英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

利用偏振雷达进行水凝物粒子分类：比对与冰雹探测

Hassan Al-Sakka1，Magalie Buguet2，Stephen Frasier3，Karine Bouyer1，Beacute;atriceFradon1，Abdel-Amin Boumahmoud1和Pierre Tabary1

1：法国气象局，42 Av Coriolis，31057法国图卢兹CEDEX，hassan.al-sakka@meteo.fr

2：法国图卢兹31400 Edouard Belin大街14号，Laboratoire dAeacute;rologie实验室。

3：微波遥感实验室，马萨诸塞大学，阿姆赫斯特，MA 01003，美国

（日期：2012年5月31日）

1.简介

偏振测量法的主要优点之一是可以在高时空分辨率（5min-1kmsup2;）降水系统中进行水凝物粒子分类（HC）。偏振雷达测量结果随水凝物粒子特性的影响，如形状，大小，方向，相态和下降速度（Straka et al.2000）。

Al-Sakka等在2001年提出一种新的模糊逻辑水凝物分类方法。该算法更简单，更符合实际情况（相对于实际的雷达测量，偏差和误差），相比于以前的方法更高效，参数更少且没有权重。当测量条件恶化时，它通过扩大测量范围（MBF）来考虑测量条件，并且它采用由法国高分辨率非水凝物静力NWP模型（AROME）提供的3D温度场。

目前，法国气象局的雷达网包括24部雷达。其中有11部偏振雷达，在这11部里，10部是C波段的，一部是S波段的。此外，在RHYTMME（(Risques Hydromeacute;teacute;orologiques en Territoires de Montagnes et Meacute;diterraneacute;ens）项目期间， 1个拥有4部X波段偏振雷达的雷达网（2008 - 2013年）将在阿尔卑斯山区的山区被部署。

不同雷达观测的常见体积可以位于同样高度，但距离不同。

在第2节中概述了水凝物例子分类算法，第3节将讨论比较性分析，第4节详细阐述冰雹探测和相应的测量条件对应的隶属函数（MBF）和冰雹测量的原始验证方法。第5节将介绍结论和今后的工作。

2.水凝物粒子分类算法概述

本文使用的HC算法是一种类似于Bringi、Chandrasekar和Zrnic等人在2001年提出的模糊逻辑算法。输入数据为反射率（），差分反射率因子（），特定差分相位常数（），同极性相关系数（），亮带位置和温度（T），输出数据为每个像素的主要降水类型。

该算法可以总结如下：对于每个偏振像素，应考虑实际测量条件（距离，信噪比（SNR），信号与杂波比（SCR）等）以产生改进的双变量MBF。（，），（，）（，）的结果值将被计算并添加到每个水凝物粒子中。其结果是乘以3个1维 MBF值:一个依赖于反射率的MBF，一个依赖于温度的MBF，以及一个依赖于BB的MBF。具有最高值的水凝物现象被认为是占主导地位的。方程1总结了概率的计算。

=（）（T）【（，） （,） (,)】 (1)

图1表示尼姆雷达的水凝物粒子分类算法（2011年6月/ 04日，11:15海拔时的1.2°仰角）的结果。图中清楚地显示了液体和固体沉淀之间的过渡，黄色代表湿雪。在尼姆东部43公里的Cavaillon检测到一个重要的超级单体（图中呈红色），第4部分详述了这种情况。

图1：Nimes雷达HC算法结果的一个例子，2011年6月4日。

3.偏振参数与HC结果的比较

3.1常见区域的探测方法。

由于法国气象局雷达网分布密集，特别是在法国南部，出现了两个雷达观测到许多共同的体积的现象。

例如，图1所示的是，Nimes雷达（S波段，天线高度80米，1.2°倾斜角）和Montclar雷达（C波段，天线高度670米，1°倾斜角）的共同体积。两部雷达之间的距离为153公里。共同体积的高度从1800米到2200米不等。 检测常见区域的方法是人工使用考虑地球曲率的距离和角度的表达式。

在检测常见区域时，不同的问题可能会发生并应予以考虑：

1）常见区域的局部波束阻塞。

2）尤其考虑x波段雷达的衰减和距离问题。

3）常见的区域存在亮带。如Al-Sakka等人所述使用的3维温度模型（2011年）可以解决这个问题，因为两部雷达的亮带应该发生在同一高度（由于使用相同的数据库）。

在高度接近亮带的情况下，我们尝试采用较小的高度间隔。但不幸的是，考虑到距离雷达的距离，并非扫描体积中的所有高度都可以达到。

图2至图4显示了代表一对雷达对比的八条曲线。从顶部开始，前两个个分别显示每个水凝物粒子类型（R：雨; WS：湿雪; DS：干雪; H：冰雹; I：冰）在各自雷达的共同体积中的百分比。第三条曲线显示（dBZ） ，（dB），（°/ km），，相位差Phi;DP（°）以及雷达上方的降雨率的平均值（研究湿天线罩在测量中的影响 ）。

用于比较的偏振雷达数据已经按照Figueras（2012）等人所述的这些处理步骤进行了预分析：

1）的校准

2）非气象回波的探测（使用模糊逻辑方案，Gourley等人（2007）对晴空，地杂波或降水类型中的每个像元的预先分类））

3）亮带的识别

4）系统Phi;DP的计算和修正

5）估计（在滤波后的Phi;DP曲线上使用25个降水距离库线性回归）

6）使用简单线性PIA = f Phi;DP）关系订正衰减。

3.2两部C波段雷达的对比

Toulouse（C波段，160m，0.8°）和Montclar（C波段，670m，0.4°）雷达之间的距离为109Km，选择不同的面积（通过选择不同的高度间隔）。在图2选择了2010年6月10日1000米到1400米之间的区间。由于亮带高于常见区域，可以通过比较前两个表现来验证降水的分类。

同一天里，两部雷达一致性显著。中午12点以后，冰雹类型的百分比出现，但两部雷达并不一样;这种差异可能是由于难以确定共同体积。同样在20点左右探测到类似的差异，当Toulouse的雷达探测到湿雪时，Montclar雷达没有探测到。

（，，和之间存在良好的相关性，但Montclar冰雹的检测增加了的平均值，同时降低了和，但总是遵循相同的变化。 Phi;DP曲线给出关于雷达与常见区域之间的路径的信息，即降水单体的存在。

这里湿天线罩不会影响结果。曲线的非连续性是由于在常见区域中像素数量小于50时的测量被取消所致。

图2：2010年6月10日Toulouse和Montclar雷达之间的比较。

3.3 S波段和C波段雷达之间的比较

Nicirc;mes（S波段，80m，1.2°）和Montclar（C波段，670m，1°）雷达之间的距离是153公里。图3选择了2011年6月4日1740米到2200米之间的区间。这个日期里，这个间隔是处在亮带里。即使偏振参数是相关的，但第一和第二表示之间可以清楚地显示出一些差异。这可能是由于S和C波段之间MBF的差异以及亮带中HC的困难所致。但总的来说，测量结果具有很好的一致性。

两部雷达在9点到11点之间都探测到冰雹，这也增加了并降低了和。 C波段的平均大于S波段（理论上两个之间的因子为2）;这种差异可以在第5条曲线中观察到。由于湿雪的存在，在白天的平均值约为0.94（并且亮带中的也在该值附近）。值可以验证亮带的检测，特别是在两个不同波段的雷达显示相近结果的情况下。

3.4 S波段和X波段雷达的比较

图3：Nimes和Montclar雷达之间的比较，2011年6月4日。

Nicirc;mes（S波段，80m，1.2°）和Maurel（X波段，1770m，1.5°）雷达之间的距离为164公里。图4选择了2011年11月4日3000m到3420m之间的区间。这里的区间高于亮带，因此只显示固态降水类型。可以看到只考虑影响结果时，的变化与干雪或冰的百分比的变化之间是一致的，两部雷达都能看到23:00左右的大概率且概率相似的冰雹。正如预期的那样，X波段的平均值更高。

湿天线罩的印象如图显示;在12:00左右，两个雷达的雷达天线罩都是潮湿的（R = 8毫米/小时），此时通过查看（曲线，两条曲线之间的差值为5 dBZ。 Maurel雷达的信号衰减，但对Nicirc;mes雷达没有影响。有关湿天线罩的更多细节参见Frasier et al。 （2012年）。

4.冰雹识别：从属函数和验证方法

4.1从属函数和冰雹识别

在2011年6月6日的当天11:00之后的一次严重雹暴袭击了Cavaillon市，造成了广泛的破坏。如图5所示，冰雹大小为1.5厘米到5厘米不等。图1显示了Cavaillon城市的一个白色矩形边界的位置; HC算法将大多数像素分类为冰雹类型。

为了研究偏振变量的值，图6显示出了用HC算法分类为冰雹的像素的（函数中的，和的散点图。当（小于60dbZ时，值可能较大，然后数值减小到小于2dBZ（大部分点）。 在第一个区间（（lt;60dBZ），这些值是冰雹大小为2.5和4.4厘米。 在第二个区间，更大的冰雹占主导地位。对于和，可以观察到两种分布，当lt;60dBZ时广泛分布，对于大冰雹，和往往会减少。

为了理解第一个区间（（lt;60dBZ）的宽范围值，大冰雹被小冰雹所覆盖，因此融化冰雹甚至大雨滴的存在的可能性很大。 这种不均匀的液滴大小可以解释，和的广泛值。 Picca等人描述了更多关于冰雹研究的细节。（2012年）。这里我们应该提到，散点图的研究对于减少虚警十分重要，当HC算法将像点分类为冰雹，这些散点图可以帮助改善冰雹和大雨的MBF。

图4：Nimes和Maurel雷达之间的比较，2011年11月4日。

图5：法国东南部Cavaillon的冰雹，2011年6月4日。

图6：Nimes雷达显示用HC算法划分为冰雹的像素中，和的函数值，

2011年6月4日

4.2冰雹识别的验证方法

为了识别日期，时间，冰雹大小和损害，存在不同的冰雹验证方法。例如，雹垫网络被应用在统计上有更大降雹概率和接近雷达的地区。 这些方法需要人力和经济资源。在其他地方，可以使用收集民众信息的在线网站。一个更容易（且免费）的验证方法是使用常用的在线搜索引擎来查找日期和本地化区域，然后使用视频分享网站，在那里可以看到事件，判别尺寸，并知道降雹的确切时间。该方法最重要的一点是探测区分冰雹和大雨滴，尤其是，如果在主要城市上空有大值，但同一日期里并没有任何官方新闻报道或视频中发现冰雹,我们就可以就可以说没有冰雹。使用此方法，我们收集不同的日期和事件，如表1所示。

表1：法国冰雹的不同日期和事件。

5.结论

本文介绍了法国南部的一组法国气象雷达观测到的，偏振参量与水凝物粒子类型分类的内部比对研究。

这样的比较可以提供关于雷达的状态，处理和分析的算法的重要信息。针对一个共同体积的本地化应该有更多先进的工作（比如一个距离高度显示的共同体积）。结果表明，即使是不同波段的雷达之间，也存在良好的相关性。

为了研究冰雹，应重新考虑隶属函数MBF，以便更好地区分大雨和冰雹。即使有完美的MBF，MBF之间的较大的共同间隔依然存在，会显示出偏振变量的识别极限。

冰雹测量的验证方法计划在法国气象局进行研究，以便将冰雹类型扩展到三种类型：小型冰雹（直径lt;5毫米），中型冰雹（直径在5-20毫米之间）和大冰雹（直径gt; 20毫米） 。这项研究应该丰富我们的算法，并且随着实时制作，加强对大中型冰雹风险的预防。

致谢：本研究的资金支持由欧盟，普罗旺斯 - 阿尔卑斯 - 蓝色海岸地区以及法国生态，能源，可持续发展和海洋部通过RHYTMME项目提供。

参考文献：

Al-Sakka H., Kabeche F., Figueras i Ventura J., Fradon B., Boumahmoud A. A., and Tabary P. 2011: A simple-but-realistic fuzzy logic hydrometeor classification scheme for the French X, C and S-band polarimetric radars, AMS Radar conf. 2011, USA.

Bringi, V. N., and Chandrasekar V., 2001: Polarimetric Doppler Weather Radar: Principles and Applications. Cambridge University Press, 636 pp.

Figueras i Ventura J., Boumahmoud A.-A., Fradon B., Dupuy P. and Tabary P., 2012: Long-term monitoring of French polarimetric radar data quality and evaluation of sever

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21916]，资料为PDF文档或Word文档，PDF文档可免费转换为Word