贵州乌蒙山区雨滴谱特征及降水估测研究

柯莉萍 谷晓平 张艳 吕静 杨洋

引用本文:
Citation:

贵州乌蒙山区雨滴谱特征及降水估测研究

    作者简介: 柯莉萍(1974–),男,贵州人,高级工程师,主要研究地面、高空气象探测. E-mail:536482839@qq.com;
    通讯作者: 谷晓平, 16114331@qq.com
  • 中图分类号: P426.62

Characteristics of raindrop spectrum and precipitation estimation in Wumeng Mountain area, Guizhou Province

    Corresponding author: GU Xiao-ping, 16114331@qq.com ;
  • CLC number: P426.62

  • 摘要: 利用2018年5—9月贵州乌蒙山区5个不同国家气象站的DSG1降水天气现象仪雨滴谱观测数据及雨量站数据,对该地区雨滴谱微物理特征量、M–P谱特征进行分析,并基于雨滴谱的Z−R关系初步进行估测降水,为进一步讨论降雨的云物理过程,更精确地定量估测降水奠定基础. 结果表明,乌蒙山区直径为1~2 mm的雨滴对总数浓度的贡献率最大,直径4档以上的雨滴对总数浓度的贡献可以忽略不计;小雨强时直径1 mm的雨滴对雨强的贡献率最大;随着雨强的增大,直径1 mm的雨滴贡献率逐步减小,2、3档粒子对总雨强的贡献率最大;不同海拔高度的雨滴谱基本遵循负指数规律,影响M–P谱分布的主要是雨滴直径在3 mm以下降水;雨滴谱的Z–R相关性强,估测降水误差小,特别是在对流云降水过程中更加接近实际降水.
  • 图 1  贵州乌蒙山区站点分布

    Figure 1.  Distribution of stations in Wumeng Mountain area of Guizhou Province

    图 2  2018年5—9月乌蒙山区不同站点实际降水量和由雨滴谱计算的日降水量

    Figure 2.  Actual precipitation and daily precipitation calculated by raindrop spectrum at different stations in Wumeng Mountain area from May to September,2018

    图 3  乌蒙山区不同站点不同雨强M–P雨滴谱分布

    Figure 3.  M–P raindrop spectrum distribution of different rain intensities at different stations in Wumeng Mountain area

    图 4  乌蒙山区不同站点对流云降水雨强随反射率因子的变化

    Figure 4.  Variation of rainfall intensity of convective clouds at different station in Wumeng Mountain area with reflectivity factor

    表 1  站点地理位置

    Table 1.  Location of site

    站点海拔高度/m经度E/(°)纬度N/(°)
    金沙942.0106.23327.467
    六枝1361.9105.46726.200
    毕节1510.6105.28327.300
    盘州1800.0104.46725.716
    威宁2238.6104.28026.862
    下载: 导出CSV

    表 2  实测日降水量与雨滴谱计算降水量误差对比

    Table 2.  Error comparison between measured daily rainfall and raindrop spectrum calculation

    降水类型降水日数剔除前平均
    相对误差/%
    剔除后平均
    相对误差/%
    小雨 323 91.9 59.8
    中雨 69 21.7 14.0
    大雨 47 19.9 13.7
    暴雨 14 26.2 17.4
    下载: 导出CSV

    表 3  不同站点雨强(雨滴谱)统计值

    Table 3.  Statistical values of rainfall intensity at different statons

    站点R/
    (mm·h–1
    样本数R均值/
    (mm·h–1
    标准差/
    (mm·h–1)
    降水量/
    mm
    金沙(0.5,5]101481.81.13313.1
    (5,10]11456.931.37132.2
    (10,15]29012.011.4258.5
    (15,20]13717.311.3539.5
    >2038543.9422.45282
    六枝(0.5,5]120251.91.18377.1
    (5,10]21707.01.41252.8
    (10,15]72612.11.45148.9
    (15,20]36217.31.36104.2
    >2079139.823.0524.5
    毕节(0.5,5]78541.731.16227.9
    (5,10]9216.81.35104.7
    (10,15]21112.11.4242
    (15,20]11817.311.534
    >2039650.2132.47331.4
    盘州(0.5,5]109081.841.17334.8
    (5,10]16066.91.39174.3
    (10,15]48512.11.4598.4
    (15,20]22017.41.4763.6
    >2045236.218.9273.1
    威宁(0.5,5]87091.551.01225.1
    (5,10]5426.721.3560.8
    (10,15]15012.221.3630.5
    (15,20]7416.741.1820.6
    >2019342.9420.49138.3
    下载: 导出CSV

    表 4  各档雨滴数浓度占比及雨强贡献

    Table 4.  The percentage of raindrop concentration and the contribution of rain intensity

    R/(mm·h–1测站N1/NN2/NN3/NN4/NN5/NR1/RR2/RR3/RR4/RR5/R
    (0.5,5]金沙0.8470.1470.0060.0010.0000.5900.3630.0410.0040.001
    六枝0.8390.1540.0060.0010.0000.5780.3720.0410.0050.002
    毕节0.7990.1900.0080.0010.0010.4890.4390.0590.0070.003
    盘州0.8410.1500.0070.00100010.5720.3740.0450.0050.002
    威宁0.8650.1260.0050.0020.0010.6100.3420.0380.0060.003
    (5,10]金沙0.6430.3320.0230.0020.0000.2070.6140.1620.0150.002
    六枝0.6070.3590.0290.0040.0010.1620.6330.1790.0210.003
    毕节0.6000.3470.0430.0060.0020.1130.5190.2910.0520.017
    盘州0.6430.3300.0210.0030.0010.2180.6070.1490.0170.004
    威宁0.6660.3060.0210.0050.0010.2200.5860.1580.0260.007
    (10,15]金沙0.5390.4180.0400.0030.0000.1080.6390.2230.0270.002
    六枝0.5340.4260.0310.0050.0020.1110.6640.1830.0220.008
    毕节0.5300.4290.0380.0030.0000.0910.6280.2460.0300.003
    盘州0.5630.4070.0270.0030.0000.1250.6570.1900.0240.003
    威宁0.5420.3910.0520.0110.0040.0890.5580.2880.0460.013
    (15,2]金沙0.4590.4540.0730.0120.0010.0560.5700.3150.0510.009
    六枝0.4960.4500.0400.0080.0040.0720.6240.2380.0400.036
    毕节0.5170.4180.0600.0050.0010.0580.5550.3350.0440.008
    盘州0.5180.4340.0440.0030.0000.0870.6250.2570.0290.003
    威宁0.5080.3660.0940.0250.0050.0520.3990.4120.1010.027
    R>20金沙0.4580.4230.1020.0160.0020.0320.4120.4440.0970.014
    六枝0.4930.4030.0800.0160.0080.0410.4400.3880.0880.042
    毕节0.5300.3680.0860.0150.0020.0430.3910.4420.1060.015
    盘州0.5050.4000.0790.0140.0020.0450.4360.4130.0930.013
    威宁0.5150.3530.1060.0240.0030.0360.3040.4790.1550.024
    下载: 导出CSV

    表 5  乌蒙山区不同站点的不同降水云系的Z−R关系

    Table 5.  Z−R relationship of different precipitation clouds at different station in Wumeng Mountain area

    台站Z−R关系公式相关性R2平均相对
    误差/%
    金沙 层状云 Z=74.98R1.47 0.7445 40.9
    对流云 Z=72.623R1.55 0.7931 27.8
    六枝 层状云 Z=79.88R1.45 0.7432 44.9
    对流云 Z=60.76R1.61 0.6415 39.0
    毕节 层状云 Z=98.145R1.45 0.7369 44.9
    对流云 Z=121.14.98R1.39 0.8111 29.3
    盘州 层状云 Z=83.6R1.4 0.7406 43.6
    对流云 Z=54.684R1.6 0.7664 23.9
    威宁 层状云 Z=83.067R1.42 0.6885 43.9
    对流云 Z=94.8R1.55 0.7076 34.9
    下载: 导出CSV
  • [1] 周黎明, 王俊, 龚佃利, 等. 山东三类降水云雨滴谱分布特征的观测研究[J]. 大气科学学报, 2014, 37(2): 216-222. DOI:  10.3969/j.issn.1674-7097.2014.02.010. Zhou L M, Wang J, Gong D L, et al. A study on the distribution of raindrop size in three types of precipitation in Shandong Province[J]. Transactions of Atmospheric Sciences, 2014, 37(2): 216-222.
    [2] 张昊, 濮江平, 李靖, 等. 庐山地区不同海拔高度降水雨滴谱特征分析[J]. 气象与减灾研究, 2011, 34(2): 43-50. DOI:  10.3969/j.issn.1007-9033.2011.02.007. Zhang H, Pu J P, Li J, et al. Analysis of characterstics of raindrop size distribution at different altitudes in Lushan[J]. Meteorology and Disaster Reduction Research, 2011, 34(2): 43-50.
    [3] 李德俊, 杨剑超, 蔡定军, 等. 降雨型滴谱和反射率因子及雨强关系研究[J]. 气象与减灾研究, 2009, 32(4): 39-44. DOI:  10.3969/j.issn.1007-9033.2009.04.007. Li D J, Yang J C, Cai D J, et al. Raindrop size distribution and the relationship between rainfall rate and reflectivity[J]. Meteorological and Disaster Reduction Research, 2009, 32(4): 39-44.
    [4] 李华宏, 许彦艳, 王曼, 等. 低纬高原一次短时强降水过程的综合分析[J]. 云南大学学报: 自然科学版, 2020, 42(3): 515-524. DOI:  10.7540/j.ynu.20190328. Li H H, Xu Y Y, Wang M, et al. Comprehensive analysis of a shorttime heavy rainfall process over low latitude plateau[J]. Journal of Yunnan University: Natural Sciences Edition, 2020, 42(3): 515-524.
    [5] 许彦艳, 王曼, 马志敏, 等. 山脉地形对云南冷锋切变型强降水的影响[J]. 云南大学学报: 自然科学版, 2015, 37(5): 717-727. DOI:  10.7540/j.ynu.20150116. Xu Y Y, Wang M, Ma Z M, et al. The influence of mountain terrain on the cold front shear heavy rain in Yunnan[J]. Journal of Yunnan University: Natural Sciences Edition, 2015, 37(5): 717-727.
    [6] 万云霞, 朱保林, 张万诚, 等. 云南秋季降水的变化特征及其成因分析[J]. 云南大学学报: 自然科学版, 2016, 38(1): 62-71. DOI:  10.7540/j.ynu.20150296. Wan Y X, Zhu B L, Zhang W C, et al. The variation characteristic and its causes of precipitation in autumn over Yunnan[J]. Journal of Yunnan University: Natural Sciences Edition, 2016, 38(1): 62-71.
    [7] 陈聪, 银燕, 陈宝君. 黄山不同高度雨滴谱的演变特征[J]. 大气科学学报, 2015, 38(3): 388-395. DOI:  10.13878/j.cnki.dqkxxb.20130223001. Chen C, Yin Y, Chen B J, et al. Raindrop size distribution at different altitudes in Mt. Huang[J]. Transactions of Atmospheric Sciences, 2015, 38(3): 388-395.
    [8] 杨俊梅, 陈宝君, 韩永翔, 等. 山西省不同地区雨滴谱的统计特征[J]. 气象科学, 2016, 36(1): 88-95. DOI:  10.3969/2014jms.0107. Yang J M, Chen B J, Han Y X, et al. Statistical characteristics of raindrop size distribution in different regions of Shanxi[J]. Journal of Meteorological Sciences, 2016, 36(1): 88-95.
    [9] 宫福久, 刘吉成, 李子华. 三类降水云雨滴谱特征研究[J]. 大气科学, 1997, 21(5): 607-614. DOI:  10.3878/j.issn.1006-9895.1997.05.12. Gong F J, Liu J C, Li Z H. Study of the raindrop size distributions for three types of precipitation[J]. Chinese Journal of Atmospheric Science, 1997, 21(5): 607-614.
    [10] 陈宝君, 李子华, 刘吉成. 三类降水云雨滴谱分布模式[J]. 气象学报, 1998, 56(4): 506-512. Chen B J, Li Z H, Liu J C. Model of raindrop size distribution in three types of precipitation[J]. Acta Meteorologica Sinitional, 1998, 56(4): 506-512.
    [11] 苏立娟, 郑旭程, 达布希拉图, 等. 基于雨滴谱仪建立不同性质降水ZI 关系并与雷达作对比分析[J]. 干旱区资源与环镜, 2020, 262(6): 103-108. DOI:  10.13448/j.cnki.jalre.2020.161. Su L J, Zheng X C, Dabuxilatu, et al. The Z-I relation of different precipitation based on the parsivel data and comparative analysis of radar and parsivel[J]. Journal of Arid Land Resources and Environment, 2020, 262(6): 103-108.
    [12] 杜波, 马舒庆, 刘达新, 等. 雨滴谱降水现象仪综合测试系统设计[J]. 气象科技, 2018, 46(1): 56-63. DOI:  10.19517/j.1671-6345.20160736. Du B, Ma S Q, Liu D X, et al. Design and study of raindrop spectrum precipitation phenomenon instrument[J]. Meteorological Science and Technology, 2018, 46(1): 56-63.
    [13] 吴亚昊, 刘黎平, 周筠珺, 等. 雨滴谱的变化对降水估测的影响研究[J]. 高原气象, 2016, 35(1): 220-230. DOI:  10.7522/j.issn.1000-05342014.00093. Wu Y H, Liu L P, Zhou J J, et al. Influence of raindrop spectrum on precipitation estimation[J]. Plateau Meteorology, 2016, 35(1): 220-230.
    [14] 张培昌, 王振会. 天气雷达回波衰减订正算法的研究(Ⅰ): 理论分析[J]. 高原气象, 2001, 20(1): 1-5. DOI:  10.3321/j.issn:1000-0534.2001.01.001. Zhang P C, Wang Z H, 2001. A study on algorithm to make attenuation correction to radar observations of radar reflectivity factor(Ⅰ): Theoretical analysis[J]. Plateau Meteorology, 2001, 20(1): 1-5.
    [15] 李柏, 古庆同, 李瑞义, 等. 新一代天气雷达灾害性天气监测能力分析及未来发展[J]. 气象, 2013, 39(3): 265-280. DOI:  10.7519/j.issn.1000-0526.2013.03.001. Li B, Gu Q T, Li R Y, et al. Analysis and future development of catastrophic weather monitoring capability of a new generation of weather radar[J]. Meteorology Monthly, 2013, 39(3): 265-280.
    [16] 刘晓阳, 杨洪平, 李建通, 等. 新一代天气雷达定量降水估测集成系统[J]. 气象, 2010, 36(4): 90-95. DOI:  10.7519/j.issn.1000-0526.2010.04.016. Liu X Y, Yang H P, Li J T, et al. Integrated system for quantitative precipitation estimation of next-generation weather radar[J]. Meteorological Monthly, 2010, 36(4): 90-95.
    [17] 刘红燕, 雷恒池. 基于地面雨滴谱资料分析层状云和对流云降水的特征[J]. 大气科学, 2006, 30(4): 693-702. DOI:  10.3878/j.issn.1006-9895.2006.04.14. Liu H Y, Lei H C. Characteristics of rain from stratiform versus convective cloud based on the surface raindrop data[J]. Chinese Journal of Atmospheric Science, 2006, 30(4): 693-702.
    [18] 冯雷, 陈宝君. 利用PMS的GBPP-100型雨滴谱仪观测资料确定Z-R关系[J]. 气象科学, 2009, 29(2): 2 192-2 198. Feng L, Chen B J. The radar reflectivity-rainrate relationships as inferred from ground-based raindrop spectra observeed by GBPP-100 probe[J]. Journal of the Meteorological Sciences, 2009, 29(2): 2 192-2 198.
  • [1] 吴星霖罗松余加贵 . 多普勒雷达回波强度估测降雨的气候统计方法. 云南大学学报(自然科学版), 2011, 33(S2): 374-378.
    [2] 徐八林许彦艳解莉燕陆鹏徐舒扬袁东升 . 雷达估测降水在山洪灾害中的应用分析. 云南大学学报(自然科学版), 2021, 43(2): 326-334. doi: 10.7540/j.ynu.20200122
    [3] 万云霞朱保林张万诚任菊章 . 云南秋季降水的变化特征及其成因分析. 云南大学学报(自然科学版), 2016, 38(1): 62-71. doi: 10.7540/j.ynu.20150296
    [4] 叶长青甘淑李运刚 . 红河流域降水量的时空变异特征. 云南大学学报(自然科学版), 2008, 30(1): 54-60.
    [5] 陈文华甘淑 . 龙江流域降水、径流时序特征分析. 云南大学学报(自然科学版), 2007, 29(5): 485-490.
    [6] 王芬杨若文唐浩鹏张娇艳崔庭杨祖祥 . 近48年贵州暴雨日数及降水总量的变化特征研究. 云南大学学报(自然科学版), 2013, 35(S1): 236-243. doi: 10.7540/j.ynu.20120728
    [7] 吴利华彭汐马月伟程希平巩合德董李勤 . 1951—2016年昆明极端气温和降水事件的变化特征. 云南大学学报(自然科学版), 2019, 41(1): 91-104. doi: 10.7540/j.ynu.20180144
    [8] 张天圣尤卫红 . 我国春季降水的分布特征及其与环流异常的关系. 云南大学学报(自然科学版), 2010, 32(5): 553-560 .
    [9] 王芬杨若文唐浩鹏张娇艳崔庭杨祖祥 . 近48年贵州暴雨日数及降水总量的变化特征研究. 云南大学学报(自然科学版), 2013, 35(S1): 236-243. doi: 10.7540/j.ynu.20120728
    [10] 翟羽佳周常春刘春学 . 苍山十八溪流域近60年降水量时空分布特征分析. 云南大学学报(自然科学版), 2017, 39(4): 618-623. doi: 10.7540/j.ynu.20160550
    [11] 陶云何群 . 云南降水量时空分布特征对气候变暖的响应. 云南大学学报(自然科学版), 2008, 30(6): 587-595.
    [12] 杨素雨张秀年杞明辉牛法宝 . 2009年秋季云南降水极端偏少的显著异常气候特征分析. 云南大学学报(自然科学版), 2011, 33(3): 317-324 .
    [13] 赵宁坤孙俊奎尤卫红万石云 . 云南省雨季降水量变化的区域特征分析. 云南大学学报(自然科学版), 2009, 31(6): 592-599 .
    [14] 周国莲晏红明 . 云南近40年降水量的时空分布特征. 云南大学学报(自然科学版), 2007, 29(1): 55-61,66.
    [15] 李华宏王曼闵颖朱莉杨竹云 . 昆明市雨季短时强降水特征分析及预报研究. 云南大学学报(自然科学版), 2019, 41(3): 518-525. doi: 10.7540/j.ynu.20180367
    [16] 杨祖祥李萌萌钱磊张娇朱红芳 . 安徽省分地形小时极端降水气候分布特征. 云南大学学报(自然科学版), 2020, 42(3): 525-533. doi: 10.7540/j.ynu.20190552
    [17] 尹丽云李辰李红梅王思越 . 滇中一次强雨雪过程粒子谱特征分析. 云南大学学报(自然科学版), 2017, 39(4): 598-608. doi: 10.7540/j.ynu.20160768
    [18] 罗燕田永丽戴敏陈新梅 . 云南近50年极端气温及降水事件变化特征与区域气候变暖的关系. 云南大学学报(自然科学版), 2015, 37(6): 870-877. doi: 10.7540/j.ynu.20140395
    [19] 严华生杨素雨万云霞程建刚 . 近百年高低层大气环流的演变特征及其与中国降水变化的关系. 云南大学学报(自然科学版), 2005, 27(5): 397-403.
    [20] 张志明张征凯郭银明陶国庆欧晓昆 . 高原山区遥感植被制图研究综述. 云南大学学报(自然科学版), 2013, 35(3): 416-427. doi: 10.7540/j.ynu.20130188
  • 加载中
图(4)表(5)
计量
  • 文章访问数:  439
  • HTML全文浏览量:  249
  • PDF下载量:  20
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-15
  • 录用日期:  2021-05-27
  • 网络出版日期:  2021-09-06
  • 刊出日期:  2021-11-15

贵州乌蒙山区雨滴谱特征及降水估测研究

    作者简介:柯莉萍(1974–),男,贵州人,高级工程师,主要研究地面、高空气象探测. E-mail:536482839@qq.com
    通讯作者: 谷晓平, 16114331@qq.com
  • 1. 贵州省山地气候与资源重点实验室,贵州 贵阳 550002
  • 2. 贵州省生态气象和卫星遥感中心,贵州 贵阳 550002
  • 3. 威宁县气象局,贵州 威宁 553100
  • 4. 织金县气象局,贵州 织金 552100

摘要: 利用2018年5—9月贵州乌蒙山区5个不同国家气象站的DSG1降水天气现象仪雨滴谱观测数据及雨量站数据,对该地区雨滴谱微物理特征量、M–P谱特征进行分析,并基于雨滴谱的Z−R关系初步进行估测降水,为进一步讨论降雨的云物理过程,更精确地定量估测降水奠定基础. 结果表明,乌蒙山区直径为1~2 mm的雨滴对总数浓度的贡献率最大,直径4档以上的雨滴对总数浓度的贡献可以忽略不计;小雨强时直径1 mm的雨滴对雨强的贡献率最大;随着雨强的增大,直径1 mm的雨滴贡献率逐步减小,2、3档粒子对总雨强的贡献率最大;不同海拔高度的雨滴谱基本遵循负指数规律,影响M–P谱分布的主要是雨滴直径在3 mm以下降水;雨滴谱的Z–R相关性强,估测降水误差小,特别是在对流云降水过程中更加接近实际降水.

English Abstract

  • 雨滴谱观测是微观降水云物理的重要内容之一,云的动力和物理过程形成了雨滴. 雨滴谱物理过程的研究,对于降水的形成机制,人工影响天气的云物理条件评估、检验等方面都具有重要的意义. 目前,国内外众多学者对雨滴谱开展了系统性的分析和讨论,并取得了一些重要的成果. 周黎明等[1]的研究表明,降水云系不同则雨滴谱的特征不同;张昊等[2]研究发现,雨滴在降落时由于碰撞、合并、破碎、蒸发等的影响,不同高度上的雨滴谱特征不尽相同;李德俊等[3]的研究发现,激光雨滴谱仪观测数据能够很好地反映降水的微物理过程.

    乌蒙山是中国西南部云贵高原上的主要山脉之一,每年5—9月份暴雨灾害频发,由此诱发的地质灾害严重,对人民生产生活影响大. 山区与平原相比,山区降水预测预报一直是重点和难点. 许多学者对云贵高原降水预测预报做了大量深入的研究[4-6],山区地形地貌复杂,地形的动力作用、云物理作用、摩擦作用等变量增大了降水预报方程的困难系数,数值模式在山区的预报效果普遍较差. 随着雨滴谱研究的更加深入,将其运用到山区降水有重要的研究意义. 陈聪等[7]对黄山不同高度的雨滴谱特征研究表明,山地、山腰、山顶的雨滴谱特征存在较大的差异. 杨俊梅等[8]的研究表明山区和平原地区的层状云和对流云降水平均谱特征为单峰型,层状降水的谱宽窄于对流云. 对不同性质云状雨滴谱降水估测,很多学者做了大量有成效的研究[9-11]. 但是,国内外对乌蒙山区雨滴谱的演变特征研究成果很少,本文选取2018年5—9月贵州乌蒙山区5个气象站点资料,对雨滴谱特征及降水估测进行分析,对该区域雨滴谱的研究有助于了解乌蒙山区成云致雨的微物理过程.

    • 本研究选取乌蒙山区的5个国家级自动观测站,海拔高度、站点地理位置分布如图1(底图数据来源于地理空间数据云网站(www.gscloud.cn/#page))和表1所示,威宁站海拔高度最高为2238.6 m,最低为金沙站942 m,两站高度差约为1300 m.

      图  1  贵州乌蒙山区站点分布

      Figure 1.  Distribution of stations in Wumeng Mountain area of Guizhou Province

      站点海拔高度/m经度E/(°)纬度N/(°)
      金沙942.0106.23327.467
      六枝1361.9105.46726.200
      毕节1510.6105.28327.300
      盘州1800.0104.46725.716
      威宁2238.6104.28026.862

      表 1  站点地理位置

      Table 1.  Location of site

      本文研究采用2018年5—9月DSG1型降水现象仪观测的雨滴谱及降水量数据. DSG1降水天气现象仪是由江苏无锡新气象公司自主研发的高精度降水现象观测设备,所用的雨滴谱数据采用德国OTT公司生产的光学传感器Parsivel2. 其基本原理是有降水粒子下落通过光速带时,把光信号转为电信号,测量降水粒子的宽度及所经过的时间计算粒子的速度和直径,分为32个尺度和32个速度测量通道,采样面积为54 cm2,采样周期为1 min.

    • 将2018年5—9月乌蒙山区的金沙站、六枝站、毕节站、盘州站、威宁站的降水,按照小雨、中雨、大雨、暴雨4个量级对实测日降水量和雨滴谱降水量进行计算统计对比,各等级降水日数及平均相对误差(见表2). 从表2中可知,未处理前小雨实测降水量和雨滴谱计算降水量的平均相对误差最大,为91.9%;其次暴雨较大,为26.2%;大雨平均相对误差较小,为19.9%;大暴雨仅有1次,相对误差为20%. 分析误差较大的原因,可能主要有以下几方面的原因:①小雨特别是降水量较小的情况下,如实测雨量为0.2 mm,雨滴谱降水量为0.4 mm,相对误差为100%,按照气象观测规范降水量小雨强时误差允许±0.4 mm,此类实测情况较多;②极少部分实测雨量错误;③直径大于6 mm的雨滴破碎对降水造成误差;④雨滴谱仪识别误差;⑤地理位置差异、风速等因素也会造成误差. 杜波等[12]对国产滴谱仪的检测标定结果表明实测雨量和雨滴谱间存在一定的误差,误差在20%以内. 通过统计分析发现滴谱直径大于6 mm的日降水量误差较大. 吴亚昊等[13]发现直径大于6 mm的雨滴在下落过程中由于碰撞等原因发生破碎,也会造成一定的误差. 因此,本文对小雨中误差超过±0.4 mm的样本、滴谱直径大于6 mm的样本、中雨以上级别雨滴谱资料反算雨量与实测降水量偏差在20%以上的样本进行剔除,剔除样本分别为8.5%、0.2%和4.3%. 图2对比分析了测站实测日降水量和根据降水现象仪观测的滴谱数据计算的日降水量,从图2中可知,两种方法得到的日降水量在时间变化上趋势有较好的一致性,由雨滴谱计算的降水量整体相对实测值偏大.

      降水类型降水日数剔除前平均
      相对误差/%
      剔除后平均
      相对误差/%
      小雨 323 91.9 59.8
      中雨 69 21.7 14.0
      大雨 47 19.9 13.7
      暴雨 14 26.2 17.4

      表 2  实测日降水量与雨滴谱计算降水量误差对比

      Table 2.  Error comparison between measured daily rainfall and raindrop spectrum calculation

      图  2  2018年5—9月乌蒙山区不同站点实际降水量和由雨滴谱计算的日降水量

      Figure 2.  Actual precipitation and daily precipitation calculated by raindrop spectrum at different stations in Wumeng Mountain area from May to September,2018

    • 降水现象仪实际测量数据的物理意义是平均直径Di和末速度Vj(i≥1,j≤32)所对应的雨滴数浓度N(Di),Di对应的单位体积、单位尺度间隔之内的雨滴数浓度,其计算公式为:

      $ N({D_i}) = \frac{{n({D_i})}}{{{V_j}({D_i})At}} , $

      式中,A代表采样面积(单位:m2);Vj(Di)表示雨滴粒子下落末速度(单位:m/s),t表示采样时间(单位:s);n(Di)为采样面积内的直径在DiDiD内的雨滴粒子个数.

      利用雨滴数浓度N(Di)可以通过公式(2)、(3)计算得到雨强(Raininess,以下简称R)和雷达反射率因子Z的计算公式:

      $ R = \frac{{6\pi }}{{{{10}^4}}}\sum\limits_{i = 3}^{21} {\sum\limits_{j = 1}^{32} {{V_j}} } N({D_i})D_i^3\Delta {D_i} , $

      $ Z = \sum\limits_{{D_i} = 0}^{D\max } {N({D_i})} D_i^6 . $

      贵州乌蒙山区以山地高原为主,地形崎岖、地势起伏大,雨滴谱微物理特征存在一定的差异. 因此,表3结合乌蒙山区情况将根据雨滴谱计算的雨强划分为5个等级进行计算分析,结果显示相同站点的雨强均值、标准差与雨强基本呈正比,个别站点略有波动. 5个观测站在0.5~5 mm·h–1区间的样本数量最大,且计算得到雨强的均值、标准差值都很小,说明在弱雨强下的雨强分布一致性较好. 降水强度大于20 mm·h–1区间的雨强均值和标准差相差最大,反映在短时强降水过程中雨滴谱反演雨强误差大. 结合多种原因分析,发现强降水雨强反演误差大的一个重要原因是计算过程中未设置上限.

      站点R/
      (mm·h–1
      样本数R均值/
      (mm·h–1
      标准差/
      (mm·h–1)
      降水量/
      mm
      金沙(0.5,5]101481.81.13313.1
      (5,10]11456.931.37132.2
      (10,15]29012.011.4258.5
      (15,20]13717.311.3539.5
      >2038543.9422.45282
      六枝(0.5,5]120251.91.18377.1
      (5,10]21707.01.41252.8
      (10,15]72612.11.45148.9
      (15,20]36217.31.36104.2
      >2079139.823.0524.5
      毕节(0.5,5]78541.731.16227.9
      (5,10]9216.81.35104.7
      (10,15]21112.11.4242
      (15,20]11817.311.534
      >2039650.2132.47331.4
      盘州(0.5,5]109081.841.17334.8
      (5,10]16066.91.39174.3
      (10,15]48512.11.4598.4
      (15,20]22017.41.4763.6
      >2045236.218.9273.1
      威宁(0.5,5]87091.551.01225.1
      (5,10]5426.721.3560.8
      (10,15]15012.221.3630.5
      (15,20]7416.741.1820.6
      >2019342.9420.49138.3

      表 3  不同站点雨强(雨滴谱)统计值

      Table 3.  Statistical values of rainfall intensity at different statons

      对于不同站点,海拔1000 m以下的金沙测站标准差最大;其次是海拔在1000 m至2000 m的六枝站、毕节站和盘州站,标准差受地形和天气系统的影响不均匀分布;海拔2000 m以上的威宁站标准差最小.

      综上,雨滴谱反演的降水分布存在一定物理规律,这对进一步开展贵州乌蒙山区雨滴谱特征及降水估测研究提供了重要依据.

    • 根据雨滴直径(D)的大小依次将雨滴分为6个尺度,D≤1 mm、1 mm<D≤2 mm、2 mm<D≤3 mm、3 mm<D≤4 mm、4 mm<D≤5 mm和5 mm<D≤6 mm. N1/NN2/NN3/NN4/NN5/NN6/N分别代表6个尺度的雨滴数浓度与总数浓度的占比;R1/RR2/RR3/RR4/RR5/RR6/R分别代表为6个档次的雨强与总雨强的占比,因第6个尺度数浓度和雨强贡献占比很小,本节仅对前5个尺度(以下简称为档)进行了分析.

      表4可以看出,第1档和第2档降水粒子的数浓度贡献最大,第3档次之,第4及第5档的降水粒子数浓度贡献相对较小,基本可以忽略不计. 造成第1档和第2档的小粒子数浓度贡献占主要的原因是由于不同云系中小粒子形成机制有差异,对流性云系中上升气流较大,造成雨滴的破碎,在近地面容易形成小粒径的大量粒子;反之,层状云系降水较为稳定,雨滴粒子直径较为接近,发生碰并作用比较小,对雨滴体积的增长作用不明显,以小粒子为主. 小粒子对总数浓度的贡献最大,原因主要是小粒子促进了大云滴的增长,大雨滴的破碎和风速对雨滴的大小也会造成一定的影响.

      R/(mm·h–1测站N1/NN2/NN3/NN4/NN5/NR1/RR2/RR3/RR4/RR5/R
      (0.5,5]金沙0.8470.1470.0060.0010.0000.5900.3630.0410.0040.001
      六枝0.8390.1540.0060.0010.0000.5780.3720.0410.0050.002
      毕节0.7990.1900.0080.0010.0010.4890.4390.0590.0070.003
      盘州0.8410.1500.0070.00100010.5720.3740.0450.0050.002
      威宁0.8650.1260.0050.0020.0010.6100.3420.0380.0060.003
      (5,10]金沙0.6430.3320.0230.0020.0000.2070.6140.1620.0150.002
      六枝0.6070.3590.0290.0040.0010.1620.6330.1790.0210.003
      毕节0.6000.3470.0430.0060.0020.1130.5190.2910.0520.017
      盘州0.6430.3300.0210.0030.0010.2180.6070.1490.0170.004
      威宁0.6660.3060.0210.0050.0010.2200.5860.1580.0260.007
      (10,15]金沙0.5390.4180.0400.0030.0000.1080.6390.2230.0270.002
      六枝0.5340.4260.0310.0050.0020.1110.6640.1830.0220.008
      毕节0.5300.4290.0380.0030.0000.0910.6280.2460.0300.003
      盘州0.5630.4070.0270.0030.0000.1250.6570.1900.0240.003
      威宁0.5420.3910.0520.0110.0040.0890.5580.2880.0460.013
      (15,2]金沙0.4590.4540.0730.0120.0010.0560.5700.3150.0510.009
      六枝0.4960.4500.0400.0080.0040.0720.6240.2380.0400.036
      毕节0.5170.4180.0600.0050.0010.0580.5550.3350.0440.008
      盘州0.5180.4340.0440.0030.0000.0870.6250.2570.0290.003
      威宁0.5080.3660.0940.0250.0050.0520.3990.4120.1010.027
      R>20金沙0.4580.4230.1020.0160.0020.0320.4120.4440.0970.014
      六枝0.4930.4030.0800.0160.0080.0410.4400.3880.0880.042
      毕节0.5300.3680.0860.0150.0020.0430.3910.4420.1060.015
      盘州0.5050.4000.0790.0140.0020.0450.4360.4130.0930.013
      威宁0.5150.3530.1060.0240.0030.0360.3040.4790.1550.024

      表 4  各档雨滴数浓度占比及雨强贡献

      Table 4.  The percentage of raindrop concentration and the contribution of rain intensity

      讨论雨强贡献分布特征发现,第1、第2、第3档的降水粒子对总雨强的贡献最大,且不同强度的降水的贡献大小比重不同. 在0.5~5 mm·h–1区间的降水对第1档雨强贡献最大,威宁贡献率最大,为61%;金沙次之,为59%;毕节站贡献率最低,为49%. 雨强大于5 mm·h–1以上,第1档粒子对雨强的贡献率随着雨强的增大而减小,降水强度大于5 mm·h–1的降水在第2档贡献最大. 在5~10 mm·h–1区间降水六枝站贡献率最高,为63%;毕节站贡献率最低,为52%. 在10~15 mm·h–1区间降水六枝站贡献率最高,为66%;威宁站贡献率最低,为56%. 在15~20 mm·h–1区间降水六枝站和盘州站贡献率最高,为63%;威宁站贡献率最低,为40%. 降水强度大于20 mm·h–1区间,第2档和第3档粒子对雨强的贡献率相当. 由表4中可知,数浓度多的粒子对雨强的贡献率不一定大,直径大于4 mm的粒子对雨强的贡献也不能忽视. 主要原因是雨强的大小与粒子的直径及粒子数有很大关系,如果大雨滴和较大雨滴多,就会减少1 mm之内的雨滴对雨强贡献率. 反之,如果大雨滴和较大雨滴较少,那么小于1 mm的雨滴对雨强的贡献就大.

    • 雨滴在下落的过程中,其形状由雨滴直径决定. 直径小于2.8 mm的雨滴可以认为是球型;随着直径的不断增加,雨滴的形状逐渐变成椭球和平底椭球;当直径达到一定程度时,由于形变作用会发生破碎.

      影响降水雨滴谱谱型的因素很多,如气流上升、雨滴的碰并和蒸发,特别容易让小粒径的谱型特征发生变化. 虽然存在上述情况,但是通过大量的观测资料表明,雨滴谱特征一般服从负指数的分布特征. 本研究使用最为广泛的Marshall-Palmer谱(简称M−P谱)对不同海拔高度的雨滴谱特征进行分析. M–P谱公式如下:

      $ N(D) = {n_0}\exp ( - AD) , $

      其中,N(D)为粒子数浓度,n0=8×103个·m–3·mm–1,斜率因子A=4.1R–0.21. 虽然不是所有的雨滴谱特征都符合简单的指数函数分布形式,但按M–P谱公式,只要在半对数坐标中雨滴谱的特征呈现直线形式,即可用指数分布进行拟合. 当然,降水的性质不同,时间、地点不同等因素也会影响An0的取值.

      雨强不同的雨滴谱浓度分布能够很好地反映降水的谱特征,图3为不同雨强下的M–P谱分布. 从图3可知,5个站点的雨滴谱基本遵循负指数规律. 对于不同强度的降水,雨强在0.5~5 mm·h–1和5~10 mm·h–1区间谱分布曲线的斜率由大变小;雨强在10~15 mm·h–1、15~20 mm·h–1、>20 mm·h–1区间谱分布曲线的斜率存在“小—大—小”的变化. 其中毕节站在0.5~5 mm·h–1和5~10 mm·h–1雨强区间的曲率最小,这与表4中毕节站在该雨强区间降水贡献最小相对应. 对于不同大小的粒子,直径在3 mm以下的降水雨滴谱分布离散度大,直径在3 mm以上的降水雨滴谱离散度相对较小. 由此可见,雨强的大小、降水粒子的直径对于谱分布都存在一定的影响. 由表4可以看出,第1档至第3档的降水粒子对总雨强、总数浓度的贡献最大;数浓度多的粒子对雨强的贡献率不一定大,大云滴的增长、大雨滴的破碎、风速对雨滴的大小会造成一定的影响. 周黎明等[1]在层状云降水、积状云降水、层积混合云降水雨滴谱的研究分析中,也提出雨滴谱随时间演变的过程中存在明显的微物理变化.

      图  3  乌蒙山区不同站点不同雨强M–P雨滴谱分布

      Figure 3.  M–P raindrop spectrum distribution of different rain intensities at different stations in Wumeng Mountain area

      结合M–P谱分布,考虑云中粒子形成机制可以发现,对于一次降水过程,在雨强较小(10 mm·h–1以下)时,处于降水过程的开始阶段,雨滴主要以小雨滴为主,在雨强较大(10 mm·h–1以上)时,云滴之间的碰撞合并作用、雨滴之间的碰并增长作用,以及大雨滴的破碎使得不同直径的雨滴数目产生变化. 表现在M–P谱分布上,谱分布结构出现了明显的差异. 站点不同时,受下垫面的粗糙程度、山脉的阻挡作用等客观因子的影响,云中的微物理过程也产生一定程度的差异,以至降水粒子的M–P谱存在离散度.

      对于性质不同的降水,对流性云系中较强的上升气流使得雨滴破碎过程显著;层状云系降水中气流稳定,粒子直径差别不大;层积混合云降水中存在一定强度的上升气流,有一定程度的雨滴破碎作用. 图3中降水强度在15~20 mm·h–1和大于20 mm·h–1区间的雨滴直径较大,多为对流云降水. 所以,雨滴谱明显和其他类型降水不一致,受地理环境影响,各站点间的谱分布特征也不相同.

    • 天气雷达观测资料时空分辨率高,在定量估测降水方面有重要的应用意义. 但是这种方法存在一定的误差,需进一步改善. 雨滴谱资料分析有利于改善降水估测精度.

      雷达定量降水的估测方法有多种,如Z−R关系法、衰减法、正交偏振法等. 张培昌等[14]对于Z−R关系法的确定方法有理论分析法、直接统计法、利用雨滴谱的实际观测数据方法对Z−R进行统计,许多学者对雷达降水估测进行了研究[15-16].

      雷达定量估测降水的关系式通常为Z=aRb. 由于Z−R随时空分布和地理分布的变化较大,需要根据不同类型的降水选择ab值. 刘红燕等[17]研究表明,北京地区的层状云a值小于200,对流云a值大于200. 冯雷等[18]对沈阳、哈尔滨、河南的不同降水类型云系Z−R关系研究发现,层状云的ab系数最小,a值随着雨滴尺度的增大而增大.

    • 根据公式(3)计算的反射率因子大小将降水过程分为层状云和对流云降水两类. 分别利用最小二乘法对雨滴谱Z−R关系进行拟合,采用相对误差对反演的雨强进行评估,一般认为相对误差越小测量值的可靠性越高. 以雨滴谱数据计算的雨强为真实值R,根据Z–R关系计算的雨强为测量值R1,相对误差的计算公式如下:

      $ {\text{相对误差}} =\frac{{\left| {{R_1} - R} \right|}}{R} \times 100\% , $

      式中,R表示雨滴谱反演雨强,R1表示Z−R关系计算的雨强.

    • 表5对层状云降水、对流云降水的Z−R关系进行了拟合统计分析. 从表5可以看出,层状云、对流云两类降水雨滴谱反射率因子Z和降水强度R之间存在很好的相关性,相关性R2一般大于60%,普遍在70%~80%. R2层状云降水相关性最好的金沙站,R2为0.7445;对流云降水相关性最好的毕节站,R2为0.811. 层状云降水Z−R拟合系数a值较为稳定,b值在1.4~1.47之间波动,系数a值在74~98之间;对流云降水系数b值在1.39~1.61之间,波动范围较大. 其中毕节最小,为1.39;六枝最大,为1.61. 系数a值在60.76~121.14之间,其中最大为毕节(121.14),波动范围明显大于层状云,不同站点的ab系数差异较大.

      台站Z−R关系公式相关性R2平均相对
      误差/%
      金沙 层状云 Z=74.98R1.47 0.7445 40.9
      对流云 Z=72.623R1.55 0.7931 27.8
      六枝 层状云 Z=79.88R1.45 0.7432 44.9
      对流云 Z=60.76R1.61 0.6415 39.0
      毕节 层状云 Z=98.145R1.45 0.7369 44.9
      对流云 Z=121.14.98R1.39 0.8111 29.3
      盘州 层状云 Z=83.6R1.4 0.7406 43.6
      对流云 Z=54.684R1.6 0.7664 23.9
      威宁 层状云 Z=83.067R1.42 0.6885 43.9
      对流云 Z=94.8R1.55 0.7076 34.9

      表 5  乌蒙山区不同站点的不同降水云系的Z−R关系

      Table 5.  Z−R relationship of different precipitation clouds at different station in Wumeng Mountain area

      造成对流云阶段不同站点ab系数差异较大的原因,主要从公式(2)、(3)可以得知反射率因子及降水强度与雨滴谱的谱宽及数浓度的大小有很大的关系,它们常常随着降水类型的变化而变化,造成不同站点系数ab的差异,不仅与数浓度和中值体积直径(它代表了达到半数雨滴的粒径水平)有很大关系,还与雨滴谱分布情况随季节、地理位置和降水类型(层云、暖云、冷云)等的变化等都有关系.

      利用降水天气现象仪观测的雨滴谱资料估算的雨强作为真实值,将雨滴谱反射率因子代入Z−R关系公式中计算的雨强作为估测值,对降水估测效果进行评估. 图4为乌蒙山区5个不同站点的对流云降水阶段的ZR关系散点图,从图4表5中可以看出,对流云阶段相关系数达到0.8以上,相关性良好,对流云阶段反演的雨强更接近真实值,平均相对误差最小的是盘州,为23.9%. 层状云的平均相对误差约为40%.

      图  4  乌蒙山区不同站点对流云降水雨强随反射率因子的变化

      Figure 4.  Variation of rainfall intensity of convective clouds at different station in Wumeng Mountain area with reflectivity factor

      造成两类降水过程中降水估测差异的原因,进一步分析发现误差主要来自几个方面:①不同降水云系阶段的雨滴谱特征不尽相同,降水云系空间结构为层状云降水中虽然降水较为稳定,但各微物理参量也有较小强度的起伏,雨滴谱谱宽多在3 mm以内,雨强不大,数浓度变化量通常在1个量级范围内,雨强较弱;对流云的各微结构参量起伏变化较大,雨滴数浓度很大,雨滴谱谱宽多在3 mm以上,雨强和雨滴数浓度的起伏量均可达2个量级以上;②不同地形的雨滴谱的微物理特征存在差异,由于地形、风速等因素会对雨滴的微物理特征造成差异,陈聪等[7]对黄山不同海拔高度雨滴谱研究也证实了这一点;雨滴谱本身的识别误差、雨滴谱仪的识别精度、雨滴重叠误差及仪器安装等也会对降水估测造成影响.

    • (1)雨滴谱反演降水量和雨量筒测得实际降水量基本吻合. 虽然存在一定的误差,小雨量级相对误差较大,其余量级降水量相对误差多在20%以内,能够基本满足业务需求.

      (2)直径1~2 mm的粒子对总数浓度的贡献率最大,达到90%以上;小雨强时直径1 mm的粒子对总雨强的贡献最大;随着雨强的不断增大,直径1 mm粒子对总雨强的贡献逐步减小,直径2~3 mm的粒子对总雨强的贡献最大.

      (3)M−P谱分布特征分析表明不同海拔高度的雨滴谱基本遵循负指数规律,影响M−P谱分布的主要是雨滴直径在3 mm以下降水.

      (4)利用雨滴谱资料拟合Z−R发现,无论是层状云还是对流云降水,反射率因子和雨强之间均有很强的相关性,最小相关系数为0.8,最大相关系数为0.9. 对流云拟合系数b值在1.39~1.61之间,层状云相对较为稳定在1.4~1.47之间. 对流云降水估测平均相对误差最小23.9%,最大为39%;层状云平均相对误差最小为40.9,最大为44.9%,对流云Z−R关系拟合效果优于层状云.

      本文只是针对贵州乌蒙山区不同站点的雨滴谱分布特征的分析,并基于研究结果对Z−R关系进行简单的讨论,这对于揭示和认识贵州乌蒙山降水雨滴谱特征和降水估测具有重要的意义. 但是,由于受乌蒙山复杂地形对降水的影响,更深入的讨论还需在今后的研究中进行.

参考文献 (18)

目录

    /

    返回文章
    返回