周港又, 王改利, 鄭佳鋒, 任濤, 張靜怡, 謝冰潔

(1.成都信息工程大學(xué)大氣科學(xué)學(xué)院, 成都 610225; 2.中國(guó)氣象科學(xué)研究院災(zāi)害天氣國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100081; 3.河南省氣象探測(cè)數(shù)據(jù)中心, 鄭州 450003)

云中過冷水是指環(huán)境溫度低于0 ℃時(shí)仍保持液態(tài)的云滴,這種云滴因缺乏必要凝結(jié)核而非常不穩(wěn)定,會(huì)因輕微擾動(dòng)而凝結(jié)成冰[1]。若航空飛行器表面溫度低于0 ℃時(shí)與過冷水相撞,會(huì)很容易結(jié)冰,從而導(dǎo)致安全事故的概率劇增。因云中液態(tài)與固態(tài)粒子具有不同吸收散射特性,而對(duì)于溫度處在-40～0 ℃的云區(qū),云中的冰晶和過冷水往往并存,過冷水的存在將會(huì)導(dǎo)致云輻射的評(píng)估出現(xiàn)誤差[2]。因此,研究云中過冷水的探測(cè)和識(shí)別方法,對(duì)保障航空飛行安全和促進(jìn)云結(jié)構(gòu)和物理特征研究等具有重要的意義。

目前云中過冷水的探測(cè)仍然是大氣探測(cè)領(lǐng)域的難點(diǎn)之一,潛在的探測(cè)手段包括:飛機(jī)探測(cè)、衛(wèi)星探測(cè)、探空資料反演以及微波輻射計(jì)、激光雷達(dá)、毫米波雷達(dá)等主被動(dòng)遙感技術(shù)。飛機(jī)探測(cè)主要依靠機(jī)載粒子探頭,如Zhou等[3]基于機(jī)載探冰儀、云粒子成像儀和云滴探測(cè)器,通過云粒子數(shù)濃度識(shí)別云中過冷水,發(fā)現(xiàn)當(dāng)云粒子數(shù)大于5個(gè)/ cm3時(shí)通常存在過冷水。而大于20個(gè)/ cm3時(shí)可作為人工降雨的最佳窗口。衛(wèi)星探測(cè)主要依靠星載毫米波雷達(dá)、星載激光雷達(dá)或星載紅外成像儀,如Mace等[4]利用CloudSat搭載的毫米波雷達(dá)聯(lián)合CALIPSO激光雷達(dá)資料對(duì)南大洋低云中的過冷水進(jìn)行了研究,發(fā)現(xiàn)溫度處在-40～0 ℃的云,降水會(huì)導(dǎo)致云中過冷水迅速消耗從而出現(xiàn)混合相態(tài)。飛機(jī)探測(cè)通常觀測(cè)連續(xù)性較差,費(fèi)用高,且易受到飛機(jī)積冰影響,而衛(wèi)星觀測(cè)的時(shí)空分辨率較差,對(duì)過冷水探測(cè)也具有更多不確定性。相較而言,地基毫米波雷達(dá)具有測(cè)量精度高、時(shí)空分辨率高和連續(xù)觀測(cè)能力強(qiáng)等優(yōu)點(diǎn),目前已成為研究過冷水的主流儀器之一。如Kalogeras等[5]利用毫米波雷達(dá)聯(lián)合激光雷達(dá),采用一種基于矩量法的相態(tài)劃分算法對(duì)阿拉斯加北坡地區(qū)的云中過冷水進(jìn)行了研究,總結(jié)了不同參量對(duì)識(shí)別過冷水的影響,發(fā)現(xiàn)譜寬對(duì)于識(shí)別過冷水有較為重要作用。任濤等[6]利用毫米波雷達(dá)結(jié)合探空資料對(duì)青藏高原那曲地區(qū)對(duì)流云進(jìn)行了過冷水識(shí)別,發(fā)現(xiàn)上升氣流對(duì)于過冷水的形成和發(fā)展起決定性作用。并發(fā)現(xiàn)微波輻射計(jì)的液態(tài)水路徑(liquid water paths, LWP)產(chǎn)品能夠有效驗(yàn)證云中過冷水的存在。

模糊邏輯法作為一種具有較強(qiáng)的兼容性和擴(kuò)展性的方法,能夠有效改進(jìn)閾值法對(duì)過冷水識(shí)別的不確定性。如Wang等[1]利用模糊邏輯法對(duì)英國(guó)Chilbolton地區(qū)一次厚積云過程進(jìn)行了研究,發(fā)現(xiàn)此類云中的過冷水集中在云底部。王金虎等[7]利用模糊邏輯法對(duì)水凝物分類的研究時(shí)發(fā)現(xiàn),引入退偏振比會(huì)顯著提高水凝物的分類效果。利用模糊邏輯法對(duì)過冷水識(shí)別的大量研究[7-10],證明了此種方法的可行性與應(yīng)用潛力。

墨脫位于青藏高原東南部雅魯藏布大峽谷水汽通道入口處。在西風(fēng)-季風(fēng)協(xié)同作用下,大量水汽由喜馬拉雅山南麓爬坡至墨脫,隨后向青藏高原其他地區(qū)輸送。受印度洋水汽影響,墨脫是西藏地區(qū)的“雨窩”,年平均降水量超過2 000 mm,是青藏高原氣候系統(tǒng)的獨(dú)特區(qū)域[11]。墨脫上空云降水的物理特征,對(duì)于研究多尺度水汽輸送和水資源的影響機(jī)制至關(guān)重要。以墨脫氣候觀象臺(tái)云降水綜合觀測(cè)資料為基礎(chǔ),研究發(fā)現(xiàn)墨脫地區(qū)由于受峽谷地形熱力差異影響,對(duì)流活動(dòng)主要出現(xiàn)在夜間和凌晨,墨脫地區(qū)降水的雨滴直徑小而濃度大,層狀云弱降水雨滴直徑不超過3 mm,冰晶粒子在下落過程中緩慢增長(zhǎng),但旱季增長(zhǎng)更為明顯[12-14]。墨脫地區(qū)水汽充沛,云中是否存在豐富的過冷水,目前相關(guān)研究還未見報(bào)道。因此,現(xiàn)利用由中國(guó)氣象科學(xué)研究院在墨脫氣候觀象臺(tái)(95.32 °E/29.31 °N, 海拔1 305 m)布設(shè)的一部Ka波段毫米波雷達(dá)的觀測(cè)資料,結(jié)合同址的微波輻射計(jì)的溫度資料,采用閾值法和模糊邏輯法對(duì)過冷水進(jìn)行識(shí)別。最后,選取了兩次層積云過程,對(duì)云雷達(dá)識(shí)別的過冷水液態(tài)水路徑(LWP)與微波輻射計(jì)反演的LWP進(jìn)行對(duì)比,驗(yàn)證算法的合理性,并分析墨脫地區(qū)過冷水的特點(diǎn)。

1 設(shè)備、資料與方法

1.1 設(shè)備和資料

本文中使用的毫米波雷達(dá)和微波輻射計(jì)是在第二次青藏高原綜合科學(xué)考察研究專題(西風(fēng)-季風(fēng)協(xié)同作用對(duì)亞洲水塔變化的影響)支持下,由中國(guó)氣象科學(xué)研究院于2018年12月首次在墨脫氣候觀象臺(tái)布設(shè)的。該毫米波雷達(dá)(簡(jiǎn)稱“Ka-MMCR”)是由中國(guó)氣象科學(xué)研究院與安徽四創(chuàng)電子股份有限公司聯(lián)合研制,雷達(dá)探測(cè)距離為地面上15 km,工作頻率為35 GHz(波長(zhǎng)為8.6 mm),垂直分辨率為30 m,時(shí)間分辨率為16 s。雷達(dá)采用了脈沖壓縮、相干和非相干積累等技術(shù),并設(shè)計(jì)了四種觀測(cè)模式(M1降水模式、M2邊界層模式、M3中高層模式、M4卷云模式)進(jìn)行交替循環(huán)觀測(cè)?？紤]到微波輻射計(jì)對(duì)于非降水云的探測(cè)可靠性更好,以及云雷達(dá)的探測(cè)靈敏度,選用M3模式的觀測(cè)資料,包括四個(gè)基數(shù)據(jù):雷達(dá)反射率因子Ze(dBZ)、徑向速度VD(m/s)、速度譜寬σv(m/s)、退偏振比LDR(dB)。M3模式的主要性能參數(shù)如表1所示。

使用的微波輻射計(jì)為美國(guó)Radiometric公司生產(chǎn)的35通道MP3000A型地基微波輻射計(jì) (簡(jiǎn)稱“MWR”),有效探測(cè)范圍為0～10 km。0～500 m高度范圍的空間分辨率為50 m,500～2 000 m高度范圍的空間分辨率為100 m,2 000～10 000 m高度范圍的空間分辨率為250 m,時(shí)間分辨率為2 min。MWR通過被動(dòng)測(cè)量大氣在K和V波段多個(gè)頻點(diǎn)的微波輻射亮溫,通過神經(jīng)網(wǎng)絡(luò)法反演得到大氣溫濕度廓線、水汽密度廓線、水汽積分總量和液態(tài)水路徑(LWP)等產(chǎn)品[15]。本文中采用的溫度數(shù)據(jù)來自于MWR的溫度廓線產(chǎn)品,由于MWR的垂直分辨率與Ka-MMCR(Ka millimeter-wave cloud radar)不同,本文中將MWR的溫度數(shù)據(jù)在垂直方向上進(jìn)行線性插值,使得其垂直分辨率與Ka-MMCR一致,并以區(qū)間中點(diǎn)的溫度值代表整個(gè)雷達(dá)距離庫(kù)(庫(kù)長(zhǎng)30 m)的溫度值,得到垂直方向上與Ka-MMCR距離庫(kù)對(duì)應(yīng)的溫度。

表1 Ka-MMCR M3模式的主要性能參數(shù)Table 1 Ka-MMCR major performance parameters of M3 mode

1.2 過冷水識(shí)別和微物理特征反演方法

對(duì)過冷水位置的識(shí)別和提取主要基于閾值法和模糊邏輯算法。過冷水微物理特征的反演,是在過冷水識(shí)別結(jié)果的基礎(chǔ)上,根據(jù)經(jīng)驗(yàn)公式得到過冷水有效粒子半徑(Re)、液態(tài)水含量(liquid water content,LWC)和LWP。

1.2.1 模糊邏輯法識(shí)別云中過冷水

模糊邏輯法最早由Zadeh[16]在1968年提出,其特點(diǎn)是具有較強(qiáng)的兼容性和擴(kuò)展性,能夠有效改進(jìn)閾值法的剛性判別結(jié)果?，F(xiàn)將Ka-MMCR的四個(gè)基數(shù)據(jù):雷達(dá)反射率因子Ze(dBZ)、徑向速度VD(m/s,下落為負(fù),下同)、速度譜寬σv(m/s),退偏振比LDR(dB)以及MWR反演得到的溫度數(shù)據(jù)T/℃作為輸入變量xi。然后通過上述變量構(gòu)建梯形隸屬函數(shù),梯形函數(shù)的形狀由4個(gè)參數(shù)X1、X2、X3、X4決定,隸屬函數(shù)表示為

(1)

式(1)中:x為輸入變量;P為粒子隸屬度,為探測(cè)的參量設(shè)定的區(qū)間內(nèi)歸屬于某一相態(tài)的程度,越接近1則表示屬于該相態(tài)粒子的可能性就越大。因此確定的梯形函數(shù)系數(shù)X1、X2、X3、X4就顯得十分關(guān)鍵。

參照Shupe[17]給出的云粒子相態(tài)分類標(biāo)準(zhǔn)如圖1所示。圖1(a)表示當(dāng)大氣溫度T>0 ℃時(shí),粒子相態(tài)由Ze和VD閾值識(shí)別為液態(tài)水、毛毛雨和雨;圖1(b)表示當(dāng)大氣溫度T<0 ℃,譜寬σv>0.4 m/s時(shí),通過Ze和VD閾值,將粒子識(shí)別為過冷水、雪和混合相態(tài) (過冷水與冰晶共存)。圖1(c)表示當(dāng)大氣溫度T<0 ℃,譜寬σv<0.4 m/s時(shí),粒子相態(tài)通過Ze和VD閾值識(shí)別為冰和雪。根據(jù)上述Shupe[17]提出的各類水凝物粒子分類閾值,并參考李玉蓮等[18]關(guān)于退偏振比LDR的水凝物分類閾值,設(shè)置梯形函數(shù)的系數(shù)X1、X2、X3、X4,具體設(shè)置見表2。

下落速度為負(fù),陰影部分表示概率很小的區(qū)域圖1 Shupe[17]提出的粒子分類示意圖Fig.1 Classification schematic diagram of cloud particle by Shupe[17]

通過構(gòu)造隸屬度函數(shù),利用模糊邏輯法計(jì)算出相應(yīng)的隸屬度。令i表示輸入?yún)⒘?共計(jì)5個(gè),令j表示對(duì)應(yīng)的粒子相態(tài)種類,共計(jì)6個(gè)。所有參量對(duì)第j類粒子的隸屬度Sj可表示為

(2)

式(2)中:Pij為第i種參量對(duì)應(yīng)第j種粒子相態(tài)的隸屬度;Ai為第i種參量對(duì)識(shí)別結(jié)果的權(quán)重。彭亮等[19]認(rèn)為徑向速度的貢獻(xiàn)度較小,本文中選取AVD=0.5,其余Ai均設(shè)置為1;Sj為所有參量對(duì)第j類粒子相態(tài)總的隸屬度。通過比較得出最大值Sj,則相對(duì)應(yīng)的粒子相態(tài)j作為模糊邏輯法的最終識(shí)別結(jié)果。

1.2.2 閾值法識(shí)別云中過冷水

參考Frisch等[20]的過冷水特征閾值,并加入了Shupe[17]利用譜寬對(duì)過冷水與混合相態(tài)的區(qū)分閾值0.4 m/s。即當(dāng)T≤0 ℃且σv≥0.4 m/s時(shí),若Ze≥-17 dBZ或VD≤-1 m/s時(shí)將粒子識(shí)別為混合相態(tài);當(dāng)T≤0 ℃且σv≥0.4 m/s時(shí),若Ze<-17 dBZ或VD>-1 m/s將粒子識(shí)別為過冷水。當(dāng)T<0 ℃且σv<0.4 m/s時(shí),若Ze≥5 dBZ將粒子識(shí)別為雪花。當(dāng)T<0 ℃且σv<0.4 m/s時(shí),若Ze<5 dBZ將粒子識(shí)別為冰晶。

最后,參考了Shupe[17]的相干濾波方法對(duì)于兩種方法的識(shí)別結(jié)果進(jìn)行濾波。其作用是消除相態(tài)分類時(shí)的散點(diǎn)值與異常值。其步驟是在建立一個(gè)7×7的滑動(dòng)窗口,對(duì)于中心的相態(tài),若周圍有35個(gè)以上距離庫(kù)為晴空,則將中心相態(tài)設(shè)置為晴空;若中心的相態(tài)不是晴空且周圍49個(gè)識(shí)別結(jié)果中與中心同類型的相態(tài)超過7個(gè),則保持不變。否則將中心距離庫(kù)設(shè)置為窗口中最豐富的相態(tài)識(shí)別結(jié)果。

1.2.3 過冷水微物理特征反演與評(píng)估

液態(tài)水含量(LWC)和有效半徑(Re)常被應(yīng)用到云內(nèi)液態(tài)水微物理特征的研究當(dāng)中。Atlas[21]最早結(jié)合飛機(jī)實(shí)測(cè)數(shù)據(jù),論證了可用雷達(dá)反射率因子反演粒子有效半徑和云內(nèi)液態(tài)水等參數(shù),并提出了經(jīng)驗(yàn)關(guān)系式。Frisch等[20]在研究大西洋層云時(shí),發(fā)現(xiàn)云滴譜分布基本符合對(duì)數(shù)正態(tài)分布,并提出了反射率因子、數(shù)濃度、有效半徑和液態(tài)水含量等參數(shù)的經(jīng)驗(yàn)關(guān)系式。Matrosov等[22]也基于雷達(dá)反射率因子進(jìn)行海洋層狀云含水量的研究,得出LWC的單參數(shù)反演方法,發(fā)現(xiàn)其和反射率因子Ze,粒子數(shù)濃度N和粒子譜寬σ三者之間的計(jì)算關(guān)系。

韋凱華等[23]發(fā)現(xiàn)結(jié)合毫米波雷達(dá)與微波輻射計(jì)能夠有效反演LWP和Re,結(jié)果與經(jīng)驗(yàn)函數(shù)法的結(jié)果較為一致。劉黎平等[24]利用毫米波雷達(dá)探測(cè)的功率譜密度來估算液態(tài)水含量和中值直徑等。發(fā)現(xiàn)空氣上升速度的高估會(huì)導(dǎo)致相應(yīng)的液態(tài)水含量的高估。李玉蓮等[25]也發(fā)現(xiàn)基于多普勒速度譜反演的LWP存在一定高估,這主要是由于將某些小冰晶粒子誤判為過冷水滴所導(dǎo)致的。對(duì)由于墨脫受到印度洋暖濕氣流影響,降水具有海洋性特征[15]。因此本文中采用Matrosov等[22]提出的反射率因子Ze與LWC以及Re的關(guān)系式,即

表2 不同相態(tài)粒子的成員函數(shù)特征值Table 2 Membership function values of cloud particles in different phases

(3)

(4)

式中:Ze為反射率因子,mm6/m3;ρ為水的密度,g/m3;N0為粒子濃度,個(gè)/m3;σ為對(duì)數(shù)分布的粒子譜寬。根據(jù)不同的云類,N0和σ相應(yīng)有著不同的取值。根據(jù)Frisch等[20]對(duì)海洋性層云的研究,云中粒子濃度以及對(duì)數(shù)譜寬隨高度不變。本文中采用李玉蓮等[25]對(duì)過冷水濃度和對(duì)數(shù)譜寬的取值,σ取0.31,過冷水粒子濃度取35個(gè)/cm3。

LWP反映了垂直柱上的總液水含量,LWP計(jì)算公式為

(5)

式(5)中:n表示垂直方向上過冷水的庫(kù)數(shù);ΔZ為雷達(dá)庫(kù)長(zhǎng)。

利用兩個(gè)統(tǒng)計(jì)指標(biāo)評(píng)估閾值法與模糊邏輯法的反演結(jié)果?？紤]到相關(guān)系數(shù)對(duì)反演值和觀測(cè)值之間的線性差異不敏感,采用一致性指數(shù)d來衡量Ka-MMCR反演的LWP與MWR的LWP的一致性。其計(jì)算公式為

(6)

式(6)中:Oi為第i個(gè)時(shí)刻MWR的LWP;為MWR的LWP的平均值;Fi為第i個(gè)時(shí)刻Ka-MMCR的LWP。

同時(shí)利用平均絕對(duì)誤差MAE來衡量平均誤差的大小,其公式定義為式(7)

(7)

式(7)中:Oi表示第i個(gè)時(shí)刻MWR的LWP;Fi為Ka-MMCR反演的LWP;N為觀測(cè)樣本數(shù)。

當(dāng)一致性指數(shù)d越接近于1,MAE越接近0時(shí),認(rèn)為Ka-MMCR反演的LWP與MWR的LWP越接近。

2 典型個(gè)例的反演效果分析

墨脫地區(qū)云發(fā)生較頻繁,年平均發(fā)生率達(dá)65.3%[11]。在總云中以單層云為主,全年平均占比在80%以上?？紤]到MWR對(duì)于非降水云的探測(cè)可靠性更好[26],并且在非降水云中,層積云相較于卷云更容易出現(xiàn)過冷水[27]。因此,挑選墨脫地區(qū)兩次層積云過程進(jìn)行過冷水的識(shí)別與微物理特征的反演。

2.1 墨脫2018年12月10日層積云

如圖2為墨脫2018年12月10日17:13—19:13層積云的雷達(dá)探測(cè)結(jié)果、基于模糊邏輯法的過冷水識(shí)別結(jié)果和微物理參數(shù)的反演結(jié)果。圖2(a)為雷達(dá)反射率因子,可見本次層積云發(fā)生在距離地面高度(above ground level,AGL)1.5～4.5 km,回波未接地,故近地面無(wú)降水產(chǎn)生。在測(cè)站上空持續(xù)約2 h,其中17:13—18:30云體發(fā)展,逐漸增強(qiáng)并增厚;18:30—19:13,云體厚度減小,云體逐漸消散。強(qiáng)回波出現(xiàn)在18:00—18:40,最大反射率因子接近20 dBZ。根據(jù)圖1中粒子相態(tài)分類示意圖,由于本次個(gè)例都位于0 ℃層高度以上,可判斷強(qiáng)回波處存在大量雪花。圖2(b)為譜寬分布圖,Shupe[17]發(fā)現(xiàn)當(dāng)雷達(dá)探測(cè)體積中存在不同類型粒子時(shí)譜寬較大,反之,僅存在一種類型粒子時(shí),譜寬較窄。其判斷閾值可定為0.4 m/s。此次過程云中部譜寬在0.4 m/s以下,僅在云頂與云底部分譜寬超過了0.4 m/s。說明本次個(gè)例的云中部以單相粒子為主,多為冰晶或雪花等固態(tài)水凝物,混合相態(tài)與過冷水分布在云頂與云底部分區(qū)域。圖2(c)為多普勒徑向速度圖,多普勒徑向速度包含了粒子下落末速度與大氣垂直運(yùn)動(dòng),表征了云中粒子的相對(duì)上升或下沉運(yùn)動(dòng)。云層大部分區(qū)域都以較弱的下沉運(yùn)動(dòng)為主,在18:20云底有弱的上升氣流。圖2(d)為線性退偏振比LDR,其相比于圖2(a)反射率因子的區(qū)域縮小很多,僅集中在較強(qiáng)回波的區(qū)域。LDR主要反映了粒子的非球形特征,LDR值越高則表明粒子取向復(fù)雜或粒子種類較多。本次過程的LDR平均值高達(dá)-23.2 dB,且LDR高值區(qū)與反射率高值區(qū)一致,而結(jié)合圖2(b)發(fā)現(xiàn)這些區(qū)域譜寬較小,說明此處水凝物粒子種類并不多。故推斷粒子可能取向復(fù)雜,結(jié)合反射率因子,因此可判斷為雪花。

圖3(a)為過冷水基于模糊邏輯法的識(shí)別結(jié)果,可知過冷水區(qū)域主要集中在云底部和云頂部回波較弱的位置,反射率因子介于-30～-15 dBZ[圖3(b)]。在強(qiáng)回波區(qū)域有零星的一些區(qū)域也被識(shí)別為過冷水,且反射率因子達(dá)到0以上。結(jié)合圖2(c)

圖2 墨脫2018年12月10日17:12—19:13(BJT)層積云(個(gè)例一)過程云雷達(dá)觀測(cè)結(jié)果Fig.2 Identification results of stratocumulus clouds (case I) in Medog on December 10, 2018, 17:12—19:13 (BJT)

圖3 墨脫2018年12月10日17:12—19:13(BJT)層積云(個(gè)例一)過程模糊邏輯法相態(tài)識(shí)別與微物理特征反演結(jié)果Fig.3 Results of the fuzzy logic method for phase identification and microphysical feature inversion result of stratocumulus clouds (case I) in Medog on December 10, 2018, 17:12—19:13 (BJT)

可看出,這些區(qū)域集中在云內(nèi)粒子上升和下沉的交匯處。此處的過冷水經(jīng)過碰并聚合,粒子大小可能已達(dá)到了毛毛雨或小雨滴的程度,從而導(dǎo)致其反射率因子偏高。以往研究[1,6,19,21]表眀,一般過冷水分布在云頂或者云底,如芬蘭Hyytiala地區(qū)過冷水滴在云頂有連續(xù)的分布[21],北京延慶縣地區(qū)的層云中則在云底有連續(xù)分布的過冷水[18],英國(guó)Chilbolton地區(qū)一次厚度達(dá)6 km的厚積云過程的過冷水都集中在云層底部[1]。而墨脫地區(qū)具有更為豐富的過冷水,同時(shí)位于云頂和云底以及云中。從過冷水的反射率因子來看,墨脫地區(qū)與其他地區(qū)較為一致,云底或者云頂?shù)倪^冷水反射率因子基本不超過-15 dBZ,但云中過冷水的反射率因子較強(qiáng),可以達(dá)到0 dBZ以上。圖3(c)為過冷水的液態(tài)水含量LWC,可見在云體弱回波區(qū)反演的過冷水LWC基本在0.3 g/m3以下,最大不超過0.4 g/m3,僅在反射率因子高于0的過冷水區(qū)域的LWC較高,LWC平均值高達(dá)3.0 g/m3。結(jié)合圖3(d)過冷水反演的有效半徑Re來看,云體弱回波區(qū)反演的過冷水Re在7～15 μm,在反射率因子高于0的過冷水區(qū)域Re平均值高達(dá)30 μm。說明此處已形成了粒徑較大,反射率較高,達(dá)到毛毛雨或小雨滴程度的過冷水粒子,驗(yàn)證了上文的結(jié)果。吳舉秀等[28]發(fā)現(xiàn)過冷水層的有效半徑在8～11 μm,LWC小于0.2 g/m3,基本與本文結(jié)論相符。

圖4為閾值法的識(shí)別結(jié)果。與圖3(a)模糊邏輯法的識(shí)別結(jié)果對(duì)比可見,閾值法比模糊邏輯法識(shí)別的過冷水要少很多,這是由于閾值法的剛性判別特征造成的。另外二者對(duì)冰晶和混合相態(tài)的識(shí)別結(jié)果存在較大差異,閾值法識(shí)別出較大范圍的冰晶區(qū)域和較少的混合相態(tài)區(qū)域,這主要是因?yàn)閮H憑借反射率因子Ze<5 dBZ的閾值條件進(jìn)行識(shí)別過于籠統(tǒng),缺少了LDR、VD等判別因子。二者識(shí)別的雪花區(qū)域比較一致。

MWR對(duì)非降水云的LWP測(cè)量結(jié)果具有較好的可靠性[26]。因此利用MWR測(cè)量的LWP作為參考,對(duì)云雷達(dá)反演的LWP結(jié)果進(jìn)行初步驗(yàn)證。由于MWR探測(cè)的時(shí)間分辨率低于Ka-MMCR,因此對(duì)Ka-MMCR進(jìn)行時(shí)間窗為2 min的滑動(dòng)平均。圖5為本次個(gè)例識(shí)別的過冷水路徑LWP與微波輻射計(jì)反演的LWP的對(duì)比圖,可以看出閾值法的LWP明顯小于MWR的LWP,而模糊邏輯法的LWP更接近MWR的LWP。從定量評(píng)估來看,模糊邏輯法的LWP與MWR的LWP一致性指數(shù)d為0.63,MAE為55.6 g/m2,閾值法的LWP與MWR的LWP一致性指數(shù)d為0.46,MAE為121.9 g/m2。因此,模糊邏輯法相比閾值法更為合理。結(jié)合圖4(a)與圖3(a)可見閾值法在反射率因子較高的地方漏識(shí)了較大粒徑的過冷水,這些發(fā)展旺盛的過冷水由于反射率因子較大,對(duì)LWP的貢獻(xiàn)較高,可能是MWR在18:00、18:20和18:43峰值出現(xiàn)的原因。

圖5 墨脫2018年12月10日17:12—19:13(BJT)層積云(個(gè)例一) Ka-MMCR反演的 過冷水LWP與MWR觀測(cè)液態(tài)水路徑LWP的對(duì)比Fig.5 Comparison of MWR observed liquid water path LWP with Ka-MMCR inversion of supercooled water liquid water path on December 10, 2018, at 17:12—19:13 (BJT) for the stratocumulus clouds (case 1) in Medog

2.2 墨脫2019年9月10日層積云

如圖6為墨脫2019年9月10日5:58—6:54層積云的雷達(dá)探測(cè)結(jié)果及模糊邏輯法識(shí)別提取和反演的過冷水結(jié)果。各子圖含義與圖2相同。圖6(a)為本次個(gè)例的反射率因子時(shí)空分布圖,可見本次層積云分布在4～5 km,在測(cè)站上空持續(xù)1 h。相較于墨脫2018年12月10日的層積云過程,本次過程沒有強(qiáng)回波中心,云體反射率因子都在-5 dBZ以下,且都位于0 ℃層高度以上,-20 ℃層高度以下。圖6(b)譜寬分布圖中可見,云中下部區(qū)域譜寬低于0.4 m/s,以單相粒子為主。云頂部分則譜寬高于0.4 m/s,主要以取向復(fù)雜的混合相態(tài)與過冷水為主。圖6(c)為多普勒徑向速度圖,云內(nèi)大部分區(qū)域以弱的下沉氣流為主,上升氣流集中在云頂?shù)牟糠謪^(qū)域。本次過程由于回波較弱,交叉極化信號(hào)的信噪比較低使得無(wú)法獲取有效的LDR。

圖7(a)為模糊邏輯法識(shí)別的過冷水結(jié)果,同樣可以看到,此次過程存在豐富的過冷水,過冷水區(qū)域主要位于云的頂部和云的底部,但云頂?shù)倪^冷水多于云底位置。本次過程由于反射率因子不強(qiáng),云中未識(shí)別出冰晶與雪花等固態(tài)水凝物,主要以混合相態(tài)與過冷水為主?；旌舷鄳B(tài)與反射率因子大于-15 dBZ的區(qū)域位置較為一致,過冷水則主要集中于反射率因子低于-15 dBZ的位置[圖7(b)]。圖7(c)和圖7(d)是過冷水的液態(tài)水含量LWC和有效半徑Re,LWC基本低于0.3 g/m3,平均值為0.2 g/m3。有效半徑Re基本不超過15 μm,平均值為12 μm,這與吳舉秀等[28]的結(jié)論一致。

圖6 墨脫2019年9月10日05:58—06:54層積 云過程(個(gè)例二)云雷達(dá)觀測(cè)結(jié)果Fig.6 Identification results of stratocumulus clouds (case II) in Medog on September 10, 2019, 05:58—06:54 (BJT)

圖7 墨脫2019年9月10日05:58—06:54層積云過程 (個(gè)例二)模糊邏輯法相態(tài)識(shí)別與微物理特征反演結(jié)果Fig.7 Results of the fuzzy logic method for phase identification and microphysical feature inversion result of stratocumulus clouds (case II) in Medog on September 10, 2019, 05:58—06:54 (BJT)

圖8為閾值法的識(shí)別結(jié)果,與模糊邏輯法的識(shí)別結(jié)果[圖5(a)]對(duì)比可看出,閾值法識(shí)別的過冷水區(qū)域與模糊邏輯法較一致。但在譜寬小于0.4 m/s的區(qū)域,閾值法識(shí)別為冰晶,而模糊邏輯法綜合了多個(gè)模糊基的判別條件,并未將這些區(qū)域籠統(tǒng)的識(shí)別為冰晶。

圖9為本次層積云過程云雷達(dá)觀測(cè)識(shí)別的過冷水的LWP與微波輻射計(jì)的LWP對(duì)比,可以看出,基于模糊邏輯法和閾值法識(shí)別的過冷水的LWP隨時(shí)間的變化情況,都與MWR的LWP具有較好的一致性,但量值上小于MWR的LWP。從定量評(píng)價(jià)參數(shù)來看,模糊邏輯法識(shí)別的過冷水的LWP與MWR的LWP一致性指數(shù)d為0.78, MAE為39.5 g/m2。閾值法識(shí)別的過冷水的LWP與MWR的LWP一致性指數(shù)d為0.60,MAE為48.5 g/m2。綜合兩個(gè)評(píng)價(jià)指標(biāo),可以認(rèn)為模糊邏輯法相比閾值法更為合理。

圖8 墨脫2019年9月10日05:58—06:54 (BJT)層積云 (個(gè)例一)使用閾值法的相態(tài)識(shí)別結(jié)果Fig.8 Identification results of the threshold method of stratocumulus clouds (individual case I) in Medog on September 10, 2019, 05:58—06:54, (BJT) using threshold method and fuzzy logic method

圖9 墨脫2019年9月10日05:58—06:54層積云 (個(gè)例二) Ka-MMCR反演的過冷水LWP與 MWR的液態(tài)水路徑LWP的對(duì)比Fig.9 Comparison of MWR observed liquid water path LWP with Ka-MMCR inversion of SLW liquid water path on September 10, 2019, at 05:58—06:54 (BJT) for the stratocumulus clouds (case II) in Medog

3 結(jié)論

利用布設(shè)在墨脫氣候觀象臺(tái)的Ka波段毫米波云雷達(dá)基數(shù)據(jù)和微波輻射計(jì)的溫度廓線數(shù)據(jù),采用模糊邏輯法和閾值法進(jìn)行過冷水識(shí)別,并通過經(jīng)驗(yàn)公式反演了過冷水的微物理參數(shù)。在此基礎(chǔ)上,選取了兩個(gè)層積云過程進(jìn)行過冷水識(shí)別及微物理參數(shù)反演,并將兩種方法反演的液態(tài)水路徑與微波輻射計(jì)的進(jìn)行對(duì)比驗(yàn)證,得出如下主要結(jié)論。

(1)模糊邏輯法和閾值法識(shí)別的過冷水基本合理,采用經(jīng)驗(yàn)公式反演的LWP的變化趨勢(shì)和微波輻射計(jì)的LWP基本一致,模糊邏輯法優(yōu)于閾值法,其反演的LWP與微波輻射計(jì)的LWP具有更大的一致性指數(shù)以及更小的平均絕對(duì)誤差。

(2)墨脫地區(qū)的層積云過程具有豐富的過冷水,過冷水主要分布在反射率因子較小的云底與云頂處,其反射率因子基本不超過-15 dBZ,粒子有效半徑介于7～15 μm,液態(tài)水含量(LWC)基本位于0.01～0.3 g/m3。嵌入云中的過冷水分布較少,但其反射率因子較強(qiáng),可超過0,有效半徑可達(dá)30 μm,LWC最大可超過3.0 g/m3。

(3)從墨脫兩次層積云的過冷水分布及其微物理特征來看,云中過冷水的分布與云過程的持續(xù)時(shí)間、云層厚度、反射率強(qiáng)度等因素密切相關(guān)。總的來說,墨脫地區(qū)云中過冷水的反射率因子、液態(tài)水含量、粒子有效半徑等參量與其他地區(qū)較為一致。但是,墨脫的過冷水分布更為豐富,可以同時(shí)存在于云底、云頂及云中。

基于Ka-MMCR基數(shù)據(jù)和微波輻射計(jì)的溫度資料,通過模糊邏輯法和閾值法識(shí)別墨脫地區(qū)層積云的過冷水并進(jìn)行分析,得到的結(jié)果對(duì)于保障航空飛行安全、人工影響天氣等研究有積極意義。然而,由于本文工作所采用的梯形函數(shù)以及閾值設(shè)定均借鑒于國(guó)內(nèi)外學(xué)者的研究成果,對(duì)于墨脫當(dāng)?shù)氐牡赜蛱厥庑晕吹玫介L(zhǎng)時(shí)間觀測(cè)的檢驗(yàn)。此外,在反演云微物理參數(shù)時(shí)采用的經(jīng)驗(yàn)公式在墨脫地區(qū)的適用性還需要檢驗(yàn)。