黄朝盈 张阿思 陈生 胡宝清

摘要 为综合评估卫星和天气雷达在2016年6月23日盐城龙卷风期间的强降水过程的降水估测精度，以国家级雨量站观测数据为基准，结合相关系数（CC）、相对误差（RB）、均方根误差（RMSE）以及分级评分指标，利用S波段的天气雷达定量降雨估测产品（RQPE）和全球降水观测计划多卫星融合产品（IMERG_FRCal，IMERG_FRUncal，IMERG_ERCal）进行比较。结果表明，雷达和卫星的累积降水量与雨量站的空间相关性很强（相关系数大于0.9），基本上能捕捉到整个降水过程的空间分布。降水主要分布在江苏省北部，但卫星高估了江苏省东北部强降水中心的降水量;对于小时时序区域平均降水，卫星高估了降水，而雷达低估了累积降水量。综合降水中心区域分析，IMERG的强降水区域降水量与雨量站的时间序列的偏差显著;RQPE在降水峰值达到之前及峰值之后与地面雨量站的变化趋势基本一致，但对降雨量峰值有明显的偏低。RQPE能较为准确地在时间上捕捉到降雨强度的变化趋势，但对于大雨及暴雨的估测能力不佳;RQPE的POD、SCI值都远远高于IMERG， FAR也较小。IMERG几乎未能监测到强降水的发生。总体上，RQPE对此次龙卷风强降水量的估测表现优于3种IMERG产品，特别是在捕捉强降水区域的空间分布方面，但对于强降水的估测能力仍需进一步改善。

关键词盐城龙卷风;天气雷达;IMERG;定量降水估测;精度分析

我国是一个自然灾害频发的国家。在各类自然灾害中，气象灾害占70%以上（刘彤和闫天池，2011）。龙卷风是一种小范围的强烈旋风，是积雨云（或发展很盛的浓积云）底盘旋下垂的一个漏斗状云体（薛德强和李长军，2002），是破坏力最为严重的气象灾害之一。在我国龙卷风有两个高发地带，一个是在长江三角洲和苏北平原至黄淮海平原一带，另一个是广东和广西一带。江苏省位于我国龙卷风高发地带，易发生灾害性的龙卷风（魏文秀和赵亚民，1995）。许遐祯等（2009）利用1956至2005年共50 a的气象数据对江苏省境内发生的龙卷风进行了详细的分类和评估，统计结果表明江苏地区龙卷风发生频繁，平均每年可发生21.4次龙卷风。2016年6月23日14时30分左右，我国江苏省盐城市阜宁、射阳部分地区遭受强龙卷风袭击，灾害造成99人死亡，846人受伤，超过2 000栋房屋被损坏，4.55万人受灾，直接经济损失近50亿元（http：//www.bjnews.com.cn/news/2016/06/26/407844.html）。此次龙卷风冰雹重大灾害被专家组评定为EF4级龙卷风，接近最高级别EF5级，风力超过17级。龙卷风的形成机理和预报预警成为当前我国气象领域的研究热点。

天气雷达是对灾害性天气最为有效的观测手段，可以提供降水过程的时间和空间信息（张乐坚等，2012）。20世纪60年代，天气雷达在气象部门投入业务使用。美国率先于1988年开始布设多普勒天气雷达网，我国在1999年开始安装运行第一部天气雷达，此后开始部署中国新一代天气雷达网。由于新一代天气雷达具有在线实时定标、全自动体扫描工作模式、较合理的地物杂波抑制以及科学的产品计算等特点，使得在定量降水估测以及对大尺度、中尺度天气系统的结构、演变监测能力方面得到很大的提高，在社会各个领域得到了广泛的应用，而定量降雨估测是天气雷达的重要应用领域之一（李柏等，2013）。

衛星是除了天气雷达之外对灾害性天气进行全球尺度观测最为有效的手段。卫星观测具有全天候、大尺度以及时间连续性等优势。基于卫星的定量降水估测（QPE）产品是卫星从地球上空获得大范围地表降水信息的降水产品，由于其空间的覆盖性和连续性，其在气象估测、研究和灾害预警方面起到了越来越重要的作用。红外（Infrared，简称IR）和微波传感器（Passive Microwave，简称PMW）被广泛用于估算地面降雨量。多年来，学者开展了基于IR和PMW传感器定量反演降水量的有效探索（Barrett and Beaumont，1994;You et al.，2011）。

针对盐城龙卷风带来的强降水过程，本研究利用江苏省7部多普勒S波段天气雷达，进行定量降水估测研究，同时以国家气象局研发的卫星和地面雨量站观测的融合产品降水量为基准，采用统计和分析等方法，评估全球降水测量计划（GPM）的多卫星融合降水产品和雷达估测的降雨精度，揭示卫星和地面雷达观测对龙卷风等灾害性天气的观测能力，为卫星和雷达降水产品的开发者和用户提供有益的参考。

1 研究区域与数据资料

1.1 研究区域

研究区域如图1所示，是地处中国大陆东部沿海地区的江苏省，地跨116°18′～121°57′E、30°45′～35°20′N。江苏省是中国地势最低的省之一，平原占80%以上，是江淮平原和黄淮平原的主要分布区，少部分低丘陵地区集中在江苏省的西南部。江苏省地势平坦水网稠密，并且处于亚热带和暖温带的气候过度地带，受季风和台风影响较大，降雨丰沛，易发生极端降水事件，造成洪涝灾害。由于来自北方的干冷空气和南方的湿冷空气交汇影响，同时地势平坦，利于对流天气系统的形成，导致该地区成为我国龙卷风的高发地带。

1.2 多普勒天气雷达降水数据

利用2016年6月23日江苏省6部S波段的多普勒天气雷达（CINRAD-SA）原始体扫描资料对此次龙卷风降雨进行定量估测，雷达具体参数如下表1所示。S波段雷达观测数据主要包括：反射率（ZH），径向速度（V），谱宽（SW）。具体信息如表1所示。

1.3 GPM卫星估测降水数据

全球降水测量计划（GPM，Global Precipitation Measurement）是美国宇航局继热带降水测量计划（Tropical Rainfall Measuring Mission，TRMM）之后的全球卫星降水测量产品，是目前常用的卫星数据产品（方勉等，2019）。GPM多卫星降水融合产品（Integrated Multi-satellitE Retrievals for GPM，IMERG）是GPM数据处理的三级格点降水产品，空间分辨率为0.1°×0.1°，时间分辨率为30 min。根据滞后时间的长短，IMERG有3种不同的降水产品，包括滞后4 h未经雨量站误差订正的准实时产品（Early run）、滞后12 h的后期（Late run）以及经过雨量站误差订正的最终（Final run）产品。比较3种不同的降水产品：采用准实时产品中经过气候参数校正降水产品（IMERG_ERCal），经过雨量站误差订正的最终降水产品（IMERG_FRCal）及未经订正的最终降水产品（IMERG_FRUncal）。

1.4 融合卫星-雨量站数据

本文采用的参考标准观测数据是国家地面雨量站与卫星定量降水估计产品CMORPH融合的逐小时降水产品（以下简称CMORPHGC），空间分辨率是0.1°×0.1°。CMORPH数据NOAA气候预测中心（Climate Prediction Center，CPC）开发的卫星降水产品，地面雨量站降水数据则来自我国已经建立的30 000余座自动观测站。研究表明，经融合后的降水产品显著减少了系统误差，在我国雨量计密集的东部沿海区域产品质量较好，能准确捉住强降水的空间分布与时间变化，在对短时强降水的季节和日变化上和国家级气象观测站逐时地面降水资料反映的特征基本一致，能达到对强对流天气过程的监测和服务需求（沈艳等，2013;周璇等，2015）。

2 方法

2.1 分析方法

以CMORPHGC為基准，采用相对偏差（RB）、均方根误差（RMSE）、相关系数（CC）、命中率（POD）、误报率（FAR）、成功率（CSI）等指标（Chen et al.，2013a，2013b），对雷达和3种IMERGE降水产品的精度进行分析。

2.2 基于雷达的降雨定量估测方法

2.2.1 质量控制

雷达的扫描模式受到地形的影响，尤其是低仰角的扫描。目前我国业务运行的天气雷达的降水估测方法中未有对地形遮挡的预处理（王红艳和刘黎平，2015），因此在考虑雷达定量降水估测研究中，对雷达进行地形遮挡分析至关重要。本研究中对被遮挡的雷达采用组合扫描反射率的方法，例如第一层扫描仰角的雷达反射率因子被山体或建筑物遮挡，即用第二层扫描仰角的雷达反射率因子代替第一层仰角的雷达反射率因子。以此类推，直至雷达波束不被遮挡。

天气雷达因为受到硬件方面的影响，在计算降雨量前，对雷达数据进行简单的质量控制，消除非降水回波对降水估测的干扰（Zhang et al.，2005）。利用Zhang et al.（2004）的算法，采用VDZ区分雷达降水回波和非降水回波。

2.2.2 降雨类型

利用Z-R关系反演雷达降水量是现今定量估测降雨量最为常用的方法之一，依据不同降雨类型以及地理位置选择合适的Z-R关系是提高Z-R关系降雨估测精度的关键。相关研究（Chandrasekar et al.，2003）表明，对降雨区域区分不同的降雨类型，针对不同的降水类型应用不同的Z-R关系可以提高雷达定量降雨估测的精度。本研究通过计算垂直累积可降水量（Vertical Integrated Liquid water content，VIL）来划分降雨类型（Zhang and Qi，2010）。判断对流降雨和层流降雨的阈值参考美国新一代天气雷达（Zhang et al.，2011），垂直累积可降水量大于6.5 kg/m2判断为对流性降水，反之为层状云降水。相关研究表明，龙卷风强降水中通常会含有冰雹。本文以垂直累积可降水量密度（VILD，Vertical Integrated water Liquid content Density）大于1 m/g3为阈值，将大于1 m/g3的VILD值判断为冰雹（Amburn and Wolf，1997）。

图2是根据VIL得到的降雨类型，由图2a可以判断，VIL大于6.5 kg/m2的区域被判断为对流雨区域，图2b中对应的VILD大于1 g/m3区域则被判断为冰雹。

2.2.3 Z-R关系选取

对此次龙卷风强对流降雨的结果进行降雨类型的分类后，应用Z-R关系反演雷达降水。本研究参考Zhang and Qi（2010）的算法，应用不同的Z-R关系反演降水，以下雷达降水产品简称RQPE。

对流性降水（Fulton et al.，1998）：Z=300R1.4。

层状云降水（Marshall et al.，1955）：Z=200R1.6。

冰雹（王彬和张健，2014）：Z=75R2.0。

国内已有相关的研究成果，李哲（2015）分别对层状降水和对流降水采用不同的Z-R关系，表明降雨类型识别及匹配局地的Z-R关系式将有助于提高估测精度。

2.2.4 雷达组网拼图

通常用极坐标系存储雷达原始观测值，为了能与其他气象观测数据或者是组合多部雷达的数据进行分析，基于网格化的笛卡尔坐标被广泛采用。为了便于多部雷达观测进行拼接分析，常用的插值法包括：1）最邻近法（Jorgensen et al.，1983），2）线性插值法（Fulton et al.，1998），3）Cressman加权方案（Weygandt et al.，2002），4）巴恩斯或指数加权方案（Shapiro et al.，2003）等。地面固定的单部雷达的探测范围有限，不足以覆盖更大尺度的天气系统（肖艳姣和刘黎平，2006），为了获取更多的降雨信息，综合考虑多种因素对雷达反射率因子的影响，确保任意两部雷达之间都存在共同覆盖区域。自20世纪60年代以来，中外学者都对基于雷达反射率因子的雷达拼图进行了相关研究。白玉洁等（2012）利用广州和深圳的多普勒雷达进行三维格点拼图，完整地记录了0606号台风“派比安”的登陆过程和影响范围。本文采用Zhang et al.（2005）的拼图方法，对雷达的第一仰角和3 km以下的雷达反射率因子计算得到的降雨率进行组网拼图。

3 结果分析

3.1 雷达观测结果

图3是2016年6月23日08：30（世界时，下同）龙卷风发生时的雷达反射率因子及径向速度。此次龙卷风超级单体形成于一条高空槽的槽前，该高空槽处于东北冷涡环流并向西南延伸。超级单体形成于一条东南-西北走向的飑线南端，而该飑线形成于一条西南-东北走向的冷锋线状对流带的前方暖区内。图3a黑色小框中的回波呈现明显的钩状形状，这是龙卷风出现时雷达典型的回波形状，此时反射率因子达到50～60 dBz。周后福等（2014）的研究表明，在龙卷发生前后分别有气旋性和切变线风，因为地面有气旋和风切变，易在近地层导致风场辐合，触发强劲上升气流的龙卷天气产生。图3b的白色小框是TVS涡旋，在龙卷风发生的地区，沿着雷达的方位角方向，相邻的两个像素之间存在强烈的速度切变，是典型的龙卷涡旋特征（Tornadic Vortex Signature，简称TVS）（Brown et al.，1978）。

3.2 日累积降水时空分布

图4是2016年6月23日00：00至23：00不同降雨产品日累积降雨量的空间分布。从图4可以看出，基于卫星和雷达观测的定量估测产品基本上都能捕捉到降水的空间分布。但是，与地面观测结果（图4a）比较，空间分布最为吻合的是基于雷达观测的定量降水估计（图4b）。图4a白色框内的区域是此次强降雨过程的中心，雷达的降雨中心与地面观测结果基本一致。相比之下，IMERG降水产品（图4c、d、e）虽然能捕捉到与CMORPHGC较相似的强降水区域，但明显高估了江苏省东北部的降水量。表明雷达和卫星都能捕捉到与CMORPHGC一致的强降水中心，但IMERG高估了强降水的降雨量。可能原因是：1）由于龙卷风中心区域气流的快速上升，抑制雨滴的降落，而龙卷风的外围区域（即江苏的北部）由于气流的辐合上升，是强降水的降落地区。这与台风带来的降水类似，台风中心（台风眼）经过的地方在台风经过时降水很少，但台风东北侧的外围螺旋雨带是强降水区域;2）此次极端强降水中心活跃在北部，与淮北地形紧密相关。因淮北地形东部低，西部及北部漸高，近地面气流辐合对局地强降水起到了增幅的作用（吴海英等，2015）。任英杰等（2019）通过评估多版本的IMERG降水产品在中国大陆地区的精度，认为IMERG降水反演对中国地区的高雨强仍存在极大的不稳定性，表现为对极端强降水的捕捉监测能力不足和高估现象。

为了进一步定量比较不同降水产品的测量精度，下面仅对有雨量站的格点数据进行分析。图5是不同降水产品和地面雨量站比较的散点图和RB、RMSE以及CC的统计结果。由图可明，RQPE与CMOPRHGC的相关性最高（相关系数0.93），能较好地反映强降雨的空间分布及降雨强度的变化。IMERG降水产品的CC相差不大，均在0.9左右，与雨量站的空间一致性都略低于雷达产品。从RB指数分析，雷达低估了降雨量（-16.21%），而IMERG则高估了降雨量，偏差最为突出的是IMERG_ERCal，RB值达到29.57%，其中IMERG_FRCal（RB为22.98）和IMERG_FRUncal（RB为28.97%）的RB值也超过了20%。通过对三种IMERG产品结果进行比较可以看出，RMSE值最大的IMERG_FRUncal（18.12 mm）， 而IMERG_FRUncal（RB为28.97%）的RB值也超过了20%。说明经过地面雨量站校正的IMERG在偏差上有了轻微的改善，但三者的RMSE值仍是高于RQPE（RMSE为10.93 mm）。表明经过IMERG产品还存在较明显的系统误差，基于红外和微波观测进行的降水反演算法以及基于月雨量站数据分析产品的误差订正算法仍有很大的改进空间。

3.3 降水时间变化

图6显示的是仅有雨量站的CMORPHGC、IMERG和RQPE格点数据的每小时区域平均降水量，图6a是江苏省整个研究区的每小时平均降水量时间序列，图6b是降水中心的每小时平均降水量时间序列。在图6a中，降水量的峰值出现在07—15时，在峰值出现前期，RQPE与雨量站的降水量趋势变化基本一致，能较好捕捉到降雨的时间变化。但RQPE从05时开始到12时存在明显低估降水的现象，低估现象一直持续到降水量回落，未能准确地估测强降雨的变化。而IMERG的降水产品对于峰值前期的弱降水也能较为准确地观测到，与地面观测结果的时序变化基本吻合，能捕捉到降雨量的峰值，但显著高估了峰值的降雨量。图6b中RQPE低估了峰值的降水量，其他时刻与雨量站的降雨量变化基本保持一致。相比之下，IMERG则始终高估降水区域的降水峰值，在07时后呈现显著高估（RB值为24.83%～33.45%），表明卫星未能准确捕捉到强降水中心随时间的变化特征。IMERG降水产品在强降水区域的降水时序变化较整个研究区降水量的时序变化出现了明显差异。原因可能是龙卷风强气流对降水粒子的相态、密度和形状造成影响，从而导致星载降水雷达的PR算法产生误差，影响了星载雷达观测数据的衰减、校正以及降水估算方法（Iguchi et al.，2009）。

3.4 概率分布

为了详细分析雷达和卫星对不同降水强度监测能力的差异性，采用不同降雨率的发生率（CDFc）和不同降水率累积降水量占总降水量的百分比（CDFv）分析，仅对有一个或以上的雨量站的格点数据进行计算，且只有当同时被CMORPHGC、雷达和3个IMERG产品都检测为有降水的发生时才进行统计计算，降水率间隔为0.1 mm/h。图7a显示的是不同降水产品在不同降水率下监测的概率分布情况。在降雨率大于3 mm/h及小于32 mm/h的降水率区间，雷达的CDFc值略高于雨量站数据。而IMERG的CDFc曲线从0.2 mm/h开始就比雷达和CMORPHGC的低，表明IMERG降水产品高估了此次强降水。

RQPE的CDFv值变化规律与CMORPHGC的基本一致，但从2 mm/h后，CDFv值始终略高于CMORPHGC。代表着RQPE低估大雨及暴雨的（>5 mm/h）降水量，这也是此次雷达低估强降水的主要表现之一。而IMERG对强降水的表现则与雷达存在差异，IMERG对小于1 mm/h的降水估测与雷达和雨量站的偏差不大，但高估了1～16 mm/h降水率区间的降水。其中，当降水率大于16 mm/h时，IMERG final run产品的CDFv曲线表现出贴近雷达和CMORPHGC曲线的趋势，但IMERG_ERCal产品则呈现明显远离雷达和雨量站曲线的趋势，这也证明了卫星反演降水经过地面雨量站的月尺度数据的校正，其精度有了轻微改善。

3.5 POD，CSI，FAR分析

图8是各种降水产品的常用评分分析结果。其中POD表示命中率，CSI表示成功率，FAR表示误报率。以地面雨量站观测值为基准，RQPE的POD值、CSI值和FAR值的表现都优于卫星降水产品。RQPE的POD、CSI的最低值以及FAR的最高值都出现在40～45 mm/h的降水率区间，POD下降到22%左右，CSI低于20%，FAR超过80%。3种IMERG降水产品对降水率的监测表现都比较接近，几乎监测不到大于40 mm/h降水的发生，成功率也几乎为0，FAR值也接近100%。3种IMERG降水产品横向比较，当降雨率在18～40 mm/h区间时，IMERG Final run产品的表现略优于IMERG_ERCal，但仍存在不足之处。IMERG Final run产品的呈现CSI增长和FAR下降的趋势，但POD评分也较低。江苏省是典型的平原地区，夏季降水丰沛，整体呈现降水趋势由南向北递减。基于月分析产品的误差订正算法，在夏季误差总体较大（孙振利等，2017）。

4 结论和讨论

本研究评估多普勒S波段单偏振天气雷达和3种IMERG降水产品在江苏省盐城龙卷风强降水过程中的误差。此次龙卷风对江苏省强降水量测量结果以国家气象局开发的卫星和地面雨量站观测的融合产品CMORPHGC为基准，综合定量分析指数（CC、RB、RMES等）对分辨率为0.1×0.1的4种降水产品进行综合评估，分析其对强降水的监测能力。主要结论如下：

1）针对日累积降水量而言，四种降水产品都能反映此次龙卷风强降水事件的空间特征，能抓住整个降水过程的强降水中心。其中RQPE和CMORPHGC的空间分布格局，具有很高的相关性（CC为0.98），降水区域主要集中在江苏省北部。

2）对于小时时序的区域降水变化，IMERG和RQOE基本能反映整个江苏省的降雨强度的时序变化趋势，但雷达和IMERG的表现具有差异较大，雷达低估了峰值降雨量，而IMERG显著高估了降雨量。综合降水中心区域分析，IMERG显著高估了中心区域的降水量，反映出IMERG的强降水区域降水与雨量站的时间序列存在显著偏差。RQPE在降水峰值达到之前及峰值之后与地面雨量站的变化趋势基本一致，但对降水量峰值（07—12时）有明显的低估。RQPE能较为准确地在时间上捕捉到降雨强度的变化趋势，但对于大雨及暴雨（>5 mm/h）的估测能力不佳。

3）IMERG产品对与此次龙卷风强降水的探测发生率POD都不高，当降水率大于10 mm/h时，误報率FAR曲线始终高于雷达，成功率CSI对大于40 mm/h的降水发生的探测准确率较低。三者的变化趋势基本一致，对强降水发生的探测准确度较低，表明卫星降水产品对龙卷风极端强降水的反演误差较大。

上述研究表明，天气雷达对此次强降水的估测精度高于IMERG，在中小尺度区域降水的时空变化监测中展现了一定的优越性，能追踪到强降水的动态变化趋势，但对于强降水的估测仍存在低估降水量的问题，该地区反演雷达降水的Z-R关系式需要进一步的改善。随着我国天气雷达网升级改造为双偏振天气雷达，预计升级后的双偏振雷达网能进一步提高对强降水过程的监测和预报预警，提高降水估计的精度。IMERG产品都能捕捉到小时时序的区域平均降水变化，表明基于地球外围观测的卫星产品能追踪到极端降水的时间变化趋势，在降水空间分布和降水量估测上对龙卷风强降水存在误差。可能是因为地面龙卷风强上升气流的影响，降水粒子的相态、密度和形状都发生了变化，卫星整体高估了强降水区域的降水量。

致谢：NASA提供了IMERG资料的在线下载服务。

参考文献（References）

Amburn S A，Wolf P L，1997.VIL density as a hail indicator[J].Wea Forecasting，12（3）：473-478.

白玉洁，胡东明，程元慧，等，2012.广东天气雷达组网策略及在台风监测中的应用[J].热带气象学报，28（4）：603-608. Bai Y J，Hu D M，Cheng Y H，et al.，2012.Typhoon monitoring using the Guangdong weather radar network[J].J Trop Meteor，28（4）：603-608.（in Chinese）.

Barrett E C，Beaumont M J，1994.Satellite rainfall monitoring：an overview[J].Remote Sens Rev，11（1/2/3/4）：23-48.

Brown R A，Lemon L R，Burgess D W，1978.Tornado detection by pulsed Doppler radar[J].Mon Wea Rev，106（1）：29-38.

Chandrasekhar V，Meneghini R，Zawadzki I，2003.Global and local precipitation measurements by radar[J].Meteorol Monogr，30（52）：215.

Chen S，Hong Y，Cao Q，et al.，2013a.Performance evaluation of radar and satellite rainfalls for Typhoon Morakot over Taiwan：are remote-sensing products ready for gauge denial scenario of extreme events· [J].J Hydrol，506：4-13.

Chen S，Hong Y，Gourley J J，et al.，2013b.Evaluation of the successive V6 and V7 TRMM multisatellite precipitation analysis over the Continental United States[J].Water Resour Res，49（12）：8174-8186.

方勉，何君涛，符永铭，等，2019.基于GPM卫星降水产品对1808号超强台风“玛利亚”降水结构的分析[J].大气科学学报，42（6）：845-854. Fang M，He J T，Fu Y M，et al.，2019.The precipitation structure for super typhoon Maria （1808） based on GPM satellite rainfall products[J].Trans Atmos Sci，42（6）：845-854.（in Chinese）.

Fulton R A，Breidenbach J P，Seo D J，et al.，1998.The WSR-88D rainfall algorithm[J].Wea Forecasting，13（2）：377-395.

Iguchi T，Kozu T，Kwiatkowski J，et al.，2009.Uncertainties in the rain profiling algorithm for the TRMM precipitation radar[J].J Meteor Soc Japan，87A：1-30.

Jorgensen D P，Hildebrand P H，Frush C L，1983.Feasibility test of an airborne Pulse-Doppler meteorological radar[J].J Climate Appl Meteor，22（5）：744-757.

李哲，2015.多源降雨观测与融合及其在長江流域的水文应用[D].北京：清华大学. Li Z，2015.Multi-source precipitation observations and fusion for hydrological applications in the Yangtze River basin[D].Beijing：Tsinghua University.（in Chinese）.

李柏，古庆同，李瑞义，等，2013.新一代天气雷达灾害性天气监测能力分析及未来发展[J].气象，39（3）：265-280. Li B，Gu Q T，Li R Y，et al.，2013.Analyses on disastrous weather monitoring capability of CINRAD and future development[J].Meteor Mon，39（3）：265-280.（in Chinese）.

刘彤，闫天池，2011.我国的主要气象灾害及其经济损失[J].自然灾害学报，20（2）：90-95. Liu T，Yan T C，2011.Main meteorological disasters in China and their economic losses[J].Journal of Natural Disasters，20（2）：90-95.（in Chinese）.

Marshall J S，Hitschfeld Walter，Gunn K L S，1955.Advances in radar weather[J].Adv Geophysics，2：1-56.

任英杰，雍斌，鹿德凯，等，2019.全球降水计划多卫星降水联合反演IMERG卫星降水产品在中国大陆地区的多尺度精度评估[J].湖泊科学，31（2）：560-572. Ren Y J，Yong B，Lu D K，et al.，2019.Evaluation of the integrated multi-satellite retrievals （IMERG） for global precipitation measurement （GPM） mission over the Mainland China at multiple scales[J].J Lake Sciences，31（2）：560-572.（in Chinese）.

Shapiro A，Robinson P，Wurman J，et al.，2003.Single-Doppler velocity retrieval with rapid-scan radar data[J].J Atmos Oceanic Technol，20（12）：1758-1775.

沈艳，潘旸，宇婧婧，等，2013.中国区域小时降水量融合产品的质量评估[J].大气科学学报，36（1）：37-46. Shen Y，Pan Y，Yu J J，et al.，2013.Quality assessment of hourly merged precipitation product over China[J].Trans Atmos Sci，36（1）：37-46.（in Chinese）.

孙振利，吴志勇，何海，2017.TRMM卫星反演降水在江苏典型平原区的评估与订正[J].水电能源科学，35（2）：24-28. Sun Z L，Wu Z Y，He H，2017.Evaluation and correction of TRMM satellite-retrieved precipitation in the typical plain area of Jiangsu Province[J].Water Resour Power，35（2）：24-28.（in Chinese）.

王彬，张健，2014.美国国家强风暴实验室定量降水估算系统简介[J].气象科技进展，4（2）：45-51. Wang B，Zhang J，2014.An introduction to quantitative precipitation estimation system in national severe storms laboratory[J].Advances in Met S&T，4（2）：45-51.（in Chinese）.

王红艳，刘黎平，2015.新一代天气雷达降水估算的区域覆盖能力评估[J].高原气象，34（6）：1772-1784. Wang H Y，Liu L P，2015.Assessment of CINRAD regional coverage for quantitative precipitation estimation[J].Plateau Meteor，34（6）：1772-1784.（in Chinese）.

魏文秀，赵亚民，1995.中国龙卷风的若干特征[J].气象，21（5）：36-40. Wei W X，Zhao Y M，1995.The characteristics of tornadoes in China[J].Meteor Mon，21（5）：36-40.（in Chinese）.

Weygandt S S，Shapiro A，Droegemeier K K，2002.Retrieval of model initial fields from single-Doppler observations of a supercell thunderstorm.Part Ⅰ：single-Doppler velocity retrieval[J].Mon Wea Rev，130（3）：433-453.

吴海英，曾剑明，王卫芳，等，2015.1211号“海葵”台风登陆后引发两段大暴雨过程的对比分析[J].大气科学学报，38（5）：670-677. Wu H Y，Zeng J M，Wang W F，et al.，2015.Comparative analysis on two rainstorm processes caused by typhoon HaiKui （1211） after landfall[J].Trans Atmos Sci，38（5）：670-677.（in Chinese）.

肖艷姣，刘黎平，2006.新一代天气雷达网资料的三维格点化及拼图方法研究[J].气象学报，64（5）：647-657. Xiao Y J，Liu L P，2006.Study of methods for interpolating data from radar network to 3-D grid and mosaics[J].Acta Meteor Sin，64（5）：647-657.（in Chinese）.

许遐祯，潘文卓，缪启龙，2009.江苏省龙卷风灾害风险评价模型研究[J].大气科学学报，32（6）：792-797. Xu X Z，Pan W Z，Miu Q L，2009.Disaster risk assessment of tornado in Jiangsu Province[J].Trans Atmos Sci，32（6）：792-797.（in Chinese）.

薛德强，李长军，2002.一次强龙卷风过程破坏力的估计[J].气象，28（12）：50-52. Xue D Q，Li C J，2002.Assessment of a strong tornado destructibility[J].Meteor Mon，28（12）：50-52.（in Chinese）.

You Y L，Liu G S，Wang Y，et al.，2011.On the sensitivity of tropical rainfall measuring mission（TRMM） microwave imager channels to overland rainfall[J].J Geophys Res，116（D12）：D12203.

Zhang J，Qi Y C，2010.A real-time algorithm for the correction of brightband effects in radar-derived QPE[J].J Hydrometeor，11（5）：1157-1171.

Zhang J，Wang S，Clarke B，2004.WSR-88D reflectivity quality control using horizontal and vertical reflectivity structure[C]//11th Conf Paper presented at the 11th conference Aviation，Range，and Aerospace Meteor.Hyannis：Amer Meteor Soc.

Zhang J，Howard K，Gourley J J，2005.Constructing three-dimensional multiple-radar reflectivity mosaics：examples of convective storms and stratiform rain echoes[J].J Atmos Oceanic Technol，22（1）：30-42.

Zhang J，Howard K，Langston C，et al.，2011.National mosaic and multi-sensor QPE （NMQ） system：description，results，and future plans[J].Bull Amer Meteor Soc，92（10）：1321-1338.

张乐坚，储凌，叶芳，等，2012.使用雷达回波三维信息自动识别降水类型的方法[J].大气科学学报，35（1）：95-102. Zhang L J，Chu L，Ye F，et al.，2012.The automatic identification of rainfall type by using radar data[J].Trans Atmos Sci，35（1）：95-102.（in Chinese）.

周后福，刁秀广，施丹平，等，2014.江淮地区非超级单体龙卷风暴的雷达探测与成因分析[C]//第31届中国气象学会年会：北京. Zhou H F，Diao X G，Shi D P，2014.Radar detection and affecting factors of non-supercell tornadic storms of Jiangsu province[C]//The 31st Chinese Meteorological Society：Beijing （in Chinese）.

周璇，罗亚丽，郭学良，2015.CMORPH卫星-地面自动站融合降水数据在中国南方强降水分析中的应用[J].热带气象学报，31（5）：333-344. Zhou X，Luo Y L，Guo X L，2015.Application of a CMORPH-AWS merged hourly gridded precipitation product in analyzing characteristics of short-duration heavy rainfall over southern China[J].J Trop Meteor，31（5）：333-344.（in Chinese）.

Inter-comparison of rainfall estimates from radar，satellite and gauge during the Yancheng Tornado

HUANG Chaoying1，2，ZHANG Asi1，2，CHEN Sheng1，2，HU Baoqing3

1School of Atmospheric Sciences，Sun Yat-sen University，Zhuhai 519000，China;

2Key Laboratory of Tropical Atmosphere-Ocean System（Sun Yat-sen University），Minstry of Education，Zhuhai 519000，China;

3Key Laboratory of Environment Change and Resources Use in Beibu Gulf（Nanning Normal University），Ministry of Education，Nanning 53000，China

The study evaluates the rainfall estimates from ground radar network against Early and Final Run Integrated Multi-Satellite Retrievals for Global Precipitation Mission （IMERG） during an extreme precipitation storm over Yancheng Tornado on June 23，2016.The statistics indexes used in this study were as follows：correlative coefficient （CC），relative bias （RB） and root mean square error （RMSE），probability of detection （POD），critical success index （CSI） and false alarm ratio （FAR）.From the results，the following were shown：1）the radar quantitative precipitation estimates （RQPE） and three IMERG can all capture the spatial pattern of storm cumulative rainfall with high CC from 0.91—0.98，and the RQPE was highly correlated with the gauge measurement （CC～0.98）;2）the radar and satellite products can capture the rainfall center in Jiangsu Province;3）all the satellite products significantly overestimated the hourly area-mean cumulative precipitation from 46.32% to 60.11%， thus indicating a significantly deviation between the time series of IMERG and observation in the heavy rain storm;4）the RQPE agrees well with the trend of gauge observations before and after the peaks of rainfall，yet underestimates the maximum rainfall;5）the RQPE can effectively capture the trend of rainfall intensity in terms of space and time，but performs less effectively in estimating heavy rain and torrential rain （>5 mm/h）;and 6）the POD，CSI and FAR values of RQPE are much higher than IMERG.IMERG can barely detect the occurrence of heavy precipitation （40 mm/h），while RQPE has the lowest value in the range of 40～45 mm/h.Overall，the radar outperforms the satellite in estimating precipitation during extreme rainfall storms，yet still requires improvement to capture the intensive rainfall peaks.

tornado;GPM;weather radar;quantitative precipitation estimation

doi：10.13878/j.cnki.dqkxxb.20181027001

（責任编辑：刘菲）