论文部分内容阅读
降水时空分布是地理学科的重要研究内容,不同的地理区域具有不同气候和气象特征的降水时空分布。在气候变化背景下,用遥感手段获取降水信息越来越成为地理信息系统数据的主要来源。随着遥感技术尤其是双偏振雷达技术的提高,基于双偏振雷达定量降水估计(Quantitative Precipitation Estimation,QPE)技术成为气象GIS的研究热点之一。国内学者为了获取更准确的QPE产品,利用双偏振天气雷达数据开展了大量的研究。然而,双偏振雷达的定量降水估计技术仍存在不足,例如针对双偏振雷达观测数据的质量控制。本论文以广州双偏振天气雷达(后文统一称为双偏振雷达)对2017年广州5.7暴雨降水过程的观测为例,研究双偏振雷达定量降水估计的关键技术,为我国气象部门的天气雷达升级改为双偏振雷达之后的定量降水估计提供技术支持和参考。首先,基于模糊逻辑算法开发的MetEcho算法,对雷达回波中存在的非气象回波进行识别并剔除。其次,根据不同的雷达观测变量对不同相态水凝物的敏感性差异,研究水凝物相态的识别算法。本研究结合探空数据,将水凝物划分为11类:1)大水滴(Large Drops,LD);2)小雨(Drizzle,DR);3)中雨(Rain,RA);4)大雨(Heavy Rain,HR);5)雨和冰雹混合(Rain-Hail mixture,RH);6)冰雹(Hail,HA);7)霰(Graupel,GR);8)湿冰(Wet Ice,WI);9)干冰(Dry Ice,DI);10)晶体(Crystals,CR);11)不规则晶体(Dendrites,DN)。然后通过经验阈值的检查对分类结果的可靠性进行验证。然后,为了提高雷达定量降水估计的精度,根据广东省阳江市2014年和2015年的4~5月雨滴谱观测数据分析广东省的雨滴谱特征并计算雷达变量,通过最小二乘法拟合获得雷达观测变量和降水率的关系式。最后对广州5.7暴雨的雷达观测数据进行定量降水估计,并用地面雨量站观测数据评估定量降水估计的精度。采用相关系数(CC)、相对偏差(RB)、均方根误差(RMSE)以及分类评分指标,从时间和空间的尺度上定性、定量的评估降水估计的精度。结果表明:1)空间分布上,雷达定量降水估计(RQPE)和雨量站观测(GGKRIG)具有很高的空间相关性(CC=0.93),雷达很好地捕捉到整个降水过程的空间分布格局;2)时间分布上,雷达轻微高估了研究区内的降水,RB=0.37%。雷达高估了降水中心的累积降水量,RB值高达27.62%;3)RQPE的POD、CSI值随着降水率的增大而递减,FAR随之递增,CSI在降水率>1mm/h时表现最佳,降水率为~36mm/h时RQPE表现较差。总体上,雷达对此次强降水降水量的估计表现较佳,基本能捉住此次暖区强降水过程的时空分布,在强降水中心的降水估计方面仍需改进。本文的主要结论如下:1)天气雷达数据的质量与后续的应用密切相关,例如水文气象、山洪预警以及雷达定量降水估计等。本文采用的MetEcho算法可以识别大部分的气象回波,达到质量控制的目的。2)双偏振雷达的偏振变量对不同相态的水凝物具有不同的特性和敏感性,本研究通过模糊逻辑算法,O℃层的识别以及经验阈值的比较,建立水凝物的分类算法(HCA),将水凝物划分为11类,主要通过输入4种雷达偏振量实现水凝物的分类。3)基于华南雨滴谱数据拟合的降水关系式计算得到雷达的定量降水估计产品(RQPE),结果表明RQPE和地面雨量站数据相比具有较高的相关系数(CC=0.93),较低的均方根误差(RMSE=6.61mm),表明雷达能较好地监测到极端降水过程的时空变化趋势。