留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

四川盆地暖区暴雨的雷达回波特征及分类识别

罗辉 肖递祥 匡秋明 青泉 康岚

引用本文:
Citation:

四川盆地暖区暴雨的雷达回波特征及分类识别

Radar Echo Characteristics and Recognition of Warm-sector Torrential Rain in Sichuan Basin

  • 摘要: 暖区暴雨强度大且降水集中,可造成严重气象灾害。利用四川盆地实况降水和7部天气雷达资料,分析了2012—2017年28次暖区暴雨过程的降水特征,按超过20 mm·h-1降水站数的突增,将暖区暴雨的雷暴群分为初生阶段和成熟阶段,根据不同降水类型成熟前后的雷达回波特征,将雷暴群分为3种类型,3类回波特征差异明显,雷暴的长时间生消、合并以及传播作用使暖区暴雨降水强度大、范围广。在28次暖区暴雨过程中,四川盆地西北部出现次数最多,持续时间最长,回波基本呈现东北—西南向,与四川盆地西部龙门山脉走向基本一致,地形(产生偏东风)抬升在暖区暴雨的发生发展中起关键作用。对3类雷暴群质心高度、顶高、最大回波强度等要素的统计显示,不同类型雷暴群在初生阶段和成熟阶段的概率密度曲线存在双峰和单峰等结构特征。利用雷暴群的多个参数构建暖区暴雨分类识别的特征向量,并采用随机森林机器学习方法进行识别,取得较好效果。
  • 图 1  不同时间段不同等级降水站数

    Fig.1  Station number of different level precipitation in different time periods

    图 2  3类雷暴群的组合反射率因子

    Fig.2  Combined reflectivity of three-type thunderstorm groups

    图 3  间隔1 h最强雷暴的位置信息

    Fig.3  Location of the strongest thunderstorm at 1 h interval

    图 4  雷暴群平均质心高度和最大质心高度的概率密度分布

    Fig.4  Probability density distribution of thunderstorm group in the height of the average core and the maximum core

    图 5  雷暴群平均顶高和最大顶高的概率密度分布

    Fig.5  Probability density distribution of thunderstorm group in the average top and the maximum top

    图 6  雷暴群最大回波强度的平均值及最大值的概率密度分布

    Fig.6  Probability density distribution of thunderstorm group in the average and the maximum of maximum reflectivity factor

    表 1  不同类型过程降水特征

    Table 1.  Characteristics of precipitation for different types

    类型降水持续时间降水范围过程累积降水过程降水总体特征
    Ⅰ型较短较小降水移动缓慢导致累积降水大,范围小,持续时间较短
    Ⅱ型较长较大较强降水相对集中,但范围不断扩大,导致影响范围大、持续时间长
    Ⅲ型最长较小降水分散,影响范围大,持续时间长
    下载: 导出CSV

    表 2  典型过程的环境参数

    Table 2.  Environmental parameters of typical cases

    类型过程对流有效
    位能/(J·kg-1)
    850 hPa假相当
    位温/℃
    850 hPa
    比湿/(g·kg-1)
    850 hPa
    露点/℃
    0~2 km垂直风
    切变/(m·s-1)
    20140912219083.516.3192.0
    Ⅰ型20170818277989.017.3201.2
    20170821360489.017.3201.6
    20130725374690.517.5204.6
    Ⅱ型20170716412692.618.4214.4
    20170719317890.517.6202.6
    Ⅲ型20130619231393.918.1214.4
    20170722199392.718.5217.6
    下载: 导出CSV

    表 3  识别结果

    Table 3.  Recognition result

    试验序号训练样本测试样本正确识别样本初生误识别为成熟成熟误识别为初生分类识别正确率/%
    试验14751531406791.5
    试验24741541452794.2
    试验34751531387890.2
    试验444818016631192.2
    试验54731551415990.9
    试验64591691583893.5
    下载: 导出CSV
  • [1] 黄士松.华南前汛期暴雨.广州:广东科技出版社, 1986:227-228.
    [2] 何立富, 陈涛, 孔期.华南暖区暴雨研究进展.应用气象学报, 2016, 27(5):559-569. 
    [3] 罗建英, 廖胜石, 黄归兰, 等.广西前汛期锋前暖区暴雨过程的模拟与分析.气象, 2009, 35(10):50-57. doi: 10.7519/j.issn.1000-0526.2009.10.006
    [4] 苗春生, 杨艺亚, 王坚红, 等.两类华南沿海暖区暴雨特征及热力发展机制对比研究.热带气象学报, 2017, 33(1):53-63. 
    [5] 何立富, 周庆亮, 陈涛."05.6"华南暴雨中低纬度系统活动及相互作用.应用气象学报, 2010, 21(4):385-394. doi: 10.3969/j.issn.1001-7313.2010.04.001 
    [6] 梁海河.华南暴雨试验天气雷达数据处理及暴雨中尺度结构个例分析.应用气象学报, 2004, 15(3):281-290. doi: 10.3969/j.issn.1001-7313.2004.03.004 
    [7] 梁海河, 阮征, 葛润生.华南暴雨试验天气雷达数据处理及暴雨中尺度结构个例分析.应用气象学报, 2004, 15(3):281-290. doi: 10.3969/j.issn.1001-7313.2004.03.004 
    [8] 倪允琪, 周秀骥, 张人禾, 等.我国南方暴雨的试验与研究.应用气象学报, 2006, 17(6):690-704. doi: 10.3969/j.issn.1001-7313.2006.06.007 
    [9] 夏丽花, 吴启树, 黄美金, 等.一次暖区强降水的热力动力条件.气象科技, 2010, 38(5):572-576. doi: 10.3969/j.issn.1671-6345.2010.05.007
    [10] 陈玥, 谌芸, 陈涛, 等.长江中下游地区暖区暴雨特征分析.气象, 2016, 42(6):724-731. 
    [11] 王宗敏, 丁一汇, 张迎新, 等.西太平洋副热带高压的边界特征及其附近暖区对流雨带成因.气象学报, 2014, 72(3):417-427. 
    [12] 王坚红, 杨艺亚, 苗春生, 等.华南沿海暖区辐合线暴雨地形动力机制数值模拟研究.大气科学, 2017, 41(4):784-796. 
    [13] 徐臖, 杨舒楠, 孙军, 等.北方一次暖区大暴雨强降水成因探讨.气象, 2014, 40(12):1455-1463. doi: 10.7519/j.issn.1000-0526.2014.12.004
    [14] 王建捷, 郭肖容.1996年初次华南暴雨过程的数值模拟及其分析.应用气象学报, 1997, 8(3):257-268. 
    [15] 侯淑梅, 孙兴池, 范苏丹, 等.切变线冷区和暖区暴雨落区分析.大气科学学报, 2014, 37(3):333-343. doi: 10.3969/j.issn.1674-7097.2014.03.010
    [16] 李川, 陈静, 何光碧, 等.青藏高原东侧陡峭地形对一次强降水天气过程的影响.高原气象, 2006, 25(3):442-450. doi: 10.3321/j.issn:1000-0534.2006.03.012
    [17] 周长春, 吴蓬萍, 周秋雪.一次复杂地形暖区强降水特征及触发机制分析.暴雨灾害, 2015, 34(1):27-33. doi: 10.3969/j.issn.1004-9045.2015.01.004
    [18] 矫梅燕, 李川, 李延香.一次川东大暴雨过程的中尺度分析.应用气象学报, 2005, 16(5):699-704. doi: 10.3969/j.issn.1001-7313.2005.05.018 
    [19] 陈忠明, 闵文彬, 高文良, 等.一次持续性强暴雨过程的平均特征.应用气象学报, 2006, 17(3):273-280. doi: 10.3969/j.issn.1001-7313.2006.03.003 
    [20] 张晓美, 蒙伟光, 张艳霞, 等.华南暖区暴雨中尺度对流系统的分析.热带气象学报, 2009, 25(5):551-560. doi: 10.3969/j.issn.1004-4965.2009.05.005
    [21] 徐燚, 闫敬华, 王谦谦, 等.华南暖区暴雨的一种低层重力波触发机制.高原气象, 2013, 32(4):1050-1061. 
    [22] 吴亚丽, 蒙伟光, 陈德辉, 等.一次华南暖区暴雨过程可预报性的初值影响研究.气象学报, 2018, 76(3):323-342. 
    [23] 叶朗明, 徐碧裕.两次不同类型暖区暴雨的对比分析.气象研究与应用, 2014, 35(4):5-10. doi: 10.3969/j.issn.1673-8411.2014.04.002
    [24] 谌芸, 吕伟绮, 于超, 等.北方一次暖区大暴雨降水预报失败案例剖析.气象, 2018, 44(1):15-25. 
    [25] 郭弘, 林永辉, 周淼, 等.华南暖区暴雨中一次飑线的中尺度分析.暴雨灾害, 2014, 33(2):171-180. doi: 10.3969/j.issn.1004-9045.2014.02.010
    [26] 刘蕾, 陈茂钦, 张凌云.柳州锋前暖区暴雨的分型及统计特征分析.气象研究与应用, 2016, 37(4):12-18. doi: 10.3969/j.issn.1673-8411.2016.04.003
    [27] 夏茹娣, 赵思雄, 孙建华.一次华南锋前暖区暴雨β中尺度系统环境特征的分析研究.大气科学, 2006, 30(5):988-1008. doi: 10.3878/j.issn.1006-9895.2006.05.26
    [28] 赵玉春, 李泽椿, 肖子牛.华南锋面与暖区暴雨个例对比分析.气象科技, 2008, 36(1):48-53. 
    [29] 傅朝, 杨晓军, 周晓军, 等.2013年6月19-20日甘肃陇东南暖区暴雨多普勒雷达特征分析.气象, 2015, 41(9):1095-1103. 
    [30] 张诚忠, 万齐林, 杨兆礼, 等.华南暖区强对流降水系统的结构和闪电特征分析.高原气象, 2011, 30(4):1034-1045. 
    [31] 赵庆云, 傅朝, 刘新伟, 等.西北东部暖区大暴雨中尺度系统演变特征.高原气象, 2017, 36(3):697-704. 
    [32] 王改利, 刘黎平, 阮征.多普勒雷达资料在暴雨临近预报中的应用.应用气象学报, 2007, 18(3):388-395. doi: 10.3969/j.issn.1001-7313.2007.03.016 
    [33] Fernandez-Delgado M, Cernadas E, Barro S.Do we need hundreds of classifiers to solve real world classification problems.Journal of Machine Learning Research, 2014, 15(1):3133-3181. 
  • [1] 李毓芳,  鹿晓丹.  梅雨暴雨系统中的θse暖盖 . 应用气象学报, 1987, 2(1): 12-23.
    [2] 邓秋华.  行星边界层变形场与大暴雨落区 . 应用气象学报, 1986, 1(2): 165-174.
    [3] 董敏,  魏凤英,  李小泉.  应用自然正交函数表示极区高度场特征的尝试 . 应用气象学报, 1987, 2(1): 51-59.
    [4] 黄真,  陶诗言.  亚洲南部夏季风区在夏季风暴发前后风场的季节变化特征 . 应用气象学报, 1986, 1(2): 142-148.
    [5] 王茂新,  叶一舫.  大兴安岭特大森林火灾气象成因考察 . 应用气象学报, 1988, 3(1): -.
    [6] 王茂新,  叶一舫,  张青山.  大兴安岭特大森林火灾气象成因的分析 . 应用气象学报, 1990, 1(1): 107-112.
    [7] 王国华,  马启光,  葛润生.  天气雷达回波图象数据压缩方法 . 应用气象学报, 1988, 3(2): 151-158.
    [8] 王双一.  曲面拟合客观分析方法中的滤波特性 . 应用气象学报, 1990, 1(4): 422-426.
    [9] 江祖凡.  庐山暴雨雨滴谱分析 . 应用气象学报, 1988, 3(1): 105-108.
    [10] 张婉佩,  陈善敏.  台风内区中尺度结构研究 . 应用气象学报, 1988, 3(2): 206-214.
    [11] 赵圣菊.  用海温预测二代粘虫发生区一代成虫迁入期的模式研究 . 应用气象学报, 1987, 2(1): 88-96.
    [12] 王作述,  丁太盛,  梁慧平.  一次梅雨期暴雨过程的中尺度天气系统 . 应用气象学报, 1988, 3(2): 215-218.
    [13] 吴正华.  华北一次双低涡暴雨的分析 . 应用气象学报, 1989, 4(3): 291-299.
    [14] 潘在桃,  王鹏云.  1986年6月26—27日京津冀大暴雨的数值试验研究 . 应用气象学报, 1990, 1(3): 242-252.
    [15] 吴正华.  北方强降水的气候特征 . 应用气象学报, 1988, 3(1): 86-92.
    [16] 席林华.  多层递阶方法及其与谐谱分析结合作梅雨期大-暴雨中期预报试验 . 应用气象学报, 1987, 2(2): 220-224.
    [17] 林学椿,  张先恭.  东北夏季温度气候振动及其环流特征 . 应用气象学报, 1987, 2(2): 202-208.
    [18] 陆龙骅.  1984年夏季张掖地区的热状况特征 . 应用气象学报, 1989, 4(3): 273-282.
    [19] 于淑秋,  林学椿.  中国近五百年旱涝型及环流特征 . 应用气象学报, 1989, 4(2): 163-170.
    [20] 高素华,  庄立伟.  海南岛橡胶人工生态群落的辐射特征 . 应用气象学报, 1986, 1(2): 204-211.
  • 加载中
图(6) / 表(3)
计量
  • 文章访问数:  446
  • HTML全文浏览量:  442
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-10
  • 修回日期:  2020-03-11
  • 刊出日期:  2020-07-31

四川盆地暖区暴雨的雷达回波特征及分类识别

  • 1. 四川省气象台, 成都 610072
  • 2. 高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610072
  • 3. 中国气象局公共气象服务中心, 北京 100081

摘要: 暖区暴雨强度大且降水集中,可造成严重气象灾害。利用四川盆地实况降水和7部天气雷达资料,分析了2012—2017年28次暖区暴雨过程的降水特征,按超过20 mm·h-1降水站数的突增,将暖区暴雨的雷暴群分为初生阶段和成熟阶段,根据不同降水类型成熟前后的雷达回波特征,将雷暴群分为3种类型,3类回波特征差异明显,雷暴的长时间生消、合并以及传播作用使暖区暴雨降水强度大、范围广。在28次暖区暴雨过程中,四川盆地西北部出现次数最多,持续时间最长,回波基本呈现东北—西南向,与四川盆地西部龙门山脉走向基本一致,地形(产生偏东风)抬升在暖区暴雨的发生发展中起关键作用。对3类雷暴群质心高度、顶高、最大回波强度等要素的统计显示,不同类型雷暴群在初生阶段和成熟阶段的概率密度曲线存在双峰和单峰等结构特征。利用雷暴群的多个参数构建暖区暴雨分类识别的特征向量,并采用随机森林机器学习方法进行识别,取得较好效果。

English Abstract

    • 暖区暴雨最早由黄士松针对华南前汛期暴雨提出[1-2],暖区暴雨出现在暖湿的环境背景下,中尺度特征显著,暖区对流系统的物理机制复杂,对流的触发、组织以及环境特征等方面仍认识不足,需要更进一步研究。暖区暴雨的强度大、降水集中、局地性强、具有明显对流性质等特点,同时预报难度大,对于预警信息的及时准确发布提出了巨大挑战。

      对于华南暖区暴雨的形成机制等方面学者们已开展很多研究,凝结潜热的释放促使云体发展,有利于对流的维持,促进暖区暴雨的发展[3-6]。低层暖平流、高层冷平流,使不稳定能量得以聚集,西南低空急流提供必要的水汽条件,低层的风速辐合对暖区暴雨的形成和发展起决定性作用[7-12],有利的水汽条件、对流不稳定条件和动力抬升条件,配合辐合线、低值系统等,导致对流活动,形成暖区对流雨带。雨带的位置由低层切变和低空急流出口区的风速辐合来决定,降水落区一般位于多层风速辐合的叠置区和地面低压前部的南风区内[13-15]。对于四川盆地暖区暴雨,研究发现青藏高原东侧陡峭地形使得低层偏东气流强烈上升,地面有热低压发展和维持,最强的垂直上升运动出现在东西风垂直切变与陡峭地形交汇处,激发不稳定能量的释放,促使强对流猛烈发展[16-19]

      暖区暴雨的触发机制较为复杂,华南暖区暴雨在低空急流、低层垂直风切变以及辐合线的共同作用下触发暖区对流[20-24],其中边界层以下的中尺度辐合线和较强的风速辐合受山脉地形阻挡是暖区暴雨的重要触发机制[25-26]。中尺度辐合线的维持,使强回波呈带状分布,有利于列车效应发生[27-29]。同时,暖区暴雨具有热带降水型特点,回波的低质心特征明显,对流系统由多个对流单体排列组成,维持与更新以后建型为主[30-32]

      以上暖区暴雨研究中针对华南地区报道居多,对于四川盆地的暖区暴雨研究少,仅有的几次个例也以大尺度环流背景和中尺度对流发生环境条件为主,没有针对暖区暴雨的雷达回波特征以及识别进行研究,但实际预报业务中,对于暖区暴雨这种强对流天气,特别需要以雷达产品为基础的临近预警,为此,本文采用四川盆地7部天气雷达对28次影响范围较大的暖区暴雨过程进行分析,并采用随机森林机器学习方法进行了回波的识别,以期为暖区暴雨的短临预警的发布提供参考。

    • 参照华南暖区暴雨定义,本文将弱动力强迫天气背景下,无地面冷锋和高空冷平流直接影响,四川盆地为地面暖性低压控制时出现的暴雨定义为暖区暴雨。依照标准从2012—2017年的暴雨中筛选28次暖区暴雨过程,降水站数均以国家级气象站进行统计。从28次过程的实况高空观测资料看,500 hPa青藏高原到四川盆地气流较为平直,青藏高原有较弱的小波动或切变东移影响四川盆地,850 hPa以弱的暖式切变和倒槽为主。雷达资料来自广元、绵阳、成都、乐山、宜宾、南充、达州7部多普勒天气雷达。

    • 选取28次过程中降水量突变最明显(20140912)与最不明显(20130708)的两次过程,对两次暴雨过程的小时降水量站数进行统计,如图 1所示。图 1分别为2014年9月12日20:00—13日00:00(北京时,下同)和2013年7月8日06:00—10:00降水站数统计,4组柱状图分别代表小时降水量在0.1~0.9 mm,1~9.9 mm,10~19.9 mm和不低于20 mm的站数。在20140912过程中,20:00—21:00 0.1~0.9 mm的降水站数超过35,1~0.9 mm超过15,10 mm以上站数非常少;21:00—22:00 0.1~0.9 mm和10~19.9 mm站数迅速增多;22:00—23:00 1~9.9 mm和不低于20 mm的站数出现突增。在20130708过程中,0.1~0.9 mm降水站数在06:00—10:00中均未出现明显增多,呈现缓慢较少趋势,1~9.9 mm站数在07:00—08:00出现增多,随后逐渐减少,而不低于20 mm的站数在08:00—09:00出现较明显增多。

      图  1  不同时间段不同等级降水站数

      Figure 1.  Station number of different level precipitation in different time periods

      在28次过程中,均存在小时降水量站数出现明显突增的时刻,因此以20 mm·h-1降水站数的突增为时间节点,对暖区暴雨回波进行分类,短时强降水站数突增前定义为暖区暴雨的初生阶段,其后为成熟阶段。另外,在暖区暴雨中,不同类型雷暴群的发展强度、移动速度、传播等特征,不仅决定小时雨强,同时直接影响过程累积降水以及面雨量的分布。通过分析暖区暴雨过程的降水强度、影响范围演变,总结出3种降水类型特征如表 1所示。

      表 1  不同类型过程降水特征

      Table 1.  Characteristics of precipitation for different types

      类型降水持续时间降水范围过程累积降水过程降水总体特征
      Ⅰ型较短较小降水移动缓慢导致累积降水大,范围小,持续时间较短
      Ⅱ型较长较大较强降水相对集中,但范围不断扩大,导致影响范围大、持续时间长
      Ⅲ型最长较小降水分散,影响范围大,持续时间长
    • 针对表 1中的3种降水特征,分析其雷暴群的雷达回波,总结对应3种回波类型,分别为原地发展型、前侧触发型、各自发展型。图 2分别为3种类型的典型代表过程(Ⅰ型:20140912,Ⅱ型:20170719,Ⅲ型:20130618)的雷达回波演变,其中每次过程的第1、第2幅图(从上向下排列)为雷暴群的初生阶段,第3、第4幅图为成熟阶段,由于新生雷暴、成熟雷暴间的合并增强作用,使得雷暴成熟后的回波范围明显增大、强度增强。由图 2可见,第1种原地发展型(20140912),新生雷暴单体个数较多、紧密形成一片雷暴单体群,单体的发展缓慢,合并后雷暴增强,强度和面积增大,随后雷暴群间继续合并增强,整个过程中雷暴基本在原地发展;第2种前侧触发型(20170719),局地新生雷暴单体群在发展过程中,在其一侧触发新的雷暴单体群,新生雷暴单体群和局地雷暴群合并发展,雷暴不断向前传播;第3种各自发展型(20130618),新生雷暴单体分布范围广、稀疏,雷暴单体发展迅速、强度较强,多个位置的多个单体分别合并,同时伴随雷暴单体的不断新生,合并后的雷暴群继续发展,形成范围较大、强度较强的多个雷暴群。雷暴群由初生发展为成熟时均存在明显的合并,合并后的雷暴迅速发展旺盛,强度和范围明显增大。

      图  2  3类雷暴群的组合反射率因子

      Figure 2.  Combined reflectivity of three-type thunderstorm groups

      针对所选的28次暖区暴雨过程的回波演变进行分析统计,在暖区暴雨的发展演变过程中,雷暴群由初生发展为成熟,Ⅰ型出现12次,Ⅱ型7次,Ⅲ型6次,总共25次,其余3次不属于这3种类型。在雷暴群后期的演变过程中,同样伴随着小范围雷暴的传播、合并等,每次过程可能包含Ⅰ型、Ⅱ型和Ⅲ型,25次中,Ⅰ型出现20次,Ⅱ型23次,Ⅲ型仅为1次。雷暴群从初生到成熟原地发展型最多,各自发展型次之,前侧触发型较少。在成熟后的演变中,原地发展型和前侧触发型出现频次超过20次,而各自发展型仅为1次。

      3种类型雷暴群回波特征差异明显,对应环境要素同样存在一定的差异,利用探空资料和雷达资料在时间和空间上进行典型过程的挑选,筛选出最典型的8次过程,对其环境要素进行统计(如表 2所示)。3种类型雷暴群对流不稳定能量均较强,尤其Ⅱ型最强,对流有效位能超过3000 J·kg-1,K指数基本超过40℃,Ⅱ型和Ⅲ型的850 hPa假相当位温高于Ⅰ型,强的能量利于雷暴的强烈发展,850 hPa露点与比湿较大,三者差异不明显。垂直风切变对于雷暴的组织化移动有非常重要作用,Ⅱ型和Ⅲ型0~2 km垂直风切变明显大于Ⅰ型,而0~6 km垂直风切变差异不明显。整体而言,3种类型雷暴群均发生在高能高湿的环境条件下,但Ⅱ型和Ⅲ型所需要的能量高于Ⅰ型,更高的能量利于雷暴的快速发展与合并,Ⅱ型和Ⅲ型对应0~2 km垂直风切变较大,有利于雷暴的组织化发展以及快速传播与移动。

      表 2  典型过程的环境参数

      Table 2.  Environmental parameters of typical cases

      类型过程对流有效
      位能/(J·kg-1)
      850 hPa假相当
      位温/℃
      850 hPa
      比湿/(g·kg-1)
      850 hPa
      露点/℃
      0~2 km垂直风
      切变/(m·s-1)
      20140912219083.516.3192.0
      Ⅰ型20170818277989.017.3201.2
      20170821360489.017.3201.6
      20130725374690.517.5204.6
      Ⅱ型20170716412692.618.4214.4
      20170719317890.517.6202.6
      Ⅲ型20130619231393.918.1214.4
      20170722199392.718.5217.6

      图 3为3种类型雷暴群分别在四川盆地西北部、东北部、西南部和南部4个区域的4次暴雨代表过程,雷暴群中最强雷暴位置的逐小时连线图,图 3中色块的密集程度反映强雷暴在该区域的持续产生,与该区域地面强降水的位置对应。图 3中不同颜色形状表示最强雷暴的演变来源,箭头所指处为雷暴的最初位置。图 3(20140719,Ⅲ型)中雷暴持续时间最长,影响范围大,在移动过程中长时间伴随不同雷暴间的合并;图 3(20130717,Ⅰ型)中雷暴初生后,以成熟雷暴之间的合并为主,雷暴原地发展,移动缓慢,利于强降水的产生;图 3(20170803,Ⅱ型)、图 3(20170719,Ⅱ型)中显示,在雷暴向北移动过程中,成熟雷暴前侧不断有新生雷暴单体生成,并与其合并向北传播,形成较大范围的降水。在28次过程中,四川盆地西北部、西南部、东北部和南部4个区域出现次数分别为12,7,5,4,降水平均持续时间分别为15,11,9,10 h,暖区暴雨的雷达回波以对流性降水为主,雷暴群的持续时间长,在发展演变过程中伴随雷暴的新生与合并,形成长时间大范围降水。

      图  3  间隔1 h最强雷暴的位置信息

      Figure 3.  Location of the strongest thunderstorm at 1 h interval

    • 统计发现,3种类型雷暴群与雷达低层风场无明显特征关系,但不同区域暖区暴雨过程的低层径向速度有一定差异,分别对于四川盆地西北部、西南部、东北部和南部4个区域低层雷达径向速度进行统计,雷达低层径向速度大致能够反映低层环境风的变化,统计时段为雷暴群成熟时刻前后30 min,其中,西北部的12次过程中,成熟前后风向以偏东风为主,成熟后风速和发展高度略有增大,西北部的回波基本呈现东北—西南向,与四川盆地西部龙门山脉走向基本一致,地形(产生偏东风)抬升在暖区暴雨发生发展中起关键作用。西南部和南部主要为弱的偏北风,同时偏北风发展高度较低,基本在0.4 km左右,在成熟后其高度略有增大,西南部和南部雷暴的触发可能由浅薄的弱冷空气触发形成。

    • 利用25次过程的雷达数据,对雷暴群的初生和成熟样本进行雷暴要素的计算,包括雷暴群平均质心高度和最大质心高度、雷暴群平均顶高和最大顶高、雷暴群平均垂直积分液态水含量和最大垂直积分液态水含量、最大回波强度的平均值和最大值8个要素,并绘制概率密度曲线图。图 4为雷暴群平均质心高度、最大质心高度的概率密度曲线。Ⅰ型雷暴群的平均质心高度在初生阶段呈现为双峰结构,对应中心高度分别为2.5 km和4.3 km,而成熟后主要集中在2.8~4.2 km,部分过程在初生阶段平均质心高度高于成熟阶段,另一部分初生阶段平均质心高度低于成熟阶段,最大质心高度呈现类似的分布结构。Ⅱ型雷暴群平均质心高度在成熟阶段存在双峰结构,对应高度分别为2.7 km和4.3 km,初生阶段平均质心高度分布主要集中在2~3.5 km,最大质心高度与平均质心高度结构保持一致。Ⅲ型雷暴群平均质心高度在初生和成熟阶段均呈现正态分布,初生和成熟阶段的中心分别在2.5 km和3.5 km高度,雷暴群在成熟后平均质心高度明显下降,最大质心高度在成熟后同样明显下降,并且分布更集中。

      图  4  雷暴群平均质心高度和最大质心高度的概率密度分布

      Figure 4.  Probability density distribution of thunderstorm group in the height of the average core and the maximum core

      图 5为雷暴群平均顶高、最大顶高的概率密度曲线分布。Ⅰ型雷暴群在初生阶段平均顶高的分布较分散,整体接近双峰结构,成熟阶段分布集中在4~6 km高度,最大顶高在初生和成熟阶段分布均比较分散,在12.5 km高度存在较高集中区。Ⅱ型雷暴群平均顶高的分布与Ⅰ型相反,初生阶段集中在3.5~5.8 km高度,成熟阶段分布比较分散,最大顶高在初生和成熟阶段均比较分散。Ⅲ型雷暴群平均顶高在初生和成熟阶段的分布均呈明显的单峰结构,分别集中在4 km和5 km高度,最大顶高在初生和成熟阶段分别集中在13 km和7 km高度,在雷暴初生发展为成熟阶段平均顶高、最大顶高均出现明显降低。

      图  5  雷暴群平均顶高和最大顶高的概率密度分布

      Figure 5.  Probability density distribution of thunderstorm group in the average top and the maximum top

      图 6为雷暴群最大回波强度的平均值和最大值的概率密度分布。Ⅰ型雷暴群在初生和成熟阶段最大回波强度的平均值均接近正态分布,中心值分别集中在48 dBZ和49.5 dBZ,初生到成熟阶段最大回波强度的平均值略增大,而最大回波强度的最大值分布变化不明显。Ⅱ型雷暴群在初生和成熟阶段最大回波强度的平均值同样接近正态分布,中心值分别集中在52 dBZ和49 dBZ,与Ⅰ型相反,成熟阶段最大回波强度的平均值略减小,最大回波强度的最大值变化特征类似。Ⅲ型雷暴群的最大回波强度的平均值和最大回波强度的最大值在初生和成熟阶段变化均不明显。垂直积分液态水含量的平均值和最大值在初生和成熟阶段的概率分布比较散乱,无明显特征(图略)。

      图  6  雷暴群最大回波强度的平均值及最大值的概率密度分布

      Figure 6.  Probability density distribution of thunderstorm group in the average and the maximum of maximum reflectivity factor

      原地发展型雷暴的最大回波强度呈现单峰型概率密度分布且峰值变化不大,表明在初生阶段和成熟阶段,雷暴系统的最大强度未发生明显变化,而平均质心高度、最大质心高度、平均顶高、最大顶高等参量的概率密度在初生阶段表现为双峰分布,体现了多单体结构特征的多样性,既存在一些高质心的深厚对流单体,也存在一些低质心的浅对流单体,成熟阶段,由于单体的合并演变形成了范围更大的对流复合体,因而,各种参量的概率密度的分布必然呈现为单峰结构。而前侧触发型雷暴的平均质心高度、最大质心高度、平均顶高、最大顶高则不同,概率密度由单峰结构演变为双峰结构,表明存在明显的分裂或传播特征,老单体在逐渐减弱造成质心下降,新单体在发展,造成质心升高以及回波顶高的增大。各自发展型雷暴多个参量的概率密度分布基本上呈单峰结构,但从初生阶段到成熟阶段,平均质心高度、最大质心高度、平均顶高、最大顶高等参量出现下降,表明初生阶段的雷暴发展非常旺盛,造成质心和顶高均比较大,而随着雷暴合并以及降水的产生,雷暴的垂直发展减弱,平均质心、平均顶高等出现降低。

    • 暖区暴雨由初生阶段发展为成熟阶段,降水存在明显的突增,对应的雷达回波特征存在明显的变化,通过对雷暴群初生与成熟阶段雷暴参数的分析发现,多个要素存在明显变化,但仍然难以直接利用以上参数对雷暴群的成熟和初生阶段进行识别,因此采用客观方法进行尝试。选用随机森林机器学习方法构建暖区暴雨初生和成熟分类模型的原因是由于其卓越的分类性能。随机森林机器学习方法采用自助法进行重采样,对暖区暴雨初生和成熟阶段的特征样本重采样构建多个样本集,在每个样本集上进行机器学习训练生成一棵随机决策树,组合多棵随机决策树形成随机森林模型,随机森林模型的输出结果由多棵随机决策树输出分类类别的众数决定。采用雷暴群的多个要素,构建识别暖区暴雨初生和成熟阶段的特征向量,采用随机森林机器学习方法对暖区暴雨进行识别。Fernandez-Delgado等[33]在121个数据集上对比了179种分类器,随机森林方法取得了最好的分类结果。

    • 暖区暴雨的识别以雷暴群为单位进行,而在雷达极坐标中,雷暴位置表示为径向距离和方位,或者以雷达中心为直角坐标的原点,此两种表示方法计算难以描述雷暴群的位置信息。因此,将直角坐标的位置信息转为极坐标。利用风暴单体识别与跟踪算法(SCIT)得到雷暴群中每个雷暴的识别信息,包括:雷暴底高、顶高、垂直积分液态水含量、最大回波强度、最大回波强度高度和最大质心高度,并结合雷暴群距离雷达的距离和角度,共8个要素构建特征向量,并计算每个要素在雷暴群中的平均值和最大值,形成最终的识别向量。

    • 在25次过程中,选取其中9次典型暖区暴雨过程,挑选雷暴群成熟前后的628个体扫数据作为总试验样本,其中初生阶段的体扫数据318个,成熟阶段的体扫数据310个。在0~1之间对所有样本进行随机编号采样,不大于0.75的样本作为训练样本,其余为测试样本,识别采用sklrean模块中的随机森林分类器(Random Forest Classifier)进行,最大迭代次数为10,有放回的进行采样。

      进行6次试验,每次试验按上述方法选取训练和测试样本,得到训练模型,每次试验均独立进行,每次识别采用该次试验得到的识别结果如表5所示,识别正确率均在90%以上,导致误识别的可能原因是,成熟时刻邻近体扫样本的雷暴群变化较小,特征向量中要素难以反映,造成混淆识别。同时6次测试中,成熟阶段误识别为初生阶段的总样本量为50个,初生阶段误识别为成熟阶段的总样本量为26个,成熟阶段的误识别率明显高于初生阶段,其可能原因是雷暴群在成熟后,发展演变较为缓慢,相邻几个时次的成熟雷暴群的特征向量与初生阶段更接近,导致误识别。

      表 3  识别结果

      Table 3.  Recognition result

      试验序号训练样本测试样本正确识别样本初生误识别为成熟成熟误识别为初生分类识别正确率/%
      试验14751531406791.5
      试验24741541452794.2
      试验34751531387890.2
      试验444818016631192.2
      试验54731551415990.9
      试验64591691583893.5
    • 本文针对四川盆地暖区暴雨的雷达回波特征进行分析与分类识别,得到如下结论:

      1) 暖区暴雨的传播发展以雷暴群为主体,Ⅰ型雷暴的新生雷暴单体数量多,形成一片紧密的雷暴单体群,单体的发展不剧烈,多组多个单体分别合并、增强;Ⅱ型雷暴的局地新生雷暴单体群在发展过程中,在其一侧触发新的雷暴单体群,并与其合并发展;Ⅲ型雷暴的新生单体分布广、稀疏,部分单体迅速发展,多单体雷暴分别合并。

      2) 暖区暴雨以对流性降水为主,Ⅰ型雷暴群初生后,以成熟雷暴之间的合并为主,雷暴原地发展,移动缓慢,有利于强降水的产生;Ⅱ型雷暴群新生后向北移动,雷暴群的前侧不断有新生雷暴单体生成,并与其合并后继续向北传播,形成较大范围的降水;Ⅲ型雷暴持续时间最长,影响范围大,在移动过程中长时间伴随不同雷暴间的合并。

      3) 在28次暖区暴雨过程中,四川盆地西北部出现12次,平均持续15 h,成熟前后低层风向以偏东风为主,西北部的回波基本呈现东北—西南向,与四川盆地西部龙门山脉走向基本一致,地形(产生偏东风)抬升在暖区暴雨的发生发展中起关键作用,而西南部和南部雷暴的触发可能由浅薄的弱冷空气触发形成。

      4) 原地发展型雷暴的平均质心高度、最大质心高度、平均顶高、最大顶高等参量的概率密度在初生阶段表现为双峰结构;而前侧触发型雷暴则不同,概率密度由单峰演变为双峰;各自发展型雷暴多个参量的概率密度分布基本上呈单峰型,但从初生阶段到成熟阶段,多个参量出现下降。通过随机森林机器学习方法可以有效对暖区暴雨的初生与成熟阶段进行识别。

参考文献 (33)

目录

    /

    返回文章
    返回