张夕迪,主要从事灾害性天气预报研究.Email:
高时空分辨率的葵花8号卫星(简称H8卫星)2016年在我国得到应用,而该年是我国暴雨过程频繁、极端性强的一年,H8卫星到底在暴雨对流云团监测方面有何优势也是预报员所关心的。目前的业务中H8、FY-2卫星和雷达资料到达业务平台的平均延迟时间分别为15、35、6 min左右。本文利用H8卫星红外云图结合地面降水,在2016年汛期27次暴雨过程中每个过程选定一个主要的目标对流云团分析其初生情况,并与FY-2卫星和雷达探测的情况进行对比,结果表明:H8和FY-2卫星在同时刻云顶黑体亮温(TBB)观测数值上差别不大,时间变化趋势也基本一致,但H8卫星由于高频次观测的优势对暴雨对流强弱的变化刻画得更加细致,在监测暴雨对流云团方面具有明显时间上的优势,即H8卫星较FY-2卫星平均提前23 min发现对流云团,较雷达平均提前达33 min。通过结合地面小时和10 min降水量对2016年华北“7·20”极端暴雨过程进行分析,发现TBB与地面降水量之间有很好的反相关关系,同时降水量的变化幅度明显大于TBB的变化;当TBB峰值向低温一侧移动时,与之对应的地面降水量级也增大,降水逐渐转为冷云降水为主。
High resolution data of Himawari-8 (H8 for short) have been used in China since 2016, and forecasters have been concerning for its superiority in monitoring convective clouds because heavy and extreme rain processes occurred frequently in 2016. In the current forecasting operation, the delay time of acquiring H8, FY-2 and radar data are 15 min, 35 min and 6 min, respectively. In this article, the H8 infrared data and surface precipitation are used to analyze the initiation of each target convective clouds of 27 heavy rain processes in the 2016 flood season. By comparing with FY-2 satellite and radar observations, we conclude that the observation data of H8 and FY-2 at the same moment have little difference, and their time variation trends are almost the same. However, H8 depicts convection strength more detailedly due to its higher resolution, and it has obvious superiority in monitoring heavy rain convective clouds. It can find the initiation convective clouds 23 min earlier than FY-2 averagely, and 33 min earlier than radar. Combined with hourly and 10 min precipitation data, the 20 July 2016 extreme heavy rain event in North China is analyzed in detail. It is found that there is a remarkable negative correlation between temperature of brightness blackbody (TBB) and surface precipitation, and the amplitude of precipitation varies much larger than TBB. When the peak of TBB moves towards the colder side, the corresponding precipitation magnitude increases, and the type of precipitation turns to cold-cloud precipitation gradually.
我国是暴雨灾害多发国家,而暴雨往往是由中小尺度对流系统造成的。在实际业务中,预报这些中小尺度对流系统的难度很大,数值预报模式往往不能很好地对其预报,而业务雷达多是捕捉到大的水滴(降雨)回波,这时候降水已经发生(
对流初生(convective initiation,CI)一般是指积云从非成熟的晴好天气状态演变为成熟积雨云的过程,在被雷达观测到之前往往在卫星云图上先有所体现。目前对CI的识别主要基于卫星和雷达观测,由于天气雷达要观测到云内有大的降水粒子或降水达到一定强度时才能产生明显回波,而此时对流云团已经发展到一定高度,因此理想情况下卫星应该早于雷达发现暴雨对流云团,但卫星观测到的暴雨对流云团也要达到一定强度时才有天气意义。
近年来,随着卫星遥感技术的不断发展和进步,利用静止卫星监测对流云团的发生和发展已经取得明显进展,可以检测小到单个对流云团、大到行星尺度天气系统的发生、发展和演变(
雷达也是监测对流初生的一个很好的工具,国内外很多研究都将雷达反射率因子达35 dBz作为判别CI的标准,如
对流云团发展到一定程度往往会产生较强降水,许多研究都用降雨强度来描述对流发展的强弱程度(
日本“葵花8号”静止气象卫星(简称H8卫星)于2014年10月发射,2015年7月开始业务应用,是目前业务上亚洲区域时空分辨率最高的卫星,它的时间分辨率达10 min,红外通道空间分辨率可达2 km,业务上获取资料的延迟时间约为15 min。我国于2016年12月成功发射了风云四号静止气象卫星(FY-4卫星),它的时间分辨率为15 min,红外通道空间分辨率2~4 km,已在2017年汛期开展天气预报试验试用。气象卫星向高时空分辨率发展是未来趋势,高时空分辨率气象卫星相比于以前的卫星在暴雨、强对流云团的监测上到底有何优势也是业务预报人员一直关心的。2016年汛期我国暴雨过程频繁,极端性强,而H8卫星于2016年汛期在我国天气预报业务中得到应用,它不仅能够观测到更为细致的云团结构演变特征,更可较FY-2卫星提前观测到暴雨对流云团的初生,这对业务预警有重要意义。同时,利用高时空分辨率的卫星资料结合降水数据能够更进一步地研究降水强度和对流系统发展状态之间的关系。本文就利用H8卫星红外通道数据,结合地面小时降水、雷达反射率资料,对我国2016年汛期的暴雨过程对流云团的初生情况进行分析,总结H8卫星相对于雷达和FY-2卫星在探测时间上的优势,在此基础上以华北“7·20”极端暴雨过程为例进行详细分析,探讨暴雨对流云团的初生和演变特征,揭示H8卫星在监测对流云发展过程中的作用,从而对对流发生发展提供进一步认识,也为我国FY-4卫星天气预报业务应用打下基础。
本文中采用的是国家卫星气象中心提供的FY-2G和FY-2E观测的TBB产品,空间分辨率5 km,时间分辨率15 min。H8卫星采用的是葵花标准数据格式(HSD)第13通道第1~5段数据,空间分辨率2 km,时间分辨率10 min。降水量采用MICAPS第3类数据格式地面1 h加密降水量和第1类数据格式地面自动站观测数据。
目前的业务中H8、FY-2和雷达资料到达业务平台的平均延迟时间分别为15、35、6 min左右,但延迟时间不固定,为了便于比对,这里提到的提前时间均以观测仪器探测时间为准。
本文主要针对2016年4—8月发生在我国的暴雨过程进行分析,根据国家气象中心记录的“2016年暴雨天气过程纪要表”共选取了27个暴雨过程,其中已剔除受台风影响和对流性较弱的暴雨过程。本文不是对所有对流云团全面判识,主要针对每次过程中能够演变成较强降水的一个主要对流云团进行识别,综合考虑了卫星、雷达、小时降水的监测,将暴雨对流云团定义为云顶最低TBB首次达-32℃、小时雨强达5 mm·h-1,以此判定各个暴雨过程在H8卫星和FY卫星监测下的对流判识情况,并与雷达CI进行对比,对于区域降雨过程有多个对流系统的情况,只监测最初始最主要的降雨云团。
2016年7月18—22日江汉、黄淮、华北地区出现一次强降水过程,本次过程的强降水主要集中在19日00时至21日08时(北京时,下同),华北多地日降水量突破历史极值。华北降水可以分为两个阶段:19日凌晨至白天高空槽前偏东风导致的地形强降水,19日夜间至20日黄淮气旋系统北侧螺旋雨带造成的强降水。由于第一阶段的对流性相对较强,且第二阶段降水主要是气旋的螺旋云带向北推进引起的,不易区分新生对流及其后续的变化过程,因此本文以第一阶段的对流发生发展过程为例进行说明。从
2016年7月19日(a)08:40, (b)11:10, (c)20:00, (d)23:40 H8卫星TBB演变
TBB time variation of H8 at (a) 08:40 BT, (b) 11:10 BT, (c) 20:00 BT, (d) 23:40 BT 19 July 2016
由H8卫星观测的对流云团云顶
2016年7月19日小时降水量、H8卫星和FY-2卫星TBB随时间的演变
Time variation of hourly precipitation and TBB of H8 and FY-2 on 19 July 2016
进一步对比两颗卫星的观测情况可以看出(
根据观测,H8卫星在19日08:40首次探测到
2016年7月19日(a)09:00小时降雨量(单位:mm)、(b)08:40雷达拼图和(c)09:10 H8红外云图
Hourly precipitation at 09:00 BT (a), radar mosaic at 08:40 BT (b), infrared cloud picture of H8 at 09:10 BT (c) 19 July 2016
按照上述监测方法,在27次暴雨过程中每次过程选定一个主要目标对流云团,并统计每个目标的H8卫星、FY-2卫星和雷达观测的暴雨对流云团CI时刻,以及CI时刻目标云团的位置,详见如
H8和FY-2三个阶段
Area averages of
卫星 | 阶段一:09:00—11:30 | 阶段二:11:30—18:30 | 阶段三:18:30—23:30 | 整个时段:09:00—23:30 |
H8 | -41.4 | -58.0 | -58.1 | -52.5 |
FY-2 | -40.9 | -59.4 | -57.7 | -52.7 |
H8-FY-2 | -0.5 | 1.4 | -0.4 | 0.2 |
不同监测手段对流初生时刻对比
CI moment of different detection means
过程编号 | 起止时间/月日 | H8/日时 | FY-2/日时 | 雷达/日时 | 目标云团 |
注:过程编号按中央气象台当年暴雨过程编号,201605表示2016年第5次暴雨过程,201605之前的编号为4月之前发生的暴雨过程,不在本文分析的主要时间段。 |
|||||
201605 | 4月2—4日 | 2日12:40 | 2日1:00 | 2日01:30 | 湖北鄂州 |
201606 | 4月5—7日 | 5日18:20 | 5日19:00 | 5日18:50 | 贵州大方 |
201607 | 4月9—11日 | 9日17:20 | 9日18:00 | 9日18:10 | 贵州花溪 |
201608 | 4月12—13日 | 12日14:30 | 12日15:00 | 12日15:00 | 贵州水城 |
201609 | 4月17—18日 | 17日10:30 | 17日10:30 | 17日11:40 | 贵州紫云 |
201610 | 4月19—21日 | 19日19:30 | 19日20:00 | 19日20:40 | 湖南醴陵 |
201611 | 4月23—24日 | 23日12:20 | 23日12:30 | 23日13:00 | 福建南靖 |
201612 | 4月26—27日 | 25日18:10 | 25日19:00 | 25日19:30 | 贵州水城 |
201613 | 4月30日至5月1日 | 30日02:40 | 30日03:00 | 30日03:10 | 贵州长顺 |
201616 | 5月18—22日 | 19日00:40 | 19日01:00 | 19日01:10 | 四川广元 |
201617 | 5月27—29日 | 26日16:50 | 26日17:00 | 26日17:20 | 贵州望谟 |
201618 | 6月1日—5日 | 31日13:30 | 31日14:00 | 31日14:10 | 江西安福 |
201619 | 6月11—13日 | 11日17:40 | 11日18:00 | 11日18:00 | 湖南永兴 |
201620 | 6月14—16日 | 14日13:00 | 14日13:30 | 14日13:20 | 贵州织金 |
201621 | 6月17—18日 | 17日06:20 | 17日07:00 | 17日06:40 | 福建宁化 |
201622 | 6月18—20日 | 18日15:20 | 18日15:30 | 18日15:50 | 江西万载 |
201623 | 6月21—22日 | 21日13:10 | 21日13:30 | 21日13:30 | 江苏邳州 |
201624 | 6月23—24日 | 23日07:40 | 23日08:15 | 23日08:10 | 安徽涡阳 |
201625 | 6月26—29日 | 27日14:20 | 27日14:30 | 27日14:50 | 江西永新 |
201626 | 6月30日至7月5日 | 30日14:10 | 30日14:30 | 30日14:30 | 湖南岳阳 |
201627 | 7月5日—7日 | 5日13:30 | 5日14:00 | 5日14:10 | 湖南靖州 |
201629 | 7月14—15日 | 14日05:30 | 14日05:45 | 14日06:00 | 安徽安庆 |
201630 | 7月15—16日 | 15日04:40 | 15日05:00 | 15日05:10 | 湖北荆州 |
201631 | 7月17—18日 | 17日03:30 | 17日03:45 | 17日03:50 | 江西黎川 |
201632 | 7月18—22日 | 19日08:40 | 19日09:15 | 19日08:40 | 河南栾川 |
201633 | 7月25—26日 | 24日13:10 | 24日13:30 | 24日13:40 | 河北保定 |
201638 | 8月17—19日 | 17日01:10 | 17日01:30 | 17日01:20 | 甘肃敦煌 |
从
H8卫星暴雨对流云团初生地点和时间分布图
Distribution of CI location and moment of H8
H8与FY-2卫星观测偏差百分位图
Boxplot of deviation between H8 and FY-2
以
H8和FY卫星的CI时刻相对于雷达的时间差
Time difference of H8 and FY CI moment relative to radar observations
对比发现,对于绝大部分降水过程H8卫星均能较FY卫星提前发现对流,平均提前量达23 min,其中提前量最大的为201612号过程达50 min;两者差异最小的是201609号过程,两者同时监测到暴雨对流云团生成,这是由于该云团正好在两颗星同时观测时刻达到判识标准。对比雷达CI的时刻可以看出,除了201606、201620、201621、201624、201632、201638号过程外其他过程FY卫星发现对流的时间提前于雷达,这六次例外过程主要是由于对流云团在FY卫星的探测间隙内发展较快且FY卫星的时空分辨率不够精细导致的。计算可知,FY卫星发现暴雨对流云团的时间平均较雷达提前10 min,而H8卫星由于时空分辨率较FY卫星有所提高,其发现对流的时间均较雷达有所提前,平均达33 min。由此可见,H8卫星在监测暴雨对流云团方面较FY卫星和雷达具有明显时间上的优势。
由地面逐小时降水量可知,
2016年7月19日09:10—10:00 TBB演变
TBB time variation from 09:10 BT to 10:00 BT 19 July 2016
首先说明阶段一地面降水和TBB的对应关系。选取2016年7月19—20日过程地面降水量数据与H8卫星TBB数据匹配,由于地面两个观测站之间的距离很少有小于2 km的情况,因此可将每个地面观测站点对应卫星图像上的一个像元,取
2016年7月19日09—11时10 min间隔TBB与降水量的对应关系
Correlations between 10 min TBB and precipitation from 09:00 BT to 11:00 BT 19 July 2016
从整个阶段小时雨量和TBB的变化来看(
其次选取2016年7月19日09—20时的地面逐小时降水量数据与H8卫星TBB数据匹配,分析在本次降水过程云顶亮温变化与地面1 h降水之间的关系,为了分析方便,将小时雨量划分为<20 mm、20~50 mm和>50 mm三个等级。将上述时段内每1 h内的6次TBB观测值计算平均,并取每5℃一个区间与三个等级的小时降水量进行匹配(
与小时降水量(a)<20 mm,(b)20~50 mm,(c)>50 mm三个等级对应的TBB分布
TBB distribution corresponding to three different levels of hourly precipitation (a) < 20 mm, (b) 20~50 mm, (c) >50 mm
通过H8卫星10 min观测间隔的红外通道数据和FY-2卫星数据对2016年汛期主要暴雨过程进行对比分析,发现H8卫星在监测暴雨对流方面优势明显,同时,可以捕捉到华北“7·20”极端暴雨过程中对流初生及演变过程的细节特征:
(1) 华北“7·20”极端暴雨过程暴雨对流云团演变过程TBB对比分析表明,H8卫星和FY-2卫星在具体观测数值上有细微的差别,但两者在TBB的时间变化趋势上基本一致,两者存在可比性。两者都一致地反映出了对流云团经历的快速发展阶段、缓慢增强阶段、先缓慢然后快速减弱阶段。
(2) 通过对2016年发生的历次暴雨过程共27个主要目标对流云团的对流初生监测情况分析可知,暴雨对流云团主要出现地点集中在西南和长江中下游及以南地区,时间主要出现在中午到傍晚,以12—15时最为集中;大部分降水过程H8卫星均能较FY-2卫星提前发现暴雨对流云团,平均提前23 min,最大提前50 min,较雷达平均提前达33 min。目前的业务中H8、FY-2和雷达资料到达业务平台的平均延迟时间分别为15、35、6 min左右,但延迟时间不固定。H8卫星在监测对流方面具有明显时间上的优势。
(3) 对华北“7·20”极端暴雨过程分析发现,TBB迅速下降是对流初生阶段的一个主要特点,该阶段TBB和地面降水量之间存在明显的反相关关系,同时降水量的变化幅度明显大于TBB的变化;当TBB峰值向低温一侧移动时,与之对应的地面降水量级也增大,降水逐渐转为冷云降水为主。
本文得到中国气象局暴雨预报专家创新团队(CMACXTD002-3)的支持。
方宗义, 覃丹宇, 2006.暴雨云团的卫星监测和研究进展[J].应用气象学报, 17(5):583-593.
李五生, 王洪庆, 王玉, 等, 2014.基于卫星资料的对流初生预报及效果评估[J].北京大学学报(自然科学版), 50(5):819-824.
刘健, 蒋建莹, 2013.FY-2C高时间分辨率扫描数据在强对流云团监测中的应用研究[J].大气科学, 37(4):873-880.
刘京华, 王彬, 韩雷, 等, 2012.京津地区一次强对流天气的初生预警技术研究[J].北京大学学报(自然科学版), 48(1):42-46.
卢乃锰, 吴蓉璋, 1997.强对流降水云团的云图特征分析[J].应用气象学报, 8(3):269-275.
潘留杰, 张宏芳, 侯建忠, 等, 2015.弱天气系统强迫下黄土高原强对流云的初生及演变[J].高原气象, 34(4):982-990.
覃丹宇, 方宗义, 2014.利用静止气象卫星监测初生对流的研究进展[J].气象, 40(1):7-17.
覃丹宇, 李博, 2012.FY-4对流初生产品算法理论基本文档[Z].国家卫星气象中心, 技术文档: 1-21.
汪柏阳, 覃丹宇, 刘传才, 2015.利用FY-2F数据检测快速发展对流[J].遥感学报, 19(5):836-843.
徐慧, 2013.基于Box-averaged方法的CI预警方法研究[D].青岛: 中国海洋大学.
许锐, 2009.基于卫星数据的对流初生自动识别研究[D].青岛: 中国海洋大学.
郑永光, 林隐静, 朱文剑, 等, 2013.强对流天气综合监测业务系统建设[J].气象, 39(2):234-240.
Ai Y F, Li W B, Meng Z Y, et al, 2016.Life cycle characteristics of MCSs in Middle East China tracked by geostationary satellite and precipitation estimates[J].Mon Wea Rev, 144(7):2517-2530.
Dye J E, Winn W P, Jones J J, et al, 1989.The electrification of New Mexico thunderstorms:1.Relationship between precipitation development and the onset of electrification[J].J Geophys Res, 94(D6):8643-8656.
Feng Z, Dong X Q, Xi B K, et al, 2012.Life cycle of midlatitude deep convective systems in a lagrangian framework[J].J Geophys Res, 117(D23):D23201.
Goyens C, Lauwaet D, Schröder M, et al, 2012.Tracking mesoscale convective systems in the Sahel:relation between cloud parameters and precipitation[J].Int J Climatol, 32(12):1921-1934.
Gremillion M S, Orville R E, 1999.Thunderstorm characteristics of cloud-to-ground lightning at the Kennedy space center, Florida:a study of lightning initiation signatures as indicated by the WSR-88D[J].Wea Forecasting, 14(5):640-649.
Houze R A, 2004.Mesoscale convective systems[J].Rev Geophys, 42(4):RG4003.
Inoue T, Ueda H, Inoue T, 2006.Cloud properties over the bay of Bengal derived from NOAA-9 split window data and the TRMM PR product[J].SOLA, 2:41-44.
Kolios S, Feidas H, 2013.An automated nowcasting system of mesoscale convective systems for the Mediterranean basin using Meteosat imagery.Part Ⅰ:system description[J].Meteor Appl, 20(3):287-295.
Laing A G, Fritsch J M, 1993a.Mesoscale convective complexes over the Indian monsoon region[J].J Climate, 6(5):911-919.
Laing A G, Fritsch J M, 1993b.Mesoscale convective complexes in Africa[J].Mon Wea Rev, 121(8):2254-2263.
Machado L A T, Rossow W B, Guedes R L, et al, 1998.Life cycle variations of mesoscale convective systems over the Americas[J].Mon Wea Rev, 126(6):1630-1654.
Maddox R A, 1980.Mesoscale convective complexes[J].Bull Amer Meteor Soc, 61(11):1374-1387.
Mapes B, Houze Jr R A, 1993.An integrated view of the 1987 Australin monsoon and its mesoscale convective systems.Ⅱ:vertical structure[J].Quart J Roy Meteor Soc, 119(512):733-754.
Mecikalski J R, Bedka K M, 2006.Forecasting convective initiation by monitoring the evolution of moving cumulus in daytime GOES imagery[J].Mon Wea Rev, 134(1):49-78.
Mecikalski J R, Bedka K M, Paech S J, et al, 2008.A statistical evaluation of GOES cloud-top properties for nowcasting convective initiation[J].Mon Wea Rev, 136(12):4899-4914.
Meng Z Y, Yan D C, Zhang Y J, 2013.General features of squall lines in East China[J].Mon Wea Rev, 141(5):1629-1647.
Migliorini S, Dixon M, Bannister R, et al, 2011.Ensemble prediction for nowcasting with a convection-permitting model-Ⅰ:description of the system and the impact of radar-derived surface precipitation rates[J].Tellus A, 63(3):468-496.
Miller D, Fritsch J M, 1990.Mesoscale convective complexes in the western pacific region[J].Mon Wea Rev, 119(12):2978-2992.
Roberts R D, Rutledge S, 2003.Nowcasting storm initiation and growth using GOES-8 and WSR-88D data[J].Wea Forecasting, 18(4):562-584.
Sieglaff J M, Cronce L M, Feltz W F, et al, 2011.Nowcasting convective storm initiation using satellite-based box-averaged cloud-top cooling and cloud-type trends[J].J Appl Meteor Climatol, 50(1):110-126.
Vila D A, Machado L A T, Laurent H, et al, 2008.Forecast and tracking the evolution of cloud clusters (ForTraCC) using satellite infrared imagery:methodology and validation[J].Wea Forecasting, 23(2):233-245.
Xu W X, 2013.Precipitation and convective characteristics of summer deep convection over east Asia observed by TRMM[J].Mon Wea Rev, 141(5):1577-1592.
Xu W X, Zipser E J, 2011.Diurnal variations of precipitation, deep convection, and lightning over and east of the Eastern Tibetan plateau[J].J Climate, 24(2):448-465.
Zheng Y G, Chen J, Zhu P J, 2008.Climatological distribution and diurnal variation of mesoscale convective systems over China and its vicinity during summer[J].Chin Sci Bull, 53(10):1574-1586.