热带气象学报  2020, Vol. 36 Issue (1): 115-130  DOI: 10.16032/j.issn.1004-4965.2020.012
0

引用本文  

杜爽, 王东海, 李国平, 等. 基于双频星载降水雷达GPM数据的华南地区降水垂直结构特征分析[J]. 热带气象学报, 2020, 36(1): 115-130.  DOI: 10.16032/j.issn.1004-4965.2020.012.
DU shuang, WANG Dong-hai, LI Guo-ping, et al. Analysis of the vertical structure of precipitation in south china based on dual-frequency spaceborne precipitation radar gpm product[J]. JOURNAL OF TROPICAL METEOROLOGY, 2020, 36(1): 115-130.  DOI: 10.16032/j.issn.1004-4965.2020.012.

基金项目

国家自然科学基金项目-国际(地区)合作与交流项目(41861164027);广东省科技计划(20170244、2017B020218003);国家自然科学基金项目(41775097);海南省南海气象防灾减灾重点实验室开放基金项目(SCSF201801)共同资助

通讯作者

王东海, 男,广东省人,教授, 博士, 从事中小尺度数值模拟研究。E-mail: wangdh7@mail.sysu.edu.cn

文章历史

收稿日期:2019-04-16
修订日期:2019-10-28
基于双频星载降水雷达GPM数据的华南地区降水垂直结构特征分析
杜爽 1,4, 王东海 2,3, 李国平 1, 蔡亲波 4, 许向春 4     
1. 成都信息工程大学大气科学学院,四川成都 610225;
2. 中山大学大气科学学院/广东省气候变化与自然灾害研究重点实验室,广东珠海 519082;
3. 南方海洋科学与工程广东省实验室(珠海),广东珠海 519082;
4. 海南省南海气象防灾减灾重点实验室,海南海口 570203
摘要:华南汛期作为我国雨季爆发的第一阶段一直是预报与研究的热点问题,对其降水-云宏微观垂直特性的认识还不够深入。双频星载雷达资料对强、弱降水三维探测进行优化,并补充对洋面降水的探测。借助这两方面优势,对华南对流性、层云性两类主要降水类型的垂直特征进行统计,分析降水反射率因子与降水粒子垂直分布、亮带特征与垂直分层降水贡献,对比华南陆地在回波顶高方面与南海洋面的异同,最后针对华南前后汛期的降水垂直分布特征进行分析。(1)对流性降水反射率因子快速增长区域主要发生在低层,层云性降水反射率因子快速增长区域位于亮带层附近。(2)当发生强降水时,对流性降水的粒子浓度并不是总高于层云性降水,但前者粒子半径大于后者;强层云性降水往往来自于大小均一的粒子聚集,并没有形成更大直径的液滴。(3)华南陆地回波顶高季节变化较南海洋面强烈,浅薄对流降水发生频率受季风影响从春至秋存在先增后减特征,深对流发生频率在夏季增幅显著。南海地区回波顶高虽无明显季节变化但在3 km和5.5 km存在明显的双峰特征。(4)前汛期对流性降水的高浓度、大尺度的粒子更利于向更高高度发展,而层云性降水粒子浓度及半径的垂直分布在华南前后汛期无明显差异。前后汛期回波顶高异同主要出现在广西中部,广东中部和沿海地区。
关键词双频星载雷达DPR    华南    华南前汛期    降水垂直结构    回波顶高    
ANALYSIS OF THE VERTICAL STRUCTURE OF PRECIPITATION IN SOUTH CHINA BASED ON DUAL-FREQUENCY SPACEBORNE PRECIPITATION RADAR GPM PRODUCT
DU shuang 1,4, WANG Dong-hai 2,3, LI Guo-ping 1, CAI Qin-bo 4, XU Xiang-chun 4     
1. Chengdu University of Information Technology, Chengdu 610225, China;
2. School of Atmospheric Sciences, and Guangdong Province Key Laboratory for Climate Change and Natural Disaster Studies, Sun Yat-Sen University, Zhuhai 519082, China;
3. Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China;
4. Key Laboratory of South China Sea Meteorological Disaster Prevention and Mitigation of Hainan Province, Haikou 570203, China
Abstract: Using the dual-frequency precipitation radar GPM 2ADPR satellite data from March 2014 to March 2018, this study analyzed the vertical structure of convective and stratiform precipitation over south China. The results are as follows. (1) The rapid growth of convective precipitation reflectivity mainly occurs in the lower layer, and the rapid growth of the stratiform precipitation is located near the bright zone. (2) The hydrometeor profile shows that the particle concentration of convective precipitation is not always higher than that of the stratiform precipitation, and the former actually has a larger particle size than the latter. Strong stratiform precipitation often comes from the aggregation of uniform hydrogenic particles, suggesting no larger droplets or raindrops are formed. (3) The seasonal variation of the top height of land storms in south China is stronger than that of the sea surface of the South China Sea. The frequency of shallow convective precipitation is affected by the monsoon from spring to autumn. The frequency of deep convection increases significantly in summer. Although there is no obvious seasonal variation in the echo top height in the South China Sea, there are obvious bimodal characteristics at 3 km and 5.5 km. (4) The high concentration and large-scale particles of convective precipitation in the annually first rainy season are more likely to develop at higher levels, while the vertical distribution of the concentration and radius of the stratiform precipitation has no significant difference in the two rainy seasons in south China. The differences of echo top height in the two rainy seasons are mainly found in central Guangxi, central Guangdong and coastal areas.
Key words: dual frequency spaceborne radar    South China    early rainy season in South China    vertical structure of precipitation    echo top    
1 引言

大气垂直方向的降水-云微物理过程可反映降水云团内诸多动力和热力结构特性,并可直接影响雷暴天气系统过程演变及不同类型地面降水的发生、强度[1-2]。如在热带地区由于潜热过程、水成物相态分布及降水增长机制的差异,一般可将降水主要分为对流降水和层云降水[3]。当前数值模式中降水预报效果严重依赖湿过程初值,常采用同化或其他分析方法将水成物场引入初始场,加入水成物的初始条件后协调热、动力场,可缩短模式预报的初始启动时间[4]。此外,雷达反演地面降水的偏差很大一部分来源于降水垂直结构变化,融化层附近的降水回波特征尤为重要[5]。因此,全面认识降水的垂直分布及物理特征有着十分重要的意义,能更好地理解降水云与热、动力机制之间的关联以及其对大气环流的潜热加热作用。

以往获得降水的垂直结构信息一般通过如地基、机载雷达等直接或间接的方式,尽管这些观测方式得到的垂直结构具有很好的一致性,但是在时空分布上受到了极大限制[6-7]。GPM(Global Precipitation Measurement)作为由美国、日本联合提出的接替TRMM卫星的新一代全球卫星降水观测计划,首次搭载主动探测式双频测雨雷达DPR(Dual - frequency Precipitation Radar)[8]。Chandrasekar等[9]通过对GPM捕捉到的80个洋面风暴天气的降水廓线、亮带信息以及雷达反射率因子与地基雷达的探测结果进行对比,评估得到两者探测结果较一致。金晓龙等[10]对比GPM、TRMM和CMORPH三种降水数据在天山山区的适用性得出,GPM精度最高且与观测数据相关系数最高表现最佳。卢美圻等[11]得出双频降雨雷达DPR和地基S波段雷达探测“彩虹”台风的结果十分相近,证明了GPM DPR数据质量可靠。以上的对比评估工作表明GPM DPR数据极具可靠性,基于星载雷达降水反演和对流过程垂直结构信息的研究也取得了一定进展[12-13]

针对热带及副热带地区降水和强风暴过程的水平、垂直分布已有大量基础研究,其中热带地区陆地与海洋对流性降水廓线存在显著差异[14],在对流降水及层云降水的回波顶高度季节变化方面,陆地差异大于洋面[15]。同时,Das等[5]指出地形高度影响不同降水过程中云滴粒子生消以及垂直廓线的分布,如在近地面层对流降水主要通过碰并聚合使得雨滴快速增长,其增长速度一般大于层云降水。此外,Seo等[16]通过对比东亚不同地区降水垂直结构特征指出回波顶高度与降水强度成正比,且在朝鲜半岛东海一带存在相较东亚其他洋面降水强度更强的对流云。在国内,学者们主要利用TRMM level 2数据产品对降水过程的三维垂直结构进行研究。其中,亚洲地区热带及副热带、我国川渝青藏高原以及东部的海洋区域的降水三维垂直结构、降水廓线及风暴顶分布特征已开展较多研究[17-18]

目前模式预报降水的不确定性一部分原因是来自于对降水内部的云微物理过程和垂直结构特征的认识不充分,以往利用星载降水雷达对华南地区的局地性降水云垂直特征的描述仍不够细致深入,恰如Kobayashi等[19]指出基于长时间序列的区域性降水垂直气候特征研究是非常必要的。利用先进的GPM双频雷达探测结果为进一步深化华南地区降水-云垂直结构特征的研究提供新的手段和视角,本文利用GPM level 2数据产品,对两类不同特性的降水反射率因子及降水粒子谱的垂直结构进行统计分析,并进一步讨论华南地区亮带分布及不同层次降水量对柱降水的贡献比重,最后讨论华南陆地与南海洋面的回波顶高的异同。希望有助于进一步认识华南地区降水云微物理特征,为该区域的天气及气候影响、模式模拟参数化方案的选取及优化提供参考。

2 资料与方法

本文所用资料为GPM level 2双频联合反演产品2A.DPR_MS在2014年3月—2018年3月时间段的轨道级资料。DPR由工作频率13.6 GHz的Ku波段及35.5 GHz的Ka波段两部雷达组成,比TRMM单频PR具有更高灵敏度以及更广覆盖范围,可提供更精确的降水微观结构信息。其中的Ku波段与TRMM PR相同,天线扫描角为± 17 °,扫描宽度为245 km,垂直分辨率250 m;新增的Ka波段天线扫描角为±8.5 °,扫描宽度为120 km,垂直分辨率为250 m或500 m。星下点的水平分辨率均为5 km,探测高度约为22 km。DPR轨道高度407 km,轨道倾角65 °,平均93 min环绕地球一周,每日在65 °S~65 °N之间约有16条轨道。其详细信息可参见https://pmm.nasa.gov/GPM。

2A.DPR_MS数据可提供详尽的逐轨降水信息,包括三维的衰减订正后的降水强度、降水反射率因子、雨滴谱(Droplet Size Distribution,DSD)以及二维的零度层高度、亮带高度和厚度、回波顶高,此外还提供降水类型分类和下垫面属性等信息。其中,雨滴谱产品[20-21]可提供粒子浓度和粒子半径两个参数,粒子浓度代表单位体积空气内雨滴数,粒子半径则为雨滴有效半径,其反演过程在DPR降水反演算法说明中可见详细描述[22];零度层高度、亮带信息产品根据日本气象厅的全球再分析数据进行了估算与订正,回波顶高是双频雷达自上至下探测的第一个降水回波信号所在高度。以亮带信息为基础,2A.DPR_MS使用全新DFRm方案[23-25]提供降水类型划分,但类型划分仍与PR产品保持统一,分为“对流性降水、层云性降水、其他降水”三种类型。其分类依据是,检测到亮带的降水扫描点通常认为是层云性的,但如果亮带附近的雷达回波大于39 dBZ(对流性阈值),认为是对流性降水;未出现亮带的降水扫描点的雷达回波廓线在回波顶以下高度出现大于39 dBZ情况,则被分类为对流性降水;此外的其他情况被分类为其他降水。

DPR_MS双频反演产品的合理性已在诸多研究中得到验证,如Kotsuki等[26]和Chandrasekar等[27]通过与地基雷达之对比交叉验证了DPR_MS反演雨强的合理性。DPR不同探测方式的结果存在差异[28]。张奡祺等[29]通过比对DPR的四种反演产品在不同降水个例中的性能得出DPR_MS双频反演的降水垂直结构、粒子谱相较其他双频反演产品最合理,可准确揭示典型台风眼壁粒子谱的不均匀结构。

本文研究区域为华南地区(104.5~117.0 °E,21.4~26.5 °N),范围及地形图见图 1表 1给出华南地区的两类降水样本频次及其对应平均地表雨强,轨道级探测样本总量超过20万次,对流性降水、层云性降水占总降水样本比重达到98.9%。

图 1 华南地区(104.5~117.0 °E,21.4~26.5 °N)及其地形高度
表 1 2014年3月—2018年3月GPM DPR探测的华南地区降水样本频次

为有效揭示华南地区对流性降水、层云性降水的反射率因子及降水粒子浓度与半径垂直结构特征,采用归一化等高度频率分布NCFAD[30-32]以及降水廓线VPR[16, 18, 29]这两种得到公认的统计方法以反映两类降水云垂直分布。其中降水廓线是按照国家标准雨量分级标准进行分类讨论,具体分级标准见附录。而讨论研究区域内卫星扫描点上的亮带或风暴顶的水平分布时,将轨道级数据进行了网格化处理以方便绘图。要说明的是在统计垂直特征中,为剔除近地面地物杂波的影响,距地面0.5 km及以下数据不纳入统计。此外,本文有关冷暖季节(冬、夏)的讨论部分是按照北半球的季节来划分,即6—8月为夏季;12—2月为冬季。

3 结果分析 3.1 降水反射率因子的垂直分布

为了解华南地区降水云的垂直结构,使用降水反射率因子的均一化等高度频率分布及反射率因子最大频率廓线揭示降水云宏观分布和云内粒子群生长存留状况(图 2)。对流性降水和层云性降水两类降水云最高都可发展至18 km,最大反射率因子超过50 dBZ。其中对流性降水反射率因子主要分布在18~30 dBZ,高度主要集中在低层2 ~4 km。这对应非常低的降水云,与Johnson等[31]提出的热带地区在2~3 km高度层频繁出现低积云的结果一致。层云性降水的垂直分布与对流性降水有部分差异,除在1~3 km高度处存在一个反射率因子范围为16~19 dBZ的分布中心外,在5.0~7.5 km高度(0 ℃高度以上2 km内)还出现另一反射率因子为15~23 dBZ的高频率分布中心。层云性降水云的这种垂直特征与尹金方等[32]研究东亚大陆云垂直结构中固态降水云雷达反射率因子的频数分布有很好的对应关系,因此考虑高度较高的高频中心的水凝物粒子可能由固态降水粒子组成。以上的反射率因子强分布中心很好地反映了:对流性降水粒子生长于低层而后在剧烈垂直运动中碰并聚合并向上运载,而层云性降水粒子则是自高层缓慢下降时在融化层附近快速增长,恰恰在零度层高度产生亮带效应。另外,针对平均状态而言,在每个高度层对流性降水云可能出现的最大反射率因子都强于层云性降水云,这说明在对流性降水过程中水凝物粒子在下落过程中的碰并过程更活跃。

图 2 雷达反射率因子垂直结构 a.对流性降水;b.层云性降水。填色为雷达反射率因子出现的频率;黑色实线为反射率因子最大频率廓线,对应底部横坐标;黑色虚线为温度垂直廓线,对应顶部横坐标。

图 2中的反射率因子最大频率廓线可见,12~5 km伴随高度的降低两类降水云反射率因子迅速增强,说明在此高度层内云滴得到迅速增长。其中对流性降水云廓线梯度更大,云内粒子群的增长更快,但发生频率较低(阴影);5~3 km高度范围内,层云性降水云(图 2b)呈现出亮带特征,一方面由于冰晶粒子的碰撞效率在0 ℃附近可达最大,另一方面由于降落的粒子群在0 ℃附近表面发生融化而使反射率因子增加;4 km以下对流性降水粒子群的反射率因子强度仍有增加趋势,最强反射率因子仍可达26 dBZ。这与华南地区高湿度环境和对流抬升有密切关联:低层大气含水量的起伏对加强云滴粒子及雨滴的碰并增长有很大作用,另外粒子群在下落过程中遇到上升气流强盛区则会造成粒子群在该高度层累积滞留[33-34]。而层云性降水粒子群的反射率因子强度梯度变化不大,维持在17.5 dBZ附近,表明云粒子群在此高度层增长速率减缓、粒子群大小浓度变化不大。

雷达反射率因子垂直廓线可揭示降水云垂直结构中的降水强度差异,对优化地面降水估计有重要意义[35]图 3为两类降水云的反射率因子廓线分布特征,考虑到不同强度地面降水的垂直结构存在差异,将降水廓线按照7类不同强度的地面降水进行分类讨论。可见,对流性降水反射率因子从风暴顶到地面呈增强趋势,并且地面降水越大粒子增长至高浓度的过程越快。5 km以上各量级对流性降水反射率因子廓线分布相似,而在5 km以下低层大气含水量、温度的变化使得低层降水云反射率因子廓线存在波动(图 3a)。地面降水为小于1.5 mm的弱降水时,较小的雨滴粒子在下落过程中受到蒸发和上升气流的影响较大,云粒子群为负增长;地面为中雨(小时降水在1.6 ~6.9 mm之间)时,在3 km以下反射率因子增长明显,这与浅对流性降水过程有关。区别于对流性降水,层云性降水反射率因子廓线在5 km左右呈亮带特征。从亮带所在高度至地面,地面降水大于1.6 mm/h的层云性降水随高度降低反射率因子强度增大,其增幅随降水强度增强而增大,最大可达10 dBZ;亮带附近2 km高度内降水反射率因子随高度降低明显递增,层云性降水云粒子在此高度层有较强的水凝物粒子转化率,且随着地面降水强度增强反射率因子递减更快,当地面降水大于50 mm/h时差值最大可达13 dBZ,对地面降水强度的影响最明显。总体而言,对流性降水反射率因子的快速增长过程主要发生在低层,受蒸发和上升气流的影响更多,Das等[36]也指出这将直接影响地面的降水强度以及对流云的发展高度。而层云性降水反射率因子得到快速增长的区域则出现在亮带层附近,粒子下落过程穿过融化层使反射率因子得以增强。不论是降水反射率因子的垂直分布或是降水廓线特征,反射率因子的增量变动都主要发生在4~5 km至近地面的高度层内。这也说明低层的降水粒子生消情况以及增长速率特征值得进一步探究,正如Das等[5]也指出融化层底部至低层降水廓线随高度变化特征在优化降水估测中尤为重要。

图 3 对应不同量级地面降水的降水雷达反射率因子廓线 雨强单位:mm/h。a.对流性降水;b.层云性降水。

Wen等[36]开展校正降水反射率因子廓线方案研究时给出层云性降水廓线模型图,并假定亮带或融化层之下的低层降水廓线是呈线性变化的。使用线性回归方法计算低层的反射率因子廓线斜率参量及其季节变动可反映融化层底部至地面的反射率因子之增减趋势及程度:斜率参量的正负之分可推断反射率因子在低层的增减状态,负斜率表明伴随高度增加反射率因子强度有减小趋势,正斜率则反之;斜率参量的绝对值则可体现低层反射率因子的正负增量的大小,如当斜率绝对值大小在0~1之间则对应较大增量。需要说明的是,计算对流性降水的反射率因子廓线低层斜率参量时,因对流性降水不一定存在亮带特征,则选用的是零度层高度处的回波状态。图 4给出层云和对流性降水反射率因子廓线的低层斜率参量在-8~8值域内的季节分布特征。从图 4a对流性降水廓线低层斜率的频率分布中可见,春夏秋三季的斜率频率分布整体保持伴随绝对值增加比重相应增加的趋势,冬季华南地区对流运动受限,斜率参量仍以较大概率维持在负值区,即伴随高度的增加反射率因子逐渐减小的比重占主导,上升运动不抵其余三季活跃。同图 4a图 4b为层云性降水,可见春、夏、秋季斜率参量在负值区占有较大比重,分别达69.38%、71.75%和79.91%,冬季更集中在正值区。但无论哪个季节斜率参量的最低频率都出现在-1~1之间,所占比重不超过7.9%,证明伴随高度变化降水反射率因子的增量不大。对流性与层云性降水,其区别在于在春夏秋三季,对流性降水的斜率参量在正、负值区所占比重相当,层云性降水的则多集中在负值区,即伴随高度增加雷达反射率因子的减小趋势更常见。另图 5给出了两种降水类型的年均斜率参量在不同数值段的曲线变化,可见两类降水的斜率参量所占比重的整体变化趋势均随绝对值增加而先增加后减小。斜率参量一般在-2~-4,2~4之间频率最高,最低频率则分别对应0~1和-1~0的数值段,由此可见,降水粒子虽在低层有碰并增长或蒸发减少的变动趋势,但其变化幅度都较小。

图 4 反射率因子廓线低层斜率参量在不同值域的季节频率分布 a.对流性降水;b.层云性降水。
图 5 反射率因子廓线低层斜率参量在不同值域的年均分布情况
3.2 降水粒子浓度与半径的垂直分布

在理解华南地区两类降水反射率因子的垂直分布基础上,进而揭示两类降水微观粒子的垂直分布特征。粒子浓度和粒子半径是影响降水强度的两个重要水凝物粒子谱(DSD)参数。图 6给出以上两个参数在华南地区的垂直分布统计结果。粒子浓度参数值域在10~50之间,雨滴粒子半径处于0.6~3.0 mm范围内。对流性降水相较层云性降水的分布域稍宽,粒子谱可发展的高度也更高。对流性降水的粒子浓度及半径分布(图 6a6c)表明,粒子浓度主要分布在39~40,对应高度在4 km以下,高度越低粒子浓度越大。该高度层内雨滴半径主要集中在0.7~1.0 mm之间,但也有部分云粒子半径达到2.5 mm及以上。由此可见对流性的雨滴在低层是处于高浓度、大尺度的活跃状态,这与雷达回波在低层的增长趋势相一致。不同于对流性降水,层云性降水的粒子浓度呈现更加集中且对称的分布特征,伴随高度降低粒子浓度的增长不显著。在6 km至地面的整个高度层中粒子浓度基本稳定维持在33左右。在层云性降水粒子半径方面,由6 km至地面,降水粒子半径呈减小趋势,近地表的蒸发效应使得层云性降水中的小水滴消失或半径缩小,这也是其近地面平均反射率因子低于中高层的重要因素。

图 6 对流性降水与层云性降水粒子信息DSD垂直结构 a.对流性降水粒子浓度参数dBNw;b.层云性降水粒子浓度参数dBNw;c.对流性降水粒子半径dm;d.层云性降水粒子半径dm

图 7还给出了华南地区降水粒子浓度和半径的廓线情况。因卫星探测地面降水为小于0.1 mm/h的弱降水时,在高层存在噪音信息,故在此不对其作讨论。在粒子浓度廓线中,对流性、层云性降水均表现为单调增长趋势,其中层云性降水的粒子浓度仍然在亮带周围增长效率更高些。其中还显示,发生强降水时对流性降水部分浓度并不总高于层云性降水,但对流性降水粒子的尺度大于层云性降水。对流性降水粒子与地面雨强成正比,在5 km以下,粒子直径增长更明显。而在层云性降水事件中形成不同地面雨强的粒子半径并无差异,如中到大雨、乃至暴雨在低层粒子半径均处在1.6~1.7 mm的范围内。可见层云性降水事件所造成的强降水往往来自于大小均一的粒子之聚集,并不是形成了更大尺度的云滴或雨滴。

图 7 对应不同量级地面降水的降水粒子信息DSD廓线 雨强单位:mm/h。a.对流性降水粒子浓度参数dBNw;b.层云性降水粒子浓度参数dBNw;c.对流性降水粒子直径dm;d.层云性降水粒子半径dm
3.3 亮带与降水的垂直分层特性

从前两节的分析中可见,亮带层会使降水反射率因子及降水粒子半径均发生较大变动,是降水粒子下落过程中粒子相态及属性变化的重要分层界线。但亮带层并非是单一的临界高度而是薄厚不一的高度层,本文使用的亮带高度是指亮带平均高度,亮带宽度则为亮带层厚。图 8给出华南地区的亮带高度与宽度分布特征。亮带高度范围在2.5~5.0 km之间,存在季节波动。春季广西地区亮带高度较广东低0.5 km左右,并且亮带高度分布受到地形地势影响,地势高则亮带高度相对高;因夏季大气温度普遍升高,地形差异对亮带高度基本无影响,整个华南地区亮带高度都达到4.5 km以上;秋季亮带高度分布则主要受大气温度和地形影响,由南至北逐渐递减,华南北部亮带高度与夏季相比,下降幅度达到1 km;冬季是亮带高度最低,维持在2.5~4.0 km,继秋季再下降0.5 km。另外,秋冬季在珠江口入海口处的洋面上的亮带高度相较内陆高0.5 km,而春季夏季风未爆发前洋面上亮带高度则低于内陆。华南地区亮带特征分析体现出大气温度及地形条件共同影响垂直气流与亮带高度,这与仲凌志等[18]讨论的川渝地区亮带特征结论相一致。华南地区的亮带宽度基本在500~750 m之间,季节波动一般是75 m左右的较小变幅。冬季在广西海拔较高的地区亮带宽度可增长至700 m以上,可见在3.5~4.0 km之间粒子基本都以冰水混合相态存在。

图 8 华南地区亮带高度(a~d)及亮带宽度(e~h)的季节性分布

傅云飞等[38]在利用TRMM卫星研究东亚地区降水云结构特征时根据降水廓线的斜率提出了东亚冬夏两类降水关于降水粒子特性的分层。指出,对流性降水夏季可分为蒸发层、碰并增长层、冰水混合层以及冰晶层共4层,冬季由于下垫面温度降低低层蒸发减弱则只存在3层;层云性降水不论冬夏均分为反射率因子大小不随高度变动的均一层、冰水混合层以及冰晶层共3层,季节差异体现在层次高度的变化上。根据上述研究结果,图 9给出冬、夏对流性降水和层云性降水在产生不同量级地面降水时,垂直方向上的各高度层降水对整层柱降水量的贡献百分比。其中的层次高度的划定结合了华南地区的亮带分布信息(图 8),具体见表 2图 9显示,夏季对流性降水各层降水贡献比重不随雨强变化,蒸发层贡献比重0.6,碰并增长层和冰水混合层贡献均占0.14,比重相当。冬季对流性降水的主要贡献高度层为0.5~3.0 km,如地面降水小于1.5 mm/h的弱降水发展的高度有限,降水贡献就主要来自于高度较低的碰并增长层(无蒸发层),其贡献甚至可达0.9以上。但伴随着地面雨强的不断增大,碰并层贡献有先减后增的趋势,冰水混合层降水贡献则是先增后减趋势。对于垂直分层冬夏两季均分为3层的层云性降水,夏季伴随雨强增强,反射率因子基本不随高度变动的均一层的降水贡献比重增大,比重增幅可达0.2以上,而冰水混合层的贡献比重则减小。结合前文粒子分布情况可得,地面雨强越大就有越多的雨滴粒子在0.5~5.0 km高度范围内存留并形成了高浓度粒子分布状态。冬季层云性降水伴随雨强的增强,各层贡献虽仍保持夏季的变化趋势,但比重变化幅度都较小。如均一层贡献比重基本维持在0.8左右,冰水混合层的贡献比重也仅在0.19~0.14间浮动。

图 9 冷暖季不同量级地面降水中各层次降水量对柱降水的贡献分布 a.夏季对流性降水;b.冬季对流性降水;c.夏季层云性降水;d.冬季层云性降水。
表 2 华南地区对流性降水和层云性降水层次高度划分
3.4 回波顶高分布

回波顶高是反映降水过程中上升运动强度以及大气稳定性情况的有效参量,云体中上升气流强盛,降水系统可发展至较高回波顶高,此时一般对应较强地面降水[39]。南海是我国夏季风最早出现的地区,南海夏季风北推至华南地区将造成华南前汛期降水的第二个峰值[40],另外南海洋面海表温度异常、华南南海海陆分布引起的海陆风环流都对影响华南降水有重要意义[41-42]。南海地区因受到热带气旋、东风波扰动以及热带辐合带等天气系统的作用导致其本身的降水十分复杂,这同时又将影响作用于华南及中国东南地区降水。借助GPM双频测雨雷达对南海洋面降水过程的探测结果,将华南陆地与南海洋面降水的回波顶高度进行对比分析。春季南海季风未爆发前华南南海海陆差异不明显(图 10),回波顶高整体维持在4~6 km,5 °N以南低纬维持较高水平。夏季伴随夏季风爆发带来的暖湿空气,水汽条件充沛、上升运动得以加强,云顶高值区向北推进,范围加大。风暴顶基本维持在6 km以上,同时无明显海陆差异。华南受到云贵高原、南岭等地形作用,空气动力抬升显著,在广西西部以及粤北出现回波顶高度极值区域,最高可达9 km。秋季西南季风减弱背景下,华南沿岸出现偏北干冷气流,回波顶高度降低至6 km左右,而洋面北部仍会出现发展较高(7~8 km)的冷暖气流辐合降水。冬季在大陆冷高压以及东北季风的影响下回波顶高值区大幅南退,华南陆地以及南海北部回波顶高同时大幅降低:华南地区回波顶高维持在3~5 km,南海洋面则以15 °N为分界线,以北风暴顶最高不超过5 km,对应积云、层积云等低云,以南风暴顶仍可达6 km以上但范围有所缩减。将以上风暴顶的季节特征与华南南海区域气候特征[43-44]做比对,可得云顶高度的分布特征与降水、云及潜热均有很好的对应。

图 10 华南回波顶高度季节变化

通过以上分析可了解平均回波顶高的季节变动。研究表明大陆降水与洋面降水云物理属性存在差异[45],有必要进一步将华南陆地区域与南海洋面区域分开进行讨论。将104.5~117.0 °E,21.4~ 26.5 °N的华南陆地以及南海区域洋面区分,给出两类降水的回波顶高度季节性概率密度分布函数(PDF)分布特征(图 11)。对于浅薄对流降水(回波顶高低于3 km)的PDF累积量,南海地区表现为春季14.2%、夏季12.8%、秋季14.7%、冬季10.6%,季节波动小;华南陆地依次为6.0%、11.9%、9.8%、10.0%,春季至秋季比率均较洋面低。表明海洋中浅薄对流降水比重更大,另外,陆地的浅薄降水的季节变化受到季风影响从春至秋存在先增后减的特征。对于发展至10 m以上的深对流而言,春夏季其在南海洋面所占PDF比重为8.6%及9.2%,而在华南陆地则表现为6.2%、9.5%,可见华南的深对流发生率在春夏季有效增长,季节增幅更显著。对于层云性降水,回波顶高小于平均冻结层4.5 km的PDF累计量在南海洋面表现为春季25.9%、夏季23.8%、秋季24.4%、冬季20.8%。而华南地区依次为28.5%、21.7%、27.8%、29.9%,所占百分比除了在夏季略低于洋面,其余三个季节都较洋面高出约3个百分点,华南浅层层云性降水出现频率稍高。综合而言,华南地区相较南海洋面回波顶高度的季节变化更强烈。在南海洋面,回波顶高虽无明显季节变化,但存在明显的双峰特征(图 11d~11e),两类降水峰值出现在3 km和5.5 km,分别对应积云、雨层云以及发展较高的积雨云[46]

图 11 对流性和层云性降水回波顶高PDF季节分布 a.华南与南海海陆划分;b.华南陆地对流性降水;c.华南陆地层云性降水;d.南海洋面对流性降水;e.南海洋面层云性降水。
3.5 华南前、后汛期降水垂直结构异同

通过前面的讨论,使得对华南整体的对流性降水和层云性降水这两类降水垂直特征已有一定了解。在华南地区,有72%的暴雨事件发生于汛期,即华南前汛期(4—6月)与华南后汛期(7—9月),这其中前汛期占45%,后汛期占27%[47]。但这两个汛期因受到不同的中低纬环流及系统机制的影响,汛期内的主导降水性质存在较大差异:前汛期主要是沿副高西南侧及南海夏季风等输送的偏南暖湿气流与北方冷空气交汇而造成的锋面降水(含暖区暴雨)与季风降水;后汛期则是在高压脊南部偏东气流控制下受到东风波、热带低压或南海低槽等扰动影响而产生降水[48]。因此有必要利用GPM DPR双频探测结果对华南的两个主要汛期的降水云微物理特征和降水风暴的发展情况进行分开讨论。

图 12为华南前后汛期对流性、层云性降水的反射率因子、粒子浓度及半径的垂直分布。对流性降水反射率因子的高频中心在华南后汛期明显强于前汛期,且低层最大频率廓线梯度更大,可见后汛期对流性降水在低层的云内粒子群增长非常活跃。后汛期的分布中心更加显著,这种差异也同时体现在对流性降水的粒子浓度和半径的垂直分布中,这一方面说明后汛期对流性降水频次分布更集中于低层,同时也说明前汛期高浓度、大尺度的粒子更利于向更高高度发展。0 ℃最大频率廓线在华南前汛期基本分布于4~6 km之间,后汛期则主要集中在5.5 km,这影响了层云性降水的反射率因子分布:前汛期高频中心分布于4~7 km之间,后汛期高频中心稍高,以0 ℃最大频率所在高度为明显界限集中在6 km上下。而层云性降水粒子浓度及半径在华南前后汛期则无较大差异,垂直分布较一致。不同雨强对应的降水粒子浓度及半径的垂直廓线在前后汛期的表现如图 13所示,降水粒子在两个汛期均呈现了部分差异。不论是对流性降水或层云性降水,强降水粒子浓度在华南后汛期明显高于前汛期,但前汛期的低层降水粒子半径更大,这说明发生在前汛期的强降水在低层的粒子碰并增长更加活跃,以至于形成的粒子尺度更大。另外,前汛期层云性降水的低层粒子半径伴随雨强增长的增加也比后汛期更加显著。

图 12 华南前汛期(a、e、i、c、g、k)、后汛期(b、f、j、d、h、l)对流性降水(a、b、e、f、i、j)和层云性降水(c、d、g、h、k、l)的反射率因子、粒子浓度及半径的垂直分布 a~d.雷达反射率因子(dBZ);e~h.粒子浓度参数dBNw;i~l.粒子浓度半径dm
图 13 华南前汛期(a~d)、后汛期(c~h)对应不同量级地面降水的降水粒子信息DSD廓线 雨强单位:mm/h。a、b、e、f.对流性降水;c、d、g、h.层云性降水;a、c、e、g.粒子浓度参数dBNw;b、d、f、h.粒子浓度半径dm

图 14为华南全部降水以及对流性降水、层云性降水的回波顶高分布。其中显示华南前、后汛期回波顶高异同主要出现在广西中部、广东中部和沿海地区。广西中部降水事件的回波顶高后汛期高于前汛期1 km以上,后汛期降水发展高度显著增强,对流性降水及层云性降水变化趋势与之相同。后汛期由热带扰动在广西中部迎风坡产生的降水相较前汛期的锋面降水发展得更强盛。广东近珠三角地区后汛期回波顶高存在降幅,这种下降趋势在对流性降水中尤其明显。结合广东前汛期季风降水量多集中于海陆沿岸这一特征[49],说明前汛期珠三角地区季风降水及对流过程明显强于后汛期。对应汛期降水回波顶高的水平分布差异,在垂直方向上也有类似的表征,图 15给出两类降水的降水强度高度-经向分布,前汛期降水基本以110 °E为界分别对应华南的两个主要雨带:南岭以南大瑶山以北的广西中部地区以及广东沿海珠三角地区,并且前汛期广东沿海的雨带(110 ~116 °E)两类降水的降水强度均明显强于广西中部雨带。在后汛期,广西中部雨带中心所处位置不变,发展高度有一定上升。广东沿海的雨带不论是对流性降水或层云性降水的降水强度均下降,低层降水强度明显弱于前汛期降水[50]

图 14 华南前汛期(a、c、e)、后汛期(b、d、f)回波顶高分布 a~b.所有降水;c~d.对流性降水;e~f.层云性降水。
图 15 华南前汛期(a、c)、后汛期(b、d)降水率高度-经向分布 a、b.对流性降水;c、d.层云性降水。
4 结论

降水垂直方向的微物理过程与地面降水的发生和强度有着密切关联。本文利用2014年3月—2018年3月期间2ADPR_MS资料分析了华南地区对流性降水与层云性降水的反射率因子与降水粒子垂直分布、亮带特征与垂直层降水贡献,讨论了华南陆地在回波顶高方面与南海洋面的异同,最后针对华南前、后汛期的降水垂直分布之异同进行讨论。

(1) 对流性降水反射率因子快速增长区域主要发生在低层,雨滴在低层基本处于高浓度、大尺度的活跃状态;层云性降水反射率因子快速增长区域则位于亮带层附近,雨滴粒子的半径受到地面蒸发影响伴随高度降低而减小。当发生强降水时,对流性降水的粒子浓度并不是总高于层云性降水,但前者粒子半径大于后者;强层云性降水往往来自于大小均一的粒子的聚集,并没有形成更大直径的液滴。

(2) 对流性降水各层降水贡献比重夏季不随雨强变化,冬季伴随雨强增强,碰并层降水贡献先减后增,冰水混合层降水贡献则为先增后减趋势。层云性降水夏季伴随雨强增强,均一层降水贡献比重增大同时冰水混合层贡献减小,冬季贡献趋势与夏季一致,但比重变幅相对减小。

(3) 华南陆地的回波顶高较南海洋面季节变化更强烈,表现在华南陆地浅薄对流降水发生频率受季风影响从春至秋存在先增后减特征,深对流发生频率在夏季增幅显著。南海地区回波顶高虽无明显季节变化但存在明显双峰特征,两类降水峰值出现在3 km和5.5 km。

(4) 后汛期对流性降水频次分布更集中于低层,同时也说明前汛期高浓度、大尺度的粒子更利于向更高高度发展;而层云性降水粒子浓度及半径在华南前后汛期则无较大差异。不论是对流性降水或层云性降水,强降水低层粒子浓度在华南前汛期低于后汛期,但前汛期的低层降水粒子半径更大,说明前汛期强降水粒子在低层碰并增长活跃以至于形成的粒子尺度更大。

(5) 华南前、后汛期回波顶高异同主要出现在广西中部和广东中部沿海地区。后汛期由热带扰动在广西中部迎风坡产生的降水相较前汛期的锋面降水发展得更强盛。广东近珠三角地区后汛期回波顶高存在降幅,这种下降趋势在对流性降水中尤其明显。结合广东前汛期季风降水量多集中于海陆沿岸的特征,说明前汛期珠三角地区季风降水及对流过程的发展明显强于后汛期。

本文工作中利用主动式探测双频降水雷达对发生在华南地区的所有降水事件进行统计与分析。下一步工作将尝试对不同天气系统背景下的降水事件进行遴选归类后进行合成分析,以期利用主动式双频降水雷达之优势,丰富对不同降水过程的降水云垂直结构的认识,便于模式模拟中的参数化方案的选取和雷达反演地面降水算法的优化。

参考文献
[1]
HOBBS P V. Research on clouds and precipitation: Past, present, and future, Part Ⅰ[J]. Bull Amer Meteor Soc, 1989, 70(3): 282-285. DOI:10.1175/1520-0477(1991)0722.0.CO;2
[2]
PRUPPACHER H R, KLETT J D. Microphysics of clouds and precipitation[M]. Springer Science & Business Media, 2010.
[3]
HOUZE R A. Cloud Clusters and large-scale vertical motions in the tropics[J]. J Meteor Soc of Japan, 1982, 60(1): 396-410.
[4]
王在志, 闫敬华. 水成物分析及在数值模式中的应用综述[J]. 热带气象学报, 2007, 23(1): 85-89.
[5]
DAS S, MAITRA A. Vertical profile of rain: Ka band radar observations at tropical locations[J]. J Hydrology, 2016, 534(1): 31-41.
[6]
CONWAY J W, ZRNIĆ D S. A study of embryo production and hail growth using Dual-Doppler and multiparameter radars[J]. Mon Wea Rev, 1993, 121(9): 2 511-2 528.
[7]
SHENK W E. Cloud top height variability of strong convective cells[J]. J Appl Meteor, 2010, 13(8): 917-922.
[8]
李南, 卢美圻. 星载测雨雷达简介[J]. 科教文汇, 2015(27): 175-177.
[9]
CHANDRASEKAR V, LE M. Evaluation of profile classification module of GPM-DPR algorithm after launch[C]. Geoscience and Remote Sensing Symposium. IEEE, 2015: 5 174-5 177.
[10]
金晓龙, 邵华, 张弛, 等. GPM卫星降水数据在天山山区的适用性分析[J]. 自然资源学报, 2016, 31(12): 2 074-2 085.
[11]
卢美圻, 魏鸣. GPM资料在分析"彩虹"台风降水垂直结构中的应用[J]. 遥感技术与应用, 2017, 32(5): 904-912.
[12]
TANG G, ZENG Z, LONG D, et al. Statistical and hydrological comparisons between TRMM and GPM Level-3 products over a midlatitude basin: Is Day-1 IMERG a Good Successor for TMPA 3B42V7?[J]. J Hydrometeorology, 2016, 17(1): 121-137.
[13]
DURDEN S L. Relating GPM radar reflectivity profile characteristics to path-integrated attenuation[J]. IEEE Transactions on Geoscience & Remote Sensing, 2018, 56(7): 4 065-4 074.
[14]
FU Y. The variability of tropical precipitation profiles and its impact on microwave brightness temperatures as inferred from TRMM data[J]. J Appl Meteor, 2001, 40(40): 2 130-2 143.
[15]
CHEN F, FU Y, LIU P, et al. Seasonal variability of storm top altitudes in the tropics and subtropics observed by TRMM PR[J]. Atmos Res, 2016, 169(1): 113-126.
[16]
SEO E K. Characteristics of summer rainfall over East Asia as observed by TRMM PR[J]. Journal of the Korean Earth Science Society, 2011, 32(1): 33-45.
[17]
傅云飞, 曹爱琴, 李天奕, 等. 星载测雨雷达探测的夏季亚洲对流与层云降水雨顶高度气候特征[J]. 气象学报, 2012, 70(3): 436-451.
[18]
仲凌志, 陈林, 杨蓉芳, 等. 基于星载测雨雷达2004-2014年观测的川渝地区降水垂直结构的气候特征[J]. 气象学报, 2018, 76(2): 213-227.
[19]
KOBAYASHI K, SHIGE S, YAMAMOTO M K. Vertical gradient of stratiform radar reflectivity below the bright band from the tropics to the extratropical latitudes seen by GPM: Vertical gradient of stratiform radar reflectivity seen by GPM[J]. Q J R Meteor Soc, 2018, 144(1): 165-175.
[20]
周嘉健, 肖辉, 潘雯菁, 等. 基于雷达反射率因子的降水性层状云中雨滴谱参数的反演方法与检验研究[J]. 热带气象学报, 2018, 34(2): 250-259.
[21]
ULBRICH C W. Natural variations in the analytical form of the raindrop size distribution[J]. J Climate Appl Meteor, 1983, 22(10): 1 764-1 775.
[22]
IGUCHI T, SETO S, MENEGHINI R, et al. GPM / DPR level-2 algorithm theoretical basis document[R]. NASA. https://pmm.nasa.gov/resources/documents/gpmdpr-level-2-algorithm-theoretical-basis-document-atbd, 2010, [2017-02-24]
[23]
LE M, CHANDRASEKAR V. Hydrometeor profile characterization method for dual-frequency precipitation radar onboard the GPM[J]. IEEE Transactions on Geoscience & Remote Sensing, 2013, 51(6): 3 648-3 658.
[24]
LE M, CHANDRASEKAR V. Precipitation type classification method for dual-frequency precipitation radar (DPR) onboard the GPM[J]. IEEE Transactions on Geoscience & Remote Sensing, 2013, 51(3): 1 784-1 790.
[25]
AWAKA J, LE M, CHANDRASEKAR V, et al. Rain type classification algorithm module for GPM dual-frequency precipitation radar[J]. J Atmos Ocean Techn, 2016, 33(9): 1 887-1 898.
[26]
KOTSUKI S, TERASAKI K, MIYOSHI T. GPM/DPR precipitation compared with 3.5-km-resolution NICAM simulations[J]. Scientific Online Letters on the Atmosphere Sola, 2014, 10(1): 204-209.
[27]
CHANDRASEKAR V, LE M. Evaluation of profile classification module of GPM-DPR algorithm after launch[C]. Geoscience and Remote Sensing Symposium. IEEE, 2015: 5 174-5 177.
[28]
余占猷.利用DPR和GMI探测结果对东亚降水云的个例分析研究[D].合肥: 中国科学技术大学, 2016.
[29]
张奡祺, 傅云飞. GPM卫星双频测雨雷达探测降水结构的个例特征分析[J]. 大气科学, 2018, 42(1): 33-51.
[30]
FU Y F, LIN Y H, LIU G S, et al. Seasonal characteristics of precipitation in 1998 over East Asia as derived from TRMM PR[J]. Adv Atmos Sci, 2003, 20(4): 511-529.
[31]
JOHNSON R H, RICKENBACH T M, RUTLEDGE S A, et al. Trimodal characteristics of tropical convection[J]. J Climate, 1999, 12(8): 2 397-2 418.
[32]
尹金方, 王东海, 翟国庆, 等. 基于星载云雷达资料的东亚大陆云垂直结构特征分析[J]. 气象学报, 2013, 71(1): 121-133.
[33]
顾震潮, 詹丽珊. 起伏条件下云雾的重力碰并生长[J]. 气象学报, 1962(4): 37-43.
[34]
徐华英, 顾震潮. 起伏条件下重力碰并造成的暖性薄云降水[J]. 气象学报, 1963(1): 110-116.
[35]
BERNE A, DELRIEU G, ANDRIEU H, et al. Influence of the vertical profile of reflectivity on radar-estimated rain rates at short time steps[J]. J Hydrometeorology, 2004, 5(2): 296-310.
[36]
DAS S, TALUKDAR S, BHATTACHARYA A, et al. Vertical profile of ZR relationship and its seasonal variation at a tropical location[C]. Applied Electromagnetics Conference (AEMC). IEEE, 2011: 1-4.
[37]
WEN Y, CAO Q, KIRSTETTER P E, et al. Incorporating NASA spaceborne radar data into NOAA national mosaic QPE system for improved precipitation measurement: a physically based vpr identification and enhancement method[J]. J Hydrometeorology, 2013, 14(4): 1 293-1 307.
[38]
傅云飞, 宇如聪, 崔春光, 等. 基于热带测雨卫星探测的东亚降水云结构特征的研究[J]. 暴雨灾害, 2007, 26(1): 11-22.
[39]
ARKIN P A, ARDANUY P E. Estimating climatic-scale precipitation from space: a review[J]. J Climate, 1989, 2(11): 1 229-1 238.
[40]
李春晖, 梁建茵, 郑彬, 等. 南海夏季风北推时间及相关环流变化特征[J]. 应用气象学报, 2007, 18(2): 202-210.
[41]
吴晓彤, 梁必骐. 初夏南海海温对华南降水影响的数值模拟[J]. 海洋学报, 1995, 17(2): 38-43.
[42]
柯史钊, 黄健. 华南海陆风的数值模拟[J]. 热带气象学报, 1993, 9(2): 169-176.
[43]
陈举, 施平, 杜岩, 等. TRMM卫星降雨雷达观测的南海降雨空间结构和季节变化[J]. 地球科学进展, 2005, 20(1): 29-35.
[44]
叶清文, 李江南, 罗家林, 等. 基于TRMM卫星探测的南海及周边地区降水、云和潜热特征的比较研究[J]. 热带气象学报, 2018, 34(3): 419-432.
[45]
CHEN F, FU Y, LIU P, et al. Seasonal variability of storm top altitudes in the tropics and subtropics observed by TRMM PR[C]// EGU General Assembly Conference. EGU General Assembly Conference Abstracts, 2016.
[46]
SHORT D A, NAKAMURA K. TRMM Radar Observations of Shallow Precipitation over the Tropical Oceans[J]. J Climate, 2000, 13(23): 4 107-4 124.
[47]
伍红雨, 杜尧东, 秦鹏. 华南暴雨的气候特征及变化[J]. 气象, 2011, 37(10): 1 262-1 269.
[48]
郑彬, 梁建茵, 林爱兰, 等. 华南前汛期的锋面降水和夏季风降水Ⅰ.划分日期的确定[J]. 大气科学, 2006, 30(6): 1 207-1 216.
[49]
郑彬, 谷德军, 李春晖. 华南前汛期的锋面降水和夏季风降水Ⅱ.空间分布特征[J]. 大气科学, 2007, 31(3): 495-504.
[50]
刘亚楠, 王东海, 李国平, 等. 南海夏季风爆发前后华南前汛期降水日变化对比分析[J]. 热带气象学报, 2019, 35(3): 365-378.