基于L波段探空的云區(qū)邊界識別改進算法

胡樹貞，陶 法，王志成，楊榮康

（中國氣象局氣象探測中心，北京 100081）

云的生成、發(fā)展及演變過程對天氣特征、氣候變化及人工影響天氣十分重要，特別是對大氣垂直運動和天氣過程的影響[1]。云通過吸收和發(fā)射長波輻射參與地球輻射收支平衡，近年來對于云的輻射強迫響應(yīng)研究，不僅局限于云量和云底高度，更加關(guān)注云體垂直結(jié)構(gòu)信息[2-3]。隨著科學(xué)技術(shù)的發(fā)展，越來越多的新技術(shù)、新方法應(yīng)用于地基云觀測，對云高觀測主要有激光云高儀、毫米波雷達(dá)、厘米波雷達(dá)等，對云量觀測有可見光成像儀、紅外成像儀等[4-9]。厘米波天氣雷達(dá)和毫米波云雷達(dá)作為主動遙感設(shè)備，通過發(fā)射和接收水平方向或垂直方向上的電磁波束，得到云和降水的宏觀和微觀信息，為揭示云和降水的垂直結(jié)構(gòu)信息提供精準(zhǔn)參考[10-13]。但受觀測技術(shù)體制和成本等多重因素影響，我國還沒有形成地基云的自動化觀測業(yè)務(wù)，無法在應(yīng)用層面上定量化獲得云的垂直結(jié)構(gòu)信息。

探空是獲取大氣垂直狀況信息的一種重要手段，探空氣球攜帶探空儀可獲取由地面到高空30 km溫、壓、濕、風(fēng)氣象要素隨高度的變化信息[14-16]。探空傳感器在入云和出云時，觀測的濕度存在劇烈的變化，因此可利用探空觀測數(shù)據(jù)分析云的垂直結(jié)構(gòu)。國外利用探空資料對云垂直結(jié)構(gòu)特征研究較早，Poore[17]利用地面觀測和探空資料探討了云層的厚度，提出用相對濕度閾值以及云頂和云底相對濕度的跳躍變化來判斷云層（WR95法）。國內(nèi)的專家學(xué)者利用探空資料對云垂直結(jié)構(gòu)特征進行過類似的研究，張玲[18]通過分析相對濕度的突變來訂正地面人工觀測云的準(zhǔn)確性；周毓荃[19]采用WR95法，利用探空秒數(shù)據(jù)，分析了不同云垂直結(jié)構(gòu)，將得到的分析結(jié)果與Cloudsat衛(wèi)星實測云垂直結(jié)構(gòu)進行個例分析；蔡淼[20]利用探空數(shù)據(jù)分析了云內(nèi)和云外相對濕度的累積頻率分布，提出隨著高度的增加，云區(qū)相對濕度判別閾值相應(yīng)減小的動態(tài)閾值算法；孫麗[21]利用動態(tài)閾值算法對沈陽地區(qū)云垂直分布特征進行了驗證分析，算法在沈陽地區(qū)識別云的正確性達(dá)75%以上。

目前，利用探空數(shù)據(jù)進行云垂直邊界識別主要是基于相對濕度的閾值法和梯度法，但在實際使用過程中，閾值法由于不同地區(qū)的局地氣候特征存在局限性，而梯度法在近地面高濕大氣中造成的誤判較多。本文在蔡淼提出的相對濕度動態(tài)閾值法的基礎(chǔ)上，提出一種利用探空相對濕度閾值與梯度相結(jié)合的云區(qū)邊界識別改進算法，改進算法首先利用相對濕度閾值確定云區(qū)大致區(qū)間范圍，在云區(qū)空間范圍內(nèi)，利用相對濕度的梯度變化特征，進一步明確云區(qū)邊界，實現(xiàn)對云頂高度和云底高度的自動識別。

1 資料及其分析方法

1.1 毫米波云雷達(dá)

云雷達(dá)資料來源于安裝在北京市南郊觀象臺的全固態(tài)Ka波段毫米波云雷達(dá)，毫米波段在云霧粒子中具有較強的散射特性，更適用于云、霧等目標(biāo)觀測。該云雷達(dá)使用固態(tài)發(fā)射技術(shù)，運行成本低，功耗小，可靠性高。采用較小尺寸天線獲得較高的天線增益和較窄的波束，得到較高的角分辨率。云雷達(dá)每分鐘觀測一次，獲取0～15 km，垂直分辨率30 m，云粒子的反射率因子Z、徑向速度V r及速度譜寬SW[22]。相關(guān)專家學(xué)者對該技術(shù)體制云雷達(dá)云高探測準(zhǔn)確性進行了評估與對比分析[23-27]。

1.2 L波段探空系統(tǒng)

探空數(shù)據(jù)為北京市南郊觀象臺L波段高空氣象探測系統(tǒng)業(yè)務(wù)數(shù)據(jù)，探測系統(tǒng)由測風(fēng)雷達(dá)、無線電探空儀、探空儀基測箱、探空氣球及電池等組成。探空儀傳感器的要求及測量范圍分別為：溫度為50～-90℃，對環(huán)境溫度的變化具有充分快的反應(yīng)速率，上升過程中熱滯造成的系統(tǒng)誤差＜0.1℃/km；濕度為1%～100%，與大氣中水分子自由迅速交換，能夠真實反映大氣中水汽的分布情況；氣壓為1 050～1 hPa，在1 050～5 hPa的動態(tài)范圍內(nèi)保持其準(zhǔn)確度，并在規(guī)定較低氣壓下仍具有0.1 hPa的分辨率。探空儀測量準(zhǔn)確度要求見表1。

表1 探空儀測量準(zhǔn)確度要求

1.3 資料分析方法

在處理探空數(shù)據(jù)時，首先考慮不同溫度下相對濕度的合理計算，當(dāng)氣溫低于0℃時，按照冰面飽和水汽壓計算相對濕度，即利用實際水面飽和水汽壓除以冰面飽和水汽壓得到新的相對濕度，相關(guān)計算公式如下：

式中，Ew為水面飽和水汽壓（hPa）；Ei為冰面飽和水汽壓（hPa）；T0為水的三相點溫度，T0（K）=273.16；T為絕對溫度，T（K）=273.15+t，t為攝氏溫度（℃）；U為空氣相對濕度（%）；Ur為冰面飽和水氣壓下計算的空氣相對濕度（%）。

由于探空氣球上升過程中隨風(fēng)漂移，云同時也在移動，為使探空入云點與毫米波云雷達(dá)垂直頂空探測的對象盡可能保持一致，識別算法準(zhǔn)確性驗證分析時樣本選取應(yīng)遵循以下原則：（1）對比分析樣本為云底或云頂較為平整的層狀云；（2）探空放球時刻前10 min毫米波云雷達(dá)觀測云高數(shù)據(jù)取平均作為對應(yīng)時刻的標(biāo)準(zhǔn)云高樣本。

2 探空云區(qū)邊界識別算法

首先，云區(qū)內(nèi)部大氣的相對濕度高于云外，周毓荃等[19]認(rèn)為相對濕度84%可作為云區(qū)與非云區(qū)界限，但單純的閾值判別在普適性方面難免存在缺陷。而隨著垂直高度的增加，空氣中水汽在達(dá)到飽和與未飽和的臨界面一般認(rèn)為是云區(qū)邊界，在邊界處相對濕度必然存在明顯的梯度變化。為分析探空觀測要素廓線在云區(qū)邊界的特征，圖1為2017年9月30日毫米波云雷達(dá)反射率因子與探空溫濕廓線對應(yīng)關(guān)系。在18：00—22：00天頂7～10 km范圍內(nèi)有層狀云，云底和云頂高度平整（圖1a）。圖1b中藍(lán)線為探空實測的大氣相對濕度隨高度變化廓線，簡稱相對濕度（液面）；綠線為利用冰面飽和水氣壓計算的大氣相對濕度廓線，簡稱相對濕度（冰面）。通過毫米波云雷達(dá)反射率因子與探空相對濕度廓線之間的時空對應(yīng)分析，可見利用相對濕度（冰面）廓線更能較好地對應(yīng)毫米波云雷達(dá)探測的云區(qū)，但探空廓線在云區(qū)下方6 km處有高濕層，厚度約1 km，單純依靠相對濕度閾值判斷，將造成誤判。

隨著高度升高，空氣溫度和密度下降，理論上無云條件下探空儀所測溫濕廓線呈規(guī)律性下降，由于受大氣環(huán)境影響空氣中水汽凝結(jié)成云粒子的條件不同，因此采用相對濕度分段閾值進行云區(qū)判斷是合理的。另外，根據(jù)云生成條件，云底高度一般出現(xiàn)在大氣抬升凝結(jié)層高度以上。利用探空相對濕度閾值與梯度相結(jié)合判斷云區(qū)邊界改進算法，首先是通過相對濕度（冰面）云區(qū)與非云區(qū)閾值確定云區(qū)范圍，然后求取相對濕度（冰面）廓線梯度，在云區(qū)范圍內(nèi)通過查找梯度極值的方式進一步明確云區(qū)邊界。相對濕度（冰面）閾值作為判斷探空廓線有云與否的初選條件，可直接借鑒蔡淼等[20]提出的計算方法，具體見公式（4），利用探空數(shù)據(jù)計算抬升凝結(jié)層高度見公式（5）。

式中，Hr為云區(qū)相對濕度閾值（%）；H為探空儀高度（km）；LCL為抬升凝結(jié)層高度（km）；T0為探空地面測量溫度（℃）；τ0為近地面空氣層露點溫度（℃）。

圖2為2017年9月30日19：15探空相對濕度（冰面）廓線特征。探空氣球的升速隨外界條件隨時變化，導(dǎo)致探空獲取的氣象數(shù)據(jù)隨高度非等間隔分布，對后續(xù)梯度等系列計算造成影響，需要對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。將探空獲取0～15 km相對濕度（冰面）廓線數(shù)據(jù)進行5 m間隔樣條函數(shù)插值，使相對濕度變成3 000組標(biāo)準(zhǔn)的隨高度等間隔分布廓線數(shù)據(jù)，與圖1b相比，標(biāo)準(zhǔn)化后的廓線保留了原始廓線中全部有效信息。圖2a為將標(biāo)準(zhǔn)化后探空數(shù)據(jù)滑動平均處理，以減少廓線中毛刺，保留云邊界特征信息的同時使廓線平滑，黑色虛線為云區(qū)相對濕度閾值。圖2b為在平滑廓線的基礎(chǔ)上對相對濕度（冰面）廓線求一階導(dǎo)數(shù)，圖2b中標(biāo)記1、3分別為云底高度，標(biāo)記2、4為云頂高度，顯然1、2為誤判云區(qū)邊界。

圖1 2017年9月30日毫米波云雷達(dá)反射率因子（a）與19：15探空溫濕廓線（b）

為解決誤判問題，圖2c在圖2b的基礎(chǔ)上對一階導(dǎo)數(shù)以500 m為步長進行平滑，得到入云區(qū)Hin（一階導(dǎo)數(shù)為正的區(qū)間）、出云區(qū)Hout（一階導(dǎo)數(shù)為負(fù)的區(qū)間）及云區(qū)范圍Hcloud（一階導(dǎo)數(shù)穩(wěn)定且較小的區(qū)間），便于后續(xù)數(shù)據(jù)質(zhì)量控制。在圖2c中針對6 km附近高濕層在相對濕度達(dá)到平衡后Hcloud僅有170 m，云區(qū)過于稀薄予以剔除。改進算法利用提取的Hin、Hout和Hcloud進行質(zhì)量控制，即可剔除誤判云區(qū)。另外，探空儀在出云時，受低溫高濕影響，經(jīng)常出現(xiàn)脫濕不及時現(xiàn)象，造成云頂高度明顯偏離實際值，同樣可通過設(shè)置Hout范圍的方式加以剔除。

圖2 2017年9月30日19：15探空相對濕度廓線特征

利用探空相對濕度閾值與梯度相結(jié)合識別云區(qū)邊界識別算法，首先通過相對濕度閾值確定云區(qū)范圍，然后通過梯度確定云區(qū)邊界，即云底高度和云頂高度，算法流程見圖3。

圖3 基于探空相對濕度閾值和梯度相結(jié)合的云區(qū)邊界識別算法流程

3 算法識別效果與分析

圖4為2019年2月22日19：15探空識別的一次層云樣本。12：00—00：00天頂?shù)脑频缀驮祈斊秸?，未出現(xiàn)明顯起伏（圖4a），可用于探空云區(qū)識別算法的驗證分析。圖4b中的標(biāo)號1、2、3分別對應(yīng)云雷達(dá)觀測云底高度、改進算法識別云底高度、相對濕度閾值法識別云底高度，標(biāo)號4、5、6分別為云雷達(dá)觀測云頂高度、改進算法識別云頂高度、相對濕度閾值法識別云頂高度。經(jīng)分析，單純利用相對濕度閾值進行云區(qū)識別，由于探空的滯后性，會造成云底和云頂較真實值偏高現(xiàn)象，而改進算法識別結(jié)果介于云雷達(dá)觀測和相對濕度閾值法識別結(jié)果之間，在一定程度上提高了云區(qū)識別精度。

圖4 2019年2月22日毫米波云雷達(dá)反射率因子（a）與19：15探空相對濕度廓線（b）

利用北京市南郊觀象臺2019年1—6月天空為層狀云時，對改進算法和相對濕度閾值法識別的云高分別與云雷達(dá)觀測數(shù)據(jù)進行比對分析，期間共找到62個云底高度樣本，30個云頂高度樣本。改進算法和相對濕度閾值法識別云高分別與云雷達(dá)觀測結(jié)果間誤差分析見圖5。

圖5 探空識別云高與云雷達(dá)觀測云高誤差

通過對比分析，改進算法識別的云高結(jié)果相比相對濕度閾值法偏低，與云雷達(dá)觀測結(jié)果更為接近（表2）。

表2為改進算法和相對濕度閾值法識別的云高分別與云雷達(dá)觀測結(jié)果的統(tǒng)計分析，改進算法識別云底高度和云頂高度更接近于云雷達(dá)觀測結(jié)果。另外，改進算法中有79%的云底高度樣本與云雷達(dá)觀測結(jié)果誤差在±10%以內(nèi)，而相對濕度閾值法為71%。對于云頂高度，改進算法與云雷達(dá)間相對誤差大幅減小，說明改進算法能夠明顯降低由于探空濕度傳感器脫濕滯后所造成的識別誤差。

表2 改進算法和相對濕度閾值法對云高識別相對誤差統(tǒng)計

4 結(jié)論

在利用探空相對濕度閾值進行云區(qū)識別的基礎(chǔ)上，提出一種利用相對濕度閾值與梯度相結(jié)合的云區(qū)識別改進算法，并利用北京市南郊觀象臺2019年1—6月L波段探空數(shù)據(jù)對改進算法進行驗證分析，得出如下結(jié)論：

（1）通過探空與云雷達(dá)同步觀測對比分析，基于L波段探空數(shù)據(jù)，通過不同溫度下相對濕度的合理計算，探空相對濕度廓線可反映出云區(qū)范圍，而相對濕度廓線的梯度特征可進一步明確云區(qū)邊界。

（2）利用探空相對濕度確定云區(qū)大致范圍，在云區(qū)上下邊界查找相對濕度梯度極值方式，結(jié)合入云區(qū)、出云區(qū)及云區(qū)特征等參數(shù)進行質(zhì)量控制，可明顯提高云底高度和云頂高度的識別精度。

（3）探空相對濕度滯后性對云頂高度影響較云底高度明顯，后續(xù)可利用梯度特征分析進一步優(yōu)化提高。