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

双偏振雷达和双频测雨雷达反射率因子对比

蒋银丰 寇蕾蕾 陈爱军 王振会 楚志刚 胡汉峰

引用本文:
Citation:

双偏振雷达和双频测雨雷达反射率因子对比

Comparison of Reflectivity Factor of Dual Polarization Radar and Dual-frequency Precipitation Radar

  • 摘要: 为了研究星载测雨雷达和地基雷达探测数据存在差异的本质原因,将GPM(Global Precipitation Measurement Mission)星载双频测雨雷达(dual-frequency precipitation radar,DPR)和南京信息工程大学C波段双偏振雷达(CDP)的反射率因子进行时空匹配,并基于水凝物分类定量分析两者探测的相似性和差异性。结果表明:GPM DPR与CDP探测的反射率因子整体一致性较好,经过衰减订正和波段修正,两者的相关系数约为0.86,达到0.001显著性水平,均方根误差约为3.33 dB。基于T-矩阵法拟合C和Ku波段探测不同水凝物等效反射率因子的波段修正公式,在衰减订正基础上针对不同水凝物类型的回波进行波段修正,二者探测湿雪、霰、大滴和中雨回波的相关性较好;受干雪几何形状影响,探测干雪回波的相关性较低;探测大雨和冰晶回波的相关性较差。DPR中NS和HS模式探测存在差异,DPR NS模式对强回波敏感,而DPR HS模式对弱回波敏感。
  • 图 1  DPR和GR反射率因子对比散点及差异散点

    Fig.1  Scatter plot and difference scatter plot of reflectivity factor of DPR and GR

    图 2  2016年10月26日00:25南京信息工程大学C波段双偏振雷达不同仰角反射率因子、差分反射率、协相关系数、水凝物识别分布(相邻距离圈间隔为30 km)

    Fig.2  Z, ZDR, ρ, hydrometeor distribution of CDP at NUIST with different degrees at 0025 UTC 26 Oct 2016(the distance between adjacent range rings is 30 km)

    图 3  不同水凝物的DFRZKu的关系

    Fig.3  DFR of different hydrometeors varing with ZKu

    图 4  波段修正后不同水凝物对比散点以及概率密度分布

    Fig.4  Scatter plot and probability density function of different hydrometeors after band correction

    图 5  波段修正后不同水凝物统计参数

    Fig.5  Curves of statistical parameters of different hydrometeors after band correction

    表 1  水凝物分布

    Table 1.  Distribution of hydrometeors

    高度 水凝物类型
    低于零度层亮带底部 中雨、大滴、大雨、雨雹混合物
    零度层亮带底部—零度层亮带 湿雪、霰、中雨、大滴、大雨、雨雹混合物
    零度层亮带—零度层亮带顶部 干雪、湿雪、霰、冰晶、大滴、雨雹混合物
    高于零度层亮带顶部 干雪、霰、冰晶、雨雹混合物
    下载: 导出CSV

    表 2  拟合系数

    Table 2.  Fitted curve coefficients

    类别 a0 a1 a2 a3 a4 a5
    0.0120 0.0111 -0.0020 6.8441×10-5 -7.8862×10-7 3.0245×10-9
    -0.0377 0.0530 -0.0020 -7.5728×10-7 1.5135×10-7
    湿雪 0.0165 -0.0189 -4.2491×10-5 2.4098×10-7
    干雪 0.0088 -0.1131 0.0077 -1.9627×10-4 2.2309×10-6 -9.3026×10-9
    下载: 导出CSV
  • [1] 陈明轩, 俞小鼎, 谭晓光, 等.对流天气临近预报技术的发展与研究进展.应用气象学报, 2004, 15(6):754-766. 
    [2] 东高红, 刘黎平.雷达与雨量计联合估测降水的相关性分析.应用气象学报, 2012, 23(1):30-39. 
    [3] 刘晓阳, 李郝, 何平, 等.GPM/DPR雷达与CINRAD雷达降水探测对比.应用气象学报, 2018, 29(6):667-679. 
    [4] Liao L, Meneghini R, Iguchi T.Comparisons of rain rate and reflectivity factor derived from the TRMM precipitation radar and the WSR-88D over the Melbourne, Florida, Site.J Atmos Oceanic Technol, 2000, 18(12):1959-1974. 
    [5] 王振会, 李圣殷, 戴建华, 等.星载雷达与地基雷达数据的个例对比分析.高原气象, 2015, 34(3):804-814. 
    [6] Wen Y X, Hong Y, Zhang G, et al.Cross validation of spaceborne radar and ground polarimetric radar aided by polarimetric echo classification of hydrometeor types.J Appl Meteor Climatol, 2011, 50(7):1389-1402. doi: 10.1175/2011JAMC2622.1
    [7] Munsung K, Bong-Chul S, Krajewski, et al.Inter-comparison of reflectivity measurements between GPM DPR and NEXRAD radars.Atmos Res, 2019, 226:49-65. doi: 10.1016/j.atmosres.2019.04.010
    [8] 陈新涛, 刘晓阳.GPM DPR雷达联合地面S波段雷达反演雨滴谱.北京大学学报(自然科学版), 2019, 55(2):227-236. 
    [9] 陈廷娣, 王连仲, 窦贤康.TRMM卫星与机载雷达在降雨反演中的数据对比个例研究.应用气象学报, 2008, 19(4):454-462. 
    [10] 李嘉睿, 卢乃锰, 谷松岩.青藏高原地区TRMM PR地面降雨率的修正.应用气象学报, 2015, 26(5):636-640. 
    [11] 唐英杰, 马舒庆, 杨玲, 等.云底高度的地基毫米波云雷达观测及其对比.应用气象学报, 2015, 26(6):680-687. 
    [12] 何平, 朱小燕, 阮征, 等.风廓线雷达探测降水过程的初步研究.应用气象学报, 2009, 20(4):465-470. 
    [13] 高郁东, 万齐林, 薛纪善, 等.同化雷达估算降水率对暴雨预报的影响.应用气象学报, 2015, 26(1):45-46. 
    [14] 史锐, 程明虎, 崔哲虎, 等.用反射率因子垂直廓线联合雨量计校准估测夏季区域强降水.应用气象学报, 2005, 16(6):737-745. 
    [15] 楚志刚, 许丹, 王振会, 等.基于TRMM/PR的长江中下游地基雷达一致性订正.应用气象学报, 2018, 29(3):296-306. 
    [16] Toshio I, Shinta S, Robert M, et al.GPM/DPR Level-2 Algorithm Theoretical Basis Document.[2020-05-08].https://gpm.nasa.gov/sites/default/files/document_files/ATBD_DPR_201811_with_Appendix3b.pdf.
    [17] Park J D, Ou M L.Global precipitation measurement (GPM) ground validation (GV) prototype status.J Atmos Oceanic Technol, 2014, 31(9):1902-1921. doi: 10.1175/JTECH-D-13-00193.1
    [18] Park H S, Ryzhkov A V, Zrnic D S, et al.The hydrometeor classification algorithm for the polarimetric WSR-88D:Description and application to an MCS.Wea Forecasting, 2009, 24(3):730-748. doi: 10.1175/2008WAF2222205.1
    [19] Ulbrich C W.Natural variation in the analytical form of the raindrop-size distribution.J Climate Appl Meteor, 1983, 22(10):1764-1775. doi: 10.1175/1520-0450(1983)022<1764:NVITAF>2.0.CO;2
    [20] 张合勇, 赵卫疆, 任德明, 等.球形粒子Mie散射参量的Matlab改进算法.光散射学报, 2008, 20(2):102-110. 
    [21] Park S G, Maki M, Iwanami K, et al.Correction of radar reflectivity and differential reflectivity for rain attenuation at X band.Part Ⅱ:Evaluation and application.J Atmos Oceanic Technol, 2005, 22(11):1633-1655. doi: 10.1175/JTECH1804.1
    [22] 姚晓娟.NUIST-C波段双线偏振多普勒雷达资料质量控制及回波特征分析.南京:南京信息工程大学, 2016.
    [23] Cao Q, Hong Y, Qi Y C, et al.Empirical conversion of the vertical profile of reflectivity from Ku-band to S-band frequency.J Geophys Res Atmos, 2013, 118:1814-1825. 
    [24] Ray P S.Broadband complex refractive indices of ice and water.Appl Opt, 1972, 11(8):1836-1844. doi: 10.1364/AO.11.001836
    [25] Matzler C.In thermal microwave radiation:Applications for remote sensing.Electro-magnetic Waves Series, 2006, 52:455-462. 
    [26] Bohren C F, Battan L J.Radar backscattering by inhomogeneous precipitation particles.J Atmos Sci, 1980, 37(8):1821-1827. doi: 10.1175/1520-0469(1980)037<1821:RBBIPP>2.0.CO;2
    [27] Liao L, Meneghini R.Validation of TRMM precipitation radar through comparison of its multiyear measurements with ground-based radar.J Appl Meteor Climatol, 2009, 48:804-817. doi: 10.1175/2008JAMC1974.1
    [28] Shang J, Yang H, Yin H G, et al.First results from field campaign of spaceborne precipitation radar in China:Radar performance analysis.J Remote Sens, 2012, 16(3):435-447. 
  • [1] 肖艳姣,  刘黎平,  李中华.  任意基线雷达反射率因子垂直剖面生成算法 . 应用气象学报, 2008, 19(4): 428-434.
    [2] 程周杰,  刘宪勋,  朱亚平.  双偏振雷达对一次水凝物相态演变过程的分析 . 应用气象学报, 2009, 20(5): 594-601.
    [3] 徐舒扬,  吴翀,  刘黎平.  双偏振雷达水凝物相态识别算法的参数改进 . 应用气象学报, 2020, 31(3): 350-360. DOI: 10.11898/1001-7313.20200309
    [4] 陈明轩,  高峰.  利用一种自动识别算法移除天气雷达反射率因子中的亮带 . 应用气象学报, 2006, 17(2): 207-214.
    [5] 窦芳丽,  卢乃锰,  谷松岩.  星载双频风场雷达热带气旋降雨区测风模拟 . 应用气象学报, 2012, 23(4): 467-477.
    [6] 李永平,  袁招洪,  王晓峰.  用多普勒雷达反射率调整模式大气的云微物理变量 . 应用气象学报, 2004, 15(6): 658-663.
    [7] 李小青,  吴蓉璋.  用GPROF算法反演降水强度和水凝物垂直结构 . 应用气象学报, 2005, 16(6): 705-716.
    [8] 史锐,  程明虎,  崔哲虎,  刘朝晖.  用反射率因子垂直廓线联合雨量计校准估测夏季区域强降水 . 应用气象学报, 2005, 16(6): 737-745.
    [9] 张玉香,  黄意玢,  张广顺.  短波红外光谱土壤反射率的测量 . 应用气象学报, 1995, 6(1): 95-100.
    [10] 黄意玢,  董超华,  刘志权,  潘宁.  940 nm水汽通道反射率计算试验 . 应用气象学报, 2002, 13(4): 413-421.
    [11] 谷松岩,  邱红,  冉茂农,  张文建.  用星载先进微波探测器(AMSU)资料开展区域地表洪涝分类监测 . 应用气象学报, 2003, 14(1): 8-16.
    [12] 黄炳勋.  C-波段测风一次雷达的跟踪特性及其应用前景 . 应用气象学报, 1995, 6(2): 153-162.
    [13] 姚雯,  马颖,  黄炳勋,  郭亚田.  利用GPS定位资料分析L波段雷达测风性能 . 应用气象学报, 2009, 20(2): 195-202.
    [14] 田庆久,  郑兰芬,  童庆禧.  基于遥感影像的大气辐射校正和反射率反演方法 . 应用气象学报, 1998, 9(4): 456-461.
    [15] 孙治安,  翁笃鸣.  青藏高原地区地表及行星反射率 . 应用气象学报, 1994, 5(4): 394-401.
    [16] 吕厚荃,  于贵瑞,  中山敬一.  玉米冠层反射率及净辐射的估算 . 应用气象学报, 1999, 10(4): 421-427.
    [17] 王开存,  陈长和,  郭铌.  用NOAA/AVHRR探测地表反射率和NDVI的订正及误差分析 . 应用气象学报, 2003, 14(2): 165-175.
    [18] 胡树贞,  马舒庆,  陶法,  秦勇,  郭伟,  温显罡.  地基双波段测云系统及其对比试验 . 应用气象学报, 2012, 23(4): 441-450.
    [19] 陈乾,  郭铌.  NOAA-9与NOAA-10的AVHRR通道1、2反射率的对比和定标 . 应用气象学报, 1992, 3(3): 367-370.
    [20] 李嘉睿,  卢乃锰,  谷松岩.  青藏高原地区TRMM PR地面降雨率的修正 . 应用气象学报, 2015, 26(5): 636-640. DOI: 10.11898/1001-7313.20150513
  • 加载中
图(5) / 表(2)
计量
  • 文章访问数:  970
  • HTML全文浏览量:  140
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-04-15
  • 修回日期:  2020-06-15
  • 刊出日期:  2020-09-30

双偏振雷达和双频测雨雷达反射率因子对比

  • 1. 南京信息工程大学大气物理学院, 南京 210044
  • 2. 南京信息工程大学气象灾害预警与评估协同创新中心, 南京 210044

摘要: 为了研究星载测雨雷达和地基雷达探测数据存在差异的本质原因,将GPM(Global Precipitation Measurement Mission)星载双频测雨雷达(dual-frequency precipitation radar,DPR)和南京信息工程大学C波段双偏振雷达(CDP)的反射率因子进行时空匹配,并基于水凝物分类定量分析两者探测的相似性和差异性。结果表明:GPM DPR与CDP探测的反射率因子整体一致性较好,经过衰减订正和波段修正,两者的相关系数约为0.86,达到0.001显著性水平,均方根误差约为3.33 dB。基于T-矩阵法拟合C和Ku波段探测不同水凝物等效反射率因子的波段修正公式,在衰减订正基础上针对不同水凝物类型的回波进行波段修正,二者探测湿雪、霰、大滴和中雨回波的相关性较好;受干雪几何形状影响,探测干雪回波的相关性较低;探测大雨和冰晶回波的相关性较差。DPR中NS和HS模式探测存在差异,DPR NS模式对强回波敏感,而DPR HS模式对弱回波敏感。

English Abstract

    • 降水既是水循环的重要环节之一,也是表征天气和气候变化最重要的指标之一。可靠的降水数据可以为全球范围内的水循环和天气预测提供重要信息,在水文模拟及天气预测中有很好的应用前景[1]。地基雷达(ground-based radar, GR)能以较高时空分辨率进行较大范围的降水观测[2]。星载雷达采用卫星平台,运行轨道高、观测视野广,可提供近全球范围的降水观测。TRMM(Tropical Rainfall Measuring Mission satellite)所携带的测雨雷达(precipitation radar, PR)是世界上第1部星载测雨雷达,GPM(Global Precipitation Measurement Mission)是继TRMM之后的全球降雨观测卫星计划,GPM主星已于2014年2月27日发射成功,其上搭载的星载双频测雨雷达(dual-frequency precipitation radar, DPR)采用双频率联合探测数据。相对于TRMM PR,GPM DPR探测范围更广,探测降水的精确度更高。地基雷达和星载测雨雷达是观测降水的两种重要手段,主要根据探测的反射率因子反演降水数据,由于扫描方式、探测波段等的不同,探测的反射率因子存在差异[3]。对DPR和地基双偏振雷达探测的反射率因子进行基于水凝物分类的对比,能更好理解两者探测数据的特征和两者探测数据存在差异的本质原因。

      自从星载雷达投入使用,许多学者开展星载和地基雷达数据对比的相关研究。Liao等[4]利用网格匹配法将TRMM PR与美国佛罗里达州的WSR-88D多普勒天气雷达数据进行匹配对比,发现二者回波和降水数据一致性较好。王振会等[5]基于几何匹配法将TRMM PR与中国上海地基雷达进行时空匹配,发现TRMM PR探测的回波强度普遍大于GR,且可将星载雷达作为参考对地基雷达进行订正,提高天气雷达数据的准确度。Wen等[6]将TRMM PR与美国俄克拉荷马州的WSR-88D多普勒天气雷达数据进行对比,指出两者回波的偏差主要来自雨雹混合物、湿雪、霰和大雨。Munsung等[7]发现对DPR的校准偏差进行校正可减小DPR与GR的反射率因子差异。陈新涛等[8]针对DPR观测数据反演雨滴谱中的双值问题,提出通过匹配地面S波段天气雷达与DPR观测数据,为双值问题提供判断依据的方法。通过前人的研究可以发现,星载雷达数据稳定[9-10],星载与地基雷达数据的联合应用具有很大潜能[11-15],但数值上仍然存在差异,对于不同地区、不同波段的地基雷达,差异不同。

      本文将DPR与C波段双偏振雷达的反射率因子进行基于水凝物分类的对比。首先,介绍星载与地基雷达数据、匹配算法、水凝物识别算法以及波段修正算法。其次,基于2015—2017年31对DPR和南京信息工程大学C波段双偏振雷达(简称CDP)匹配的反射率因子数据进行统计对比,定量分析因衰减和波段不同造成的差异。对CDP探测的反射率因子进行衰减订正;考虑到波段不同造成的差异与回波的水凝物类型有关,对匹配回波进行水凝物识别,并针对不同水凝物类型的回波进行波段修正。最后,对比经过衰减订正和波段修正后DPR与CDP探测不同水凝物的反射率因子,基于水凝物类型分析造成差异的原因。

    • 本文使用的星载雷达数据为GPM DPR L2级第7版本的标准2A-DPR产品,是在L1级基数据基础上经过衰减订正、非均匀充塞订正等得到的产品[16]。GPM DPR发射Ku,Ka波段电磁波进行探测,Ku波段探测、Ka波段探测、Ku和Ka联合探测分别得到常规(NS)模式、高灵敏度(HS)模式和匹配(MS)模式的产品。NS模式工作波段是Ku波段,频率为13.6 GHz,天线扫描角范围±17°,扫描宽度为245 km,垂直分辨率为250 m,可探测的最小等效反射率因子约为18 dBZ。HS模式工作波段是Ka波段,频率为35.5 GHz,天线扫描角范围±8.5°,扫描宽度为120 km,径向分辨率为500 m,可探测的最小等效反射率因子约为12 dBZ。MS模式利用Ku和Ka双频进行相关参数反演[16]。由于分析DPR和CDP反射率因子差异时需要研究波段不同产生的差异,所以选择DPR NS模式和DPR HS模式两个单波段探测产品进行讨论。

      地基雷达数据为CDP探测的体扫数据,整个体扫包括14个仰角上的圆锥扫描,每个锥扫的每个径向上有若干个库,每个库都有反射率因子、径向速度、速度谱宽、偏振参量等信息。工作波段是C波段,波长为5.3 cm,波束宽度为0.54°,距离分辨率为75 m。

    • 反射率因子的匹配包括时间匹配和空间匹配。CDP完成一次体扫约需7 min,DPR扫过CDP探测范围的时间约为1 min,为了减少时间不匹配造成的误差,将DPR经过CDP时刻的7 min之内时间最接近一个体扫的GR数据作为匹配数据,即时间匹配。其次将DPR与CDP的反射率因子在空间上匹配。采用几何匹配法[17]:①选出距CDP最大探测范围约150 km内的DPR波束;②当DPR NS模式与CDP匹配,筛选DPR和CDP反射率因子均大于18 dBZ的点;当DPR HS模式与CDP匹配,筛选DPR和CDP反射率因子均大于12 dBZ的点;③将DPR和CDP波束相交区域内的反射率因子重采样到等距方位投影坐标,重采样的水平分辨率为DPR星下点的水平分辨率,约为5 km,垂直分辨率为距GR不同距离处的CDP波束展宽[5];④将每个分辨率体积内符合②中筛选条件的DPR和CDP反射率因子由dBZ转化为Z,并求平均值,再由Z转化为dBZ,作为此分辨率体积位置重采样的反射率因子。

    • DPR与CDP探测波段不同,当降水粒子尺度达到某一界限时会产生Mie散射效应,导致不同波段探测的回波出现偏差,且偏差随回波水凝物类型而变化。为减小这种差异,针对不同水凝物类型,使用波段修正,即将不同波段探测到的等效反射率因子转换为同一波段。

      首先对回波类型进行识别,本文对匹配点上的GR数据进行水凝物识别,识别结果作为该匹配点的水凝物类型。结合双偏振雷达测得的偏振信息和零度层亮带高度信息,使用Park等[18]提出的双偏振雷达回波的水凝物识别算法对回波进行水凝物分类,水凝物类型包括杂波(地物(GC/AP)或生物(BS)引起的回波)、干雪(DS)、湿雪(WS)、冰晶(CR)、霰(GA)、大滴(BD)、中雨(RA)、大雨(HR)、雨雹混合物(RH)。其中,大滴是指雨滴大小分布倾向于大雨滴的降水,通常雨滴直径大于3 mm,小雨滴个数较少[18]表 1为除杂波外不同高度水凝物的分布。

      表 1  水凝物分布

      Table 1.  Distribution of hydrometeors

      高度 水凝物类型
      低于零度层亮带底部 中雨、大滴、大雨、雨雹混合物
      零度层亮带底部—零度层亮带 湿雪、霰、中雨、大滴、大雨、雨雹混合物
      零度层亮带—零度层亮带顶部 干雪、湿雪、霰、冰晶、大滴、雨雹混合物
      高于零度层亮带顶部 干雪、霰、冰晶、雨雹混合物

      其次拟合不同水凝物的波段修正曲线。波段修正算法:假设降水粒子的粒径分布符合Gamma分布[19],等效反射率因子计算公式为

      (1)

      式(1)中,Ze表示等效反射率因子,λ表示波长,K=m表示复折射指数,与温度和波长有关,N表示雨滴谱分布,σb表示后向散射截面,D表示粒子直径。对于C,Ku两个波段,对应的等效反射率因子分别记作ZCZKu,可以计算差分反射率因子DFR,其定义为

      (2)

      基于T-矩阵法使用改进的Mie散射参量算法[20]进行Mie散射计算,通过式(1)计算C和Ku波段探测不同直径粒子的等效反射率因子,代入式(2)可得到DFR,拟合DFR随Ku波段等效反射率因子的关系曲线,将Ku波段等效反射率因子向C波段转换。

    • 对2015—2017年DPR和CDP数据进行筛选,筛选方法:①筛选出2015—2017年DPR轨道扫描经过CDP探测范围的DPR数据;②根据筛选出的DPR数据,基于时间匹配,得到匹配的CDP数据;③判断CDP与DPR扫描相交区域内CDP探测的反射率因子库数,若库数大于100,则符合筛选要求。经筛选,得到2015—2017年共31条符合筛选条件的DPR过境轨道,探测回波以层状回波为主。

    • DPR探测波段为Ku,Ka波段,CDP探测波段为C波段,探测回波均受衰减影响,为了减小衰减造成的匹配差异,对雷达数据进行衰减订正。DPR数据为L2级2A-DPR产品,已经过衰减订正处理。使用Kdp-ZH联合订正法[21]对CDP探测的反射率因子进行衰减订正,为了判断衰减订正效果,选择距CDP较近的南京龙王山S波段雷达(简称SR)的探测结果作为参考[22],S波段雷达探测的回波受衰减影响很小,可忽略不计。由于CDP和SR的探测分辨率不同,无法直接对比,因此将CDP和SR反射率因子同时与DPR匹配,转化为同一分辨率进行对比以判断回波的衰减订正情况。

      选择2015—2017年31对DPR和与之匹配的CDP,SR的反射率因子进行统计。DPR NS模式和HS模式反射率因子的探测阈值分别是18 dBZ和12 dBZ,为了提高匹配效果,设置与NS模式匹配时GR反射率因子阈值是18 dBZ,与HS模式匹配时GR反射率因子阈值是12 dBZ。当匹配点上DPR和GR探测的反射率因子均超过阈值,则为有效匹配对。图 1为DPR分别与衰减订正前后CDP,SR空间匹配回波的散点及差异散点图,图中r表示相关系数,Rmse表示均方根误差,Npoints表示有效匹配对数,散点图中的黑线为直线y=x,差异散点图中的黑线为误差随DPR反射率因子变化的拟合线,在差异散点图中散点分布均不超过一条斜直线,是由于设置的匹配阈值所引起。图 1中相关系数均达到0.001显著性水平。

      图  1  DPR和GR反射率因子对比散点及差异散点

      Figure 1.  Scatter plot and difference scatter plot of reflectivity factor of DPR and GR

      图 1可以看到,衰减订正后CDP与SR探测的回波散点分布型式一致性较好,且衰减订正后CDP与SR的回波差异拟合线斜率相近,表明衰减订正效果较好。由图 1可以看到,DPR NS模式与衰减订正后CDP探测回波的一致性显著改善,相关系数由0.79提高至0.84,均方根误差由4.21 dB减小至3.54 dB;随着回波强度增加散点下偏程度较订正前减弱;差异拟合线斜率由0.31减小至0.20,表明DPR NS模式探测的平均回波强度大于CDP,二者偏差随着回波强度的增大而增大。

      对比DPR NS模式和DPR HS模式探测结果(图 1)可知,DPR NS模式散点整体下偏,在强回波处下偏严重;DPR HS模式散点在弱回波处下偏,随着回波强度的增加逐渐上偏,表明DPR NS模式能探测到更强的回波,但对弱回波的探测能力不足;DPR HS模式能探测到更弱的回波,但对强回波的探测能力不足。

    • 经过衰减订正,DPR与CDP匹配情况显著改善。考虑到不同类型水凝物在不同波段的后向散射截面不同,会导致DPR与CDP探测的等效反射率因子出现差异。由于DPR HS模式对强回波的探测能力不足,波段不同产生的差异在弱回波处较小,所以选择DPR NS模式与CDP进行不同水凝物反射率因子的对比。结合零度层亮带高度和反射率因子(Z)、差分反射率(ZDR)和协相关系数(ρ)3种偏振参数,使用Park等[19]提出的模糊逻辑算法对匹配点的水凝物类型进行识别。匹配点的零度层亮带高度通过DPR产品获得,DPR产品中包含零度层亮带高度;匹配点的偏振参数通过CDP数据获得,基于几何匹配法,将分辨率体积内CDP的ZZDRρ的平均值作为此分辨率体积位置重采样的偏振参数值。选择2016年10月26日00:25(世界时)左右CDP探测的数据作为个例分析水凝物识别效果,此次个例为台风海马(1622)外围引起的强降水天气过程。图 2为1.5°和3.4°仰角下ZZDRρ以及水凝物识别的分布情况。可以发现零度层亮带上的ZDR较大,ρ较小。处于零度层亮带之上的冰晶、干雪下落至零度层亮带后开始融化,形成外包水膜,非球形程度增加,使Z增大,ZDR增大,ρ减小。随着高度的下降融化成液态水凝物如雨滴,非球形程度减小,使ZDR减小,ρ增大,水凝物识别情况与ZZDRρ分布吻合,表明水凝物识别情况较好。

      图  2  2016年10月26日00:25南京信息工程大学C波段双偏振雷达不同仰角反射率因子、差分反射率、协相关系数、水凝物识别分布(相邻距离圈间隔为30 km)

      Figure 2.  Z, ZDR, ρ, hydrometeor distribution of CDP at NUIST with different degrees at 0025 UTC 26 Oct 2016(the distance between adjacent range rings is 30 km)

    • 对DPR NS模式和衰减订正后CDP探测不同水凝物回波的差异进行波段修正。其中,干雪的波段修正公式适用于干雪和霰,湿雪的波段修正公式适用于湿雪和雨雹混合物,水的波段修正公式适用于中雨、大滴、大雨,冰的波段修正公式适用于冰晶[23]。在计算复折射指数时,当水凝物为水时,取温度为20℃,采用Ray[24]的方法;当水凝物为冰时,取温度为0℃,采用Matzler[25]的方法;当水凝物为水冰混合物时,采用Bohren等[26]的方法,本文设置干雪为水冰体积比为1:9的混合物,湿雪为水冰体积比为1:1的混合物,从Wen等[6]和Cao等[23]的研究可知,不同波段探测雪的DFR对密度因素不敏感,对形状因素较敏感,不同水冰体积比的雪的DFR差异很小。图 3是Mie散射计算的C和Ku波段下不同直径粒子DFR随Ku波段等效反射率因子变化的连线,连线出现折点是因为相邻直径的DFR出现较大变化引起。对图 3中不同水凝物DFR随Ku波段等效反射率因子变化的曲线进行拟合,拟合公式形式为

      (3)

      图  3  不同水凝物的DFRZKu的关系

      Figure 3.  DFR of different hydrometeors varing with ZKu

      式(3)中,ai(i=1,2,…,n)表示拟合系数。4种水凝物拟合系数见表 2。通过不同水凝物的拟合公式计算DFR,将Ku和C波段探测的等效反射率因子转换为同一波段进行比较。

      表 2  拟合系数

      Table 2.  Fitted curve coefficients

      类别 a0 a1 a2 a3 a4 a5
      0.0120 0.0111 -0.0020 6.8441×10-5 -7.8862×10-7 3.0245×10-9
      -0.0377 0.0530 -0.0020 -7.5728×10-7 1.5135×10-7
      湿雪 0.0165 -0.0189 -4.2491×10-5 2.4098×10-7
      干雪 0.0088 -0.1131 0.0077 -1.9627×10-4 2.2309×10-6 -9.3026×10-9

      波段修正后除杂波外DPR NS模式与CDP匹配点上不同水凝物的对比散点及概率密度分布(probability density function, PDF)如图 4所示,除大雨散点外,均达到0.001显著性水平。图 5为波段修正后各水凝物及整体回波的统计指标折线。各水凝物数量从多到少依次是中雨、干雪、湿雪、冰晶、霰、大滴、大雨,雨雹混合物的识别点数为0,本文不作讨论。DPR模式和CDP探测湿雪、霰、大滴和中雨回波的相关系数较高,均超过0.85,回波分布型式一致性较好,均方根误差均小于4 dB,回波强度的差异较小,与T-矩阵法研究的C和Ku波段等效反射率因子差异一致。DPR NS模式和CDP探测干雪回波的相关系数相对较低,一个可能原因是受干雪的几何形状影响,双偏振雷达在水平和垂直方向观测到干雪的几何形状不同,导致探测的反射率因子出现偏差;另一个可能的原因是干雪复杂的几何形状使Mie散射模拟结果与实际情况不同[7],导致波段修正的订正量偏小。冰晶回波的相关系数较低,由图 4可见,DPR NS模式探测的冰晶回波远大于CDP,这是因为冰晶一般位于零度层亮带之上,GR有效照射体积充塞不足,探测远距离处回波的准确性难以保证,使得GR探测的反射率因子偏小。探测大雨回波的相关性较差,由大雨回波的概率密度可见,CDP探测的大雨回波均大于40 dBZ,而DPR NS模式探测的大雨回波中有一部分小于40 dBZ,表明DPR NS模式探测大雨回波时存在低估,与Liao等[27]研究的结果一致;此外,大雨回波的点数过少,数据缺少代表性,对大雨回波的差异分析也有一定影响。总体而言,经过波段修正后二者匹配情况进一步改善,相关系数提高至0.86,均方根误差减小至3.33 dB,整体回波得到较好的订正,干雪、冰晶与大雨回波对二者匹配情况影响较大。波段修正的订正量小于衰减订正的订正量,衰减是影响匹配情况的主要因素,波段修正在衰减订正基础上进一步改善匹配情况。

      图  4  波段修正后不同水凝物对比散点以及概率密度分布

      Figure 4.  Scatter plot and probability density function of different hydrometeors after band correction

      图  5  波段修正后不同水凝物统计参数

      Figure 5.  Curves of statistical parameters of different hydrometeors after band correction

    • 对2015—2017年时空匹配的DPR和CDP反射率因子进行统计,得出以下结论:

      1) DPR与CDP探测回波的整体一致性很好,经过衰减订正和波段修正,回波相关系数从0.79提高到0.86,达到0.001显著性水平,均方根误差从4.20 dB减小到3.33 dB。造成二者差异的主要因素是衰减和波段不同导致的后向散射截面不同。

      2) 基于T-矩阵法针对不同水凝物回波进行波段修正,二者探测湿雪、霰、大滴和中雨回波的相关系数较高,均方根误差均小于4 dB,回波强度的差异较小。因为干雪复杂的几何形状,使得二者探测干雪回波的相关系数较低,模拟干雪的反射率因子需进一步研究。由于星载雷达探测分辨率以及地基雷达有效照射体积充塞不足,二者探测大雨和冰晶回波的相关性较差。两者探测的差异主要是由干雪、大雨和冰晶回波造成的。

      3) DPR NS模式和DPR HS模式存在差异。DPR NS模式能探测到更强的回波,对强回波敏感,对弱回波的探测能力不足;DPR HS模式能探测到更弱的回波,对弱回波敏感,对强回波的探测能力不足。

      由S波段和C波段多普勒雷达组成的中国单偏振天气雷达网,在业务中发挥着重要作用,国内单偏振天气雷达将在未来进行双偏振技术升级,双偏振雷达已成为天气雷达发展趋势。我国也在发展自己的星载双频测雨雷达[28],星载双频测雨雷达和双偏振雷达数据的相互验证,可为我国星载双频测雨雷达的数据处理和验证提供参考和技术支撑。

参考文献 (28)

目录

    /

    返回文章
    返回