基于激光雨滴譜的雙偏振雷達(dá)定量降水估測(cè)算法應(yīng)用評(píng)估

曾廣宇，郭澤勇，周欽強(qiáng)，張弘豪，陳星登，郭 佳

（1.廣東省陽(yáng)江市氣象局，廣東 陽(yáng)江 529500；2.廣東省氣象探測(cè)數(shù)據(jù)中心，廣州 510080；3.北京敏視達(dá)雷達(dá)有限公司，北京 100085）

引言

多普勒天氣雷達(dá)通過獲得降水目標(biāo)的反射率、速度、譜寬等基數(shù)據(jù)來(lái)觀測(cè)天氣［1］，但降雨類型的區(qū)分存在明顯的不足［2］。雙線偏振雷達(dá)能夠同時(shí)或交替發(fā)射水平和垂直兩種線偏振波，從而識(shí)別降水粒子形態(tài)，提高定量降水估測(cè)精度［3］。在單偏振雷達(dá)定量降水估測(cè)（QPE）的基礎(chǔ)上，如何不斷提高雙偏振天氣雷達(dá)的定量降水估測(cè)精度，并對(duì)偏振雷達(dá)降水估測(cè)算法的穩(wěn)定性及精度進(jìn)行效果評(píng)估［4］，是當(dāng)前偏振雷達(dá)應(yīng)用研究中需重點(diǎn)突破的課題。

國(guó)內(nèi)外研究機(jī)構(gòu)及學(xué)者對(duì)天氣雷達(dá)定量估測(cè)降水算法做了很多研究。對(duì)單偏振雷達(dá)而言，其定量降水估測(cè)方法主要有傳統(tǒng)的Z－R 關(guān)系法、概率配對(duì)法、卡爾曼濾波校準(zhǔn)法和變分校準(zhǔn)法等［5］。美國(guó)WSR－88D PPS（Precipitation Processing System）的MPE（Multisensor Precipitation Estimation）系統(tǒng)將傳統(tǒng)的Z－R 關(guān)系法應(yīng)用于業(yè)務(wù)，因此Z－R 關(guān)系法又簡(jiǎn)稱為PPS。與單偏振雷達(dá)相比，雙偏振雷達(dá)特有的偏振參量（ZH、ZDR、KDP、ΦDP、LDR）可以更加微觀地監(jiān)測(cè)粒子的微物理特征［6－8］。利用KDP對(duì)強(qiáng)降水敏感且不受信號(hào)衰減、波束阻擋及雷達(dá)標(biāo)定影響的獨(dú)特優(yōu)勢(shì)［9］，可以更好地建立強(qiáng)降水的估測(cè)模型，從而提高強(qiáng)降水的估測(cè)精度［10］。與單偏振雷達(dá)相比，雙偏振雷達(dá)在估測(cè)方面的優(yōu)勢(shì)不僅僅局限于這些有著獨(dú)特優(yōu)勢(shì)的偏振參量，并且根據(jù)這些偏振參量的特征值得到不同的組合算法，進(jìn)一步體現(xiàn)出雙偏振雷達(dá)在定量降水估測(cè)方面的優(yōu)勢(shì)。因此業(yè)界提出了許多不同偏振量與降水率關(guān)系的降水估測(cè)算法，王建林等［11］指出，在小雨階段信噪比較低，偏振參量存在比較大的系統(tǒng)誤差，因此建議在反射率因子小于20dBZ 時(shí)采用R（ZH）進(jìn)行估測(cè)降水，但沒有考慮雨滴譜的變化對(duì)降水估測(cè)的影響。胡志群等［12］分析了X 波段雙偏振雷達(dá)不同衰減的訂正方法的特點(diǎn)，認(rèn)為ZH－KDP相結(jié)合的方法能夠提高降水估測(cè)的精度；劉黎平、楚榮忠及尹忠海等［13-15］學(xué)者的研究結(jié)果都指出，定量降水估測(cè)算法不是一成不變的，并且定量降水估測(cè)算法受到降水類型和地域影響較大，因此提出了不同偏振量與降水率關(guān)系的降水估測(cè)算法。Ryzhkov 等［16］根據(jù)R（ZH）計(jì)算出的雨強(qiáng)來(lái)選擇不同的降水估測(cè)關(guān)系，具體提出JPOLE 算法。Cifelli 等［17］通過ZH、ZDR和KDP的閾值來(lái)選擇不同的定量降水估測(cè)算法，提出CSU－ICE 算法；相比較而言，國(guó)內(nèi)也有學(xué)者利用CSU－ICE 算法與傳統(tǒng)PPS 方法的估測(cè)誤差效果進(jìn)行了對(duì)比和效果檢驗(yàn)［18－19］，但在不同雨滴譜基礎(chǔ)上擬合的降水估測(cè)算法相對(duì)較少。

利用珠江三角洲地區(qū)的3 部激光雨滴譜儀（LPA）數(shù)據(jù)對(duì)經(jīng)典CSU－ICE 算法進(jìn)行本地化改進(jìn)，選取2019 年汛期的1 次華南季風(fēng)降水過程，將CSU－LPA 算法的估測(cè)數(shù)據(jù)與地面雨量計(jì)實(shí)況數(shù)據(jù)進(jìn)行了誤差對(duì)比，為將來(lái)偏振雷達(dá)定量估測(cè)降水算法的業(yè)務(wù)化應(yīng)用提供技術(shù)參考。

1 資料來(lái)源

1.1 降水過程概況

選取華南地區(qū)2019 年1 次大范圍強(qiáng)降水過程。受季風(fēng)環(huán)流影響，2019 年5 月24 日—27 日廣東出現(xiàn)大范圍暴雨過程，其中粵西地區(qū)更是連續(xù)4 日發(fā)布紅色暴雨預(yù)警信號(hào)，創(chuàng)造歷史之最，是自1953 年有氣象觀測(cè)記錄以來(lái)的第一次，多個(gè)雨量計(jì)站點(diǎn)的小時(shí)降水量超過40mm，最大日雨量超過350mm（降雨概況如表1 所示），造成粵西地區(qū)出現(xiàn)較大面積內(nèi)澇災(zāi)害。

表1 季風(fēng)降水過程信息統(tǒng)計(jì)

1.2 數(shù)據(jù)選取

針對(duì)此次華南季風(fēng)降水過程，主要選取以下數(shù)據(jù)作為研究對(duì)象：第一部分是廣州S 波段雙線偏振雷達(dá)基數(shù)據(jù)與北京敏視達(dá)雷達(dá)有限公司安裝在珠三角地區(qū)的激光雨滴譜儀數(shù)據(jù)，用于降水估測(cè)算法的建立；第二部分是廣東陽(yáng)江S 波段雙線偏振雷達(dá)基數(shù)據(jù)與其100km 范圍內(nèi)的地面雨量計(jì)小時(shí)數(shù)據(jù)，用于估測(cè)算法的對(duì)比評(píng)估。

2 數(shù)據(jù)處理與評(píng)估方法

2.1 數(shù)據(jù)質(zhì)量控制

（1）自動(dòng)站數(shù)據(jù)質(zhì)量控制

為避免波束尚未完整形成區(qū)域的因素，剔除距離雷達(dá)5km 內(nèi)的雨量計(jì)站點(diǎn)，QPE 采用9 點(diǎn)平均進(jìn)行計(jì)算［20］。剔除雷達(dá)探測(cè)有值－雨量計(jì)空值、雨量計(jì)有值－雷達(dá)探測(cè)空值、雨量計(jì)故障產(chǎn)生的奇異值及雷達(dá)徑向上有明顯遮擋的數(shù)據(jù)。

（2）雨滴譜數(shù)據(jù)質(zhì)量控制

對(duì)原始分鐘數(shù)據(jù)中降水率小于0.1mm·h－1或者降水粒子數(shù)小于50 的進(jìn)行剔除［21］。為減少雨滴譜儀受附近湍流影響以及周邊大雨滴破碎成小雨滴后飛濺造成的小雨滴采樣過度的誤差影響［22］，采用基于粒子下落末速度的過濾方法以消除過度采樣誤差［23］。

（3）雷達(dá)數(shù)據(jù)質(zhì)量控制

使用距離雷達(dá)100km 內(nèi)的樣本以降低波束展寬和融化層的影響［24］，利用ΦDP滑動(dòng)標(biāo)準(zhǔn)差剔除非氣象回波干擾［25］，采用微雨滴法自動(dòng)標(biāo)定雙偏振雷達(dá) 雙通道幅度一致性系統(tǒng)誤差［26－27］，并使用中值濾波和滑動(dòng)平均減少隨機(jī)波動(dòng)，使用信噪比門限以消除ZDR 在低信噪比情況下的不穩(wěn)定。通過對(duì)ΦDP進(jìn)行線性規(guī)劃的方法抑制無(wú)規(guī)律抖動(dòng)，將ΦDP變?yōu)槠交膯握{(diào)遞增曲線，滿足ΦDP通過降水區(qū)域單調(diào)增加的物理屬性，確保KDP的非負(fù)性［28－29］。

2.2 定量降水估測(cè)算法

本文采用的雙偏振雷達(dá)定量降水估測(cè)CSULPA 算法是在CSU－ICE 最優(yōu)化算法基礎(chǔ)上進(jìn)行改進(jìn)［30］，其算法流程如圖1 所示。使用非球形粒子的散射模型（T－Matrix）和觀測(cè)的雨滴譜數(shù)據(jù)（DSD）對(duì)S波段雷達(dá)的偏振量進(jìn)行模擬［31］，結(jié)合廣州蘿崗站、廣州白云站及廣東省佛山站三臺(tái)激光雨滴譜儀滴譜數(shù)據(jù)（DSD）計(jì)算降水率，與偏振量進(jìn)行擬合得到降水率參數(shù)關(guān)系公式（1）—（4）。

圖1 CSU－LPA 降水估測(cè)算法流程

其中R 為降水率，單位mm·h－1，ZH為反射率因子，單位mm6·m－3，ZDR為差分反射率因子，單位dB，KDP為差分傳播相移率，單位°·km－1。

2.3 評(píng)估方法

為了評(píng)估傳統(tǒng)PPS 和基于雙偏振雷達(dá)的CSULPA 兩種降水估測(cè)算法的效果，將其降水量反演結(jié)果與地面雨量計(jì)小時(shí)降雨量進(jìn)行對(duì)比分析。分別計(jì)算雷達(dá)估測(cè)值與實(shí)測(cè)值之間的相對(duì)誤差E1、絕對(duì)值相對(duì)誤差E2、平均誤差M、標(biāo)準(zhǔn)差σ 和皮爾遜相關(guān)系數(shù)CORR 對(duì)傳統(tǒng)PPS、CSU－LPA 兩種算法進(jìn)行評(píng)估［32］。

3 降水估測(cè)誤差分析及效果評(píng)估

3.1 整體誤差評(píng)估檢驗(yàn)

表2 以地面雨量計(jì)為標(biāo)準(zhǔn)，給出了兩種降水估測(cè)算法在此次華南季風(fēng)降水中的誤差評(píng)估結(jié)果，將兩種算法估測(cè)值與地面降水實(shí)況進(jìn)行評(píng)估發(fā)現(xiàn)，基于雨滴譜和雙偏振雷達(dá)的CSU－LPA 算法可以較大程度上提高雙偏振雷達(dá)定量降水估測(cè)的精度，表現(xiàn)明顯優(yōu)于經(jīng)典PPS 算法。具體表現(xiàn)為：從相對(duì)誤差看，PPS 估測(cè)方法存在21.52%的高估現(xiàn)象。相比PPS，CSU－LPA 算法的高估明顯減少；從絕對(duì)值相對(duì)誤差看，與PPS 相比，CSU－LPA 算法減少了約16%的誤差，說明CSU－LPA 降水估測(cè)算法的準(zhǔn)確性和可信度提高了不少；從平均誤差M 和均方差σ 來(lái)看，CSU－LPA 算法得到的估測(cè)雨量與雨量計(jì)的整體差異更小，同時(shí)估測(cè)值分布比較集中，說明算法穩(wěn)定性不錯(cuò)。從皮爾遜相關(guān)系數(shù)CORR 看，CSU－LPA 將估測(cè)的小時(shí)降水與地面檢驗(yàn)的雨量計(jì)觀測(cè)相關(guān)系數(shù)提高到了0.9 以上，與傳統(tǒng)PPS 算法相比，更能真實(shí)的反映降水實(shí)況。

表2 整體誤差評(píng)估檢驗(yàn)

3.2 過程累計(jì)降水對(duì)比檢驗(yàn)

圖2 給出了此次華南季風(fēng)降水過程的實(shí)況降雨量分布和兩種降水估測(cè)算法得到的估測(cè)降水分布，圖3 給出了對(duì)應(yīng)兩種降水估測(cè)方法和雨量計(jì)小時(shí)降水量的散點(diǎn)分布。與雨量計(jì)觀測(cè)到的降水實(shí)況（圖2a）相比，PPS 方法得到的估測(cè)降水分布（圖2b）存在幾個(gè)區(qū)域的顯著高估，同時(shí)從PPS 方法和雨量計(jì)小時(shí)降水量散點(diǎn)分布（圖3a）可以看出，處于對(duì)角線上方的數(shù)據(jù)點(diǎn)離散程度較大，與表2 的數(shù)據(jù)互為印證；CSU－LPA 方法（圖2c）與降水實(shí)況更為接近，高估情況得到明顯改善，從CSU－LPA 降水估測(cè)方法和雨量計(jì)小時(shí)降水量的散點(diǎn)分布（圖3b）來(lái)看，其散點(diǎn)分布明顯要比PPS 方法更為集中，也與表2 反映的均方差σ 和皮爾遜CORR 相關(guān)系數(shù)吻合。

圖2 過程累計(jì)雨量實(shí)況圖（a）及兩種QPE 方法雨量累積圖（b：PPS，c：CSU－LPA）

圖3 兩種QPE 方法和雨量計(jì)小時(shí)降水量散點(diǎn)分布

3.3 單站小時(shí)累計(jì)降水對(duì)比檢驗(yàn)

對(duì)PPS 和CSU-LPA 兩種定量降水估測(cè)算法得到的降水量與雨量計(jì)的累計(jì)雨量進(jìn)行了比較，反映了在96h 內(nèi)的6 個(gè)雨量計(jì)站點(diǎn)實(shí)況累積降水、估測(cè)累計(jì)降水與時(shí)間的對(duì)應(yīng)關(guān)系。6 個(gè)站點(diǎn)PPS 算法估測(cè)值始終位于地面雨量計(jì)實(shí)測(cè)值上方，隨著累計(jì)雨量的增大，PPS 算法的高估愈發(fā)明顯。從降水的不同階段來(lái)看，降水開始的初期（0～25h），兩種算法的估測(cè)雨量較為接近，可能與降水初期的偏穩(wěn)定性降水形態(tài)有關(guān)；降水發(fā)展階段（25～96h），整體上CSULPA 雙偏振雷達(dá)的估測(cè)算法與實(shí)況雨量的吻合程度遠(yuǎn)高于基于單偏振雷達(dá)的PPS 算法，可見CSU-LPA算法能有效抑制PPS 算法的高估效應(yīng)，尤其在累計(jì)雨量較大的時(shí)候體現(xiàn)得更為明顯。

4 結(jié)論

本文利用S 波段雙線偏振雷達(dá)資料、雨量計(jì)資料及激光雨滴譜數(shù)據(jù)，建立CSU-LPA 算法并進(jìn)行應(yīng)用評(píng)估。小時(shí)累計(jì)降水評(píng)估結(jié)果表明，PPS 算法估測(cè)值幾乎始終位于地面雨量計(jì)實(shí)測(cè)值上方，普遍存在高估，并且隨著累計(jì)雨量的增大，PPS 算法的高估愈發(fā)明顯，且估測(cè)散點(diǎn)值分布比較離散，相關(guān)性表現(xiàn)一般；CSU-LPA 算法相關(guān)系數(shù)達(dá)到0.9 以上，降水估測(cè)誤差相對(duì)于PPS 減少約16%，并能有效抑制PPS 方法的高估效應(yīng)，尤其在累計(jì)雨量較大的時(shí)候優(yōu)勢(shì)體現(xiàn)得更為明顯?？傮w而言，整體誤差、過程累計(jì)降水及單站小時(shí)累計(jì)降水三方面的評(píng)估數(shù)據(jù)互為印證，數(shù)據(jù)可信度高。