杨 洁，王 兵，刘 峰，陈云峰，林 智

（1.中国民用航空中南空中交通管理局气象中心，广东 广州 510405；2.广东省气候中心，广东 广州 510080）

华南地区春季受低压倒槽、冷锋等系统影响容易出现连阴雨天、低云低能见度天气，其中中小尺度下作用的带冰雹强对流天气虽发生频率不如夏季多，但来势大、强度大，常伴有狂风骤雨，对航空安全飞行造成很大的威胁，是航空气象预报关注的重点。在实际业务中常采用雷达来捕捉降水回波,进行对流监测，但范围较小。由于气象卫星能提供大范围、全天候的观测信息，近年来成为对流天气的重要监测工具，尤其对缺乏雷达设备的小机场预报对流冰雹帮助很大。Mecikalski等[1]使用GOES卫星和多普勒雷达资料提出了临近时效内对流初生的8个指标。Vila等[2]基于卫星数据开发了对流预报和追踪算法。Sieglaff等[3]针对对流初生和快速发展开发了卫星UWCI算法。刘健等[4]使用AMSU和MODIS卫星等多种卫星对暴雨云团开展特征分析。朱亚平等[5]利用AMSU-B微波亮温资料和GOES-9红外遥感资料对一次锋面气旋云系中的强对流云团进行识别。刘健等[6]利用FY-2C卫星数据对一次强对流过程进行分析，发现快速区域扫描的高时间分辨率观测模式可以更好地捕捉对流云团发展变化的特征。李五生等[7]利用MTSAT-1R卫星资料中的红外和水汽通道数据，在目标云块识别对比的基础上计算对流初生（CI）预报的8个指标值。张杰等[8]利用NOAA卫星数据，从天气分析、能量转换以及云在可见光、中红外波段的反射特性，分析了冰雹云的演变及特征。傅华等[9]针对冰雹灾害多发的新疆天山西部地区，利用2007年和2008年5—10月14次MODIS卫星过境资料，选取共计45个云系样本数，进行冰雹云、强对流云团和薄卷云的光谱特征提取和雹暴指数计算与分析。黄勇等[10]利用不同的阈值对2010年6—7月的FY-2E云图进行识别，根据识别出来的对流云的尺度、形状和云顶最低亮温，将对流云划分为18个类别。周晓丽等[11]利用2007—2013年新疆10场强对流天气过程以及与之相应的FY-2D静止气象卫星数据，构建多通道多阈值判识方法。周虎等[12]利用逐时自动站资料、WRF模式数值产品、卫星云图、雷达产品等资料对2004—2008年出现的冰雹天气进行统计分析，建立了宁夏冰雹天气预报预警模型。杨莲梅等[13]利用GMS-5静止气象卫星逐时红外云图数值资料，分析了阿克苏北部绿洲1998—2001年5—8月各10次强对流暴雨和冰雹过程的红外云图特征。2014年10月日本“葵花8号”卫星发射，作为静止卫星，其观测时间和区域稳定，探测通道多达16个，空间分辨率高达0.5～2 km，时间分辨率高达10 min，常被应用在业务监测与预报上。李斯荣等[14]利用葵花8号卫星红外、水汽云图和FY-2E卫星可见光云图资料，以及多普勒天气雷达拼图和常规气象站、自动气象站、高空观测资料，对2017年9月21日发生在山西境内的一次飑线天气过程进行云图特征及维持机制分析。郭巍等[15]使用葵花8号卫星数据，在MB06算法基础上建立了适用于上海地区夏季的对流初生阈值算法。张夕迪等[16]利用葵花8号卫星红外云图结合地面降水，在2016年汛期27次暴雨过程中每个过程选定一个主要的目标对流云团分析其初生情况，并与FY-2卫星和雷达探测的情况进行对比。王宏斌等[17]基于葵花8号静止气象卫星的高时空分辨率多通道数据开展了中国地区夜间不同等级雾的识别。

2019年2月21日广州市气象台发布了广州雷雨大风黄色预警、暴雨黄色预警以及冰雹橙色预警，在广州白云区、佛山出现冰雹的新闻报道。白云机场16：11—17：46（北京时间，下同）出现中到强雷雨，雷达PPI回波图里显示对流里夹杂着冰雹。基于葵花8号卫星的对流反演、冰雹识别文献较少，且反演出来的结果未给出过评估标准和监测指标统计。本文针对此次强对流冰雹过程，在葵花8号卫星资料基础上，将采用传统的11.2 μm通道与7.0 μm通道亮温差拟合法和新的11.2 μm通道、7.0 μm通道分段拟合法对雷达回波进行反演，并与广东省多普勒雷达拼图的组合反射率因子资料对比进行评估，探索两种方法的优劣之处。同时结合广州白云机场雷达冰雹产品，利用葵花8号卫星数据计算雹暴指数来得到降雹概率80%以上的卫星遥感监测指标。

1 数据资料

本文中的环流背景资料来自于2019年2月21日06UTC（OTC为世界时，下同）NCEP GDAS/FNL一天4次的分析资料，网格分辨率为1°×1°，卫星资料来自葵花8号卫星，网格分辨率为0.02°×0.02°。为了识别反演对流，本文采用了广东省多普勒雷达拼图的组合反射率因子资料作参考真值，网格分辨率为0.02°×0.02°。广东省多普勒雷达拼图由位于广州、梅州、阳江和韶光的4部S波段WSR-98D型号雷达生成的图像产品拼接而成，于2003年投入业务运行[18]。验证冰雹的参考真值，本文采用了广州白云机场60 km的MAX（MAX为最大反射率）雷达回波，水平网格分辨率为0.2 km×0.2 km，垂直网格分辨率为0.107 km；白云机场125 km的MAX雷达回波，水平网格分辨率为0.417 km×0.417 km，垂直网格分辨率为0.107 km；白云机场125 km的PPI雷达回波，雷达扫描仰角为1.2°，水平网格分辨率为0.417 km×0.417 km；白云机场125 km的冰雹产品资料，水平网格分辨率为0.417 km×0.417 km。

2 天气形势分析

2019年2月21日14点的地面到400 hPa的天气环流图上（图1），地面冷空气南下，华南位于倒槽内，冷锋位于白云机场北面。850 hPa槽线从江南气旋延伸至广西，700 hPa和600 hPa西南东部、华南西部有短槽波动，500 hPa南支槽南端移至白云机场东侧，400 hPa高空槽移至白云机场附近。850～500 hPa华南南风较大，给华南带来充足的水汽，白云机场位于相对湿度90%以上的高湿区。从温度线来看，白云机场400 hPa为-22 °C，600 hPa在-1 °C线附近，一般认为云内0 ℃层的高度在600 hPa上下，-20 ℃高度在400 hPa附近或以下有利于冰雹的生成[19]。

受倒槽冷锋、南支槽影响，白云机场16：11—17：46出现中到强雷雨，雷达PPI回波图里显示对流里夹杂着冰雹。图2a为北京时间16时广东省自动观测风场图，显示了广东中北部自动站风向均为偏北风。受冷空气影响，白云机场由15：30风向70°的偏东风转为16时风向40°的东北风，风力由3 m/s增大为5 m/s，到17时北风加强为9 m/s。图2b、2c、2d分别为16：14广州白云机场仰角1.2°的125 km的PPI雷达回波图、60 km的MAX雷达回波图和125 km的冰雹预报产品。可以看到离塔台中心南面20 km出现50～55 dBZ明显的指状回波（图2b椭圆标注），对应高空7、8 km的紫色强回波（图2c椭圆标注），冰雹预报产品也在对应位置预报80%以上的概率有冰雹（图2d）。指状回波为强对流低层回波边缘呈指状突出的小尺度强回波区，常对应着中等强度的降雹[20]。综上所述，高空环流配合南下的冷空气导致了本次伴随冰雹的强对流天气。

图1 2019年2月21日14时（北京时间）地面（a）、850 hPa（b）、700 hPa（c）、600 hPa（d）、500 hPa（e）、400 hPa（f）的天气图

图2 2019年2月21日16时广东省自动观测风场（a）、16：14广州白云机场仰角1.2°的125 km的PPI雷达回波（b）、16：14广州白云机场60 km的MAX雷达回波（c）和16：14广州白云机场125 km的冰雹预报产品（d）

3 基于葵花8卫星的对流识别

Schmetz等[21]利用大气辐射传输模式对有云条件下红外水汽与红外窗区通道进行辐射传输计算，发现对流云团顶部会出现红外水汽与窗区辐射异常反转。赵文华等[23]利用静止卫星FY-2G VISSR观测数据，采用分级分析方法计算红外水汽（6.9～7.3 μm）与窗区通道（10.3～11.3 μm）亮温差，发现亮温差阈值法可实现对流云团的识别与定强。本文选取葵花8号卫星第9通道（7.0 μm）和第14通道（11.2 μm）分别作为红外水汽通道和窗区通道来计算亮温差BTD，BTD表示为：

其中，BT14为第14通道（11.2 μm）亮温，BT9为第9通道（7.0 μm）亮温，单位均为K。根据式（1），选择16时的卫星和雷达资料得到图3。从图3可看到，10 dBZ以上的回波强度对应着250 K以下的7.0 μm通道亮温以及260 K以下的11.2 μm通道亮温，50～62 dBZ的强回波区，7.0 μm通道亮温位于233～227 K，11.2 μm通道亮温位于239～229 K，回波强度越强的位置，对应的两个通道亮温温度越低。20～60 dBZ的回波强度对应着10～0 K的BTD值，且10～0 K的BTD位置比雷达回波偏东，这是由于葵花8号卫星由空中往下探测，探测到的是云顶亮温，云顶移动速度最快，而雷达采用由下至上的锥形扫描，两者扫描的几何方式不同造成了一定的位置偏差。超过50 dBZ的强回波区，BTD均值为0～2 K，这与赵文化[22]的发现一致。

因为雷达回波与红外通道亮温和BTD值位置有偏差，故采用空间匹配方法[22]，将10～62 dBZ的雷达回波按5 dBZ为步长分级，每一级找出BT9、BT14和BTD的对应样本值（规律为雷达回波值越大，BT9、BT14和BTD值越小），通过对比数据分别求得BTD、红外通道亮温与回波强度的关系。赵文化等[22]指出BTD与回波强度基本呈线性关系，故使用最小二乘法拟合方法，采用matlab软件对16时的BTD以及回波强度进行线性拟合，得到公式（2）：

其中，DBZ是回波强度，单位为dBZ。由式（2）得到图4a，与图3c对比，发现112.5°～114.5°E范围内反演的强回波（50 dBZ以上）区域面积过大。因此通过观察，采用分段线性拟合，得到16时不同条件下BT9、BT14与DBZ的关系式（表1）。

表1 BT9、BT14与DBZ的分段关系式

根据表1得到图4b，与图3c、图4a比较，图4b基本反演出了10～40 dBZ回波强度的区域，位于白云机场西侧的强回波区域也反演出来了，只是面积稍大。为了对两种方法的反演质量进行正确评估，在22°～25°N，112°～115°E的区域里反演的回波与真实回波分别有151、151，共22 801个样本，采用表2中的参数[23]，当反演的回波强度与真实回波强度都落在评估波段（如5 dBZ≤回波强度<10 dBZ），统计出来的个数为n11；反演的回波强度落在评估波段，而真实回波强度落在非评估波段（回波强度<5 dBZ或10 dBZ≤回波强度dBZ），统计出来的个数为n12；真实回波强度落在评估波段，而反演的回波强度落在非评估波段，统计出来的个数为n21；真实回波强度和反演的回波强度都落在非评估波段，统计出来的个数为n22。利用表2里的参数来定义常用的3个评估统计量：击中率FH、误警率PFD、临界成功指数Ics[22]。

图3 北京时间16时，22°～25°N，112°～115°E范围内的葵花8号卫星第9通道7.0 μm亮温（a）、第14通道11.2 μm亮温（b）、广东省组合反射雷达回波与BTD（c）

根据表2和式（3）分别计算BTD-DBZ线性拟合法和分段线性拟合的反演评估参数值与评估统计量，得到表3和表4。对比表3和表4可知，随着评估波段越来越大，击中率和临界成功指数都越来越低，这主要是因为越强的对流的样本数在总样本量里占比越来越小，分段线性拟合法反演的n21略低于BTD-DBZ线性拟合法反演的，但n21的数值还是比较大，在评估波段反演成非评估波段方面两种方法都需要改进。就误警率来说，分段线性拟合法的反演结果低于BTD-DBZ线性拟合法的反演结果，尤其在强对流段（回波强度≥35 dBZ）表现得很明显。因此，在强对流识别上，分段线性拟合比单纯的BTD-DBZ线性拟合效果要好，非强对流点识别成强对流点的情况要少较多，如图3c中的弱对流区（20～35 dBZ），图4a基本识别为强对流区（40～50 dBZ），而图4b更符合图3c。

表2 反演评估参数

4 基于葵花8卫星的冰雹识别

张杰等[8]指出，0.65 μm通道的反射率越高且3.75 μm通道的反射率越低时，冰雹容易生成。傅华等[9]利用MODIS资料计算雹暴指数，得到了雹暴指数>0.35时降雹概率大。雹暴指数具体表示为：

表3 BTD-DBZ线性拟合法的反演结果评估参数值与评估统计量

表4 分段线性拟合法的反演结果评估参数值与评估统计量

图4 北京时间16时，22°～25°N，112°～115°E范围基于BTD反演的DBZ（a）和基于BT9和BT14反演的DBZ（b）

其中，HI为雹暴指数，ρ0.65、ρ3.75分别表示MODIS卫星通道0.65、3.75 μm波段的反射率。选取葵花8号第3通道0.64 μm和第7通道3.9 μm资料，由于0.64 μm通道是反射率，3.9 μm通道是亮温，单位不统一，故将资料进行Min-Max标准化归一处理：

其中，x为原始数据，xmax为原始数据的最大值，xmin为原始数据的最小值，x′为归一化后的数据，经过处理后，x′值被映射在区间[0，1]。按式（5）重新定义雹暴指数：

其中，γ0.64、γ3.9分别为0.64、3.9 μm波段Min-Max标准化归一处理后的无量纲变量。根据式（6），采用16：20的葵花8号资料绘制HI计算结果，删除HI≤0的无冰雹区域，并增加BT14通道亮温作为临界指标（根据表1，35 dBZ以上强度的对流云BT14最低为240 K，尽量排除部分降水云），得到图5c。由图5c可知，11.2 μm通道（红色虚线）亮温低于240 K，HI为0.4～0.5的区域（红色椭圆区域）对应了白云机场雷达冰雹产品里的80%以上大概率冰雹区（图5b中深红色区域）。

选取16：00—17：00葵花8号卫星资料进行雹暴指数计算，得到时间间隔为10 min一次，共7次的计算结果。然后和白云机场冰雹预报产品原始数据同时插值成0.8 km×0.8 km的分辨率，统计80%以上大概率降雹区以及对应位置的雹暴指数、BT14值的样本数，得到表5。

由表5可以看到，7个时次80%以上的大概率降雹区样本总数为1 028，对应位置的BT14值均＜240 K，对应位置的雹暴指数为0.3～0.4的样本数为28，占比约2.7%；0.4～0.5的样本数为397，占比约38.6%；0.5～0.6的样本数为470，占比约45.7%；0.6～0.7的样本数为133，占比约为12.9%。雹暴指数0.4～0.7的样本数占比约为97.3%，由此可以得出，11.2 μm通道亮温低于240 K，雹暴指数为0.4～0.7的情况下，80%以上的大概率会降雹。

表5 7次卫星观测时间（北京时）下，80%以上大概率降雹区对应的雹暴指数和BT14值样本数统计

5 结论

针对2019年2月21日强对流冰雹过程的天气形势，参考广东省多普勒雷达拼图的组合反射率因子资料、广州白云机场MAX雷达回播和冰雹产品，对对流和冰雹进行识别，得到以下结论：

（1）高空环流配合南下的冷空气导致了本次伴随冰雹的强对流天气。白云机场高空400 hPa为-22 °C，600 hPa在0 °C线附近，有利于冰雹生成。

图5 16：20，22°～25°N，112°～115°E范围内的广州白云机场125 km的MAX雷达回波（a）、白云机场125 km的冰雹预报产品（b）、雹暴指数（阴影）和BT14（11.2 μm，红色虚线）（c）

（2）采用空间匹配方法，将10～62 dBZ的雷达回波按5 dBZ为步长分级，每一级找出7.0 μm通道、11.2 μm通道和BTD的对应样本值。把广东省多普勒雷达拼图的组合反射率因子资料作为参考真值，对11.2 μm通道与7.0 μm通道亮温差BTD进行线性拟合，并对11.2 μm通道、7.0 μm通道分段拟合反演雷达回波。对两种方法的反演质量进行击中率、误警率、临界成功指数评估，发现随着评估波段越来越大，击中率和临界成功指数都越来越低，在评估波段反演成非评估波段方面两种方法都需要改进。就误警率来说，分段线性拟合法的反演结果低于BTD-DBZ线性拟合法的反演结果，尤其在强对流段（回波强度≥35 dBZ）表现得很明显，非强对流点识别成强对流点的情况要少较多。

（3）选取16—17时的Min-Max标准化归一后的葵花8号卫星资料进行雹暴指数计算，得到时间间隔为10 min一次，共7次的计算结果。然后将计算结果和白云机场冰雹预报产品原始数据同时插值成0.8 km×0.8 km的分辨率，统计80%以上大概率降雹区以及对应位置的雹暴指数、BT14值的样本数，发现11.2 μm通道亮温＜240 K，雹暴指数为0.4～0.7的情况下，80%以上的概率会降雹。