JOPLE算法结合双偏振雷达在不同降水过程中的测雨效果分析

JOPLE(Joint Polarization Experiment)算法是反演降水的一种合成算法,适用于偏振雷达。基于雨量站的测雨数据,对美国科罗拉多州丹佛市2008年8月9日强降雨和2009年7月3日有冰雹降水的过程进行对比,分析CHILL双偏振雷达结合JPOLE算法的测雨模式(简称RZK)与其他三种基于不同R(Z)关系的CHILL(简称RZDG、RZ88)、NEXRAD雷达测雨模式(简称KFTG)的测雨结果统计特征及测雨效果。结果表明:在强降雨过程中,RZK正确估测降雨位置525个,降雨量高估1 mm,测雨数据与雨量站测雨数据的相关系数为0.81,误报率低,测雨精度比其他模式好;在有冰雹的降雨过程中,RZK正确估测降雨位置604个,降雨量高估8 mm,测雨数据与雨量站测雨数据相关系数为0.71,与RZDG模式的测雨精度相当,但其FAR(虚假警报率)、CSI(临界成功指数)和H-K(汉森-奎伯斯技能得分)的STDEV值比其他模式的大;在两场降水中,四种测雨模式计算得到降雨数据的FAR值都随降雨强度的增大而减小。