专栏首页编外气象人漂亮的戒指——零度层亮带

漂亮的戒指——零度层亮带

零度层亮带(0℃层亮带,融化带,melting layer,bright band)是大范围降水的雷达回波特征之一,层状云降水中出现在零度层之下(几百米)的一个高强度回波带(厚度<1km)图1。它在天气雷达的PPI(中高仰角)上表现为一明显的中强度色标圆环或圆弧,其强度常达30-40dbz,较附近的回波要强10-20dbZ,它就像一个漂亮的戒指戴在雷达上。在RHI上(或剖面)表现为一条回波强度较其上下均大的一条厚度较细的回波亮带。因为天气雷达早期用荧光屏幕显示,在零度层的回波会显得比其上下都异常明亮,所以称为“零度层亮带”。

图1 0℃层亮带示意图

形成原因

它形成的主要原因是(图2):当冰晶、雪花通过0℃层时,表面幵始融化,水膜包冰使粒子介电常数增大,即对电磁波的散射能力增大(约5倍);另一方面是由于相互碰撞的机会增多,形成较大颗粒,使散射能力进一步增强。而在0℃下,当冰晶、雪花全部融化变成雨滴时,由于雨滴接近球形,其降落末速度比冰晶、雪片大的多,使得单位体积中降水粒子的数目大大减少,从而使回波减弱。所以,在0℃附近就形成一个回波强度较其上和其下均大的亮带。

零度层亮带是层状云降水冋波的主要特征,它反映了在层状云降水中存在明显的冰水转换过程,亮带以上降水以冰晶、雪花为主,亮带以下以雨滴为主。同时也表明在层状云降水中气流平稳,没有明显的对流运动。根据0 ℃层亮带的高度,可以推断大气中0℃等温线的高度。

在台风天气,虽然台风水平风速大,但是垂直的对流不强的台风外围,也能探测到完整的零度层亮带。

有时在较大范围的雷暴单体的消散阶段,云内上升气流减弱并转换为弱的下沉气流,这时位于云顶部的冰晶、雪花在通过0 ℃层融化,也可以显示出0℃层亮带。

图2 0℃层亮带形成示意图

亮带形成中有以下几个效应:

1 融化效应:冰融化为水→介电常数增加→散射能力增强(小粒子时水滴比冰晶散射强5倍);

2 碰并效应:下落融化中→碰并聚合作用→粒子直径D增加→Z增加;

3 速度效应:冰粒融化后→球形水滴→降落速度增加→单位体积粒子个数减少→总散射减少→亮带以下回波减弱→突出了亮带

4 粒子形状效应:冰雪粒子下降融化中→不是球形→散射能力增强(非球形粒子散射大于球形粒子散射)

5 粒子破碎效应:大雨滴破碎为小雨滴→直径D小→Z降低→亮带下Z减小

亮带的意义:

1 它是层状云连续性降水的一个重要特征;

2 反映了此类降水中有明显的冰水转换区,利于探讨降水机制;

3 表明层云降水中气流稳定,无明显对流活动;

4 可由亮带位置,大致确定零度等温线高度。

几个问题

降雪回波中是否会出现零度层亮带?

因为降雪回波中没有雨雪相态转换,所以它不会出现零度层亮带。

在雷达回波的平面显示PPI图像上,为什么零度层亮带通常呈圆环状 ?

因为零度层亮带厚度小于1km,在雷达回波的平面显示中,由于仰角和地球曲率的作用,不同距离的高度不同,所以PPI上表现小于1km高度的零度层时表现为圆环状,且仰角越高圆环约小。

垂直方位显示RHI图像上,零度层亮带的高度是在“零度”的高度以上吗?

由于冰晶、雪花在大于0℃时才会开始融化,所以零度层亮带的高度是在0℃以下。

在出现零度层亮带的PPI图像上,能否准确地分辨出降雨区和降雪区?

在冬季的降水回波中,零度层亮带的降低,预示着降水的相态转换,当零度层亮带的高度接近地面时,降水表现为固态的降雪。所以,零度层亮带对冬季降水能准确地分辨出降雪区、雨夹雪区和降雪区。

零度层亮带的双偏振天气雷达回波特征

零度层亮带是常规天气雷达延续的称呼,在零度层双偏振雷达的双偏振参数更敏感,特征更明显,主要表现在相关系数CC、差分反射率ZDR上,差分相移率KDP的特征并不明显。尤其是相关系数CC,有时强度场上的零度层亮带不明显,但是相关系数CC却能清晰指示零度层位置

在零度层:

由于存在冰、水的混合相态,而且在融合过程粒子大小变化不一,所以相关系数CC在0.7到0.95之间,而且比较混乱不均匀,和其上下的纯雪花冰晶及液体水滴的相关系数差别明显。(图3)

冰晶雪花融化,水包冰膜,呈扁平形状,ZDR为正值,而且比其上下的值要大;在零度层上部,一般为雪花ZDR接近于零;零度层下部完全融化的水滴比水包冰尺寸要小,ZDR值为正值。

零度层的厚度比较薄,KDP也有反映,一般KDP也是比其上下要大,但是很不明显。因为对KDP影响较大的粒子数目浓度,零度层上为雪花,KDP值在0附近,零度层中的数目浓度会比零度层下的数目浓度大,但是差别很小。

图3 零度层(融化层)的CC典型值

实际例子

厦门蔡尖尾双偏振天气雷达(CINRAD/SAD,莫兰蒂台风):仰角6.0°,在距离雷达20公里处,有明显的CC低值圆环,可以清晰地指示零度层,而对应的强度场的零度层亮带并不明显(图4)。图5中,ZDR也有一个较大的正值圆环,但是它没有相关系数CC那么清晰。

图4 “莫兰蒂”台风厦门双偏振雷达,CC指示零度层

图5 “莫兰蒂”台风厦门双偏振雷达,ZDR指示零度层

美国的例子,图6,层状云降水3.4°仰角的融化层的反射率因子、相关系数(中)和差分反射率(右)。请注意反射率因子没有和亮带(融化层)相关联的明显较强反射率因子圆环,但有一个较大ZDR值(而且嘈杂)的圆环。

图6 美国双偏振探测的零度层的例子

在RHI或剖面上,也有清晰的零度层特征。图7,是“莫兰蒂”台风厦门双偏振雷达的RHI(间隔0.2°取样),在强度图上台风外围的约5km高度能隐约判断出零度层亮带,但是在台风中心附近的强降水区却分辨不出。而相关系数CC、差分反射率ZDR都有明显的零度层特征。但其厚度离雷达越远越大,这是因为波束宽度展宽造成的。

图7 “莫兰蒂”台风厦门双偏振雷达RHI,双偏振指示零度层

图8,剖面和RHI对比,由于其探测仰角间距大,变得非常粗,虽然能分辨零度层,但是更模糊不清。

图8 “莫兰蒂”台风厦门双偏振雷达RHI和剖面,双偏振指示零度层

C波段双偏振雷达也同样。图9、图10是南京信息工程大学的C波段双偏振雷达的PPI、RHI:

图9 南京信息工程大学的C波段双偏振雷达PPI双偏振指示零度层

图10 南京信息工程大学的C波段双偏振雷达RHI双偏振指示零度层

ML产品

根据零度层双偏振雷达探测参数的典型特征,开发了融化层ML产品,它的算法主要就是依据检测CC、ZDR的不同特征来实现的。

ML产品是仰角产品,可以每个仰角都生成,产品主要由四条线组成,分别指示零度层顶和零度层底。为什么是四根线呢?(图11)最外一根线(颜色较暗)是波束下沿和融化层顶的相交的线,然后依次是波束中心和融化层顶的相交的线,波束中心和融化层底的相交的线,波束上沿和融化层底的相交的线。

图11 ML产品的四根线意义示意图

融化层的厚度一般是比较固定的,但是由于雷达测高的不同,低仰角的融化层产品比中高仰角的融化层产品四根线间距更宽,且识别更不准确。所以一般ML产品要看中高仰角的产品。

如图12,是0.5°和2.4°的ML产品,2.4°的ML产品四根线间距小,而且四线的中间读数高度值不同0.5°读出来是4801m,2.4°是5144m,而探空的探测值是5158m,所以中高仰角的ML产品更接近探空的0度层探测高度。

图12 不同仰角ML产品和探空对比

ML产品一般不单独显示,作为叠加产品叠加到其他产品中,以更好地分析回波的发生发展和降水物理过程。如分辨大范围降水的强降水区、ZDR柱、KDP柱等等。图13,在ML的零度层线中间有相关系数CC大于0.95区域对应大的KDP和ZDR值区域,是上升气流主要的区域,这里由于上升气流的作用,是水滴集聚区,不受零度层的影响,没有冰水混合相态。

图14,在ML产品的上方,出现了较大正值的ZDR和KDP值区域,对应的多普勒速度场是气旋特征正负的速度对,这里就是ZDR柱、KDP柱,也就是较强烈上升气流影响的过冷水滴区。

图13 叠加ML产品分析暴雨的强降水区

图14 叠加ML产品分析ZDR柱、KDP柱

融化层产品ML有缺点,缺点包括下列方面:

双偏振的在以下情形下ML检测不到:

快速移动的冷锋

小范围层状云降雨过程

大部分区域低于冰点

离雷达中远距离的孤立风暴

两个融化层存在时表现不佳

不符合实际的不连贯和错误检测(缺少检测的数据点造成)

高山雷达的问题(冬季零度层探测不到)

检测不到融化层的情形:

由于算法在3到6个体扫周期内需要足够数量的湿雪,因此在某些情况下算法将不能通过双偏振基数据来检测到融化层。

快速移动的冷锋:它在快速移动的冷锋附近表现不佳,因为算法设定的体积扫描周期内需要累积湿雪点,冷锋快速移动使算法难以计算精确的ML高度。

小范围层状云降雨:小范围层状云降雨过程没有足够多的湿雪点来从双偏振雷达数据中计算融化层。

大部分区域低于冰点:如果大部分区域低于冰点,MLDA算法将从RPG的环境数据中提取缺省的0℃层高度。

孤立风暴:和小范围层状云降雨一样,如果周围只有孤立的风暴,可能没有足够的湿雪点使算法正常运行。由于孤立风暴的回波面积很小,算法将不会有足够的湿雪点来确定融化层。

小结

1. 零度层亮带是零度层的冰水混合区由于其五个效应,导致强度大于其上下区域;

2. 零度层亮带的双偏振探测参数特征更明显,尤其是相关系数CC;

3. 零度层亮带可以帮助理解降水的微物理过程;

4. 双偏振融化层ML产品要看较高仰角产品;

5. 融化层产品是叠加产品,叠加到其他产品中有助于分析ZDR柱、KDP柱和强降水区;

6. 零度层亮带有助于分析冬季天气的雨雪转换;

7. ML产品有明显的缺点,有时候检测不到融化层。

参考文献:

1. 魏鸣《雷达气象学课程》PPT

2. 黄兴友《雷达气象学》PPT

3. 张培昌.杜秉玉.戴铁丕等《雷达气象学》

4. 美国《双偏振雷达业务教程》Warning Decision Training Branch,张深寿翻译

5. 张深寿《双偏振雷达业务与应用》PPT

本文分享自微信公众号 - 编外气象人(OutWeatherMan)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-07-31

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 新基建下气象事业面临的机遇与挑战【1】

    【前言】 当前新基建异常火爆,也是舆论的焦点。我在思考:新基建这个概念的提出一定是我国推进经济加快恢复的新举措,我们气象事业在这样的背景下会面临怎样的机遇和挑战...

    用户1247399
  • 微服务架构在气象业务系统建设之经验分享

    昨天分享了《中台战略与气象业务系统建设之经验分享》,今天继续分享一下【微服务】架构在气象业务系统建设之中所遇到的问题。【微服务】的软件架构在当下非常流行,尤其是...

    用户1247399
  • 新基建下气象事业面临的机遇与挑战【2】

    【前言续】 昨天刚开了个头,抛出了新基建下气象事业面临的机遇与挑战这个话题,今天将我的理解和一点不成熟的思考分享出来。新基建背景下,气象事业如果抓住机会一定大有...

    用户1247399
  • Ajax详解

    一、ajax定义 ajax 的全称是Asynchronous JavaScript and XML,其中,Asynchronous 是异步的意思,它有别于传统w...

    柴小智
  • 拓端tecdat:高校排名中的数字基因

    大学排行榜被怼:排行榜太多,大学都不够用了。近日有媒体表示大学榜单太多,标准太泛,办学初衷都找不到了。而不同的榜单排名差异过大,也让评价机构的信任和权威“煳掉”...

    拓端
  • 【快报】英伟达加强与德国AI研究所关系 | 丰田预计5年后推出智能汽车,能自动避免事故发生

    1Anki推出玩具机器人Cozmo,定位智能教育平台 ---- ? 初创公司Anki昨天发布了一款名叫Cozmo的智能玩具机器人,外观造型将赛车与机器人结合在一...

    新智元
  • 深度学习图像语义分割常见评价指标详解

    深度学习已经应用在计算机视觉领域多个方面,在最常见的图像分类、对象检测、图像语义分割、实例分割视觉任务都取得了良好的效果,如下图所示:

    OpenCV学堂
  • Spring Boot项目简单上手+swagger配置+项目发布

    互联网金融打杂
  • T2F:所述即所见,使用深度学习,文本一键生成人脸

    项目的代码可以在我的版本库获得:https://github.com/akanimax/T2F

    AI研习社
  • 原 荐 Spring Boot 多库分布式事

    kinbug [进阶者]

扫码关注云+社区

领取腾讯云代金券