基于GPM卫星的地形因子与降水云高拟合研究

2023-05-15马琳辉

现代计算机 2023年5期

马琳辉，袁敏

（中国民用航空飞行学院空中交通管理学院，广汉 618307）

0 引言

我国暴雨主要发生在5～8 月［1］，不同尺度地形对暴雨系统的影响不同［2］。四川地区位于青藏高原东南侧，地形复杂，四川东部是盆地，西部是高原，地表起伏大，地势悬殊，发生暴雨的频次较高［3-5］，显著的地形特点影响了降水的分布状况。

杨丽杰等［6］对陇东黄土高原的降水进行分析。丁丽佳等［7］研究了潮州市气象站点的降水数据，结果表明地形地势对短时强降水的发生影响较大，且多出现在迎风坡。陈芳丽等［8］分析了强降水过程与地形走势一致的原因，阐述了地形对气流的抬升、阻截等作用。曾礼等［9］对华东地区降水尺度效应进行研究，表明在不同季节，地形因子对降水的影响程度不同。旷兰等［10］用重庆地区的逐小时降水站点资料对FAST 和FRT 产品进行评估，可以为站点较少地区的降水数据进行补充。刘维成等［11］将地形因子加入雷达降水估测，结果表明经过订正后的数据与实测更为接近。马文倩等［12］对一次强降水事件进行分析，结果表明在迎风坡，海拔与降水的正相关性更好。因此，研究四川地形对不同降水云的影响，能够加深对地形对暴雨系统影响的了解。

GPM（Global Precipitation Measurement）卫星于2014年发射，是美国NASA 和日本JAXA 发起的全球降水观测计划，其上搭设双频降水雷达DPR（Dual-Frequency Precipitation Radar），DPR双频分别是Ka 通道和Ku 通道。多位学者对GPM 卫星资料精度进行评估，并利用GPM 卫星资料研究了不同地区的降水结构特征。杨汪洋等［13］利用陕西省气象站点实测数据与GPM 降水数据进行对比。施丽娟等［14］以中国所有地面气象站点为基准，分析GPM 降水产品的准确性，钱祝庆［15］对通过与2014—2019 年地面实测降水数据对比，结果表明GPM 降水产品整体观测能力较优，可以反映地区实际降水状况。王智敏等［16］利用GPM/DPR 卫星资料对新疆降雪的水平、垂直结构特征进行分析。王立羽等［17］利用GPM 数据分析了北太平洋区域降水结构特征。邓欣柔等［18］利用GPM 探测资料分析了台风降水的水平结构特征与降水率分布状况。以上较少针对四川强降水事件与地形因子进行结合分析，因此，本文利用GPM/DPR L2A 与IMERG 降水产品结合地形因子对一次四川强降水事件进行研究。

1 降水概况

四川地区在2018 年5 月21 日（世界时，下同）发生了一次强降水事件，图1 给出了本次降水的总降水量分布（由GPM/IMERG 观测数据绘制），此次降水达到了国家气象局颁布的降水强度等级中的暴雨—大暴雨等级（暴雨—大暴雨等级为24 小时降水量范围75.0～174.9 mm）。本次降水的降水率在15:30—16:30 达到最大值（降水率≥40 mm/h），范围集中在104°E、29°N附近。

图1 5月21日降水总量分布（单位:mm）

2 坡度与云高

此次降水过程中，GPM 卫星共经过四川地区2 次，仅在15:31 时扫描轨道与此次降水的强降水区匹配较好，且15:31 是此次强降水事件中降水率最大值时间范围，表明此次扫描数据能够较好地表征此次降水结构特征。DPR 通过雷达回波将探测的降水云分为三类［19］:当检测到0℃亮带时，定义为层状云降水；若在0℃亮带附近检测到雷达回波大于39 dBZ 或风暴顶下雷达回波大于39 dBZ，则定义为对流云降水，其余则为其他降水（其他降水样本量较少，故此次不考虑其他降水）。对流云样本1129，层状云样本2218，对流云与层状云样本比例约为1∶2，说明层状云降水发展范围远大于对流云降水发展范围。

图2（a）和图2（b）分别为对流云、层状云坡度与冻结层高度散点图，二者冻结层高度都聚集在4.8～5.5 km，说明冻结层所在高度与降水云类型关系不大。在图2（a）中坡度与冻结层高度的拟合曲线表明：随着坡度的增长，冻结层高度呈缓慢增长趋势，呈正相关，相关系数为0.166，表明二者相关程度较大，且呈线性变化，但显著性远小于0.1。在图2（b）层状云坡度与冻结层散点图中，二者的拟合曲线表明随着坡度的增长，冻结层高度呈缓慢下降趋势，呈负相关，相关系数为-0.028，表明层状云坡度与冻结层高度的相关性小于对流云坡度与冻结层高度的相关性。

图2 坡度与冻结层高度散点图

图3是坡度与冻结层高度箱线图，箱线图都够较好表明不同坡度下冻结层高度的变化。图3（a）是对流云坡度与冻结层高度箱线图，随着坡度的增大，对流云冻结层高度的中位数、平均数、上边界值与上四分之一数、下四分之一数皆有明显减小趋势，而下边界值却有增大趋势，说明地形越陡，对动力、热力抬升作用越大，冻结层所在位置越高［20］。而随着高度的升高，地形因素的热力抬升作用减小，冻结高度层值逐渐减小。图3（b）是层状云坡度与冻结层高度箱线图，图中中位数、平均数、上边界值与上四分之一数、下四分之一数皆无明显变化趋势，层状云坡度与冻结层高度二者相关性不强，但下边界值却有增大趋势，与对流云冻结层高度下边界值变化趋势一致，且层状云冻结层高度在相同坡度范围的上边界值都大于对流云冻结层高度。

图3 坡度与冻结层高度箱线图

图4（a）和图4（b）分别为对流云、层状云坡度与雷暴云顶高散点图。对流云和层状云降水的雷暴云顶高范围分别集中在2～17 km 和4～15 km，对流云的雷暴云发展高度和范围明显大于层状云，说明对流降水雷暴云体内垂直的对流活动更加剧烈。对流云坡度与雷暴顶高呈正相关，相关系数为0.187；层状云坡度与雷暴顶高呈负相关，相关系数为-0.050，与坡度和冻结高度层关系类似，与层状云相比，对流云的坡度与雷暴顶高相关性更大。

图4 坡度与雷暴云顶高散点图

图5（a）和图5（b）分别为对流云、层状云坡度和雷暴云顶高箱线图。对流云整体雷暴云顶高上边界值高于层状云雷暴云顶高上边界值，且对流云箱线图上四分位数变动较小，说明对流云水平范围不大，整体较为集中，其余数值无明显变化规律，说明对流云雷暴云顶高受坡度影响较小，受对流垂直活动影响大。而层状云上四分位数、均值、中位数、下四分位数皆随坡度的增大而减小，说明层状云垂直活动相对较弱，云顶发展高度受坡度影响较大，且呈负相关趋势。

图5 坡度与雷暴云顶高箱线图

3 海拔与云高

图6（a）和图6（b）分别为对流云、层状云的海拔和冻结层高度散点图。二者冻结层高度范围差异不大，与图3类似，说明冻结层所在高度与降水云类型关系不大。对流云海拔和冻结层高度呈正相关，相关系数为0.057；层状云海拔与冻结层高度呈负相关，相关系数为-0.102，与坡度和冻结层高度的相关性变化一致，但此次层状云海拔与冻结层高度的相关性大于对流云，说明对层状云来说海拔对冻结层高度的影响大于坡度对冻结层高度的影响，与对流云刚好相反。

图6 海拔和冻结层高度散点图

在研究不同海拔下的冻结层与雷暴云高度时，将海拔分为3 类：低海拔（小于1 km），中海拔（1～2 km），亚高海拔（2～4 km）［21］。由于GPM 卫星此次扫描区域海拔最大值为4.059 km，且大于4 km 的样本点个数为4，故将这4个点在绘图时并入2～4 km 中。图7（a）和图7（b）分别为对流云、层状云海拔与冻结层高度箱线图，二者上边界值与上四分位数呈抛物线变化，在海拔为1～2 km处达到最大值，中位数与下四分位数都随着海拔的升高而减小；而下边界值也有微弱的抛物线趋势，在1～2 km 处达到最大值，说明不同海拔对冻结层高度影响不同，需要进行进一步探讨。

图7 海拔与冻结层高度箱线图

图8（a）和图8（b）分别为对流云、层状云海拔与雷暴顶高散点图，海拔的增加对对流云雷暴云顶高有抬升作用，相关系数为0.079；而与层状云雷暴云顶高呈负相关，相关系数为-0.108，层状云的相关系数大于对流云的相关系数，说明海拔对层状云雷暴云顶高的影响大于对对流云雷暴云顶高的影响。且对层状云来说，海拔对雷暴云顶高的影响大于坡度对雷暴云顶高的影响，而对对流云来说，海拔和坡度对雷暴云顶高的发展影响都不显著。

图8 海拔与雷暴云顶高散点图

图9（a）和图9（b）分别是对流云、层状云海拔与雷暴云顶高箱线图，二者上边界值都呈抛物线出现，且皆在1～2 km处出现峰值，与海拔和冻结层最大值出现位置一致；在2～4 km的位置，雷暴顶高的最大值、上四分位数、中位数、平均值、下四分位数、最小值都有明显的下降趋势，说明海拔越高，雷暴云顶高越低；且层状云的雷暴顶高下降趋势大于对流云，说明海拔对层状云的雷暴云顶高发展影响更大。