王德旺，曲明星，黄宁立，谢 潇

（1．上海海洋中心气象台，上海 201306；2．吉林省松原市乾安县气象局，吉林 乾安 131400）

基于云雷达反射率因子的云宏观参量反演

王德旺1，曲明星2，黄宁立1，谢 潇1

（1．上海海洋中心气象台，上海 201306；2．吉林省松原市乾安县气象局，吉林 乾安 131400）

针对2012年7月23日云南腾冲的一次混合型层状云降水过程，联合35 GHz多普勒偏振云雷达、雨滴谱仪和探空仪进行联合观测与分析，根据Z—qr（雷达反射率因子—雨水含量）的关系式，反演雨水含量（qr）、云水含量（qc）以及空气垂直速度（w）。结果表明：在较强回波区，云水含量为0．5 ～0．8 g·kg－1，雨水含量为0．2 g·kg－1，空气垂直速度为0．6～1．0 m·s－1，对应时段的小时雨量较大；通过云水含量与雨水含量、雨水含量与雷达反射率因子的散点图，分别得到各自的拟合公式。当云水含量＜0．8 g·kg－1时，直接通过拟合公式得到的云宏观参量的精度较好。

联合观测；云雷达；云宏观参量

王德旺，曲明星，黄宁立，等．基于云雷达反射率因子的云宏观参量反演［J］．干旱气象，2016，34（6）：1071－1077，［WANG Dewang，QU Mingxing，HUANGNingli，etal．Retrieval on Macro－physical Parameters of Cloud Based on the Reflectivity Factor of Cloud Radar［J］．Journal of Arid Meteorology，2016，34（6）：1071－1077］，DOI：10．11755／j．issn．1006－7639（2016）－06－1071

引 言

湿物理过程，一般指大气的成云致雨过程，其中包含动力和热力过程，一般通过中尺度数值模式预报来分析研究该过程中的大气水凝物之间的相互转化关系。由于探空气球时空分辨率较低，自动气象站仅观测单站地面的气象要素变化，所以常规气象观测手段难以捕捉到中尺度环流信息。同时，云水含量、雨水含量以及空气垂直运动速度等参量无法直接观测获得，传统的分析手段并不适合研究云中的湿物理量；而模式必须通过一段时间的运转才能生成云水、云冰等物质，这就造成了降水开始时刻的滞后。随着新一代多普勒天气雷达探测技术的发展，它能够直接探测到厘米级别的大气水凝物粒子，广泛用于监测强对流灾害性天气系统的前期发生和发展。因此，利用多普勒天气雷达资料进行大气湿物理场的模拟研究，获得模拟初始场，来弥补常规观测手段的不足，提供新的研究视野［1－2］。

Ziegler［3－4］利用一种三维云动力数值模式，通过研究多普勒雷达风场的演变情况，分析雷暴内部的热力学因子和微物理过程，得到温度和水凝物含量等变化特征，并发现暖云内水凝物的随机碰并的微物理机制和湿冰雹或可变密度干雹的增长机制类似。Hauser等［5］利用多普勒雷达观测数据，基于水物质连续方程的二维显式云模式，反演热带对流飑线的云水和雨水含量。结果表明，在暖区和不稳定气层，云水含量最大值达4 g·kg－1，同时在低层锋前观测到不饱和空气的入流。Lin等［6］提出利用大气三维速度场、雷达反射率因子反演得到的雨水场以及热力学相关的温度、压强等参数作为多普勒雷达模拟对流风暴形成的初始状态条件场，15 min内的短时预报与观测的一致性较好，模拟的风暴发展过程比实际观测要更快一些。刘黎平等［7］是利用双多基地多普勒雷达的主动雷达的被动接收系统测量的径向速度作为弱约束，用质量连续方程作为强约束，来反演三维速度场。结果表明，反演的风场随高度的垂直变化趋势与主动雷达的径向速度和VAD产品一致，当同时使用多个侧向接受系统资料时，虽然雷达的旁瓣回波对粒子的径向速度产生误差，但对最终的大气风场反演影响不大。李永平等［8］利用多普勒天气雷达的反射率因子反演中尺度大气模式初始场的云微物理变量（云水含量、雨水含量和比湿），使模式积分初始场反映出观测空间的云微物理特征以及哪些区域上的大气处于饱和状态，而且模拟了中小尺度云系发展，模式大气能很快调整出合理的中小尺度流场的辐合辐散结构，对改进临近数值天气预报准确率有效。盛春岩等［9］利用美国Oklahoma大学风暴分析和预测中心开发的ARPS（The Advanced Regional Prediction System）模式及其资料分析系统 ADAS（ARPS Data Analysis System），对一次华北暴雨过程进行了18 km、15 km、9 km、6 km和3 km等5种不同水平分辨率的数值对比试验，通过提高模式水平分辨率，可以改进6 h内的短时预报，模拟的锋面结构更为精细，而且雷达资料同化比单纯提高模式水平分辨率更有效。刘红亚等［10］利用暖云模式分析雷达反射率因子导出的水汽、云水、雨水和垂直速度量值以及雷达回波强度分布，各物理量之间相互匹配，得到梅雨锋暴雨的微物理量和垂直方向上动力场的主要特征，发现层状云和对流云中水成物和垂直速度的三维分布存在明显差别。

虽然通过天气雷达进行大气湿物理参量的研究较多，但多数是基于长波段的雷达。毫米波测云雷达，由于超高的时空分辨率，探测的粒子从微米量级的云粒子到毫米量级的弱降水粒子，不仅适用于持续探测大气云层厚度、高度等参量外，还可以通过一些反演方法得到大气云层内部湿物理过程参量，这些参量为研究大气云层在气候演变、云物理过程、人工影响天气作业以及数值预报等方面的定量研究提供支撑［11］。因此，本文利用35 GHz多普勒云雷达、雨滴谱仪及探空仪联合观测的一次云南腾冲地区混合型层状云降水过程，拟合相关探测参量的数值特征，反演云和降水过程相关的云水、雨水含量和空气垂直速度的量值特征，为云和降水过程维持机制的参数化方案研究提供一种方法。

1 资料与方法

1．1 资 料

所用资料有：（1）云南腾冲站（98°30′E，25°01′N，海拔1 656m）2012年5月30日—8月30日35 GHz多普勒偏振云雷达探测的雷达反射率因子、径向速度、谱宽和退偏振因子的资料，时间分辨率1 s，空间分辨率30 m；（2）中国气象局常规业务观测站网提供的2012年5月30日—8月30日逐日07：00和19：00（北京时，下同）常规探空资料中的温度和气压，以及云南腾冲站2012年7月1日—8月30日逐日13：00 的GTS1型数字式探空仪加密探空资料中的气温、气压、湿度、露点、风向、风速等，该数据类型有2种：第1种是秒级数据（分辨率为1 s），第2种是固定垂直分辨率数据（100 m）；（3）云南腾冲站雨滴谱仪2012年5月30日—8月30日逐分钟粒径大小和降雨量探测数据。该雨滴谱仪能够探测液态和固态粒子降水，其中对液体粒子的探测范围为0．2～5．0 mm，而对固体粒子的探测范围是0．2～25．0 mm；（4）云南腾冲站2012年5月30日—8月30日逐小时自动观测资料，包括风向、风速、温度、气压、相对湿度、降雨量。

1．2 反演方法

1．2．1 暖云方案

定常状态是指大气中的动力场、热力场以及云和降水物理场之间相互适应，云宏观参量之间稳定少动时的一种状态。层状云降水过程一般维持几个小时到几十个小时，但初期发展和消散阶段维持时间较短，因此雷达观测的云和降水过程一般处于成熟维持阶段，同定常状态比较接近。研究表明，一维定常方案的假设能很好地反映成熟大气云的状态［12］。因此，本文不考虑雨水的水平平流、空气的湍流扩散作用，且云水向雨水的自动转化率（小于碰并增长率）也略去。假定超出饱和状态下的水汽全部凝结成云水，考虑水汽相变按饱和假绝热过程进行，即空气微团中一旦有水汽凝结，凝结物便立即脱落云体。

1．2．2 基于反射率因子的云宏观参量反演

大气中自由下落的水凝物，在重力和空气阻力的相互作用下，下落初始阶段，重力相对更大，随着垂直速度的增加，空气阻力也随之增加，而当二者平衡时，粒子做匀速下降运动，此时的垂直速度称为粒子的末速度［13］。

雷达反射率和粒子下落末速度都与降水类型和水成物的谱分布有关。对于纯液态水的降雨过程，根据Marshal－Palmer雨滴谱尺度分布关系，通过公式（1）得到云层的雨水含量（qr）。再根据下落速度—雨水含量的关系式（2）反演得到静止空气状态下粒子的经验下落速度（Vt）。通过探空资料中的参考气压（P）、温度（T），由干空气状态方程（4）式计算空气密度（ρ），再通过云水含量—雨水含量经验关系式（5）反算得到大气的云水含量（qc）。由于云雷达探测到水凝物粒子的径向速度是粒子真实下落速度和空气垂直运动强度的叠加，故根据公式（6）可计算出空气的垂直运动速度（w）。

上述公式中：Z为雷达反射率因子，单位：dBZ；ρ为空气密度，单位：kg·m－3，qr、qc分别为雨水含量、云水含量，单位：g·kg－1；Vt为静止空气状态下粒子的下落速度，单位：m·s－1；a为比例因子，无量纲；P 和P0分别为参考气压和地面气压，单位：hPa；T为大气温度，单位：K；z为高度，单位：m；Rd为干空气的气体常数，Rd＝287．05 J·kg－1·K－1；w为空气垂直速度，单位：m·s－1；Vr表示粒子在实际大气中的下落速度，单位：m·s－1；公式（7）和（8）分别是雨水含量与云水含量以及雨水含量与雷达反射率因子的多项式拟合。

2 一次混合型层状云降水个例分析

2．1 云雷达与滴谱仪探测参量对比

图1是2012年7月23日09：00—17：30云南腾冲站云雷达探测的反射率因子和径向速度。从图1a、图1b及图1c中发现，大气单层云的底部（约300 m高度）回波均匀，云顶高度起伏变化很大，约为4．0～7．0 km；回波强度最大值出现在09：00—09：30，对应的小时降雨量最大；3．75 km高度处有明显的0℃层亮带回波特征，0℃层之下出现较强回波，回波强度集中在－5～0 dBZ。从反射率因子垂直廓线来看（图略），粒子下落经过0℃层位置时，介电常数发生近5倍的变化（冰约为0．17，水约为0．97）［14］。粒子相态由固态转化成液态过程中，其下落速度逐渐增加，甚至超过5．0 m·s－1。冰雪等粒子下落过程中，通过大气0℃层后，表面开始融化，引起了介电常数、粒子落速、粒子形状和尺寸以及浓度等变化，使得反射率因子和径向速度迅速增大，形成明显的亮带，这与常规天气雷达垂直廓线有很明显的差异。常规天气雷达在观测混合型层状云或暖云降水过程时，探测的雷达反射率因子一般都表征出先递增后递减的冰相粒子碰并增长与液相粒子破碎的过程［15］。它主要是由于毫米波雷达超短波长特性，衰减特性比较明显，低层受到水滴粒子的衰减较弱，随着垂直探测高度增加，衰减效应逐渐变得明显，所以在低层到0℃层高度区间，反射率因子呈减弱趋势［16－18］。云雷达的径向速度时空分布（图1d、图1e、图1f）与反射率因子的轮廓基本一致，但分层现象更明显。其中，3．75 km以上，粒子的下落速度较小，基本在－2．0～0 m·s－1；3．75 km以下，粒子的下落速度显著增大，基本超过－4 m·s－1，最大速度达－6 m·s－1以上，表明该次观测个例在0℃层上下有明显的粒子相态演变过程，从雪花渐变成液水、毛毛雨到大雨滴。

图1 2012年7月23日09：00—17：30云南腾冲站云雷达垂直方向上扫描的反射率因子（a、b、c，单位：dBZ）和径向速度（d、e、f，单位：m·s－1）时间演变Fig．1 The evolution of reflectivity factor（a，b，c，Unit：dBZ）and radial velocity（d，e，f，Unit：m·s－1）of cloud radar at Tengchong station of Yunnan Province from 09：00 BST to 17：30 BST on 23 July 2012

图2 2012年7月23日09：00—17：30云南腾冲站雨滴谱仪和云雷达探测的反射率因子对比Fig．2 Theminutely reflectivity detected by disdrometer and cloud radar at different heights at Tengchong station of Yunnan Province from 09：00 BST to 17：30 BST on 23 July 2012

图2是2012年7月23日09：00—17：30云南腾冲站雨滴谱仪和云雷达探测的反射率因子对比图。可以看出，除了数值上有一定差异外，2种仪器探测的反射率因子变化趋势基本相同，即随着时间的推移回波强度逐渐减弱，其中云雷达的变化趋势更明显。从云雷达不同高度的回波强度对比发现，随着高度增加，数值逐渐减小，说明雨水等液体粒子对雷达信号有一定的吸收衰减作用。

2．2 背景场宏观参量

图3是云南腾冲站2012年7月23日13：00的探空加密观测数据以及08：00—20：00地面自动气象站逐时降水量。从温度和湿度的垂直廓线（图3a）看出，雷达回波区域（＜6．5 km）基本都是湿区（相对湿度 ＞85%），0℃层高度约3．8 km，这与云雷达的0℃层亮带特征相佐证。由风向风速的垂直廓线（图3b）和探空气球的空间运行轨迹（图3c）看出，在6 km高度以上，有很强的风速风向切变，而云雷达在6．5 km以上的回波顶高度一直在变化，间接证明了高层云上方存在空气夹卷作用，气球偏离本站。从逐小时降雨量分布（图3d）可知，10：00降水量达到最大值（6．6 mm），之后降水强度持续减弱。

图3 2012年7月23日13：00腾冲探空站温度和相对湿度（a）、风向风速（b，单位：m·s－1）的垂直廓线（a，b）和气球运行轨迹（c）以及23日08：00—20：00地面自动气象站逐时降雨量（d）Fig．3 The vertical profiles（a，b）of temperature and humidity（a）and wind direction and velocity（b，Unit：m·s－1），trajectory of sounding balloon（c）at Tengchong radiosonde station at13：00 BST on 23 July，and the hourly precipitation at Tengchong automatic weather station of Yunnan from 08：00 BST to 20：00 BST on 23 July 2012（d）

2．3 各参量的反演结果

图4给出2012年7月23日云南腾冲站近地面上空反演的云宏观参量场。由图4a和图4b可以看出，在同一量级上，云水含量比雨水含量高得多，说明大气中的云水是雨水形成的一个主要来源。其中，雨水含量基本在0．025 g·kg－1（图4a），最大值出现在降雨强度较大时刻，约0．12 g·kg－1；云水含量基本维持在0．6～0．8 g·kg－1（图4b），当降水量减少时，云水含量减小到0．1～0．3 g·kg－1。由图4c可见，空气垂直速度基本维持在0．4 m·s－1，最大值为1．2 m·s－1，垂直向上的空气运动为层状云降水提供了水汽来源和云滴增长条件。据观测，自然界中水滴自发破碎经常发生的半径为3．0～3．5 mm，相应的下落末速度不会超过6．5 m·s－1，而此次个例反演得到的粒子下落末速度主要在3．5～5．0 m·s－1（图4d）。

图4 2012年7月23日09：00—17：30云南腾冲站近地面的雨水含量（a，单位：g·kg－1）、云水含量（b，单位：g·kg－1）、空气垂直速度（c，单位：m·s－1）及雨滴下落末速度（d，单位：m·s－1）Fig．4 Theminutely evolution of rain water content（a，Unit：g·kg－1），cloud water content（b，Unit：g·kg－1），air vertical velocity（c，Unit：m·s－1）and terminal velocity of raindrop falling（d，Unit：m·s－1）near the ground at Tengchong station of Yunnan Province from 09：00 BST to 17：30 BST on 23 July 2012

图5给出云水含量与雨水含量和雨水含量与云雷达反射率因子的散点拟合图。从图5a看出，云水含量与雨水含量的多项式拟合效果很好，当大气云水含量＜0．8 g·kg－1时，利用拟合公式计算的结果可信度高。从图5b发现，雨水含量和云雷达反射率因子的变化趋势一致，但存在一些离散点，当雨水含量＞0．05 g·kg－1时，会产生较大的误差。总体上，当拟合公式的一致性较好时，可以直接通过拟合公式，利用云雷达的反射率因子和径向速度参量，反演得到大气云层宏观参量特征场，有利于进一步定量分析大气背景场的演变过程。其中：

图5 2012年7月23日09：00—17：30云南腾冲站qr—qc（a）与qr—Z（b）的散点图及拟合曲线Fig．5 Scatter plot and fitting curve of qr－qc（a）and qr－Z（b）at Tengchong station of Yunnan Province from 09：00 BST to 17：30 BST on 23 July 2012

3 结论与讨论

（1）对于2012年7月23日云南腾冲站观测的混合型层状云降水过程，反演得到的空气垂直运动强度为0．6～1．0 m·s－1，这说明云内下层较弱上升气流是维持层状云降水持续稳定的因素。

（2）从4 km以下的云雷达回波图可见，雨水对云雷达回波信号有一定的衰减作用。通过一定的订正，得到的雷达反射率因子进行云水含量、雨水含量反演，在云水含量＜0．8 g·kg－1时拟合度很高，误差较低。

假定方案是一维定常暖云方案，对处于云生和云消过程的计算会有一定误差。由于匹配的个例较少，得到的云水含量与雨水含量以及雨水含量与雷达反射率因子之间拟合公式的准确性，需要更多的观测个例进行验证、修订，以提高精度。

［1］Sun J，Crook N．Dynamical andmicrophysical retrieval from Doppler radara observations using a cloudmodel and itsadjoint．Part I：model development and simulated data experiments［J］．Journal of the Atmospheric Sciences，1996，54：1642－1661．

［2］Shapiro A，Ellis E，Shaw J．Single－Doppler velocity retrievalswith phoenix－IIdata：clear air andmicroburst retrievals in one planetary boundary layer［J］．Journal of the Atmospheric Sciences，1995，52：1265－1287．

［3］Ziegler C L．Retrieval of thermal andmicrophysical variables in observed convective storms．Part I：Model developmentand preliminary testing［J］．Journal of the Atmospheric Sciences，1985，42：1487－1509．

［4］Ziegler C L．Retrieval of thermal and microphysical variables in observed convective storms．PartII：Sensitivity of cloud processes to variation of the microphysical parameterization［J］．Journal of the Atmospheric Sciences，1988，45：1072－1090．

［5］Hauser D，Amayenc P．Retrieval of cloud water and water vapor contents from Doppler radar data in a tropical squall line［J］．Journal of the Atmospheric Sciences，1986，43：823－838．

［6］Lin Y，Peter Ray S，Johnson KW．Initialization of amodeled convective storm using Doppler radar derived fields［J］．Monthly Weather Review，1993，121：2757－2775．

［7］刘黎平，莫月琴，沙雪松，等．C波段双多基地多普勒雷达资料处理和三维变分风场反演方法研究［J］．大气科学，2005，29 （6）：986－996．

［8］李永平，袁招洪，王晓峰．用多普勒雷达反射率调整模式大气的云微物理变量［J］．应用气象学报，2004，15（6）：658－664．

［9］盛春岩，薛德强，雷霆，等．雷达资料同化与提高模式水平分辨率对短时预报影响的数值对比试验［J］．气象学报，2006，64 （5）：293－307．

［10］刘红亚，徐海明，胡志晋，等．雷达反射率因子在中尺度云分辨模式初始化中的应用Ⅰ：云微物理量和垂直速度的反演［J］．气象学报，2007，65（6）：896－905．

［11］邹倩，刘奇俊，刘卫国．积层混合云结构和云微物理的数值模拟［J］．干旱气象，2008，26（2）：74－83．

［12］刘红亚，徐海明，薛纪善，等．雷达反射率因子在中尺度云分辨模式初始化中的应用Ⅱ：数值模拟试验［J］．气象学报，2007，65（6）：906－918．

［13］盛裴轩，毛节泰，李建国，等．大气物理学［M］．北京：北京大学出版社，2003：331－334．

［14］王德旺，刘黎平，仲凌志，等．毫米波雷达资料融化层亮带特征的分析及识别［J］．气象，2012，38（6）：712－721．

［15］Zhang J，Carrie L，Kenneth H．Brightband identification based on vertical profiles of reflectivity from the WSR－88D［J］．Journal of Atmospheric and Oceanic Technology，2008，25（10）：1859－1872．

［16］Matrosov S．Attenuation－based estimates of rainfall rates aloftwith vertically pointing Ka－band radars［J］．Journal of Atmospheric and Oceanic Technology，2005，22：43－54．

［17］Matrosov SY，May Peter T，Shupe Matthew D．Rainfall profilingusing atmospheric radiation measurement program vertically pointing 8－mm wavelength radars［J］．Journal of Atmospheric and O-ceanic Technology，2006，23（11）：1478－1491．

［18］Matrosov S，Uttal Y T，Hazen D A．Evaluation of radar reflectivity －based estimates ofwater content in stratiform marine clouds［J］．Journal of Applied Meteorology，2004，43：405－419．

Retrieval on M acro－physical Parameters of Cloud Based on the Reflectivity Factor of Cloud Radar

WANG Dewang1，QU Mingxing2，HUANG Ningli1，XIE Xiao1

（1．ShanghaiMarine Meteorological Center，Shanghai201306，China；2．Qian'an Meteorological Station of Jilin Province，Qian'an 131400，China）

The wet physical process is commonly known as themutual transformation between the cloud water，water vapor and ice under the dynamic and thermal process influences．The traditional observation instruments are difficult to get themesoscale circulation information，meanwhile the parameters such as cloud water content，rain water contentand air verticalmotion are not directly detected by these instruments．However，the incorporation ofmacrophysical parameters and the coherence of physical variables in the initial field of numericalweather prediction are very important to the non－hydrostatic equilibrium explicit cloud modelwith high resolution less than 10 km，it is still a difficult problem in cloud analysis field for a long time．Based the observation data from 35 GHz cloud radar，raindrop spectrometer and radiosonde，themacrophysical parameters of rain water content，cloud water content and air vertical speed in a mixed stratiform cloud rainfall process occurred in Tengchong of Yunnan Province on 23 July 2012 were simulated by using the fitting relationship between the reflectivity factor of cloud radar and rain water content．The results show that the main spatial distribution characteristics of the cloud water content，rain water content and air verticalmotion were consistentwith the reflectivity factor of radar．The cloud water content and rain water content in strong echo area were 0．5－0．8 g·kg－1and 0．12 g·kg－1，respectively，the air verticalmotion speed was 0．6－1．0 m·s－1，and the corresponding rainfall intensity was larger．When the precipitation weakened，the rain water content decreased accordingly，and the verticalmovementof air also slowed，while the change of cloud water contentwas not obvious．When the cloud water contentwas less than 0．8 g·kg－1，the precision of cloud macro－parameters directly obtained by the fitting equation was better．

joint observation；cloud radar；cloud macrophysical parameters

1006－7639（2016）－06－1071－07

10．11755／j．issn．1006－7639（2016）－06－1071

P426．5

A

2016－02－29；改回日期：2016－05－03

王德旺（1989－），男，江西九江人，工程师，主要从事大气物理与海洋气象方面的研究．E－mail：aizaizai1989＠163．com