设为首页
加入收藏
Calibration for Data Observed by Airborne Hot-wire Liquid Water Content Sensor
-
摘要: 机载含水量仪是目前云中液态水含量唯一的探测仪器,其准确性直接影响人工增雨作业条件判别。基于2015年和2017年四川盆地南部开展的10架次飞机云物理探测试验,考察机载热线含水量仪LWC-100探测数据发现存在异常极大值、负值数量多等问题。通过分析DMT（Droplet Measurement Technologies）公司云粒子探头（cloud droplet probe,CDP）、云粒子图像探头（cloud imaging probe,CIP）、降水粒子图像探头（precipitation imaging probe,PIP）数据,提出对入云前的干功率进行重新计算的3种方法:方法1以CDP探头的不同粒子尺度分档为标准,不低于某一档尺度的粒子数浓度大于0记为入云；方法2以CDP的数浓度大于10 cm-3为入云判定条件；方法3以CDP,CIP,PIP 3种探头探测的粒子数浓度同时大于0记为入云。结果显示:3种方法均有效纠正液态水含量不为0的情况,负值数量也较探测数据明显减少。方法1以不小于5 μm的粒子数浓度大于0记为入云,校验计算得到的液态水含量以负值数量和大小作为评价依据较方法2和方法3更优。Abstract: Based on the cloud microphysical detection data of 10-sortie aircraft over southern Sichuan Basin in 2015 and 2017, the liquid water content measured by DMT (Droplet Measurement Technologies) hot-wire liquid water content sensor is examined, and abnormal values in maximum, minimum and negative values are found.There are 4 possible causes for the abnormal maximum, minimum and negative values of liquid water content. First, the errors are caused by multiple parameters such as temperature, air pressure and vacuum velocity, which may lead to the error superposition of calculated values. Second, the on-board operators didn't calibrate the zero before entering the cloud. Third, the on-board operators only calibrate the zero once before entering the cloud during the whole flight. Fourth, the interval between cloud entry and exit is too short, so that the manual zero calibration is inaccurate.Using cloud particle spectrum data from cloud droplet probe (CDP), cloud imaging probe (CIP) and precipitation imaging probe (PIP), three solutions are proposed for calibrating hot-wire liquid water content sensor. Solution 1 is to set the criteria for entering cloud as the concentration of particle above a certain size from CDP probe greater than 0. Solution 2 is to set the criteria for entering cloud as the number concentration of cloud particles greater than 10 cm-3 from CDP probe. Solution 3 is to set the criteria for entering cloud as the number concentration from CDP, CIP and PIP probe greater than 0. The results show that when the number concentration is 0 from CDP, CIP and PIP probe, the original non-zero liquid water content problems are corrected by these solutions.To avoid the influence of ice phase particles on CDP number concentration, the verification is carried out in the positive temperature zone. All the test results show that the negative proportion of liquid water content is also significantly reduced compared with the original data. Solution 1 reduces the negative proportion of liquid water content, and make the minimum and maximum more reasonable than other scales. The liquid water content measured by Solution 1 are more reasonable than Solution 2 and 3.
-
引言
云由水滴(云滴、雨滴)和冰粒子组成。云中液态水含量是云物理特征的重要参数,也是人工增雨(雪)的重要指标,它的大小和分布是确定催化剂量和云中播撒位置的重要依据。人工影响天气技术已在我国得到广泛应用,在抗旱减灾、防雹减灾和生态文明建设等方面发挥了重要作用,提高人工催化效率需建立在对云的精准探测基础上,其中对云中液态水含量的探测尤为重要,云中液态水含量测量精度直接影响人工影响天气效果[1-13]。飞机飞行中也需要关注云中的过冷水含量,以防发生严重飞机积冰情况[14]。不同阈值的液态水含量和云粒子数浓度及其组合是入云判别指标[15-17]。
云中含水量可采用以下方法获得[18]:①通过探测云滴和雨滴的直径与数量,计算得到云中液态水含量。②通过热线含水量仪直接感应测量,探测云中液态水耗散的功率测量云水含量,如通过DMT(Droplet Measurement Technologies)公司云粒子探测系统中的热线含水量仪LWC-100探测电压数据可计算出云水含量。热线含水量仪能够测量不同粒径范围的液态水含量,由于粒子破碎或者电磁噪声等原因,机载云粒子图像探头会探测到伪粒子图像,导致云微物理参数计算结果偏差[19]。
机载热线含水量仪LWC-100是进口设备,对测量原理和实际操作不熟悉,会造成液态水含量数据误差较大的情况发生。目前河北省人工影响天气中心、北京市人工影响天气中心、山西省人工增雨防雷技术中心、中国气象局人工影响天气中心的专家开展相关研究,利用入云判别指标,通过机载应用软件M300自动识别入云时刻,对机载热线含水量仪探测数据进行校验。本研究在分析四川省2015年和2017年机载热线含水量仪测得液态水含量存在异常极大值、极小值和负值数量多等问题基础上,提出科学合理的液态水含量校验方法,并验证其可行性。
1. 数据与方法
利用2015年和2017年在四川盆地南部开展的10架次飞机云物理探测数据和对应时间的地面降水数据,分析机载探测数据。飞机探测数据为新舟60飞机搭载的DMT公司的云粒子探测系统。探测设备包括热线含水量仪(hot-wire liquid water content sensor),云粒子探头(cloud droplet probe,CDP),云粒子图像探头(cloud imaging probe,CIP),降水粒子图像探头(precipitation imaging probe,PIP),飞机综合气象要素测量系统(Aircraft Integrated Meteorological Measurement System)(AIMMS-20)[20-28]。表 1为设备类型、测量范围和探测要素等信息。
表 1 机载云物理探测系统Table 1. Airborne cloud microphysical detection system设备类型 测量范围 探测要素 热线含水量仪 0~3 g·m-3 液态水含量 云粒子探头 2~50 μm 小云粒子谱 云粒子图像探头 25~1550 μm 大云粒子谱、二维图像 降水粒子图像探头 100~6200 μm 降水粒子谱、二维图像 飞机综合气象要素测量系统 温、压、湿、风、GPS轨迹 微波辐射计数据为布设在四川省宜宾县气象站(28.7°N,104.6°E,海拔287 m)的MWP 967KV型地基多通道微波辐射计反演数据,采用BP神经网络实时反演大气温度、相对湿度、水汽密度、液态水含量廓线[29]。廓线垂直覆盖范围为地表至顶空10 km,共划分为58层,以地表作为第1层起向上,第1~11层、第11~26层、第26~58层分辨率分别为50,100,250 m,时间分辨率为3~5 min。
雨量数据为国家一般气象站四川省宜宾县气象站的逐分钟雨量。
2. 热线含水量仪的探测原理
LWC-100可通过测量水滴蒸发时释放的热量计算液态水含量。加热气缸暴露在气流中,拦截迎面而来的液滴。电子设备将该传感器保持在恒定温度(约125℃),并监测飞行过程中液滴碰撞到线圈蒸发时调节温度所需的功率。传感线消耗的功率(Pt)主要包括对流热损失(Pd)和潜热损失(Pw)。对流热损失由流经加热传感器的空气产生。潜热损失是水滴撞击或经过传感器附近蒸发的结果。
传感线消耗的功率Pt可由电压和电流计算得到。对流热损失功率Pd的算法有2种:第1种是根据实验室经验公式,计算的液态水含量值记为L1；第2种是根据入云前的线圈电压与电流计算的功率,计算的液态水含量记为L2。
3. 液态水含量数据存在的问题
表 2整段飞行中L1与L2有异常极值出现,第9飞行架次的L1极大值达69.13 g·m-3,第6架次L2的极小值达-11.54 g·m-3。当CDP,CIP和PIP 3种探头探测的粒子数浓度N均为0时,L1与L2并非全部为0。由此可见在热线含水量仪的L1与L2存在3种明显的误差问题:存在负值,极大值异常,未探测到液态水粒子的情况下液态水含量不为0。
表 2 液态水含量数据概况Table 2. Overview of liquid water content data架次 日期 整段飞行 NCDP=NCIP=NPIP=0 L1/(g·m-3) L2/(g·m-3) L1/(g·m-3) L1方差 L2/(g·m-3) L2方差 1 2015-11-28 -1.70~1.15 0~2.68 -1.67~0.31 0.050 0~1.65 1.600 2 2015-12-01(白天) -0.30~0.60 -0.28~1.26 -0.29~0.27 0.009 -0.28~1.25 0.040 3 2015-12-01(夜间) -1.86~0.88 0~2.21 -1.86~0.23 0.065 0~1.47 1.380 4 2015-12-10 -2.12~2.99 0~5.31 -0.48~0.16 0.038 0~1.54 1.000 5 2015-12-12 -1.57~31.52 -0.90~2.64 -1.57~31.52 1.150 -0.90~1.33 0.090 6 2015-12-13 -3.78~40.74 -11.54~9.11 -1.41~40.74 2.940 -0.004~6.78 0.150 7 2015-12-18 -1.64~44.19 0~49.61 -0.52~1.40 0.060 0.66~3.27 1.000 8 2017-10-31 -2.26~0.04 -1.54~1.25 -1.42~-0.22 0.080 -0.64~0.15 0.003 9 2017-11-27 -0.81~69.13 -3.78~1.12 -0.81~69.13 159.580 -3.78~1.11 0.180 10 2017-12-01 -1.15~-0.42 -0.67~0.85 -0.99~-0.61 0.410 -0.42~0.85 0.010 L1与L2误差产生的主要原因有4种。原因1:实验室经验公式的参数多,包括温度、气压、真空速等,各个参数的误差导致计算的L1误差叠加。原因2:飞机探测阶段,机上操作人员未在入云前操作调零,导致L2实际是由未减去Pd的Pt计算得出。原因3:飞机探测阶段,机上操作人员全程仅采集1次入云前的Pd,作为整段探测飞行的Pd,导致不同海拔高度(简称高度)不同温度上均使用同样的Pd。原因4:飞行过程中入云和出云间隔时间较短,Pd由人为操作采集,采集操作不及时,导致L2产生误差。原因1属于仪器误差,只有提高仪器对温度、气压、真空速的探测精度,才能降低多变量公式导致的误差叠加。原因2、原因3和原因4均属于操作误差,可以通过研究校验仪器所参考的指标阈值,规范仪器的操作流程,使用机载软件M300自动化校验等办法,从而降低人为操作导致的误差。
4. 校验方法
针对液态水含量数据存在的问题,需要逐条解决,依照上述产生原因对应拟定4条校验原则。原则1:避免实验室经验公式中的多参数组合计算产生误差重叠。原则2:入云前采集Pd。原则3:整段飞行探测入云前Pd为动态变化。原则4:以探测数据作为入云的客观判别指标,变化可能是秒级,而人为判别后再操作可能会延误校验设备的时机。
4条校验原则均涉及入云前Pd,由此可见,入云前Pd判别至关重要。Pt和Pd分别是入云后和入云前消耗的功率,由于电流是10 A,因此选出入云前线圈电压是关键,即入云判断是关键。
本文以CDP,CIP,PIP 3种探头的探测为重要依据,有3种方法判断是否入云,见表 3。方法1:以CDP探头不同粒子尺度分档为标准,不低于某一档尺度的粒子数浓度大于0记为入云。该方法以CDP云粒子探头为唯一探测设备,既考虑云粒子尺度因素,又考虑不同尺度云粒子的数浓度因素。方法2:以CDP数浓度大于10 cm-3为入云判定条件。该方法以CDP探头为唯一探测设备,采用Rangno等[30]提出的当大于2 μm的粒子数浓度超过10 cm-3时判断为云水区,仅考虑云粒子数浓度。方法3以CDP,CIP,PIP 3种探头探测的粒子数浓度大于0记为入云。该方法以CDP,CIP,PIP 3种探头为探测设备,仅考虑3种探头探测的粒子数浓度。因此3种方法均满足原则2、原则3和原则4的设定,根据探测数据动态判别是否入云。
表 3 入云判别方法与指标阈值Table 3. Solutions and thresholds for in-cloud determination方法 参考因素 入云的判别指标阈值 备注 1 尺度、数浓度 Ni>0 Ni为不低于第i档尺度粒子数浓度 2 数浓度 NCDP>10 cm-3 NCDP为CDP探头测得粒子总数浓度 3 数浓度 NCDP>0
或NCIP>0
或NPIP>0NCIP为CIP探头测得粒子总数浓度,
NPIP为PIP探头测得粒子总数浓度按照上述3种方法,分别计算10次探测飞行的液态水含量。为了满足原则1设定,不使用实验室经验公式,直接选取线圈电压计算。
5. 校验方法验证
3种方法校验后,当CDP,CIP,PIP 3种探头探测的粒子数浓度等于0时液态水含量均为0。
CDP探头测量粒子尺度范围为2~50 μm,共分为30档,前12档分辨率为1 μm,后18档分辨率为2 μm,依据方法1分别计算CDP探头30档尺度的液态水含量。热线含水量仪原理中仅考虑液态水对热线功率的影响,因此为避免存在冰相粒子导致CDP数浓度偏大的影响,校验方法的验证仅针对温度大于0的正温区。
由图 1a可见,正温区的液态水含量为负值的数量占正温区样本量的比率,10个架次负值占比为0~28%,所有架次的负值占比在粒子尺度5 μm均小于5%。第3,4,6,9,10架次呈现直线陡降形态,第5,8架次呈现以粒子尺度24 μm为波峰的单波形态,第1,2,7架次呈现随粒子尺度增大负值占比波动减少特征,整体上所有架次在粒子尺度为5~ 7 μm呈负值占比的低值区。由图 1b可见,正温区的液态水含量最小值,10个架次负值最小值为-1.33~0 g·m-3,除了第2,3,5架次分别在粒子尺度12,20,20 μm出现谷值,其余7架次整体呈尺度越大,液态水含量越小,值越接近0的趋势,整体上除了在粒子尺度为48 μm外,所有架次在粒子尺度为5~7 μm和14~16 μm较其他尺度的负值误差更小。图 1c是正温区的液态水含量最大值,10个架次负值最大值为0~1.37 g·m-3,在6,20,26,36 μm等尺度存在阶梯性陡降的特征。整体上呈尺度越大、最大值越接近0的趋势,所有架次粒子尺度在2~6 μm内,液态水含量的最大值未出现减小。
![]()
图 1 方法1确定的10个架次正温区的液态水含量负值占比(a)、最小值(b)和最大值(c)Figure 1. Negative value proportion(a), minimum(b) and maximum(c) values of liquid water content determined by Solution 1 in positive temperature levels综上可知,相较其他尺度,5 μm计算的液态水含量负值数量更少,负值的极值更合理,正值的极值未减小。其原因可能是能够在热线含水量仪的线圈上发生影响电压变化的云粒子尺度阈值为5 μm。如果选择阈值大于5 μm,虽然负值占比更低,但是正值的数值减小,同样会造成液态水含量的探测值较实际值偏小的误差。所以,5 μm可以作为方法1的最优尺度,即以粒子尺度不小于5 μm的粒子数浓度大于0为入云指标。
表 4为10次探测正温区采集的样本量,其中方法1的入云指标为不小于5 μm的粒子数浓度大于0。
表 4 正温区的液态水含量的探测数据及3种方法校验值对比Table 4. Comparisons between probe data and those determined by three solutions for liquid water content in the positive temperature levels架次 探测数据 方法1 方法2 方法3 L2/(g·m-3) 负值占比/% 液态水含量/ (g·m-3) 负值占比/% 液态水含量/ (g·m-3) 负值占比/% 液态水含量/ (g·m-3) 负值占比/% 1 0~2.68 0 -0.18~0.51 2.48 -0.22~0.49 3.64 -0.13~0.53 8.45 2 -0.11~1.26 5.58 -0.23~0.95 1.43 -0.93~0.94 1.50 -0.66~0.95 13.83 3 0~2.21 0 -0.12~0.36 0.50 -0.25~0.33 1.03 -0.29~3.14 19.57 4 0~1.91 0 -0.14~0.29 1.09 -0.16~0.29 0.94 -0.83~5.39 15.32 5 -0.02~2.64 1.91 -0.28~1.33 4.08 -0.28~1.33 4.34 -2.06~1.53 8.27 6 -11.54~2.86 4.93 -0.02~0.10 0.10 0 0 -0.40~0.39 14.48 7 0~1.42 0 -0.18~0.07 1.97 0 0 -0.37~5.21 15.27 8 -1.78~1.25 81.95 -0.03~1.27 0.59 -0.007~1.27 0.32 -0.03~1.27 0.45 9 -0.128~1.12 10.98 -0.003~0.17 0.36 0~0.17 0 -1.15~1.10 2.73 10 -0.67~0.05 37.36 -0.005~0.01 1.35 0~0.003 0 -0.21~0.02 21.90 方法1,2,3均降低了第8,9,10架次的负值占比,方法1,2还降低了第2和第6架次的负值占比。对于第1,3,4,5,7架次的负值占比,虽然3种方法均没有降低负值占比,但探测数据极值异常,经过方法1,2的校验,消除了极小值过小或极大值过大的异常现象。虽然方法2的负值占比有6个架次小于方法1,但是经过方法2计算的第6,7架次的液态水含量为0,而CDP探头的总数浓度虽然小于10 cm-3但是存在大于5 μm的云滴,因此液态水含量值为0与实际不符。以负值的数量和极值大小作为评价依据,综合判断方法1整体优于方法2和方法3。因此,方法1以粒子尺度为5 μm作为入云前干功率采集时机,是最优选方法。
图 2为2015年12月1日四川省的一次飞行航迹,飞机定位信息取自机载综合气象测量系统(AIMMS-20)。当日飞机起降机场为四川广汉机场,在四川省宜宾市开展水平探测飞行。
![]()
图 2 2015年12月1日飞机探测的飞行轨迹和地基微波辐射计位置投影Figure 2. Flight track and position projection of ground- based microwave radiometer on 1 Dec 2015 aircraft and ground-based microwave radiometer图 3a 11:02:24(北京时, 下同)飞机从A点871 m高度快速爬升,11:21:37到达4063 m高度的B点,到达C点前10 min内在4032~4065 m高度水平探测飞行,随后开展4次下降后水平探测飞行,11:32:47—13:12:40的DE段高度为3656~3743 m,13:15:57—13:25:11的FG段高度为3023~3055 m,13:28:38—13:53:05的HI段高度为2368~2411 m,13:57:36—13:59:53的JK段高度为1451~1476 m,14:02:05—14:03:55的LM段高度为865~888 m。14:06:01在N点落地,飞行时长3 h。整段飞行中,有3段出现温度陡降的现象,分别为飞机爬升阶段AB段,平飞阶段DE和HI段内。该架次全程飞行温度均在正温区,最低温度为0.3℃。
![]()
图 3 2015年12月1日飞机探测要素随时间变化(a)飞行高度和温度,(b)粒子数浓度,(c)液态水含量,(d)飞机与微波辐射计水平距离Figure 3. Factors of time series from flight detection on 1 Dec 2015 (a)flight altitude and temperature, (b)particles number concentration, (c)liquid water content, (d)horizontal distance between aircraft and groud-based microwave radiometer图 3b第1段降温的爬升阶段,CDP和PIP探测到粒子最大数浓度分别为5.4×103和1.4×10-3 cm-3,CIP探头在此段故障无数据。第2段降温的平飞阶段,CDP,CIP,PIP探测到粒子最大数浓度分别为2.1×103,0.26,0.02 cm-3。第3段降温开始于飞行降高度,在平飞阶段持续,CDP,CIP,PIP探测到粒子最大数浓度分别为0.7×103,0.53,8.0×10-3 cm-3。
图 3c是液态水含量的探测数据和方法1,2,3的校验值。探测数据在起飞和落地时均有异常极值出现,液态水含量探测值整体高于3种方法的校验值,特别在12:50—13:20期间3个探头均无明显数浓度,但探测数据却能达到0.1~0.5 g·m-3,这明显与事实不符。方法2在12:19:37出现极小值-0.93 g·m-3,与方法1和方法3校验值相比明显异常。方法3的负值数达到1528例,比方法1和方法2的负值数多近10倍。
图 3d是飞机探测与宜宾地基微波辐射计的距离,飞机在12:45:58的3687 m高度时与地基微波辐射计的水平距离最近,为17.45 km。
选取飞机与微波辐射计距离为20 km范围的时间段12:43:50—12:48:21,该时段在3677~3699 m高度飞行,微波辐射计反演的最近高度层为3787 m,比较热线含水量仪3种方法校验后的和微波辐射计反演的液态水含量。由图 4可见,微波辐射计反演的液态水含量在0.034~0.054 g·m-3,方法1、方法2、方法3校验后的液态水含量分别在0~0.058,0,-0.109~0.130 g·m-3。方法2的液态水含量全部为0,方法3的液态水含量有大量负值,方法1的液态水含量无负值,方法1的液态水含量极值与微波辐射计的数值也接近。综上所述,该架次整段飞行选择CDP采集到不小于5 μm的粒子时作为入云的指标较为合理。
![]()
图 4 2015年12月1日飞机与地基微波辐射计水平距离20 km范围内的液态水含量随时间变化Figure 4. Time series of liquid water content within 20 km of horizontal distance between aircraft and ground-based microwave radiometer from flight on 1 Dec 20152017年11月27日12:04:58—17:02:33探测飞机在四川省宜宾市开展水平与垂直探测飞行,飞行时长近5 h。热线含水量仪探测的液态水含量在13:39—13:46有异常极值-3.8 g·m-3,这明显与事实不符。选取飞机与微波辐射计距离为20 km范围正温区的时间段14:27:39—15:22:49,该时段内飞机与地基微波辐射计的水平距离最近为9.76 km,飞机在3600~4483 m高度飞行,微波辐射计反演数据在3537~4537 m高度层就近选择,比较热线含水量仪和微波辐射计的液态水含量。微波辐射计反演的液态水含量为0.007~0.008 g·m-3,方法1、方法2、方法3校验后的液态水含量分别为0~0.0088,0,-0.003~ 0.0088 g·m-3。方法2的液态水含量全部为0,方法3的液态水含量有大量负值,方法1的液态水含量无负值且其含量极值与微波辐射计数值接近。综上所述,该架次整段飞行选择CDP采集到不低于5 μm的粒子时作为入云的指标较为合理。
6. 结论与讨论
针对2015年和2017年在四川省开展的飞机云物理探测的热线含水量仪探测和计算的液态水含量存在异常极大值、负值数量多等问题,分析产生原因,提出校验方法。
1) 产生异常大值和负值的可能原因包括:各个参数的误差导致液态水含量计算值的误差叠加；未在入云前采集干功率；整段探测飞行仅采集1次入云前的干功率；人为采集入云前的干功率但时机把握不够精准,环境变化导致热线含水量仪产生误差。
2) 依据CDP,CIP,PIP 3个探头的探测数据,提出3种方法对入云前的干功率进行重新计算,方法1以CDP探头的不同粒子尺度分档为标准,不低于某一档尺度的粒子数浓度大于0记为入云。方法2以CDP探头的数浓度大于10 cm-3为入云判定条件。方法3是以CDP,CIP,PIP 3种探头探测的粒子数浓度大于0记为入云。
3) 依据方法1分别计算CDP探头30档尺度的液态水含量。校验方法仅针对温度大于0℃的正温区,结果显示5 μm较其他尺度计算得到的液态水含量的负值数量更少,负值的极值更合理,正值的极值未减小。其原因可能是能够在热线含水量仪的线圈上发生影响电压变化的云粒子尺度阈值为5 μm。
4) 3种方法均可纠正液态水含量不为0的情况,负值数量也较探测数据明显减少。以负值数量和大小作为评价依据,方法3的负值占比和极值异常值等问题较方法1和方法2偏多。以CDP探头云粒子谱分布为依据,方法2降水存在液态水的数据校验为0,这显然与事实不符。因此,方法1以不小于5 μm的粒子数浓度大于0记为入云,校验计算得到的液态水含量较方法2和方法3更优,校验后的数据更加可靠。
致谢: 河北省人工影响天气中心杨洋工程师、山西省人工增雨防雷技术中心李义宇高级工程师、中国气象科学研究院人工影响天气中心高扬高级工程师、北京市人工影响天气中心马新成正研级高级工程师对本文给予指导和帮助,特此感谢。 -
![]()
图 1 方法1确定的10个架次正温区的液态水含量负值占比(a)、最小值(b)和最大值(c)
Figure 1. Negative value proportion(a), minimum(b) and maximum(c) values of liquid water content determined by Solution 1 in positive temperature levels
![]()
图 2 2015年12月1日飞机探测的飞行轨迹和地基微波辐射计位置投影
Figure 2. Flight track and position projection of ground- based microwave radiometer on 1 Dec 2015 aircraft and ground-based microwave radiometer
![]()
图 3 2015年12月1日飞机探测要素随时间变化(a)飞行高度和温度,(b)粒子数浓度,(c)液态水含量,(d)飞机与微波辐射计水平距离
Figure 3. Factors of time series from flight detection on 1 Dec 2015 (a)flight altitude and temperature, (b)particles number concentration, (c)liquid water content, (d)horizontal distance between aircraft and groud-based microwave radiometer
![]()
图 4 2015年12月1日飞机与地基微波辐射计水平距离20 km范围内的液态水含量随时间变化
Figure 4. Time series of liquid water content within 20 km of horizontal distance between aircraft and ground-based microwave radiometer from flight on 1 Dec 2015
表 1 机载云物理探测系统
Table 1 Airborne cloud microphysical detection system
设备类型 测量范围 探测要素 热线含水量仪 0~3 g·m-3 液态水含量 云粒子探头 2~50 μm 小云粒子谱 云粒子图像探头 25~1550 μm 大云粒子谱、二维图像 降水粒子图像探头 100~6200 μm 降水粒子谱、二维图像 飞机综合气象要素测量系统 温、压、湿、风、GPS轨迹 
下载: 导出CSV
表 2 液态水含量数据概况
Table 2 Overview of liquid water content data
架次 日期 整段飞行 NCDP=NCIP=NPIP=0 L1/(g·m-3) L2/(g·m-3) L1/(g·m-3) L1方差 L2/(g·m-3) L2方差 1 2015-11-28 -1.70~1.15 0~2.68 -1.67~0.31 0.050 0~1.65 1.600 2 2015-12-01(白天) -0.30~0.60 -0.28~1.26 -0.29~0.27 0.009 -0.28~1.25 0.040 3 2015-12-01(夜间) -1.86~0.88 0~2.21 -1.86~0.23 0.065 0~1.47 1.380 4 2015-12-10 -2.12~2.99 0~5.31 -0.48~0.16 0.038 0~1.54 1.000 5 2015-12-12 -1.57~31.52 -0.90~2.64 -1.57~31.52 1.150 -0.90~1.33 0.090 6 2015-12-13 -3.78~40.74 -11.54~9.11 -1.41~40.74 2.940 -0.004~6.78 0.150 7 2015-12-18 -1.64~44.19 0~49.61 -0.52~1.40 0.060 0.66~3.27 1.000 8 2017-10-31 -2.26~0.04 -1.54~1.25 -1.42~-0.22 0.080 -0.64~0.15 0.003 9 2017-11-27 -0.81~69.13 -3.78~1.12 -0.81~69.13 159.580 -3.78~1.11 0.180 10 2017-12-01 -1.15~-0.42 -0.67~0.85 -0.99~-0.61 0.410 -0.42~0.85 0.010
下载: 导出CSV
表 3 入云判别方法与指标阈值
Table 3 Solutions and thresholds for in-cloud determination
方法 参考因素 入云的判别指标阈值 备注 1 尺度、数浓度 Ni>0 Ni为不低于第i档尺度粒子数浓度 2 数浓度 NCDP>10 cm-3 NCDP为CDP探头测得粒子总数浓度 3 数浓度 NCDP>0
或NCIP>0
或NPIP>0NCIP为CIP探头测得粒子总数浓度,
NPIP为PIP探头测得粒子总数浓度
下载: 导出CSV
表 4 正温区的液态水含量的探测数据及3种方法校验值对比
Table 4 Comparisons between probe data and those determined by three solutions for liquid water content in the positive temperature levels
架次 探测数据 方法1 方法2 方法3 L2/(g·m-3) 负值占比/% 液态水含量/ (g·m-3) 负值占比/% 液态水含量/ (g·m-3) 负值占比/% 液态水含量/ (g·m-3) 负值占比/% 1 0~2.68 0 -0.18~0.51 2.48 -0.22~0.49 3.64 -0.13~0.53 8.45 2 -0.11~1.26 5.58 -0.23~0.95 1.43 -0.93~0.94 1.50 -0.66~0.95 13.83 3 0~2.21 0 -0.12~0.36 0.50 -0.25~0.33 1.03 -0.29~3.14 19.57 4 0~1.91 0 -0.14~0.29 1.09 -0.16~0.29 0.94 -0.83~5.39 15.32 5 -0.02~2.64 1.91 -0.28~1.33 4.08 -0.28~1.33 4.34 -2.06~1.53 8.27 6 -11.54~2.86 4.93 -0.02~0.10 0.10 0 0 -0.40~0.39 14.48 7 0~1.42 0 -0.18~0.07 1.97 0 0 -0.37~5.21 15.27 8 -1.78~1.25 81.95 -0.03~1.27 0.59 -0.007~1.27 0.32 -0.03~1.27 0.45 9 -0.128~1.12 10.98 -0.003~0.17 0.36 0~0.17 0 -1.15~1.10 2.73 10 -0.67~0.05 37.36 -0.005~0.01 1.35 0~0.003 0 -0.21~0.02 21.90
下载: 导出CSV
-
[1] 段英, 吴志会.利用地基遥感方法监测大气中汽态、液态水含量分布特征的分析.应用气象学报, 1999, 10(1):34-40. http://qikan.camscma.cn/article/id/19990133 Duan Y, Wu Z H. Monitoring the distribution characteristics of liquid and vapour water content in the atmosphere using ground-based remote sensing. J Appl Meteor Sci, 1999, 10(1): 34-40. http://qikan.camscma.cn/article/id/19990133
[2] 亓鹏, 郭学良, 卢广献, 等. 华北太行山东麓一次稳定性积层混合云飞机观测研究: 对流云/对流泡和融化层结构特征. 大气科学, 2019, 43(6): 1365-1384. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201906012.htm Qi P, Guo X L, Lu G X, et al. Aircraft measurements of a stable stratiform cloud with embedded convection in eastern Taihang Mountain of North China: Characteristics of embedded convection and melting layer structure. Chinese J Atmos Sci, 2019, 43(6): 1365-1384. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201906012.htm
[3] 杨洁帆, 胡向峰, 雷恒池, 等. 太行山东麓层状云微物理特征的飞机观测研究. 大气科学, 2021, 45(1): 88-106. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK202101006.htm Yang J F, Hu X F, Lei H C, et al. Airborne observations of microphysical characteristics of stratiform cloud over eastern side of Taihang Mountains. Chinese J Atmos Sci, 2021, 45(1): 88-106. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK202101006.htm
[4] 陈文选, 王俊, 刘文. 一次冷涡过程降水的微物理机制分析. 应用气象学报, 1999, 10(2): 190-198. http://qikan.camscma.cn/article/id/19990258 Chen W X, Wang J, Liu W. Analysis of the microphysical precipitation mechanism for a cold vortex process. J Appl Meteor Sci, 1999, 10(2): 190-198. http://qikan.camscma.cn/article/id/19990258
[5] 孙玉稳, 董晓波, 李宝东, 等. 太行山东麓一次低槽冷锋降水云系云物理结构和作业条件的飞机观测研究. 高原气象, 2019, 38(5): 971-982. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201905006.htm Sun Y W, Dong X B, Li B D, et al. The physical properties and seeding potential analysis of a low trough cold front cloud system at Mountain Taihang based on aircraft observations. Plateau Meteorology, 2019, 38(5): 971-982. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201905006.htm
[6] 李军霞, 李培仁, 陶玥, 等. 山西春季层状云系数值模拟及与飞机探测对比. 应用气象学报, 2014, 25(1): 22-32. http://qikan.camscma.cn/article/id/20140103 Li J X, Li P R, Tao Y, et al. Numerical simulation and flight observation of stratiform precipitation clouds in spring of Shanxi Province. J Appl Meteor Sci, 2014, 25(1): 22-32. http://qikan.camscma.cn/article/id/20140103
[7] 王维佳, 董晓波, 石立新, 等. 一次多层云系云物理垂直结构探测研究. 高原气象, 2011, 30(5): 1368-1375. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201105024.htm Wang W J, Dong X B, Shi L X, et al. Study on vertical microphysical structure of cloud for a multi-layer cloud system. Plateau Meteorology, 2011, 30(5): 1368-1375. https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201105024.htm
[8] 樊志超, 周盛, 汪玲, 等. 湖南秋季积层混合云系飞机人工增雨作业方法. 应用气象学报, 2018, 29(2): 200-216. DOI: 10.11898/1001-7313.20180207 Fan Z C, Zhou S, Wang L, et al. Methods of aircraft-based precipitation enhancement operation for convective-stratiform mixed clouds in autumn in Hunan Province. J Appl Meteor Sci, 2018, 29(2): 200-216. DOI: 10.11898/1001-7313.20180207
[9] 王维佳, 刘建西, 石立新, 等. 四川盆地降水云系飞机云物理观测个例分析. 气象, 2011, 37(11): 1389-1394. DOI: 10.7519/j.issn.1000-0526.2011.11.009 Wang W J, Liu J X, Shi L X, et al. Case analysis of micophysical characterstics of precipitation cloud system in Sichuan Basin. Meteor Mon, 2011, 37(11): 1389-1394. DOI: 10.7519/j.issn.1000-0526.2011.11.009
[10] 张佃国, 郭学良, 龚佃利, 等. 山东省1989-2008年23架次飞机云微物理结构观测试验结果. 气象学报, 2011, 69(1): 195-207. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201101017.htm Zhang D G, Guo X L, Gong D L, et al. The observational results of the clouds microphysical structure based the data obtained by 23 sorties between 1989 and 2008 in Shandong Province. Acta Meteor Sinica, 2011, 69(1): 195-207. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201101017.htm
[11] 刘佩, 银燕, 陈倩, 等. 吸湿性播撒对暖性对流云减雨影响的数值模拟. 应用气象学报, 2019, 30(2): 211-222. DOI: 10.11898/1001-7313.20190208 Liu P, Yin Y, Chen Q, et al. Numerical simulation of hygroscopic seeding effects on warm convective clouds and rainfall reduction. J Appl Meteor Sci, 2019, 30(2): 211-222. DOI: 10.11898/1001-7313.20190208
[12] 王黎俊, 银燕, 姚展予, 等. 三江源地区秋季一次层积云飞机人工增雨催化试验的微物理响应. 气象学报, 2013, 71(5): 925-939. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201305012.htm Wang L J, Yin Y, Yao Z Y, et al. Microphysical responses as seen in a stratocumulus aircraft seeding experiment in autumn over the Sanjiangyun National Nature Reserve. Acta Meteor Sinica, 2013, 71(5): 925-939. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB201305012.htm
[13] 蔡兆鑫, 蔡淼, 李培仁, 等. 大陆性积云不同发展阶段宏观和微观物理特性的飞机观测研究. 大气科学, 2019, 43(6): 1191-1203. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201906001.htm Cai Z X, Cai M, Li P R, et al. Aircraft observation research on macro and microphysics characteristics of continental cumulus cloud at different development stages. Chinese J Atmos Sci, 2019, 43(6): 1191-1203. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201906001.htm
[14] 齐晨, 金晨曦, 郭文利, 等. 基于模糊逻辑的飞机积冰预测指数. 应用气象学报, 2019, 30(5): 619-628. DOI: 10.11898/1001-7313.20190510 Qi C, Jin C X, Guo W L, et al. Icing potential index of aircraft icing based on fuzzy logic. J Appl Meteor Sci, 2019, 30(5): 619-628. DOI: 10.11898/1001-7313.20190510
[15] Gultepe I, Isaac G A, Leaitch W R, et al. Parameterization of marine stratus microphysics based on in situ observations: Implications for GCMs. J Climate, 1996, 9: 345-357. http://www.researchgate.net/profile/Ismail_Gultepe/publication/255252684_parameterizations_of_Marine_Stratus_Microphysics_Based_on_In_Situ_Observations_Implications_for_GCMS/links/565478d808aefe619b19e8f1.pdf
[16] Gultepe I, Isaac G A. Aircraft observations of cloud droplet number concentration: Implications for climate studies. Quart J Roy Meteor Soc, 2004, 130(602): 2377-2390. http://www.researchgate.net/profile/Ismail_Gultepe/publication/229737863_Aircraft_observations_of_cloud_droplet_number_concentration_Implications_for_climate_studies/links/543b6d990cf204cab1dafddd
[17] Zhang Q, Quan J N, Tie X X, et al. Impact of aerosol particles on cloud formation: Aircraft measurements in China. Atmospheric Environment, 2011, 45(3): 665-672. http://www.researchgate.net/profile/Jiannong_Quan/publication/241112880_Impact_of_aerosol_particles_on_cloud_formation_Aircraft_measurements_in_China/links/5555a34a08ae6943a871cf61.pdf
[18] 王柏忠, 刘卫国, 王广河, 等. KLWC-5含水量仪原理及在人工增雨中的应用. 气象科技, 2004, 32(4): 294-296. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ200404022.htm Wang B Z, Liu W G, Wang G H, et al. Principles of KLWC-5 liquid water content guage and its application in cloud seeding. Meteorological Science and Technology, 2004, 32(4): 294-296. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ200404022.htm
[19] 黄敏松, 雷恒池, 金玲. 机载云降水粒子成像仪所测数据中伪粒子的识别. 大气科学, 2017, 41(5): 1113-1124. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201705016.htm Huang M S, Lei H C, Jin L. Pseudo particle identification in the image data from the airborne cloud and precipitation particle image probe. Chinese J Atmos Sci, 2017, 41(5): 1113-1124. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201705016.htm
[20] 郭学良, 方春刚, 卢广献, 等. 2008-2018年我国人工影响天气技术及应用进展. 应用气象学报, 2019, 30(6): 641-650. DOI: 10.11898/1001-7313.20190601 Guo X L, Fang C G, Lu G X, et al. Progresses of weather modification technologies and applications in China from 2008 to 2018. J Appl Meteor Sci, 2019, 30(6): 641-650. DOI: 10.11898/1001-7313.20190601
[21] 郭学良, 于子平, 杨泽后, 等. 高性能机载云粒子成像仪研制及应用. 气象学报, 2020, 78(6): 1050-1064. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB202006013.htm Guo X L, Yu Z P, Yang Z H, et al. Development and application of the high-performance airborne cloud particle imager. Acta Meteor Sinica, 2020, 78(6): 1050-1064. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXB202006013.htm
[22] 李宏宇, 周旭, 张荣, 等. 不同机载设备观测的气象要素与飞行参数对比分析. 气象, 2020, 46(9): 1143-1152. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX202009002.htm Li H Y, Zhou X, Zhang R, et al. Comparison and analysis of several meteorological elements and flight parameters observed from different airborne detection instruments. Meteor Mon, 2020, 46(9): 1143-1152. https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX202009002.htm
[23] 李义宇, 孙鸿娉, 杨俊梅, 等. 华北中部夏季气溶胶和云分布特征. 应用气象学报, 2021, 32(6): 665-676. DOI: 10.11898/1001-7313.20210603 Li Y Y, Sun H P, Yang J M, et al. Characteristics of aerosol and cloud in summer in the central plain of North China. J Appl Meteor Sci, 2021, 32(6): 665-676. DOI: 10.11898/1001-7313.20210603
[24] 蔡兆鑫, 蔡淼, 李培仁, 等. 华北地区一次气溶胶与浅积云微物理特性的飞机观测研究. 大气科学, 2021, 45(2): 393-406. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK202102011.htm Cai Z X, Cai M, Li P R, et al. An in-situ case study on micro physical properties of aerosol and shallow cumulus clouds in North China. Chinese J Atmos Sci, 2021, 45(2): 393-406. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK202102011.htm
[25] 张正国, 卢广献, 汤达章, 等. 广西秋季层状云微物理特征分析. 气象科技, 2018, 46(3): 545-555. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ201803019.htm Zhang Z G, Lu G X, Tang D Z, et al. Microphysical characteristics of stratiform clouds in autumn in Guangxi. Meteorological Science and Technology, 2018, 46(3): 545-555. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ201803019.htm
[26] 孙鸿娉, 李培仁, 闫世明, 等. 山西省2008-2010年64架次飞机云物理观测结果分析. 气象科技, 2014, 42(4): 682-689. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ201404028.htm Sun H P, Li P R, Yan S M, et al. Characteristics of cloud microphysical structure based on aircraft data in 2008-2010 in Shanxi Province. Meteorological Science and Technology, 2014, 42(4): 682-689. https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ201404028.htm
[27] 段婧, 楼小凤, 陈勇, 等. 基于航测的珠三角气溶胶垂直分布及活化特性. 应用气象学报, 2019, 30(6): 677-689. DOI: 10.11898/1001-7313.20190604 Duan J, Lou X F, Chen Y, et al. Aircraft measurements of aerosol vertical distributions and its activation efficiency over the Pearl River Delta. J Appl Meteor Sci, 2019, 30(6): 677-689. DOI: 10.11898/1001-7313.20190604
[28] 李义宇, 杨俊梅, 李培仁, 等. 山西省层状云微物理结构探测分析. 气候与环境研究, 2012, 17(6): 693-703. https://www.cnki.com.cn/Article/CJFDTOTAL-QHYH201206007.htm Li Y Y, Yang J M, Li P R, et al. Detection analysis of microphysical structure of stratiform cloud in Shanxi Province. Climatic and Environmental Research, 2012, 17(6): 693-703. https://www.cnki.com.cn/Article/CJFDTOTAL-QHYH201206007.htm
[29] 刘晓璐, 刘东升, 郭丽君, 等. 国产MWP967KV型地基微波辐射计探测精度. 应用气象学报, 2019, 30(6): 731-744. DOI: 10.11898/1001-7313.20190609 Liu X L, Liu D S, Guo L J, et al. The observational precision of domestic MWP967KV ground-based microwave radiometer. J Appl Meteor Sci, 2019, 30(6): 731-744. DOI: 10.11898/1001-7313.20190609
[30] Rangno A L, Hobbs P V. Microstructures and precipitation development in cumulus and small cumulonimbus clouds over the warm pool of the tropical Pacific Ocean. Quart J Roy Meteor Soc, 2005, 131: 639-673. http://www.onacademic.com/detail/journal_1000034849616510_8817.html
-
期刊类型引用(4)
1. 许志丽，徐亮亮，毕力格，史金丽，辛悦，刘沫彤. 内蒙古中部地区层状云微物理特征及可播度分析. 干旱气象. 2025(01): 126-132 . 
百度学术
2. 段然，刘清惓，杨杰，汤鸿霄，葛祥建，恽雨涵. 基于专家PID控制的云水含量传感器设计. 传感器与微系统. 2024(04): 68-71 . 百度学术
3. 聂皓浩，王婉，郭晓军，林晓萌. 基于机载微波辐射计的天津地区典型层状云水汽和液态水分布特征分析. 干旱气象. 2023(04): 599-606 . 百度学术
4. 王泽林，周旭，吴俊辉，李佰平，蔺玉洁，闫文辉，张莹. 一次飞机严重积冰的天气条件和云微物理特征. 应用气象学报. 2022(05): 555-567 . 本站查看
其他类型引用(1)
计量
- 文章访问数: 1267
- HTML全文浏览量: 250
- PDF下载量: 126
- 被引次数: 5
