基于GPM衛星的地形因子與降水云高擬合研究

馬琳輝，袁 敏

（中國民用航空飛行學院空中交通管理學院，廣漢 618307）

0 引言

我國暴雨主要發生在5～8 月［1］，不同尺度地形對暴雨系統的影響不同［2］。四川地區位于青藏高原東南側，地形復雜，四川東部是盆地，西部是高原，地表起伏大，地勢懸殊，發生暴雨的頻次較高［3-5］，顯著的地形特點影響了降水的分布狀況。

楊麗杰等［6］對隴東黃土高原的降水進行分析。丁麗佳等［7］研究了潮州市氣象站點的降水數據，結果表明地形地勢對短時強降水的發生影響較大，且多出現在迎風坡。陳芳麗等［8］分析了強降水過程與地形走勢一致的原因，闡述了地形對氣流的抬升、阻截等作用。曾禮等［9］對華東地區降水尺度效應進行研究，表明在不同季節，地形因子對降水的影響程度不同。曠蘭等［10］用重慶地區的逐小時降水站點資料對FAST 和FRT 產品進行評估，可以為站點較少地區的降水數據進行補充。劉維成等［11］將地形因子加入雷達降水估測，結果表明經過訂正后的數據與實測更為接近。馬文倩等［12］對一次強降水事件進行分析，結果表明在迎風坡，海拔與降水的正相關性更好。因此，研究四川地形對不同降水云的影響，能夠加深對地形對暴雨系統影響的了解。

GPM（Global Precipitation Measurement）衛星于2014年發射，是美國NASA 和日本JAXA 發起的全球降水觀測計劃，其上搭設雙頻降水雷達DPR（Dual-Frequency Precipitation Radar），DPR雙頻分別是Ka 通道和Ku 通道。多位學者對GPM 衛星資料精度進行評估，并利用GPM 衛星資料研究了不同地區的降水結構特征。楊汪洋等［13］利用陜西省氣象站點實測數據與GPM 降水數據進行對比。施麗娟等［14］以中國所有地面氣象站點為基準，分析GPM 降水產品的準確性，錢祝慶［15］對通過與2014—2019 年地面實測降水數據對比，結果表明GPM 降水產品整體觀測能力較優，可以反映地區實際降水狀況。王智敏等［16］利用GPM/DPR 衛星資料對新疆降雪的水平、垂直結構特征進行分析。王立羽等［17］利用GPM 數據分析了北太平洋區域降水結構特征。鄧欣柔等［18］利用GPM 探測資料分析了臺風降水的水平結構特征與降水率分布狀況。以上較少針對四川強降水事件與地形因子進行結合分析，因此，本文利用GPM/DPR L2A 與IMERG 降水產品結合地形因子對一次四川強降水事件進行研究。

1 降水概況

四川地區在2018 年5 月21 日（世界時，下同）發生了一次強降水事件，圖1 給出了本次降水的總降水量分布（由GPM/IMERG 觀測數據繪制），此次降水達到了國家氣象局頒布的降水強度等級中的暴雨—大暴雨等級（暴雨—大暴雨等級為24 小時降水量范圍75.0～174.9 mm）。本次降水的降水率在15:30—16:30 達到最大值（降水率≥40 mm/h），范圍集中在104°E、29°N附近。

圖1 5月21日降水總量分布（單位:mm）

2 坡度與云高

此次降水過程中，GPM 衛星共經過四川地區2 次，僅在15:31 時掃描軌道與此次降水的強降水區匹配較好，且15:31 是此次強降水事件中降水率最大值時間范圍，表明此次掃描數據能夠較好地表征此次降水結構特征。DPR 通過雷達回波將探測的降水云分為三類［19］:當檢測到0℃亮帶時，定義為層狀云降水；若在0℃亮帶附近檢測到雷達回波大于39 dBZ 或風暴頂下雷達回波大于39 dBZ，則定義為對流云降水，其余則為其他降水（其他降水樣本量較少，故此次不考慮其他降水）。對流云樣本1129，層狀云樣本2218，對流云與層狀云樣本比例約為1∶2，說明層狀云降水發展范圍遠大于對流云降水發展范圍。

圖2（a）和圖2（b）分別為對流云、層狀云坡度與凍結層高度散點圖，二者凍結層高度都聚集在4.8～5.5 km，說明凍結層所在高度與降水云類型關系不大。在圖2（a）中坡度與凍結層高度的擬合曲線表明：隨著坡度的增長，凍結層高度呈緩慢增長趨勢，呈正相關，相關系數為0.166，表明二者相關程度較大，且呈線性變化，但顯著性遠小于0.1。在圖2（b）層狀云坡度與凍結層散點圖中，二者的擬合曲線表明隨著坡度的增長，凍結層高度呈緩慢下降趨勢，呈負相關，相關系數為-0.028，表明層狀云坡度與凍結層高度的相關性小于對流云坡度與凍結層高度的相關性。

圖2 坡度與凍結層高度散點圖

圖3是坡度與凍結層高度箱線圖，箱線圖都夠較好表明不同坡度下凍結層高度的變化。圖3（a）是對流云坡度與凍結層高度箱線圖，隨著坡度的增大，對流云凍結層高度的中位數、平均數、上邊界值與上四分之一數、下四分之一數皆有明顯減小趨勢，而下邊界值卻有增大趨勢，說明地形越陡，對動力、熱力抬升作用越大，凍結層所在位置越高［20］。而隨著高度的升高，地形因素的熱力抬升作用減小，凍結高度層值逐漸減小。圖3（b）是層狀云坡度與凍結層高度箱線圖，圖中中位數、平均數、上邊界值與上四分之一數、下四分之一數皆無明顯變化趨勢，層狀云坡度與凍結層高度二者相關性不強，但下邊界值卻有增大趨勢，與對流云凍結層高度下邊界值變化趨勢一致，且層狀云凍結層高度在相同坡度范圍的上邊界值都大于對流云凍結層高度。

圖3 坡度與凍結層高度箱線圖

圖4（a）和圖4（b）分別為對流云、層狀云坡度與雷暴云頂高散點圖。對流云和層狀云降水的雷暴云頂高范圍分別集中在2～17 km 和4～15 km，對流云的雷暴云發展高度和范圍明顯大于層狀云，說明對流降水雷暴云體內垂直的對流活動更加劇烈。對流云坡度與雷暴頂高呈正相關，相關系數為0.187；層狀云坡度與雷暴頂高呈負相關，相關系數為-0.050，與坡度和凍結高度層關系類似，與層狀云相比，對流云的坡度與雷暴頂高相關性更大。

圖4 坡度與雷暴云頂高散點圖

圖5（a）和圖5（b）分別為對流云、層狀云坡度和雷暴云頂高箱線圖。對流云整體雷暴云頂高上邊界值高于層狀云雷暴云頂高上邊界值，且對流云箱線圖上四分位數變動較小，說明對流云水平范圍不大，整體較為集中，其余數值無明顯變化規律，說明對流云雷暴云頂高受坡度影響較小，受對流垂直活動影響大。而層狀云上四分位數、均值、中位數、下四分位數皆隨坡度的增大而減小，說明層狀云垂直活動相對較弱，云頂發展高度受坡度影響較大，且呈負相關趨勢。

圖5 坡度與雷暴云頂高箱線圖

3 海拔與云高

圖6（a）和圖6（b）分別為對流云、層狀云的海拔和凍結層高度散點圖。二者凍結層高度范圍差異不大，與圖3類似，說明凍結層所在高度與降水云類型關系不大。對流云海拔和凍結層高度呈正相關，相關系數為0.057；層狀云海拔與凍結層高度呈負相關，相關系數為-0.102，與坡度和凍結層高度的相關性變化一致，但此次層狀云海拔與凍結層高度的相關性大于對流云，說明對層狀云來說海拔對凍結層高度的影響大于坡度對凍結層高度的影響，與對流云剛好相反。

圖6 海拔和凍結層高度散點圖

在研究不同海拔下的凍結層與雷暴云高度時，將海拔分為3 類：低海拔（小于1 km），中海拔（1～2 km），亞高海拔（2～4 km）［21］。由于GPM 衛星此次掃描區域海拔最大值為4.059 km，且大于4 km 的樣本點個數為4，故將這4個點在繪圖時并入2～4 km 中。圖7（a）和圖7（b）分別為對流云、層狀云海拔與凍結層高度箱線圖，二者上邊界值與上四分位數呈拋物線變化，在海拔為1～2 km處達到最大值，中位數與下四分位數都隨著海拔的升高而減小；而下邊界值也有微弱的拋物線趨勢，在1～2 km 處達到最大值，說明不同海拔對凍結層高度影響不同，需要進行進一步探討。

圖7 海拔與凍結層高度箱線圖

圖8（a）和圖8（b）分別為對流云、層狀云海拔與雷暴頂高散點圖，海拔的增加對對流云雷暴云頂高有抬升作用，相關系數為0.079；而與層狀云雷暴云頂高呈負相關，相關系數為-0.108，層狀云的相關系數大于對流云的相關系數，說明海拔對層狀云雷暴云頂高的影響大于對對流云雷暴云頂高的影響。且對層狀云來說，海拔對雷暴云頂高的影響大于坡度對雷暴云頂高的影響，而對對流云來說，海拔和坡度對雷暴云頂高的發展影響都不顯著。

圖8 海拔與雷暴云頂高散點圖

圖9（a）和圖9（b）分別是對流云、層狀云海拔與雷暴云頂高箱線圖，二者上邊界值都呈拋物線出現，且皆在1～2 km處出現峰值，與海拔和凍結層最大值出現位置一致；在2～4 km的位置，雷暴頂高的最大值、上四分位數、中位數、平均值、下四分位數、最小值都有明顯的下降趨勢，說明海拔越高，雷暴云頂高越低；且層狀云的雷暴頂高下降趨勢大于對流云，說明海拔對層狀云的雷暴云頂高發展影響更大。

圖9 海拔與雷暴云頂高箱線圖

4 結語

研究四川地區地形因子對暴雨的影響，可以對四川氣象站點較少區域進行降水數據的補充，或對未來暴雨預警技術有一定意義與價值。本文利用GPM 衛星資料對2018 年5 月21 日強降水事件結合地形因子進行了分析，得到了以下結論：

（1）此次強降水達到了暴雨—大暴雨等級，降水量大于125 mm，主要降水區域集中在104°E、29°N附近，最大小時降水率大于40 mm/h。

（2）對流云降水的坡度和凍結層高度、坡度和雷暴云頂高都呈線性變化，且呈正相關趨勢，層狀云降水的坡度和凍結層高度、坡度和雷暴云頂高都呈負相關線性變化，且對流云的相關系數都大于層狀云的相關系數，說明對流云坡度和凍結層高度、坡度與雷暴頂高相關性大于層狀云坡度，坡度對對流云的云高影響較大。

（3）對流云降水的海拔和凍結層高度、海拔和雷暴云頂高都呈微弱的正相關趨勢，層狀云降水的海拔和凍結層高度、海拔和雷暴云頂高都呈負相關線性變化，層狀云降水的海拔和凍結層高度、海拔和雷暴云頂高相關性都大于對流云，海拔對于層狀云的云高影響較大。

一次強降水事件和地形因子的結合偶然性較大，僅具有統計意義，未來將對5～10年內的強降水事件進行統計，并將其降水結構特征與地形因子結合分析，進一步了解地形因子對暴雨的影響。