | 2.74 |
2018年5月10日03:35 | 18.0 | 30 | 62.38 | 2.73 | 2019年10月15日10:57 | 13.5 | 90 | 46.14 | 2.18 |
2018年5月26日08:20 | 9.0 | 20 | 61.26 | 4.40 | 2019年10月20日08:59 | 7.0 | 50 | 49.99 | 2.45 |
2018年6月8日05:32 | 13.0 | 30 | 64.13 | 3.25 | 2019年10月24日04:27 | 15.0 | 50 | 38.07 | 2.21 |
2018年6月18日03:06 | 17.0 | 30 | 67.80 | 3.48 | 2019年11月24日05:50 | 16.0 | 50 | 38.44 | 1.92 |
2018年6月25日02:30 | 10.0 | 22 | 90.27 | 2.99 | 2020年3月2日03:33 | 14.0 | 60 | 40.91 | 1.82 |
2018年7月2日05:06 | 12.0 | 24 | 76.63 | 4.70 | 2020年3月26日21:25 | 12.0 | 30 | 47.39 | 1.98 |
2018年7月8日12:07 | 11.0 | 50 | 76.04 | 2.11 | 2020年3月28日19:53 | 10.0 | 80 | 45.28 | 1.72 |
2018年7月10日06:27 | 9.0 | 40 | 77.55 | 2.25 | 2020年4月2日04:05 | 21.0 | 80 | 40.99 | 1.89 |
2018年9月2日08:38 | 10.0 | 40 | 98.41 | 4.01 | 2020年4月10日14:19 | 23.0 | 80 | 41.19 | 2.17 |
2018年9月5日05:02 | 14.0 | 20 | 68.49 | 2.78 | 2020年6月8日05:14 | 16.0 | 80 | 67.77 | 2.87 |
2018年9月13日10:11 | 10.0 | 30 | 74.41 | 3.33 | 2020年6月10日22:24 | 18.0 | 35 | 73.73 | 2.56 |
2018年9月15日06:19 | 10.0 | 30 | 65.71 | 3.16 | 2020年7月14日07:24 | 18.0 | 18 | 81.59 | 5.04 |
2018年9月18日15:26 | 13.0 | 28 | 56.97 | 1.82 | 2020年7月16日15:40 | 27.0 | 20 | 89.96 | 4.53 |
2018年9月25日10:43 | 10.0 | 30 | 47.02 | 3.64 | 2020年7月18日14:34 | 16.0 | 46 | 69.85 | 2.21 |
2018年9月27日11:43 | 16.0 | 26 | 51.99 | 3.44 | 2020年7月23日16:08 | 20.0 | 48 | 77.59 | 3.36 |
2018年10月13日15:37 | 25.0 | 60 | 54.57 | 4.08 | 2020年8月1日18:38 | 27.0 | 28 | 80.59 | 2.04 |
2018年10月20日17:30 | 10.0 | 30 | 40.99 | 3.49 | 2020年8月3日20:50 | 26.0 | 30 | 87.14 | 3.63 |
2018年10月24日22:38 | 9.5 | 20 | 43.35 | 2.72 | 2020年8月6日09:48 | 27.0 | 40 | 86.85 | 2.52 |
2018年11月5日05:33 | 8.5 | 20 | 50.68 | 2.90 | 2020年8月18日23:44 | 20.0 | 40 | 68.97 | 4.18 |
2018年11月10日13:04 | 20.0 | 40 | 44.81 | 2.03 | 2020年8月23日18:30 | 18.0 | 20 | 89.22 | 4.93 |
2018年11月15日13:55 | 21.0 | 30 | 40.16 | 1.88 | 2020年9月9日13:28 | 24.0 | 22 | 71.56 | 4.23 |
2019年3月10日12:48 | 14.0 | 60 | 38.83 | 2.19 | 2020年9月14日02:20 | 12.0 | 20 | 75.14 | 3.91 |
2019年4月9日01:20 | 15.0 | 60 | 57.21 | 2.80 | 2020年9月19日18:40 | 7.5 | 18 | 59.16 | 2.50 |
2019年4月12日12:05 | 15.0 | 40 | 41.33 | 2.08 | 2020年9月28日07:34 | 10.0 | 30 | 61.37 | 3.06 |
2019年4月20日03:16 | 15.0 | 30 | 47.63 | 2.65 | 2020年10月1日07:20 | 10.0 | 54 | 63.21 | 2.44 |
2019年4月27日07:04 | 6.0 | 60 | 57.07 | 2.64 | 2020年10月6日04:32 | 14.0 | 40 | 53.54 | 1.96 |
2019年5月16日12:57 | 10.0 | 90 | 55.32 | 2.79 | 2020年10月11日07:06 | 18.0 | 20 | 59.51 | 2.39 |
2019年5月28日06:02 | 23.0 | 50 | 57.21 | 2.64 | 2020年10月15日07:18 | 10.0 | 18 | 59.67 | 2.25 |
2019年7月16日12:28 | 13.0 | 28 | 68.99 | 2.15 | 2020年10月27日14:06 | 17.0 | 40 | 45.40 | 1.75 |
2019年7月22日07:50 | 18.0 | 80 | 85.58 | 2.65 | 2020年11月17日11:18 | 12.0 | 20 | 48.40 | 2.10 |
2019年8月3日02:45 | 13.0 | 22 | 72.17 | 2.61 | 2020年11月20日14:34 | 15.0 | 20 | 39.88 | 1.81 |
3.2 积状云系降水
夏季气温高,对流活动强盛,易产生积状云降水,根据降水发生时间和强度可分为午后强对流和其他积状云系降水两种。
3.2.1 午后强对流
2018年7月26日15:00关中平原中部发生强对流降水天气过程。降水前期,大气云水路径上总的水汽和液态水含量分别在55.34~57.96 mm、0.05~0.08 mm范围内稳定波动,14:38二者同时发生变化,LWP持续快速增大、IWV小幅增加后回落;14:56二者再次同时快速跳变跃增,15:00分别增至15.80、113.37 mm时触发降水(图4)。其中,15:00—15:28由于降水强度过大导致微波辐射计观测失效。2018年8月1日强对流降水天气发生前LWP和IWV长时间分别在0.01~0.05 mm、57.10~63.10 mm范围内波动,午后13:22 LWP率先快速增加,13:30 IWV也随之变化,小幅跃升后下降;13:42二者相继再次大幅跃增,13:50分别增至13.98、65.84 mm时触发降水(图略)。2020年6月13日强对流降水天气发生前LWP和IWV分别在0.04~0.08 mm、47.17~51.95 mm范围内波动,午后13:22 LWP率先发展,快速波动增加,13:34 IWV也随之变化,经过2次小幅波动后于13:46二者再次相继跳变跃增,13:56分别增至7.17、73.96 mm时触发降水(图略)。3次午后强对流降水天气云水发展演变过程用时较短,平均为30 min。
图4
图4
关中平原中部2018年7月26日午后强对流降水及IWV、LWP时间演变
Fig.4
The temporal evolutions of precipitation and IWV, LWP of strong convection precipitation process in central Guanzhong Plain on July 26, 2018
3.2.2 其他积状云系降水
图5是关中平原中部2020年8月14日和2018年6月3日两次其他积状云降水的云水发展演变过程。从图5(a)看出,2020年8月13日23:14 IWV率先持续缓慢增加;14日04:30 LWP也开始发展,初期小幅波动,05:26大幅跃增,而IWV在05:36后也随之快速跃增,05:44二者分别增至3.70 mm和84.05 mm时触发降水。从降水密集程度看,第一阶段降水暂停后不久又出现了2个降水阶段,第二阶段LWP和IWV自06:20后相继跃增,06:38分别增至6.36 mm和86.71 mm时触发降水,由于云水含量高,本阶段降水密集、强度大且持续时间长;第三阶段LWP和IWV自08:28后相继跃增,08:44分别增至9.34 mm和103.43 mm时触发降水。过程第一阶段云系发展用时6.6 h,降水触发前各阶段LWP跃增用时分别为18、18、16 min。
图5
图5
关中平原中部2020年8月14日(a)和2018年6月3日(b)其他积状云系降水及IWV、LWP时间演变
Fig.5
The temporal evolutions of precipitation and IWV, LWP of other cumuliform clouds precipitation processes in central Guanzhong Plain on August 14, 2020 (a) and June 3, 2018 (b)
2018年6月3日积状云系降水前IWV在10:16率先缓慢波动增加;15:26 LWP开始小幅波动增加,16:24后增幅加大,下落后路径上总的液态水含量明显升高,与此同时IWV持续小幅波动增加,17:08二者同时跃增,17:16分别达4.16 mm和87.53 mm时触发降水[图5(b)]。此次过程云系发展用时7.0 h,降水触发前LWP跃增用时8 min。
另外,统计了研究期间其他积状云系降水个例云系发展用时和触发降水时的云水含量(表2)。可以看到,其他积状云系发展用时5.0~18.0 h,比降水发生时间平均提前9.0 h;降水前LWP跃增用时8~32 min,降水触发时LWP和IWV分别为3.19~21.54 mm、68.83~111.48 mm。
表2 关中平原中部其他积状云系降水前IWV和LWP特征及云系发展时间统计
Tab.2
降水时间 | 云系发展 用时/h | LWP跃增用时/min | IWV/mm | LWP/mm | 降水时间 | 云系发展用时/h | LWP跃增用时/min | IWV/mm | LWP/mm |
---|---|---|---|---|---|---|---|---|---|
2018年6月3日17:16 | 7.0 | 8 | 87.53 | 4.16 | 2020年6月26日11:10 | 3.2 | 14 | 107.50 | 7.58 |
2018年8月8日21:42 | 6.0 | 12 | 111.48 | 9.93 | 2020年7月10日15:36 | 18.0 | 16 | 87.16 | 6.28 |
2018年8月21日15:21 | 1.5 | 22 | 68.83 | 21.54 | 2020年7月30日17:22 | 14.0 | 18 | 84.33 | 3.19 |
2020年6月15日07:00 | 15.7 | 14 | 76.97 | 5.44 | 2020年8月12日18:36 | 13.0 | 32 | 101.52 | 6.55 |
2020年6月23日08:00 | 5.0 | 22 | 88.26 | 6.16 | 2020年8月14日05:44 | 6.6 | 18 | 84.05 | 3.70 |
综上所述,层状云系和其他积状云系触发降水时的云水含量均需要较长时间的积累过程,由于形成机理不同,积状云系平均用时略短;两种云系降水的云水含量演变过程基本一致,初期水汽先于液态水发展,缓慢小幅波动增加,越临近降水时刻波动幅度越大,降水触发前LWP、IWV快速跳变跃增,但后者略滞后于前者。午后强对流的云水含量演变过程与上述两种云系不同,液态水先于水汽发展,降水触发前LWP率先跳变跃增。可见,LWP率先快速跃增是各种云系降水触发前必然阶段,可作为人工影响天气作业的判识指标。
4 结论
本文在检验泾河站MWP967KV型地基多通道微波辐射计水汽产品质量基础上,分析了关中平原中部云水含量时间分布及其在不同类型云系降水前发展演变特征。总体来看,关中平原中部云水含量夏季和秋季较高、冬季最低,春夏秋三季云水含量日变化呈单峰单谷型分布,而冬季日变化不明显;不同类型云系降水触发前LWP均率先快速跃增,但云系发展用时差异较大,这对人工影响天气作业有重要指示意义。主要结论如下:
(1)关中平原中部MWP967KV型地基微波辐射计观测的IWV与探空资料计算值的相关系数为0.972 6,能够有效反映该地区大气水汽场变化。
(2)关中平原中部大气云水含量季节变化特征明显,水汽夏季最高、秋季次之、冬季最低,月峰值在7月(53.83 mm),月谷值在12月(10.65 mm);液态水秋季最高、夏季次之、冬季最低,月峰值在9月(0.34 mm),月谷值在12月(0.03 mm)。各季云水含量均表现为单峰单谷型日变化,IWV日峰值夏季和秋季在07:00前后、春季在23:00、冬季在13:00,日谷值春夏秋三季在12:00前后、冬季在22:00;LWP日峰值春夏秋三季在07:00—09:00,冬季在10:00,日谷值均在夜间。
(3)层状云系和其他积状云系降水前云水增长用时较长,层状云系发展用时平均为15.6 h,其他积状云系平均为9.0 h,且两种云系云水含量发展演变过程基本一致,发展初期IWV先于LWP变化,越临近降水时刻波动幅度越大,但降水触发前LWP率先跳变跃增。午后强对流降水的云水含量增长用时较短,平均为30 min,不同的是,发展初期LWP先于IWV变化。
(4)不同类型云系触发降水时的IWV、LWP数值不同,层状云系IWV春季为38.83~64.76 mm、夏季为56.56~90.27 mm、秋季为38.07~98.41 mm,LWP春季为1.72~4.40 mm、夏季为1.99~5.04 mm、秋季为1.75~4.23 mm;积状云系降水多发生在夏季,午后强对流IWV为65.84~113.37 mm、 LWP为7.17~15.80 mm,其他积状云系IWV为68.83~111.48 mm、 LWP为3.19~21.54 mm。
降水形成过程云水含量变化快速且复杂,加之午后强对流和其他积状云系降水个例少,本文统计结果可能并不全面,还需更多个例分析验证。另外,不同季节触发降水时的云水含量差异较大,同一过程不同降水阶段云水含量也各不相同,雨强也不断变化,其原因尚不清楚。温度是促使大气云水发展演变的能量场,下一步将结合地基微波辐射计温度产品及其他观测资料,深入分析云体温度变化对云水含量和降水发展趋势的影响。
参考文献
基于微波辐射计资料的祁连山东段大气水汽和液态水时空变化特征
[J].气候变暖背景下全球干旱风险升高,而对气候变化高敏感的中国西北干旱半干旱区尤为突出,严重制约着区域经济的可持续发展,科学开发空中云水资源是解决该区域水资源短缺的有效途径。利用甘肃永登国家气象观测站地基多通道微波辐射计资料和常规气象观测资料,研究祁连山东段大气水汽和液态水的时空分布及不同性质降水前演变特征。结果表明:(1)受大气环流、地形、边界层及局地和区域天气气候条件等多因素影响,祁连山东段98%以上的水汽集中在6.0 km以下,大气水汽密度随高度下降,液态水含量则随高度先增后减。降水天气背景下,水汽密度及液态水含量明显增大,且液态水含量最大值出现高度有所降低。(2)水汽及液态水存在明显的季节变化,夏季大气可降水量远大于冬季,夏季液态水垂直伸展高度及最大值出现高度均大于冬季。(3)水汽及液态水日变化明显,且存在季节差异。水汽日峰值出现在下午至傍晚,谷值出现在清晨至中午;夏半年峰值及谷值出现时间较冬半年迟,且峰谷值变化幅度更大。液态水垂直伸展高度白天高于夜间,且夏半年垂直分布较冬半年深厚。(4)大气可降水量存在10~20 d和8 d左右的主周期,夏、秋季4~7 d和21~32 d的周期变化也比较明显。(5)不同类型降水前水汽及液态水均存在跃增现象,但跃增量、跃增时间及高度存在差异。其中,7—8月积层混合云降水前跃增时间最早,积云降水前跃增量最大、跃增高度最高,而暖云降水前跃增高度明显偏低。
基于多源观测资料对张家口一次雨雪天气降水相态特征的分析
[J].利用ERA5再分析资料及云雷达、微波辐射计和SA双偏振多普勒雷达等多源观测资料,分析2020年11月17—19日张家口地区一次雨雪天气的降水相态演变特征。结果表明:在高空低槽、中低层低涡与地面倒槽配合下,高空槽后西北气流引导冷空气南下造成气温迅速下降,导致降水相态变化。过程前期整层大气均为强暖平流,且地面气温较高,降水相态为雨。18日傍晚冷平流发展强烈,各层温度迅速降低,整层变为冷层,导致降水相态转换为雪。散度和垂直速度的诊断表明降雨时段的动力强迫主要位于高层,降雪时段则主要位于低层。云雷达高分辨率资料可以反映0 ℃层变化,大于10 dBZ的质心变化可以指示降水强度变化,降雨时的基本速度最大可达6~8 m·s<sup>-1</sup>,而降雪时则小于 2 m·s<sup>-1</sup>。微波辐射计高分辨率时空资料可以准确判断雨雪转换时间,降水开始之前3~5 h积分水汽含量出现跃升与峰值。双偏振雷达和微波辐射计结合可以对降水粒子相态实现准确判断,可用于降水相态转换的临近预报。
整层大气水汽含量统计外推方法应用讨论
[J].采用中国24个高空站2010年和2011年的小时数据,通过对天气尺度整层大气水汽含量的具体计算试验并结合已有的气候学统计研究,探讨了气候时间尺度与天气时间尺度在推算方法上的差异。结果表明:两种时间尺度的整层大气水汽含量推算存在着明显的差别,不能相互替代;整层大气水汽含量的气候学统计外推方法有较好的规律可循,而天气尺度的计算则有较大的不确定性,时空上也不存在显著一致性;对于没有探空数据而又需要进行天气尺度整层大气水汽含量推算的情况,可在气候相近的区域中尽可能选择邻近的探空站进行推算,但用于建立回归方程的数据不宜少于两年。
内蒙古中部干旱半干旱区水汽和液态水特征研究
[J].基于多通道微波辐射计数据与呼和浩特站逐小时降水数据分析 2017、2018年4—9月内蒙古中部干旱和半干旱区35个降水日积分水汽含量、积分液态水含量月变化特征,进一步分析层状云稳定性降水和积状云对流性降水中液态水含量、水汽含量的垂直分布特征和积分液态水含量、积分水汽含量的相位特征。结果表明,降水日积分水汽含量和积分液态水含量具有明显的季节变化特征,两者均在夏季和初秋较大。降水发生前积分水汽含量与积分液态水含量有明显跃增,这种变化在对流性降水中更明显,且超过80%的样本显示积分水汽含量与积分液态水含量存在反相位变化。对流性降水水汽含量主要分布在0~6 km高度,且随高度递减,而液态水含量随高度先增加后减小;稳定性降水水汽含量和液态水含量的垂直分布与对流性降水一致,但两者均小于对流性降水。基于积分水汽含量与积分液态水含量的降水发生判断条件对指导当地人工增雨作业、缓解旱情有实际应用价值。
重庆不同天气条件下地基微波辐射计探测特征
[J].利用2012年1月至2014年8月重庆沙坪坝站的微波辐射计和探空数据,通过数值模拟检验微波辐射计的亮温精度,并统计分析晴空、有云和降水天气条件下微波辐射计反演产品的变化特征。结果表明:(1)有云时微波辐射计氧气通道53.85、54.00 GHz亮温与探空观测温度相关性较好;晴空和有云时MonoRTM模拟亮温与微波辐射计观测亮温相关性较好。(2)不同天气条件下,微波辐射计反演温度与探空观测值的相关性都较高,降水时4.0 km以下微波辐射计反演温度明显偏高,有云和晴空时3.8 km以下的温度平均绝对误差小于2 ℃。微波辐射计反演的相对湿度与探空观测值的相关性较同高度层温度的相关性差,有云时1.0~2.6 km高度反演的相对湿度平均误差很小,降水时4.5 km以下平均误差也较小且稳定。降水时4.0 km以下微波辐射计反演的水汽密度平均误差明显偏大,有云时多数高度层平均误差较小。(3)4.2 km以下降水时08:00微波辐射计反演温度的平均误差较大,有云时08:00微波辐射计反演温度和水汽密度的平均误差均较小。说明微波辐射计反演的大气廓线具有可用性,且在稳定大气环境中反演效果更好。
The Amazon dense GNSS meteorological network: a new approach for examining water vapor and deep convection inter-actions in the tropics
[J].
Monitoring water phase dynamics in winter clouds
[J].
Field evaluation of a dual-channel microwave radiometer designed for measurements of integrated water vapor and cloud liquid water in the atmosphere
[J].
Ground-based passive microwave profiling during dynamic weather conditions
[J].The Marine Optical System is a spectrograph-based sensor used on the Marine Optical Buoy for the vicarious calibration of ocean color satellite sensors. It is also deployed from ships in instruments used to develop bio-optical algorithms that relate the optical properties of the ocean to its biological content. In this work, an algorithm is applied to correct the response of the Marine Optical System for scattered, or improperly imaged, light in the system. The algorithm, based on the measured response of the system to a series of monochromatic excitation sources, reduces the effects of scattered light on the measured source by one to two orders of magnitude. Implications for the vicarious calibration of satellite ocean color sensors and the development of bio-optical algorithms are described. The algorithm is a one-dimensional point spread correction algorithm, generally applicable to nonimaging sensors, but can in principle be extended to higher dimensions for imaging systems.
Validation of ground-based microwave radiometer data and its application in verifying atmospheric stability over Mahbubnagar during 2011 monsoon and post-monsoon seasons
[J].
Nowcasting severe convective activity over southeast India using ground-based microwave radiometer observations
[J].In the present study, the feasibility of nowcasting convective activity is examined by using thermodynamic indices derived from the ground‐based microwave radiometer (MWR) observations located at a tropical station, Gadanki (13.5°N, 79.2°E). There is a good comparison between thermodynamic parameters derived from MWR and colocated GPS radiosonde observations, indicating that MWR observations can be used to develop techniques for nowcasting severe convective activity. Using MWR observations, a nowcasting technique was developed with the data of 26 thunderstorm cases observed at Gadanki. The analysis showed that there are sharp changes in some thermodynamic indices, such as the K index, the humidity index, precipitable water content, the stability index, and equivalent potential temperature lapse rates, about 2–4 h before the occurrence of thunderstorm. A superepoch analysis was made to examine the composite temporal variations of the thermodynamic indices associated with the occurrence of thunderstorms. The superepoch analysis revealed that 2–4 h prior to the storm occurrence, appreciable variations in many parameters are observed, suggesting thermodynamic evolution of the boundary layer convective instability. It is further demonstrated that by monitoring these variations it is possible to predict the ensuing thunderstorm activity over the region at least 2 h in advance. The association between the temporal evolution of thermodynamic indices and convective activity has been tested for the independent case of nine thunderstorms. The present results suggest that ground‐based MWR observations can be used effectively to predict the occurrence of thunderstorms at least 2 h in advance.
/
〈 |
|
〉 |
