2021年鄭州“7·20”極端暴雨雨滴譜特征及其對雷達定量降水估測的影響

張哲 戚友存 李東歡 趙占鋒 崔麗曼 蘇愛芳 王新敏

1 中國科學院地理科學與資源研究所陸地水循環(huán)及地表過程重點實驗室, 北京 100101

2 深圳市氣象局, 深圳 518040

3 中國科學院大學, 北京 100049

4 河南省氣象臺, 鄭州 450003

1 引言

2021年7月17～22日，河南省遭遇極端暴雨，鄭州、新鄉(xiāng)、開封、周口、焦作等部分地區(qū)降水量達到特大暴雨級別，其中，最大降水中心位于鄭州市。7月20日00:00 至7月21日00:00（協(xié)調(diào)世界時，下同）鄭州市雨量計觀測日累計降水量高達624.1 mm，其 中 降水最 強 的時段 為7月20日08:00～09:00，該小時的降水量高達201.9 mm，突破我國大陸地區(qū)歷史小時最高降水量（198.5 mm，河南林莊，1975年8月5日）。該場極端暴雨導致了鄭州等地嚴重的洪水和城市內(nèi)澇，造成了巨大的生命財產(chǎn)損失，截止至8月2日，此次降水導致了鄭州292 人遇難，直接經(jīng)濟損失高達532 億元。對此次極端暴雨過程，需要利用觀測、模式等多種方法，從動熱力機理、微物理過程與特征等各個方面對其進行綜合分析，加深對此次極端暴雨過程的理解，為未來對此類極端暴雨過程的觀測、分析和預報提供科學思路與方法。

目前，對此次極端暴雨過程的研究已經(jīng)得到了開展。蘇愛芳等（2021）從環(huán)流形勢、能量和水汽特征、地形作用特征等方面討論了此次極端暴雨的基本成因；冉令坤等（2021）使用降水和衛(wèi)星觀測數(shù)據(jù)以及再分析資料，分析了此次極端暴雨過程的水汽和動熱力特征；孫躍等（2021）使用風云衛(wèi)星和雷達遙感數(shù)據(jù)，分析了此次極端暴雨過程的水汽輸送情況。這幾個工作使得我們在宏觀上對此次極端暴雨過程有了較為深入的認識：河南地區(qū)受多尺度天氣系統(tǒng)的影響，同時存在持續(xù)穩(wěn)定的水汽向河南地區(qū)輸送，結(jié)合層結(jié)不穩(wěn)定的大氣狀態(tài)，以及鄭州西側(cè)山脈地形的導致的輻合抬升作用，使得對流系統(tǒng)在鄭州聚集和停滯，最終導致了此次極端暴雨過程的產(chǎn)生。但我們目前對此次極端暴雨過程的微觀過程如雨滴譜特征尚不了解，天氣雷達作為降水的重要觀測手段，在此次極端暴雨過程中，天氣雷達的定量降水估測（QPE）能力如何，也有待深入探討。

雨滴譜是單位體積雨滴數(shù)量隨雨滴粒徑的分布狀態(tài)，是降水的基礎特性之一。雨滴在形成過程中受降水系統(tǒng)的動力作用和微物理過程的影響，在下落過程中受到環(huán)境場如濕度、湍流、空氣動力等的影響，最終會導致雨滴的譜型呈現(xiàn)出不同的特征。為此，許多學者開展了大量的相關(guān)研究工作。對氣候態(tài)的雨滴譜特征研究表明，不同氣候區(qū)，不同季節(jié)，不同降水類型的雨滴譜具有很大的差異性。Bringi et al.（2003）分析了全球幾個氣候區(qū)的雨滴譜特征，發(fā)現(xiàn)層狀云降水雨滴譜差異性相對較小，而對流性降水雨滴譜差異性較大，對流性降水的雨滴譜可以區(qū)分為“大陸性”和“海洋性”。Tang et al.（2014）研究了中國陽江、北京和張北的三個地區(qū)的雨滴譜特征，指出我國南北的對流性降水的雨滴譜特征有很大差異，北京和張北的對流性雨滴譜具有更大的質(zhì)量加權(quán)平均直徑Dm和更高的截距參數(shù)Nw。Ma et al.（2019）利用雨滴譜儀統(tǒng)計了北京5年的雨滴譜特征，指出北京地區(qū)雨滴譜既不屬于“大陸性”也不屬于“海洋性”，而是因受其獨特的地理位置影響而存在特殊性，且在日間受城市熱島效應影響。還有不同學者分別統(tǒng)計了我國眾多地區(qū)的雨滴譜特征，如長江中下游（Chen et al.,2013; 金祺等, 2015; Wen et al., 2016）、青藏高原（Niu et al., 2010; Chen et al., 2017a）南 方 地 區(qū)（Wu and Liu, 2017）等。這些研究使得我們對各地、各天氣系統(tǒng)的雨滴譜特征有了較好的認識。此外，一些學者開展強對流和暴雨過程中的雨滴譜特征研究。Maki et al.（2001）分析了澳大利亞的多次颮線過程的雨滴譜特征，指出颮線的對流降水區(qū)與層狀云區(qū)的雨滴譜特性有顯著差異，對流降水區(qū)雨滴譜特征體現(xiàn)為更高的截距參數(shù)和更大的粒子平均直徑，這樣的差異會影響對流性降水區(qū)和層狀云降水區(qū)的Z–R關(guān)系參數(shù)；Chen et al. （2016）利用多臺雨滴譜儀對我國東部的一次颮線過程的雨滴譜特征進行了分析，指出在對流區(qū)的前沿、對流中心和對流后部，其雨滴譜特征也存在差異，其中對流中心的雨滴譜特征表現(xiàn)為更高的數(shù)濃度、粒子平均直徑和更廣的粒子譜分布；利用雨滴譜儀、微雨雷達、雙偏振天氣雷達等儀器對我國不同地區(qū)強對流和暴雨過程的雨滴譜特征分析也得到了開展（劉紅燕和雷恒池, 2006; 王俊等, 2016; Wang et al., 2019;Luo et al., 2020）。此次極端暴雨過程降水率極高，其雨滴譜有何特征，與以往研究記錄的雨滴譜特征有何不同，有待分析和研究。

天氣雷達的一個主要應用是進行QPE。我國目前已經(jīng)布設了兩百多臺天氣雷達，天氣雷達可以觀測得到降水粒子的散射信息，從而獲得高時空分辨率的降水空間分布特征。對于單偏振雷達，與降水粒子有關(guān)的觀測量只有反射率，因此單偏振雷達進行QPE 主要是通過建立反射率與降水率的關(guān)系，即R(ZH)。雙偏振天氣雷達則還可以觀測得到如差分反射率、差傳播相移率等雙偏振觀測量，在利用雙偏振觀測量去進行QPE 的理論被提出之后（Seliga and Bringi, 1976），多種基于雙偏振量進行QPE 的方法得到了大量的研究，發(fā)展了多種基于雙偏振觀測量的QPE 方法，如基于反射率和差分反射率的R(ZH,ZDR)方法（Chandrasekar and Bringi, 1988），基于差傳播相移率的R(Kdp)方法（Chandrasekar et al., 1990），基于差分反射率和差傳播相移率的R(Kdp,ZDR)方法等（Ryzhkov and Zrni?, 1995）。這些雙偏振量可以更好地描述降水粒子的雨滴譜特征，因此在進行定量降水估計時，比單偏振方法更加準確。在實際應用中，基于單偏振量的R(ZH)關(guān)系在反射率強度較高時，呈現(xiàn)出明顯的指數(shù)型特征，且R(ZH)對雨滴譜的差異性比較敏感，因此對強降水的估測誤差較大。而差傳播相移率不受雷達絕對定標偏差的影響，且R(Kdp)方法受雨滴譜差異性影響相對較小，對強降水的估測較為準確，在業(yè)務中常用于對強降水的估測（Cifelli et al., 2011; Chen and Chandrasekar, 2015; Zhang et al., 2020）。我國的天氣雷達也逐漸升級為雙偏振雷達，利用雙偏振雷達進行QPE 的研究也得到了開展（楚榮忠等, 1997; 寇蕾蕾等, 2018; 張哲等,2021）。影響雷達QPE 精度的因素有很多，其中之一是QPE 算子中的參數(shù)。利用雷達進行QPE 本質(zhì)上是建立雷達觀測量與雨滴譜的聯(lián)系，QPE 算子中的參數(shù)由雨滴譜決定，在不同的地區(qū)和不同的降水類型中，該參數(shù)取值不同。當該參數(shù)值無法較好地代表降水系統(tǒng)特征的時候，QPE 結(jié)果會產(chǎn)生較大偏差，因此可以利用雨滴譜儀，統(tǒng)計得到適用于當?shù)氐腝PE 算子參數(shù)，提高雷達QPE 的精度（Cao et al., 2008; Chen et al., 2017b; 張哲等, 2021）。此次極端暴雨過程降水強度極大，尤其是在7月20日08:00～09:00 之間，這對雷達QPE 是巨大的挑戰(zhàn)，有待使用雨滴譜和雷達觀測數(shù)據(jù)，對天氣雷達在此次極端暴雨過程中的QPE 性能進行研究。

針對以上的問題，本文利用雨滴譜儀觀測的雨滴譜數(shù)據(jù)，分析此次極端暴雨過程，尤其是在7月20日08:00～09:00 的雨滴譜特征，并結(jié)合雷達觀測數(shù)據(jù)，分析雷達不同QPE 方法和不同參數(shù)在此次過程中的性能表現(xiàn)，以期促進對此次極端暴雨過程多方面的認識，為未來提高此類極端暴雨過程的分析、預報和定量估測能力提供科學借鑒。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

本文使用到的雨滴譜數(shù)據(jù)為鄭州57083 氣象站的雨滴譜儀觀測數(shù)據(jù)，時間分辨率為1 分鐘。雨滴譜儀型號為OTT Parsivel2。該雨滴譜是一維激光雨滴譜，可以同時測量粒子的下落速度和直徑。Tokay et al.（2014）對該型號雨滴譜儀的具體測量參數(shù)和性能進行了詳細說明分析。

此外，還使用了鄭州57083 氣象站的雨量計1分鐘降水量觀測數(shù)據(jù)，以及鄭州S 波段多普勒雙偏振天氣雷達觀測基數(shù)據(jù)，用于對該場特大暴雨的降水特征進行分析。

2.2 評估指標

為評估不同觀測來源和不同方法得到的降水率的總體質(zhì)量，采用相關(guān)系數(shù)（CC）、均方根誤差（RMSE）和平均相對誤差（RMB）三個指標進行評估：

其中，es 和ob 分別表示估測的樣本和觀測的樣本；CC 是表示一致性的指標，其值越接近于1，說明一致性越好；RMSE 是表示離散程度的指標，其值越小，說明離散程度越低，RMB 是表示系統(tǒng)性偏差的指標，越接近于0，表示系統(tǒng)性偏差越小，其為正值（負值），說明估測的樣本高估（低估）了實際降水。

2.3 雨滴譜的質(zhì)量控制

影響雨滴譜儀的觀測質(zhì)量的主要因素包括：非降水粒子（如昆蟲、沙塵）的誤觀測、雨滴的飛濺效 應、風 效 應、邊 緣 效 應 等（Cao et al., 2008;Friedrich et al., 2013; Tokay et al., 2013, 2014），這些影響需要去除，以保證雨滴譜觀測數(shù)據(jù)的質(zhì)量。本文采用的雨滴譜質(zhì)量控制方法與Tokay et al.（2013）提出的方法類似：首先對1 分鐘的雨滴譜觀測數(shù)據(jù)，如果其觀測的總粒子數(shù)小于10 個，或者1 分鐘估測的降水率小于0.1 mm h?1，則把整分鐘的數(shù)據(jù)都認為非降水觀測而去除；對通過了第一步的觀測數(shù)據(jù)，對某一直徑檔位的粒子，如果其下落速度超過其理論下落速度的±50%，則把該檔位的粒子觀測信息去除。在本文中使用的理論下落速度為Brandes et al.（2002）中的理論下落速度。

圖1 是2021年7月20日質(zhì)控前后雨滴譜儀估測的1 分鐘降水量與雨量計觀測的1 分鐘降水量的比較。由圖1a 可見，在質(zhì)量控制前，雨滴譜儀的觀測與雨量計觀測一致性較好，說明當天該雨滴譜儀受非降水粒子以及飛濺效應、風效應、邊緣效應等的影響較小。質(zhì)控之后（圖1b），有1 個分鐘數(shù)據(jù)樣本被認為是非降水觀測而去除，與雨量計比較的一致性進一步提高，體現(xiàn)為更小的RMSE 和更接近于0 的RMB。雨滴譜儀估測的降水量比雨量計略高，這與前人對該型號雨滴譜儀的評估結(jié)果一致（Tokay et al., 2014）。總體而言，雨滴譜儀的觀測質(zhì)量較好，可以用于對該場暴雨的雨滴譜特征分析。

圖1 2021年7月20日（a）質(zhì)控前與（b）質(zhì)控后的雨滴譜儀與雨量計觀測的1 分鐘降水量比較Fig. 1 Scatter plots of 1-min rainfall observed by disdrometer versus rain gauge (a) before quality control and (b) after quality control on July 20,2021

2.4 雨滴譜的特征參數(shù)

雨滴譜儀的直接觀測是每個檔位的粒子個數(shù)，不利于對雨滴譜特征的分析，因此，利用雨滴譜儀的觀測數(shù)據(jù)，計算了常用的雨滴譜特征參數(shù)：

其中，Nt為粒子數(shù)濃度（單位：m?3）；Dm為質(zhì)量加權(quán)平均直徑（單位：mm）；Nw為歸一化的截距參數(shù)（單位：mm?1m?3）；R為降水率（單位：mm h?1）；D（單位：mm）和V（單位：m s?1）是每檔的粒子直徑和速度的中值。N(D)是歸一化的每檔的粒子個數(shù)（單位：mm?1m?3），計算公式如下：

式中， ?t、Vj和 ?D分別是采樣時間、該檔的下落速度和該檔的寬度；A（單位：m2）是有效采樣面積，計算公式如下：

式中，L和W分別是雨滴譜儀的采樣長度和寬度。

2.5 基于雨滴譜的降水類型分類

對流性降水和層狀云降水的雨滴譜特征有很大區(qū)別，因此，需要對雨滴譜觀測樣本進行區(qū)分。不同學者提出了基于雨滴譜的降水類型分類方法（Testud et al., 2001; Bringi et al., 2003; Marzano et al., 2010; Chen et al., 2013）。這些方法的具體判定指標不同，但其原理是一致的：對流性降水的降水強度較大，且時間變異性較強；而層狀云降水降水強度較弱，且較為穩(wěn)定。因此，可以給予降水率和降水率的時間變化區(qū)分對流性降水和層狀云降水。本文中使用的降水類型分類方法與較為主流的Bringi et al. （2003）的分類方法類似，即對于1 分鐘的雨滴譜儀觀測降水率，如果其大于5 mm h?1，或者從t?Δt到t+Δt的降水率標準差大于1.5 mm h?1，則認為該分鐘數(shù)據(jù)為對流性降水，否則為層狀云降水。在本文中Δt為5 min。

2.6 雷達定量降水估測方法

鄭州雷達為雙偏振多普勒天氣雷達，可以觀測得到反射率（Zh）、差分反射率（Zdr）、差傳播相移率（Kdp）等，可以用于對此次極端暴雨進行QPE。為了結(jié)合雨滴譜觀測，研究天氣雷達在這種極端暴雨中的QPE 性能，采用以下兩個關(guān)系進行QPE：其中，公式（10）為基于單偏振觀測量的反演關(guān)系，ZH為Zh的指數(shù)形式[ZH=10Zh

/10]；公式（11）是基于雙偏振觀測量的反演關(guān)系；式中的a和b為參數(shù)，取值是由雨滴譜決定的，不同地區(qū)和不同降水系統(tǒng)的雨滴譜特征差異，決定了a和b的取值，因此可以利用雨滴譜觀測，使用T 矩陣方法（Waterman, 1965），計算出雨滴譜模擬的雷達各觀測量，并通過統(tǒng)計方法，得到a和b。

3 雨滴譜特征分析

3.1 雨滴譜的總體特征

2021年7月20日08:00～09:00 是本次強降水過程記錄到的最強小時降水量時刻，達201.9 mm，突破我國大陸地區(qū)歷史小時最高降水量。因此，首先對該小時的降水粒子特征進行分析。圖2 是經(jīng)過質(zhì)控之后7月20日08:00～09:00 1 小時雨滴譜儀觀測的降水粒子個數(shù)、下落速度和直徑的頻數(shù)散點分布。該小時內(nèi)降水粒子的直徑與下落速度的關(guān)系較為符合理論關(guān)系，高頻數(shù)的點均分布在理論直徑與下落速度關(guān)系曲線的附近。處于0.5～4 mm 的粒子數(shù)較多，在理論曲線附近的檔位，均觀測到超過1000 個粒子，甚至在4 mm 的之間檔位，仍然觀測到超過4000 個粒子。大雨滴粒子的增長主要靠碰并增長，碰并增長過程會捕獲大量的小雨滴，導致小雨滴數(shù)濃度降低，因此隨著雨滴的增大，其增長速度會逐漸減慢，從而限制了大雨滴數(shù)量的大量增加。但此次過程中大雨滴粒子的個數(shù)較多，這說明了此次降水過程中大氣中的水汽含量極其豐富，由于低層有強烈的水汽輻合，導致豐富的水凝物輸送到強降水區(qū)域，使得大量的雨滴得到了增長。此外，該小時內(nèi)有幾個粒子的直徑超過了8 mm，以往的研究認為，自然界中存在的降水粒子直徑最大約為8 mm（Beard et al., 1986），更大的粒子會由于表面張力和空氣阻力作用而破碎，因此，目前無法判定這幾個觀測值是實際的確存在超過8 mm 的降水粒子，抑或是其他原因所導致。圖3 為該小時內(nèi)的每分鐘雨滴譜各參數(shù)的頻率分布圖。該小時內(nèi)，降水的滴譜性質(zhì)是比較穩(wěn)定的，體現(xiàn)為較大的質(zhì)量加權(quán)平均直徑，較高的降水率、粒子數(shù)濃度和截距參數(shù)。這1 小時內(nèi)的1 分鐘樣本，質(zhì)量加權(quán)平均直徑大多集中在2.8 mm 附近，且數(shù)濃度和截距參數(shù)較高，所有樣本降水率均在100 mm h?1以上[對應lg(R)為2.0]，絕大部分樣本降水率在200 mm h?1以上[對應lg(R)約為2.3]。正是因為有這樣持續(xù)且穩(wěn)定的大雨滴直徑和高數(shù)濃度特征，才使得在這1 小時內(nèi)能產(chǎn)生如此大的降水量。

圖2 2021年7月20日08:00～09:00（協(xié)調(diào)世界時，下同）雨滴譜儀觀測的降水粒子速度和等效直徑的頻數(shù)散點，顏色表示雨滴的個數(shù)。粗實線為雨滴理論下落末速度，兩條細實線分別為下落速度的1.5 倍和0.5 倍Fig. 2 Frequency scatterplot of raindrop size and velocity at 0800 UTC–0900 UTC July 20, 2021, with colors indicating the drop numbers. The bold solid line represents the theoretical terminal velocity of raindrops, and the thin solid lines represent 1.5 and 0.5 times the theoretical line

圖3 2021年7月20日08:00～09:00 雨滴譜儀觀測的雨滴譜特征量的頻率分布：（a）質(zhì)量加權(quán)平均直徑Dm（單位：mm）；（b）降水率R（單位：mm h?1）；（c）粒子數(shù)濃度Nt（單位：m?3）；（d）歸一化的截距參數(shù)Nw（單位：mm?1 m?3）。圖中還表示了該特征量的均值（Mean）和標準差（SD）Fig. 3 Frequency of different raindrop size distribution (DSD) parameters observed by disdrometer at 0800 UTC–0900 UTC, July 20, 2021. (a) massweighted mean diameter (Dm), (b) rain rate R, (c) total number concentration (Nt), and (d) normalized intercept parameter (Nw), superimposed with mean values (Mean) and standard deviations (SD)

7月20日是此次降水過程的降水主要發(fā)生的日期，對7月20日的全部雨滴譜樣本進行了分析。圖4a 是7月20日的雨滴譜質(zhì)量加權(quán)平均直徑與降水率的關(guān)系。黑線和紅線分別是使用全部樣本和使用降水率大于100 mm h?1的樣本擬合得到的曲線。在降水率較小時，隨著降水率的增加，雨滴直徑逐漸增加，但隨著降水率的繼續(xù)增大，雨滴的直徑傾向于達到平衡態(tài)，不再繼續(xù)增長。在降水率大于100 mm h?1時，擬合曲線的指數(shù)系數(shù)僅為0.074，說明雨滴的直徑已經(jīng)基本達到平衡。這一現(xiàn)象與以往的工作結(jié)論類似：在降水率達到一定強度時，雨滴的直徑由于碰并作用和破碎作用達到平衡，導致直徑增長很緩慢，故降水率的增加，主要是通過雨滴的數(shù)濃度的提高去達成（Bringi and Chandrasekar,2001）。然而，在此次降水過程中也發(fā)現(xiàn)了一些特殊性，表現(xiàn)為雨滴直徑達到平衡狀態(tài)時的直徑較大，平衡狀態(tài)的質(zhì)量加權(quán)平均直徑達到2.6～3.0 mm 左右，遠大于其他一些工作的平衡態(tài)的直徑，如北京2.0～2.5 mm（Ma et al., 2019）、南京1.8～2.0 mm（Chen et al., 2013; Wen et al., 2016）。這說明在極其豐富的水汽條件下，雨滴更容易通過碰并過程而增長，達到更高的平衡態(tài)。

圖4b 是7月20日所有樣本的質(zhì)量加權(quán)平均直徑與截距參數(shù)的散點分布。當天的降水以對流性降水為主，對流性降水和層狀云降水的樣本分別為928 和507 個。對于層狀云降水而言，本次降水過程并沒有表現(xiàn)出比我國其他地區(qū)研究結(jié)果更高的平均Nw，但雨滴平均直徑卻比其他地區(qū)的結(jié)果更大，這可能是因為雨滴的增長一定程度上減少了大量小雨滴粒子的數(shù)量。Bringi et al.（2003）通過統(tǒng)計不同國家和地區(qū)的層狀云降水雨滴譜特征指出，不同地區(qū)的層狀云降水的平均Dm–Nw關(guān)系處于圖4b 中的黑線，本次降水過程中的層狀云降水的Dm–Nw關(guān)系的平均狀態(tài)（灰色星星），基本位于該黑線上，這說明此次降水過程的層狀云降水在雨滴譜特征上，與世界其他國家和地區(qū)的特征差別并不大。但我國的一些其他地方的統(tǒng)計工作，如北京（灰色加號），南京（灰色正方形），陽江（灰色三角形）均位于該直線左邊，該現(xiàn)象有學者歸因于我國的高本底氣溶膠濃度（Wen et al., 2016），從而導致我國的層狀云降水的平均粒子直徑較小。這一特征說明了在此次降水過程中，氣溶膠的作用可能不大，因此層狀云降水的雨滴譜特征更接近其他國家和地區(qū)統(tǒng)計的結(jié)果。

7月20日全天的對流性雨滴譜特征較為特殊（圖4b 中 的 紅 色 叉 和 點）。Bringi et al.（2003）把不同地區(qū)的對流性降水雨滴譜分為海洋性（圖4b左上的黑框）和大陸性（圖4b 右下的黑框），海洋性的特征是較小的Dm和較高的Nw，大陸性則相反。此次降水幾乎沒有點落在海洋性上，位于大陸性的點也很少，而絕大部分的點都位于兩種形態(tài)的過渡區(qū)間。此次降水過程既受到大陸高壓系統(tǒng)的天氣強迫，也接收了臺風“煙花”輸送的大量來自海洋的水汽，還受到地形強迫抬升作用的影響。不同來源和不同尺度的系統(tǒng)的相互作用，可能是此次降水過程的雨滴譜大多分布于大陸性和海洋性對流之間的過渡區(qū)的原因。就平均值而言，此次降水過程的全天平均值（紫色星星）與我國的其他地區(qū)，如北京（紫色加號），南京（紫色正方形），陽江（紫色三角形）相比，Nw更低，但其Dm比其他地區(qū)統(tǒng)計結(jié)果大，達到了2.33 mm，而其他的研究工作統(tǒng)計結(jié)果，平均Dm均不超過2.0 mm（Chen et al., 2013, 2017a; Tang et al., 2014; Wen et al., 2016;Ji et al., 2019; Ma et al., 2019）。

圖4b 還展示了08:00～09:00 這一最強小時降水量的Dm–Nw關(guān)系（紅色實心點）。該小時內(nèi)，雨滴譜的特征與當天其余時段（紅色叉），以及我國其他地區(qū)的統(tǒng)計結(jié)果有顯著差異，表現(xiàn)為極高的Nw值和極大的Dm，平均Nw超過了104mm?1m?3，Dm高達2.82 mm。該小時的極端暴雨其雨滴譜十分特殊，這樣高的Nw值和極大的Dm，導致在這一小時內(nèi)持續(xù)穩(wěn)定的高降水率，最終導致了超過200 mm 的小時降水量。

圖4 2021年7月20日雨滴譜儀觀測的（a）R–Dm 的頻數(shù)分布和（b）Dm–Nw 的散點分布。（a）中黑線和實線分別是使用全部樣本和降水率大于100 mm h?1 的樣本利用最小二乘法擬合得到的擬合曲線，填色表示樣本數(shù)。（b）中紅色叉、藍色圓點和紅色圓點分別是全天的1 分鐘對流性降水樣本、全天的1 分鐘層狀云降水樣本和08:00～09:00 的1 分鐘降水樣本；黑色方框分別是Bringi et al.（2003）中的海洋性和大陸性對流性降水的Dm–lg(Nw)的分布區(qū)域；黑色實線為Bringi et al.（2003）中層狀云降水的Dm–Nw 關(guān)系Fig. 4 (a) Scatter density for R versus Dm, (b) scatter plot for Dm versus Nw superimposed with a power-law relationship using the least-squares fit method on July 20, 2021. The black line and red line in (a) indicate the fitting result for all samples and for samples with rain rates greater than 100 mm h?1, the color indicate samples number.. In (b), red crosses and blue hollow dots represent 1-minute convection and stratiform samples on July 20,2021; red dots represent 1-minute samples at 0800 UTC–0900 UTC July 20, 2021; mean values for convection (purple) and stratiform (gray) of different studies are also superimposed; the black line is the lg(Nw)–Dm relationship for stratiform in Bringi et al. (2003); two rectangles are maritime and continental convective clusters in Bringi et al. (2003)

3.2 雨滴譜的時間變化特征

由3.1 節(jié)可知，在最強降水的08:00～09:00，其雨滴譜特征與7月20日其他時段是有明顯不同的。7月20日超過100 mm h?1的雨滴譜觀測樣本主要都發(fā)生在08:00～09:00時段前后，具體而言，是從07:43～09:08。因此，從時間變化的角度，分析超強降水時段前后的雨滴譜變化特征。

圖5 是7月20日06:30～09:59時段的雨滴譜特征量時間變化特征，對特征量進行了三點平滑以去除1 分鐘樣本的擾動，其中灰色區(qū)域是超過100 mm h?1的降水時段。可以看到，粒子數(shù)濃度與降水率的變化情況是大體一致的，即在強降水發(fā)生前，粒子數(shù)濃度較低，隨著粒子數(shù)濃度的突然增加，降水率也迅速增強，降水率最高的時段，也是粒子數(shù)濃度最高的時段。Dm的變化趨勢雖然大體也與降水率變化趨勢吻合，但一致性沒有粒子數(shù)濃度與降水率變化的一致性高，在降水率突然增強的前半小時，Dm有迅速增大的過程，并達到了本次降水過程的Dm峰值，超過3.2 mm，此時并沒有開始發(fā)生超過100 mm h?1的降水，在超過100 mm h?1的降水時段，Dm略有下降，在2.8 mm 左右波動。隨后隨著Dm和Nt的同時下降，降水率也迅速減小。

圖5 2021年7月20日06:30～09:59 雨滴譜特征量的時間變化（紅線、藍線和黑線分別表示Nt、Dm 和R）。其中灰色矩形區(qū)域是07:43～09:08時段，即降水率超過100 mm h?1 的時段Fig. 5 Time series of DSD parameters at 0630 UTC–0959 UTC July 20, 2021. Red, blue, and black lines represent Nt, Dm, and R, respectively. The gray box is the period with a rain rate larger than 100 mm h?1, namely, 0743 UTC–0908 UTC

從雨滴譜的時間變化可知，在強降水發(fā)生前，降水滴譜特征發(fā)生了突變，首先是雨滴直徑增加，隨后雨滴數(shù)濃度迅速增長，兩者共同作用導致了在08:00～09:00 前后發(fā)生的極端暴雨。這樣的雨滴譜突變與環(huán)境極其豐富的水汽，以及源源不斷的水汽補充有密切的聯(lián)系。研究表明，由于西南氣流和東南氣流的大量水汽輸送，加上鄭州西面的地形阻擋，水汽在鄭州附近強烈輻合，在08:00 前后，鄭州附近大氣濕度已經(jīng)達到飽和甚至過飽和，水汽可以迅速凝結(jié)成大量的雨滴，但又有邊界層急流迅速補充水汽（冉令坤等, 2021），使得雨滴的直徑和數(shù)濃度都得以迅速上升。

4 雨滴譜特征對雷達定量降水估測的影響分析

上一節(jié)分析了本次極端暴雨過程的雨滴譜特征，可知本次降水過程的雨滴譜有較大的特殊性。就全天特征而言，雨滴譜的直徑比我國其他地方統(tǒng)計結(jié)果偏大；在最強小時降水發(fā)生的時刻，雨滴譜的數(shù)濃度和直徑特征都與全天的平均狀態(tài)有較大的差異。雷達QPE 的精度與雨滴譜的特征有重要關(guān)系，如果QPE 關(guān)系中的參數(shù)無法代表降水系統(tǒng)的雨滴譜特征，會產(chǎn)生較大的偏差。本次降水雨滴譜特征有很大的特殊性，因此，利用鄭州的S 波段雙偏振天氣雷達，實際分析探討天氣雷達在這次極端暴雨中的性能。

4.1 雷達QPE 關(guān)系及參數(shù)對QPE 的影響

利用2021年7月20日雨滴譜數(shù)據(jù)，基于T矩陣方法，計算得到每個1 分鐘雨滴譜觀測樣本模擬的ZH和Kdp，并使用非線性最小二乘法擬合，獲得公式（7）和（8）中的參數(shù)a和b。由于08:00～09:00 的雨滴譜特征與當天其他時段有顯著差異，因此使用當天全部樣本（簡稱為“全天”）和08:00～09:00 的樣本，分別進行統(tǒng)計，得到的參數(shù)值如表1。為了比較此次降水過程中統(tǒng)計得到的參數(shù)與常用參數(shù)的差異，在表1 中也同樣列出了美國業(yè)務雷達網(wǎng)中（簡稱為“業(yè)務”）用于QPE 的參數(shù)值（Zhang et al., 2020）。由表中參數(shù)可知，全天的統(tǒng)計結(jié)果與業(yè)務使用的常用參數(shù)結(jié)果十分接近，但08:00～09:00 的參數(shù)與其他兩者差別較大。

圖6 是使用表1 中不同參數(shù)反演得到的降水率隨Zh或Kdp的變化。不管是基于R(ZH)關(guān)系（圖6a），還是基于R(Kdp)關(guān)系（圖6b），對于同一強度的雷達觀測量，使用08:00～09:00 關(guān)系得到的降水率均大于“全天”或者“業(yè)務”關(guān)系得到的降水率。另外，在超過約40 dBZ后，降水率隨Rh呈指數(shù)上升趨勢，即Rh的細微變動會導致反演降水率的較大變化，而Kdp則與降水率接近線性關(guān)系，隨著Kdp增加，反演的降水率增加較為穩(wěn)定。

表1 S 波段雷達降水反演關(guān)系參數(shù)Table 1 S-band radar quantitative precipitation estimation parameters

在業(yè)務上實際使用R(ZH)進行降水反演時，一般會對進行降水反演的反射率設置上限，一般為53 或55 dBZ，對于超過該上限的反射率，一律按照上限去進行降水反演。這是因為在超過50 dBZ后，反射率每增加1 dBZ，均會導致反演的降水率有較大提升，如果在降水系統(tǒng)中存在大的冰雹，會容易導致雷達觀測得到超過55 甚至60 dBZ的反射率，設置進行降水反演的反射率上限，可以減小冰雹對降水反演的影響，提升準確性。圖6a 中垂直于Y軸的實線和虛線分別是53 和55 dBZ時，各套降水反演參數(shù)對應的降水率。可見，對于53 dBZ的上限，“全天”、“業(yè)務”和08:00～09:00 關(guān)系反演得到的降水率僅分別為94、103 和124 mm h?1，如果把上限提高到55 dBZ，反演得到的降水率有所提高，但也僅分別為130、144 和158 mm h?1。也就是說，對于08:00～09:00時段高達201.9 mm的小時降水，設置有53 或者55 dBZ上限的基于R(ZH)的反演方法，均無法反演出如此強的降水。而Kdp則不受冰雹污染的影響，R(Kdp)在實際使用中不設置Kdp的上限值，因此理論上可以反演出超過200 mm h?1的降水率，對應觀測的Kdp為6° km?1左右。因此，對于本次降水過程這樣的極端小時降水，如果使用R(ZH)進行降水反演，除了需要獲得具有代表性的反演關(guān)系參數(shù)之外，還需要解除或者提高進行降水反演的反射率上限，但這樣的前提是必須先判定出高的反射率并非由于冰雹導致，在實際業(yè)務操作中是個較大挑戰(zhàn)；而如果使用R(Kdp)進行降水反演，面臨的實際問題主要是Kdp的精度問題。

圖6 使用表1 中不同關(guān)系參數(shù)的反演得到的降水率與雷達觀測量的關(guān)系：（a）基于R(ZH)關(guān)系R 隨Zh 的變化；（b）基于R(Kdp)關(guān)系R 隨Kdp 的變化。圖中的綠色、紅色和黑色線分別代表使用表1 中業(yè)務、08:00～09:00 和全天關(guān)系得到的降水率。（a）中的垂直于Y 軸的實線和虛線分別表示反射率為53 dBZ 和55 dBZ時降水率的值Fig. 6 Retrieved rain rate versus radar parameters using different QPE parameters in Table 1. (a) Reflectivity (Zh)versus rain rate based on R(ZH) method and (b) Kdp versus rain rate based on R(Kdp) method. The green, red, and black curve lines represent the retrieved rain rate using parameters of “Operational”, “0800UTC–0900 UTC”, and “Whole day”in Table 1. The solid and dashed lines perpendicular to the Y axis in (a)represent the rain rates with reflectivity of 53 and 55 dBZ, respectively

進一步分析使用不同降水反演關(guān)系和不同降水反演關(guān)系參數(shù)的反演性能。圖7 是使用08:00～09:00 的雨滴譜觀測數(shù)據(jù)模擬得到的ZH和Kdp使用不同QPE 參數(shù)計算得到的降水率，與雨滴譜儀直接觀測到的降水率的比較。對于08:00～09:00時段的強降水而言，如果使用的參數(shù)更能代表當時的雨滴譜特征（圖7b、d），其反演精確度是優(yōu)于使用全天樣本統(tǒng)計得到的參數(shù)的結(jié)果的（圖7a、c），這也說明了充分認識雨滴譜特征對于強降水QPE的重要程度。此外，對于強降水的估計，R(Kdp)關(guān)系的表現(xiàn)（圖7c、d）要優(yōu)于R(ZH)的表現(xiàn)（圖7a、b），體現(xiàn)在更高的CC，更小的RMSE 和更接近于0 的RMB，這是由于雙偏振QPE 關(guān)系對雨滴譜的差異敏感度相對較小，對強降水的估測更為準確。這里需要指出的是，這樣的結(jié)果是使用某套降水反演關(guān)系進行降水反演的理論最優(yōu)上限。而實際上雷達觀測得到的觀測量與雨滴譜模擬計算得到的雷達觀測量并不完全一致，而是受到雷達定標、雷達觀測性能、降水粒子在下落過程中的雨滴譜變化等多種因素影響，因此在實際利用雷達進行QPE時，準確性要低于圖7 中的結(jié)果。

圖7 2021年7月20日08:00～09:00 雨滴譜儀觀測的降水率與基于（a、b）R(ZH)和（c、d）R(Kdp)反演關(guān)系計算得到的降水率比較：（a、c）使用全天參數(shù)；（b、d）使用08:00～09:00 參數(shù)Fig. 7 Scatter plots of rain rate observed by disdrometer verus that retrieved using (a, b) R(ZH) and (c, d) R(Kdp) with parameters obtained based on samples of (a, c) the whole day and (b, d) 0800 UTC–0900 UTC at 0800 UTC–0900 UTC July 20, 2021

4.2 雷達QPE 的實際效果

上一小節(jié)已經(jīng)從理論上分析了不同降水反演關(guān)系和參數(shù)對QPE 精度的影響。本小節(jié)將實際利用雷達觀測數(shù)據(jù)，分析08:00～09:00時段的雷達QPE 效果。與雨滴譜儀最近的雷達為鄭州雷達，雨滴譜儀位于鄭州雷達約274°（正北為0°，順時針旋轉(zhuǎn)），相距3.15 km。由于鄭州雷達第一仰角Zh和Kdp在這一方向觀測明顯偏低，因此使用第二仰角的Zh和Kdp進行分析。首先根據(jù)雨滴譜儀和鄭州雷達的空間位置，計算得到距離雨滴譜儀最近的雷達第二仰角觀測庫；隨后，取該觀測庫的Zh和Kdp的值，作為在雨滴譜儀位置的雷達觀測量的值。此外，由于Kdp并不是雷達的直接觀測值，而是通過差分相位計算得到，使用不同的計算方法，計算得到的Kdp會有差異。因此，除了使用基數(shù)據(jù)中原始的Kdp，我們還基于雷達基數(shù)據(jù)的中的差分相位，利用線性規(guī)劃方法（Giangrande et al., 2013），重新計算了Kdp，在08:00～09:00時段的Zh、原始Kdp值和線性規(guī)劃后的Kdp值變化情況如圖8。在這一小時內(nèi)，Zh均高于48 dBZ，尤其是08:00～08:30時段，反射率均大于53 dBZ。基數(shù)據(jù)觀測得到的Kdp除08:54時次外，其余時刻均在3.0°～4.0° km?1左右波動，從圖6b 中可見，這樣的Kdp值，反演的降水率均達不到200 mm h?1。而使用線性規(guī)劃計算得到的Kdp變化趨勢與直接觀測的Kdp大體相似，但其值高于基數(shù)據(jù)的Kdp值。

圖8 2021年7月21日08:00～08:54時刻鄭州雷達第二仰角在雨滴譜儀位置的Zh 及Kdp，實線、長虛線和短虛線分別表示Zh、原始觀測的Kdp 及使用線性規(guī)劃（LP）方法獲得的KdpFig. 8 Zh and Kdp of the second tilt of Zhengzhou Doppler radar at the disdrometer’s location at 0800 UTC–0854 UTC. The solid, long dashed, and short dashed lines respectively represent Zh, observed Kdp, and Kdp retrieved with linear programming (LP) method

隨后，使用不同QPE 方法，計算得到每個雷達體掃時段的降水率，并把該1 小時內(nèi)雷達反演的降水率進行累積，得到該小時雷達定量降水估測的降水量。其中，基于R(ZH)方法，使用表一的三套參數(shù)，對Zh設置53 或55 dBZ上限以及不設置上限，共產(chǎn)生9 套QPE 降水量結(jié)果。不設置上限的原因是在本次降水過程中目前并沒有發(fā)生有大冰雹的報道，可以認為高反射率全部是由降雨粒子導致的。對于基于R(Kdp)方法，使用表一的三套參數(shù)，使用直接觀測的Kdp和線性規(guī)劃計算得到的Kdp，共產(chǎn)生6 套降水結(jié)果。對這共15 套降水結(jié)果進行分析，評估其對08:00～09:00時段的高達201.9 mm的極端暴雨的反演能力。

這15 套降水結(jié)果如圖9 所示。總體而言，這15 組結(jié)果反演的小時降水量與雨量計比較均偏低，其中最低的估測僅為82.6 mm，約為實際降水量的40.9%，最高的估測為146 mm，約為實際降水量的72.3%。不管是基于R(ZH)或者基于R(Kdp)方法，表現(xiàn)最優(yōu)的一組均為使用了08:00～09:00 參數(shù)的結(jié)果，這說明了雨滴譜特征對雷達QPE 性能具有重要影響，對于08:00～09:00 的極端降水時段，如果能準確把握其雨滴譜特征，使用具有代表性的雷達QPE 參數(shù)，可以有效提高QPE 的精度。

圖9 使用不同方法計算得到的08:00～09:00 的雷達估計降水量。左、中、右的各五個柱狀分別表示使用表1 中的業(yè)務關(guān)系、全天關(guān)系和08:00～09:00 關(guān)系得到的結(jié)果。點、橫線、左斜線、分別表示使用R(ZH)關(guān)系且反射率上限設為53 dBZ、設為55 dBZ 以及不設反射率上限；右斜線和格子紋柱狀表示使用R(Kdp)關(guān)系且Kdp 值來自基數(shù)據(jù)以及來自線性規(guī)劃方法百分數(shù)表示雷達估測降水量與雨量計觀測降水量的比值。Fig. 9 Hourly rainfall at 0800 UTC–0900 UTC estimated using different QPE methods. The groups with 5 bars located at the left, middle, and right portion of the plot represent the result using the parameters of “Operational,” “Whole day,” and “0800 UTC–0900 UTC” in Table 1. The dotted,transverse line, left slash, right slash, and cross pattern bars in each group represent the result using R(ZH) with Zh capped at 53 dBZ, at 55 dBZ, and without Zh cap, R(Kdp) with Kdp obtained from radar volume data and using linear programming method. The percentage indicates the ratio of radar estimated rainfall to gauge observational rainfall.

首先分析基于R(ZH)的結(jié)果。對于不同降水反演參數(shù)，使用08:00～09:00 的參數(shù)表現(xiàn)結(jié)果最優(yōu)，其次是使用業(yè)務參數(shù)，最差的結(jié)果是使用全天的參數(shù)計算得到的結(jié)果，其估測偏低最為嚴重，這是由于08:00～09:00 的最強降水時段的雨滴譜特征與全天其他時段有較大差異，因此使用全天數(shù)據(jù)統(tǒng)計得到的參數(shù)并不能很好地反演該小時的降水特征。這一結(jié)果表明，使用雨滴譜儀統(tǒng)計得到的R(ZH)參數(shù)，需要考慮其代表性問題。具有代表性的參數(shù)（如08:00～09:00 的參數(shù)），可以有效提高R(ZH)估測強降水的準確性，但如果統(tǒng)計的樣本（如全天的樣本）無法較好代表當時降水雨滴譜特征，會導致較大的偏差，給QPE 帶來副作用，其效果可能甚至還不如使用業(yè)務常用的固定關(guān)系。目前有的業(yè)務雷達QPE 方法采取動態(tài)R(ZH)方法去進行，如果樣本量過小，或者樣本無法反映真實的雨滴譜特征，則統(tǒng)計出來的實時動態(tài)參數(shù)產(chǎn)生的結(jié)果，與固定參數(shù)相比不一定有正作用，可能反而有副作用。尤其是對強降水的估測，由于強降水的統(tǒng)計樣本一般較少，統(tǒng)計出來的參數(shù)代表性問題應給予考慮，以提高系統(tǒng)的穩(wěn)定性。隨后，比較設置了反射率上限和不設上限的結(jié)果。由于有多個時次的實際反射率超過了53 dBZ，設置了53 dBZ上限的結(jié)果均低估較為嚴重，三套參數(shù)估測的降水量僅分別為實況的45.1%、40.9%和55.7%；把上限提高的55 dBZ，估測降水量的低估現(xiàn)象得到了減小；而不設置反射率上限之后，雖然降水的低估依然存在，但估測的降水量更接近實況，三套參數(shù)估測的降水量分別達到了實況的59.4%、53.8%和67.5%。這說明，對于類似于此次降水過程這樣的極端暴雨，設置53或者55 dBZ的反射率上限進行降水估測是不夠的，會導致強降水的較大低估，可能需要進一步提高反射率上限。在實際業(yè)務系統(tǒng)中，提高反射率上限的面臨的首要問題是需要判定這樣高的反射率是由于降雨粒子導致的，而不是大冰雹導致的。在實際應用中需要加入雷達的冰雹識別產(chǎn)品，以及天氣模式的動熱力場進行輔助分析確定，否則，在遇到冰雹天氣而產(chǎn)生超強的反射率時，會導致雷達QPE 對實際降水的嚴重高估。

對基于R(Kdp)的結(jié)果進行分析。使用不同的R(Kdp)關(guān)系參數(shù)，表現(xiàn)最優(yōu)的也是使用了08:00～09:00 參數(shù)的結(jié)果，雖然以往研究表明，R(Kdp)關(guān)系對雨滴譜差異性的敏感度較低，因此對強降水的估測較為準確（Chandrasekar et al., 1990），但使用具有代表性的參數(shù)依然能有效提高QPE 的性能。但也可以看到，使用不同的參數(shù)的R(Kdp)結(jié)果表現(xiàn)差異比R(ZH)的結(jié)果差異小。R(Kdp)關(guān)系的這一特征，使得使用R(Kdp)在業(yè)務中對強降水進行估測時有很大的優(yōu)勢：它對不同雨滴譜的敏感度較低，因此在不同降水過程中表現(xiàn)較為穩(wěn)定，有利于提高業(yè)務QPE 系統(tǒng)估測性能的穩(wěn)定性。但使用R(Kdp)卻又面臨著另外一個問題，即Kdp的準確性。使用雷達基數(shù)據(jù)里原始的Kdp進行QPE，低估較為嚴重，整體表現(xiàn)水平與使用55 dBZ上限的R(ZH)方法相近，并沒有表現(xiàn)出雙偏振量帶來的優(yōu)勢。而使用基于線性規(guī)劃方法計算得到的Kdp進行QPE，使用不同參數(shù)估測的降水量均能達到實際降水量60%以上，其中最優(yōu)的結(jié)果為使用08:00～09:00 關(guān)系的結(jié)果，估測的小時降水量達到了146 mm，達到了實際降水量的72.4%。這說明在實際中使用Kdp進行QPE時，應該重點關(guān)注Kdp的準確性，可以利用雨滴譜儀觀測數(shù)據(jù)，對雷達基數(shù)據(jù)中直接獲得的Kdp，以及通過不同方法計算的到的Kdp的質(zhì)量進行評估，評估Kdp的準確性和確定較好的Kdp計算方法。

最后，橫向比較基于R(ZH)和基于R(Kdp)的方法，不管使用哪一套參數(shù)，基于線性規(guī)劃方法得到的Kdp計算的R(Kdp)結(jié)果均要優(yōu)于不設置上限的基于R(ZH)的結(jié)果。這說明，使用雙偏振QPE 關(guān)系，對此次的極端暴雨的反演效果可能會更好。除了性能上的優(yōu)勢，在實際業(yè)務上，使用R(Kdp)關(guān)系還有以下的優(yōu)點：（1）在極端降水發(fā)生前，實際上無法獲得降水的雨滴譜信息，R(ZH)受雨滴譜特征影響較為敏感，而R(Kdp)相對不敏感，因此穩(wěn)定性較強；（2）使用R(ZH)可以不設置ZH上限的前提是不存在大冰雹，其準確性也依賴于冰雹識別方法，而R(Kdp)則不受冰雹的影響；（3）ZH受到定標的影響，在如此次的超過50 dBZ的極端降水時，如果ZH定標存在偏差，即使是如1 dBZ這樣的小定標偏差，也會導致降水估測的較大誤差，而Kdp不受雷達定標影響。

5 總結(jié)與討論

本文利用雨滴譜觀測數(shù)據(jù)分析了2021年7月20日發(fā)生的鄭州極端暴雨過程中的雨滴譜特征，并結(jié)合多普勒雙偏振天氣雷達的觀測數(shù)據(jù)，分析了鄭州S 波段雙偏振雷達不同QPE 方法和不同QPE參數(shù)在此次降水過程中的實際性能，得到的主要結(jié)論如下：

（1）在7月20日08:00～09:00 這一最強的小時降水時段，其雨滴譜特征表現(xiàn)為持續(xù)穩(wěn)定的極高的粒子數(shù)以及較大的粒子平均直徑，從而導致了超過200 mm 的小時降水量。

（2）此次降水過程層狀云降水和對流性降水的Nw與我國其他地區(qū)雨滴譜特征相比，差異均較小，主要差異體現(xiàn)為Dm較大。此外，此次降水過程的對流性降水既不屬于典型的“大陸性”對流性降水，也不屬于“海洋性”對流性降水，可能是受到來自陸地和海洋的多種天氣系統(tǒng)影響的緣故。

（3）7月20日08:00～09:00 的雨滴譜特征與當天其他時刻有顯著差異，表現(xiàn)為更高的Nw和更大的Dm；在強降水發(fā)生前，雨滴譜特征發(fā)現(xiàn)顯著變化，首先是Dm迅速上升，隨后Nt也迅速上升，導致降水強度的突然增加。

（4）使用08:00～09:00 統(tǒng)計得到的QPE 參數(shù)進行雷達QPE 結(jié)果表現(xiàn)最優(yōu)，說明使用能較好代表降水過程雨滴譜特征的QPE 參數(shù)可以提高雷達QPE 的精度；業(yè)務QPE 中常用的對反射率設置上限的基于R(ZH)的QPE 方法會導致降水的較大低估，對此次極端暴雨過程，需要提高或者解除反射率上限；基于R(Kdp)的QPE 方法，其性能的主要影響因素是Kdp的準確性；R(Kdp)方法估測的降水量更接近實況降水量，說明基于雙偏振量的QPE方法對此次極端暴雨的QPE 性能更好。

在對此次極端暴雨過程的分析過程中，有一些科學問題尚待解決。即使是表現(xiàn)最優(yōu)的一組R(ZH)和R(Kdp)結(jié)果，對實際201.9 mm 的小時降水，還是低估了30%左右，這是否為雷達觀測性能導致的？對于如此強的極端暴雨，目前布設的雷達能否獲得其準確的觀測強度信號，需要進行進一步深入分析；此外，在實際業(yè)務中，如何結(jié)合天氣模式、雨滴譜儀觀測等多源信息，在極端暴雨未發(fā)生之前預測其雨滴譜特征，從而提高雷達QPE 的性能，也值得深入研究。