2021, Vol. 37
2. 中国气象科学研究院灾害天气国家重点实验室/雷电物理和防护工程实验室，北京 100081;
3. 中国气象局广州热带海洋气象研究所，广东 广州 510641
2. State Key Laboratory of Severe Weather/ Laboratory of Lightning Physics and Protection Engineering, Chinese Academy of Meteorological Sciences, Beijing 100081, China;
3. Guangzhou Institute of Tropical and Marine Meteorology, China Meteorological Administration, Guangzhou 510641, China
闪电通常在云内不同极性电荷区之间始发，通道主要在电荷区内发展。因此，与闪电起始和通道发展相关联的云内微物理特征体现了起、放电过程以及电荷载体的重要信息。
以往研究较多地分析了多单体雷暴、中尺度对流系统(MCS)以及超级单体等不同类型雷暴中闪电起始和通道对应的云微物理特征。对于多单体雷暴，Mecikasiki等[1]发现它们闪电起始的峰值高度位于8~10 km(-38.5~-24 ℃)，对应回波强度的峰值区间为30~35 dBZ。Karunarathna等[2]发现地闪起始高度低于6.8 km，回波强度在30~35 dBZ之间；云闪起始高度在6.6~8.1 km，对应15~35dBZ的回波。Bruning等[3]指出闪电起始主要发生在0~-6.5 ℃层，霰粒子与闪电起始和通道最为相关。对于MCS, Mecikasiki等[1]指出闪电起始的峰值高度位于8~9 km(-34.6~-27 ℃)，对应回波强度的峰值区间为30~35 dBZ。Carey等[4]指出地闪通常起始自超过45 dBZ的回波中。Lund等[5]发现大多数闪电起始自两个高度范围，在7~10 km，闪电起始区域位于上部冰晶和下部霰粒子交界区域附近，在3~6 km，闪电起始自霰主导的区域。对于超级单体，Mecikasiki等[1]指出闪电起始的峰值高度分别位于10~12 km(-58.1~-42.6 ℃)，对应回波强度的峰值区间为35~40 dBZ，强于多单体雷暴和MCS。Zheng等[6]发现分别有约44.3%和44.1%的闪电起始出现在霰和干雪主导的区域，另有约8.0%和3.0%的闪电起始分别出现在小雹和冰晶主导的区域。Liu等[7]还在一次暖云降水主导的暴雨过程中发现闪电起始位置对应的雷达网格中有87%为干雪主导，8%为霰主导；与闪电通道对应的雷达网格中，81%为干雪，9%为霰。此外，Ribaud等[8]结合三维闪电探测阵列(LMA)和双偏振雷达对法国上空一次飑线系统进行分析，指出约70%(22%)的闪电起始和58%(33%)的闪电通道定位对应霰(冰晶)。
这些研究表明，不同类型雷暴，闪电起始和通道位置处的微物理特征可能存在明显差异，有必要开展针对性的研究。飑线是华南地区暖季常见的雷暴灾害天气，其往往伴随频繁的雷电活动，比单体雷暴持续时间长、影响范围大。以往基于观测和数值模拟的研究[9-14]都表明华南地区雷暴结构十分复杂，并且指出这种复杂的电荷结构可能与云微物理过程相关，因此本文以华南地区两次飑线过程为例，在对双偏振雷达粒子相态反演算法进行改进的基础上，结合双偏振雷达和三维闪电观测资料，研究闪电起始和通道位置处雷达参量以及主导性降水粒子特征。该研究有助于深化我们对华南地区飑线过程中起、放电特征的认识。
2 资料和方法本研究分析了2017年5月4日与5月8日(北京时间，下同)发生于华南地区的两次飑线过程(此后称为飑线A和B)，这两次过程都具备明显的弓形回波特征，且都属于东北-西南向槽前型飑线，槽后伴随明显冷平流，大尺度环流背景相同[15-16]。分析使用了闪电低频电场探测阵列(LFEDA，图 1中蓝色三角形)以及广州S波段双偏振雷达(图 1中黑色方块)观测数据，还参考了清远气象站(图 1中黑色圆点)的探空数据。为确保数据质量，分析区域选取雷达半径25~100 km、LFEDA站网中心半径70 km的共同覆盖范围(图 1中阴影部分)。将雷达一次体扫(6分钟)时间内的LFEDA闪电与雷达数据三维空间进行对应。
|
图 1 研究区域以及观测系统分布阴影部分是选取的研究区域
“●”：清远气象站；黑色“■”：雷达位置；“▲”LFEDA子站；“ ”：LFEDA站网中心；黑色圆圈表示距离雷达位置100 km；红色圆圈表示距离LFEDA站网中心70 km；黑色虚线圆表示距离雷达位置25 km，该范围内雷达难以在垂直方向完整地观测雷暴。
|
低频电场变化探测阵列(LFEDA)在160 Hz~600 kHz通过时差法定位闪电脉冲放电事件(Lightning pulse discharge event, LPDE)的三维位置，其水平定位精度优于100 m[13, 17]，先前利用该数据的研究[7, 14]也表明LFEDA具有可靠的高度定位。选取LPDE三维定位数据中，卡方拟合优度小于5，定位高度在3~20 km的样本(本研究关注闪电放电事件对应的雷暴云微物理特征，3 km以下的定位主要对应地闪的出云通道，所以排除)。将LDPE数据归为闪电的方法同Shi等[13]和Zheng等[14]，即属于一次闪电的LPDE必须发生在当前这个闪电时序上最后一个LPDE之后的0.4 s内，并且与属于当前闪电的其它任意一个LPDE在空间上满足距离在4 km之内，时间在0.6 s内。为排除离散定位的干扰，只选择包含LDPE数目不小于5的闪电。图 2展示了一次闪电的定位结果，并给出了这次闪电叠加雷达回波的垂直剖面图。参照Zheng等[14]和Liu等[7]的方法，取闪电通道的第一个LPDE(图 2中紫色方块)作为闪电起始位置，其余的LPDE则对应闪电通道传输过程中的击穿事件，体现闪电通道位置。本研究中将闪电起始以及通道传输分开考虑，主要是由于两者对应不同的环境。闪电往往起始自两层电荷区之间，始发位置有强的环境电场；闪电始发后，通道向电荷区发展并在电荷区内传播，支持闪电通道发展的动力主要是通道头部电荷与周围异种极性电荷之间形成的强电场。并且闪电起始与闪电通道传输不仅在水平位置上可以差异很大，在垂直方向上的位置也往往不同(如图 2的示例)。
|
图 2 LFEDA于18:19:37.56(北京时间)在飑线B中探测的一次闪电 a. LPDE高度随时间的变化；b. LPDE平面分布；c. LPDE在南-北方向上的垂直剖面；d. 雷达回波叠加LPDE的垂直剖面，沿南-北方向过闪电起始位置。其中，紫色方块表示闪电通道起始位置，黑色点划线为环境温度高度。 |
广州S波段双偏振雷达提供了A、B两次飑线过程的观测数据，观测时间分别为2017年5月4日04:00—10:00和2017年5月8日15:00—19:24，共包含99个体扫，在本研究时空范围内，这两次飑线都属于其成熟期。雷达位置见图 1，在应用其资料前首先进行质量控制，包括：(1)参照Park等[18](此后称为P09)对偏振参量平滑处理；(2)对ZDR进行误差标定和校正。参照气象回波法[19]，统计低仰角上ZH≤10 dBZ, CC≥0.97的数据对应的ZDR平均值来确定其与理论零值的偏差并进行调整；(3)参照P09和Wu等[20](此后称为W18)对ΦDP进行滤波并估算KDP。飑线A和B中，雷达分析数据的起止时间分别为4:00—10:00和15:00—19:24。雷达极坐标数据通过双线性插值处理为水平分辨率0.25 km×0.25 km，垂直分辨率0.5 km的直角坐标数据。
3 双偏振雷达降水粒子识别算法改进本研究降水粒子识别算法的基本框架沿用P09方法，同时对方案中的部分模块进行了改进。
首先，改进P09中的输入变量和隶属度函数模块，包括：(1)使用探空环境温度(T)作为粒子相态识别的温度参考，以规避P09算法中通过识别融化层判断粒子相态可能引起的错误[18, 20]；同时参考相关研究[21-24]，引入各类型降水粒子对应的T取值范围(详见表 1)，作为粒子识别的其中一个参考量。(2)模糊逻辑算法的隶属度函数设置采用美国国家海洋和大气管理局(NOAA)预警决策培训科(WDTB)方案[25]，其采用一维变量构建隶属度函数，同时各类型降水粒子对应偏振参量取值区间与P09方案基本相同，既保证与P09方案中降水粒子反演的一致性又避免P09中采用包含二维变量的隶属度函数[18, 20]而对计算资源较大的需求。同时，考虑本地化的因素，在部分降水粒子(干雪、湿雪)偏振特征阈值范围上参考W18对广州雷达的设定。
|
表 1 降水粒子识别中不同粒子对应T的取值范围 |
其次，改进对流区和层云区识别方法。对流区和层云区的划分对降水粒子类型具有重要影响[18, 20], P09通过判断垂直柱上是否有超过45 dBZ的回波存在，或者在融化层上方是否有超过30dBZ的回波存在进行对流和层云划分，方法相对简单，但如果融化层特征不明显或识别存在误差，就可能出现误判。本研究借鉴Steiner等[26]提出的对流云-层云识别算法(此后称ST95算法)，该算法具备良好的对流云、层云识别效果[27-28]，其基本思路包括：(1)确定雷达100 km范围内1.5 km高度、100~150 km范围3 km高度上水平反射率(ZH) > 40 dBZ的格点为对流区；(2)不满足(1)的任意格点，如果其ZH值超过背景ZH(该格点11 km半径范围内平均ZH)，则其属于对流区；(3)以上被视为对流区的格点，根据其对应的平均背景ZH值分配不同的半径范围(见ST95中图 6b)，该范围内格点属于对流区；(4)不满足以上条件的其它格点属于层云区。
图 3展示了飑线A和B各一个时次由ST95和P09中使用方法得到的对流云、层云识别结果以及与三维闪电定位数据的叠加。可以看出两种方法的最大区别是后者将图中组合反射率大约35~40dBZ存在的区域(图中标为S)识别为对流区，而前者将其识别为层云区。从图 3a2和3b2可以看出，该区域中30 dBZ回波在-10 ℃层下方，而对流区(图中标为C)中30 dBZ回波可超过-40 ℃层，且存在“凸顶”现象。叠加的闪电活动也集中于ST95算法识别的对流区。因此，ST95算法判定S区域属于层云更为合理。我们也给出了此时基于更为合理的ST95算法的粒子识别结果垂直剖面(图 3a3、3b3)。
|
图 3 ST95和P09的对流云、层云识别结果对比 a1、a2以及a3是飑线A在05:48时的组合反射率、沿a1中黑色虚线的反射率垂直剖面以及基于ST95方法的粒子识别结果剖面。b1、b2和b3同a1、a2和a3，但所示个例为飑线B在17:12的观测。a1和b1的灰色等值线以及图a2、a3和b2、b3的灰色竖线代表P09算法识别的对流区，相对应的黑色线表示ST95算法识别的对流区，蓝色圆点是剖面两边半宽2 km范围内的LPDE，紫色方块表示闪电通道起始位置，黑色点划线为环境温度高度。 |
LFEDA在飑线A和B经过分析区域时分别探测到4 560次和7 542次闪电(包含闪电起始定位12 102个和与闪电通道延展对应的LDPE样本235 724个)。绝大多数的闪电起始(A: 81%;B: 79%)以及与闪电通道对应的LPDE(A: 83%;B: 80%)位于对流区。需要说明的是，如果一次闪电被探测到的LPDE在对流区和层云区都有分布，那么落在对流区内的LDPE作为对流区对应的样本，落在层云区内的LPDE作为层云区对应的样本。在接下来的分析中，我们将闪电所有的LPDE位置三维网格化(水平分辨率0.25 km，垂直分辨率0.5km，与雷达网格一致)，统计闪电起始位置和通道对应LPDE定位所在雷达网格的偏振参量和粒子类型分布情况，需要注意的是，如果有多个LPDE在一个雷达体扫时刻处于同一网格，那么该网格的雷达变量信息只被统计一次。在涉及相关参量随高度变化的分析中，要求每个0.5 km高度区间内被统计雷达网格数不小于25个。
4.1 闪电起始和通道位置处的雷达偏振参量特征由表 2可知，两次飑线中，对流区闪电放电(统指闪电起始和通道延展)对应的平均ZH要比层云区闪电放电对应的ZH大4~5 dBZ；两个区域对应的差分反射率(ZDR)都较小，对流区稍小于层云区，它们的差分传播相移率(KDP)相似都接近于0，共极化相关系数(CC)都接近1。这些数值说明，闪电放电位置处以尺度适中或偏小的冰相粒子为主，液态水滴存在的信号不明显，同时对流区闪电放电位置处冰相粒子的尺度和浓度大于层云区。闪电起始和通道对应双偏振参量的均值和中值较为接近，只是前者对应的平均ZH稍大于后者，差值为1~2 dBZ。
|
|
表 2 飑线A、B中闪电起始和通道对应LPDE在对流区和层云区的各雷达偏振参量统计特征 |
图 4显示了闪电放电位置处雷达偏振参量中值在不同高度上的分布。可以看到，飑线A和B中，不同参量的垂直分布形态是相似的。
|
图 4 闪电初始以及通道位置处雷达偏振参量中值随高度的分布 上排是飑线A，下排是飑线B。红色(蓝色)线条表示对流(层云)区中的偏振参量；实线(虚线)表示闪电起始(通道)位置处的偏振参量。图中标注了环境温度线，来自于清远探空。 |
闪电放电位置对应的中值ZH整体表现出随高度增加而减小的趋势(图 4a1和4b1)。飑线A中，对流区闪电起始(通道)对应的中值ZH比层云区相应值在统计高度范围内平均大7.4(5.7)dBZ；飑线B中相应的差值为8.3(6.4)dBZ。流云区和层云区内，-10 ℃层以上ZDR、KDP数值接近于0, CC在0.99~1.00之间，表明云内有冰相粒子主导，冰粒子水平和垂直方向尺寸相当。在-10 ℃层之下，ZDR随高度下降而增大(图 4a2和4b2)，特别是对流区，意味粒子形状趋向扁平。对流区中，KDP随高度下降也快速增大(图 4a3和4b3)，表明该区域闪电放电位置存在液态水滴。层云区内，KDP在-10 ℃层之下变化不明显，意味着闪电放电位置上虽然有较大扁平状粒子(如湿雪、雨滴)，但数浓度低。
闪电起始和通道位置处雷达偏振参量的最大差异体现在-20 ℃层以上的ZH(图 4a1和4b1)。飑线A的对流区，两者的平均差值约为3.3 dBZ，峰值差值约为5.5 dBZ(层云区闪电起始的样本不足，未统计)；飑线B，两者在对流区平均差值为2.8 dBZ，峰值差值为5.4 dBZ，在层云区平均差值为2.7 dBZ，峰值差值为7.0 dBZ。闪电起始和通道位置处其它偏振参量差异并不明显。
图 5显示了飑线A和B闪电起始以及通道位置处ZH的分布图。两次飑线过程的对流区内，闪电起始位置对应ZH的峰值区间(25~30 dBZ)弱于通道位置(30~35 dBZ)，在层云区内，闪电放电对应的ZH峰值区间在飑线A中为25~30 dBZ，在飑线B中为20~25 dBZ。但是，在-20 ℃层上方的对流区(图 5a2和5b2)，闪电起始位置ZH峰值区间(25~30 dBZ)要大于通道位置对应的ZH峰值区间(20~25 dBZ)；而在-20 ℃层下方，它们在对流区对应的ZH峰值分布区间都为30~35 dBZ(图 5a3和5b3)。层云区闪电起始和通道位置处的ZH峰值区间在不同飑线过程和不同温度区间(高度层)彼此相同。
|
图 5 闪电起始以及通道位置处ZH的分布特征 字母a代表飑线A，字母b代表飑线B; a1和b1对应所有高度层的统计；a2和b2对应-20 ℃层以上的统计；a3和b3对应-20 ℃层以下的统计；五角星表示峰值频率。 |
图 6和表 3给出了飑线A、B对流区中闪电起始和通道位置及其它们对应不同类型降水粒子网格占比随高度分布。A和B中闪电起始的峰值高度都为9 km，与闪电通道对应的LPDE定位的峰值高度分别为7.5 km和9.5 km。在-10 ℃层以上，闪电起始和通道都出现在霰和冰晶主导的区域；在-10 ℃层以下，它们可以发生在霰、雨滴、雹出现的区域。整体来看，对流区闪电起始和通道位置主要是霰和冰晶，而且它们的区域占比较为接近(表 3)。
|
图 6 飑线A(a1和a2)、B(b1和b2)对流区闪电起始(a1和b1)和通道位置(a2和b2)及其对应降水粒子在垂直方向的分布 红色线分别对应闪电起始和通道位置的高度分布，灰色阴影指出了闪电起始和通道位置最密集的高度。填色为降水粒子类型，粒子类型及其缩写的意义详见表 1。 |
|
|
表 3 飑线A、B对流区闪电起始和通道位置及其对应降水粒子类型分布 |
层云区内闪电起始以及通道的高度明显低于对流区(图 7和表 4)，对于飑线A，它们的峰值高度分别为5.5和6.5 km，对于飑线B，相应值为7.5和8.5 km。在~-6 ℃层以上，闪电起始和通道位置都由干雪和冰晶主导，在这个温度层以下，部分闪电放电位置也对应了湿雪、雨滴。整体看，层云区内与闪电放电对应的主要粒子为干雪和冰晶，同时干雪区域的占比明显大于冰晶(表 4)。
|
图 7 同图 6，但为层云区 |
|
|
表 4 飑线A、B层云区闪电起始和通道位置及其对应降水粒子类型分布 |
本研究结合广州S波段双偏振雷达观测数据和低频电场探测阵列三维闪电定位数据，分析了2017年5月4日和5月8日两次飑线过程中闪电起始和通道位置处的雷达偏振参量和降水粒子特征。研究首先对P09粒子相态识别算法中的输入变量、隶属度函数和对流-层云识别方法进行了改进，改善了降水粒子相态识别效果。进而通过在空间上将三维闪电定位与三维雷达参量和粒子相态反演数据对应。
(1) 约80%的闪电起始和通道定位数据出现在对流区。
(2) 闪电起始和通道位置处的平均雷达反射率(ZH)在对流区比层云区大4~5 dBZ，其它偏振参量的平均值较为接近。
(3) 闪电起始和通道位置处的ZH中值随高度增加整体下降。ZDR、KDP和CC在-10 ℃层以上随高度的变化不大，前两者接近0，后者在0.99~1.00之间变化；-10 ℃层以下，对流区闪电起始和通道位置对应的ZDR和KDP随高度下降明显增大，在层云区，闪电对应的ZDR随高度增大而下降，但KDP变化不大。
(4) 从雷暴整体看，闪电起始位置处的平均ZH大于闪电通道位置处的平均ZH1~2 dBZ，闪电起始和通道对应ZH的差异在-20 ℃层以上较为显著，不同飑线过程的不同区域，各个高度上中值ZH的平均差值大于2.5 dBZ，峰值差值大于5 dBZ。
(5) 从闪电起始和通道位置处ZH分布的峰值区间看，对流区内，前者为25~30 dBZ，弱于后者的30~35dBZ；层云区内，它们的分布区间相同，在飑线A和B中分别为25~30 dBZ和20~25 dBZ。但是，在-20 ℃层之上的对流区，闪电起始位置对应的ZH峰值区间(25~30 dBZ)大于闪电通道位置对应的ZH峰值区间(20~25 dBZ)；在-20 ℃层之下的对流区，两者对应的峰值区间都为30~35 dBZ。
(6) 对流区闪电起始和通道位置处的主导性粒子是霰和冰晶，它们的区域占比较为接近。层云区闪电起始和通道位置处主要是干雪和冰晶，干雪区域的占比明显大于冰晶。
分析表明，飑线过程中闪电起始和通道位置主要位于0 ℃层以上，它们与主要降水粒子的对应关系与非感应起电机制[29]所指出的霰和冰晶是对流区主要的起电粒子是一致的；层云区的电荷主要来自对流区荷电小尺度冰粒子的水平输送，因此冰晶在层云区聚合形成的干雪以及层云区上部冰晶是该区域主导性的荷电粒子。飑线A和B中闪电放电对应的降水粒子与其它研究也存在差异。比如，Liu等[7]分析暖云降水主导暴雨过程中闪电放电位置超过80%的区域为干雪主导，其次是霰。Zheng等[6]分析的超单体聚合体中闪电起始位置的主要是霰和干雪，对应冰晶的闪电起始只占3%。这种差异性可能体现出不同类型雷暴中动力和微物理过程的差异导致荷电的主导性粒子存在不同。
与Mecikasiki等[1]指出的闪电起始对应的雷达反射率峰值区间大于闪电通道对应的雷达反射率峰值区间不同，本研究发现在对流区，前者小于后者。这可能与两种分析使用的闪电定位系统的观测属性有关系。Mecikasiki等[1]使用的数据来自LMA的观测，其运行在甚高频频段，在该频段，负极性击穿往往具有更强的辐射，所以LMA数据中对应负极性击穿的辐射源占据更大的比例。对于典型的三极性电荷结构而言，大部分的闪电由上部正电荷区和下部负电荷区贡献，大部分对应负极性击穿的辐射源定位(对应闪电通道)会出现在上部正电荷区内，而闪电起始位置主要位于正电荷区之下。在这样的情况下，下部闪电起始位置对应的反射率就比上部闪电通道对应的反射率大，这可能是导致他们研究结果的其中一个原因。本研究使用的闪电数据由LFEDA提供，其运行在低频频段，主要观测闪电击穿过程引起的垂直电场变化，对击穿过程导致的电荷转移更为敏感，特别是垂直方向的电荷转移，而对击穿极性的依赖性不明显。同时，由于闪电初始击穿的环境电场随着气压增大而增大，在雷暴下部可能存在更大的环境电场，闪电击穿低频能量更强，可能会有更多的LPDE被探测到，这一点从图 6闪电通道对应LPDE的空间分布也看出来：图 6中，LPDE数量在高度分布上并没有明显偏向上部正电荷区的情况。这就可以解释图 5中发现的在-20 ℃层之上，闪电起始(高度较低)相比上部正电荷区内的闪电通道(高度较高)对应更大反射率。而在-20 ℃层之下，闪电起始位置(在负电荷区边缘)与闪电通道位置在高度上比较接近，两者对应的反射率平均相差较小，前者稍小于后者。
| [1] |
MECIKALSKI R M, CAREY L D. Radar reflectivity and altitude distributions of lightning flashes as a function of three main storm types[J]. J Geophys Res, 2018, 123: 12 814-12 828. |
| [2] |
KARUNARATHNA N, MARSHALL T C, KARUNARATHNE S, et al. Initiation locations of lightning flashes relative to radar reflectivity in four small Florida thunderstorms[J]. J Geophy Res, 2017, 122: 6 565-6 591. |
| [3] |
BRUNING E C, RUST W D, SCHUUR T J, et al. Electrical and polarimetric radar observations of a multicell storm in TELEX[J]. Mon Wea Rev, 2007, 135(7): 2 525-2 544. DOI:10.1175/MWR3421.1 |
| [4] |
CAREY L D, MURPHY M J, MCCORMICK T L, et al. Lightning location relative to storm structure in a leading-line, trailing-stratiform mesoscale convective system[J]. J Geophy Res, 2005, 110: D03105. |
| [5] |
LUND N R, MACGORMAN D R, SCHUUR T J, et al. Relationships between lightning location and polarimetric radar signatures in a small Mesoscale Convective System[J]. Mon Wea Rev, 2009, 137(2): 4 151-4 170. |
| [6] |
ZHENG D, MACGORMAN D R. Characteristics of flash initiations in a supercell cluster with tornadoes[J]. Atmos Res, 2016, 167: 249-264. DOI:10.1016/j.atmosres.2015.08.015 |
| [7] |
LIU Z, ZHENG D, GUO F, et al. Lightning activity and its associations with cloud structures in a rainstorm dominated by warm precipitation[J]. Atmos Res, 2020, 246(12): 105120. |
| [8] |
RIBAUD J F, BOUSQUET O, COQUILLAT S, et al. Evaluation and application of hydrometeor classification algorithm outputs inferred from multi-frequency dual-polarimetric radar observations collected during HyMeX[J]. Quart J R Meteor Soc, 2016, 142(1): 95-107. |
| [9] |
广东一次飑线过程中一个雷暴单体成熟阶段的电荷结构演变特征的数值模拟[J]. 热带气象学报, 2020, 36(4): 562-576. |
| [10] |
中国南北方雷暴及人工触发闪电电特性对比分析[J]. 高原气象, 1997, 16(2): 113-121. |
| [11] |
广东野外雷电综合观测试验十年进展[J]. 气象学报, 2016, 74(5): 655-671. |
| [12] |
广东地区雷电活动的气候分布特征[J]. 热带气象学报, 2000, 16(1): 46-53. DOI:10.3969/j.issn.1004-4965.2000.01.006 |
| [13] |
SHI D, ZHENG D, ZHANG Y, et al. Low-frequency E-field Detection Array(LFEDA)-Construction and preliminary results[J]. Science China Earth Sciences, 2017, 60: 1896-1908. DOI:10.1007/s11430-016-9093-9 |
| [14] |
ZHENG D, SHI D, ZHANG Y, et al. Initial leader properties during the preliminary breakdown processes of lightning flashes and their associations with initiation positions[J]. J Geophys Res, 2019, 124: 8 025-8 042. DOI:10.1029/2019JD030300 |
| [15] |
广东两次飑线过程的微物理特征分析研究[J]. 热带气象学报, 2019, 35(6): 812-821. |
| [16] |
华南前汛期冷空气影响下两次飑线大风过程的对比分析[J]. 广东气象, 2019, 41(1): 19-23. |
| [17] |
FAN X P, ZHANG Y J, ZHENG D, et al. A new method of three-dimensional location for low-frequency electric field detection array[J]. J Geophys Res, 2018, 123: 8 792-8 812. |
| [18] |
PARK H, RYZHKOV A V, ZRNIC D S, et al. The hydrometeor classification algorithm for the polarimetric WSR-88D: Description and application to an MCS[J]. Wea Forecasting, 2009, 24(3): 730-748. DOI:10.1175/2008WAF2222205.1 |
| [19] |
BRINGI V N, CHANDRASEKAR V. Polarimetric Doppler Weather Radar: Principles and Applications[M]. Cambridge University Press, 2001: 636.
|
| [20] |
WU C, LIU L P, WEI M, et al. Statistics-based optimization of the polarimetric radar Hydrometeor Classification Algorithm and its application for a squall line in South China[J]. Adv Atmos Sci, 2018, 35: 296-316. DOI:10.1007/s00376-017-6241-0 |
| [21] |
KEENAN T D. Hydrometeor classification with a C-band polarimetric radar[J]. Aust Meteor Mag, 2003, 52: 23-31. |
| [22] |
MARZANO F, SCARANARI D, MONTOPOLI M, et al. Supervised classification and estimation of hydrometeors from C-band dualpolarized radars: A Bayesian approach[J]. IEEE T Geosci Remote, 2007, 46: 85-98. |
| [23] |
DOLAN B, RUTLEDGE S A. A theory-based hydrometeor identification algorithm for X-band polarimetric radars[J]. J Atmos Oceanic Technol, 2009, 26: 2 071-2 088. DOI:10.1175/2009JTECHA1208.1 |
| [24] |
ZHAO C H, ZHANG Y J, ZHENG D, et al. An improved hydrometeor identification method for X-band dual-polarization radar and its application for one summer Hailstorm over Northern China[J]. Atmos Res, 2020, 245: 105075. DOI:10.1016/j.atmosres.2020.105075 |
| [25] |
KUMJIAN M R. Principles and applications of dual-polarization weather radar. Part Ⅰ: Description of the polarimetric radar variables[J]. J Operational Meteor, 2013, 1: 226-242. DOI:10.15191/nwajom.2013.0119 |
| [26] |
STEINER M, HOUZE JR R A, YUTER S E. Climatological characterization of three-dimensional storm structure from operational radar and rain gauge data[J]. J Appl Meteor, 1995, 34: 1 978-2 007. |
| [27] |
CHEN X, ZHAO K, XUE M. Spatial and temporal characteristics of warm season convection over Pearl River Delta region, China, based on 3 years of operational radar data[J]. J Geophys Res, 2014, 119: 12 447-12 465. |
| [28] |
RIBAUD J F, MACHADO L A T, BISCARO T. X-band dual-polarization radar-based hydrometeor classification for Brazilian tropical precipitation systems[J]. Atmos Meas Tech, 2019, 12: 811-837. |
| [29] |
TAKAHASHI T. Riming electrification as a charge generation mechanism in thunderstorms[J]. J Atmos Sci, 1978, 35(8): 1 536-1 548. |