管 理 戴建华 袁招洪 陶 岚 尹春光 邹兰军

1.上海中心气象台，上海，200030

2.相控阵阵列天气雷达联合实验室，上海，200030

3.上海市气象局，上海，200030

4.上海气象信息与技术支持中心，上海，200030

1.Shanghai Central Meteorological Observatory，Shanghai 200030，China

2.Joint Laboratory of Phased Array Weather Radar，Shanghai 200030，China

3.Shanghai Meteorological Service，Shanghai 200030，China

4.Shanghai Meteorological Information and Technology Support Center，Shanghai 200030，China

1 引 言

2021 年以来，全国范围内强对流灾害天气多发、频发，针对华东地区而言，“04·30”和“05·14”等极端大风天气过程均造成了较大的人员伤亡和财产损失。当前迫切需要加强双偏振雷达等新型探测资料的释用，进而提升对强对流系统（大风）的预报、预警能力。

超级单体作为对流风暴中发展最强的类型，往往伴随着大风、冰雹、雷电等灾害天气，故而一直是气象学家和气象工作者关注的重点。对于超级单体结构与演变及致灾性的相关研究已开展多年。20 世纪60 年代，随着多普勒天气雷达在短时临近监测和天气预报业务中的广泛应用，超级单体在雷达资料上的相关典型特征被逐渐认识。Stout 等（1953）利用天气雷达捕捉到了典型超级单体的钩状回波特征。Fujita（1958）构建了常见超级单体钩状回波的5 种概念模型。Browning 等（1963）研究指出弱回波区或有界弱回波区是超级单体在多普勒天气雷达回波图上的重要特征。Marwitz（1972）在Browning 等（1963）工作的基础上，结合多普勒天气雷达和探空资料，细化了超级单体的概念模型。

20 世纪90 年代，随着美国业务雷达逐步升级为双偏振体制，灾害天气的双偏振特征识别工作有序展开。双偏振雷达的偏振量能够在一定程度上反映强对流风暴发生、发展各阶段过程中的云微物理特征，同时体现对流风暴所处环境场及其特殊的流场形式。Brandes 等（1995）联合双偏振雷达和飞机观测发现，环境场0℃层以上连续的ZDR大值区与风暴单体中强上升区的位置配合较好，这一特征也被称之为“ZDR柱”。Kumjian 等（2014）利用云模式对ZDR柱的微物理特征进行了验证和解释。Ryzhkov等（2005）研究发现龙卷前侧出流区会夹卷近地面层的“碎屑”，造成相关系数（下简称 ρhv）异常偏低的现象，可用来指征龙卷造成的极端大风的发生。双偏振雷达的投入使用同样促进了强对流天气机制、机理的揭示，Kumjian 等（2008）通过对多个超级单体个例偏振量特征的研究发现，低仰角ZDR的PPI 上往往会出现弧状的ZDR大值区，这一被称之为“ZDR弧”的特征已被证明可用于揭示近风暴区域低层的环境场特征（Palmer，et al，2011）。Dawson 等（2014）研究表明，ZDR弧是超级单体过程内降水粒子“粒子分选”机制的显现，小粒子在下降过程中需要更长的时间，易被风暴内部环流平流输送到风暴核心区域；而扁椭球形的大粒子则在风暴前侧出流处形成ZDR数值较大的带状ZDR弧 。除ZDR弧 外，KDP足是另一个“粒子分选”机制的典型双偏振雷达特征。Romine 等（2008）通过对一次超级单体龙卷的观测分析发现，风暴中心顺切变方向有KDP大值区（KDP足 ），并且KDP足与地面冰雹的出现位置配合较好。Crowe 等（2012）研究证明KDP单体质心和ZDR增强区的连线可以用来表征低层风暴相对速度的方向。Loeffler 等（2018）进一步研究证明KDP单体质心和ZDR增强区的连线还可定量表征低层风切变、风暴相对螺旋度和风暴入流的强度。

伴随着中国天气雷达布网的完成及双偏振雷达升级工作的开展，多普勒天气雷达及双偏振雷达业务化应用也取得一系列成果。郑媛媛等（2004）、戴建华等（2012）分别利用S 波段多普勒天气雷达探测资料分析了皖北和上海典型的超级单体风暴过程，发现超级单体回波的有界弱回波区、回波悬垂、回波墙以及中气旋等典型特征。王秀明等（2009）利用WRF 中尺度数值模式模拟了2005 年北京的一次超级单体过程，模拟的强对流（雹）云的演变及单体结构与雷达观测较为一致。梅垚等（2018）利用移动式C 波段双偏振雷达和新一代天气雷达观测资料，通过双多普勒雷达风场反演、偏振雷达相态识别，揭示了两次高原冰雹云发生发展的动力、微物理、热力结构特征。杨璐等（2018）选取2010—2014 年发生在北京地区的19 个致灾的雷暴大风天气过程，应用北京新一代多普勒天气雷达的反射率因子（下简称ZH） 和径向速度（下简称Vr）产品，分析了雷暴大风天气不同生命期内的雷达回波特征。陶岚等（2019）针对一次冷涡南落背景下的超级单体过程，基于常规观测、双线偏振雷达、双雷达反演风场等资料分析了超级单体在发展成熟阶段的回波悬垂、低层入流缺口、中气旋以及三体散射等经典特征和雷暴发展加强阶段的ZDR柱等偏振特征。黄先香等（2019）针对1804 号台风“艾云尼”螺旋雨带中的两次陆龙卷天气过程，利用多普勒天气雷达、地面自动气象站和探空资料，研究了两次陆龙卷的天气背景、环境参数和龙卷风暴中尺度结构特征。杨忠林等（2019）利用车载C 波段双偏振雷达和雨滴谱资料进行了江淮梅雨期极端对流过程的微物理特征分析。郑永光等（2020）综合应用高时、空分辨率多源观测资料分析了2019 年7 月3 日辽宁开原EF4 级强龙卷的天气形势、环境条件、对流触发、对流风暴演变特征和龙卷的形成与消亡机制。杨吉等（2020）、刁秀广等（2021）分别针对强雷暴和超级单体过程分析了过程时段内强降水、冰雹的典型双偏振特征。潘佳文等（2021）基于46 次冰雹过程的双偏振雷达数据，统计分析了不同高度层的三体散射、ZDR柱等典型特征在大、小冰雹事件中的差异化特征。

上述工作均表明如钩状回波、有界弱回波区、ZDR弧等典型特征的提取对于超级单体风暴的预报、预警工作至关重要。已有的工作多针对一次或多次强对流天气过程个例提炼双偏振关键特征并凝练相关概念模型，但典型灾害天气（尤其是极端大风）的双偏振雷达信息客观识别方法的研究开展较少。本研究在已有工作的基础上，基于双偏振雷达探测资料，结合经典概念模型和机器学习方法，设计了KDP足 和ZDR弧 的自动识别算法并量化ZDR弧-KDP足质心距离和分离角等客观指标。而后针对华东地区4 次超级单体过程，利用上海南汇、江苏南通、安徽蚌埠、上海青浦S 波段双偏振雷达、地面自动气象站观测资料以及灾情调查报告验证了KDP足 及ZDR弧识别结果及定量化计算效果。

2 数据来源

本研究的数据来源为华东地区业务用S 波段双线偏振雷达基数据（包括WSR-88D 型双线偏振雷达和CINRAD-SAD 双线偏振雷达）、华东区域加密自动气象站观测数据以及对应灾情调查报告。两种型号双线偏振雷达的具体性能指标见表1。

表1 WSR-88D 和CINRAD-SAD 雷达主要技术指标Table 1 Technical indicators of WSR-88D and CINRAD-SAD radars

3 方法介绍

本研究需要识别的超级单体典型偏振量特征（ZDR弧 、KDP足）概 念 模 型如图1 所示（Romine，et al，2008）。选择以雷达为中心125 km 的范围作为研究区域。首先将双偏振雷达的ZH、ZDR、 ρhv和KDP变量插值到 41×500×500规则网格上，水平和垂直分辨率均为250 m。

图1 超级单体风暴ZDR 弧及KDP 足示意 （Romine，et al，2008）Fig.1 Schematic diagram of ZDR arc and KDP foot in supercell storm （Romine，et al，2008）

3.1 ZH单体识别

首先对某一高度层的ZH进行高斯滤波，以ZH平均强度超过45dBz和ZH单体面积超过20km2两个约束条件进行ZH单 体的识别。针对上述ZH单体，若单体面积超过300km2，再利用平均ZH大于50dBz和面积超过10km2对大范围单体进行超强ZH单体的识别。

3.2 KDP足识别

根据Romine 等（2008）的研究，强ZH中心或后侧往往伴有超过1.5°/km 的KDP大值区，因而针对KDP足 的识别建立在ZH单体识别的基础上。基于上述结果，针对ZH大于35dBz的部分，以KDP大于1.5°/km、KDP单体面积大于2km2作为约束条件识

别强KDP单 体；若强KDP单 体与强ZH单体的质心距离小于15 km，则识别强KDP单 体为KDP足。

3.3 ZDR弧的识别

Dawson 等（2014）指出ZDR弧是超级单体中强低层入流下，由于“粒子分选”机制造成的ZDR大值区，其多出现于前侧出流（Forward Flank Downdraft，简称FFD）的右侧（南缘），与ZH极大值区域存在一定距离（文中ZDR弧 与ZH质心距离最大阈值设为30 km）。在形态上，ZDR弧 多与ZH最大梯度方向一致。针对S 波段雷达，ZDR弧的数值一般超过4—5 dB。在此基础上，文中选择ZDR单 体面积、ZDR单 体与ZH单体质心距离、ZDR单 体最大ZDR值 等12 个与ZDR弧关系最密切的变量（详见表2）作为构建识别模型的输入变量。由于中国完整的灾害天气地面报告（Local Storm Report，下简称LSR）较少，故本研究的建模选择Van Den Broeke（2016，2017）罗列的51 个超级单体风暴的人工判识数据集（针对上述12 个因子），结合LSR 信息（https://nwschat.weather.gov/lsr/），基 于 随 机 森 林 方 法 构 建 训 练 模 型（Wilson，et al，2021），该随机森林分类器包括100 棵决策树。在实际应用模型识别ZDR弧的过程中还需要包括前期预处理的过程，具体如下：首先以平均ZDR大于3dB和单体面积大于1km2作为约束条件识别强ZDR单体。为避免近地面地物回波的干扰，还需引入ZDR单体平均 ρhv大于0.88 的补充约束条件。基于影响本地的超级单体风暴移动路径方向以及经典模型的FFD 方向统计，给出算法输入的FFD 矢量（190°）。

表2 模型训练因子Table 2 Variables used for training of machine learning

3.4 KDP-ZDR分离特征定量化提取

Loeffler 等（2018）开发了一种半自动算法量化非超级单体龙卷中KDP-ZDR分离特征的方法，即在手动划定的区域内计算KDP和ZDR增强区域的分离矢量及分离角。本文前述（3.2 节和3.3 节）已完成KDP足与ZDR弧 的自动识别工作，故KDP-ZDR分离特征提取工作围绕KDP足 和ZDR弧 的质心开展，提取KDP-ZDR的质心距离和分离角信息（图2）。

图2 风暴分离矢量和分离角示意 （Loeffler，et al，2018）Fig.2 Schematic depiction of the separation vector and separation orientation relative to storm motion in an idealized storm （Loeffler，et al，2018）

针对强ZH单 体周围匹配多个KDP足 和ZDR弧的情况，根据多个KDP足 或ZDR弧的面积，以反距离权重法计算得到多个KDP足 或ZDR弧的“相对”质心位置，进而计算KDP-ZDR质心距离。分离矢量到风暴运动矢量的夹角如图2 所示（逆时针方向）。风暴移动方向则通过前、后两个时次的风暴质心位置计算获得，针对前、后两个时次“分割”的回波单体，通过计算回波单体质心距离来判定是否属于同一个回波单体，质心距离的判断阈值在本研究中设定为10 km。总体的算法流程如图3 所示。

图3 算法流程Fig.3 Flowchart of algorithm

4 个例验证

本研究选择华东4 个超级单体个例来进行ZDR弧 、KDP足识别及其相关的应用工作，个例分别为2017 年7 月5 日（下简称“07·05”）青浦超级单体（强下击暴流灾害）、2021 年7 月6 日（下简称“07·06”）南通超级单体（强下击暴流灾害）以及2020 年7 月22 日（下简称“07·22”）宿州梅雨锋超级单体（龙卷灾害）和2021 年5 月14 日（下简称“05·14”）苏州超级单体（龙卷灾害）。

4.1 个例“07·05”

4.1.1 天气背景

2017 年7 月5 日午后，浦东地区由南、北双支海风锋激发起2 个对流单体（图略），单体随引导气流向东移动过程中，其出流与海风锋一起西进，激发单体新生合并后形成超级单体，海风锋与阵风锋汇合形成的中尺度锋区继续西进，并再次加强了向西传播的海风锋和阵风锋合并的出流，该出流与浙江地区向东北方向传播的阵风锋汇合，在青浦地区激发出了本次过程中最强的超级单体，导致降雹和极端大风（47.1 m/s，青浦水上运动中心）。

由图4a 可知，17 时52 分青浦附近超级单体的最大ZH超 过65 dBz（黑色多边形北侧），其南侧ZH梯度较大，图4d 对应位置处为典型中气旋特征。图4b显示黑色多边形内的ZDR平均值超过4 dB，极大值超过5 dB，可判定该区域为ZDR弧。图4c 中多边形内为KDP大值区，平均超过1.5°/km，中心超过4°/km，并且与ZH单体质心距离较近，结合前述内容，识别该处为KDP足。

图4 2017 年7 月5 日17 时52 分南汇双偏振雷达0.5°仰角水平ZH（a）、ZDR（b）、KDP（c）和Vr（d）（黑色多边形表示ZDR 弧的范围，五角星代表青浦水上运动中心位置）Fig.4 ZH （a），ZDR （b），KDP （c） and Vr （d） at 0.5° elevation angle observed by Nanhui dual-polarimetric radar at 17：52 BT 5 July 2017 （black polygon represents the ZDR arc； pentagram represents location of Qingpu water sports center）

4.1.2KDP足 及ZDR弧自动识别

17 时46 分超级单体回波质心距离上海南汇雷达约90 km，最低仰角处距离地面高度约0.8 km。故选择0.75 km 高度的规则网格数据进行KDP足及ZDR弧的识别工作。

如图5 所示，17 时46 分，青浦水上运动中心南侧识别出面积较小的ZDR弧 ，且KDP质 心和ZH质心存在一定距离。至17 时52 分，KDP质 心和ZH质心近乎重合，同时ZH单 体南侧出现面积较大的明显ZDR弧。在此间的17 时49 分青浦水上运动中心站瞬时风速28.7 m/s、极大阵风47.1 m/s。17 时57 分，35 dBz以上强回波面积明显扩大，但ZDR弧逐渐分裂为两块，其中北侧面积较大部分对应风暴主体，而南侧的未进一步发展加强。至18 时03 分快速减小为面积较小的ZDR弧 ，同时35 dBz 以上的强ZH面积较前一时刻明显缩小，过程趋于减弱。与之对应，18 时以后水上运动中心风力迅速减小。需指出17 时52 分识别的ZDR弧 不是位于ZH的大值区内，该处是由于降雹过程先于大风过程发生。17 时46 分3.4°仰角的ZH图上可看到典型的冰雹三体散射特征（图略），导致该时刻的ZDR较小。至17 时52 分，三体散射特征消失，湿下击暴流过程出流携带的大雨滴导致ZDR弧的出现。

图5 2017 年7 月5 日17 时46 分（a）、17 时52 分（b）、17 时57 分（c）及18 时03 分（d）KDP 足及ZDR 弧识别结果 （橙色实线为35 dBz 等值线，红色实线为40 dBz 等值线，紫色多边形为ZDR 弧，绿色多边形为KDP 足，黑色圆圈为ZH 质心，星号为ZDR 弧质心，三角为KDP 足质心，黑色实线为分离矢量）Fig.5 Recognition of ZDR arc and KDP foot at 17：46 BT （a），17：52 BT （b），17：57 BT （c） and 18：03 BT （d） 5 July 2017（Orange line represents the 35 dBz contour line， red line represents the 40 dBz contour line， blue polygon represents ZDR arc， green polygon represents KDP foot，circle represents the centroid of ZH star represents the centroid of ZDR arc， triangle represents the centroid of KDP foot，solid black line represents the separation vector）

4.2 个例“07·06”

4.2.1 天气背景

2021 年7 月6 日，受500—700 hPa 高空槽、850—925 hPa 切变线、副热带高压北侧低空急流和地面低槽共同影响，南通地区出现一次强对流天气过程，其中通州区遭受超级单体袭击，出现小时雨量60 mm 以上的短时强降水和直径约4 cm 的大冰雹。

本次过程是超级单体内的下击暴流，其南侧伴有阵风锋出流，15 时47 分超级单体钩状回波处距离南通雷达约15 km，最大ZH超过60 dBz（图6a），图6b 显示在入流缺口的右前侧有ZDR弧（ZDR超过3.0 dB），Vr显示有下沉辐散，最大径向速度超过15 m/s（图6d 多边形左侧），对应位置处KDP超过2.5°/km，极大超过4°/km（图6c），指示该区域内还伴随强降水的发生。

图6 2021 年7 月6 日15 时47 分南通双偏振雷达1.5°仰角ZH（a）、ZDR（b）、KDP（c）和Vr（d）（黑色多边形表示ZDR 弧的范围）Fig.6 ZH （a），ZDR （b），KDP （c） and Vr （d） at 0.5° elevation angle observed by Nantong dual-polarimetric radar at 15：47 BT 6 July 2021 （black polygon represents the ZDR arc）

4.2.2KDP足 及ZDR弧自动识别

如图7 所示，15 时47 分超级单体回波质心距离南通雷达15 km，最低仰角处距地面约0.1 km。本研究选择0.25 km 高度的规则网格数据进行KDP足 及ZDR弧的识别。

图7 2021 年7 月6 日15 时47 分 （a） 及15 时53 分 （b）KDP 足及ZDR 弧识别结果 （橙色实线为35 dBz 等值线，红色实线为40 dBz 等值线，蓝色多边形为ZDR 弧，绿色多边形为KDP 足范围，黑色圆圈为ZH 质心，星号为ZDR 弧质心，三角为KDP 足质心，黑色实线为分离矢量）Fig.7 Recognition of ZDR arc and KDP foot at 15：47 BT （a） and 15：53 BT （b） 6 July 2021 （Orange line represents the 35 dBz contour line， red line represents the 40 dBz contour line， blue polygon represents ZDR arc，green polygon represents KDP foot，circle represents the centroid of ZH star represents the centroid of ZDR arc，triangle represents the centroid of KDP foot，solid black line represents the separation vector）

15 时48—55 分，通州本站出现冰雹，最大直径4 cm 左右，地面降雹开始前识别出的ZDR弧与KDP足质心的分离矢量较大，在单体附近及下游产生了14—18 m/s 大风。降雹过程开始后，受强下沉气流影响，“粒子分选机制”被破坏，同时由于冰雹的ZDR在 0 dB 附近，使得ZDR弧在本次过程中未被连续识别到。而连续时次的ZDR弧出现说明低层强入流维持时间较长（低层维持较大风切变时间较长），有利于强风暴结构和“粒子分选机制”的维持并在下游产生大风，故本例中下游站点出现8 级以上大风的站次相对较少。另外，降雹开始后，由于冰雹和大雨滴等大粒子的下落离开对流风暴云体，使得整体KDP大值区的面积减小并开始破碎。

4.3 个例“07·22”

4.3.1 天气背景

2020 年7 月22 日，受梅雨锋、低涡切变和西南急流共同影响，安徽省宿州市埇桥区祁县镇在17 时50 分前后遭受EF2 级龙卷袭击，龙卷自西向东移动，移动路径全长约60 km，持续时间近1 h，过程极大风速22.9 m/s，导致沿途多个乡镇受灾（杨祖祥等，2021）。

龙卷触地前，蚌埠雷达0.5°仰角的ZH显示在黑色多边形内有钩状回波出现（图8a），其前侧对应有ZDR弧 ，最强ZDR超过4 dB（图8b），钩状回波后侧对应有KDP足（图8c）。图8d 显示有中气旋与之对应，径向极大风超过20 m/s。由于本次龙卷过程为梅雨锋背景下的超级单体龙卷，过程时段内还伴有数密度较大的小粒子降水，故ZDR弧 和KDP足在数值上较孤立超级单体过程偏小。

图8 2020 年7 月22 日17 时35 分蚌埠双偏振雷达0.5°仰角ZH（a）、ZDR（b）、KDP（c）和Vr（d）（黑色多边形表示ZDR 弧的范围）Fig.8 ZH （a），ZDR （b），KDP （c） and Vr （d） at 0.5° elevation angle observed by Bengbu dual-polarimetric radar at 17：35 BT 22 July 2020 （black polygon represents the ZDR arc）

4.3.2KDP足 及ZDR弧的自动识别

17 时35 分超级单体钩状回波处距离安徽蚌埠雷达约80 km，最低仰角距离地面约0.8 km。本研究选择0.75 km 高度的规则网格数据进行KDP足及ZDR弧的识别。

由图9 可知，自17 时35 分开始，钩状回波的后部和风暴移动方向前侧识别出两个ZDR弧区，至17 时46 分，右侧的ZDR弧 由于降水影响，ZDR减小并逐渐消失，参照17 时46 分的双偏振参量剖面（图略，杨祖祥等，2021）也可知该时刻对应风暴发展的最强阶段。连续超过3 个体扫识别出ZDR弧，并且ZDR弧 和KDP足质心连线的分离角也在该时刻发生了较明显的变化，预示了极端灾害大风发生的可能。

图9 2020 年7 月22 日17 时35 分 （a） 及17 时46 分 （b）KDP 足及ZDR 弧识别结果 （橙色实线为35 dBz 等值线，红色实线为40 dBz 等值线，蓝色多边形为ZDR 弧，绿色多边形为KDP 足范围，黑色圆圈为ZH 质心，星号为ZDR 弧质心，三角为KDP 足质心，黑色实线为分离矢量）Fig.9 Recognition of ZDR arc and KDP foot at 17：35 BT （a） and 17：46 BT （b） 22 July 2021 （Orange line represents the 35 dBz contour line， red line represents the 40 dBz contour line， blue polygon represents ZDR arc， green polygon represents KDP foot，circle represents the centroid of ZH，star represents the centroid of ZDR arc， triangle represents the centroid of KDP foot， solid black line represents the separation vector）

4.4 个例“05·14”

4.4.1 天气背景

2021 年5 月14 日，受强盛西南急流的影响，华东地区出现一次大范围强对流天气，苏州和南通均出现超级单体，其中袭击苏州吴江区的一个超级单体还出现了龙卷。14 日18 时50 分—19 时05 分，吴江区盛泽镇遭受EF3 级龙卷袭击，影响时最大风力达到17 级，造成4 人死亡，19 人轻伤，130 人轻微伤。

由图10a 可知，18 时54 分黑色多边形的右侧开始出现典型的ZH钩 状回波特征，最大ZH达67 dBz，图10d 上出现明显的径向辐合和中气旋特征，且伴随有径向速度模糊，径向极大风超过30 m/s。图10b上黑色多边形内为ZDR超 过4 dB 的带状ZDR大值区。对应低层入流一侧ZH梯度较大的区域，为较典型的ZDR弧特征。而在钩状回波头部附近的中气旋区域， ρhv为0.5—0.8（图略），对应龙卷碎屑。图10c上可见KDP大 于1.5°/km 的区域在ZDR弧后侧，是由于较强的低层入流和上升气流对降水粒子的分选作用，使得小雹粒和大雨滴在向后侧斜升的过程中，在一定距离外破碎或融化为较大雨滴并下落聚集，该区域即为KDP足。

图10 2021 年5 月14 日18 时54 分青浦双偏振雷达0.5°仰角ZH（a）、ZDR（b）、KDP（c）和Vr（d）（黑色多边形表示ZDR 弧的范围）Fig.10 ZH （a），ZDR （b），KDP （c） and Vr （d） at 0.5° elevation angle observed by Qingpu dual-polarimetric radar at 18：54 BT 14 May 2021 （black polygon represents the ZDR arc）

4.4.2KDP足 及ZDR弧的自动识别

18 时48 分超级单体钩状回波处距离上海青浦雷达约35 km。由于本个例中出现了龙卷，为进一步追踪低层双偏振参量的变化，选择0.25 km 高度的规则网格数据开展KDP足 及ZDR弧的识别及定量化计算。

由图11 可知，在相似路径上先、后有两个超级单体经过，其中右侧的单体发展相对较强，钩状回波的特征也较左侧的单体明显。自18 时48 分起，右侧单体在江苏吴江地区开始出现ZDR大值区，但此时ZDR弧的特征还不够典型，位置也处于钩状回波ZH梯度较大一侧远离头部的一端。18 时54 分，低层入流的下风向一侧开始出现若干分散的KDP大值区中心，同时ZDR大值区的中心开始向钩状回波头部一侧靠近，并呈现典型的弧状特征，表明低层入流的强度和旋转程度的加强。同时，钩状回波头部40 dBz 以上的面积增大并出现KDP足。至19 时，ZDR弧 和KDP足分别发展合并，两者质心的距离进一步扩大，钩状回波头部的曲率增大，与该部分对应的 后 侧 下 沉 气 流（Rear Flank Downdraft，下 简 称RFD）区域KDP足逐渐连成一片，对应该时间内龙卷灾害的特征相对较明显。此后可能由于龙卷碎屑的卷起，呈现较小的ZDR值 ，使得ZDR弧的面积缩小，形态开始有断裂，KDP足 也由于 ρhv的下降，区域开始分散，但二者质心的距离和分离矢量角在短时间内仍然维持，钩状回波的形态和前侧RFD 区域中KDP足同时存在，使得大风仍维持一段时间后才逐渐减弱。

图11 2021 年5 月14 日18 时48 分 （a）、18 时54 分 （b）、19 时00 分 （c） 及19 时06 分KDP 足及ZDR 弧识别结果 （橙色实线为35 dBz 等值线，红色实线为40 dBz 等值线，蓝色多边形为ZDR 弧，绿色多边形为KDP 足范围，黑色圆圈为ZH 质心，星号为ZDR 弧质心，三角为KDP 足质心，黑色实线为分离矢量）Fig.11 Recognition of ZDR arc and KDP foot at 18：48 BT （a），18：54 BT （b），19：00 BT （c） and 19：06 （d） BT 14 May 2021 （Orange line represents the 35 dBz contour line，red line represents the 40 dBz contour line， blue polygon represents ZDR arc， green polygon represents KDP foot， black circle represents the centroid of ZH black star represents the centroid of ZDR arc， black triangle represents the centroid of KDP foot， solid black line represents the separation vector）

4.4.3KDP-ZDR分离特征定量化提取

选择ZDR弧 面积、ZDR弧 均值、ZDR弧最大均值（ZDR弧 内10 个最大ZDR的 平均）、KDP-ZDR质心距离、分离角5 个导出产品说明定量化计算效果。若识别出多个ZDR弧 单体，则选择ZDR弧面积最大者作为统计对象。

由表3 可知，18 时42 分质心距离由3.53 km 增大至4.92 km，并且分离角由50.81°减小至26.15°。至18 时48 分，ZDR弧的面积迅速增大至37.59 km2，指示该次过程中的粒子“分选机制”已经形成，有更强的低层入流支持大粒子的生成，并可能会在随后出现龙卷或大风过程（Loeffler，et al，2018）。18 时54 分到19 时也有ZDR弧面积增大，质心距离增大的过程，龙卷路径上可能伴有多次及地，灾情调查报告也显示龙卷在18 时50 分—19 时05 分袭击了吴江盛泽镇。

表3 KDP-ZDR 分离特征量Table 3 KDP-ZDR separation variables

为进一步说明本次过程中ZDR弧出现时间及其面积与地面极大风速出现时间、位置的对应关系，探究其对大风预警的指示作用，绘出上述几个要素如图12 所示。

如图12 所示，紫色圆圈为此次龙卷过程灾情调查到的龙卷出现地点，自左往右分别对应18 时52 分（盛泽镇荷花村）、18 时54 分（盛泽镇胜天村）、19 时04 分（秀洲区民和村）和19 时12 分（嘉善县湘家浜）。可以发现，ZDR弧出现位置与龙卷出现地点配合较好（ZDR弧中心西南方向大致8—16 km范围内）。同时ZDR弧出现地点均有12 m/s 以上的大风与之配合（ZDR弧西南或偏西方向大约20 km 范围内），同时自动气象站观测风场有气旋式弯曲。上述工作均显示ZDR弧出现位置、面积大小以及KDP-ZDR质心距离和分离角的特征量对于超级单体中极端大风的发生具有较好指示意义。

图12 ZDR 弧出现位置和地面极大风演变 （紫色圆圈为龙卷出现地点，自左往右分别对应2021 年5 月14 日18 时52 分、18 时54 分、19 时04 分和19 时12 分）Fig.12 ZDR arc location and extreme surface wind （pink circle represents the path of tornado，from left to right show winds at 18：52 BT，18：54 BT，19：04 BT and 19：12 BT 14 May 2021）

5 结论和下一步工作

本研究基于经典概念模型、特征分析和机器学习方法，进行基于双偏振雷达资料的KDP足 和ZDR弧自动识别算法设计。基于上述识别结果，对ZDR弧的面积以及KDP足 -ZDR弧分离特征变化进行了量化和关键信息提取。通过对华东地区4 次超级单体过程的应用检验发现，该算法能够准确识别KDP足和ZDR弧 ，同时KDP足 -ZDR弧质心距离和分离角的关键特征提取也能够较好表征低层入流强度和切变的情况，并且ZDR弧面积的增大对极端大风的发生具有较好的指示意义。

本研究仍存在一些不足，首先，收集的超级单体个例数量相对较少，且区域相对集中，对于算法的深度验证工作还有待进一步开展。未来需要加强个例的收集工作，通过不同地域（如东北地区龙卷）、不同天气系统影响（如台风龙卷）个例检验算法的普适性。其次，选用的雷达数据均未进行ZDR系统误差订正，未来需进一步分析双偏振雷达ZDR测值是否存在系统偏差并予订正，以提高ZDR弧识别的准确率。

致 谢：感谢上海市气象局强对流科技创新团队在工作开展方面给予的支持，感谢中国气象局人工影响天气中心吴林林正研级高工在雷达数据处理方面给予的帮助，感谢上海气象信息与技术支持中心薛昊工程师在雷达性能参数方面提供的帮助。