Characteristics of vertical velocities estimated from drop size and fall velocity spectra of a Parsivel disdrometer

Dong-Kyun Kim and Chang-Keun Song

• School of Urban and Environmental Engineering, Ulsan National Institute of Science and Technology, Ulsan, South Korea

Abstract

Vertical air velocities were estimated from drop size and fall velocity spectra observed by Parsivel disdrometers during intensive field observations from 13 June to 3 August 2016 around Mt. Jiri (1915thinsp;mthinsp;a.s.l.) in the southern Korean Peninsula. Rainfall and wind velocity data measured by Parsivel disdrometers and ultrasonic anemometers, respectively, were analyzed for an orographic rainfall event associated with a stationary front over Mt. Jiri on 1 July 2016. In this study, a new technique was developed to estimate vertical air velocities from drop size and fall velocity spectra measured by the Parsivel disdrometers and investigate characteristics of up-/downdrafts and related microphysics on the windward and leeward sides of the mountain.

To validate results from this technique, vertical air velocities between the Parsivel disdrometers and anemometers were compared at different locations and were shown in quite good agreement with each other. It was shown that upward motion was relatively more dominant on the windward side and even during periods of heavy rainfall. In contrast, downward motion was more dominant on the leeward side during nearly the same periods of heavy rainfall. Occurrences of upward and downward motion were digitized as percentage values as they are divided by a total count of occurrences during the entire period. On the windward (leeward) side, the percentages of upward (downward) motion were much larger than those of downward (upward) motion. The mean rainfall intensity on the leeward side was stronger than on the windward side, suggesting that most of the rainfall on the leeward side was relatively more affected by the downward motion. With the estimated vertical air velocities, histogram characteristics of rainfall parameters were also examined between the windward and leeward sides.

1 Introduction

Drop size distribution (DSD) and related rain parameters from surface disdrometer measurements or indirectly retrieved from remote sensing measurements such as radars, wind profilers, or satellites provide key information for a better understanding of rain microphysics that accounts for drop growth and precipitation processes. Nevertheless, DSD uncertainties always exist as its retrieval is vulnerable to various factors such as measurement errors, sampling difference in volume and height, strong winds, up-/downdrafts, turbulence, and so on as has been reported in many previous studies (Jameson and Kostinski, 1998; Cao et al., 2008; Tokay et al., 2009; Thurai et al., 2012). Thus, a validation of such retrieved DSDs by comparing with those from surface disdrometers is not straightforward (Williams et al., 2000) due to their different environment, although minimizing a sampling difference as much as possible is needed. Even if DSDs are accurately obtained, their characteristics, particularly between convective and stratiform rain, can vary largely from small areas on a short-time scale to climatic regimes in the long term.

Ground-based classifications of convective, mixed, or stratiform rain types have been performed in various ways such as characteristics in integral DSD parameters (i.e., rain rate, mean drop diameter, etc.), bright band signature, vertical gradients in Doppler velocity and reflectivity, vertical draft magnitude, and so on (Atlas et al., 2000; Cifelli et al., 2000; Thompson et al., 2015; Tokay and Short, 1996; Tokay et al., 1999; Thurai et al., 2016; Williams et al., 1995). Tokay et al. (1999) classified rainfall types from collocated disdrometer and 915thinsp;MHz profiler observations in tropical rain events and indicated that compared to profiler classifications that utilize vertical gradients in Doppler velocity, a disdrometer is relatively more feasible to misclassify stratiform rain as convective, or vice versa, due to time–height ambiguity mostly associated with advection of drops while falling to the ground.

In measuring and validating surface DSDs, there is no such handy, transportable, and low-cost instrument like a disdrometer that has long been used as a ground truth, although it has inherent problems mentioned above as exposed to different environments. The Parsivel disdrometer (hereafter Parsivel) is one of disdrometers widely used for DSD studies all over the world. As deduced from its name, par-si-vel (particle size and velocity), this disdrometer measures sizes, fall velocities, and number counts of liquid and ice particles falling into 32 (size)thinsp;times;thinsp;32 (fall velocity) bins. Parsivel has been used at observatories or in numerous field experiments to examine and validate microphysical properties by comparing DSDs and integral DSD parameters with those from other types of disdrometers, the two-dimensional video disdrometer (2-DVD), wind profiler, and radar observations for various events of precipitation (Jaffrain and Berne, 2011; Kim et al., 2016; Thurai et al., 2011, 2016; Tokay et al., 2013).

A Parsivel-measured fall velocity of a raindrop is the sum of a raindrop terminal fall speed (in stagnant air) and vertical air motion. Thus, when there are updrafts or downdrafts, the Parsivel-measured fall velocity deviates from the terminal fall speed even if drop sizes are identical. On top of this, strong horizontal winds, vertical shear, or turbulence can disperse the distribution of drop size and fall velocity, leading to a change (or bias) in the Parsivel-measured fall velocity averaged over the distribution. Consequently, all these factors would affect DSD integral parameters such as rain rate, although the effects of the factors on DSD

剩余内容已隐藏，支付完成后下载完整资料

由雨滴尺度和雨滴速度谱估计的垂直速度特性

金东坤和宋长昆

• 韩国，蔚山，国立科技学院，城市与环境工程学院

摘要

垂直风速是由Parsivel 雨滴谱仪在2016年6月13日至8月3日在朝鲜半岛南部的Jiri山(1915 m a.s.l.)附近进行的密集野外观测中观测到的雨滴大小和下落速度谱来估算的。利用Parsivel 雨滴谱仪和超声波风速仪分别对2016年7月1日Jiri山静止锋相关的地形降水事件进行了分析。本文提出了一种利用微偏转仪测得的落差大小和落差谱来估算垂直风速的新技术，并研究了该山迎风面和背风面的上升/下降气流特征及相关的微物理特性。

为了验证该技术的结果，在不同位置比较了微型风速仪和风速仪之间的垂直风速，并得到了很好的一致性。结果表明，在迎风侧，甚至在强降雨期间，向上运动相对更占优势。相反，在几乎相同的强降雨期间，下风侧的向下运动更为明显。向上和向下运动的次数以百分数表示，并除以整个期间的次数总数。在迎风(背风)侧，向上(向下)运动的比例远远大于向下(向上)运动的比例。背风面平均降雨强度大于迎风面，说明大部分背风面降雨受向下运动影响较大。利用估算的垂直风速，研究了迎风侧和背风侧降水参数的直方图特征。

1介绍

雨滴大小分布(DSD)和相关的降雨参数来自地表倾角仪测量，或间接从遥感测量，如雷达、风廓线仪或卫星检索，为更好地理解雨滴生长和降水过程的雨微物理提供了关键信息。然而，DSD的不确定性始终存在，因为其反演容易受到各种因素的影响，如测量误差、采样体积和高度的差异、强风、上升/下降气流、湍流等，这在之前的许多研究中都有报道(Jameson and Kostinski, 1998;曹等，2008;Tokay等，2009;图莱等，2012)。因此，尽管需要尽可能地减小采样差异，但是由于环境的不同，通过与从表面倾角计获得的DSDs进行比较来验证这种检索的DSDs并不简单(Williams et al.， 2000)。即使DSDs被精确地获得，它们的特征，特别是对流和层状雨之间的特征，可能在短时间尺度的小区域和长期的气候条件下发生很大的变化。

基于地面的对流、混合或层状雨类型的分类已通过各种方法进行，例如综合DSD参数的特征(即、降雨速率、平均雨滴直径等)、亮带特征、多普勒速度和反射率的垂直梯度、垂直吃水大小等(Atlas et al.， 2000;Cifelli等，2000;Thompson等，2015;Tokay and Short, 1996;Tokay等，1999;图莱等，2016;威廉姆斯等人，1995)。蛤蚧et al。(1999)分类降雨类型从集中的雨滴测量器和915 MHz分析器热带雨中观察事件和分析器相比表明,分类,利用垂直梯度多普勒速度,雨滴测量器相对更可行的分类成层的对流雨,反之亦然,由于time-height歧义主要与平流滴而倒在地上。

在测量和验证表面DSDs时，没有像雨滴谱仪这样方便、可运输、成本低廉的仪器长期以来被用作地面真相，尽管它在不同的环境中存在上述固有的问题。Parsivel 雨滴谱仪(以下简称Parsivel)是目前世界范围内广泛应用于DSD研究的雨滴谱仪之一。从它的名字推断，pari -vel(颗粒大小和速度)，这个雨滴谱仪测量大小，下落速度，以及液体和冰颗粒落入32(大小)times;32(下落速度)桶中的数量。Parsivel已经使用在天文台或大量的现场实验研究和验证微观物理学的属性通过比较DSD和积分DSD参数与其他类型的雨滴测量器,二维视频雨滴测量器(2-DVD),风分析器和各种事件的雷达观测降水(Jaffrain和伯恩,2011;Kim等，2016;图莱等，2011,2016;Tokay等，2013)。

雨滴的下降速度是雨滴终端下降速度(在静止空气中)和垂直空气运动的总和。因此，当有上升气流或下降气流时，即使雨滴大小相同，测得的最小落差速度也偏离最终落差速度。此外，强水平风、垂直切变或湍流可以分散雨滴大小和下落速度的分布，导致在分布上的平均下降速度的变化(或偏置)。因此，所有这些因素都会影响DSD积分参数，如降雨速率等，但这些因素对DSD的影响是复杂的，难以区分的(Niu et al.， 2010)。Ulbrich(1992)研究了由于雨滴下落速度不准确而导致的雨率误差(即降雨速度的误差)。，对垂直空气运动的估计不准确)，并指出在给定反射率的情况下，上升气流会比没有垂直风的情况下带来更大的降雨速率。niet al.(2010)研究了对流和层状雨之间雨滴大小和下落速度分布的差异，并将小雨滴和大雨滴之间的微小落差和大落差的差异归因于垂直空气运动和湍流。Parsivel容易出现测量误差，特别是在有强风和湍流的情况下，导致与同一位置的其他测量值存在差异。弗里德里希et al .(2013)调查了大风对粒径分布的影响来衡量Parsivel雨滴测量器部署在2008年飓风艾克和对流风暴,并指出错误分类可以通过粒子发生不垂直于采样区域在高风速下降和/或暴雨。Tokay et al.(2009, 2014)指出，旧版本的Parsivel往往低估了小雨滴的数量，高估了暴雨和大风条件下大于2.0 mm的雨滴大小。当他们将每一个新老版本的Parsivel与Joss-Waldvogel的雨滴谱仪和雨量计测量结果进行比较时，新版本的Parsivel(简称Parsivel)便被采用了²在他们的论文中)在测量雨滴大小和降雨速率方面似乎比旧的方法有明显的改进。

图1

据我们所知，还没有关于垂直风速的研究从parsivelo测量的下降大小-下降速度谱检索到的文件或报告。在本研究中，我们利用了在韩国南部山区进行的密集野外观测中收集的Parsivel和风速表数据，这些数据的目的是调查地形降雨机制。本文提出了一种简单的垂直风速反演方法，并首次应用于地形暴雨事件。本文组织如下。第二节介绍了本研究中使用的检索技术和仪器。关于降雨事件的案例描述在第3节中。第4节给出了迎风面和背风面向上/向下运动的特征和相关的微物理结果。下面是第5节的总结和结论。

2仪器与方法

本研究使用的两种主要仪器是位于Jiri山周围三个不同位置的Parsivel 雨滴谱仪和超声波风速仪(见图1)。他们的数据收集于2016年6月13日至8月3日的密集观察期，以覆盖韩国的夏季雨季“昌马”。Parsivel 雨滴谱仪 (Parsivel)由德国OTT公司生产，利用激光光学特性测量降水粒子的尺寸和下落速度，并从实测的雨滴尺寸谱中得到雷达反射率、降水强度等物理量。时间分辨率为1分钟。有关Parsivel的更多信息，请参见Loffler-Mang and Joss(2000)。超声波风速仪(Young型号81000，以下简称UVW)利用在三个非正交声速轴之间沿风移动的声速，测量风的东西(u)、南北(v)和垂直(w)分量，每隔1分钟产生风速和风向。准确度为plusmn;0.05 m s^minus;1风速(0至30米s^minus;1)和plusmn;2^∘风向(0至30米s^minus;1),分别。UVW观测到的w分量称为w_UVW。

图2

图3

图4

在本研究中，利用Atlas等人(1973)在静止空气中的终端下降速度和下降直径之间的关系，提出了一种简单的新方案，可以从微小的测量值中推导出垂直速度(w)

Vf = 9.65minus;10.43times;exp (minus;0.6 d), (1)

其中D为液滴直径(mm)， V为液滴直径(mm)_f末降速度为(m s)吗^minus;1)，以及空气的垂直关系，如下图所示

w =Vpminus;Vf,(2)

在V_p测得的沉降速度(m s^minus;1)在尺寸和速度谱上平均超过32个直径times;32个速度级。D1、D2和D4的高度分别为西经105米、280米和313米。,分别。由于这些观测点的高度非常低，大气密度随高度的变化可以忽略不计，因此对V_f将被忽略。在所有的项中，负的意思是向下的。最后通过减去V来估计1分钟间隔处的平均w值_p从V_f，也按图2中的流程图求平均值。最后的w估计值以后称为w_par。有关更多细节，请参见流程图，其中显示了如何从1分钟的落差大小(D)和落差速度(V)估计w_p)的频谱。图3说明了对于给定的D / V，确定零w、向上w或向下w值的三个条件_p光谱。对于情形1,w是零，因为D-V_p分布紧跟着V_f线。向上的w值决定于情形2，使得V_p小于V_f(即分布在V的下方_f线)。对于case 3，向下的w值从sinceV开始确定_p大于V_f。对w_par验证、w_par与w比较_UVW其结果见第四节。

3个例描述

在韩国通常从6月下旬到7月中旬的夏季雨季，伴随着强降雨的恶劣天气现象经常发生在朝鲜半岛南部地区，大部分地区被复杂的高山所覆盖。与地形引起的上升/下降气流有关，山区可以在控制降雨的形成、数量和分布方面发挥重要作用。随着降水系统在这些地区移动，它们往往发展迅速，并产生局部的强降雨。为了了解地形对降雨发展和微物理的影响，有必要对这些地区的雷达和地面测量数据进行观测分析。因此，我们在2016年夏季对朝鲜半岛南部的Jiri山(1915 m a.s.l.)进行了密集的野外观测。

在2016年6月13日至8月3日的观测期间，观测到几次降雨事件。2016年7月1日，一个与长马锋有关的降雨系统在黄海上空形成，并向日日山移动。当它从东部越过这座山时，在LST时间12点到22点期间，产生了强降雨，并被细小的雨滴谱仪s和UVWs观测到。图4显示了7月1日的累积雨量分布，以及基里山的地形随观测地点的扩大。由于靠近海洋的迎风面有潮湿的迎风气流，在Jiri山的顶部和南部附近出现了高达90毫米的大降雨。

图5

4结果

4.1 w时间序列比较

对w_par验证，观察到的w_UVW在时间序列中进行比较。雷达反射率(Z)、降雨率(R)、质量加权平均直径(D)的时间序列_m)从细小处测得的也一并检验。在9个观测点中，选取了可以同时获得Parsivel和UVW数据的D1、D2和D4三个观测点(图4b)。D1和D2是向风的，D4是向下风的。图5显示了Z、R和D的时间序列_m(上)和w(下)位于Parsivel和UVW之间，分别在D1、D2和D4处观察到。在D1和D2，高Z gt; 40dbz和R gt; 20mm h^minus;1在图5a和图c中分别在LST的12:30-13:30和17:30左右观测到_m数值达到2毫米在这些时期进行了分析。在图5e中，背风侧也出现了高Z和高R，但与图5a和图c相比，存在一定的时滞。

图6

如图5b, d, f所示，w_par与w匹配得很好_UVW。在迎风面(D1, D2)，它们大多呈上升运动，更重要的是，在暴雨期间(即， 12:30-13:30及约17:30)。相反，向下运动多见于背风面(D4)。从图5f可以看出，w之间存在较大的差异_par和w_UVW在这些高R期。我们发现这种差异与V的减少有关_p在这些时期。对于给定的V_f， a均值V_p在式(2)中，由于在1-2 mm范围内小液滴数量的增加或V以下小液滴的扩散，使其变小_f直线在D-V中_p分布(更像图3中所示的情形2)。造成这一现象的物理原因尚不清楚，但很可能是在高R期的强风和湍流造成的。在其他时期，他们表现出相当好的一致性。还有w的最大值和最小值_par和w_UVW不超过plusmn;0.5 m^minus;1，近五分之一的水平风级(未显示)，表明风在整个周期内几乎是水平的，它们与w符号指向向上或向下轻微。在D1和D2处，相对较大的w_par和w_UVW是在大雨中发现R gt; 20mm h^minus;1约13:00和17:40 LST(图5b和d)，表明上升气流对迎风侧R的大幅增加贡献更大。在图5f中，负w_UVW在大部分时间，包括暴雨期间(R gt; 20mm h)，数值都位于背风面^minus;1)，表明大部分背风面雨量与下w运动的关系较强。

图6显示了D1、D2和D4处Z-R关系的特征。向上w_par值用红色和向下的w表示_par蓝色的。通过用R gt; 0.5 mm h除以每个类的总计数，将它们转换为百分比^minus;1。在D1和D2处，w向上的百分比_par阶级是61和71 %，远远大于39和29 %的下降w_par类,分别。相反，向上的w_parD4的百分比为31%，约为图5中D1

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18856]，资料为PDF文档或Word文档，PDF文档可免费转换为Word