作为全球水循环的重要组成部分，降水的时空分布不仅与台风、洪水等气象灾害存在密切联系，还直接影响水资源的供给及生态系统的维持（何会中等， 2006； 傅云飞等， 2007； 唐国强等， 2015； 赵震， 2019）。准确的降水观测对区域和全球水文、气候等相关研究具有重要意义（孙帅等， 2020； 丁明泽等， 2022）。常见的降水测量方式主要有地面直接测量和卫星遥感反演两种（余占猷， 2016）。相比地基测量，卫星遥感具有覆盖范围广、观测连续性强、不受自然条件和地域限制的优势（李晨蕊等， 2022）。而且随着卫星遥感技术和相关反演算法的不断进步，卫星估算降水取得了巨大进展，已经成为不可缺少的降水资料来源，尤其是星载降水雷达不仅可以提供全天时、全天候的大范围区域降水分布情况，还能提供全球降水的三维结构信息（Chen and Fu， 2015）。

热带降雨测量任务（Tropical Rainfall Measurement Mission，TRMM）卫星是1997年在日本发射的近地轨道卫星，覆盖范围为35°N—35°S，是全球首个专门用于观测热带、亚热带降水的气象卫星，2015年4月停止运行（张奡祺和傅云飞， 2018）。全球降雨观测（Global Precipitation Measurement，GPM）计划卫星作为TRMM卫星的延续和发展，由美国和日本两国联合发起并共同施行，主卫星于2014年2月28日发射升空（Hou et al.， 2014）。GPM计划由核心观测平台（GPM Core Observatory，GPMCO）和卫星群组成，多个卫星数据拼在一起可以建立65°N—65°S的降水图。GPMCO上搭载了日本航空航天探索机构（Japan Aerospace Exploration Agency，JAXA）研制的双频星载测雨雷达（Double-frequency Precipitation Radar，DPR），运行轨道高度407 km，轨道倾角65°，环绕地球一周约93 min，DPR主要由13.6 GHz的Ku波段降水雷达和35.5 GHz的Ka波段降水雷达组成，此前单波段TRMM卫星测雨雷达（Precipitation Radar，PR）对降雨量估计的不确定性源自其对粒子尺度分布谱（Droplet Size Distribution，DSD）单频采样的局限，而DPR作为具备更高频率Ka波段的双频降水雷达，可以提供针对非瑞利散射机制的探测资料，为DSD的检索提供新信息。因此，Ku与Ka波段雷达一起可以提供更准确的降雨率估计（Iguchi et al.， 2010）。与TRMM的测雨雷达PR相比，GPM计划卫星为了能够加强对中高纬度地区的降水观测，将卫星的观测范围拓展至南北纬65°，此外，相比TRMM卫星的探测目标，GPM卫星搭载的双频降水雷达对云、微弱降水（<0.5 mm·h^-1）、固态降水和降水微观结构的观测能力有明显提升，近年来，国内已有一些研究基于GPM卫星产品进行不同地区降水结构的分析（朱梅等， 2018； 毛程燕等， 2022）。

东北地区位于我国大陆东北部，气候类型包括温带季风气候和温带大陆性气候，纬度跨越中温带和寒温带，全年降水量基本在800 mm以下，降水量不足热带和亚热带地区降水的50%（刘凯等， 2020），相比热带和亚热带地区的降水，东北地区小雨的比重较大。以往针对降水宏微观参量分布特征的研究主要基于热带降水测量卫星TRMM的观测结果，针对中国东北等中高纬地区的相关研究较少。本文利用东北地区2016年5月14日层状云降水和7月28日混合性降水个例对GPM DPR不同降水反演产品在东北地区的差异进行分析，以期加深对东北地区不同性质降水垂直结构特征的认识，增进对不同性质降水形成机制的理解。

GPM DPR的星下点水平分辨率为5 km，可以探测地表至上空22 km范围内的降雨和降雪三维结构。Ku波段雷达为正常扫描（Normal Scan，NS）方式，扫描刈幅宽245 km，天线扫描角为±17°，每次扫描49个星下点，垂直分辨率为250 m，可探测最小降水强度为0.50 mm·h^-1。Ka波段雷达扫描刈幅宽120 km，天线扫描角为±8.5°，同时拥有两种扫描方式，分别为匹配扫描（Matched Scan，MS）和高灵敏度扫描（High-sensitivity Scan，HS）：MS是在Ku波段雷达扫描线中间的25个星下点上与其进行同步扫描，目的是利用双频来进行相关参数的反演，该模式下Ka波段雷达的垂直分辨率为250 m且最小回波阈值较大（16.47 dBZ）；HS扫描星下点交错在Ku波段雷达扫描的星下点之间，其扫描模式是通过发射双倍宽度的脉冲，以期获得更准确的较弱降水强度产品，探测垂直分辨率为500 m。

目前GPM卫星提供3种单频反演产品（Ku_NS、Ka_HS及Ka_MS）和2种双频反演产品（DPR_MS及DPR_HS）。3种单频反演产品的算法继承TRMM卫星搭载的降水雷达反演算法，具有可靠的前期研究基础（Iguchi et al.， 2010）。对于2种双频反演产品而言，DPR_MS产品目前发展较为成熟，在反演算法方面采用了全新的双频降水反演算法和以亮带观测信息为基础的DFRm降水类型划分方案（Le and Chandrasekar， 2013； Awaka et al.， 2016），能够提供较为可靠的探测结果（Kotsuki et al.， 2014； Chandrasekar and Le， 2015），但DPR_HS对强回波的探测能力存在不足且算法尚不成熟（张奡祺和傅云飞， 2018； 蒋银丰等， 2020）。因此选用3种单频降水产品（Ku_NS、Ka_HS及Ka_MS）和DPR_MS双频降水产品进行分析，4种降水产品均已经过衰减订正剔除了电磁波传输过程中受到的影响。GPM DPR反演产品中的二级产品可提供详尽降水反演结果，包括二维回波顶高度（Height of Storm Top，HST）、降水类型划分信息以及衰减订正后的三维降水强度、雷达反射率因子和雨滴谱分布等信息，其中，雨滴谱产品可提供粒子数浓度和有效粒子直径（D₀）两个参数，且粒子数浓度为方便计数取对数记为dBN₀（无量纲量）。

研究区域为东北地区（118°E—136°E、38°N—53°N），选取2016年5月14日和2016年7月28日东北地区两次不同类型的降水个例（分别简称“个例1”、“个例2”）进行分析，前者属于典型的东北地区春季大范围稳定性层状云弱降水，后者属于东北地区夏季混合性降水，降水强度分布极其不均且出现较大降水强度。考虑样本的一致性，针对两次过程中4种降水反演产品的对比，只选取陆地上MS刈幅范围内的星下点作为样本。此外，由于Ka波段高灵敏度模式（Ka_HS）的星下点与其他3种模式（Ku_NS、Ka_MS及DPR_MS）交错开，因此对Ka_HS的数据基于星下点就近原则进行处理。表1列出两次个例GPM卫星的4种产品样本数，其中，Ku_NS、Ka_HS和DPR_MS的样本数量基本相当，而Ka_MS的样本量明显少于其他三者，可能由于Ka_MS遗漏了部分弱降水样本（同属一个频率，但Ka_HS敏感性高），这些样本量差异由它们的探测方式所决定。

GPM卫星分别于2016年5月14日22：50（北京时，下同）—22：53和7月28日00：55—00：58扫描到东北地区的降水过程。图1、表2分别为两次降水个例GPM DPR的4种产品近地面降水强度空间分布、降水强度统计量。由于卫星扫过星下点的时间很短，因此反演的降水产品为瞬时降水强度。可以看出，5月14日降水分布范围很广且降水强度分布较为均匀，大部分样本的瞬时降水强度都小于4.00 mm·h^-1，4种产品降水强度的平均值为0.89~1.12 mm·h^-1（表2）。7月28日降水过程属于东北地区夏季混合性降水，4种降水产品显示降水强度分布极其不均且出现较大降水强度。此次降水在空间分布上由多个降水强度超过30.00 mm·h^-1的雨团组成，降水出现在雨团周边较窄的范围内，这些都属于东北地区夏季降水的特点。除Ka_HS外其他3种产品最大降水强度均超过50.00 mm·h^-1，但平均值均小于2.00 mm·h^-1，Ka_HS的最大降水强度最小（48.03 mm·h^-1）（表2），这是由于强降水对Ka波段的回波衰减大，导致Ka_HS降水产品在降水强度大值区的反演值衰减严重。本次降水过程存在短时对流性强降水，值得注意的是，DPR_MS产品中无论是降水强度最大值还是平均值都高于其他产品，可能由于双频探测可以对降水衰减进行较好地订正导致。

为定量比较4种降水产品之间的差异，对比两次个例中4种降水产品的近地面降水强度的散点图（图2）和概率密度分布（图3）。Ka_HS在各种降水强度条件下探测结果均偏小于DPR_MS，从概率密度分布图中可知，相较于其他探测方式，Ka_HS可探测到更多的降水强度小于0.40 mm·h^-1的弱降水样本，但其在降水强度较大时也会出现严重衰减，无法获得准确资料。Ka_MS探测模式几乎无法鉴别小于0.30 mm·h^-1以下的降水资料，这是由于MS扫描方式的缺陷导致Ka_MS的信噪阈值过高，为此两个个例中Ka_MS给出的弱降水比例均明显低于其他3种降水产品。无论是散点图还是概率密度分布，个例1和个例2均表现为Ku_NS和DPR_MS有较好的一致性，相关系数分别为0.89、0.64，均通过α=0.01的显著性检验，但在降水强度较弱时，Ku_NS的样本数通常比DPR_MS高，当降水强度大于0.50 mm·h^-1时，二者概率密度分布高度一致。

回波顶高度一般指降水云中的降水粒子能达到的最大高度，是表征降水垂直结构的重要参数之一，直接反映降水云团在垂直方向上的发展程度，同时回波顶高度也和降水的动力和热力条件密切相关。图4为两次个例的降水回波顶高度空间分布。可以看出，东北夏季混合性降水的回波顶高度较春季层状云降水的回波顶高度明显偏高，在辽宁北部和吉林部分地区回波顶高度可达12 km左右，且结合近地面降水强度分布可见，回波顶高度的分布与地表降水强度的分布具有一定的相似性。层状云降水个例的回波顶高度比较均一，主要集中在2~6 km，最大不超过8 km，表明东北春季大范围的层状云降水云系发展较为平缓。

图5和图6分别为两次过程回波顶高度的散点图和概率密度分布图。可以看出，Ka_MS的回波顶高度明显偏低，而其他3个产品趋于一致，这可能是当Ka波段雷达在进行MS方式扫描时，相比HS方式扫描，其最小回波阈值由10.2 dBZ变大至16.7 dBZ，无法较好地捕捉顶层的弱降水回波。DPR_MS与Ku_NS回波顶高度基本一致，两次个例中二者相关系数分别为0.99、1.00，且均通过α=0.01的显著性检验，说明DPR_MS的回波顶高度测量基本依赖于Ku波段雷达的测量；在两次降水过程中，两者给出的回波顶高度均略低于Ka_HS。春季层状云降水的回波顶高度概率密度呈单峰型分布，回波顶高度多集中于2~4 km之间。夏季混合降水个例回波顶高度概率密度呈双峰型分布，分别在4 km和8 km附近存在两个峰值，这是由于此次过程扫过两个相对独立的雨团。两个例都可以看出Ka_MS对超过4 km的回波顶高度探测有明显缺失，这是造成Ka_MS回波顶高度产品始终偏低其他3种产品的原因（可能由于Ka_MS的扫描方式遗漏了冻结层以上的弱降水信号），因此该产品不适合用于回波顶高度的研究。

降水类型的划分体现雷达对降水的捕捉能力，单频产品反演过程中，降水类型的划分通常依靠0 ℃层亮带的识别完成，而双频雷达反演还可以通过双频反射率因子差和双频比等参数进一步加深对降水粒子尺度等性质的理解，进而给出降水类型的判断。图7为两次个例GPM DPR的4种产品降水类型划分的空间分布，表3列出两次降水个例GPM DPR的4种产品不同降水类型的样本数。可以看出，5月14日降水个例4种降水产品均识别为大范围的层状云降水，Ka_HS、Ka_MS、Ku_NS和DPR_MS识别的层状云降水样本数占总样本数的比例分别为97.4%、98.1%、97.8%和97.1%，对流降水占比分别为0.2%、1.7%、0.4%和0.8%。而在7月28日个例中，辽宁和吉林地区明显出现了多种降水类型，一些降水强度较强的区域对应出现了对流降水的类别，Ka_HS、Ka_MS、Ku_NS和DPR_MS识别的层状云降水样本数占总样本数的比例分别为78.2%、93.4%、70.0%和73.7%，对流降水比例分别为4.2%、0.7%、16.4%和15.6%。两次个例中Ka_MS都将大部分样本判断为层状云降水，比例明显超过其他3种产品，且Ka_HS对于对流性降水的划分远低于DPR_MS和Ku_NS，这是由于Ka波段的探测性能会受到衰减影响，可能造成降水类型划分的不准确，进而影响反演结果。DPR_MS虽然使用独立的DFRm方案提供降水类型划分，但在两次过程中的降水类型划分结果均与Ku波段雷达单频降水产品相似。

为理解GPM DPR的4种降水产品在回波信号上的差异，用降水回波强度的概率密度随高度的分布来揭示降水云内粒子群的分布情况。回波强度的概率密度定义为某一高度层、某值域范围的雷达反射率因子出现频数占所有高度层上雷达反射率出现次数的百分比（李函璐等， 2022； 傅云飞等， 2022）。图8为两次降水个例GPM DPR的4种产品雷达反射率因子的概率密度随高度分布。可见两次降水过程在垂直方向上差异显著，春季大范围层状云降水的回波垂直发展较弱，回波集中在7.5 km以下，4种产品的最大反射率因子大部分都小于35 dBZ；而夏季混合性降水回波顶高度可达10.0 km以上，降水产品的最大反射率因子可达40 dBZ以上。5月14日个例的雷达反射率因子分布较为集中，Ka_HS、Ku_NS和DPR_MS均在2.0 km以下和3.0~5.0 km有两个概率密度大值区，而7月28日的个例降水回波分布范围更宽，垂直方向的发展也更高，在5.0~9.0 km区域4种产品均有明显的高频中心，5.0 km以下区域回波分布相比春季降水个例更分散。4种降水产品中Ka_MS回波强度概率密度随高度的分布最矮最窄，说明受Ka波段雷达MS模式下的最小回波阈值影响，使其在探测性能上受到一定局限，也与前文推测一致。Ka_HS雷达回波概率密度随高度的分布相对最高，表明其能很好地捕捉回波顶部的弱降水信号；而Ku_NS和DPR_MS的雷达回波强度的概率密度随高度的分布都较宽，可以探测到较强的降水信号，这与张奡祺和傅云飞（2018）研究结论基本一致。Ka波段的2种产品在夏季混合性降水个例中最大反射率因子达40 dBZ，但随后就失去了探测更强回波的能力。

了解降水粒子的垂直分布情况有助于理解降水的微物理结构，准确构建雷达反射率因子和降水强度之间的经验关系式，从而提高降水估计的精度（Nzeukou et al.， 2004）。图9、图10分别为两次个例降水粒子有效直径（D₀）及粒子数浓度（dBN₀）的概率密度随高度分布。可以看出，对于5月14日降水个例，DPR_MS粒径范围最大，且能较好地反演出小于1.0 mm和大于1.5 mm的降水粒子，而Ka_HS和Ku_NS的粒径范围较为相似，均小于DPR_MS，Ka_MS的粒径范围最小，且4 km高度以上的降水粒子有效直径较其他3类产品明显减少。DPR_MS D₀的概率密度分布较为连续，近地面高频区的D₀为1.0~1.2 mm，略小于其他3个单频反演产品，且随着高度降低D₀的概率密度高频区的粒子有效直径变大。dBN₀的分布较为集中，3个单频反演产品靠近地面的dBN₀主要为30~35，DPR_MS dBN₀的概率密度高频区的粒子数浓度明显高于其他产品，主要集中在36附近，且DPR_MS dBN₀分布范围较宽，对于小于30的dBN₀也有较为细致的捕捉。

对于7月28日降水个例，无论是降水粒子数浓度还是粒子有效直径都比春季降水个例分布范围更宽。DPR_MS和Ku_NS的D₀最相似，随着高度降低，最大粒子的有效直径也在不断增大，但D₀的概率密度高频区的粒子有效直径始终维持在1.0 mm附近，甚至随高度降低稍微减小。Ku_NS dBN₀的概率密度分布更集中，相比之下，DPR_MS dBN₀更多大于35，这些现象与5月14日降水个例基本一致。Ka波段两种产品在4 km以上高度捕捉到更多D₀大于2.0 mm的粒子，由dBN₀的概率密度分布可以看到，与DPR_MS和Ku_NS不同，Ka波段dBN₀在20~30范围内出现概率密度高频中心，可能由于该波段探测特性对冰相粒子较为敏感，使得其在高层探测到少量的大冰晶。此外，两次个例D₀的概率密度分布在Ka波段的单频产品和DPR双频反演产品的3.0 mm处均出现了垂直方向的异常值，可能由D₀算法阈值导致，但在卫星反演算法的说明文档中未见提及。对比前人研究（张奡祺和傅云飞， 2018），可见东北地区春季层状云降水有较小的降水粒子有效直径，而夏季混合性降水具有较高的降水粒子数浓度。

本文基于GPM卫星的双频测雨雷达提供的4种降水产品对2016年东北地区两次不同性质降水个例的降水结构特征进行分析，探索GPM DPR的4种降水产品对东北地区降水表征的差异，为进一步应用GPM DPR降水产品对东北地区降水形成机制开展研究提供依据。

（1）春季层状云降水个例降水范围分布很广，大部分有降水的样本瞬时降水强度都小于4.00 mm·h^-1；夏季混合性降水个例的降水强度分布极其不均匀且出现较大降水强度。两次过程中不同降水产品存在差异：Ka_MS的样本量在两次过程均明显少于其他3者，遗漏了部分弱降水样本；Ka_HS存在更多的弱降水样本，但其在降水强度较大时也会出现严重衰减；Ku_NS表现较好，但在降水强度小于0.50 mm·h^-1时有所高估；DPR_MS具有独立表现，对小于0.50 mm·h^-1的弱降水与Ka_HS相关性较好，而对大于1.00 mm·h^-1的降水与Ku_NS有较好的一致性。

（2）东北夏季混合性降水的垂直方向发展较为旺盛，回波顶高度可达12 km；春季层状云降水个例的回波顶高度比较均一，主要集中在2~6 km。Ka_MS回波顶高度明显偏低，不能作为可靠的产品独立使用，Ka_HS回波顶高度与DPR_MS有一定差异，DPR_MS的回波顶高度基本上依赖KuPR的探测。在降水类型划分上Ka波段的探测性能受到衰减影响，可能造成降水类型划分的不准确，进而影响反演结果。DPR_MS虽然使用独立的DFRm方案提供降水类型划分，但在两次过程中降水类型划分结果均与Ku波段雷达单频产品相似。

（3）春季层状降水的回波垂直发展较弱，雷达反射率因子大部分都小于35 dBZ且分布较为集中；而夏季混合性降水回波顶高度可达10 km以上，降水产品的雷达反射率因子可达40 dBZ以上，回波分布范围更宽。春季层状云降水的雨滴谱分布较窄，近地面D₀的概率密度高频区粒子有效直径在1.0~1.2 mm附近，且降水粒子数浓度分布较为集中，dBN₀的概率密度高频区降水粒子数浓度为30~36；夏季混合性降水个例的雨滴谱分布范围更宽。DPR_MS的D₀、dBN₀概率密度分布较为连续，其中DPR_MS D₀与Ku_NS最相似，对小于30的dBN₀也有较为细致的捕捉。Ku_NS的dBN₀概率密度分布更集中。Ka波段雷达由于其探测特性对冰相粒子较为敏感，因此在高层该波段的2种产品捕捉到少量大冰晶。