华北一次层状云系暖区水汽和液态水分布特征

基于机载微波辐射计、地基微波辐射计和Ka波段云雷达3种遥感资料,结合FY-4A气象卫星、气象观测站、天气雷达及再分析资料,研究2021年5月15日一次华北降水性层状云系暖区的水汽和液态水分布特征。结果表明:水汽和液态水的水平分布不均,飞机平飞时机载微波辐射计探测的积分水汽含量和液态水路径起伏变化,最大值分别为4.00 cm和1.87 mm,随着暖区云顶高度和云层厚度降低,二者分别降至0.89 cm和0.13 mm。随着降水发生发展,地基微波辐射计探测的积分水汽含量和液态水路径均出现跃增,峰值分别为8.62 cm和3.85 mm,水汽变化滞后于液态水,垂直方向上液态水含量的累积区厚度、最大值及所在高度均随降水先增后减,液态水的时空演变对暖区降水及增雨作业时机和部位的判识有重要指示意义。云雷达探测的液态水含量也出现跃增,在1 km高度以下反射率因子较大、粒子下落速度及离散程度较大时段,液态水丰富,对应降水量较大,粒子碰并是暖区降水的主要机制。

基于机载微波辐射计的天津地区典型层状云水汽和液态水分布特征分析

基于2016年11月20日机载微波辐射计GVR(G-band water Vapor Radiometer)和热线含水量仪探测资料以及FY-2E卫星云顶亮温、天津塘沽站雷达组合反射率、美国国家环境预报中心(National Centers for Environment Prediction,NCEP)/国家大气研究中心(National Center for Atmospheric Research,NCAR)FNL再分析资料,分析天津地区典型层状云水汽和液态水分布特征。结果表明:层状云的液态水路径自云底向上随高度上升而减小,到达冰云高度后减至0 mm,而积分水汽含量自地面向上随高度上升逐渐减小,在云上3 500 m高度平飞过程中稳定在0.3~0.5 cm。液态水密度随高度上升先增后减,在云底(900 m)以上GVR探测的液态水均为过冷水,在上升过程中过冷水主要分布在900~2 400 m高度,密度最大为0.63 g·m^(-3),而在下降过程中主要分布在900~1 600 m高度,密度最大为0.78 g·m^(-3)。相比热线含水量仪,GVR能更好地反映云中过冷水含量及过冷层高度和厚度。水汽主要源于平流输送,水汽密度在400 m高度向上不断增大,在云底附近明显积聚后迅速减小,在1 400~3 000 m高度波动变化。随着降水的临近,飞机下降阶段的最大水汽密度增大且高度上升,水汽大值层厚度增大,可为降水预报及人工影响天气提供一定参考。

基于183 GHz机载微波辐射计探测水汽和云中液态水反演算法研究

基于机载微波辐射计GVR,以北京探空资料作为训练数据,机载对空微波辐射传输方程作为前向算子,建立基于BP神经网络和Decker模型基础上的积分水汽含量和液态水路径反演算法。与GVR自带算法相比,新算法增加观测高度作为输入变量,考虑温度对云水相态的影响建立新的云模型,对历史探空资料进行补全,增加积分高度至30 km。利用数值模拟检验、外场观测试验和观测误差传递分析对两种算法反演的积分水汽含量反演误差进行验证,结果表明:新算法和自带算法模拟计算的反演值与探空计算值相关系数分别为0.9988、0.9929,自带算法反演值普遍低于探空计算值;新算法和GVR自带算法反演的积分水汽含量统计均方根绝对误差分别为0.05~1.30 mm、0.2~3.0 mm,相对误差分别为1%~10%、4%~65%,新算法在6 km以下计算的积分水汽含量相对误差最小值为1%,整层高度上约75%的相对误差低于5%,而自带算法仅有不到1%的相对误差低于5%;以2016年11月20日观测个例为例,GVR仪器观测误差经过新算法和自带算法反演公式传递后造成的误差在3000 m高度分别为0.05 mm和0.06 mm,随水汽探测值增大(飞机高度下降),自带算法传递误差增大幅度明显高于新算法。选择2021年6月30日飞行个例,对两种算法反演的液态水路径反演误差进行验证,结果表明:在飞机上空无云时段,新算法和自带算法反演的液态水路径范围分别为0 mm、0~0.006 mm。误差分析表明,新算法可提升本地积分水汽含量和液态水路径反演精度。

大气背景场对云中液态水反演结果影响

基于机载对空微波辐射计GVR讨论应用BP神经网络算法反演液态水路径时大气背景资料对反演结果的影响,为合理选择训练样本获取更准确的液态水观测数据提供依据,同时有利于了解反演算法的探测适用范围。文章选择多个历史探空资料,按照历史资料时间序列长度、季节和区域进行分类,建立不同类样本集训练BP神经网络获取反演方程,选择样本检验集模拟计算每类反演方程的反演精度,通过反演精度对比分析大气背景资料差异在反演云中液态水时造成的影响。结果表明训练样本的大气背景时空差异影响反演结果,在一定时间范围内增加历史资料序列长度可以减小大气背景差异对反演误差的影响,但当时间序列长度到达一定程度时,增加历史样本量将不再是提高反演精度的一种有效措施。季节分类可以减小大气背景差异对反演误差的影响,但在实际应用中,资料分类带来样本容量减小,对一定时间序列长度的历史资料,按照季节进行分类并不能有效提高垂直累积液态水的反演精度。

高分辨率GRAPES模式中云微物理方案对强降水的模拟和诊断研究

利用高分辨率GRAPES—Meso中双参数云微物理方案,对我国两次强降水过程进行数值模拟,并与模式中WSM6和NCEP5方案进行对比分析,结合多种观测资料,诊断评估方案的预报性能.同时研究伴随强对流性降水中的关键云物理过程。个例研究表明,对流发展旺盛的云团中,冰相粒子尤其是霰粒子对对流的发展与降水起着主导作用,霰的融化是强降水的主要来源,而周围的层状云区域霰粒子的分布极少,主要受雪的融化与暖云降水的影n向。双参数方案模拟的雨带走向、范围和降水强度与实况拟合较好,同时在对流单体的最大回波高度与强度、冰晶的分布与云砧结构等方面也具有一定优势,但冰晶含量和回波顶高度略低于观测,这都为双参数方案的优化与业务应用提供重要的支持。

机载微波辐射计亮温数据中RFI识别方法研究

机载微波辐射计(G-band water Vapor Radiometer,GVR)在使用过程中发现存在无线电频率干扰信号(Radio-Frequency Interference,RFI),为准确使用数据,需对干扰信号进行识别和订正。在分析多种RFI识别方法在GVR数据中的适用性基础上,根据GVR探测及定标原理提出适用于GVR的RFI识别和订正方案。采用该方案对天津市2016年11月20日一次GVR亮温数据进行识别和订正,结果表明,该方法能较好的识别出各通道亮温数据中的RFI信号;RFI存在于多个通道中,时空分布无规律,具有随机性,为干扰源确定带来较大困难;RFI在亮温数据中除少数以孤立点形式存在,多数为连续干扰点,连续干扰点越多,订正效果越差,当连续干扰点较多时建议剔除该部分数据。RFI订正前后的反演结果对比分析表明,多数情况下,RFI的存在使得垂直累积水汽和垂直累积液态水含量值被高估,少数值被低估,单个通道做订正对反演结果的影响不同。

基于机载微波辐射计探测大气水汽通道饱和问题研究

183.31 GHz微波辐射计在探测低含量水汽时具有优势,但也存在通道饱和问题,定量研究该问题对明确该类型仪器探测水汽能力和适用范围具有重要意义。基于天津市人工影响天气办公室增雨飞机运-12搭载的183.31 GHz微波辐射计GVR(Gband water Vapor Radiometer),采用探空资料对该辐射计4个通道进行饱和问题研究,定量计算其饱和阈值及探测灵敏度,分析各通道水汽探测能力及适用范围。结果表明:机载微波辐射计4个通道水汽探测灵敏度及饱和阈值与观测高度有关,当水汽含量较低时,通道1((183±1)GHz)观测高度越高灵敏度越高,通道3((183±7)GHz)和通道4((183±14)GHz)观测高度越高灵敏度越低,通道2((183±3)GHz)灵敏度几乎不受观测高度影响,通道1和通道4观测高度越高积分水汽探测饱和阈值越小,观测高度越低饱和阈值越大,通道2和通道3饱和阈值几乎不受观测高度影响。晴空条件下选择水汽探测能力最强的单通道对积分水汽含量进行反演,当积分水汽含量处于0-1.3、1.3-4.0和4.0-9.8 mm时,分别选择通道1、通道2、通道3作为反演通道,不同观测高度的积分水汽含量反演均适用。云的发射作用使辐射计各通道亮温升高,亮温升高幅度与云液态水含量、云与观测高度的距离及云厚有关,云液态水含量越大,各通道水汽探测灵敏度及饱和阈值越小;云天条件下选择水汽探测能力最强的双通道对积分水汽含量进行反演,以液态水路径区间来选择合适的水汽探测通道,液态水含量越高,积分水汽可探测范围越小。要探测到0.1 mm的积分水汽含量变化,机载微波辐射计(GVR)在晴空条件下的水汽探测适用范围为0-9.8 mm,其探测能力在云天条件下减弱,水汽探测适用范围因云液态水含量不同而不同。

北京不同污染事件期间气溶胶光学特性

利用2005～2011年的AERONET观测数据，对北京不同污染事件期间（秸秆焚烧、烟花燃放以及沙尘天气）气溶胶光学特性进行了分析．气溶胶光学厚度受污染有显著上升，沙尘、秸秆、烟花气溶胶的AOD440nm 分别是干净背景的4．91、4．07、2．65倍．AOD与Angstrom波长指数的匹配能够较好地识别污染类型，沙尘对应高AOD和低α，烟花气溶胶α（1．09）稍低于秸秆（1．21）以及背景（1．27），表明烟花气溶胶的粗粒子更占优，秸秆对应更高的AOD则与其中黑碳颗粒较强的消光能力有关．单次散射反照率对波长敏感性不高，沙尘气溶胶的ω值（0．934）高于背景值（0．878）、秸秆气溶胶（0．921）以及烟花气溶胶（0．905），秸秆气溶胶受烟羽老化、吸湿性增长等影响表现出偏大现象．气溶胶粒子谱分布在背景与污染期间均为双峰模态，细模态和粗模态的峰值浓度半径分别为0．1～0．2μm以及2．24～3．85μ，粗细粒子浓度比值由小到大依次为背景（1．04）、秸秆焚烧（1．10）、烟花燃放（1．91）以及沙尘气溶胶（4．96）．