陳梓桐 李昀英

摘要 針對(duì)2020年8月9日南京市一次典型對(duì)流性暖云降水過(guò)程，結(jié)合云雷達(dá)和雙偏振降水雷達(dá)資料，研究了此次短時(shí)強(qiáng)降水的雷達(dá)回波特征和成因;基于雷達(dá)參量和模糊邏輯算法識(shí)別了水凝物粒子類型，并分析了降水過(guò)程中水凝物粒子的性質(zhì)和演變。結(jié)果表明：此次降水強(qiáng)度大、效率高，雷達(dá)觀測(cè)的云體回波呈現(xiàn)低質(zhì)心、強(qiáng)回波的熱帶型結(jié)構(gòu)。正負(fù)速度對(duì)的出現(xiàn)表明云體中存在較強(qiáng)的渦旋輻合場(chǎng)，譜寬和線性退極化偏比數(shù)值偏大，云體中上部存在強(qiáng)上升氣流區(qū)，這些可表征短時(shí)強(qiáng)降水即將發(fā)生。模糊邏輯算法識(shí)別的降水粒子以雨滴為主，云體頂部主要分布干、濕雪粒子。降水機(jī)制主要是云體中云粒子和降水粒子數(shù)目多，直徑差別較大，取向復(fù)雜，在上升氣流和渦旋輻合場(chǎng)作用下劇烈碰并增長(zhǎng)成大雨滴而發(fā)生短時(shí)強(qiáng)降水。

關(guān)鍵詞暖云降水;模糊邏輯算法;水凝物粒子類型

暖云降水是指云頂溫度高于0 ℃的云體產(chǎn)生的降水，云滴碰并增長(zhǎng)為雨滴是主要的降水機(jī)制（Beard and Ochs，1993）。Kodama et al.（2009）指出暖云為大氣低層對(duì)流發(fā)展提供充沛的熱量和水汽，是熱帶及副熱帶地區(qū)的主要降水來(lái)源。分析暖云降水的特征與成因，進(jìn)一步研究暖云降水機(jī)制，可為暖云降水的監(jiān)測(cè)預(yù)報(bào)、模式模擬等提供科學(xué)依據(jù)。國(guó)內(nèi)外對(duì)暖云特征及降水機(jī)制的研究較多，Johnson（1982）認(rèn)為暖云中的巨型凝結(jié)核對(duì)降水有重要的觸發(fā)作用;胡志晉等（1983）指出，較厚暖云中云滴可通過(guò)隨機(jī)重力碰并作用生成雨滴;俞小鼎（2013）發(fā)現(xiàn)，暖云云體越厚，其降水效率越高。Kubar et al.（2009）利用CloudSat衛(wèi)星資料和中分辨率成像光譜儀（Moderate-resolution Imaging Spectroradiometer，MODIS）數(shù)據(jù)，分析了洋面暖云的云參數(shù)分布特征，指出當(dāng)液態(tài)水路徑超過(guò)250 g/m2時(shí)，暖云中有效粒子半徑與粒子數(shù)密切相關(guān)，降水量也較大。

氣象雷達(dá)是監(jiān)測(cè)、預(yù)警強(qiáng)對(duì)流天氣的重要工具，可觀測(cè)到降水系統(tǒng)的回波特征及三維結(jié)構(gòu)，獲得風(fēng)場(chǎng)、雨滴譜、粒子相態(tài)和云微物理參數(shù)的垂直廓線分布等信息（劉黎平等，2015）。毫米波雷達(dá)等短波段雷達(dá)對(duì)弱氣象目標(biāo)物有較高的靈敏度，主要探測(cè)以小云滴粒子為主的非降水云和弱降水云，如波長(zhǎng)8.6 mm的Ka波段云雷達(dá)。短波段雷達(dá)具有對(duì)云滴顯著的散射特性，能探測(cè)到云體的內(nèi)部結(jié)構(gòu)，但容易受到液態(tài)水滴的衰減，導(dǎo)致探測(cè)范圍有限。厘米波雷達(dá)等長(zhǎng)波段雷達(dá)能探測(cè)含有大量降水粒子的降水云，且由于波長(zhǎng)較長(zhǎng)，能在更大范圍內(nèi)探測(cè)成熟云體的回波特征。偏振雷達(dá)可發(fā)射和接受水平、垂直信號(hào)波，能有效分辨云體中水凝物粒子的種類，獲得降水粒子尺度、形狀等多類有效信息（周毓荃等，2015;曹舒婭等，2021）。很多研究都使用單波段雷達(dá)資料分析降水過(guò)程（朱士超和郭學(xué)良，2015;Wen et al.，2017），但只能單獨(dú)分析云滴或降水粒子的特征，若采用云雷達(dá)和降水雷達(dá)同步觀測(cè)同一降水過(guò)程，不同波段雷達(dá)觀測(cè)結(jié)果便可優(yōu)勢(shì)互補(bǔ)，更好地反映云體降水過(guò)程中的粒子變化，為降水的監(jiān)測(cè)和預(yù)警提供更精細(xì)的科學(xué)依據(jù)。

目前，利用雙偏振雷達(dá)資料識(shí)別降水粒子類型的主要方法有決策樹(shù)識(shí)別法、經(jīng)典統(tǒng)計(jì)判決法和模糊邏輯識(shí)別法等（Bringi and Chandrasekar，2001）。云體中水凝物類型復(fù)雜，相應(yīng)的雷達(dá)偏振參量數(shù)值缺乏十分明確的區(qū)分度，決策判別法對(duì)于識(shí)別水凝物類型不太合適;由于難以構(gòu)建各類粒子的統(tǒng)計(jì)模型，統(tǒng)計(jì)判決法應(yīng)用難度較大;模糊邏輯算法針對(duì)各水凝物類型有相應(yīng)的參量取值范圍，各個(gè)范圍之間允許重疊，因此模糊邏輯識(shí)別法在識(shí)別粒子類型方面更具優(yōu)勢(shì)，在國(guó)內(nèi)外的應(yīng)用也較為廣泛（Park et al.，2009;何宇翔等，2010;Thompson et al.，2014）。

本文針對(duì)2020年8月9日南京一次典型對(duì)流性暖云造成的短時(shí)強(qiáng)降水過(guò)程，利用多部雷達(dá)（S、K、X波段）的基數(shù)據(jù)資料，探討此次降水強(qiáng)度大、時(shí)間短的雷達(dá)觀測(cè)特征及原因，并采用模糊邏輯算法識(shí)別水凝物類型，分析云粒子和降水粒子等水凝物粒子的演變情況，為暖云降水的雷達(dá)監(jiān)測(cè)、預(yù)報(bào)提供有效參考和科學(xué)依據(jù)。

1 資料及方法

1.1 資料簡(jiǎn)介

使用的數(shù)據(jù)資料包括ERA5再分析資料、自動(dòng)觀測(cè)站降水?dāng)?shù)據(jù)、Ka波段云雷達(dá)資料、X波段雙偏振降水雷達(dá)資料、CINRAD-SA型多普勒天氣雷達(dá)資料。

ERA5再分析資料是歐洲中期天氣預(yù)報(bào)中心第五代全球大氣再分析格點(diǎn)數(shù)據(jù)資料，時(shí)間分辨率為1 h，水平分辨率為0.25°×0.25°，垂直分為37個(gè)氣壓層，時(shí)間范圍從1979年至今，提供各大氣參量信息。選用2020年8月9日10—12時(shí)（北京時(shí)，下同）的大氣溫度、濕度、水平風(fēng)場(chǎng)、位勢(shì)高度等資料，用于分析大氣環(huán)境場(chǎng)。

714KaDP/G型Ka波段云雷達(dá)、PR11-D型X波段雙偏振降水雷達(dá)和自動(dòng)觀測(cè)站均部署在國(guó)防科技大學(xué)南京院區(qū)（118.817°E，31.972°N），CINRAD-SA型雷達(dá)位于南京站（118.698°E，32.19°N;圖1）。Ka波段云雷達(dá)和X波段雙偏振降水雷達(dá)同步于2020年8月9日對(duì)南京地區(qū)此次降水過(guò)程進(jìn)行時(shí)間-高度觀測(cè)（Time Height Indicator，THI），因雷達(dá)采用定點(diǎn)垂直向上探測(cè)方式，可不考慮電磁波信號(hào)在大氣中非直線傳播的影響（Andrieu and Creutin，1995）。CINRAD-SA型天氣雷達(dá)提供同步的體掃平面（Plan Position Indicator，PPI）數(shù)據(jù)資料。各部雷達(dá)的基本信息如下：Ka波段云雷達(dá)采用單發(fā)雙收全固態(tài)脈沖多普勒體制，最大探測(cè)范圍為74.44 km，提供5類參量數(shù)據(jù)，包括反射率因子（Z）、無(wú)抑制反射率因子（T）、徑向速度（V）、速度譜寬（W）、線性退極化偏比（Linear Depolarization Ratio，LDR）。X波段雙偏振降水雷達(dá)采用同時(shí)收發(fā)雙偏振全相參脈沖多普勒體制，最大探測(cè)范圍為74.44 km，可探測(cè)暴雨、冰雹、大面積降水及其他氣象目標(biāo)，提供8類參量數(shù)據(jù)：Z、T、V、W、差分反射率（ZDR）、差分傳播相移（φdp）、差分傳播相移率（KDP）、相關(guān)系數(shù)（ρhv）。CINRAD-SA型雷達(dá)采用降水檢測(cè)模式VCP21（具備9個(gè)仰角：0.5°、1.45°、2.4°、3.35°、4.3°、6.0°、9.9°、14.6°、19.5°），體掃時(shí)間為6 min，提供Z、V、W三類基數(shù)據(jù)，反射率因子的最大觀測(cè)距離為460 km，多普勒徑向速度和譜寬的最大觀測(cè)距離為230 km。上述三部雷達(dá)的性能參數(shù)詳見(jiàn)表1。

各波段雷達(dá)具備不同觀測(cè)優(yōu)勢(shì)。S波段多普勒天氣雷達(dá)是氣象業(yè)務(wù)中最常用的雷達(dá)類型之一，主要觀測(cè)降水系統(tǒng)的三維回波特征，氣象目標(biāo)主要為直徑較大的降水粒子，探測(cè)距離較遠(yuǎn)，衰減程度較弱。X波段雙偏振降水雷達(dá)的天線直徑比S波段雷達(dá)的小，具備更高的空間分辨率（方位分辨率和探測(cè)精度），地物雜波干擾較小，可探測(cè)的氣象目標(biāo)較多，能較好地識(shí)別水凝物類型，但難以探測(cè)到微小雨滴、非降水云區(qū)。Ka波段云雷達(dá)波長(zhǎng)短，能探測(cè)到尺度更小的氣象目標(biāo)，可區(qū)分非降水云粒子如霧、輕霧之類，反映云體內(nèi)部結(jié)構(gòu)，但信號(hào)遇到冰雹區(qū)和暴雨區(qū)時(shí)衰減嚴(yán)重，有效探測(cè)距離大幅縮短。使用多波段雷達(dá)同步觀測(cè)云體降水過(guò)程，能發(fā)揮各波段雷達(dá)的觀測(cè)優(yōu)勢(shì)，填補(bǔ)觀測(cè)盲區(qū)，反映云粒子和降水粒子隨著云體發(fā)展、成熟、消亡的同步演變特征，以期為觀測(cè)和預(yù)警暖云強(qiáng)降水提供幫助。

1.2 雷達(dá)測(cè)量參數(shù)及其意義

反射率因子Z：是指單位體積中全部水凝物粒子（如雨滴、霰、雪、冰晶、雹等）直徑6次方的總和（俞小鼎等，2007），僅與粒子的直徑有關(guān)，常用分貝（dBZ）表示，即：

其中z0=1 mm6/m3。反射率因子反映了雷達(dá)探測(cè)體積內(nèi)水凝物粒子的整體直徑大小和數(shù)密度，表示氣象目標(biāo)回波的強(qiáng)度，數(shù)值越大表明整體粒子越大或數(shù)目越多。

差分反射率ZDR：定義為水平偏振波（ZH）和垂直偏振波（ZV）比值的10倍對(duì)數(shù)值（式（2）），反映目標(biāo)粒子的形狀差異。目標(biāo)粒子越接近圓形，ZDR的值趨近0。雨滴直徑越大越接近扁球形，則ZDR值越大，最大可達(dá)3～5 dB。

徑向速度V：又稱多普勒徑向速度，是雷達(dá)系統(tǒng)中氣象目標(biāo)在徑向上相對(duì)于雷達(dá)的速度，是全速度的分矢量。徑向速度為正值時(shí)表示目標(biāo)遠(yuǎn)離雷達(dá)運(yùn)動(dòng)，負(fù)值時(shí)表示目標(biāo)靠近雷達(dá)運(yùn)動(dòng)。當(dāng)雷達(dá)垂直指向時(shí)，測(cè)得的平均多普勒徑向速度是目標(biāo)粒子降落的末速度和氣流的垂直運(yùn)動(dòng)速度的矢量和。

速度譜寬W：是與平均速度有關(guān)的二階譜矩的均方根，是速度離散情況的度量。雷達(dá)垂直指向時(shí)，速度譜寬大小主要受粒子垂直速度、大氣湍流的影響。

線性退極化偏比LDR：是指雷達(dá)同時(shí)測(cè)到同極化信號(hào)的反射率因子（Z1）和正交極化信號(hào)的反射率因子（Z2）的比值（式（3）），LDR與粒子的熱力學(xué)相態(tài)和形狀不規(guī)則性有關(guān)（仲凌志，2009），球形粒子的LDR理論上不存在，LDR絕對(duì)值越小表明該粒子的取向越規(guī)則或者粒子種類越單一。

1.3 X波段雙偏振降水雷達(dá)數(shù)據(jù)處理

本工作使用的Ka波段云雷達(dá)數(shù)據(jù)質(zhì)量較高，S波段雷達(dá)數(shù)據(jù)已經(jīng)過(guò)業(yè)務(wù)校正，但X波段雙偏振降水雷達(dá)的差分傳播相位φdp和差分傳播相移率KDP數(shù)據(jù)出現(xiàn)較多噪點(diǎn)，影響模糊邏輯算法的識(shí)別結(jié)果，因此主要針對(duì)X波段雷達(dá)φdp資料實(shí)施質(zhì)量控制，并根據(jù)式（4）重新計(jì)算KDP數(shù)值。

式中：r1與r2是降水區(qū)中相鄰兩個(gè)距離庫(kù)的中心離雷達(dá)的距離，φdp（r1）和φdp（r2）是這兩個(gè)庫(kù)的差分傳播相位值。

資料預(yù)處理借鑒了黃浩（2018）的方法，分異值剔除和雜波剔除兩步。

異值剔除：此次降水過(guò)程的有效φdp范圍為100°～140°，因此剔除此范圍外的異常相位值，認(rèn)為它們受到較大的后向散射相位干擾。

雜波剔除：當(dāng)回波的φdp低于0.8時(shí)，標(biāo)記為潛在的非氣象回波。在6 km高度以下，衰減訂正后的ZH小于30 dBZ、ZDR大于4 dB、φdp小于0.9時(shí)，認(rèn)為對(duì)應(yīng)的回波可能是昆蟲回波。

進(jìn)一步借鑒馬建立等（2019）的線性規(guī)劃方法對(duì)經(jīng)過(guò)預(yù)處理的φdp進(jìn)行質(zhì)量控制，包括濾除噪聲和保留有價(jià)值變化趨勢(shì)的φdp等。線性規(guī)劃的原理和方法在此不贅述。

2 降水過(guò)程

2.1 環(huán)流背景與天氣過(guò)程

觀測(cè)資料顯示，2020年8月9日12：10—13：30南京市中部發(fā)生了一次暖云強(qiáng)降水過(guò)程，其間有多個(gè)對(duì)流單體生成，集中降水時(shí)段（12：10—12：30）內(nèi)降水量達(dá)13.3 mm，根據(jù)中國(guó)氣象局的30 min降雨量等級(jí)標(biāo)準(zhǔn)，本次降水級(jí)別為短時(shí)大暴雨。本工作主要分析造成此次短時(shí)強(qiáng)降水的對(duì)流云體。再分析資料（圖2）表明，降水發(fā)生前中高緯西風(fēng)大槽維持在中國(guó)北部，冷空氣團(tuán)控制蒙古-西伯利亞地區(qū);南京位于500 hPa槽線附近，冷空氣不斷向南輸送到南京區(qū)域，中高層冷空氣匯入。江蘇、安徽一帶溫度較高，暖空氣向蘇皖地區(qū)延伸，且南京位于850 hPa槽前，上升氣流較強(qiáng)，有利于誘發(fā)對(duì)流抬升，來(lái)自南海、印度洋的暖濕西南風(fēng)為南京提供了充足的水汽。整層大氣較為濕潤(rùn)（圖3），層結(jié)上干下濕，1 000～400 hPa之間大氣溫度遞減率小于干絕熱遞減率但大于飽和濕絕熱遞減率，大氣屬于條件不穩(wěn)定性質(zhì)，當(dāng)水汽輸送至此使得空氣飽和時(shí)，極易誘發(fā)對(duì)流。南京上空對(duì)流有效位能（Convective Available Potential Energy，CAPE）達(dá)2 493 J/kg，大氣具備較強(qiáng)的對(duì)流驅(qū)動(dòng)能量。

此次降水的主云體在安徽蕪湖附近初生，隨著西南氣流向南京移動(dòng)并顯著發(fā)展，在南京境內(nèi)產(chǎn)生降水，之后向東北方向移去。CINRAD-SA型雷達(dá)PPI結(jié)果（圖4）表明，11：39時(shí)刻云體強(qiáng)回波區(qū)開(kāi)始移入南京地區(qū)，降水主云體于12：01經(jīng)過(guò)兩部垂直探測(cè)的雷達(dá)上空并于12：29離開(kāi)。

2.2 降水特征及成因

為更好地分析此次短時(shí)強(qiáng)降水的特征及原因，本文重點(diǎn)分析降水發(fā)生前（12：10之前）的雷達(dá)觀測(cè)結(jié)果。圖5為Ka波段和X波段雷達(dá)各參數(shù)的時(shí)間-高度演變。Ka波段雷達(dá)信號(hào)更易衰減，探測(cè)距離有限，其有效回波高度較低，尤其在降水期間（12：10之后）衰減更明顯。云體回波頂高整體較低（圖5a、e），約為6 km，而0 ℃層在海拔高度5 836 m（500 hPa）附近（圖3），說(shuō)明云體主回波區(qū)處于暖層。超過(guò)35 dBZ的強(qiáng)回波區(qū)高度位于2～4 km，回波質(zhì)心高度較低，結(jié)構(gòu)密實(shí)，這是類似熱帶型對(duì)流的低質(zhì)心暖云降水，具有較高的降水效率。中高層風(fēng)切變較弱（圖3），不利于形成高度組織化的強(qiáng)風(fēng)暴，水汽充足、層結(jié)不穩(wěn)定和持續(xù)的槽前上升氣流的條件更有利于低質(zhì)心暖云體生成。云體中上部上升氣流和下沉氣流并存（圖5b、f），此時(shí)云體處于成熟階段，在12：09左右兩部雷達(dá)均觀測(cè)到海拔2 km以上的強(qiáng)上升區(qū)，一定強(qiáng)度的上升氣流能使云體維持較長(zhǎng)時(shí)間。海拔高度3 km以上，水凝物粒子速度譜寬均超過(guò)1.5 m/s，X波段雷達(dá)觀測(cè)到的降水粒子速度譜寬甚至達(dá)到3 m/s（圖5c、g），反映出云粒子和降水粒子均具有較大的直徑差異。

云粒子的LDR數(shù)值普遍較大，強(qiáng)回波區(qū)數(shù)值超過(guò)30 dB（圖5d），表明云粒子取向復(fù)雜。這些特征表明云體中上部云粒子和降水粒子數(shù)目較多，直徑差異較大，在上升氣流帶動(dòng)下速度各不相同，混合運(yùn)動(dòng)劇烈。充足的小微滴和劇烈的碰并是產(chǎn)生眾多大雨滴的重要條件。但總體上，ZDR基本維持在0.2～0.4（圖5h），表明降水粒子直徑普遍較小，基本小于1 mm，而在降水期間ZDR整體增加，說(shuō)明在降水前云體中還存在較強(qiáng)的動(dòng)力過(guò)程使得小微粒在短時(shí)間內(nèi)迅速碰并增長(zhǎng)成為大雨滴。上述的云體強(qiáng)上升氣流是主要?jiǎng)恿υ蛑?，?qiáng)而穩(wěn)定的上升氣流使得小雨滴在云體中碰并周期延長(zhǎng)，碰并效率提高，在短時(shí)間內(nèi)迅速生成大而多的雨滴。水平尺度上，12：07時(shí)刻云體各層均出現(xiàn)不同強(qiáng)度的正負(fù)速度對(duì)（圖6），表明云體中出現(xiàn)了類似中尺度渦旋的輻合場(chǎng)，輻合場(chǎng)位于最強(qiáng)回波區(qū)（55 dBZ）的西側(cè)，強(qiáng)回波區(qū)包繞在輻合場(chǎng)外圍，更有利于云粒子、小雨滴不斷向中心輻合場(chǎng)輸送，迅速碰并，形成了嵌有渦旋結(jié)構(gòu)的暖云對(duì)流單體。但輻合場(chǎng)的持續(xù)時(shí)間較短，僅維持了一個(gè)體掃時(shí)間（6 min），在12：18時(shí)刻正負(fù)速度對(duì)消失。因此，大量云粒子和小雨滴在輻合場(chǎng)和持續(xù)上升氣流中快速碰并增長(zhǎng)，在中低空形成大雨滴聚集區(qū)，云體成為暖層厚度大、降水能力強(qiáng)的強(qiáng)對(duì)流體，這正是云體在短時(shí)間內(nèi)發(fā)生強(qiáng)降水的主要原因。之后，隨著雨滴碰并增長(zhǎng)過(guò)程的維持，回波強(qiáng)度逐漸增強(qiáng)，在重力效應(yīng)影響下雨滴增長(zhǎng)區(qū)高度下降，并即將產(chǎn)生地面降水（圖7）。

3 水凝物粒子類型演變

3.1 水凝物類型的識(shí)別

本文采用了模糊邏輯算法識(shí)別水凝物類型（Fuzzy logic Hydrometeor Classification，F(xiàn)HC），其基本思路是：使用隸屬函數(shù)對(duì)選定的雙偏振參量（X波段雙偏振降水雷達(dá)參數(shù)：Z，ZDR，KDP，ρhv）進(jìn)行模糊化，并借助溫度T篩選控制;設(shè)置k個(gè)水凝物類型，則每個(gè)雙偏振參量有k個(gè)隸屬函數(shù)。通過(guò)推斷規(guī)則、集成和退模糊，將輸出結(jié)果轉(zhuǎn)化成相應(yīng)的水凝物成分（宋文婷等，2021）。

3.1.1 模糊化和隸屬函數(shù)

模糊化是指針對(duì)隸屬函數(shù)的若干參數(shù)，為雷達(dá)參量設(shè)置相應(yīng)的閾值范圍，建立對(duì)應(yīng)的模糊基，用隸屬函數(shù)（Membership Function，MBFij）表示（i表示雷達(dá)參量，j表示水凝物成分類型）。函數(shù)形式常采用T型函數(shù)或β型函數(shù)，函數(shù)值均介于0和1之間，函數(shù)值越接近1代表對(duì)應(yīng)參量屬于該模糊基的程度越高。本文選取了T型函數(shù)為隸屬函數(shù)的形式（圖8及式（5）），不同水凝物類型的MBFij對(duì)應(yīng)不同的X1、X2、X3、X4參數(shù)閾值，確定各類型相應(yīng)的參數(shù)值是FHC的關(guān)鍵環(huán)節(jié)。本文采用了李曉敏等（2017）水凝物類型分類及隸屬函數(shù)的參數(shù)范圍值（表2），以此構(gòu)造10類水凝物類型的隸屬函數(shù)。

3.1.2 推斷規(guī)則

推斷識(shí)別水凝物類型的規(guī)則是當(dāng)某距離庫(kù)的觀測(cè)參數(shù)同時(shí)滿足相應(yīng)的隸屬函數(shù)時(shí)，輸出對(duì)應(yīng)的粒子類型j。輸出的粒子類型的強(qiáng)度用Rj表示，采用非等權(quán)重的方法（式（6））計(jì)算，系數(shù)Ai表示第i個(gè)偏振參量對(duì)Rj的權(quán)重系數(shù)。由于ρhv對(duì)不同水凝物類型的區(qū)分度較弱，ρhv對(duì)應(yīng)的權(quán)重系數(shù)值最小;此項(xiàng)工作中KDP數(shù)據(jù)是經(jīng)過(guò)一定的數(shù)據(jù)處理和計(jì)算后得到的，不同于原始數(shù)據(jù)，其相應(yīng)權(quán)重也較小。因此設(shè)置權(quán)重系數(shù)如下：AZH=1，AZDR=0.75，AKDP=0.5，Aρhv=0.25。

3.1.3 集成與退模糊

通過(guò)上述步驟，每個(gè)雷達(dá)距離庫(kù)中10類水凝物類型都有對(duì)應(yīng)的強(qiáng)度值Rj，判斷標(biāo)準(zhǔn)采用最大集成法，即每個(gè)雷達(dá)距離庫(kù)的水凝物類型為最大強(qiáng)度值maxRj對(duì)應(yīng)的類型J。退模糊是將判別出的最大強(qiáng)度值返回索引值從而得到對(duì)應(yīng)類型的過(guò)程。

3.2 水凝物粒子類型的演變

由雷達(dá)觀測(cè)結(jié)果可知，回波頂高在0 ℃層附近，云體主體位于暖層，因此云體中冰相粒子較少，水凝物粒子以雨滴為主。圖9展示了再分析資料中Ka、X波段雷達(dá)上空各層云水含量（specific Cloud Liquid Water Content，CLWC）、云冰含量（specific Cloud Ice Water Content，CIWC）、雨水含量（specific Cloud Rain Water Content，CRWC）的時(shí)間變化，550 hPa以上含有少量冰相粒子，450～500 hPa是云水含量豐富層，550 hPa及以下開(kāi)始出現(xiàn)雨滴，雨水含量在600 hPa和700 hPa（3～4 km）較為豐富，并隨著高度減小逐漸減少，且表現(xiàn)出基本一致的時(shí)間變化特征：08：00之后，各層雨水含量開(kāi)始增加，云水含量下降，云水轉(zhuǎn)換成為雨水。此次降水的雨滴粒子主要來(lái)源于3～4 km的中低層大氣，與上述雷達(dá)強(qiáng)回波區(qū)高度相符合。

基于X波段雙偏振降水雷達(dá)基數(shù)據(jù)，F(xiàn)HC識(shí)別結(jié)果顯示此次降水中水凝物類型和演變均較簡(jiǎn)單（圖10），降水云主體的降水粒子以雨滴（RA）為主，冰相粒子偏少。具體表現(xiàn)為：降水期間主云體各處分布著雨滴粒子，12：06時(shí)刻在3.5 km處出現(xiàn)了極少量小冰雹（SH），當(dāng)?shù)孛娑虝r(shí)大暴雨轉(zhuǎn)為持續(xù)性層云降水時(shí)，回波強(qiáng)度減弱至小于30 dBZ，此時(shí)相應(yīng)的降水粒子為毛毛雨（DR）類型。4～5 km之間出現(xiàn)了濕雪粒子（WS），5 km上空干雪粒子（DS）一直存在，伴隨著少量干冰、濕雪粒子。FHC識(shí)別結(jié)果與上文雷達(dá)觀測(cè)結(jié)果、氣層各相態(tài)水含量的結(jié)論相符，也驗(yàn)證了使用模糊邏輯算法識(shí)別水凝物粒子類型的有效性。

4 結(jié)論與討論

本文利用多部雷達(dá)觀測(cè)資料及ERA5再分析資料，選取南京市一次典型暖云降水過(guò)程，針對(duì)其降水強(qiáng)度大、時(shí)間短的特征分析了原因，并利用模糊邏輯算法識(shí)別水凝物粒子類型，分析了水凝物粒子類型的演變，得到如下結(jié)論：

1）此次降水發(fā)生在層結(jié)不穩(wěn)定能量高、水汽充足、槽前抬升氣流強(qiáng)的大氣背景條件下。

2）此次典型暖云強(qiáng)降水的雷達(dá)觀測(cè)特征是：回波呈現(xiàn)低質(zhì)心、強(qiáng)回波的熱帶型結(jié)構(gòu)，出現(xiàn)可用正負(fù)速度對(duì)表征的渦旋輻合場(chǎng)，譜寬和線性退極化偏比數(shù)值偏大，上升氣流偏強(qiáng)。這對(duì)暖云強(qiáng)降水的預(yù)警有所幫助，尤其需要關(guān)注正負(fù)速度對(duì)和云體中上部強(qiáng)上升氣流區(qū)的出現(xiàn)，它們可用于表征短時(shí)強(qiáng)降水即將發(fā)生。

3）模糊邏輯算法識(shí)別出的水凝物粒子基本為雨滴，而后轉(zhuǎn)為毛毛雨滴，降水強(qiáng)度減弱，云中存在少量小冰雹和干、濕雪粒子。云粒子和降水粒子數(shù)目多，存在較大直徑差異，取向復(fù)雜，在上升氣流和渦旋輻合場(chǎng)作用下劇烈碰并增長(zhǎng)，碰并效率較高，在短時(shí)間內(nèi)生成大量大雨滴，雨滴增長(zhǎng)區(qū)逐漸下降，地面發(fā)生短時(shí)強(qiáng)降水。

本次暖云降水機(jī)制主要是云滴碰并增長(zhǎng)為雨滴，物理過(guò)程較簡(jiǎn)單，但降水強(qiáng)度大，效率高。此類降水具有可提前預(yù)報(bào)特征，特別是雷達(dá)觀測(cè)中正負(fù)速度對(duì)的出現(xiàn)，對(duì)降水預(yù)報(bào)具有重要意義。

結(jié)合云雷達(dá)與降水雷達(dá)資料，可以追蹤分析云滴演變?yōu)橛甑蔚嫩欅E，推演云的內(nèi)部過(guò)程和降水機(jī)制。但限于雷達(dá)設(shè)備在臺(tái)站的有限布局，能同時(shí)獲得云雷達(dá)和降水雷達(dá)資料的強(qiáng)對(duì)流個(gè)例有限，本文結(jié)論的普適性還有待更多個(gè)例的驗(yàn)證。

參考文獻(xiàn)（References）

Andrieu H，Creutin J D，1995.Identification of vertical profiles of radar reflectivity for hydrological applications using an inverse method.part Ⅱ：formulation[J].J Appl Meteor，34（1）：240-259.doi：10.1175/1520-0450（1995）034<0240：iovpor>2.0.co;2.

Beard K V，Ochs H T III，1993.Warm-rain initiation：an overview of microphysical mechanisms[J].J Appl Meteor，32（4）：608-625.doi：10.1175/1520-0450（1993）032<0608：wriaoo>2.0.co;2.

Bringi V N，Chandrasekar V，2001.Polarimetric Doppler weather radar[M].Cambridge：Cambridge University Press.doi：10.1017/cbo9780511541094.

曹舒婭，孫偉，韋芬芬，等，2021.雙偏振雷達(dá)在江蘇“7.6”降雹過(guò)程中的應(yīng)用分析[J].大氣科學(xué)學(xué)報(bào)，44（4）：549-557. Cao S Y，Sun W，Wei F F，et al.，2021.Study of “7.6” hail event in Jiangsu based on Dual-Polarization weather radar observations[J].Trans Atmos Sci，44（4）：549-557.doi：10.13878/j.cnki.dqkxxb.20201116001.（in Chinese）.

何宇翔，肖輝，呂達(dá)仁，2010.利用極化雷達(dá)分析層狀云中水凝物粒子性狀分布[J].大氣科學(xué)，34（1）：23-34. He Y X，Xiao H，Lü D R，2010.Analysis of hydrometeor distribution characteristics in stratiform clouds using polarization radar[J].Chin J Atmos Sci，34（1）：23-34.（in Chinese）.

胡志晉，嚴(yán)采蘩，王玉彬，1983.層狀暖云降雨及其催化的數(shù)值模擬[J].氣象學(xué)報(bào)，41（1）：79-88. Hu Z J，Yan C F，Wang Y B，1983.Numerical simulation of rain and seeding processes in warm layer clouds[J].Acta Meteorol Sin，41（1）：79-88.（in Chinese）.

黃浩，2018.基于最優(yōu)化理論的雙偏振雷達(dá)降雨參數(shù)反演研究[D].南京：南京大學(xué). Huang H，2018.A research on optimization-based rainfall parameter retrieval using polarimetric radar data[D].Nanjing：Nanjing University.（in Chinese）.

Johnson D B，1982.The role of giant and ultragiant aerosol particles in warm rain initiation[J].J Atmos Sci，39（2）：448-460.doi：10.1175/1520-0469（1982）039<0448：trogau>2.0.co;2.

Kodama Y M，Katsumata M，Mori S C，et al.，2009.Climatology of warm rain and associated latent heating derived from TRMM PR observations[J].J Climate，22（18）：4908-4929.doi：10.1175/2009jcli2575.1.

Kubar T L，Hartmann D L，Wood R，2009.Understanding the importance of microphysics and macrophysics for warm rain in marine low clouds.part I：satellite observations[J].J Atmos Sci，66（10）：2953-2972.doi：10.1175/2009jas3071.1.

李曉敏，周筠珺，肖輝，等，2017.基于X波段雙偏振雷達(dá)對(duì)雷暴單體中水成物粒子演變特征的研究[J].大氣科學(xué)，41（6）：1246-1263. Li X M，Zhou Y J，Xiao H，et al.，2017.Research on the evolution characteristics of hydrometeors in a thunderstorm cell with X-band dual-polarimetric radar[J].Chin J Atmos Sci，41（6）：1246-1263.doi：10.3878/j.issn.1006-9895.1705.16268.（in Chinese）.

劉黎平，鄭佳鋒，阮征，等，2015.2014年青藏高原云和降水多種雷達(dá)綜合觀測(cè)試驗(yàn)及云特征初步分析結(jié)果[J].氣象學(xué)報(bào)，73（4）：635-647. Liu L P，Zheng J F，Ruan Z，et al.，2015.The preliminary analyses of the cloud properties over the Tibetan Plateau from the field experiments in clouds precipitation with the vavious radars[J].Acta Meteorol Sin，73（4）：635-647.doi：10.11676/qxxb2015.041.（in Chinese）.

馬建立，陳明軒，李思騰，等，2019.線性規(guī)劃在X波段雙線偏振多普勒天氣雷達(dá)差分傳播相移質(zhì)量控制中的應(yīng)用[J].氣象學(xué)報(bào)，77（3）：516-528.Ma J L，Chen M X，Li S T，et al.，2019.Application of linear programming on quality control of differential propagation phase shift data for X-band dual linear polarimetric Doppler weather radar[J].Acta Meteorol Sin，77（3）：516-528.doi：10.11676/qxxb2019.023.（in Chinese）.

Park H S，Ryzhkov A V，Zrnic' D S，et al.，2009.The hydrometeor classification algorithm for the polarimetric WSR-88D：description and application to an MCS[J].Wea Forecasting，24（3）：730-748.doi：10.1175/2008waf2222205.1.

宋文婷，李昀英，黃浩，等，2021.基于S波段雙偏振雷達(dá)資料的降水粒子類型識(shí)別算法及應(yīng)用[J].大氣科學(xué)學(xué)報(bào)，44（2）：209-218. Song W T，Li Y Y，Huang H，et al.，2021.Hydrometeors classification and its application based on S-band dual polarization radar data[J].Trans Atmos Sci，44（2）：209-218.doi：10.13878/j.cnki.dqkxxb.20200318001.（in Chinese）.

Thompson E J，Rutledge S A，Dolan B，et al.，2014.A dual-polarization radar hydrometeor classification algorithm for winter precipitation[J].J Atmos Ocean Technol，31（7）：1457-1481.doi：10.1175/jtech-d-13-00119.1.

Wen J，Zhao K，Huang H，et al.，2017.Evolution of microphysical structure of a subtropical squall line observed by a polarimetric radar and a disdrometer during OPACC in Eastern China[J].J Geophys Res：Atmos，122（15）：8033-8050.doi：10.1002/2016JD026346.

俞小鼎，2013.短時(shí)強(qiáng)降水臨近預(yù)報(bào)的思路與方法[J].暴雨災(zāi)害，32（3）：202-209. Yu X D，2013.Nowcasting thinking and method of flash heavy rain[J].Torrential Rain Disasters，32（3）：202-209.doi：10.3969/j.issn.1004-9045.2013.03.002.（in Chinese）.

俞小鼎，姚秀萍，熊廷南，等，2007.多普勒天氣雷達(dá)原理與業(yè)務(wù)應(yīng)用[M].北京：氣象出版社. Yu X D，Yao X P，Xiong Y N，et al.，2007.Principles and operational applications of Doppler weather radar[M].Beijing：China Meteorological Press.（in Chinese）.

仲凌志，2009.毫米波測(cè)云雷達(dá)系統(tǒng)的定標(biāo)和探測(cè)能力分析及其在反演云微物理參數(shù)中的初步研究[D].北京：中國(guó)氣象科學(xué)研究院. Zhong L Z，2009.Calibration and capability analysis of China new generation of cloud radar-HMBQ and its preliminary application in retrieving cloud microphysics parameters[D].Beijing：Chinese Academy of Meteorological Sciences.（in Chinese）.

周毓荃，蔣元華，蔡淼，2015.北京“7.21”特大暴雨云降水結(jié)構(gòu)及云雨轉(zhuǎn)化特征[J].大氣科學(xué)學(xué)報(bào)，38（3）：321-332. Zhou Y Q，Jiang Y H，Cai M，2015.Characteristics and transformation of cloud and precipitation of the extreme torrential rain in Beijing on 21 July 2012[J].Trans Atmos Sci，38（3）：321-332.doi：10.13878/j.cnki.dqkxxb.20141201010.（in Chinese）.

朱士超，郭學(xué)良，2015.華北一次積層混合云微物理和降水特征的數(shù)值模擬與飛機(jī)觀測(cè)對(duì)比研究[J].大氣科學(xué)，39（2）：370-384. Zhu S C，Guo X L，2015.A case study comparing WRF-model-simulated cloud microphysics and precipitation with aircraft measurements in stratiform clouds with embedded convection in Northern China[J].Chin J Atmos Sci，39（2）：370-384.doi：10.3878/j.issn.1006-9895.1405.14117.（in Chinese）.

（責(zé)任編輯：張福穎）