支树林，许东蓓，潘赫拉，李典南，包慧濛，陈 娟

(1.江西省气象台，江西 南昌 330096；2.成都信息工程大学大气科学学院，四川 成都 610225；3.中国人民解放军陆军航空兵学院，北京 101123；4.贵州省气象台，贵州 贵阳 550002)

引 言

雷达气候学研究是指基于长时间序列天气雷达观测资料，采用统计分析方法，了解当地对流活动时空分布与演变特征，从而为对流天气的预报提供背景参考。国外相关研究利用雷达资料，统计分析中尺度对流系统的空间分布及时间变化特征[1-7]，发现基于雷达资料对不同类型对流活动的气候特征的分析更加准确，如CINTINEO等[8]基于多雷达/多传感器系统(multi-radar/multi-xensor system, MRMS)发现美国2007—2010年暖季期间冰雹次数多于人工观测和目击报告的结果。不同地区、不同类型对流风暴初生位置和时间各有不同，雷达气候学研究成果可以更好地认识对流风暴的易发区。如德国西南部和法国东部对流初生密度在山区更高，即山区更易先形成雷暴，对流增强事件几乎同样地跨越山脉和山谷[9]；而在美国东南部地区，1997—2013年，暖季孤立雷暴初生事件更多地发生在城市而非农村地区，尤其在城市东部的下风方出现频率更高，且工作日比周末高[10]。也有研究采用风暴属性追踪方法进行雷达气候学的研究，该方法首先基于雷达回波三维反射率因子，对每个风暴单体的属性进行识别、分析和追踪，然后再对得到的所有风暴的有效属性进行统计分析，得出某一地区对流风暴的时空分布特征及其发展演变和传播的气候特征，如当城市较大时，逆风方向容易产生更高的回波反射率和最大期望冰雹尺寸等[11-12]。另外，基于雷达气候学的分析结果，可以更好地认识对流形式，而无明显天气尺度抬升和切变环境下的弱强迫雷暴(weakly forced thunderstorms, WFTs)构成了全球雷暴活动的主要形式，如美国东南部地区暖季对流活动主要表现为弱强迫雷暴和脉冲雷暴，前者与中层大气的丰沛水汽作用紧密相关[13]；超级单体风暴事件的统计结果则显示其大都较分散，西南气流和短波槽是最有利于形成暖季对流活动的天气系统[14]，可见雷达气候学研究不仅有助于认识对流活动的形式和空间分布特征，同时也加深了对形成对流活动的环境条件的认识。

自1998年开始，新一代天气雷达在中国开展布网建设，迄今为止已有近20 a资料积累，使得国内开展精细化的对流气候学特征分析和研究具备了条件，目前取得的成果主要集中于对流风暴的时空分布和雷达回波特征方面[15-16]，如开展暖季对流风暴的面积、体积、顶高、最大反射率因子等特征分析，并统计了这些变化特征与925～500 hPa盛行风向的关系[17]。在华南地区，对流多发生于沿南部海岸和珠江三角洲地区东部山脉的迎风坡，6月最多而9月最少；在5月和6月，对流频数日变化呈双峰分布，午后、午夜和凌晨对流频数最多，而7—9月午夜和凌晨的次高峰少很多，近似于单峰分布[18]。而以南京为代表的华东地区的统计结果与华南略有不同：7—8月为对流风暴活动高峰期，不同尺度和伸展高度对流风暴频数日变化呈多峰分布[19]。除降水外，基于混合扫描模式雷达数据的统计结果也能很好地反映出地物杂波、波束阻挡、异常回波等非降水的季节变化特征[20]，为改进雷达资料的处理方法提供了参考。综上所述，已有研究均集中于中国东部、南部和京津地区，且所用雷达均为S波段，而对西部地区和基于C波段雷达的气候学分析则近乎空白，尤其汉中及其周边地区的相关研究更是空缺，因此，为更好地认识当地的对流活动气候特征，有必要开展这些地区的雷达气候学研究。

本文将陕西汉中及其周边地区作为研究区域，基于2013—2017年雷达观测资料，开展该地区对流性天气的统计特征分析，以期增进对我国西部地区对流性天气分布及变化特征的认识。

1 资料来源和处理方法

汉中及其周边地区的地貌特征如图1所示。汉中盆地以北为秦岭，一般山体海拔为1000～2000 m；南部米仓山(又称大巴山，下同)一般山体海拔为1000～1500 m；汉中盆地海拔为500 m，秦巴山体高出汉中盆地500～2500 m，受其影响，该区域降水分布不均，偶有暴雨和对流性灾害天气发生。汉中雷达位于107.059°E、33.135°N，型号为CINRAD-CB；在VCP21扫描模式下，探测仰角为0.5°～19.5°共9个(形成11层扫描数据)，其中反射率数据的库长为500 m，库数为800个，最大探测距离为400 km。本文基于2013—2017年暖季(6—8月，5月雷达数据有较多缺失，因此未统计)汉中雷达的体扫资料，利用强天气临近预报系统(SWAN)服务器端软件反演得到三维反射率等高平面位置显示(constant altitude plan position indicator, CAPPI)产品，经过数据预处理、孤立噪声回波过滤及超折射回波抑制等质量控制[21]，三维反射率产品垂直方向共20层(0.5～19.5 km)，时间分辨率均为6 min。文中附图涉及地图基于国家测绘地理信息局标准地图服务网站下载的审图号为(2019)5496的标准地图制作，底图无修改。

图1 汉中及其周边地区地貌特征(黑点为雷达所在位置，红色区域为雷达周围150 km有效探测区域)

汉中雷达位于汉中盆地东部，周围山体会对雷达波束形成遮挡，为了解其遮挡程度，绘制汉中雷达不同仰角PPI探测时的遮挡系数图(图2)。可以看出，0.5°仰角主要遮挡区为汉中北侧的秦岭和南侧的大巴山，除此之外，东西两侧也有山体的遮挡，其中东侧的不利影响更显著[图2(a)]；1.5°仰角秦岭的遮挡仍持续，而大巴山的遮挡系数则减小很多[图2(b)]，汉中雷达东西两侧的遮挡大都消失；2.5°～3.5°仰角雷达东、南和西侧的遮挡均几乎消失，而北侧的秦岭遮挡仍存在[图2(c)、图2(d)]。综上所述，由于秦岭对雷达波束的持续遮挡作用，会对雷达北侧的对流活动特征分析有所影响，而其他方向影响不大。

图2 汉中雷达不同仰角PPI探测时的遮挡系数

雷达气候学分析过程大都利用三维反射率因子作为数据源。在高度选择上，符式红等[22]认为2.2 km高度回波能更好地代表对流水平分布特征，且在很大程度上能够避免由于异常传播导致形成的虚假和地物杂波；孙康远等[19]取2.5 km高度上的反射率因子统计了南京及其周边地区的雷达气候特征。但以上只是用SA雷达针对平原地区开展的研究。汉中雷达所在海拔高度较高(535.3 m)，且附近有山体，本文取3.0 km高度上的CAPPI反射率因子来统计分析对流风暴频数的分布特征，以尽可能地克服山体遮挡等不利影响。另外，采用35 dBZ作为对流初生阈值[23-25]，便于分析雷暴云相关结构和追踪其变化[26]，且能防止噪音或小范围残余地物杂波对风暴追踪过程的影响[27]。参考STEINER等[28]和仲凌志等[29]的做法进行对流云识别，但有所改进：若某格点反射率因子≥35 dBZ，则该格点为对流；否则计算其周围11 km范围内的反射率因子平均值，将判识指标由38 dBZ改为35 dBZ，对比该格点反射率因子超过周围平均值的程度，如果超过周围平均值一定程度(本文选取10 dBZ)，且其自身的反射率因子高于10 dBZ(通常认为是降水回波的下限)，则亦将其判定为对流。该做法的目的是要找出那些正在发展但尚不强烈的对流泡。

利用2013—3017年6—8月欧洲中期天气预报中心ERA5逐月物理量平均场，得到对流层中、低层的环流背景和物理量分布，进而分析造成汉中及其周边地区对流活动的气候背景。

2 对流频数及面积变化

2.1 对流频数

图3为汉中及其周边地区2013—2017年6—8月累计小时对流频数空间分布。可以看出，对流高发地主要位于大巴山区、秦岭东南麓和汉中以东的秦岭、大巴山(简称“秦巴”)过渡带。汉中正北方向由于受秦岭高峰遮挡，雷达波束被遮挡；大巴山区对流频数最大(234 次)出现在08:00—09:00(北京时，下同)，秦岭附近的最大值(218 次)出现在15:00—16:00。大巴山区不仅对流频数最大，高值区域面积也最大，约为汉中盆地西部和秦岭的3倍，可见，该区域不仅对流最频繁，而且对流区范围最广，秦岭东南麓及秦巴过渡带次之，汉中盆地西部较弱。侯建忠等[30]发现2005—2014年陕南的中尺度对流复合体(MCC)多在后半夜生成、加强和成熟，在早晨对流系统仍有可能持续，是该地区对流频数较大的原因之一； LI等[31]也发现我国西南地区降水峰值集中在夜间至清晨；以上结论与本文研究结果相近。

图3 汉中及其周边地区2013—2017年6—8月累计小时对流频数(阴影，单位：次)空间分布(虚线为地势等高线，单位：m；白色圆圈为雷达所在处)

对流频数的日变化明显，02:00—15:00为大巴山区对流活跃时段；14:00后秦岭东麓对流迅速发展，但范围不大，且在17:00后又迅速减弱，呈现出快速生消的演变特征；22:00至次日02:00，秦岭东麓对流频数逐渐增大，02:00后减小。18:00—21:00为对流活动最弱时段。对流频数超过150次的区域位于大巴山的主要时段为02:00—17:00；而位于秦岭东麓附近的主要时段为14:00—17:00，较大巴山地区持续时间短。对流高发区位置与地形高度分布特征密切相关，大巴山区的对流频数高值区位于地势最高处附近，秦岭附近的对流频数高值区则位于东南麓的山坡处，这可能是由于大巴山南侧为四川盆地，山地和平原间的过渡带距离较短，偏南暖湿气流上升后很快就到达大巴山顶附近而形成对流和降水，而秦岭到湖北境内地势逐渐降低，主峰与地处平原的丹江口之间的过渡带较宽，且湖北郧西县附近具有显著的喇叭口地形特征，使得偏东气流在此辐合上升和西进，易在过渡带上形成对流和降水。18:00—21:00为汉中及其周边地区对流活动整体较弱时段，这是由于傍晚至前半夜温度下降，热力条件转差。02:00—09:00大巴山对流最活跃，因此该地区多夜雨。这可能与夜间盆地附近的地形热力性质差异有关：夜间对流层大气的主要直接热源是地面，离地面越高，得到的地面辐射越少，因而气温也就越低，汉中盆地周边均为高山，因此山上温度更低，导致形成垂直温差；另外，山体岩石的比热容比盆地中的土壤小，因而夜间降温更迅速，温差更大，导致形成山谷风，而夜间山谷风的影响会导致汉中盆地内地相对更暖湿的气流抬升，并易与山地地形结合形成对流[32]。张宏芳等[33]分析认为，盆地地形作用下夜间的山风与青藏高原南侧地形槽前定常西南暖湿上升气流叠加，800 hPa以上上升运动异常加强，形成多个铅直次级环流，是秦岭南部夜雨特别显著的重要原因，这也与本文基于雷达观测的统计结果一致。

13:00—16:00为大巴山的另一对流高发时段，同时13:00—17:00也是秦岭东麓的对流高发时段，这是由午后热力影响造成的。另外，大巴山区的对流比其他地区更强，持续时间更长久，主要原因是其地理位置更偏南，因此热力和水汽条件更佳。

在汉中雷达周围100 km范围内，定义某时段对流发生频数百分率为该时段内有对流发生的体扫数与总体扫数之比。图4为2013—2017年6—8月汉中雷达周围100 km范围内对流发生频数百分率的日变化。可以看出，6—8月对流多发时段均为15:00—18:00，主要是受到气温日变化影响，但少发时间段有所差异，其中7、8月均出现在08:00—10:00，而6月则出现在20:00—22:00。7、8月对流发生频数百分率大体呈双峰分布，15:00—18:00为最多发时段，23:00—03:00为次多发时段；6月则基本呈单峰分布。造成这种现象的可能原因是6—8月受午后日照影响，均是对流最多发生时段，而19:00—22:00对流发生频数百分率逐渐降低，也是由太阳辐射的升温作用迅速消失造成；后半夜对流又有多发，与该地区多夜雨的气候特征吻合，这主要是由辐射冷却造成温差增大且夜间低空急流会有所增强，并且当地地形复杂，易形成山谷风造成。6月00:00—09:00对流频数百分率增大幅度不及7、8月显著，可能是因为6月的日平均温度较低，7、8月是当地的盛夏季节，热力条件更好，从而更有利于对流天气的发生。与逐小时的对流频数分布相比发现，午后不仅频数大，对流发生频数百分率也达到峰值。另外，孙康远等[19]研究发现南京地区6、7和8月的对流发生百分率分别为6%～7%、5%～6%和9%～10%，均高于汉中及其周边地区。表明东部的对流性天气更多，而以汉中为代表的我国西部地区的对流发生百分率相对较低。

图4 2013—2017年6—8月汉中雷达周围100 km范围内对流发生频数百分率的日变化

图5为2013—2017年6—8月汉中及其周边地区对流频数空间分布。可以看出，对流频数小于240次的区域较广；大于240次的较高对流频数区域主要有两个，分别位于大巴山上和秦岭主峰的东南麓，前者面积最大，表明该处的对流性天气最多。随着季节的推移，对流频数的变化表现为先增大后减小，进入7月后，大巴山附近的对流频数急剧增大，最大达531次；秦岭主峰以东的东南麓的对流频数也明显增大，最大达372次。对流频数大于300次的面积7月最大、8月次之、6月最小。

图5 2013—2017年6(a)、7(b)和8(c)月汉中及其周边地区对流频数(阴影，单位：次)空间分布(虚线为地势等高线，单位：m)

相较秦岭和大巴山区而言，在汉中盆地东部，对流频数大于300次的面积较小。该处的海拔高度在900 m左右，而秦岭东南麓和大巴山区的对流高频数区高度均在1200～1800 m，表明高频数对流区分布在山地地形较高处，也在一定程度上反映出地形与对流天气的易发性或持续时间有较密切联系。

2.2 对流区域面积

汉中以南、以北分别为大巴山和秦岭，该地也是我国气候过渡带之一。以汉中雷达所在纬度为界，分别统计其以南(简称“汉中以南”)、以北(简称“汉中以北”)150 km距离区域内逐小时的对流区面积，结果如图6所示，可以看出，对流频数小于50次的区域面积日变化表现为汉中以南、以北分别呈单峰和双峰分布。其中汉中以南地区区域面积于21:00达峰值，最大面积25 588.5 km2，09:00最小，为13 257.1 km2；09:00—21:00单调增大，21:00—00:00有起伏变化，00:00后单调减小；汉中以北在00:00出现异常大值，20:00达到次峰值，其他时刻多波动变化，但总体变化趋势与汉中以南地区相同，即两地的增大或减小过程大体同步。从区域面积大小来看，尽管汉中以南大都大于汉中以北，表明频数较低的对流区在汉中以南分布更广，影响范围更大，但两地的差异并不显著，造成这种现象的可能原因是对流频数小于50次的区域本身就较大，参与统计分析的样本很多，因此两地差异不甚明显。

图6 2013—2017年6—8月汉中以南、以北区域小时对流频数小于50次(a)、50～100次(b)和超过100次(c)时对流区总面积日变化

对流频数为50～1100次时，汉中以南和以北的对流区面积均呈现出多峰的起伏变化特征，其中汉中以南地区的峰值约有3个，分别出现在11:00、17:00和02:00，02:00面积最大，为9730.7 km2；对流区面积低值出现在21:00，为4142.2 km2。汉中以北地区峰值也约有3个，分别出现在08:00、15:00和03:00，03:00对流区面积最大为10 810.8 km2；最小面积出现在20:00，为6201.4 km2，面积变化幅度不及汉中以南地区。汉中以北地区对流区面积的变化超前于汉中以南。

对流频数大于100次时，汉中以南对流区面积分别在09:00、13:00和06:00达峰值，其中09:00面积最大，为7879.4 km2，22:00面积最小，仅为9.9 km2。汉中以北的对流区面积有4个峰值，其中15:00最大，为4233.2 km2，其余3个峰值非常接近，且07:00和10:00的两个峰值时间间隔很短。02:00前，两地的变化趋势近乎完全一致，但汉中以南较以北偏早1 h；02:00—06:00两地的变化则近乎相反，即汉中以南对流高发区面积迅速增大，汉中以北有所减小，但减小幅度也较小。从数值变化来看，汉中以南大于汉中以北的时段更长，且汉中以南的对流区面积变化幅度明显大于汉中以北。

当对流频数为50～100次和大于100次时，汉中以南分别在21:00和22:00为对流区面积最小，汉中以北地区与其相近，分别在20:00和21:00最小；而当对流频数小于50次时，汉中以南在21:00和00:00对流区面积最大，汉中以北则在00:00最大，20:00次之，可见20:00—22:00可作为不同频数对流面积变化的“分水岭”，在此前后，对流区面积均会呈现出大体相反的演变特征。出现该现象的可能成因是该时段白天的日照升温效果消失，但云层上下及高空与地面的较大温差尚未形成，且夜间的急流脉动变化尚未完全建立，山谷风也还不明显，因此对流活动处于最弱阶段，面积也最小。在此之前，白天日照作用导致对流活动明显，之后则是夜雨频繁也同样造成对流活动很强烈。

综上所述，以大巴山为代表的汉中以南和以秦岭为代表的汉中以北，对流区面积及其变化与对流频数关系密切：总体而言，对流频数小于50次或高于100次时，汉中以南地区的对流区面积均普遍更大，尤其高于100次时，汉中以南地区偏大更明显；而频数为50～100次时，两地的对流区面积呈交替分布。

3 对流伸展高度

文中将35 dBZ回波的最大高度定义为对流伸展高度。表1列出2013—2017年6—8月汉中及其周边地区不同对流伸展高度百分比。可以看出，汉中及周边大部地区的对流伸展高度基本都在7 km以下，占93.7%，其中4～5 km高度占比最高，达44.4%，而这个高度也在当地0 ℃层[34]附近。另外，从对流伸展高度的空间分布(图略)来看，大部地区为3～7 km，但北部和西北部等地为8～9 km；东部地区最低，大都低于4 km。

表1 2013—2017年6—8月汉中及其周边地区不同对流伸展高度百分比

4 对流频数与地形高度关系

汉中盆地除午后是对流高发时段外，其夜雨也较多。汉中以南的大巴山和以北的秦岭，对流频数高值区的位置和多发时段有所差异。为进一步了解这两大山地地形与对流性降水的关系，选取汉中盆地附近的4个方向(图7)分别绘制对流频数Hovmoller图。

图7 对流频数Hovmoller图的4个方向

图8(a)为沿直线AB的对流频数Hovmoller图。可以看出，对流高发区位于海拔高度最高处(即山峰，a1处)附近，大巴山南坡及其以南地区(a1向b1过渡处及更远)对流频数逐渐减小；频数大于等于200次的高发地位于1900 m左右高度，即在山顶附近，且主要出现在午后到傍晚，凌晨对流频数略小，主要出现在山顶和山坡附近(b1处)。图8(b)为沿直线CD的对流频数Hovmoller图。可以看出与图8(a)相似的分布特征，最大值位于秦岭主峰东麓的次高山顶附近(a2处)，频数大于等于160次的高发地位于2200 m左右高度，略高于大巴山区；次大值的位置偏南，位于山峰和山腰(b2处)之间。通过对比发现，秦岭和大巴山附近的对流频数随山体高度的降低而总体呈逐渐减小趋势，而秦岭北侧和大巴山南侧的对流频数最低，主要原因是它们距雷达较远、且相对雷达而言为山坡背面，因此无法被雷达正常探测。

图8(c)为沿直线EF的对流频数Hovmoller图。可以看出，对流频数秦岭南坡偏西地区较偏东地区更少，且山峰处(a3、c3处)为低值中心，而偏东地区的山谷和山腰处(d3、e3处)为高值中心。造成此现象的可能原因是秦岭南坡的偏西地区恰好位于主峰附近，地势最高处超过1800 m，对汉中及其附近地区的盛行偏东风有所阻挡，使得气流难以逾越山体和不易上升到较高高度；而偏东地区多为地势较低的山坡地形，更有利于上升运动从而形成对流。秦岭南坡对流天气的高发时段主要有两个，分别为13:00—15:00和22:00—01:00。

图8(d)为沿直线GH的对流频数Hovmoller图。可以看出，对流频数大于140次的分布区域更宽广(106.7°E—108.2°E)，超过200次的区域位于山顶附近(a4处)，这可能与该纬度方向上的山体高度相对平缓有关。

图8 分别沿图7中直线AB(a)、CD(b)、EF(c)和GH(d)的对流频数Hovmoller图(灰色阴影部分为山地地形高度，直线为较高对流频数对应的山体位置)

综上所述，逐小时对流频数的分布与地形高度有较密切关系：当山峰很高时，对流频数高值区多位于山坡处，反之则多位于山峰处及其附近。

5 对流活动的环流背景

图9为2013—2017年6—8月月平均500 hPa位势高度和风场、850 hPa风场和相对湿度及10 m风场和对流有效位能。可以看出，6月，西太平洋副热带高压(简称“副高”)主体位于海上，汉中及其周边地区处于西风带；7月，副高增强西进，脊线北抬至28°N附近，西伸脊点深入到江南西部，585 dagpm线到达陕西与湖北交界处，同时，西南暖湿气流迅速增强，与南下的冷平流交汇于汉中及其周边地区，形成冷暖平流的对峙，汉中及其附近地区位于槽区，多有斜压性不稳定造成的对流降水发生，由于冷空气势力变弱，因此偏南和偏北风速相近，从而有利于降水天气的长时间维持；8月，副高维持在长江中下游地区，大陆高压有所增强，并与前者连成一体，586 dagpm线北推至陕西与四川交界处，汉中及其周边地区仍处于冷暖平流交汇区，但来自北方的冷平流显著增强。

图9 2013—2017年6(a、d、g)、7(b、e、h)和8(c、f、i)月月平均500 hPa位势高度场(填色，单位：gpm)和风场(风矢，单位：m·s-1)(a、b、c )、850 hPa风场(风矢，单位：m·s-1)和相对湿度(阴影，单位：%)(d、e、f)及10 m风场(风矢，单位：m·s-1)和对流有效位能(阴影，单位：J·kg-1)(g、h、i)

6月，850 hPa来自南海的西南风北上，在湖北境内转为东南气流，但强度明显减弱；7月该支气流的强度明显增强，相对湿度大于等于70%的区域也北抬至汉中及其周边地区，因此水汽条件转好，有利于降水增多，也为对流频数的增多提供了可能；8月，随着副高的进一步北上，江汉、江淮和黄淮等地的盛行风由西南风转成东南风，并向内陆推进，汉中及其周边地区由盛行偏南风转为偏东风为主，水汽条件仍较好，因此对流仍多发。6—8月，在四川盆地东部和北部，汉中及其周边地区的10 m风场盛行东南或偏东风，为当地对流活动提供了暖湿环境。对流有效位能(CAPE)的月变化更加明显：6月CAPE值为200～300 J·kg-1；7月CAPE值明显增大至500～700 J·kg-1，大值区位于汉中及其周边地区地区，这与该月对流频数高值区的位置几乎完全一致；8月，汉中及其周边地区的CAPE值减小至500 J·kg-1以下，对流活动较7月有所减弱，也与当月对流更弱的特征吻合。另外，7—8月，四川盆地东部维持CAPE高值中心，其位置与四川盆地北侧的大巴山区非常接近，这也是大巴山区持续为对流频数高值中心的可能原因之一。

6 结论与讨论

(1)汉中及其周边地区对流活动高发地主要位于大巴山区、秦岭东南麓和汉中以东的秦巴过渡带，其中大巴山区的对流频数最高，区域也最广，区域面积约为汉中盆地西部和秦岭的3倍；秦岭东南麓及秦巴过渡带次之，汉中盆地西部对流频数最少。

(2)大巴山区最大对流频数出现在08:00—09:00，秦岭南麓次之，秦岭附近的最大值出现在07:00—08:00。7月对流活动最频繁，6月最少。

(3)对流高发区位置与山地地形特征有密切联系，其中大巴山区的对流频数高值区与地形高处接近重合，秦岭东南麓的高值区则位于山坡处。

(4)对流频数及面积呈现出明显的日变化，对流伸展高度基本为4～6 km，北部和西北部等地略高，东部最低。

(5)CAPE值在7—8月四川盆地东部维持高值中心，与其北侧的大巴山区非常接近，因此可能也是当地持续成为对流频数高值中心的诱因之一。

汉中雷达站附近有雷达“静锥区”存在，因此无法较好地分析该处的对流生消与演变特征，而且该研究过程仅有汉中雷达资料，缺乏更多雷达参与的拼图也导致汉中附近及远处的对流活动无法被掌握。另外，秦岭主峰非常高，雷达回波被遮挡导致该处出现数据空白，这也给分析秦岭地区的对流活动气候特征带来不便。由于C波段雷达衰减现象较严重，因此会对对流活动的统计特征有所影响，而衰减订正处理较麻烦，因此本文未做深入衰减订正，这也是缺憾之处。总之，本文仅用了单部C波段雷达资料，致使有效数据范围较小，今后需采用更多雷达的探测数据建立区域更广泛的组网拼图，再基于此做更准确的分析。