一次東北冷渦天氣過程雙偏振雷達降水粒子相態識別

王 冠，鄭 石，侯 暢，張 晶，黃興友，于 淼

（1.中國氣象局沈陽大氣環境研究所，遼寧 沈陽110166；2.中國氣象局氣象干部培訓學院遼寧分院，遼寧 沈陽 110166；3.遼寧省氣象裝備保障中心，遼寧 沈陽 110166；4.營口市氣象局，遼寧 營口 115000；5.南京信息工程大學氣象災害預報預警與評估協同創新中心，江蘇 南京 210044；6.鞍山市氣象局，遼寧 鞍山 114000）

東北冷渦是春夏季影響遼寧地區的重要天氣系統，定義為：在500 hPa 天氣圖上至少有一條閉合等高線，并有冷中心或明顯冷槽配合，能夠維持3 d 或以上的低壓環流系統。東北冷渦控制區域常出現強降水、冰雹、雷雨大風、短時暴雨等強對流天氣[1-3]。由于東北冷渦誘發的中小尺度天氣系統具有水平范圍小、生命周期短、氣象要素水平變化大等特點，利用探測資料詳細了解中小尺度天氣系統發生發展的特點、提高東北冷渦強對流降水的預報質量，是東北地區短臨氣象預報亟需解決的問題[4-5]。

雙偏振雷達在氣象預報、降水估計、東北冷渦氣象觀測等方面具有極大的應用價值。相比于常規天氣雷達，雙偏振雷達能獲得水平反射率因子（ZH）、差分反射率因子（ZDR）、差分傳播相移率（KDP）和零滯后相關系數（ρHV）等偏振信息，利用上述偏振參量能夠反演降水粒子的種類、空間分布、物理形態等信息，從而反演東北冷渦系統天氣過程中降水粒子相態的三維精細結構，為研究東北冷渦系統增強和演變機制提供理論依據[6-8]。雙偏振雷達偏振參量作為降水粒子分類的重要依據，獲得廣泛研究[9-12]。1965 年Zadeh[13]提出了模糊邏輯法概念，該方法能夠較好地對界限模糊的多元數據進行泛化處理，具備較好的識別歸類能力，形成了模糊邏輯算法識別降水粒子相態（Fuzzy logic Hydrometeor Classification，FHC）。1993 年Straka 等[12]得出不同降水粒子相態對應的偏振參量閾值。2005 年，曹俊武等[14-15]將FHC 算法用于美國S 波段KOUN 雷達分析強風暴單體和降雪數據，結果基本能反演降水粒子相態。2009 年Park等[16]將FHC 算法進行改進，使其能夠區分對流云和層狀云降水類型，識別降水等級，并應用于WSR-88D 網的雙偏振升級改造。近年來很多基于模糊邏輯算法的改進方法被提出，2014 年Mahale 等[16]對Park 提出的算法進行改進，用于識別三體散射特征，使FHC 算法在冰雹的識別上得到更好的應用。2014 年郭鳳霞等[17]在FHC 算法基礎上，利用X 波段對每個識別參量賦予權重值并增加了溫度閾值。

目前國內利用S 波段雙偏振雷達對東北冷渦天氣過程中降水粒子相態識別的研究較少，本文利用東北冷渦天氣過程中S 波段雙偏振雷達基數據資料，在原有的FHC 算法基礎上對判別規則進行調整和比較，結合東北冷渦天氣過程實例，對降水粒子相態識別結果進行分析討論，為研究東北冷渦演變機制提供更多理論依據。

1 資料選取

2019 年6 月7—9 日受東北冷渦影響，遼寧省出現雷雨天氣，全省共監測到閃電5 853 次，9 日04—05 時錦州凌海市大有街道管理所小時降水量最大為80.4 mm，部分地區出現冰雹。9 日04 時左右營口青石嶺、博洛鋪出現小冰雹，持續6 min，造成農作物受損。本文選取2019 年6 月9 日錦州和營口地區出現的強對流天氣過程作為觀測樣本。雷達資料采用營口S 波段雙偏振天氣雷達基數據，方位角分辨率為1°，距離庫分辨率為250 m，探測距離半徑為230 km。

本文根據S 波段雙偏振雷達基數據存儲格式，利用Matlab 讀取質控后的雷達基數據，提取偏振信息，將每層體掃的徑向數據轉化為雷達回波拼圖。采用模糊邏輯算法分析了雙偏振雷達各個偏振參量對應的隸屬函數概率分布情況，分配各個偏振參量在判別規則中的權重系數，對東北冷渦天氣過程中降水粒子相態進行識別。

2 方法介紹

2.1 雙偏振雷達測量參數特征

雙偏振雷達除了具有水平反射率因子ZH外，還有差分反射率因子ZDR、差分傳播相移率KDP、零滯后相關系數ρHV等偏振參量。利用這些偏振參量特性能夠反演降水粒子的種類、空間分布、物理形態等信息。

水平反射率因子ZH表示單位體積內降水粒子直徑6 次方的總和，通常用對數形式表示反射率因子的大小。降水粒子越大、數量越多，ZH越大。

差分反射率因子ZDR表示水平偏振反射率因子與垂直偏振反射率因子之比，表征粒子在水平和垂直方向上偏振特性的差異。大雨滴在下落過程中呈扁平狀，ZDR通常為正，冰雹在下落過程中取向具有較大隨機性，ZDR在零值附近。

差分傳播相移率KDP表示粒子對偏振波傳播速度或相位的影響。KDP取值主要受液態降水的影響。取值越大，說明此處的降雨強度越大。

零滯后相關系數ρHV表示一個脈沖周期前后收到的回波水平偏振分量和垂直偏振分量的相關程度，取值0～1，粒子一致性越高越接近1。

2.2 模糊邏輯算法識別降水粒子相態

基于模糊邏輯算法識別降水粒子相態是將雙偏振雷達的偏振量作為輸入量，輸入數據經過模糊化、規則推斷、集成和退模糊[18-22]，最終將輸入的多個特征參數轉化成單一的降水粒子類型。利用模糊邏輯算法識別粒子相態輸出10 種粒子類型，分別為：地物雜波（GC）、小雨（LR）、大雨（HR）、大雨滴（BD）、干雪（DS）、濕雪（WS）、冰晶（IC）、小冰雹（SH）、大冰雹（LH）、雨夾雹（RH）[14]。

算法實現首先需要通過隸屬函數對觀測得到的偏振參量進行模糊化。模糊化是將觀測參數的數值轉化成能夠判斷是否為某一種粒子可能性的過程，這種可能性稱之為模糊基。選取不對稱的T 函數作為隸屬函數，見公式（1）[14-15]，X1、X2、X3、X4分別為左起始點值、左區間點值、右區間點值、右結束點值。

圖1 給出了采用T 函數作為隸屬函數4 個雙偏振雷達觀測量ZH、ZDR、KDP和ρHV對應的10 種降水粒子模糊基的對應閾值結果，共40 個隸屬函數。

圖1 基于T 隸屬函數的雙偏振測量參數的各自模糊基設置

降水粒子相態分類以IF-THEN 規則進行判別，將不同偏振參量對應得到的10 種降水粒子分類結果按照不同貢獻度進行強度計算[15]。降水粒子強度（Rj）可通過不同參量的貢獻強度相乘或相加得到，Pij表示第i 個偏振參量對應的第j 類降水粒子相態的貢獻強度。貢獻度相加法計算降水強度中[14-15]，Ai表示每個偏振參量的權重系數，參考美國KOUN 雷達降水FHC 算法Ai配置[14]進行調整，將直接采集得到的ZH作為主要參考，ZDR權重相應減少，由于零滯后相關系數ρHV<0.8 時不計算差分相移率KDP，ρHV、KDP為后期計算參量，因此權重占比較小，綜合考慮選取AZH=1，AZDR=0.7，AKDP=0.4，APHV=0.5。

經過集成和退模糊，選擇Rj中最大值作為判別依據，最大Rj對應的降水類型作為降水粒子相態識別的最終識別結果。

3 東北冷渦強對流天氣雷達回波特征分析與降水粒子相態識別

3.1 2019 年6 月7—9 日冷渦系統演變

6 月7 日08 時500 hPa 冷渦中心位于內蒙古地區東部，冷渦東部吉林到遼寧一帶為高空弱脊控制。7 日20 時冷渦中心處于內蒙古境內，遼寧西部處于冷渦底前部，開始受其影響（圖2a）。8 日20 時冷渦中心向東南移動到內蒙古和遼寧交界處，遼寧西北部處于冷渦內部，遼寧東南部處于冷渦前部（圖2b）。9 日20 時冷渦繼續東移，遼寧西部處于冷渦后部，遼寧東部仍受冷渦內部控制（圖2c）。10 日08 時冷渦迅速減弱東移，結束對遼寧地區的影響。

圖2 2019 年6 月7 日20 時（a）、8 日20 時（b）、9 日20 時（c）500 hPa 形勢

3.2 錦州地區降水粒子相態分析

9 日04—05 時受東北冷渦影響錦州市凌海地區出現暴雨，凌海大有街道管理所小時降水量最大為80.4 mm。圖3 為2019 年6 月9 日04：21 1.5°仰角雷達偏振參量回波圖，觀測區域距雷達徑向距離為93 km，方位角為287°，高度為3.19 km。

圖3 1.5°仰角反射率因子（a）、相關系數（b）、差分反射率（c）、差分相移率（d）（藍色五角星為觀測區域錦州凌海市大有街道管理所）

1.5°仰角雷達基本反射率圖中有明顯的強回波區，ZH最大強度達65 dBZ（圖3a），并存在三體散射，高值周邊區域ZH為50～60 dBZ，判斷該區域有較大粒子存在，推斷為冰雹。觀測區域南部ρHV<0.95（圖3b），表明粒子一致性較差，觀測區域北部區域ρHV＞0.98，表明降水粒子一致性高。在高值區對應位置ZDR最大值為4 dB（圖3c），降水回波區域內ZDR大量分布在0.8～1 dB，表明降水粒子下落過程中呈扁平狀。對應區域KDP為0.5～3.1 °/km（圖3d），觀測區域出現較大范圍KDP≥1.7 °/km，說明觀測區存在較強的液態降水。綜合偏振參量信息，觀測區域強回波中心存在冰雹粒子，外面包裹水膜。觀測區域北部存在尺寸較大的液態降水。

圖4 為不同判斷規則得出的降水粒子相態分類結果，圖4a 為偏振要素貢獻度非均勻權重相加獲得的分類結果，圖4b 為偏振要素貢獻度相乘獲得的分類結果。兩種判別方法得到的粒子分類結果在觀測中心均有冰雹粒子出現并伴隨雨夾雹粒子。在觀測中心周圍，利用Pij相加判別規則得到的粒子分類結果為大雨粒子，觀測區域邊緣為濕雪粒子，利用Pij相乘判別規則得到的分類結果，在降水區北部有較多大雨粒子，邊緣存在冰晶和和小雨粒子。

圖4 1.5°仰角不同判斷規則降水粒子分類結果Pij 相加（a）、Pij 相乘（b）

圖5 的觀測仰角為0.5°，觀測區域距雷達徑向距離88 km，方位位于287°，高度為1.43 km。觀測位置存在明顯的強回波區域，強度為55～60 dBZ（圖5a），觀測區域中心存在冰雹粒子可能性較大，北部回波強度為45～55 dBZ，可能存在大雨。觀測區域中心為2～5 dB（圖5c），說明觀測區域可能存在大雨粒子。對應觀測區域KDP值在0.5～3.1 °/km，強回波區KDP＞1.1 °/km，ρHV＞0.98，表明存在較多液態降水，并且具有較高的一致性。結合各類偏振信息表明0.5°仰角，降水粒子下落過程中呈扁平狀，存在較強的液態降水，而強回波區域外圍存在冰晶和水的混合物。

圖5 0.5°仰角反射率因子（a）、相關系數（b）、差分反射率（c）、差分相移率（d）

由0.5°仰角不同判斷規則降水粒子相態分類結果可知，強回波區域仍存在雨夾雹粒子，Pij相加規則分類結果顯示強回波區周圍有較多的大雨粒子，外圍區域有少量濕雪、干雪粒子。利用Pij相乘判斷規則顯示觀測區域周圍存在大雨粒子，外圍區域存在少量冰晶、小雨粒子。相比于1.5°仰角的粒子分類結果，0.5°仰角觀測結果中大雨滴的區域均增大、冰雹粒子數量減少，推斷在下落過程中冰雹逐漸融化。兩種判別規則得到的粒子相態識別結果基本一致，粒子相態識別結果與實際觀測情況基本吻合。

3.3 營口地區降水粒子相態分析

為進一步驗證降水粒子相態識別結果可靠性，對9 日04：00 營口青石嶺、博洛鋪地區出現的強對流天氣過程中的降水粒子相態進行分類。9 日03：48為風暴活動最強時刻，圖6 為6 月9 日03：48 0.5°仰角的偏振參量回波。強回波值為50～65 dBZ（圖6a），最大值達66 dBZ，判斷存在冰雹粒子。ρHV值在強回波區北部＞0.98（圖6b），粒子一致性高，觀測區域南部ρHV<0.9 一致性較差。強回波區域南部差分相移率KDP為3.1～7 °/km，最大值達到7.3 °/km，存在較強液態降水。強回波外圍區域對應差分相移率KDP為0.5～1.7°/km。強回波區域北部ZDR為0.5～3.1 dB（圖6d），粒子多呈扁平狀。綜合上述偏振參量信息，可大致判斷在0.5°觀測仰角中強回波中心存在大雨和冰雹粒子，下落過程中呈扁平狀，強回波區以北存在大量液態降水。

圖6 0.5°仰角反射率因子（a）、相關系數（b）、差分反射率（c）、差分相移率（d）（藍色五角星為觀測區域中心）

根據9 日03：48 對流風暴剖面圖（剖面沿圖6a中黑線位置），可以看到2 個明顯的強回波中心分布于1～5 km，最強回波區域反射率＞65 dBZ（圖7a），對應區域ZDR在0 值附近（圖7c），強回波區域粒子形狀不規則，推斷強回波區可能存在冰雹粒子。ρHV為0.96～0.99（圖7b）。差分反射率ZDR在高低空有較明顯的區別，高值主要分布在2 km 以下，2～5 km 對應KDP較小（圖7d），液態降水主要集中在2 km 以下，推斷2 km 以下區域可能存在較強降水或存在外包水膜的冰雹粒子。

圖7 9 日03：48 對流風暴剖面圖仰角反射率因子（a）、相關系數（b）、差分反射率（c）、差分相移率（d）

采用模糊邏輯算法對降水粒子相態分類（圖8），強回波觀測中心為雨夾雹和大冰雹粒子，周圍存在大量大雨粒子，外圍主要為大雨粒子。兩種判別規則得到的粒子相態分類結果在觀測中心外圍存在差別，Pij相加判斷規則顯示觀測區域外圍主要為大雨（圖8a），Pij相乘判斷顯示小雨粒子較多（圖8b）。兩種判別規則得到的粒子相態識別結果基本一致，符合實際地面觀測的降水分布特征，驗證了識別算法的合理性。

圖8 0.5°仰角不同判斷規則降水粒子分類結果Pij 相加（a）、Pij 相乘（b）

3.4 兩種降水粒子相態識別方法比較

FHC 算法中隸屬函數的分布為偏振參量判別降水粒子相態提供了可靠的依據。根據ZH的分布可以對降水粒子進行大致分類，ZH為55～65 dBZ 時，存在冰雹粒子的可能性最大。當基本反射回波信息無法對降水粒子相態進行準確判別時，ZDR、KDP和ρHV等偏振信息可對降水粒子的空間分布、物理形態和一致性補充反饋。根據2019 年6 月7—9 日東北冷渦的演變和地面觀測信息，兩次天氣過程的FHC識別結果具有合理性，Pij相加和Pij相乘兩種判別方法降水粒子相態識別結果在強回波處基本一致，在弱回波處判別結果存在一定差異。Pij相加判別規則中采用的非均勻權重能夠有效地對降水粒子的相態進行識別，兩次天氣過程中均獲得合理的粒子分類結果。

4 結論

通過仿真與實測資料得出以下結論：

（1）雙偏振雷達偏振參量可以對降水粒子類型粗略判斷，FHC 算法中隸屬函數的分布為偏振參量判別降水粒子相態提供了可靠的依據。當基本反射回波信息無法對降水粒子相態進行準確判別時，ZDR、KDP和ρHV等偏振信息可對降水粒子的空間分布、物理形態和一致性補充反饋，提高了利用天氣雷達降水粒子相態識別的穩定性，對于日常的天氣預報工作具有較高的參考價值。

（2）降水粒子相態識別算法應用在東北冷渦強對流天氣過程實例中的結果表明，雙偏振雷達的偏振參量可以對水凝物的種類、空間分布、物理形態進行大致判斷，但水凝物相態識別結果仍需細化。采用非均勻權重相加的判別規則能夠有效地對兩次天氣過程中的降水粒子相態進行識別。不同的判別規則得到的水凝物分類結果在弱回波區雖存在一定差異，但在大部分觀測區域的分類結果基本一致，符合天氣演變規律，能夠為氣象預報預警提供鑒別參考。

（3）本文只利用了一次東北冷渦造成的強對流數據進行權重系數配置和降水粒子相態識別。一套具有廣泛時間、空間適配性的偏振參量權重系數是獲得穩定、準確降水粒子相態識別結果的關鍵，該項工作仍需大量實例數據的仿真與驗證。