共查询到20条相似文献，搜索用时 546 毫秒
1.
利用机载Ka波段云雷达（Airborne Ka-Band Precipitation Cloud Radar, KPR）和粒子测量系统（Droplet Measurement Technologies, DMT）,分析了2018年4月22日黄淮气旋背景系统下积层混合云中对流泡的动力和微物理特征。首先,对Ka波段云雷达观测的山东地区春季36个对流泡样本按照回波强度、水平尺度、回波顶高三个参量进行统计,结果表明平均回波强度为20～30 dBZ的对流泡占69%。对流泡水平尺度为15～30 km,占61%。对流泡最大回波顶高集中在6～8 km,比周边层云高2～4 km。之后,对4月22日积层混合云中的对流泡个例微物理参数进行统计,结果表明对流泡内部以上升气流为主,最大上升气流速度达到1.35 m s?1,平均上升气流速度为0.22 m s?1;对流泡内过冷水含量比较高,最大含水量为0.34 g m?3,平均含水量为0.15 g m?3。对流泡内冰晶数浓度是泡外的5.5倍,平均直径是泡外的1.7倍。结合云粒子图像探头,发现对流泡前沿和尾部冰粒子以柱状和辐枝状为主,而对流泡核心区域冰粒子以聚合体形式存在。冰粒子通过凇附过程和碰并过程增长,过冷水含量不足时冰粒子的凇附增长形成柱状粒子,含量充足时可迅速凇附成霰粒子。对流泡内降水形成的微物理机制不完全相同,主要依赖过冷水含量。当云中有充足的过冷水分布时,高层冰晶通过凇附增长形成霰粒子,通过融化层后形成降水;当云中缺少过冷水时,降水的形成主要通过水汽凝华过程形成冰雪晶,然后雪晶通过聚合过程实现增长。 相似文献
2.
对云中微物理过程的研究是研究云降水形成过程和人工影响降水的重要基础,目前对积层混合云的对流区/对流泡中的微物理结构了解甚少。本文利用河北省“十三五”气象重点工程——云水资源开发利用工程的示范项目（2017～2019年）“太行山东麓人工增雨防雹作业技术试验”飞机和地面雷达观测数据,重点分析研究了2017年5月22日一次典型稳定性积层混合云对流泡和融化层的结构特征。研究结果表明,此次积层混合云高层存在高浓度大冰粒子,冰粒子下落过程中的增长在不同区域存在明显差异,在含有高过冷水含量的对流泡中,冰粒子增长主要是聚并和凇附增长,而在过冷水含量较低的云区以聚并增长为主。由于聚并增长形成的大冰粒子密度低,下落速度小,穿过0℃层时间更长,出现大量半融化的冰粒子,使融化现象更为明显。镶嵌在层状云中的对流泡一般处于0℃～-10℃（高度4～6 km）层之间,垂直和水平尺度约2 km,最大上升气流速度可达5 m s-1。对流泡内平均液态水含量是周围云区的2倍左右,小云粒子平均浓度比周围云区高一个量级,大粒子（直径800 μm以上）的浓度也更高。在具有较高过冷水含量的对流泡中降水形成符合“播撒—供给”机制,但在过冷水含量较低的区域并不符合这一机制。 相似文献
3.
基于中国气象局龙门云物理野外科学试验基地2DVD（Two-Dimensional Video Disdrometer）雨滴谱观测资料, 分析广东地区2017年5月4日（槽前型飑线）和2017年8月22日（东风型飑线）两次不同飑线系统不同降水类型的雨滴谱特征。根据雨强和雷达反射率随时间变化将降水分成对流降水和层云降水, 同时以20 mm/h为阈值将对流降水划分为对流前沿、对流中心和对流后沿。结果表明, 两次飑线系统在不同降水时期的微物理特征参数变化有所差异。槽前型飑线过程中, 对流降水的粒子分布较为分散, 中等粒径的粒子比重较高, 且对流区前半部分粒子尺寸大于“大陆性”对流特征, 后半部分粒子尺寸小于“海洋性”对流特征; 层云降水的粒子分布较为集中, 小粒径粒子居多。而东风型飑线整个降水时期基本上是由高浓度中小粒径粒子组成, 降水粒子粒径分布较为集中, 对流降水粒子介于“海洋性”和“大陆性”对流区之间。 相似文献
4.
改进的Holroyd云粒子形状识别方法及其应用 总被引：1，自引：0，他引：1
云降水粒子形状是影响云微物理过程的重要因素,准确的云粒子形状信息是诸多云微物理参量计算的前提。为获取机载云粒子成像仪（CIP）所测云粒子的形状信息,文中提出了一种改进的Holroyd云粒子形状识别方法,即先对云粒子形状进行预分类,然后针对预分类后的完整粒子和可识别的部分状粒子,分别选出合适的参数及其阈值再进行具体的分类,最终可将云粒子分为微小状、线形状、聚合状、霰、球形、板状、不规则和枝状。利用实测数据对原始的Holroyd方法和改进的Holroyd方法进行识别效果对比验证。结果表明改进的Holroyd方法在云粒子形状识别的准确度方面比原Holroyd方法有较大的提高。将所提方法应用于太原地区一次降水性层状云的云微物理飞机观测资料以分析不同的降水阶段云中冰晶粒子的形状分布、增长机制、冰晶粒子数浓度以及冰水含量的垂直分布特征,所获取的云中冰晶粒子属性表明新提出方法有助于云微物理分析。 相似文献
5.
利用Thies激光雨滴谱仪观测资料和CINRAD/SA多普勒雷达观测资料,分析了2017年7月18日一次典型中纬度拖曳型飑线过程不同发展阶段雨滴谱和积分参数的演变特征,主要结果为：1）成熟飑线回波包括对流带、过渡区和拖曳层状云区三部分,对流带前侧不断有对流带生成并合并到主对流带中,使得对流带的前沿具有强的反射率因子,并且有多个雨强大值中心。2）垂直穿过飑线对流带,雨强增加阶段有较少的小粒子（直径小于1 mm）和特大粒子（直径大于5 mm）,以及较低的雨滴浓度和反射率因子,而雨强减弱阶段有较多的小粒子和特大粒子,以及较高的雨滴浓度和反射率因子;飑线加强阶段,雨滴谱有较大的峰值直径（0.44 mm）、较多的大（直径大于3 mm）和特大粒子,而飑线减弱阶段,雨滴谱有较小的峰值直径（0.19 mm）、较少的大粒子。3）对流带、过渡区和层状云降水雨滴谱的Gamma谱三参数N0、μ、λ随雨强增大有明显的分层特征,相同雨强时,对流云和过渡区降水的三参数比层状云降水的数值大;而飑线不同发展阶段、不同降水类型的λ-μ关系具有一致性,二次多项式可以很好地拟合λ-μ关系。4）归一化雨滴谱参数NW和D0的分布可以用来区分对流云和层状云降水,并给出了新的分离线方程;另外,飑线在发展和减弱阶段的雨滴谱特征有明显差异,表明飑线演变过程降水形成的微物理机制发生变化,前期冷云过程有重要影响,而后期暖云过程起主导作用。 相似文献
6.
目前人们对超级单体云团降水回波结构的认知仍有限。本文采用GPM (Global Precipitation Measurement)卫星搭载的测雨雷达DPR (Dual-frequency Precipitation Radar)和微波成像仪GMI (GPM Microwave Imager)的探测结果,结合FY-4A静止卫星多通道扫描成像辐射计(AGRI)的热红外10.8μm通道观测结果、探空站的温湿风观测结果及欧洲天气预报中心再分析数据,利用雷达回波剖面和回波反射率因子概率密度随高度分布的方法,分析了2018年5月重庆地区超级单体云团的降水结构特征。结果表明:该超级单体云团由西北向东南运动的冷空气与暖湿空气交汇而引发;超级单体云团内存在对流降水和层状降水等次尺度系统;强降水区位于云贵高原与四川盆地交界处至盆地的西南部;超级单体暴雨云中冰相粒子多;对流降水的回波顶高度超过12 km,且最大回波强度多数位于地面上空4—5 km;对流降水比层状降水拥有更高的降水粒子浓度,而粒子大小却小于后者;对流降水的粒子尺度随着高度下降而明显增大,反映了其明显碰并增长过程。 相似文献
7.
本文统计分析了北京地区近三年的有效降水,重点研究了积层混合云降水特点并对其分类,发现积层混合云降水出现频次约占总降水次数的61%,其中积层混合云降水以积层连结型和水平混合型为主,二者之和占近80%。重点分析了积层混合云中对流和层云两种不同特点降水类型的宏微观结构,确立了反射率因子Z、温度T、粒子含水量M、催化剂AgⅠ（碘化银）活化率NE和粒子相态HTC（hydrometeor type classification）为人工增雨潜力识别指标及这些识别指标的取值范围,同时也根据研究现状和人工影响天气需求总结制定出人工增雨潜力等级。利用偏振雷达构建模糊逻辑识别算法对积层混合云三种降水类型进行增雨潜力区域识别研究,结果表明:（1）对于播撒碘化银增雨来说,积层混合云的增雨潜力区在垂直方向上可分为上、中、下三层,上层（增雨等级为“不适合”）和下层（零度层及以下）分别受含水量和温度等影响不适合增雨,中间层（增雨等级大于等于“等级一”）是可增雨区域;（2）积层混合云中层云区增雨潜力较小,对流云区可增雨潜力要远大于层云区,开式流场型与积层连结型可增雨潜力要大于水平混合型;（3）当降水云中识别出霰粒子时,其附近的大部分区域会有较好的增雨潜力。通过偏振雷达实例检验和数值模式模拟在积层混合云不同部位播撒碘化银催化试验发现,在增雨潜力较好的区域催化有很明显增雨效果,模拟试验结论与偏振雷达识别增雨潜力区结果也基本一致,说明基于偏振雷达的增雨潜力区识别方法和结果是具有参考意义的。 相似文献
8.
用雷达反射率作对流性降水和层状云降水自动分类 总被引：3，自引：3，他引：3
为提高雷达定量测量降水的精度,利用武汉CINRAD/SA雷达反射率数据,研究提出了对流性降水和层状云降水自动分类算法(ACSS)。该算法在二维反射率结构场初步分类降水的基础上,识别亮带并从体扫描数据中提取降水的三维结构特征,然后对初步分类结果进行订正。试验表明,ACSS能较准确地实现对流性降水和层状云降水的自动分类,相对于只根据二维结构分类降水性能上有较大提高,主要表现在能正确识别出亮带特征明显的强层状云和对流核外沿的对流弱回波区。 相似文献
9.
利用2015—2017年夏季南京地区的雨滴谱数据,对南京在梅雨开始前、梅雨期及梅雨结束后3个不同时段降水的宏微观特征进行分析发现:梅雨开始前对流活动强度偏弱,但对流降水的雨滴平均质量加权直径、分钟级强降水频率和逐小时累积短时强降水的频率为3个时段中最高;天气尺度强迫提供的有利于降水的持续性条件、弱对流强度下充分的凝结过程及微物理相关过程对云粒子的损耗偏弱,是有利于该时段大雨滴形成和降水效率提高的重要因素。梅雨结束后,高温高湿环境易产生剧烈对流活动,导致对流降水的大尺度雨滴样本比例及分钟级极端降水发生频率位于3个时段的首位。层云降水时,梅雨期降水频率、降水率及雨滴尺度平均值均位于首位,小尺度雨滴样本比例最低;有利天气尺度强迫条件下的充分碰并作用是主要原因之一。不同时段雨滴谱谱形参数（μ）与斜率（Λ）之间的二项式关系式的差异与μ的取值有关。 相似文献
10.
利用基于T矩阵法建立的降水粒子雷达探测模型,建立了基于支持向量机(Support Vector Machine,SVM)的雷达降水类型识别模型。通过样本数据归一化预处理,并考虑到样本集中各偏振参量间是非线性的,择优选径向基核函数作为非线性支持向量机的核函数,采用粒子群优化算法(Particle Swarm Optimization,PSO)获取最优核函数参数C和γ,使模型达到较高分类预测准确率。建立的SVM雷达降水类型识别模型,在各仰角的预测准确率于X波段可达80%以上,于S波段可达95%左右。进一步分析发现,当多波长下预测降水类型相同时,分类预测结果准确率可达97.3%,而错误的概率仅为2.7%。可见,所建立的SVM雷达降水类型识别模型,有效提高了雷达对流天气下降水类型的识别能力。 相似文献
11.
利用云和降水探测设备（DMT-PMS）对一次层状云降水过程进行了探测。分析发现CAS（云及气溶胶粒子探头）在该弱降水云中测得的云粒子平均浓度大于FSSP在其他地区层状云中所测平均值,CIP（二维云粒子图像探头）与2D-C及2D-GA2所测冰晶粒子平均浓度接近,PIP（二维降水粒子探头）与2D-P所测降水粒子平均浓度相当。观测发现云区雪晶浓度与冰晶浓度呈正相关关系,在冰晶浓度〈10^4个／m^3时,雪晶、冰晶浓度之比与冰晶浓度为负相关关系;在冰晶浓度〉10^4个/m^3的时刻,雪晶、冰晶浓度之比不因冰晶浓度变化而变化。温度为-10～-12℃的云区云水条件丰富,有较多的冰晶在该层孕育;降水粒子在温度-7～-10℃的云区生长。温度为-5～-7℃的云区云水不丰富,降水粒子蒸发变小;温度为-4～-5℃的云区仅有少量的降水粒子。 相似文献
12.
13.
基于历史航测数据,对Holroyd云粒子形状分类方法的阈值进行了改进,使得改进阈值后的Holroyd云粒子形状分类方法更适合机载云粒子成像仪（Cloud Imaging Probe, CIP）在我国华北地区所测冰晶粒子形状识别。将改进阈值后的方法应用于山西一次降水性层状云的飞机观测资料分析发现,此次降水性层云中无论在水平分布还是垂直分布上,出现频率在15%以上的冰晶粒子形状有4种,其中有3种较为固定,分别是霰、线形状和不规则状,另外一种形状则与具体的云内环境有关,垂直方向上不同温度区间内为枝状（?8～0°C）和微小状（?12～?8°C）,不同高度的水平方向上则是枝状（5200 m）、微小状（5500 m）和板状（5800 m）;云中冰晶粒子数浓度在水平和垂直方向上波动较大,最小值小于1 L?1,最大值则大于20 L?1,垂直方向上的最大值分别位于每层云中的下部;云中冰水含量值在水平方向和垂直方向上波动范围也很大,其在垂直方向上的云中最大值区域与冰晶粒子数浓度的最大值区域基本一致。 相似文献
14.
利用TRMM (Tropical Rainfall Measuring Mission) 卫星降水雷达 (Precipitation Radar,PR) 资料对2005年8月发生在墨西哥湾的热带气旋卡特里娜 (Katrina) 初生、发展和变性3个阶段的层状云和对流云的近地面降水和降水垂直廓线进行分析。结果表明:在热带气旋的整个生命期,对流性降水个数约是层状云降水个数的四分之一;随着气旋的发展,对流性和层状云降水的平均强度逐渐增强, 在登陆前有所减弱,登陆后对流性降水和总平均降水均增强,层状云降水稍有减弱;大部分降水廓线都随高度升高均呈现先略增大 (到4 km高度)、再减小的趋势,在6~7 km处由于冻结层的存在使得降水达到最小值。 相似文献
15.
利用TRMM卫星资料对"07.7"川南特大暴雨的诊断研究 总被引：2，自引：0，他引：2
利用TRMM卫星探测结果,结合多普勒雷达风廓线资料,研究了2007年7月9日发生于四川盆地南部的一次特大暴雨过程在不同阶段的降水粒子风廓线、潜热和降水结构特征。结果表明：（1）大暴雨区存在低层辐合、高层辐散的典型垂直环流结构。（2）强降水系统由一个主降水云团和多个零散降水云团组成;降水系统中对流降水所占面积比层云降水面积小,但对流降水具有很强的降水率,对总降水量的贡献超过层云降水。（3）降水发展旺盛阶段,强对流降水的雨顶高度可达17 km,强降水主体中垂直方向和水平方向均存在非均匀的降水强度分布;减弱阶段,强降水雨顶高度仅10 km左右,且其层云降水有清晰亮度带。 相似文献
16.
利用2009年5月8日多普勒雷达资料和飞机穿云观测资料,综合分析了西风槽影响下山西省一次积层混合云的形成过程和微物理结构。结果表明,此次飞机探测到的积层混合云是由对流单体多次并合形成的带状对流云团减弱后形成的,云中嵌有明显的对流泡,最大强度为45～50dBZ,最大垂直尺度在6km左右。CDP（cloud droplet probe,前向散射粒子谱探头）、CIP（cloud ima-ging probe,二维灰度云粒子探头）、PIP（precipitation imaging probe,二维灰度降水粒子探头）测量的平均数浓度变化范围分别是132.4～220.2cm-3、1.54×10-1～6.28×100cm-3、9.09×10-4～7.34×10-3cm-3。二维图像表明,冷层中的固态粒子主要是形状不规则的霰粒子,说明过冷水供应充足;在-7℃左右观测到柱状聚合体和凇附程度不同的冰雪晶粒子,表明柱状冰晶通过凝华形成后,碰并和凇附是其增长为霰粒子的重要机制。不同高度的CDP平均谱（2～50μm）存在一定的差异,因低层水汽凝结作用较强,2～18μm的云粒子数浓度基本随高度的增加而降低;因暖层中碰并效率低和冷层中小冰晶浓度随高度增加,24～35μm粒子数浓度随高度增加而增大。CIP平均谱（25～1550μm）,除4100m为双峰谱外,其他高度均为单峰谱。PIP平均谱（100～6200μm）,4450m高度处的粒子谱宽和数浓度最大,3200～4000μm之间出现大值区域,表明对流单体及周边区域为较大固态降水粒子的形成提供了良好的环境。 相似文献
17.
利用机载云降水粒子成像仪进行飞机入云观测是云微物理研究的一种重要探测手段。机载云降水粒子成像仪对所采集到的云粒子图像信息先进行压缩处理后再传入电脑进行存储。后续的粒子图像信息回放,需要借助专门的软件才能实现,为实现对云降水粒子图像信息的回放,在分析云降水粒子图像数据格式的基础上,利用图形化语言LabVIEW编写了粒子图像数据的解压缩程序,并采用消息队列和JKI状态机的组合形式进行软件架构的系统设计,最终开发出云降水粒子图像回放软件。该软件可实现对云降水粒子成像仪的粒子图像数据进行读取与显示,还可对粒子图像信息进行提取和存储,可辅助云降水物理的研究。 相似文献
18.
利用机载云粒子探测设备入云进行观测是目前获取云粒子微物理特征最直接有效的手段。国内已有多家单位引进美国DMT（Droplet Measurement Technologies）公司的云粒子图像探头CIP（cloud imaging probe）。由于其配套软件不能输出逐个粒子的详细信息,在很大程度上限制了对云粒子图像探测数据的深入挖掘和分析。基于解析粒子图像原始数据,对粒子图像数据进行质量控制,并根据粒子形状几何特征将粒子形状分为8类（微小、线状、聚合状、霰状、球状、板状、枝状和不规则状）。利用2018年12月—2019年3月河南省3次冬季航测获取的灰度CIP探测数据,分析云粒子形状及各形状粒子面积的统计特征,并对比基于不同形状粒子的质量-尺度关系与将所有粒子视作球形液滴计算所得的粒子水凝物含量,发现后者超过前者约1个量级。 相似文献
19.
TRMM卫星对一次冰雹降水过程的观测分析研究 总被引：7，自引：2，他引：7
利用TRMM卫星上时空匹配较好的测雨雷达(PR)、微波成像仪(TMI)、可见光和红外扫描仪(VIRS)观测资料,研究了1999年5月9日发生在黄淮地区的一次冰雹降水过程。根据卫星接连3个轨道的观测,综合分析了此次强对流降水过程在不同阶段的降水结构、云顶亮温和降雨厚度以及相应的微波亮温变化特征。观测分析表明,此次降水过程由对流很强的冰雹降水逐渐演变到对流渐弱的暴雨降水。冰雹降水阶段,云中有多个强对流单体,云体中高层有大量的固态降水粒子,使得中高层降水量在降水柱含量中贡献远大于融化层降水量的贡献;暴雨降水阶段,若干对流单体被大面积的层云降水包围,降水高度逐渐降低,云体中高层降水量明显减少,融化层降水量对柱含量的贡献明显增加。降水率廓线中不同高度的降水量对降水柱含量贡献的比较表明:中高层降水量占的比例越大,降雨云对流越强,反之,融化层降水量占的比例越大,降雨云越趋向为稳定的层云。微波亮温信号在不同降雨阶段随雨强的响应程度大不相同,这表明在反演地面降雨时,最好结合降雨云的结构特征及其发展阶段,针对不同降雨类型选取最为有效的微波通道组合来建立最佳反演模式。 相似文献
20.
中尺度对流系统（Mesoscale Convective System,MCS）是很多对流性天气的主要致灾体,可导致严重的气象和水文灾害,如雷暴大风、冰雹、龙卷风和山洪。对MCS进行准确的识别和追踪,并根据追踪轨迹及获得的MCS特征实现MCS的分类,对灾害天气的分析和预报有重要意义。基于京津冀地区2010—2019年的雷达组合反射率拼图资料,分别使用支持向量机（SVM）、随机森林（RF）、极度梯度提升决策树（XGBoost）和深度神经网络（DNN）4种机器学习方法,研发了京津冀地区MCS的自动识别算法。使用时、空重叠追踪法对识别的MCS进行追踪匹配,得到包含强度、时间和空间信息的MCS追踪数据资料。在区分线状对流系统和非线状对流系统的基础上,进一步从经典的尾随层云（Trailing Stratiform,TS）、前导层云（Leading Stratiform,LS）和平行层云（Parallel Stratiform,PS）三类准线性MCS的概念模型和结构特征出发,根据追踪轨迹计算MCS的运动方向和MCS近似长轴两侧层状云和强对流云的面积占比,建立准线性MCS的分类算法。MCS的识别属于二分分类问题,以命中率（POD）、虚警率（FAR）、临界成功指数（CSI）和准确率（ACC）为评价指标,综合对比各项指标发现DNN模型较SVM、RF和XGBoost模型对MCS的识别效果更好。使用时、空重叠追踪法对DNN模型识别的MCS进行追踪,结合对两个追踪实例的分析,发现本研究所用的算法取得了很好的追踪结果,也进一步说明了深度学习方法识别MCS的准确性和优势。根据追踪轨迹计算某时刻MCS的运动方向,结合识别的层状云和强对流云的分布位置,准确实现了TS、LS和PS型准线性MCS的分类,为准线性MCS的生命史预测及其致灾天气特别是短时强降水的强度、位置和持续时间的客观预报提供了一种技术思路。 相似文献