雨滴譜式降水現(xiàn)象儀降水類型判定算法優(yōu)化探究

楊寧 張晉 劉鈞

（1 華云升達(dá)（北京）氣象科技有限責(zé)任公司，北京 102299；2 中國華云氣象科技集團(tuán)公司，北京 100081）

0 引言

降水現(xiàn)象觀測是地面氣象觀測的基本內(nèi)容之一，實(shí)現(xiàn)降水現(xiàn)象自動(dòng)觀測，將有效提高觀測的頻次和質(zhì)量。雨滴譜式降水現(xiàn)象儀通過激光測量技術(shù)對降水過程進(jìn)行記錄、分析，能夠自動(dòng)實(shí)現(xiàn)降水現(xiàn)象要素觀測，數(shù)據(jù)采樣、存儲(chǔ)和處理，并按照氣象業(yè)務(wù)規(guī)定數(shù)據(jù)格式輸出多種降水類型。

雨滴譜式降水現(xiàn)象儀目前在全國2423個(gè)臺(tái)站已完成布設(shè)，正在進(jìn)行人工與自動(dòng)觀測的對比，為降水現(xiàn)象儀數(shù)據(jù)的可用性進(jìn)行科學(xué)論證。從目前反饋的情況來看，設(shè)備整體性能明顯優(yōu)于人工觀測，但在準(zhǔn)確性方面還不能做到100%準(zhǔn)確識(shí)別。本文以DSG5型降水現(xiàn)象儀為測試設(shè)備，在現(xiàn)有算法基礎(chǔ)上，完善雨滴譜式降水現(xiàn)象儀的綜合判定算法，以提升降水現(xiàn)象自動(dòng)化觀測水平。

1 DSG5型降水現(xiàn)象儀整體系統(tǒng)介紹

雨滴譜式降水現(xiàn)象儀整體系統(tǒng)構(gòu)成如圖1所示。

圖1 雨滴譜式降水現(xiàn)象儀系統(tǒng)結(jié)構(gòu)Fig. 1 System structure of raindrop spectrum precipitation phenomenon instrument

核心傳感器的測量區(qū)域如圖2所示，是一個(gè)能夠發(fā)射水平光束的激光傳感器，激光器大小為47.4 mm×41 mm×12 mm（長×寬×高），其發(fā)射器和接收器集成在密閉的機(jī)殼中[1]。

圖2 核心傳感器測量區(qū)域Fig. 2 Measurement area of core sensor

粒徑的測量：當(dāng)激光束里沒有降水粒子降落穿過時(shí)，接收器的輸出電壓最大。降水粒子穿過水平光束 時(shí)以其相應(yīng)的直徑遮擋部分光束，因而降低了接收端接收測量到的電壓，從而可以確定降水粒子的直徑大小[2-5]。

降水粒子下降速度的測量：降水粒子的下降速度是根據(jù)電子信號持續(xù)的時(shí)間推導(dǎo)出來的。電子信號的持續(xù)時(shí)間為降水粒子開始進(jìn)入光束到完全離開光束所經(jīng)歷的時(shí)間。

由上述兩個(gè)關(guān)鍵量可以推導(dǎo)出降水滴譜、降水類型、降水動(dòng)能、降水強(qiáng)度、雷達(dá)反射率等參數(shù)[4]。譜圖數(shù)據(jù)顯示如圖3所示。

2 降水現(xiàn)象判定控制算法

該算法是參考Atlas-Ulbrich曲線分布趨勢和實(shí)際實(shí)驗(yàn)數(shù)據(jù)總結(jié)而來[3,5]。目前傳感器已引入該算法，此次在綜判閾值方面給出具體數(shù)值。算法判斷流程如圖4所示?；诮?jīng)典模型算法，給出了雨、雪、雨夾雪、冰雹、毛毛雨各自的判定算法和相應(yīng)閾值。

2.1 雨的判定

降水粒子速度和直徑經(jīng)典算法模型公式為

圖3 雨滴譜式降水現(xiàn)象儀譜圖二（a）、三維（b）視圖Fig. 3 Two- and three-dimensional data spectra for raindrop spectrum precipitation phenomenon instrument

圖4 降水現(xiàn)象算法判斷流程圖Fig. 4 The discriminant flow chart of precipitation phenomenon

式中，c=3.866，β=0.67，v(D)為速度（單位：m/s），D為直徑（單位：mm）。

速度偏差（Er）公式為

式中，v(D)為根據(jù)粒子直徑用經(jīng)典模型公式得出的標(biāo)準(zhǔn)速度，v(F)為實(shí)際測得的粒子直徑所對應(yīng)的速度。

當(dāng)Er≥-45%且D≤5 mm時(shí)，判定為v(F)=v(雨)。降水顆粒為雨[5]。

判定如下：溫度＞0 ℃，降水顆粒60%以上在雨區(qū)，且在雪和雨夾雪溫度交叉區(qū)域內(nèi)，不滿足雪和雨夾雪的判定條件[5]。

2.2 雪的判定

當(dāng)Er≤-270%且D≥0.5mm時(shí)，判定為v(F)=v(雪)，降水顆粒為雪[5]。

判定如下：溫度≤7 ℃，雪區(qū)出現(xiàn)顆粒，并且雨區(qū)的比例小于60%，判定為雪。這里采用逐次逼近的方式進(jìn)行判定，隨著溫度降低，判定的雪顆粒數(shù)量有所不同。

2.3 雨夾雪的判定

當(dāng)-270%〈Er≤-45%且D≥0.5 mm時(shí)，判定為v(F)=v(雨夾雪)，降水顆粒為雨夾雪[5]。

判定如下：溫度在1～6 ℃，1 mm以上的顆粒不能少于20個(gè)，雨夾雪顆粒超過總降水顆粒的50%，即判斷為雨夾雪。

以上只是一個(gè)簡單的描述，因?yàn)樗惴ū容^復(fù)雜難易描述得很準(zhǔn)確?？傊?，利用溫度，以及雨、雪、雨夾雪區(qū)域各種顆粒的比例關(guān)系，采用逐次逼近的方式判斷雨夾雪，較準(zhǔn)確地得出雨夾雪天氣現(xiàn)象，在得出結(jié)論之前已經(jīng)在多個(gè)地方做過實(shí)驗(yàn)，以實(shí)際的數(shù)據(jù)分析衍化出結(jié)論。

2.4 冰雹的判定

當(dāng)Er≥-45%且D〉5 mm時(shí)，判定為v(F)=v(冰雹)，降水顆粒為冰雹[5]。

判定如下：伴有降雨的同時(shí)，滿足至少兩個(gè)以上通道，且每個(gè)通道內(nèi)有冰雹顆粒不能少于3個(gè)，判定為冰雹。

2.5 毛毛雨的判定

判定如下：降水顆粒全部為D≤0.5 mm，且速度小于4 m/s的降水顆粒，在溫度區(qū)間內(nèi)（〉0 ℃），判定為毛毛雨[5]。以較慢速度輕輕飄落地面的小的降雨顆粒，不打起塵土為依據(jù)。

3 數(shù)據(jù)分析和綜判思路

3.1 數(shù)據(jù)分析

3.1.1 問題描述

對山東、黑龍江、遼寧、安徽采集的數(shù)據(jù)進(jìn)行梳理后，結(jié)合人工記錄的臺(tái)站具體天氣情況，如天氣現(xiàn)象、溫度、濕度等氣象要素，總結(jié)了天氣現(xiàn)象儀目前存在的主要問題，主要包括3個(gè)方面：1）毛毛雨和雨現(xiàn)象判定切換頻繁；2）環(huán)境因素制約了設(shè)備的測量性能，例如由于設(shè)備安裝處未能定期清理雜草、蚊蟲活動(dòng)比較頻繁、測量視窗周圍掛蜘蛛網(wǎng)、個(gè)別臺(tái)站附近有加工廠導(dǎo)致粉塵干擾等；3）冰雹誤報(bào)的問題。

3.1.2 解決辦法

以哈爾濱和綏中臺(tái)站數(shù)據(jù)分析為例，下面就每種問題列出典型的譜圖，提出改進(jìn)的辦法。

1）毛毛雨和雨現(xiàn)象的判定切換頻繁的解決辦法：在軟件中加入閾值自定義設(shè)定，針對不同地域、不同臺(tái)站，在毛毛雨的區(qū)域劃分上給出默認(rèn)參考設(shè)置。具體數(shù)值由下文綜合判定思路中各要素值并進(jìn)行組合得到。圖5是列出的多次降水過程的典型樣例。

圖5 毛毛雨和雨現(xiàn)象判定切換頻繁的典型譜圖Fig. 5 A typical data spectrum of phenomenological determination frequent switching for the drizzle and rain

2）環(huán)境因素制約了設(shè)備的測量性能的解決辦法：圖6和圖7分別是蚊蟲干擾和粉塵干擾時(shí)的譜數(shù)據(jù)圖。這兩種干擾現(xiàn)象對應(yīng)的譜圖有一個(gè)共性是顆粒在少數(shù)幾個(gè)通道重復(fù)率極高，且在交叉對比同時(shí)段溫度數(shù)據(jù)時(shí)會(huì)發(fā)現(xiàn)，溫度并未隨著降水現(xiàn)象的出現(xiàn)而變化，但是自然界真實(shí)降水現(xiàn)象發(fā)生的時(shí)候，溫度都會(huì)有相應(yīng)的降低。因此，改進(jìn)后的算法在現(xiàn)象輸出時(shí)，結(jié)合溫度要素作濾除，以此來提高設(shè)備的抗干擾能力。

3）冰雹誤報(bào)問題的解決辦法：在冰雹的直徑區(qū)域劃分上，通過統(tǒng)計(jì)分析對應(yīng)站點(diǎn)的歷史數(shù)據(jù)，設(shè)置判別的閾值范圍。例如在強(qiáng)降雨較多的地區(qū)，提高冰雹直徑的判別門限，可降低冰雹的誤報(bào)。圖8列出了多次降水過程的典型樣例。

3.2 綜判思路

圖6 蚊蟲干擾典型譜圖Fig. 6 A typical data spectrum of mosquito interference

圖7 粉塵干擾典型譜圖Fig. 7 A typical data spectrum of dust interference

綜合判定算法，源于現(xiàn)行臺(tái)站工作人員在依照《地面氣象觀測規(guī)范》進(jìn)行業(yè)務(wù)觀測時(shí)的實(shí)際操作辦法。例如，工作人員在觀測是否有降雨現(xiàn)象發(fā)生時(shí)，能夠?qū)崟r(shí)感知到當(dāng)時(shí)的溫度、濕度、風(fēng)速、風(fēng)向和能見度視程，而且人腦會(huì)依據(jù)過往積累的經(jīng)驗(yàn)進(jìn)行現(xiàn)象的綜合判定。同理，儀器的測量區(qū)域、人眼目視所及的區(qū)域都屬于觀測區(qū)域，而這些都是單個(gè)設(shè)備所不具備的，這里提出的綜合判定算法是將上述思路與儀器可以實(shí)現(xiàn)的判定要素相結(jié)合，先分析了山東省兩個(gè)臺(tái)站的人工觀測與自動(dòng)觀測的對比數(shù)據(jù)（通過臺(tái)站地面綜合觀測業(yè)務(wù)軟件ISOS采集到的溫度、濕度、能見度要素?cái)?shù)據(jù)），提出要使用的綜判要素和閾值，之后復(fù)用該模型對兩個(gè)臺(tái)站其他數(shù)據(jù)進(jìn)行現(xiàn)象驗(yàn)證，驗(yàn)證該方法可行。

雨現(xiàn)象：目前設(shè)備對降雨識(shí)別較準(zhǔn)確，可適當(dāng)做一些質(zhì)控。結(jié)合溫度、濕度、能見度要素條件得出軟件質(zhì)控流程，即當(dāng)溫度≥-2 ℃、濕度≥50%、能見度≤20 km三個(gè)條件同時(shí)滿足時(shí)，判定為雨現(xiàn)象。

圖8 冰雹的誤報(bào)典型譜圖Fig. 8 A typical data spectrum of hail misstatement

圖9是以山東東營臺(tái)站2017年9月1日—2018年5月31日中的392 763條有效數(shù)據(jù)進(jìn)行分析統(tǒng)計(jì)得出的雨現(xiàn)象的譜圖。通過對比，可以發(fā)現(xiàn)原始譜圖存在明顯的干擾顆粒（紅色圈選部分），且記錄為雨現(xiàn)象為8090條，采用綜合判定算法后的譜圖排除了大部分干擾顆粒，這樣就能提高現(xiàn)象判定的準(zhǔn)確性。

毛毛雨現(xiàn)象：毛毛雨發(fā)生的天氣條件為：濕度偏大，能見度偏低，雨滴較小，且下落速度較慢。結(jié)合這些條件，當(dāng)有降水的時(shí)候，綜合溫度、濕度、能見度數(shù)值對毛毛雨進(jìn)行質(zhì)控，即當(dāng)溫度≥-2 ℃、濕度≥90%、能見度≤1 km三個(gè)條件同時(shí)滿足時(shí)，判定為毛毛雨現(xiàn)象。

圖10是以山東煙臺(tái)站2017年5月31日—2018年5月31日中的有效數(shù)據(jù)進(jìn)行分析統(tǒng)計(jì)得出的毛毛雨的譜圖。通過對比可以發(fā)現(xiàn)，原始被記錄為毛毛雨現(xiàn)象時(shí)對應(yīng)的譜圖存在明顯的干擾顆粒（黑色圈選部分），導(dǎo)致誤判為毛毛雨，采用綜合判定算法后基本排除了干擾顆粒，這樣就能提高現(xiàn)象判定的準(zhǔn)確性。

雪：目前設(shè)備對降雪識(shí)別較準(zhǔn)確，可適當(dāng)做一些質(zhì)控。結(jié)合溫度、濕度、能見度要素條件得出軟件質(zhì)控流程，即當(dāng)溫度≤7 ℃、濕度≥50%、能見度≤20 km三個(gè)條件同時(shí)滿足時(shí)，判定為雪現(xiàn)象。

圖11是以山東東營臺(tái)站2017年9月1日—2018年5月31日的有效數(shù)據(jù)進(jìn)行分析統(tǒng)計(jì)得出的雪的譜圖。通過對比可見，目前算法和引入綜判算法后，現(xiàn)象識(shí)別準(zhǔn)確性差別不大，故可以延續(xù)目前算法。

圖9 雨現(xiàn)象引入綜合判定算法前（a）、引入后（b）的對比譜圖Fig. 9 Comparison of data spectrum of rain phenomenon before (a) and after (b) introduction of the comprehensive judgment algorithm

圖10 毛毛雨現(xiàn)象引入綜合判定算法前（a）、引入后（b）的對比譜圖Fig. 10 Comparison of data spectrum of drizzle phenomenon before (a) and after (b) introduction of the comprehensive judgment algorithm

雨夾雪：雨夾雪產(chǎn)生的條件比較特殊，在接近0℃時(shí)會(huì)出現(xiàn)下降上升的反復(fù)過程。并且雨夾雪一般出現(xiàn)在降水中段，此時(shí)濕度明顯很大。在2018年3月和4月初北方大部分地區(qū)出現(xiàn)兩次雨夾雪，分別對北京的4臺(tái)設(shè)備和遼寧、山東、安徽省份的多個(gè)臺(tái)站進(jìn)行了分析對比。結(jié)合溫度、濕度、能見度要素條件得出軟件質(zhì)控流程，即當(dāng)-2 ℃〈溫度〈7 ℃、濕度≥80%、能見度≤20 km三個(gè)條件同時(shí)滿足時(shí)，判定為雨夾雪現(xiàn)象。

圖12是對山東煙臺(tái)臺(tái)站數(shù)據(jù)的分析，通過對比可以發(fā)現(xiàn)，原始譜圖存在較多干擾顆粒，導(dǎo)致誤判，采用綜合判定算法后的譜圖則基本排除了干擾顆粒，這樣就能提高現(xiàn)象判定的準(zhǔn)確性。

4 小結(jié)

綜上所述，目前人工觀測與自動(dòng)觀測結(jié)果不完全匹配的原因主要有以下三個(gè)方面：1）人工觀測原理與儀器測量原理不一致；2）單個(gè)設(shè)備測量范圍有限，且只能捕捉一個(gè)維度上粒子的參數(shù)；3）我國疆域遼闊，覆蓋五種氣候帶而呈現(xiàn)出的不同地域性特點(diǎn)。本文通過對有代表性的臺(tái)站觀測數(shù)據(jù)進(jìn)行分析，區(qū)分真實(shí)降水和誤報(bào)降水兩種現(xiàn)象在譜圖上的細(xì)微差異，以及引入其他觀測要素值進(jìn)行綜合判定的兩種方式，來提高設(shè)備現(xiàn)象判定的準(zhǔn)確性，從而提高整體自動(dòng)化觀測水平。

圖11 山東東營雪現(xiàn)象引入綜合判定算法前（a）、引入后（b）的對比譜圖Fig. 11 Comparison of data spectrum of snow phenomenon before (a) and after (b) introduction of the comprehensive judgment algorithm

圖12 山東煙臺(tái)雨夾雪現(xiàn)象引入綜合判定算法前（a）、引入后（b）的對比譜圖Fig. 12 Comparison of data spectrum of sleet phenomenon before (a) and after (b) introduction of the comprehensive judgment algorithm