2026, Vol. 52 
2. 上海中心气象台，上海 200030；
3. 上海市青浦区气象局，上海 201700；
4. 浙江省嘉兴市气象局，嘉兴 310002；
5. 江苏省南通市气象局，南通 226018
2. Shanghai Central Meteorological Observatory, Shanghai 200030;
3. Qingpu District Meteorological Office of Shanghai, Shanghai 201700;
4. Jiaxing Meteorological Office of Zhejiang Province, Jiaxing 310002;
5. Nantong Meteorological Office of Jiangsu Province, Nantong 226018
强对流天气是预报难度较大的灾害性天气，具有时间短、突发性强、局地性强等特点。台风天气过程是致灾影响范围最大的灾害性天气，具备影响范围大、破坏力强等特征。以局地强对流和台风为代表的灾害性天气，对经济高质量发展和人民生命安全的威胁较大(俞小鼎和郑永光，2020；罗亚丽等，2020；端义宏等，2012)。如2016年6月1日下击暴流造成“东方之星”号倾覆，442人遇难(郑永光等，2016a)；2016年6月23日江苏省盐城市阜宁县出现EF4级龙卷，造成99人死亡，800余人受伤(郑永光等，2016b)；2019年辽宁铁岭开原出现EF4级龙卷，造成7人死亡，190余人受伤(郑永光等，2020)；2014年台风“威马逊”造成广东、广西、海南、云南等地1100余万人受灾，房屋倒塌4.2万间，直接经济损失400余亿元(杨绚等，2020)。
双偏振天气雷达具备探测距离广、时空分辨率高等特点，在强对流和台风两类天气监测和预警中发挥着不可替代的作用。借助于天气雷达，强对流和台风的相关机制、机理也逐渐被揭示。20世纪70年代以来美国建立超级单体概念模型，后侧下沉气流(RFD)和前侧下沉气流(FFD)作为超级单体的两个关键特征，RFD与龙卷生成密切相关，FFD与风暴的旋转特性和直线风有关(Markowski，2002；Shabbott and Markowski, 2006；Grzych et al，2007)。国内外学者们基于双偏振参量(差分反射率ZDR、差分传播相移率KDP等)，开展了一系列风暴结构与微物理特征研究(张鸿发等，2001；曹俊武和刘黎平, 2007)。Hall et al(1984)研究发现对流风暴融化层上存在ZDR柱，并揭示了ZDR柱可定性表征对流风暴中强烈的上升气流区。Kumjian and Ryzhkov (2008)进一步提炼了超级单体风暴中的ZDR弧、KDP柱、ZDR洞等大风和冰雹的雷达先兆特征。国内，李国翠等(2013)利用天气雷达三维组网数据提炼出6个主要识别指标，基于模糊逻辑方法，构建了对流性地面大风的识别方法。植江玲等(2022)基于双偏振雷达对比分析了2019年广东两次超级单体导致的下击暴流和龙卷大风，发现中气旋垂直结构和强度的明显差异是造成两种不同类型极端大风的主要成因。黄先香等(2024)依托双偏振雷达和其他多源观测资料，剖析了广东龙卷的时空分布特征以及龙卷对流风暴形态等气候统计特征。徐芬等(2021)、慕瑞琪等(2022)通过对江苏省龙卷过程的天气雷达特征的分析研究，凝练整理了中气旋特征和龙卷涡旋特征在龙卷预警中的业务应用指标。赵坤等(2015)利用东南沿海多个登陆台风的天气雷达资料，采用速度体积分析方法反演登陆台风的边界层风场结构特征，与探空观测的对比检验显示该方法可以准确地反演登陆台风的边界层风场结构。高拴柱(2020)利用多普勒天气雷达资料，对2018年台风“温比亚”的强对流螺旋雨带进行了观测特征详细分析，识别出多个超级单体风暴以及低层龙卷涡旋特征。
但上述工作均基于雷达的VCP21体扫模式开展，强对流天气往往在垂直方向上发展的高度较高，现有的体扫模式对垂直方向上的精细化特征刻画存在不足；对台风个例而言，由于中高层径向风场信息的缺失，限制了台风预报预警能力的提升和台风机制机理的揭示。为了提高天气雷达对灾害性天气尤其是强对流天气的监测能力，国内外学者对天气雷达的体扫模式进行了广泛的研究。美国对于雷达体扫模式的探索开展较早，相关气象从业人员和学者基于WSR88D雷达，设计了VCP11、VCP12、VCP21、VCP121、VCP211、VCP212、VCP221、VCP31和VCP32等多种体扫模式。VCP11、VCP12等强对流体扫模式较VCP21在时空分辨率均有不同程度的提升，同时解决了仰角大于5°时VCP21或VCP22体扫模式数据明显缺失的问题(Brown et al，2000)。2011年动态扫描技术AVSET (automated volume scan evaluation and termination)被部署在WSR88D雷达上，可在没有降水回波的高仰角扫描中自动终止当前的体积扫描，从而节省时间和资源，提高雷达的响应速度(Cho and Kurdzo, 2019)。2014年升级为SAILS(supplemental adaptive intra-volume low level scan)动态扫描，在低层插入额外的0.5°扫描，能够更频繁地进行低层扫描，对监测龙卷等发展快速的天气至关重要(Kingfield and French, 2022)。2016年在此基础上，又研发了MRLE(mid volume rescan of low-level elevations)模式，其可在体积扫描的中间部分重新扫描最低的多个仰角(Cho et al，2022)。国内而言，刘应军等(2006)对比VCP21和VCP11，认为在近距离的强对流天气中使用VCP11体扫模式更优。杨金红等(2013)以福州、龙岩雷达为例，设计新的体扫模式VCP12，通过增加低仰角和负仰角扫描，改善了雷达低层中远距离的探测能力。李柏等(2013)分析了新一代天气雷达对大、中尺度天气系统的监测能力，指出VCP11体扫模式比VCP21体扫模式更适合对风暴垂直结构进行精细化探测。张晶等(2024)对营口天气雷达4种体扫模式进行业务试验，发现强对流探测模式VCP12D和VCP212D较VCP11D增加了低层的垂直分辨率，可以获得距离雷达100 km之外更为详细的探测数据，同时缩短了雷达体扫时间，对于发展较快的强对流风暴探测效果更好。
2021年4月，中国气象局遴选了17部雷达启动新一代天气雷达模式智能运行试点工作，在美国WSR88D现有模式的基础上，增加了VCP215D、VCP216D等体扫模式，并在试运行过程中制定和优化观测模式方案，旨在提升灾害性天气监测预报预警服务能力。截至2024年11月，全国范围内已有239部雷达完成了天气雷达的多模式自适应切换工作。本文基于环上海地区的S波段双偏振雷达高时空分辨率观测网，利用6部雷达评估多观测模式在一般降水、强对流和台风等不同类型天气过程中的适用性，为天气雷达观测模式选择和优化提供一定参考，从而进一步挖掘新一代天气雷达多观测模式的潜在效益。
1 资料来源及多体扫模式选用上海市及其周边共6部S波段双偏振雷达参与天气雷达多模式观测的适用性评估，分别为上海青浦、江苏南通和浙江杭州、湖州、嘉兴和宁波雷达，雷达布局和扫描范围详见图 1。
|
图 1 参与评估的6部S波段双偏振雷达位置(彩色圆点)与扫描范围(灰色阴影) 注：红色数字为雷达间的距离(单位：km)。 Fig. 1 Locations (colored dot) and scan coverage (gray shadow) of the six S-band dual-polarization radars participating in the evaluation |
6部雷达的相互间距在42~156 km，非常适合于针对同一个影响系统进行精细化检验评估。6部雷达中，青浦和南通雷达在降水过程中根据天气形势启动VCP21D和VCP11D的自适应切换，杭州、嘉兴、湖州和宁波雷达启动VCP215D和VCP216D的自适应切换。
本文中对比的3种模式(VCP21D、VCP11D、VCP216D)扫描方式详见表 1。其中，VCP11D模式相较VCP21D模式在高仰角增加了5个仰角的扫描(5.3°、7.5°、8.7°、12.0°和16.7°)。VCP216D模式在VCP11D模式的基础上，增加了1.0°仰角的扫描。
|
表 1 VCP21D、VCP11D、VCP216D模式扫描方式 Table 1 VCP21D, VCP11D and VCP216D scanning methods |
相较于强对流天气过程，积层混合型降水过程中的融化层的垂直结构相对稳定，其识别主要依赖于相关系数(ρhv)、ZDR等双偏振参量(Giangrande et al，2008)。尽管VCP21D体扫模式较VCP11D和VCP216D体扫模式缺少5个高仰角的扫描，但在2024年6月12日受切变线影响而出现的一次积层混合型降水过程中，青浦雷达(VCP21D)和杭州雷达(VCP216D)均成功捕捉到零度层亮带特征。如图 2a所示，08:28(北京时，下同)杭州雷达8.7°仰角上(VCP21D缺少的高仰角)观测的回波最强，达59 dBz，且呈圆弧形。然而对应的小时降水量普遍低于1 mm，结合融化层中冰水混合相态、形状不规则导致的ρhv明显下降(图 2b)，强回波对应区域ρhv为0.70~0.95，可以准确判定这是由融化层引起的回波强度异常升高现象——零度层亮带。而08:26青浦雷达在4.3°仰角仍正确识别出零度层亮带特征(图 2c，2d)，零度层亮带的正确识别有利于减少强降水的误判(黄钰等，2013；曹杨等, 2018)。
|
图 2 2024年6月12日(a，b)杭州雷达(VCP216D)和(c，d)青浦雷达(VCP21D) (a，c)反射率因子叠加融化层产品及(b，d)对应的相关系数 注：蓝色实线、虚线分别表示由融化层检测算法计算的融化层上、下边界。 Fig. 2 (a, c) Reflectivity factor overlaid with melting layer product from (a, b) Hangzhou Radar (VCP216D) and (c, d) Qingpu Radar (VCP21D) on 12 June 2024, and (b, d) their corresponding correlation coefficients |
为更进一步对比VCP21D和VCP216D体扫模式对于融化层识别的能力，选取07:30—08:30(便于与实况探空进行比对)杭州雷达强回波区域内(方位角30°~150°)的平均融化层底部和顶部高度，青浦雷达强回波区域内(方位角120°~240°)的平均融化层底部和顶部高度进行分析。由图 3可见，本次过程融化层实际高度在4.7~5.0 km，VCP216D体扫模式识别的平均融化层底部高度和顶部高度呈现明显的震荡，底部、顶部高度的标准差分别为674 m、751 m，数据波动幅度过大。而VCP21D体扫模式识别的平均融化层底部高度和顶部高度相对平稳，底部、顶部高度的标准差分别为68 m、266 m，且平均融化层顶部高度与实况较为吻合。可见，VCP21D体扫模式对于融化层识别的能力要强于VCP216D体扫模式，更加稳定。另外，VCP21D体扫模式对雷达的硬件要求更低，针对积层混合降水，VCP21D体扫模式已经能够满足探测性能的要求。
|
图 3 2024年6月12日07:30—08:30杭州雷达(VCP216D)和青浦雷达(VCP21D) 识别融化层高度的时间序列 Fig. 3 Time series of melting layer height identified by Hangzhou Radar (VCP216D) and Qingpu Radar (VCP21D) from 07:30 BT to 08:30 BT 12 June 2024 |
2024年7月10日，苏南至浙北沿线一带出现了飑线天气过程，并依次影响湖州、苏州、嘉兴、南通和上海等地。此次飑线过程时段内青浦雷达启动了VCP11D体扫模式，南通雷达启动了VCP21D体扫模式，湖州雷达启动了VCP216D体扫模式。Weisman et al(1988)和Rotunno et al(1988)通过数值模拟揭示了飑线发展维持的机理并提出了解释飑线发展传播的“RKW”理论，即较强的垂直上升运动是飑线维持和发展的必要条件之一。同时，ZDR柱已被证实可定性表征上升运动的强弱(Kumjian and Ryzhkov, 2008)，故借助青浦、南通和湖州雷达在此次飑线过程中的ZDR柱典型特征说明多观测模式的差异(图 4)。
|
图 4 2024年7月10日(a, b)青浦雷达(VCP11D)，(c, d)湖州雷达(VCP216D)，(e, f)南通雷达(VCP21D)的(a, c, e)组合反射率因子及(b, d, f)对应ZDR剖面 注：图b，d，f为分别沿图a，c，e中黑色虚线的剖面；蓝色虚线为湿球零度层，黑色虚线为ZDR柱位置。 Fig. 4 (a, c, e) Composite reflectivity factor and (b, d, f) profile of ZDR from (a, b) Qingpu Radar (VCP11D), (c, d) Huzhou Radar (VCP216D) and (e, f) Nantong Radar (VCP21D) on 10 July 2024 |
飑线自西向东移动过程中，湖州雷达在19:04首次观测到正ZDR区域突破零度层高度，形成ZDR柱(于19:33发展至最旺盛阶段)。19:33单雷达组合反射率因子(图 4a，4c和4e)显示3部雷达对飑线主体形态的刻画较为一致，强回波区域对应的组合反射率因子数值也较为接近，表明3部雷达在探测性能上差异不大，具有可比性。对3部雷达在相同位置沿飑线移动方向进行ZDR剖面分析，青浦雷达(VCP11D)和湖州雷达(VCP216D)对ZDR柱的垂直细微结构刻画更加精细化，其形态与经典ZDR柱概念模型更加吻合，南通雷达(VCP21D)显示的ZDR柱分辨率较低，相对模糊(图 4b，4d和4f)。说明VCP11D和VCP216D体扫模式对于此类强天气尺度强迫过程的典型特征捕捉优势明显。
对比3种体扫模式在典型位置(图 4的ZDR剖面35 km处)的垂直探测能力，发现VCP216D和VCP11D体扫模式在中层和高层的ZDR值和反射率因子都有明显的波动，能够较好地捕捉到飑线过程中不同高度上的降水粒子变化和对流活动的不均匀性，对垂直结构的精细刻画能力较强，而VCP21D模式下的垂直结构较为粗糙(图 5)。VCP216D、VCP11D模式在3~6 km高度处分别探测出最强反射率因子(60.5 dBz和56 dBz)、最大ZDR值(5.5 dB和5.3 dB)，表明垂直上升运动强烈，该层有扁椭球状的大粒子，存在混合相态降水的可能。而VCP21D模式在3~6 km探测的最大反射率因子为41 dBz，最大ZDR值为3.1 dB，对冰雹刻画不明显。
|
图 5 2024年7月10日19:33青浦雷达(VCP11D)、湖州雷达(VCP216D)和19:34南通雷达(VCP21D)在典型位置的(a)反射率因子和(b)ZDR垂直廓线 Fig. 5 Vertical profiles of (a) reflectivity factor and (b) ZDR at typical locations from Qingpu Radar (VCP11D) and Huzhou Radar (VCP216D) at 19:33 BT, Nantong Radar (VCP21D) at 19:34 BT 10 July 2024 |
2024年7月18日，上海处于副热带高压控制下，山东半岛至江苏北部有切变存在，低层700 hPa和850 hPa在浙江北部到上海一带可见明显的风速辐合和弱的暖平流环境。受其影响，午后嘉兴北部和上海西部地区出现分散性阵雨或雷雨，伴有9~10级雷暴大风。本次过程中，对流单体在嘉兴境内触发生成，在嘉兴与上海毗邻区域发展为超级单体风暴。其路径位于青浦雷达和嘉兴雷达之间，非常适合比较VCP216D和VCP11D在对流发展过程中的效能。
阵风锋作为雷暴大风的直接前兆，其形成与发展标志着雷暴系统内部动力过程的强烈活动，其位置和移动速度可以作为雷暴系统移动路径的重要参考。如图 6所示，14:09青浦雷达(VCP11D)的0.5°仰角受到地面杂波的影响，导致雷达回波图上阵风锋的识别受阻。相对而言，14:06嘉兴雷达(VCP216D)1.0°仰角的反射率因子图上，可以观测到对流单体移动路径右侧存在明显的西南—东北方向的弧状细长狭窄回波带，这一特征为阵风锋的识别提供了有力依据，从而为预报员的快速决策提供支撑。
|
图 6 2024年7月18日(a)14:06嘉兴雷达(VCP216D)1.0°仰角, (b)14:09青浦雷达(VCP11D)0.5°仰角反射率因子 Fig. 6 Reflectivity factor from (a) Jiaxing Radar (VCP216D) at 1.0° elevation at 14:06 BT, and (b) Qingpu Radar (VCP11D) at 0.5° elevation at 14:09 BT 18 July 2024 |
同时，相比较传统的VCP21D模式而言，VCP216D和VCP11D模式增加了5.3°、7.5°、8.7°、12.0°和16.7°等高仰角的探测。从中国气象局天气雷达业务软件(ROSE)识别结果来看，在本次个例中，14:36—14:42，嘉兴雷达(VCP216D)7.5°、8.7°和12.0°仰角的径向速度上均可见较明显的中气旋(图 7)，该特征是右侧单体演变为超级单体的关键判据。且中气旋出现的初始仰角为7.5°，由于中气旋算法需要连续3层均符合中气旋判据才能生成中气旋产品(Stumpf et al，1998)，故针对本个例，传统的VCP21D的体扫模式难以契合上述判据。
|
图 7 2024年7月18日嘉兴雷达(VCP216D)不同仰角的径向速度 注：虚线圆圈、实线圆圈分别为ROSE识别的三维风切变、中气旋位置。 Fig. 7 Radial velocity at different elevation angles of Jiaxing Radar (VCP216D) on 18 July 2024 |
嘉兴雷达(VCP216D)和青浦雷达(VCP11D)在14:36—14:48期间对该天气系统进行观测，嘉兴雷达成功识别出了中气旋特征，而青浦雷达未观测到有效信号(表 2)。其原因主要是风暴单体与青浦雷达的水平距离较近，雷达波束无法满足中气旋算法要求，同时青浦雷达附近有较明显的地物遮挡，亦影响了青浦雷达对中气旋的识别能力。嘉兴雷达在14:36监测到三维风切变，该切变底高4.3 km，顶高7.4 km，切变值7×10-3 s-1，表明在中高层存在较强的旋转。14:42—14:48，该系统进一步演变为中气旋，切变值增强至9×10-3 s-1，顶高降低至5.0~6.2 km，直径减小至4.4~5.0 km，可见该中气旋核心区垂直结构收缩且强度增强，符合超级单体的成熟阶段特征。VCP216D模式能够观测到风暴回波的结构细节及其顶部高度等特征，实现了中气旋产品的识别，进而帮助预报员快速识别出超级单体。结合超级单体的概念模型和地面自动站实况(RFD造成的大风)，中气旋前侧有出现FFD造成的下击暴流大风的可能，助力此次过程高级别大风预警信号的发布。
|
|
表 2 2024年7月18日14:36—14:48嘉兴雷达(VCP216D)中气旋产品识别结果 Table 2 Identification results of mesocyclone products from Jiaxing Radar (VCP216D) from 14:36 BT to 14:48 BT 18 July 2024 |
CAPPI(constant altitude plan position indicator)可提供对应不同高度的雷达参量，有利于分析不同高度的天气系统。作为天气雷达主要衍生产品之一，在天气雷达组网拼图、天气雷达定量降水估测等多个方面起到重要支撑作用。为详细评估VCP11D和VCP21D两种体扫模式的业务应用效果，利用同一时刻的VCP21D和VCP11D数据，选用Barnes方法构建CAPPI产品。Barnes方法基于统计学原理，通过最小化观测值与分析值之间的误差来对气象数据进行客观分析，能够高效、准确地处理一维与二维场数据(Pauley and Wu, 1990)，是一种在气象学领域广泛使用的客观分析技术。本文采用该方法进行分辨率为1 km的等高平面插值，能够优先保留高分辨率特征，同时不添加额外的填补步骤，以客观反映高分辨率结构的真实性，Barnes插值的空缺区域代表实际观测的数据盲区。以2024年7月10日的飑线过程为例，当天上海青浦雷达启动了VCP11D的观测模式，基于VCP11D数据通过数据编码构建VCP21D数据，并进行对比分析，结果如图 8所示。
|
图 8 2024年7月10日20:03青浦雷达(a，c)VCP11D和(b，d)VCP21D模式在不同高度的CAPPI产品 Fig. 8 CAPPI products from the Qingpu Radar at different altitudes based on (a, c) VCP11D and (b, d) VCP21D modes at 20:03 BT 10 July 2024 |
在5 km高度处，雷达波束覆盖的区域变宽，基于VCP11D模式的CAPPI在静锥区周围具有较好的连续性，能够有效观测到飑线的中层结构。然而，VCP21D模式由于高仰角扫描次数有限，导致CAPPI在该高度上的数据严重缺失，出现多处观测盲区，这在一定程度上限制了对风暴内部微物理过程的深入解析能力。在6 km高度处，VCP11D模式增加的5层仰角扫描仍发挥重要作用，提供了更密集的数据点。相比之下，VCP21D模式下的CAPPI无法提供有效的观测数据，对飑线的垂直结构分析造成显著影响。
2.3 双雷达风场反演在台风的监测与预警中，双雷达风场反演技术扮演着关键角色。利用双极化雷达技术，能够精确推断出高分辨率的台风水平和垂直风场，细致描绘出台风螺旋雨带的三维风场结构，这对于台风的移动路径和强度预测至关重要。本节以一次台风过程为例，利用基于三维变分技术(3DVAR)的双多普勒雷达反演方法反演格点实时风场(Potvin et al，2012)，进而评估雷达对流模式(VCP11D、VCP216D)和降水模式(VCP21D)在此类天气中的应用价值。
2024年9月16日台风“贝碧嘉”(强台风级)于07：30在上海浦东临港新城登陆，11:30进入江苏昆山(李觉非等，2025；沙治银等，2025)。受其影响，上海及江苏苏州、南通等地普降大到暴雨，陆地阵风8~10级，沿江、沿海阵风11~13级。为保障风场反演结果与上海宝山站08:00探空资料实现最佳时空匹配以及该时段探空站周边的风场反演精度，选取上海青浦与浙江宁波雷达进行双雷达风场反演。此次过程中，青浦和宁波雷达分别启用了VCP11D和VCP216D体扫模式，本节将对应雷达基数据由对流模式(VCP11D、VCP216D)转换为降水模式(VCP21D)，比较对流模式和降水模式在风场反演方面的差异(图 9)。
|
图 9 2024年台风“贝碧嘉”期间9月16日08:00基于双雷达(a，c)对流模式(VCP216D、VCP11D)和(b，d)降水模式(VCP21D)的不同高度反射率因子(填色)和反演风场(风羽) Fig. 9 Reflectivity factor (colored) and retrieved wind field (barb) at different altitudes during the Typhoon Bebinca based on (a, c) convective (VCP216D and VCP11D) and (b, d) precipitation (VCP21D) modes of dual-radar at 08:00 BT 16 September 2024 |
通过对流模式和降水模式反演08:00台风风场，在4 km高度，均能够较为清晰地捕捉台风涡旋结构，可以观测到台风中心位于上海浦东(图 9a，9b)，为台风定位提供了重要参考依据。随着高度到达7 km，基于对流模式反演的风场仍有较好的连续性，风场呈现明显的气旋式分布，对流层4~7 km垂直风切变较小，台风结构比较对称(图 9c)。相比之下，基于降水模式反演的7 km高度风场无法完整刻画台风结构，数据缺失区域面积较大。同时，在上海地区的风场连续性较差，风力明显减弱(图 9d)。对流模式在捕捉台风高层结构方面具有更高的适用性。
高分辨率探空探测数据凭借其精细的垂直结构信息和严格的质量控制，在数值天气预报、资料同化和大气边界层等研究中具有重要应用价值(龚玺等，2023；周芯玉等，2019)。为对比检验对流模式和降水模式反演的风场强度的准确性，通过将宝山站秒级探空观测数据(实际探测时间07:29—08:44)与反演的三维风场进行分层时空配对，在1~10 km高度范围内逐公里提取时空上最接近的反演风场数据，进行定量分析。受双雷达3DVAR风场反演算法本身限制及静锥区的影响，风场反演存在一定盲区，为保证对比数据的数量及精度，寻找秒级探空数据水平10 km范围内的最邻近反演风场数据(若该范围内无有效数据则记为数据缺失)，计算偏差(Bias)、均方根误差(RMSE)和平均绝对误差(MAE)。由表 3可知，基于对流模式和降水模式反演的风速在1~5 km高度上差距不明显，对流模式在中低层1~5 km高度反演风速较实况偏小4 m·s-1，降水模式反演的风速偏小3.55 m·s-1，对流模式反演的风速MAE较降水模式减小0.03 m·s-1，RMSE较降水模式增大0.03 m·s-1。在中高层6~10 km高度，基于降水模式反演的风场强度出现明显偏差，风速较实况偏小9.59 m·s-1，精度明显下降。对流模式的RMSE和MAE在6~10 km高度上分别较降水模式减小6.41 m·s-1和6.05 m·s-1。降水模式在高仰角数据不足的情况下，对中高层风场的反演能力有限，风场强度的反演结果明显偏弱，同时误差也相应增大。相较于降水模式，基于对流模式的风场反演结果更接近实况，准确度更高。
|
|
表 3 2024年9月16日08:00基于对流模式(VCP216D、VCP11D)和降水模式(VCP21D)的风场反演数据的统计特征 Table 3 Statistical characteristics of wind field retrievals based on the convective modes (VCP216D and VCP11D) and the precipitation mode (VCP21D) at 08:00 BT 16 September 2024 |
本文根据上海及其周边地区2024年的典型个例，选取上海青浦、江苏南通和浙江杭州、湖州、嘉兴和宁波S波段双偏振雷达，评估VCP21D、VCP11D和VCP216D体扫模式在一般降水、强对流和台风中的应用效果，得出以下结论。
(1) 在积层混合型降水过程中，VCP216D和VCP21D体扫模式虽然均能准确识别零度层亮带特征，但VCP21D体扫模式识别的融化层高度更稳定，与实况更为吻合；另外，VCP21D体扫模式对雷达的硬件要求更低，针对积层混合降水，VCP21D体扫模式已经能够满足探测性能的要求。
(2) VCP11D体扫模式相较VCP21D模式增加了5层仰角的扫描，具有更高的垂直分辨率，对ZDR柱的结构刻画更为精细；此外，VCP11D体扫模式通过加密高仰角采样，能够显著提升超级单体中气旋的识别率。
(3) VCP216D体扫模式在VCP11D体扫模式的基础上，增加了1.0°仰角的扫描。结合阵风锋的最大发展高度，VCP216D体扫模式能够在减少地物回波干扰的同时, 最大程度保留阵风锋等关键中尺度信息。
(4) VCP11D体扫模式相较VCP21D体扫模式，在5 km高度以上的CAPPI反射率因子产品中，生成的CAPPI数据更为连续且数据点更为密集，显著减少了CAPPI的空缺间隙。而VCP21D模式下的CAPPI无法提供有效的观测数据，会对强对流过程的结构分析造成一定影响。
(5) 对流模式(VCP11D和VCP216D)在台风过程的双雷达风场反演中具有明显优势，能够清晰捕捉台风结构，准确判断台风中心位置，且反演风场准确性高于降水模式(VCP21D)，尤其在中高层更为明显。具体表现为在6~10 km高度，基于对流模式反演的风场强度RMSE和MAE分别较降水模式减小6.41 m·s-1和6.05 m·s-1，而降水模式反演风场的强度明显偏低，误差较大，适用性较差。
然而，由于多模式观测业务正式运行时间较短，针对不同类型的多模式天气个例积累较少，未来需要收集周边雷达针对同一过程的不同体扫模式数据，进一步评估雷达多体扫模式在不同类型天气过程中的适用性。
曹俊武, 刘黎平, 2007. 双线偏振雷达判别降水粒子类型技术及其检验[J]. 高原气象, 26(1): 116-127. Cao J W, Liu L P, 2007. The sensitivity study for classification of precipitation particle types based on dual-linear polarimetric radar[J]. Plateau Meteor, 26(1): 116-127 (in Chinese).
|
曹杨, 陈洪滨, 苏德斌, 2018. C波段双线偏振天气雷达零度层亮带识别和订正[J]. 应用气象学报, 29(1): 84-96. Cao Y, Chen H B, Su D B, 2018. Identification and correction of the bright band using a C-band dual polarization weather radar[J]. J Appl Meteor Sci, 29(1): 84-96 (in Chinese).
|
端义宏, 陈联寿, 许映龙, 等, 2012. 我国台风监测预报预警体系的现状及建议[J]. 中国工程科学, 14(9): 4-9. Duan Y H, Chen L S, Xu Y L, et al, 2012. The status and suggestions of the improvement in the typhoon observation, forecasting and warning systems in China[J]. Eng Sci, 14(9): 4-9 (in Chinese).
|
高拴柱, 2020. 2018年台风温比亚的强对流螺旋雨带观测特征分析[J]. 气象, 46(6): 792-800. Gao S Z, 2020. Characteristics analysis on the severe convective spiral rainband of Typhoon Rumbia (2018)[J]. Meteor Mon, 46(6): 792-800 (in Chinese). DOI:10.7519/j.issn.1000-0526.2020.06.006
|
龚玺, 陈起英, 倪长健, 等, 2023. 基于高垂直分辨率探空数据对五种典型下垫面湍流分布特征分析[J]. 气象, 49(8): 901-914. Gong X, Chen Q Y, Ni C J, et al, 2023. Turbulence distribution characteristics of five typical underlying surfaces based on high vertical resolution radiosonde data[J]. Meteor Mon, 49(8): 901-914 (in Chinese). DOI:10.7519/j.issn.1000-0526.2023.021001
|
黄先香, 炎利军, 白兰强, 等, 2024. 广东龙卷时空分布及其母体风暴雷达观测特征[J]. 气象, 50(7): 804-817. Huang X X, Yan L J, Bai L Q, et al, 2024. Spatio-temporal distribution of Guangdong tornadoes and characteristics of radar echoes of parent storms[J]. Meteor Mon, 50(7): 804-817 (in Chinese). DOI:10.7519/j.issn.1000-0526.2024.020701
|
黄钰, 阮征, 葛润生, 等, 2013. 2010年夏季北京零度层亮带特征统计[J]. 气象, 39(6): 704-709. Huang Y, Ruan Z, Ge R S, et al, 2013. Feature statistics on bright band in Beijing in 2010 summer[J]. Meteor Mon, 39(6): 704-709 (in Chinese). DOI:10.7519/j.issn.1000-0526.2013.06.006
|
李柏, 古庆同, 李瑞义, 等, 2013. 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, 39(3): 265-280. Li B, Gu Q T, Li R Y, et al, 2013. Analyses on disastrous weather monitoring capability of CINRAD and future development[J]. Meteor Mon, 39(3): 265-280 (in Chinese). DOI:10.7519/j.issn.1000-0526.2013.03.001
|
李国翠, 刘黎平, 张秉祥, 等, 2013. 基于雷达三维组网数据的对流性地面大风自动识别[J]. 气象学报, 71(6): 1160-1171. Li G C, Liu L P, Zhang B X, et al, 2013. Automatic identification of ground thunderstorm gale based on the radar mosaic 3D data[J]. Acta Meteor Sin, 71(6): 1160-1171 (in Chinese).
|
李觉非, 乐方琼, 姚懿芸, 等, 2025. 2413号台风"贝碧嘉"预报与实况偏差分析[J]. 现代农业科技, (15): 75-82. Li J F, Le F Q, Yao Y Y, et al, 2025. Analysis for the forecast of Typhoon Bebinca (2413) and its deviation with observation[J]. Modern Agri Sci Technol, (15): 75-82 (in Chinese).
|
刘应军, 顾松山, 周雨华, 等, 2006. 新一代天气雷达体扫模式的比较分析[J]. 气象, 32(1): 44-50. Liu Y J, Gu S S, Zhou Y H, et al, 2006. Comparison of CINRAD/SA volume coverage patterns on algorithms output[J]. Meteor Mon, 32(1): 44-50 (in Chinese). DOI:10.7519/j.issn.1000-0526.2006.1.007
|
罗亚丽, 孙继松, 李英, 等, 2020. 中国暴雨的科学与预报: 改革开放40年研究成果[J]. 气象学报, 78(3): 419-450. Luo Y L, Sun J S, Li Y, et al, 2020. Science and prediction of heavy rainfall over China: research progress since the reform and opening-up of the People's Republic of China[J]. Acta Meteor Sin, 78(3): 419-450 (in Chinese).
|
慕瑞琪, 徐芬, 孙康远, 等, 2022. 江苏台风龙卷环境条件与雷达关键特征分析[J]. 气象, 48(2): 190-202. Mu R Q, Xu F, Sun K Y, et al, 2022. Analysis of environmental conditions and radar key features of typhoon-tornadoes in Jiangsu[J]. Meteor Mon, 48(2): 190-202 (in Chinese). DOI:10.7519/j.issn.1000-0526.2021.112101
|
沙治银, 徐双全, 龚成刚, 等, 2025. 上海市应对2413号台风"贝碧嘉"和2414号台风"普拉燊"措施及建议[J]. 中国防汛抗抗旱, 35(3): 86-88, 97. Sha Z Y, Xu S Q, Gong C G, et al, 2025. Measures and sugestions for Shanghai's response to Typhoon "Behinca" and "Pulasan"[J]. Chin Flood Drough Manag, 35(3): 86-88, 97 (in Chinese).
|
徐芬, 郑媛媛, 孙康远, 2021. 江苏龙卷时空分布及风暴形态特征[J]. 气象, 47(5): 517-528. Xu F, Zheng Y Y, Sun K Y, 2021. Characteristics of spatio-temporal distribution and storm morphologies of tornadoes in Jiangsu Province[J]. Meteor Mon, 47(5): 517-528 (in Chinese). DOI:10.7519/j.issn.1000-0526.2021.05.001
|
杨金红, 陈大任, 王曙东, 2013. 改进新一代天气雷达低层探测能力研究[J]. 气象, 39(4): 494-499. Yang J H, Chen D R, Wang S D, 2013. Research on improving CINRAD detection ability in lower layers[J]. Meteor Mon, 39(4): 494-499 (in Chinese). DOI:10.7519/j.issn.1000-0526.2013.04.012
|
杨绚, 张立生, 杨琨, 等, 2020. 台风大风低矮房屋易损性及智能网格预报的应用[J]. 气象, 46(3): 429-440. Yang X, Zhang L S, Yang K, et al, 2020. Typhoon vulnerability of typical low-rise buildings and application of intelligent grid forecast[J]. Meteor Mon, 46(3): 429-440 (in Chinese). DOI:10.7519/j.issn.1000-0526.2020.03.014
|
俞小鼎, 郑永光, 2020. 中国当代强对流天气研究与业务进展[J]. 气象学报, 78(3): 391-418. Yu X D, Zheng Y G, 2020. Advances in severe convective weather research and operational service in China[J]. Acta Meteor Sin, 78(3): 391-418 (in Chinese).
|
张鸿发, 郄秀书, 王致君, 等, 2001. 偏振雷达观测强对流雹暴云[J]. 大气科学, 25(1): 38-48. Zhang H F, Qie X S, Wang Z J, et al, 2001. Polarization radar observations on hailstorms[J]. Chin J Atmos Sci, 25(1): 38-48 (in Chinese).
|
张晶, 姚文, 孙召平, 等, 2024. 双偏振天气雷达新体扫模式试验评估分析[J]. 气象, 50(10): 1201-1215. Zhang J, Yao W, Sun Z P, et al, 2024. Evaluation and analysis of experimental testing of dual-polarization weather radar's new volume coverage pattern[J]. Meteor Mon, 50(10): 1201-1215 (in Chinese). DOI:10.7519/j.issn.1000-0526.2024.080101
|
赵坤, 王明筠, 朱科锋, 等, 2015. 登陆台风边界层风廓线特征的地基雷达观测[J]. 气象学报, 73(5): 837-852. Zhao K, Wang M J, Zhu K F, et al, 2015. An analysis of the CINRAD-98D observations for the landfalling typhoon boundary layer wind profiles and their characteristics[J]. Acta Meteor Sin, 73(5): 837-852 (in Chinese).
|
郑永光, 田付友, 孟智勇, 等, 2016a. "东方之星"客轮翻沉事件周边区域风灾现场调查与多尺度特征分析[J]. 气象, 42(1): 1-13. Zheng Y G, Tian F Y, Meng Z Y, et al, 2016a. Survey and multi-scale characteristics of wind damage caused by convective storms in the surrounding area of the capsizing accident of Cruise Ship "Dongfangzhixing"[J]. Meteor Mon, 42(1): 1-13 (in Chinese). DOI:10.7519/j.issn.1000-0526.2016.01.001
|
郑永光, 朱文剑, 姚聃, 等, 2016b. 风速等级标准与2016年6月23日阜宁龙卷强度估计[J]. 气象, 42(11): 1289-1303. Zheng Y G, Zhu W J, Yao D, et al, 2016b. Wind speed scales and rating of the intensity of the 23 June 2016 tornado in Funing County, Jiangsu Province[J]. Meteor Mon, 42(11): 1289-1303 (in Chinese). DOI:10.7519/j.issn.1000-0526.2016.11.001
|
郑永光, 蓝渝, 曹艳察, 等, 2020. 2019年7月3日辽宁开原EF4级强龙卷形成条件、演变特征和机理[J]. 气象, 46(5): 589-602. Zheng Y G, Lan Y, Cao Y C, et al, 2020. Environmental conditions, evolution and mechanisms of the EF4 tornado in Kaiyuan of Liaoning Province on 3 July 2019[J]. Meteor Mon, 46(5): 589-602 (in Chinese). DOI:10.7519/j.issn.1000-0526.2020.05.001
|
植江玲, 黄先香, 顾伯辉, 等, 2022. 广东两次超级单体导致不同类型强风天气对比分析[J]. 气象, 48(7): 813-825. Zhi J L, Huang X X, Gu B H, et al, 2022. A comparative study on two different types of gale events caused by supercell in Guangdong[J]. Meteor Mon, 48(7): 813-825 (in Chinese). DOI:10.7519/j.issn.1000-0526.2022.040802
|
周芯玉, 廖菲, 胡东明, 2019. 利用风廓线雷达对广东前汛期短时强降水类暴雨过程低空风场特征的研究[J]. 热带气象学报, 35(3): 332-342. Zhou X Y, Liao F, Hu D M, 2019. A study on low-level wind field characteristics of rainstorm containing short-range heavy rainfall during April to June rainy season in Guangdong by wind profiler data[J]. J Trop Meteor, 35(3): 332-342 (in Chinese).
|
Brown R A, Janish J M, Wood V T, 2000. Impact of WSR-88D scanning strategies on severe storm algorithms[J]. Wea Forecasting, 15(1): 90-102. DOI:10.1175/1520-0434(2000)015<0090:IOWSSO>2.0.CO;2
|
Cho J Y N, Kurdzo J M, 2019. Weather radar network benefit model for tornadoes[J]. J Appl Meteor Climatol, 58(5): 971-987. DOI:10.1175/JAMC-D-18-0205.1
|
Cho J Y N, Kurdzo J M, Bennett B J, et al, 2022. Impact of WSR-88D intra-volume low-level scans on severe weather warning performance[J]. Wea Forecasting, 37(7): 1169-1189. DOI:10.1175/WAF-D-21-0152.1
|
Giangrande S E, Krause J M, Ryzhkov A V, 2008. Automatic designation of the melting layer with a polarimetric prototype of the WSR-88D radar[J]. J Appl Meteor Climatol, 47(5): 1354-1364. DOI:10.1175/2007JAMC1634.1
|
Grzych M L, Lee B D, Finley C A, 2007. Thermodynamic analysis of supercell rear-flank downdrafts from Project ANSWERS[J]. Mon Wea Rev, 135(1): 240-246. DOI:10.1175/MWR3288.1
|
Hall M P M, Goddard J W F, Cherry S M, 1984. Identification of hydrometeors and other targets by dual-polarization radar[J]. Radio Sci, 19(1): 132-140. DOI:10.1029/RS019i001p00132
|
Kingfield D M, French M M, 2022. The influence of WSR-88D intra-volume scanning strategies on thunderstorm observations and warnings in the dual-polarization radar era: 2011-20[J]. Wea Forecasting, 37(2): 283-301. DOI:10.1175/WAF-D-21-0127.1
|
Kumjian M R, Ryzhkov A V, 2008. Polarimetric signatures in supercell thunderstorms[J]. J Appl Meteor Climatol, 47(7): 1940-1961. DOI:10.1175/2007JAMC1874.1
|
Markowski P M, 2002. Hook echoes and rear-flank downdrafts: a review[J]. Mon Wea Rev, 130(4): 852-876. DOI:10.1175/1520-0493(2002)130<0852:HEARFD>2.0.CO;2
|
Pauley P M, Wu X A H, 1990. The theoretical, discrete, and actual response of the Barnes objective analysis scheme for one- and two-dimensional fields[J]. Mon Wea Rev, 118(5): 1145-1164. DOI:10.1175/1520-0493(1990)118<1145:TTDAAR>2.0.CO;2
|
Potvin C K, Shapiro A, Xue M, 2012. Impact of a vertical vorticity constraint in variational dual-Doppler wind analysis: tests with real and simulated supercell data[J]. J Atmos Ocean Technol, 29(1): 32-49. DOI:10.1175/JTECH-D-11-00019.1
|
Rotunno R, Klemp J B, Weisman M L, 1988. A theory for strong, long-lived squall lines[J]. J Atmos Sci, 45(3): 463-485. DOI:10.1175/1520-0469(1988)045<0463:ATFSLL>2.0.CO;2
|
Shabbott C J, Markowski P M, 2006. Surface in situ observations within the outflow of forward-flank downdrafts of supercell thunderstorms[J]. Mon Wea Rev, 134(5): 1422-1441. DOI:10.1175/MWR3131.1
|
Stumpf G J, Witt A, Mitchell E D W, et al, 1998. The National Severe Storms Laboratory mesocyclone detection algorithm for the WSR-88D[J]. Wea Forecasting, 13(2): 304-326. DOI:10.1175/1520-0434(1998)013<0304:TNSSLM>2.0.CO;2
|
Weisman M L, Klemp J B, Rotunno R, 1988. Structure and evolution of numerically simulated squall lines[J]. J Atmos Sci, 45(14): 1990-2013. DOI:10.1175/1520-0469(1988)045<1990:SAEONS>2.0.CO;2
|